数字图像处理实验报告

实验一灰度图像直方图统计

一、实验目的

掌握灰度图像直方图的概念和计算方法，了解直方图的作用和用途。提高学生编程能力，巩固所学知识。

二、实验内容和要求

（1）用Photoshop显示、了解图像平均明暗度和对比度等信息；

（2）用MatLab读取和显示一幅灰度图像；

（3）用MatLab编写直方图统计的程序。

三、实验步骤

1. 使用Photoshop显示直方图：

1）点击文件→打开，打开一幅图像；

2）对图像做增强处理，例如选择图像→调整→自动对比度对图像进行灰度拉伸，观察图像进行对比度增强前后的视觉变化。

3）利用统计灰度图像直方图的程序分别针对灰度拉伸前后的灰度图像绘制其灰度直方图，观察其前后的直方图变化。

2．用MatLab读取和显示一幅灰度图像；

3. 绘制图像的灰度直方图；

function Display_Histogram()

Input=imread('timg.jpg');

figure(100);

imshow(uint8(Input));

title('原始图像');

Input_Image=rgb2gray(Input);

figure(200);

imshow(uint8(Input_Image));

title('灰度图像');

sum=0;

His_Image=zeros(1,256);

[m,n]=size(Input_Image);

for k=0:255

for I=1:m

for j=1:n

if Input_Image(I,j)==k

His_Image(k+1)=His_Image(k+1)+1;

end

end

end

end

figure(300);

plot(His_Image);

title('图像的灰度直方图');

4.显示图像的灰度直方图。

原始图像

灰度图像

050100150200250300

200

400

600

800

1000

1200

1400

图像的灰度直方图

四、思考题

1）直方图可以反映图像的哪些特性？

灰度直方图只能反映图像的灰度分布情况，不能反映图像的像素位置；一幅图像对应唯一的灰度直方图。

2）如何使直方图曲线光滑？如何识别直方图的峰和谷？

恰当量化。直方图给出一个直观的指标，用来判断数字化一幅图像量化时是否合理地利用了全部允许的灰度范围。一般来说，数字化获取的图像应该利用全部可能的灰度级。 假定一幅图像的背景为黑色，物体为灰色，背景中的黑色像素长生了直方图上的左峰，而物体中各灰度级产生了直方图上的右峰，由于物体边界像素相对较少，从而长生两峰之间的谷。

实验二 基于Photoshop 的数字图像处理

一、实验目的

1．掌握数字图像增强的基本原理和方法，并能运用Photoshop 软件对图像进行

增强操作。

2.比较不同方法图像增强的效果，分析这些增强方法的特点。

二、实验内容

应用Photoshop软件对图像作灰度拉伸、对比度增强、直方图均衡、图像平滑、中值滤波、边缘增强等。

三、实验步骤

1) 打开一幅图像；

2) 灰度拉伸：

①线性拉伸：在“图像→调整→色阶”中，可以通过直接设置原图像灰度值的输入范围和所需的输出范围来简单的完成某一灰度段到另一灰度段的灰度调整映射变换。

② 曲线拉伸：在“图像→ 调整 → 曲线”中，在弹出的“曲线”对话框中，直接用鼠标拖动改变灰度输入、输出曲线形状可以完成任意线形灰度变换。

3) 对比度增强：

对比度增强可以通过“图像 → 调整 → 亮度/对比度”来直接对原图像的亮度或对比度进行调整,观察增强处理前后图像直方图的变化。

4) 直方图均衡

直方图均衡可调用“图像→调整→色调均化”菜单项，即可达到直方图均衡的效果。

原始图像处理效果

5) 图像平滑

①图像的3×3均匀平滑可以在“滤镜→模糊→模糊”中实现，观察处理前后图像细节和边缘的变化；也可以调用“模糊”对话框中的“高斯模糊”来观察高斯平滑处理的结果，改变半径，观察图像的变化，分析高斯平滑处理的原理。

