数字图像处理作业
数字图像处理是一门研究如何对数字图像进行处理、分析、识别等的学科，而数字图像的处理就是利用计算机对图像进行数字化处理。这门学科对日常生活中各行各业有着广泛的应用，比如医学图像处理、遥感图像处理、安防监控、虚拟现实等。
数字图像处理是一个复杂的过程，需要多个步骤的协同完成。本篇文档就是一次关于数字图像处理的作业，下面将对数字图像处理的主要步骤和注意事项进行详细介绍。
图像数字化
图像数字化是指将样本图像点的亮度值和位置坐标转换为数字信号，从而对图像进行处理和传输。在数字图像处理中，数字图像通常表示为二维矩阵，其中矩阵中的每个元素对应图像中的每个像素。每个像素的值表示亮度或颜色信息。
前置处理
图像的前置处理是指对图像进行预处理，以清除噪声、增强对比度等操作。前置处理的主要流程包括滤波、分割、边缘检测、形态学处理等。
滤波
滤波是对图像进行平滑或锐化处理的过程。平滑滤波的作用是去除噪声，提高图像的质量；锐化滤波的作用是增强图像的轮廓特征。
分割
图像分割是指将图像划分为多个有意义的区域，以便于后续的处理。最常见的分割方法有基于阈值的方法、边缘检测方法和区域增长法等。
边缘检测
边缘检测是指在图像中找到亮度或颜色变化的位置，以便于提取图像的特征。常用的边缘检测算法有Sobel算子、Prewitt算子、Canny算子等。
形态学处理
形态学处理是一种基于图像形状的图像处理方法，其主要作用是对图像进行形态学操作，如腐蚀、膨胀、开运算、闭运算等。
特征提取
特征提取是指从处理过后的数字图像中提取有用的信息或特征。常用的特征提取方法有局部二值模式、霍夫变换、支持向量机(SVM)等。
局部二值模式
局部二值模式是一种基于像素点周围局部邻域像素值的特征提取方法，可以有效地提取图像的纹理特征和形状特征等。
霍夫变换
霍夫变换是一种基于数学原理的特征提取方法，主要应用于直线、圆弧等图形的识别和提取。其原理是将特征空间转化为参数空间，通过在参数空间中的投票来找到与特定模型最适配的特征。
支持向量机
支持向量机是一种基于机器学习原理的特征提取方法，可以在不确定模型的情况下从数据中学习出最优分类器，具有较高的准确性和鲁棒性等优点。
结语
本文对数字图像处理的主要步骤和注意事项进行了简单介绍，数字图像处理是一个复杂的过程，需要多个步骤的协同完成，但只有正确的处理步骤才能达到我们所期望的结果。通过学习数字图像处理的基础知识和相关算法，我们可以更有效地处理和利用数字图像，满足不同需求的应用场景。
1. Give a single intensity transformation function for spreading the intensities of an image so the lowest intensity is 0 and the highest is L-1. [为了扩展一幅图像的灰度，使其最低灰度为0、最高灰度为L-1，请给出一个单调的变换函数。] Answer: Let f denote the original image. First subtract the minimum value of f denoted f min from f to yield a function whose minimum value is 0: Next divide g1 by its maximum value to yield a function in the range [0,1] and multiply the result by L一1 to yield a function with values in the range [0, L 一1] Keep in mind that f min is a scalar and f is an image. [让f表示原始图像。首先从图像函数f中减掉f的最小值f min, 然后生成一个新的函数g1，它的最小值为0： 接下来让g1的最大值除g1得到另一新的函数，它的值域在[0,1]区间，然后再乘上L一1，得到值域为[0, L一1]的新函数。请注意f min是一个标量，而f是一个图像。 2.Explain why the discrete histogram equalization technique does not,in general,yield a flat histogram. [请解释为什么离散直方图均衡化技术一般不能得到平坦的直方图。] Answer: All that histogram equalization does is remap histogram components on the intensity scale. To obtain a uniform (flat) histogram would require in general that pixel intensities actually be redistributed so that there are L groups of n/L pixels with the same intensity, where L is the number of allowed discrete intensity levels and n=MN is the total number of pixels in the input
