下载文档原格式
Matlab与C混合编程的方法研究与实现摘要：文章探讨了MATLAB与VC++的优缺点，介绍了VC++与Matlab混合编程的几种方法。
通过二者的结合，既有效地利用了MATLAB强大的数值计算能力和众多的函数，大大减少程序设计的工作量，又继承了VC++良好的程序界面，证明是一种很好的程序设计方法。
具体说明了如何应用Matlab引擎实现混合编程以及如何利用MATCOM进行MATLAB和VC++混合编程，并将两种方法用于数字图像处理。
关键词：MATLAB；VC++；MATCOM；引擎；混合编程；图像处理一、引言1、数字图像处理简介：图像技术由高到低分为三个层次：图像处理、图像分析和图像理解。
图像处理是比较底层的操作，它主要在图像像素级上进行处理，处理的数据量非常大。
数字图像处理最基本的目的就是改善图像，主要是按需要进行适当的变换突出某些有用的信息，去除或消弱无用的信息，如改变图像的对比度，去除噪声或强调边缘的处理等，其基本方法有：直方图修正、灰度变换、图像的频域特性、图像平滑、图像锐化等。
直方图是图像的重要统计特征，是表示数字图像中每一灰度级与该灰度级出现的频率数间的统计关系。
直方图能给出该图像的大致描述，如灰度范围、灰度级的分布、整幅图像的平均亮度等，但它不能完整地描述一幅图像。
通常用横坐标表示灰度级，纵坐标表示频数。
通常一幅均匀量化的自然图像由于其灰度直方图分布集中在较窄的低值灰度区间，引起图像的细节看不清楚，为使图像变得清晰，我们可以通过变换使图像的灰度范围拉开或使灰度分布在动态范围内趋于均匀化，从而增加反差，使图像的细节清晰，达到图像增强的目的。
灰度变换是图像增强的一种重要手段，它可以使图像动态范围加大，使图像对比度扩展，图像更加清晰，特征更加明显。
灰度变换可分为线性、分段线性、非线性以及其他的灰度变换。
线性灰度变换实际上使曝光不充分的图像中黑的部分更黑，白的部分更白，从而提高对比度。
图像中的边缘或者线条部分与图像频谱中的高频成分相对应，因此采用高通滤波的方法让高频分量顺利通过，使低频分量受到抑制，就可以增强高频的成分，使图像的边缘或者线条变得清晰，实现图像的锐化。
数字图像处理期末考试答案数字图像处理》复指南选择题1.在采用幂次变换进行灰度变换时，当幂次取大于1时，该变换是针对哪一类图像进行的？（B）A。
图像整体偏暗B。
图像整体偏亮C。
图像细节淹没在暗背景中D。
图像同时存在过亮和过暗背景2.图像灰度方差说明了图像的哪一个属性？（B）A。
平均灰度B。
图像对比度C。
图像整体亮度D。
图像细节3.计算机显示器主要采用哪一种彩色模型？（A）A。
RGBB。
CMY或CMYKC。
HSI4.采用模板[-11]T主要检测哪个方向的边缘？（A）A。
水平B。
45度C。
垂直D。
135度5.下列算法中属于图像锐化处理的是：（C）A。
低通滤波B。
加权平均法C。
XXX滤波D。
中值滤波6.维纳滤波器通常用于哪种情况？（C）A。
去噪B。
减小图像动态范围C。
复原图像D。
平滑图像7.彩色图像增强时，可以采用哪种处理方法？（C）A。
直方图均衡化B。
同态滤波C。
加权均值滤波D。
中值滤波8.在对图像进行复原的过程中，B滤波器需要计算哪些功率谱？（B）A。
逆滤波B。
维纳滤波C。
约束最小二乘滤波D。
同态滤波9.XXX滤波后的图像通常较暗，为改善这种情况，可以将高通滤波器的转移函数加上一定的常数以引入一些低频分量。
这样的滤波器称为什么？（B）A。
XXX高通滤波器B。
高频提升滤波器C。
高频加强滤波器D。
理想高通滤波器10.图像与灰度直方图之间的对应关系是什么？（B）A。
一一对应B。
多对一C。
一对多D。
都不对应11.下列算法中属于图像锐化处理的是：（C）A。
低通滤波B。
加权平均法C。
XXX滤波D。
中值滤波12.一幅256x256的图像，若灰度级数为16，则存储它所需的比特数是多少？（A）A。
256KB。
512KC。
1MD。
2M13.一幅灰度级均匀分布的图像，其灰度范围在[0，255]，则该图像的信息量为多少？（D）A。
0B。
255C。
6D。
814.下列算法中属于局部处理的是什么？（D）A。
