下载文档原格式
《数字图像处理》实验指导书数字图象处理实验的目的不仅是让学生通过用MATLAB等高级语言编写数字图像处理的一些基本算法程序，巩固和掌握图像处理技术的理论、方法和基本技能，提高实际动手能力，而且通过综合实习，让学生能探讨和应用数字图像处理技术去解决一些实际问题。
为学生进一步学习和应用数字图像技术解决实际问题奠定基础。
实验一、数字图像获取 (2)实验二、图像的傅立叶变换 (5)实验三、图像直方图增强 (7)实验四数字图像空间域平滑 (11)实验五数字图像锐化 (14)实验六、图像压缩 (17)实验七图像融合 (21)实验八图像分割 (23)实验一、数字图像获取一、实验目的1掌握使用扫描仪等数字化设备以及计算机获取数字图像的方法；2修改图像的存储格式。
二、实验原理用扫描仪获取图像也是图像的数字化过程的方法之一。
扫描仪按种类可以分为手持扫描仪，台式扫描仪和滚筒式扫描仪（鼓形扫描仪）。
扫描仪的主要性能指标有x、y方向的分辨率、色彩分辨率（色彩位数）、扫描幅面和接口方式等。
各类扫描仪都标明了它的光学分辨率和最大分辨率。
分辨率的单位是dpi，dpi 是英文Dot Per Inch的缩写，意思是每英寸的像素点数。
扫描仪工作时，首先由光源将光线照在欲输入的图稿上，产生表示图像特征的反射光（反射稿）或透射光（透射稿）。
光学系统采集这些光线，将其聚焦在CCD上，由CCD将光信号转换为电信号，然后由电路部分对这些信号进行A/D转换及处理，产生对应的数字信号输送给计算机。
当机械传动机构在控制电路的控制下，带动装有光学系统和CCD的扫描头与图稿进行相对运动，将图稿全部扫描一遍，一幅完整的图像就输入到计算机中去了。
图1.1扫描仪的工作原理扫描仪扫描图像的步骤是:首先将欲扫描的原稿正面朝下铺在扫描仪的玻璃板上，原稿可以是文字稿件或者图纸照片；然后启动扫描仪驱动程序后，安装在扫描仪内部的可移动光源开始扫描原稿。
为了均匀照亮稿件，扫描仪光源为长条形，并沿y方向扫过整个原稿；照射到原稿上的光线经反射后穿过一个很窄的缝隙，形成沿x方向的光带，又经过一组反光镜，由光学透镜聚焦并进入分光镜，经过棱镜和红绿蓝三色滤色镜得到的RGB三条彩色光带分别照到各自的CCD上，CCD将RGB光带转变为模拟电子信号，此信号又被A/D变换器转变为数字电子信号。
数字图像处理练习题3(总6页) -CAL-FENGHAI.-(YICAI)-Company One1-CAL-本页仅作为文档封面，使用请直接删除Lecture 16-17 作业一. 判断题（每题１分。
T表示正确，F表示错误。
）1. 在数字图像中，一个像素的邻域只有8领域。
（F）2. 在空间域基于滤波器处理数字图像时，二维滤波器可以分解为多个一维滤波器，以提高计算效率（T）。
3. 彩色数字图像平滑处理无需考虑颜色模型。
（F）二. 单项选择题（每题1分。
）1. 能够实现数字图像平滑的处理方法（C）。
A. 线性点处理B. 基于直方图的处理C. 邻域处理D. 非线性点处理2. 最大值滤波器可用于检测数字图像中的像素点是（A）。
A. 最亮B. 最暗C. 中间亮度D. 平均亮度3. 最小值滤波器可用于检测数字图像中的像素点是（B）。
A. 最亮B. 最暗C. 中间亮度D. 平均亮度4. 阿拉法裁剪均值滤波器a-trimmed mean filter是（D）。
A. 中值median滤波器B. 均值mean滤波器C. 排序rank滤波器D. 混合hybrid滤波器三. 多项选择题（每题2分。
）1. 在数字图像中，基于邻域处理的滤波器包括（ABCD）。
A. 可以是十字、方形等形状B. 可以是3 X 3、5 X 5等不同尺寸C. 可以有不同的权值D. 可以采用中心为原点四. 填空题（每题1分。
）1. 若操作是在像素的某个邻域内进行的，即输出数字图像的像素值由对应的输入数字图像的像素值及其邻域像素值决定，则称其为邻域操作。
2. 在数学上，数字图像模糊处理相当于数字图像被平均或被积分。
五. 简答题（每题4分。
）1. 在空间域进行数字图像排序滤波有哪些各有什么特点排序滤波包括：中值滤波、中值滤波的线性组合、中值滤波的高阶组合、加权的中值滤波、迭代的中值滤波、最大值滤波、最小值滤波、中点值滤波。
中值滤波，适合处理脉冲噪声，脉冲噪音长度要小于滤波器宽度的一半。
