图像处理 背景减法

数字图像处理报告

姓名： cugycy

学院：机械与电子信息学院

班级： 071112-13 指导老师：傅华明

摘要

研究目标：

本文主要研究在背景维持不变的环境下，对运动目标检测。在固定空间场中获得的运动目标的运动的一系列图像称为运动图像。我们主要研究的是在一个固定场景中，目标对象位置发生变化的情况。

采用方法：

为了分析在固定场景中目标的运动变化，首先考虑到在一系列的运动图像序列中，空间场的位置、灰度变化是非常微小的，基本上可以认为是固定不变的；而运动对象却在空间位置上发生了明显的改变，所以我们可以用背景减法来研究这一情况。

背景减法通过逐像素比较与背景图像的差别，在背景基本不变的条件下，在差图像的不为零处表明该处出现运动目标，通过求差的方法就可以将运动目标的位置和形状表现出来。在实际情况中，由于镜头的物理抖动造成的图像的移动，旋转，以及光线明暗的变化，所造成的图像背景改变，从而难以与背景图做差形成清晰，无噪声的差分图像。

完成以下编程：

为了减小误差影响，增强图像质量，在认为无镜头的旋转，先后移动情况影响下，只考虑镜头产生了上下平移变化，用相关匹配在其他图像中寻找与模板（图像1部分）最相似的子块，并剪切其他图像使其他图像与图像1的背景一致。

在不考虑处理的实时情况下，同时图像的数量较少（5张），运动目标在多幅图像叠加

中不会有重叠部分，采用去除最大最小值后求均值法求得背景图像。

将图像与背景图像做差值处理，采用二维自适应维纳滤波对差值图形滤波减小噪声影响。

将滤波后差值图，设定阈值进行二值化，同时采用形态学的腐蚀膨胀，使二值图像中目标轮廓边缘更加平滑，减小图像内部空隙，符合实际目标。

取得成果：

由此我们的得到了五幅二值目标图像。通过图像位置的比较明显看到人从右到左的运动，图像的间距看出运动的距离也是不一样的，图像的大小看出距离镜头的距离也是不一样的。

未解决问题：

没能考虑镜头旋转带来的图像背景移动，从而使差值图像噪声减小更多，同时背景图像的生成不够准确，影响差值图像的质量。

未能采用更为合适的滤波，减小噪声。

图像的二值化的阈值选取，不能基于图像自身的的数据自动随之改变。

未对二值图像进行滤波，去除小的噪声点。

未对二值图像和原图像进行更进一步的匹配。

未采用彩色图像处理。

详细报告：

以图像1的部分为模板在其他图像中匹配相似的位置，从而适当剪裁其他图像使背景尽可能一致。

模板

匹配

最佳匹配处

原图与剪裁图

通过图像直观分析，发现多幅图像上的运动目标没有位置重合，从而可以采用去除图像相同位置数据中的最大值和最小值，然后取均值的方法获得背景图像。

背景图

将图像与背景图做差值计算，获得图像差图。

差值图像

采用二维自适应维纳滤波对差值图形滤波减小噪声影响。

将滤波后差值图，设定阈值进行二值化，同时采用形态学的腐蚀膨胀，使二值图像中目标轮廓边缘更加平滑，减小图像内部空隙，符合实际目标。

其他工作：

不同滤波效果中，纳维滤波的能更好的保留目标的轮廓信息，噪点可采用形态学处理去除噪点。

不同滤波效果

源代码：

clc

clear all

%---------------------------------------------------------------------

% 批量获取文件

%---------------------------------------------------------------------

file=dir('G:\study\大四上\数字图像处理\m4\p6-0*.bmp') %列出当前目录下符合正则表达式的文件夹和文件数据结构

for n=1:length(file) %获取以名字为命名的图片数据tmp=rgb2gray(imread(['G:\study\大四上\数字图像处理\m4\',file(n).name]));

str_a1=[file(n).name(1:end-8),file(n).name(end-4),'=tmp;'];

eval(str_a1);

end

%--------------------------------------------------------------------------

%通过匹配返回坐标,保存到ppn中

%用相关匹配在图像a中寻找与模板c最相似的子块，给出代码和相关系数图

%--------------------------------------------------------------------------

for n=2:length(file) %获取以名字为命名的图片数据b=p1;

a=eval(['p',num2str(n),';']);

c=b(30:230,30:630);

