数字图像处理
Digital Image Processing
主讲人：姚鸿勋
哈尔滨工业大学计算机科学与工程系,综合楼612室 2011年8月29日 课件网址 ftp://https://www.doczj.com/doc/ee8680064.html, 实验课老师：刘绍辉 shliu@https://www.doczj.com/doc/ee8680064.html, 课程助教：王振鲁 zhenlu_wang@https://www.doczj.com/doc/ee8680064.html,
This Class
Goal
Learning thoughts and methodologies for image processing (IP) and developing a foundation for further study and research in IP Training how to develop IP software
How?
Lectures: 4 hours/week, lecture (28h) Experiments: 4 hours X 5 times (20h) Check: more than 2/3 attendance rate + Q/A (30%) + score of experiments (40%) + test (30%)
哈工大计算机系姚鸿勋
2
The book
R.C.Gonzalez
3
哈工大计算机系姚鸿勋
The book
R.C.Gonzalez
4
哈工大计算机系姚鸿勋
References
Digital Picture Processing
—A.Rosenfeld Academic Press, 1976 / 1982译
Digital Image Processing
—R.C.Gonzalez Addison-Wesley, 1977 / 1982译 2nd Edition, 1987 电子工业出版社 2002 (阮秋琦) 电子工业出版社 2003译 3nd Edition, 2010 电子工业出版社 2010
Digital Image Processing
—Kenneth R. Castleman 1998 Ver.清华大学出版社 1998中文版 朱志刚译 电子工业出版社
5
哈工大计算机系姚鸿勋
主要参考书
图像处理技术
—李介谷等，上海交通大学出版社， 1988
数字图象处理
—余松煜（上交大），电子工业出版社， 1989
数字图像处理学
—阮秋琦（北方交大），电子工业出版社，2001
图象处理与分析(图像工程上册)
—章毓晋，清华大学出版社，1999
6
哈工大计算机系姚鸿勋
主要参考书
数字图象处理学
—[美] W.K.普拉特，科学出版社，1978 ， 1984译
计算机图象处理技术基础
—张远鹏，北京大学出版社， 1996
数字图象分析
—吴健康（中科大），人民邮电出版社， 1987
计算机图象识别
—王积分等编，出版社， 1988
图象处理与分析
—徐建华（复旦），科学出版社， 1992
7
哈工大计算机系姚鸿勋
主要参考书
数字图像处理
—霍宏涛，机械工业出版社， 2007.6
数字图像处理
—曹茂永 ，北京大学出版社， 2007.9
数字图像处理
—陆玲,王蕾,桂颖 ，中国电力出版社， 2007.7
图像处理、分析与机器视觉(第3版)
—Milan Sonka，Vaclav Hlavac，Roger Boyle —艾海舟，苏延超 (译)，清华大学出版社 2011.1
8
哈工大计算机系姚鸿勋
目 录
第一章 绪论 (Introduction) 第二章 视觉基础知识(Visual fundamentals) 第三章 图像变换 (Image transform) 第四章 图像编码 (Image coding) 第五章 图像增强 (Image enhancement) 第六章 图像恢复 (Image restoration) 第七章 图像分割及特征提取 (Image segmentation and features extraction)
9
哈工大计算机系姚鸿勋
First photograph
—First photograph due to Niepce —First on record shown 1822 —Basic abstraction is the pinhole camera —First successful commercial photograph due to Eastman in late 19th
One picture is worth more than ten thousand words.
10
哈工大计算机系姚鸿勋
First digital picture
11
哈工大计算机系姚鸿勋
First digital picture (more…)
12
哈工大计算机系姚鸿勋
First digital image processing
Early 1960s
13
哈工大计算机系姚鸿勋
EM spectrum
14
哈工大计算机系姚鸿勋
EM spectrum
15
哈工大计算机系姚鸿勋
Examples: Gamma-ray
imaging
16
哈工大计算机系姚鸿勋
Examples: X-ray
imaging
17
哈工大计算机系姚鸿勋
Examples: Ultraviolet
imaging
18
哈工大计算机系姚鸿勋
Examples: Microscopy
images
19
哈工大计算机系姚鸿勋
Examples:
Satellite images
20
哈工大计算机系姚鸿勋
Thematic bands
21
哈工大计算机系姚鸿勋
Examples: Multi-spectral
imaging
22
哈工大计算机系姚鸿勋
Examples: Infrared
imaging
23
哈工大计算机系姚鸿勋
Examples: Infrared
imaging (Cont.)
24
哈工大计算机系姚鸿勋
Examples:
Imaging in the visible band
25
哈工大计算机系姚鸿勋
Examples:
Imaging in the visible band (Cont.)
