下载文档原格式
第一章概论1、按图像的明暗程度和空间坐标的连续性，可以分为数字图像和模拟图像。
数字图像：可用计算机存储和处理，空间坐标和灰度均不连续。
模拟图像：计算机无法直接处理，空间坐标和明暗程度连续变化。
2遥感数字图像中的像素值称为亮度值（灰度值/DN值），它的高低由传感器所探测到的地物电磁波的辐射强度决定。
2、遥感数字图像处理的主要内容包括以下三个方面：图像增强、图像校正、信息提取。
1）图像增强：用来改善图像的对比度，突出感兴趣的地物信息，提高图像大的目视解译效果，它包括灰度拉伸、平滑、锐化、滤波、变换（K—L/K—T）、彩色合成、代数运算、融合等。
图像显示：为了理解数字图像中的内容，或对处理结果进行对比。
图像拉伸：为了提高图像的对比度（亮度的最大值与最小值的比值），改善图像的显示效果。
2）图像校正（恢复/复原）：为了去除和压抑成像过程中由各种因素影响而导致的图像失真。
注意：图像校正包括辐射和几何校正，前者通过辐射定标和大气校正等处理将像素值由灰度级改变为辐照度或反射率，后者利用已有的参照系修改像素坐标，使得图像能够与地图匹配或多景图像之间可以相互匹配。
3）信息提取：从校正后的遥感数据中提取各种有用的地物信息。
包括图像分割、分类等。
图像分割：用于从背景中分割出感兴趣的地物目标。
分割的结果可作为监督分类的训练区。
图像分类：按照特定的分类系统对图像中像素的归属类别进行划分。
3、遥感数字图像处理系统：硬件系统（输入、存储、处理、显示、输出），软件系统。
4、数字图像处理的两种观点：离散方法（空间域）、连续方法（频率域）2.遥感图像的获取和存储1、遥感是遥感信息的获取、传输、处理以及分析判读和应用的过程。
遥感的实施依赖于遥感系统2、遥感系统是一个从地面到空中乃至整个空间，从信息收集、储存、传输、处理到分析、判读、应用的技术体系，主要包括遥感试验、信息获取（传感器、遥感平台）、信息传输、信息处理、信息应用等5个部分。
第四章图像增强1.简述直方图均衡化处理的原理和目的。
拍摄一幅较暗的图像，用直方图均衡化方法处理，分析结果。
原理：直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
也就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
把给定图像的直方图分布改变成“均匀”分布直方图分布目的：直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。
它通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。
通过直方图均衡化，亮度可以更好地在直方图上分布。
这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
Matlab程序如下：clc;RGB=imread('wxf.jpg'); %输入彩色图像，得到三维数组R=RGB(:,:,1); %分别取三维数组的一维，得到红绿蓝三个分量G=RGB(:,:,2); %为R G B。
B=RGB(:,:,3);figure(1)imshow(RGB); %绘制各分量的图像及其直方图title('原始真彩色图像');figure(2)subplot(3,2,1),imshow(R);title('真彩色图像的红色分量');subplot(3,2,2), imhist(R);title('真彩色图像的红色分量直方图');subplot(3,2,3),imshow(G);title('真彩色图像的绿色分量');subplot(3,2,4), imhist(G);title(' 