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。
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( ),(ΛM M M M ΛΛ
符号
目标像素高层中层低层高
低抽
象
程
度
数据量操作对象小语义
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（特点或性质），建立对图像的描述；
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；得出对图像内容含义的理解及原来客观场景的解释；
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）11图像处理、图像分析和图像理解是处在三个抽象程度和数据量各有特点的不同层次上。图像处理是比较低层的操作，它主要在图像像素级上进行处理，处理的数据量非常大。图像分析则进入了中层，分割和特征提取把原来以像素描述的图像转变成比较简洁的非图像形式的描述。图像理解主要是高层操作，基本上是对从描述抽象出来的符号进行运算，其处理过程和方法与人类的思维推理有许多类似之处
12
13
显示和传输等相关技术的发展。
14数字图像处理的应用领域多种多样。最主要的图像源是电磁能谱，其他主要的能源包括声波、超声波和电子（用于电子显微镜）。
15伽马射线成像
伽马射线成像的主要用途包括医学和天文观测。
16 X射线在医学诊断上的应用:（a）X光片（b）血管照相术（c）头部CA T切片图像
X射线是最早用于成像的电磁辐射源之一
X射线在工业和天文学上的应用（a）电路板（b）天鹅座星环
17紫外光的应用多种多样平板印刷技术工业检测显微镜方法激光生物图像天文观测
18可见光及红外波段成像
这一波段的应用最为广泛,电视和多媒体,光显微镜;涉及的范围从药物到材料特性的检测
天气观测与预报是卫星多光谱图像的主要应用领域; 图像识别
19无线电波段成像主要应用在医学和天文学:在医学中，无线电波用于磁共振成像（MRI) 20超声波图像产生的步骤：
1.超声波系统向身体传输高频（1～5MHz）声脉冲。
2.声波传入体内并碰撞组织间的边缘，声波的一部
分返回到探头，一部分继续传播直到另一边界并被反射回来。
3.反射波被探头收集起来并传给计算机。
4. 计算机根据声波在组织中的传播速度和每个回波返回
的时间计算从探头到组织或者器官边界的距离。
5. 系统在屏幕上显示回波的距离和亮度形成的二维图像。
21电子显微镜成像:过热损坏的钨丝（250倍）;损坏的IC电路（2500倍)
22现状
七十年代以来迅猛发展。
?1：主观需求：人类从外界获取得信息60～70％通过眼睛的图象信息。
?2：计算机技术的发展和通信手段的发展提供客观可能；以FFT为代表的数字信号处理算法和现代信号处理方法的精确性，灵活性与通用性。
?3：数学化的特点是该学科成熟的一个标志。“一种科学只有在成功地运用数学时，才算真正达到了完美的地步”(分析，代数，几何）
?总之：是一门在理论研究和应用开发两方面获得极大统一的学科。
23发展趋势
1：结合网络和Internet技术需求而发展起来的新技术，比如网上图像、视频的传输、点播和新的浏览、查询手段。
2：高级图像处理技术，结合最新的数学进展，诸如小波、分形、形态学等技术。
3：智能化，图象自动分析、识别与理解。
24数字图像处理系统概要
数字图象处理系统由
图象数字化设备、
图象处理计算机和
图象输出设备组成。
输入及数字化设备?摄象机?鼓式扫描器?平台式光密度计?视频卡?扫描仪?数码相机?DV 显示及记录设备?图象显示器?鼓式扫描器?图象拷贝机?绘图仪?激光打印机?喷墨打印机25数字图像处理的主要研究内容
.图像变换: 傅立叶变换/沃尔什变换/离散余弦变换/小波变换
采用各种图像变换方法对图像进行间接处理.有利于减少计算量并进一步获得更有效的处理。
26.图像压缩编码
图像压缩编码技术可以减少描述图像的数据量，以便节约图像存储的空间，减少图像的传输和处理时间。
图像压缩有无损压缩和有损压缩两种方式，编码是压缩技术中最重要的方法，在图像处理技术中是发展最早和应用最成熟的技术。
主要方法：熵编码，预测编码，变换编码，二值图像编码、分形编码……
27图像的增强和复原
图像增强和复原的目的是为了改善图像的视觉效果，如去除图像噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中感兴趣的部分。图像复原要求对图像降质的原因有所了解，根据图像降质过程建立“退化模型”，然后采用滤波的方法重建或恢复原来的图像。
主要方法：灰度修正、平滑、几何校正、图像锐化、滤波增强、维纳滤波……
28 图像分割:图像分割是数字图像处理中的关键技术之一。图像分割将图像中有意义的特征提取出来（物体的边缘、区域），它是进行进一步图像识别、分析和图像理解的基础。
虽然目前已研究出了不少边缘提取、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。对图像分割的研究还在不断的深入中，是目前图像处理研究的热点方向之一。
主要方法：图像边缘检测、灰度阈值分割、基于纹理分割、区域增长……
29图像描述:图像描述是图像分析和理解的必要前提。图像描述是用一组数量或符号（描述子）来表征图像中被描述物体的某些特征。
主要方法：二值图像的几何特征、简单描述子、形状数、傅立叶描述子，纹理描述……
30图像识别:图像识别是人工智能的一个重要领域，是图像处理的最高境界。一副完整的图像经预处理、分割和描述提取有效特征之后，进而由计算机系统对图像加以判决分类。
31图像隐藏是指媒体信息的相互隐藏。数字水印\图像的信息伪装
32数字图像处理应用前景:数字图像处理除了通信领域的新应用外，另一个重要领域就是生物医学成像与诊断。
第二章数字图像处理基础
1人眼的构造:镜头将光线聚焦，并将物体成像到视网膜上，视网膜上有许多光感应器叫做圆锥细胞（6～7百万）和杆细胞（75～150百万），圆锥细胞集中在中央凹周围并对颜色很敏感，而杆细胞比较分散，对低照度比较敏感。
光图像激活视杆体或视锥体时，发生光电化学反应，同时产生视神经脉冲，视觉系统散布视神经中有80万神经纤维，视觉系统传播视神经脉冲。许许多多的视杆体和视锥体相互连接到神经纤维上。
视觉系统的可视波长范围为=380nm～780nm;
视觉系统的可响应的亮度范围是:1～10个量级的幅度范围。
生理学已证实，视网膜中有三种视锥体，具有不同的光谱特性，峰值吸收分别在光谱的红、绿、兰区域。吸收曲线有相当多的部分是相互重叠的。这是三基色原理的生理基础。
2视锥细胞和视杆细胞在视网膜上的分布
锥状（cone）视觉：白昼视觉，色彩；
杆状（rod）视觉：夜视觉，低照度敏感。
3人眼的成像:人眼中的肌肉可以用来改变晶状体的形状，并允许我们对远近不同的物体进行聚焦。
而聚焦到视网膜上图像会刺激杆细胞和圆锥细胞，最终将信号发送到大脑。
