信息隐藏 实验六 调色板图像隐写

实验六调色板图像隐写

一，实验目的

1，了解调色板图像的特点

2，掌握基于调色板图像的信息隐藏原理

3，设计并实现一种基于调色板图像的信息隐藏算法

二，实验环境

1，Windows XP

2，Matlab

3，调色板图像

三，实验原理

1，本实验的实验原理是：对调色板中所有颜色，把像素点的蓝色分量增加，然后将这种颜色添加到调色板中形成一个拓展调色板。根据需要嵌入的消息长度，随机选取隐藏的位置，当嵌入0时，使用原调色板中的颜色，当嵌入1时，使用拓展后调色板中的颜色。

2，在查找的资料中显示，目前基于调色板的隐写大致分为三类：第一类是利用LSB 跳变来隐藏消息位, 这种技术一般要同时改变调色板与像素内容, 而且由于颜色空间的扩展, 导致图片中存在大片的颜色块, 容易检测出来; 第二类是利用调色板中的颜色对来进行数据隐藏; 第三类是通过颜色在调色板中的顺序来对消息位进行编码。

四，实验过程

1，嵌入秘密信息

在这个过程中，秘密信息‘123’被装在hidden.txt中，密钥为1234。用randselest（x，count，key）函数来选择隐藏的位置。结果如下所示：

原始图像携密图像

由图像可以看出，没有什么变化。

2，提取秘密信息

结果如下截图所示，提取出的秘密信息是123.

五，实验总结

通过该实验了解了调色板图像的特点，掌握了基于调色板图像的信息隐藏原理。

六，代码附录

1，simpleindexhiding.m

clc;

clear;

%读入载体图像

[x,map]=imread('lenaindex.bmp','bmp');

wx=x;

[row col]=size(wx);

wmap=map;

msgfid=fopen('hidden.txt','r');

[msg,count]=fread(magfid);

fclose(msgfid);

count=count*8;

msg=str2bit(msg);

msg=msg';

oplength=0;

for i=1:256

if map(i,1)~=0&&map(i,2)~=0&&map(i,3)~=0

oplength=oplength+1;

end

end

%复制调色板

for i=oplength+1:oplength*2

wmap(i,1)=map(i-oplength,1);

wmap(i,2)=map(i-oplength,2);

wmap(i,3)=map(i-oplength,3)+0.0001;

end

key=1234;

[row col]=randselect(x,count,key);%选择隐藏的位置

for i=1:count

hidingindex=x(row(i),col(i))+1;

if msg(i,1)==1

wx(row(i),col(i))=x(row(i),col(i))+oplength;

end

end

imwrite(wx,wmap,'lenaindex1.bmp','bmp');

figure;

subplot(1,2,1);imshow('lena.bmp');title('原始图像');

subplot(1,2,2);imshow('lenaindex1.bmp');title('携密图像');

2,simpleextract.m

clc;

clear;

%读入载体图像

[x,map]=imread('lenaindex1.bmp','bmp');

key=1234;

count=24;

for i=1:count

msg(i,1)=0;

end

oplength=64;

[row col]=randselect(x,count,key);

for i=1:count

if x(row(i),rol(i))>oplength

msg(i,1)=1;

else

msg(i,1)=0;

end

end

out=bit2str(mag);

fid=fopen('massage.txt','wt');

fwrite(fid,out);

fclose(fid);

3,bit2str.m

function out = bit2str(in)

% out = zeros(1, round(length(in)/8));

out = [''];

len = round(length(in)/8);

for n = 1:len

temp = in((n - 1) * 8 + 1:n * 8);

temp = toStr(temp);

out(n) = bin2dec(temp);

end;

4,str2bit.m

function data = str2bit(varargin)

source = '';

str = '';

if nargin == 0

source = input('please enter the plain text you want to send:\n', 's');

else

source = varargin{1};

end;

source_len = length(source) * 8;

data = zeros(1, source_len);

for n = 1:length(source)

temp = dec2bin(source(n), 8);

str = strcat(str, temp);

end;

for n = 1:source_len

if str(n) == '0'

data(n) = 0;

else

if str(n) == '1'

data(n) = 1;

else

fprintf(1, 'error bit');

return;

end;

end;

5,randselect.m

function [row col]=randselect(omatrix,count,key) [m,n]=size(omatrix);

distance1=ceil(m*n/count);

distance2=distance1-2;

if distance2==0

error('载体太小');

end

rand('state',key);

a=rand(1,count);

row=zeros([1 count]);

col=zeros([1 count]);

r=1;

c=1;

row(1,1)=r;

col(1,1)=c;

for i=2:count

if a(i)>=0.5

c=c+distance1;

else

c=c+distance2;

end

if c>n

r=r+1;

if r>m

error('载体太小');

end

c=mod(c,n);

if c==0

c=1;

end

end

row(1,i)=r;

col(1,i)=c;

end

6,toStr.m

function y = toStr(x)

%y = toStr(x)

