数字图像处理课程设计哈理工

合集下载

《数字图像处理》课程设计报告

《数字图像处理》课程设计报告

1.课程设计目的1、提高分析问题、解决问题的能力,进一步巩固数字图像处理系统中的基本原理与方法。

2、熟悉掌握一门计算机语言,可以进行数字图像的应用处理的开发设计。

2.课程设计内容及实现2.1、二维快速傅立叶变换:本项目的重点是:这个项目的目的是开发一个2-D FFT程序“包”,将用于在其他几个项目。

您的实现必须有能力:(a)乘以(-1),x + y的中心变换输入图像进行滤波。

(b) 一个真正的函数相乘所得到的(复杂的)的阵列(在这个意义上的实系数乘以变换的实部和虚部)。

回想一下,对相应的元件上完成两幅图像的乘法。

(c) 计算傅立叶逆变换。

(d) 结果乘以(-1)x + y的实部。

(e) 计算频谱。

基本上,这个项目实现了图。

4.5。

如果您正在使用MATLAB,那么您的傅立叶变换程序将不会受到限制,其大小是2的整数次幂的图像。

如果要实现自己的计划,那么您所使用的FFT例程可能被限制到2的整数次幂。

在这种情况下,你可能需要放大或缩小图像到适当的大小,使用你的程序开发项目02-04逼近:为了简化这个和以下的工程(除项目04-05),您可以忽略图像填充(4.6.3节)。

虽然你的结果不会完全正确,将获得显着的简化,不仅在图像的大小,而且在需要裁剪的最终结果。

由这种近似的原则将不会受到影响结果如下:主要代码f=imread('Fig4.04(a).jpg');H=imread('Fig4.04(a).jpg');subplot(3,2,1);imshow(f);title('(a)原图像');[M1,N1]=size(f);f=im2double(f);[M2,N2]=size(H);H=im2double(H); %把灰度图像I1的数据类型转换成转换成双精度浮点类型for x=1:M1for y=1:N1f(x,y)=(-1)^(x+y)*f(x,y); %用(-1)^(x+y)乘以输入图像,来实现中心化变换endendF=fft2(f); %使用函数fft2可计算傅立叶变换subplot(3,2,3);imshow(F);title('(b)傅立叶变换的图像');if(M2==1)&&(N2==1)G=F(x,y)*H(x,y);elseif((M1==M2)&&(N1==N2))for x=1:M1for y=1:N1G(x,y)=F(x,y)*H(x,y);endendelseerror('输入图像有误','ERROR');end %通过两个图像的乘法程序,实现对相应元素的相乘g=ifft2(G);subplot(3,2,4);imshow(g);title('(c)傅立叶逆变换的图像');for x=1:M1for y=1:N1g(x,y)=(-1)^(x+y)*g(x,y);endendg=real(g);S=log(1+abs(F)); %计算傅立叶幅度谱并做对数变换subplot(3,2,5);plot(S); %二维图像显示幅度谱title('(d)二维图像显示幅度谱');Q=angle(F); %计算傅立叶变换相位谱subplot(3,2,6);plot(Q);title('(e)二维图像显示相位谱'); %二维图像显示相位谱结果截图图1 傅里叶变换及频谱图结果分析:图1中(a)是原始灰度图像,对原图进行傅里叶变换,用(-1)^(x+y)乘以输入图像,来实现中心化变换得到(b),(c)为傅里叶变换的逆变换得到的图像。

数字图像处理课程设计

数字图像处理课程设计

班级________计科11203班________姓名____ _张琳琳_____ ___学号__ _1104685003_________任课老师______ 李敏__________课程设计任务书一、任务要求(1)实现图像处理的基本操作学习使用matlab图像处理工具箱,利用imread()语句读入图像,例如image=imread(flower.jpg),对图像进行显示(如imshow(image))和保存。

学习使用Cimg类,调用类成员函数AttachFromFile加载位图,SaveToFile 保存位图到文件。

(2)图像处理算法的实现与显示1、图像点运算算法设计a) 灰度对数变换b) 分段线性变换c) 灰度域值变换d) 直方图均衡化2、图像平滑算法的设计a) 高斯平滑b) 自适应平滑滤波c) 中值滤波(3)设计图像处理软件界面设计菜单式界面或设计按键式界面二、进度安排周次日期设计具体内容18 7月5日下载课程设计的安排和要求和图片7月5日完成实现图像处理的基本操作7月6日完成图像处理算法的实现与显示7月6日完成设计图像处理软件界面7月7日完成课程设计文档排版和打印目录一、设计目的 (4)二、设计方案 (4)三、具体设计内容 (4)3.1 MATLAB实现读入、显示和保存图像 (4)3.2 C++实现读入、显示和保存图像 (6)3.2.1构造CImg 头文件 (6)3.2.2构造 CImg 源文件 (12)3.2.3构造 CImgProc (19)3.3设计图像处理软件界面 (21)3.3.1图像算法菜单设计 (23)3.3.2图像的读取和保存 (23)3.3.3图像点运算算法设计 (26)3.3.4图像插值算法的设计 (29)4.结束语 (33)一、设计目的运用MATLAB和C++实现图像的读取、显示和保存,综合运用MATLAB工具箱实现图像处理的GUI程序设计,利用MATLAB图像处理工具箱,设计和实现简易的图片处理界面。

数字图像处理课程设计

数字图像处理课程设计

数字图像处理课程设计1. 课程设计介绍数字图像处理是计算机科学与工程中十分重要的一门课程,它的目的是通过数字计算机技术来处理和分析数码图像,获取图像的特征和信息。

本次课程设计旨在通过阅读相关文献、实践操作和实验报告撰写三个环节,帮助学生掌握数字图像处理的基本概念和方法。

2. 实践操作2.1 图像转换在数字图像处理过程中,最常见的操作之一是图像转换。

通过对图像进行转换,可以得到新的图像,以便进行进一步的处理。

常见的一种图像转换操作是将一幅灰度图像转换成彩色图像。

例如,我们可以通过以下代码,将一幅灰度图像转换成RGB格式的彩色图像:import cv2import numpy as np# 加载灰度图像gray_img = cv2.imread('gray_image.jpg', cv2.IMREAD_GRAYSCALE)# 将灰度图像转换成RGB格式的彩色图像color_img = cv2.cvtColor(gray_img, cv2.COLOR_GRAY2RGB)# 保存彩色图像cv2.imwrite('color_image.jpg', color_img)2.2 像素操作数字图像处理基于像素的操作,因此操作像素是数字图像处理的核心。