4物理图像:我们所感知到的颜色是由光的特性被物体反射而决定的，比如，白光照在绿色物体上，大部分被吸收，而只有绿光被物体反射
一般地，图像是由光照作用于场景并被部分的吸收，同时被场景中的物体反射
形成的。
5人眼的视觉特性:视觉是主观对客观的反应，是一种主观感觉。
视觉包括亮度视觉和彩色视觉。
6人眼的视觉特性-视觉灵敏度
何谓视觉灵敏度呢(视觉效应是由可见光刺激人眼引起的。如果光的辐射功率相同而波长不同，则引起的视觉效果也不同，不仅颜色感觉不同，而且亮度感觉也不同。为了确定人眼对不同波长光的敏感程度，在
产生相同亮度感觉的情况下，测出各种波长
光的辐射功率Ф(λ)，则：
光谱光视效能：K(λ)= 1 /Ф(λ)
用来衡量视觉对波长为λ的光的敏感程度。
)
实验表明，当λ=555nm时，有最大的光谱光视效能：Km=K(555)
任意波长光的光谱光视效能K(λ)与Km 之比称为 光谱光视效率（相对视敏度），用函数V(λ)表示： V(λ)= K(λ）/ Km V(λ)也可用得到相同主观亮度感觉时所需各波长光的辐射功率Ф(λ）表示： V(λ)= Ф（555）/Ф(λ) 人眼的视觉特性-彩色视觉 彩色三要素 亮度是光作用于人眼时所引起的明亮程度的感觉。(光功率) 色调是指颜色的类别，是决定色彩本质的基本参量。(光波长) 色饱和度是指彩色所呈现色彩的深浅程度（或浓度）。 色调与色饱和度合称为色度。 人眼的视觉特性-人眼分辨力 何谓人眼的分辨力呢？ 人在观看景物时人眼对景物细节的分辨能力。人眼对被观察物体上刚能分辨的最紧邻两黑点或两白点的视角的倒数称为人眼的分辨力或视觉锐度。
人眼的视觉特性-视觉对比度
图像中最大亮度Lmax 与最小亮度Lmin 的比值C 称为对比度。 C= Lmax/ Lmin 例：实际传送的景物亮度200-20000cd/m2，电视屏幕亮度2-200cd/m2
两者对比度都为100
重现景物的亮度范围无需与实际景物的相等，只需保持二者的对比度相同。
视亮度——在一定背景亮度环境下人的主观亮度感觉。
费涅尔系数（相对对比度灵敏度阈） ξ=ΔBmin/B
(随着环境的不同，在0.005-0.02范围内变化)
ΔBmin 称为可见度阈值。
人眼的视觉特性-同时对比度
感觉的亮度区域不是简单取决于亮度
相同亮度的方块在不同背景下，感觉亮度不同；位于中心位置的方块亮度相同，当背景变亮时，方块的亮度变暗。
一张白纸放在桌子上看上去很白，但用白纸遮蔽眼睛直视明亮的天空时，纸看起来总是黑的。 7在观察一个亮度渐变的边缘时，发现主观感受在亮度变化部位附近的暗区和亮区中分别存在一条更黑和更亮的条带，称之为“马赫带”。 236060d L θ
π=?57.3603438d d L L θ??==θ d
L
同时对比度是面积亮度差引起的现象，马赫带是明暗边界引起的现象。
侧抑制效应：视觉信号并不是单纯由一个视觉细胞感觉产生的，而是由相邻视觉细胞信号加权和形成的。
Mach 带可用侧抑制机理来解释，可认为是局部空间域内神经细胞之间相互作用的结果。 同时对比度和马赫带效应表明，人所感觉到的亮度并不是强度的简单函数。
人眼的视觉特性-视错觉
人眼的视觉特性-视觉惰性
视觉惰性是人眼的重要特性之一，它描述了主观亮度与光作用时间的关系。人眼亮度感觉变化滞后于实际亮度变化，以及光线消失后的视觉残留现象（称为视觉暂留或视觉残留），总称为视觉惰性。
当有光脉冲刺激人眼时，视觉的建立和
消失都需要一定的过程，光源消失以后，
景物影像会在视觉中保留一段时间。
视觉暂留时间在0.05~0.2秒
当人眼受周期性的光脉冲照射时，如果光脉冲频率不高，
则会产生一明一暗的闪烁感觉。如果将光脉冲频率提高到某一定值以上，由于视觉惰性，眼睛便感觉不到闪烁，感到是一种均匀的连续的光刺激。
刚好不引起闪烁感觉的最低频率，称为临界闪烁频率
8人类视觉感知能力的特点
人类视觉系统在对物体的识别上有特殊强大的功能；但在对灰度、距离和面积的绝对的估计上却有某些欠缺；
以传感器单元的数目比较：视网膜包含接近1.3亿个光接收器，这远远大于CCD 片上的传感器单元数；
和它每次执行运算的数目比较：和计算机的时钟频率相比，神经处理单元的开关时间将比之
大约慢 倍；
不论这慢的定时和大量的接收器，人类的视觉系统是比计算机视觉系统要强大得多。它能实时分析复杂的景物以使我们能即时的反应。
2.3 颜色的基本概念
1图为光谱图。 可见光的波长大约在380--780nm 之间。 可见光区之外，还有红外光区、紫外光区。
在遥感领域中光谱采样通常不限于红外区、可见光区、紫外光区三个波段，即为多光谱图像。 彩色不仅喜人，且可获得更多的信息：
视觉仅能感知十余级灰阶,
彩色感知但却能区分上千种彩色；
2彩色可用下面三个基本属性描述:
色调（Hue ）：色调表示颜色。
饱和度（Saturation ）：饱和度是彩色中包含白光的多少。
亮度（Brightness 或Intensity ）：亮度表示感受到的光强度（Luminance ）。
410
m 546.1n m 435.8n m
3颜色纺锤体：
颜色纺锤体的垂直轴线上表示列的亮度变化，顶部是白色，
沿着灰度过渡，到底部是黑色。在垂直轴线上越往上亮度越大。
水平的圆周表示色调，圆周上的不同角度的点代表了不同色
调的颜色，如红、橙、黄、绿、青、蓝、紫等。
圆心的色调是中灰色，它的亮度和该水平圆周上各色调的亮度相同。
从圆心向圆周过渡表示同一色调下不同的饱和度。
4三基色原理
吸收光谱响应的峰值分别在光谱的红(黄绿)、绿、兰区域。且吸收曲线有相当多的部分是相互重叠的。这是三基色原理的生理基础。
三基色原理
三基色相加混色：红、绿、兰；（光的三基色）
三基色相减混色：青、黄、品红（颜料的三基色）
相减是指吸收或过滤掉。
R,G是黄色Y，R，B是品红M，G，B是青色C
5光和颜料间的差别：
光和颜料是对立的，然而又互辅相成。
如果没有光的照射，就不能看见物体的颜色，而有色光必须照在不透明的表面上才能看见。RGB发射光，而CYM反射光。
混合所有色彩光形成白色，混合所有颜料形成黑色。
同时观察这两种模式，RGB模式是CMY模式的对立物，就像每一种主体部分都是另一种的从属部分。
利用红（Red）、蓝（Blue）和绿（Green）三种基本颜色，可以配制出绝大部分肉眼能看到的颜色。像彩色电视机的显像管（CRT）以及计算机屏幕，都是以这种方式来混合出各种不同的颜色效果。
RGB模式混色原理是以加法来混合出各种不同彩色。
6 色彩的描述
颜色的描述是通过建立色彩模型来实现的，不同的色彩模型对应于不同的处理目的。
各种不同的颜色模型之间可以通过数学方法互相转换
7常用的表色系
RGB表色系国际照明委员会（CIE）规定以700nm(红)、546.1nm (绿)、435.8nm (蓝)三个色光为三基色。又称为物理三基色。自然界的所有颜色都可以过选用这三基色按不同比例混合而成。
RGB模式的混色原理是以颜色加法来混合出各种不同的颜色。
彩色电视机的显像管（CRT）以及计算机屏幕，都是以这种方式来混合出各种不同的颜色效果。
