数字图像处理图像期中.
《数字图像处理》课程教学大纲
《数字图像处理》课程教学大纲课程代码：ABJD0619课程中文名称：数字图像处理课程英文名称：Dig让a1ImageProcessing课程性质：选修课程学分数：3学分课程学时数：48学时(32理论课时+16实验学时)授课对象：电子信息工程本课程的前导课程：高等数学，概率论，线性代数，数字信号处理，信息论，程序设计等一、课程简介数字图像处理是一门新兴的跨学科的前沿高科技，在军事、工业、科研、医学等领域获得了广泛应用，是国内外高校和科研院所的研窕生教育中一个重要的研究方向。
通过本课程的学习，同学们将掌握数字图像处理的基本理论与方法，包括图像变换、图像增强、图像分割、图像恢复、图像识别、图像压缩编码、数字图像处理系统及应用等内容。
二、教学基本内容和要求(-)数字图像处理方法概述教学内容：数字图像处理的研究对象、基本应用、研究内容等，数字图像的基本概念、彩色图像的调色板等概念。
课程的重点、难点：重点：CDIB类与程序框架结构介绍。
难点：调色板的基本概念和应用。
教学要求：D了解本课程研究的对象、内容及其在培养软件编程高级人才中的地位、作用和任务；2)了解数字图像处理的应用；3)理解数字图像的基本概念、与设备相关的位图(DDB)、与设备无关的位图(D1B)；4)理解调色板的基本概念和应用；5)了解CD1B类与程序框架结构介绍；6)掌握位图图像处理技术。
(二)图像的几何变换教学内容：图像的几何变换种类以及概念，几何变换的实现原理和实施方法课程的重点、难点：重点：镜像变换。
难点：旋转。
教学要求：1）理解图像的缩放、平移、镜像变换、转置、旋转。
（三）图像灰度变换教学内容：直方图的概念、灰度的点运算（包含灰度信息的线性变化、指数变换等）、直方图的均匀化和规定化课程的重点、难点：重点：灰度直方图。
难点：灰度分布均衡化。
教学要求：1）了解非O元素取1法、固定阈值法、双固定阈值法的图像灰度变换；2）掌握灰度的线性变换、窗口灰度变换处理、灰度拉伸、灰度直方图、灰度分布均衡化。
数字图像处理期中试题库
8.打开测试图像文件夹中的“水表8bi。
9.打开测试图像文件夹中的“水表8bit.bmp”，单击“灰度切分”菜单，实现图像的灰度切分。
10.打开测试图像文件夹中的“椒盐噪声8bit.bmp”，单击“十字形中值滤波”菜单，实现图像的十字形中值滤波。
5.打开测试图像文件夹中的“星球24bit.bmp”，单击“24bit直方图信息保存”菜单，将图像的直方图信息保存在相同文件夹下，文件名为“planhist.txt”,以R、G、B的顺序依次存放，256个直方图数组信息每一个占16个字符空间，从0开始依次摆放，格式为
R:
0:4352 1:5463等
G:
0:4352 1:5463等
B:
0:4352 1:5463等。并用写字板打开验证。
6.打开测试图像文件夹中的“水表8bit.bmp”，单击“改变图像”菜单，在图像数组的相应位置改变数值，使得图像从左到右，从上到下居中出现一个20个像素宽的黑色十字架。
7.打开测试图像文件夹中的任意图像，单击“图像信息显示”菜单，将图像的信息“宽，高，文件大小、像素深度”显示到一个对话框中。
期中上机试题
1.打开测试图像文件夹中的任意图像，单击“画十字星”菜单，在图像中央画一个红色的十字星，要求线宽10个像素。
2.打开测试图像文件夹中的“水表8bit.bmp”，单击“部分另存为”菜单，将图像的片段（x,y范围都从100到200）另存在相同文件夹下，文件名为“mywater.bmp”。
3.打开测试图像文件夹中的“星球24bit.bmp”，单击“部分另存为”菜单，将图像的片段（x,y范围都从100到200）另存在相同文件夹下，文件名为“myplane.bmp”。
4.打开测试图像文件夹中的“水表8bit.bmp”，单击“8bit直方图信息保存”菜单，将图像的直方图信息保存在相同文件夹下，文件名为“waterhist.txt”,256个直方图数组信息每一个占16个字符空间，从0开始依次摆放，格式为0:4352 1:5463等。并用写字板打开验证。
数字图像处理-期中测试题-zsj
《数字图像处理》期中测试题（1-6章）一、填空题（每小题1分，共15分）1. 数字图像是用一个数字阵列来表示的图像。
数字阵列中的每个数字，表示数字图像的一个最小单位，称为__________。
2. 数字图像处理可以分为三个层面：一是从图像到图像，称为___________；二是从图像到符号，称为________________；三是从图像到语义，称为________________。
3. 图像因其表现方式的不同，可以分为________________和离散图像两大类。
4. 图像的量化可以分为均匀量化和________________两大类。
5. 对应于不同的场景内容，一般数字图像可以分为二值图像、______________和彩色图像三类。
6. 图像的几何坐标变换包括图像的平移、____________及旋转。
7. 人在区分颜色时常用三种基本特征量，它们是：亮度、____________和____________。
8. 国际照明委员会于1931年规定了三种基本色的波长，并将其称为三基色，它们分别是红色、蓝色和________________。
