数字图像
（一）1 根据点-线对偶性（AB）
A 图像空间中一个点对应参数空间中一条线
B 参数空间中一个点对应图像空间中一条线
C 图像空间中共线的3个点对应参数空间中2条线的交点
D图像空间中共线的3个点对应参数空间中3条线的交点
2累加数组A（p,q）中的最大值对应（D）
A 图像中直线斜率的最大值
B 图像中直线截距的最大值
C 图像中的点数
D 图像中共线的点数
3 为用区域生长法进行图像分割，需要确定（BD）
A 每个区域的均值
B 每个区域的种子像素
C 图像的直方图
D 在生长过程中能将相连像素包括进来的准则
4 图像分割的依据有哪些？分别举例说明每种分割有什么样的应用
相似性分割非连续性分割（P35）连续性分割边缘分割
（二）1 一幅256*256的图像，若灰度级为16，则存储它所需的比特数是（256k ）
2 当改变图像的空间分辨率时，受影响最大的是图像中的：(A)
A 纹理区域（有许多重复单元的区域）
B 灰度平滑区域
C 目标边界区域
D 灰度渐变区域
3 当改变图像的幅度分辨率时，受影响最大的是图像中的：（B、D）
A 纹理区域
B 灰度平滑区域
C 目标边界区域
D 灰度渐变区域
4 如果将图像中对应直方图中偶数项灰度均用相应的对应直方图中奇数项的像素灰度代替，所得到的图像将(B、C)
A 亮度减小
B 亮度增加
C 对比度减小D对比度增加
5 利用平滑滤波器可对图像进行低通滤波，消除噪声，但同时模糊了细节。以下哪项措施不能减小图像的模糊程度（C）
A 增加对平滑滤波器输出的阈值处理（仅保留大于阈值的输出）
B 采用中值滤波的方法
C 采用邻域平均处理
D 适当减小平滑滤波器的邻域操作模板
6 中值滤波器可以（A、C）
A 消除孤立噪声
B 检测出边缘
C 平滑孤立噪声
D 模糊图像细节
7 运用下列哪个滤波器的效果与图像进行直方图均衡化的效果类似(B、D)
A 线性平滑滤波器
B 线性锐化滤波器
C 非线性平滑滤波器
D 非线性锐化滤波器
8 要对受孤立噪声点影响的图像进行平滑滤波，不能达到效果的滤波器是(C、D)
A 中值滤波器
B 邻域平均滤波器
C 高频增强滤波器
D 线性锐化滤波器
9 设f(x,y)为一幅灰度图像，给定以下4种变换
A g(x,y)=|f(x,y)-f(x+1,y)|+|f(x+1,y+1)-f(x,y+1)|
B g(x,y)=|f(x,y)-f(x+1,y+1)|+|f(x+1,y)-f(x,y+1)|
C g(x,y)=
D g(x,y)=
上述变换中属于锐化滤波的有：(A 、B 、C 、D) 10 图像退化的原因可以是：（A 、B 、D ）
A 透镜色差
B 噪声叠加
C 光照变化
D 场景中目标的快速运动 11 噪声：（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
12 设有一幅二值图像，其中黑色的背景上有一条宽为5个像素的白线。如果通过空域滤波消除这条白线，需用(D)
A 3*3的算术均值滤波器
B 7*7的算术均值滤波器
C 3*3的谐波均值滤波器
D 7*7的谐波均值滤波器 13 中值滤波器（A 、C ）
A 和最大值滤波器可能有相同的滤波结果
B 和最大值滤波器不可能有相同的滤波结果
C 和中点滤波器可能有相同的滤波结果
D 和中点滤波器不可能有相同的滤波结果
14 令集合R 代表整个图像区域，则子集R1， R2， R3，… Rn 是对R 分割的必要条件不包括（B ）
A 各Ri 是连通的，i=1,2,….n
B
C P(Ri)=TR UE, i=1,2…,n
D
15 以下分割算法中属于区域算法的是（A 、D ） A 分裂合并 B Hough 变换 C 边缘检测 D 阈值分割
16 用Sobel 算子对图1中的图像进行边缘检测所得到的结果为（城区距离）（C ）
17 拉普拉斯算子（B 、C ）
A 是一阶微分算子
B 是二阶微分算子
C 包括一个模板
D 包括两个模板
Rn R R ??21
18 设1幅N*N 的二值化图像中心处有1个值为1的n*n 的正方形区域，此外的像素灰度值均为0，
（1）根据城区距离，使用索贝尔算子计算这幅图的梯度，并画出梯度的幅度值（给出梯度图中所有像素的值）； （2）画出根据
得到的梯度方
（3）应用4邻域的拉普拉斯模板，给出图中每个像素的结果值
1、利用3*3滤波器，证明在空域中原图像减去平滑滤波的结果可得到锐化滤波的结果 （P15页）
2、画出如下6×6灰度图像的直方图，对其进行直方图均衡化处理，并画出均衡化后的图像和它的直方图（要求有具体的步骤）
（p15页）
3、 写出用哈夫变换检测上眼睑的基本步骤，并给出每个参数的大概取值范围（图像大小为
320×280）。图1是进行哈夫变换之前的边缘检测图，图1是二值化图像，标为黑色的点是我们要找的侯选边界点，通过这些边界点来定位上眼睑
x f y
f arct
g ????=θ
4、什么是均值滤波器？用你熟悉的语言写出均值滤波器的源代码（假设图像大小为M*N，用二维数组表示每个像素点对应的灰度）
均值滤波器是图像处理中一种常见的滤波器，包括算术均值滤波器、谐波均值滤波器、逆谐波均值滤波器等几类。它主要应用于平滑噪声。它的原理主要是利用某像素点周边像素的平均值来打到平滑噪声的效果。
//------------------均值滤波器
bool FilterAV(unsigned char *image,int height,int width)
{
int i,j;
unsigned char *p=(unsigned char*)malloc(height*width);
for(i=1;i { for(j=1;j { p[i*width+j]=(unsigned char)(((int)image[(i-1)*width+j-1] +(int)image[(i-1)*width+j] +(int)image[(i-1)*width+j+1] +(int)image[i*width+j-1] +(int)image[i*width+j] +(int)image[i*width+j+1] +(int)image[(i+1)*width+j-1] +(int)image[(i+1)*width+j] +(int)image[(i+1)*width+j+1])/M*N); } } for(i=1;i { for(j=1;j { image[i*width+j]=p[i*width+j]; } } free(p); return true; } 5用你熟悉的语言写出用迭代法得到基本全值阈值算法的源代码 int DetectThreshold(IplImage*img, int nMaxIter, int& iDiffRec) //阀值分割：迭代法 6 { 7 //图像信息 8 int height = img->height; 9 int width = img->width; 10 int step = img->widthStep/sizeof(uchar); 11 uchar *data = (uchar*)img->imageData; 12 13 iDiffRec =0; 14 int F[256]={ 0 }; //直方图数组 15 int iTotalGray=0;//灰度值和 16 int iTotalPixel =0;//像素数和 17 byte bt;//某点的像素值 18 19 uchar iThrehold,iNewThrehold;//阀值、新阀值 