如果采用其他色系进行了处理，最终一定要转换到RGB色系，才能正常显示结果。
HSI 表色系HSI（HSB）模式是利用色调（Hue）、色浓度（Saturation）以及亮度（Brightness （Intensity））三种基本向量来表示一种颜色。
Hue：色调，沿着色调环从0度（纯红），120o为绿色，240o为蓝色，再转回360度（纯红）。
Saturation：色彩的饱和度。0 %时为灰色，100 %时为纯色。
Brightness （Intensity）：亮度（强度），0 %为黑色，100 %时为白色。
所谓的色调，指的是不同波长的光谱，例如红色和绿色便是属于不同的色调。
色彩的饱和度是指颜色的深浅，例如同样是红色，也会因为饱和度的不同而分为深红或浅红。亮度（强度）则指的是颜色明暗的程度。
YUV（电视信号）表色系：电视信号发射时，转换成YUV形式，接收时再还原成RGB三基色信号，由显像管显示。目的是为了与黑白电视兼容。在YUV（电视信号）模式中：Y：亮度；U，V：色差信号。
CMYK表色系白色光也是由三种原色：红、绿、蓝混合而成的。
光谱中原色互补色是淡青色、品红色和黄色。所以用这三种原色构成所有颜色。这三种原色构成了CYM色彩模式。
在CYM色彩模式中，红色是品红色与黄色混合而成，蓝色是淡青色与品红色混合而成的。CYM色彩模式不流行的原因之一是这些深色的原色是不自然的，而且不容易得到。
理论上，利用C、M、Y三种基本色便可以混合为黑色，但是由于考虑到印刷油墨混合的误差，所以再加进一定量的黑色。
CMYK是由青（Cyan）、品红（Magenta）、黄（Yellow）以及黑（Black）四种基本色调配合成各种不同的颜色，一般应用在印刷输出的分色处理上面。
CMYK与RGB所不同的地方，除了组成的基本色不同之外，RGB的合成是采取颜色加法，而CMYK则是采用颜色减法。
Lab表色系它的特色是对色彩的描述完全采用数学方式，与系统及设备无关，因此它可以无偏差地在系统与平台间进行转换。
Lab模式是以一个亮度分量L（Lightness）——范围是0-100；以及两个颜色分量a与b来表示颜色。a分量是由绿色演变到红色——范围是-120-120；而b分量则是由蓝色演变到黄色——范围是-120-120。
人眼所能看见的光、色之范围较为广泛，由计算机的彩色屏幕按RGB模式或由彩色印刷品按CMYK模式所表示出来的光与色，只不过是其中的一部分。而且像RGB、CMYK和Lab 三种模式表现的颜色范围也不相同。
YCbCr表色系是常用于彩色图像压缩时的一种彩色模式。
Y: 代表亮度；
Cb、Cr：代表色差。
与YUV模式不同的是它充分考虑了色彩组成时RGB三色的重要因素。YUV考虑的是简单，YCbCr考虑的是压缩时可以充分取出冗余量。
1.简述数字图像处理的研究内容。
2.什么是图像工程？根据抽象程度和研究方法等的不同，图像工程可分为哪几个层次？每个层次包含哪些研究内容？
3.列举并简述常用表色系。
8图像取样和量化
与采样相关的概念(分辨率)
分辨率
传感器摄像的精确度。通常指要精确测量和再现一定尺寸的图像所必需的像素个数。
单位：像素*像素
图像的量化与数字图像的质量
空间分辨率是图像中可辨别的最小细节。取样值多少是决定图像空间分辨率的主要参数
灰度级别分辨率是指在灰度级别中可分辨的最小变化。灰度级数通常是2 的整数次幂。
当没有必要对涉及像素的物理分辨率进行实际度量和在原始场景中分析细节等级时，通常把大小为M×N、灰度为L级的数字图像称为空间分辨率为M×N像素、灰度级分辨率为L 级的数字图像。
9图像数字化器的功能组件
采样孔：使图像数字化器能不受图像其他部分的影响，而在整幅图像中扫描特定的独立像素单元；
扫描器件：使采样孔以预先确定的方式在图像上移动，按照顺序依次扫描图像的每一个像素；光传感器：测量每一像素的亮度，将光亮度转化为电流或电压信号；
量化器：将传感器输出的连续值转化为整数值；
输出介质：将量化的灰度值以适当的格式存储。
10数字化器的性能
分辨率：单位尺寸能够采样的像素数，由采样孔的大小和像素间距的大小决定；
灰度级：量化为多少等级；
图像大小：允许输入图像的大小；
扫描速度：采样数据的传输速度；
11图像数字化器的类型主要包括:数码相机胶片扫描仪
12常用图像数字化设备：数字相机、扫描仪、数字摄像机
13图像的文件格式
位图文件有多种格式，常见的文件扩展名为BMP、GIF、PCX、PSD、PCD、TIF、JPG等。矢量图文件的后缀常常是CDR、AI 或3DS
14数字图像通常有两种表示形式: 位图和矢量图
位图和矢量图的比较：
A、点位图由像素构成，矢量图由对象构成
点位图的基本构图单位是像素，像素包含了色彩信息。包含不同色彩信息的像素的矩阵组合构成了千变万化的图像。矢量图形指由代数方程定义的线条或曲线构成的图形。矢量图像由许多矢量图形元素构成，这些图形元素称为“对象”。
B、点位图面向像素绘画，矢量图面向对象“构画”
C、点位图受到像素和分辨率的制约，而矢量图形不存在这些制约
点位图是由像素阵列构成的图像，像素的多少和分辨率决定图像的质量。点位图的缩放也会影响图像的质量。
矢量图形和设备无关，即和分辨率无关。
D、点位图修改麻烦，矢量图形修改随心所欲
点位图是像素的排列，局部移动或改变会影响到其他部分的像素(包括前面讲的对图像进行放大)。
在矢量图形中，一个图形对象的改变，不会影响其他图形对象。
E、点位图难以重复使用，矢量图形可以随意重复使用
F、点位图效果丰富，矢量图形效果单调机械
3.1 图像增强与图像复原概述
1图像增强（Image enhancement）：
运用一系列技术手段改善预处理图像的视觉效果，突出有用的信息，取出或削弱无用的信息。基于空间域的增强：在图像像素组成的二维空间里直接对每一像素的灰度值进行处理。
基于频率域的增强：在图像的变换域对图像进行间接处理。
2图像复原：根据事先建立起来的系统退化模型，将降质了
的图像以最大的保真度恢复成真实的景象。
3.2 灰度变换
1灰度变换是图像增强的一种重要手段，它可使图像动态范
围加大，使图像对比度扩展，图像更加清晰，特征更加明显。
实质：按一定的规则修改图像每一个像素的灰度，从而改变
图像灰度的动态范围。
空域处理方法，属于点运算范畴
点运算：算子的作用域是以单个像素为单位，实现的是像素点到像素点的处理。
表达式：
r 、s ——输入、输出像素的灰度级；
T —— 灰度变换函数的映射关系;
输出g(x, y)只与位置(x, y) 处的输入f(x, y) 有关。
3.2.1 灰度线性变换
当成像时曝光不足或过度，或成象设备的非线性、图像
记录设备动态范围太窄等因素，都会产生对比度不足的
弊病，使图像中的细节分辨不清，这时可将灰度范围线
性扩展。
1.图像反转：
将原始图像的灰度值进行翻转，使输出灰度随输入灰度增加而减小。
图像反转变换函数： 当k=1，b=L-1时 反转变换适于增强嵌在图像暗色区域的白色或灰色细节，特别是当
黑色面积占主导地位时。
2. 线性灰度变换