红色和蓝色的二次色称为___________。
9. 所谓图像变换，是指将图像信号从______________变换到另外的域上（如频域）进行分析的手段。
10. 理想低通滤波器对图像的处理会有__________效应，这种效应通过_____________滤波器可以减轻或消除。
二.选择题（每小题2分，共20分）1. 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2. 一幅256*256的图像，若灰度级数为16，则该图像的大小是：（）A、128KBB、32KBC、1MBD、2MB3. 中值滤波器可以：（）A、消除孤立噪声B、检测出边缘C、进行模糊图像恢复D、模糊图像细节4. 下图1是一幅标准测试图像Lena图，对图像进行处理后，形成的结果图像如图2所示。
数字图像期中考试试题
数字图像期中考试试题
《数字图像处理》中期测试
注意：请自备一张答题纸，将以下试题的答案写在纸上。
注明学号，姓名！上交时间：本周五上课时统一上交（5月16号）1．试阐述图像工程的三个层次及相互之间的关系。
2．一个完整的图像处理系统包括哪些的基本功能？
3．灰度映射的基本原理是什么？典型的灰度映射有哪些？
4．直方图均衡化处理的主要步骤是什么？
5．直方图规定化处理与直方图均衡化处理有什么区别？
6．试论述模板卷积和模板排序的基本步骤。
7．试论述使用理想低通滤波器对图像进行滤波产生振铃现象的原因。
数字图像处理与计算机视觉实验项目课程大纲
数字图像处理与计算机视觉实验项目课程大纲一、课程简介数字图像处理与计算机视觉实验项目课程旨在介绍数字图像处理和计算机视觉的基本理论和实践技术。
通过本课程的学习，学生将掌握数字图像处理和计算机视觉的基本概念、算法和应用，并能够独立进行数字图像处理和计算机视觉的相关实验项目。
二、课程目标1. 理解数字图像处理和计算机视觉的基本概念和原理；2. 掌握数字图像处理和计算机视觉的常用算法和技术；3. 能够运用所学知识解决实际的图像处理和计算机视觉问题；4. 培养学生的实验设计和数据分析能力；5. 培养学生的团队合作和沟通能力。
三、教学内容1. 数字图像处理基础知识1.1 数字图像的表示和存储1.2 灰度变换和直方图处理1.3 空域滤波和频域滤波1.4 图像增强和恢复1.5 图像分割和边缘检测2. 计算机视觉基础知识2.1 图像特征提取和描述2.2 目标检测和识别2.3 相机几何和三维重建2.4 图像匹配和跟踪2.5 图像分析和理解3. 实验项目设计与实施3.1 实验环境搭建和工具介绍3.2 实验项目选题和设计3.3 实验数据采集和处理3.4 实验结果展示和分析3.5 实验报告撰写和展示四、教学方法本课程采用理论讲授相结合的教学方法，包括课堂讲解、实验项目设计和实施、实验报告撰写和展示等环节。
教师将通过示范、指导和评估，引导学生独立思考和动手实践，培养学生的实际操作能力和解决问题的能力。
五、考核方式1. 平时成绩：包括实验项目的设计与实施、实验报告的撰写和展示、课堂参与等因素。
2. 期中考核：包括理论知识考察和实验操作考核。
3. 期末考试：综合考察学生对数字图像处理和计算机视觉的理论和实践能力。
六、参考教材1. 《数字图像处理》，冈萨雷斯等著，电子工业出版社；2. 《计算机视觉中的数学方法》，Hartley等著，电子工业出版社；3. 《数字图像处理与计算机视觉实验指导书》，XX大学计算机科学系。
七、实验设备与软硬件要求1. 计算机及相关硬件设备（如相机、传感器等）；2. 相关图像处理和计算机视觉软件（如MATLAB、OpenCV等）；3. 实验室配备相应的实验设备和软硬件环境。
期中考试卷子答案 数字图像处理
1．什么是数字图像？（14分）答：一副图像可定义为一个二维函数f(x,y)，当x,y和幅值f为有限的离散数值时，称给图像为数字图像。
2．请解释以下概念：（14分）像素的四邻域、八邻域像素的4-连通性、8-连通性像素的D4距离、D8距离答：对于象素P(x,y) ，q(s,t)象素的四邻域是：P(x,y-1)，P(x,y+1)，P(x-1,y)，P(x+1,y)象素的八邻域是：P(x,y-1)，P(x,y+1)，P(x-1,y)，P(x+1,y)P(x-1,y-1)，P(x+1,y+1)，P(x-1,y+1)，P(x+1,y-1) 象素的4-连通性：处于P的四领域上的点，被称为与点P是4-连通的。
象素的8-连通性：处于P的八领域上的点，被称为与点P是8-连通的。
象素的D4距离：D4 = |x – s| + |y – t|象素的D8距离：D8= max(|x – s|, |y – t|)3．请叙述直方图的定义，以及进行直方图均衡的详细过程。
（14分）答：直方图的定义为：P(r k) = n k / n，其中n是图象中的象素的总数；第k个灰度级的象素个数n k；r k是第k个灰度级的值。
直方图均衡过程如下：●计算原始直方图●计算各灰度级累积直方图●将累积直方图值取整扩展到[0,L-1]●确定灰度映射对应关系●根据映射关系计算均衡化直方图4．简述局部平均法的优缺点。
（14分）答：（1）局部平均法是将窗口内所含的象元灰度取平均作为中心像元的输出值。
（2）优点是计算简单，速度快。
但在降低噪声的同时，使图像产生模糊，特别是在边缘和细节处。