②通过“滤镜→其它→自定”菜单项调出模板对话框，可以输入自定义的平滑算子或其它增强算子，改变模板的大小和缩放比例，观察处理的效果。

平滑算子

增强算子

6) 中值滤波

①先使用“滤镜→杂色→添加杂色”菜单添加噪声，再使用“滤镜—杂色—中间值”中值滤波操作，设置滤波半径，观察处理结果；

原始图像

加噪图像

滤波图像

7) 边缘检测

使用“滤镜→风格化”的“查找边缘”，“等高线”等可以提取图像的边缘，改变参数，提取图像的最佳边缘。

原始图像

查找边缘

等高线法

四、思考题

1)通过实习，中值滤波和均匀平滑在去图像噪声上各有什么特点，试比较两种方法异同。

中值滤波的特点是它对图像噪声的抑制效果好，在抑制图像噪声的同时能有效保护边缘少受模糊。均匀平滑的特点是让图像噪声柔和一点，也更加模糊。两种方法都对图像噪声有很好抑制效果好，但是中值滤波是保护图像边缘的同时去除噪声，中值滤波容易去除孤立点、线的噪声同时保持图象的边缘，但对高斯噪声无能为力。均匀平滑的思想是通过将一点和周围8个点作平均，从而去除突然变化的点，滤掉噪声，其代价是图象有一定程度的模糊。

2)试比较边缘检测算子Laplace、Prewitt、Sobel算子、方向算子、梯度算子的效果，总结其优缺点。

Prewitt算子和Sobel算子都是一阶的微分算子,而前者是平均滤波,后者是加权平均滤波且检测的图象边缘可能大于2个像素。这两者对灰度渐变低噪声的图象有较好的检测效果,但是对于混合多复杂噪声的图象,处理效果就不理

想了。梯度算子计算简单,但精度不高,只能检测出图象大致的轮廓,而对于比较细的边缘可能会忽略。Laplace算子在边缘检测时它的锐化模板能锐化图像。

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

大学数字图像处理模拟试卷及答案 (1)

（注：以下两套模拟题仅供题型参考，请重点关注选择填空以及判断题、名词解释，蓝色下划线内容肯定不考） 《数字图像处理》模拟试卷（A 卷） 一、单项选择题（从下列各题四个备选答案中选出一个正确答案，并将其代号填在题前的括号内。答案选错或未作选择者，该题不得分。每小题1分，共10分） ( d )1.一幅灰度级均匀分布的图象，其灰度范围在[0，255]，则该图象的信息量为： a. 0 b.255 c.6 d.8 ( b )2.图象与灰度直方图间的对应关系是： a.一一对应 b.多对一 c.一对多 d.都不对 ( d )3.下列算法中属于局部处理的是： a.灰度线性变换 b.二值化 c.傅立叶变换 d.中值滤波 ( b )4.下列算法中属于点处理的是： a.梯度锐化 b.二值化 c.傅立叶变换 d.中值滤波 ( ) 5.一曲线的方向链码为12345，则曲线的长度为 a.5 b.4 c.5.83 d.6.24 ( c )6. 下列算法中属于图象平滑处理的是： a.梯度锐化 b.直方图均衡 c. 中值滤波 https://www.wendangku.net/doc/d317257649.html,placian增强 ( )7.下列图象边缘检测算子中抗噪性能最好的是： a.梯度算子 b.Prewitt算子 c.Roberts算子 d. Laplacian算子 ( c)8.采用模板［-1 1］主要检测____方向的边缘。 a.水平 b.45° c.垂直 d.135° ( d )9.二值图象中分支点的连接数为： a.0 b.1 c.2 d.3 ( a )10.对一幅100′100像元的图象，若每像元用８bit表示其灰度值，经霍夫曼编码后压缩图象的数据量为40000bit，则图象的压缩比为： a.2:1 b.3:1 c.4:1 d.1:2 二、填空题（每空1分，共15分） 1.图像锐化除了在空间域进行外，也可在频率域进行。 2.图像处理中常用的两种邻域是4-邻域和8-邻域。 3.直方图修正法包括直方图均衡和直方图规定化两种方法。 4.常用的灰度差值法有最近邻元法、双线性内插法和三次内插法。 5.多年来建立了许多纹理分析法，这些方法大体可分为和结构分析法两大类。 6.低通滤波法是使高频成分受到抑制而让低频成分顺利通过，从而实现图像平滑。 7.检测边缘的Sobel算子对应的模板形式为和。 8.一般来说，采样间距越大，图象数据量少，质量差；反之亦然。 三、名词解释（每小题3分，共15分） 1.数字图像是将一幅画面在空间上分割成离散的点（或像元），各点（或像元）的灰度值经量化用离散的整数来表示，形成计算机能处理的形式。 2.图像锐化是增强图象的边缘或轮廓。 3.从图象灰度为i的像元出发，沿某一方向θ、距离为d的像元灰度为j同时出现的概率

