数字图像处理课程设计

数字图像处理课程设计题目（2014/2015 第二学期）

1、图像增强经典方法实现

目的：1）了解图像增强的概念及经典的算法；

2）掌握对比度增强和灰度变换法的原理及实现；

要求：1）利用对比度增强中的直方图调整法、灰度变换法中的线性灰度变换和非线性灰度变换的方法，实现对图像的增强处理。

2）在实现算法的同时，思考如何通过调整算法中的参数，实现不同的增强效果。

2、图像平滑技术应用

利用噪声的性质消除图像中噪声的方法称为图像平滑。

目的：1）了解图像平滑的概念及常用的算法；

2）掌握均值滤波、高斯滤波和中值滤波的原理及实现；

要求：1）利用均值滤波器，采用3×3，5×5像素范围的平均值，实现对受高斯噪声干扰的图像进行平滑处理；

2）高斯滤波也是一种均值滤波的方法，滤波时根据高斯函数的形状来选择权值。采用3×3，5×5的高斯模板，实现对含高斯噪声的图像进行平滑处理；

3）中值滤波器是指输出值取滤波器窗口内像素灰度值排列顺序的中间值得滤波器，采用3×3中值滤波和5×5中值滤波对受椒盐噪声干扰的图像进行平滑处理；

3、图像锐化技术应用

图像中的边缘轮廓是灰度发生跳变的区域，因此，通过增强高频分量可以加强图像的边缘轮廓，使图像看起来比较清晰，这种方法就是图像的锐化。

目的：1）了解图像锐化的概念及常用的算法；

2）掌握最常用的图像锐化中的梯度算法原理及实现锐化图像的不同表示方式；

要求：1）利用梯度算法实现对原始图像的锐化处理；锐化图像采用梯度值显示，即微分图像直接输出；

2）利用梯度算法实现对原始图像的锐化处理；锐化图像采用背景取单一灰度值，轮廓取梯度值；

3）利用梯度算法实现对原始图像的锐化处理；锐化图像采用轮廓、背景分别取单一灰度值，即二值图像输出。

4、图像分割技术应用—阈值化

阈值化是特征空间聚类分割方法中最简单的分割算法，在分割一幅图像时，通过确定合适的阈值，将像素分成“亮的”和“暗的”两类。

目的：1）了解图像分割的概念及特征空间聚类分割方法；

2）掌握最常用的特征空间聚类分割方法中的阈值化算法原理及实现；

要求：1）对原始图像选取合适的阈值；利用该阈值将原始图像分成目标和背景两部分；

2）对原始图像利用迭代法进行自动阈值化分割，即通过算法自适应的选取阈值；

3）目标和背景出现部分重叠时，利用双阈值法实现对原始图像的分割。

5、图像分割技术应用—区域跟踪

区域生长法属于区域跟踪的图像分割方法，就是从满足检测准则的点开始，在各个方向上把具有相似性质的像素集合起来构成一个区域。

目的：1）了解图像分割的概念及边缘检测分割方法；

2）掌握Hough变换的原理及实现；

要求：在带有椒盐噪声的图像中利用Hough变换检测直线：

1）从原始二值图像中获取Hough矩阵；

2）获取Hough矩阵中的峰值；

3）绘制所检测到的直线。

6、图像分割技术应用—形态学图像分割

目的：1）了解图像分割的概念及数学形态学分割方法；

2）掌握阈值化和区域填充的原理及实现；

要求：QR二维码图像的阈值处理与区域填充。

1）获取QR二维码图像，必要的图像增强处理；

2）将增强后的图像进行阈值化分割；

3）对分割后的图像进行区域填充，使分割出的二维条码区域更完整。

7、特征选取的应用—区域标记

区域标记是指给连接在一起的像素附上相同的标记，不同的连接成分附上不同标记的处理。区域标记在二值图像处理中占有非常重要的地位。

目的：1）了解图像特征选取的概念及方法；

2）掌握区域标记算法的原理及具体实现；

要求：图像的区域标记实现：

1）获取实验图像，并对原始图像进行图像分割处理；

2）将分割图像转化成二值图像；

3）对二值图像进行区域标记并显示。

8、特征选取的应用—基于特征参数提取物体

目的：1）了解图像特征选取的概念及方法；

2）掌握基于特征参数提取算法的原理及实现；

要求：基于特征参数提取图像中的香蕉：

1）获取一幅含有多种水果的实验图像（其中必需包括香蕉），并对原始图像进行图像分割处理；

2）将分割图像转化成二值图像；

3）对所有水果提取特征值，实现对感兴趣目标香蕉的分割。