《数字图像处理》课程设计

《数字图像处理》课程设计第二阶段设计文档

（2007级计算机本科生）

目录

一、课程设计目的 (2)

二、课程设计要求 (2)

三、课程设计的内容 (2)

四、课题分析 (3)

五、总体设计 (3)

六、具体设计 (4)

6.1、文件 (4)

6.1.1、打开 (4)

6.1.2、保存 (4)

6.1.3、打印 (4)

6.1.4、退出 (4)

6.2、直方图统计 (4)

6.2.1、R直方图 (4)

6.2.2、G直方图 (4)

6.2.3、B直方图 (4)

6.3、图像增强处里 (5)

6.3.1、直方图均衡化 (5)

6.3.2、对比度展宽 (6)

6.3.3、动态范围调整 (6)

6.3.4、空间域平滑算法 (6)

6.3.4.1、均值滤波 (7)

6.3.4.2、中值滤波 (7)

6.3.4.3、边界保持滤波 (8)

6.4、图像分割 (8)

6.4.1、均匀性度量法 (8)

6.4.2、类间最大距离法 (9)

6.4.3、局部阈值法 (9)

6.5、颜色空间转化 (9)

6..5.1、RGB转HSV (10)

6.5.2、RGB转HIS (10)

6.6、其他图像处理功能 (10)

6.6.1、锐化 (10)

6.6.2、傅里叶 (10)

七、程序调试及结果分析 (11)

八、心得体会 (11)

九、参考文献 (11)

十、附录 (12)

基于MATLAB的图像处理的课程设计

摘要：

数字图像处理技术是20世纪60年代发展起来的一门新兴学科，随着图像处理理论和方法的进一步完善，使得数字图像处理技术在各个领域得到了广泛应用，并显示出广阔的应用前景。此次课程是图像处理的课程设计，因此采用matlab 来完成此次设计师再好不过。而且MATLAB既是一种直观、高效的计算机语言,同时又是一个科学计算平台。它为数据分析和数据可视化、算法和应用程序开发提供了最核心的数学和高级图形工具。根据它提供的500多个数学和工程函数，工程技术人员和科学工作者可以在它的集成环境中交互或编程以完成各自的计算。所以MATLAB在图像处理的应用中具有很大的优势。

关键词：MATLAB，数字图像处理

一、课程设计目的

1、提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。

2、熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。

二、课程设计要求

1、要求独立完成设计项目，开发工具为MATLAB，也可为C、C++、java等，

具体自选。各组长有责任督促组员完成任务并提交报告；

2、时间为4月28日~6月28日为其两个月的业余时间。

三、课程设计的内容

学习MATLAB GUI程序设计，利用MATLAB图像处理工具箱，设计和实现自己的Photoshop 。要求：按照软件工程方法，根据需求进行程序的功能分析和界面设计，给出设计详细说明。然后按照自己拟定的功能要求进行程序设计和调试。

整个系统要完成的基本功能大致如下：

1、能对图像文件（bmp、 jpg、 tiff、 gif等）进行打开、保存、另存、

打印、退出等功能操作；

2、数字图像的统计信息功能：直方图的统计及绘制；

3、数字图像的增强处理功能：

（1）直方图的均衡化

（2）对比度展宽

（3）动态范围调整

（4）空间域平滑算法的各种算法（如均值滤波、中值滤波、边界保持的滤波方法等）

4、数字图像由RGB转换成HIS空间并分别显示其分量图。

5、数字图像分割功能：

可采用两种以上方法进行图像分割。

四、课题分析

我们借助计算机，对数字图像进行处理，以达到不同的效果。根据题目的要求，除了

实现要求的功能外，还有很多的功能需要用到。除了采用java，c，c++等语言外，我选用的

是MA TLAB来实现图像处理的功能。

在采用MA TLAB之前，首先考虑人机交互的界面，从而要求学习掌握matlab的GUI

编程来实现界面。再者，在图像处理过程中应用到很多MA TLAb编程的函数以及常见的程

序，这些都是需要在分析设计时考虑要求学的

五、总体设计

由于要实现的功能并不是很多，所以在排版的过程中，把各个功能都安排在目录栏上，整体安排如下图所示：

六、具体设计

6.1、文件

6.1.1、打开

为了让使用者更方便的使用，所以在设计的时候，通过对话框的形式来选择文件，选择uigetfile函数来实现，uigetfile函数显示一个打开文件对话框，该对话框自动列出当前路径下的目录和文件，由于这个GUI程序的操作对象是图像文件。

Uigetfile函数的调用格式为[name,path]=yigetfile(…), 在按下对话框中的执行按钮“打开”后，返回选择的文件名和路径，分别保存到“name”和“path”中。如果按下取消按钮或是发生错误，则返回值是0。根据返回值的情况，如果是0，则弹出提示错误的对话框，否则，通过imread函数读出图像数据，把图像数据赋值给全局变量handles.image。

6.1.2、保存

同样也通过对话框的形式来保存图像数据，通过uigetfile函数选择文件名和路径，用getimage（gca）取出坐标2变换后的图像数据保存到变量i，最后用imwrite 函数，把数据i存到指定的文件。

6.1.4、退出

退出比较简单，程序如下所示：

clc;

close all;

close(gcf);

6.1.3、打印

打印功能没能实现，将它设置为不可使用，可用如下代码实现

set(handles.print, 'Enable','off' ); %放在open_callback函数末尾

set(handles.print, 'Enable','off' );%放在two_OpeningFcn中

6.2、直方图统计

6.2.1、R直方图

由于RGB图像是三维图像，所以图像数据是一个三维数组，为了显示R

直方图像，把三维图像降为二维，且是当最后一个参数为1时是R直方

图：

x=imhist(handles.image(:,:,1)); %当然也可以选择(:,:,2) 或(:,:,3)????

imshow(y);

处理前后图片效果如下：

6.2.2、G直方图

G直方图与R直方图的程序差不多只需将数值为1的R直方图变成2即

可成为G直方图

x=imhist(handles.image(:,:,2));

6.2.3、B直方图

同理可得B直方图

x=imhist(handles.image(:,:,3));

RGB三种直方图统计图如下：

原图R直方图

G直方图B直方图

6.3、图像增强处理

6.3.1、直方图均衡化

在balance_Callback回退函数中实现直方图均衡化

每个回退函数中都要获取图片，上面的RGB直方图也一样需获取打开的图片。打开图片的为以下程序代码：

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

直方图均衡化是判断是否为灰度图。用函数isrgb了来判断，不是灰度则将其转化，否则就直接用函数：

histeq（handles.image）%handles.image是获取的图片

来直方图均衡化处理图片

图片前后效果如下：

6.3.2、对比度展宽

对图像的对比度展宽刻可自己编写算法来处理，同样的，，处理结果如图：

6.3.3、动态范围调整

共图像处理功能未能实现，程序中已给出处理其图像的代码，但有错误，不能找出其错位，将其正确的处理，

原因是：nw=1./(b-a).*(h-a.*ones(sx,sy));

Error：Matrix dimensions must agree

也查过资料修改该语句，有的资料说是乘除和幂方要改成点乘点除，点幂方，这个是合理，但是改正后仍然有错，是在无能为力，

代码在后面将给出，可供参考。

6.3.4、空间域平滑算法

6.3.4.1、均值滤波

经常用到的噪声有两种，高斯噪声，椒盐噪声，可以通过以下两个函数来实现：

y=imnoise(handles.img,'gaussian',p1,p2);%高斯噪声

y=imnoise(x,'salt & pepper',p1); %椒盐噪声

均值滤波中可对高斯滤波，也可以对椒盐滤波，设计过程中采用其一种图片进行处理。但两种处理的效果就不同，对高斯噪声处理的

效果更加明显

均值滤波是一种采取平均灰度值的方法进行滤波，用imnoise获得噪声的图片。这个函数可获得高斯噪声，亦可获得椒盐噪声。在采用函数conv2进行均值处理，处理前后的图片比较如下：