在Python中,我们可以使用NumPy数组来表示图像,并可以使用Python编写的函数来操作这些数组。

例如,以下代码演示了如何读取一幅图像、访问其像素、对像素进行操作并保存处理后的图像:import cv2import numpy as np# 加载彩色图像img = cv2.imread('color_image.jpg', cv2.IMREAD_COLOR)# 获取图像尺寸height, width, channels = img.shape# 访问图像像素并对其进行操作for y in range(height):for x in range(width):# 获取像素值b, g, r = img[y, x]# 对像素值进行操作img[y, x] = [b, int(g*0.8), r]# 保存处理后的图像cv2.imwrite('processed_image.jpg', img)2.3 图像过滤图像过滤是数字图像处理中比较常见的一种操作,它可以通过滤波器来减少图像中的噪点和细节信息,从而使图像更加平滑和清晰。

数字图像处理课程设计

数字图像处理课程设计

摘要图像的特征提取是图像的识别和分类、基于内容的图像检索、图像数据挖掘等研究内容的基础性工作,其中图像的纹理特征对描述图像内容具有重要意义,纹理特征提取己成为目前图像领域研究的热点。

文中深入研究了基于灰度共生矩阵(GLCM)的纹理特征提取方法,给出了基于Matlab的简便实现代码,分析了共生矩阵各个构造参数对构造共生矩阵的影响。

分析结果对优化灰度共生矩阵的构造、实现基于灰度共生矩阵( GLCM)的特定图像的纹理特征提取等都具有重要参考意义。

本文分析了图像纹理的特征提取—灰度共生矩阵,是物体表而最本质的属性。

纹理特征提取是作为纹理分析的首要任务,纹理提出了用灰度共生矩阵的方法提取纹理特征,通过MA丁LAB仿真实现,结果由灰度共生矩阵产生的四个纹理特征能具有较好的鉴别能力。

关键词:灰度共生矩阵:纹理特征:Matlab:特征提取目录1设计目的 (1)2设计思路 (1)3设计内容 (3)3.1二阶距(能量): (3)3.2对比度: (3)3.3相关: (4)3.4熵: (4)4代码的实现 (6)5功能仿真图及分析 (11)5.1 仿真图 (11)5.2分析 (14)6结论 (14)参考文献 (16)1设计目的1研究基于灰度共生矩阵的纹理特征提取方法2基于Matlab代码实现,分析共生矩阵各个构造参数对共生矩阵的影响3提取出图像的纹理特征2设计思路纹理特征是一种重要的视觉线索,是图像中普遍存在,而又难以描述的特征。

纹理作为物体表而的一种基本属性广泛存在自然界中,是描述和识别物体的一种极为重要的特征。

纹理分析技术一直是计算机视觉、图像处理、图像分析、图像检索等的活跃研究领域。

纹理分析的研究内容主要包括:纹理分类和分割、纹理合成、纹理检索和由纹理恢复形状等。

这些研究内容的一个最基本的问题是纹理特征提取。

图像的纹理特征描述了在图像中反复出现的局部模式和它们的排列规则,反映了宏观意义上灰度变化的一些规律,图像可以看成是不同纹理区域的组合,纹理是对局部区域像素之间关系的一种度量。

哈工大数字图像处理实验报告(共10篇)

哈工大数字图像处理实验报告(共10篇)

哈工大数字图像处理实验报告(共10篇) 数字图像处理实验报告实验报告书实验类别数字图像处理学院信息工程学院专业通信工程班级通信1005班姓名叶伟超指导教师聂明新2013 年 6 月 3 日篇二:数字图像处理实验报告(全部)数字图像处理实验指导书125 200912512 班级:学号:姓名:田坤专业:电子信息科学与技术实验一数字图像的运算一.实验目的1.熟悉matlab图像处理工具箱及直方图函数的使用;2.理解和掌握直方图原理和方法;二.实验设备:1.PC机一台;2.软件matlab。

三.程序设计在matlab环境中,程序首先读取图像,然后调用直方图函数,设置相关参数,再输出处理后的图像。

I=imread('cameraman.tif');%读取图像subplot(1,2,1),imshow(I)%输出图像title('原始图像') %在原始图像中加标题subplot(1,2,2),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题四.实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境;2. 在matlab命令窗口中输入相应程序。

书写程序时,首先读取图像,一般调用matlab自带的图像,如:cameraman图像;再调用相应的直方图函数,设置参数;最后输出处理后的图像;3.浏览源程序并理解含义;4.运行,观察显示结果;5.结束运行,退出;五.实验结果:观察图像matlab环境下的直方图分布。

(a)原始图像(b)原始图像直方图六.实验报告要求1、给出实验原理过程及实现代码:I=imread('coins.png');%读取图像subplot(1,2,1),imshow(I)%输出图像title('原始图像') %在原始图像中加标题subplot(1,2,2),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题2、输入一幅灰度图像,给出其灰度直方图结果,并进行灰度直方图分布原理分析。

数字图像处理课程设计opencv

数字图像处理课程设计opencv

数字图像处理课程设计opencv一、教学目标本课程的教学目标是使学生掌握数字图像处理的基本理论、方法和OpenCV编程技能。

通过本课程的学习,学生应能理解数字图像处理的基本概念,掌握常用的图像处理算法,并能够运用OpenCV库进行实际的图像处理操作。

具体来说,知识目标包括:1.理解数字图像处理的基本概念和原理。

2.掌握数字图像处理的基本算法和常用技术。

3.熟悉OpenCV库的基本结构和功能。

技能目标包括:1.能够运用OpenCV库进行数字图像处理的基本操作。

2.能够编写简单的数字图像处理程序。

3.能够分析和解决数字图像处理实际问题。

情感态度价值观目标包括:1.培养对数字图像处理的兴趣和热情。

2.培养学生的创新意识和实践能力。

3.培养学生的团队合作精神和沟通交流能力。

二、教学内容本课程的教学内容主要包括数字图像处理的基本理论、方法和OpenCV编程实践。

教学大纲如下:1.数字图像处理概述1.1 数字图像处理的基本概念1.2 数字图像处理的应用领域2.图像处理基本算法2.1 图像滤波2.2 图像增强2.3 图像边缘检测3.OpenCV库的使用3.1 OpenCV库的基本结构3.2 OpenCV库的基本功能4.图像处理实例分析4.1 图像去噪实例4.2 图像增强实例4.3 图像边缘检测实例三、教学方法本课程采用多种教学方法相结合的方式,包括讲授法、讨论法、案例分析法和实验法等。

