数字图像处理第三次实验(西南交大)
西安交大数字图像处理第二次实验报告
数字图像处理第二次作业摘要本次报告主要记录第二次作业中的各项任务完成情况。
本次作业以Matlab 2013为平台，结合matlab函数编程实现对lena.bmp,elain1.bmp图像文件的相关处理：1.分别得到了lena.bmp 512*512图像灰度级逐级递减8-1显示，2.计算得到lena.bmp图像的均值和方差，3.通过近邻、双线性和双三次插值法将lena.bmp zoom到2048*2048，4. 把lena和elain 图像分别进行水平shear（参数可设置为1.5，或者自行选择）和旋转30度，并采用用近邻、双线性和双三次插值法zoom到2048*2048。
以上任务完成后均得到了预期的结果。
1.把lena 512*512图像灰度级逐级递减8-1显示（1）实验原理：给定的lena.bmp是一幅8位灰阶的图像，即有256个灰度色。
则K位灰阶图像中某像素的灰度值k(x,y)(以阶色为基准)与原图同像素的灰度值v(x,y)(以256阶色为基准)的对应关系为：式中floor函数为向下取整操作。
取一确定k值，对原图进行上式运算即得降阶后的k位灰阶图像矩阵。
（2）实验方法首先通过imread()函数读入lena.bmp得到图像的灰度矩阵I，上式对I矩阵进行灰度降阶运算，最后利用imshow()函数输出显示图像。
对应源程序为img1.m。
（3）处理结果8灰度级7灰度级6灰度级5灰度级4灰度级3灰度级2灰度级1灰度级（4）结果讨论：由上图可以看出，在灰度级下降到5之前，肉眼几乎感觉不出降阶后图像发生的变化。
但从灰度级4开始，肉眼明显能感觉到图像有稍许的不连续，在灰度缓变区常会出现一些几乎看不出来的非常细的山脊状结构。
随着灰度阶数的继续下降，图像开始出现大片的伪轮廓，灰度级数越低，越不能将图像的细节刻画出来，最终的极端情况是退化为只有黑白两色的二值化图像。
由此可以得出，图像采样的灰度阶数越高，灰度围越大，细节越丰富，肉眼看去更接近实际情况。
数字图像处理实验报告（邻域平均法和中值滤波法）
数字图像处理实验报告（邻域平均法和中值滤波法）数字图像处理实验报告班级:姓名:学号:日期:邻域平均法和中值滤波处理一、实验目的图像变换是数字图像处理中的一种综合变换，如直方图变换、几何变换等。
通过本实验，使得学生掌握两种变换的程序实现方法。
二、实验任务请设计程序，分别用邻域平均法，其模板为：和中值滤波法对testnoise 图像进行去噪处理（中值滤波的模板的大小也设为3X 3）。
三、实验环境本实验在Windows 平台上进行，对内存及cpu 主频无特别要求，使用VC或者MINGW (gcc)编译器均可。
四、设计思路介绍代码的框架结构、所用的数据结构、各个类的介绍(类的功能、类中方法的功能、类的成员变量的作用)、各方法间的关系写。
在此不进行赘述。
五、具体实现实现设计思路中定义的所有的数据类型，对每个操作给出实际算法。
对主程序和其他模块也都需要写出实际算法。
代码：<邻域平均法>(3*3)#include#include#include#include "hdr.h" /* ------ 定义结构指针--- */struct bmphdr *hdr;// 定义用于直方图变量unsigned char *bitmap,*count,*new_color; /* ---- main() 函数编--- */ int main(){ //定义整数i，j 用于函数循环时的，nr_pixels 为图像中像素的个数int i, j ,nr_pixels,nr_w,nr_h; // 定义两个文件指针分别用于提取原图的数据和生成直方图均衡化后的图像FILE *fp, *fpnew; // 定义主函数的参数包括：输入的位图文件名和输出的位图文件名，此处内容可以不要，在DOS下执行命令的时候再临时输入也可，为了方便演示，我这里直接把函数的参数确定了。
//argc=3; //argv[1]="test.bmp"; //argv[2]="testzf.bmp"; // 参数输入出错显示/* if (argc != 3) {printf("please input the name of input and out bitmap files\n");exit(1);}*/// 获取位图文件相关信息// hdr = get_header(argv[1]); hdr = get_header("testnoise.bmp");if (!hdr) exit(1); // 以二进制可读方式打开输入位图文件fp = fopen("testnoise.bmp", "rb");if (!fp) {printf("File open error!