1、下图是一用于干涉原理进行测试的干涉场图像，要求判读条纹的间距，请给 出图像处理的方案并说明每一步的作用及其对其它处理步骤可能产生的影响。 解：步骤与思路： ○1.进行模糊处理，消除噪声 ○2.边缘检测，进行图像增强处理 ○3．二值化图像，再进行边缘检测，能够得到很清晰的边界。 ○4.采用横向标号法，根据值为1像素在标号中的相邻位置可以确定间距 I=imread('xz mjt.bmp'); I1=medfilt2(I); %对图像中值滤波 imshow(I1); [m,n]=size(I1); for i=1:m for j=1:n if(I1(i,j)<100) %阈值为100 I1(i,j)=255; else I1(i,j)=0; %进行二值化
end end end figure; imshow(I1); Y1=zeros(1,25); y2=y1; c=y2; i=100; for j=1:1200 if (I1(i,j)==255&&I1(i,j+1)==0) Y1=j+1; end if (I1(i,j)==0&&I1(i,j+1)==255) Y2=j; end end for i=1:25 c=Y2(i)-Y1(i) end c %找出每两个条纹之间的距离
2. 现有8个待编码的符号m0,……,m7,它们的概率分别为0.11,0.02,0.08,0.04,0.39,0.05,0.06,0.25,利用哈夫曼编码求出这一组符号的编码并画出哈夫曼树。 3. 请以图像分割方法为主题，结合具体处理实例，采用期刊论文格式，撰写一篇小论文。
《数字图像处理》大作业2011 本次作业的任务是进行图片分类实验，实验数据集由20个类别共2000张图片组成，其中1000张图片用于训练，另1000张图片用于测试（详情见附录A）。 图片分类程序的常见步骤 【建议】图片分类程序可以分为以下5个步骤： (1)为训练图片提取底层特征，用特征向量表示训练图片； (2)利用训练图片的特征向量和类别标注数据训练分类器； (3)为测试图片提取底层特征，用特征向量表示测试图片； (4)使用训练好的分类器对测试图片的特征向量进行预测分类； (5)对预测分类的结果进行评测。 底层特征 【要求】在本次大作业中，请大家查阅相关资料, 至少要用到以下特征： (1)边缘直方图(Edge Histogram) (2)灰度共生矩阵(Gray Level Co-occurrence Matrix) (3)SIFT (Scale-invariant feature transform) (4)除上述3种特征外, 请至少实现一种形状类特征(Hu不变矩, Hough变换等)和一种颜 色类特征，如CCV (Color Coherence Vector)等。 【建议】不限制必做特征的具体做法, 可以尝试多种途径来提升该特征的效果(如对图片分块等) 【建议】可以在对不同的底层特征进行融合的过程中，观察不同的底层特征之间的互补关系，并加以分析。 分类方法 【要求】在本次大作业中，至少要用到以下分类器： (1)Libsvm：SVM是一种被广泛采用的分类方法，Libsvm是一个应用非常普遍的开源的 SVM实现，当前的最新版本是2.88版本(下载地址); (2)除Libsvm外，自选另外至少一种分类方法。 【建议】可以根据数据本身的特点, 合理改进分类器(如改进SVM的核函数等) 【建议】可以在实验过程中，观察不同的分类方法的效果优劣，并加以分析。 【建议】可以对多个分类器的分类结果进行融合, 提高最终的分类效果。 统一的预测分类结果文件格式 为了便于进行图片分类结果的评测和比较，在实验的过程中请将图片分类结果输出为以下统一的格式： (1)每一行由3个数字组成，分别是图片(在整个图片集中)的序号、图片的真实(标 注)类别、图片分类程序的预测类别； (2)由于共有1000张图片，该文件共有1000行。
1 .题目：实现并给出第三章中的Unsharp Masking的滤波结果,其中平滑版本可以使用包括均值，加权均值等滤波器 2.源程序 close all; clear; clc; I=imread('D:\1.jpg'); %读入原图像 M=rgb2gray(I); %将原图像灰度化 %利用均值滤波器对图像进行平滑处理，噪声得到了有效的去除 %并且选择模版的尺寸越大，噪声的去除效果越好，同时图像边缘细节越模糊 %创建均值滤波器模版 H1=ones(3)/9; %3*3的模 H2=ones(7)/49; %7*7的模 J=imnoise(M,'gaussian',0,0.02); %添加高斯噪声，均值为0，方差为0.02 %转化J为double数据类型 J=double(J); %均值滤波 S1=conv2(J,H1,'same'); S2=conv2(J,H2,'same'); %图像显示 