1.讲授法:通过教师的讲解,使学生掌握数字图像处理的基本理论和方法。

2.讨论法:通过小组讨论,激发学生的思考,培养学生的创新意识和实践能力。

3.案例分析法:通过分析实际案例,使学生能够将理论知识应用于实际问题。

4.实验法:通过实验操作,使学生掌握OpenCV库的基本功能,并能够编写实际的图像处理程序。

四、教学资源本课程的教学资源包括教材、参考书、多媒体资料和实验设备等。

1.教材:选用《数字图像处理》(李航著)作为主要教材,辅助以相关参考书籍。

数字图像处理课程设计6

数字图像处理课程设计6

数字图像处理课程设计6一、教学目标本课程旨在让学生掌握数字图像处理的基本理论、方法和应用,培养学生运用数字图像处理技术解决实际问题的能力。

具体目标如下:1.知识目标:(1)理解数字图像处理的基本概念、原理和流程;(2)掌握图像处理的基本算法和常用技术;(3)了解数字图像处理在实际应用中的广泛场景。

2.技能目标:(1)能够运用数字图像处理软件进行基本操作;(2)能够根据实际问题选择合适的图像处理算法;(3)具备分析图像处理问题并提出解决方案的能力。

3.情感态度价值观目标:(1)培养学生对数字图像处理的兴趣,提高学习积极性;(2)培养学生勇于探索、创新的精神,培养团队合作意识;(3)使学生认识到数字图像处理在现代社会中的重要性,提高学生的社会责任感和使命感。

二、教学内容本课程的教学内容主要包括以下几个部分:1.数字图像处理基本概念:数字图像的定义、特点、表示方法等;2.图像处理基本算法:图像增强、图像滤波、图像分割、图像配准等;3.图像处理技术:边缘检测、特征提取、形态学处理、颜色处理等;4.图像处理软件应用:常用数字图像处理软件的使用方法和技巧;5.实际应用案例:数字图像处理在医学、工业、农业等领域的应用实例。

三、教学方法为了提高教学效果,本课程将采用以下教学方法:1.讲授法:通过讲解基本概念、原理和算法,使学生掌握数字图像处理的基本知识;2.讨论法:学生就实际问题进行讨论,培养学生的分析问题和解决问题的能力;3.案例分析法:分析典型应用案例,使学生了解数字图像处理在实际中的应用;4.实验法:上机实验,让学生亲手操作,加深对数字图像处理技术的理解和掌握。

四、教学资源为了支持教学内容和教学方法的实施,我们将准备以下教学资源:1.教材:选用国内外优秀教材,如《数字图像处理》(冈萨雷斯等著);2.参考书:提供相关领域的参考书籍,以便学生拓展知识;3.多媒体资料:制作课件、教学视频等,丰富教学手段,提高教学效果;4.实验设备:配置数字图像处理实验室,提供充足的实验设备,让学生充分动手实践。

数字图像处理课程设计

数字图像处理课程设计

1课程设计目的(1)对数字图像处理这门课程所学知识进行巩固和扩充。

(2)运用图像理论知识来完成图像的膨胀的设计。

(3)学习并且熟练使用MATLAB软件进行编程和仿真。

(4)增强学生对图像学科的学习兴趣,培养图像处理的仿真建模能力。

(5)培养学生分析问题、解决问题的能力及动手操作能力。

2 课程设计要求(1)掌握课程设计的相关知识、概念清晰;(2)程序设计合理、能够正确运行;(3)查阅资料,掌握图像腐蚀的基本方法,编程实现膨胀;(4)掌握运用Matlab软件对灰度与二值图像的腐蚀的处理方法;(5)使用imerode函数进行图像腐蚀,观察腐蚀后的图像变化情况。

3 理论知识叙述3.1 图像处理与数字图像处理概念图像处理并不仅限于对图像进行增强、复原和编码,还要对图像进行分析,图像分析旨在对图像进行描述,即用一组数或符号表征图像中目标区的特征、性质和相互间的关系,为模式识别提供基础。

描述一般针对图像或景物中的特定区域或目标。

闭运算通常用来填充目标内细小空洞,连接断开的邻近目标,平滑其边界的同时不明显改变其面积。

数字图像处理(digitalimageprocessing)是用计算机对图像信息进行处理的一门技术,使利用计算机对图像进行各种处理的技术和方法。

利用数字图像处理主要是为了修改图形,改善图像质量,或是从图像中提起有效信息,还有利用数字图像处理可以对图像进行体积压缩,便于传输和保存。

3.2 MATLAB 及其图像处理工具箱MATLAB语言是由美国MathWorks公司推出的计算机软件,经过多年的逐步发展与不断完善,现已成为国际公认的最优秀的科学计算与数学应用软件之一,它集数值分析、矩阵运算、信号处理和图形显示于一体,构成了一个方便的、界面友好的用户环境,而且还具有可扩展性特征。

MATLAB中的数字图像是以矩阵形式表示的,矩阵运算的语法对MATLAB中的数字图像同样适用,这意味着MATLAB强大的矩阵运算能力对用于图像处理非常有利。

数字图像处理课程设计

数字图像处理课程设计

数字图像处理课程设计1. 题目名称:基于数字图像处理的人脸识别系统设计2. 题目背景及意义:随着计算机技术和数字图像处理技术的不断发展,人脸识别技术已经成为了一个非常重要的应用领域。

在安全监控、金融交易、身份认证等众多领域,人脸识别技术都发挥着重要的作用。

因此,通过本课程设计,学生将能够掌握数字图像处理技术,并通过应用该技术构建出一套基于人脸识别的系统,从而更好地实现对人脸图像的自动识别与处理。

3. 设计要求:(1)基于Python编写程序,使用OpenCV库实现对人脸图像的实时采集和存储,并对这些图像进行预处理和分割;(2)使用机器学习算法如SVM、KNN等对采集的人脸图像数据进行分类和识别,并将结果输出;(3)通过图形用户界面(GUI)实现对系统的操作与管理,包括数据采集、存储和查询等功能;(4)进行实验测试和复现,利用本系统进行人脸识别,观察系统的表现并分析结果。

4. 设计步骤:(1)使用OpenCV库从摄像头中实时采集人脸图像数据,并将其存储到本地数据库中;(2)对采集到的人脸图像进行预处理和分割,例如对图像进行平滑处理、边缘检测、阈值分割等操作;(3)将预处理过的人脸图像数据进行特征提取,并使用机器学习算法进行分类和识别;(4)设计图形用户界面(GUI),实现数据的采集、存储和查询等功能;(5)进行实验测试和复现,利用本系统进行人脸识别,观察系统的表现并分析结果。