\n");exit(1);} // 文件指针指向数据区域fseek(fp, hdr->offset, SEEK_SET)计算位图像素的个数nr_pixels = hdr->width * hdr->height;nr_w = hdr->width;nr_h = hdr->height;bitmap = malloc(nr_pixels);new_color = malloc(nr_pixels);count = malloc((nr_w+2)*(+nr_h+2));//读取位图数据到bitmap 中fread(bitmap, nr_pixels, 1, fp);fclose(fp);// 因为图像边缘无法使用邻域平均，所以根据邻近颜色填补图像的周围一圈，存入count[] 数组中// 中心图像存入count[] for(i=nr_w+3;i<(nr_w+2)*(+nr_h+2)-nr_w-3;i++) { j=i/(nr_w+2);if(i%(nr_w+2)!=0&&(i+1)%(nr_w+2)!=0) count[i]=bitmap[i-nr_w-1-2*j]; } // 填补第一排for(i=1;i} // 填补最后一排for(i=1;i} // 填补左边一排for(i=0;i} // 填补右边一排for(i=0;i<nr_h+3;i++)< p="">{ count[(i+1)*(nr_w+2)-1]=count[(i+1)*(nr_w+2)-2];}// 邻域平均3*3for(j=nr_w+3,i=0;j<(nr_w+2)*(+nr_h+2)-nr_w-3;j++) {if(j%(nr_w+2)!=0&&(j+1)%(nr_w+2)!=0)new_color[i]=(count[j]+count[j-1]+count[j+1]+count[j-nr_w-2]+count[j-1-nr_w-2]+count[j+1-nr_w-2]+count[j+nr_w+2]+count[j-1+nr_w+2]+count[j+1+nr_w+2])/9,i++; } //结果存入bitmap[] 中for (i = 0; i < nr_pixels; i++;bitmap[i]=new_color[i]; // 打开一个以输出文件名命名的文件,设为可写的二进制形式fpnew = fopen("test_lynoise.bmp", "wb+");// 由于位图文件的头部信息并没有因直方图均衡化而改变，因此输出图像的头部信息从原位图文件中拷贝即可：fwrite(hdr->signature, 2, 1, fpnew); fwrite(&hdr->size, 4, 1, fpnew);fwrite(hdr->reserved, 4, 1, fpnew); fwrite(&hdr->offset, 4, 1, fpnew); fwrite(&hdr->hdr_size, 4, 1, fpnew); fwrite(&hdr->width, 4, 1, fpnew); fwrite(&hdr->height, 4, 1, fpnew); fwrite(&hdr->nr_planes, 2, 1, fpnew); fwrite(&hdr->bits_per_pixel, 2, 1, fpnew); fwrite(&hdr->compress_type, 4, 1, fpnew); fwrite(&hdr->data_size, 4, 1, fpnew); fwrite(&hdr->resol_hori, 4, 1, fpnew); fwrite(&hdr->resol_vert, 4, 1, fpnew);fwrite(&hdr->nr_colors, 4, 1, fpnew); fwrite(&hdr->important_color, 4, 1, fpnew); if (hdr->offset > 54) fwrite(hdr->info, (hdr->offset - 54), 1, fpnew); // 直方图均衡化的数据(bitmap) 赋值fwrite(bitmap, nr_pixels, 1, fpnew);// 关闭fclose(fpnew);// 释放内存(优化程序必需) free(hdr);free(bitmap);</nr_h+3;i++)<>。
数字图像处理(西南交大)
实验一Matlab图像处理基础一、实验目的1.了解Matlab的基本功能及操作方法2.练习图像读写和显示函数的使用方法3.掌握Matlab支持的五类图像的显示方法（灰度、索引、黑白、彩色等）4.熟悉常用的图像文件格式与格式转换；二、实验内容1.图像的读写A)图像读rgb = imread('ngc6543a.jpg');B)图像写先从一个.mat 文件中载入一幅图像，然后利用图像写函数imwrite，创建一个.bmp文件，并将图像存入其中。