5．给出梯度算子和Laplacian算子，并论述两算子检测边缘的异同点？（14分）（梯度算子）梯度算子是利用阶跃边缘灰度变化的一阶导数特性，认为极大值点对应于边缘点；而Laplacian算子检测边缘是利用阶跃边缘灰度变化的二阶导数特性，认为边缘点是零交叉点。
相同点都能用于检测边缘，且都对噪声敏感。
数字图像处理(双语)期中考试试卷答案
考试试卷(答案)试卷编号：( )卷课程编号：课程名称：数字图像处理（双语）考试形式：适用班级：姓名：学号：班级：学院：信息工程学院专业：电子系各专业考试日期：一二三四五六七八九十总分累分人签名题分20 20 20 20 20 0 0 0 0 0 100得分考生注意事项：1、本试卷共5页，请查看试卷中是否有缺页或破损。
如有立即举手报告以便更换。
2、考试结束后，考生不得将试卷、答题纸和草稿纸带出考场。
一、基础知识填空题(1,2为单项选择,每空3分,3,4为多项选择,每空2分,共20分),1 1、When you enter a dark room on a bright day, it takes some time to see wellenough, this is the visual process or visual phenomenon ofA. (Brightness adaptation.)B. (Brightness discrimination.)C. (Optical illusion.)D. (Simultaneous contrast.)2、The visible spectrum consists of electromagnetic spectrum nearly in therange of wavelength:A. (10 – 400 nm)B. (0.01 – 10 nm)C. (400 – 700 nm)D. (700 – 1500 nm)3、For V = {1}, the subsets S1 and S2areA. (m-connected)B. (8-connected )C. (4-connected)D. (None of these 3)4、Two pixels p and q are at the locations shown in the figure, their Euclidean,city-block and chessboard distances are respectively:A. D e= ( )B. D4 = ( 6 )C. D8 = ( 4 ) 0 0 0 1 21 2 7 6 5(p)得分评阅人二、空域图像增强题1(Image enhancement in the spatial domain) (20分) Exponential of the form s = T (r ) = 2552r e α-, 0 ≤ r ≤ 255, with α being a positive constant, are useful for constructing smooth gray-level transformation functions. (1) Start with this basic function and construct transformation functions having the shapes shown in the above figures. (15分) (2) What kind of transformation does the function of (a) approximatelycomplete for an input of a gray intensity image? （5分） (1) (a)so.(b)so得分 评阅人255 255255 (b)(a)(c)三、空域图像增强题2(Image enhancement in the spatial domain) (20分)The White bars in the test pattern shown are 7 pixels wide and 210 pixels high. The separator between bars is 17 pixels. What would this image look like after application of1. A 3×3 median filter?2. A 7×7 median filter?3. A 9×9 median filter?4. A 15×15 median filter?