6.3.4.2、中值滤波

中值滤波同均值滤波的程序差不多，只是进行滤波的原理不同，则采用不同的函数进行代替，用以下函数可进行中值滤波处理：

I = imnoise(handles.image,'salt & pepper', 0.02); imshow(I);

j=medfilt2(I);

前后图片效果如下：

6.3.4.3、边界保持滤波

原理不同，采用knn函数是处理边界保持滤波的，程序代码的形式跟前两种滤波差不多：

I = imnoise(handles.image,'salt & pepper', 0.02);

imshow(I);

j=knn2(I);

前后图片效果如下：

6.4、图像分割：

图象分割是按照某些特性(如灰度级,频谱,颜色，纹理等)将图象划分成一些区域，在这些区域内其特性是相同的或者说是均匀的，两个相邻区域彼此特性则是不同的，其间存在着边缘或边界

6.4.1、均匀性度量法

当图像被分为目标物和背景两个类时，属于同一类别的像素值分布方差最小，也即具有均匀性。

给定一初始阈值Th=Th0，将图像分为C1和C2两类

分别计算两类中的方差

分别计算两类在图像中的分布概率

选择最佳阈值Th=Th*, 将图像分为C1和C2两类，满足

均匀性度量方法的处理结果：

2

2

2

1

σ

σ

和

6.4.2、类间最大距离法.

采用最佳阈值分割后，两类之间的差异最大，且差异采用两类中心与阈值间的距离差度量

给定一初始阈值Th=Th0，将图像分为C1和C2两类 分别计算两类的灰度均值 计算相对距离度量值 s

选择最佳阈值 Th=Th*, 将图像分为C1和C2两类

图片效果:

6.4.3、局部阈值法

不均匀照射,物体背景对比明显, 不能只使用一门限 灰度级校正。

图象分成小块,选择局部门限

局部阈值法的处理前后结果：

6.5、 颜色空间转化

6..5.1、RGB 转HSV

2

1μμ和}max{

|*S S Th Th =

=

色彩空间相互转化：

其中有很多种色彩空间，这里只介绍两种转换关系：

RGB转HSV，图像处理中有专门的函数将其进行转化，即rgb2hvs函数转化图像前后对比如下：

6.5.2、RGB转HIS

首先获取图像的RGB 3个通道

R=w(:,:,1);

G=w(:,:,2);

B=w(:,:,3);

观察HSI通道图像

因系统没有rgb2hsi函数,只有rgb2hsv函数,可自己编写程序实现算法

，用一个循环处理，分别得到HIS的色度，饱和度以及强度图，代码在后面实现图形处理效果如下：

6.6、其他图像处理功能

6.6.1、锐化

6.6.2、傅里叶

这两个是附加的图像处理功能，在次不做过多的说明，可向大家看看处

理图像结果进行对比一下，看看效果，可在后面附上代码

锐化. 四种傅里叶变

七、心得体会

1、在这次课程设计过程中，感触很深，由于对MATLAB图像处理的函数不熟悉，导致自己走了很多的弯路，而且对与matlab 图像界面编程也有了一定的了解，在在的同时也学习一些图像的知识，而且查阅了大量的资料，但是还是一些功能未能很好的处理好，

其中在图像保存时候，由于不太了解保存函数的用法，也花了不少的时间在上面。还有许多的图像处理知识可以去学，还有就是在查阅资料的同时，了解到图像处理有很多的作用，很值得一学，他与人脸形成，识别，起很大作用，立体图形，三维图形的发展，尤其还了解到图像处理与BP神经网络之间彼此影响。。。

参考文献

【1】郑阿奇，曹戈，赵阳.MATLAB实用教程[M].北京：电子工业出版社

【2】精通matlab6[1].5_(北航_张志涌).pdf

【3】MATLAB 编程（第二版）

MATLAB Programming for Engineers Second Edition）

Stephen J. Chapman 著邢树军郑碧波译

【4】相关的MATLAB图像处理函数

八、附录

function varargout = two(varargin)

% Begin initialization code - DO NOT EDIT

gui_Singleton = 1;

gui_State = struct('gui_Name', mfilename, ...

'gui_Singleton',

gui_Singleton, ...

'gui_OpeningFcn',

@two_OpeningFcn, ...

'gui_OutputFcn',

@two_OutputFcn, ...

'gui_LayoutFcn',

[] , ...

'gui_Callback', []);

if nargin && ischar(varargin{1})

gui_State.gui_Callback = str2func(varargin{1});

end

if nargout

[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});

else

gui_mainfcn(gui_State, varargin{:});

end

% End initialization code - DO NOT EDIT

% --- Executes just before erzhi is made visible.

function two_OpeningFcn(hObject, eventdata, handles, varargin)

% This function has no output args, see OutputFcn.

---------------------------------------------------------

%接下来是菜单的程序

---------------------------------------------------------

function file_Callback(hObject, eventdata, handles)

--------------------------------------------------------

%文件打开程序

function open_Callback(hObject, eventdata, handles)

[name,path]=uigetfile({'*.bmp'},'载入图像');

if isequal(name,0)|isequal(path,0)

errordlg('没有选中文件','出错');

return;

else

x=imread([path,name]);

axes(handles.axes1);

imshow(x);

handles.img=x;

handles.noise_img=x;

guidata(hObject,handles)

end

---------------------------------------------------

function save_Callback(hObject, eventdata, handles)

%文件保存

[filename,pathname] = uiputfile('*.bmp','图片保存为');

if isequal([filename,pathname],[0,0])

errordlg('没有保存','出错');

return;

else

file=strcat(pathname,filename);

(handles.axes2);

i=getimage(gca);

imwrite(i,file);

end

-----------------------------------------------------

function exit_Callback(hObject, eventdata, handles)

clc;

close all;

close(gcf);

---------------------------------------------------------

% 直方图

------------------------------------------------------

function zhf_Callback(hObject, eventdata, handles)

-------------------------------------------------

function red_Callback(hObject, eventdata, handles)

% R直方图

data (see GUIDA TA)

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

x=imhist(handles.image(:,:,1));

x1=x(1:10:256);

horz=1:10:256;

bar(horz,x1);

set(handles.axes2,'xtick',0:50:255);

------------------------------------------------------

function green_Callback(hObject, eventdata, handles)

% G直方图

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

x=imhist(handles.image(:,:,2));

x1=x(1:10:256);

horz=1:10:256;

bar(horz,x1);

set(handles.axes2,'xtick',0:50:255);

------------------------------------------------------

function blue_Callback(hObject, eventdata, handles)

% B直方图

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

%if isrgb(handles.img)

x=imhist(handles.image(:,:,3));

x1=x(1:10:256);

horz=1:10:256;

bar(horz,x1);

set(handles.axes2,'xtick',0:50:255);

-----------------------------------------------------

%图像增强处理

--------------------------------------------------------- function zhf_Callback(hObject, eventdata, handles) -------------------------------------------------

function balance_Callback(hObject, eventdata, handles)

%直方图均衡化

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

if isrgb(handles.image)

a=histeq(handles.image(:,:,1));

b=histeq(handles.image(:,:,2));

c=histeq(handles.image(:,:,3));

k(:,:,1)=a;

k(:,:,2)=b;

k(:,:,3)=c;

imshow(k);

else

h=histeq(handles.image);

imshow(h);

end

function zq_Callback(hObject, eventdata, handles)