26
哈工大计算机系姚鸿勋
Examples: Microwave
imaging
27
哈工大计算机系姚鸿勋
Examples:
Magnetic resonance imaging
28
哈工大计算机系姚鸿勋
Examples: Electromagnetic imaging
Examples: other imaging
29
哈工大计算机系姚鸿勋
Examples:
Ultrasound imaging
30
哈工大计算机系姚鸿勋
Examples:
Transmission electron microscope
31
哈工大计算机系姚鸿勋
Examples:
Computer-generated images
32
哈工大计算机系姚鸿勋
IP vs. Computer Vision
Vision continuum Image processing Low-level ?Filtering ?Enhancement ?Restoration ?Edge detection ?Compression Image-in Image-out Image analysis Mid-level ?Segmentation ?Classification Computer vision High-level ?Recognition ?AI
Image-in Feature-out
Image-in Decision-out
33
哈工大计算机系姚鸿勋
第一章 绪论 Chapter 1 Introduction
1-1 数字图像的概况及应用
一. 图像处理技术发展简介
—1. 该技术诞生的重要标志
1964年美国的喷气推进实验室JDL处理了太空船“徘徊 者7号”发回的月球照片
34
哈工大计算机系姚鸿勋
第一章 绪论 Chapter 1 Introduction
1-1 数字图像的概况及应用
一. 图像处理技术发展简介
—1. 该技术诞生的重要标志
1964年美国的喷气推进实验室JDL处理了太空船“徘徊 者7号”发回的月球照片
—2. 该技术发展的主要因素
航天业，微电子技术，VLSI技术，70％的视觉信息
35
哈工大计算机系姚鸿勋
第一章 绪论 Chapter 1 Introduction
1-1 数字图像的概况及应用
一. 图像处理技术发展简介
—1. 该技术诞生的重要标志
1964年美国的喷气推进实验室JDL处理了太空船“徘徊 者7号”发回的月球照片
—2. 该技术发展的主要因素
航天业，微电子技术，VLSI技术，70％的视觉信息
—3. 该学科研究的主要内容
36
哈工大计算机系姚鸿勋
相关学科领域
第一章 绪论 Chapter 1 Introduction
相关学科领域 作为
Computer Graphics Computer Vision Image Processing Image Analysis Patter Recognition
图像显示 自然景物的理解 图像------>图像 图像----->结论
37
哈工大计算机系姚鸿勋
AI、CV、CG、IP、PR间关系
Image Processing Computer Graphics Computer Pattern Vision Recognition
Artificial Intelligence
38
哈工大计算机系姚鸿勋
图像处理定义
以计算机系统为基本工具，与图像专用处理 设备构成图像工作站，对图像的灰度、色彩、 形状及空间等大量信息进行量化、编码、变换、 平滑、增强、分割、分类、描述等一系列处理 达到改善图像质量、自动检测与自动识别的目 的。
—A 图像的数字化与变换：连续形式 ------>离散形式 —B 图像的编码与压缩：节省空间、信道 —C 图像的增强与恢复：改善质量、降低噪声 —D 图像的分割与描述：分割、分类、描述（特征 提取）
39
哈工大计算机系姚鸿勋
第一章 绪论 Chapter 1 Introduction
1-1 数字图像的概况及应用
一. 图像处理技术发展简介
—1. 该技术诞生的重要标志
1964年美国的喷气推进实验室JDL处理了太空船“徘徊 者7号”发回的月球照片
—2. 该技术发展的主要因素
航天业，微电子技术，VLSI技术，70％的视觉信息
—3. 该学科研究的主要内容
40
哈工大计算机系姚鸿勋
主程序 clear all close all clc !echo 本次图像处理的菜单如下:! !echo 1,imgsharping! !echo 2,imgnegative! !echo 3,imgsmoothing! !echo 4,imgsubtracting! !echo 5,medianfilting! !echo 6,contraststrength! !echo 7,lineartransform! !echo 8,imgfilp! !echo 9,imgindextransform! iptsetpref('ImshowBorder', 'tight') a=1; img = imread('C:\Users\huanhuan\Desktop\司马.jpg'); figure(1), imshow(img); while(a==1) choose=input('please enter your choosing ranging from 1 to 9: '); switch choose case 1, imgsharping(img); case 2, imgnegative(img); case 3, imgsmoothing(img); case 4, imgsubstract(img); case 5, medianfilting(img); case 6, contraststrength(); case 7, lineartransform(); case 8, imgfilp(img); case 9, imgindextransform(); otherwise disp('Unknown method.'); end a=input('continue(1) or quit(2)');
基于数字图像处理 的目标识别 通过这半个学期对数字图像处理这门课程的学习，我了解了有关数字图像处理的知识，并且对数字图像处理的相关仿真软件——matlab有了更加深入的了解，可以更加熟练的使用matlab软件处理实际问题，从而促进我对数字图像处理这门课程产生更加浓烈的兴趣，也让我对这种仿真软件有了更加全面的认识，了解它更多的功能。在课程结束之际，我利用自己在课堂上学习的一些知识和在课下学习的东西写出以下总结。希望老师给予耐心指导。 一、数字图像处理技术 数字图像处理(Dital Image Processing)又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。从接近人们日常生活的照相，电视图像显示，到工业上面对某些零件的处理等，再到军事类的人像识别，雷达目标识别等，这些都离不开数字图像处理的身影。 图像处理的信息量很大，对处理速度的要求也比较高。Matlab强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文基于
