下载文档原格式
数字图像处理课程教学大纲课程简介数字图像处理是计算机科学与技术领域的一门重要课程，它研究如何使用计算机和算法来处理和分析数字图像。
本课程旨在介绍数字图像处理的基本原理、方法和应用，并培养学生的图像处理能力和技巧。
课程目标本课程的主要目标是让学生掌握数字图像处理的基本理论和方法，具备图像处理算法设计、图像增强、图像分割、图像压缩等技术的基本能力。
同时，通过实践项目的实施，培养学生的问题解决能力和团队合作能力。
课程安排第一周：课程介绍与基本概念•课程介绍•数字图像的基本概念与特点•数字图像处理的基本步骤第二周：图像预处理•图像采集与获取•图像灰度变换•图像噪声模型与去噪方法第三周：图像增强•直方图均衡化•空域滤波与频域滤波•边缘增强与锐化第四周：图像压缩•图像压缩的基本概念与方法•离散余弦变换（DCT）与JPEG压缩算法•小波变换与JPEG2000压缩算法第五周：图像分割与边缘检测•阈值分割•基于边缘的图像分割•基于区域的图像分割第六周：实践项目1 - 图像识别•项目需求分析与设计•图像特征提取与选择•分类器的训练与测试第七周：实践项目2 - 图像恢复•项目需求分析与设计•图像模型与图像去模糊•图像去噪与图像修复第八周：实践项目3 - 图像处理工具开发•项目需求分析与设计•图像处理算法的实现•图形界面设计与用户交互评估方式•平时成绩：30%•作业与实验报告：30%•期末考试：40%参考教材•Rafael C. Gonzalez, Richard E. Woods. 数字图像处理（第三版）. 清华大学出版社，2018.•Richard Szeliski. 计算机视觉：算法与应用. 电子工业出版社，2014.参考资源•MATLAB图像处理工具箱文档•OpenCV计算机视觉库官方文档以上是《数字图像处理》课程的教学大纲，希望通过本门课程的学习，能够让学生对数字图像处理有一个全面的了解，并具备实践应用的能力。
2020年数字图像处理课件整理精品版第一章■课程性质和任务通过本课程的学习，系统地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、压缩和分割的技术方法，为今后能够从事有关数字图像处理的研究和技术方法应用等工作掌握必备的基础知识。
数字图像处理的概念1•什么是图像■图像可定义为一个二维函数f (X, y)■ (x,y)——空间坐标■幅度值f (x, y)——图像该点的灰度(或强度)■数字图像：坐标x、y和幅度f(x,y)均是有限的离散数值■数字图像中每个由坐椒x,y)指定的点称为像素(pixel)0■数字图像可看作是由像素组成的二维矩阵。
灰度图像像索精品好文档.推荐学习交潦■对于单色即灰度图像而言，每个像素的亮度用一个数值来表示，通常数值范围在0到255之间。
0表示黑、255表示白，而其它表示灰度级别。
彩色图像■彩色图像可以用红、绿、蓝三元组的二维矩阵來表示。
'255240240'O16080 'O80160"R =255O80G =255255160 B =O O240 255O O O255O255255255通常，三元组的每个数值也是在0到255之间，0表示相应的基色在该像素中没有，而255 则代表相应的基色在该象素中取得最大值，这种情况下每个象素可用三个字节来表示。
2.什么是数字图像处理数字图像处理就是利用计算机系统对数字图像进行各种目的的处理3.数字图像的表示方法空间上:图像抽样对连续图像f (x, v)进行数字化幅度上:灰度级量化■数字图像常用矩阵来表示：/((),()) _/(0,1) …/((KN-1)f(x9y)= m°) /ai) /(LA-1)• • • •/'(xYZ—LO) /'(A/—LT) •…yXA•/—L“V—1) vx=0, 1, ••• ,M-1 ,(xj)=0~255,.”=(),1,…少」* (灰度级为256,设灰度量化为8bit)16X方向，抽样M行y方向，每行抽样N点整个图像共抽样MXN个像素点—般取M=N=2n=64, 128, 256, 512, 1024, 2048……四、数字图像处理的三个层次■从计算机处理的角度可以由低到高将数字图像处理分为三个层次。
数字图像处理数字图像处理实验报告学校：河北建筑工程学院院系：电气工程学院班级：电子132班姓名：杨腾腾学号： 2013315235第二章图像处理基本知识1．实验目的：（1）了解图像采集的硬件设备，获取一幅自己的头像(*.jpg)，作为后续实验的一个图像源；（2）练习MATLAB的一般使用，为其它几个实验做准备。
2．实验内容：（1）利用图像采集系统获取图像；（2）编写一个MATLAB程序对获取的图像文件（*.jpg）。
将彩色图像转换为灰度图像。
用imhist计算和显示灰度的统计特性，求其均值、标准差，并将图像反白。