%change 0, 1array to string

%x:0, 1array

for n = 1:length(x)

if(x(n) == 1)

y = strcat(y, '1');

else

y = strcat(y, '0');

end;

end;

信息资源管理模拟试题6答案

信息资源管理模拟试题(六) 一、单项选择题 在每小题列出的四个备选项中只有一个选项是符合题目要求的，请将其代码填写在题后的括号内。错选、多选或未选均无分。 1、（ B ）是事物本身固有的一个特征量，与认识主体因素无关。 A、先验信息 B、实在信息 C、偶发信息 D、实得信息 2、( B ) 是在自然界和人类社会生活中一种可以用来创造物质财富和精神财富，并且具有一定量积 累的客观存在形式。 A、信息资源 B、资源 C、信息 D、能量 3、( B ) 是信息化建设工作的核心，是信息化的基础性和奠基性的工作。 A、信息化战略规划 B、信息资源规划 C、信息化项目规划 D、信息化规划 4、有关信息系统评价，不正确的是( D ) A、在管理方面，评价内容主要考虑提高企业管理水平、优化管理流程、完善规章制度、提高人员 素质等 B、在技术方面，评价内容主要是管理信息系统的性能 C、在经济方面，评价内容主要是信息系统的成本与效益 D、在安全方面，评价内容主要是信息系统的安全技术 5、有关主题数据库，不正确的是（B ） A、主题数据库是一种集约化的数据库环境，构成组织独立于具体应用的数据资源 B、主题数据库是按业务报表原样建库的 C、主题数据库要求信息资源的唯一性 D、主题数据库结构的稳定性是以基本表作技术保证的 6、信息系统文档管理内容不包括（ D ）。 A、文档制定 B、文档修订 C、文档存档 D、文档安全 7、常用逻辑分析方法不包括（ B ） A、比较法 B、插值法 C、分析与综合 D、推理 8、评价期刊影响力的指标是( B )。 A、普赖斯指数 B、影响因子 C、元数据 D、网络计量学

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；

实验室信息管理系统(LIMS)

1.实验室信息管理系统（LIMS）主要功能 1）样品的管理（Sample Management） 是指样品进入实验室到分配检测项目直至完成并认可检测结果出具证书的过程。样品被登录到LIMS 后，系统将严格按照预先定义好的有关规范对其实行管理。样品登录后，系统将自动分配一个按照一定规则命名的sample ID作为该样品在实验室中唯一的标识，并打印出条码。所有与样品有关的信息在样品登录时都将被记录下来，如送样单位付款单位接收报告单位的信息、需要出报告的日期、检测的项目及要求、样品的状态及描述、接收样品的日期部门及人员等。样品登陆后，根据检测项目的不同会自动给相关的技术小组下达工作任务，即自动分配样品。检测结果可以从仪器直接传输或者人工键盘输入，并且会有三级审核认可的过程，只有通过认可的结果才可以进行发布和产生分析证书。 2) 质量控制的管理(Quality Control Management) LIMS 应该提供相关的功能模块为实验室建立一套完善的质量管理体系，对影响实验室质量的诸要素进行有效的管理和控制，并严格规范实验室的标准操作流程（SOP）。为了保证分析数据的准确性、分析结果的可靠性和监测测试仪器的稳定性，过程质量控制中的数据进行统计分析。并通过对质控样品的数据分析，自动评价实验室总体或者个体的质量状况。通过对一定时间内样品关键质量数据的分析，预测其质量的趋势。 3) 仪器集成(Instrument Interface) 将测试仪器跟LIMS 集成，实现从测试仪器到LIMS 的自动数据传输代替测试和质量控制结果的键盘输入，从而大大提高工作的效率和减少错误率，缩短样品在实验室中的生命周期。 4）统计报表。 提供报表软件，生成准确反应实验室需求的报表，包括统计、计算等。通过开放式数据库连接，同时保持数据的一致性和安全性。 5) 厂家的管理。 包括厂家基本信息、厂家意见反馈、厂家送样历史记录、厂家样品监测信息、厂家与实验室业务往来统计、费用统计和厂家信誉额度等信息。

实验室信息管理系统,使用的有效性

实验室信息管理系统,使用的有效性 文章内容检索重点：试验室能力管理、神鹰LIMS、实验室管理系统、TDM实验室管理系统、数据采集、实验室信息管理系统。 实验室智能管理系统，是天健通泰科技在神鹰TDM多年成功经验的背景下，面向标准化实验室推出的又一个具有行业领先技术的实验室信息管理系统软件。具有独立自主知识产权，可以针对客户需求做出迅速调整的成熟软件系统。LIMS实验室智能管理系统满足ISO/IEC：17025体系的全部要求，对实验室的资源、样品、分析任务、实验结果、质量控制等进行合理有效的科学管理。LIMS管理系统可保证您实验室数据的完整性、合法性以及可追溯性；极大地减少了实验室管理的人工成本，使得错综复杂的流程管理能够有条不紊的进行。 神鹰实验室综合管理系统是基于用户的硬件平台，选择标准的微软系统平台，可在局域网内win 10/8/7/2000/XP等中文平台上稳定运行。利用先进的可视化开发工具，采用成熟与流行技术相结合的开发方式，完成具有良好用户界面，易学易用，维护方便，方式灵活的LIMS管理软件，快速准确地完成各类分析测试和数据的采集、加工和存贮，实现全实验室、全业务的计算机化管理、实现客户实验室检测数据处理系统的联网运行，帮助客户改变以前的运行和管理模式，实现检测业务流程和资源（包括检测数据、人员、仪器设备、标准物质、试剂材料、技术和质量文件、检测经费等)的计算机化管理，为实验室提供科学、规范、高效的管理方法。使客户实验室对社会开展的分析测试等服务的数据处理、数据管理规范化、科学化和现代化。

