数字图像处理实验报告maap数字图像处理大作业期末论文

数字图像处理

数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文介绍了MATLAB 语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像处理，并通过一些例子来说明利用MATLAB图像处理工具箱进行图像处理的方法。主要论述了利用MATLAB实现图像增强、二值图像分析等图像处理。

1.1 课题研究目的及意义

数字图像处理（Digital Image Processing），就是利用数字计算机或者其他数字硬件，对从图像信息转换而得到的电信号进行某些数学运算，以提高图像的实用性。例如从卫星图片中提取目标物的特征参数，三维立体断层图像的重建等。总的来说，数字图像处理包括点运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。

由于计算机处理能力的不断增强，数字图像处理学科在飞速发展的同时，也越来越广泛地向许多其他学科快速交叉渗透，使得图像作为信息获取以及信息的利用等方面也变得越来越重要。目前数字图像处理的应用越来越广泛，已经渗透到工业、医疗保健、航空航天、军事等各个领域，在国民经济中发挥越来越大的作用。

MathWorks公司推出的MATLAB软件是学习数理知识的好帮手。应用MATLAB 友好的界面和丰富、实用、高效的指令及模块，可以使人较快地认识、理解图像处理的相关概念，逐步掌握图像信号处理的基本方法，进而能够解决相关的工程和科研中的问题。

图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大，已在国家安全、经济发展、日常生活中充当越来越重要的角色,对国计民生的作用不可低估。

2 数字图像处理的简介

所谓数字图像就是把传统图像的画面分割成如图2-1所示的被成为像素（picture element, 简称pixel。有时候也用pel这一简写词）的小的离散点，各像素的灰度值也是用离散值即整数值来表示的。数字图像（digital imagine）和传统的图像即模拟图像(picture)是有差别的。

图2-1 数字图像

为了从一般的照片，景物等模拟图像中得到数字图像，需要对传统的模拟图像进行采样与量化两种操作（二者统称为数字化）。

1．采样

采样（sampling）就是把在时间上和空间上连续的图像变成离散点（采样点，

即像素）的集合的一种操作。

图像基本上是在二维平面上连续分布的信息形式要把它输入到计算机中，首先要把二维信号变成一维信号，因此要进行扫描（scanning）。最常用的扫描方法是在二维平面上按一定间隔顺序地从上方顺序地沿水平方向的直线（扫描线）扫描，从而取出浓淡值（灰度值）的线扫描（Laster扫描）。对于由此得到的一维信号，通过求出每一特定间隔的值，可以得到离散的信号。对于运动图像除进行水平，垂直两个方向的扫描以外，还有进行时间轴上的扫描。

通过采样，如设横向的像素数为M，纵向的像素数为N，则画面的大小可以表示为“M*N”个像素。

2．量化

经过采样，图像被分解成在时间上和空间上离散分布的像素，但是像素的值（灰度值）还是连续值。像素的值，是指白色-灰色-黑色的浓淡值，有时候也指光的强度（亮度）值或灰度值。把这些连续的浓淡值或灰度值变为离散的值（整数值）的操作就是量化。

如果把这些连续变化的值（灰度值）量化为8bit，则灰度值被分成0-2552的256个级别，分别对应于各个灰度值的浓淡程度，叫做灰度等级或灰度标度。

在0-255的值对应于白-黑的时候，有以0为白，255为黑的方法，也有以0为黑，255为白的方法，这取决于图像的输入方法以及用什么样的观点对图像进行处理等，这是在编程时应特别注意的问题。但在只有黑白二值的二值图像的情形，一般设0为白，1为黑。

对连续的灰度值赋予量化级的，即灰度值方法有：均匀量化（uniform quantization），线性量化（liner quantization），对数量化，MAX量化，锥形量化（tapered quantization）等。

3. 采样、量化和图像细节的关系

上面的数字化过程，需要确定数值N和灰度级的级数K。在数字图像处理中，一般都取成2的整数幂，即:

N= (2.1)

2n

K= (2.2)

2m

一幅数字图像在计算机中所占的二进制存储位数b为:

*log(2)**()m N N b N N m bit == (2.3)

例如，灰度级为256级(m=8)的512×512的一幅数字图像，需要大约210万个存储位。随着N 和m 的增加，计算机所需要的存储量也随之迅速增加。

由于数字图像是连续图像的近似，从图像数字化的过程可以看到。这种近似的程度主要取决于采样样本的大小和数量(N 值)以及量化的级数K(或m 值)。N 和K 的值越大，图像越清晰。

2.2 数字图像处理概述

数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展(特别是离散数学理论的创立和完善)；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。

2.2.2 研究内容

数字图像处理主要研究的内容有以下几个方面：

（1）图像变换。由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅里叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。

（2）图像编码压缩。图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。

（3）图像增强和复原。图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定

的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。

（4）图像分割。图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。

（5）图像描述。图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。

（6）图像分类（识别）。图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。

2.2.3 基本特点

（1）数字图像处理的信息大多是二维信息，处理信息量很大。如一幅256×256低分辨率黑白图像，要求约64kbit的数据量；对高分辨率彩色512×512图像，则要求768kbit数据量；如果要处理30帧/秒的电视图像序列，则每秒要求500kbit～22.5Mbit数据量。因此对计算机的计算速度、存储容量等要求较高。

（2）数字图像处理占用的频带较宽。与语言信息相比，占用的频带要大几个数量级。如电视图像的带宽约5.6MHz，而语音带宽仅为4kHz左右。所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较大，成本亦高，这就对频带压缩技术提出了更高的要求。

（3）数字图像中各个像素是不独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。就电视画面而言，同一行中相邻两

个像素或相邻两行间的像素，其相关系数可达0.9以上，而相邻两帧之间的相关性比帧内相关性一般说还要大些。因此，图像处理中信息压缩的潜力很大。

（4）由于图像是三维景物的二维投影，一幅图象本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。因此，要分析和理解三维景物必须作合适的假定或附加新的测量，例如双目图像或多视点图像。在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。

（5）数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进一步深入的研究。另一方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究。例如，什么是感知的初始基元，基元是如何组成的，局部与全局感知的关系，优先敏感的结构、属性和时间特征等，这些都是心理学和神经心理学正在着力研究的课题。

2.2.4 主要应用

计算机图像处理和计算机、多媒体、智能机器人、专家系统等技术的发展紧密相关。近年来计算机识别、理解图像的技术发展很快，也就是图像处理的目的除了直接供人观看（如医学图像是为医生观看作诊断）外，还进一步发展了与计算机视觉有关的应用，如邮件自动分检，车辆自动驾驶等。下面仅罗列了一些典型应用实例，而实际应用更广。