% imshow(c);

g=dftcorr(a,c);

gs=gscale(g);

% figure,imshow(gs);

[I,J]=find(g==max(g(:)));

% figure,imshow(gs>254);

% figure,imshow(b),title(['灰度' num2str(i)])

d=a(I:I+400,J:J+600);

eval(['pp',num2str(n),'=d;']);%获取图像的相对位置

end

pp1=p1(30:430,30:630);

%--------------------------------------------------------------------------

%通过五幅图进行取去最大最小后，平均值作为被背景图层

%--------------------------------------------------------------------------

for n=1:5

eval(['pp_5(n,:,:)=pp',num2str(n),';']);%获取图像的相对位置

end

pp_max=max(pp_5);%最大

pp_max1(:,:)=pp_max(1,:,:);

pp_max1=pp_max1;

pp_min=min(pp_5);%最小

pp_min1(:,:)=pp_min(1,:,:);

pp_min1=pp_min1;

pp_sum=uint16(pp1)+uint16(pp2)+uint16(pp3)+uint16(pp4)+uint16(pp5);%和

pp_sum=uint8((pp_sum-uint16(pp_min1)-uint16(pp_max1))/3);%去大去小取均值为背景图

%--------------------------------------------------------------------------

%背景减法运算二维自适应维纳滤波二值化

%--------------------------------------------------------------------------

for n=1:5

figure,

eval(['temp=pp',num2str(n),';']);%获取图像的相对位置

z=imabsdiff(temp,pp_sum);%取绝对值两个图像之差

J=z;

K1= z;

K2= medfilt2(J);%采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波K3=wiener2(J,[9 9]); %对加噪图像进行二维自适应维纳滤波

K4= filter2(fspecial('average',9),J)/255; %模板尺寸为9

cs=0.15;

K1=im2bw(K1,cs);%二值化

K2=im2bw(K2, cs);%二值化

K3=im2bw(K3 ,cs);%二值化

K4=im2bw(K4, cs);%二值化

subplot(2,2,1),

imshow(eval(['pp',num2str(n),])); title(['原图像' num2str(n)]) %————-————腐蚀开运算——————

foc=imclose(K3,strel('square',10));

subplot(2,2,2),

imshow(z);title('差值图像');

f=foc;

se=strel('square',2);

fo=imopen(f,se);

subplot(2,2,3),

imshow(K4);title('二值化');

%————-————腐蚀运算——————f=fo;

se=strel('disk',2);

fo=imopen(f,se);

subplot(2,2,4),

imshow(fo);title('形态学处理');

end

数字图像处理课程心得

数字图像处理课程心得 本学期，我有幸学习了数字图像处理这门课程，这也是我大学学习中的最后一门课程，因此这门课有着特殊的意义。人类传递信息的主要媒介是语音和图像。据统计，在人类接受的信息中，听觉信息占20%,视觉信息占60%，其它如味觉、触觉、嗅觉信息总的加起来不过占20%。可见图像信息是十分重要的。通过十二周的努力学习，我深刻认识到数字图像处理对于我的专业能力提升有着比较重要的作用，我们可以运用Matlab对图像信息进行加工，从而满足了我们的心理、视觉或者应用的需求，达到所需图像效果。 数字图像处理起源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约采用数字压缩技术传输了第一幅数字照片。此后，由于遥感等领域的应用，使得图像处理技术逐步受到关注并得到了相应的发展。第三代计算机问世后，数字图像处理便开始迅速发展并得到普遍应用。由于CT的发明、应用及获得了备受科技界瞩目的诺贝尔奖，使得数字图像处理技术大放异彩。目前数字图像处理科学已成为工程学、计算机科学、信息科学、统计学、物理、化学、生物学、医学甚至社会科学等领域中各学科之间学习和研究的对象。随着信息高速公路、数字地球概念的提出以及Internet的广泛应用，数字图像处理技术的需求与日俱增。其中，图像信息以其信息量大、传输速度快、作用距离远等一系列优点成为人类获取信息的重要来源及利用信息的重要手段，因此图像处理科学与技术逐步向其他学科领域渗透并为其它学科所利用是必然的。 数字图像处理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。图像处理科学是一门与国计民生紧密相联的应用科学，它给人类带来了巨大的经济和社会效益，不久的将来它不仅在理论上会有更深入的发展，在应用上亦是科学研究、社会生产乃至人类生活中不可缺少的强有力的工具。它的发展及应用与我国的现代化建设联系之密切、影响之深远是不可估量的。在信息社会中，数字图象处理科学无论是在理论上还是在实践中都存在着巨大的潜力。近几十年，数字图像处理技术在数字信号处理技术和计算机技术发展的推动下得到了飞速的发展，正逐渐成为其他科学技术领域中不可缺少的一项重要工具。数字图像处理的应用领域越来越广泛，从空间探索到微观研究，从军事领域到工农业生产，从科学教育到娱乐游戏，越来越多的领域用到了数字图像处理技术。 虽然通过一学期的课程学习我们还没有完全掌握数字图像处理技术，但也收获了不少，对于数字图像处理方面的知识有了比较深入的了解，当然也更加理解了数字图像的本质，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）等大家都能叫上口却知识模糊的名词。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，增强图像的边缘等细节。而平滑处理是的目的是消除噪声，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。对常提的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