一、实验室信息管理的必要性 1、改进质量管理手段 1.1提高分析数据的综合利用率 1.2提高分析数据的时效性 1.3挖掘分析数据的潜在价值 2、规范实验室内部管理在实验室内部，根据实验室业务及质量管理流程，实现样品登记申请、样品登记、任务分配、分析数据的快速采集，审核、处理、统计、查询，直至报表自动生成，最后将有用的信息传递给桌面用户。将人员、仪器、试剂、方法、环境、文件等影响分析数据的质量要素有机结合起来，整体内部管理体系遵循ISO9000及实验室评审国际标准ISO/IEC 17025，全面提升实验室的分析水平和规范化管理。LIMS系统的建立也为企业实验室进行标准化认证创造条件。 3、实现质量数据大范围共享LIMS系统的主要管理对象是实验室，它既是实验室的信息集成，又支持企业其它管理系统对质量数据的快速访问. 只要有相应的访问权限，LIMS终端用户可以选择浏览数据。通过样品链，在同一个界面中完成对分析数据的浏览。

数字图像处理中的边缘检测技术

课程设计报告 设计题目：数字图像处理中的边缘检测技术学院： 专业： 班级：学号： 学生姓名： 电子邮件： 时间：年月 成绩： 指导教师：

数字图像处理中的边缘检测技术课程设计报告I 目录 1 前言:查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 (1) 1.1理论背景 (1) 1.2图像边缘检测技术研究的目的和意义 (1) 1.3国内外研究现状分析 (2) 1.4常用边缘检测方法的基本原理 (3) 2 小波变换和小波包的边缘检测、基于数学形态学的边缘检测法算法原理 (7) 2.1 小波边缘检测的原理 (7) 2.2 数学形态学的边缘检测方法的原理 (7) 3 算法实现部分：程序设计的流程图及其描述 (9) 3.1 小波变换的多尺度边缘检测程序设计算法流程图 (9) 3.2 数学形态学的边缘检测方法程序设计算法描述 (10) 4实验部分：对所给的原始图像进行对比实验，给出相应的实验数据和处理结果 (11) 5分析及结论：对实验结果进行分析比较，最后得出相应的结论 (15) 参考文献 (17) 附录：代码 (18)

1前言 查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 1.1 理论背景 图像处理就是对图像信息加工以满足人的视觉心理或应用需求的方法。图像处理方法有光学方法和电子学方法。从20世纪60年代起随着电子计算机和计算技术的不断提高和普及，数字图像处理进入了高速发展时期，而数字图像处理就是利用数字计算机或其它的硬件设备对图像信息转换而得到的电信号进行某些数学处理以提高图像的实用性。 图像处理在遥感技术，医学领域，安全领域，工业生产中有着广泛的应用，其中在医学应用中的超声、核磁共振和CT等技术，安全领域的模式识别技术，工业中的无损检测技术尤其引人注目。 计算机进行图像处理一般有两个目的：(1)产生更适合人观察和识别的图像。 (2)希望能由计算机自动识别和理解图像。数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 1.2 图像边缘检测技术研究的目的和意义 数字图像处理是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像处理也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像处理和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像处理中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速

信息资源综合性实验报告

《信息资源管理》综合性实验题目：高校图书馆信息资源管理现状研究姓名+学号： 学期： 指导老师：

1 研究思路（课题实施原理图） 2 调研与分析 图书馆信息资源管理内容体系 ①应用系统 ②IT技术 ③人力资源管理 ④组织结构 ⑤信息服务 信息采集对象与方法 2.2.1 信息采集对象 ①学生 ②图书馆管理人员