subplot(2,2,1);imshow(M);title('原始图像的灰度图'); subplot(2,2,2);imshow(J,[]);title('添加高斯噪声图像'); subplot(2,2,3);imshow(S1,[]);title('3*3均值滤波图像'); subplot(2,2,4);imshow(S2,[]);title('7*7均值滤波图像'); %反锐化掩膜滤波 W=[1 1 1;1 1 1;1 1 1]; W=1/9*W; C=3; %对3*3均值滤波图像后的图像进行反锐化掩膜滤波 [m,n]=size(S1); M1=zeros(size(S1)); G1=zeros(size(S1)); for x=1:m for y=1:n if (x==1|y==1|x==m|y==n) Blur_S1(x,y)=S1(x,y); else Blur_S1(x,y)=W(1,1)*S1(x-1,y-1)+W(1,2)*S1(x-1,y)+W(1,3)*S1(x-1,y+1)+... W(2,1)*S1(x,y-1)+W(2,2)*S1(x,y)+W(2,3)*S1(x,y+1)+... W(3,1)*S1(x+1,y-1)+W(3,2)*S1(x+1,y)+W(3,3)*S1(x+1,y+1); end M1(x,y)=C*(S1(x,y)-Blur_S1(x,y)); G1(x,y)=S1(x,y)+M1(x,y); end end %对7*7均值滤波后的图像进行反锐化掩膜滤波
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。
数字图像处理作业题 1. 以下是一个32级灰度图像（0表示黑色），其中包含了在灰色开始背景上的，带有一个白色标记的，直径是12英寸的黑色留声机唱片。下面给出了图像的直方图。试问象素间的间距是多大标记的尺寸是多大 [0 0 0 0 100 200 2000 6000 2000 200 100 0 0 200 3000 9000 3000 200 0 0 50 100 400 100 50 0 0 0 0 0 0 0] 解：像素数乘以像素间距的平方等于物体的面积（S ）。 表示唱片的像素总数： 100+200+2000+6000+2000+200+100+200+50+100+400+100 +50=11300 S=2 2 611300?=?πd d=(英寸) 表示白色标记的像素数为：50+100+400+100+50=700 S=2 2 700r d ?=?π r=(英寸) 2. 下面给出了在黑色背景上的白色台球的20级灰度图像的直方图0表示黑色），这个球是用每立方厘米克的材料制成的。象素间距是1mm 。试问球的重量是多少 [0 100 500 3000 9000 3000 500 200 100 200 300 500 627 500 300 200 100 0 0 0] 解：由直方图可知， 表示台球的像素数为：100+200+300+500+627+500+300+200+100=2827 S=2 2 2827r d ?=?π r=3cm 球的质量为： )(6.1695.13 43 g r M =?= π 原题：下面给出了在黑色背景上的白色台球的20级灰度图像的直方图0表示黑色），这个球是用每立方厘 米克的材料制成的。象素间距是1mm 。试问球的重量是多少 [0 200 500 3000 9000 3000 500 200 100 200 300 500 627 500 300 200 100 0 0 0] 3. 图像平滑的直观依据是什么不同的平滑方法是如何看待噪音并使用了何种改进以尽量降低其对边缘的模糊对于平滑的快速性和边缘保持，你有何见解 解：图像在生成和传输过程中常受到各种噪声源的干扰和影响而使图像处理效果变差，反映在图像上，噪声使原本均匀和连续变化的灰度突然变大或减小，形成一些虚假的物体边缘或轮廓。抑制和消除这类噪声而改善图像质量的过程称为图像平滑。 平滑方法大致可分为三种： (1）邻域平均法 这种方法假设图像是由许多灰度恒定的小块组成，相邻像素间有很高的空间相关性，而噪声是统计独立地叠加在图像上的，其均值为0。因此，可用像素邻域内的各像素灰度值的平均代表原来的灰度值，实现图像平滑。在这种方法中使用梯度倒数加权平均法既可使图像得到平滑，又不致使边缘和细节有明显模糊。 (2）滤波法 从频谱上看，噪声特别是随机噪声是一种较高频率分量的信号。平滑的目的就是通过一定的手段滤去这类信号。
