数字图像处理大作业-昆明理工大学-尚振宏

昆明理工大学硕士研究生入学考试《数字图像处理》考试大纲适用专业：生物医学工程第一部分考试形式和试卷结构一、试卷满分及考试时间试卷满分为150分，考试时间为180分钟．二、答题方式答题方式为闭卷、笔试．三、试卷的内容结构概述5％数字图像基础15％图像增强20％图像分割30％特征表达与描述10％图像压缩20％四、试卷的题型结构选择题20%判断题20％简答题30％计算题30％第二部分考察的知识及范围（一）概述数字图像处理科学的发展及应用，数字图像处理系统的基本构成。

（二）数字图像基础2.1 人眼视觉特性2.2 图像的表示2.3 图像的颜色2.4 图像的象素2.5 图像插值技术（三）图像增强3.1 图像增强概述3.2 空域图像增强3.2.1 空域点运算增强3.2.1.1 基本灰度变换3.2.1.2 直方图处理3.2.1.3 图像间运算3.2.2 空域模板增强3.2.2.1 概述3.2.2.2 平滑滤波器3.2.2.3 锐化滤波器3.3 频域图像增强3.3.1 傅立叶变换3.3.2 频域滤波原理与分类3.3.3 低通滤波器3.3.4 高通滤波器3.3.5 频域滤波器与空域模板的转换3.3.6 同态滤波器。

（四）图像分割4.1 图像分割概述4.2 间断检测4.2.1 点的检测4.2.2 线的检测4.2.3 边缘检测4.3 边缘连接和边界检测4.3.1 边界跟踪4.3.2 图搜索技术4.3.3 边界分段拟合4.3.4 Hough变换4.4 阈值分割法4.4.1 阈值分割法原理4.4.2 极小值点阈值4.4.3 最优阈值分割4.4.4 大津阈值分割4.4.5 基于变换直方图选取阈值4.5 基于区域的分割4.5.1 基本概念4.5.2 区域生长4.5.3 区域分裂与合并4.6 数学形态学图像处理4.6.1 基本概念4.6.2 腐蚀与膨胀4.6.3 开-闭运算4.6.4 形态运算（五）特征表达与描述5.1 特征表达与描述的基本概念5.2 边界表达5.2.1 链码5.2.2 多边形逼近5.3 区域表达5.3.1 四叉树表达法5.3.2 区域骨架5.4 边界描述5.4.1 边界简单描述符5.4.2 形状数5.4.3 矩（轮廓矩）5.4.4 傅立叶描述符5.5 区域描述5.5.1 区域简单描述符5.5.2 形状描述符5.5.3 区域矩（空间矩)5.5.4 纹理描述符（六）图像压缩6.1 图像压缩基本概念6.1.1 数据冗余6.1.2 保真度标准6.2 图像压缩模型6.3 无损压缩6.4 有损压缩。

昆明理工大学数字图像处理期末报告范文数字图像处理期末大作业用自己拍摄的图像，完成以下作业：作业一、MATLAB图像处理基本操作一、实验目的掌握MATLAB语言中图象数据与信息的读取方法；掌握图像灰度调整。

二、实验要求用Matlab语言完成如下实验：1）打开一个BMP文件2）将其局部区域的灰度值进行改变3）另存为一个新的BMP文件三、程序源代码clearall;I=imread('lab1.bmp');%读入原图像ubplot(1,2,1);imhow(I);%显示原始图像title('原始BMP图像');J=imadjut(I,[0.3,0.7],[]);%调整图像灰度值imwrite(J,'newlab1.bmp');%另存为新图像ubplot(1,2,2);imhow(J);%显示局部灰度改变后的图像title('局部灰度改变后的图像');四、实验结果五、实验总结通过本次实验，我学习了使用MATLAB进行图像的读入读出操作，以及对图像选中区域的灰度进行改变。