2.2.2 信息采集方法 ①问卷调查 ②访谈 结果与分析（以简洁明快的信息表达方式来表述） 该图书馆在人员分配上有馆长和副馆长以及其底下有8个部门，各部门功能不同，协调工作,合理的人力资源管理让图书馆的工作效率、工作气氛都大大增加；图书馆使用了基于RIFD技术和设备的图书管理系统，实现图书借还，顺架，查找，馆藏盘点等功能，使图书管理工作智能化，规范化，系统化，程序化，避免图书管理的随意性，提高信息处理的速度和准确性，从而提高工作效率,给图书馆管理人员以及学生带来了极大的便利；同学们对图书馆所提供的各种服务基本满意，很多人都原意到图书馆去学习；但是有些同学觉得检索系统不健全，查找不方便，操作复杂，不容易掌握，在搜索时找到该书，但在实际查找中却找不到该书，所以这方面有待改善。 3 完善方法（或思路） 针对在问卷调查中所出现的问题：同学们在系统上查到书架上有该书，但在实际查找中却找不到该书。我们小组提出以下完善方法： 图书馆必须成立一个小组，该小组主要负责查看系统上显示存在的且未借出去的书及数量而书架上有该书且数量与之相符。 4 小结（方案有什么特色与不足） 该图书馆的方案特色：对于图书馆工作人员，简单繁琐工作大大减少，多余时间提高更高层次服务；对于读者，避免排队等候，更方便更快捷，更长的图书馆开放时间，隐私性，选择性和独立性；提高管理效率，人力资源的合理配置，低层次服务转变为高层次服务；简化人工作业，节约时间和成本，馆藏更精确，管理更轻松；提高服务质量，减轻劳动强度，更文明，更人性化的服务环境；更多样，更个性化的定制服务；自主借还，享受和谐高科技服务体验； 该图书馆的不足：检索系统不健全，查找不方便，操作复杂，不容易掌握，在搜索时找到该书，但在实际查找中却找不到该书。 附件1：实验任务书

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];

实验室信息管理系统(LIS)解决方案教学内容

康师傅检验信息管理系统 解决方案 2010-04-06 康师傅软件股份公司

一、 产品概述 康师傅检验信息管理系统是将实验室的分析仪通过计算机网络连接起来,采用科学的管理思想和先进的数据库技术,实现以实验室为核心的整体环境的全面管理，为临床提供全面的医学检验服务。它集样本管理、资源管理、流程管理、网络管理、数据管理(采集,传输,处理,输出,发布) 、报表管理等诸多模块为一体,组成一套完整的、符合实验室管理规范的综合管理和检测质量监控体系,既能满足实验室日常管理要求,又保证各种实验分析数据的严格管理和控制。 系统应支持条形码管理，具有医嘱和检验仪器双向自动传输功能。检验仪器应通过终端服务器的方式直接接入HIS 系统的主干网络。 二、 仪器连接 SYSMEX UF-100 SYSMEX UF-50 桂林优利特-300 桂林优利特-100 迪瑞H-300 罗氏MODULAR P+P 分析仪 电解质分析仪AVL-988-3 贝克曼LX-20 SYSTEM KX21 SYSMEX 9000/RAM-1 贝克曼库尔特 ACL-200 贝克曼库尔特 ACL-9000 SYSMEX 1800I 雷勃MK-3 罗氏E170 罗氏Light Cycle 中佳放免分析仪精子分析仪普利生NA6 细菌鉴定仪HX-21

三、检验流程 四、集团化医院网络布局 医院一医院二医院三需求说明： 1）医生根据登陆的医院科室申请检验医嘱 2）样本采样可以实行集中和分散两种方式

集中采样：系统中所有标本可以进行集中采样，然后根据执行科室进行标本分拣，将标本送到各自医院对应的检验科室 分散采样：用户根据登录医院查询对应医院的标本进行采样后，送到对应的检验科室 3）各检验科室收到标本后，进行标本接收上机 4）标本完成检验后，完成采集结果和报告审核，同时报告可以在各自医院的医生工作站进行浏览和打印 五、产品特点 ?使用高性能的数据库平台 ?使用专业的数据采集器(终端服务器)连接检验分析仪器 ?实现样本全程状态监控和周转时间(TAT)管理 ?使用条码管理，实现双向通讯和标本管理 ?符合临床实验室管理系统标准和管理规范 ?提供专业规范的检验报告和个性化报告定制服务 ?提供完善的质量控制体系 ?支持ASTM,HL7, SNOMED,NCCL等医疗行业相关标准 ?支持报告以Web，手机短信，电子邮件多种形式进行访问和发布 ?提供丰富的查询和统计功能 六、产品功能 1检验申请 1.1 医生或护士可在临床工作站录入检验医嘱形成检验申请单； 1.2 技师可在标本登记中录入检验申请单； 1.3 自动根据录入的医嘱取得标本类型，医嘱数量和容器类型； 1.4 可以接受来自外部系统的检验申请； 1.5 支持打印多种形式的检验申请单。