1 大作业题目 1.问答题 1.1连续图像f(x.y)和数字图像I(r,c)中各分量的含义是什么？他们有什么联系和区别？取值范围在什么范围？ 答：f(x,y)表示二维图像在空间XY中一个坐标点的位置（实际图像的尺寸是有限的，所以x和y的取值也是有限的），即f(x，y)中的x，y分别代表一个点连续图像中的x轴和y轴的坐标，而f则代表图像在点（x,y）的某种性质F的数值（实际图像中各个位置上所具有的性质F的取值也是有限的，所以F得取值也是有限的）。F,x,y的值可以是任意实数。图像在点（x,y）也可以有多重性质，此时可用矢量f来表示。 数字图像I（r，c）表示位于图像矩阵上第r行，第c列的元素幅值。其中I,c,r的值都是整数。I(r，c)是通过对f(x，y)抽样和量化得来的，f(x，y)各量是连续的，I(r，c)各量是离散的，这里的I代表离散化后的f,(r，c)代表离散化后的（x,y），r，c分别有连续图像中的x，y分别采样得到的；x，y可以取所有的非负数，r，c可以取所有的非负整数。 1.2 发光强度及亮度、照度各有什么不同？ 答：1）发光强度，单位坎德拉，即cd。 定义：光源在给定方向的单位立体角中发射的光通量定义为光源在该方向的发光强度。 解释：发光强度是针对点光源而言的，或者发光体的大小与照射距离相比比较小的场合。这个量是表明发光体在空间发射的会聚能力的。可以说，发光强度就是描述了光源到底有多“亮”，因为它是光功率与会聚能力的一个共同的描述。发光强度越大，光源看起来就越亮，同时在相同条件下被该光源照射后的物体也就越亮，因此，早些时候描述手电都用这个参数。 常见光源发光强度：太阳，2.8E27cd，高亮手电，10000cd，5mm超高亮LED，15cd。 2）亮度，单位尼特，即nt。 定义：单位光源面积在法线方向上，单位立体角内所发出的光流。 解释：这个是最容易被误解的概念了。亮度是针对光源而言，而且不是对点光源，是对面光源而言的。无论是主动发光的还是被动（反射）发光的。亮度是一块比较小的面积看起来到底有多“亮”的意思。这个多“亮”，与取多少面积无关，但为了均匀，我们把面积取得比较小，因此才会出现“这一点的亮度”这样的说法。亮度不仅取决于光源的光通量，更取决于等价发光面积和发射的会聚程度。比如激光指示器，尽管其功率很小，但可会聚程度非常高，因此亮度非常高。 常见发光体的亮度：红色激光指示器，20,000,000,000nt，太阳表面，2,000,000,000nt，白炽灯灯丝，10,000,000nt，阳光下的白纸，30,000nt，人眼能习惯的亮度，3,000nt，满月表面，2,500nt。 3）光照度，单位勒克斯，即lx。 定义：流明的光通量均匀分布在1平方米表面上所产生的光照度。 解释：光照度是对被照地点而言的，但又与被照射物体无关。一个流明的光，均匀射到1平方米的物体上，照度就是1 lx。照度的测量，用照度表，或者叫勒克斯表、lux表。 常见照度：阳光直射（正午）下，110,000 lx，阴天室外，1000 lx，商场内，500 lx，阴天有窗室内，100 lx，普通房间灯光下，100 lx，满月照射下，0.2 lx。 1.3试讨论连续卷积和离散卷积的不同。 答：1．连续时间信号卷积 )( )( )( 2 1 t f t f t f* = ； 2．离散时间信号卷积 ) ( ) ( ) ( 2 1 n f n f n f* = 连续时间信号卷积 function [f,k]=sconv(f1,f2,k1,k2,p) f1=0.5*(0:0.01:2);f2=0.5*(0:0.01:2); k1=0:0.01:2;k2=0:0.01:2;p=0.01; f=conv(f1,f2); f=f*p; k0=k1(1)+k2(1); k3=length(f1)+length(f2)-2; k=k0:p:k0+k3*p; subplot(3,3,1) plot(k1,f1) title('f1(t)') xlabel('t') ylabel('f1(t)') subplot(3,3,4) plot(k2,f2) title('f2(t)') xlabel('t') ylabel('f2(t)') subplot(3,3,7) plot(k,f); h=get(gca,'position');
第二章数字图像处理的基本概念 2. 图像数字化包括那两个过程？它们对数字化图像质量有何影响？ 答:图像数字化包括采样和量化两个过程。采样：将空间上连续的图像变换成离散点的操作称为采样。量化：将像素灰度转换成离散的整数值得过程叫量化。 影响：一般来说，采样间隔越大,所得图像像素越少,空间分辨率低，质量差，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。量化等级越多，所得图像层次越丰富，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. 3。数字化图像的数据量与哪些因素有关？ 答：数字化前需要决定影像大小（行数M、列数N)和灰度级数G的取值.一般数字图像灰度级数G为2的整数幂。那么一幅大小为M*N,灰度级数为G的图像所需的存储空间M＊N＊g（bit），称为图像的数据量. 6。什么是灰度直方图?它有哪些应用？从灰度直方图你能获得图像的哪些信息?答：灰度直方图反映的是一幅图像中各灰度级像素出项的频率之间的关系.以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图.应用：通过变换图像的灰度直方图可以，使图像更清晰，达到图像增强的目的。获得的信息：灰度范围,灰度级的分布,整幅图像的平均亮度。但不能反映图像像素的位置。 8。图像处理按功能分有哪几种形式？ 答：按图像处理的输出形式，图像处理的基本功能可分为三种形式：(1）单幅图像-—>单幅图像;(2）多幅图像—-〉单幅图像；（3)单（或多）幅图像——>数字或符号等. 12。图像特性包括哪些类型？