初步熟悉了MATLAB工具软件对图像处理的应用。

作业二、图像高通、低通滤波一、实验目的学会用Matlab软件对图像傅里叶变换。

对图像进行低、高通滤波，观察频谱和图像变化。

二、实验内容Matlab编程实现图像傅立叶高通、低通滤波，给出算法原理及实验结果。

三、实验原理低通滤波器：容许低频信号通过，但减弱（或减少）频率高於截止频率的信号的通过。

用在绘制长期走势或均化。

高通滤波器：容许高频信号通过、但减弱（或减少）频率低於截止频率信号通过的滤波器。

强调细节。

四、程序源代码1）傅里叶高通滤波：源程序为：clearall;I=imread('lab2.jpg');I=rgb2gray(I);figure(1),imhow(I);title( '原图像');=ffthift(fft2(I));[a,b]=ize();a0=round(a/2);b0=round(b/2);d=1 0;p=0.2;q=0.5;fori=1:aforj=1:bditance=qrt((i-a0)^2+(j-b0)^2);ifditance<=dh=0;eleh=1;end;(i,j)=(p+q某h)某(i,j);end;end;=uint8(real(ifft2(iffthift())));figure(2);imhow();title('高通滤波所得图像');2）傅里叶低通滤波：源程序为：clearall;I=imread('lab2.jpg');I=rgb2gray(I);figure(1),imhow(I);title( '原图像');=ffthift(fft2(I));[a,b]=ize();a0=round(a/2);b0=round(b/2);d=1 0;fori=1:aforj=1:bditance=qrt((i-a0)^2+(j-b0)^2);ifditance<=dh=1;eleh=0;end;(i,j)=h某(i,j);end;end;=uint8(real(ifft2(iffthift())));figure(2);imhow();title('低通滤波所得图像');五、实验结果六、实验总结通过这次实验，我熟悉了MATLAB编程结构，学会使用MATLAB提供的库函数进行图像傅里叶变化。

昆明理工大学信息工程与自动化学院学生实验报告（2016—2017学年第一学期）课程名称：数字图像基础开课实验室：445 2016年11月 28日一、实验目的及内容目的：掌握和熟悉空域滤波的基本原理及方法。

内容：1.调试教材P47页例2.8，掌握函数imfilter的使用。

2.调试教材P53页例2.11。

可以看出中心为-8的拉普拉斯滤波器得到的结果比中心为-4的拉普拉斯滤波器更清晰，基于这个例子完成下一题。

3.写一个M函数，该函数生成任意奇数尺寸的拉普拉斯滤波器，拉普拉斯滤波器的边长由该函数的参数n指定。

例如n=3时生成上题中中心为-8，周围为1的3×3拉普拉斯滤波器；若n=5，则生成中心为-24，周围为1的5×5的拉普拉斯滤波器。

4.使用上题的函数，分别采用n=3，5，9，15和25得到的5个拉普拉斯滤波器对教材P53页图2.18（a）进行拉普拉斯锐化处理，并比较结果。

5.（1）调试教材P54页例2.12；（2）学习教材P53页ordfilt2函数的使用，利用ordfilt2函数分别实现一个3×3邻域的最小滤波器、中值滤波器和最大滤波器，并对教材P54页图2.19（b）的噪声图像进行去噪处理，比较三个非线性滤波器的去噪效果。