20 uchar iMaxGrayValue=0,iMinGrayValue=255;//原图像中的最大灰度值和最小灰度值 21 uchar iMeanGrayValue1,iMeanGrayValue2; 22 23 //获取(i,j)的值，存于直方图数组F 24 for(int i=0;i 25 { 26 for(int j=0;j 27 { 28 bt = data[i*step+j]; 29 if(bt 30 iMinGrayValue = bt; 31 if(bt>iMaxGrayValue) 32 iMaxGrayValue = bt; 33 F[bt]++; 34 } 35 } 36 37 iThrehold =0;// 38 iNewThrehold = (iMinGrayValue+iMaxGrayValue)/2;//初始阀值 39 iDiffRec = iMaxGrayValue - iMinGrayValue; 40 41 for(int a=0;(abs(iThrehold-iNewThrehold)>0.5)&&a 42 { 43 iThrehold = iNewThrehold; 44 //小于当前阀值部分的平均灰度值 45 for(int i=iMinGrayValue;i 46 { 47 iTotalGray += F[i]*i;//F[]存储图像信息 48 iTotalPixel += F[i]; 49 } 50 iMeanGrayValue1 = (uchar)(iTotalGray/iTotalPixel); 51 //大于当前阀值部分的平均灰度值 52 iTotalPixel =0; 53 iTotalGray =0; 54 for(int j=iThrehold+1;j 55 { 56 iTotalGray += F[j]*j;//F[]存储图像信息 57 iTotalPixel += F[j]; 58 } 59 iMeanGrayValue2 = (uchar)(iTotalGray/iTotalPixel); 60 61 iNewThrehold = (iMeanGrayValue2+iMeanGrayValue1)/2; //新阀值 62 iDiffRec = abs(iMeanGrayValue2 - iMeanGrayValue1); 63 } 64 65 //cout<<"The Threshold of this Image in imgIteration is:"< 6 写出下面图像在不同条件下的灰度共生矩阵： （p46页） 90,1)3;45,1)2;0,1)1======θθθd d d 90,2)6;135,2)5;0,2)4======θθθd d d 7、图像处理的应用范围及主要内容有哪些。 应用范围：1、视觉监控：银行防盗、人脸识别等2、工业检测与测量：公路路面破损图像识别3、军事侦察、高精度制导4、医疗诊断：CT技术，癌细胞识别等。5、通讯：可视电话，视频点播等。6、影视业、娱乐、公众服务：广告，基于内容检索等。 主要内容：1、图像获取、表示和表现2、图像复原3、图像增强4、图像分割5、图像压缩编码6、图像处理中的频域变换7、目标表达与描述8、形态学 P44页） 9、数字图像处理 10、灰度直方图 灰度直方图（histogram）是灰度级的函数，描述的是图像中每种灰度级像素的个数，反映图像中每种灰度出现的频率。横坐标是灰度级，纵坐标是灰度级出现的频率。 11、像素的邻 12、冗余数据（p24） 13、调色板：是用来调和并搁置新鲜颜料的平整板面 14、写出用哈夫变换检测圆形的基本步骤，并解释在如图所示的一幅人眼图像中，如何通过哈夫变换检测出虹膜部分（即如何定位出图2所示内外两个圆形）。图1是进行哈夫变换之前的边缘检测图，图1是二值化图像，标为黑色的点是我们要找的侯选边界点，通过这些边界点来定位内外两个圆 15、数字图像分析 16、局部运算 17、图像增强 18、知识冗余（P24） 19、什么是阈值分割技术？该技术使用于什么场景下的图像分割。 阈值分割法是一种基于区域的图像分割技术。图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。 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。目前，图像的阈值分割已被应用于很多的领域，例如，在红外技术应用中，红外无损检测中红外热图像的分割，红外成像跟踪系统中目标的分割；在遥感应用中，合成孔径雷达图像中目标的分割等；在医学应用中，血液细胞图像的分割，磁共振图像的分割；在农业工程应用中，水果品质无损检测过程中水果图像与背景的分割。在工业生产应用中，机器视觉运用于产品质量检测等。 20、什么是图像平滑？试述均值滤波的基本原理。 图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分，使图像亮度平缓渐变，减小突变梯度，改善图像质量的图像处理方法。图像平滑的方法包括：插值方法，线性平滑方法，卷积法等等。这样的处理方法根据图像噪声的不同进行平滑，比如椒盐噪声，就采用线性平滑方法！ 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。 21、讨论用于空间滤波的平滑滤波器与锐化滤波器的相同点，不同点和联系 相同点：都能削弱或消除傅里叶空间的某些分量，而不影响或较少影响其它分量，从而达到增强某些频率分量的效果。 不同点：平滑滤波器削弱或消除了傅里叶空间的高频分量，所以达到了增强低频分量，平滑图像中细节的效果；锐化滤波器削弱或消除了傅里叶空间的低频分量，所以达到了增强高频分量，锐化图像中的细节的效果。 联系：两者效果相反，互为补充，从原始图像减去平滑滤波器的效果得到锐化滤波器的效果，如果减去锐化滤波器的效果则得到平滑滤波器的效果。 22、假定原图像f(x, y)的灰度范围为［a, b］，希望变换后图像g(x, y)的灰度范围扩展至［c, d］，则线性变换可表示为？ g(x,y)=(c-d)/(b-a)[f(x,y)-a] a<=f(x,y) g(x,y)= 0 其他 在灰度线性变换中我们常用的三段线性变换法，写出三段线性变换法的表达式，并画出图像表示？ 23、如图所示256*256的二值图像，其中的白条是7像素宽，210像素高，两个白条之间的 间隔为17像素，当应用下面的方法处理时图像的变化结果是什么（按最靠近原则取0或1，图像边界不考虑） （1）3*3邻域平均滤波 （2）7*7的邻域平均滤波 （3）9*9的邻域平均滤波 （4）用上述三种模板进行 中值滤波的结果是什么 1、2、3：由于取值为1 的白条的宽度是7，大于9×9滤波窗宽的一半（4.5）,当然也大于7×7 和3×3的窗宽的一半。这样就使得在用这三种邻域平均滤波时，若滤波像素点的值是1，则滤波窗中1的个数必多于窗内参加平均的像素个数的一半，平均并四舍五入后的结果仍为1；同理，若滤波像素点的值是0，则滤波窗中0 的个数必多于窗内参加平均的像素个数的一半，平均并四舍五入后的结果仍为0。所以，按题意对题图所示二值图像用三种大小不同的邻域进行邻域平均滤波时，结果图像与原图像相同。 4、由于取值为 1 的白条的宽度是7，大于9×9滤波窗宽的一半（4.5）,当然也大于7×7和3×3的窗宽的一半。这样就使得在用这三种大小的滤波窗进行中值滤波时，若滤波像素点的值是1（或0），则滤波窗中1（或0）的个数必多于窗内0（或1）的个数，则排在中间的 值仍为1（或0）不变，即中值滤波后，图像没有变化。 