1. 图像处理与计算机图形学的区别与联系是什么？ 答：数字图像处理，是指有计算机及其它有关的数字技术，对图像施加某种运算和处理，从而达到某种预期的目的，而计算机图形学是研究采用计算机生成，处理和显示图形的一门科学。 两者区别： （1）研究对象不同，计算机图形学研究的研究对象是能在人的视觉系统中产生视觉印象的事物，包括自然景物，拍摄的图片，用数学方法描述的图形等，而数字图像处理研究对象是图像； （2）研究内容不同，计算机图像学研究内容为图像生成，透视，消阴等，而数字图像处理研究内容为图像处理，图像分割，图像透析等； （3）研究过程不同，计算机图像学是由数学公式生成仿真图形或图像，而数字图像处理是由原始图像处理出分析结果，计算机图形与图像处理是逆过程。 两者的联系：图像处理需图形学的交互手段，图形学需要图像处理合成图像，两者有重叠。 2. 图像数字化过程中的失真有那些原因？就在减少图像失真和减少 图像的数据量两者之间如何取得平衡，谈谈个人的看法。 答：图像数字化过程中失真的原因主要来自三个方面： 一．采样频率太低，即未满足采样定理而造成的失真； 二．外部和内部噪声的影响，例如外部的电磁波、机械运动等； 三．用有限个灰度值表示自然界无限连续的灰度值必然造成失真，为了减小失真必然增加采样点，即增加图像数据量。 在减少图像失真和减少图像的数据量两者之间取得平衡，要根据图像需求保留有用信息，如军事图像只需保留反应地形地貌及目标的信息，普通照片只需满足视觉要求即可。 3. 一幅模拟彩色图像经平板扫描仪扫描后获得一幅彩色数字图像， 其分辨率为1024×768像素。若采用RGB彩色空间，红、绿、蓝三基色的灰度等级为8比特，在无压缩的情况下，在计算机中存储该图像将占用多少比特的存储空间？当用Photoshop图像处理软件去掉图像的彩色信息，只留下灰度信息，灰度等级为4比特，
1图像变换 1.1实验背景 在数字图像应用领域，图像需要进行分析、变换、压缩或者增强来提高图像的可处理性和视觉效果。其中，图像变换是将图像从空间域变换到频率域，变换的目的是根据图像在变换域的某些性质对其进行处理，而这些性质在空间域难以获取，通常在频率域才能获取，在变换域处理完后再反变换到空间域，恢复图像。图像变换可以减少图像的计算量，提高处理性能。 图像变换常用的有三种变换方法：傅里叶变换，沃尔什-哈达码变换，离散余弦变换。此外，还有近年来兴起的小波变换。其中应用最广泛最重要的是傅里叶变换。它的变换核是复指数函数，转换域图像是原空间域图像的二维频谱，其直流项与原图像亮度的平均值成比例，高频项表征图像中边缘变化的强度和方向，快速傅里叶变换[3]是为了提高原傅里叶变换的运算速度孕育而生的。本文重点分析傅里叶变换的原理以及它在数字图像中的应用效果。 1.2实验目的 熟悉并掌握图像变换中的傅里叶变换原理，完成傅里叶变换的简单实例。 1.3实验原理 1807年，傅里叶首先提出傅里叶级数的概念，即任一周期信号可以分解为复正弦信号的叠加。在此基础上傅里叶在1822年提出傅里叶变换，它是数字图像中应用最重要最广泛的正交变换。函数)(x f 的一维连续傅里叶变换和反变换由下式定义： dx e x f u F ux j ? ∞ ∞ --= π2)()( （1） du e u F x f ux j ? ∞ ∞ -= π2)()( （2） 傅里叶变换的实部，虚部，振幅，能量和相位分别用下式表示： 实部 ? ∞ ∞-= dx ux x f u R )2cos()()(π （3） 虚部 ? ∞ ∞ -=dx ux x f u I )2sin()()(π （4） 振幅 []21 2 2 )()()(u I u R u F += （5） 能量 2 )()(u F u E = （6） 相位 ) ()(arctan )(u R u I u =φ （7） 傅里叶变换很容易扩展到二维情况，它的定义式如（8）所示： ?? ∞∞ -∞ ∞ -+-= dxdy e y x f v u F vy ux j ) (2),(),(π （8） 同理得其傅里叶反变换、频率谱、相位谱和能量谱也可以从一维扩展到二维。 离散傅里叶变换（DFT ）是傅里叶变换在时间域和频率域上都呈离散的形式，将信号的时间域采样变换为其DFT 的频率域采样，在形式上，变换两端的序列是有限长的，都应当被认为是离散周期信号的主
《数字图像处理》课 后作业25