线性变换是对每个线性段逐个像素进行处理，可将原图像灰度值动态
范围按线性关系式扩展到指定范围或整个动态范围
截取式线性灰度变换：
3分段线性灰度变换 为突出图像中感兴趣的目标，将图像灰度区间分成多段分别作线性变换。 将感兴趣图像细节灰度级拉伸，增强对比度，将不需要的细节灰度级压缩。
)(r T s =b
y x kf y x g +=),(),(())
,(1),(y x f L y x g --
=[][]?????????≤<+---≤≤+---<≤=e
y x f b d a y x f b
e d
f b y x f a c a y x f a b c d a y x f y x f a x y x
g ),(),(),(),(),(0)
,(),()],([),(y x f T y x g =
3.2.2 灰度非线性变换
灰度非线性变换：采用某些非线性函数（如平方、对数、指数函数）等作为映射函数，可实现图像灰度的非线性变换。
对数变换用于扩展低值灰度区域，压缩高值灰度区域，可以使低值灰度的图像细节更容易看清，从而达到增强效果。
指数变换可用来压缩低值灰度区域，扩展高值灰度区域，但由于与人的视觉特性不太相同，不常采用。
3.3 直方图修正
直方图修正是图像增强实用而有效的处理方法。
1.图像直方图定义：
对图像灰度范围内每－灰度值，统计出具有该灰度值的像素个数，并以灰度值为横坐标，像素数为纵坐标绘出像素数—灰度值图形
直方图纵坐标有时也用某一灰度值的像素数占全图总像素数的百分比（灰度值出现的频数）表示
2.直方图的性质
（1）直方图只反映该图像中不同灰度值出现的次数（或频数），不能反映每一灰度值像素所在位置，即丢失了其所在位置的信息。
（2）任一幅图像，都能算出唯一一幅与它对应的直方图，但不同的图像可能有相同的直方图。即图像与直方图之间是一种多对一的映射关系。
（3）由于直方图是对具有相同灰度值的像素统计计数得到的，因此，一幅图像各子区的直 方图之和就等于该图全图的直方图
直方图的计算在离散的形式下，用rk 代表离散灰度级，用P(rk)代表其频数，计算公式如下
nk ——图像中灰度级为rk 的像素个数；n ——图像中像素总数；l ——灰度级的总数目 在直角坐标系中作出rk 与P(rk)的关系图形，就得到直方图。
例：假设一幅图像由4X4的二维数值矩阵构成，画出图像的灰度直方图
3.3.3 直方图均衡化
概念：
为了改变图像整体偏暗、整体偏亮、灰度动态范围偏小情况，可将原图像的直方图通过变换函数修正为均匀直方图。
目的：
通过对直方图进行均衡化修正，可使图像灰度均匀分布，增大反差，使图像的细节变得更清晰，达到增强的目的。
1
210 )(-=≤≤=l ,,,k l r 0n
n r P k k k r Λ
对于数字图像，[0,1]量化成l 个灰度级rk ，k =0,1,2 ,…, l-1，0≤rk≤1 ，灰度级rk 出现的频数（概率）: pr(rk)=nk/n
nk——图像中灰度级为rk的像素个数；n——图像中像素总数
计算rk 的累积概率函数得离散形式变换函数：
∑
∑
=
=
=
=
=
k
j
j
k
j
j
r
k
k n
n
r
p
r
T
s
)
(
)
(
几点结论：
（1）利用累积分布函数作为灰度变换函数，经变换后得到的新灰度的直方图比原始图像的直方图平坦得多，而且其动态范围也大大地扩展了。因此这种方法对于对比度较弱的图像进行处理是很有效的。
（2）对于数字图像，因为直方图是近似的概率密度函数，所以用离散灰度级作变换时很少能得到完全平坦的结果，数字图像的直方图均衡只是近似的。
（3）变换后的灰度级减少了，这种现象叫做“简并”现象，这是像素灰度有限的必然结果。
3.4 图像平滑
一幅图像可能存在着各种噪声，这些噪声可能在传输中产生，也可能在量化、处理等过程中产生。图像平滑的主要目的是减少图像噪声。
空域方法：邻域平均法、中值滤波法——空域低通滤波
频域方法：低通滤波法——频域低通滤波
较好的图像平滑处理方法应该能够消除这些噪声，又不使图像的边缘轮廓和线条变模糊。
中值滤波的主要步骤：
（1）将模板在图中漫游，当模板中心与图中的某个像素位置重合；
（2）读取模板下各对应像素的灰度值；
（3）将模扳对应的像素灰度值进行从小到大排序；
（4）选取灰度序列里排在中间的1个像素的灰度值；
（5）将这个中间值赋值给对应模板中心位置的像素作为像素的灰度值。
中值和均值滤波器性能比较：
中值滤波比低通滤波消除噪声更有效。
因为噪声多为尖峰状干扰，若用低通滤波虽能去除噪声但陡峭的边缘将被模糊，而中值滤波能去除点状尖峰干扰而边缘不会变坏。
3.4.2 频域低通滤波
1图像空域特性和频域特性的关系：
（1）图像的平均灰度表示直流分量
（2）背景区域和缓慢变化部分则代表图像的低频分量
（3）边缘、细节、跳跃部分以及颗粒噪声都代表图像的高频分量
在频域中对图像采用滤波器函数衰减高频信息而使低频信息畅通无阻的过程称为低通滤波。
2图像频域低通滤波流程框图：
在频域实现线性低通滤波器输出的表达式F(u,v)——含有噪声图像的傅里叶变换
H(u,v)——频域滤波器传递函数
)
,
(
)
,
(
)
,
(v
u
F
v
u
H
v
u
G
G(u,v)——平滑处理后的图像的傅里叶变换
3理想低通滤波器（ILPF)
所谓理想低通滤波器，是指以截频D0为半径的圆内的所有频率都能无损地通过，而在截频之外的频率分量完全被衰减。
理想低通滤波器可以用计算机模拟实现，但却不能用电子元器件来实现。
理想低通滤波器在处理过程中会产生较严重的模糊和振铃现象。
Butterworth 低通滤波器(BLPF)
又称最大平坦滤波器。它与理想低通滤波器不同，它的通带与阻带之间没有明显的不连续性，在通带和阻带之间有一个平滑的过渡带。
与理想低通滤波器的处理结果相比，经Butterworth滤波器处理过的图像模糊程度会大大减少。
经Butterworth低通滤波器处理的图像将不会有振铃现象。这是由于在滤波器的通带和阻带之间有一平滑过渡的缘故
指数低通滤波器(ELPF)
由于指数低通滤波器有更快的衰减率，经指数低通滤波的图像比Butterworth低通滤波器处理的图像稍模糊一些。
由于指数低通滤波器的传递函数也有较平滑的过渡带，所以图像中也没有振铃现象。
梯形低通滤波器(TLPF)
梯形滤波器的性能介于理想低通滤波器和具有平滑过渡带滤波器之间，存在一定的模糊和振铃效应。
3四种频域低通滤波器传递函数H(u,v)的剖面图：
3.5 图像锐化
1边缘模糊是图像中常出现的质量问题，由此造成的
轮廓不清晰，线条不鲜明使图像特征提取、识别和
理解难以进行。增强图像边缘和线条，使图像边
缘变得清晰的处理称为图像锐化。
2图像锐化的目的是使灰度反差增强，从而增强图
像中边缘信息，有利于轮廓抽取。轮廓或边缘就是
图像中灰度变化率最大的地方，为了把轮廓抽取出
来，就是要找一种方法把图像的最大灰度变化处找
出来。
锐化处理可以用空间微分来完成。微分算子的响应强度与图像在该点的突变程度有关，图像微分增强了边缘和其他突变（如噪声）而消弱了灰度变化缓慢的区域.