----------------------------------------------------------------- function duibidu_Callback(hObject, eventdata, handles)

%对比度展宽

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

h=im2double(handles.image);

[sx,sy]=size(h);

nw=h.^0.3;

subplot(2,2,1);

imshow(h);

title('original');

subplot(2,2,2);

imshow(nw);

title('r=0.4');

subplot(2,2,3);

imshow(h.^0.5);

title('r=0.7');

subplot(2,2,4);

imshow(h.^2);

title('r=3');

--------------------------------------------------------------------

function dongtai_Callback(hObject, eventdata, handles)

%动态调整范围

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

h=im2double(handles.image);

a=0.01;

b=0.35;

[sx,sy]=size(h);

[w,n]=find(h(:)<=a);

h(n)=0;

[w1,n1]=find(h(:)>b);

h(n1)=1;

nw=1./(b-a).*(h-a.*ones(sx,sy));

subplot(1,2,1);

imshow(h);

subplot(1,2,2);

imshow(nw);

----------------------------------------------------------------- %空间域平滑算法

function pinghua_Callback(hObject, eventdata, handles)

-----------------------------------------------------------------

function junzhi_Callback(hObject, eventdata, handles)

%均值滤波

h=[1 1 1;1 1 1;1 1 1];

h=h/9;

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

x=imnoise(handles.image,'gaussian',0,0.02);

imshow(x);

j=conv2(x,h);

figure,imshow(j,[]);

--------------------------------------------------------------------

function zhongzhi_Callback(hObject, eventdata, handles)

%中值滤波

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

% I=imnoise(I,'gaussian',0,0.02);

I = imnoise(handles.image,'salt & pepper',

0.02);%

j=medfilt2(I);

figure,imshow(j,[]);

--------------------------------------------------------------------

function bianjie_Callback(hObject, eventdata, handles)

% 边界保持滤波

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

% I=imnoise(I,'gaussian',0,0.02);

I = imnoise(handles.image,'salt & pepper',

0.02);

imshow(I);

j=knn2(I);

figure,imshow(j,[]);

-----------------------------------------------------------------

--------------------------------------------------------------------

function junyunxing_Callback(hObject, eventdata, handles)

%均与性度量法

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

v=double(handles.image);

[sx,sy]=size(v);

num=sx*sy;

t=[];

for th=6:254

[r1,c1]=find(v(:)>=th);

[r2,c2]=find(v(:)

if(length(r1)~=0 & length(c1)~=0 )

L1=v(r1);

else

L1=[];

end

if(length(r2)~=0 & length(c2)~=0 )

L2=v(r2);

else

L2=[];

end

m1=mean(L1(:)); m2=mean(L2(:));

Var1=sum((L1(:)-m1).^2);Var2=sum((L2(:)-m2 ).^2);

Var1=var(L1(:));Var2=var(L2(:));

P1=length(L1(:))/num;

P2=length(L2(:))/num;

t=[t,P1*Var1+P2*Var2];

end

[c,l]=min(t);

B=v;

[r1,c1]=find(v(:)>=l+5);

[r2,c2]=find(v(:)

B(r1)=255; B(r2)=0;

imshow(uint8(B));

%

--------------------------------------------------------------------

function jubuyuzhi_Callback(hObject, eventdata, handles)

%局部阈值法

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

v=rgb2gray(handles.image);

imshow(v); R=zeros(size(v));

H = FSPECIAL('gaussian',9,2.4);

v = imfilter(v,H);

t=graythresh(v); t=t*255;

[c,l]=find( v(:)>t);

R(c)=1;

[x,y]=size(R); q=R;

for i=10:x-10

for j=10:y-10

if R(i,j)==0

t=[R(i-1,j-1),R(i-1,j),R(i-1,j+1),R(i,j-1),R(i,j+1),R(i+1 ,j-1),R(i+1,j),R(i+1,j+1)];

if sum(t)==0

q(i,j)=1;

end

end

end

end

figure, imshow(q,[]);

--------------------------------------------------------------------

function leijianzuidajuli_Callback(hObject, eventdata, handles)

%类间最大法

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

X=rgb2gray(handles.image);

[r,c]=size(X);

figure (1)

subplot(1,2,1)

imshow(X)

R=zeros(1,256);

for i=50:150

Xi0=X0<=i;

N0=sum(sum(Xi0));

Xm0=X0(Xi0);

u0=sum(Xm0)/N0;

Xi1=X0>i;

N1=sum(sum(Xi1));

Xm1=X0(Xi1);

u1=sum(Xm1)/N1;

R(i+1)=(u1-i)*(i-u0)/((u1-u0)^2);

end

Th=find(R==max(R(51:151)))-1

X2=zeros(r,c);

for i=1:r

for j=1:c

X2(i,j)=X0(i,j)>Th;

end

end

subplot(2,2,2)

imshow(X2)

----------------------------------------------------------------- %颜色空间转化

--------------------------------------------------------------------

function hsv_Callback(hObject, eventdata, handles)

%RGB转HSV

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

hv=rgb2hsv(handles.image);

subplot(2,2,1);

imshow(hv);

title('RGB?? HSV');

%RGB=reshape(ones(64,1)*reshape(jet(64),1,1 92),[64,64,3]); ??

H=hv(:,:,1); ?

S=hv(:,:,2);

V=hv(:,:,3);

subplot(2,2,2);

imshow(H) ;

title('? ?§?§ ');

subplot(2,2,3);

imshow(S);

title('? ?§?§ ');

subplot(2,2,4);

imshow(V);

title('? ?§?§ ');

--------------------------------------------------------------------

function HIS_Callback(hObject, eventdata, handles)

%RGB转HSI

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

W=im2double(handles.image);%获得double 型的图形矩阵

[m,n,q]=size(W);

R=W(:,:,1);

G=W(:,:,2);

B=W(:,:,3);

% 改变通道来观察图像

H=zeros(m,n);

S=H;

for i1=1:m

for i2=1:n

numerator=0.5*(R(i1,i2)-G(i1,i2)+R(i1,i2)-B(i1,i2));

denominator=sqrt((R(i1,i2)-G(i1,i2))^2+(R(i1,i2)-B(i 1,i2))*(G(i1,i2)-B(i1,i2)));

theta=acos(numerator/denominator)*180/pi;

if(B(i1,i2)<=G(i1,i2))

H(i1,i2)=theta;

else

H(i1,i2)=360-theta;

end

min1=min(R(i1,i2),G(i1,i2));

min1=min(B(i1,i2),min1);

S(i1,i2)=1-3/(R(i1,i2)+G(i1,i2)+B(i1,i2))*min1;

end

end

I=(R+G+B)/3;

figure,subplot(1,3,1),imshow(H,[]),title('色度图H');

set(gcf,'outerposition',get(0,'screensize'));

set(gcf,'NumberTitle','off','Name','HSI通道图像');

subplot(1,2,2),imshow(S),title('饱和度图S');

subplot(1,2,3),imshow(I),title('强度图?I');

%

----------------------------------------------------------------- %其他图像处理

---------------------------------------------------------------------------

function fly_Callback(hObject, eventdata, handles)

%傅里叶变化

set(handles.axes2,'HandleVisibility','ON');

axes(handles.axes2);

[m,n]=size(handles.image);

d=zeros(m,n);

d(60:100,60:100)=1;

w=fft2(d);

w1=fftshift(w);

[sx,sy]=size(d);

subplot(2,2,1); imshow(d);

subplot(2,2,2); imshow(abs(w1));

for i=1:sx

t= fft(d(i,:));

len=length(t)/2;

F1(i,:)=[(t(len+1:end)),t(1:len)];

end

for i=1:sy

F2=fft(F1(:,i));

len=length(F2)/2;