（1）在生物医学中的应用

主要包括显微图像处理；DNA显示分析；红、白血球分析计数；虫卵及组织切片的分析；癌细胞的识别；染色体分析等等。

（2）遥感航天中的应用

军事侦察、定位、导航、指挥等应用；多光谱卫星图像分析；地形、地图、国土普查；地质、矿藏勘探；天文、太空星体的探测及分析等。

（3）工业应用

CAD 和CAM技术用于模具、零件制造、服装、印染业；零件、产品无损检测，

焊缝及内部缺陷检查；交通管制、机场监控；火车车皮识别等。

（4）军事公安领域中的应用

巡航导弹地形识别；指纹自动识别；警戒系统及自动火炮控制；反伪装侦察；手迹、人像、印章的鉴定识别；过期档案文字的复原；集装箱的不开箱检查等。

（5）其他应用

图像的远距离通信；多媒体计算机系统及应用；电视电话；服装试穿显示；理发发型预测显示；电视会议；办公自动化、现场视频管理等。

2.3.2 图像类型

MATLAB中，一幅图像可能包含一个数据矩阵，也可能包含一个颜色映射表矩阵。MATLAB中有四种基本的图像类型：

（1）索引图像

索引图像包括图像矩阵与颜色图数组，其中，颜色图是按图像中颜色值进行排序后的数组。对于每个像素，图像矩阵包含一个值，这个值就是颜色图中的索引。颜色图为m*3双精度值矩阵，各行分别指定红绿蓝（RGB）单色值。Colormap=[R，G， B]，R，G，B为值域为[0，1]的实数值。

图像矩阵与颜色图的关系依赖于图像矩阵是双精度型还是uint8（无符号8位整型）类型。如果图像矩阵为双精度类型，第一点的值对应于颜色图的第一行，第二点对应于颜色图的第二行，依次类推。如果图像矩阵是uint8，有一个偏移量，第0点值对应于颜色图的第一行，第一点对应于第二行，依次类推；uint8长用于图形文件格式，它支持256色。

（2）灰度图像

在MATLAB中，灰度图像是保存在一个矩阵中的，矩阵中的每一个元素代表一个像素点。矩阵可以是双精度类型，其值域为[0，1]；也可以为uint8类型，其数据范围为[0，255]。矩阵的每个元素代表不同的亮度或灰度级。

（3）二进制图像

二进制图像中，每个点为两离散值中的一个，这两个值代表开或关。二进制图像保存在一个由二维的由0（关）和1（开）组成的矩阵中。从另一个角度讲，二进制图像可以看成为一个仅包括黑与白的灰度图像，也可以看作只有两种颜色的索引图像。

二进制图像可以保存为双精度或uint8类型的双精度数组，显然使用uint8类型更节省空间。在图像处理工具箱中，任何一个返回二进制图像的函数都是以uint8类型逻辑数组来返回的。

（4）RGB图像

与索引图像一样，RGB图像分别用红，绿，蓝三个亮度值为一组，代表每个像素的颜色。与索引图像不同的是，这些亮度值直接存在图像数组中，而不是存放在颜色图中。图像数组为M*N*3，M，N表示图像像素的行列数。

4 图像增强

图像增强是一类基本的图像处理技术，其目的是对图像进行加工，以得到对具体应用来说视觉效果更好、更有用的图像。这里的好和有用要因具体的应用目的和要求而异，并且所需的具体增强技术也可不同。

目前常用的增强技术根据其处理所进行的空间不同，可分为基于图像域的方法和基于变化域的方法。第一类，直接在图像所在的空间进行处理，也就是在像素组成的空间里直接对像素进行操作；第二类，在图像的变化域对图像进行间接处理。

空域增强方法可表示为：g(x,y)=EH[f(x,y)]

其中f（x，y）和g（x，y）分别为增强前后的图像，EH代表增强操作。

4.1 空域变换增强

4.1.1 增强对比度

增强对比度实际是增强原图像的各部分的反差。实际中往往是通过原图中某两个灰度值之间的动态范围来实现的（如图4-1）。

图4-1 增强对比度

在图4．1．1中可以看出，通过变换可以使原图的较高的和较低的灰度值的动态范围减小了，而原图在二者之间的动态范围增加了，从而其范围的对比度增加了。

MATLAB代码所示：

X1=imread('pout.tif');

figure,imshow(X1)

f0=0;g0=0;

f1=70;g1=30;

f2=180;g2=230;

f3=255;g3=255;

r1=(g1-g0)/(f1-f0);

b1=g0-r1*f0;

r2=(g2-g1)/(f2-f1);

b2=g1-r2*f1;

r3=(g3-g2)/(f3-f2);

b3=g2-r3*f2;

[m,n]=size(X1);

X2=double(X1);

for i=1:m

for j=1:n

f=X2(i,j);

g(i,j)=0;

if(f>=0)&(f<=f1)

g(i,j)=r1*f+b1;

elseif (f>=f1)&(f<=f2)

g(i,j)=r2*f+b2;

elseif (f>=f2)&(f<=f3)

g(i,j)=r3*f+b3;

end

end

end

figure,imshow(mat2gray(g))

图像处理图示(如图4-2和图4-3)

图4-2 原图图4-3增强对比度所得图像

4.1.2 图像求反

对图像求反是将原来的灰度值翻转，简单的说就是使黑变白，使白变黑。

普通的黑白底片和照片就是这样的关系。具体的变换就是将图像中每个像素的灰度值根据变换曲线进行映射。

MATLAB代码所示：

X1=imread('pout.tif');

f1=200;

g1=256;

k=g1/f1;

[m,n]=size(X1);

X2=double(X1);

for i=1:m

for j=1:n

f=X2(i,j);

g(i,j)=0;

if(f>=0)&(f<=f1)

g(i,j)=g1-k*f;

else

g(i,j)=0;

end

end

end

figure,imshow(mat2gray(g))

图像处理图如图4-4所示：

图4-4 图像求反后

4.2 空域滤波增强

一般情况下，像素的邻域比该像素要大，也就是说这个像素的邻域中除了本身以外还包括其他像素。在这种情况下，g(x,y)在(x,y)位置处的值不仅取决于f(x,y)在以(x,y)为中心的邻域内所有的像素的值。如仍以s和t分别表示f(x,y)

在(x,y)位置处的灰度值，并以n(s)代表f(x,y)在(x,y)邻域内像素的灰度值，则 t=EA[s,n(s)]

为在邻域内实现增强操作，常可利用模板与图像进行卷积。每个模板实际上是一个二维数组，其中各个元素的取值定了模板的功能，这种模板操作也称为空域滤波。

4.2.1 基本原理

空域滤波可分为线形滤波和非线形滤波两类。

线形滤波器的设计常基于对傅立叶变换的分析。

非线形空域滤波器则一般直接对邻域进行操作。

另外各种滤波器根据功能又主要分成平滑滤波和锐化滤波。平滑可用低通来实现，锐化可用高通来实现

平滑滤波器：它能减弱或消除傅立叶空间的高频分量，但不影响在低频分量。因为高频分量对应图像中的区域边缘等灰度值具有较大较快变化的部分，滤波器将这些分量滤去可使图像平滑。