10以内加法、减法口诀表

10以内加法口诀表

10以内减法口诀表

10以内的加法表和10以内的减法表巧背不死记 一年级的10以内的加法表和10以内的减法表，我在教学时统一要求学生们背下来了的。不知道我这样好不好，很想和其它老师们一起交流交流想法。前天去听课时无意间听到关于这个问题，我当时就谈了我自己的想法和做法。带同一年级的老师说她没有让学生背这个，看到我的做法和以往老教师们的做法相同，有点表示疑问。所以当时我就说了我自己上课时的情况，讲完后好象得到了认可。我是这样教学生们记忆的。首先出示10以内加法表的第一道算式：1+1,让学生算出得几，紧接着出示第二道和第三道算式：1+2、2+1,让学生观察这两横排有什么区别，找异同，然后又出示第三横排的算式：1+3、2+2、3+1,这样一来学生有的就站起来说：老师我知道下面的算式是什么？我问他：那你说说，下面的算式可以接着怎样写呢？生回答说：1+4、2+3、3+2、4+1，我接着问孩子们：同学们，你们能不能从中找出规律来呢？这每一横排的算式有什么特点吗？学生们开始思考了，有的说：每一排的算式都比前面一排多一道算式；有的说：每一横排的得数分别是1、2、3、4、5；有的还说：我发现每一排的算式里的两个数都正好交换了位置比如1+4和4+1,2+3t和3+2。听到这里我感到很高兴，这班孩子真不错呀，规律找得一点也不差嘛！于是我说：刚才这几位同学说的意思大家都听清楚了吗？生答：是的。那好，现在就请你们大家在自己的本子上照这样再往下写出一横排来。孩子们齐刷刷的写好了，也知道是该写得数是6的加法算式了，而且是写5道算式，接下来是写得数是7、8、9、10的所有加法算式。 很快学生们就写好了，当然我也一边巡视着学生们写的情况，除了少数几个孩子写得慢了还没写好以外，其余学生都能写对。看来记住这个加法表一点也不难了。于是我再顺势问他们道：哪位同学能够记住它？打算怎么记呢？这时候有的孩子就说1+1、1+2、1+3...我明白他的意思是竖着记，有的学生说可以一横排一横排的记，也就是横着背这张表，还有的孩子说可以倒过来斜着记忆，1+1、2+1、3+1、4+1、5+1、6+1、7+1、8+1、9+1...我马上夸奖他的方法真独特，这下就有很多孩子对这种记忆方法产生了兴趣了，纷纷也表示愿意这样记忆;当然还有的学生说他是想数的组成来进行记忆,得数是几就想几的组成,难道这些不都是来