Load clownwhosimwrite(X,map,'clown.bmp')Command windows 窗口显示已载入的图片分辨率、字节大小、格式等信息。
C)图像文件格式转换bitmap = imread('clown.bmp','bmp');imwrite(bitmap,'clown.png','png');D)图像综合操作利用matlab提供的函数将图像读入；编写程序实现对给定图像进行一定比例的放大和缩小处理，在Mfile编辑器中写入以下程序，全速执行：I=imread('lena.tif'); %读入图像J = imresize(I,10); %放大10倍K = imresize(I,0.1); %缩小10倍L=imrotate(I,-10,'bilinear','crop'); %逆时针旋转10°subplot(2,2,1),imshow(I),title('原图'); %原图subplot(2,2,2),imshow(J),title('放大10'); %放大10倍subplot(2,2,3),imshow(K),title('缩小10'); %缩小10倍subplot(2,2,4),imshow(L),title('逆时针旋转10°'); %逆时针转10°2.图像显示A)二进制图像的显示BW1=zeros(20,20); %创建仅包含0/1的双精度图像BW1(2:2:18,2:2:18)=1;imshow(BW1,'notruesize');whosBW2=uint8(BW1);figure,imshow(BW2,'notruesize')BW3=BW2~=0; %逻辑标志置为on figure,imshow(BW3,'notruesize')whosBW=imread('circles.png');imshow(BW);figure,imshow(~BW);figure,imshow(BW,[1 0 0;0 0 1]);B)灰度图像的显示I=imread('testpat1.tif');J=filter2([1 2;-1 -2],I);imshow(I)figure,imshow(J,[])C)索引图像的显示load clown %装载一幅图像imwrite(X,map,'clown.bmp'); %保存为bmp文件imshow(X)imshow(X,map)D)RGB图像的显示I=imread('flowers.tif');imshow(I)RGB=imread('ngc6543a.jpg');figure,imshow(RGB)imshow(I(:,:,3)) % 显示第3个颜色分量E)多帧图像的显示mri=uint8(zeros(128,128,1,27)); % 27帧文件mri.tif初始化for frame=1:27[mri(:,:,:,frame),map]=imread('mri.tif',frame); % 读入每一帧endimshow(mri(:,:,:,3),map); % 显示第3帧figure,imshow(mri(:,:,:,6),map); % 显示第6帧figure,imshow(mri(:,:,:,10),map); % 显示第10帧figure,imshow(mri(:,:,:,20),map); % 显示第20帧F)显示多幅图像[X1,map1]=imread('forest.tif');[X2,map2]=imread('trees.tif');subplot(1,2,1),imshow(X1,map1)subplot(1,2,2),imshow(X2,map2)subplot(1,2,1),subimage(X1,map1)subplot(1,2,2),subimage(X2,map2)三、思考题1.简述MatLab软件的特点。
智能交通系统中的数字图像处理技术
３ 数字图像处理技术在智能交通中的应用
数字图像处理技术在ＩＴＳ领域中具有 极其广阔的应用， 例如交通监视、交通统计 等等，但其中最直接也是最令人感兴趣的 是车牌识别系统。
车牌识别系统是以汽车牌照为特定目 标，通过图像识别的方法，自动识别车牌号 码以及车牌颜色等其它相关信息的计算机 视觉系统，是计算机视觉和模式识别技术 在智能交通领域的重要研究内容，对于现 代智能交通有着重要的意义。