的绿色分量直方图');subplot(3,2,5),imshow(B);title('真彩色图像的蓝色分量');subplot(3,2,6), imhist(B);title('真彩色图像的蓝色分量直方图');r=histeq(R); %对个分量直方图均衡化，得到个分量均衡化图像g=histeq(G);b=histeq(B);figure(3),subplot(3,2,1),imshow(r);title('红色分量均衡化后图像');subplot(3,2,2), imhist(r);title('红色分量均衡化后图像直方图');subplot(3,2,3),imshow(g);title('绿色分量均衡化后图像');subplot(3,2,4), imhist(g);title('绿色分量均衡化后图像直方图');subplot(3,2,5), imshow(b);title('蓝色分量均衡化后图像');subplot(3,2,6), imhist(b);title('蓝色分量均衡化后图像直方图');figure(4), %通过均衡化后的图像还原输出原图像newimg = cat(3,r,g,b); %imshow(newimg,[]);title('均衡化后分量图像还原输出原图');程序运行结果：原始真彩色图像均衡化后分量图像还原输出原图图1.1 原始图像与均衡化后还原输出图像对比通过matlab仿真，由图1.1比较均衡化后的还原图像与输入原始真彩色图像，输出图像轮廓更清晰，亮度明显增强。
数字图像处理每章课后题参考答案第一章和第二章作业：1.简述数字图像处理的研究内容。
2.什么是图像工程？根据抽象程度和研究方法等的不同，图像工程可分为哪几个层次？每个层次包含哪些研究内容？3.列举并简述常用表色系。
1.简述数字图像处理的研究内容？答：数字图像处理的主要研究内容，根据其主要的处理流程与处理目标大致可以分为图像信息的描述、图像信息的处理、图像信息的分析、图像信息的编码以及图像信息的显示等几个方面，将这几个方面展开，具体有以下的研究方向：1.图像数字化，2.图像增强，3.图像几何变换，4.图像恢复，5.图像重建，6.图像隐藏，7.图像变换，8.图像编码，9.图像识别与理解。
2.什么是图像工程？根据抽象程度和研究方法等的不同，图像工程可分为哪几个层次？每个层次包含哪些研究内容？答：图像工程是一门系统地研究各种图像理论、技术和应用的新的交叉科学。
根据抽象程度、研究方法、操作对象和数据量等的不同，图像工程可分为三个层次：图像处理、图像分析、图像理解。
图像处理着重强调在图像之间进行的变换。
比较狭义的图像处理主要满足对图像进行各种加工以改善图像的视觉效果。
图像处理主要在图像的像素级上进行处理，处理的数据量非常大。
图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息从而建立对图像的描述。
图像分析处于中层，分割和特征提取把原来以像素描述的图像转变成比较简洁的非图形式描述。
图像理解的重点是进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行为。
图像理解主要描述高层的操作，基本上根据较抽象地描述进行解析、判断、决策，其处理过程与方法与人类的思维推理有许多相似之处。
第三章图像基本概念1.图像量化时，如果量化级比较小时会出现什么现象？为什么？答：当实际场景中存在如天空、白色墙面、人脸等灰度变化比较平缓的区域时，采用比较低的量化级数，则这类图像会在画面上产生伪轮廓（即原始场景中不存在的轮廓）。
(0.1) 灰度直方图不能表示出有某灰度级的像素在什么位置，也不能直接显示出图像内容，但是具有统计特征的直方图却能描述该图像的灰度分布特征，使人们从中得到诸如总体明亮程度、对比度、对象物的可分性等与图像质量有关的灰度分布概貌，成为一些处理方法的重要依据。
变换直方图使其达到较理想分布，能起到增强图像的效果。
面积为A 的连续图像f(x,y)经过数字化后，成为M 行N 列的数字图像f(m,n)。
一般而言在数字图像f(x,y)中取不同灰度值的像素数目是不同的。
直方图是用于表达图像灰度分布情况的统计图表。