25、已知一个二值图像， （1）对该图像使用四叉树进行划分 （2）用四叉树表达该图像 1 下列数据冗余方式中，由于像素相关性而产生的冗余方式为B A 编码冗余 B 像素间冗余 C 心理视觉冗余 D 计算冗余 2 对变长码代替自然码时可以减少表达图像所需的比特数，其原理是D A 对各个灰度级随机赋予不同的比特数 B 对各个灰度级赋予相同的比特数 C 对出现概率大的灰度级用较多的比特数表示，对出现概率小的灰度级用较少的比特数 表示 D对出现概率大的灰度级用较少的比特数表示，对出现概率小的灰度级用较多的比特数表示 3 设图像灰度共四级，P(0)=0.4, P(1)=0.3 P(2)=0.2, P(3)=0.1，用下列哪种方法得到的码平均长度最短（C） A l(0)=l(1)=l(2)=l(3) B l(0)>l(1)>(2)>(3) C l(0) D l(0)=2l(1)=3l(2)=4l(3) 4 下列因素中与客观保真度有关的是（A、B、D） A 输入图与输出图之间的误差 B 输入图与输出图之间的均方根误差 C 压缩图与解压缩图的视觉质量 D 压缩图与解压缩图的信噪比 5 设一信源符号集为A={a1,a2},符号产生概率分别为P(a1)=2/3, P(a2)=1/3, 则编码方案理论上可达到的最高效率为(C) A 0.333 B 0.625 C 0.918 D1 6 无失真编码定理确定的是（A） A 每个信源符号的最小平均码字长度 B每个信源符号的最大平均码字长度 C 各个信源符号的码字长之和的最小值 D各个信源符号的码字长之和的最大值 7 设一个二元信源产生2个符号的概率分别为P(b1)=1/4，P(b2)=3/4,信源的熵约为（D） A 0.5 B 0.6 C 0.7 D 0.8 8不通过计算，判断对此表中的符号进行哈弗曼编码后对应哪个符号的码字最长（A） A a1 B a2 C a3 D a4 9 已知信源符号集为A{a1,a2}={0,1}，符号产生概率为P(a1)=1/4, P(a2)=3/4, 对二进制序列11111100，其二进制算术编码为B A 0.1111000 B 0.1101010 C 0.0110111 D 0.0011010 10 对一个具有符号集B={b1,b2}={0,1}，设信源产生2个符号的概率分别为P(b1)=1/5, P(b2)=4/5, 对二进制数1001进行算术编码，其结果用十进制数表示为（C） A 0.26 B 0.24 C 0.22 D 0.20 11 保真度准则有哪些？客观保真度主观保真度标准（P23） 12下图表示的是一个6×6图像的灰度值，对其进行哈夫曼编码（要求写出每一步的步骤及 13 现有来源于三色系统的图像数据源：aabbbbcaabcc，对其进行LZW编码。 已知的索引表为：（P30-31页） 5个字符时的操作步骤） 序号输入数据S2 S1+S2 输出结果S1 生成新字符及索引 14 什么是信息量和信息熵？两者的用途是什么？（P24页） 信源消除信宿不确定性所需要的量，是信息定量表征。它表示该符号所需的位数 把信息中排除了冗余后的平均信息量称为“信息熵” 15 什么是冗余数据？什么是知识冗余？ 同一数据存储在不同的数据文件中的现象或者在一个数据集合中重复的数据称为数 据冗余. 知识冗余：由于存在着先验知识和背景知识，，这些知识使得需要传输的信息量减少， 我们称这一类为知识冗余。 16 哈夫曼编码有何优缺点? （1）哈夫曼编码所形成的码字不是唯一的，但编码效率是唯一的 在对最小的两个概率符号赋值时，可以规定为大的为“1”、小的为“0”，反之也可以。如果两个符号 的出现概率相等时，排列时无论哪个在前都是可以的，所以哈夫曼所构造的码字不是唯一的，对于同一个信息源，无论上述的前后顺序如何排列，它的平均码长是不会改变的，所以编码效率是唯一的。（2）只有当信息源各符号出现的概率很不平均的时候，哈夫曼编码的效果才明显。 （3）哈夫曼编码必须精确地统计出原始文件中每个符号的出现频率，如果没有这些精确的统计，将达不到预期的压缩效果。霍夫曼编码通常要经过两遍操作，第一遍进行统计，第二遍产生编码，所以编码速度相对慢。另外实现的电路复杂，各种长度的编码的译码过程也是比较复杂的，因此解压缩的过程也比较慢。（4）哈夫曼编码只能用整数来表示单个符号而不能用小数，这很大程度上限制了压缩效果。 （5）哈夫曼所有位都是合在一起的，如果改动其中一位就可以使其数据变得面目全非。 17 某视频图像为每秒30帧，每帧大小为512*512，32位真彩色，现有40GB的可用硬盘空间，可用存储多少秒的该视频图像？若采用隔行扫描且压缩比为10的压缩算法，又能存储多少秒的该视频图像 18 已知符号A,B,C出现的频率分别为0.4,0.2,0.4，请对符号窜BACCA进行算术编码，写出编码过程，求出信息熵，平均码长和编码效率 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 第二章数字图像处理基础 2.1 图像数字化技术 2.2 数字图像类型 2.3 图像文件格式 2.4 色度学基础与颜色模型 2.1 图像数字化技术 图像处理的方法有模拟式和数字式两种。由于数字计算技术的迅猛发展，数字图像处理技术得到了广泛的应用。我们日常生活中见到的图像一般是连续形式的模拟图像，所以数字图像处理的一个先决条件就是将连续图像离散化，转换为数字图像。 图像的数字化包括采样和量化两个过程。 设连续图像f(x,y) 经数字化后，可以用一个离散量组成的矩阵g(i,j)（即二维数组）来表示。 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? - - - - - - = )1 ,1 ( )1,1 ( )0,1 ( )1 ,1( )1,1( )0,1( )1 ,0( )1,0( )0,0( ) ,( n m f m f m f n f f g n f f f j i g （2-1） 矩阵中的每一个元素称为像元、像素或图像元素。而g(i,j)代表(i,j)点的灰度值，即亮度值。以上数字化有以下几点说明： （1）由于g(i, j)代表该点图像的光强度，而光是能量的一种 形式，故g(i, j)必须大于零，且为有限值，即：0＜g(i, j)＜∞。 （2）数字化采样一般是按正方形点阵取样的，除此之外还有三角形点阵、正六角形点阵取样。如图2-1所示。 （3）以上是用g(i,j)的数值来表示(i,j)位置点上灰度级值的大小，即只反映了黑白灰度的关系，如果是一幅彩色图像，各点的数值还应当反映色彩的变化，可用g(i,j,λ)表示，其中λ是波长。如果图像是运动的，还应是时间t的函数，即可表示为g(i,j,λ, t)。 毕业设计说明书基于ARM的嵌入式数字图像处理系统 设计 学生姓名：张占龙学号： 0905034314 学院：信息与通信工程学院 专业：测控技术与仪器 指导教师：张志杰 2013年 6月 摘要 简述了数字图像处理的应用以及一些基本原理。使用S3C2440处理器芯片，linux内核来构建一个简易的嵌入式图像处理系统。该系统使用u-boot作为启动引导程序来引导linux内核以及加载跟文件系统，其中linux内核与跟文件系统均采用菜单配置方式来进行相应配置。应用界面使用QT制作，系统主要实现了一些简单的图像处理功能，比如灰度话、增强、边缘检测等。整个程序是基于C++编写的，因此有些图像变换的算法可能并不是最优化的，但基本可以满足要求。