5. 预期成果:(1)实现一个基于数字图像处理的人脸识别系统,并通过图形化用户界面方便地进行数据采集、存储和查询;(2)掌握数字图像处理技术和机器学习算法的应用,能够进行人脸图像的预处理和分类识别;(3)通过实验测试和复现能够熟练地应用该系统进行人脸识别,获得较好的实验结果。

数字图像处理课程设计(实验报告)

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】');%第六步:填充二进制图像的背景色,去掉细胞内的黑色空隙Filled_Image_BW = bwfill(Reverse_Image_BW,'holes');figure, imshow(Filled_Image_BW);title('【已填充背景色的二进制图像】');%第七步:对图像进行开运算,去掉细胞与细胞之间相粘连的部分SE = strel('disk',4);Open_Image_BW = imopen(Filled_Image_BW,SE);figure, imshow(Open_Image_BW);title(' 【开运算后的图像】');%-------------开始计算细胞数--------------------[Label Number]=bwlabel(Open_Image_BW,8) %初步取得细胞个数Array = bwlabel(Open_Image_BW,8); %取得贴标签处理后的图像Sum = [];%依次统计贴标签后数组for i=1:Number[r,c] = find(Array==i); %获取相同标签号的位置,将位置信息存入[r,c]rc = [r c];Num = length(rc); %取得vc数组的元素的个数Sum([i])=Num; %将元素个数存入Sum数组EndSumN = 0;%假如Sum数组中的元素大于了400,表示有两个细胞相连,像素点较多,即分为两个细胞数for i=1:length(Sum)if(Sum([i])) > 1500N = N+1;endend%------------------统计最终细胞数-----------Number = Number+N3、运行效果截图:第一步:读取原图,并显示A = imread('E:\红细胞3.png ');Image=rgb2gray(A);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:进行二值化图像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'为'白色',0'为'黑色'Reverse_Image_BW = ~Optimized_Image_BW;figure,imshow(Reverse_Image_BW);title(' 【优化后二值化图象取反】');第六步:填充二进制图像的背景色,去掉细胞内的黑色空隙Filled_Image_BW = bwfill(Reverse_Image_BW,'holes');figure, imshow(Filled_Image_BW);title(' 【已填充背景色的二进制图像】');第七步:对图像进行开运算,去掉细胞与细胞之间相粘连的部分SE = strel('disk',4);Open_Image_BW = imopen(Filled_Image_BW,SE);figure, imshow(Open_Image_BW);title(' 【开运算后的图像】');第八步:开始计算细胞数[Label Number]=bwlabel(Open_Image_BW,8)%初步取得细胞个数Array = bwlabel(Open_Image_BW,8);%取得贴标签处理后的图像Sum = [];%依次统计贴标签后数组for i=1:Number[r,c] = find(Array==i);%获取相同标签号的位置,将位置信息存入[r,c]rc = [r c];Num = length(rc);%取得vc数组的元素的个数Sum([i])=Num;%将元素个数存入Sum数组endSumN = 0;-----假如Sum数组中的元素大于了1500,表示有两个细胞相连,像素点较多,即分为两个细胞数---for i=1:length(Sum)if(Sum([i])) > 1500N = N+1;endendNumber = Number+N %----统计最终细胞数第九步:最终检测结果:四、算法分析(1)中值滤波利用中值滤波可以对图像进行平滑处理。

数字图像处理课程设计(图像去雾)

数字图像处理课程设计(图像去雾)

数字图像处理课设题目:图像去雾学院:信息与电气工程学院专业:电子信息工程班级:姓名:学号:指导教师:哈尔滨工业大学(威海)年月日目录一 .课程设计任务 (3)二 .课程设计原理及设计方案................................................................................................... 错误!未定义书签。

三 .课程设计的步骤和结果 (6)四 .课程设计总结 (8)五 .设计体会 (9)六 .参考文献..................................................................................................................................................... 错误!未定义书签。

一. 课程设计任务由于大气的散射作用,雾天的大气退化图像具有对比度低、景物不清晰的特点,给交通系统及户外视觉系统的应用带来严重的影响。

但由于成像系统聚焦模糊、拍摄场景存在相对运动以及雾天等不利环境,使得最终获取的图像往往无法使用。

为了解决这一问题,设计图像复原处理软件。

要求完成功能:1、采用直方图均衡化方法增强雾天模糊图像,并比较增强前后的图像和直方图;2、查阅文献,分析雾天图像退化因素,设计一种图像复原方法,对比该复原图像与原始图像以及直方图均衡化后的图像;3、设计软件界面二. 课程设计原理及设计方案2.1设计原理在雾、霾等天气条件下 , 大气中悬浮的大量微小水滴、气溶胶的散射作用导致捕获的图像严重降质 , 随着物体到成像设备的距离增大 , 大气粒子的散射作用对成像的影响逐渐增加 . 这种影响主要由两个散射过程造成 : 1) 物体表面的反射光在到达成像设备的过程中 , 由于大气粒子的散射而发生衰减 ;2) 自然光因大气粒子散射而进入成像设备参与成像 . 它们的共同作用造成捕获的图像对比度、饱和度降低 , 以及色调偏移 , 不仅影响图像的视觉效果 , 而且影响图像分析和理解的性能 .在计算机视觉领域中 ,常用大气散射模型来描述雾、霾天气条件下场景的成像过程 .Narasimhan等给出雾、霾天气条件下单色大气散射模型(Monochrome atmospheric scat-tering model), 即窄波段摄像机所拍摄的图像灰度值可表示为( 1)I /A e d1ed式中 , x为空间坐标 , A表示天空亮度 (Skylight),ρ为场景反照率 , d 为场景的景深 ,β为大气反射系数。

数字图像处理课程设计

数字图像处理课程设计

1设计目的1.通过实验体会一些基本的图像内容检索系统2.使用matlab软件计算图像的粗糙度,对比度,方向度3.完成规定图像的计算并要求正确评价处理结果,能够从理论上做出合理的解释2设计思路首先写入相关程序,使程序能够计算出所给图的数据,粗糙度,对比度,方向度,首先要给出一张图放入指定文件,文件夹位置为桌面,名称aa图片名称为F-18如图2.1所示图2.13设计原理Tamura以人类的主观心理度量作为标准,提出了六个基本的纹理特征,这些特征包括:粗糙度(coarseness),对比度(contrast),方向度(directionality),线像度(linelikeness),规整度(regularity)和粗糙度(roughness),这些特征中最重要的主要是纹理的粗糙度,对比度和方向度。