其横坐标是灰度值r ，纵坐标是出现这个灰度值的概率密度p(r)(对连续图像f(x,y)而言)，或者出现这个灰度值的概率值p(r i )(对数字图像f(m,n))而言。
（1） 连续图像f(x,y)的直方图 0()()p()lim r A r r A r r r A →+-=⋅ 且有maxmin ()1r r p r dr =⎰（2） 数字图像f(m,n)的情况下，设图像像素的灰度值为r 0,r 1,…,r L-1,则概率p(r i )为：（i=0,1,…,L -1）且有 尽管灰度直方图不能表示出有某灰度级的像素在什么位置，更不能直接显示图像内容，但是具有统计特性的直方图却能描述该图像的灰度分布特性，使人们从中得到诸如总体明亮程度、对比度、对象物的可分性等于图像质量有关的灰度分布概貌，成为一些处理方法的重要依据。
imhist(I,N)函数绘制直方图。
其中N 表示长度，缺省值为256.Histeq(I,N)函数实现直方图均衡化，该命令对灰度图像I 进行变换，返回有N 级灰度的的图像J 。
N 的缺省值为64（当N 小于I 中灰度级数时，J 的直方图更为平坦）。
ＰＳ：直方图均衡化后，图像直方图趋于平坦化，且灰度间隔被拉大，从而有利于图像的分析和识别。
（理论上说直方图均衡化就是通过变换函数将原图的直方图调整为平坦的直方图，然后用此均衡直方图校正图像。
技术报告摘要：本文档为数字图像处理程序的技术报告。
程序主要功能为读入8位或24位位图，并可选择性对其进行直方图均衡、灰度线性变换、灰度拉伸等操作。
该文档从算法原理和算法实现两方面，通过对算法的文字表述、函数的功能介绍以及主要代码分析注释，阐述了该程序进行图像处理时的方法，并通过实验测试和分析实验结果，验证了程序的正确性和可靠性。
关键词：直方图均衡灰度线性变换灰度拉伸1、任务说明⏹打开一幅图像，进行直方图均衡。
将灰度线性变化，将灰度拉伸。
⏹用C语言或JAVA编程序读出图像文件,并利用算法进行灰度拉伸。
2、算法原理（背景意义，基本算法，扩展算法）2.1直方图均衡直方图均衡化是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。
设图像均衡化处理后，图像的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图像看起来就更清晰了。
在离散情况下，共有L个灰度级，其中第k个灰度级rk出现的像素个数为nk，图像的总像素个数为N，则第k个灰度级出现的概率为：P r(r k)=n kN0≤r k≤1，k=0,1,…,L−1进行均匀化处理的变换函数为：s k=T[r k]=∑P r(r j)=kj=0∑n jN kj=0r k=T−1[s k]2.2灰度线性变换灰度的线性变换就是将图像中所有的点按照线性灰度变换函数进行变换。
该线性灰度变换函数f(x)是一个一维线性函数：f(x)=fA*x+fB灰度变换方程为：D2=f(D1)=k*D+d式中参数k为线性函数的斜率，d为线性函数的在y轴上的截距，D1为输入图像的灰度，D2为输出的图像灰度。
当k>1时，输出的图像的对比度增大，图像的像素值在变换后全部增大，整体显示效果增强；当0<k<1时，输出图像的对比度和整体效果都将削弱；当k<0时，原图像较量的区域变暗，较暗的区域则变亮，当k=-1，d=255时，输出图像的灰度正好反转；当k=1且d!=0时，操作仅仅使所有像素的灰度值上移或下移，其效果是使整个图像更亮或更暗；当k=1，d=0时，输出图像和输入图像相同。
图像增强—灰度变换及直方图均衡化一、实验目的1、了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。
2、掌握直接灰度变换的图像增强方法。
3、掌握灰度直方图的概念及其计算方法；4、掌握直方图均衡化的计算过程；二、实验原理及知识点1、图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强可以在空间域中执行，也可以在变换域中执行。