车牌定位是车牌识别系统中要解决的 关键问题之一。目前， 主要通过两条技术路 线进行车牌定位的研究，一种是基于灰度 图像处理技术，一种基于彩色图像处理技 术。前者的缺点是， 当车牌图像的对比度较 小或光照不均匀以及有类似车牌纹理特征 的干扰时，误识率增加且无法提供车牌的 颜色信息。随着计算机技术的迅猛发展， 研 究者开始应用彩色图像处理技术进行车牌 定位。 ３．２ 字符分割
字符识别就是利用数字图形处理技术 中的图像识别对分割出的车牌字符进行识 别， 也称为模式识别。典型的字符识别系统 包括：
（１）数据获取。图像数据获取 是 通 过 图 像输入设备实现，常用的图像输入设备有 摄像机， 图像采集卡等。它将景物光学灰度
①西南交通大学青年教师科研起步项目（编号２００７Ｑ０７７）
在一个完整的车牌识别系统中，当获 取车牌图像后，要对得到的图像进行识别。 车 牌 识 别 一 般 要 经 过 图 像 预 处 理 、牌 照 定 位 、字 符 分 割 、字 符 识 别 几 个 步 骤 ， 如 图 １ 所 示。
图像预处理程序对获取的车牌图像进 行滤波、边界增强等处理， 以便进行后续的 处 理 。车 牌 定 位 模 块 从 处 理 后 的 图 像 中 找
智能交通系统是在较完善的道路设施 基础上，将先进的电子技术、信息技术（ＩＴ）、 人 工 智 能 （ Ａ Ｉ ） 、地 理 信 息 （ Ｇ Ｉ Ｓ ） 、影 像 、计 算 机 技 术 、有 线 ／ 无 线 通 信 、传 感 器 技 术 和 系 统工程技术集成运用于地面运输的实际需 求 ， 建 立 起 全 方 位 、实 时 准 确 、高 效 的 地 面 交通系统，能对各种交通方式进行现代化、 科 学 化 的 智 能 管 理 ［１］ 。主 意 应 用 于 交 通 信 息 服务系统（ＡＰＴＩＳ －ａｄｖａｎｃｅｄ ｐｕｂｌｉｃ ｔｒａｆｆｉｃ ｉｎｆｏｒｍａｔｉｏｎ ｓｙｓｔｅｍ）、交通管理系统（ＡＴＭＳ －ａｄｖａｎｃｅｄ ｔｒａｆｆｉｃ ｍａｎａｇｅｍｅｎｔ ｓｙｓｔｅｍ）、公 共交通系统（ＡＰＴＳ－Ａｄｖａｎｃｅｄ Ｐｕｂｌｉｃ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｓｙｓｔｅｍｓ）、车辆控制系统 （ＡＶＣＳ－Ａｄｖａｎｃｅｄ Ｖｅｈｉｃｌｅ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ）、 货运管理系统（ＣＶＯ－Ｃｏｍｍｅｒｃｉａｌ Ｖｅｈｉｃｌｅ Ｏｐｅｒａｔｉｏｎｓ）、电子收费系统（ＥＴＣ－ｅｌｅｃｔｒｏｎｉｃ ｔ ｏ ｌ ｌ ｃ ｏ ｌ ｌ ｅ ｃ ｔ ｉ ｏ ｎ ） 、紧 急 救 援 系 统 （ Ｅ Ｍ Ｓ －
(完整word版)2015年西南交通大学数字信号处理实验2
数字信号处理MATLAB上机实验第三章3-23已知序列x（n）=｛1，2，3, 3，2，1｝1）求出x(n)的傅里叶变换X（ejω），画出幅频特性和相频特性曲线(提示：用1024点FFT近似X（ejω）)；2）计算x（n)的N(N≥6）点离散傅里叶变换X（k)，画出幅频特性和相频特性曲线；3) 将X（ejω）和X(k)的幅频特性和相频特性曲线分别画在同一幅图中, 验证X（k）是X(ej ω）的等间隔采样, 采样间隔为2π/N;4）计算X(k）的N点IDFT，验证DFT和IDFT的惟一性。
实验分析（1）题用1024点DFT近似x(n）的傅里叶变换.(2）题用36点DFT。
(4）题求傅里叶反变换验证IDFT的惟一性.实验代码及截图1到3问xn=[1 2 3 3 2 1］；Xen=fft(xn,1024);n1=0:length（Xen)—1;amp = abs(Xen)；phi = angle（Xen);Xkn=fft（xn，36);n2=0：length(Xkn)-1;amp2 = abs（Xkn）；phi2 = angle(Xkn）;subplot（221);plot（n1,amp)title（’Xejw幅频特性');xlabel('n')；ylabel（'Amp') subplot（222)；plot（n1，phi）title('Xejw相频特性')；xlabel（’n’)；ylabel('Phi'）subplot（223）；stem（n2，amp2，'。
’）title（'Xk幅频特性’）;xlabel('n')；ylabel('Amp'）subplot(224)；stem（n2,phi2，’.’)title(’Xk相频特性');xlabel('n’）;ylabel（’Phi'）截图如下第4问xn=[1 2 3 3 2 1］；Xkn2=fft(xn,6）；x6n=ifft(Xkn2）；n2=0:length（x6n）-1;subplot（2，1，2）；stem(n2，x6n,'。
数字图像处理 实验报告(完整版)