在此基础上还会对系统进行不断地完善。 关键词：linnux 嵌入式图像处理边缘检测 Abstract This paper expounds the application of digital image processing and some basic principles. The use of S3C2440 processor chip, the Linux kernel to construct a simple embedded image processing system. The system uses u-boot as the bootloader to boot the Linux kernel and loaded with file system, Linux kernel and file system are used to menu configuration to make corresponding configuration. The application interface is made using QT, system is mainly to achieve some simple image processing functions, such as gray, enhancement, edge detection. The whole procedure is prepared based on the C++, so some image transform algorithm may not be optimal, but it can meet the basic requirements. On this basis, but also on the system constantly improve. Keywords:linux embedded system image processing edge detection 基于数字图像处理 的目标识别 通过这半个学期对数字图像处理这门课程的学习，我了解了有关数字图像处理的知识，并且对数字图像处理的相关仿真软件——matlab有了更加深入的了解，可以更加熟练的使用matlab软件处理实际问题，从而促进我对数字图像处理这门课程产生更加浓烈的兴趣，也让我对这种仿真软件有了更加全面的认识，了解它更多的功能。在课程结束之际，我利用自己在课堂上学习的一些知识和在课下学习的东西写出以下总结。希望老师给予耐心指导。 一、数字图像处理技术 数字图像处理(Dital Image Processing)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。从接近人们日常生活的照相，电视图像显示，到工业上面对某些零件的处理等，再到军事类的人像识别，雷达目标识别等，这些都离不开数字图像处理的身影。 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。本文基于 MATLAB的数字图像处理环境，设计并实现了一个图像处理系统，展示如何通过利用Matlab的工具函数和多种算法实现对图形图像的各种处理。论述了利用设计的系统实现图像文件（bmp、jpg、tiff、gif等）进行打开、保存、另存、打印、退出等功能操作，图像预处理功能（包括彩色图像的灰度化变换等、一般灰度图像的二值化处理、色彩增强等），图像分割，图像特征提取等图像处理。 图像的数学表达式可表示为：f(x，y)表示幅图像。x,y,f为有限、离散值。黑白图像可用二维函数f(x，y)表示，其中x,y是平面的二维坐标，f(x，y)表示点(x，y)的亮度值(灰度值)。对模拟图像来讲，f(x,y)显然是连续函数。为了适应数字计算机的处理，必须对连续图像函数进行空间和幅值数字化。空间坐标(x,y)的数字化称为图像采样，而幅值数字化被称为灰度级量化。经过数字化后的图像称为数字图像(或离散图像)。 F(x,y,z)表示三维的图像，f 为点的分布，有限，离散值，为彩色图像的表示方式。 (1)数字图像的灰度图像的阵列表示法。 设连续图像f(x，y)按等间隔采样，排成MxN阵列(一般取方阵列NxN) 图像阵列中每个元素都是离散值，称为像素(pix—el)。在数字图像处理中，一般取阵列N和灰度级C都是2的整数幂，即取N=及G=。对一般电视图像，N取256或512，灰度级C取64级(m=6bit)至256级m=8bit)，即可满足图像处理的需要。对特殊要求的图像，如SAR图片取 10000×10000，灰度级m取8bit或者16bit。 基于数字图像处理的车牌识别系统 基于数字图像处理的车牌识别系统 言经官 电气学院电子112 摘要：车牌识别系统（License Plate Recognition 简称LPR）技术基于数字图像处理，是智能交通系统中的关键技术，同时他的发展也十分迅速，已经逐渐融入到我们的现实生活中。文章介绍了车牌识别系统的意义、图像去噪处理以及图像二值化方法,并通过仿真试验模拟了图像处理的过程。本文所做的工作在于前期的图像预处理工作。本次设计着重在于图像识别方面, 中心工作都为此而展开,文中没有进行车牌的定位处理,而是采用数码相机直接对牌照进行正面拍照,获取原始车牌图像。之后利用Matlab编程对图片进行了大小的调整、彩色图片转化成灰度图片、图片去噪、以及图片二值化等工作。其中,去噪与二值化是关系图像识别率的关键。 关键字：车牌识别系统；图像预处理；字符识别；Matlab；去噪；二值化 引言 智能交通系统（ITS）是当今世界交通管理体系发展的必然趋势，而作为智能交通系统中的重要组成部分之一的车牌自动识别技术，目前已被广泛应用于城市道路监控、高速公路收费与监控、小区与停车场出入口管理、公安治安卡口等场合，成为研究的热点。 伴随我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制，安全管理的要求也日益提高。因此迫切需要采用高科技手段,对违法违章车辆牌照进行登记, 在这种情况下，作为信息来源的自动检索，图像识别技术越来越受到人们的重视。车牌识别系统的出现成为了交通管制必不可少的有力武器。 1 车牌识别系统的目标 利用计算机等辅助设备进行的自动汽车牌照自动识别就是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上，通过对车辆图像的采集，采用先进的图像处理、模式识别和人工智能技术，在图像中找到车牌的位置，提取出组成车牌号码的全部字符图像，再识别出车牌中的文字、字母和数字，最后给出车牌的真实号码。国外的车牌识别研究始于80 年代，90 年代始已有不少成套的产品出现。由于我国车牌的组成及组合的方式与国外的车牌不一致，使得我们不能直接使用国外的车辆牌照识别系统，而必须针对我国车牌重新设计相应的车辆牌照识别系统。车牌识别的使用环境、背景各有差异，目前还没有一种算法能在不同环境、各种复杂背景条件下达到非常高的车牌识别率，因而车牌识别技术仍然是研究的重点。 2 MATLAB 及其图像处理工具概述 MATLAB 是MAT rix LABora tory( 矩阵实验室) 的缩写, 是Ma thWorks 公司开发的一种功能强、效率高、简单易学的数学软件。MATLAB 7. 1 是一套功能十分强大的工程计算及数据分析软件, 其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。