2、空间域指的是图像平面本身，在空间域内处理图像是直接对图像的像素进行处理。
空间域处理方法分为两种：灰度级变换、空间滤波。
空间域技术直接对像素进行操作，其表达式为g(x,y)=T[f(x,y)]其中f(x,y)为输入图像，g(x,y)为输出图像，T是对图像f进行处理的操作符，定义在点(x,y)的指定邻域内。
定义点(x,y)的空间邻近区域的主要方法是，使用中心位于(x,y)的正方形或长方形区域。
此区域的中心从原点(如左上角)开始逐像素点移动，在移动的同时，该区域会包含不同的邻域。
T应用于每个位置(x,y)，以便在该位置得到输出图像g。
在计算(x,y)处的g值时，只使用该领域的像素。
2、灰度变换T的最简单形式是使用领域大小为1×1，此时,(x,y)处的g值仅由f在该点处的亮度决定，T也变为一个灰度变换函数。
由于灰度变换函数仅取决于亮度的值，而与(x,y)无关，所以亮度函数通常可写做如下所示的简单形式：s=T(r)其中，r表示图像f中相应点(x,y)的亮度，s表示图像g中相应点(x,y)的亮度。
灰度拉伸又叫对比度拉伸是最基本的一种灰度变换，使用简单的分段线性变换函数，可以提高灰度的动态范围，适用于低对比度图像的处理，增强对比度。
3、直方图是多种空间城处理技术的基础。
直方图操作能有效地用于图像增强。
除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。
图像灰度变换、⼆值化、直⽅图1、灰度变换1）灰度图的线性变换Gnew = Fa * Gold + Fb。
Fa为斜线的斜率，Fb为y轴上的截距。
Fa>1 输出图像的对⽐度变⼤，否则变⼩。
Fa=1 Fb≠0时，图像的灰度上移或下移，效果为图像变亮或变暗。
Fa=-1，Fb=255时，发⽣图像反转。
注意：线性变换会出现亮度饱和⽽丢失细节。
2）对数变换t=c * log(1+s)c为变换尺度，s为源灰度，t为变换后的灰度。
对数变换⾃变量低时曲线斜率⾼，⾃变量⼤时斜率⼩。
所以会放⼤图像较暗的部分，压缩较亮的部分。
3）伽马变换y=(x+esp)γ,x与y的范围是[0,1]， esp为补偿系数，γ为伽马系数。
当伽马系数⼤于1时，图像⾼灰度区域得到增强。
当伽马系数⼩于1时，图像低灰度区域得到增强。
当伽马系数等于1时，图像线性变换。
4）图像取反⽅法1：直接取反imgPath = 'E:\opencv_pic\src_pic\pic2.bmp';img1 = imread(imgPath); % 前景图img0 = 255-img1; % 取反景图subplot(1,2,1),imshow(img1),title('原始图像');subplot(1,2,2),imshow(img0),title('取反图像');⽅法2：伽马变换Matlab：imadjust(f, [low_in, high_in], [low_out, high_out], gamma)[low_in, high_in]范围内的数据映射到 [low_out, high_out]，低于low的映射到low_out, ⾼于high的映射到high_out. imgPath = 'E:\opencv_pic\src_pic\pic2.bmp';img1 = imread(imgPath); % 前景图img0 = imadjust(img1, [0,1], [1,0]);subplot(1,2,1),imshow(img1),title('原始图像');subplot(1,2,2),imshow(img0),title('取反图像');2、⼆值化1）rgb2gray⼀般保存的灰度图是24位的灰度，如果改为8bit灰度图。