F(:,i)=[(F2(len+1:end));F2(1:len)];

end

subplot(2,2,3);

imshow(abs(F1));

subplot(2,2,4);

imshow((abs(F)));

function ruihua_Callback(hObject, eventdata, handles)

%锐化

k=2;

h1=[-1 0 1;-k 0 k;-1 0 1];

h2=[1 k 1;0 0 0;-1 -k -1]; set(handles.axes2,'HandleVisibility','ON'); axes(handles.axes2);

I=rgb2gray(handles.image);

subplot(121);imshow(I);

J1(:,:)=conv2(I(:,:),h1);

J2(:,:)=conv2(I(:,:),h2);

J=abs(J1)+abs(J2);

subplot(122);

imshow((J),[0 255]);

数字图像处理实验1

实验一 实验内容和步骤 练习图像的读取、显示和保存图像数据，步骤如下： (1)使用命令figure(1)开辟一个显示窗口 (2)读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内显示、二值图像和灰度图像，注上文字标题。 (3)保存转换后的灰度图像和二值图像 (4)在同一个窗口显示转换后的灰度图像的直方图 I=imread('BaboonRGB.bmp'); figure,imshow(I); I_gray=rgb2gray(I); figure,imshow(I_gray); I_2bw=Im2bw(I_gray); figure,imshow(I_2bw); subplot(1,3,1),imshow(I),title('RGB图像'); subplot(1,3,2),imshow(I_gray),title('灰度图像'); subplot(1,3,3),imshow(I_2bw),title('二值图像'); imwrite(I_gray,'Baboongray.png'); imwrite(I_2bw,'Baboon2bw.tif'); figure;imhist(I_gray);

RGB 图 像灰度图 像二值图 像 050100150200250 500 1000 1500 2000 2500 3000

(5)将原RGB 图像的R 、G 、B 三个分量图像显示在figure(2)中，观察对比它们的特点，体会不同颜色所对应的R 、G 、B 分量的不同之处。 [A_RGB,MAP]=imread('BaboonRGB.bmp'); subplot(2,2,1),imshow(A_RGB),title('RGB'); subplot(2,2,2),imshow(A_RGB(:,:,1)),title('R'); subplot(2,2,3),imshow(A_RGB(:,:,2)),title('G'); subplot(2,2,4),imshow(A_RGB(:,:,3)),title('B'); (6)将图像放大1.5倍，插值方法使用三种不同方法，在figure(3)中显示放大后的图像，比较不同插值方法的结果有什么不同。将图像放大到其它倍数，重复实验；A=imread('BaboonRGB.bmp'); figure(3),imshow(A),title('原图像'); B=imresize(A,1.5,'nearest'); figure(4),imshow(B),title('最邻近法') C=imresize(A,1.5,'bilinear'); ; figure(5),imshow(C),title('双线性插值'); D=imresize(A,1.5,'bicubic'); figure(6),imshow(D),title('双三次插值 '); RGB R G B

数字图像处理教学大纲(2014新版)

数字图像处理 课程编码：3073009223 课程名称：数字图像处理 总学分： 2 总学时：32 (讲课28，实验4) 课程英文名称：Digital Image Processing 先修课程：概率论与数理统计、线性代数、C++程序设计 适用专业：自动化专业等 一、课程性质、地位和任务 数字图像处理课程是自动化专业的专业选修课。本课程着重于培养学生解决智能化检测与控制中应用问题的初步能力，为在计算机视觉、模式识别等领域从事研究与开发打下坚实的理论基础。主要任务是学习数字图像处理的基本概念、基本原理、实现方法和实用技术，并能应用这些基本方法开发数字图像处理系统，为学习图像处理新方法奠定理论基础。 二、教学目标及要求 1．了解图像处理的概念及图像处理系统组成。 2．掌握数字图像处理中的灰度变换和空间滤波的各种方法。 3．了解图像变换，主要是离散和快速傅里叶变换等的原理及性质。 4．理解图像复原与重建技术中空间域和频域滤波的各种方法。 5. 理解解彩色图像的基础概念、模型和处理方法。 6. 了解形态学图像处理技术。 7. 了解图像分割的基本概念和方法。 三、教学内容及安排 第一章：绪论（2学时） 教学目标：了解数字图像处理的基本概念，发展历史，应用领域和研究内容。通过大量的实例讲解数字图像处理的应用领域；了解数字图像处理的基本步骤；了解图像处理系统的组成。 重点难点：数字图像处理基本步骤和图像处理系统的各组成部分构成。 1.1 什么是数字图像处理 1.2 数字图像处理的起源

1.3.1 伽马射线成像 1.3.2 X射线成像 1.3.3 紫外波段成像 1.3.4 可见光及红外波段成像 1.3.5 微波波段成像 1.3.6 无线电波成像 1.3.7 使用其他成像方式的例子 1.4 数字图像处理的基本步骤 1.5 图像处理系统的组成 第二章：数字图像基础（4学时） 教学目标：了解视觉感知要素；了解几种常用的图像获取方法；掌握图像的数字化过程及其图像分辨率之间的关系；掌握像素间的联系的概念；了解数字图像处理中的常用数学工具。 重点难点：要求重点掌握图像数字化过程及图像中像素的联系。 2.1 视觉感知要素（1学时） 2.1.1 人眼的构造 2.1.2 眼镜中图像的形成 2.1.3 亮度适应和辨别 2.2 光和电磁波谱 2.3 图像感知和获取（1学时） 2.3.1 用单个传感器获取图像 2.3.2 用条带传感器获取图像 2.3.3 用传感器阵列获取图像 2.3.4 简单的图像形成模型 2.4 图像取样和量化（1学时） 2.4.1 取样和量化的基本概念 2.4.2 数字图像表示 2.4.3 空间和灰度级分辨率 2.4.4 图像内插 2.5 像素间的一些基本关系（1学时） 2.5.1 相邻像素 2.5.2 临接性、连通性、区域和边界 2.5.3 距离度量 2.6 数字图像处理中所用数学工具的介绍 2.6.1 阵列与矩阵操作

数字图像处理知

数字图像处理知识点总结

数字图像处理知识点总结 第一章导论 1.图像：对客观对象的一种相似性的生动性的描述或写真。 2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段）， 按空间坐标和亮度的连续性（模拟和数字）。3.图像处理：对图像进行一系列操作，以到达预期目的的技术。 4.图像处理三个层次：狭义图像处理、图像分析和图像理解。 5.图像处理五个模块：采集、显示、存储、通信、处理和分析。 第二章数字图像处理的基本概念 6.模拟图像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0

称为采样。采样间隔和采样孔径的大小是两个 很重要的参数。采样方式:有缝、无缝和重叠。 9.将像素灰度转换成离散的整数值的过程叫量化。 10.表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。 11.数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。 12.采样间隔对图像质量的影响：一般来说，采样间隔越大，所得图像像素数越少，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。13.量化等级对图像质量的影响：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。但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。例如对细节比较丰富的图像数字化。

微机原理课程设计报告交通灯

WORD格式微机原理课程设计 设计题目交通灯的设计 实验课程名称微机原理 姓名王培培 学号080309069 专业09自动化班级2 指导教师张朝龙 开课学期2011至2012学年上学期