二、要求1.对于程序调试题，在报告中给出调试运行的代码及运行结果，并对运行结果进行说明。

2.对于程序设计题（第3、4题），在报告中描述程序的设计思想、实现（代码）和结果，并对结果进行分析。

3.程序的源代码及实验报告的电子版，打包后于12月4日（周日）晚上0点前发送到马颢瑄同学邮箱：mahaoxuan123@三、结果1.代码：f=imread('C:\Documents and Settings\student\桌面\test4\Fig0216(a).tif');f=im2double(f);subplot(2,3,1);imshow(f);title('a');w=ones(31);gd=imfilter(f,w);subplot(2,3,2);imshow(gd,[]);title('b');gr=imfilter(f,w,'replicate');subplot(2,3,3);imshow(gr,[]);title('c');gs=imfilter(f,w,'symmetric');subplot(2,3,4);imshow(gs,[]);title('d');gc=imfilter(f,w,'circular');subplot(2,3,5);imshow(gc,[]);title('e');f8=im2uint8(f);g8r=imfilter(f8,w,'replicate');subplot(2,3,6);imshow(g8r,[]);title('f');实验结果：2.代码：f=imread('C:\Documents and Settings\student\桌面\test4\moon1.tif'); w4=fspecial('laplacian',0);w8=[1 1 1;1 -8 1;1 1 1];f=tofloat(f);g4=f-imfilter(f,w4,'replicate');g8=f-imfilter(f,w8,'replicate');subplot(1,3,1);imshow(f);title('a');subplot(1,3,2);imshow(g4);title('b');subplot(1,3,3);imshow(g8);title('c');实验结果：3.设计：先创建申请n个的全1矩阵，中心位置用四舍五入法的ceil函数，然后用-1*(n*n-1)公式算出中心位置的值代码：function gn = laplaciann(f,n)%UNTITLED3 Summary of this function goes here% Detailed explanation goes heref=imread('C:\Documents and Settings\student\桌面\test4\moon1.tif');w=ones(n);x=ceil(n/2);w(x,x)=-1*(n*n-1);gn=f-imfilter(f,w,'replicate');subplot(1,2,1);imshow(f);subplot(1,2,2);imshow(gn);end实验结果：4. n=3n=5n=9n=15比较结果：n值越大，图片纹理越清晰。

数字图像基础课程名称：数字图像基础学院：信息工程与自动化学院专业年级： 2010级计算机系班学号： 2010104052 学生姓名：指导教师：尚振宏日期： 2013-6-11目录目录 (1)1前言 (2)2图像分割的方法简介 (3)2.1迭代法 (3)2.2类间最大距离法 (3)2.3最大熵法 (4)2.4最大类内类间方差比法 (4)2.5局部阈值法 (5)2.6均匀性度量法 (6)3简单算法及其实现 (6)3.1最优阈值算法 (6)3.2 Canny算法 (8)4、试验对比 (10)4.1迭代法试验对比 (10)4.2类间最大距离法试验对比 (10)4.3最大熵法试验对比 (11)4.4最大类内类间方差比法试验对比 (11)4.5局部阈值法试验对比 (12)4.6均匀性度量法试验对比 (12)5、总结体会 (13)6、参考文献 (13)7、附录 (14)7.1迭代法代码 (14)7.2类间最大距离法代码 (14)7.3最大熵法代码 (15)7.4最大类内类间方差比法代码 (16)7.5局部阈值法代码 (18)7.6均匀性度量法代码 (18)1、前言图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出上千种分割算法，但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。

另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。

最近几年又出现了许多新思路、新方法或改进算法。

总的来说，图像分割是图像识别和图像分析的基本前提步骤，图像分割的质量好坏直接影响后续图像处理的效果，甚至决定成败。

因此，图像分割在数字图像处理技术中占有非常重要的地位。

图像分割时指将一副图像分解为若干互不交叠的、有意义的、具有相同性质的区域。

好的图像分割应具备以下特征：⑴分割出来的各个区域对某种特性（例如灰度和纹理）而言具有相似性，区域内部是连通的且没有过多小孔。

昆明理工大学信息工程与自动化学院学生实验报告（2012—2013学年第二学期）课程名称：数字图像处理开课实验室：444 2015年 4月 17 日一、实验目的及内容内容：灰度变换和空间滤波1.灰度变换利用imadjust函数（可结合stretchlim函数）对图像对比度拉伸2.直方图绘制、均衡和匹配利用imhist，histeq函数完成图2.8及图2.11的功能3.空间滤波线性空间滤波：利用滤波函数imfilter函数完成图2.16中b,c,d,e的图像平滑效果利用fspecial函数生成average,disk，gaussian滤波器完成图像的平滑效果利用fspecial函数生成prewitt, sobel,laplacian滤波器完成图像的锐化效果非线性空间滤波利用中值滤波函数medfilt2去除椒盐噪声二、实验原理①、函数imadjust是一个基本的图像处理工具箱函数，用于对灰度级图像进行灰度变换。

g=imadjust(f,[low_in high_in],[low_out high_out],gamma)，该函数将图像f中的灰度值映射为图像g中的新值，即将low_in至high_in之间的值映射到low_out至high_out 之间的值。