数字图像处理实验一 MATLAB数字图像处理初步一、显示图像1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。
6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。
7．用imread()读入图像Sunset.jpg和Winter.jpg；8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。
其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>I=imread('Sunset.jpg');>>J=imread('Winter.jpg')>>imfinfo 'Sunset.jpg'>> imfinfo 'Winter.jpg'>>figure(1),imshow('Sunset.jpg')>>figure(2),imshow('Winter.jpg')三、二值化图像10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。
数字图像处理实验
数字图像处理实验实验总学时：10学时实验目的：本实验的目的是通过实验进一步理解和掌握数字图像处理原理和方法。
通过分析、实现现有的图像处理算法，学习和掌握常用的图像处理技术。
实验内容：数字图像处理的实验内容主要有三个方面:(1) 对图像灰度作某种变换,增强其中的有用信息,抑制无用信息,使图像的视在质量提高,以便于人眼观察、理解或用计算机对其作进一步的处理。
(2) 用某种特殊手段提取、描述和分析图像中所包含的某些特征和特殊的信息,主要的目的是便于计算机对图像作进一步的分析和理解,经常作为模式识别和计算机视觉的预处理。
这些特征包括很多方面，例如,图像的频域特性、灰度特征、边界特征等。
(3) 图像的变换,以便于图像的频域处理。
实验一图像的点处理实验内容及实验原理：1、灰度的线性变换灰度的线性变换就是将图像中所有的点的灰度按照线性灰度变换函数进行变换。
该线性灰度变换函数是一个一维线性函数：灰度变换方程为：其中参数为线性函数的斜率，函数的在y轴的截距，表示输入图像的灰度，表示输出图像的灰度。
要求：输入一幅图像，根据输入的斜率和截距进行线性变换，并显示。
2、灰度拉伸灰度拉伸和灰度线性变换相似。
不同之处在于它是分段线性变换。
表达如下：其中，(x1,y1)和(x2,y2)是分段函数的转折点。
要求：输入一幅图像，根据选择的转折点，进行灰度拉伸，显示变换后的图像。
3、灰度直方图灰度直方图是灰度值的函数，描述的是图像中具有该灰度值的像素的个数，其横坐标表示像素的灰度级别，纵坐标表示该灰度出现的频率(象素的个数)。
要求：输入一幅图像，显示它的灰度直方图，可以根据输入的参数（上限、下限）显示特定范围的灰度直方图。
4、直方图均衡：要求1 显示一幅图像pout.bmp的直方图；2 用直方图均衡对图像pout.bmp进行增强；3 显示增强后的图像。
实验二：数字图像的平滑实验内容及实验原理：1．用均值滤波器（即邻域平均法）去除图像中的噪声；2．用中值滤波器去除图像中的噪声3． 比较两种方法的处理结果 实验步骤：用原始图象lena.bmp 或cameraman.bmp 加产生的3%椒盐噪声图象合成一幅有噪声的图象并显示；1． 用均值滤波器去除图像中的噪声（选3x3窗口）；2． f (x 0,y 0)=Med {f (x,y )∨x ∈[x 0−N,x 0+N ],y ∈[y 0−N,y 0+N ]}用中值滤波器去除图像中的噪声(选3x3窗口做中值滤波)；3． 将两种处理方法的结果与原图比较，注意两种处理方法对边缘的影响。
数字图像处理实验报告实验三
代码：
I=imread('lines.png');
F=rgb2gray(I);
subplot(2,2,1);
imshow(I);
title('原始图像');
thread=130/255;
subplot(2,2,2);
imhist(F);
图5-2 添上一层（漆）
3.开运算open：
4.闭close：
5.HMT(Hit-Miss Transform:击中——击不中变换)
条件严格的模板匹配
模板由两部分组成。 ：物体， ：背景。
图5-3 击不中变换示意图
性质：
（1） 时，
（2）
6.细化/粗化
(1)细化（Thin）
去掉满足匹配条件的点。
图5-4 细化示意图
se = strel('ball',5,5);
I2 = imerode(I,se);
imshow(I), title('Original')
figure, imshow(I2), title('Eroded')