一、实验设计方案 实验名称：交通灯的设计实验时间：2011/12/23 小组合作：是□否?小组成员：无 1、实验目的： 分析实际的十字路口交通灯的亮灭过程，用实验箱上的8255实现交通灯的控制。（红，黄，绿三色灯） 2、实验设备及材料： 微机原理和接口技术实验室的实验箱和电脑设备等。 3、理论依据： 此设计是通过并行接口芯片8255A和8086计算机的硬件连接，以及通过8253延时的方法，来实现十字路口交通灯的模拟控制。 如硬件连接图所示（在后），红灯（RLED），黄灯（YLEDD）和绿灯（GLED）分别接在8255 的A，B，C口的低四位端口，PA0，PA1，PA2，PA3分别接1，2，3，4（南东北西）路口的红灯，B，C口类推。8086工作在最小模式，低八位端口AD0~AD7接到8255和8253的D0~D7，AD8~AD15通过地址锁存器8282，接到三八译码器，译码后分别连到8255和8253的CS片选端。8253的 三个门控端接+5V，CLOCK0接由分频器产生的1MHZ的时钟脉冲，OUT0接到CLOCK1和CLOCK，2 OUT1接到8086的AD18，8086通过检测此端口是否有高电平来判断是否30s定时到。OUT2产生 1MHZ方波通过或门和8255的B口共同控制黄灯的闪烁。8255三个口全部工作在方式0既基本 输入输出方式，红绿灯的转换由软件编程实现。

4、实验方法步骤及注意事项： ○1设计思路 红，黄，绿灯可分别接在8255的A口，B口和C口上，灯的亮灭可直接由8086输出0，1 控制。 设8253各口地址分别为：设8253基地址即通道0地址为04A0H，通道1为04A2H，通道2 为04A4H，命令控制口为04A6H。 黄灯闪烁的频率为1HZ，所以想到由8253产生一个1HZ的方波，8255控制或门打开的时 间，在或门打开的时间内，8253将方波信号输入或门使黄灯闪烁。 由于计数值最大为65535,1MHZ/65536的值远大于2HZ,所以采用两个计数器级联的方 式,8253通道0的clock0输入由分频器产生的1MHZ时钟脉冲，工作在方式3即方波发生器方 式，理论设计输出周期为0.01s的方波。1MHZ的时钟脉冲其重复周期为T=1/1MHZ=1s，因此 通道0的计数初值为10000=2710H。由此方波分别作为clock1和clock2的输入时钟脉冲，所以 通道1和通道2的输入时钟频率为100HZ，通道1作计数器工作在方式1，计数初值3000=BB8H 既30s，计数到则输出一个高电平到8255的PA7口，8255将A口数据输入到8086，8086检测 到高电平既完成30s定时。通道2工作在方式3需输出一个1HZ的方波，通过一个或门和8086 共同控制黄灯的闪烁，因此也是工作在方波发生器方式，其计数初值为100=64H，将黄灯的状态 反馈到8055的端口PB7和PC7，同样输入到8086，8086通过两次检测端口状态可知黄灯的状态 变化，计9次状态变化可完成5次闪烁。 三个通道的门控信号都未用，均接＋5V即可。 ○ 2硬件原理及电路图 由于8255A与8086CPU是以低八位数据线相连接的，所以应该是8255A的A1、A 0 线分别与 8086CPU的A2、A线相连，而将8086的 1 A 0 线作为选通信号。如果是按8255A内部地址来看， 则在图中它的地址是PA口地址即(CS+000H)，PB口地址为(CS+001H)，PC口地址为(CS+002H)，

数字图像处理实验报告

数字图像处理实验报告 实验一数字图像基本操作及灰度调整 一、实验目的 1)掌握读、写图像的基本方法。 2)掌握MATLAB语言中图像数据与信息的读取方法。 3)理解图像灰度变换处理在图像增强的作用。 4)掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方 法。 二、实验内容与要求 1.熟悉MATLAB语言中对图像数据读取，显示等基本函数 特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。 1)将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread， imfinfo 等文件，观察一下图像数据，了解一下数字图像在MATLAB中的处理就是处理一个矩阵。将这个图像显示出来（用imshow）。尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。 2)将MATLAB目录下work文件夹中的b747.jpg图像文件读出，用rgb2gray() 将其 转化为灰度图像，记为变量B。 2.图像灰度变换处理在图像增强的作用 读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换，比较相应的处理效果。 3.绘制图像灰度直方图的方法，对图像进行均衡化处理 请自己编程和调用Matlab函数完成如下实验。 1)显示B的图像及灰度直方图，可以发现其灰度值集中在一段区域，用 imadjust函 数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰

度直方图与原灰度直方图的区别。 2) 对B 进行直方图均衡化处理，试比较与源图的异同。 3) 对B 进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。 图1.1 分段线性变换函数 三、实验原理与算法分析 1. 灰度变换 灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。 1) 图像反转 灰度级范围为[0, L-1]的图像反转可由下式获得 r L s --=1 2) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围， 如直接使用原图，则一部分细节可能丢失。解决的方法是对原图进行灰度压缩，如对数变换： s = c log(1 + r )，c 为常数，r ≥ 0 3) 幂次变换： 0,0,≥≥=γγc cr s 4) 对比拉伸：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，即分段线性拉伸： 其对应的数学表达式为：

基于单片机交通灯课程设计报告书

三峡职业学院 课程设计 课题名称交通灯控制系统设计 交通灯控制系统设计 摘要：本系统由单片机最小系统、按键（开关）、LED 显示等等组成交通灯演示系统。系统用红、黄、绿三个发光二极管模拟交通灯的红灯、黄灯、绿灯的功能。系统除基本交通灯功能外，还具有倒计时（15秒）、时间设置、紧急情况（按键模拟传感器）处理等功能。 关键词：AT89C51，交通规则 引言：随着日新月异的电子变革，电子产品发生了突飞猛进的巨变，而在其中AT89C51扮演着一个重要的角色，AT89C51单片机具有广泛性、工具性、基础性的几个特点。单片机应成为中等技术人员的重要技术知识层面。近年来，我国工程技术队伍的梯队建设有了很大的进展。各类高职、高专如雨后春笋，涉电专业普遍开设单片机类课程。直观性表现在尽可能让我们在学习基本原理时能直观地看到相关实物及实物表演，使基本原理能实现形象化的表达；实践性表现在我们要通过许多实际操作来理解与掌握单片机的本质与技能；综合性表现在最终能使我们达到运用知识与技能来完成一个应用系统开发的全过程，有助于大学生动手能力的培养和提高，课程设计就是一门应用性很强的课程。如何让我们在学好基础知识的同时，迅速掌握设计应用技术，其中，实验与课程设计环节起着非常重要的作用。对我们学习和掌握单片机设计技术起到积极的作用。 一、方案比较、设计与论证

(1) 电源提供方案 为使模块稳定工作，须有可靠电源。我们考虑了两种电源方案 方案一：采用独立的稳压电源。此方案的优点是稳定可靠，且有各种成熟电路可供选用；缺点是各模块都采用独立电源，会使系统线路变复杂，且可能影响系统各模块的电路电平。 方案二：采用干电池提供电源。该方案的优点是系统简明扼要，线路易于梳理，节约成本；缺点是输出功率不高。 综上所述，我们选择第二种方案。 (2) 显示界面方案: 该系统要求完成数码管倒计时（15s）、状态灯发光二极管（红、黄、绿）的显示功能。基于上述原因，我们考虑了二种方案： 方案一：东西南北四个方向分别采用两位数码管显示倒计时。这种方案只显示有限的符号和数码字苻，并且制作PCB图时有许多的线相交，线路十分的复杂，不易制作原理图与PCB图，无法胜任题目要求。 方案二：东西南北四面各自采用红、黄、绿三个发光二极管显示，采用一个两位数码管显示倒计时，主要优点是易于调整元件在硬制板上摆放的位置，同时也易于PCB图的制作。 综上所述，我们选择方案二。 (3) 输入方案： 题目要求系统能即时的处理外部紧急情况产生的中断，我们讨论了两种方案： 方案一：采用矩阵键盘。该方案的优点是： 可提供较多I/O 口,实现更多的外部中断。直接站单片机的接口少的特点，但操作起来稍显复杂，而且编程也趋于复杂。 方案二：直接在IO口线上接上按键开关。因为设计时精简和优化了电路。 由于该系统对于交通灯等发光二极管的控制，只用单片机本身的I/O 口就可实现，只要一个开关来模拟一个外部的紧急中断，且本身的计数器及RAM已经够用，故选择方案二。 (4) 系统方案： 本系统的硬件采用模块化设计，以单片机控制器为核心，与LED信号灯电路等组成单片机控制信号系统.