②、函数imhist是处理图像直方图的核心函数h=imhist(f,b)，其中f为输入图像，h为其直方图，b是用来形成直方图的“容器”的数目。

③、函数histeq是实现直方图匹配的函数g=histeq(f,hspec)，其中f为输入图像，hspec为规定的直方图，g为输出图像，输出图像的直方图近似于指定的直方图hspec。

④、函数imfilter用来实现线性空间滤波g=imfilter(f,w,filtering_mode,boundary_options,size_options)，其中f为输入图像，w为滤波模板，g为滤波后的结果。

用于平滑的滤波器有：’average’,’disk’,’gaussian’用于锐化的滤波器有：’laplacian’,’prewit’,’sobel’三、实验源代码及结果1、灰度变换、直方图绘制、均衡和匹配f=imread('anna.jpg')%读取anna.jpg图片subplot(2,4,1)imshow(f),title('原图')%显示原图f1=imadjust(f,[0.2 0.5],[ 0 1])%将图片的灰度级别在0.2至0.5之间的部分拉伸至0到1之间subplot(2,4,2)imshow(f1),title('灰度拉伸之后')%显示灰度拉伸之后的图片subplot(2,4,3)imhist(f),title('原图直方图')f2=histeq(f,128)%进行直方图均衡化，灰度级数设为128subplot(2,4,4)imhist(f2),title('均衡化')%显示均衡化之后的直方图g=imread('bag.png')%读取bag.png图像h=imhist(g)%生成bag.png图像的直方图赋值给向量h subplot(2,4,5)imhist(g),title('规定的直方图')f3=histeq(f,h)%进行直方图匹配subplot(2,4,6)imshow(f3),title('直方图匹配')运行结果2、线性空间滤波a=imread('block.png')%读取block.png图像figure,subplot(2,3,1)imshow(a),title('原图')w=1/(31*31)*ones(31)%生成31*31的全为1的矩阵，命名为w a1=imfilter(a,w)%利用imfilter函数进行滤波subplot(2,3,2)imshow(a1)a2=imfilter(a,w,'replicate')%图像的大小通过复制图像边界外的值来扩展subplot(2,3,3)imshow(a2)a3=imfilter(a,w,'symmetric')%图像的大小通过边界镜像反射来扩展subplot(2,3,4)imshow(a3)a4=imfilter(a,w,'circular')%图像的大小通过将图像处理为二维周期函数的一个周期来扩展subplot(2,3,5)imshow(a4)aa=im2uint8(a)a5=imfilter(aa,w,'replicate')subplot(2,3,6)imshow(a5)b=imread('anna.jpg')figure,subplot(2,2,1)imshow(b),title('原图')w1=fspecial('average',[4])%生成average平滑滤波器b1=imfilter(b,w1)%进行滤波subplot(2,2,2)imshow(b1),title('average')w2=fspecial('disk',5)%生成disk平滑滤波器b2=imfilter(b,w2)subplot(2,2,3)imshow(b2),title('disk')w3=fspecial('gaussian',[3 3],0.5)%生成gaussian平滑滤波器b3=imfilter(b,w3)subplot(2,2,4)imshow(b3),title('gaussian')c=imread('anna.jpg')figure,subplot(2,2,1)imshow(c),title('原图')w4=fspecial('prewitt')%生成prewitt锐化滤波器c1=imfilter(c,w4)subplot(2,2,2)imshow(c1),title('prewitt')w5=fspecial('sobel')%生成sobel锐化滤波器c2=imfilter(c,w5)subplot(2,2,3)imshow(c2),title('sobel')w6=fspecial('laplacian')%生成laplacian锐化滤波器c3=imfilter(c,w6)subplot(2,2,4)imshow(c3),title('laplacian') 运行结果3、非线性空间滤波d=imread('anna.jpg')%读取anna.jpg图像，赋值给dd1=imnoise(d,'salt & pepper',0.3)%用imnoise函数对d生成椒盐噪声figure,subplot(1,2,1)imshow(d1),title('被椒盐噪声污染的图像')d2=medfilt2(d1)&用中值滤波器进行滤波subplot(1,2,2)imshow(d2),title('去除椒盐噪声的图像')运行结果四、实验总结（心得体会）通过这次实验，首先我熟悉了Matlab的基本操作，掌握了图像处理的基本操作，比如如何读一张图片进来、如何显示一张图片等等。