数字图像处理 课程设计报告

数字图像处理 课程设计报告 姓名： 学号： 班级： 设计题目：图像处理 教师：赵哲老师 提交日期： 12月29日

一、设计内容： 主题：《图像处理》 详细说明：对图像进行处理（简单滤镜，模糊，锐化，高斯模糊等），对图像进行处理（上下对称，左右对称，单双色显示，亮暗程度调整等），对图像进行特效处理（反色，实色混合，色彩平衡，浮雕效果，素描效果，雾化效果等）， 二、涉及知识内容： 1、二值化 2、各种滤波 3、算法等 三、设计流程图 四、实例分析及截图效果： 运行效果截图： 第一步：读取原图,并显示 close all;clear;clc; % 清楚工作窗口clc 清空变量clear 关闭打开的窗口close all I=imread(''); % 插入图片赋给I imshow(I);% 输出图I I1=rgb2gray(I);%图片变灰度图 figure%新建窗口 subplot(321);% 3行2列第一幅图 imhist(I1);%输出图片

title('原图直方图');%图片名称 一，图像处理模糊 H=fspecial('motion',40); %% 滤波算子模糊程度40 motion运动 q=imfilter(I,H,'replicate');%imfilter实现线性空间滤波函数，I图经过H滤波处理，replicate反复复制q1=rgb2gray(q); imhist(q1); title('模糊图直方图'); 二，图像处理锐化 H=fspecial('unsharp');%锐化滤波算子，unsharp不清晰的 qq=imfilter(I,H,'replicate'); qq1=rgb2gray(qq); imhist(qq1); title('锐化图直方图'); 三，图像处理浮雕(来源网络) %浮雕图 l=imread(''); f0=rgb2gray(l);%变灰度图 f1=imnoise(f0,'speckle',; %高斯噪声加入密度为的高斯乘性噪声 imnoise噪声污染图像函数 speckle斑点 f1=im2double(f1);%把图像数据类型转换为双精度浮点类型 h3=1/9.*[1 1 1;1 1 1;1 1 1]; %采用h3对图像f2进行卷积滤波 f4=conv2(f1,h3,'same'); %进行sobel滤波 h2=fspecial('sobel'); g3=filter2(h2,f1,'same');%卷积和多项式相乘 same相同的 k=mat2gray(g3);% 实现图像矩阵的归一化操作 四，图像处理素描(来源网络) f=imread(''); [VG,A,PPG] = colorgrad(f); ppg = im2uint8(PPG); ppgf = 255 - ppg; [M,N] = size(ppgf);T=200; ppgf1 = zeros(M,N); for ii = 1:M for jj = 1:N if ppgf(ii,jj)

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

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');

数字图像处理试卷及答案2015年

中南大学考试试卷 2015-- 2016 学年1学期 时间100分钟 2015 年11月4日 数字图像处理 课程32学时2学分考试形式：也卷 专业年级： 电子信息2013级 总分100分，占总评成绩 70% 注：此页不作答题纸，请将答案写在答题纸上 一、填空题（本题20分，每小题1分） 1. 图像中像素具有两个属性： _空间位置 ______ 和—灰度 ______ 。 2. _红（R ）_、_绿（G ）_、 _____________ 蓝（B ）_这三种颜色被称为图像的三基色。 3. 对于一个6位的灰度图像，其灰度值范围是 __0-63 _________ 。 4. RGB 模型中黑色表示为 _____ （0，0，0） _____ 。 5. 直方图修正法包括 —直方图均衡 ___________ 和 _直方图规定化_ 两种方法。 6. 常用的灰度内插法有最近邻内插法、 _双线性内插法_和 三次内插法。 7. 依据图像的保真度，图像压缩可分为一无损压缩_和一有损压缩。 8. 图像压缩是建立在图像存在 _编码冗余，空间和时间冗余（像素间冗余） ， 视觉心理冗余三种冗余基础上。 9. 根据分割时所依据的图像特性的不同，图像分割方法大致可以分为阈值分割法、边缘检 ________ 测法和一区域分割法一三大类。 10. 傅立叶频谱中，与图像的平均灰度值对应的系数是 F （0 ， 0） _________ 。 二、选择题（本题20分，每小题2分） 1. 图像与灰度直方图间的对应关系是： （b ） a. ------- 对应 b. 多对一 c. 一对多 d. 都不对 2. 下列算法中属于图像平滑处理的是： （c ） a.梯度锐化 b. 直方图均衡 c. 中值滤波 https://www.wendangku.net/doc/d317257649.html,placian 增强 3. 下列图像边缘检测算子中抗噪性能最好的是： （b ） a.梯度算子 b.Prewitt 算子 c.Roberts 算子 d. Laplacian 算子 6. 维纳滤波器通常用于：（c ） a.去噪 b. 减小图像动态范围 7. 采用幕次变换进行灰度变换时，当幕次 4. 5. 采用模板］-1 1 ］主要检测__ a.水平 b.45 0 c. 一幅256*256的图像，若灰度级为 a. 256Kb b.512Kb c.1Mb 方向的边缘。（c ） 垂直 d.135 16,则存储它所需的总比特数是 d. 2M c.复原图像 d.平滑图像