3.5.1 空域高通滤波
1.梯度算子——基于一阶微分的图像锐化
2各种锐化算子
3拉普拉斯算子——基于二阶微分的图像锐化
拉普拉斯微分算子强调图像中灰度的突变,弱化灰度慢变化的区域。
3.5.2 频域高通滤波
图像的边缘、细节主要在高频，图像模糊是由于高频成分较弱产生的。
为了消除模糊，突出边缘，可以采用高通滤波的方法，使低频分量得到抑制，从而达到增强高频分量，使图像的边沿或线条变得清晰，实现图像的锐化。
四种高通滤波器比较：
理想高通有明显振铃。
梯形高通的效果是微有振铃、但计算简单，故较常用。
指数高通效果比Butterworth差些，振铃也
不明显。
Butterworth高通效果较好，振铃不明显，
但计算复杂。
四种频域高通滤波器传递函数H(u,v)的剖面图：
3.5.3 同态滤波的图像增强
3.5.4 图像锐化的应用
图像锐化空间滤波
梯度处理经常用于工业检测、辅助人工检测缺陷，或者是更为通用
的自动检测的预处理。
3.6 伪彩色增强
彩色增强技术主要有假彩色增强及伪彩色增强两大类。
（1）假彩色（false color）增强是将一幅彩色图像映射为另一幅彩色图像，从而达到增强彩色对比，使某些图像达到更加醒目的目的。
（2）真彩色（true color）自然物体的彩色叫做真彩色，真彩色图像的分光系统，色光合成如图
（3）伪彩色（pesudocolor）增强则是把一幅黑白域图像的不同灰度级映射为一幅彩色图像的技术手段称做伪彩色增强。
3.6.1 灰度分层法伪彩色处理
灰度分层法又称为灰度分割法或密度分层法，是伪彩色处理技术中最基本、最简单的方法。设一幅灰度图像f(x,y)，可以看成是坐标(x,y)的一个密度函数。把此图像的灰度分成若干等级，即相当于用一些和坐标平面（即x-y平面）平行的平面在相交的区域中切割此密度函数。
3.6.2 灰度变换法伪彩色处理
灰度伪彩色变换处理原理示意图
3.6.3 频域伪彩色处理
频率域滤波的伪彩色增强处理框图
3.8 图像的几何校正
1（1）空间变换：对图像平面上的像素进行重新排列以恢复原空间关系。
（2）灰度插值：对空间变换后的像素赋予相应的灰度值以恢复原位置的灰度值。
几何畸变的图像通过上述的几何变换来校正失真图像中的各像素位置，以重新得到像素间原来的空间关系，包括原来的灰度值关系。
2图像处理算法中的几何处理是根据几何变换改变一幅图像中像素的位置或排列。前面讨论过的各种处理都要根据特定的变换改变像素值的大小。而几何变换并不改变像素值的大小，它只是改变像素所处的位置。也就是说，将给定像素值的像素移到图像中一个新位置上。
3几何变换是图像处理中一种基本的、常用的图像预处理方法，其主要用途是：1．实现数字图像的放大、缩小及旋转；
2．实现畸变（畸变原因可以多种多样，如摄影系统或镜头畸变）图像的校正；
3．实现不同来源图像（如航空摄影，卫星遥感，合成孔径雷达等不同来源）的配准；
4．显示和打印图像时的一种图像排版工具；
5．可以使处理后的图像具有多种不同的特殊效果。
数字图像处理课后参考答案
数字图像处理 第一章 1、1解释术语 (2) 数字图像:为了便于用计算机对图像进行处理,通过将二维连续(模拟)图像在空间上离散化,也即采样,并同时将二维连续图像的幅值等间隔的划分成多个等级(层次)也即均匀量化,以此来用二维数字阵列并表示其中各个像素的空间位置与每个像素的灰度级数的图像形式称为数字图像。 (3)图像处理:就是指对图像信息进行加工以满足人的视觉或应用需求的行为。 1、7 包括图像变化、图像增强、图像恢复、图像压缩编码、图像的特征提取、形态学图像处理方法等。彩色图像、多光谱图像与高光谱图像的处理技术沿用了前述的基本图像处理技术,也发展除了一些特有的图像处理技术与方法。 1、8基本思路就是,或简单地突出图像中感兴趣的特征,或想方法显现图像中那些模糊了的细节,以使图像更清晰地被显示或更适合于人或及其的处理与分析。 1、9基本思路就是,从图像退化的数学或概率模型出发,研究改进图像的外观,从而使恢复以后的图像尽可能地反映原始图像的本来面目,从而获得与景物真实面貌相像的图像。 1、10基本思路就是,,在不损失图像质量或少损失图像质量的前提下,尽可能的减少图像的存储量,以满足图像存储与实时传输的应用需求。 1、11基本思路就是,通过数学方法与图像变换算法对图像的某种变换,以便简化图像进一步处理过程,或在进一步的图像处理中获得更好的处理效果。 1、12基本目的就是,找出便于区分与描述一幅图像中背景与目标的方法,以方便图像中感兴趣的目标的提取与描述。 第二章 2、1解释下列术语 (18)空间分辨率:定义为单位距离内可分辨的最少黑白线对的数目,用于表示图像中可分辨的最小细节,主要取决于采样间隔值的大小。 (19)灰度分辨率:就是指在灰度级别中可分辨的最小变化,通常把灰度级数L称为图像的灰度级分辨率。 (20)像素的4邻域:对于图像中位于(x,y)的像素p来说,与其水平相邻与垂直相邻的4个像素称为该像素的4邻域像素,她们的坐标分别为(x-1,y)(x,y-1)(x,y+1)(x+1,y)。 (21)像素的8邻域:对于图像中位于(x,y)的像素p来说,与其水平相邻与垂直相邻的8个像素称为该像素的8邻域像素,她们的坐标分别为(x-1,y-1)(x-1,y)(x-1,y+1)(x,y-1)(x,y+1)(x+1,y-1)(x+1,y)(x+1,y+1)。 (28)欧氏距离:坐标分别位于(x,y)与(u,v)处的像素P与像素q之间的欧氏距离定义为:D e(p,q)=[(x-u)2+(y-v)2]1/2 (29)街区距离:欧氏距离:坐标分别位于(x,y)与(u,v)处的像素P与像素q之间的街区距离定义为:D4(p,q)=|x-u|+|y-v|。 (30)棋盘距离:欧氏距离:坐标分别位于(x,y)与(u,v)处的像素P与像素q之间的欧氏距离定义为:D8(p,q)=max(|x-u|,|y-v|)。 (33)调色板:就是指在16色或者256色显示系统中,将图像中出现最频繁的16种或者256种颜色组成的一个颜色表,并将她们分别编号为0~15或0~255,这样就使每一个4位或者8位的颜色编号或者颜色表中的24位颜色值相对应。这种4位或者8位的颜色编号称为颜色的索引号,由颜色索引号及对应的24位颜色值组成的表称为颜色查找表,即调色板。 2、7对图像进行描述的数据信息一般应至少包括: (1)图像的大小,也即图像的宽与高 (2)表示每个像素需要的位数,当其值为1时说明就是黑白图像,当其值为4时说明就是16色或16灰度级图像,当其值为8时说明就是256色或256灰度级图像,当其值为24就是说明就是真彩色图像。 同时,根据每个像素的位数与调色板的信息,可进一步指出就是16色彩色图像还就是16灰度级图像;就是256色彩色图像还就是256灰度级图像。 (3)图像的调色板信息。 (4)图像的位图数据信息。 对图像信息的描述一般用某种格式的图像文件描述,比如BMP等。在用图像文件描述图像信息时,相应的要
数字图像处理的发展现状及研究内容概述
数字图像处理的发展现状及研究内容概述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%，所以作为传递信息的重要媒体和手段——图像信息是十分重要的，俗话说“百闻不如一见”、“一目了然”，都反映了图像在传递信息中独到之处。 目前，图像处理技术发展迅速，其应用领域也愈来愈广，有些技术已相当成熟并产生了惊人的效益，当前图像处理面临的主要任务是研究心的处理方法，构造新的处理系统，开拓更广泛的应用领域。 数字图像处理（Digital Image Processing）又称为计算机数字图像处理，它是指将数字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。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和数字图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的数字图像处理的目的是改善数字图像的质量，它以人为对象，以改善人的视觉效果为目的。数字图像处理中，输入的是质量低的数字图像，输出的是改善质量后的数字图像，常用的数字图像处理方法有数字图像增强、复原、编码、压缩等。 1:数字图像处理的现状及发展 数字图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使数字图像处理成为一门引人注目、前景远大的新型学科。随着数字图像处理技术