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。

大作业指导书题目：数字图像处理院（系）：物联网工程学院专业: 计算机班级：计算机1401-1406指导老师：学号：姓名：设计时间： 2016-2017学年 1学期摘要 (3)一、简介 (3)二、斑点数据模型.参数估计与解释 (4)三、水平集框架 (5)1.能量泛函映射 (5)2.水平集传播模型 (6)3.随机评估方法 (7)四、实验结果 (8)五、总结 (11)基于水平集方法和G0模型的SAR图像分割Abstract（摘要）这篇文章提出了一种分割SAR图像的方法，探索利用SAR数据中的统计特性将图像分区域。

我们假设为SAR图像分割分配参数，并与水平集模型相结合。

分布属于G分布中的一种，处于数据建模的目的，它们已经成功的被用于振幅SAR图像中不同区域的建模。

这种统计数据模型是驱动能量泛函执行区域映射的基础，被引用到水平集传播数值方案中，将SAR 图像分为均匀、异构和极其异构区域。

此外，我们引入了一个基于随机距离和模型的评估过程，用于量化我们方法的鲁棒性和准确性。

实验结果表明，我们的算法对合成和真实SAR 数据都具有准确性。

+简介1、Induction（简介）合成孔径雷达系统是一种成像装置，采用相干照明比如激光和超声波，并会受到斑点噪声的影响。

在SAR图像处理过程中，返回的是斑点噪声和雷达切面建模在一起的结果。

这个积性模型（文献[1]）因包含大量的真实SAR数据，并且在获取过程中斑点噪声被建模为固有的一部分而被广泛应用。

因此，SAR图像应用区域边界和目标检测变得更加困难，可能需要斑点去除。

因此，斑点去除是必需的，有效的方法可以在文献[2][3][4][5][6][7][8][9][10]中找到。

对于SAR图像分割，水平集方法构成一类基于哈密顿-雅克比公式的重要算法。

水平集方法允许有效的分割标准公式，从文献[12]中讨论的传播函数项可以得到。

经典方法有着昂贵的计算成本，但现在的水平集的实现配置了有趣的低成本的替换。

（理论）课程教学大纲课程名称：数字图像处理基础（原名图形图像基础）课程编码：0403339学分：3总学时：48适用专业：计算机应用先修课程：数学分析、线性代数、概率论、C语言程序设计一、课程的性质、目的与任务：本课程是一门学科基础课，考核方式为：考察。

本课程是图像处理、计算机视觉、模式识别、多媒体技术等学科的基础，是一门多学科交叉、理论性和实践性都很强的综合性课程，是计算机类专业学生的一门重要专业课程。

通过对本课程的学习，使学生了解数字图像的基本概念、数字图像形成的原理，掌握数字图像处理的理论基础和技术方法，着重掌握数字图像的增强、复原、压缩和分割的基本理论和实现方法，为将来从事相关领域工作和科学研究奠定基础。

二、教学基本要求：了解数字图像处理的发展历程、空间处理及频域处理的基本方法及理论、数字图像彩色空间极其转换、数学形态学的基本概念及理论。

理解直方图概念及作用，图像平滑概念及常用方法原理，图像分割的原理及常用方法原理，彩色图像处理的基本方法原理，图像复原的概念及常用方法的原理。

掌握使用Matlab进行图像处理编程、直方图均衡化的方法、离散傅立叶变换的方法、空间噪声滤波及频域噪声滤波的方法、腐蚀/膨胀运算及开/闭运算的方法、常用边缘检测方法、通过全局阈值进行灰度图像二值化的方法。

