数字图像处理期中大作业(邓建平)

《数字图像处理》

期中大作业

姓名：邓建平

学号：24092200003

序号：07

湖南理工学院信息与通信工程学院

2012年4月

第一部分：IPT函数的应用

1、读取并显示一张彩色图像，然后将其灰度化，并将灰度化后的结果存入计算机中，最后再将其

二值化；

解答：

（1）程序

f=imread('fan.jpg') %读入图像fan

imshow(f) %显示图像fan

g=rgb2gray(f) %调用灰度处理函数对fan进行灰度处理

figure,imshow(g) %显示原图，显示灰度处理后的图像g

h=im2bw(g) %调用二值转换函数将图像g转换成二值图像

figure,imshow(h) %显示原图，显示灰度处理图像g,显示二值图像h

imwrite(g,'g.jpg') %将灰度图像g写入计算机

imwrite(h,'g.jpg') %将二值图像h写入计算机

（2）运行结果

图1 原图图2 进行灰度处理后的效果

图3 进行二值处理后的图像

（3）结果分析

调用灰度函数rgb2gray对图像进行灰度化，然后进行二值处理，默认阈值为0.5.可以看出图像的明显变化，趋于0的部分变亮，趋于1的部分变暗。

2、调用函数完成图像的DFT变换及平移

（1）程序

f5=rgb2gray(imread('fan.jpg')) %读入图像并进行灰度处理

imshow(f5) %显示图像

F=fft2(f5) %对图像进行DFT计算

S=abs(F) %得到频谱图

figure,imshow(S,[]) %显示原图及频谱图

Fc=fftshift(F) %进行图像的平移

figure,imshow(abs(Fc),[]) %显示之前图像，显示平移后图像

S2=log(1+abs(Fc)) %进行对数变换

figure,imshow(S2,[]) %显示图像

（2）运行结果

图1 灰度图像 2 进行DFT计算后图像

图3 平移后图像图4 进行对数变换后图像

（3）结果分析

通过调用函数fft2进行DFT计算，然后利用fftshift将变换的原点平移到频率矩阵中心，可以明显看到图像中心点的变化（图3），然后利用对数变化增强视觉效果（图4），结果变化明显，一目了然。

3、计算图像的直方图并对其进行均衡化和规定化；

（1.1）直方图均衡化

（1）程序

f2=rgb2gray(imread('fan.jpg')); %读入图像fan,并进行灰度处理

imshow(f2); %显示灰度图像f2

figure,imhist(f2); %显示灰度图像f2,显示f2的直方图

ylim('auto'); %设定刻度线和取值范围

g2=histeq(f2,256); %对图像f2进行直方图均衡化处理，生成图像g2 figure,imshow(g2); %显示之前的所有图像，显示g2

figure,imhist(g2) %显示之前所有图像，显示g2的直方图

ylim('auto') %设定刻度线和取值范围

imwrite(f2,'f2.jpg') %将灰度图像f2写入计算机

imwrite(g2,'g2.jpg') %将均衡化后的图像g2写入计算机

（1.2）直方图均衡化运行结果：

图1 灰度处理后的图像f2 图2 f2直方图

图3均衡化处理后效果g2 图4 g2直方图

（2.1）直方图的规定化

（1）程序

f4=rgb2gray(imread('fan.jpg')) %读入图像fan,并进行灰度处理

imshow(f4) %显示灰度图像f4

imwrite(f4,'f4.jpg') %将灰度图像f4写入计算机

figure,imhist(f4) %得到f4直方图

ylim('auto') %设定刻度值和取值范围

xlim('auto') %设定刻度值和取值范围

g4=histeq(f4,[0 50 100 150 200 256])%进行直方图规定化，生成图像g4

figure,imshow(g4) %保持显示之前图像，显示g4

figure,imhist(g4) %保持显示之前图像，显示g4直方图

ylim('auto') %设定刻度值和取值范围

xlim('auto') %设定刻度值和取值范围

imwrite(g4,'g4.jpg') %将g4写入计算机

（2.2）直方图规定化运行结果：

图1 灰度图像f4 图2 f4直方图

图3 进行规定化之后的效果g4 图4 g4直方图

（3）结果分析

将直方图进行均衡化之后，不难发现直方图抽样点被拉伸，对比图1，图3的平均亮度和对比度的增强十分明显。均衡化后的图像的直方图中的灰度级平均值高于原始值。

而直方图规定化，是使图像获得最为匹配的效果。使图像按我们所设定的方向进行，进行图像的规定化。

4、调用噪声函数对读入的图像加噪，然后调用空间噪声滤波函数进行滤波，并对滤波效果进行分析（1）程序

w=rgb2gray(imread('fan.jpg')) %将图像灰度化

imshow(w) %显示图像

k=imnoise(w,'salt & pepper') %加椒盐噪声

figure,imshow(k) %显示原图，显示被噪声污染的图像

k1=medfilt2(k) %使用中值滤波器滤波

figure,imshow(k1) %保留显示之前所有图像，并显示滤波后图像

imwrite(k,'k.jpg') %将噪声图像写入计算机

imwrite(w,'w.jpg') %见灰度图像写入计算机

（2）运行结果

图1 灰度图像w 图2 加椒盐噪声图像

图3 滤波处理后图像

（3）结果分析

首先得到灰度图像，然后加入默认噪声密度为0.05的椒盐噪声。得到被噪声轻度污染的图像（图2），然后用中值滤波器进行滤波，滤除椒盐噪声，且滤波效果良好，接近原图，较为清晰。

5、查找Matlab图像处理工具箱（IPT）中的亮度变换函数，并使用亮度变换函数完成一张灰度图片的亮度调整。

（1）程序

f1=rgb2gray(imread('fan.jpg')) %读入图像fan并进行灰度处理

g1=imadjust(f1,[0.5 0.85],[0 1]) %对灰度图像f1进行亮度调整

imshow(f1),figure,imshow(g1) %显示灰度图像f1和亮度调整后图像g1

imwrite(f1,'f1.jpg') %将灰度图像f1写入计算机

imwrite(g1,'g1.jpg') %将亮度处理后的图像g1写入计算机

（2）运行结果

图1 原灰度图像图2 进行亮度处理后的图像

(3)结果分析

调用亮度处理函数imadjust处理图像后，将0.5至0.85之间的灰度级拓展到[0 1]。突出其中的灰度级。由图2可以看出，图像的亮暗发生了明显的变化。

6、调用库函数，完成对加噪图像的滤波，并和空间滤波函数效果进行比较。

（1）程序

f6=imread('fanz.jpg') %读入噪声图像

h=fspecial('motion') %创建一个滤波器

g6=imfilter(f6,h) %空间滤波

imshow(f6),figure,imshow(g6) %显示噪声图像和滤波后图像

imwrite(g6,'g6.jpg') %将滤波后图像写入计算机

G6=medfilt2(f6) %调用库函数对噪声图像进行中值滤波

figure,imshow(G6) %显示滤波后图像

imwrite(G6,'G6.jpg') %将中值滤波后图像写入计算机

（2）运行结果

图1 噪声图像图2 空间滤波处理后图像

图3调用库函数滤波后图像

（3）运行结果

通过分别调用空间滤波函数和库函数对图像进行滤波，不难发现，空间滤波函数在处理椒盐噪声图像始终不如中值滤波函数的处理效果好。中值滤波对于去除椒盐噪声效果明显，是因为椒盐噪声只在画面上的部分点随机出现，而中值滤波根据数据排序，将未被污染的点代替噪声点的值的概率较大，所以抑制效果好。