数字图像处理实验 实验二

实验二MATLAB图像运算一、实验目的 1．了解图像的算术运算在数字图像处理中的初步应用。 2．体会图像算术运算处理的过程和处理前后图像的变化。 二、实验步骤 1．图像的加法运算-imadd 对于两个图像f x,y和 (x,y)的均值有： g x,y=1 f x,y+ 1 (x,y) 推广这个公式为： g x,y=αf x,y+β (x,y) 其中，α+β=1。这样就可以得到各种图像合成的效果，也可以用于两张图像的衔接。说明：两个示例图像保存在默认路径下，文件名分别为'rice.png'和'cameraman.tif'，要求实现下图所示结果。 代码： I1 = imread('rice.png'); I2 = imread('cameraman.tif'); I3 = imadd(I1, I2,'uint8'); I4 = imadd(I1, I2,'uint16'); subplot(2, 2, 1), imshow(I1), title('?-ê?í???1'); subplot(2, 2, 2), imshow(I2), title('?-ê?í???2'); subplot(2, 2, 3), imshow(I3), title('8??í?????ê?'); subplot(2, 2, 4), imshow(I4), title('16??í?????ê?'); 结果截图：

2．图像的减法运算-imsubtract 说明： 背景图像可通过膨胀算法得到background = imopen(I,strel('disk',15));，要求实现下图所示结果。 示例代码如下： I1 = imread('rice.png'); background = imerode(I1, strel('disk', 15)); rice2 = imsubtract(I1, background); subplot(2, 2, 1), imshow(I1), title('?-ê?í???'); subplot(2, 2, 2), imshow(background), title('±3?°í???'); subplot(2, 2, 3), imshow(rice2), title('′|àíoóμ?í???'); 结果截图： 3.图像的乘法运算-immultiply

《数字图像处理》课程学习心得

《数字图像处理》课程学习心得 导读：本文《数字图像处理》课程学习心得，仅供参考，如果能帮助到您，欢迎点评和分享。 《数字图像处理》课程学习心得（一） 在这一学期，我选修了《数字图像处理基础》这门课程，同时，老师还讲授了一些视频处理的知识。在这里，梳理一下这学期学到的知识，并提出一些我对这门课程的建议。 图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展，其应用空间将会更加广泛。数字图像处理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。数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果，操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。目前，随着计算机技术的不断发展，计算机的运算速度得到了很大程度的提高。在短短的历史中，它

却广泛应用于几乎所有与成像有关的领域，在理论上和实际应用上都取得了巨大的成就。 1、数字图像处理需用到的关键技术 由于数字图像处理的方便性和灵活性，因此数字图像处理技术已经成为了图像处理领域中的主流。数字图像处理技术主要涉及到的关键技术有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。 图像的采集与数字化：就是通过量化和取样将一个自然图像转换为计算机能够处理的数字形式。 图像编码：图像编码的目的主要是来压缩图像的信息量，以便能够满足存储和传输的要求。 图像的增强：图像的增强其主要目的是使图像变得清晰或者将其变换为机器能够很容易分析的形式，图像增强方法一般有：直方图处理、灰度等级、伪彩色处理、边缘锐化、干扰抵制。 图像的恢复：图像恢复的目的是减少或除去在获得图像的过程中因为各种原因而产生的退化，可能是由于光学系统的离焦或像差、被摄物与摄像系统两者之间的相对运动、光学或电子系统的噪声与介于被摄像物跟摄像系统之间的大气湍流等等。 图像的分割：图像分割是将图像划分为一些互相不重叠的区域，其中每一个区域都是像素的一个连续集，通常采用区域法或者寻求区域边界的境界法。 图像分析：图像分析是指从图像中抽取某些有用的信息、数据或

数字图像处理——彩色图像实验报告

6.3实验步骤 (1)对彩色图像的表达和显示 * * * * * * * * * * * *显示彩色立方体* * * * * * * * * * * * * rgbcube(0,0,10); %从正面观察彩色立方体 rgbcube(10,0,10); %从侧面观察彩色立方 rgbcube(10,10,10); %从对角线观察彩色立方体 %* * * * * * * * * *索引图像的显示和转换* * * * * * * * * * f=imread('D:\Picture\Fig0604(a)(iris).tif'); figure,imshow(f);%f是RGB真彩图像 %rgb图像转换成8色索引图像，不采用抖动方式 [X1,map1]=rgb2ind(f,8,'nodither'); figure,imshow(X1,map1); %采用抖动方式转换到8色索引图像 [X2,map2]=rgb2ind(f,8,'dither'); figure,imshow(X2,map2); %显示效果要好一些 g=rgb2gray(f); %f转换为灰度图像 g1=dither(g);%将灰色图像经过抖动处理，转换打二值图像figure,imshow(g);%显示灰度图像 figure,imshow(g1);%显示抖动处理后的二值图像 程序运行结果：

彩色立方体原图 不采用抖动方式转换到8色索引图像采用抖动方式转换到8色索引图像 灰度图像抖动处理后的二值图像

(2)彩色空间转换 f=imread('D:\Picture\Fig0604(a)(iris).tif'); figure,imshow(f);%f是RGB真彩图像 %转换到NTSC彩色空间 ntsc_image=rgb2ntsc(f); figure,imshow(ntsc_image(:,:,1));%显示亮度信息figure,imshow(ntsc_image(:,:,2));%显示色差信息figure,imshow(ntsc_image(:,:,3));%显示色差信息 %转换到HIS彩色空间 hsi_image=rgb2hsi(f); figure,imshow(hsi_image(:,:,1));%显示色度信息figure,imshow(hsi_image(:,:,2)); %显示饱和度信息figure,imshow(hsi_image(:,:,3));%显示亮度信息 程序运行结果： 原图 转换到NTSC彩色空间