这些纹理特征很好的对应了人类视觉感知,在许多图像检索系统中得到应用。

这里主要介绍一下粗糙度,对比度和方向度的计算。

3.1 粗糙度粗糙度1)计算移动平均数(moving average ),对于22k k ⨯的窗口,移动平均数为:11'1'1''2121222(,)(,)2k k k k j i k ki i j j p i j a i j ----+-+-=-=-=∑∑3.12)计算水平和垂直向的偏差1111(,)m a x ((2,)(2,),(,2)(,2))k k k k k k kk kc i j a i j a i j a i j a i j ----=--+--+ 3.23)确定窗口大小^(,)a r g m a x (,)k kk i j c i j = 3.34)计算平均窗口大小^(,)(,)12k i j i j coarseness wh =∑ 3.43.2 对比度对比度描述图像的明亮程度,它受黑白色或者不同的灰度阴影的影响,使用下面的等式来计算对比度:contrast =3.5黑白色的偏差为:41(,)44441((,))i j p i j p wh p ασσ-==∑ 3.63.3 方向度方向性是指图像里灰度值的方向。

数字图像处理--图像处理课程设计 报告

数字图像处理--图像处理课程设计 报告

《数字图像处理》课程设计1、课程设计目的1、提高分析问题、解决问题的能力,进一步巩固数字图像处理系统中的基本原理与方法。

2、熟悉掌握一门计算机语言,可以进行数字图像的应用处理的开发设计。

2、课程设计要求1、要充分认识课程设计对培养自己的重要性,认真做好设计前的各项准备工作。

尤其是对编程软件的使用有基本的认识。

2、既要虚心接受老师的指导,又要充分发挥主观能动性。

结合课题,独立思考,努力钻研,勤于实践,勇于创新。

3、独立按时完成规定的工作任务,不得弄虚作假,不准抄袭他人内容,否则成绩以不及格计。

4、在设计过程中,要严格要求自己,树立严肃、严密、严谨的科学态度,必须按时、按质、按量完成课程设计。

5.2实施要求1、理解各种图像处理方法确切意义。

2、独立进行方案的制定,系统结构设计要合理。

3、在程序开发时,则必须清楚主要实现函数的目的和作用,需要在程序书写时说明做适当的注释。

如果使用matlab来进行开发,要理解每个函数的具体意义和适用范围,在写课设报告时,必须要将主要函数的功能和参数做详细的说明。

4、通过多幅不同形式的图像来检测该系统的稳定性和正确性。

用图像平均的方法消除噪声编程:J=imread('1036032.jpg');I = rgb2gray(J);[m,n]=size(I);II1=zeros(m,n);for i=1:16II(:,:,i)=imnoise(I,'gaussian',0,0.01);II1=II1+double(II(:,:,i));if or(or(i==1,i==4),or(i==8,i==16));figure;imshow(uint8(II1/i));endend迭加零均值高斯随机噪声图像4幅同类图像加平均8幅同类图像加平均16幅同类图像加平均用平滑滤波方法消除噪声编程:I=imread('001122.jpg');I=rgb2gray(I);J=imnoise(I,'gaussian',0,0.02);subplot(231),imshow(I);title('原图像');subplot(232),imshow(J);title('添加高斯噪声图像');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');用中值滤波方法消除噪声编程:I=imread('1036032.jpg');I=rgb2gray(I);J=imnoise(I,'gaussian',0,0.01);subplot(231),imshow(I);title('原图像');subplot(232),imshow(J);title('添加高斯白噪声图像');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')用理想低通滤波方法消除噪声编程:I=imread('001122.jpg');J= rgb2gray(I);J=imnoise(J,'gaussian',0,0.02);subplot(331);imshow(J);J=double(J);f=fft2(J);g=fftshift(f);subplot(332);imshow(log(abs(g)),[]),color(jet(64)); [M,N]=size(f);n1=floor(M/2);n2=floor(N/2);d0=5;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);if d<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(333);imshow(g);I=imread('001122.jpg');J= rgb2gray(I);J=imnoise(J,'gaussian',0,0.02);subplot(331);imshow(J);J=double(J);f=fft2(J);g=fftshift(f);subplot(332);imshow(log(abs(g)),[]),color(jet(64)); [M,N]=size(f);n1=floor(M/2);n2=floor(N/2);d0=15;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);if d<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(334);imshow(g);I=imread('001122.jpg');J= rgb2gray(I);J=imnoise(J,'gaussian',0,0.02);subplot(331);imshow(J);J=double(J);f=fft2(J);g=fftshift(f);subplot(332);imshow(log(abs(g)),[]),color(jet(64)); [M,N]=size(f);n1=floor(M/2);n2=floor(N/2);d0=45;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);if d<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(335);imshow(g);I=imread('001122.jpg');J= rgb2gray(I);J=imnoise(J,'gaussian',0,0.02);subplot(331);imshow(J);J=double(J);f=fft2(J);g=fftshift(f);subplot(332);imshow(log(abs(g)),[]),color(jet(64)); [M,N]=size(f);n1=floor(M/2);n2=floor(N/2);d0=65;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);if d<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(336);imshow(g);用巴特沃斯低通滤波方法消除噪声I=imread('001122.jpg');I=rgb2gray(I);J=imnoise(I,'gaussian',0,0.04); subplot(121);imshow(J);title('高斯白噪声图像');J=double(J);f=fft2(J);g=fftshift(f);[M,N]=size(f);n=3;d0=20;n1=floor(M/2);n2=floor(N/2);for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); h=1/(1+(d/d0)^(2*n));g(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(122);imshow(g);title('巴特沃斯低通滤波');峰值信噪比PSNR程序:function result=psnr(in1,in2)in1=imread('a.jpg'); %a为原图像%in2=imread('b.jpg'); %b为调制之后的图像% z=mse(in1,in2);result=10*log10(255.^2/z);function z=mse(x,y)x=double(x);y=double(y);[m,n]=size(x);z=0;for i=1:mfor j=1:nz=z+(x(i,j)-y(i,j)).^2;endendz=z/(m*n);方法一图像平均的方法处理得到信噪比分别如下:ans =7.1689ans =7.2601ans =7.2789ans =7.2876方法二平滑滤波方法处理得到信噪比分别如下:ans =6.0426ans =6.0713ans =6.0955ans =6.1052方法三中值滤波方法处理得到信噪比分别如下:ans =7.1708ans =7.2487ans =7.2830ans =7.3065ans =7.3290方法四理想低通滤波方法处理得到的信噪比:ans =5.9024ans =6.3146ans =6.1266ans =6.0586ans =6.0479方法五巴特沃斯低通滤波方法处理得到的信噪比:ans =5.9042ans =6.2459。