锐化滤波器：它能减弱或消除傅立叶空间的高频分量

空域滤波器都是利用模板卷积，主要步骤如下：

（1）将模板在图中漫游，并将模板中心与图中某个像素位置重合；

（2）将模板上的系数与模板下对应的像素相乘；

（3）将所有的乘积相加；

（4）将和（模板的输出响应）赋给图中对应的模板中心位置像素。

下面分别介绍在MATLAB中如何应用平滑和锐化滤波器。

4.2.2 线性平滑滤波器

线性低通滤波器是最常用的线性平滑滤波器。这种滤波器的所有系数都是正的。对3*3的模板来说，最简单的操作是取所有系数都为1。为保证输出图像仍在原来的灰度范围内，在计算R后要将其除以9再进行赋值。这种方法称为邻域平均法。

MATLAB实现均值过滤器的代码所示：

I=imread('saturn.tif');

J=imnoise(I,'salt & pepper',0.02);

imshow（I）

figure，imshow（J）

K1=filter2(fspecial('average',3),J)/255;

figure,imshow(K1)

title('3*3的均值滤波器')

原图像，加入椒盐噪声的图像和均值滤波的图像分别如图4-5、图4-6和图4-7所示。

图4-5 原图图4-6加入椒盐噪声图像

图4-7 3*3的均值滤波器处理结果

4.2.3 非线性平滑滤波器

中值滤波器是最常用的非线性平滑滤波器。它是一种临域运算，类似于卷积，但计算的不是加权求和，而是把邻域中的像素按灰度级进行排序，然后选择改组的中间值作为输出的像素值。具体步骤：

（1）将模板在图像中漫游，并将模板中心和图像某个像素的位置重合；

（2）读取模板下对应像素的灰度值；

（3）将这些灰度值从小到大排成一列；

（4）找出这些值排在中间的一个；

（5）将这个中间值赋给对应模板中心位置的像素。

MATLAB实现中值滤波器代码所示：

I=imread('saturn.tif');

J=imnoise(I,'salt & pepper',0.02);

K1=medfilt2(J,[3,3]);

figure,imshow(K1)

中值滤波的结果如图4-8所示。

图4-8 中值滤波结果

4.2.4 线性锐化滤波器

线性高通滤波器是最常用的线性锐化滤波器。这种滤波器的中心系数都是正的，而周围的系数都是负的。对3*3的模板来说，典型的系数取值是：[-1 –1 –1；-1 8 –1；-1 –1 -1]

事实上这是拉普拉斯算子，所有的系数之和为0。当这样的模板放在图像中灰度值是常数或变化很小的区域时，其输出为0或很小。这个滤波器将原来的图像中的零频域分量去除了，也就是将输出的图像的平均值变为0，这样就会有一部分像素的灰度值小于0。在图像处理中我们一般只考虑正的灰度值，所以还有将输出图像的灰度值范围通过尺度变回到所要求的范围。

MATLAB代码所示：

I=imread('saturn.tif');

m=fspecial('laplacian')

I1=filter2(m,I)

h=fspecial('unsharp',0.5);

I2=filter2(h,I)/255;

subplot(1,2,1);

imshow(I1);

title('高通滤波laplacian算子')

subplot(1,2,2);

imshow(I2);

title('高通滤波unsharp')

处理结果如图4-9所示：

图4-9空域高通滤波

4.3 频域增强

4.3.1 基本原理

卷积理论是频域技术的基础。设函数f（x,y）与线性位不变算子h（x,y）的卷积结果是g（x,y），即g(x,y)=h(x,y)*f(x,y)

那么根据卷积定理在频域有：

G(x,y)=H(u,v)F(u,v)

其中G(x,y)、 H(u,v)、F(u,v)分别是g(x,y)、h(x,y)、f(x,y)的傅立叶变换。

频域增强的主要步骤是：

（1）技术所需增强图的傅立叶变换；

（2）将其与一个（根据需要设计的）转移函数相乘；

（3）再将结果进行傅立叶反变换以得到增强的图。

频域增强的两个关键步骤：

（1）将图像从空域转换到频域所需的变换及将图像从频域空间转换回空域所需的变换；

（2）在频域空间对图像进行增强加工操作。

常用的频域增强方法有低通滤波和高通滤波。以下分别介绍在MATLAB 中如何实现。

4.3.2 低通滤波

图像的能量大部分集中在幅度谱的低频和中频度，而图像的边缘和噪声对应于高频部分。因此能降低高频成分幅度的滤波器就能减弱噪声的影响。

Butterworth 低通滤波器是一种物理上可以实现的低通滤波器，n 阶，截断频率为d0的Butterworth 低通滤波器的转移函数为：

H （u ，v ）=n d 2]

0/v u d [11），（ 用MATLAB 实现Butterworth 低通滤波器的代码所示：

I1=imread('Saturn.tif');

figure,imshow(I1)

I2=imnoise(I1,'salt');

figure,imshow(I2)

f=double(I2);

g=fft2(f);

g=fftshift(g);

[N1,N2]=size(g);

n=2;

d0=50;

n1=fix(N1/2);

n2=fix(N2/2);

for i=1:N1

for j=1:N2

d=sqrt((i-n1)^2+(j-n2)^2);

h=1/(1+0.414*(d/d0)^(2*n));

result(i,j)=h*g(i,j);

end

end

result=ifftshift(result);

X2=ifft2(result);

X3=uint8(real(X2));

figure,imshow(X3)

原图和处理结果如图4-10和图4-11所示

图4-10 加噪 图4-11 去噪

4.3.3 高通滤波

高通滤波也称高频滤波器，它的频值在0频率处单位为1，随着频率的增长，传递函数的值逐渐增加；当频率增加到一定值之后传递函数的值通常又回到0值或者降低到某个大于1的值。在前一种情况下，高频增强滤波器实际上是依照能够带通滤波器，只不过规定0频率处的增益为单位1。

实际应用中，为了减少图像中面积大且缓慢变化的成分的对比度，有时让0频率处的增益小于单位1更合适。如果传递函数通过原点，则可以称为laplacian 滤波器。

n 阶截断频率为d0的Butterworth 高通滤波器的转移函数为：

H （u ，v ）=n d 2]

v u /0d [11），（ MATLAB 实现Butterworth 高通滤波器代码所示：

I1=imread('blood1.tif');

figure,imshow(I1)

f=double(I1);

g=fft2(f);

g=fftshift(g);

[N1,N2]=size(g);

n=2;

d0=5;

n1=fix(N1/2);

n2=fix(N2/2);

for i=1:N1

for j=1:N2

d=sqrt((i-n1)^2+(j-n2)^2);

if d==0

h=0;

else

h=1/(1+(d0/d)^(2*n));

end

result(i,j)=h*g(i,j);

end

end

result=ifftshift(result);

X2=ifft2(result);