的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。 人们已开始研究如何用计算机系统解释数字图像，实现类似人类视觉系统理解外部世界，这被称为数字图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。数字图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。如今数字图像处理技术已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，在应用上意识科学研究、社会生产乃至人类生活中不可缺少的强有力的工具。 数字图像处理进一步研究的问题，不外乎如下几个方面： （1）在进一步提高精度的同时着重解决处理速度问题。如在航天遥感、气象云图处理方面，巨大的数据量和处理速度任然是主要矛盾之一。 （2）加强软件研究、开发新的处理方法，特别要注意移植和借鉴其他学科的技术和研究成果，创造新的处理方法。 （3）加强边缘学科的研究工作，促进数字图像处理技术的发展。如：人的视觉特性、心理学特性等的研究，如果有所突破，讲对团向处理技术的发展起到极大的促进作用。
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。
数字图像处理教学大纲(2014新版)
数字图像处理 课程编码：3073009223 课程名称：数字图像处理 总学分： 2 总学时：32 (讲课28，实验4) 课程英文名称：Digital Image Processing 先修课程：概率论与数理统计、线性代数、C++程序设计 适用专业：自动化专业等 一、课程性质、地位和任务 数字图像处理课程是自动化专业的专业选修课。本课程着重于培养学生解决智能化检测与控制中应用问题的初步能力，为在计算机视觉、模式识别等领域从事研究与开发打下坚实的理论基础。主要任务是学习数字图像处理的基本概念、基本原理、实现方法和实用技术，并能应用这些基本方法开发数字图像处理系统，为学习图像处理新方法奠定理论基础。 二、教学目标及要求 1．了解图像处理的概念及图像处理系统组成。 2．掌握数字图像处理中的灰度变换和空间滤波的各种方法。 3．了解图像变换，主要是离散和快速傅里叶变换等的原理及性质。 4．理解图像复原与重建技术中空间域和频域滤波的各种方法。 5. 理解解彩色图像的基础概念、模型和处理方法。 6. 了解形态学图像处理技术。 7. 了解图像分割的基本概念和方法。 三、教学内容及安排 第一章：绪论（2学时） 教学目标：了解数字图像处理的基本概念，发展历史，应用领域和研究内容。通过大量的实例讲解数字图像处理的应用领域；了解数字图像处理的基本步骤；了解图像处理系统的组成。 重点难点：数字图像处理基本步骤和图像处理系统的各组成部分构成。 1.1 什么是数字图像处理 1.2 数字图像处理的起源
1.3.1 伽马射线成像 1.3.2 X射线成像 1.3.3 紫外波段成像 1.3.4 可见光及红外波段成像 1.3.5 微波波段成像 1.3.6 无线电波成像 1.3.7 使用其他成像方式的例子 1.4 数字图像处理的基本步骤 1.5 图像处理系统的组成 第二章：数字图像基础（4学时） 教学目标：了解视觉感知要素；了解几种常用的图像获取方法；掌握图像的数字化过程及其图像分辨率之间的关系；掌握像素间的联系的概念；了解数字图像处理中的常用数学工具。 重点难点：要求重点掌握图像数字化过程及图像中像素的联系。 2.1 视觉感知要素（1学时） 2.1.1 人眼的构造 2.1.2 眼镜中图像的形成 2.1.3 亮度适应和辨别 2.2 光和电磁波谱 2.3 图像感知和获取（1学时） 2.3.1 用单个传感器获取图像 2.3.2 用条带传感器获取图像 2.3.3 用传感器阵列获取图像 2.3.4 简单的图像形成模型 2.4 图像取样和量化（1学时） 2.4.1 取样和量化的基本概念 2.4.2 数字图像表示 2.4.3 空间和灰度级分辨率 2.4.4 图像内插 2.5 像素间的一些基本关系（1学时） 2.5.1 相邻像素 2.5.2 临接性、连通性、区域和边界 2.5.3 距离度量 2.6 数字图像处理中所用数学工具的介绍 2.6.1 阵列与矩阵操作
数字图像处理 作业1汇总
数字图像处理 报告标题：01 报告编号： 课程编号： 学生姓名： 截止日期： 上交日期：
摘要 （1）编写函数计算灰度图像的均方误差（MSE）、信噪比（SNR）、峰值信噪比（PSNR）、平均绝对误差（MAE）；（2）编写函数对灰度图像经行降采样，直接消除像素以及消除像素前进行简单平滑滤波；（3）编写函数对图像进行放大，分别使用像素直接复制和双线性插值的方法：（4）编写函数用题目给出的量化步骤Q去量化灰度图像，并给出相应的MSE和直方图；（5）编写函数对灰度图像执行直方图均衡化，显示均衡前后的直方图。同时，熟悉使用MATLAB，并且熟练操作对图像进行各种修改变换等。 KEY WORD :MATLAB MSE、PSNR 直方图量化
技术探讨 数字图像处理是基于Matlab来实现的，由于Matlab 独特的功能和对矩阵，图像，函数灵活的处理，因而用于图像的处理相当的方便。 task1 均方误差（MSE）,信噪比（SNR）,峰值信噪比（PSNR）,平均绝对误差（MAE）。可以使用使用for循环语句，分别计算图像MSE/SNR/PSNR/MAE，具体的计算公式见附录代码，下面只附运算原理代码 均方误差（MSE）： sum=sum+(a(i,j)-b(i,j))^2; MSE=sum/(M*N) 信噪比（SNR）： sum2=sum2+a(i,j)^2; SNR=10*log10(sum2/MSE) 峰值信噪比（PSNR）： sum=sum+(a(i,j)-b(i,j))^2; PSNR=10*log10(255^2/MSE) 平均绝对误差（MAE）： sum=sum+a(i,j)+b(i,j); MAE=sum/(M*N) 在每次对同一个图像处理时它们的均方误差（MSE）,信噪比（SNR）,峰值信噪比（PSNR）,平均绝对误差（MAE）都会有所不同，因为它是原图像与加噪后的图像比较，而电脑的每次操作都会对加噪过得图像有影响。 task3 按比例缩小灰度图像 （1）直接消除像素点： I1=g(1:m:end,1:m:end);I1 为缩小后的图像，g为原图。 （2）先平滑滤波再消除像素点： 滤波函数，g=imfilter(I,w,'corr','replicate'); task4 对图像的放大运用了pixel repetition法以及双线性插值法： 它有三种插值法：即最近邻插值（pixel repetition）、双线性插值、双三次插值(缩放倍数为0.5) ;缩放与放大由给定的参数来确定。 ;缩放与放大由给定的参数来确定。而缩小则同样适用I1=g(1:m:end,1:m:end); 而放大的代码为“J=imresize(I,m,'nearest');%使用pixel repetition法”和“J=imresize(I,m,'bilinear');%使用双线性插值法” 放大倍数更改m值即可 task4 对图像的量化，使用“J=histeq(I,x); ”，x为可变的量化步长 task5 灰度图像的量化和直方图均衡化直接调用函数。“J=histeq(I)”“imhist(I,64)”
数字图像处理技术现状及发展趋势
数字图像处理技术现状及发展趋势 摘要现今是计算机技术、网络技术以及多媒体技术高速发展的时代，更多高科技技术正在全面发展，数字图像处理技术作为一种新式技术，如今已经广泛地应用于人们的生产生活中。数字图像处理技术的应用和发展为人们的生活发展带来了很多的便利，在遥感技术、工业检测方面发展迅速，在医学领域，气象通信领域也有很大的成就。由此，本文主要探讨数字图像处理技术的现状及发展趋势。 关键词数字图像处理技术；现状；发展趋势 现今是计算机和网络技术高速发展的时代，计算机的应用给人们的生产生活带来了很大的便利，人们应用计算机处理各种复杂的数据，将传统方式不能处理的问题以全新的技术和方式有效解决[1]。数字图像处理技术是应用较为广泛的一种技术，在具体应用过程中，能够经过增强、复原、分割等过程对数据进行处理，且具有多样性、精度高、处理量大的显著优势，本文对数字图像处理技术的现状及发展趋势进行研究和探讨。 1 数字图像处理技术发展现状 数字图像处理技术是近年来发展较为迅速的一种技术，具体是指应用计算机对图像进行一系列的处理，最终达到人们要求的水平，在具体的处理过程中，以改善图像的视觉效果为核心，最终呈现出人们想要表达的意思。笔者查阅国内外诸多文献库，发现对数字图像处理技术的研究多数集中于图像数字化、图像增强、图像还原、图像分割等领域[2]。最初数字图像处理技术产生于20世纪20年代，当时普遍将其应用于报纸业，发展至20世纪50年代，图像处理技术跟随着计算机的发展而迅速发展，也有更多的人开始关注和应用该技术，当时在各国的太空计划中发挥了巨大作用，尤其是对月球照片的处理，获得了很大的成功。发展到20世纪70年代时，数字图像处理技术的应用已经很普遍了，尤其是在计算机断层扫面（CT）等方面，该技术的应用得到了一致好评，而现今，数字图像处理技术随处可见，已广泛应用在各行各业中。 2 数字图像处理技术的特点 数字图像处理技术有以下几个特点：①图像处理的多样性特点。数字图像处理技术可以编写多样的算法，以不同的程序模式施加于数字图像技术上，根据实际需求对图像进行处理，因此最终获取的图像效果也截然不同。②图像处理精度高。应用数字图像处理技术处理的图像，其精度和再现性都提高了一个层次，尤其是在各种算法和程序的支撑下，进一步确保了计算的精度和正确性。③交叉融合了多门学科和新技术。数字图像处理的应用基础包含了众多学科和技术，其中数学和物理是关键，而通信、计算机、电子等技术则是确保其处理质量的关键技术。④数据处理量大[3]。图像本身就包含了大量的信息，数字图像处理技术可以更好地区分有用信息和冗余信息，从而获取处理的关键性信息。