数字图像处理课程设计指导书-2011

数字图像处理课程设计指导书-2011

哈尔滨工业大学(威海)电子和信息工程系2011年5月目录一. 课程设计的目的 (1)二. 设计要求 (2)三. 进度安排 (3)四. 考核及评分标准 (4)五. 课程设计内容和要求 (5)题目一:图像处理软件 (5)题目二:数字水印 (6)题目三:车牌识别 (7)题目四:超分辨率重建 (8)题目五:织物密度检测 (9)题目六:工件尺寸的图像测量 (10)题目七:低比特率图像压缩 (11)题目八:运动目标的检测 (12)题目九:运动目标的跟踪 (13)题目十:图像复原处理软件 (14)六. 课程设计文档提交和要求 (15)一. 课程设计的目的数字图像处理,就是用数字计算机及其他有关数字技术,对图像进行处理,以达到预期的目的。

随着计算机的发展,图像处理技术在许多领域得到了广泛使用,数字图像处理已成为电子信息、通信、计算机、自动化、信号处理等专业的重要课程。

数字图像处理课程设计是在学习完数字图像处理的相关理论后,进行的综合性训练课程,其目的是:1、使学生进一步巩固数字图像处理的基本概念、理论、分析方法和实现方法;2、增强学生使用Matlab编写数字图像处理的使用程序及分析、解决实际问题的能力;3、尝试所学的内容解决实际工程问题,培养学生的工程实践能力。

二. 设计要求1、按照设计任务书要求,使用Matlab软件独立完成设计任务,鼓励使用C语言编程实现;2、根据设计任务写出设计工作小结,对设计过程所进行的有关步骤进行理论分析,并对完成的设计作出评价,总结自己整个设计工作中的经验教训、收获;3、编写课程设计说明书,说明书必须按照统一格式打印,装订成册,字数一般不少于三千字;三. 进度安排本课程设计时间为2周;序号设计内容所用时间1 熟悉Matlab语言,学习使用图像处理工具箱和GUI编程2天2 设计实验方案(利用已掌握基本知识、原理,提出设计具体方案,拟订设计步骤,独立完成操作,记录数据,分析结果)●分析题目,查找相关资料。

数字图像处理课程设计

数字图像处理课程设计

目的与要求设计的内容总体方案设计各个功能模块的主要实现程序以及测试和调试课程设计总结与体会一、目的与要求提高分析问题、解决问题的能力,进一步巩固数字图像处理系统中的基本原理与方法。

熟悉掌握一门计算机语言,可以进行数字图像的应用处理的开发设计。

开发工具可以选用matlab、VC++、 VB、 C#等。

本人选用matlab作为编程开发工具。

二、设计的内容刚获得的图像有很多的噪声,这是由平时的工作和环境引起的,图像增强是减弱噪音,增强对比度。

想得到比较干净清晰的图像并不是容易的事情。

为这个目标而为处理图像所涉及的操作是设计一个适合、匹配的滤波器和恰当的阈值。

这就是所谓的图像滤波研究。

本设计就是用图像平均、平滑滤波、中值滤波、理想低通滤波方法、巴特沃斯滤波方法五种方法来实现图像滤波处理。

三、总体方案设计首先找一幅图像,然后对图像加噪声,获得加噪图像。

然后分别选用以下五种方法进行图像滤波处理的研究。

用图像平均的方法消除噪声并计算信噪比的改善。

用平滑滤波方法消除噪声并计算信噪比的改善用中值滤波方法消除噪声并计算信噪比的改善用理想低通滤波方法消除噪声并计算信噪比的改善用巴特沃斯低通滤波方法消除噪声并计算信噪比的改善然后改变图像的加噪类型,通过分析比较各种滤波结果,总结各种滤波方法的适用范围。