Photoshop学习心得

1.Photoshop实训课程总共3周,在这3周里主要学习了文字特效处理,照片处 理与广告设计。 其实训目的就是: 1、加深、巩固学生所学课程《Photoshop》的基本理论知识,理论联系实际, 进一步培养学生综合分析问题与解决问题的能力。 2、培养学生调查研究、查阅技术文献、资料、手册以及编写技术文献的能力。 使学生得到收集资料、整理相关素材、处理图片等的实践训练,更好地掌握基本理论知识及其实际业务能力,从而达到提高学生素质的最终目的。 3、利用所学知识,调研查阅相关信息,发挥创造力,掌握运用Photoshop与其 它相关设计工具的综合应用的技能及独立设计的综合能力。 其课程实训要求就是: 1、在规定时间完成课程实训任务书中的全部任务。 2、通过课程实训,要求学生在指导教师的指导下,独立完成实训课题的全部内 容。 3、通过调查研究,学会收集资料、整理相关素材、确定主题等。 4、用所学的知识学会处理图像,掌握课程实训的基本步骤与方法。 5、在教师指导下,发挥学生的主观能动性、独立动手进行工作。 6、增强学生理论与实践的结合能力,为毕业设计打好基础。 在学习photoshop的过程中既有收获,又有不足之处。第一学习这门课程一定有耐心,其次要坚持不懈,要肯下功夫,但就是自己有时真的不够耐心,有时稍微难些的图不会做就放下了,自己知道要学号ps就要不断地做,可能一次不行,第二次就可以了,但往往会耽搁掉了,复杂些就不去理它了。其实自己就是比较喜欢photoshop的,原因就是这软件实在就是太厉害了,能化腐扭为神奇,所以平时都有认真听课,也掌握了一些制图的技巧。 在本实训中掌握了一些文字的特效处理,照片的处理与广告设计。主要涉及画笔的应用、抠图、滤镜、色阶、曲线、色彩的应用等。几乎很多例子都有应用这些方面的技巧的,所以一定要学号这方面的知识。学习photoshop单单只有理论就是不行的,最重要的就是要多实践,瞧十本书还不如亲手做一次,做不好也不要气馁,因为您从失败中得到了经验、有了经验您就会继续尝试做下去,试图掌握里面的每一个功能,熟悉每一个工具的运用。拿到每一个例子都要分析其中的每一个元素,需要用到什么工具,要在大脑里有个印象,这样做起来就会顺心多了。 现在学习photoshop通常都就是按照书本上与老师的例子来做,要就是离开了例子要自己创作,可能就有些困难。这就说明了自己缺少训练。其中要学好photoshop不但要懂技术,更要懂艺术与创意,加上思维要发散,才能做出好的作品。自己就就是缺少对艺术与创意的造诣,所以有时拿到一些素材就会有种无从下手的感觉。 经过本次的实训练习,使我对photoshop的一些技巧有了一定的了解。实训一就是文字特效处理,文字作为人类文化的重要组成部分,无论在何种视觉媒体中,文字与图片都就是其两大构成要素,文字排列组合的好坏,直接影响着版面的视觉传达效果。因此,文字设计就是增强视觉传达效果,提高作品的诉求力,赋予版面审美价值的一种重要构成技术。在文字特效处理中必须要掌握好以下7个方面:①提高文字的可读性②文字的位置应符合整体要求③在视觉上应给人以美感④在设计上要富于创造性⑤更复杂的应用⑥综合应用⑦精彩

基于数字图像处理

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。

数字图像处理的概念教学总结

数字图像处理的概念

二、数字图像处理的概念 1.什么是图像 “图”是物体投射或反射光的分布，“像”是人的视觉系统对图的接受在大脑中形成的印象或反映。 是客观和主观的结合。 2数字图像是指由被称作象素的小块区域组成的二维矩阵。将 物理图象行列划分后，每个小块区域称为像素（pixel）。 –每个像素包括两个属性：位置和灰度。 对于单色即灰度图像而言，每个象素的亮度用一个数值来表示，通常数值范围在0到255之间，即可用一个字节来表示， 0表示黑、255表示白，而其它表示灰度级别。 物理图象及对应 的数字图象 3彩色图象可以用红、绿、蓝三元组的二维矩阵来表示。 –通常，三元组的每个数值也是在0到255之间，0表示相应的基色在该象素中没有，而255则代表相应的基色在该象素中取得最大值，这种情况下每个象素可用三个字节来表示。 4什么是数字图像处理 数字图像处理就是利用计算机系统对数字图像进行各种目的的处理 5对连续图像f（x，y）进行数字化:空间上，图像抽样;幅度上，灰度级量化 x方向，抽样M行 y方向，每行抽样N点