第二部分：自编函数完成下述算法

1、完成图像的几何变换算法设计，包括平移、旋转、缩放、错切等；

（1）程序：

.commond：

clear

close all

clc

I=imread('2.bmp');

%图像平移

figure

outimage=imtranslate1(I,50,50);

subplot(1,2,1),imshow(I),title('原图')

subplot(1,2,2),imshow(outimage,[]),title('平移后图像')

%图像镜像

figure

outimage_h=immirr(I,'horizontal');

outimage_v=immirr(I,'vertical');

outimage=immirr(I,'both');

subplot(2,2,1),imshow(I),title('原图')

subplot(2,2,2),imshow(outimage_h,[]),title('水平镜像')

subplot(2,2,3),imshow(outimage_v,[]),title('垂直镜像')

subplot(2,2,4),imshow(outimage,[]),title('水平垂直镜像')

%图像旋转

figure

outimage=imrotate0(I,30);

subplot(1,2,1),imshow(I),title('原图')

subplot(1,2,2),imshow(outimage,[]),title('旋转30°图像')

%图像缩放

figure

outimage_NNI=imzoom(I,0.2,'NNI');

outimage_BL=imzoom(I,0.2,'BL');

outimage_BC=imzoom(I,0.2,'BC');

subplot(2,2,1),imshow(I),title('原图')

subplot(2,2,2),imshow(outimage_NNI,[]),title('最近邻插值法放大0.2倍') subplot(2,2,3),imshow(outimage_BL,[]),title('双线性插值法放大0.2倍') subplot(2,2,4),imshow(outimage_BC,[]),title('双三次插值法放大0.2倍')

%图像错切

figure

outimage=imageskew(I,45,0);

subplot(1,3,1),imshow(I),title('原图')

subplot(1,3,2),imshow(outimage,[]),title('沿水平方向错切45°图像') outimage=imageskew(I,-45,1);

subplot(1,3,3),imshow(outimage,[]),title('沿垂直方向错切-45°图像') 2）. Imageskew：

function r=imageskew(I,theta,mode)

[h0 w0]=size(I);

th=theta*pi/180;

tga=tan(th);ctga=1/tan(th);

%图像原四个顶点坐标

srcx1=0;srcy1=0;

srcx2=w0;srcy2=0;

srcx3=0;srcy3=h0;

srcx4=w0;srcy4=h0;

%图像旋转后四个顶点坐标

if mode==0

dstx1=srcx1;dsty1=srcy1;

dstx2=srcx2;dsty2=tga*srcx2+srcy2;

dstx3=srcx3;dsty3=srcy3;

dstx4=srcx4;dsty4=tga*srcx4+srcy4;

else

dstx1=srcx1;dsty1=srcy1;

dstx2=srcx2;dsty2=srcy2;

dstx3=srcx3+ctga*srcy3;dsty3=srcy3;

dstx4=srcx4+ctga*srcy4;dsty4=srcy4;

end

%计算旋转后图像的宽与高度

h=max(abs(dsty4-dsty1),abs(dsty2-dsty3))+0.5;

w=max(abs(dstx4-dstx1),abs(dstx2-dstx3))+0.5;

h=floor(h);

w=floor(w);

r=zeros(h,w);

f1=w0*tga;

f2=h0*ctga;

for x=1:w

for y=1:h

if mode==0

x0=x;

if (theta<0)

y0=floor(-x*tga+y+f1);

else

y0=floor(-x*tga+y);

end

else

y0=y;

if (theta<0)

x0=floor(-y*ctga+x+f2);

else

x0=floor(-y*tga+x);

end

end

if x0>0 && x0<=w0 && y0>0 && y0<=h0

r(y,x)=I(y0,x0);

end

end

end

3）. Immirr：

function outimage=immirr(Image,direction)

% Image - intensity image

% direction is 'horizontal','vertical' or 'both'.

[M,N]=size(Image);

outimage=zeros(M,N);

if nargin==1

direction='horizontal';

end

%compute the output image

for y=1:M

for x=1:N

switch direction

case 'horizontal',

x0=N-x+1;y0=y;

case 'vertical',

x0=x; y0=M-y+1;% Directionality factor

case 'both',

x0=N-x+1; y0=M-y+1;% Directionality factor end

outimage(y,x)=Image(y0,x0);

end

end

%show image

subplot(121),imshow(Image);

subplot(122),imshow(outimage,[]);

4）. imrotate0：

function r=imrotate0(I,theta)

[h0 w0]=size(I);

theta=(theta*pi/180);

cosa=cos(theta);sina=sin(theta);

%以图像中心为坐标原点

%图像原四个顶点坐标

srcx1=-w0*0.5;srcy1=-h0*0.5;

srcx2=w0*0.5;srcy2=-h0*0.5;

srcx3=w0*0.5;srcy3=h0*0.5;

srcx4=-w0*0.5;srcy4=h0*0.5;

%图像旋转后四个顶点坐标

dstx1=cosa*srcx1-sina*srcy1;dsty1=sina*srcx1+cosa*srcy1;

dstx2=cosa*srcx2-sina*srcy2;dsty2=sina*srcx2+cosa*srcy2;

dstx3=cosa*srcx3-sina*srcy3;dsty3=sina*srcx3+cosa*srcy3;

dstx4=cosa*srcx4-sina*srcy4;dsty4=sina*srcx4+cosa*srcy4;

%计算旋转后图像的宽与高

w=max(abs(dsty3-dsty1),abs(dsty2-dsty4))+0.5;

h=max(abs(dstx3-dstx1),abs(dstx2-dstx4))+0.5;

h=floor(h);

w=floor(w);

r=zeros(h,w);