在该设计中,所采用的噪声类型主要有:高斯噪声,椒盐噪声。

四、各个功能模块的主要实现程序以及测试和调试1、用图像平均的方法消除噪声并计算信噪比的改善。

M文件:I=imread('circuit.tif');J=imnoise(I,'gaussian',0,0.01);subplot(231),imshow(I);%title('yuanshituxiang');subplot(232),imshow(J);%title('添加椒盐噪声的图像');k1=filter2(fspecial('average',3),J);%进行3*3模板平滑滤波k2=filter2(fspecial('average',5),J);%进行5*5模板平滑滤波k3=filter2(fspecial('average',7),J);%进行7*7模板平滑滤波k4=filter2(fspecial('average',9),J);%进行9*9模板平滑滤波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');k=8;fmax=2^k-1s=0;d=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(J(i,j)); s=s+double(y^2);endendPSNR1=10*LOG10(N*M*fmax^2/s);i=0;j=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(Q(i,j)); d=d+double(y^2);endendPSNR2=10*log10(N*M*fmax^2/d);Y=PSNR2-PSNR1;Y该liangxujiao.m文件运行后的结果峰值信噪比PSNRY =11.77992、用平滑滤波方法消除噪声并计算信噪比的改善M文件编写I=imread('circuit.tif');J=imnoise(I,'gaussian',0,0.01);subplot(231),imshow(I);%title('yuanshituxiang');subplot(232),imshow(J);%title('添加椒盐噪声的图像');k1=filter2(fspecial('average',3),J);%进行3*3模板平滑滤波k2=filter2(fspecial('average',5),J);%进行5*5模板平滑滤波k3=filter2(fspecial('average',7),J);%进行7*7模板平滑滤波k4=filter2(fspecial('average',9),J);%进行9*9模板平滑滤波subplot(233),imshow(uint8(k1));%title('3*3模板平滑滤波');Q1=uint8(k1);subplot(234),imshow(uint8(k2));%title('5*5模板平滑滤波');Q2=uint8(k2);subplot(235),imshow(uint8(k3));%title('7*7模板平滑滤波');Q3=uint8(k2);subplot(236),imshow(uint8(k4));%title('9*9模板平滑滤波');Q4=uint8(k2);k=8;fmax=2^k-1;s=0;d=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(J(i,j)); s=s+double(y^2);endendPSNR1=10*LOG10(N*M*fmax^2/s);i=0;j=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(Q1(i,j)); d=d+double(y^2);endendPSNR2=10*log10(N*M*fmax^2/d);Y1=PSNR2-PSNR1;Y1i=0;j=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(Q(i,j)); d=d+double(y^2);endendPSNR3=10*log10(N*M*fmax^2/d);Y2=PSNR3-PSNR1;Y2i=0;j=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(Q(i,j)); d=d+double(y^2);endendPSNR4=10*log10(N*M*fmax^2/d);Y3=PSNR4-PSNR1;Y3i=0;j=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(Q(i,j)); d=d+double(y^2);endendPSNR5=10*log10(N*M*fmax^2/d);Y4=PSNR5-PSNR1;Y4该liangxujiao.1M文件执行结果峰值信噪比PSNRY1 =7.9837; Y2 =6.4535; Y3 =5.3242; Y4 =4.4288;3、用中值滤波方法消除噪声并计算信噪比的改善M文件编写I=imread('circuit.tif');J=imnoise(I,'gaussian',0,0.01);subplot(231),imshow(I);%title('原始图像');subplot(232),imshow(J);%title('添加椒盐噪声的图像');k1=medfilt2(J);k2=medfilt2(J,[5 5]);k3=medfilt2(J,[7 7]);k4=medfilt2(J,[7 7]);subplot(233),imshow(k1);%title('3*3模板中值滤波');Q1=k1;subplot(234),imshow(k2);%title('5*5模板中值滤波');Q2=k2;subplot(235),imshow(k3);%title('7*7模板中值滤波');Q3=k3;subplot(236),imshow(k4);%title('9*9模板中值滤波');Q4=k4;k=8;fmax=2^k-1;s=0;d=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(J(i,j));s=s+double(y^2);endendPSNR1=10*LOG10(N*M*fmax^2/s);i=0;j=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(Q1(i,j));d=d+double(y^2);endendPSNR2=10*log10(N*M*fmax^2/d);Y1=PSNR2-PSNR1;Y1i=0;j=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(Q(i,j));d=d+double(y^2);endendPSNR3=10*log10(N*M*fmax^2/d);Y2=PSNR3-PSNR1;Y2i=0;j=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(Q(i,j));d=d+double(y^2);endendPSNR4=10*log10(N*M*fmax^2/d);Y3=PSNR4-PSNR1;Y3i=0;j=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(Q(i,j));d=d+double(y^2);endendPSNR5=10*log10(N*M*fmax^2/d);Y4=PSNR5-PSNR1;Y4该liangxujiao.2M文件执行结果峰值信噪比PSNRY1 =6.5628;Y2 =5.4176;Y3 =4.5122;Y4 =3.7634;4、用理想低通滤波方法消除噪声并计算信噪比的改善M文件编写%理想低通滤波器所产生的模糊和振铃现象I=imread('circuit.tif');subplot(131),imshow(I);I=double(I);%采用傅里叶变换f=fft2(I);%数据矩阵平衡g=fftshift(f);subplot(132),imshow(log(abs(g)),[]);color(jet(64)); [M,N]=size(f);n1=floor(M/2);n2=floor(N/2);% d0=5,15,45,65d0=5;for i=1:Nfor j=1:Nd=sqrt(i-n1)^2+(j-n2)^2;if d<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(133);imshow(g);J=g;k=8;fmax=2^k-1s=0;d=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(J(i,j));s=s+double(y^2);endendPSNR1=10*LOG10(N*M*fmax^2/s);Y=PSNR2-PSNR1;Y该liangxujiao3.m运行结果峰值信噪比PSNR Y =13.96872、巴特沃斯低通滤波方法I = imread('eight.tif');J = imnoise(I,'gaussian');subplot(1,2,1);imshow(I);title('原图像');subplot(1,2,2);imshow(J);title('加高斯白噪声后的图像'); figure;J=double(J);f=fft2(J);g=fftshift(f);[M,N]=size(f);n=3;d0=20;n1=floor(M/2);n2=floor(N/2);for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);h=1/(1+(d/d0)^(2*n));g(i,j)=h*g(i,j);endendg=ifftshift(g);Q=uint8(real(ifft2(g)));imshow(Q);title('通过截断频率为20的理想巴特沃兹滤波器后的图像'); s=0;d=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(J(i,j));s=s+double(y^2);endendPSNR1=10*LOG10(N*M*fmax^2/s);i=0;j=0;for i=1:Mfor j=1:Ny=double(I(i,j))-double(Q(i,j));d=d+double(y^2);endendPSNR2=10*log10(N*M*fmax^2/d);Y=PSNR2-PSNR1;YY = 5.5899五、课程设计总结与体会图像平均的方法对消除高斯随机噪声很有帮助;线性平滑滤波的方法(线性低通滤波器)用滤波模板确定的领域内像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。

数字图像处理课程设计---运动目标的跟踪

数字图像处理课程设计---运动目标的跟踪

数字信号处理课程设计报告课设题目:运动目标的跟踪学院:信息科学与工程学院专业:电子与信息工程班级:0802503姓名:学号:*********指导教师:哈尔滨工业大学(威海)2011 年11月24日哈尔滨工业大学(威海)课程设计报告一. 课程设计任务 (2)1.1 设计目的 (2)1.2 设计要求 (2)二. 课程设计原理及设计方案 (3)2.1设计原理的选择 (3)背景消减法 (3)时域差分法 (3)光流法 (4)2.2 设计思路 (4)2.3 设计流程图 (5)三. 课程设计的步骤和结果 (6)3.1 硬件的启用 (6)3.2 转化为灰度图像 (7)3.3 运动目标的监测及轨迹描绘 (7)3.4 GUI界面的制作 (10)四. 课程设计总结 (12)五. 设计体会 (13)六. 参考文献 (14)哈尔滨工业大学(威海)课程设计报告一. 课程设计任务1.1 设计目的数字图像处理,就是用数字计算机及其他有关数字技术,对图像进行处理,以达到预期的目的。

随着计算机的发展,图像处理技术在许多领域得到了广泛应用,数字图像处理已成为电子信息、通信、计算机、自动化、信号处理等专业的重要课程。

数字图像处理课程设计是在学习完数字图像处理的相关理论后,进行的综合性训练课程,其目的是:✧使学生进一步巩固数字图像处理的基本概念、理论、分析方法和实现方法;✧增强学生应用Matlab编写数字图像处理的应用程序及分析、解决实际问题的能力;尝试所学的内容解决实际工程问题,培养学生的工程实践能力1.2 设计要求在很多应用中都要对运动目标进行跟踪。