X3=uint8(real(X2));

figure,imshow(X3)

原图和处理结果如图4-12和4-13所示。

图4-12原图图4-13高通滤波

5 二值图像分析

二值图像中所有的像素只能从0和1这两个值中取，因此在MA TLAB中，二值图像用一个由0和1组成的二维矩阵表示。这两个可取的值分别对应于关闭和打开，关闭表征该像素处于背景，而打开表征该像素处于前景。以这种方式来操作图像可以更容易识别出图像的结构特征。

引言

二值图像操作只返回与二值图像的形式或结构有关的信息，如果希望对其他

类型的图像进行同样的操作，则首先要将其转换为二进制的图像格式，可以通过调用MATLAB 提供的im2bw （）来实现，方法如下：

I=imread('cameraman.tif');

figure,imshow(I)

J=im2bw(I);

figure,imshow(J)

title('二值化处理')

原图和二值化的结果分别如图5-1和图5-2所示

图5-1原图 图5-2 二值化的结果

5.2 二值形态学的基本运算

数学形态学的基础是集合运算，我们把二值图像A 看作是二维坐标点的集合，包含图像里为1的点，B 通常是一个小的集合，作用类似于模板。 膨胀（Dilation ）运算A ⊕B

腐蚀（Erosion ）运算A ΘB

开（Open ）运算

闭（Close ）运算

5.2.1 膨胀

膨胀的算符为⊕，A 用B 来膨胀写作A ⊕B ，这里先将A 和B 看作是所有取值为1的像素点的集合。其定义为：A ⊕B=φ≠])B [(|x {^

A x I }

B 膨胀A 的过程是：先对B 做关于中心像素的映射，再将其映像平移x ，换句话说，用B 来膨胀A 得到的集是B 平移后与A 至少有一个非零元素相交时B 的中心像素的位置的集合。

在MATLAB 中运用dilate （）函数来实现膨胀操作。

此外，MATLAB 中还提供了预定义的形态函数bwmorph 。 MATLAB 的代码：

I=imread('cameraman.tif');

J=im2bw(I);

BW1=bwmorph(J,'dilate');

subplot(1,2,1);

subimage(J);

title('二值处理的图像');

subplot(1,2,2);

subimage(BW1);

title('使用bwmorph 函数膨胀')

图像处理结果如图5-3所示

图5-3膨胀处理后

5.2.2 腐蚀

腐蚀的算符为Θ，A 用B 来腐蚀写作A ΘB 。其定义为})(|{A B x B A x ?=Θ 用B 来腐蚀A 得到集合是B 完全包括在A 中时B 的中心像素位置的集合。MATLAB 中用erode 函数来实现腐蚀操作。

MATLAB 代码如下：

I=imread('cameraman.tif');

J=im2bw(I);

SE=eye(5);

BW1=erode(J,SE);

subplot(1,2,1);

subimage(J);

title('二值处理的图像');

subplot(1,2,2);

subimage(BW1);

title('使用erode 函数腐蚀')

图像处理结果如图5-4所示

图5-4腐蚀处理后

5.3 二值分析进行图像处理综合应用

5.3.1 噪声滤除

将开启和闭合结合起来可构成噪声滤除器。开启就是先对图像进行腐蚀后膨

胀其结果。闭合就是先对图像进行膨胀后腐蚀其结果。

开启和闭合这两种运算都可以除去比结构元素小特定图像细节，同时保证不产生全局几何失真。开启运算可以把结构元素小的突刺滤掉，切断细长搭接而起到分离作用。闭合运算可以把比结构元素小的缺口或孔填充上，搭接短的间断而起到连通的作用。

将开启和闭合结合起来可构成形态学噪声滤除器。开启结果将背景上的噪声去除了；再进行闭合则将噪声去掉。

MATLAB代码：

I1=imread('saturn.tif');

I2=im2bw(I1);

I2=double(I2);

I3=imnoise(I2,'salt & pepper');

I4=bwmorph(I3,'open');

I5=bwmorph(I4,'close');

subplot(2,2,1);

subimage(I2);

title('二值处理的图像');

subplot(2,2,2);

subimage(I3);

title('加入椒盐噪声的图像')

subplot(2,2,3);

subimage(I4);

title('开启操作所得的图像');

subplot(2,2,4);

subimage(I5);

title('再关闭操作所得的图像')

图像处理如图5-5所示

图5-5 噪声滤除处理

5.3.2 边界提取

二值图像中，所谓的对像就是值为1的连接在一起的像素的集合。例如以下的代表了一个简单的3*3的方形对像

00 0 0 0 0

0 1 1 1 0 0

0 1 1 1 0 0

0 1 1 1 0 0

00 0 0 0 0

有4-连接和8-连接边沿

对于大多数操作来说，二值图像中对像的识别依赖于确定图像中相邻像素是否连接的约定方式。

边界提取实际上就是掏空内部点：如果原图中有一点为黑，且它的8个相邻点都是黑色时(此时该点是内部点)，则将该点删除。

在MATLAB中提供了bwperim（I,n）函数来提取二值图像中对像的边界像素。其中n表示采用何种连接，默认为4-连接。

MATLAB代码所示：

I1=imread('blood1.tif');

I2=im2bw(I1);

I3=bwperim(I2);

subplot(1,2,1);

subimage(I2);

title('二值处理的图像');

subplot(1,2,2);

subimage(I3);

title('边界处理的图像')

图像处理结果如图5-6所示:

图5-6 边界提取处理

数字图像处理大作业

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。 水平集方法的一个重要方面，比如传播模型，可以用来设计SAR图像的分割算法。这个传播函数能够依据伽马和伽马平方根法则将斑点统计进行整合，函数已经被广泛地应用于SAR图像中的均质区域分割。Ayed等基于伽马分布任意建模，设计方案将SAR图像分成多个均质区域。尽管多区分割问题已经解决，该方案人需要一定数量的区域作为输入。Shuai 和Sun在文献[16]中提出对这个方法进行了改进，他们使用了一个有效的传播前收敛判断。Marques等引入了一个类似于含有斑点噪声图像中目标检测的框架，将基于本地区域的斑点噪声统计融合进去。这些作者采用伽马平方根对均质区域进行建模并用一个自适应窗口方案检测本地的同质性。 最近，新的SAR数据模型比如K，G，显示出了优势。经典法则受限于均质区域特性的描述，而最近的法则展现出了在数据建模中更有吸引力的特性。法则允许同构、异构和高度异构幅度SAR数据的建模。这个分布族提供了一组参数，可以描述SAR图像中的不同区域。分布的参数信息，可以被广泛的应用于设计SAR图像处理和分类技术。在文献[21]中，Mejail 等人介绍了SAR监督数据分类器，它基于其参数映射并实现了有趣的结果。Gambini等人在文献[22]中使用这个分布的一个参数来量化SAR数据的粗糙度，通过活动轮廓和B样条差值来检测边缘。然而，这种技术需要一个初始分割步骤，并受拓扑限制。一般来说，活动轮廓方法不能解决不连续区域分割的问题。 本文介绍了一种新的水平集算法来实现SAR图像中均质、异构和极其异构区域分割的目标。由于分布能够描述SAR图像的同质性和规模，我们的方法采用分布对斑点数据进行建模。这些分布参数基于每一个域点进行估计，通过这些信息，我们可以在水平集分割框架内得到一个能量泛函来驱动向前传播(front propagation)。该泛函以最大化不同区域平均能量间的差异作为结束。最终水平集阶段以能量带作为依据得到SAR图像的分割结果。