3.5 在位平面分层中, （a）如果将低阶位平面的一半设为零值，对一幅图像的直方图大体上有何影响？ （b）如果将高阶位平面的一半设为零值，对一幅图像的直方图又有何影响？ 3.6 试解释为什么离散直方图均衡化技术一般不能得到平坦的输出直方图。 3.14 右图所示的两幅图像差异很大，但它们的直方图却相同。假设每 幅图像都用一个3×3的均值滤波模板进行模糊处理，那么： (a)模糊后的两幅图像的直方图还相同吗？试解释原因。 (b)如果您认为模糊后的两幅图像的直方图不相同，请画出这两幅图像的直方图。 3.19 (a)给出计算n×n邻域中值的过程。 (b)当邻域中心逐像素地移动时，试提出一种更新邻域中值的技巧。 3.21 下面所示的三幅图像是对教材中附图3.33中(a)图像分别采用大小为n=23,25和45的正方形均值模板处理后的模糊图像。图像(a)和图像(c)中左下部的竖条被模糊了，但竖条之间的分隔仍很清楚。然而，尽管产生图像(b)所用的模板要比处理图像(c)所用的模板尺寸小的多，但图像(b)中的竖条却融合在一起。试解释这一现象的原因。（提示：要注意竖条的宽度、竖条之间的间隔与模板尺寸的关系。） (a) (b) (c) 3.23
在给定的应用中，先用一个均值模板对输入图像降噪，然后再用一个拉普拉斯模板来增强图像中的细节。如果交换一下上述两个步骤的执行顺序，结果是否相同？ 3.24 证明式（3.6-3）所示的拉普拉斯算子具有各向同性（旋转不变形）。 2 2222f f f x y ∂∂∇=+∂∂ 式（3.6-3） 提示：证明时要用到下列坐标轴旋转变换公式： cos sin sin cos x x y y x y θθ θθ''=-''=+ ，其中，（x ,y ）为未旋转的坐标，而（x ’,y ’）为旋转后的坐 标。 3.25 您在教材图3.38中看到的中心系数为-8的拉普拉斯模板所得到的锐化结果，要比中心系数为-4的拉普拉斯模板所得到的锐化结果更清晰些。详细说明其原因。 第4章 4.16 证明连续和离散傅里叶变换的平移性质和旋转不变性质。 4.23 由教材中表4.2可知DFT 的直流项F (0,0)与其对应的空间图像的平均值成正比。假定图像尺寸是M ×N 。假如对图像补零填充后尺寸扩大为P ×Q ，（其中P ≥2M -1，Q ≥2N -1）。令F p (0,0)代表填充后的图像函数的DFT 的直流项。问： (a) 原图像平均值和填充后图像平均值的比值是多少？
20XX年上学期《数字图像处理》复习大作业及参考答案 ===================================================== 一、选择题（共20题） 1、采用幂次变换进行灰度变换时，当幂次取大于1时，该变换是针对如下哪一类图像进行增 强。（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、RGB B、CMY或CMYK C、HSI D、HSV 4、采用模板［-1 1］T主要检测（ A ）方向的边缘。 A.水平 B.45︒ C.垂直 D.135︒ 5、下列算法中属于图象锐化处理的是：( C ) A.低通滤波 B.加权平均法 C.高通滤波 D. 中值滤波 6、维纳滤波器通常用于（ 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， C 处理可以采用RGB彩色模型。 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、__B__滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。 A. 逆滤波 B. 维纳滤波 C. 约束最小二乘滤波 D. 同态滤波 9、高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加上一常数量以 便引入一些低频分量。这样的滤波器叫B。 A. 巴特沃斯高通滤波器 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、图象与灰度直方图间的对应关系是 B __ A.一一对应 B.多对一 C.一对多 D.都不 11、下列算法中属于图象锐化处理的是：C A.低通滤波 B.加权平均法 C.高通滤 D. 中值滤波 12、一幅256*256的图像，若灰度级数为16，则存储它所需的比特数是：( A ) A、256K B、512K C、1M C、2M 13、噪声有以下某一种特性（ D ） A、只含有高频分量 B、其频率总覆盖整个频谱 C、等宽的频率间隔内有相同的能量 D、总有一定的随机性 14. 利用直方图取单阈值方法进行图像分割时：（B） a.图像中应仅有一个目标 b.图像直方图应有两个峰 c.图像中目标和背景应一样大 d. 图像中目标灰度应比背景大 15. 在单变量变换增强中，最容易让人感到图像内容发生变化的是（ C ）