%计算两个常数

f1=-w*0.5*cosa-h*0.5*sina+0.5*w0;

f2=w*0.5*sina-h*0.5*cosa+0.5*h0;

for x=1:h

for y=1:w

x0=floor(x*cosa+y*sina+f1);

y0=floor(-x*sina+y*cosa+f2);

if x0>0 && x0<=w0 && y0>0 && y0<=h0

r(x,y)=I(x0,y0);

end

end

end

%显示原图和旋转后的图像

subplot(121),imshow(I);

subplot(122),imshow(r,[]);

5）. imrotate4：

function r=imrotate4(I,theta)

[h0 w0]=size(I);

theta=(theta*pi/180);

cosa=cos(theta);sina=sin(theta);

%按照教材算法计算旋转图像尺寸——找出坐标最值

%计算旋转后图像行列坐标

k=1;x=zeros(1,h0*w0);y=zeros(1,h0*w0);

for x0=1:h0

for y0=1:w0

x(k)=round(x0*cosa-y0*sina);

y(k)=round(x0*sina+y0*cosa);

k=k+1;

end

end

%计算旋转后图像尺寸并初始化

xmin=round(min(x));

xmax=round(max(x));

ymin=round(min(y));

ymax=round(max(y));

h=xmax-xmin+1;

w=ymax-ymin+1;

r=zeros(h,w);

%计算旋转后图像所对应的原图像行列坐标

k=1;x0=zeros(1,h*w);y0=zeros(1,h*w);

for x=xmin:xmax

for y=ymin:ymax

x0(k)=round(x*cosa+y*sina);

y0(k)=round(-x*sina+y*cosa);

k=k+1;

end

end

%计算旋转后的图像灰度

c=h*w;a=zeros(1,h*w);

for k=1:c

if x0(k)>0 && x0(k)<=w0 && y0(k)>0 && y0(k)<=h0 a(k)=I(x0(k),y0(k));

else

a(k)=0;

end

end

for x1=1:h

for y1=1:w

r(x1,y1)=a((x1-1)*w+y1);

end

end

%显示原图和旋转后的图像

subplot(121),imshow(I,[]);title('原图')

subplot(122),imshow(r,[]);title('旋转图像')

6）. Imtranslate：

function outimage=imtranslate(I,deltax,deltay,zoo)

%Imagetranslate

%Input: I the image to be translate,deltax and deltay are the number of %pixels to be translated along x and y axies

%Output: result the image translated

[m n]=size(I);

zoom=0; %zoom 图形的变焦放大和缩小

if nargin>3

zoom=zoo;

end

if zoom

outimage=zeros(m+deltay,n+deltax);

else

outimage=zeros(m,n);

end

[m0 n0]=size(outimage);

for y=1:m0

for x=1:n0

x0=x-deltax;

y0=y-deltay;

if x0>=1 && x0<=n && y0>=1 && y0<=m

outimage(y,x)=I(y0,x0);

end

end

end

%show image

subplot(121),imshow(I);

subplot(122),imshow(outimage,[]);

7）. Imzoom：

function result=imzoom(I,r,mode)

%Input: I the image to be zoom

%Output: result the image zoomed

%mode is 'NNI','BL' or 'BC'.

if (ndims(I)~=2)

error('the input I must be an image of two dimensional!');

end

if (r<=0)

error('the ratio r must be >=0');

end

[m n]=size(I);

result=zeros(round(m*r),round(n*r));

for i=ceil(2*r):m*r-2*r

for j=ceil(2*r):n*r-2*r

switch (mode)

case 'NNI'

result(i,j)=I(ceil(i/r),ceil(j/r));

case 'BL'

u=i/r-floor(i/r);v=j/r-floor(j/r);

result(i,j)=(1-u)*(1-v)*I(floor(i/r),floor(j/r)) + ...

(1-u)*v*I(floor(i/r),floor(j/r)+1) + ...

u*(1-v)*I(floor(i/r)+1,floor(j/r)) + ...

u*v*I(floor(i/r)+1,floor(j/r)+1);

case 'BC'

u=i/r-floor(i/r);v=j/r-floor(j/r);

A=[ S(u + 1) S(u + 0) S(u - 1) S(u - 2) ];

B=[I(floor(i/r)-1, floor(j/r)-1) I(floor(i/r)-1, floor(j/r)+0) I(floor(i/r)-1, floor(j/r)+1) I(floor(i/r)-1, floor(j/r)+2);

I(floor(i/r)+0, floor(j/r)-1) I(floor(i/r)+0, floor(j/r)+0) I(floor(i/r)+0, floor(j/r)+1) I(floor(i/r)+0, floor(j/r)+2);

I(floor(i/r)+1, floor(j/r)-1) I(floor(i/r)+1, floor(j/r)+0) I(floor(i/r)+1, floor(j/r)+1) I(floor(i/r)+1, floor(j/r)+2);

I(floor(i/r)+2, floor(j/r)-1) I(floor(i/r)+2, floor(j/r)+0) I(floor(i/r)+2, floor(j/r)+1) I(floor(i/r)+2, floor(j/r)+2)];

C=[S(v+1) S(v+0) S(v-1) S(v-2)]';

result(i,j)=A*double(B)*C;

end

end

end

function s=S(x)

fabs=abs(x);

if (fabs>=0 && fabs<1)

s=1-2*fabs^2+fabs^3;

elseif (fabs>=1 && fabs<2)

s=4-8*fabs+5*fabs^2-fabs^3;

else

s=0;

end

（2）运行结果

图1.图像的平移图2.图像的镜像

图3.图像的选转图4.图像的缩放

图5.图像的错切

2、绘制灰度直方图，完成直方图均衡化算法和直方图归定化（匹配）算法，并对算法原理进行说明；

算法如下：

直方图均衡化

P=imread('fananni.jpg'); %读入彩色图像文件

imshow(P) %显示图像

title('原始彩色图像')

P1=rgb2gray(P); %显示灰度图像

imwrite(P1,'P1.jpg'); %保存图像

figure,imshow(P1) %显示图像

title('灰度化后图像')

[m,n]=size(P1); %测量图像尺寸参数

GP=zeros(1,256); %预创建存放灰度出现概率的向量

for k=0:255

GP(k+1)=length(find(P1==k))/(m*n); %计算每级灰度出现的概率，将其存入GP中相应位置end

figure,bar(0:255,GP,'g') %绘制直方图

title('原图像直方图')

xlim('auto')

ylim('auto')

S1=zeros(1,256);

for i=1:256

for j=1:i

S1(i)=GP(j)+S1(i); %计算Sk

end

S2=round(S1*256); end %将Sk归到相近级的灰度

for i=1:256 GPeq(i)=sum(GP(find(S2==i))); %计算现有每个灰度级出现的概率

end

figure,bar(0:255,GPeq,'b') %显示均衡化后的直方图

title('均衡化后直方图')

xlim('auto')

ylim('auto')

figure,plot(0:255,S2,'r') %显示灰度变化曲线

legend('灰度变化曲线')

xlabel('原图像灰度级')

ylabel('均衡化后灰度级')