上数字图像处理技术的心得

上数字图像处理技术的心得我一直对PS挺感兴趣的，虽然我去图书馆借了许多书，可是有很多地方解释不清楚也没有素材，我都快崩溃了。单我发现这门课立即就报了它。我的最初目的不是要去学数字图像处理技术，而是冲着学photoshop去的。 刚开始上第一节课时，老师您并没有讲PS，而是讲一些关于数字图像处理技术的原理知识。我本以为我可能不会喜欢这种类型的课。但是出于一个理科生的本能反应，我挺喜欢这些内容。我发觉我的几个选修都正好符合我的兴趣爱好。我第一次接触数字图像处理技术，才知道图像的原理竟然一些数字矩阵。不愧叫数字图像处理技术。 但老师开始讲PS的时候，我自然是更加高兴了。因为这是我主要的学习目的。图像处理技术只是碰巧撞上。说实话，我对PS上的一些工具及使用方法还不是很了解。老师能从基本知识讲起正和我心意。虽然有很多我以前都会了。 我现在来讲讲我从在这门选修课中学到最主要的两项知识。 其一就是老师最希望我们了解的数字图像处理技术。我们现在都知道一张像数码相机照出来的照片（数字图像）是由一大堆数字矩阵组成。黑白与彩色图像的矩阵又有一些不同。老师用北京邮电大学的那个软件给我们演示一下PS里面的图像处理原理是怎样形成的。比如模糊，锐化等等。还有很多的图像处理通过PS来说明解释。后面主要就是介绍压缩技术。当然也涉及到一些视频音频的压缩。图像

压缩老师您也介绍了很多不同的方法。可我想不起来了，但是起码我们知道了它的压缩原理。知道原图像与压缩后所占存储量的巨大差异。我在这里也和老师一样用画图做一个。有一点失真，这就是有损压缩。 另外那个无损压缩从视觉上是抗不出来的，就不用做了。 其二，就是在photosop的操作上。老师您举了许许多多的操作例子来提高我们对数字图像处理技术的兴趣，尤其是在图层和滤镜的学习，我都学到很多在书上看不懂的方法技能。下面我也简简单单做一张，就当做是作业来完成吧！ 如下三张图：通过第一张图中草地，山与第二张的天空合成第三张图。