MATLAB 的图像处理工具箱, 功能十分强大, 支持的图像文件格式丰富, 如* .BMP、* . JPG、* . JPEG、* . GIF、* . ti;f% 95% 94、* . ti;f%95%94F、* . PNG、* . PCX、* . XWD、* . HDF、* . ICO、* .CUR 等。本文将给出MATLAB的图像处理工具箱中的图像处理函数实现图像处理与分析的应用技术实例。 院系：计算机科学学院 专业：计算机科学与技术 年级： 09级 课程名称：数字图像处理 组号： 25组 指导教师：孙阳光 学号： 姓名： 2012 年 6 月 13 日 年 级 班号学号 专 业 姓名实 验名称MATLAB图像处理编程基础 实验 类型 设计型综合型创新型 √ 实验目的或要求加深对数字图像处理理论课程的理解，进一步熟悉数字图像处理课程的相关算法和原理选择一副图像，叠加椒盐噪声，分别用邻域平均法和中值滤波法对该图像进行滤波，显示滤波后的图像，比较和分析各滤波器的效果。 选择一副图像，叠加零均值高斯噪声，设计一种处理方法，既能去噪声，又能保持边缘清晰。 实验原理（算法流程图或者含注释的源代码）二、算法原理 平滑滤波器用滤波模板确定的领域内象素的平均灰度值去代替图像中的每一个像素点的值，这种处理减少了图像灰度的“尖锐”变化,常称为邻域平均法。邻域平均法有力地抑制了噪声，同时也引起了模糊，模糊程度与邻域半径成正比。 中值滤波法是一种非线性平滑技术，它将每一象素点的灰度值设置为该点某邻域窗口内的所有象素点灰度值的中值.中值滤波法对消除椒盐噪音非常有效。 图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰。 三、Matlab代码 1: I = imread('eight.tif'); J = imnoise(I,'salt & pepper',0.02); subplot(231); imshow(I);title('原图象'); subplot(232); imshow(J);title('添加椒盐噪声图象'); k1 = filter2(fspecial('average', 3), J); k2 = filter2(fspecial('average', 5), J); k3 = filter2(fspecial('average', 7), J); k4 = filter2(fspecial('average', 9), J); subplot(233); imshow(uint8(k1));title('3×3模板平滑滤波'); subplot(234); imshow(uint8(k2));title('5×5模板平滑滤波'); subplot(235); imshow(uint8(k3));title('7×7模板平滑滤波'); subplot(236); imshow(uint8(k4));title('9×9模板平滑滤波'); I = imread('eight.tif'); J = imnoise(I,'salt & pepper',0.02); subplot(231); imshow(I);title('原图象'); subplot(232); imshow(J);title('添加椒盐噪声图象'); k1 = medfilt2(J); k2 = medfilt2(J,[5,5]); k3 = medfilt2(J,[7,7]); k4 = medfilt2(J,[9,9]); subplot(233); imshow(k1);title('3×3模板中值滤波'); subplot(234); imshow(k2);title('5×5模板中值滤波'); subplot(235); imshow(k3);title('7×7模板中值滤波'); subplot(236); imshow(k4);title('9×9模板中值滤波'); 数字图像课程设计简单数字图像处理系统 function varargout = untitled(varargin) % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @untitled_OpeningFcn, ... 'gui_OutputFcn', @untitled_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) = 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 untitled is made visible. function untitled_OpeningFcn(hObject, eventdata, handles, varargin) %界面初始化函数 setappdata,'I',0); % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to untitled (see VARARGIN) % Choose default command line output for untitled = hObject; 信息工程学院实验报告 课程名称：数字图像处理 实验项目名称：数字图像处理的基础实验时间：班级：姓名：学号： 实验目的: 1.通过本次实验熟悉matlab语言 2.学会对图像的放大缩小处理 实验环境: Matlab软件 实验内容及过程: 1.数字图像采样过程 （1）实现图像4倍、16倍的减采样（缩小） 最简单的是减小一半，这样只需取原图的偶（奇）数行和偶（奇）数列构成新的图像。 （2）实现图像4倍、16倍的增采样（放大） 如果需要将原图像放大k*k倍，则将一个像素值添在新图像的k*k的子块中。 注意：减采样或者增采样过程可以使用灰度图像或者彩色图像。编程时候要特别注意灰度图像的数据是2维的，彩色图像的数据是3维的。 2. 数字图像灰度级变换过程 （1）将一幅彩色图像转换为256级灰度图像； （2）将一幅256级灰度图像分别转换为64级、16级、8级、2级灰度图像。 实验结果及分析： 1.数字图像采样过程 （1）实现图像4倍、16倍的减采样（缩小）设计程序 function Iw = resample(I,m) [a,b] = size(I); aa = floor(a/m); bb = floor(b/m); Iw=zeros(aa,bb); for i=1:aa for j=1:bb Iw(i,j)=I(m*(i-1)+1,m*(j-1)+1); end end Iw=uint8(Iw); clc;clear; close all; I=imread('cameraman.tif'); m=4; Iw=resample(I,m); imshow(I); imshow(Iw); n=16; Iw2=resample(I,n); figure:imshow(Iw2); figure:imshow(I); 实验结果 （2）实现图像4倍、16倍的增采样（放大） function Iw = resample2(I,m) [a,b] = size(I); for i=1:a for j=1:b Iw(m*i,m*j)=I(i,j); end end Iw=uint8(Iw);clc; clear; close all; I=imread('cameraman.tif'); m=4; Iw=resample2(I,m); imshow(I); imshow(Iw); figure:imshow(I); 数字图像处理系统论文 毕业设计说明书基于ARM的嵌入式数字图像处理系统 设计 学生姓名：张占龙学号： 0905034314 学院：信息与通信工程学院 专业：测控技术与仪器 指导教师：张志杰 2013年 6月 摘要 简述了数字图像处理的应用以及一些基本原理。