Matlab用imopen函数实现图像开运算。用法为:
imopen(I,se);
I为图像源，se为结构元素
构造一个中心具有菱形结构的结构元素，R为跟中心点的距离
SE = strel('rectangle',MN)
构造一个矩形的结构元素,MN可写在[3 4]，表示3行4列
SE = strel('square',W)
构造一个正方形的矩阵。
数字图像处理(上海交通大学) 中国大学MOOC答案2023版
数字图像处理(上海交通大学) 中国大学MOOC答案2023版第一周绪论测试与作业1、图像在计算机中是如何表示的？答案: 2D图像用f(x,y),3D图像用f(x,y,z)2、图像的数字化为什么会丢失信息?答案:采样和编码丢失数据3、8位图像的灰阶范围是多少?答案: 0 – 2554、下列哪一项不是二维图像的存储格式？答案: .dicom5、下列图像分类名称中，哪一项不是按图像传感器分类的？答案:伪彩图像6、什么是伪彩图像？答案:图像中每个像素点用RGB索引表示7、下列哪一项不属于医学图像的有哪些？答案:紫外图像8、下列有关不同模态的图像叙述正确的是？答案:临床上不同模态的结合需求很高9、下列哪一项是数字图像处理的基本流程？答案:图像预处理–图像分割–图像识别–图像建模10、什么是模式识别？答案:通过计算机用数学的方法来对不同模式进行自动处理和判读第三周图像的基础算法（2）测试与作业1、下列关于灰度直方图的描述不正确的是？答案:灰度直方图与图像具有一一对应关系2、下列哪一项不是灰度直方图的特点答案:描述了每个像素在图像中的位置3、下列关于灰度直方图和图像面积叙述正确的是？答案:灰度直方图按横轴积分得到的值就是图像的面积4、下列关于灰度直方图的双峰性叙述错误的是?答案:根据双峰可以简单地找到最优二值化的值5、下列关于图像二值化叙述正确的是？答案:二值化后的图像只有两个灰阶6、下列哪一个不是求取最优二值化值的算法？答案: Conjugate Gradient Method7、下列二值化和灰度直方图的关系叙述错误的是？答案:通过灰度直方图可以知道二值化的最佳阈值8、下列关于Otsu算法中“类间方差（between-classes variance）”的描述错误的是？答案:类间方差达到最小的情况下即为最优二值化值9、下面哪些效果无法通过卷积实现？答案:把灰度图像彩色化10、下列哪一项不属于图像卷积运算的过程答案:将卷积核的值直接与其覆盖的像素灰度值相乘并累加作为卷积核中心当前覆盖点11、卷积运算中，下列一项处理图像边缘的像素点的方法是错误的？答案:在图像边缘进行卷积运算的时候，调整卷积核的大小12、使用图像卷积操作的除噪方法不包括下列的哪一项？答案:开闭运算13、下列哪个卷积核无法提取图像边缘?答案:14、下列哪一项不是ITK的实现特点？答案:仅支持Window平台15、下列关于VTK的描述错误的是？答案: VTK是用C++实现的，所以要使用VTK只能用C++来调用。
数字图像处理第三次实验(西南交大)
数字图像处理第二次实验注意提交实验报告的文件名格式（姓名+学号+实验报告二.doc）实验三灰度变换增强一、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.了解灰度变换增强的Matlab实现方法3.掌握直方图灰度变换方法4.理解和掌握直方图原理和方法；二、实验内容1. 线段上像素灰度分布读入灰度图像'peppers_gray.bmp'，采用交互式操作，用improfile绘制一条线段的灰度值。
imshow(rgb2gray(imread('peppers.bmp')))improfile读入RGB图像‘flowers.tif’，显示所选线段上红、绿、蓝颜色分量的分布imshow('flowers.tif')improfile2. 直方图变换A)直方图显示在matlab环境中，程序首先读取图像'cameraman.tif'，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读入图像‘rice.png’，在一个窗口中显示灰度级n=64，128和256的图像直方图。
I=imread('rice.png');imshow(I)figure,imhist(I,64)figure,imhist(I,128)figure,imhist(I,256)B)直方图灰度调节利用函数imadjust调解图像灰度范围，观察变换后的图像及其直方图的变化。