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

武汉大学数字图像处理课程综合实习实习报告

数字图像处理课程综合实习 实习报告 学院 班级 学号 姓名 日期 指导教师

一、实习目的和意义 本实习内容旨在让同学们通过用VC等高级语言编写数字图像处理的一些基本算法程序，来巩固和掌握图像处理技术的基本技能，提高实际动手能力，并通过实际编程了解图像处理软件的实现的基本原理。为学生进一步学习数字摄影测量、遥感和地理信息系统等专业课程以及应用图像处理解决实际问题奠定基础。 二、实习原理和方法 实习一实现RAW->BMP格式的转换 RAW格式：文件按照数字图像组成的二维矩阵，将像素按行列号顺序存储在文件中。这种文件只含有图像像素数据，不含有信息头，因此，在读图像时，需要根据文件大小，计算图像所包含的行列号，或者需要事先知道图像大小（矩阵大小）。但这种文件读取和保存简单。 RAW文件按图像上行到下行、左列到右列顺序存储，而BMP文件数据区按图像上下行到上行、左列列到右列顺序存储到数据区。 实现RAW文件到BMP文件的转换，需要为BMP文件生成文件头、信息头、颜色表、数据区，将RAW文件数据区赋值到BMP文件数据区。 实习二灰度线性变换 点运算是指像素值（即像素点上的灰度值）通过运算改变之后，可以改善图象的显示效果。这是一种像素的逐点运算，是旧图象与新图象之间的映射关系，是一种简单但却十分有效的一种图象处理手段。常用方法有灰度线性变换、直方图均衡、对比度调整、直方图规定化、对数变换、指数变换、密度分割等方法。 灰度的线性变换就是指图像的中所有点的灰度按照线性灰度变换函数进行变换。灰度变换方程如下： D0=f(Di)=a*Di+b 该方程为线性方程。式中参数Di为输入图像的像素的灰度值，参数D0为输出图像的灰度，a和b由给定条件确定。 实习三图像局部处理：高通滤波和低通滤波

《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

数字图像处理试卷A答案

电子科技大学网络教育考卷（A 卷）答案 一、名词解释（每题2分，共10分） 1. 一幅图像可定义为一个二维函数f(x,y)，这里x 和y 是空间坐标，而在任何一对空间坐标(x,y)上的幅值f 称为该点图像的强度或灰度。当x,y 和幅值f 为有限的、离散的数值时，称该图像为数字图像。 2. 对数变换是一种灰度变换方法，其一般表达式是s=clog(1+r)。其中c 是一个常数，并假设r≥0。此种变换使一窄带低灰度输入图像值映射为一宽带输出值。相对的是输入灰度的高调整值。可以利用这种变换来扩展被压缩的高值图像中的暗像素。 3. CMY 是一种颜色模型，常用于打印机。CMY 表示青、品红、黄，等量的颜料原色(青、品 红和黄色)可以产生黑色。实际上，为打印组合这些颜色产生的黑色是不纯的。因此，为 了产生真正的黑色(在打印中起主要作用的颜色)加入了第四种颜色——黑色，提出了 CMYK 彩色模型。 4. 空间分辨率是图像中可辨别的最小细节.涉及物理意义时可以用每单位距离可分辨的最 小线对数目，当不涉及物理意义时也可用图像的像素数目表示。 5. 令H 是一种算子，其输入和输出都是图像。如果对于任何两幅图像f 和g 及任何两个标 量a 和b 有如下关系，称H 为线性算子： 。 二、判断正误 × × × × √ 三、单项选择题 1、D 2、D 3、C 4、C 5、A 6、B 7、D 8、B 9、D 10、D 四、简答题 (每题5分，共10分) 1. 什么是直接逆滤波？这种方法有何缺点？如何改进？ 直接逆滤波方法是用退化函数除退化图像的傅里叶变换(G(u,v))来计算原始图像的傅里叶变换估计：? (,)(,)/(,)F u v G u v H u v =。但考虑到噪声的影响，我们即使知道退化函数，也不能准确地复原未退化的图像。 (,)(,)(,)?(,)(,)F u v H u v N u v F u v H u v += 因为N(u,v)是一个随机函数，而它的傅里叶变换未知。还有更糟的情况。如果退化是零或非常小的值，N(u,v)/H(u,v)之比很容易决定^ F (u,v)的估计值。—种解决退化是零或者很小值问题的途径是限制滤波的频率使其接近原点值。 2. 伪彩色图像处理(也称假彩色)是根据特定的准则对灰度值赋以彩色的处理。伪彩色的主要应用是为了人眼观察和解释一幅图像或序列图像中的灰度目标。人类可以辨别上千种颜色和强度，而相形之下只能辨别几十种灰度。 3、彩色模型(也称彩色空间或彩色系统)的用途是在某些标准下用通常可接受的方式简化彩色规范。本质上，彩色模型是坐标系统和子空间的规范。位于系统中的每种颜色都由单个点