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。
数字图像处理部分作业答案
3.数字化图像的数据量与哪些因素有关？ 答：数字化前需要决定影像大小（行数M、列数N）和灰度级数G的取值。一般数字图像灰度级数G为2的整数幂。那么一幅大小为M*N，灰度级数为G的图像所需的存储空间M*N*g(bit),称为图像的数据量 6.什么是灰度直方图？它有哪些应用？从灰度直方图你能获得图像的哪些信息？ 答：灰度直方图反映的是一幅图像中各灰度级像素出项的频率之间的关系。以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。 应用：通过变换图像的灰度直方图可以，使图像更清晰，达到图像增强的目的。 获得的信息：灰度范围，灰度级的分布，整幅图像的平均亮度。但不能反映图像像素的位置。 2. 写出将具有双峰直方图的两个峰分别从23和155移到16和255的图像线性变换。 答：将a=23,b=155 ;c=16,d=255代入公式： 得 1，二维傅里叶变换有哪些性质？二维傅里叶变换的可分离性有何意义？ 周期性，线性，可分离性，比例性质，位移性质，对称性质，共轭对称性，差分，积分，卷积，能量。 意义：分离性表明：二维离散傅立叶变换和反变换可用两组一维离散傅立叶变换和反变换来完成。 8.何谓图像平滑？试述均值滤波的基本原理。 答：为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。 均值滤波是一种局部空间域处理的算法，就是对含有噪声的原始图像f(x,y)的每个像素点取一个领域S，计算S中所有像素的灰度级平均值，作为空间域平均处理后图像g(x,y)像素值。 9.何谓中值滤波？有何特点？ 答：中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，它是一种非线性的图像平滑法。 它对脉冲干扰及椒盐噪声的的图像却不太合适。抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多 6图像几何校正的一般包括哪两步？像素灰度内插有哪三种方法？各有何特点？ 答：1）建立失真图像和标准图像的函数关系式，根据函数关系进行几何校正。 2）最近邻插值，双线性插值，三次卷积法 3）最近邻插值：这种插值方法运算量小，但频域特性不好。 3、若f(1,1)=4，f(1,2)=7，f(2,1)=5，f(2,2)=6,分别按最近邻元法、双线性插值法确定点(1.2,1.6)的灰度值。 最近邻元法：点(1.2,1.6)离(1,2)最近,所以其灰度值为7.双线性法：f(i+u,j+v)=(1-u)(1-v)f(i,j)+(1-u)vf(i,j+1)+u(1-v)f(i+1,j)+uvf(i+1,j+1) 将i=1,j=1,u=0.2,v=0.6代入,求得：f(i+u,j+v)=5.76。四舍五入取整后，得该点其灰度值为6
《数字图像处理》习题解答
胡学龙编著 《数字图像处理（第 3 版）》思考题与习题参考答案 目录 第 1 章概
述 (1) 第 2 章图像处理基本知识 (4) 第 3 章图像的数字化与显示 (7) 第 4 章图像变换与二维数字滤波 (10) 第 5 章图像编码与压缩 (16) 第 6 章图像增强 (20) 第 7 章图像复原 (25) 第 8 章图像分割 (27) 第 9 章数学形态学及其应用 (31) 第 10 章彩色图像处理 (32)
第1章概述 连续图像和数字图像如何相互转换 答：数字图像将图像看成是许多大小相同、形状一致的像素组成。这样，数字图像可以 用二维矩阵表示。将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像 （连续图像）信号，再由模拟/数字转化器（ADC）得到原始的数字图像信号。图像的数字 化包括离散和量化两个主要步骤。在空间将连续坐标过程称为离散化，而进一步将图像的幅 度值（可能是灰度或色彩）整数化的过程称为量化。 采用数字图像处理有何优点 答：数字图像处理与光学等模拟方式相比具有以下鲜明的特点： 1．具有数字信号处理技术共有的特点。（1）处理精度高。（2）重现性能好。（3）灵活性高。 2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。 3．数字图像处理技术适用面宽。 4．数字图像处理技术综合性强。 数字图像处理主要包括哪些研究内容 答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的 图像。 说出图像、视频（video）、图形（drawing）及动画（animation）等视觉信息之间的联系和区别。 答：图像是用成像技术形成的静态画面；视频用摄像技术获取动态连续画面，每一帧可
数字图像处理的发展概况
数字图像处理的发展概况 数字图像处理就是用计算机对图像进行分析和处理，它是一门跨学科的技术。数字图像处理始于20世纪50年代。特别是在1964年，美国喷射推进实验室使用计算机对太空船送回地面的大批月球照片进行处理后，得到了清晰逼真的图像，使这门技术受到了广泛的关注，它成为这门技术发展的重要里程碑，此后数字图像处理技术在空间研究方面得到了广泛的应用。20世纪70年代初，由于大量的研究和应用，数字图像处理已具备了自己的技术特色，并形成了较完善的学科体系，从而成为一门独立的新学科，目前，数字图像处理在生物医学、通信、流通领域，产业界、文件处理领域，军事、公女、遥感，宇宙探险及日常生活中被广泛应用，已经成为当代不可缺少的一门技术。 (1)生物医学。生物医学数字图像处理技术大约是20世纪80年代初在生物医学上得到广泛应用的，随着现代医学特别是数字化医疗技术的不断发展，数字图像处理技术显得更为重要。如X光对人体组织有损害，在临床上为了减少这种生物副效应，同时又能得到比较理想的病人的X光片，可以用强度较低的X光对病人进行照相，然后通过图像处理技术得到清晰的图像，这就是X光图像的处理。此外，数字图像处理技术还应用到对超声图像的处理、激光显微图像的处理、CT 图像的处理、磁共振图像的处理、PET图像的处理等。目前，数字图像处理技术在现代医学中不仅用于图像的加工和处理，同时还用于信息的存储和传输。 (2)通信。在多媒体网络通讯中，对电视和电话等传输的图像进行数据压缩和处理等。 (3)流通领域、产业界、文件处理领域。数字图像处理技术在文件处理、机器人视觉、地质、海洋、气象、农业、灾害治理、货物检测、邮政编码、金融、银行、工矿企业、冶金、渔业、机械、交通、电子商务等领域被广泛应用。 (4)军事和公安。对现场照片、指纹和手迹等图像进行分析和处理。 数字图像处理主要应用于下面的几个领域。 (5)遥感，遥感是用不同光源和技术获得大量的遥感图像，这些图像需要用数字图像处理技术加工处理并提取有用的信息。
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。
数字图像处理技术的现状及其发展方向(笔记)