使用S3C2440处理器芯片，linux内核来构建一个简易的嵌入式图像处理系统。该系统使用u-boot作为启动引导程序来引导linux内核以及加载跟文件系统，其中linux内核与跟文件系统均采用菜单配置方式来进行相应配置。应用界面使用QT制作，系统主要实现了一些简单的图像处理功能，比如灰度话、增强、边缘检测等。整个程序是基于C++编写的，因此有些图像变换的算法可能并不是最优化的，但基本可以满足要求。在此基础上还会对系统进行不断地完善。 关键词：linnux 嵌入式图像处理边缘检测 Abstract This paper expounds the application of digital image processing and some basic principles. The use of S3C2440 processor chip, the Linux kernel to construct a simple embedded image processing system. The system uses u-boot as the bootloader to boot the Linux kernel and loaded with file system, Linux kernel and file system are used to menu configuration to make corresponding configuration. The application interface is made using QT, system is mainly to achieve some simple image processing functions, such as gray, enhancement, edge detection. The whole procedure is prepared based on the C++, so some image transform algorithm may not be optimal, but it can meet the basic requirements. On this basis, but also on the system constantly improve. Keywords:linux embedded system image processing edge detection 基于数字图像处理的车牌识别系统 言经官 电气学院电子112 摘要：车牌识别系统（License Plate Recognition 简称LPR）技术基于数字图像处理，是智能交通系统中的关键技术，同时他的发展也十分迅速，已经逐渐融入到我们的现实生活中。文章介绍了车牌识别系统的意义、图像去噪处理以及图像二值化方法,并通过仿真试验模拟了图像处理的过程。本文所做的工作在于前期的图像预处理工作。本次设计着重在于图像识别方面, 中心工作都为此而展开,文中没有进行车牌的定位处理,而是采用数码相机直接对牌照进行正面拍照,获取原始车牌图像。之后利用Matlab编程对图片进行了大小的调整、彩色图片转化成灰度图片、图片去噪、以及图片二值化等工作。其中,去噪与二值化是关系图像识别率的关键。 关键字：车牌识别系统；图像预处理；字符识别；Matlab；去噪；二值化 引言 智能交通系统（ITS）是当今世界交通管理体系发展的必然趋势，而作为智能交通系统中的重要组成部分之一的车牌自动识别技术，目前已被广泛应用于城市道路监控、高速公路收费与监控、小区与停车场出入口管理、公安治安卡口等场合，成为研究的热点。 伴随我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制，安全管理的要求也日益提高。因此迫切需要采用高科技手段,对违法违章车辆牌照进行登记, 在这种情况下，作为信息来源的自动检索，图像识别技术越来越受到人们的重视。车牌识别系统的出现成为了交通管制必不可少的有力武器。 1 车牌识别系统的目标 利用计算机等辅助设备进行的自动汽车牌照自动识别就是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上，通过对车辆图像的采集，采用先进的图像处理、模式识别和人工智能技术，在图像中找到车牌的位置，提取出组成车牌号码的全部字符图像，再识别出车牌中的文字、字母和数字，最后给出车牌的真实号码。国外的车牌识别研究始于80 年代，90 年代始已有不少成套的产品出现。由于我国车牌的组成及组合的方式与国外的车牌不一致，使得我们不能直接使用国外的车辆牌照识别系统，而必须针对我国车牌重新设计相应的车辆牌照识别系统。车牌识别的使用环境、背景各有差异，目前还没有一种算法能在不同环境、各种复杂背景条件下达到非常高的车牌识别率，因而车牌识别技术仍然是研究的重点。 2 MATLAB 及其图像处理工具概述 MATLAB 是MAT rix LABora tory( 矩阵实验室) 的缩写, 是Ma thWorks 公司开发的一种功能强、效率高、简单易学的数学软件。MATLAB 7. 1 是一套功能十分强大的工程计算及数据分析软件, 其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。MATLAB 的图像处理工具箱, 功能十分强大, 支持的图像文件格式丰富, 如* .BMP、* . JPG、* . JPEG、* . GIF、* . ti;f% 95% 94、* . ti;f%95%94F、* . PNG、* . PCX、* . XWD、* . HDF、* . ICO、* .CUR 等。本文将给出MATLAB的图像处理工具箱中的图像处理函数实现图像处理与分析的应用技术实例。 数字图像处理 数字图像处理方法的研究源于两个主要应用领域:其一是为了便于人们分析而对图像信息进行改进:其二是为使机器自动理解而对图像数据进行存储、传输及显示。 从图像处理到计算机视觉这个连续的统一体内并没有明确的界线。然而,在这个连续的统一体中可以考虑三种典型的计算处理(即低级、中级和高级处理)来区分其中的各个学科。 低级处理涉及初级操作,如降低噪声的图像预处理,对比度增强和图像尖锐化。低级处理是以输入、输出都是图像为特点的处理。中级处理涉及分割(把图像分为不同区域或目标物)以及缩减对目标物的描述,以使其更适合计算机处理及对不同目标的分类(识别)。中级图像处理是以输入为图像,但输出是从这些图像中提取的特征(如边缘、轮廓及不同物体的标识等)为特点的。最后,高级处理涉及在图像分析中被识别物体的总体理解,以及执行与视觉相关的识别函数(处在连续统一体边缘)等。 图像获取是第一步处理。注意到获取与给出一幅数字形式的图像一样简单。通常,图像获取包括如设置比例尺等预处理。 图像增强是数字图像处理最简单和最有吸引力的领域。基本上,增强技术后面的思路是显现那些被模糊了的细节,或简单地突出一幅图像中感兴趣的特征。一个图像增强的例子是增强图像的对比度,使其看起来好一些。应记住,增强是图像处理中非常主观的领域。 