数字图像处理考试

符号 ａ1 a2 a3 a4 a5 ａ6 概率 0、１ 0、4 0、０6 0、１ 0、04 0、3 解：霍夫曼编码: 原始信源 信源简化 符号 概率 1 2 3 4 a2 ０、4 0、4 ０、4 0、4 0、6 a ６ 0、３ ０、3 0、３ ０、３ ０、4 a １ ０、1 0、1 ０、2 0、3 a4 0、1 0、1 0、1 a ３ 0、06 ０、１ a5 0、04 霍夫曼化简后得信源编码： 从最小得信源开始一直到原始得信源 编码得平均长度： 压缩率： 冗余度: 1、 简述灰度分辨率、空间分辨率与图像质量得关系。： 空间分辨率就是瞧原图像转化为数字图像得像素点数，越多图像质量越高；灰度分辨率，即每一个像素点得灰度级数，灰度级越大，图像越清晰、 (0.4)(1)(0.3)(2)(0.1)3(0.1)(4)(0.06)(5)(0.04)(5) 2.2/avg L bit =+++++=（）符号

2、简述采样与量化得一般原则：空间坐标得离散化叫做空间采样, 而灰度得离散化叫做灰度量化。图像得空间分辨率主要由采样所决定，而图像得幅度分辨率主要由量化所决定。 3、图像锐化与图像平滑有何区别与联系?：图象锐化就是用于增强边缘，导致高频分量增强,会使图象清晰；图象平滑用于去噪，对图象高频分量即图象边缘会有影响。都属于图象增强，改善图象效果。 ４、伪彩色增强与假彩色增强有何异同点？: 伪彩色增强就是对一幅灰度图象经过三种变换得到三幅图象,进行彩色合成得到一幅彩色图像；假彩色增强则就是对一幅彩色图像进行处理得到与原图象不同得彩色图像;主要差异在于处理对象不同。 1、对于椒盐噪声,为什么中值滤波效果比均值滤波效果好?：均值滤波器就是一种最常用得线性低通平滑滤波器,可抑制图像中得加性噪声，但同时也使图像变得模糊;中值滤波器就是一种最常用得非线性平滑滤波器,可消除图像中孤立得噪声点,又可产生较少得模糊。一般情况下中值滤波得效果要比邻域平均处理得低通滤波效果好,主要特点就是滤波后图像中得轮廓比较清晰.因此,滤除图像中得椒盐噪声采用中值滤波。 2.什么就是区域？什么就是图像分割?:图像分割就就是把图像分成若干 个特定得、具有独特性质得区域并提出感兴趣目标得技术与过程。它就是由图像处理到图像分析得关键步骤. 3.写出颜色RGB模型转换到ＨIS模型得变换公式;并说明HSI模型各分 量得含义及取值范围对应得颜色信息。书上 4.灰度图像：当点足够小,观察距离足够远时,人眼就不容易分开各个小点， 从而得到比较连续，平滑得灰度图像. 5.GIF格式：GIＦ格式就是一种公用得图像文件格式，它就是8位文件格 式,所以最多只能存储25６色图像，不支持24位得真彩色图像.GＩF文件中得图像数据均经过压缩,采用得压缩算法就是改进得LZW算法，所提供得压缩率通常在1：1到1：3之间,当图像中有随机噪声时效果不好 6.图像直方图:一幅图得灰度统计直方图就是一个1-D得离散函数,即Ｐｆ (fk)=nk/ｎ，ｋ＝０、1、、、，L—１。可以设置一个有L个元素得数组，通过对不同灰度值像素个数得统计来获得图像得直方图。 7.中值滤波：它实现一种非线性得平滑滤波、１、将模板在图像中漫游， 并将模板中心与图像中某个像素位置重合.2、读取模板下各对应像素得