数字图像处理技术的现状及其发展方向 一、数字图像处理历史发展 数字图像处理(Digital Image Processing)将图像信号转换成数字信号并利用计算机对其进行处理。 1.起源于20世纪20年代。 2.数字图像处理作为一门学科形成于20世纪60年代初期，美国喷气推进实验室(JPL)推动了数字图像处理这门学科的诞生。 3.1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置即CT(Computer Tomograph)，1975年EMI公司又成功研制出全身用的CT装置,获得了人体各个部位鲜明清晰的断层图像。 4.从70年代中期开始,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理向更高、更深层次发展，人们已开始研究如何用计算机系统解释图像,实现类似人类视觉系统理解外部世界，其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论。 二、数字图像处理的主要特点 1．目前数字图像处理的信息大多是二维信息,处理信息量很大,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,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,成本也高,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。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,一幅图像本身不具备复现三维景物的全部几何信息的能力,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。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。 5．一方面，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，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,这些都是心理学和神经心理学正在着力研究的课题。 三、数字图像处理的优点 1.再现性好；图像的存储、传输或复制等一系列变换操作不会导致图像质量的退化。 2.处理精度高；可将一幅模拟图像数字化为任意大小的二维数组,现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高。 3.适用面宽；图像可以来自多种信息源，图像只要被变换为数字编码形式后,均是用二维数组表示的灰度图像组合而成,因而均可用计算机来处理。 4.灵活性高；数字图像处理不仅能完成线性运算,而且能实现非线性处理,即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。 四、数字图像处理过程及其主要进展 常见的数字图像处理有:图像的采集、数字化、编码、增强、恢复、变换、
数字图像处理作业 1
数字图像处理作业 1 1.基本问题 a.什么是数字图像处理，英语全称是什么？ 数字图像处理：对图像进行一些列的操作，以达到预期目的的技术，可分为模拟图像处理和数字图像处理两种方式。英文全称：Image Processing b.数字图像处理与什么领域的发展密切相关？ 数字图像处理与数字计算机的发展，医学，遥感，通信，文档处理和工业自动化等许多领域的发展密切相关。 c.人类主要通过什么来感知获取信息的？ 主要通过人的视觉、味觉、嗅觉、触觉、听觉以及激光、量子通信、现代计算机网络、卫星通信、遥感技术、数码摄影、摄像等来获取信息。 d.数字图像处理技术与哪些学科领域密切相关？ 与数学、物理学、生理学、心理学、电子学、计算机科学等学科密切相关 e.数字图像处理在哪些领域得到广泛应用？ 数字图像处理的应用越来越广泛，已渗透到工程、工业、医疗保健、航空航天、军事、科研、安全保卫等各个领域。 f.数字图像处理起源于什么年代？ 20世纪20年代 g.现代大规模的图像处理需要具备哪些计算机能力？ 需要具备图像处理、图像分析、图像理解计算机能力 h.根据人的视觉特点，图像可分为哪两种图像？ 分为可见图像和不可见图像。 i.根据光的波段，图像可分为哪几种图像？ 分为单波段、多波段和超波段图像。 j.图像数字与模拟图像的本质区别是什么？ 区别： 模拟图像：空间坐标和明暗程度都是连续变化的、计算机无法直接处理。 数字图像：空间的坐标和灰度都不连续、用离散的数字表示，能被计算机处理。 2.通过互联网，查下数字图像处理有哪些应用？选一个应用范例即可。具体描绘如何通过数字图像处理技术来实现其应用。要有图像范例说明。 数字图像处理主要应用领域有：生物医学，遥感领域，工业方面，军事公安领域，通信领域，交通领域等。我就生物医学领域做一个简单介绍。 自伦琴1895年发现X射线以来，在医学领域可以用图像的形式揭示更多有用的医学信息医学的诊断方式也发生了巨大的变化。随着科学技术的不断发展，现代医学已越来越离不开医学图像的信息处理，医学图像在临床诊断、教学科研等方面有重要的作用。目前的医学图像主要包括CT (计算机断层扫描) 图像、MRI( 核磁共振)图像、B超扫描图像、数字X 光机图像、X 射线透视图像、各种电子内窥镜图像、显微镜下病理切片图像等。 医学图像处理跨计算机、数学、图形学、医学等多学科研究领域，医学图像处理技术包括图像变换、图像压缩、图像增强、图像平滑、边缘锐化、图像分割、图像识别、图像融合等等。在此联系数字图像处理的相关理论知识和步骤设计规划系统采集和处理的具体流程同时充分考虑到图像采集设备的拍摄效果以及最终处理结果的准确性。下面是关于人体微血管显微图像的采集实例。
数字图像处理发展及现状
数字图像处理的发展及现状 网络092 张海波 0904681468 摘要： 简述了数字图像处理技术的发展及应用现状，系统分析了数字图像处理技术的主要优点，不足及制约其发展的因素，阐述了数字图像处理技术研究的主要内容和将来的研究重点，概述了数字图像处理技术未来的应用领域，并提出了该技术未来的研究方向。 关键词：数字图像；图像处理；现状与展望；计算机技术 1 前言： 图像处理技术基本可以分成两大类：模拟图像处理（Analog Image Processing）和数字图像处理（Digtal Image Processing）。数字图像处理是指将图像信号转换成数字信号并利用计算机进行处理的过程。其优点是处理精度高，处理内容丰富，可进行复杂的非线性处理，有灵活的变通能力，一般来说只要改变软件就可以处理内容[1]。困难主要在处理速度上，特别是进行复杂的处理。数字图像处理技术主要包括如下内容：几何处理（Geometrical Processing）、算术处理（Arithmetic Processing）、图像增强（Image Enhancement）、图像复原（Image Restoration）、图像重建（Image Reconstruction）、图像编码（Image Encoding）、图像识别(Image Recognition)、图像理解（Image Understanding）。数字图像处理技术的发展涉及信息科学、计算机科学、数学、物理学以及生物学等学科[2]，因此数理及相关的边缘学科对图像处理科学的发展有越来越大的影响。近年来，数字图像处理技术日趋成熟，它广泛应用于空间探测、遥感、生物医学、人工智能以及工业检测等许多领域，并促使这些学科产生了新的发展。 2 数字图像处理技术发展： 数字图像处理技术使20世纪60年代随着计算机技术和 VLSY Very Large Scale Integration的发展而产生、发展和不断成熟起来的一个新兴技术领域，它在理论上和实际应用中都取得了很大的成就。 视觉是人类最重要的感知手段，图像又是视觉的基础[3]。早期图像处理的目的是改善图像质量，它以人为对象，以改善人的视觉效果为目的。图像处理中输入的是质量低的图像，输出的是改善质量后的图像。常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片进行图像处理，如几何校正、灰度变换、去除噪声等，并考虑了太阳位置和月球环境的影响。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，获得了月球的地形图、彩色图及全景镶嵌图，为人类登月创举奠定了基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术探测研究中，数字图像处理技术都发挥了巨大的作用。 数字图像处理技术取得的另一个巨大成就是在医学上。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT
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，