图像边缘检测算法体验步骤

图像边缘检测算法体验步骤 图像边缘检测算法体验步骤（Photoshop，Matlab）1. 确定你的电脑上已经安装了Photoshop和Matlab2. 使用手机或其他任何方式，获得一张彩色图像（任何格式），建议图像颜色丰富，分辨率比较高，具有比较明显的图像边界（卡通图像，风景图像，桌面图像）3. 将图像保存到一个能够找到的目录中，例如img文件夹（路径上没有汉字）4. 启动Photoshop，打开img文件夹中的图像5. 在工具箱中选择“矩形选择”工具，到图面上选择一个区域（如果分辨率比较高，建议不要太大，否则计算过程比较长）6. 点击下拉菜单【文件】-【新建】，新建一个与矩形选择框同样尺寸的Photoshop图像，不要求保存该图像7. 将该彩色图像转换为亮度图像，即点击下拉菜单【图像】-【模式】-【灰度】，如提示是否合并，选择“Yes”8. 将该单色的亮度图像另存为Windows的BMP文件，点击下拉菜单【文件】-【存储为】，在“存储为”窗口中，为该文件起一个名字，例如test1（保存为test1.bmp）9. 启动Matlab，将当期路径（Current Directory）定位到图像文件夹，例如这里的img文件夹10. 使用imread命令读入该图像，在命令行输入：>> f = imread(test1.bmp);11. 在Matlab中显示该图像，在命令行输入：>> figure, imshow(f)12. 然后，分别使用Matlab图像工具箱中的Edge函数，分别使用Sobel算法，高斯-拉普拉斯（Log）算法和Canny算法得到的边缘图像：在命令行输入：>> g_sobel = edge(f, sobel, 0.05); >> g_log = edge(f, log, 0.003, 2.25); >> g_canny = edge(f, canny, [0.04 0.10], 1.5);13 得到边缘图像计算结果后，显示这些边缘图像： >> figure, imshow(g_sobel) >> figure, imshow(g_log) >> figure, imshow(g_canny)14 可以用不同的图像做对比，后续课程解释算法后，可以变换不同的阈值，得到不同的边缘图像

完整word版数字图像处理实验报告6

数字图像处理与分析 实 验 报 告 学院： 班级： 姓名： 学号：

实验六细胞图像的分割与测量 一、实验目的 1. 通过分析细胞图像特点，完成细胞图像的分割和测量，并分析测量结果。 2. 将图像预处理、分割、分析等关键技术结合起来，理论与实践相结合，提高图像处理关键技术的综合应用能力。 二、实验要求 1. 对比中值、均值和形态学开闭运算对细胞图像的滤波效果，选择适用于细胞图像的滤波方法 2. 运用大津阈值对细胞图像分割，观察分割后噪声情况，观察目标边缘处的分割效果；（使用函数：im2bw） 3. 实现连通区域的编号；（使用函数：bwlabel） 4. 计算各连通区域的相关信息，如面积、重心等。（使用函数：regionprops ） 三、实验步骤 预处理去噪大津阈值分割目标编号标记测量各个细胞的面积等参数输出测量结果 、预处理去噪1 ); x=imread( \CHEN2-7.BMP'桌面Settings\Administrator\'C:\Documents and y=medfilt2(rgb2gray(h)); subplot(2,2,1) imshow(x) ); title(''原图像subplot(2,2,2) imshow(y) ); title('中值滤波处理' I=fspecial() 'average'z=imfilter(rgb2gray(x),I); subplot(2,3,4) imshow(z) title(); ''均值滤波处理se = strel(,5,5); 'ball'm = imopen(rgb2gray(x),se); subplot(2,3,5) imshow(m) title(); '形态学开运算处理'se = strel(,5,5); 'ball'n = imclose(rgb2gray(x),se);

Matlab做图像边缘检测的多种方法

Matlab做图像边缘检测的多种方法 1、用Prewitt算子检测图像的边缘 I = imread('bacteria.BMP'); BW1 = edge(I,'prewitt',0.04); % 0.04为梯度阈值 figure(1); imshow(I); figure(2); imshow(BW1); 2、用不同σ值的LoG算子检测图像的边缘 I = imread('bacteria.BMP'); BW1 = edge(I,'log',0.003); % σ=2 imshow(BW1);title('σ=2') BW1 = edge(I,'log',0.003,3); % σ=3 figure, imshow(BW1);title('σ=3') 3、用Canny算子检测图像的边缘 I = imread('bacteria.BMP'); imshow(I); BW1 = edge(I,'canny',0.2); figure,imshow(BW1); 4、图像的阈值分割 I=imread('blood1.tif'); imhist(I); % 观察灰度直方图，灰度140处有谷，确定阈值T=140 I1=im2bw(I,140/255); % im2bw函数需要将灰度值转换到[0,1]范围内 figure,imshow(I1); 5、用水线阈值法分割图像 afm = imread('afmsurf.tif');figure, imshow(afm); se = strel('disk', 15); Itop = imtophat(afm, se); % 高帽变换 Ibot = imbothat(afm, se); % 低帽变换 figure, imshow(Itop, []); % 高帽变换，体现原始图像的灰度峰值 figure, imshow(Ibot, []); % 低帽变换，体现原始图像的灰度谷值 Ienhance = imsubtract(imadd(Itop, afm), Ibot);% 高帽图像与低帽图像相减，增强图像figure, imshow(Ienhance); Iec = imcomplement(Ienhance); % 进一步增强图像