P2=P1;

for i=0:255

P2(find(P1==i))=S2(i+1); %将各个像素归一化后的灰度值赋给这个像素end

figure,imshow(P2) %显示均衡化后的图像

title('均衡化后图像')

imwrite(P2,'P2.jpg');

简要说明：首先调用灰度函数对图像灰度处理，然后测得灰度图像的相关数据量，计算现有各级灰度出现概率。然后绘制直方图，计算均衡变化后各灰度级出现概率，显示均衡化后直方图。

(2)运行结果

图1 灰度图像图2 原图像直方图

图3 均衡化后图像图4 均衡后直方图

图5 灰度变化曲线

直方图规定化：

f=rgb2gray(imread('fananni.jpg'))

imshow(f)

title('原始图像')

I=f;

J=I;

New=I;

L=256; %灰度级

Ps=zeros(L,1); % 存储原图像直方图概率数据

nk=zeros(L,1); % 存储原图像直方图数据

nk2=zeros(L,1); % 存储直方图规定化后的图像的直方图

Rk=zeros(L,1); % 存储原图像累积直方图数据

Ps2=zeros(L,1);

Rk2=zeros(L,1);

[M,N]=size(I); % 计算图像数据矩阵的行列数

n=M*N; %总像素个数

for i = 1:M

for j = 1:N

num = double( I(i,j))+1; %获取像素灰度级

nk(num) = nk(num)+1; %统计nk

end

end

figure,bar(0:255,nk,'g')

title('原图像直方图')

%计算直方图概率估计

for i=1:L

Ps(i)=nk(i)/n;

%计算累积直方图

if i==1

Rk(i)=Ps(i);

else 1<=256

Rk(i)=Rk(i-1)+Ps(i);

end

%规定化直方图

Ps2Temp=[0.05,zeros(1,9),0.05,zeros(1,9),0.05,zeros(1,9),0.05,zeros(1,9),0.05,zeros(1,9),0.05,zeros(1,9),0. 05,zeros(1,39),0.05,zeros(1,19),0.05,zeros(1,19),0.05,zeros(1,19),ones(1,80).*0.0045,ones(1,16).*0.0088];

Ps2=Ps2Temp';

%计算规定化累积直方图

for c=1:L

if c==1

Rk2(c)=Ps2(c);

else

Rk2(c)=Rk2(c-1)+Ps2(c);

end

end

%计算原图像与目标图像累计直方图数值的差的绝对值

double ScMin=zeros(256,256);

for Y=1:L

for X=1:L

ScMin(X,Y)=abs(Rk(Y)'-Rk2(X)');

end

end

%建立映射

HisM=zeros(L:1);

for P=1:L

min = 0;

minV=ScMin(1,P);

for Q=1:L

if(minV>ScMin(Q,P))

minV=ScMin(Q,P);

min = Q;

end

end

HisM(P)= min;

end

%将原图像的每个像素灰度转换为直方图均衡化后的灰度

for x = 1:M

for y = 1:N

Num = double( I(x,y))+1;

if Num==i

New(x,y)=HisM(i);

end

end

end

end

%计算直方图规定化后的直方图

for p = 1:M

for q = 1:N

NN = double( New(p,q))+1;

nk2(NN) = nk2(NN)+1;

end

end

figure,bar(0:255,nk2,'b')

title('规定化后直方图')

figure,imshow(New),title('规定化后图像');

简要说明：计算原始图像和期望图像的灰度概率密度函数，对原始图像和期望图像均作直方图均衡化处理，处理后原图像概率密度函数与理想图像概率密度函数相等，而后对直方图的归一化逆变换使直方图规定化。

(2)运行结果

图1 原始图像图2 原始图像直方图

图3 规定化后图像 图4 规定化后直方图

Java语言程序设计期末大作业

《Java语言程序设计》公选课期末大作业 学号：姓名：分数： 一、程序分析题 1、写出下列语句的打印结果： a. System.out.println(2+”bc”); b. System.out.println(2+3+”bc”); c. System.out.println((2+3)+”bc”); c. System.out.println(“bc”+2+3); 2、执行以下代码，m和n的值是多少？ int n=123456789; int m=0; while(n!=0) { m=(10*m)+(n%10); n=n/10; } m= n= 3、以下代码将什么值存储在数组a[]中？ int N=10; int [] a =new int[N]; a[0]=1; a[1]=1; for(int i=2;i

数字图像处理大作业

大作业指导书 题目：数字图像处理 院（系）：物联网工程学院 专业: 计算机 班级：计算机1401-1406 指导老师： 学号： 姓名： 设计时间： 2016-2017学年 1学期

摘要 (3) 一、简介 (3) 二、斑点数据模型 .参数估计与解释 (4) 三、水平集框架 (5) 1.能量泛函映射 (5) 2.水平集传播模型 (6) 3.随机评估方法 (7) 四、实验结果 (8) 五、总结 (11)