MATLAB的数字图像处理环境，设计并实现了一个图像处理系统，展示如何通过利用Matlab的工具函数和多种算法实现对图形图像的各种处理。论述了利用设计的系统实现图像文件（bmp、jpg、tiff、gif等）进行打开、保存、另存、打印、退出等功能操作，图像预处理功能（包括彩色图像的灰度化变换等、一般灰度图像的二值化处理、色彩增强等），图像分割，图像特征提取等图像处理。 图像的数学表达式可表示为：f(x，y)表示幅图像。x,y,f为有限、离散值。黑白图像可用二维函数f(x，y)表示，其中x,y是平面的二维坐标，f(x，y)表示点(x，y)的亮度值(灰度值)。对模拟图像来讲，f(x,y)显然是连续函数。为了适应数字计算机的处理，必须对连续图像函数进行空间和幅值数字化。空间坐标(x,y)的数字化称为图像采样，而幅值数字化被称为灰度级量化。经过数字化后的图像称为数字图像(或离散图像)。 F(x,y,z)表示三维的图像，f 为点的分布，有限，离散值，为彩色图像的表示方式。 (1)数字图像的灰度图像的阵列表示法。 设连续图像f(x，y)按等间隔采样，排成MxN阵列(一般取方阵列NxN) 图像阵列中每个元素都是离散值，称为像素(pix—el)。在数字图像处理中，一般取阵列N和灰度级C都是2的整数幂，即取N=及G=。对一般电视图像，N取256或512，灰度级C取64级(m=6bit)至256级m=8bit)，即可满足图像处理的需要。对特殊要求的图像，如SAR图片取 10000×10000，灰度级m取8bit或者16bit。
数字图像处理实验 图像处理实验（一）直方图 灰度变换是图像增强的一种重要手段，使图像对比度扩展，图像更加清晰，特 征更加明显。 灰度级的直方图给出了一幅图像概貌的描述，通过修改灰度直方图来得到图像 增强。 1、灰度直方图 （1）计算出一幅灰度图像的直方图 clear close all I=imread('004.bmp'); imhist(I) title('实验一（1）直方图'); （2）对灰度图像进行简单的灰度线形变换， figure subplot(2,2,1) imshow(I); title('试验2-灰度线性变换'); subplot(2,2,2) histeq(I); （3）看其直方图的对应变化和图像对比度的变化。 原图像 f(m,n) 的灰度范围 [a,b] 线形变换为图像 g(m,n),灰度范围[a’,b’]公式：g(m,n)=a’+(b’-a’)* f(m,n) /(b-a) figure subplot(2,2,1) imshow(I) J=imadjust(I,[0.3,0.7],[0,1],1); title(' 实验一（3）用g(m,n)=a’+(b’-a’)* f(m,n) /(b-a)进行变换 '); subplot(2,2,2) imshow(J) subplot(2,2,3) imshow(I) J=imadjust(I,[0.5 0.8],[0,1],1); subplot(2,2,4) imshow(J) (4) 图像二值化（选取一个域值，(5) 将图像变为黑白图像） figure subplot(2,2,1)
imshow(I) J=find(I<150); I(J)=0; J=find(I>=150); I(J)=255; title(' 实验一（4）图像二值化 ( 域值为150 ） '); subplot(2,2,2) imshow(I) clc; I=imread('14499.jpg'); bw=im2bw(I,0.5);%选取阈值为0.5 figure; imshow(bw) %显示二值图象 图象处理变换（二） 1．傅立叶变换 熟悉其概念和原理,实现对一幅灰度图像的快速傅立叶变换,并求其变换后的系数分布. 2．离散余弦变换 熟悉其概念和原理,实现对一幅灰度和彩色图像作的离散余弦变换,选择适当的DCT系数阈值对其进行DCT反变换. % 图象的FFT变换 clc; I=imread('005.bmp'); subplot(1,2,1) imshow(I); title('原图'); subplot(1,2,2) imhist(I); title('直方图'); colorbar; J=fft2(I); figure; subplot(1,2,1) imshow(J); title('FFT变换结果'); subplot(1,2,2) K=fftshift(J); imshow(K);
基于数字图像处理的车牌识别系统
基于数字图像处理的车牌识别系统 言经官 电气学院电子112 摘要：车牌识别系统（License Plate Recognition 简称LPR）技术基于数字图像处理，是智能交通系统中的关键技术，同时他的发展也十分迅速，已经逐渐融入到我们的现实生活中。文章介绍了车牌识别系统的意义、图像去噪处理以及图像二值化方法,并通过仿真试验模拟了图像处理的过程。本文所做的工作在于前期的图像预处理工作。本次设计着重在于图像识别方面, 中心工作都为此而展开,文中没有进行车牌的定位处理,而是采用数码相机直接对牌照进行正面拍照,获取原始车牌图像。之后利用Matlab编程对图片进行了大小的调整、彩色图片转化成灰度图片、图片去噪、以及图片二值化等工作。其中,去噪与二值化是关系图像识别率的关键。 关键字：车牌识别系统；图像预处理；字符识别；Matlab；去噪；二值化 引言 智能交通系统（ITS）是当今世界交通管理体系发展的必然趋势，而作为智能交通系统中的重要组成部分之一的车牌自动识别技术，目前已被广泛应用于城市道路监控、高速公路收费与监控、小区与停车场出入口管理、公安治安卡口等场合，成为研究的热点。 伴随我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制，安全管理的要求也日益提高。因此迫切需要采用高科技手段,对违法违章车辆牌照进行登记, 在这种情况下，作为信息来源的自动检索，图像识别技术越来越受到人们的重视。车牌识别系统的出现成为了交通管制必不可少的有力武器。 1 车牌识别系统的目标 利用计算机等辅助设备进行的自动汽车牌照自动识别就是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上，通过对车辆图像的采集，采用先进的图像处理、模式识别和人工智能技术，在图像中找到车牌的位置，提取出组成车牌号码的全部字符图像，再识别出车牌中的文字、字母和数字，最后给出车牌的真实号码。