( Note: in your answer, quantitative analysis is expected. )Answer:The separator between bars is 17 pixels wide > 15, so none of the 4 filters can remove any black pixels. We can treat all black pixels as background.1. Applying a 3×3 median filter removes the 1 pixel at the top left, top right, bottom left and bottom right locations of each bar, as shown in (a), which is an amplified corner of the filteredimage.2. Applying a 7×7 median filter remove 6 pixels located at the top left, the top right, the bottom left, the bottom right of each bar, as shown in (b)，which is an amplified corner of the median filtered image.0111110 0001000 3×3 1111111 7×7 01111110 1111111 011111103. Applying a 9×9 median filter remove 10 pixels located at the top left, the top right, the bottom left, the bottom right of each bar, as shown in (c). which is an amplified corner of the median filtered image 0000000 9×9 001110001111104. This time all bars are disappeared.得分 评阅人(a)(b)(a)。
数字图像处理-期中考试
期中考试非线性平滑——中值滤波一. 实验目的1. 了解统计排序滤波器在数字图象处理中的作用；2. 理解中值滤波的原理、特点、适用对象；3. 掌握中值滤波的各种方法。
二. 实验原理中值滤波是一种非线性信号处理方法，与其对应的中值滤波器是一种统计排序滤波器，用象素邻域内各灰度级排序的中值来代替该象素的灰度级（用一个奇数点的移动窗口， 将窗口中心点的值用窗口内的中值代替），一定条件下，可以克服线性滤波器（如邻域平滑滤波等）所带来的图象细节模糊，而且对滤除脉冲干扰及图象扫描噪声最为有效（中值滤波的输出与输入噪声的密度分布有关，对随机噪声的抑制能力，中值滤波比平均值滤波要差一些；但对脉冲干扰，特别是脉冲宽度小于窗口一半、相距较远的窄脉冲干扰，中值滤波的效果较好）。
设有一个一维序列f 1, f 2, …, f n ，取窗口长度（点数）为m （m 为奇数），对其进行中值滤波，就是从输入序列中相继抽出m 个数f i-v , …, f i-1, f i , f i +1, …, f i+v （其中f i 为窗口中心点值，v =(m -1)／2）， 再将这m 个点按其数值大小排序，取其序号为中心点的那个数作为滤波输出。
用数学公式表示为：21-=∈=+-m v ,N i }f ,f ,,f {Med y v i i v i i （4—1） 这样处理的特点是：周期小于m/2（窗口一半）的脉冲会被抑制，而周期大于m/2（窗口一半）的脉冲得到保留，在窗口内单调增加或单调减少的序列， 中值滤波输出信号仍保持输入信号不变（利用这个特点，可以使中值滤波既能去除图象中的噪声，又能保持图象中一些物体的边缘）。
同理，二维中值滤波可由下式表示：}{ij Aij f Med y = （4—2） 式中：A 为窗口； {f ij }为二维数据序列。
这样处理的特点是：当在窗口内，被噪声污染的象素不超过滤波器区域的一半时，噪声会被抑制；当在窗口内，被噪声污染的象素超过滤波器区域的一半时，噪声会得到保留。
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< i（x，y)〈∞ ，反射分量0 <r(x,y）<1。
7.图像数字化:将一幅画面转化成计算机能处理的形式-—数字图像的过程。
它包括采样和量化两个过程。
像素的位置和灰度就是像素的属性。
8.将空间上连续的图像变换成离散点的操作称为采样.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。
14.数字化器组成:1)采样孔：保证单独观测特定的像素而不受其它部分的影响。
2)图像扫描机构:使采样孔按预先确定的方式在图像上移动。
数字图像处理课程设计
数字图像处理课程设计一、课程目标知识目标：1. 学生能够理解数字图像处理的基本概念，掌握图像的数字化过程、图像格式和颜色空间等基础知识；2. 学生能够掌握图像处理的基本操作，如图像的读取、显示、保存和变换；3. 学生能够了解并运用图像滤波、边缘检测、图像分割等常用算法；4. 学生能够理解图像特征提取和描述的基本方法，并应用于图像识别和分类。
技能目标：1. 学生能够运用编程语言（如Python）和相关库（如OpenCV）进行数字图像处理实践操作；2. 学生能够运用图像处理技术解决实际问题，如图像增强、图像复原和图像分析；3. 学生能够通过实际案例，掌握图像处理算法的选择和优化方法；4. 学生能够运用所学知识，开展小组合作，共同完成图像处理项目。
情感态度价值观目标：1. 学生培养对数字图像处理技术的兴趣和热情，增强学习动力；2. 学生树立正确的图像处理观念，遵循学术道德，不侵犯他人隐私；3. 学生培养团队协作精神，学会与他人分享和交流，提高沟通能力；4. 学生能够认识到数字图像处理技术在日常生活和各行各业中的应用价值，激发创新意识。