关于数字图像处理论文的题目

长春理工大学——professor——景文博——旗下出品 1基于形态学运算的星空图像分割 主要内容： 在获取星图像的过程中，由于某些因素的影响，获得的星图像存在噪声，而且星图像的背景经常是不均匀的，为星图像的分割造成了极大的困难。膨胀和腐蚀是形态学的两个基本运算。用形态学运算对星图像进行处理，补偿不均匀的星图像背景，然后进行星图像的阈值分割。 要求： 1> 图像预处理：对原始星空图像进行滤波去噪处理； 2> 对去噪后的图像进行形态学运算处理； 3> 选取自适应阈值对形态学运算处理后的图像进行二值化； 4> 显示每步处理后的图像； 5> 对经过形态学处理后再阈值的图像和未作形态学处理后再阈值的图像进行对比分析。 待分割图像直接分割图像处理后的分割图像 2基于数字图像处理的印刷电路板智能检测方法 主要内容： 通过对由相机实时获取的印刷电路板图像进行焊盘识别，从而提高电子元件的贴片质量，有效提高电路板的印刷效率。 要求： 1> 图像预处理：将原始彩色印刷电路板图像转成灰度图像，对灰度图像进行背景平滑和滤波去噪； 2> 对去噪后的图像进行图像增强处理，增强边缘提取的效果。 3> 对增强后的图像进行边缘提取（至少两种以上的边缘提取算法）； 4> 显示每步处理后的图像（原始电路板图像可自行查找）； 5> 图像处理后要求能对每个焊盘进行边缘提取，边缘清晰。 3静止背景下的移动目标视觉监控 主要内容：

基于视觉的人的运动分析最有前景的潜在应用之一是视觉监控。视觉监控系统的需求主要来自那些对安全要求敏感的场合，如银行、商店、停车场、军事基地等。通过对静止背景下的目标识别，来提醒监测人员有目标出现。 要求： 1>对原始参考图和实时图像进行去噪处理； 2>对去噪后的两幅图像进行代数运算，找出目标所在位置，提取目标，并将背景置黑； 3> 判断目标大小，若目标超过整幅图像的一定比例时，说明目标进入摄像保护区域，系统对监测人员进行提示（提示方式自选）。 4>显示每步处理后的图像； 5>分析此种图像监控方式的优缺点。 背景目标出现目标提取 4车牌识别图像预处理技术 主要内容： 车辆自动识别涉及到多种现代学科技术，如图像处理、模式识别与人工智能、计算机视觉、光学、机械设计、自动控制等。汽车作为人类生产、生活中的重要工具被广泛的使用，实现自动采集车辆信息和智能管理的车牌自动识别系统具有十分重要的意义: 要求： 1>对原始车牌图像做增强处理； 2>对增强后的彩色图像进行灰度变换； 3>对灰度图像进行直方图均衡处理； 4>选取自适应的阈值，对图像做二值化处理； 5>显示每步处理后的图像； 6>分析此种图像预处理的优缺点及改进措施，简要叙述车牌字符识别方法 原始车牌图像处理后的车牌图像 5医学细胞图像细胞分割图像增强算法研究 主要内容： 医学图象处理利用多种方法对各种图像数据进行处理，以期得到更好的显示效果以便医生根据细胞的外貌进行病变分析。 要求： 1>通过对图像的灰度变换调整改变细胞图像的灰度，突出感兴趣的细胞和细胞核区域。 2>通过直方图修改技术得到均衡化或规定化等不同的处理效果。 3>采用有效的图像平滑方法对细胞图像进行降噪处理，消除图像数字化和传输时所混入的噪声，提高图像的视觉效果。 4>利用图像锐化处理突出细胞的边缘信息，加强细胞的轮廓特征。 5>显示每步处理图像，分析此种细胞分割图像预处理方法的优缺点。 原始细胞图像 图像处理后的细胞图像 6瓶子灌装流水线检测是否液体灌装满瓶体 当饮料瓶子在罐装设备后要进行液体的检测，即：进行判断瓶子灌装流水线是否灌装满瓶体的检测，如液面超过瓶颈的位置，则装满，否则不满，如果不满则灌装液体不合格，需重新进行灌装。 具体要求： 1）将原进行二值化 2）二值化后的图像若不好，将其滤波再进行膨胀处理,并重新进行二值化

数字图像处理大作业.doc

-------------精选文档 ----------------- 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

-------------精选文档 ----------------- 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

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。

数字图像处理毕业论文

毕业论文声明 本人郑重声明： 1．此毕业论文是本人在指导教师指导下独立进行研究取得的成果。除了特别加以标注地方外，本文不包含他人或其它机构已经发表或撰写过的研究成果。对本文研究做出重要贡献的个人与集体均已在文中作了明确标明。本人完全意识到本声明的法律结果由本人承担。 2．本人完全了解学校、学院有关保留、使用学位论文的规定，同意学校与学院保留并向国家有关部门或机构送交此论文的复印件和电子版，允许此文被查阅和借阅。本人授权大学学院可以将此文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本文。 3．若在大学学院毕业论文审查小组复审中，发现本文有抄袭，一切后果均由本人承担，与毕业论文指导老师无关。 4.本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果。论文中凡引用他人已经发布或未发表的成果、数据、观点等，均已明确注明出处。论文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究成果做出重要贡献的个人和集体，均已在论文中已明确的方式标明。 学位论文作者（签名）： 年月

关于毕业论文使用授权的声明 本人在指导老师的指导下所完成的论文及相关的资料（包括图纸、实验记录、原始数据、实物照片、图片、录音带、设计手稿等），知识产权归属华北电力大学。本人完全了解大学有关保存，使用毕业论文的规定。同意学校保存或向国家有关部门或机构送交论文的纸质版或电子版，允许论文被查阅或借阅。本人授权大学可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存或编汇本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单位为大学。本人毕业后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为大学。本人完全了解大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存或汇编本学位论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入学校有关数据库和收录到《中国学位论文全文数据库》进行信息服务。在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。 论文作者签名：日期： 指导教师签名：日期：