微机原理-交通灯课程设计报告

微型计算机原理及应用课程设计说明书 交通灯控制系统设计 班级：1401班 姓名： 学号： 指导教师： 日期：2016年6月

一．课程设计目的： 在车辆日渐增多的今天，人们也越来越关注交通问题，而交通灯在安全行车过程中无疑起着十分重要的作用。现在交通灯一般都设在十字路口，用红、绿、黄三种颜色的指示灯和一个倒计时的显示计时器来控制行车, 对一般情况下的安全行车、车辆分流发挥着作用, 但根据实际行车过程中出现的情况, 主要有如下几个缺点: 1、车道轮流放行时间相对固定, 不能根据实际情况中两个车道的车辆多少来设置改变通行时间；2、没有考虑紧急车辆通过时, 两车道应采取的措施。譬如, 有消防车通过执行紧急任务时, 两个车道的车都应停止, 让紧急车辆通过。因此如何合理高效地利用交通灯指示交通情况，是一个亟需解决的问题。 交通灯是采用计算机通过编写汇编语言程序控制的。红灯停，绿灯行的交通规则。广泛用于十字路口,车站, 码头等公共场所,成为人们出行生活中不可少的必需品,由于计算机技术的成熟与广泛应用,使得交通灯的功能多样化,远远超过老式交通灯, 交通灯的数字化给人们生产生活带来了极大的方便，而且大大地扩展了交通灯的功能。诸如闪烁警示、鸣笛警示，时间程序自动控制、倒计时显示，所有这些，都是以计算机为基础的。还可以根据主、次干道的交通状况的不同任意设置各自的不同的通行时间。或者给红绿色盲声音警示的人性化设计。现在的交通灯系统很多都增加了智能控制环节，比如对闯红灯的车辆进行拍照。当某方向红灯亮时，此时相应的传感器开始工作，当有车辆通过时，照相机就把车辆拍下。 要将交通灯系统产品化，应该根据客户不同的需求进行不同的设计，应该在程序中增加一些可以人为改变的参数，以便客户根据不同的需要随时调节交通灯。因此，研究交通灯及扩大其应用，有着非常现实的意义 二．课程设计内容： 设有一个十字路口，1、3为南北方向，2、4为东西方向。初始为四个路口的红灯全亮，之后，1、3路口的绿灯亮，2、4路口的红灯亮，1、3路口方向通车；延时一段时间后，1、3路口的绿灯开始闪烁，闪烁若干次以后，1、3 路口黄灯亮，后1、3路口红灯亮，而同时2、4路口的绿灯亮，2、4路口方向通车；延时一段时间后，2、4 路口的绿灯熄灭，而绿灯开始闪烁，闪烁若干次以后，1、3路口红灯亮，而2、4路口黄灯亮，再切换到1、3路口方向，之后重复上述过程。 三．问题分析及硬件介绍： 本次课程设计的内容为利用8086、8255等接口，实现控制十二个二极管亮灭的过程。需要PC机一台，8255并口：用做接口芯片。LED：共12个LED灯。还有8086芯片，8253a定时器等器材. 将8086和74273、74154和8255连接起来.需用到8255的六个输出端口。所以要求8255工作在方式0，因为二极管是共阳的，所以输出低电平二极管才会亮。8086用作cpu，三个74273是锁存器，锁存地址。 用软件proteus7.8画出电路图，加载程序到8086cpu，进行模拟。 系统硬件设计

数字图像处理实验

《数字图像处理》 实验报告 学院：信息工程学院 专业：电子信息工程 学号： 姓名： 2015年6月18日

目录 实验一图像的读取、存储和显示 (2) 实验二图像直方图分析 (6) 实验三图像的滤波及增强 (15) 实验四噪声图像的复原 (19) 实验五图像的分割与边缘提取 (23) 附录1MATLAB简介 (27)

实验一图像的读取、存储和显示 一、实验目的与要求 1．熟悉及掌握在MATLAB中能够处理哪些格式图像。 2．熟练掌握在MATLAB中如何读取图像。 3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5．图像的显示。 二、实验原理 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。将坐标值数字化成为取样；将振幅数字化成为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。 三、实验设备 (1) PC计算机 (2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片 四、实验内容及步骤 1．利用imread( )函数读取一幅图像，假设其名为flower.tif，存入一个数组中； 2．利用whos 命令提取该读入图像flower.tif的基本信息； 3．利用imshow()函数来显示这幅图像； 4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息； 5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件设为flower.jpg语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。 6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flower.bmp。 7．用imread()读入图像：Lenna.jpg 和camema.jpg； 8．用imfinfo()获取图像Lenna.jpg和camema.jpg 的大小；

数字图像处理基础知识总结

第一章数字图像处理概论 *图像是对客观存在对象的一种相似性的、生动性的描述或写真。 *模拟图像 空间坐标和明暗程度都是连续变化的、计算机无法直接处理的图像 *数字图像 空间坐标和灰度均不连续的、用离散的数字（一般整数）表示的图像（计算机能处理）。是图像的数字表示，像素是其最小的单位。 *数字图像处理（Digital Image Processing） 利用计算机对数字图像进行（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从而获得某种预期的结果的技术。（计算机图像处理） *数字图像处理的特点（优势） （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。 *数字图像处理的目的 （1）提高图像的视感质量，以达到赏心悦目的目的 a.去除图像中的噪声； b.改变图像的亮度、颜色； c.增强图像中的某些成份、抑制某些成份； d.对图像进行几何变换等，达到艺术效果； （2）提取图像中所包含的某些特征或特殊信息。 a.模式识别、计算机视觉的预处理 （3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 **数字图像处理的主要研究内容 （1）图像的数字化 a.如何将一幅光学图像表示成一组数字，既不失真又便于计算机分析处理 b.主要包括的是图像的采样与量化 （2*）图像的增强 a.加强图像的有用信息，消弱干扰和噪声 （3）图像的恢复 a.把退化、模糊了的图像复原。模糊的原因有许多种，最常见的有运动模糊，散焦模糊等（4*）图像的编码 a.简化图像的表示，压缩表示图像的数据，以便于存储和传输。 （5）图像的重建 a.由二维图像重建三维图像（如CT） （6）图像的分析 a.对图像中的不同对象进行分割、分类、识别和描述、解释。 （7）图像分割与特征提取 a.图像分割是指将一幅图像的区域根据分析对象进行分割。 b.图像的特征提取包括了形状特征、纹理特征、颜色特征等。 （8）图像隐藏 a.是指媒体信息的相互隐藏。 b.数字水印。 c.图像的信息伪装。 （9）图像通信

数电交通灯课程设计报告

电子技术课程 设计报告 二 级 学 院 机械与电子工程学院 专 业 电气工程及其自动化 年 级 2014级 学 号 14106***** 学 生 姓 名 苏 运 指 导 教 师 杨** 完 成 时 间 2015 年12 月25 日 简易交通灯的设计

简易交通灯的设计 作者：苏运 指导老师：杨** 摘要：利用数码管，74LS48译码器、74LS192计数器、ne555、与非门、或非门、触发器、蜂鸣器和小彩灯等电子元件，制作简易交通灯，实现15秒倒计时开始后，到达5秒时红灯熄灭，黄灯闪烁同时蜂鸣器响，到达0秒时切换到另外两个方向的红绿灯亮的功能。经测试，系统达到红绿灯转换和显示的基本要求，具有电路美观稳定性高的优点。 关键词：数电交通灯；交通灯；简易交通灯；计数器

目录 1 设计要求及方案选择 (1) 1.1设计要求 (1) 1.2方案选择 (1) 2 理论分析与设计 (1) 2.1脉冲发生器电路的分析及设计 (1) 2.2定时器电路的分析及设计 (2) 2.3交通灯和蜂鸣器电路的分析及设计 (3) 2.4控制器电路的分析及设计 (4) 2.5数码显示电路的分析及设计 (4) 3电路设计 (5) 3.1脉冲发生器电路的设计 (5) 3.2定时器电路的设计 (6) 3.3交通灯和蜂鸣器电路的设计 (6) 3.4控制电路的设计 (7) 3.5码显示电路的设计 (9) 3.6电源开关和指示灯电路的设计 (9) 4系统测试实验 (10) 4.1调试所用的基本仪器清单 (10) 4.2软件仿真调试 (10) 4.3实物电路板的调试 (10) 4.4时钟脉冲信号的测定 (10) 4.5调试结果 (11) 4.6测试结果分析 (11) 5 总结 (12) 附录 (13) 附录A 仿真图 (13) 附录B 原理图 (13) 附录C PCB图 (14) 附录D 实物图 (14) 附录E 脉冲信号测试图 (15) 附录F 元件清单 (15) 参考文献 (16)