国外的车牌识别研究始于80 年代，90 年代始已有不少成套的产品出现。由于我国车牌的组成及组合的方式与国外的车牌不一致，使得我们不能直接使用国外的车辆牌照识别系统，而必须针对我国车牌重新设计相应的车辆牌照识别系统。车牌识别的使用环境、背景各有差异，目前还没有一种算法能在不同环境、各种复杂背景条件下达到非常高的车牌识别率，因而车牌识别技术仍然是研究的重点。 2 MATLAB 及其图像处理工具概述 MATLAB 是MAT rix LABora tory( 矩阵实验室) 的缩写, 是Ma thWorks 公司开发的一种功能强、效率高、简单易学的数学软件。MATLAB 7. 1 是一套功能十分强大的工程计算及数据分析软件, 其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。MATLAB 的图像处理工具箱, 功能十分强大, 支持的图像文件格式丰富, 如* .BMP、* . JPG、* . JPEG、* . GIF、* . ti;f% 95% 94、* . ti;f%95%94F、* . PNG、* . PCX、* . XWD、* . HDF、* . ICO、* .CUR 等。本文将给出MATLAB的图像处理工具箱中的图像处理函数实现图像处理与分析的应用技术实例。
《数字图像处理》研研究生课程教学大纲 （课程编号S009108 学分-学时-上机 3-54-12） 东南大学计算机科学与工程学院 一、课程的性质与目的 本课程为计算机科学与技术一级学科中图像处理与科学可视化方向的重要专业课，包含了该专业方向学生必须掌握的专业知识。 通过课程学习，学生除了掌握必须的专业技术知识外，还需要了解该方向的研究前沿，提高阅读专业学术资料和解决实际问题的能力。 二、课程内容的教学要求 本课程采用讲课+自学+讨论的教学模式。其中，讲课环节以综述为主，重点介绍各知识点的问题提出、解决思路、主要算法、评估；自学环节需要学生阅读专业论文并进行实验，得出结论；讨论环节由学生进行论文阅读及实验结论的交流，加深理解，并由此了解研究前沿。 讲课课时安排（24课时）： 1.数字图像处理概述（3）：数字图像处理技术的发展历史，包含的主要内容，应 用，相关的学科方向 2.线性系统分析方法、傅里叶变换（3）：复习线性系统基本知识，复习一维傅里 叶变换，掌握二维傅氏变换及性质，线性滤波器设计。 3.图像几何变换及插值（3）：图像几何变换应用，重点插值方法 4.图像增强综述（6）：图像增强的目的，算法分类，各类算法的基本原理及性能 5.图像分割综述（6）：图像分割的目的，算法分类，各类算法的基本原理及性能 6.图像压缩综述（3）：图像压缩的目的，算法分类，各类算法的基本原理及性能， JPEG标准简介 实验及讨论课时安排（30课时）： 1.图像插值（实验3 +讨论3） 2.图像增强（实验3 +讨论3） 3.图像分割（实验3 +讨论3） 4.图像压缩（实验3+讨论3） 5.课程论文（讨论6） 三、上机实验要求 实现选择算法，并给出实验结果及算法性能评估数据。 四、能力培养的要求 1.自学能力的培养：提高学生自学及查阅学术文献的能力。 2.分析能力和实验能力的培养：要求学生能够实现文献提供的算法，并能自主给出算 法性能的评价。 3.科研和创新能力的培养：培养独立思考、深入钻研问题的习惯，提高学术交流能力。
数字图像处理的发展现状及研究内容概述人类传递信息的主要媒介是语音和图像。据统计，在人类接受的信息中，听觉信息占20%，视觉信息占60%，所以作为传递信息的重要媒体和手段——图像信息是十分重要的，俗话说“百闻不如一见”、“一目了然”，都反映了图像在传递信息中独到之处。 目前，图像处理技术发展迅速，其应用领域也愈来愈广，有些技术已相当成熟并产生了惊人的效益，当前图像处理面临的主要任务是研究心的处理方法，构造新的处理系统，开拓更广泛的应用领域。 数字图像处理（Digital Image Processing）又称为计算机数字图像处理，它是指将数字图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和数字图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的数字图像处理的目的是改善数字图像的质量，它以人为对象，以改善人的视觉效果为目的。数字图像处理中，输入的是质量低的数字图像，输出的是改善质量后的数字图像，常用的数字图像处理方法有数字图像增强、复原、编码、压缩等。 1:数字图像处理的现状及发展 数字图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使数字图像处理成为一门引人注目、前景远大的新型学科。随着数字图像处理技术
的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。 人们已开始研究如何用计算机系统解释数字图像，实现类似人类视觉系统理解外部世界，这被称为数字图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。数字图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。如今数字图像处理技术已给人类带来了巨大的经济和社会效益。不久的将来它不仅在理论上会有更深入的发展，在应用上意识科学研究、社会生产乃至人类生活中不可缺少的强有力的工具。 数字图像处理进一步研究的问题，不外乎如下几个方面： （1）在进一步提高精度的同时着重解决处理速度问题。如在航天遥感、气象云图处理方面，巨大的数据量和处理速度任然是主要矛盾之一。 （2）加强软件研究、开发新的处理方法，特别要注意移植和借鉴其他学科的技术和研究成果，创造新的处理方法。 （3）加强边缘学科的研究工作，促进数字图像处理技术的发展。如：人的视觉特性、心理学特性等的研究，如果有所突破，讲对团向处理技术的发展起到极大的促进作用。
数字图像处理程序