数字图像处理实验6 冈萨雷斯

实验六图像压缩（同预习） 一、实验目的 1、理解有损压缩和无损压缩的概念； 2、理解图像压缩的主要原则和目的； 3、利用MATLAB 程序进行图像压缩。 二、实验内容 1、Huffman 编码 使用mat2huff，huff2mat 实现Huffman 编解码，并应用imratio 计算编码后信号的压缩率。 2、编写无损预测编解码（lossless predictive coding）程序，使p313 Figure 8.7 (c) 图具有更低的熵（5.4436）。显示预测误差(prediction error)图。用解码程序解码，并验证解码是否正确（compare）。 3、参考p319-323，实现16×16分块离散余弦(DCT)编码，用zigzag方式保留每一 块的前10个和前21个系数，再进行进行DCT解码。编写程序并分别显示解码后的两个图。

实验程序： 实验1： i=imread('Fig0804(a)(Tracy).tif'); i1=mat2huff(i); cr1=imratio(i,i1);%cr1,压缩率 i2=huff2mat(i1); rmse1=compare(i,i2);

figure,imshow(i); figure,imshow(i2); 实验2： 子程序1： function y = mat2lpc2(x, f) %本程序改自课本上那个程序，可实现更高压缩率！ error(nargchk(1, 2, nargin)); % Check input arguments if nargin < 2 % Set default filter if omitted f = 1; end x = double(x); % Ensure double for computations [m, n] = size(x); % Get dimensions of input matrix p = zeros(m, n); % Init linear prediction to 0 xs = x; zc = zeros(1,n); % Prepare for input shift and pad for j = 1:length(f) % For each filter coefficient ... xs = [zc; xs(1:end - 1,:)]; % Shift and zero pad xga改加一行 p = p + f(j) * xs; % Form partial prediction sums end y = x - round(p); % Compute the prediction error 子程序2: function x = lpc2mat2(y, f) % 本程序改自课本上那个程序，可以解压 error(nargchk(1, 2, nargin)); % Check input arguments if nargin < 2 % Set default filter if omitted f = 1; end y=y'; f = f(end:-1:1); % Reverse the filter coefficients [m, n] = size(y); % Get dimensions of output matrix order = length(f); % Get order of linear predictor f = repmat(f, m, 1); % Duplicate filter for vectorizing x = zeros(m, n + order); % Pad for 1st 'order' column decodes

实验三 图像的边缘检测

实验三图像的边缘检测 一、实验目的与要求 1、了解图像边缘提取的基本概念； 2、了解进行边缘提取的基本方法； 3、编程实现对所给图像的边缘进行提取。 二、知识点 1、边缘检测的思想和原理 图像理解是图像处理的一个重要分支，研究为完成某一任务需要从图像中提取哪些有用的信息，以及如何利用这些信息解释图像。边缘检测技术对于处理数字图像非常重要，因为边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同的区域内部的特征或属性是不同的，边缘检测正是利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度，颜色或者纹理特征。边缘检测实际上就是检测图像特征发生变化的位置。 由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容：首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。边缘检测的方法大多数是基于方向导数掩模求卷积的方法。导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值比较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。

一阶导数是最简单的导数算子，它们分别求出了灰度在x和y方向上的变化率，而方向上的灰度变化率可以用相应公式进行计算；对于数字图像，应该采用差分运算代替求导，差分公式参考相关教材。 2、常用的梯度算子 （1）Roberts Cross算子，它的2个2 X2模板如图3所示。 图3 Robert Cross算子模板 （2）Prewitt 算子，它的2个3×3模板如图4所示。 图4 Prewitt算子模板 （3）Sobel 算子，它的2个3×3模板如图5所示。 图3 Sobel算子模板 3、高斯拉普拉斯（LoG）算法 高斯拉普拉斯（LoG）算法是一种二阶边缘检测方法。它通过寻找图像灰度值中二阶微分中的过零点（Zero Crossing）来检测边缘点。其原理为，灰度