基于水平集方法和G0模型的SAR图像分割 Abstract（摘要） 这篇文章提出了一种分割SAR图像的方法，探索利用SAR数据中的统计特性将图像分区域。我们假设为SAR图像分割分配参数，并与水平集模型相结合。分布属于G分布中的一种，处于数据建模的目的，它们已经成功的被用于振幅SAR图像中不同区域的建模。这种统计数据模型是驱动能量泛函执行区域映射的基础，被引用到水平集传播数值方案中，将SAR 图像分为均匀、异构和极其异构区域。此外，我们引入了一个基于随机距离和模型的评估过程，用于量化我们方法的鲁棒性和准确性。实验结果表明，我们的算法对合成和真实SAR 数据都具有准确性。+ 简介 1、Induction（简介） 合成孔径雷达系统是一种成像装置，采用相干照明比如激光和超声波，并会受到斑点噪声的影响。在SAR图像处理过程中，返回的是斑点噪声和雷达切面建模在一起的结果。这个积性模型（文献[1]）因包含大量的真实SAR数据，并且在获取过程中斑点噪声被建模为固有的一部分而被广泛应用。因此，SAR图像应用区域边界和目标检测变得更加困难，可能需要斑点去除。因此，斑点去除是必需的，有效的方法可以在文献[2][3][4][5][6][7][8][9][10]中找到。 对于SAR图像分割，水平集方法构成一类基于哈密顿-雅克比公式的重要算法。水平集方法允许有效的分割标准公式，从文献[12]中讨论的传播函数项可以得到。经典方法有着昂贵的计算成本，但现在的水平集的实现配置了有趣的低成本的替换。 水平集方法的一个重要方面，比如传播模型，可以用来设计SAR图像的分割算法。这个传播函数能够依据伽马和伽马平方根法则将斑点统计进行整合，函数已经被广泛地应用于SAR图像中的均质区域分割。Ayed等基于伽马分布任意建模，设计方案将SAR图像分成多个均质区域。尽管多区分割问题已经解决，该方案人需要一定数量的区域作为输入。Shuai 和Sun在文献[16]中提出对这个方法进行了改进，他们使用了一个有效的传播前收敛判断。Marques等引入了一个类似于含有斑点噪声图像中目标检测的框架，将基于本地区域的斑点噪声统计融合进去。这些作者采用伽马平方根对均质区域进行建模并用一个自适应窗口方案检测本地的同质性。 最近，新的SAR数据模型比如K，G，显示出了优势。经典法则受限于均质区域特性的描述，而最近的法则展现出了在数据建模中更有吸引力的特性。法则允许同构、异构和高度异构幅度SAR数据的建模。这个分布族提供了一组参数，可以描述SAR图像中的不同区域。分布的参数信息，可以被广泛的应用于设计SAR图像处理和分类技术。在文献[21]中，Mejail 等人介绍了SAR监督数据分类器，它基于其参数映射并实现了有趣的结果。Gambini等人在文献[22]中使用这个分布的一个参数来量化SAR数据的粗糙度，通过活动轮廓和B样条差值来检测边缘。然而，这种技术需要一个初始分割步骤，并受拓扑限制。一般来说，活动轮廓方法不能解决不连续区域分割的问题。 本文介绍了一种新的水平集算法来实现SAR图像中均质、异构和极其异构区域分割的目标。由于分布能够描述SAR图像的同质性和规模，我们的方法采用分布对斑点数据进行建模。这些分布参数基于每一个域点进行估计，通过这些信息，我们可以在水平集分割框架内得到一个能量泛函来驱动向前传播(front propagation)。该泛函以最大化不同区域平均能量间的差异作为结束。最终水平集阶段以能量带作为依据得到SAR图像的分割结果。

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

期中大作业题目-给学生

能化11《化工原理（2）》期中大作业题目请每位同学在以下问答题中自由选择4道题（蒸馏和吸收各选择2道题）来完成期中大作业的内容。要求运用系统、联系的观点，深入理解相应知识点，给出自己的答案。可自由发挥，但必须围绕题目的主题和关键知识点。注意，不能过于简单或一笔带过。 1.蒸馏中的理想溶液的气液平衡关系有哪几种表示方法？其源头来自什么定律？（要求写出方程式并绘出示意图、表）在蒸馏单元的分析和计算中主要起什么作用？ 2.从简单蒸馏的串级使用角度，如何来理解精馏过程的基本原理和发明精馏塔设备的重要价值？ 3.塔板计算前，为什么要先进行理论板的假定和恒摩尔流假定？ 4.精馏塔两段操作线的源头是什么？进料热状况主要影响哪根操作线？如何来分析这种影响？ 5.回流比的最大值和最小值分别如何确定？各自有什么意义？实际回流比的确定原则是什么？ 6.直接蒸汽加热的精馏塔计算时的核心注意点在哪里？多侧线塔呢？ 7.分析冷液回流时，实质上可借用精馏塔的哪方面的分析方法来进行？ 8.亨利定律的成立条件是什么？其中的亨利系数E是不是一个常数？或者在什么条件下会是一个常数？什么情况下亨利定律与拉乌尔定律统一起来？ 9.常说化工原理内容就是“三传”，分别指什么？对应于教材中哪些章节的知识？描述其传递速率（或者叫传递通量）规律的基本定律是什么？彼此有什么联系？ 10.传质中的两种扩散形式分别是什么？各自特点有哪些？它们的扩散通量公式都是怎么表示的？扩散系数各有什么特点？ 11.讨论分子扩散速率时，分别设计了“双向”和“单向”的扩散过程，为什么？各自适用于哪些单元操作？其扩散速率公式是如何表达的？差异在哪里？为什么会有这样的差异？ 12.教材中对流传质时的速率公式是如何获得的？请描述其思路。 13.教材中除了双膜理论模型外，另两个模型理论分别是什么？三个理论各自适用于什么条件下的传质？为什么？ 14.吸收中的最小液气比指什么？有什么作用？得到实际液气比的原则是什么？ 15.吸收速率模型法中的吸收填料层高度计算公式是如何获得的？其中的N OG有哪些解法？各适用什么样的条件？ 16.H OG的物理意义是什么？作用是什么？ 17.当用提馏塔来进行吸收液的解析时，采用精馏的计算方法和采用吸收-解析的计算方法，其过程图形和结果完全一样，为什么？

数字图像处理大作业.doc

-------------精选文档 ----------------- 1、下图是一用于干涉原理进行测试的干涉场图像，要求判读条纹的间距，请 给出图像处理的方案并说明每一步的作用及其对其它处理步骤可能产生的影响。 解：步骤与思路： ○1.进行模糊处理，消除噪声 ○2.边缘检测，进行图像增强处理 ○3．二值化图像，再进行边缘检测，能够得到很清晰的边界。 ○4.采用横向标号法，根据值为1 像素在标号中的相邻位置可以确定间距 I=imread('xz mjt.bmp'); I1=medfilt2(I);%对图像中值滤波 imshow(I1); [m,n]=size(I1); for i=1:m for j=1:n if(I1(i,j)<100)% 阈值为 100 I1(i,j)=255; else I1(i,j)=0;%进行二值化

-------------精选文档 ----------------- end end end figure; imshow(I1); Y1=zeros(1,25); y2=y1; c=y2; i=100; for j=1:1200 if (I1(i,j)==255&&I1(i,j+1)==0) Y1=j+1; end if (I1(i,j)==0&&I1(i,j+1)==255) Y2=j; end end for i=1:25 c=Y2(i)-Y1(i) end c%找出每两个条纹之间的距离

2.现有 8 个待编码的符号 m0,,m7, 它们的概率分别为 0.11,0.02,0.08,0.04,0.39,0.05,0.06,0.25,利用哈夫曼编码求出这一组符号的编码并画出哈夫曼树。 3.请以图像分割方法为主题，结合具体处理实例，采用期刊论文格式，撰写一篇小论文。