数字图像处理实验 图像处理实验（一）直方图 灰度变换是图像增强的一种重要手段，使图像对比度扩展，图像更加清晰，特 征更加明显。 灰度级的直方图给出了一幅图像概貌的描述，通过修改灰度直方图来得到图像 增强。 1、灰度直方图 （1）计算出一幅灰度图像的直方图 clear close all I=imread('004.bmp'); imhist(I) title('实验一（1）直方图'); （2）对灰度图像进行简单的灰度线形变换， figure subplot(2,2,1) imshow(I); title('试验2-灰度线性变换'); subplot(2,2,2) histeq(I); （3）看其直方图的对应变化和图像对比度的变化。 原图像 f(m,n) 的灰度范围 [a,b] 线形变换为图像 g(m,n),灰度范围[a’,b’]公式：g(m,n)=a’+(b’-a’)* f(m,n) /(b-a) figure subplot(2,2,1) imshow(I) J=imadjust(I,[0.3,0.7],[0,1],1); title(' 实验一（3）用g(m,n)=a’+(b’-a’)* f(m,n) /(b-a)进行变换 '); subplot(2,2,2) imshow(J) subplot(2,2,3) imshow(I) J=imadjust(I,[0.5 0.8],[0,1],1); subplot(2,2,4) imshow(J) (4) 图像二值化（选取一个域值，(5) 将图像变为黑白图像） figure subplot(2,2,1)
基于数字图像处理的车牌识别系统 言经官 电气学院电子112 摘要：车牌识别系统（License Plate Recognition 简称LPR）技术基于数字图像处理，是智能交通系统中的关键技术，同时他的发展也十分迅速，已经逐渐融入到我们的现实生活中。文章介绍了车牌识别系统的意义、图像去噪处理以及图像二值化方法,并通过仿真试验模拟了图像处理的过程。本文所做的工作在于前期的图像预处理工作。本次设计着重在于图像识别方面, 中心工作都为此而展开,文中没有进行车牌的定位处理,而是采用数码相机直接对牌照进行正面拍照,获取原始车牌图像。之后利用Matlab编程对图片进行了大小的调整、彩色图片转化成灰度图片、图片去噪、以及图片二值化等工作。其中,去噪与二值化是关系图像识别率的关键。 关键字：车牌识别系统；图像预处理；字符识别；Matlab；去噪；二值化 引言 智能交通系统（ITS）是当今世界交通管理体系发展的必然趋势，而作为智能交通系统中的重要组成部分之一的车牌自动识别技术，目前已被广泛应用于城市道路监控、高速公路收费与监控、小区与停车场出入口管理、公安治安卡口等场合，成为研究的热点。 伴随我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制，安全管理的要求也日益提高。因此迫切需要采用高科技手段,对违法违章车辆牌照进行登记, 在这种情况下，作为信息来源的自动检索，图像识别技术越来越受到人们的重视。车牌识别系统的出现成为了交通管制必不可少的有力武器。 1 车牌识别系统的目标 利用计算机等辅助设备进行的自动汽车牌照自动识别就是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上，通过对车辆图像的采集，采用先进的图像处理、模式识别和人工智能技术，在图像中找到车牌的位置，提取出组成车牌号码的全部字符图像，再识别出车牌中的文字、字母和数字，最后给出车牌的真实号码。国外的车牌识别研究始于80 年代，90 年代始已有不少成套的产品出现。由于我国车牌的组成及组合的方式与国外的车牌不一致，使得我们不能直接使用国外的车辆牌照识别系统，而必须针对我国车牌重新设计相应的车辆牌照识别系统。车牌识别的使用环境、背景各有差异，目前还没有一种算法能在不同环境、各种复杂背景条件下达到非常高的车牌识别率，因而车牌识别技术仍然是研究的重点。 2 MATLAB 及其图像处理工具概述 MATLAB 是MAT rix LABora tory( 矩阵实验室) 的缩写, 是Ma thWorks 公司开发的一种功能强、效率高、简单易学的数学软件。MATLAB 7. 1 是一套功能十分强大的工程计算及数据分析软件, 其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。MATLAB 的图像处理工具箱, 功能十分强大, 支持的图像文件格式丰富, 如* .BMP、* . JPG、* . JPEG、* . GIF、* . ti;f% 95% 94、* . ti;f%95%94F、* . PNG、* . PCX、* . XWD、* . HDF、* . ICO、* .CUR 等。本文将给出MATLAB的图像处理工具箱中的图像处理函数实现图像处理与分析的应用技术实例。
一、编写程序完成不同滤波器的图像频域降噪和边缘增强的算法并进行比较，得出结论。 频域降噪。对图像而言，噪声一般分布在高频区域，而图像真是信息主要集中在低频区，所以，图像降噪一般是利用低通滤波的方法来降噪。边缘增强。图像的边缘信息属于细节信息，主要由图像的高频部分决定，所以，边缘增强一般采取高通滤波，分离出高频部分后，再和原频谱进行融合操作，达到边缘增强，改善视觉效果，或者为进一步处理奠定基础的目的。 1频域降噪，主程序如下： I=imread('lena.bmp'); %读入原图像文件 J=imnoise(I,'gaussian',0,0.02);%加入高斯白噪声 A=ilpf(J,0.4);%理想低通滤波 figure,subplot(222);imshow(J);title('加噪声后的图像'); subplot(222);imshow(A);title('理想低通滤波'); B=blpf(J,0.4,4);%巴特沃斯低通滤波 subplot(223);imshow(B);title('巴特沃斯低通滤波'); C=glpf(J,0.4);%高斯低通滤波 subplot(224);imshow(C);title('高斯低通滤波'); 用到的滤波器函数的程序代码如下： function O=ilpf(J,p) %理想低通滤波，p是截止频率 [f1,f2]=freqspace(size(J),'meshgrid'); hd=ones(size(J)); r=sqrt(f1.^2+f2.^2); hd(r>p)=0; y=fft2(double(J)); y=fftshift(y); ya=y.*hd; ya=ifftshift(ya); ia=ifft2(ya); O=uint8(real(ia)); function O=blpf(J,d,n) %巴特沃斯低通滤波器，d是截止频率，n是阶数[f1,f2]=freqspace(size(J),'meshgrid'); hd=ones(size(J)); r=f1.^2+f2.^2; for i=1:size(J,1) for j=1:size(J,2) t=r(i,j)/(d*d); hd(i,j)=1/(t^n+1); end end y=fft2(double(J)); y=fftshift(y); ya=y.*hd;