实验一图像空域增强——灰度变换一．实验内容：图像灰度变换二．实验目的：1、理解、掌握对数变换、幂次变换、对比度拉伸的原理方法2、了解图像灰度级的概率分布情况，掌握直方图均衡化原理和方法3、编程实现图像的对数变换、幂次变换、对比度拉伸、直方图均衡化三．实验步骤：1．获取实验用图像：Fig3.05(a).jpg. 使用imread函数将图像读入Matlab；并对其进行对数变换（令c=1）；应用sublpot在同一个图像窗口中显示原图像及对数变换后的图像，分别用title标注。
原理：对数变换的一般表达式为：s c r=+log(1)其中c是一个常数，并假设0r≥。
该种变换是一窄带低灰度输入图像映射为一宽带输出值。
相应的是输入灰度的高调整值。
可以利用这种变换来扩展被压缩的高值图像中的暗像素。
我们用matlab编程获取了图像Fig3.05(a).jpg，并对其进行对数变换，所得结果如下图1所示：原始图像对数变换图1分析图像：比较上面两幅图像，我们会发现经过对数变换后的图像的细节可见程度比原始图像更明显些，在原始图像中最亮的像素显示为重点，灰度低的像素（恰恰是重要的）却观察不到。
经过对数变换扩展灰度低的像素从而使暗像素观察的很清楚。
实验结果分析：经过matlab编程很好地对原始图像进行了对数变换，并取得了很好的效果，达到了实验地目的。
程序如下：clear all;close all;clc;f=imread('D:\实验一灰度变换及直方图变换\Fig3.05(a).jpg');s=log(1+double(f));subplot(1,2,1);imshow(f);title('原始图像');subplot(1,2,2);imshow(s);title('对数变换');2．产生灰度变换函数T1，使得：0.3r r < 0.35s = 0.105 + 2.6333(r – 0.35) 0.35 ≤r ≤0.651 + 0.3(r – 1) r > 0.65用T1对原图像Fig3.10(b).jpg进行处理，在同一窗口显示处理前后的图像。
电⼦信息⼯程《数字图像处理》总复习题（第1-7章）（1）第⼀章引⾔⼀.填空题1. 图像可以分为物理图像和虚拟图像两种。
其中，采⽤数学的⽅法，将由概念形成的物体进⾏表⽰的图像是虚拟图像。
2. 数字图像是⽤⼀个数字阵列来表⽰的图像。
数字阵列中的每个数字，表⽰数字图像的⼀个最⼩单位，称为像素。
3. 数字图像处理可以理解为两个⽅⾯的操作：⼀是从图像到图像的处理，如图像增强等；⼆是从图像到⾮图像的⼀种表⽰，如图像测量等。
4. 数字图像处理包含很多⽅⾯的研究内容。
其中，图像重建的⽬的是根据⼆维平⾯图像数据构造出三维物体的图像。
⼆.简答题1. 数字图像处理的主要研究内容包含很多⽅⾯，请列出并简述其中的4种。
①图像数字化：将⼀幅图像以数字的形式表⽰。
主要包括采样和量化两个过程。
②图像增强：将⼀幅图像中的有⽤信息进⾏增强，同时对其⽆⽤信息进⾏抑制，提⾼图像的可观察性。
③图像的⼏何变换：改变图像的⼤⼩或形状。
④图像变换：通过数学映射的⽅法，将空域的图像信息转换到频域、时频域等空间上进⾏分析。
⑤图像识别与理解：通过对图像中各种不同的物体特征进⾏定量化描述后，将其所期望获得的⽬标物进⾏提取，并且对所提取的⽬标物进⾏⼀定的定量分析。
2. 简述图像⼏何变换与图像变换的区别。
①图像的⼏何变换：改变图像的⼤⼩或形状。
⽐如图像的平移、旋转、放⼤、缩⼩等，这些⽅法在图像配准中使⽤较多。
②图像变换：通过数学映射的⽅法，将空域的图像信息转换到频域、时频域等空间上进⾏分析。
⽐如傅⾥叶变换、⼩波变换等。
3. 简述数字图像处理的⾄少4种应⽤。
①在遥感中，⽐如⼟地测绘、⽓象监测、资源调查、环境污染监测等⽅⾯。
②在医学中，⽐如B超、CT机等⽅⾯。
③在通信中，⽐如可视电话、会议电视、传真等⽅⾯。
④在⼯业⽣产的质量检测中，⽐如对⾷品包装出⼚前的质量检查、对机械制品质量的监控和筛选等⽅⾯。
⑤在安全保障、公安⽅⾯，⽐如出⼊⼝控制、指纹档案、交通管理等。