《数字图像处理》试卷答案（2009级）一、名词解释(每题4分，共20分)1．灰度直方图：灰度直方图（histogram）是灰度级的函数，它表示图象中具有每种灰度级的象素的个数，反映图象中每种灰度出现的频率。
它是多种空间域处理技术的基础。
直方图操作能够有效用于图像增强；提供有用的图像统计资料，其在软件中易于计算，适用于商用硬件设备。
灰度直方图性质：1）表征了图像的一维信息。
只反映图像中像素不同灰度值出现的次数（或频数）而未反映像素所在位置。
2）与图像之间的关系是多对一的映射关系。
一幅图像唯一确定出与之对应的直方图，但不同图像可能有相同的直方图。
3）子图直方图之和为整图的直方图。
2．线性移不变系统：一个系统，如果满足线性叠加原理，则称为线性系统，用数学语言可作如下描述：对于，若T[a+b]=aT[]+bT[]=a+b(2.15)则系统T[·]是线性的。
这里，、分别是系统输入，、分别是系统输出。
T[·]表示系统变换，描述了输入输出序列关系，反映出系统特征。
对T[·]加上不同的约束条件，可定义不同的系统。
一个系统，如果系统特征T[·]不受输入序列移位（序列到来的早晚）的影响，则系统称为移不变系统。
由于很多情况下序号对应于时间的顺序，这时也把“移不变”说成是“时不变”。
用数学式表示：对于y(n)= T[x(n)] 若y(n-)=T[x(n-)] (2.16)则系统是移不变的。
既满足线性，又满足移不变条件的系统是线性移不变系统。
这是一种最常用、也最容易理论分析的系统。
这里约定：此后如不加说明，所说的系统均指线性移不变/时不变系统，简称LSI/LTI系统。
3．图像分割：为后续工作有效进行而将图像划分为若干个有意义的区域的技术称为图像分割(Image Segmentation)而目前广为人们所接受的是通过集合所进行的定义：令集合R代表整个图像区域，对R的图像分割可以看做是将R分成N个满足以下条件的非空子集R1，R2，R3，…，RN；（1）在分割结果中，每个区域的像素有着相同的特性（2）在分割结果中，不同子区域具有不同的特性，并且它们没有公共特性（3）分割的所有子区域的并集就是原来的图像（4）各个子集是连通的区域4．数字图像处理：数字图像处理（Digital 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。
1-1、结合每个人的本专业学科、工作应用，谈谈数字图像处理的关系或在本专业的应用？答：数字图像处理技术的应用几乎无处不在，例如有的U 盘和电脑安装了指纹识别系统，气象中心对云图变化的分析系统，上网视频聊天室的图像传输系统，计算机阅卷系统，车牌识别系统，邮编识别系统等等，都是实际工作和生活中对数字图像处理的应用。
1-2、除前面介绍的例子之外，试举一些其它的图像应用的工程例子。
答：在工程中的应用也很广泛，而且有十分大的发展前景，这里举两个例子：制烟厂里检查香烟数量的系统，有效的保证了没盒烟中香烟的数量，而且大大提高了效率；地下资源的勘测系统，可以对地下资源进行不同光谱分析，较为可观的得到地下资源信息。
1-3、图像处理与计算机图形学的区别与联系是什么？区别: 数字图像处理对客观存在的图像惊醒处理和分析，从而得到有用信息的学科。
计算机图形学：对客观存在的或想象中的事物通过建立数学模型，用图像的方式表达出来。
联系：都是用计算机进行点、面处理，使用光栅显示器等。
在图像处理中，需要用计算机图形学中的交互技术和手段输入图形、图像和控制相应的过程；在计算机图形学中，也经常采用图像处理操作来帮助合成模型的图像。
2-1、画出视觉信息在眼球内（视网膜中)的传输过程模型示意图，并扼要说明？如下图：瞳孔直径可调节，控制进入人眼内的光通量；而晶状体可调节曲率，改变焦距，使不同距离的图在视网膜上成像2-2、 画出黑白视觉扩展模型，并略加说明。
黑白视觉扩展模型：2-3 什么叫图像逼真度和图像可懂度？采用归一化方均误差NMSE 计算下面两幅数字图像的逼真度111111(,)111(,)101111111f j k f j k ∧⎡⎤⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦答：图像逼真度：描述被评价图像与标准图像的偏离程度图像可懂度：表示图像能向人或机器提供信息的能力由公式计算得NMSE=1/92-4 给出一幅4bit 的图像A （见下图）。