课程性质：本课程为实践性较强的学科，注重理论知识与实际应用的结合。
学生特点：高中年级学生，具备一定的数学和编程基础，对图像处理技术有一定了解，好奇心强，喜欢动手实践。
教学要求：教师应注重启发式教学，引导学生主动探究，培养学生的实践能力和创新精神。
教学过程中，关注学生的个体差异，提供个性化指导，确保课程目标的达成。
同时，注重过程性评价，全面评估学生的学习成果。
二、教学内容1. 数字图像处理基础- 图像的数字化过程- 常见图像格式及颜色空间- 图像的读取、显示和保存2. 图像处理基本操作- 图像变换（几何变换、灰度变换）- 图像增强（直方图均衡化、空间滤波）- 图像复原（逆滤波、维纳滤波）3. 图像滤波与边缘检测- 常用滤波算法（均值滤波、中值滤波、高斯滤波）- 边缘检测算法（Sobel算子、Canny算子）4. 图像分割- 阈值分割（全局阈值、局部阈值）- 区域分割（区域生长、分裂合并）5. 图像特征提取与描述- 基本特征（颜色特征、纹理特征、形状特征）- 特征描述（HOG描述子、SIFT描述子）6. 图像识别与分类- 基本分类算法（K最近邻、支持向量机）- 深度学习方法（卷积神经网络）7. 实践项目- 图像增强与复原- 边缘检测与图像分割- 特征提取与图像分类教学内容安排与进度：1. 第1-2周：数字图像处理基础2. 第3-4周：图像处理基本操作3. 第5-6周：图像滤波与边缘检测4. 第7-8周：图像分割5. 第9-10周：图像特征提取与描述6. 第11-12周：图像识别与分类7. 第13-14周：实践项目教材关联：教学内容与教材章节紧密关联，涵盖《数字图像处理》教材中的基础知识和实践应用。
数字图像处理期中考试
2018学年第二学期数字图像处理期中考试
（考试时间70分钟）
一、美化人物照片（20分）
1、对素材1进行处理，最终效果图如下。
保存文件为“学号+姓名+美化
人物.psd”和“学号+姓名+美化人物 .jpg”。
二、绘制图案（30）
1、绘制图案，图像大小为1000像素*1000像素，分辨率为300像素/英寸，
效果如图所示。
保存文件为“学号+姓名+绘制图案.psd”和“学号+姓
名+绘制图案.jpg”。
三、制作名片（40分）
1、名片的大小为90mm*55mm,分辨率为300，效果图如下.
2、制作名片的正面，店长的姓名为学生本人姓名，使用的皇冠是自定义形
状中的“皇冠1”，保存文件为“学号+姓名+名片正面 .psd”和“学
号+姓名+名片正面 .jpg”。
3、制作名片的反面，使用的形状是自定义形状中的“装饰8”，保存文件
为“学号+姓名+名片反面 .psd”和“学号+姓名+名片反面 .jpg”。
四、快乐宝贝（10分）
1、使用素材中的宝贝照片1-4张，自主设计，适当增加文字修饰，保存文
件为“学号+姓名+快乐宝贝.psd”和“学号+姓名+快乐宝贝 .jpg”。
可参考如下模板。
数字图像处理与计算机视觉实验课程大纲
数字图像处理与计算机视觉实验课程大纲一、课程简介数字图像处理与计算机视觉实验课程旨在介绍数字图像处理和计算机视觉的基本概念、原理和应用。
通过该课程的学习，学生将深入了解图像处理技术的基础知识，掌握图像处理的常用算法和工具，同时还将学习计算机视觉的相关理论和实践。
本大纲将详细说明课程的教学目标、内容和考核方式。
二、教学目标1. 了解数字图像处理和计算机视觉的基本概念和发展历程；2. 掌握数字图像的获取、表示和处理方法；3. 学习数字图像处理的基础算法，如图像增强、滤波和分割等；4. 熟悉计算机视觉的相关理论和技术，如目标检测、特征提取和图像识别等；5. 能够运用所学知识解决实际图像处理和计算机视觉问题。
三、教学内容1. 数字图像处理基础1.1 数字图像的基本概念和特性；1.2 图像获取和表示方法；1.3 图像的数学变换和编码技术。
2. 图像增强与滤波2.1 灰度增强和直方图处理；2.2 空间域滤波和频域滤波；2.3 噪声抑制和锐化处理。
3. 图像分割与描述3.1 阈值分割和边缘检测；3.2 区域生长和分水岭算法；3.3 形态学图像处理。
4. 计算机视觉基础4.1 计算机视觉的基本原理和任务；4.2 特征提取和描述方法；4.3 目标检测和跟踪技术。
5. 图像识别与机器学习5.1 图像分类和识别方法；5.2 深度学习在计算机视觉中的应用；5.3 实际案例分析和应用展望。
四、教学方法本课程将采用理论讲授、实验操作和案例分析相结合的教学方法。
1. 理论讲授：通过课堂讲解，详细介绍数字图像处理和计算机视觉的基本概念、原理和算法。
2. 实验操作：安排实验环节，让学生亲自操作图像处理和计算机视觉软件，实践所学知识。
3. 案例分析：通过实际案例分析，引导学生分析和解决实际图像处理和计算机视觉问题。
五、考核方式1. 平时成绩：包括参与度、作业完成情况和实验报告等。
2. 期中考试：对数字图像处理和计算机视觉的基础知识进行考查。
数字图像处理期中考试最终版本
//读取图像灰度和大小
for(i=200;i<400;i++)
file.Write(&pDoc->pImage[i*pDoc->nWidth+200],200);
if (pDoc->BitCount==24)