灰度线性变换B。
二值化C。
数字图像处理期末考试题库某数字图像处理的主要内容及特点图像获取、图像变换、图像增强、图像恢复、图像压缩、图像分析、图像识别、图像理解（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。
某图像增强：通过某种技术有选择地突出对某一具体应用有用的信息，削弱或抑制一些无用的信息。
图像增强不存在通用理论。
图像增强的方法：空间域方法和变换域方法。
某图像反转：S=L-1-r1.与原图像视觉内容相同2.适用于增强嵌入于图像暗色区域的白色或灰色细节。
某对数变换S=C某log（1+r）c为常数，r>=0作用与特点：对数变换将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值，同时，对输入中范围较宽的高灰度值映射为输出中较窄范围的灰度值。
对数函数的一个重要特征是可压缩像素值变化较大的图像的动态范围；某幂律（伽马）变换=c某(r+ɛ)ɤ伽马小于1时减小图像对比度，伽马大于1时增大对比度。
某灰度直方图：是数字图像中各灰度级与其出现的频数间的统计关系。
某直方图均衡化：直方图均衡化就是通过变换函数将原图像的直方图修正为均匀的直方图，即使各灰度级具有相同的出现频数，图象看起来更清晰。
直方图均衡化变换函数必须为严格单调递增函数。
直方图均衡化的特点：›1.能自动增强图像的对比度2.得到了全局均衡化的直方图，即均匀分布3.但其效果不易控制某直方图规定化（匹配）：用于产生处理后有特殊直方图的图像的方法某空间滤波即直接对图像像素进行处理。
获得最佳滤波效果的唯一方法是使滤波掩模中心距原图像边缘的距离不小于(n-1)/2个像素。
某平滑滤波器用于模糊处理和减小噪声。
平滑线性空间滤波器的输出是：待处理图像在滤波器掩模邻域内的像素的简单平均值。
优点：减小了图像灰度的“尖锐”变化，故常用于图像降噪。
负面效应：模糊了图像的边缘，因为边缘也是由图像灰度的尖锐变化造成的。
空间均值处理的重要应用是，为了对感兴趣的物体得到一个粗略的描述而模糊一幅图像。
基于Gabor小波变换的增强2DPCA方法摘要:传统的PCA方法在图像识别中都是基于图像向量的,在人脸识别前二维的人脸图像矩阵首先要转化成一维的图像向量,这样就造成图像向量维数通常较高,使特征提取中耗费大量计算时间,降低了识别效率。
在传统PCA基础上,Yang等人在2004年提出了二维主成分分析(2DPCA),这种方法直接基十二维图像矩阵运算,特征提取速度大大加快,计算方法也较简单。
关健词:Gabor小波变换2DPCA方法1 人脸图像预处理预处理是人脸识别过程中的一个重要步骤。
由于各种原因,我们获得的原始图像都不是特别完美的。
对人脸图像进行预处理可以减少人脸在图像中的位置、大小、旋转角度和光照等条件的不同对特征提取的影响。
所以预处理后的图像更有利于人脸识别的后续阶段如特征提取和分析识别。
图像预处理一般包括几何归一化、直方图均衡化、灰度归一化、直方图均衡化。
(1)人脸图像几何归一化。
对由于角度旋转和尺度放缩造成的影响,可以用人脸图像的几何归一化来消除,并且可以在一定程度上保持人脸图像的几何不变性。
常用的几何校正方法主要包括缩放、旋转、平移等。
人脸图像经过了缩放、旋转和平移等标准化处理后,使所有图像的的大小都达成一致,人物的眼睛、嘴巴等主要局部特征都处十预先指定的位置。
经过这样的处理后对人脸的后续处理有积极的作用。
实验中采用的人脸几何归一化的过程如下:首先对人眼进行定位,获得人脸的左右两眼的中心位置,记为E,和E,.,然后旋转图像使E,和E,.的连线保持水平。
再根据比例关系对人脸图像进行裁剪以获得最有效的区域,最后对图像进行缩放,得到统一大小的标准图像。
缩放图像的方法有两种,一种是直接用灰度插值的方法,另一种是用小波变换的方法对图像进行分解。
本文采用的是速度和效果均比较好的双线性差值法,图1,图2。
(2)直方图均衡化。
图像的直方图是图像的重要统计特征,灰度直方图可以描述图像的灰度分布情况,反应了不同灰度值出现的频率。
