数字图像处理

数字图像处理
数字图像处理

内蒙古科技大学

本科生课程设计论文

数字图像处理课设

学生姓名:于鹏飞

学号:1367118224

专业:电子信息工程

班级:13信息二班

指导教师:张明

2016年 5 月

实验一、计算图象统计参数及直方图变换

编写程序:

1. 读取图像(文件名为‘’);

2. 最大值、最小值、均值

3. 直方图(要求不能调用imhist函数,只能用该函数来验证自编直方图程序块的正确性)。

4. 计算并分析图像直方图(imhist)

5. 利用直接灰度变换法对图像进行灰度变换(imadjust)

6. 直方图均衡化处理及显示(histeq)

程序

f=imread('C:\Users\YSSA\Desktop\数字图像课设\于鹏飞\图片\');

%求最大值、最小值、均值

max(f(:)) %最大值

min(f(:)) %最小值

mean(f(:)) %均值

%显示其直方图

[m,n]=size(f); %图像大小

X=zeros(256,1); %灰度级范围

for i=1:m %对应的统计位加1

for j=1:n

x=f(i,j);

X(x)=X(x)+1;

end

end;

%计算并分析图像直方图(imhist)

g=imhist(f,256);

%利用直接灰度变换法对图像进行灰度变换(imadjust)g2=imadjust(f,[0 1],[1 0]);

%对原图像进行直方图均衡化处理

g3=histeq(f);

subplot(2,3,1),imshow(f);

title('原始图像');

subplot(2,3,2);bar(X);

title('原图像直方图')

subplot(2,3,3);bar(g);

title('验证原图像直方图')

subplot(2,3,4),imshow(g2);

title('灰度变换');

subplot(2,3,6),imshow(g3);

title('直方图均衡化');

照片

实验二傅里叶变换及空间域和频率域滤波

1、利用MATLAB 实现数字图像的傅里叶变换

读入并显示图“”,作该图的二维FFT 变换F,将其直流分量移到频谱中心F1(fftshift()函数),计算其实部RR、虚部II,用两种方法计算幅值A1=abs(F1)和A2=sqrt(RR.^2+II.^2),分别显示A1 和A2,并加以比较。

2、近似冲击函数二维傅里叶变换

A=zeros(99,99);

A(49:51,49:51)=1;

作A的二维傅里叶变换B,将B直流分量移到频谱中心B1,分别用函数imshow 和mesh显示A和B1模的对数(log(1+abs(B1)))。

程序

g=imread('C:\Users\YSSA\Desktop\数字图像课设\于鹏飞\图片\');

%对图像进行傅立叶变换

G=fft2(g);

%将其直流分量移到频谱中心

F=fftshift(G);

%实部RR、虚部II

RR=real(F);

II=imag(F);

%显示模A1 和A2,并加以比较

A1=abs(F);

A2=sqrt(RR.^2+II^2);

aa1=log(1+A1);

aa2=log(1+A2);

% 生成一个99*99的零矩阵

A=zeros(99,99);

A(49:51,49:51)=1;%

B=fft2(A);

%fftshift就是对换数据的左右两边

B1=fftshift(B);

%显示A和B1模的对数(log(1+abs(B1)))figure;

subplot(2,4,1),imshow(g);

title('原图像');

subplot(2,4,2),imshow(G);

title('傅立叶变换');

subplot(2,4,3),imshow(aa1,[]);

title('a1 abs');

subplot(2,4,4),imshow(aa2,[]);

title('a2 sqrt');

subplot(2,4,5),imshow(A);

title('冲击函数imsow');

subplot(2,4,6),mesh(A);

title('冲击函数mesh');

subplot(2,4,7),imshow(log(1+abs(B1)));

title('冲击函数频域模mesh');

subplot(2,4,8),mesh(log(1+abs(B1)));

title('冲击函数频域模mesh');

实验2_1-2图片

3、空间滤波与频域滤波

将图“”分别进行空间与频域滤波。

空间滤波:

用fspecial 产生9×9,标准差为 2 的高斯滤波器w,用函数imfilter 对 f 进行空间滤波,得到滤波后的图像fi1。

频域滤波:

将上述高斯滤波器w 用函数freqz2 获得其256×256 频域形式W,用W 在频域滤波图像f(注意W 的直流分量在频谱中心),得到Ff,求其傅里叶逆变换(ifft2),得到滤波后的图像fi2。用函数imshow 显示w,用函数mesh 显示W,用mshow 显示f,fi1,Ff 的模的对数,fi2。比较fi1 与fi2。

程序:

f=imread('C:\Users\YSSA\Desktop\数字图像课设\于鹏飞\图片\');

%傅立叶变化

G=fft2(f);

%用fspecial 产生9*9,标准差为2 的高斯滤波器w

w=fspecial('gaussian',9,2);

%用函数imfilter 对f 进行空间滤波

fi1=imfilter(f,w);

%高斯滤波器w 用函数freqz2 获得其256*256 频域形式W W=freqz2(w,256,256);

%ifftshift长度不是偶数,对换数据的左右两边

W1=ifftshift(W);

Ff=G.*W1;

%傅里叶逆变换(ifft2)的实部

fi2=real(ifft2(Ff));

% imshow 显示w, mesh 显示W

subplot(2,3,1),imshow(f);

title('原图像');

subplot(2,3,2),imshow(G);

title('傅立叶变换');

subplot(2,3,3),imshow(w);

title('w');

subplot(2,3,4),mesh(W);

title('W');

subplot(2,3,5),imshow(fi1,[]);

title('空间滤波');

subplot(2,3,6),imshow(fi2,[]);

title('频域滤波')

实验2_3图片

实验三彩色图像处理

3_1.使用RGB、Indexed和Gray图像间转换函数对图像“”使用rgb2ind 分别产生8色抖动和非抖动图像;使用rgb2gray实现图像转换,并使用函数dither产生其抖动形式的图像。

程序

f=imread('C:\Users\YSSA\Desktop\数字图像课设\于鹏飞\图片\');

%rgb2ind 将真彩色图像转换为索引图像,产生8 色非抖动图像(彩色映射矩阵)[x1,map1]=rgb2ind(f,8,'nodither');

%产生8 色抖动图像

[x2,map1]=rgb2ind(f,8,'dither');

%使用rgb2gray 实现RGB到灰度图像

g=rgb2gray(f);

%函数dither产生其抖动形式的图像

g1=dither(g);

subplot(1,2,1),imshow(x1,map1);

title('ind nodither');

subplot(1,2,2),imshow(x2,map1);

title('ind dither');

figure,subplot(1,2,1),imshow(g);

title('gray nodither');

subplot(1,2,2),imshow(g1);

title('gray dither');

实验3_1图片

3_2.彩色图像平滑与锐化

对图像“”在RGB空间实现彩色图像的平滑(w=ones(25)./(25*25))与锐化(w= [1 1 1 1 1; 1 1 1 1 1; 1 1 -24 1 1 ; 1 1 1 1 1; 1 1 1 1 1];)(函数imfilter);

在HSI空间实现彩色图像的平滑(w=ones(25)./(25*25)),(函数imfilter, rgb2hsi, cat),观察仅平滑亮度分量(intensity)和平滑全部三个分量结果的差别。

程序

f=imread('C:\Users\YSSA\Desktop\数字图像课设\于鹏飞\图片\ ');

%在RGB空间实现彩色图像的平滑

w1=ones(25)./(25*25);

%实现彩色图像的锐化

w2=[1 1 1 1 1;1 1 1 1 1;

1 1 -24 1 1;1 1 1 1 1;

1 1 1 1 1];

i1=imfilter(f,w1,'replicate');

i2=imfilter(f,w2,'replicate');

%在HSI空间实现彩色图像的平滑(w=ones(25)./(25*25))函数imfilter, rgb2hsi, cat

h=rgb2hsi(f);

w1=ones(25)./(25*25);

H=h(:,:,1);

S=h(:,:,2);