{
file.Write(pDoc->pBitMapInfo,sizeof(BITMAPINFOHEADER));
}
if(pDoc->BitCount==8)
file.Write(pDoc->pBitMapInfo,sizeof(BITMAPINFOHEADER)+pDoc->ColorUsed *sizeof(RGBQUAD));
{
for(j = pDoc->BmpHeight / 2 - 5; j < pDoc->BmpHeight / 2 + 5; j ++)
{
pDoc->pImage[j * pDoc->nWidth + i] = 0;
}
}
for(i = pDoc->BmpHeight / 2 - 50; i < pDoc->BmpHeight / 2 + 50; i ++)
CFile file;
CFileDialog dlg(FALSE, "bmp", sFileName,
数字图像处理期中考试答案
{
sprintf(s,"\n");
fwrite(s,1,1,fp);
}
}
fclose(fp);
}
void CTeach_testView::On8bitChange()
{
CTeach_testDoc *pDoc=GetDocument();
int i,j;
for(i=0;i<10;i++)
fp=fopen("mywater.bmp","wb+");
BMpFHeader=pDoc->BitMapFileHeader;
BMpFHeader.bfSize=200*200+14+40+1024;
pBMapInfo=pDoc->pBitMapInfo->bmiHeader;
pBMapInfo.biWidth=200;
dc.LineTo(40+i,320-nHist[i]/20);
dc.SelectObject(oldpen);
}
for(i=0+256;i<=255+256;i++)
{
CPen pen(PS_SOLID,1,RGB(0,255,0));
CPen*oldpen =dc.SelectObject(&pen);
{
nHist[pDoc->pImage[i*pDoc->nWidth+j]]++;
}
}
for(i=0;i<256;i++)
{
sprintf(s,"%3d:%6d ",i,nHist[i]);
数字图像处理(基本全部答案)
数字图像处理试卷一名词解释（共30分，每题5分）1. 数字图像与数字图像处理数字图像数字图像是指由被称作像素的小块区域组成的二维矩阵。
将物理图像行列划分后，每个小块区域称为像素（pixel）。
数字图像处理指用数字计算机及其它有关数字技术，对图像施加某种运算和处理，从而达到某种预想目的的技术。
2.采样与量化采样是将空域上连续的图像变换成离散采样点集合，是对空间的离散化。
经过采样之后得到的二维离散信号的最小单位是像素。
量化就是把采样点上表示亮暗信息的连续量离散化后，用数值表示出来，是对亮度大小的离散化。
经过采样和量化后，数字图像可以用整数阵列的形式来描述。
3.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。
4.图像增强将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。
5.边缘检测边缘能勾划出目标物体轮廓，使观察者一目了然，包含了丰实的信息（如方向、阶跃性质、形状等），是图像识别中抽取的重要属性。
边缘检测是大多数图像处理必不可少的一步，提供了物体形状的重要信息。
6.图像变换通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。
二简答题（共50分）1.简述数字图像处理的至少4种应用。
（5分）①遥感中，比如土地测绘、气象监测、资源调查、环境污染监测等方面。
②在医学中，比如B超、CT机等方面。
③在通信中，比如可视电话、会议电视、传真等方面。
④在工业生产的质量检测中，比如对食品包装出厂前的质量检查、对机械制品质量的监控和筛选等方面。
⑤在安全保障、公安方面，比如出入口控制、指纹档案、交通管理等。
2.简述二值图像、灰度图像、彩色图像的区别。
（5分）二值图像是指每个像素不是黑，就是白，其灰度值没有中间过渡的图像。
这种图像又称为黑白图像。
二值图像的矩阵取值非常简单，每个像素的值要么是1，要么是0，具有数据量小的特点。
数字图像处理-期中考试
数字图像处理-期中考试《数字图像处理》期中考试试题1.⼀幅分辨率为1024*768的真彩⾊图像（每个像素⽤RGB三个字节表⽰），其所占的存储空间为多少MB？若考虑4字节对齐，分辨率为1022*768的真彩⾊图像，所占的存储空间为多少MB？1024*768*3 = 2304 KB若按4字节对齐，则每⾏的字节数为：(int)(1022 * 3 + 3)/ 4 = 767所占的空间为：767*768 =2.简述位图⽂件的存储格式。
位图⽂件格式由四部分组成，分别是位图⽂件头、位图信息头、调⾊板以及位图像素数据，其中调⾊板信息为可选信息，只有当每个像素的⽐特数⼩于或等于8（BITMAPINFOHEADER.biBitCount<=8）时才存在，即为⼀个颜⾊查找表。
3.简述直⽅图均衡化的基本过程。