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）。
数字图像处理—————————————————————————————Porject3:图像的直方图均衡、匹配及图像分割摘要：本文利用matlab的编程，绘出图像的直方图。
本文用了一般的直方图均衡和自适应的直方图均衡的算法分别对各个直方图进行均衡，得到了不同的效果。
本文讨论了单映射规则和组映射规则的直方图匹配技术。
本文采用了一般的直方图图像分割技术对图像进行分割，同时还讨论了一种基于梯度的直方图阈值图像分割技术。
2012 年4 月12 日星期四项目题目：共10 幅经变亮或者变暗处理的源图像；要求：1.把附件图像的直方图画出；2.把所有图像进行直方图均衡；输出均衡后的图像和源图像进行比对；分析改善内容；3.进一步把图像按照对源图像直方图的观察，各自指定不同源图像的直方图，进行直方图匹配，进行图像增强；4.利用直方图对图像elain和woman 进行分割；技术分析1. 画出附件的直方图，先利用读取图像数据的函数将图像的数据点读取出来，然后再对数据点的值进行排序，然后再统计每个灰度值出现的次数，然后再用这些数据值绘出直方图2. 把所有图像进行直方图均衡；输出均衡后的图像和源图像进行比对；分析改善内容；先说说直方图均衡的原理：从数学上来说图像直方图是图像各灰度值统计特性与图像灰度值的函数，它是对图像中每一灰度值出现频率的统计，从图形上来说，它是一个二维图，横坐标表示图像中各个像素点的灰度级，纵坐标为各个灰度级上图像各个像素点出现的次数或概率。
灰度直方图性质：①表征了图像的一维信息。
只反映图像中像素不同灰度值出现的次数（或频数）而未反映像素所在位置。
②与图像之间的关系是多对一的映射关系。
一幅图像的直方图基本上可描述图像的概貌，如图像的阴暗状况和对比度等特征都可以通过直方图反映出来。
既然一幅图像的概貌可以通过直方图反映出来，反之，可以通过修改直方图的方法来调整图像的灰度分布情况，因为直方图反映的是一个图像的灰度值的概率统计特征，所以，基于直方图的图像增强技术是以概率统计学理论为基础的，直方图反映的是一个图像的灰度值的概率统计特征。
数字图像处理1.图像工程的三个层次是指哪三个层次？各个层次对应的输入、输出对象分别是什么？①图像处理特点：输入是图像，输出也是图像，即图像之间进行的变换。
②图像分割特点：输入是图像，输出是数据。
③图像识别特点：以客观世界为中心，借助知识、经验等来把握整个客观世界。
“输入是数据，输出是理解。
2.常用的颜色模型有哪些（列举三种以上）？并分别说明颜色模型各分量代表的意义。
①RGB（红、绿、蓝）模型②CMY（青、品红、黄）模型③HSI（色调、饱和度、亮度）模型3.什么是图像的采样？什么是图像的量化？1．采样采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。
简单来讲，对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构，所形成的微小方格称为像素点。
一副图像就被采样成有限个像素点构成的集合。
例如：一副640*480分辨率的图像，表示这幅图像是由640*480＝307200个像素点组成。
2．量化量化是指要使用多大范围的数值来表示图像采样之后的每一个点。
量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。
针对数字图像而言：采样决定了图像的空间分辨率，换句话说，空间分辨率是图像中可分辨的最小细节。
量化决定了图像的灰度级，即指在灰度级别中可分辨的最小变化。
数字图像处理（第三次课）调用图像格式转换函数实现彩色图像、灰度图像、二值图像、索引图像之间的转换。
图像的类型转换：对于索引图像进行滤波时，必须把它转换为RGB图像，否则对图像的下标进行滤波，得到的结果是毫无意义的;2.用MATLAB完成灰度图像直方图统计代码设计。