图像复原也是改进图像外貌的一个处理领域。然而,不像增强,图像增强是主观的,而图像复原是客观的。在某种意义上说,复原技术倾向于以图像退化的数学或概率模型为基础。另一方面,增强以怎样构成好的增强效果这种人的主观偏爱为基础。 彩色图像处理已经成为一个重要领域,因为基于互联网的图像处理应用在不断增长。就使得在彩色模型、数字域的彩色处理方面涵盖了大量基本概念。在后续发展,彩色还是图像中感兴趣特征被提取的基础。 小波是在各种分辨率下描述图像的基础。特别是在应用中,这些理论被用于 基于matlab的车牌识别系统 一、目的与要求 目的：利用matlab实现车牌识别系统，熟悉matlab应用软件的基础知识，了解了基本程序设计方法，利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，并把所学的知识系统、高效的贯穿到实践中来，避免理论与实践的脱离，巩固理论课上知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论基础，有助于自身综合能力的提高。 要求： 1.理解各种图像处理方法确切意义。 2.独立进行方案的制定，系统结构设计要合理。 3．在程序开发时，则必须清楚主要实现函数的目的和作用，需要在程序书写时说明做适当的注释。如果使用matlab来进行开发，要理解每个函数的具体意义和适用范围，在写课设报告时，必须要将主要函数的功能和参数做详细的说明。 4、通过多幅不同形式的图像来检测该系统的稳定性和正确性。 二、设计的内容 学习MATLAB程序设计，利用MATLAB函数功能，设计和实现通过设计一个车牌识别系统。车牌识别系统的基本工作原理为：将手机拍摄到的包含车辆牌照的图像输入到计算机中进行预处理，再对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单个字符，然后将其逐个与创建的字符模板中的字符进行匹配，匹配成功则输出，最终匹配结束则输出则为车牌号码的数字。车牌识别系统的基本工作原理图如图1所下所示： 三、总体方案设计 车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割和单个字符识别两个模块。 为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。但由于是采用智能手机在开放的户外环境拍照，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。 牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。 由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。因此，需要将拍出的车牌进行处理，在这个过程中，我采用画图工具，将汽车图像的车牌部分进行裁剪，并将车牌的蓝色部分过亮的地方颜色加深，还将车牌中的一个白色的原点抹去，另外还将车牌上的铆钉使用车牌的蓝色背景覆盖，这样分割出的字符更加准确。 车牌识别的最终目的就是对车牌上的文字进行识别。主要应用的为模板匹配方法。 因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU要求主频在600HZ及以上，内存在128MB 及以上。系统可以运行于Windows7、Windows2000或者Windows XP操作系统下，程序调试时使用matlabR2011a。 四、各个功能模块的主要实现程序 （一）首先介绍代码中主要的函数功能及用法： 本科毕业论文（设计） 题目：基于MATLAB的数字图像分割的研究与实现 学院：计算机与信息工程学院 学生： 学号： 专业： 年级： 完成日期： 2012年04月 指导教师： 基于MATLAB的数字图像分割的研究与实现 摘要：视觉和听觉是我们认识和感知外部世界的主要途径，而视觉又是其中最重要的，因此要想更细致、全面地把握这些图像信息就需要对其进行必要的处理。在数字图像处理的研究和应用中很多时候我们只对图像的某些部分和特征感兴趣，此时就需要利用图像分割技术将所需的目标与图片的其他部分区分开，以供我们对图像进一步研究和分析。图像分割即通过一些必要的算法把图像中有意义的部分或特征提取出来，将图像分为若干有意义的区域，使得这些区域对应图像中的不同目标，进而能够对所感兴趣的区域进行研究。基于图像分割技术在图像处理之中的重要性，本研究在此对图像分割的一些经典算法进行了学习和对比，并通过MATLAB对其进行了实验，通过不同的算法对不同的图片进行处理，分析其优缺点，以便在进行图像分割时可以根据图片的特征选择合适的算法。 关键字：数字图像；分割；MATLAB The Research and Implementation of Digital Image Segmentation Based on the MATLAB Abstract :Vision and auditory are the main ways which we use to understand and perceive the world outside, while vision is the most important. Therefore, it's require to process the image data to grasp them more painstaking and completely. In digital image processing of research and application we are only interested to some parts of the image and characteristic in many times, then you need to use the image segmentation technology to separate the goal and the picture for other parts for our further research and analysis of the image.Image segmentation is dividing the image into some significant areas through some necessary algorithms, then make these areas corresponding to different goals and we can do some research about the areas we are interested to. Based on the importance of image segmentation technology in image processing, I compared several classical algorithms of image segmentation. In the meanwhile, I used the MATLAB to do some research and to process the various images with different algorithms so that it's convinent to find the advantages of these algorithms. Then, I can base on the characteristics of the images to choose the suitable algorithms when to make some digital image segmentation. Key words : D igital Image; Segmentation; MATLAB 实验名称：图像分割 所属课程：《数字图像处理》 实验类型：验证性实验 实验类别：专业 实验学时：3 一、实验目的 1.