I=h(:,:,3);

h1=imfilter(h,w1,'replicate');%平滑全部三个分量

I2=imfilter(I,w1,'replicate');%仅平滑亮度分量

h2=cat(3,H,S,I2);

hi1=hsi2rgb(h1);

hi2=hsi2rgb(h2);

hi1=min(hi1,1);

hi2=min(hi2,1);

subplot(2,3,1),imshow(f);

title('原图像');

subplot(2,3,2),imshow(i1);

title('RGB平滑');

subplot(2,3,3),imshow(i2);

title('RGB锐化');

subplot(2,3,4),imshow(f);

title('原图像');

subplot(2,3,5),imshow(hi1);

title('平滑全部三个分量')

subplot(2,3,6),imshow(hi2);

title('仅平滑亮度分量')

实验3_2图片

实验四车牌识别图像预处理技术

要求:

1.对原始车牌图像做增强处理;

2.对增强后的彩色图像进行灰度变换;

3.对灰度图像进行直方图均衡处理;

4.选取自适应的阈值,对图像做二值化处理;

5.显示每步处理后的图像;

6.分析此种图像预处理的优缺点及改进措施,简要叙述车牌字符识别。程序

i = imread('C:\Users\YSSA\Desktop\数字图像课设\于鹏飞\图片\');

figure,imshow(i);

title('原始图像');% 灰度变换

g=rgb2gray(i);

figure,imshow(g);

title('灰度变换');% 均衡化

h=histeq(g);

figure,imshow(h);

title('直方图均衡化');% 二值化处理

e = im2bw(h,;

figure,imshow(e);

title('二值化图像(阈值');

实验4图片

内蒙古科技大学课程设计答辩书

13信息二班学号1367118224

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

数字图像处理知

数字图像处理知识点总结

数字图像处理知识点总结 第一章导论 1.图像:对客观对象的一种相似性的生动性的描述或写真。 2.图像分类:按可见性(可见图像、不可见图像),按波段数(单波段、多波段、超波段), 按空间坐标和亮度的连续性(模拟和数字)。3.图像处理:对图像进行一系列操作,以到达预期目的的技术。 4.图像处理三个层次:狭义图像处理、图像分析和图像理解。 5.图像处理五个模块:采集、显示、存储、通信、处理和分析。 第二章数字图像处理的基本概念 6.模拟图像的表示:f(x,y)=i(x,y)×r(x,y),照度分量0

称为采样。采样间隔和采样孔径的大小是两个 很重要的参数。采样方式:有缝、无缝和重叠。 9.将像素灰度转换成离散的整数值的过程叫量化。 10.表示像素明暗程度的整数称为像素的灰度级(或灰度值或灰度)。 11.数字图像根据灰度级数的差异可分为:黑白图像、灰度图像和彩色图像。 12.采样间隔对图像质量的影响:一般来说,采样间隔越大,所得图像像素数越少,空间分 辨率低,质量差,严重时出现像素呈块状的国际棋盘效应;采样间隔越小,所得图像像素数越多,空间分辨率高,图像质量好,但数据量大。13.量化等级对图像质量的影响:量化等级越多,所得图像层次越丰富,灰度分辨率高,图 像质量好,但数据量大;量化等级越少,图像层次欠丰富,灰度分辨率低,会出现假轮廓现象,图像质量变差,但数据量小。但在极少数情况下对固定图像大小时,减少灰度级能改善质量,产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。例如对细节比较丰富的图像数字化。