若⼀幅图像具有如表1所⽰的概率分布，给出直⽅图均衡化后的灰度级对应关系以及均衡化后的直⽅图分布。
表14. 阐述基于双线性插值的图像缩放的主要原理。
对于如下的灰度图像，给出放⼤2倍后的灰度图像。
（1）反向映射设缩放的⽐例为k ，对于缩放后图像中的每个像素(',')x y ，求其在原始图像中的坐标(,)x y ：'/'/x x ky y k =??=?（2）双线性插值反向映射得到原始图像中的(,)x y 的坐标是浮点数，⽽在离散数字图像中，每个像素的坐标都是整数，因此可以通过双线性插值的⽅法得到最后的颜⾊值。
⾸先得到原始图像中与(,)x y 最近的四个像素点的坐标00(int)(int)x x y y =??=?，10101x x y y =+??=?，202011x x y y =+??=+?，30301x x y y =??=+? ⾸先在x ⽅向进⾏差值得到：110010()()P P x x P P =+--223023()()P P x x P P =+--然后在y ⽅向进⾏插值得到最终的颜⾊值：112211(0)()P P y y P P =+--放⼤后的图像：图像边界处的图像随处理⽅法的不同，可能会有不同。
数字图像处理期中作业
贺文龙2008118029 电信期中作业图像的变换域压缩编码实验内容：设计一种基于变换域的压缩编码方法（如DCT，DHT等），并在变换域设计一种系数量化方案压缩图像。
实验代码一、clear all;close all;clcI=imread('lenna.jpg')I=rgb2gray(I);I=im2double(I) %转换图像矩阵为双精度型。
J=dct2(I);T=dctmtx(8) %产生二维DCT变换矩阵a1=[16 11 10 16 24 40 51 61;12 12 14 19 26 58 60 55;14 13 16 24 40 57 69 56;14 17 22 29 51 87 80 62;18 22 37 56 68 109 103 77;24 35 55 64 81 104 113 92;49 64 78 87 103 121 120 101;72 92 95 98 112 100 103 99 ];for i=1:8:200for j=1:8:200P=I(i:i+7,j:j+7);K=T*P*T';I2(i:i+7,j:j+7)=K;K=K./a1; %量化K(abs(K)<0.03)=0;I3(i:i+7,j:j+7)=K;endendfigure;imshow(I2);title('DCT变换后的频域图像'); %显示DCT变换后的频域图像for i=1:8:200for j=1:8:200P=I3(i:i+7,j:j+7).*a1; %反量化K=T'*P*T;I4(i:i+7,j:j+7)=K;endendfigure;imshow(I4);title('复原图像');B=blkproc(I,[8,8],'P1*x*P2',T,T')%计算二维DCT，矩阵T及其转置是DCT函数P1*X*P2的参数mask=[1 1 1 1 0 0 0 01 1 1 0 0 0 0 01 1 0 0 0 0 0 01 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 0 ]%二值掩模，用来压缩DCT系数，只留下DCT系数中左上角的10个B2=blkproc(B,[8 8],'P1.*x',mask) %只保留DCT变换的10个系数I2=blkproc(B2,[8 8],'P1*x*P2',T',T) %重构图像figureimshow(I)title('原始图像');figureimshow(I2);title('压缩图像');figureimshow(J);figuremesh(J) %画出J的立体网状图colorbar('horiz') %在水平条方向用不同的颜色表示曲面的高度二、运行结果分析执行程序产生的二维DCT变换矩阵T如下：T =0.3536 0.3536 0.3536 0.3536 0.3536 0.3536 0.3536 0.35360.4904 0.4157 0.2778 0.0975 -0.0975 -0.2778 -0.4157 -0.49040.4619 0.1913 -0.1913 -0.4619 -0.4619 -0.1913 0.1913 0.46190.4157 -0.0975 -0.4904 -0.2778 0.2778 0.4904 0.0975 -0.41570.3536 -0.3536 -0.3536 0.3536 0.3536 -0.3536 -0.3536 0.35360.2778 -0.4904 0.0975 0.4157 -0.4157 -0.0975 0.4904 -0.27780.1913 -0.4619 0.4619 -0.1913 -0.1913 0.4619 -0.4619 0.19130.0975 -0.2778 0.4157 -0.4904 0.4904 -0.4157 0.2778 -0.0975图1 lenna的原始图像图2 DCT变换后的频域图像分析：通过矩阵a1只对图像左上角的一部分进行了DCT变换后的频域处理。
数字图像处理图像期中.