数字图像处理基础知识总结

第一章数字图像处理概论 *图像是对客观存在对象的一种相似性的、生动性的描述或写真。 *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的图像 *数字图像 空间坐标和灰度均不连续的、用离散的数字（一般整数）表示的图像（计算机能处理）。是图像的数字表示，像素是其最小的单位。 *数字图像处理（Digital Image Processing） 利用计算机对数字图像进行（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从而获得某种预期的结果的技术。（计算机图像处理） *数字图像处理的特点（优势） （1）处理精度高，再现性好。（2）易于控制处理效果。（3）处理的多样性。（4）图像数据量庞大。（5）图像处理技术综合性强。 *数字图像处理的目的 （1）提高图像的视感质量，以达到赏心悦目的目的 a.去除图像中的噪声； b.改变图像的亮度、颜色； c.增强图像中的某些成份、抑制某些成份； d.对图像进行几何变换等，达到艺术效果； （2）提取图像中所包含的某些特征或特殊信息。 a.模式识别、计算机视觉的预处理 （3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 **数字图像处理的主要研究内容 （1）图像的数字化 a.如何将一幅光学图像表示成一组数字，既不失真又便于计算机分析处理 b.主要包括的是图像的采样与量化 （2*）图像的增强 a.加强图像的有用信息，消弱干扰和噪声 （3）图像的恢复 a.把退化、模糊了的图像复原。模糊的原因有许多种，最常见的有运动模糊，散焦模糊等（4*）图像的编码 a.简化图像的表示，压缩表示图像的数据，以便于存储和传输。 （5）图像的重建 a.由二维图像重建三维图像（如CT） （6）图像的分析 a.对图像中的不同对象进行分割、分类、识别和描述、解释。 （7）图像分割与特征提取 a.图像分割是指将一幅图像的区域根据分析对象进行分割。 b.图像的特征提取包括了形状特征、纹理特征、颜色特征等。 （8）图像隐藏 a.是指媒体信息的相互隐藏。 b.数字水印。 c.图像的信息伪装。 （9）图像通信

郑州大学数字图像处理考试题

数字图像处理习题集 1.图像的概念及分类； 2.决定图像质量的主要因素有哪些？ 3.图像可用数学函数I= f (x, y, z, λ, t)表示，请解释函数中各 参量的含义。 4.说明图像技术的层次，并叙述各层次的主要研究内容； 5.简述图像处理的主要目的及主要处理技术； 6.什么是彩色三要素，解释各要素的含义； 7.简述三基色原理； 8.简述RGB彩色模型及HIS彩色模型的概念及定义； 9.叙述数字图像采样及量化的概念，什么是图像的空间分辨率及灰度 分辨率，并说明空间分辨率及灰度分辨率的大小对图像质量的影响； 10.叙述灰度、颜色、色度、亮度、饱和度、层次、对比度、清晰度等 基本概念。 11.叙述像素、邻域等基本概念。 12.叙述BMP格式图像的文件存储结构。 13.说明数字图像每行所占字节数与图像宽度的关系； 14.叙述将一副数字图像缩小一半的图像处理运算方法； 15.叙述将一副数字图像放大k倍的图像处理运算方法，如果采用k×k 子块填充的放大运算方法，其缺点是什么，采用何种算法可以改善； 16.说明双线性插值法进行图像放大的基本算法； 17.说明有哪几种图像镜像的方式，并叙述各自的算法； 18.以据，请将该图像缩小为原图的2/3。 19.以据，请采用双线性差值法将该图像放大为 20.以的图像数据，请分别给出该图像的水平、垂直、对 。 21.图式如下，

???? ???????????????????=??????????11001''y x y d c x b a y x 请分别用该公式的形式表示出图像平移、镜像、旋转等的运算公式。 22. 列举代数运算的种类及各种代数运算的主要应用。 23. 说明图像加、减运算有哪些应用； 24. 简述直方图的概念； 25. 以下为一幅3位灰度图像的图像数据，请绘制出该图像的灰度直方 26. 叙作用。 27. 请编写一段C 语言程序，用于计算数字图像的直方图； 28. 请说明有那些常用的图像点运算算法。 29. 请说明对图像进行阈值变换有何应用； 30. 常用的线性变换有哪些种类； 31. 叙述常用的图像对比度增强方法，以及他们的优缺点。 32. 以下为一幅4位灰度图像的图像数据，请分别采用基本线性增强及 强运算。 33. 以数据，请对该幅图像进行直方图均 及计算结果。 34. 叙； 35. 简述图像噪声的概念； 36. 分别按照噪声产生原因、噪声频谱、噪声与信号的关系、概率密度 函数等方式对图像噪声进行分类；