实验2 信息资源管理的基本理论

实验2 信息资源管理的基本理论 1. 背景知识 从20世纪70年代开始，国内外从事信息资源理论研究的专家、学者开始探讨信息资源管理的理论问题。 (1) 信息资源管理的含义 对信息资源管理的确切含义，西方研究人员的主要观点归纳起来可分成四种类型，即管理哲学说、系统方法说、管理过程说以及管理活动说。 1) 管理哲学说。该派将信息资源管理看作是一种哲学或者思想。 1988年，马钱德(D. A. Marchand) 和克雷斯林(J. C. Kresslein) 从组织中实施信息资源管理所产生作用的角度来阐述，认为“信息资源管理是一种对改进机构的生产率和效率有独特认识的管理哲学”。 史密斯(A. N. Smith) 和梅德利(D. B. Medley) 提出了与马钱德和克雷斯林类似的观点，他们认为：“信息资源管理比管理信息系统复杂得多，它可能被认为是整合所有学科、电子通信和商业过程的一种管理哲学。” 1981年，梅迪克(W. D. Maedke) 试图从学科高度来阐明信息资源管理的内涵，他指出：“对于一个特定的企业来说，信息资源管理是一门管理各种相互联系的技术群，使信息资源得到最大利用的艺术或科学。” 2) 系统方法说。该派将信息资源管理看作是一种方法或者技术。 1984年，里克斯(B. R. Ricks) 和高(K. F. Gow) 系统分析了信息资源管理的含义，认为“信息资源管理是为了有效地利用信息资源这一重要的组织资源而实施规划、组织、用人、指挥、控制的系统方法”。 西瓦兹(C. Schwartz) 和赫龙(P. Hernon) 认为：“信息资源管理是一种管理组织机构内部生产出的信息的生命周期的综合化、协调化方法。广义地说，它包括获取、保留和利用那些为了完成组织的使命、实现组织的目标所需的各种资源。” 戴维斯(G. B. Davis) 和奥尔森(M. H. Olson) 认为：“信息资源管理是基于信息是一种组织资源的思想而形成的管理方法。” 1985年，美国联邦政府管理与预算局(OMB) 在其颁布的A-130号通报中，将政府信息资源管理定义为：“信息资源管理是指涉及政府信息的有关规划、预算、组织、指导、培训和控制等。信息资源管理既包含信息本身，也包含与信息相关的各种资源，如人员、设备、经费和技术等。” 3) 管理过程说。该派将信息资源管理看作是一种管理过程。 1982年，怀特(M. S. White) 立足于管理过程，提出“信息资源管理是有效地确定、获取、综合和利用各种信息资源，以满足当前和未来的信息需求的过程”。 霍顿(F. W. Horton) 认为：“信息资源管理是对信息内容及其支持工具的管理，是对信息资源实施规划、组织、预算、决算、审计和评估的过程。” 美国参议院第1742号议案“联邦信息资源管理法案”中提出了一种非常广泛的政府信息资源管理观点，它认为“联邦信息资源管理是一种旨在提高政府信息活动效率和效益的综合性、集成性过程”。该法案还指出：“信息资源管理是一个复杂的术语，它包括为完成机构的任务而确定信息需求，为了经济、有效、公平地满足已确定的信息需求而管理信息资源和综合不同信息职能机构中个体能力的过程。此外，该过程还延伸到信息收集、使用和处理中

调整图像的色彩和色调

第8章调整图像的色彩和色调 教学目标： 1.了解图像的色彩与色调的多种相关命令 2.能根据不同的需要应用多种调整命令 3.掌握图像色彩或色调细微的调整方法和技巧 4.能对图像进行特殊颜色的处理。 教学重点和难点：曲线调整方法 一、导入新课 图像的色调和色彩是影响一幅图像品质最为重要的两个因素。对色调和色彩有缺陷的图像进行调整会使其更加完美。 在系统中图像的色调是依照色阶的明暗层次来划分的，明亮的部分形成高色调，而阴暗的部分形成低色调，中间的部分形成半色调。图像的色调是指图像的明暗度，调整图像的色调就是对图像明暗度的调整。 图像色调的调整只对图像选定区域有效，如果图像中没有选定区域，系统将默认整个图像为选区。 二、讲授新课 （一）调整图像色彩与色调 1、亮度/对比度 “亮度/对比度”命令可以调节图像的亮度和对比度。选择菜单“图像 >调整 > 亮度/对比度”命令，弹出“亮度/对比度”对话框，可以设置亮度/对比度。2、自动对比度 “自动对比度”命令可以对图像的对比度进行自动调整。按Alt+Shift+Ctrl+L 组合键，可以对图像的对比度进行自动调整。 3、色彩平衡 “色彩平衡”命令用于调节图像的色彩平衡度。选择菜单“图像 > 调整 > 色彩平衡”命令，或按Ctrl+B组合键，可以弹出“色彩平衡” 对话框。 4、反相 选择菜单“图像 > 调整 > 反相”命令，或按Ctrl+I组合键，可以将图像或选区的像素反转为其补色，使其出现底片效果。 5、变化 “变化”命令用于调整图像的色彩。选择菜单“图像 > 调整 > 变化”命令，可以弹出“变化”对话框。 6、自动颜色 “自动颜色”命令可以对图像的色彩进行自动调整。按Shift+Ctrl+B组合键，可以对图像的色彩进行自动调整。 7、色调均化 “色调均化”命令，用于调整图像或选区像素的过黑部分，使图像变得明亮，并将图像中其他的像素平均分配在亮度色谱中。 8、色阶 “色阶”命令用于调整图像的对比度、饱和度及灰度。选择“色阶”命令，或按Ctrl+L组合键，弹出“色阶”对话框，可以弹出“色阶” 对话框。

数字图像处理 实验报告完整版

数字图像处理 实验一MATＬAＢ数字图像处理初步 一、显示图像 １.利用iｍread( )函数读取一幅图像，假设其名为lily.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； 实验结果如下图： 源代码： ＞＞I=iｍread(’ｌｉlｙ.tif’) 〉〉 wｈoｓ I >＞ imshow（I) 二、压缩图像 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l ｉly。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fliｌy。bmp。 ７.用iｍreａｄ（）读入图像Sｕｎset。jｐg和Winter．jpg； 8．用iｍfｉnfo(）获取图像Suｎｓｅt。jpg和Ｗinｔer。jpg的大小； ９．用figure，imｓｈoｗ（）分别将Sunsｅｔ。jpg和Winｔer.jｐg显示出来，观察两幅图像的质量。