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。

数字图像处理整理经典

名词解释 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。 1.数字图像:一幅图像f(x,y),当x,y 和幅值f 为有限的离散数值时,称该图像为数字图像。 图像:是自然生物或人造物理的观测系统对世界的记录,是以物理能量为载体,以物质为记录介质的信息的一种形式。 数字图像处理:采用特定的算法对数字图像进行处理,以获取视觉、接口输入的软硬件所需要数字图像的过程。 图像增强:通过某种技术有选择地突出对某一具体应用有用的信息,削弱或抑制一些无用的信息。 无损压缩:可精确无误的从压缩数据中恢复出原始数据。 灰度直方图:灰度直方图是灰度级的函数,描述的是图像中具有该灰度级的像素的个数。或:灰度直方图是指反映一幅图像各灰度级像元出现的频率。 细化:提取线宽为一个像元大小的中心线的操作。 8、8-连通的定义:对于具有值V的像素p和q ,如果q在集合N8(p)中,则称这两个像素是8-连通的。 9、中值滤波:中值滤波是指将当前像元的窗口(或领域)中所有像元灰度由小到大进行排序,中间值作为当前像元的输出值。 10、像素的邻域:邻域是指一个像元(x,y)的邻近(周围)形成的像元集合。即{(x=p,y=q)}p、q为任意整数。像素的四邻域:像素p(x,y)的4-邻域是:(x+1,y),(x-1,y) ,(x,y+1), (x,y-1) 11、灰度直方图:以灰度值为自变量,灰度值概率函数得到的曲线就是灰度直方图。 12.无失真编码:无失真编码是指压缩图象经解压可以恢复原图象,没有任何信息损失的编码技术。 13.直方图均衡化:直方图均衡化就是通过变换函数将原图像的直方图修正为平坦的直方图,以此来修正原图像之灰度值。 14.采样:对图像f(x,y)的空间位置坐标(x,y)的离散化以获取离散点的函数值的过程称为图像的采样。 15.量化:把采样点上对应的亮度连续变化区间转换为单个特定数码的过程,称之为量化,即采样点亮度的离散化。 16.灰度图像:指每个像素的信息由一个量化的灰度级来描述的图像,它只有亮度信息,没有颜色信息。 17.色度:通常把色调和饱和度通称为色度,它表示颜色的类别与深浅程度。 18.图像锐化:是增强图象的边缘或轮廓。 19.直方图规定化(匹配):用于产生处理后有特殊直方图的图像的方法 20. 数据压缩:指减少表示给定信息量所需的数据量。 像素的邻域:邻域是指一个像元(x,y)的邻近(周围)形成的像元集合。即{(x=p,y=q)}p、q为任意整数。 像素的四邻域:像素p(x,y)的4-邻域是:(x+1,y),(x-1,y) ,(x,y+1), (x,y-1) 灰度直方图:灰度直方图是指反映一幅图像各灰度级像元出现的频率。 、中值滤波:中值滤波是指将当前像元的窗口(或领域)中所有像元灰度由小到大进行排序,中间值作为当前像元的输出值。 像素数字图像是由有限的元素组成的,每个元素都有一个特定的位置和幅值,这些元素称为图像元素、画面元素或像素。 4.空间分辨率:是图像中可辨别的最小细节。 灰度级分辨率:是指在灰度级别中可分辨的最小变化。

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');

数字图像处理_图片识别

研究生课程考核试卷 (适用于课程论文、提交报告) 科目:数字图像处理教师:黄鸿 姓名:潘世强学号:20110802096 专业:仪器科学与技术类别:(学术)上课时间:2011年10月至2012年01月 考生成绩: 阅卷评语: 阅卷教师(签名) 重庆大学研究生院制

CHONGQING UNIVERSITY 数字图像处理 ——基于内容的图像检索系统 学院:光电工程学院 姓名:潘世强 学号:20110802096 指导教师:黄鸿 时间: 2012年01月08日

基于内容的图像检索系统 摘要:随着多媒体技术的迅速发展,图像数据库也急剧膨胀起来,如何高效、快速地从像资源中获取有用的图像成了信息检索技术研究的热点。 本文主要针对基于内容的图像检索技术(CBIR)做了相关的介绍,对基于图像检索技术中的特征提取技术进行了较为详细的阐述,研究了图像颜色的提取方法,以及图像间相似性度量方法。本文运用的特征值提取方法为颜色直方图的方法,对图像提取颜色特征,并根据这些特征对目标图片与图片库中的图片进行了相似度排序,最后运用Matlab软件对上述方法进行验证,得到图像检索结果,从而实现基于内容的图像检索。 关键词:直方图HIS彩色空间基于内容图像检索 1.引言 图像是对客观对象的一种相似性的、生动性的描述或写真。或者说图像是客观对象的一种表示,它包含了被描述对象的有关信息。它是人们最主要的信息源。据统计,一个人获取的信息大约有75%来自视觉。俗话说“百闻不如一见”,“一目了然”,都反映了图像在信息传递中的独特效果。所谓基于图像内容检索,即从图像库中查找含有特定目标的图像,也包括从连续的视频图像中检索含有特定目标的视频片段。它区别于传统的图像检索手段,融合了图像理解技术,从而可以提供更有效的检索手段。 本文主要针对基于内容的图像检索技术中的特征提取方法展开论述,简要地介绍了近年来基于内容的图像检索中颜色、纹理、形状及语义特征的描述方法,并对颜色特征的描述方法以及特征相似性做了详细的论述。