6789101112131415161718192021222324252627282930title('lady-lenna');if isrgb(a);b=rgb2gray(a);%RGB转换为灰度图像endsubplot(2,2,2);imshow(b);%显示图像title('ladygaga-lenna');[m,n]=size(a);%返回图像大小e=zeros(1,256);for k=0:255for i=1:mfor j=1:nif a(i,j)==ke(k+1)=e(k+1)+1;%灰度值相同的进行累加endendendendsubplot(2,2,4);bar(e);%画图像的灰度直方图title('灰度直方图');c=imrotate(a,20);%图像的旋转subplot(2,2,3);imshow(c);数字图像处理（第四次课）编写matlab函数，实现在医学图像中数字减影血管造影。
第3章3.6原题：试解释为什么离散直方图均衡技术一般不能得到平坦的直方图？答：假设有一副图像，共有像素个数为n=MN（M行N列），像素灰度值取值范围为（0～255），那么该图像的灰度值的个数为L=256，为了提高图像的对比度，通常我们都希望像素的灰度值不要都局促到某一个狭窄的范围，也就是我们通常说的图像灰度值的动态分布小。
最好是在有效灰度值取值范围上，每个灰度值都有MN/L个像素，这个时候我们就可以得到一张对比度最理想的图像，也就是说像素的取值跨度大，像素灰度值的动态范围大。
因为直方图是PDF（概率密度函数）的近似，而且在处理中，不允许造成新的灰度级，所以在实际的直方图均衡应用中，很少见到完美平坦的直方图。
因此，直方图均衡技术不能保证直方图的均匀分布，但是却可以扩展直方图的分布范围，也就意味着在直方图上，偏向左的暗区和偏向右的亮区都有像素分布，只是不能保证每个灰度级上都有像素分布。
（百度答案：）由于离散图像的直方图也是离散的，其灰度累积分布函数是一个不减的阶梯函数。
如果映射后的图像仍然能取到所有灰度级，则不发生任何变化。
如果映射的灰度级小于256，变换后的直方图会有某些灰度级空缺。
即调整后灰度级的概率基本不能取得相同的值，故产生的直方图不完全平坦。
3.8原题：在某些应用中，将输入图像的直方图模型化为高斯概率密度函数效果会是比较好的，高斯概率密度函数为：其中m和σ分别是高斯概率密度函数的均值和标准差。
具体处理方法是将m和σ看成是给定图像的平均灰度级和对比度。
对于直方图均衡，您所用的变换函数是什么？答：直方图均衡变换函数的一般表达式如下：在回答这个问题时，有两点非常重要，需要学生表达清楚。
第一，这个表达式假定灰度值r只有正值，然而，高斯密度函数通常的取值范围是-∞～∞，认识到这点是非常重要的，认识到这点，学生才能以多种不同的方式来解决问题。
对于像标准差这样的假设，好的答案是，需要足够小，以便于当r为小于0时，在p r(r)曲线下的面积可以被忽略。
1. 数字数据传输通常用波特率度量，其定义为每秒钟传输的比特数。
通常的传输是以一个开始比特，一个字节(8 比特)的信息和一个停止比特组成的包完成的。
基于这个概念回答以下问题：(a) 用56K 波特的调制解调器传输一幅1024×1024、256 级灰度的图像需要用几分钟？(b) 以750K 波特[这是典型的电话DSL(数字用户线)连接的速度]传输要用多少时间？解：(a)T=M/56000=(1024×1024)×(8+2)/56000=187.25s=3.1min(b) T=M/56000=(1024×1024)×(8+2)/750000=14s2.两个图像子集S1和S2图下图所示。
对于V＝｛1｝，确定这两个子集是（a）4-邻接，（b）8-邻接，（c）m-邻接。
a) S1 和S2 不是4 连接，因为q 不在N4(p)集中。
(b) S1 和S2 是8 连接，因为q 在N8(p)集中。
(c) S1 和S2 是m 连接，因为q 在集合N D(p)中，且N4(p)∩ N4(q)没有V 值的像素3. 考虑如下所示的图像分割(a) 令V={0,1}并计算p 和q 间的4，8，m 通路的最短长度。
如果在这两点间不存在特殊通路，试解释原因。
(b) 对于V={1,2}重复上题。
解：(a) 当V={0,1}时，p 和q 之间不存在4 邻接路径，因为不同时存在从p 到q 像素的4 毗邻像素和具备V 的值，如图(a)p 不能到达q。
8 邻接最短路径如图(b)，最短长度为4。
m邻接路径如图(b)虚线箭头所示，最短长度为5。
这两种最短长度路径在此例中均具有唯一性。