I=imread('rice.png');imshow(I)figure,imhist(I)J=imadjust(I,[0.15 0.9],[0 1]); figure,imhist(J)figure,imshow(J)I=imread('cameraman.tif'); imshow(I)figure,imhist(I)J=imadjust(I,[0 0.2],[0.5 1]); figure,imhist(J)figure,imshow(J)C)直方图均衡化在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。
数字图像处理实验三
数字图像处理—实验三一．实验内容：⑴5⨯5区域的邻域平均法⑵5⨯5中值滤波法二．实验目的：了解各种平滑处理技术的特点和用途，掌握平滑技术的仿真与实现方法。
学会用Matlab中的下列函数对输入图像进行上述2类运算。
感受不同平滑处理方法对最终图像效果的影响。
nlfilter；mean2；std2；fspecial；filter2；medfilt2；imnoise三．实验步骤：1．仔细阅读Matlab帮助文件中有关以上函数的使用说明，能充分理解其使用方法并能运用它们完成实验内容。
2．将test3_1.jpg图像文件读入Matlab，用nlfilter对其进行5⨯5邻域平均和计算邻域标准差。
显示邻域平均处理后的结果，以及邻域标准差图像。
clc;clear;figure;subplot(1,3,1);i1=imread('test3_1.jpg');i1=im2double(i1);imshow(i1);title('原图像');subplot(1,3,2);T1=nlfilter(i1,[5 5],@mean2);imshow(T1);title('邻域平均处理后结果');subplot(1,3,3);T2=nlfilter(i1,[5 5],@std2);imshow(T2);title('邻域标准差图像');3．在test3_1.jpg图像中添加均值为0，方差为0.02的高斯噪声，对噪声污染后的图像用nlfilter进行5⨯5邻域平均。
显示处理后的结果。
(使用imnoise 命令)clc;clear;figure;subplot(1,3,1);i1=imread('test3_1.jpg');i1=im2double(i1);imshow(i1);title('原图像');subplot(1,3,2);T1=imnoise(i1,'gaussian',0,0.2);imshow(T1);title('加高斯噪声');subplot(1,3,3);T2=nlfilter(i1,[5 5],@mean2);imshow(T2);title('处理后结果');4．将test3_2.jpg图像文件读入Matlab，用fspecial函数生成一5⨯5邻域平均窗函数，再用filter2函数求邻域平均，试比较与用nlfilter 函数求邻域平均的速度。
数字图像处理在机械领域的应用(本科毕业论文)
西南交通大学本科毕业设计数字图像处理技术在无损检测等中的应用Digital image processing using in NDT.etc2012 年 6月院系机械工程系专业汽车工程年级 2008级姓名杨林题目数字图象处理及其在无损检测等中的应用指导教师评语指导教师 (签章)评阅人评语评阅人 (签章) 成绩答辩委员会主任 (签章)年月日毕业设计任务书班级2008级学生姓名杨林学号20087825发题日期：2012年3 月3 日完成日期：6月6日题目数字图象处理及其在无损检测等中的应用1、本论文的目的、意义：无损检测在机械设备、工程结构的维护中有重要意义。
对油样分析、射线探伤、超声波探伤等无损检测方法生成的图像进行数字图象处理，是实现损伤判断、故障诊断自动化的重要方法。
该选题具有重要实际意义，并促进学生在该领域的深入学习与应用研究，为将来的进一步深造打下基础。
2、学生应完成的任务（1）收集有关无损检测、数字图像处理等方面的资料，了解数字图像处理在无损检测上的应用；（2）学习数字图像处理的基本理论知识，掌握其原理、方法；（3）学会应用相关软件进行程序设计，实现对图像的计算机分析和处理；（4）把数字图像处理方法应用于相关无损检测的图像分析中；（5）完成具有规定格式的设计说明书一份。
3、论文各部分内容及时间分配：（共 15 周）第一部分查阅、搜集相关资料并参考学习；（3周）第二部分基于图像处理的基本知识原理，学习图像处理方法的程序设计，并调试；（4周）第三部分应用图像处理技术对无损检测所得图像进行分析处理，做图像特征提取、图形识别，计算特征参数；（5周）第四部分设计说明书的书写整理，程序的运行演示等工作。
（2周）评阅及答辩（1周）备注参考文献：有关图像处理、无损检测，以及相关程序设计等方面的书籍和资料在图书馆和网络上有很多，可自行选择参考。