数字图像处理大作业

大作业要求 1.数字图像处理中的图像增强、图像分割、数学形态学、图像编码这几个章节中，围绕你所感兴趣的题目写一篇综述。 2.要求： （1）在中国知网上下载5篇以上相关文章，结合上课所学内容，确定综述的内容。（2）文字3000字以上，包含 a. 课题背景和概述 b. 国内外研究现状 c. 技术应用（可以实现哪些功能，实 现的方法及结果 d. 结论 e. 学习体会 f．参考文献 （3）综述的排版： 正文层次格式如下： 1（空两格）×××××（居中，三号宋体，加粗，占4行） 1.1×××（左顶格，四号宋体，加粗，占 2.5行，不接排） 1.1.1×××（左顶格，小四号宋体，加粗，占2行，不接排） a.（左空两格，a.后空一格）×××(小4号宋体，加粗) （正文）×××××(小4 号宋体，接排)

(1)（左空两格，(1)后空一格）×××(小4号宋体，加粗) （正文）×××××(小4号宋体，接排) 1)（左空两格，1）后空一格）(小4号宋体，加粗) （正文）×××××(小4号宋体，接排) 正文中段落一律段前、段后0磅，行距为20磅，对齐方式：两端对齐。小4号字体。 论文中的图和表居中，并且有图题和表题。 例如： 图 1 主站工作过程（5号字体，加粗） 表1 不同总线速率下从站的延迟时间（5号字体，加粗） 速率（Kbit/s ） 9.6 19.2 93.75 187.5 500 1500 1200SDR minT (bit T ) 11 11 11 11 11 11 11 SDR maxT (bit T ) 60 60 60 60 100 150 800 参考文献按照下面形式给出： 参考文献 （居中，三号，宋体，加粗，占4行）

数字图像处理应用论文数字图像处理技术论文

数字图像处理应用论文数字图像处理技术论文 关于数字图像处理及其应用的研究 摘要：首先对数字图像处理的关键技术以及相应的处理设备进行详细的探讨，然后对数字图像处理的应用领域以及发展趋势进行详尽论述。 关键词：数字图像处理：关键技术；应用领域 0 引言 人类通过眼、耳、鼻、舌、身接受信息，感知世界。约有75％的信息是通过视觉系统获取的。数字图象处理是用数字计算机处理所获取视觉信息的技术，上世纪20年代Bartlane电缆图片传输系统(纽约和伦敦之间海底电缆)传输一幅图片所需的时间由一周多减少到小于3个小时；上世纪50年代，计算机的发展，数字图像处理才真正地引起人们的巨大兴趣；1964年，数字图像处理有效地应用于美国喷气推进实验室(J.P.L)对“徘徊者七号”太空船发回的大批月球照片的处理；但是直到上世纪六十年代末至七十年代扔，由于离散数学理论的创立和完善，使之形成了比较完整的理论体系，成为一门新兴的学科。数字图像处理的两个主要任务：如何利用计算机来改进图像的品质以便于人类视觉分析；对图像数据进行存储、传输和表示，便于计算机自动化处理。图像处理的范畴是一个受争论的话题，因此也产生了其他的领域比如图像分析和计算机视觉等等。

1 数字图像处理主要技术概述 不论图像处理是基于什么样的目的，一般都需要通过利用计算机图像处理对输入的图像数据进行相关的处理，如加工以及输出，所以关于数字图像处理的研究，其主要内容可以分为以下几个过程。图像获取：这个过程基本上就是把模拟图像通过转换转变为计算机真正可以接受的数字图像，同时，将数字图像显示并且体现出来(例如彩色打印)。数据压缩和转换技术：通过数据压缩和数据转换技术的研究，减少数据载体空间，节省运算时间，实现不同星系遥感数据应用的一体化。图像分割：虽然国内外学者已提出很多种图像分割算法，但由于背景的多变性和复杂性，至今为止还没有一种能适用于各种背景的图像分割算法。当前提出的小波分析、模糊集、分形等新的智能信息处理方法有可能找到新的图像分割方法。图像校正：在理想情况下，卫星图像上的像素值只依赖于进入传感器的辐射强度；而辐射强度又只与太阳照射到地面的辐射强度和地物的辐射特性(反射率和发射率)有关，使图像上灰度值的差异直接反映了地物目标光谱辐射特性的差异，从而区分地物目标。图像复原，以图像退化的数学模型为基础，来改善图像质量表达与描述，图像分割后，输出分割标记或目标特征参数；特征提取：计算描述目标的特征，如目标的几何形状特征、统计特征、矩特征、纹理特征等。图像增强：显示图像中被模糊的细节。或是突出图像中感兴趣的特征。图像识别：统计模式识别、模糊模式识别、人工神经网络等。

数字图像处理期末复习题2教学总结

第六章图像的锐化处理 一.填空题 1. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。垂直方向的微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 2. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Roberts交叉微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 3. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Sobel 微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 4. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Priwitt微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 5. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Laplacian微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 6. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Wallis 微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 7. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。水平方向的微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 8. 图像微分______________了边缘和其他突变的信息。（填“增强”或“削弱”） 9. 图像微分______________了灰度变化缓慢的信息。（填“增强”或“削弱”） 10. 图像微分算子______________用在边缘检测中。（填“能”或“不能”） 四.简答题 1. 图像中的细节特征大致有哪些？一般细节反映在图像中的什么地方？ 2. 一阶微分算子与二阶微分算子在提取图像的细节信息时，有什么异同？ 3. 简述水平方向的微分算子的作用模板和处理过程。 4. 简述垂直方向的微分算子的作用模板和处理过程。 5. 已知Laplacian微分算子的作用模板为：，请写出两种变形的Laplacian算子。解答: 1. 图像的细节是指画面中的灰度变化情况，包含了图像的孤立点、细线、画面突变等。孤 立点大都是图像的噪声点，画面突变一般体现在目标物的边缘灰度部分。 2. 一阶微分算子获得的边界是比较粗略的边界，反映的边界信息较少，但是所反映的边界 比较清晰；二阶微分算子获得的边界是比较细致的边界。反映的边界信息包括了许多的细节 信息，但是所反映的边界不是太清晰。 五.应用题 1. 已知Roberts算子的作用模板为：，Sobel算子的作用模板为： 。 设图像为：

(完整版)数字图像处理大作业

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》复习大作业及答案

2014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 ）

数字图像处理论文

华东交通大学理工学院课程设计报告书 所属课程名称数字图像处理期末论文分院电信分院专业班级14 计科 学号20140210440214 学生姓名习俊 指导教师熊渊 2016 年12 月13 日

摘要 数字图像处理是用计算机对图像信息进行处理的一门技术，主要是为了修改图形，改善图像质量，或是从图像中提起有效信息，还有利用数字图像处理可以对图像进行体积压缩，便于传输和保存。本文论述了用Matlab编程对数字图像进行图像运算的基本方法。图像运算涵盖了MA TLAB程序设计、图像点运算、代数运算、几何运算等基本知识及其应用（点运算是图象处理的一个重要运算）。以及对图像加入噪声、图像缩放和图像旋转。 关键词图像点运算；代数运算；几何运算；图像缩放；图像旋转