数字图像处理大作业

1、下图是一用于干涉原理进行测试的干涉场图像，要求判读条纹的间距，请给 出图像处理的方案并说明每一步的作用及其对其它处理步骤可能产生的影响。 解：步骤与思路： ○1.进行模糊处理，消除噪声 ○2.边缘检测，进行图像增强处理 ○3．二值化图像，再进行边缘检测，能够得到很清晰的边界。 ○4.采用横向标号法，根据值为1像素在标号中的相邻位置可以确定间距 I=imread('xz mjt.bmp'); I1=medfilt2(I); %对图像中值滤波 imshow(I1); [m,n]=size(I1); for i=1:m for j=1:n if(I1(i,j)<100) %阈值为100 I1(i,j)=255; else I1(i,j)=0; %进行二值化 end end end figure; imshow(I1);

Y1=zeros(1,25); y2=y1; c=y2; i=100; for j=1:1200 if (I1(i,j)==255&&I1(i,j+1)==0) Y1=j+1; end if (I1(i,j)==0&&I1(i,j+1)==255) Y2=j; end end for i=1:25 c=Y2(i)-Y1(i) end c %找出每两个条纹之间的距离

2. 现有8个待编码的符号m0,……,m7,它们的概率分别为0.11,0.02,0.08,0.04,0.39,0.05,0.06,0.25,利用哈夫曼编码求出这一组符号的编码并画出哈夫曼树。 3. 请以图像分割方法为主题，结合具体处理实例，采用期刊论文格式，撰写一篇小论文。

2016年秋matlab期中大作业

2016年秋matlab 期中大作业（40分，共5道题，每题8分） 姓名：党朴成 学号： 1151200218 学院：理学院 专业：数学系 1. 解线性方程 （第二章线性方程） ?????=++=++=++10 5481272x 6963x 恰定方程z y x z y z y 和 ???????=-+=++=++=++ 6 321054812726963超定方程z y x z y x z y x z y x （1）分别求上两个系数矩阵的行列式det 、逆inv 、伪逆pinv （2）分别采用左除法、逆乘法和伪逆乘法求解； （3） 对比两个方程，解释逆乘法和伪逆乘法区别。（8分） >> run('C:\Users\Administrator\Desktop\question_1.m') A1_det = 108 A1_inv = -0.1667 0.0833 0.0833 0.2407 -0.3981 0.2685 0.0741 0.1852 -0.1481 A1_pinv = -0.1667 0.0833 0.0833 0.2407 -0.3981 0.2685

0.0741 0.1852 -0.1481 A2_pinv = -0.1659 0.0724 0.0925 -0.0086 0.2207 -0.1232 0.0377 0.2168 0.0836 0.0547 -0.0386 -0.1028 x1_1 = 0.3333 0.0741 1.4074 x1_2 = 0.3333 0.0741 1.4074 x1_3 = 0.3333 0.0741 1.4074 x2_1 = 0.2492

《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

数字图像处理大作业

大作业要求 1.数字图像处理中的图像增强、图像分割、数学形态学、图像编码这几个章节中，围绕你所感兴趣的题目写一篇综述。 2.要求： （1）在中国知网上下载5篇以上相关文章，结合上课所学内容，确定综述的内容。（2）文字3000字以上，包含 a. 课题背景和概述 b. 国内外研究现状 c. 技术应用（可以实现哪些功能，实 现的方法及结果 d. 结论 e. 学习体会 f．参考文献 （3）综述的排版： 正文层次格式如下： 1（空两格）×××××（居中，三号宋体，加粗，占4行） 1.1×××（左顶格，四号宋体，加粗，占 2.5行，不接排） 1.1.1×××（左顶格，小四号宋体，加粗，占2行，不接排） a.（左空两格，a.后空一格）×××(小4号宋体，加粗) （正文）×××××(小4 号宋体，接排)

(1)（左空两格，(1)后空一格）×××(小4号宋体，加粗) （正文）×××××(小4号宋体，接排) 1)（左空两格，1）后空一格）(小4号宋体，加粗) （正文）×××××(小4号宋体，接排) 正文中段落一律段前、段后0磅，行距为20磅，对齐方式：两端对齐。小4号字体。 论文中的图和表居中，并且有图题和表题。 例如： 图 1 主站工作过程（5号字体，加粗） 表1 不同总线速率下从站的延迟时间（5号字体，加粗） 速率（Kbit/s ） 9.6 19.2 93.75 187.5 500 1500 1200SDR minT (bit T ) 11 11 11 11 11 11 11 SDR maxT (bit T ) 60 60 60 60 100 150 800 参考文献按照下面形式给出： 参考文献 （居中，三号，宋体，加粗，占4行）

数学建模期末大作业

数学建模期末大作业论文 题目：A题美好的一天 组长：何曦（2014112739） 组员：李颖（2014112747）张楚良（2014112740） 班级：交通工程三班 指导老师：陈崇双

美好的一天 摘要 关键字：Dijkstra算法多目标规划有向赋权图 MATLAB SPSS

1 问题的重述 Hello！大家好，我是没头脑,住在西南宇宙大学巨偏远的新校区（节点22）。明天我一个外地同学来找我玩，TA叫不高兴，是个镁铝\帅锅，期待ing。我想陪TA在城里转转，当然是去些不怎么花钱的地方啦~~。目前想到的有林湾步行街(节点76)、郫郫公园（节点91），大川博物院（节点72）。交通嘛，只坐公交车好了,反正公交比较发达，你能想出来的路线都有车啊。另外，进城顺便办两件事，去老校区财务处一趟（节点50），还要去新东方（节点34）找我们宿舍老三，他抽奖中了两张电影票，我要霸占过来明晚吃了饭跟TA一起看。电影院嘛，TASHIWODE电影院（节点54）不错，比较便宜哈。我攒了很久的钱，订了明晚开心面馆（节点63）的烛光晚餐，额哈哈，为了TA，破费一下也是可以的哈。哦，对了，老三说了，他明天一整天都上课，只有中午休息的时候能接见我给我票。 我主要是想请教一下各位大神： 1）明天我应该怎么安排路线才能够让花在坐车上的时间最少？ 2）考虑到可能堵车啊，TA比较没耐心啊，因为TA叫不高兴嘛。尤其是堵车啊，等车啊，这种事，万一影响了气氛就悲剧了。我感觉路口越密的地方越容易堵，如果考虑这个，又应该怎么安排路线呢？ 3）我们城比较挫啊，连地图也没有，Z老师搞地图测绘的，他有地图，跟他要他不给，只给了我一个破表格（见附件，一个文件有两页啊），说“你自己画吧”。帮我画一张地图吧，最好能标明我们要去的那几个地方和比较省时的路线啊，拜托了~ 2 问题的分析 2.1 对问题一的分析 问题一要求安排路线使得坐车花费的时间最少。 对于问题一，假设公交车的速度维持不变，要使花费的时间最少，则将问题转化为对最短路径的求解。求解最短路径使用Dijkstra算法很容易进行求解，在运用MATLAB编程，得到最优的一条路径，则这条路径所对应的时间即为最少用时。 2.2 对问题二的分析 问题二要求在考虑堵车的情况下，路口越密越容易发生拥堵，安排路线是乘车时间最短。 对于问题二，在问题的基础上增加了附加因素，即公交车的速度会因道路的密集程度而发生改变，从而问题一建立的基本Dijkstra算法对于问题二就不再适用了，因此对问题一的基本Dijkstra算法进行改进，并结合蚁群算法的机理与特点，运用MATLAB求解出最短路径，保证了花费时间的最少性。 2.3 对问题三的分析 问题三要求根据提供的附件，画出一张地图，标明要去的那几个地方和比较省时的路线。 对于问题三，在问题一和问题二的基础上，根据求解的结果，运用SPSS软件画出地图。