其中9的实验结果如下图： 源代码: 4~6（接上面两个) >>I=iｍread(＇liｌｙ.tif') 〉〉 iｍｆinfo 'lily.ｔif＇; 〉〉 imｗｒｉte(I,＇lily。jpg','ｑualitｙ'，20）; >〉iｍwrite(I，’lily．ｂmｐ'）； 7~9 >>I=imreａｄ（'Ｓunset.jpｇ＇); ＞〉J=imread（’Wｉnteｒ.ｊpg＇） >〉imｆinfo ＇Suｎseｔ．jpg’ >> imfinfo 'Winｔer.jpg’ >＞figure(1）,imsｈow('Sunset.ｊｐg’） 〉＞fｉｇｕre(2），imshow（’Wｉｎter.jpｇ'） 三、二值化图像 10．用ｉm2bw将一幅灰度图像转化为二值图像，并且用iｍｓｈｏw显示出来观察图像的特征。 实验结果如下图： 源代码： 〉＞ I=imｒeaｄ(’lily.ｔif’）

图像边缘检测及提取,分水岭算法

1.几种算子图像边缘提取: 程序代码如下: 运行结果: 原图为一堆苹果(彩图),各算子处理后的边缘提取图:

分水岭算法实现: a.直接对图像进行分水岭算法处理 代码如下：（原图还是上题一堆苹果） 运行结果如右图： 很明显，属于过度分割了。下面有改进算法： b.改进算法代码如下： 实现包括下列步骤： (1)读图像。读入图像 (2)对比度最大化。注意到图像中有许多彼此连通的 不同大小的对象。为使通过watershed变换找到的低 谷数目最小，我们使感兴趣的对象的对比度达到最 大。对比度增强的一个常用的技术是综合应用top— hat和bottom—hat变换。 top—hat变换定义为原图像和它的开之差。图像的 开是一与特定结构元素匹配的图像前景部分的集合。 bottom—hat变换定义为在原图像和它的闭之间的 差。图像的闭是一与特定结构元素匹配的图像背景 的集合。 通用的结构元素是正方形，长方形，圆盘，菱 形，球和线。既然图像中我们感兴趣的目标对象看 起来像圆盘，我们用strel函数建立一个半径为15个 像素的圆盘形结构元素。这个圆盘尺度是图像中的 目标对象的平均半径的一个估计。 (3)图像相加减。为使目标对象与分隔它们的间隙之 间的对比达到最大，用“原图top—hat图像+bottom —hat图像”得到增强的结果图。 ( 4)转换感兴趣的对象。调用watershed变换找出图像 的亮度”低谷”，把imcomplement作用 增强过的图像上，将感兴趣的目标对象转换为亮度低谷，得到增强图的补图。 (5)检测亮度低谷。对所得补图运用imextendedmin函数检测低于某特别阈值的所有亮度低谷。

数字图像处理实验6冈萨雷斯.

一、实验目的 实验六图像压缩（同预习） 1、理解有损压缩和无损压缩的概念； 2、理解图像压缩的主要原则和目的； 3、利用MATLAB 程序进行图像压缩。 二、实验内容 1、Huffman 编码 使用 mat2huff，huff2mat 实现Huffman 编解码，并应用imratio 计算编码后信 号的压缩率。 2、编写无损预测编解码（lossless predictive coding）程序，使p313 Figure 8.7 (c 图具有更低的熵（5.4436）。显示预测误差(prediction error图。用解 码程序解码，并验证解码是否正确（compare）。

3、参考p319-323，实现16×16分块离散余弦(DCT编码，用zigzag方式保留每一块的前10个和前21个系数，再进行进行DCT解码。编写程序并分别显示解码后的两个图。

实验程序： 实验1： i=imread('Fig0804(a(Tracy.tif'; i1=mat2huff(i; cr1=imratio(i,i1;%cr1,压缩率 i2=huff2mat(i1; rmse1=compare(i,i2; figure,imshow(i; figure,imshow(i2; 实验2： 子程序1： function y = mat2lpc2(x, f %本程序改自课本上那个程序，可实现更高压缩率！

error(nargchk(1, 2, nargin; % Check input arguments if nargin < 2 % Set default filter if omitted f = 1; end x = double(x; % Ensure double for computations [m, n] = size(x; % Get dimensions of input matrix p = zeros(m, n; % Init linear prediction to 0 xs = x; zc = zeros(1,n; % Prepare for input shift and pad for j = 1:length(f % For each filter coefficient ... xs = [zc; xs(1:end - 1,:]; % Shift and zero pad xga改加一行p = p + f(j * xs; % Form partial prediction sums end y = x - round(p; % Compute the prediction error 子程序2: function x = lpc2mat2(y, f % 本程序改自课本上那个程序，可以解压 error(nargchk(1, 2, nargin; % Check input arguments if nargin < 2 % Set default filter if omitted f = 1; end y=y';