目录 绪论 第一章图像运算 2.1点运算 2.2代数运算 2.3几何运算 第二章程序设计与调试 结束语 参考文献

绪论 早期的计算机无论在计算速度或存储容量方面，难于满足对庞大图像数据进行实时处理的要求。随着计算机硬件技术及数字化技术的发展，计算机、内存及外围设备的价格急剧下降，而其性能却有了大幅度的提高。 图像信息是人类获得外界信息的主要来源，数字图像处理技术越来越多的应用于人们日常工作、学习和生活中。和传统图像处理相比，它具有精度高、再观性好、通用性和灵活性强等特点。在近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中也得到了广泛应用。 近几年来，随着计算机和各个相关领域研究的迅速发展，科学计算可视化、多媒体技术等研究和应用的兴起，数字图像处理从1个专门领域的学科，变成了1种新型的科学研究和人机界面的工具。数字图像作为一门新兴技术，它是二十一世纪五十年代数字计算机发展到相当水平后开拓出来的计算机应用新领域，它把图像转换成数据矩阵存放于计算机中，并进行滤波、增强、删除等处理，包括图像输入输出技术、图像分析、变换于处理技术以及图像识别和特征提取等方面。六十到七十年代数字处理技术的理论和方法更加完善，其准确性、灵活性和通用性逐步提高。 在日常生活中，电脑人像艺术，电视中的特殊效果，自动售货机钞票的识别，邮政编码的自动识别和利用指纹、虹膜、面部等特征的身份识别等均是图像处理的广泛应用。 进行数字图像处理时主要涉及数字图像点运算处理，针对图像的像素进行加、减、乘、除等运算，有效地改变了图像的直方图分布。

数字图像处理期末考题

数字图像处理 一、填空题 1、数字图像的格式有很多种，除GIF格式外，还有jpg 格式、tif 格式。 2、图像数据中存在的有时间冗余、空间冗余、结构冗余、信息熵冗余、知识 冗余、视觉冗余。 3、在时域上采样相当于在频域上进行___延拓。 4、二维傅里叶变换的性质___分离性、线性、周期性与共轨对称性、__位 移性、尺度变换、旋转性、平均值、卷积。（不考） 5、图像中每个基本单元叫做图像元素；在早期用picture表示图像时就称为 像素。 6、在图象处理中认为线性平滑空间滤波器的模板越大,则对噪声的压制越 好 ;但使图像边缘和细节信息损失越多; 反之, 则对噪声的压制不好 ,但对图像的细节等信息保持好。模板越平,则对噪声的压制越好 ,但对图像细节的保持越差;反之,则对噪声的压制不好,但对图像细节和边缘保持较好。 7、哈达玛变换矩阵包括___+1 和___—1 两种矩阵元素。（不要） 8、对数变换的数学表达式是t = Clog ( 1 + | s | ) 。 9、傅里叶快速算法利用了核函数的___周期性和__对称性。（不要） 10、直方图均衡化的优点是能自动地增强整个图像的对比度。（不要） 二、选择题 ( d )1.一幅灰度级均匀分布的图象，其灰度范围在[0，255]，则该图象的信息量为： a. 0 .255 c ( c )2.采用模板［-1 1］主要检测____方向的边缘。 a.水平 b.45 c.垂直 ( c )3. 下列算法中属于图象平滑处理的是： a.梯度锐化 b.直方图均衡 c. 中值滤波增强 ( b )4.图象与灰度直方图间的对应关系是： a.一一对应 b.多对一 c.一对多 d.都不对 ( a )5.对一幅图像采样后，512*512的数字图像与256*256的数字图像相比较具有的细节。 a.较多 b.较少 c.相同 d.都不对 ( b )6.下列算法中属于点处理的是： a.梯度锐化 b.二值化 c.傅立叶变换 d.中值滤波 ( d )7.二值图象中分支点的连接数为： .1 c ( a )8.对一幅100100像元的图象，若每像元用８bit表示其灰度值，经霍夫曼编码后压缩图象的数据量为40000bit，则图象的压缩比为： :1 :1 c.4:1 :2 ( d )9.下列算法中属于局部处理的是： a.灰度线性变换 b.二值化 c.傅立叶变换 d.中值滤波 ( b )10.下列图象边缘检测算子中抗噪性能最好的是： a.梯度算子算子算子d. Laplacian算子

数字图像处理大作业要点

数字图像处理实验报告 学院：信息学院 专业：电科1004班 姓名： 学号： 辅导老师： 完成日期： 2013年6月29日 空域图像增强 实验要求:

(1)选择若干图像（两幅以上），完成直方图均衡化。 (2)选择若干图像（两幅以上），对图像文件分别进行均值滤波、中值滤波和拉 普拉斯锐化滤波操作。 (3)添加噪声，重复上述过程观察处理结果。 实验原理： (1)图像增强是图像处理的基本内容之一，图像增强是指按特定的需要突出一幅 图像中的某些信息，同时削弱或去除某些不需要信息的处理方法，其目的是使得处理后的图像对某种特定的应用，比原始图像更合适。处理的结果使图像更适应于人的视觉特性或机器的识别系统。图像增强主要可分为三类:频域图像增强方法、小波域图像增强方法、空域图像增强方法。 (2)空域图像增强主要包括:直方图均衡化、平滑滤波和锐化滤波等方法。 (3)直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。 这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。 这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。 (4)平滑滤波是低频增强的空间域滤波技术。它的目的有两类：一类是模糊；另 一类是消除噪音。空间域的平滑滤波一般采用简单平均法进行，就是求邻近像元点的平均亮度值。 (5)均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板， 该模板包括了其周围的临近像素（以目标象素为中心的周围8个象素，构成一个滤波模板，即去掉目标象素本身）。再用模板中的全体像素的平均值来代替原来像素值。均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。 线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m ∑f（x，y） m为该模板中包含当前像素在内的像素总个数。 (6)中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技 术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中,f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为2*2，3*3区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。 (7)拉式算子是一个刻画图像灰度的二阶商算子，它是点、线、边界提取算子， 亦称为边界提取算子。通常图像和对他实施拉式算子后的结果组合后产生一个锐化图像。拉式算子用来改善因扩散效应的模糊特别有效，因为它符合降制模型。 拉普拉斯算子也是最简单的各向同性微分算子，具有旋转不变性。一个二维

西安交通大学大学数字图像处理大作业

数字图像处理

目录 作业一 (1) 一作业要求 (1) 二源代码 (1) 三运行结果 (3) 作业二 (5) 一作业要求 (5) 二算法描述 (5) 三源代码 (7) 四运行结果 (10)