《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

信息工程学院实验报告 课程名称:数字图像处理 实验项目名称:数字图像处理的基础实验时间:班级:姓名:学号: 实验目的: 1.通过本次实验熟悉matlab语言 2.学会对图像的放大缩小处理 实验环境: Matlab软件 实验内容及过程: 1.数字图像采样过程 (1)实现图像4倍、16倍的减采样(缩小) 最简单的是减小一半,这样只需取原图的偶(奇)数行和偶(奇)数列构成新的图像。 (2)实现图像4倍、16倍的增采样(放大) 如果需要将原图像放大k*k倍,则将一个像素值添在新图像的k*k的子块中。 注意:减采样或者增采样过程可以使用灰度图像或者彩色图像。编程时候要特别注意灰度图像的数据是2维的,彩色图像的数据是3维的。 2. 数字图像灰度级变换过程 (1)将一幅彩色图像转换为256级灰度图像; (2)将一幅256级灰度图像分别转换为64级、16级、8级、2级灰度图像。 实验结果及分析:

1.数字图像采样过程 (1)实现图像4倍、16倍的减采样(缩小)设计程序 function Iw = resample(I,m) [a,b] = size(I); aa = floor(a/m); bb = floor(b/m); Iw=zeros(aa,bb); for i=1:aa for j=1:bb Iw(i,j)=I(m*(i-1)+1,m*(j-1)+1); end end Iw=uint8(Iw); clc;clear; close all; I=imread('cameraman.tif'); m=4; Iw=resample(I,m); imshow(I); imshow(Iw); n=16; Iw2=resample(I,n); figure:imshow(Iw2); figure:imshow(I); 实验结果 (2)实现图像4倍、16倍的增采样(放大) function Iw = resample2(I,m) [a,b] = size(I); for i=1:a for j=1:b Iw(m*i,m*j)=I(i,j); end end Iw=uint8(Iw);clc; clear; close all; I=imread('cameraman.tif'); m=4; Iw=resample2(I,m); imshow(I); imshow(Iw); figure:imshow(I);

数字图像处理

数字图像处理 数字图像处理方法的研究源于两个主要应用领域:其一是为了便于人们分析而对图像信息进行改进:其二是为使机器自动理解而对图像数据进行存储、传输及显示。 从图像处理到计算机视觉这个连续的统一体内并没有明确的界线。然而,在这个连续的统一体中可以考虑三种典型的计算处理(即低级、中级和高级处理)来区分其中的各个学科。 低级处理涉及初级操作,如降低噪声的图像预处理,对比度增强和图像尖锐化。低级处理是以输入、输出都是图像为特点的处理。中级处理涉及分割(把图像分为不同区域或目标物)以及缩减对目标物的描述,以使其更适合计算机处理及对不同目标的分类(识别)。中级图像处理是以输入为图像,但输出是从这些图像中提取的特征(如边缘、轮廓及不同物体的标识等)为特点的。最后,高级处理涉及在图像分析中被识别物体的总体理解,以及执行与视觉相关的识别函数(处在连续统一体边缘)等。 图像获取是第一步处理。注意到获取与给出一幅数字形式的图像一样简单。通常,图像获取包括如设置比例尺等预处理。 图像增强是数字图像处理最简单和最有吸引力的领域。基本上,增强技术后面的思路是显现那些被模糊了的细节,或简单地突出一幅图像中感兴趣的特征。一个图像增强的例子是增强图像的对比度,使其看起来好一些。应记住,增强是图像处理中非常主观的领域。 图像复原也是改进图像外貌的一个处理领域。然而,不像增强,图像增强是主观的,而图像复原是客观的。在某种意义上说,复原技术倾向于以图像退化的数学或概率模型为基础。另一方面,增强以怎样构成好的增强效果这种人的主观偏爱为基础。 彩色图像处理已经成为一个重要领域,因为基于互联网的图像处理应用在不断增长。就使得在彩色模型、数字域的彩色处理方面涵盖了大量基本概念。在后续发展,彩色还是图像中感兴趣特征被提取的基础。 小波是在各种分辨率下描述图像的基础。特别是在应用中,这些理论被用于