《数字图像处理》课后作业（2015） 第2章 2.5 一个14mm⨯14mm的CCD摄像机成像芯片有2048⨯2048个像素，将它聚焦到相距0.5m远的一个方形平坦区域。该摄像机每毫米能分辨多少线对？摄像机配备了一个35mm镜头。（提示：成像处理模型见教材图2.3，但使用摄像机镜头的焦距替代眼睛的焦距。） 2.10 高清电视（HDTV, High Definition TV ）使用1080条水平电视线（TV Line）隔行扫描来产生图像（每隔一行在显像管表面画出一条水平线，每两场形成一帧，每场用时1/60秒,此种扫描方式称为1080i，即1080 interlace scan；对应的有1080p，即1080 progressive scan,逐行扫描）。图像的宽高比是16:9。水平电视线数（水平行数）决定了图像的垂直分辨率，即一幅图像从上到下由多少条水平线组成；相应的水平分辨率则定义为一幅图像从左到右由多少条垂直线组成，水平分辨率通常正比于图像的宽高比。一家公司已经设计了一种图像获取系统，该系统由HDTV图像生成数字图像，彩色图像的每个像素都有24比特的灰度分辨率（红、绿、蓝分量各8比特）。请计算不压缩时存储90分钟的一部HDTV电影所需要的存储容量。 2.22 图像相减常用于在产品装配线上检测缺失的元件。方法是事先存储一幅对应于正确装配的产品图像，称为“金”图像（“golden” image），即模板图像。然后，在同类型产品的装配过程中，采集每一装配后的产品图像，从中减去上述模板图像。理想情况下，如果产品装配正确，则两幅图像的差值应为零。而对于缺失元件的产品，其图像与模板图像在缺失元件区域不同，两幅图像的差值在这些区域就不为零。在实际应用中，您认为需要满足哪些条件这种方法才可行？ 第3章 3.5 在位平面分层中, （a）如果将低阶位平面的一半设为零值，对一幅图像的直方图大体上有何影响？ （b）如果将高阶位平面的一半设为零值，对一幅图像的直方图又有何影响？ 3.6 试解释为什么离散直方图均衡化技术一般不能得到平坦的输出直方图。 3.14 右图所示的两幅图像差异很大，但它们的直方图却相同。假设每幅图像都用一个3×3的均值滤波模板进行模糊处理，那么： (a)模糊后的两幅图像的直方图还相同吗？试解释原因。 (b)如果您认为模糊后的两幅图像的直方图不相同，请画出这两幅 图像的直方图。
计算机图像处理题目：图像分割的原理及方法 学院：材料科学与工程学院 班级：金属材料3班 学号：11080822 姓名：王兴旺
数字图像处理技术是一个跨学科的领域。随着计算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起各方面人士的广泛关注。首先，视觉是人类最重要的感知手段，图像又是视觉的基础，因此，数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。其次，图像处理在军事、遥感、气象等大型应用中有不断增长的需求。 图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。近年来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。 基于阈值的分割方法 灰度阈值分割[1]法是一种最常用的并行区域技术，它是图像分割中应用数量最多的一类。阈值分割方法实际上是输入图像f到输出图像g的如下变换： 其中，T为阈值，对于物体的图像元素g(i,j)=l，对于背景的图像元素 g(i,j)=0。 由此可见，阈值分割算法的关键是确定阈值，如果能确定一个合适的阈值就可准确地将图像分割开来。阈值确定后，将阈值与像素点的灰度值比较和像素分割可对各像素并行地进行，分割的结果直接给出图像区域。 阈值分割的优点是计算简单、运算效率较高、速度快。在重视运算效率的应用场合(如用于硬件实现)，它得到了广泛应用。 人们发展了各种各样的阈值处理技术，包括全局阈值、自适应阈值、最佳阈值等等。 全局阈值是指整幅图像使用同一个阈值做分割处理，适用于背景和前景有明显对比的图像。它是根据整幅图像确定的：T=T(f)。但是这种方法只考虑像素本身的灰度值，一般不考虑空间特征，因而对噪声很敏感。常用的全局阈值选取方法有利用图像灰度直方图的峰谷法、最小误差法、最大类间方差法、最大熵自动阈值法以及其它一些方法。
用C语言或者VC，VB，Matlab或其他语言完 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 要求显示出原BMP图像和新BMP图像。 总结：读入一幅图像，首先如果是rgb图像，要转化为灰度图像。灰度图像有256个灰度等级。改变对应的数值，可以改变局部区域的灰度值。以下程序中实现了将一矩形区域全部变为白色。 Matlab源程序： clear all; f=imread('image1.bmp'); f1=rgb2gray(f); %转换为灰度图 figure(1); imshow(f1); imwrite(f1,'image1_gray.bmp'); f1(100:150,100:120)=256; %局部改变灰度值 figure(2); imshow(f1); imwrite(f1,'image1_gray_1.bmp'); size(f1) whos f1 原始灰度图像：局部改变灰度值的图像：