作业一 一作业要求 在图像的空间域滤波操作中，会出现有部分掩膜矩阵在图像外面的情况，所以需要给图像先加入一个边界，执行完操作之后，再去掉这个边界，保证图像中所有的像素都参与矩阵运算。 二源代码 byte[,] filter(byte[,]f,float[,]mask) { int w = f.GetLength(0); int h = f.GetLength(1); byte[,] g = new byte[w,h]; int M = mask.GetLength(0)/2; int N = mask.GetLength(1)/2; for (int y=N;y255) return 255; if (v<0) return 0; return (byte)v;

} float[,] averagingMask(intM,int N) { float[,] mask = new float[2*M+1,2*N+1]; for (int m=-M;m<=M;m++) for (int n=-N;n<=N;n++) mask[M+m,N+n] = 1.0f/((2*M+1)*(2*N+1)); return mask; } byte[,] addboard(byte[,] f,intM,int N) { int w=f.GetLength(0); int h=f.GetLength(1); intgw=w+2*M; intgh=h+2*N; byte[,] g=new byte[gw,gh]; //add top board and bottom board for(inti=0;i

数字图像处理结课论文

数字图像处理结课作业 --数字图像频域增强方法 及在matlab中的实现 学生姓名： 学号： 学院：理学院 班级：电科班 指导教师：

摘要:图像增强的目的是使处理后的图像更适合于具体的应用，即指按一定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息，使之改善图像质量，加强图像判读和识别效果的处理技术。从总体上可以分为两大类:空域增强和频域增强。频域处理时将原定义空间中的图像以某种形式转换到其他空间中，利用该空间的特有性质方便的进行图像处理。而空域增强是在图像空间中借助模板对图像进行领域操作，处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制，同时保证其他分量不变，从而改变输出图像的频率分布，达到增强图像的目的。本文主要从空域展开图像增强技术，重点阐明数字图像增强处理的基本方法，介绍几种空域图像增强方法。 关键词：图像增强 MATLAB 空域增强锐化空间滤波平滑空间滤波

目录： 1、何为数字图像处理及MATLAB的历史 2、空间域图像增强技术研究的目的和意义 3、空间域的增强 3.1 背景知识 3.2 空间域滤波和频域滤波之间的对应关系 3.3 锐化滤波 3.4 平滑滤波 4、结论 1、何为数字图像处理及MATLAB的历史 数字图像处理（digital image processing）,就是利用数字计算机或者其他数字硬件,对从图像信息转换而得到的电信号进行某些数学运算,以提高图像的实用性。例如从卫星图片中提取目标物的特征参数,三维立体断层图像的重建等。总的来说,数字图像处理包括运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。目前数字图像处理的应用越来越广泛,已经渗透到工业、医疗保健、航空航天、军事等各个领域,在国民经济中发挥越来越大的作用。 MATLAB是由美国Math Works公司推出的软件产品。MATLAB是“Matric Laboratory”的缩写,意及“矩阵实验室”。MATLAB是一完整的并可扩展的计算机环境,是一种进行科学和工程计算的交互式程序语言。它的基本数据单元是不需要指定维数的矩阵,它可直接用于表达数学的算式和技术概念,而普通的高级语言只能对一个个具体的数据单元进行操作。它还是一种有利的教学工具,它在大学的线性代数课程以及其它领域的高一级课程的教学中,已成为标准的教学工具。

数字图像处理期末复习

遥感与数字图像处理基础知识 一、名词解释： 数字影像图像采样灰度量化像素 数字影像：数字影像又称数字图像，即数字化的影像。基本上是一个二维矩阵，每个点称为像元。像元空间坐标和灰度值均已离散化，且灰度值随其点位坐标而异。 图像采样：指将在空间上连续的图像转换成离散的采样点集的操作。 灰度量化：将各个像素所含的明暗信息离散化后，用数字来表示。 像素：像素是A/D转换中的取样点，是计算机图像处理的最小单元 二、填空题： 1、光学图像是一个连续的光密度函数。 2、数字图像是一个_离散的光密度_函数。 3、通过成像方式获取的图像是连续的，无法直接进行计算机处理。此外，有些遥感图像是通过摄影方式获取的，保存在胶片上。只有对这些获取的图像（或模拟图像）进行数字化后，才能产生数字图像。数字化包括两个过程：___采样___和__量化___。 4、一般来说，采样间距越大，图像数据量____小____，质量____低_____；反之亦然。 5、一幅数字图像为8位量化，量化后的像素灰度级取值范围是________的整数。设该数字图像为600行600列，则图像所需要的存储空间为________字节。 6、设有图像文件为200行，200列，8位量化，共7个波段，则该图像文件的大小为________。 三、不定项选择题：(单项或多项选择) 1、数字图像的________。 ①空间坐标是离散的，灰度是连续的②灰度是离散的，空间坐标是连续的 ③两者都是连续的④两者都是离散的 2、采样是对图像________。 ①取地类的样本②空间坐标离散化③灰度离散化 3、量化是对图像________。 ①空间坐标离散化②灰度离散化③以上两者。 4、图像灰度量化用6比特编码时，量化等级为________。 ①32个②64个③128个④256个 5、数字图像的优点包括________。 ①便于计算机处理与分析②不会因为保存、运输而造成图像信息的损失 ③空间坐标和灰度是连续的

数字图像处理大作业

[HW5][24]SA11009045_张海滨 大作业 1、行模糊、锐化、和直方图均衡化。 程序： I=imread('E:\研一\数字图像处理\作业\HW5\DSC00003.JPG'); figure,imshow(I),title('原始图像'); I1=rgb2gray(I); I1=imresize(I1,0.5); figure,imshow(I1),title('灰度图像'); h=ones(5,5)/25; I2=imfilter(I1,h); figure,imshow(I2),title('模糊处理'); J=double(I1); h1=fspecial('laplacian'); I3=filter2(h1,J); figure,imshow(I3),title('锐化处理'); I4 = histeq(I1,256); figure,imhist(I1),title('原图像直方图'); figure,imshow(I4),title('均衡化处理'); figure,imhist(I4),title('均衡化后直方图'); 进行运算的结果为： 原始图像

此为进行处理的原始图像。进行图像灰度化并把图像的大小进行调整为原来的一半，得到图像： 对图像分别进行均值滤波器模糊、拉普拉斯算子锐化处理，得到的结果如下图：

方图如下所示。

2、边缘检测，程序： I=imread('F:\研一\数字图像处理\作业\HW5\DSC00003.JPG'); I1=rgb2gray(I); I1=imresize(I1,0.5); J=double(I1); H=[0 1 0;1 -4 1;0 1 0]; J=conv2(J,H,'same'); J=I1-J; subplot(1,2,1); imshow(I1),title('灰度图像'); subplot(1,2,2); imshow(J),title('Laplace算子边缘检测'); G1 = [-1 -2 -1;0 0 0;1 2 1]; G2 = G1'; Iedge=I1; I2x = filter2(G1,Iedge); I2y = filter2(G2,Iedge); I2=abs(I2x+I2y); I22 = mat2gray(I2);