3、灰度分辨率变化后的图像 X3=floor(X/4); X31=imresize(X3,[256 256]); figure; imshow(X31); title('灰度分辨率变化后的图像')
4、用PSNR客观评价变化前后的效果 x = double(X); x21= double(X21); x31 = double(X31); s1=0;s2=0; for i=1:m; for j=1:n; s1=s1+(x(i,j)-x21(i,j))^2; s2=s2+(x(i,j)-x31(i,j))^2; end; end; MSE1=s1/(m*n); MSE2=s2/(m*n); PSNR1=10*log10((255^2)/MSE1) PSNR2=10*log10((255^2)/MSE2)
概念阐述
1、空间分辨率 数字图像的空间分辨率可以用单位面积的像素数来表
示，而单位面积中的像素数直接取决于采样频率或采 样间隔。对于同一场景的同样尺寸的图像，空间分辨 率越高意味着图像越清晰，在图像中能够分辨的细节 越多。 2、灰度分辨率 图像的灰度分辨率是指将像素的总体灰度范围划分成 多少个等级，等级越多，灰度分辨率越高，意味着图 像的深浅层次越丰富，在图像中能够分辨的细节越多。
5、保存图像 imwrite(X1,'E:\3.jpg'); %保存图像
3.客观评价指标PSNR
相关函数及结果显示
1、读入图像 X=imread('E:\2.jpg');
figure;
imshow(X);
title('原图像');
2、空间分辨率变化后的图像 [m,n]=size(X); X2=X(1:4:m,1:4:n); X21=imresize(X2,[256 256]); figure; imshow(X21); title('空间分辨率变化后的图像');
数字图像处理期中作业报告
数字图像处理实验报告直方图均衡化题目：直方图均衡化一、实验目的1.通过实验理解直方图均衡化的原理及步骤；2.编程实现图像（灰度或彩色）的直方图均衡化；3.通过实验更深刻的理解课本知识和加强动手实践能力。
二、实验要求（1）读入一幅图像；（2）编程绘制给定图象的灰度直方图；（3）编程实现给定图象的直方图均衡，得到均衡后的新图象；（4）比较均衡前后的两幅图象以及各自的灰度直方图，分析讨论直方图均衡提高图象对比度的效果；三、实验原理1.直方图均衡化概述图像的对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。
直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。
直方图拉伸是通过对比度拉伸对直方图像素分布进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。
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。
2.基本思想直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
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。
设原始图像在(x，y)处的灰度为f，而改变后的图像为s，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
5、保存图像 imwrite(X1,'E:\3.jpg'); %保存图像
数字图像处理期中考试
选题三 组员：电子信息工程1204班 梁旭康
电子信息工程1204班 鲍明 电子信息工程1204班 樊荣超
2ቤተ መጻሕፍቲ ባይዱ15年6月16日
题目三
1、读入一幅图像 2、编程实现空间分辨率变化的效果； 3、编程实现灰度分辨率变化的效果； 4、采用客观指标评价变化前后的效果； 5、将变换后的图像以新的文件名写入到指定的位置。
3.客观评价指标PSNR
相关函数及结果显示
1、读入图像 X=imread('E:\2.jpg');
figure;
imshow(X);
title('原图像');
2、空间分辨率变化后的图像 [m,n]=size(X); X2=X(1:4:m,1:4:n); X21=imresize(X2,[256 256]); figure; imshow(X21); title('空间分辨率变化后的图像');
3、灰度分辨率变化后的图像 X3=floor(X/4); X31=imresize(X3,[256 256]); figure; imshow(X31); title('灰度分辨率变化后的图像')
4、用PSNR客观评价变化前后的效果 x = double(X); x21= double(X21); x31 = double(X31); s1=0;s2=0; for i=1:m; for j=1:n; s1=s1+(x(i,j)-x21(i,j))^2; s2=s2+(x(i,j)-x31(i,j))^2; end; end; MSE1=s1/(m*n); MSE2=s2/(m*n); PSNR1=10*log10((255^2)/MSE1) PSNR2=10*log10((255^2)/MSE2)
概念阐述
1、空间分辨率 数字图像的空间分辨率可以用单位面积的像素数来表
示，而单位面积中的像素数直接取决于采样频率或采 样间隔。对于同一场景的同样尺寸的图像，空间分辨 率越高意味着图像越清晰，在图像中能够分辨的细节 越多。 2、灰度分辨率 图像的灰度分辨率是指将像素的总体灰度范围划分成 多少个等级，等级越多，灰度分辨率越高，意味着图 像的深浅层次越丰富，在图像中能够分辨的细节越多。