整个图像共抽样M×N个像素点 一般取M=N=2n=64，128，256，512，1024，2048 6数字图像常用矩阵来表示： f(i,j)=0~255，灰度级为256，设灰度量化为8bit 7 数字图像处理的三个层次 8 图像处理： 对图像进行各种加工，以改善图像的视觉效果；强调图像之间进行的变换；图像处理是一个从图像到图像的过程。 9图像分析：对图像中感兴趣的目标进行提取和分割，获得目标的客观信息 以观察者为中心研究客观世界； 图像分析是一个从图像到数据的过程。 10图像理解：研究图像中各目标的性质和它们之间的相互联系；得出对图像内 以客观世界为中心，借助知识、经验来推理、认识客观世界，属于高层操作 （符号运算） N N N N f N f N f N f f f N f f f y x f ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? - - - - - - = )1 ,1 ( )1,1 ( )0,1 ( )1 ,1( )1,1( )0,1( )1 ,0( )1,0( )0,0( ) ,( 符号 目标 像素 高层 中层 低层 高 低 抽 象 程 度 数 据 量 操 作 对 象 小 大语 义

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

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

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');

小学一年级“加法表、减法表”

小学一年级“加法表、减法表” 小学一年级“加法表、减法表” 范文一 范文二 10以内加法口诀表 1+1=2 1+2=3 2+1=3 1+3=4 2+2=4 3+1=4 1+4=5 2+3=5 3+2=5 4+1=5 1+5=6 2+4=6 3+3=6 4+2=6 5+1=6 1+6=7 2+5=7 3+4=7 4+3=7 5+2=7 6+1=7 1+7=8 2+6=8 3+5=8 4+4=8 5+3=8 6+2=8 7+1=8 1+8=9 2+7=9 3+6=9 4+5=9 5+4=9 6+3=9 7+2=9 8+1=9 1+9=10 2+8=10 3+7=10 4+6=10 5+5=10 6+4=10 7+3=10 8+2=10 9+1=10 10以内减法口诀表 10-1=9 10-2=8 9-1=8 10-3=7 9-2=7 8-1=7 10-4=6 9-3=6 8-2=6 7-1=6 10-5=5 9-4=5 8-3=5 7-2=5 6-1=5

10-6=4 9-5=4 8-4=4 7-3=4 6-2=4 5-1=4 10-7=3 9-6=3 8-5=3 7-4=3 6-3=3 5-2=3 4-1=3 10-8=2 9-7=2 8-6=2 7-5=2 6-4=2 5-3=2 4-2=2 3-1=2 10-9=1 9-8=1 8-7=1 7-6=1 6-5=1 5-4=1 4-3=1 3-2=1 2-1=1 20以内进位加法口诀表 9+2=11 9+3=12 8+3=11 9+4=13 8+4=12 7+4=11 9+5=14 8+5=13 7+5=12 6+5=11 9+6=15 8+6=14 7+6=13 6+6=12 5+6=11 9+7=16 8+7=15 7+7=14 6+7=13 5+7=12 4+7=11 9+8=17 8+8=16 7+8=15 6+8=14 5+8=13 4+8=12 3+8=11 9+9=18 8+9=17 7+9=16 6+9=15 5+9=14 4+9=13 3+9=12 2+9=11 20以内退位减法口诀表 11-9=2 11-8=3 11-7=4 11-6=5 11-5=6 11-4=7 11-3=8 11-2=9 12-9=3 12-8=4 12-7=5 12-6=6 12-5=7 12-4=8 12-3=9 13-9=4 13-8=5 13-7=6 13-6=7 13-5=8 13-4=9 14-9=5 14-8=6 14-7=7 14-6=8 14-5=9 15-9=6 15-8=7 15-7=8 15-6=9 16-9=7 16-8=8 16-7=9 17-9=8 17-8=9 18-9=9

学习Photoshop 图像处理技术的心得体会

Photoshop学习心得体会 转眼间，这学期即将结束。通过对图形图像处理这门课程的学习，使我受益匪。 我一直都喜欢Photoshop，因为它是款非常强大的软件，功能繁多，设计空间广阔。在你鼠标轻轻一动间，一个霏凡作品即有可能因你而生。它能把平白无奇的画面变成炫丽多姿的视觉盛宴。 虽然现在photo shop只是我选修的一科，经过老师的讲解，我了解到它是作为图形图像处理领域的首选软件，Photoshop的强大功能和众多的优点不用多说。用Photoshop做一些漂亮的图片，或对照片进行简单的加工并不是Photoshop设计人员的最终目的。而作品的灵魂是要有创意，然而创意这东西并不是那么好学，甚至根本学不会，学创意比学Photoshop本身要难得多。