数字图像处理程序 实验一 1、图像的缩放： A=imread('F:\MATLAB程序\数字图像处理实验\kunkun.jpg'); subplot(311); imshow(A); title('原图') B=imresize(A,3); subplot(312); imshow(B); title('三倍图'); C=imresize(A,0.5); subplot(313); imshow(C); title('二分之一图'); 2、图像的镜像: A1=imread('F:\MATLAB程序\数字图像处理实验\kunkun.jpg'); figure subplot(2,2,1), imshow(uint8(A1)); H=size(A1); title('原像') A2(1:H(1),1:H(2),1:H(3))=A1(H(1):-1:1,1:H(2),1:H(3));%垂直镜像subplot(2,2,2), imshow(uint8(A2)); title('垂直镜像') A3(1:H(1),1:H(2),1:H(3))=A1(1:H(1),H(2):-1:1,1:H(3));%水平镜像subplot(2,2,3), imshow(uint8(A3)); title('水平镜像') A4(1:H(1),1:H(2),1:H(3))=A1(H(1):-1:1,H(2):-1:1,1:H(3));%对角镜像subplot(2,2,4), imshow(uint8(A4)); title('对角镜像') 3、图像的旋转： I = imread('F:\MATLAB程序\数字图像处理实验\kunkun.jpg'); subplot(141); imshow(I); title('原图'); theta1 = 45;%旋转的角度为45度 K1 = imrotate(I,theta1); % 对图像进行旋转 subplot(142);
2013年云南昆明理工大学数字图像处理考研真题A 卷 一、单选题（每题3分，共30分） 1、令集合R 代表整个图像区域，则子集R1,R2,…,Rn 是将区域划分为若干个子区域。分割必要条件不包括：（ ） A ．每个Ri 都是一个连通区域 B ．n 21R R R ??? C ．对于任意i ≠j ，Ri ∩Rj= Ф D ．一致性谓词P （Ri ）= TRU E ，i = 1,2,…,n 2、先腐蚀后膨胀的过程称为（ ）运算。 A 、闭 B 、开 C 、边界提取 D 、去噪 3、下图为一灰度图像，中心0点为一孤立噪声点，可用模板进行平滑滤波，去除该噪声点，在以下滤波器中不能达到效果的是：( ) A ．3*3中值滤波器 B ．5*5领域平均滤波器 C ．3*3最大值滤波器 D ．3*3最小值滤波器 4、区分颜色常用三种基本特征量是（ ）。 A 、亮度、基色和饱和度 B 、亮度、色调和饱和度 C 、亮度、色调和色相 D 、亮度、彩度和饱和度 5、以下特征描述符中哪一个对旋转敏感？（ ） A 、轮廓矩 B 、p+q 阶区域矩 C 、形状参数 D 、形状数 6、利用直方图取单阈值方法进行图像分割时：（ ） A 、图像中应仅有一个目标； B 、图像直方图应有两个峰； C 、图像中目标和背景应一样大； D 、图像中目标灰度应比背景大。 7、采用4方向链码，则链码010*********表示下列哪个图形？（ ） A 、 B 、 C 、 D 、
8、已知用复数u＋jv的形式表示一个图形边界上的每个点（x，y）得到的复数序列为：s(0)=0, s(1)=1, s(2)=2, s(3)=2+j, s(4)=2+2j, s(5)=1+2j, s(6)=2j, s(7)=j,该图形为：（） A、正方形 B、三角形 C、长方形 D、圆形 9、下列数据冗余方式中，由于象素相关性而产生的冗余方式为：（） A、编码冗余； B、象素间冗余； C、心理视觉冗余； D、计算冗余。 10、根据( )，视觉系统总是趋向于过高或过低估计不同亮度区域边界值。（） A、马赫带效应 B、亮度适应级 C、同时对比度 D、人眼错觉 二、判断题（每题3分，共30分） 1、BMP图像文件的结构分为如下三个部分：文件头、位图信息数据块以及图像数据。（） 2、对同一场景的多幅图像求平均，能有效地降低加性随机噪声。（） 3、用理想低通滤波器钝化图像会产生一种非常严重的振铃效果。（） 4、有1种常用的图象增强技术是将高频增强和直方图均衡化结合起来以达到使边缘锐化的反差增强效果，以上2个操作的先后次序对增强效果有影响。（） 5、f（x，y）空间域的移动对它的傅立叶谱有影响。（） 6、分水岭算法中最初和最终的阈值灰度级都必须很好地选取才能准确分割目标。（） 7、CIE色度图中三基色（单波长）能混合得到所有的颜色。（） 8、有损压缩和无损压缩都具有量化模块。（） 9、图像边缘检测中，噪声对一阶和二阶微分都有影响，尤其对二阶导数影响较大，因此，在检测边缘前应该考虑平滑处理。（） 10、伪彩色处理中的灰度分层法产生的伪彩色是渐变的。（） 三、简答题（每题5分，共45分） 1、数字图像处理系统由哪几部分构成？ 2、简述灰度图像、伪彩色图像、假彩色图像以及真彩色图像的区别？ 3、一幅图像背景部分的均值为25，方差为625，在背景上分布着一些互不重叠的均值为150，方差为400的小目标。设所有目标合起来约占图像总面积的20%，提出1个基于区域生长的分割算法将这些目标分割出来。 4、请举例说明图像无损压缩编码和有损压缩编码各包括哪些具体的编码方法（各举三例以
实验六图像压缩（同预习） 一、实验目的 1、理解有损压缩和无损压缩的概念； 2、理解图像压缩的主要原则和目的； 3、利用MATLAB 程序进行图像压缩。 二、实验内容 1、Huffman 编码 使用mat2huff，huff2mat 实现Huffman 编解码，并应用imratio 计算编码后信号的压缩率。 2、编写无损预测编解码（lossless predictive coding）程序，使p313 Figure 8.7 (c) 图具有更低的熵（5.4436）。显示预测误差(prediction error)图。用解码程序解码，并验证解码是否正确（compare）。 3、参考p319-323，实现16×16分块离散余弦(DCT)编码，用zigzag方式保留每一 块的前10个和前21个系数，再进行进行DCT解码。编写程序并分别显示解码后的两个图。
实验程序： 实验1： i=imread('Fig0804(a)(Tracy).tif'); i1=mat2huff(i); cr1=imratio(i,i1);%cr1,压缩率 i2=huff2mat(i1); rmse1=compare(i,i2);