(完整版)数字图像处理大作业

数字图像处理 1.图像工程的三个层次是指哪三个层次？各个层次对应的输入、输出对象分别是什么？ ①图像处理 特点：输入是图像，输出也是图像，即图像之间进行的变换。 ②图像分割 特点：输入是图像，输出是数据。 ③图像识别 特点：以客观世界为中心，借助知识、经验等来把握整个客观世界。“输入是数据，输出是理解。 2.常用的颜色模型有哪些（列举三种以上）？并分别说明颜色模型各分量代表的意义。 ①RGB（红、绿、蓝）模型 ②CMY（青、品红、黄）模型 ③HSI（色调、饱和度、亮度）模型 3.什么是图像的采样？什么是图像的量化？ 1．采样 采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。简单来讲，对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构，所形成的微小方格称为像素点。一副图像就被采样成有限个像素点构成的集合。例如：一副640*480分辨率的图像，表示这幅图像是由640*480＝307200个像素点组成。 2．量化 量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。 针对数字图像而言： 采样决定了图像的空间分辨率，换句话说，空间分辨率是图像中可分辨的最小细节。 量化决定了图像的灰度级，即指在灰度级别中可分辨的最小变化。 数字图像处理（第三次课）

调用图像格式转换函数实现彩色图像、灰度图像、二值图像、索引图像之间的转换。 图像的类型转换： 对于索引图像进行滤波时，必须把它转换为RGB图像，否则对图像的下标进行滤波，得到的结果是毫无意义的; 2.用MATLAB完成灰度图像直方图统计代码设计。

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》复习大作业及答案

2014年上学期《数字图像处理》复习大作业及参考答案 ===================================================== 一、选择题（共20题） 1、采用幂次变换进行灰度变换时，当幂次取大于1时，该变换是针对如下哪一类图像进行增 强。（B） A 图像整体偏暗 B 图像整体偏亮 C图像细节淹没在暗背景中D图像同时存在过亮和过暗背景 2、图像灰度方差说明了图像哪一个属性。（B ） A 平均灰度 B 图像对比度 C 图像整体亮度D图像细节 3、计算机显示器主要采用哪一种彩色模型（ A ） A、RGB B、CMY或CMYK C、HSI D、HSV 4、采用模板［-1 1］T主要检测（ A ）方向的边缘。 A.水平 B.45? C.垂直 D.135? 5、下列算法中属于图象锐化处理的是：( C ) A.低通滤波 B.加权平均法 C.高通滤波 D. 中值滤波 6、维纳滤波器通常用于（ C ） A、去噪 B、减小图像动态范围 C、复原图像 D、平滑图像 7、彩色图像增强时， C 处理可以采用RGB彩色模型。 A. 直方图均衡化 B. 同态滤波 C. 加权均值滤波 D. 中值滤波 8、__B__滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。 A. 逆滤波 B. 维纳滤波 C. 约束最小二乘滤波 D. 同态滤波 9、高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加上一常数量以 便引入一些低频分量。这样的滤波器叫B。 A. 巴特沃斯高通滤波器 B. 高频提升滤波器 C. 高频加强滤波器 D. 理想高通滤波器 10、图象与灰度直方图间的对应关系是 B __ A.一一对应 B.多对一 C.一对多 D.都不 11、下列算法中属于图象锐化处理的是：C A.低通滤波 B.加权平均法 C.高通滤 D. 中值滤波 12、一幅256*256的图像，若灰度级数为16，则存储它所需的比特数是：( A ) A、256K B、512K C、1M C、2M 13、噪声有以下某一种特性（ 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 14. 利用直方图取单阈值方法进行图像分割时：（B） a.图像中应仅有一个目标 b.图像直方图应有两个峰 c.图像中目标和背景应一样大 d. 图像中目标灰度应比背景大 15. 在单变量变换增强中，最容易让人感到图像内容发生变化的是（ C ）

期末大作业

期末大作业 数据挖掘和基于数据的决策是目前非常重要的研究领域，是从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的特殊过程。在商业上，数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析技术，可用于分析企业数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。 本次作业要求完成一个相亲配对程序，让相亲者更容易找到自己的意中人。查阅相关文献，以python为工具实现K-近邻算法，从而完成一个基本版的相亲配对系统，在此基础上深入研究聚类算法（K-近邻算法为其中一种），讨论各种聚类思路及算法优劣，完成相应的研究论文。 基本的设计思路提示如下：利用附件datingTestSet.txt文档中提供的三种属性（前三列，其中第1列为对方每年出差/旅行的公里数，第2列为对方玩游戏消耗时间的百分比，第3列为对方每周消费的冷饮公升数）作为测度是否和对方匹配的标准。附件文件第4列表示了你遇到此类人产生的好恶情感，其中largeDoses表示对你极有吸引力，smallDoses表示对你吸引力一般，didntLike 表示是你不喜欢的类型。利用此文件提供的数据，以K-近邻算法为工具，进行数据挖掘，发现你的喜好标准，对新的未标定的待匹配方（即只有前三行数据）给出第4行的好恶情感标签（即largeDoses、smallDoses或didntLike）。 具体要求如下： 1.查找文献，理解完整的K-近邻算法；

2.使用python语言编程实现K-近邻算法，解决相亲配对这一明确的应用问题； 3.撰写的研究论文要有关于聚类算法的详细叙述，论文中的算法应该与程序实 现的算法相印证。 大作业要求： 1.自己设计解决方案，简易的解决方案得分较低，完整的解决方案，即使部分 完成，得分也会较高； 2.作业上交形式为电子版文件。所有文件打包为一个文件，以“学号+姓名” 的方式命名； 3.算法的python源程序（py文件）； 4.对此问题进行研究得到的研究性论文，论文包括前言（简介），算法部分（算 法流程图为核心），程序设计部分（程序流程图为核心），实验结果和分析，小结等内容（doc文件）； 5.论文必须有规范的发表论文格式，包括题目、作者、单位、摘要、关键字、 正文及参考文献； 6.附有少量参考资料。 字数：论文部分字数限于2000±300，太多太少均扣分。 上交期限：19周周日，由学习委员收齐统一上交。 抄袭0分！