使用MatLab 软件进行图像的分割。 2.通过实验体会一些主要的分割算子对图像处理的效果。 3.探索各种因素对分割效果的影响。 二、实验原理及过程 1.实验背景 在对图像的研究和应用中，人们往往只对图像中的某些部分感兴趣，这些部分通常称为目标或者前景(其他不感兴趣的部分称为背景)。为了分析和辨识目标，需要将它们从背景中提取出来。从图像中提取目标的技术和过程就称为图像分割。图像分割是图像处理中一类重要的研究内容，其目的是把图像分成一些有意义、互不重叠的区域，分割结果的优劣将直接影响图像的后续处理。 作为图像分析、理解的基础，图像分割在诸多领域具有广泛的应用，例如基于内容的 图像检索、机器视觉、文字识别、指纹识别，以及生物医学图像处理方面的病变检测和识别，军事图像处理方面的地形匹配与目标制导，工业图像处理方面的无损探伤和非接触式检测等。另外，图像分割技术也已用于图像压缩编码，近年来发展起来的基于内容的视频编码(如MPEG-4)同样离不开图像分割的结果。 2.实验设计指标 ?能够自行评价各主要算子在无噪声条件下和噪声条件下的分割性能。 ?能够掌握分割条件(阈值等)的选择。 ?完成规定图像的处理并要求正确评价处理结果 ?能够从理论上作出合理的解释。 3.实验要求（设计要求） (1)使用Roberts 算子的图像分割实验 调入并显示图像；使用Roberts 算子对图像进行边缘检测处理； Roberts 算子为一对模板： 相应的矩阵为：rh = [0 1；-1 0]； rv = [1 0；0 -1]；这里的rh 为水平Roberts 算子，rv为垂直Roberts 算子。分别显示处理后的水平边界和垂直边界检测结果；用“欧几里德距离”和“街区距离”方式计算梯度的模，并显示检测结果；对于检测结果进行二值化处理，并显示处理结果； 注意： ?先做检测结果的直方图，参考直方图中灰度的分布尝试确定阈值。 ?应反复调节阈值的大小，直至二值化的效果最为满意为止。 ?分别显示处理后的水平边界和垂直边界检测结果。 ?将处理结果转化为“白底黑线条”的方式。 ?给图像加上零均值的高斯噪声；对于噪声图像重复步骤b~f。 (2)使用Prewitt 算子的图像分割实验 使用Prewitt 算子进行内容(1)中的全部步骤。 (3)使用Sobel 算子的图像分割实验 使用Sobel 算子进行内容(1)中的全部步骤。 (4)使用LoG (拉普拉斯-高斯)算子的图像分割实验 使用LoG (拉普拉斯-高斯)算子进行内容(1)中的全部步骤。提示： ?处理后可以直接显示处理结果，无须另外计算梯度的模。 ?注意调节噪声的强度以及LoG (拉普拉斯-高斯)算子的参数，观察处理结果。 (5) 打印全部结果并进行小组讨论。 4.实验（设计）仪器设备和材料清单 ?PC计算机 ?MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) ?实验所需要的图片 5.实验源代码： ?Roberts 算子、Prewitt 算子、Sobel 算子的图像分割实验 I=imread('F:\matlab作业\1.jpg'); %读取图像 I1=im2double(I); %将彩图序列变成双精度 I2=rgb2gray(I1); %将彩色图变成灰色图 论文（设计）题目： 基于MATLAB的数字图像处理系统设计 姓名宋立涛 学号２０１２１１８６７ 学院信息学院 专业电子与通信工程 年级２０１２级 ２０１３年６月１６日 基于MATLAB的数字图像处理系统设计 摘要 MATLAB 作为国内外流行的数字计算软件，具有强大的图像处理功能，界面简洁，操作直观，容易上手，而且是图像处理系统的理想开发工具。 笔者阐述了一种基于MATLAB的数字图像处理系统设计，其中包括图像处理领域的大部分算法，运用MATLAB 的图像处理工具箱对算法进行了实现，论述了利用系统进行图像显示、图形表换及图像处理过程，系统支持索引图像、灰度图像、二值图像、RGB 图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG 等图像文件格式的读，写和显示。 上述功能均是在MA TLAB 语言的基础上，编写代码实现的。这些功能在日常生活中有很强的应用价值，对于运算量大、过程复杂、速度慢的功能，利用MATLAB 可以既能快速得到数据结果，又能得到比较直观的图示。 关键词：MATLAB 数字图像处理图像处理工具箱图像变换 第一章绪论 1.1 研究目的及意义 图像信息是人类获得外界信息的主要来源，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，人们越来越多地利用图像信息来认识和判断事物，解决实际问题，由此可见图像信息的重要性，数字图像处理技术将会伴随着未来信息领域技术的发展，更加深入到生产和科研活动中，成为人类生产和生活中必不可少的内容。 MATLAB 软件不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，是近几年来在国内外广泛流行的一种可视化科学计算软件。MATLAB 语言是一种面向科学与工程计算的高级语言，允许用数学形式的语言来编写程序，比Basic、Fortan、C 等高级语言更加接近我们书写计算公式的思维方式，用MATLAB 编写程序犹如在演算纸上排列出公式与求解问题一样。它编写简单、编程效率高并且通俗易懂。 1.2 国内外研究现状 1.2.1 国内研究现状 国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。 TDB-IDK 系列产品是一款基于TMS320C6000 DSP 数字信号处理器的高级视频和图像系统，也是一套DSP 的完整的视频、图像解决方案，该系统适合院校、研究所和企业进行视频、图像方面的实验与开发。该软件能够完成图像采集输入程序、图像输出程序、图像基本算法程序。可实现对图像信号的实时分析，图像数据相对DSP独立方便开发人员对图像进行处理，该产品融合DSP 和FPGA/CPLD 两个高端技术，可以根据用户的具体需求合理改动，可以分析黑白和彩色信号，可以完成图形显示功能。 南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件可实现数字图像的采集、传输与处理。可利用软件及图像采集与传输设备，采集图像并实现点对点的数字图像传输，可以观察理解多种图像处理技术的效果和差别，关于数字图像处理论文的题目
何东健-数字图像处理 第二章
数字图像处理系统毕业设计论文
基于数字图像处理
基于数字图像处理的车牌识别系统
数字图像处理
简单数字图像处理系统
数字图像处理
数字图像处理系统论文
基于数字图像处理的车牌识别系统
数字图像处理
数字图像处理车牌识别课程设计matlab实现附源代码
基于MATLAB的数字图像分割的研究与实现
数字图像处理
基于Matlab的数字图像处理系统设计要点