Photoshop作品要有生命力就必须有一个好的创意。创意是我们老师上课强调的一项，他说学习photo shop不是在于把所有的工具都要深入去了解，只要把自己常用的会用就可以的了，因为只有有创意，也可以做出一副好的作品来的，老师为了说好色彩，在上课时就把运动会的事说了，让我们有一个所谓的概念。色彩应用是图形图像处理和制作的一个重要环节，色彩应用搭配的好能让人产生一种舒适的感觉，作品的美感也由此而生。相反如色彩应用搭配不当，则会让人产生不想看的心理，作品也就谈不上什么感染力。色彩的应用搭配不仅要平时留心观察身体的事物，还在于多练习。留心观察才会知道什么地方用什么色彩能达到最好效果。色彩应用搭配不可能一下子学好，而是一个比较慢长的过程（如西瓜和另一种水果的组合）。如果要手绘一些作品，卡通类型往往是比较容易的，因为这类图形只要用路径把线条勾出来（用到铅笔，钢笔等），再填充以颜色即可，而它的色彩要求很简单。写实类型的却非常难，虽然它的线条可能比较简单，然而要命的是它的色彩要求非常严格，而色彩又是非常难掌握的一个环节。比如要手绘一只逼真的鸡蛋美女一样，就是一件很难的事情。色彩稍微出一点差错，就会产生生硬的感觉，而达不到逼真的效果。也得会运用3D变换。例如：要把文字写在杯子上，就需要用到

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。

数字图像处理心得体会

《数字图像处理》心得体会 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。 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、数据或度量,其目的主要是想得到某种数值结果。图像分析的内容跟人工智能、模式识别的研究领域有一定的交叉。? 数字图像处理的特点主要表现在以下几个方面：? 1）?数字图像处理的信息大多是二维信息，处理信息量很大。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。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不是独立的，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。所以，图像处理中信息压缩的潜力很大。?图像受人的因素影响较大，因为图像一般是给人观察和评价的。? 数字图像处理的优点主要表现在4个方面。? 1）?再现性好。数字图像处理与模拟图像处理的根本不同在于它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，那么数字图像处理过程始终能保持图像的再现。? 2）?处理精度高。将一幅模拟图像数字化为任意大小的二维数组，主要取决于

10以内加法、减法表

加法表 0+0=0 1+0=1 0+1=1 2+0=2 1+1=2 0+2=2 3+0=3 2+1=3 1+2=3 0+3=3 4+0=4 3+1=4 2+2=4 1+3=4 0+4=4 5+0=5 4+1=5 3+2=5 2+3=5 1+4=5 0+5=5 6+0=6 5+1=6 4+2=6 3+3=6 2+4=6 1+5=6 0+6=6 7+0=7 6+1=7 5+2=7 4+3=7 3+4=7 2+5=7 1+6=7 0+7=7 8+0=8 7+1=8 6+2=8 5+3=8 4+4=8 3+5=8 2+6=8 1+7=8 0+8=8 9+0=9 8+1=9 7+2=9 6+3=9 5+4=9 4+5=9 3+6=9 2+7=9 1+8=9 0+9=9 10+0=10 9+1=10 8+2=10 7+3=10 6+4=10 5+5=10 4+6=10 3+7=10 2+8=10 1+9=10 0+10=10 减法表 0-0=0 1-0=1 1-1=0 2-0=2 2-1=1 2-2=0 3-0=3 3-1=2 3-2=1 3-3=0 4-0=4 4-1=3 4-2=2 4-3=1 4-4=0 5-0=5 5-1=4 5-2=3 5-3=2 5-4=1 5-5=0 6-0=6 6-1=5 6-2=4 6-3=3 6-4=2 6-5=1 6-6=0 7-0=7 7-1=6 7-2=5 7-3=4 7-4=3 7-5=2 7-6=1 7-7=0 8-0=8 8-1=7 8-2=6 8-3=5 8-4=4 8-5=3 8-6=2 8-7=1 8-8=0 9-0=9 9-1=8 9-2=7 9-3=6 9-4=5 9-5=4 9-6=3 9-7=2 9-8=1 9-9=0 10-0=10 10-1=9 10-2=8 10-3=7 10-4=6 10-5=5 10-6=4 10-7=3 10-8=2 10-9=1 10-10=0

《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

基于Matlab的数字图像处理系统毕业设计论文

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FPGACPLD 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，