数字图像处理大作业要点

数字图像处理实验报告 学院：信息学院 专业：电科1004班 姓名： 学号： 辅导老师： 完成日期： 2013年6月29日 空域图像增强 实验要求:

(1)选择若干图像（两幅以上），完成直方图均衡化。 (2)选择若干图像（两幅以上），对图像文件分别进行均值滤波、中值滤波和拉 普拉斯锐化滤波操作。 (3)添加噪声，重复上述过程观察处理结果。 实验原理： (1)图像增强是图像处理的基本内容之一，图像增强是指按特定的需要突出一幅 图像中的某些信息，同时削弱或去除某些不需要信息的处理方法，其目的是使得处理后的图像对某种特定的应用，比原始图像更合适。处理的结果使图像更适应于人的视觉特性或机器的识别系统。图像增强主要可分为三类:频域图像增强方法、小波域图像增强方法、空域图像增强方法。 (2)空域图像增强主要包括:直方图均衡化、平滑滤波和锐化滤波等方法。 (3)直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。 这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。 这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。 (4)平滑滤波是低频增强的空间域滤波技术。它的目的有两类：一类是模糊；另 一类是消除噪音。空间域的平滑滤波一般采用简单平均法进行，就是求邻近像元点的平均亮度值。 (5)均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板， 该模板包括了其周围的临近像素（以目标象素为中心的周围8个象素，构成一个滤波模板，即去掉目标象素本身）。再用模板中的全体像素的平均值来代替原来像素值。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。 (6)中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技 术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中,f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为2*2，3*3区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。 (7)拉式算子是一个刻画图像灰度的二阶商算子，它是点、线、边界提取算子， 亦称为边界提取算子。通常图像和对他实施拉式算子后的结果组合后产生一个锐化图像。拉式算子用来改善因扩散效应的模糊特别有效，因为它符合降制模型。 拉普拉斯算子也是最简单的各向同性微分算子，具有旋转不变性。一个二维

西安交通大学大学数字图像处理大作业

数字图像处理

目录 作业一 (1) 一作业要求 (1) 二源代码 (1) 三运行结果 (3) 作业二 (5) 一作业要求 (5) 二算法描述 (5) 三源代码 (7) 四运行结果 (10)

作业一 一作业要求 在图像的空间域滤波操作中，会出现有部分掩膜矩阵在图像外面的情况，所以需要给图像先加入一个边界，执行完操作之后，再去掉这个边界，保证图像中所有的像素都参与矩阵运算。 二源代码 byte[,] filter(byte[,]f,float[,]mask) { int w = f.GetLength(0); int h = f.GetLength(1); byte[,] g = new byte[w,h]; int M = mask.GetLength(0)/2; int N = mask.GetLength(1)/2; for (int y=N;y255) return 255; if (v<0) return 0; return (byte)v;

} float[,] averagingMask(intM,int N) { float[,] mask = new float[2*M+1,2*N+1]; for (int m=-M;m<=M;m++) for (int n=-N;n<=N;n++) mask[M+m,N+n] = 1.0f/((2*M+1)*(2*N+1)); return mask; } byte[,] addboard(byte[,] f,intM,int N) { int w=f.GetLength(0); int h=f.GetLength(1); intgw=w+2*M; intgh=h+2*N; byte[,] g=new byte[gw,gh]; //add top board and bottom board for(inti=0;i

数字图像处理大作业

[HW5][24]SA11009045_张海滨 大作业 1、行模糊、锐化、和直方图均衡化。 程序： I=imread('E:\研一\数字图像处理\作业\HW5\DSC00003.JPG'); figure,imshow(I),title('原始图像'); I1=rgb2gray(I); I1=imresize(I1,0.5); figure,imshow(I1),title('灰度图像'); h=ones(5,5)/25; I2=imfilter(I1,h); figure,imshow(I2),title('模糊处理'); J=double(I1); h1=fspecial('laplacian'); I3=filter2(h1,J); figure,imshow(I3),title('锐化处理'); I4 = histeq(I1,256); figure,imhist(I1),title('原图像直方图'); figure,imshow(I4),title('均衡化处理'); figure,imhist(I4),title('均衡化后直方图'); 进行运算的结果为： 原始图像

此为进行处理的原始图像。进行图像灰度化并把图像的大小进行调整为原来的一半，得到图像： 对图像分别进行均值滤波器模糊、拉普拉斯算子锐化处理，得到的结果如下图：

方图如下所示。

2、边缘检测，程序： I=imread('F:\研一\数字图像处理\作业\HW5\DSC00003.JPG'); I1=rgb2gray(I); I1=imresize(I1,0.5); J=double(I1); H=[0 1 0;1 -4 1;0 1 0]; J=conv2(J,H,'same'); J=I1-J; subplot(1,2,1); imshow(I1),title('灰度图像'); subplot(1,2,2); imshow(J),title('Laplace算子边缘检测'); G1 = [-1 -2 -1;0 0 0;1 2 1]; G2 = G1'; Iedge=I1; I2x = filter2(G1,Iedge); I2y = filter2(G2,Iedge); I2=abs(I2x+I2y); I22 = mat2gray(I2);

(完整版)数字图像处理每章课后题参考答案

数字图像处理每章课后题参考答案 第一章和第二章作业：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。 1.简述数字图像处理的研究内容？ 答：数字图像处理的主要研究内容，根据其主要的处理流程与处理目标大致可以分为图像信息的描述、图像信息的处理、图像信息的分析、图像信息的编码以及图像信息的显示等几个方面， 将这几个方面展开，具体有以下的研究方向： 1.图像数字化， 2.图像增强， 3.图像几何变换， 4.图像恢复， 5.图像重建， 6.图像隐藏， 7.图像变换， 8.图像编码， 9.图像识别与理解。 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？ 答：图像工程是一门系统地研究各种图像理论、技术和应用的新的交叉科学。 根据抽象程度、研究方法、操作对象和数据量等的不同，图像工程可分为三个层次：图像处理、图像分析、图像理解。 图像处理着重强调在图像之间进行的变换。比较狭义的图像处理主要满足对图像进行各种加工以改善图像的视觉效果。图像处理主要在图像的像素级上进行处理，处理的数据量非常大。图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息从而建立对图像的描述。图像分析处于中层，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形式描述。 图像理解的重点是进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行为。图像理解主要描述高层的操作，基本上根据较抽象地描述进行解析、判断、决策，其处理过程与方法与人类的思维推理有许多相似之处。 第三章图像基本概念