题型：选择10道20分，填空10-15道10-15分，名词解析3-4道15-20分，简答题2道20分，程序题1道10分，计算2道20分一、1、数字图像的特点：图像数据量庞大；精度高；再现性好2、数字图像的应用领域：医学：x-ray，超声波成像，CT遥感：农作物估产，地质勘探，天气预报工业：无损探伤，外观自动检查。
军事公安：巡航导弹地形识别，指纹识别，手迹鉴定考题：如医学上数字图像的应用表现在：x-ray，超声波成像，CT3、DIP的应用：电磁波，声波，超声波，电子，合成；电磁波：Gamma 射线（PET），X射线（CT），紫外线，可见光，红外（多光谱遥感），微波（雷达），无线电波（MRI）二、1、人眼的构造：锥状细胞：分辨力强，色彩；白昼视觉；杆状细胞：对低照度敏感；夜视觉（填空或选择题）2、不同照明下，人眼辨别光强度变化的能力不同。
（低照明时，亮度辨别较差（韦伯比大）高照明时，亮度辨别力好（韦伯比小）（填空题）3、马赫带效应：当亮度发生跃变时，视觉上会感到边缘的亮侧更亮些，暗侧更暗些。
在图像轮廓部分发生的主观亮度对比度加强的现象，又称为边缘对比效应。
（名词解析题）4、同时对比效应：眼睛对物体的主观亮度强烈的依赖于物体自身的背景。
当灰色物体周围是黑色背景时，主观亮度增强；当周围背景变明亮时，主观亮度会减弱。
（名词解析题）5、1）图像获取的步骤答：采样Sampling：图像空间坐标的数字化。
将空间上连续的图像变换成离散点的操作。
量化Quantization：图像函数值（灰度值）的数字化。
将像素灰度转换成离散的整数值的过程。
2）影响采样和量化的因素答：空间分辨率：图像中可辨别的最小细节。
采样。
采样间隔越小，像素数越多，空间分辨率高，图像质量好，但数据量大。
采样间隔越大，像素数越少，空间分辨率低，图像质量差，严重时出现像素呈块状的国际棋盘效应；灰度级分辨率：灰度级别中可分辨的最小变化。
量化量化等级越多，图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。
图像的直方图是图像的重要统计特征，它可以认为是图像灰度密度函数的近似。
直方图虽然不能直接反映出图像内容，但对它进行分析可以得出图像的一些有用特征，这些特征能反映出图像的特点。
当图像对比度较小时，它的灰度直方图只在灰度轴上较小的一段区间上非零，较暗的图像由于较多的像素灰度值低，因此它的直方图的主体出现在低值灰度区间上，其在高值灰度区间上的幅度较小或为零，而较亮的图像情况正好相反。
通常一幅均匀量化的自然图像的灰度直方图在低值灰度区间上频率较大，这样的图像较暗区域中的细节常常看不清楚。
为使图像变清晰，可以通过变换使图像的灰度动态范围变大，并且让灰度频率较小的灰度级经变换后，其频率变得大一些，使变换后的图像灰度直方图在较大的动态范围内趋于均化。
事实证明，通过图像直方图修改进行图像增强是一种有效的方法。
均匀量化的自然图像的灰度直方图通常在低值灰度区间上频率较大，使得图像中较暗区域中的细节常常看不清楚。
为了使图像清晰，可将图像的灰度范围拉开，并且让灰度频率较小的灰度级变大，即让灰度直方图在较大的动态范围内趋于一致。
前面介绍的直方图均衡化处理方法从实验效果看还是很不错的，从实现算法上也可以看出其优点主要在于能自动整幅图像的对比度，但具体的增强效果也因此不易控制，只能得到全局均衡化处理的直方图。
在科研和工程应用中往往要根据不同的要求得到特定形状的直方图分布以有选择的对某灰度范围进行局部的对比度增强，此时可以采用对直方图的规定化处理，通过选择合适的规定化函数取得期望的效果。
a=imread('花.jpg');
subplot(2,2,1);
imshow(a);
title('原始图像');
subplot(2,2,2);
a=rgb2gray(a);
imhist(a);
title('原始图像直方图');
subplot(2,2,3);
a1=imadjust(a,[],[0.1 0.9]); imshow(a1);
title('调整灰度后的直方图'); subplot(2,2,4);
imhist(a1);
title('调整灰度后的直方图');
（注：文档可能无法思考全面，请浏览后下载，供参考。
可复制、编制，期待你的好评与关注）。