比如激光制导中,弹载摄像机不断检测指向目标的激光束,根据激光光点的位置来修正飞行方向。

使用图像获取工具箱,从摄像机获取视频图像到matlab中,这些图像可以用来跟踪摄像机视场中的目标。

建立一个图像跟踪的演示程序,用于跟踪的目标可由一个激光笔产生的激光点代替,实现运动目标检测和跟踪,就是在视频序列中实时地发现并提取运动目标,不断跟踪它们,并计算出这些运动目标的轨迹。

  1. 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. 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. 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)。

数字图像处理课程设计学院:自动化学院专业:电子信息科学与技术班级:姓名:12级 B方向樊晓晨起讫日期:12月28日~1月1日指导教师:曹宇摘要基于数字信号处理原理,在数字滤波器设计理论和Matlab 编程技术及其GUI 图形用户界面设计的基础上,开发了具有交互式特点的数字图像处理GUI 软件,界面操作简单方便。

MATLAB既是一种直观、高效的计算机语言,同时又是一个科学计算平台。

它为数据分析和数据可视化、算法和应用程序开发提供了最核心的数学和高级图形工具。

根据它提供的500多个数学和工程函数,工程技术人员和科学工作者可以在它的集成环境中交互或编程以完成各自的计算。

MATLAB中集成了功能强大的图像处理工具箱。

由于MATLAB语言的语法特征与C语言极为相似,而且更加简单、更加符合科技人员对数学表达式的书写格式,而且可移植性好、可扩展性强,再加上其中有丰富的图像处理函数,所以MATLAB在图像处理的应用中具有很大的优势。

关键词:Matlab GUI;数字图像处理;图形用户界目录第1 章于MATLAB 的图形用户界面(GUI)设计............................................. - 1 -1.1 前言............................................................................................................ - 1 -1.2 句柄图形及图形用户界面........................................................................ - 1 -1.3 GUIDE ........................................................................................................ - 1 -1.3 .1GUI设计工具简介 ......................................................................... - 2 -1.3 .2 编制回调程序................................................................................ - 2 - 第2 章课程设计的目的....................................................................................... - 3 - 第3 章课程设计的内容及要求........................................................................... - 4 - 第4 章设计内容及结果分析............................................................................... - 5 -4.1 文件操作.................................................................................................... - 6 -4.1.1 保存................................................................................................. - 6 -4.1.3 退出................................................................................................. - 6 -4.2 编辑............................................................................................................ - 7 -4.2.1 灰度................................................................................................. - 7 -4.2.2 截图................................................................................................. - 8 -4.2.3 缩放................................................................................................. - 9 -4.2.4 上下翻转....................................................................................... - 10 -4.2.5 加入噪声....................................................................................... - 11 -4.2.6 图片选择....................................................................................... - 13 -4.2.7 二值图像....................................................................................... - 14 -4.2.8 图像分割(计算45度边缘)..................................................... - 14 -4.2.9 边缘检测....................................................................................... - 15 -4.2.10 图像保存..................................................................................... - 16 - 第5 章课程设计的目的..................................................................................... - 18 - 第6 章参考文献................................................................................................. - 19 -第 1 章 基于MATLAB 的图形用户界面(GUI)设计1.1 前言MATLAB 是由Math Works 公司于1984年推出的数学软件,早期以矩阵运算为主 , 但随着科学可视化的需求日增, MATLAB 在第4版推出了句柄图形,自此之后, 所有的Demos 都包含友好的图形用户界面,MATLAB 的图形界面设计功能也日益完善。

如今,MATLAB 已成为集数值计算功能、符号运算功能和图形处理功能为一身的超级科学计算语言, 满足了不同领域用户的需求。

1.2 句柄图形及图形用户界面 句柄图形(Handle Graphics)就是将一个图形的每一个组件都视为一个对象 (Object),每一个对象都有一个独一无二的“句柄”(handle),根据这个句柄,就可以找到这个对象(即图形组件)的各项属性,并进而更改这些属性,以产生不同的图形呈 现效果。

图形用户界面GUI(Graphics User Interface)是由各种图形对象, 如图形窗口、图轴、菜单、按钮、文本框等构建的用户界面, 是人机交流信息的工具和方法,在该界面内,用户可以根据界面提示完成整个程, 却不必去了解工程内部是如何工作的。

GUI 设计即可以基本的MATLAB 程序设计为主,也可以鼠标为主利用GUIDE 工具进行设计。

利用GUIDE 设计图形用户界面时, 可通过 GUI 应用属性设置编辑器来设置对句柄操作的响应 , findobj 命令可以获得所需对象的句柄。

1.3 GUIDEGUIDE(Graphics User Interface Design Environ-ment)是一个专用于GUI 程序设计的快速开发环境 , 使用者通过鼠标就能迅速地产生各种GUI 控件 , 并随心所欲地改变它们的外形、大小及颜色等, 从而帮助用户方便地设计出各种符合要求的图形用户界面。

1.3 .1GUI设计工具简介在GUIDE设计环境中,需要用到的工具有属性编辑器、控件布置编辑器、菜单编辑器、对象浏览器、网格标尺设置编辑器以及GUI应用属性设置编辑器等。

(1)属性编辑器(Properties Inspector)打开属性编辑器的方法有多种,最常用的,选中控件对象以后,点击工具条上的属性设置按钮,即可打开属性编辑器。

通过该属性编辑器来对所选图形对象设置相关属性。

(2)控件布置编辑器(Alignment Objects)在编辑CUI过程中,通过控件布置编辑器可以方便地设置面板上GUI控件的布局。

选中需要对齐的对象,然后选择工具条上的控件布置按钮,即可打开控件布置编辑器。

在控件布置编辑器中可以设置GUI控件水平以及垂直布局,包括对齐方式以及控件间距等。

(3)对象浏览器(Object Browser)在GUI面板中点击对象浏览按钮可打开对象浏览器,在该浏览器中可以方便地显示出所有的图形对象,单击该对象则可以打开相应的属性编辑器。

(4)菜单编辑器(Menu Editor)在GUI面板中点击菜单编辑按钮可打开菜单编辑器,通过菜单编辑器可以为图形界面添加、设置和修改菜单项,以及为右键添加快捷菜单。

(5)网格标尺设置编辑器(Grid and Rulers)通过网格标尺设置编辑器,可以在GUI面板中添加网格以及标尺,来方便用户的界面设计。

相关文档
最新文档