图像处理教学工作总结

图像处理教学工作总结 百度《图像处理教学工作总结》，感觉很有用处， 篇一：教学工作总结级商务班《图形图像处理》项目教学工作总结一学期很快就要过去，回顾本学期的教学工作，感到很辛苦，同时也感到很欣慰。 因为我的学生在结束本学期课程后，基本都达到了教学大纲的要求，部分优秀的学生甚至能开始独立完成优秀的作品。 现把本学期的教学工作从以下几方面作以总结：。 一、教学模式的总结与探究——学生由被动变主动课程是从一年级第一学期开始学习，所以这个学期主要学的都是基础内容。 由于学生层次参差不齐，我主要采取的教学模式是教师展示效果——教师操作示范——学生练习——教师辅导——小结。 这种模式的优点主要体现在学生能够较快学会操作，而且基本都能根据老师及书本的提示完成操作，并基本掌握知识。 但它的弊端也非常致命，学生完全处于被动状态，只是跟着老师及书本的步骤走，他们没有机会表达自己的感想，也得不到很强的成就感，更谈不上发掘创作思维，并且较容易忘记已学内容。 我们教学的目标就是要让学生认真学习，上课积极发言、课堂参与度高，师生关系要融洽，课堂气氛要好。 上面所述模式基本也能达成这种目标，但偶尔效果也会非常不好。 如何才能更好的达成我们所要的目标呢?在跟众多前辈的交谈学

习中，我觉得有一种模式非常值得一试：给素材和设计要求——学生先设计——相互看——解说自己的作品——评出好的作品（学生相互评/教练指导）——与优秀作品比较（哪个好？最全面的范文写作网站好在哪？为什么？）——教师给予解读分析——学生修改——与修改前对比——理解、领悟、提高、运用，整体能够做到知、悟、做、得，这种模式让学生由被动转向完全主动，教学效果会非常好，而且能持久。 新模式是一种非常好的经验，但任何真理都需要结合实际需要才能发挥到最好。 认真分析我们学校教学安排及学生特点后，我个人认为，在大部分学生毫无基础的情况下，刚开始应主要以第一种模式进行教学，待学生有一定基础时，要适时尽快进入第二种教学模式，缩短学生被动型基础教学实践，延长学生主动型创意教学模式。 当然肯定还有更好的模式可以取代第一种基础教学模式，这还需要在工作中继续探索和总结。 二、学生的培养目标与方向——以企业需求为标准，紧抓基本功结束了这个学期的课程后，我开始明白明确学生的培养方向对我们的教学是非常重要的。 学校要培养什么样的学生？专业要培养什么样的学生？课程要培养什么样的学生？不管是哪个问题，教学最终就是要培养某种类型的学生，如果没有这个作为引导，那何为教学？所以要让课程有意思、有意义，就必须要清楚我们的课程到底要培养什么样的学生。

基于VC++的数字图像处理课程设计

基于VC++的数字图像处理课程设计 一、概述 本次电子课程设计是基于VC++ 6.0 MFC多文档编程编写一个图像处理软件，这个软件能够实现BMP格式图像的浏览与编辑，打开和保存。实现对图像的平滑处理,包括邻域平均法和中值滤波法。还有对图像的锐化处理，包括梯度法和拉普拉斯算子法。 BMP文件是Windows操作系统中的标准图像文件格式,可以分成两类：设备相关位图和设备无关位图，使用非常广。它采用位映射存储格式，除了图像深度可选外，不采用其他任何压缩，因此BMP文件所占用的空间很大。由于BMP文件格式是Windows环境交换与图有关的数据的一种标准，因此在Windows环境中运行的图形图像软件都支持BMP图像格式。 图像平滑的目的是为了消除噪声，主要处理的方式有邻域平均法即通过提高信噪比，取得较好的平滑效果；空间域低通滤波采用低通滤波的方法去除噪声；以及频率低通滤波法通过除去其高频分量就能去掉噪声，从而使图像的到平滑。 图像锐化的主要目的是为了增强图像边缘、轮廓和细节，使模糊的图像变得更加清晰，颜色、细节变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图像。 经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可对其进行逆运算（如微分运算）就可以使图像变得清晰。从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。 主要功能概述： 1、打开和保存8位bmp图像 2、图像平滑处理：分为邻域平均法和中值滤波法。邻域平均法中又有3*3均值滤波器 法、超限邻域平均法、n*n均值滤波器法、有选择的局部平均化。中值滤波法中有n*n中值滤波器法、十字形中值滤波法、n*n最大值滤波器法。 3、图像锐化处理：分为梯度法和拉普拉斯算子法。 二、程序流程图