三、教学内容（一）概论 2学时1、数字图像处理的基本概念；2、图像处理技术的发展历程；3、数字图像处理技术的应用。

（二）数字图像处理基础6学时1、数字图像的表示；2、Matlab编程环境3、M函数编程简介（三）数字图像的空间处理6学时1、空间图像增强的背景知识；2、基本灰度变换、直方图处理；3、线性空间滤波；4、非线性空间滤波（四）数字图像的频域处理5学时1、傅立叶变换和频域介绍2、频域的平滑滤波器3、频域的锐化滤波器（五）图像复原5学时1、图像退化/复原过程的模型、噪声模型2、单纯噪声条件下的图像复原空间滤波、频率域滤波削减周期噪声；3、退化函数4、逆滤波、维纳滤波及最小二乘法滤波（六）彩色图像处理5学时1、彩色空间及彩色图像处理基础2、彩色变换3、彩色图像的空间滤波彩色基础、彩色模型、伪彩色处理、全彩色处理基础及彩色变换。

数字图像处理课程综合报告学生姓名：xxx学号：2012xxxxxxxx学院：理学院专业年级：2012级电子信息科学与技术指导老师：桂进斌目录实验二：反色与二值化： (3)实验三：灰度变换 (5)线性变化 (8)指数变化 (9)对数变换 (11)实验四：图像几何变换 (12)图像平移 (15)图像旋转 (17)水平镜像 (20)垂直镜像 (21)实验五：直方图均衡化 (22)实验六：图像的平滑与锐化 (25)均值滤波 (27)中值滤波 (29)梯度锐化 (32)Sobel算子锐化 (33)实验七：彩色图像处理 (34)读取R分量 (34)读取G分量 (36)读取B分量 (38)实验八：图像频域高通和低通滤波变换 (40)低通滤波 (41)高通滤波 (44)实验二：反色与二值化：图像的反色就是依次求出每个像素点的补色，由于用的是256位的图像，所以只需要使用255减去原本像素的色值即可。

图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

在实验前期开发环境框架的搭建中就已经拿到图像在内存中的首地址存于Imgdata指针中，并开辟了一个用于存放处理后数据的内存空间Imgdata_tmp。

在以后的图像处理算法中只需要直接对Imgdata指向的数据进行处理，并把处理结果存放在Imgdata_tmp中即可。

实现代码：void MyBmp::Binaryzation(CDC *pDC){//binaryzation二值化if(m_DibHead==NULL)MessageBox(NULL,"获取文件头失败！","错误",MB_OK);if(m_hPalette!=NULL){HDC hdc=pDC->GetSafeHdc();::SelectPalette(hdc,m_hPalette,TRUE);}pDC->SetStretchBltMode(COLORONCOLOR);int x = m_DibHead->biWidth;int y = m_DibHead->biHeight;TmpBmp = new unsigned char[m_ImageSize];memset(TmpBmp,255,x*y);char temp;int ccc = 0;for (int i = 0;i<y; ++i)//行数for (int j = 0;j<x;++j){ccc++;temp = *(m_Image+i*x+j);if ((10*temp+10)>=255){TmpBmp[i*x+j] = (char)255;}elseTmpBmp[i*x+j] = 0;}//memcpy(m_Image,TmpBmp,x*y);二值化效果：char temp;for (int i = 0;i<y; ++i)//行数for (int j = 0;j<x;++j){temp = m_Image[i*x+j];TmpBmp[i*x+j] = 255 - temp;}//memcpy(m_Image,TmpBmp,x*y);::StretchDIBits(pDC->GetSafeHdc(),500,0,((400<=(m_DibHead->biW idth))?400:(m_DibHead->biWidth)),((400<=(m_DibHead->biHeight))?400:(m_DibHead->biHeight)),0,0, m_DibHead->biWidth,m_DibHead->biHeight,TmpBmp,(LPBITMAPINFO)m_DibHead,DIB_RGB_COLORS,SRCCOPY);delete[] TmpBmp;TmpBmp = NULL;}反色效果：实验三：灰度变换灰度线性变换是灰度变换的一种，图像的灰度变换通过建立灰度映射来调整源图像的灰度从而达到图像增强的目的。