数字图像处理大纲总结

第一章：数字图像处理基础概念 ★1、数字图像处理的内容： （1）图像获取、表示和表现（图像的数字化和图像变换） （2）图像增强 （3）图像复原 （4）图像重建 （5）图像压缩编码 （6）图像分割 （7）图像分析 （8）模式识别 （9）图像理解 ★2、数字图像处理的层次关系（P 3）： 狭义图像处理-------图像分析-----------图像理解。 抽象程度低-------------------------------- 高 数据量大-------------------------------- 小 语义低层-------------------------------- 高层 ★3、数字图像处理的特点： （1）处理精度高，再现性好 （2）处理通用性强、灵活性高、多样性广 （3）图像数据量庞大 （4）处理费时 （5）图像处理技术综合性强 ★4、数字图像处理的目的： （1）提高图像的视感质量，以达到赏心悦目的目的。 （2）提取图像中所包含的某些特征或特殊信息，以便于计算机分析 （3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 5、数字图像处理的发展方向 （1）在进一步提高精度的同时着重解决处理速度问题。 （2）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 （4）加强理论研究 （5）图像处理领域的标准化 6、论述数字图像处理技术在生产生活中的应用 （1）在生物医学中的应用：利用电磁波谱成像分析系统诊断病情：如显微镜图像分析，DNA成像分析，CT及核磁共振、超声波、X射线成像分析等 （2）遥感航天中的应用：检测土地变化；农林资源的调查；自然灾害监测、预报；地势、地貌测绘；地质构造解译、找矿；环境污染检测等等 （3）工业应用：无损探伤，石油勘探，生产过程自动化，工业机器人研制等 （4）军事公安领域运用：卫星侦察照片的测绘、判读，雷达图像处理，导弹制导，军事仿真等（5）其他应用：图像远距离通信、电视会议、天气预报、现场视频管理等

数字图像处理课程设计(实验报告)

上海理工大学 计算机工程学院 实验报告 实验名称红细胞数目统计课程名称数字图像处理 姓名王磊学号0916020226 日期2012-11-27 地点图文信息中心成绩教师韩彦芳

一、设计内容： 主题：《红细胞数目检测》 详细说明：读入红细胞图片，通过中值滤波，开运算，闭运算，以及贴标签等方法获得细胞个数。 二、现实意义： 细胞数目检测在现实生活中的意义主要体现在医学上的作用，可通过细胞数目的检测来查看并估计病人或动物的血液中细胞数，如估测血液中红细胞、白细胞、血小板、淋巴细胞等细胞的数目，同时也可检测癌细胞的数目来查看医疗效果，根据这一系列的指标来对病人或动物进行治疗，是具有极其重要的现实作用的。 三、涉及知识内容： 1、中值滤波 2、开运算 3、闭运算 4、二值化 5、贴标签 四、实例分析及截图效果： （1）代码如下： 1、程序中定义图像变量说明 （1）Image--------------------------------------------------------------原图变量;

（2）Image_BW-------------------------------------------------------值化图象; （3）Image_BW_medfilt-------------------------中值滤波后的二值化图像; （4）Optimized_Image_BW---通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果； （5）Reverse_Image_BW--------------------------优化后二值化图象取反；（6）Filled_Image_BW----------------------已填充背景色的二进制图像；（7）Open_Image_BW--------------------------------------开运算后的图像； 2、实现代码： %-------图片前期处理------------------- %第一步：读取原图,并显示 A = imread('E:\红细胞3.png'); Image=rgb2gray(A); %RGB转化成灰度图 figure,imshow(Image); title('【原图】'); %第二步：进行二值化 Theshold = graythresh(Image); %取得图象的全局域值 Image_BW = im2bw(Image,Theshold); %二值化图象 figure,imshow(Image_BW); title('【初次二值化图像】'); %第三步二值化图像进行中值滤波 Image_BW_medfilt= medfilt2(Image_BW,[13 13]); figure,imshow(Image_BW_medfilt); title('【中值滤波后的二值化图像】'); %第四步：通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果 Optimized_Image_BW = Image_BW_medfilt|Image_BW; figure,imshow(Optimized_Image_BW); title('【进行“或”运算优化图像效果】'); %第五步：优化后二值化图象取反，保证：‘1’-〉‘白色’，‘0’-〉‘黑色’ %方便下面的操作 Reverse_Image_BW = ~Optimized_Image_BW; figure,imshow(Reverse_Image_BW); title('【优化后二值化图象取反】');