数字图像处理实验一

数字图像处理—实验一 一．实验内容： 图像灰度变换 二．实验目的： 学会用Matlab软件对图像灰度进行变换；感受各种不同的灰度变换方法对最终图像效果的影响。 三．实验步骤： 1．获取实验用图像：rice.jpg. 使用imread函数将图像读入Matlab。 程序： clc;clear; figure; subplot(4,4,1); i = imread('rice.png'); i = im2double(i); imshow(i);title('1'); 2．产生灰度变换函数T1，使得： 0.3r r < 0.35 s = 0.105 + 2.6333(r – 0.35) 0.35 ≤r ≤0.65

1 + 0.3(r – 1) r > 0.65 用T1对原图像rice.jpg进行处理，使用imwrite函数保存处理后的新图像。程序： subplot(4,4,2); r=[0:0.001:1]; s=[r<0.35].*r*0.3+[r<=0.65].*[r>=0.35].*(0.105+2.6333*(r-0.35))+[r>0.65].*(1 +0.3*(r-1)); plot(r,s);title('2p'); subplot(4,4,3); T1=[i<0.35].*i*0.3+[i<=0.65].*[i>=0.35].*(0.105+2.6333*(i-0.35))+[i>0.65].*( 1+0.3*(i-1)); imshow(T1);title('2i'); imwrite(T1,'rice_T1.jpg','jpg');

3．产生灰度变换函数T2，使得： 用T2对原图像rice.jpg进行处理，使用imwrite保存处理后的新图像。 %3 subplot(4,4,4); r = [0:0.001:1];

(完整版)学习数字图像处理心得

学习数字图像处理心得 姓名：黄冬芬学号：070212051 班级：12级通信工程1班数字图像是我们生活中接触最多的图像种类，他伴随人们的生活、学习、工作，并在军事、工业和医学方面发挥着极大地作用，可谓随处可见，尤其在生活方面作为学生的我们，会在外出旅游，生活和工作中拆下许多数字照片，现在已进入信息化时代，图片作为信息的重要载体，在信息传输方面有着不可替代的作用，并且近年来图像处理领域，数字图像处理技术取得了飞速的发展，作为计算机类专业的大学生更加有必要对数字图像处理技术有一定的掌握，而大多数人对于数字图像的知识也很模糊，比如各类繁多的各种图像格式之间的特点，不同的情况该用何种图像格式，还有关于图像的一些基本术语也不甚了解。尤为重要的是一些由于拍摄问题导致的令人不甚满意的照片该如何处理，或者如何对一些照片进行处理实现特殊的表现效果。所以对于数字图像处理这门课大家有着极大地兴趣。我们班有的同学学过Photoshop软件，因此对于数字图像处理有了一些基础，更加想利用这门课的学习加深自己数字图像处理的理解并提高在数字图像处理方面的能力。 通过这8周的学习，我们虽然还没有完全掌握数字图像处理技术，但是收获不少，对于数字图像方面的知识有了更深的了解。更加理解了数字图像处理的本质，即是一些数字矩阵，但灰度图像和彩色图像的矩阵形式是不同的。对于一些耳熟能详的数字图像相关的术语有了明确的认识，比如，常见的像素（衡量图像的大小）、分辨率（衡

量图像的清晰程度）、位图（放大后会失真）、矢量图（经过放大不会失真）等大家都能叫上口但都很模糊的名词。也了解图像处理技术中一些常用处理技术的实质，比如锐化处理是使模糊的图像变清晰，增强图片的边缘等细节。而平滑处理的目的是消除噪声、模糊图像，在提取大目标之前去除小的细节或弥合目标间的缝隙。对常见的RGB图像和灰度图像有了明确的理解，这对大家以后应用Photoshop等图像处理软件对图像进行处理打下了坚实的基础。更重要的是学习到了数字图像处理的思想。通过学习也是对C++编程应用的很好的实践和复习。 当然通过8周的学习还远远不够，也有许多同学收获甚微，我总结了下大家后期学习的态度与前期学习的热情相差很大的原因。刚开始大家是有很高的热情去学习这门课，可随着这门课的更深入的学习，大家渐渐发现课程讲授内容与自己起初想学的实用图像处理技术是有很大的差别的，大家更着眼于如何利用软件、技术去处理图像而得到满意的效果，或者进行一些图像的创意设计，可是课程的内容更偏向于如何通过编程实现如何多图像进行一些类似锐化、边缘提取、模糊、去除噪声等基础功能的实现，这其中涉及很多算法、函数，需要扎实的数学基础和编程基础，并且需要利用大量时间在课下编写代码，并用visual c++软件实现并进行调试，然而大部分人的C++实践能力和编程能力还有待提高，尤其是对于矩阵进行操作的编程尤为是个考验。 在老师授课方面的建议是可以再课上多进行一些具体操作，这

数字图像处理试题及答案

一、填空题（每题1分，共15分） 1、列举数字图像处理的三个应用领域 医学 、天文学 、 军事 2、存储一幅大小为10241024?，256个灰度级的图像，需要 8M bit 。 3、亮度鉴别实验表明，韦伯比越大，则亮度鉴别能力越 差 。 4、直方图均衡化适用于增强直方图呈 尖峰 分布的图像。 5、依据图像的保真度，图像压缩可分为 无损压缩 和 有损压缩 6、图像压缩是建立在图像存在 编码冗余 、 像素间冗余 、 心理视觉冗余 三种冗余基础上。 7、对于彩色图像，通常用以区别颜色的特性是 色调 、 饱和度 亮度 。 8、对于拉普拉斯算子运算过程中图像出现负值的情况，写出一种标定方法： m i n m a x m i ((,))*255/()g x y g g g -- 二、选择题（每题2分，共20分） 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 、RG B 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 三、判断题（每题1分，共10分）

智能交通灯系统课程设计报告

江苏师范大学物电学院课程设计报告 课程名称：单片机课程实训 题目：智能交通灯系统 专业班级： 学生姓名： 学生学号： 日期： 指导教师：

说明： 1、报告中的第一、二、三项由学生在课程设计开始前填写，由指导教师指 导并确认签字。 2、学生成绩由指导教师根据学生的设计情况给出各项分值及总评成绩，并 填写成绩评定表。 3、所有学生必须参加课程设计的答辩环节，凡不参加答辩者，其成绩一律 按不及格处理。答辩小组成员应由2人及以上教师组成。答辩后学生根据答辩情况填写答辩记录表。 4、报告正文字数一般应不少于3000字，也可由指导教师根据本门课程设 计的情况另行规定。 5、平时表现成绩低于6分的学生，取消答辩资格，其该课程设计成绩按不 及格处理。 6、课程设计完成后，由指导教师根据完成情况写出总结。 7、此表格式为江苏师范大学物理与电子工程学院提供的基本格式，指导教 师可根据本门课程设计的特点及内容做适当的调整。

一、课程设计目的、任务和内容要求： 通过该课程设计使学生进一步了解和加深智能化仪器设计的一般原则；熟练掌握智能化仪器与装置的软、硬件设计方法；掌握仪器的软件调试及软硬件联合统调方法与技能。掌握仪器的接口技术和程控方法；熟练掌握仪表总线的工作原理、设计步骤、编程及调试；掌握C设计软件的编程与调试方法；掌握网络化仪器设计编程与调试方法。 本课程设计的任务就是设计一个智能交通灯系统。鼓励学生在熟悉基本原理的前提下，与实际应用相联系，提出自己的方案，完善设计。 具体设计任务如下： 1．熟悉QG8芯片与ISD语音模块的工作原理； 2．写出智能交通灯系统的设计方案； 3．用硬件加以实现； 4．写课程设计报告。 设计要求： 1.数码管显示倒计时，且时间可调； 2.红绿灯亮时间与数码管一致； 3.红灯亮时对应语音模块提示； 4.绿灯亮时对应语音模块提示。