更详细的操作请参考讲解MATLAB使用的相关书籍或者该软件的在线帮助文件。
3．实验要求：编写一完整的MATLAB程序。
这里完整的MATLAB程序是指该程序应有一个用户界面窗口，读入的图像文件应显示在界面窗口里，在界面窗口中可以设置几个按钮，分别完成对所显示的图像进行上面（2）中所要求的操作。
请保留该程序，后面的实验所编的程序都要求与此程序集成起来，提供一个统一的操作界面。
4. 实验程序：I=imread('C:\0.jpg');subplot(2,2,1);imshow(I);J=rgb2gray(I);subplot(2,2,2);imshow(J);subplot(2,2,3);imhist(J);Ave=mean2(J)SD=std2(double(J))s=size(J);all_white=255*ones(s(1),s(2));all_white_uint8=uint8(all_white);K=imsubtract(all_white_uint8,J);subplot(2,2,4);imshow(K);imwrite(K,'C:\0_iverse.jpg')实验结果：Ave =105.655SD=51.94425. 实验总结：通过本次实验,我初步了解了MATLAB 的使用方法，通过命令式的语言来执行程序，简洁快速，同时也了解到它在数学和图像处理方面的重要应用，在今后的学习后会充分发挥它的作用！第四章图像变换与二维数字滤波1．实验目的：（1）了解图像正逆变换的原理。
（2）理解图像变换的系数特点（3）掌握常用图像变换的实现过程。
（4）掌握图像的频谱分析方法。
（5）了解图像变换在图像数据压缩等方法面的应用。
（6）掌握二维数字滤波器的作用以及在图像滤波中的实际应用。
2．实验内容：（1）在MATLAB环境中，进行图像的离散傅立叶变换和离散余弦变换，观察图像的频谱并减少DCT系数，观察重建信号和误差信号，理解正交变化在压缩编码中的应用。
（2）在MATLAB环境中，进行图像的离散小波变换，观察图像的近似图像的各方向的细节图像，观察重建图像，理解小波变换在图像特征检测中的应用。
3．实验要求：（1）说明实验采用的正交变换原理（2）分析重建图像、误差图像、变换系数的关系。
（3）通过实验结果说明三种变换的优点以及各自适应的应用场合。
（4）分析图像的二维FIR滤波的结果和各种设计法的优缺点。
4. 实验程序：(1) 傅里叶变换：I=imread('C:\0.jpg');J=rgb2gray(I);subplot(2,2,1);imshow(J);F1=fft2(J);subplot(2,2,2);imshow(log(abs(F1)+1),[0 10]);F2=fftshift(F1);subplot(2,2,3);imshow(log(abs(F2)+1),[0 10]);实验结果：（2）DCT变换：I=imread('C:\0.jpg');J=rgb2gray(I);subplot(1,2,1),imshow(J);K=dct2(J);subplot(1,2,2),imshow(log(abs(K))+1,[0 10]); 实验结果：5. 实验总结：通过上机操作我知道了，正交变换和二维数字滤波广泛应用在图像增强、图像复原、特征提取、图像编码与压缩及形状分析方面。
二维DCT常用于二维信号处理，典型应用是对于静止图像和运动图像进行性能优良的有损数据严肃。
第五章图像编码与压缩1．实验目的：（1）了解图像的压缩编码原理。
（2）掌握常用的图像压缩算法。
2．实验内容：（1）利用变换编码压缩图像信息。
（2）计算压缩算法的性能。
3．实验要求：（1）说明压缩原理与算法。
（2）原始图像和压缩重构图像。
（3）计算压缩性能，说明为什么同一压缩算法对不同的图像压缩效果不同。
（4）心得和体会。
4.实验程序：F=imread('C:\0.jpg');figure(1);imshow(F);G=rgb2gray(F);dctG=dct2(G);figure(2);imshow(log(abs(dctG)),[]);T1=5;T2=50;dctG(abs(dctG)<T1)=0;idctF1=idct2(dctG);figure(3);imshow(idctF1,[0 255]);dctG(abs(dctG)<T2)=0;idctF2=idct2(dctG);figure(4);imshow(idctF2,[0 255]);[M N]=size(G);MSE1=sun(sum((idctF1-double(G)).^2))/(M*N)MSE1=sun(sum((idctF2-double(G)).^2))/(M*N)实验结果：5.实验总结：通过上机操作对DCT变化更加的了解了。
通过二维DCT变换后，对于低阈值压缩（T1=5），图像损失较小，但是对于较高的阈值压缩（50），图像稍显模糊。