1．编程实现图像傅立叶高通、低通滤波。 2．尝试傅立叶压缩。 1．低通滤波MATLAB 源程序： clear all ; I=imread('image1_gray.bmp'); figure(1); imshow(I); I=double(I); f=fft2(I); g=fftshift(f); [M,N]=size(g); n1=floor(M/2); n2=floor(N/2); d0=30; for i=1:M for j=1:N d=sqrt((i-n1)^2+(j-n2)^2); if d<=d0 h1=1; else h1=0; end g1(i,j)=(h1+0)*g(i,j); end end g2=ifftshift(g1); g3=uint8(real(ifft2(g2))); figure(2);imshow(g3); title('低通滤波结果') 经低通滤波以后的图像： 低通滤波结果 2.高通滤波源程序： clear all ; I=imread('image1_gray.bmp'); figure(1); imshow(I); I=double(I); f=fft2(I); g=fftshift(f); [M,N]=size(g); n1=floor(M/2); n2=floor(N/2); d0=5; for i=1:M for j=1:N d=sqrt((i-n1)^2+(j-n2)^2); if d>=d0 h1=1; else h1=0;
《数字图像处理》期末大作业 大作业题目及要求： 一、题目： 本门课程的考核以作品形式进行。作品必须用Matlab完成。并提交相关文档。 二、作品要求： 1、用Matlab设计实现图形化界面，调用后台函数完成设计，函数可以调用Matlab工具箱中的函数，也可以自己编写函数。设计完成后，点击GUI 图形界面上的菜单或者按钮，进行必要的交互式操作后，最终能显示运行结果。 2、要求实现以下功能：每个功能的演示窗口标题必须体现完成该功能的小组成员的学号（后三位）。 1）对于打开的图像可以显示其灰度直方图，实现直方图均衡化和直方图匹配（规定化）。 2）实现灰度图像的对比度增强，要求实现线性变换和非线性变换（包括对数变换和指数变换）。 3）实现图像的缩放变换、旋转变换等。 4）图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理。 5）采用robert算子，prewitt算子，sobel算子，拉普拉斯算子对图
像进行边缘提取。 6）读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标。 3、认真完成期末大作业报告的撰写，对各个算法的原理和实验结果务必进行仔细分析讨论。报告采用A4纸打印并装订成册。
附录：报告模板 《数字图像处理》 期末大作业 班级： 小组编号： 组长： 小组成员： 浙江万里学院计算机与信息学院 2013年12月
目录（自动生成）
1 绘制灰度直方图，实现直方图均衡化和直方图匹配（规定化）1.1 算法原理 1.2 算法设计 1.3 实验结果及对比分析 图1 ××××××图2 ×××××× 分析*********************************************** 2 灰度图像的对比度增强 2.1 算法原理 2.2 算法设计 2.3 实验结果及分析 3 图形的几何变换 3.1 算法原理 3.2 算法设计 3.3 实验结果及分析
数字图像办理期末大作业 一、问题描绘 实现第十章中采纳Hough变换来检测图像中圆的过程。，经过包含光滑（把细节去除），边沿检测（获得轮廓）以及Hough变换获得的圆，并把结果叠加到本来的灰度图像上。给出详细的过程，中间结果，最后结果，实现的代码，并写出报告。 二、图片的获得以及预办理 针对老师供给的一副硬币图片，要求检测出此中的hough圆，并叠加到原图像上以便加强图像。在检测hough圆从前，第一要对图像进行光滑办理，进行拉普拉斯变换，而后检测垂直方向，水平方向，+45度和-45度方向的边沿，将四个方向的边沿叠加起来，获得总的边沿，对该图像进行二值化，而后对获得的图像检测其hough圆，获得圆形边沿，将该图像叠加到原图像上，就实现了图像边沿加强的目的。 三、图像办理算法的基来源理以及办理结果 本实验流程图以下： 开始 读取图像 图像预办理 边沿检测 二值化 Hough变换 Hough变换结果与原图像相加 结束
1. 读取图像 图像办理的第一步就是对所收集的图像进行读入，本次实验的输入图像是一 幅灰度图像，不需要将图像变换成为灰度图像，直接利用函数imread （）达成。 原图像以下所示： 原图像 2. 图像预办理 在图像预办理中，我们达成了两步工作，第一使用方差为 1的高斯噪声对图 1 r 2 像进行光滑，而后进行拉普拉斯变换，即 2 [( )* (, y )]， h(r) 2e 2 2 为 hr fx 2π 方差为 2 的高斯噪声，本实验中 2 1。又 2 [h(r)*f(x,y)] [ 2 h(r)]* f(x,y)， r 2 2 2 r 2 此中 2 ]e 2 2 ，将 2 h(r)和f(x,y) 分别进行傅里叶别换，将其逐 h(r)[ 4 点相乘，再进行傅里叶反变换，就获得了预办理后的图像。 3.边沿检测 对水平，垂直，+45度，-45度方向进行边沿检测，本实验中我们采纳了 Prewitt 梯度算子，它用于检测水平方向，垂直方向，+45度方向和-45度方向 的掩膜分别以下： 水平掩膜 垂直掩膜 +45 度掩膜 -45 度掩膜