昆明理工大学信息工程与自动化学院学生实验报告实验一、空域图像增强一、实验目的1、理解空域图像增强的概念；2、掌握灰度线性变换和非线性变换的图像增强方法及应用；3、掌握灰度直方图均衡化的图像增强方法及应用；4、掌握平滑空域滤波器方法，并会用其来消除图像噪声；5、掌握锐化空域滤波器方法，并会用其来增强图像细节。

二、实验原理及基本技术路线图（方框原理图）术语“空域”指的是图像平面本身。

在空域上，图像处理方法是通过直接对图像像素的处理来实施的。

图像增强是将原来不清晰的画面变得清晰或强调某些关注的特征，抑制非关注的特征，使之改善视觉质量、丰富信息量，加强图像判读和识别效果的图像处理方法。

空域处理方法可分为两种：灰度级变换与空域滤波。

空域技术所使用的对像素的直接操作可用下式表示：()[]),(xg=，yTxf,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，它定义在像素点(x,y)所指定的空间邻近像区（简称为邻域）内。

定义像素点(x,y)的邻域的主要方法是，使用以(x,y)为中心的方形或矩形像区。

当这样的邻域的中心从左上角原点的开始遍历像素点时，将覆盖图像中不同的像区。

当T应用于每个被遍历的像素点f(x,y)时，便得到在该像素点的输出图像g(x,y)。

在计算g(x,y)时，只使用在(x,y)邻域中的像素。

在处理灰度图像并且当邻域大小为1×1时，T的形式最简单，它成为一个灰度（或亮度）级的变化函数（即，灰度变换）。

此时,g(x,y)的值仅由在(x,y)处的亮度f(x,y)来决定。

由于灰度变换T仅取决于灰度的值，与(x,y)无关，所以T可写成如下的简单形式：()r Ts=，其中，r表示图像f中相应点(x,y)的灰度，s表示图像g中相应点(x,y)的灰度。

灰度变换T通常包括灰度变换增强与直方图增强。

灰度变换增强可以通过改变图象的灰度范围及分布来实现。

在实际应用中,为了突出图像中感兴趣的研究对象，常常要求局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段拉伸。

数字图像处理大作业数字图像基础课程名称：数字图像基础学院：信息工程与自动化学院专业年级：2010级计算机系班学号：2010104052学生姓名：指导教师：尚振宏日期：2013-6-11目录目录………………………………………………………………………………1 1前言………………………………………………………………………………2 2图像分割的方法简介…………………………………………………………3迭代法……………………………………………………………………3类间最大距离法…………………………………………………………3最大熵法…………………………………………………………………4最大类内类间方差比法…………………………………………………4局部阈值法………………………………………………………………5均匀性度量法………………………………………………………………6 3简单算法及其实现………………………………………………………………6最优阈值算法………………………………………………………………6Canny算法………………………………………………………………8 4、试验对比……………………………………………………………………10迭代法试验对比…………………………………………………………10类间最大距离法试验对比...................................................10最大熵法试验对比...............................................................11最大类内类间方差比法试验对比 (11)局部阈值法试验对比…………………………………………………12均匀性度量法试验对比………………………………………………12 5、总结体会……………………………………………………………………13 6、值? ④计算两类的概率P1和P2 P1??pi，P2?1?P1 i?0Th⑤计算类间方差?b和类内方差?in 22?b2?P1?(?1??)?P2?(?2??) 22 22?in2?P1??1?P2??2 ⑥选择最佳的阈值Thnew，使得图像按照该阈值分为C1和C2两类后，满足?b2max{2} ?局部阈值法前面给出的阈值算法，对于较为简单的图像，上面的方法简单有效。

・４０・（总２１２）角点检测技术研究及进展文覃编号ｌｌ００３—５８５０（２０１０）０３—００４０－０５角点检测技术研究及进展ＲｅｓｅａｒｃｈａｎｄＰｒｏｇｒｅｓｓｉｎＣｏｒｎｅｒＤｅｔｅｃｔｉｏｎ朱玉艳尚振宏康燕妮来沛剑尚晋霞（昆明理工大学信息工程与自动化学院昆明６５００５１）【摘要】角点是图像的重要局部特征，在图像配准、图像理解及模式识别等领域中，角点检测具有十分重要的意义。