figure,imshow(i); figure,imshow(i2); 实验2： 子程序1： function y = mat2lpc2(x, f) %本程序改自课本上那个程序，可实现更高压缩率！ error(nargchk(1, 2, nargin)); % Check input arguments if nargin < 2 % Set default filter if omitted f = 1; end x = double(x); % Ensure double for computations [m, n] = size(x); % Get dimensions of input matrix p = zeros(m, n); % Init linear prediction to 0 xs = x; zc = zeros(1,n); % Prepare for input shift and pad for j = 1:length(f) % For each filter coefficient ... xs = [zc; xs(1:end - 1,:)]; % Shift and zero pad xga改加一行 p = p + f(j) * xs; % Form partial prediction sums end y = x - round(p); % Compute the prediction error 子程序2: function x = lpc2mat2(y, f) % 本程序改自课本上那个程序，可以解压 error(nargchk(1, 2, nargin)); % Check input arguments if nargin < 2 % Set default filter if omitted f = 1; end y=y'; f = f(end:-1:1); % Reverse the filter coefficients [m, n] = size(y); % Get dimensions of output matrix order = length(f); % Get order of linear predictor f = repmat(f, m, 1); % Duplicate filter for vectorizing x = zeros(m, n + order); % Pad for 1st 'order' column decodes
第一章数字图像处理概论 *图像是对客观存在对象的一种相似性的、生动性的描述或写真。 *模拟图像 空间坐标和明暗程度都是连续变化的、计算机无法直接处理的图像 *数字图像 空间坐标和灰度均不连续的、用离散的数字（一般整数）表示的图像（计算机能处理）。是图像的数字表示，像素是其最小的单位。 *数字图像处理（Digital Image Processing） 利用计算机对数字图像进行（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从而获得某种预期的结果的技术。（计算机图像处理） *数字图像处理的特点（优势） （1）处理精度高，再现性好。（2）易于控制处理效果。（3）处理的多样性。（4）图像数据量庞大。（5）图像处理技术综合性强。 *数字图像处理的目的 （1）提高图像的视感质量，以达到赏心悦目的目的 a.去除图像中的噪声； b.改变图像的亮度、颜色； c.增强图像中的某些成份、抑制某些成份； d.对图像进行几何变换等，达到艺术效果； （2）提取图像中所包含的某些特征或特殊信息。 a.模式识别、计算机视觉的预处理 （3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 **数字图像处理的主要研究内容 （1）图像的数字化 a.如何将一幅光学图像表示成一组数字，既不失真又便于计算机分析处理 b.主要包括的是图像的采样与量化 （2*）图像的增强 a.加强图像的有用信息，消弱干扰和噪声 （3）图像的恢复 a.把退化、模糊了的图像复原。模糊的原因有许多种，最常见的有运动模糊，散焦模糊等（4*）图像的编码 a.简化图像的表示，压缩表示图像的数据，以便于存储和传输。 （5）图像的重建 a.由二维图像重建三维图像（如CT） （6）图像的分析 a.对图像中的不同对象进行分割、分类、识别和描述、解释。 （7）图像分割与特征提取 a.图像分割是指将一幅图像的区域根据分析对象进行分割。 b.图像的特征提取包括了形状特征、纹理特征、颜色特征等。 （8）图像隐藏 a.是指媒体信息的相互隐藏。 b.数字水印。 c.图像的信息伪装。 （9）图像通信
1.图像反转 MATLAB程序实现如下： I=imread('xian.bmp'); J=double(I); J=-J+(256-1); %图像反转线性变换 H=uint8(J); subplot(1,2,1),imshow(I); subplot(1,2,2),imshow(H); 2.灰度线性变换 MATLAB程序实现如下： I=imread('xian.bmp'); subplot(2,2,1),imshow(I); title('原始图像'); axis([50,250,50,200]); axis on; %显示坐标系 I1=rgb2gray(I); subplot(2,2,2),imshow(I1); title('灰度图像'); axis([50,250,50,200]); axis on; %显示坐标系 J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]的灰度拉伸为[0 1]
subplot(2,2,3),imshow(J); title('线性变换图像[0.1 0.5]'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]的灰度拉伸为[0 1] subplot(2,2,4),imshow(K); title('线性变换图像[0.3 0.7]'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 3.非线性变换 MATLAB程序实现如下： I=imread('xian.bmp'); I1=rgb2gray(I); subplot(1,2,1),imshow(I1); title('灰度图像'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 J=double(I1);
论文（设计）题目： 基于MATLAB的数字图像处理系统设计 姓名宋立涛 学号２０１２１１８６７ 学院信息学院 专业电子与通信工程 年级２０１２级 ２０１３年６月１６日
基于MATLAB的数字图像处理系统设计 摘要 MATLAB 作为国内外流行的数字计算软件，具有强大的图像处理功能，界面简洁，操作直观，容易上手，而且是图像处理系统的理想开发工具。 笔者阐述了一种基于MATLAB的数字图像处理系统设计，其中包括图像处理领域的大部分算法，运用MATLAB 的图像处理工具箱对算法进行了实现，论述了利用系统进行图像显示、图形表换及图像处理过程，系统支持索引图像、灰度图像、二值图像、RGB 图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG 等图像文件格式的读，写和显示。 上述功能均是在MA TLAB 语言的基础上，编写代码实现的。这些功能在日常生活中有很强的应用价值，对于运算量大、过程复杂、速度慢的功能，利用MATLAB 可以既能快速得到数据结果，又能得到比较直观的图示。 关键词：MATLAB 数字图像处理图像处理工具箱图像变换