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

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,

数字图像处理

实验名称:图像分割 所属课程:《数字图像处理》 实验类型:验证性实验 实验类别:专业 实验学时:3 一、实验目的 1.使用MatLab 软件进行图像的分割。 2.通过实验体会一些主要的分割算子对图像处理的效果。 3.探索各种因素对分割效果的影响。 二、实验原理及过程 1.实验背景 在对图像的研究和应用中,人们往往只对图像中的某些部分感兴趣,这些部分通常称为目标或者前景(其他不感兴趣的部分称为背景)。为了分析和辨识目标,需要将它们从背景中提取出来。从图像中提取目标的技术和过程就称为图像分割。图像分割是图像处理中一类重要的研究内容,其目的是把图像分成一些有意义、互不重叠的区域,分割结果的优劣将直接影响图像的后续处理。 作为图像分析、理解的基础,图像分割在诸多领域具有广泛的应用,例如基于内容的 图像检索、机器视觉、文字识别、指纹识别,以及生物医学图像处理方面的病变检测和识别,军事图像处理方面的地形匹配与目标制导,工业图像处理方面的无损探伤和非接触式检测等。另外,图像分割技术也已用于图像压缩编码,近年来发展起来的基于内容的视频编码(如MPEG-4)同样离不开图像分割的结果。 2.实验设计指标 ?能够自行评价各主要算子在无噪声条件下和噪声条件下的分割性能。 ?能够掌握分割条件(阈值等)的选择。 ?完成规定图像的处理并要求正确评价处理结果 ?能够从理论上作出合理的解释。 3.实验要求(设计要求)

(1)使用Roberts 算子的图像分割实验 调入并显示图像;使用Roberts 算子对图像进行边缘检测处理; Roberts 算子为一对模板: 相应的矩阵为:rh = [0 1;-1 0]; rv = [1 0;0 -1];这里的rh 为水平Roberts 算子,rv为垂直Roberts 算子。分别显示处理后的水平边界和垂直边界检测结果;用“欧几里德距离”和“街区距离”方式计算梯度的模,并显示检测结果;对于检测结果进行二值化处理,并显示处理结果; 注意: ?先做检测结果的直方图,参考直方图中灰度的分布尝试确定阈值。 ?应反复调节阈值的大小,直至二值化的效果最为满意为止。 ?分别显示处理后的水平边界和垂直边界检测结果。 ?将处理结果转化为“白底黑线条”的方式。 ?给图像加上零均值的高斯噪声;对于噪声图像重复步骤b~f。 (2)使用Prewitt 算子的图像分割实验 使用Prewitt 算子进行内容(1)中的全部步骤。 (3)使用Sobel 算子的图像分割实验 使用Sobel 算子进行内容(1)中的全部步骤。 (4)使用LoG (拉普拉斯-高斯)算子的图像分割实验 使用LoG (拉普拉斯-高斯)算子进行内容(1)中的全部步骤。提示: ?处理后可以直接显示处理结果,无须另外计算梯度的模。 ?注意调节噪声的强度以及LoG (拉普拉斯-高斯)算子的参数,观察处理结果。 (5) 打印全部结果并进行小组讨论。 4.实验(设计)仪器设备和材料清单 ?PC计算机 ?MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) ?实验所需要的图片 5.实验源代码: ?Roberts 算子、Prewitt 算子、Sobel 算子的图像分割实验 I=imread('F:\matlab作业\1.jpg'); %读取图像 I1=im2double(I); %将彩图序列变成双精度 I2=rgb2gray(I1); %将彩色图变成灰色图