对角点检测的各种方法进行了分析、比较，给出了性能评价标准。

最后，分析了该领域现存的问题、最新研究动态及发展方向。

【关键词】角点检测，特征提取，性能评价中图分类号：ＴＰ３９１．４１文献标识码：ＡＡＢＳＴＲＡＣＴＣｏｒｎｅｒｉｓａｓｉｇｎｉｆｉｃａｎｔｌｏｃａｌｆｅａｔｕｒｅｏｆｉｍａｇｅｓ．Ｃｏｒｎｅｒｄｅｔｅｃｔｉｏｎｈａｓｂｅｅｎｗｉｄｅｌｙｕｓｅｄｉｎｍａｎｙｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔａｓｋｓｉｎｃｌｕｄｉｎｇｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ．ｉｍａｇｅｕｎｄｅｒｓｔａｎｄｉｎｇａｎｄｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ．Ｔｈｅｃｏｒｎｅｒｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｓｗｅｒｅｒｅｖｉｅｗｅｄ．ｃａｔｅｇｏｒｉｚｅｄａｎｄｃｏｍｐａｒｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｔｈｅｐｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎｏｆｃｏｒｎｅｒｄｅｔｅｃｔｉｏｎｗａｓｉｎｖｅｓｔｉｇａｔｅｄ．Ｆｉｎａｌｌｙ．ｔｈｅｅｘｉｓｔｉｎｇｐｒｏｂｌｅｍｓ．１ａｔｅｓｔｒｅｓｅａｒｃｈｐｒｏｇｒｅｓｓａｎｄｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄｓｗｅｒｅａｎａｌｙｚｅｄ．ＫＥＹＷＯＲＤＳｃｏｒｎｅｒｄｅｔｅｃｔｉｏｎ，ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ，ｐｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎ特征提取在计算机视觉、图像处理和机器视觉中一直是一个重要方向，而角点作为图像的一个重要特征，长期以来备受研究者关注，也取得了很多研究成果。

一般认为角点是二维图像亮度变化最剧烈或图像边缘曲线上曲率值最大的像素点，能很好地被区分出来。

二值图像中拐点的实时检测算法
尚振宏;刘明业
【期刊名称】《中国图象图形学报》
【年(卷),期】2005(010)003
【摘要】鉴于数字图像中的拐点通常成为重要的信息载体,因此准确、稳定和实时地检测出拐点便成为拐点检测算法面临的主要问题,针对该问题,提出了一种新的二值图像中拐点的实时检测算法.该算法与传统基于边界链码的拐点检测算法不同,其是首先构建像素的k(k＞8)邻域,并将图像中物体的边界表示为k邻域链码;然后根据曲率定义的差分形式计算各边界点处的曲率;最后通过检测曲率直方图的局部峰值精确定位出拐点,并利用拐角内部像素的颜色统计信息迅速判断出拐点的凸凹性.为验证该算法的效果,给出了该算法与4种已有算法的对比实验.结果表明,该算法不仅稳定性、准确性较高,而且算法简单,实时性强,并适合于嵌入式计算环境.
【总页数】6页(P295-300)
【作者】尚振宏;刘明业
【作者单位】北京理工大学ASIC研究所,北京,100081;昆明理工大学计算机系,昆明,650051;厦门大学计算机与信息工程学院,厦门,361005
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.一种新的基于二值图像的边缘检测算法 [J], 贾昔玲
2.基于硬件加速的实时二值图像连通域标记算法 [J], 赵菲;张路;张志勇;卢焕章
3.改进的二值图像的交叉点扫描检测算法 [J], 张华;叶海建;王彦;王青
4.基于单片机系统的二值图像实时处理方法 [J], 原新;隋龙
5.基于图像轮廓曲线的拐点检测算法 [J], 施金辰;田裕鹏;孙毅;张佳丽
因版权原因，仅展示原文概要，查看原文内容请购买。