第一章绪论 1.1 研究目的及意义 图像信息是人类获得外界信息的主要来源，近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题，由此可见图像信息的重要性，数字图像处理技术将会伴随着未来信息领域技术的发展，更加深入到生产和科研活动中，成为人类生产和生活中必不可少的内容。 MATLAB 软件不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，是近几年来在国内外广泛流行的一种可视化科学计算软件。MATLAB 语言是一种面向科学与工程计算的高级语言，允许用数学形式的语言来编写程序，比Basic、Fortan、C 等高级语言更加接近我们书写计算公式的思维方式，用MATLAB 编写程序犹如在演算纸上排列出公式与求解问题一样。它编写简单、编程效率高并且通俗易懂。 1.2 国内外研究现状 1.2.1 国内研究现状 国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。 TDB-IDK 系列产品是一款基于TMS320C6000 DSP 数字信号处理器的高级视频和图像系统，也是一套DSP 的完整的视频、图像解决方案，该系统适合院校、研究所和企业进行视频、图像方面的实验与开发。该软件能够完成图像采集输入程序、图像输出程序、图像基本算法程序。可实现对图像信号的实时分析，图像数据相对DSP独立方便开发人员对图像进行处理，该产品融合DSP 和FPGACPLD 两个高端技术，可以根据用户的具体需求合理改动，可以分析黑白和彩色信号，可以完成图形显示功能。 南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件可实现数字图像的采集、传输与处理。可利用软件及图像采集与传输设备，采集图像并实现点对点的数字图像传输，可以观察理解多种图像处理技术的效果和差别，
实验一 内容（一） （1）彩色图像变灰度图像 A=imread('1.jpg'); B=rgb2gray(A); figure subplot(1,2,1), imshow(A) title('原图') subplot(1,2,2), imshow(B) title('原图灰度图像') （2）彩色图像变索引图像 A=imread('1.jpg'); figure subplot(1,2,1), imshow(A) title('原图') [X,map]=rgb2ind(A,128); subplot(1,2,2), imshow(X,map) title('原图索引图像') （3）彩色图像变二值图像 A=imread('1.jpg'); figure subplot(1,2,1), imshow(A) title('原图') C=im2bw(A,0.2); subplot(1,2,2), imshow(C) title('原图二值图像') （4）灰度图像变索引图像（一） A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') C=grayslice(B,39); subplot(1,2,2), imshow(C) title('灰度变索引图像')
（5）灰度图像变索引图像（二） A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') [X,map]=gray2ind(B,63); subplot(1,2,2), imshow(X,map) title('灰度变索引图像') （6）灰度图像变彩色图像 A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') C=gray2rgb(B,map); subplot(1,2,2), imshow(C) title('灰度变彩色图像') 内容（二） （1）灰度平均值 A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') B=double(B); [m,n]=size(B); sumg=0.0; for i=1:m; for j=1:n; sumg=sumg+B(i,j); end end avg=sumg/(m*n) % 均值 maxg=max(max(B)) % 区域最大灰度ming=min(min(B)) % 区域最小灰度 （2）彩色平均值
基于VC++的数字图像处理课程设计 一、概述 本次电子课程设计是基于VC++ 6.0 MFC多文档编程编写一个图像处理软件，这个软件能够实现BMP格式图像的浏览与编辑，打开和保存。实现对图像的平滑处理,包括邻域平均法和中值滤波法。还有对图像的锐化处理，包括梯度法和拉普拉斯算子法。 BMP文件是Windows操作系统中的标准图像文件格式,可以分成两类：设备相关位图和设备无关位图，使用非常广。它采用位映射存储格式，除了图像深度可选外，不采用其他任何压缩，因此BMP文件所占用的空间很大。由于BMP文件格式是Windows环境交换与图有关的数据的一种标准，因此在Windows环境中运行的图形图像软件都支持BMP图像格式。 图像平滑的目的是为了消除噪声，主要处理的方式有邻域平均法即通过提高信噪比，取得较好的平滑效果；空间域低通滤波采用低通滤波的方法去除噪声；以及频率低通滤波法通过除去其高频分量就能去掉噪声，从而使图像的到平滑。 图像锐化的主要目的是为了增强图像边缘、轮廓和细节，使模糊的图像变得更加清晰，颜色、细节变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图像。 经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可对其进行逆运算（如微分运算）就可以使图像变得清晰。从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。 主要功能概述： 1、打开和保存8位bmp图像 2、图像平滑处理：分为邻域平均法和中值滤波法。邻域平均法中又有3*3均值滤波器 法、超限邻域平均法、n*n均值滤波器法、有选择的局部平均化。中值滤波法中有n*n中值滤波器法、十字形中值滤波法、n*n最大值滤波器法。 3、图像锐化处理：分为梯度法和拉普拉斯算子法。 二、程序流程图