实际应用中如果要求图像质量高的当然要用压缩率比较低的，保证不失真，对于质量要求不高的，可以采取压缩率较大的，在不影响图像判断上，降低图像的存储空间。
第六章图像增强1.实验目的：(1)熟悉并学会使用MATLAB中图像增强的相关函数和photoshop操作(2)掌握图像灰度修正平滑去噪锐化加强边缘和轮廓的方法，并编程实现2.实验内容：(1)熟悉并学会使用MATLAB中图像增强的相关函数和photoshop操作(2)掌握图像灰度修正平滑去噪锐化加强边缘和轮廓的方法，并编程实现3.实验要求：（1）选择利用MATLAB图像处理工具箱实现图像灰度修正图像平滑图像锐化的方法。
（2）列出上述图像处理的程序。
（3）记录灰度修正图像平滑图像锐化的图像，Photoshop图像增强的步骤和相应页面。
（4）心得和体会。
4.实验程序：(1) 图像的归一化直方图：I=imread('C:\0.jpg');J=rgb2gray(I);subplot(2,2,1);imshow(J);N=numel(J);Pr=imhist(J)/N;k=0:255;subplot(2,2,2);stem(k,Pr)实验结果：(2) 线性变换：I=imread('C:\0.jpg');J=rgb2gray(I);imshow(J);figure,imhist(J);M=imadjust(J,[0.3,0.7],[]);figure,imshow(M);figure,imhist(M);实验结果：(3) 直方图均衡化：I=imread('C:\0.jpg');J=rgb2gray(I);M=histeq(J);imshow(J);figure,imhist(J);figure,imshow(M);figure,imhist(M);实验结果：(4)对椒盐噪声的平滑处理：I=imread('C:\0.jpg');J=rgb2gray(I);imshow(J,[]);f=imnoise(J,'salt & pepper',0.04);figure,imshow(f);h0=1/9.*[1 1 1 1 1 1 1 1 1];h1=[0.1 0.1 0.1;0.1 0.2 0.1;0.1 0.1 0.1];h2=1/16.*[1 2 1;2 4 2;1 2 1];h3=1/8.*[1 1 1;1 0 1;1 1 1];g0=filter2(h0,f);g1=filter2(h1,f);g2=filter2(h2,f);g3=filter2(h3,f);figure,imshow(g0,[]);figure,imshow(g1,[]);figure,imshow(g2,[]);figure,imshow(g3,[]);实验结果：(5) 对椒盐噪声进行中值滤波：I=imread('C:\0.jpg');J=rgb2gray(I);imshow(J);M=imnoise(J,'salt & pepper',0.04);figure,imshow(M);K=medfilt2(M);figure,imshow(K);实验结果：(6) 图像的锐化处理：I=imread('C:\0.jpg');J=rgb2gray(I);imshow(J);BW=edge(J,'roberts',0.1);figure,imshow(BW);实验结果：（7）拉普拉斯算子对图像的均衡化处理：I=imread('C:\0.jpg');J=rgb2gray(I);imshow(J);H=[0 -1 0;-1 4 -1;0 -1 0];J=imfilter(J,H);figure,imshow(J);figure,imhist(J);K=imadjust(J,[0.0 0.2],[]);figure,imhist(K);figure,imshow(K);实验结果：5.实验总结通过此次上机我对图像增强更加的了解了，和它与图像复原的区别。
图像增强是指对图像的某些特征如边缘、轮廓、对比度进行强调，以便于显示、观察或进一步分析处理。
本次实验中涉及到线性变换的灰度变换，可以使图像动态范围增大，图像对比度扩展，通过第一个实验可以观察到图片的对比度提高了，没有想原图那样平淡。
实验二是对有噪声的图像进行平滑处理，已达到去除噪声的目的，通过空间域分析，不同的模板处理后的效果是不一样的。
实验三是通过拉普拉斯算子和罗伯茨算子来对图像进行锐化处理，增强图像边缘和轮廓。
这对于以后的学习会有很大的帮助，以后我会多多关注图像处理的技术，以及学习更多相关的知识。
第七章图像复原1.实验目的（1）了解图像复原的原理。
（2）掌握常用图像复原方法。
2.实验内容（1）利用维纳滤波对有噪声模糊图像进行复原（2）比较直接维纳滤波设置信噪比参数设置噪声和自相关函数这三种情况下的图像复原效果。