(完整版)学习数字图像处理心得

学习数字图像处理心得 姓名:黄冬芬学号:070212051 班级:12级通信工程1班数字图像是我们生活中接触最多的图像种类,他伴随人们的生活、学习、工作,并在军事、工业和医学方面发挥着极大地作用,可谓随处可见,尤其在生活方面作为学生的我们,会在外出旅游,生活和工作中拆下许多数字照片,现在已进入信息化时代,图片作为信息的重要载体,在信息传输方面有着不可替代的作用,并且近年来图像处理领域,数字图像处理技术取得了飞速的发展,作为计算机类专业的大学生更加有必要对数字图像处理技术有一定的掌握,而大多数人对于数字图像的知识也很模糊,比如各类繁多的各种图像格式之间的特点,不同的情况该用何种图像格式,还有关于图像的一些基本术语也不甚了解。尤为重要的是一些由于拍摄问题导致的令人不甚满意的照片该如何处理,或者如何对一些照片进行处理实现特殊的表现效果。所以对于数字图像处理这门课大家有着极大地兴趣。我们班有的同学学过Photoshop软件,因此对于数字图像处理有了一些基础,更加想利用这门课的学习加深自己数字图像处理的理解并提高在数字图像处理方面的能力。 通过这8周的学习,我们虽然还没有完全掌握数字图像处理技术,但是收获不少,对于数字图像方面的知识有了更深的了解。更加理解了数字图像处理的本质,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的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)等大家都能叫上口但都很模糊的名词。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,增强图片的边缘等细节。而平滑处理的目的是消除噪声、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。对常见的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坚实的基础。更重要的是学习到了数字图像处理的思想。通过学习也是对C++编程应用的很好的实践和复习。 当然通过8周的学习还远远不够,也有许多同学收获甚微,我总结了下大家后期学习的态度与前期学习的热情相差很大的原因。刚开始大家是有很高的热情去学习这门课,可随着这门课的更深入的学习,大家渐渐发现课程讲授内容与自己起初想学的实用图像处理技术是有很大的差别的,大家更着眼于如何利用软件、技术去处理图像而得到满意的效果,或者进行一些图像的创意设计,可是课程的内容更偏向于如何通过编程实现如何多图像进行一些类似锐化、边缘提取、模糊、去除噪声等基础功能的实现,这其中涉及很多算法、函数,需要扎实的数学基础和编程基础,并且需要利用大量时间在课下编写代码,并用visual c++软件实现并进行调试,然而大部分人的C++实践能力和编程能力还有待提高,尤其是对于矩阵进行操作的编程尤为是个考验。 在老师授课方面的建议是可以再课上多进行一些具体操作,这

数字图像处理试题及答案

一、填空题(每题1分,共15分) 1、列举数字图像处理的三个应用领域 医学 、天文学 、 军事 2、存储一幅大小为10241024?,256个灰度级的图像,需要 8M bit 。 3、亮度鉴别实验表明,韦伯比越大,则亮度鉴别能力越 差 。 4、直方图均衡化适用于增强直方图呈 尖峰 分布的图像。 5、依据图像的保真度,图像压缩可分为 无损压缩 和 有损压缩 6、图像压缩是建立在图像存在 编码冗余 、 像素间冗余 、 心理视觉冗余 三种冗余基础上。 7、对于彩色图像,通常用以区别颜色的特性是 色调 、 饱和度 亮度 。 8、对于拉普拉斯算子运算过程中图像出现负值的情况,写出一种标定方法: m i n m a x m i ((,))*255/()g x y g g g -- 二、选择题(每题2分,共20分) 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 、RG B 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 三、判断题(每题1分,共10分)

相关文档
最新文档