(b) 当V={1, 2}时，最短的4 邻接通路的一种情况如图(c)所示，其长度为6，另一种情况，其长度也为6；8 邻接通路的一种情况如图(d)实线箭头所示，其最短长度为4；m 邻接通路的一种情况如图(d)虚线箭头所示，其最短长度为6.或解: (1) 在V＝{0,1}时，p和q之间通路的D4距离为∞，D8距离为4，Dm距离为5。
数字图像处理作业(第三次)直方图处理
数字图像处理作业（第三次）直方图处理
第一题第二题(例3.6)
1. 问题：
1）编写函数Y=MyHisteq(X), 对灰度图象X进行直方图均衡化，得到均衡化后的图像Y，假设X的数据类型为uint8。
2）利用自己编写的直方图均衡化函数，重现例3.6中的实验，即对图3.16中的图像进行直方图均衡化。
2．程序：
(1) 函数程序：
function Y = MyHisteq(X)
%对灰度图象X进行直方图均衡化，得到均衡化后的图像Y
[m,n]=size(X);
A=zeros(1,256);
for k=0:255
A(k+1)=length(find(X==k))/(m*n);
end
S1=zeros(1,256);
for i=1:256
for j=1:i
S1(i)=A(j)+S1(i); %算Sk end
end
S2=round(S1*256);
for i=1:256
B(i)=sum(A(find(S2==i)));
end
figure,bar(0:255,B,'b');
title('均衡化后的直方图');
xlabel('灰度'),ylabel('出现概率')
Y=X;
for i=0:255
Y(find(X==i))=S2(i+1);
end
end
(2)主程序：
X=imread('Fig0316(1)(top_left).tif');
figure,imshow(X);
Y=MyHisteq(X); figure,imshow(Y);
3. 实验结果：
第三题(例3.12)
1. 问题：
编写程序，重现例3.12中的实验，产生图3.27。
2．程序：
X=imread('Fig0327(a)(tungsten_original).tif');
figure,imshow(X);
Y=histeq(X);
figure,imshow(Y);
E=4.0;k0=0.4;k1=0.02;k2=0.4;
[m,n]=size(X);
X1=X;
Mg=sum(X1(:))/(m*n);
Vg=sum(sum((X1-Mg).^2))/(m*n);
for i=2:m-1
for j=2:n-1
X2=X1(i-1:i+1,j-1:j+1);
Ms=sum(X2(:))/9;
Vs=sum(sum((X2-Ms).^2))/9;
if(Ms<=k0*Mg&&k1*Vg<=Vs&&Vs<=k2*Vg)
X1(i,j)=E*X1(i,j);
end
end
end
figure,imshow(X1);
3. 实验结果：
放大了约130倍的钨丝的SME图像：全局直方图均衡的
结果：
使用局部直方图统
计增强后的图像：
1. 问题：
用自己编写编程实现中值滤波，用96页例3.14的图测试。
2．程序：
(1) 函数程序：
function Y=mid_filter(X,n)
%自编的中值滤波函数。
X是需要滤波的图像,n是模板大小(即n×n)
[height, width]=size(X); %输入图像是p×q 的,且p>n,q>n
X1=double(X);
X2=X1;
for i=1:height-n+1
for j=1:height-n+1
C=X1(i:i+(n-1),j:j+(n-1)); %取出X1中从(i,j)开始的n行n列元素,即模板(n×n的)
E=C(1,:); %是C矩阵的第一行
for k=2:n
E=[E,C(k,:)]; %将C矩阵变为一个行矩阵
end
mm=median(E); %mm是中值
X2(i+(n-1)/2,j+(n-1)/2)=mm;%将模板各元素的中值赋给模板中心位置的元素
end
end
Y=uint8(X2);
end
(2) 主程序：
X=imread('Fig0335(a)(ckt_board_saltpep_prob_pt05).tif');
figure,imshow(X);
n=3;Y=mid_filter(X,n);
figure,imshow(Y);
3. 实验结果：。