指导教师：郭世伟2012年3月3日审批人：年月日摘要本课题主要研究的是将数字图像处理技术引入到无损检测和油样铁谱分析当中，在分析和检测图像的基础上，运用数字图像处理中的图像增强、图像分割的方法并结合matlab软件编程技术处理X射线无损检测和铁谱无损检测结果所得到的图像，能够有效的检测出目标的实际位置、形状、大小等相关参数。
数字图像处理实验报告全(C++)
--
} ＲGBQＵAD ;
实际位图数据：
typｅdｅｆ ｓtruｃt taｇBITMAPINFO // ｂmi { ＢＩTMＡＰIＮFOHＥADＥＲ bｍiHead ｅr ; // info-ｈeａder sｔrｕcture RＧBQUＡD bmｉＣoｌorｓ[１] ; // cｏlor tablｅ ａ rray } BITMAＰINＦO, * ＰBITMAＰIＮＦO ；
要通过缩小或放大 DIB，在输出设备上以特定的大小显示它,可以使用 Stretｃｈ
DIBiｔs: ｉLines = SｔretcｈＤIＢitｓ ( hｄc, // ｄevice contexｔ hanｄlｅ xDｓt, /／ x dｅｓtｉ naｔｉon coordinate ｙDｓt, ／/ y dｅsｔinａtｉoｎ coｏrdｉnaｔｅ ｃxDsｔ, // dｅstｉnaｔioｎ ｒectａngle wiｄtｈ cyDｓt, ／／ destinatｉon rectａnglｅ heigｈt xSrc, // ｘ source coordｉnａte ySrｃ, // y ｓource ｃoorｄｉnａte
--
数字图像处理实验报告
昆明理工大学 理学院
电子信息科学与技术
班 级:
姓 名：
学
号:
指导教师:
完成日期：
电信１12 张鉴
201１１１102210 桂进斌
２０14．0６．05
昆明理工大学理学院电子信息科学与技术１1２班
--
Байду номын сангаас --
目录
实验一 VC 6.0 下ＢＭP 位图的读取与显示 ·····························错误!未定义书签。 实验二 图像基本运算—点运算 ﻩ错误!未定义书签。 实验三 图像基本运算—代数、逻辑运算 ·······························错误!未定义书签。 实验四 图像基本运算—几何运算 ﻩ错误!未定义书签。 实验五 直方图的绘制及其均衡 ·············································错误!未定义书签。 实验六 图像的平滑与锐化 ·······················································错误!未定义书签。 实验七 伪彩色及彩色图像处理 ·············································错误!未定义书签。 实验八 图像傅里叶变换及低通滤波和高通滤波 ···················错误!未定义书签。
数字图像处理实验报告
《数字图像信号处理》实验报告指导老师中南大学信息科学与工程学院2016年 4月目录实验1 PhotoShop功能操作 (2)实验2 Photoshop图像处理实验 (8)实验3 图像处理编程实验 (16)实验4 图像处理编程量测实验 (18)实验1 PhotoShop功能操作一、实验目的1、了解数码相机基本使用。
2、熟悉PHOTOSHOP在图像处理上的用途。
3、掌握PHOTOSHOP一些基本的图像操作。
二、实验内容1、用数码相机拍摄照片。
2、将照片采集到电脑中处理。
3、运用PHOTOSHOP进行图像的编辑与创作。
三、实验预备知识ADOBE PHOTOSHOP是Thomas和John Knoll俩兄弟设计制作，而后与Adobe公司合作，于1989年推行的一个集传统的暗房技术和印前处理功能于一体的综合图像处理软件，它将设计师和使用者集于一体，给图形设计界增添了巨大的活力。
位图即点阵图是由许多小方格的不同色块组成的图像，其中每一个小方格被称为像素。
Photoshop是一个位图处理软件，它可以真实的再现色彩丰富的世界。
由于位图文件在存储时必须记录其组成画面中每一个像素的位置、色彩等数据，因此它的文件信息量大，分辨率越高，信息量越大。
分辨率就是单位（英寸）长度所含像素的多少，单位为dpi。
分辨率可分为图像分辨率、输出分辨率、扫描分辨率等，分辨率是决定图像输入、输出质量高低的关键。
黑白位图模式1bit表示一个图像像素；灰度位图模式用8bit表示一个图像像素；RGB真彩色位图模式用3*8bit表示一个图像像素。
一个数字化图像文件，文件的大小= 图像像素数×字节数/像素+文件头。
在Photoshop中不能将彩色图像直接转化为黑白位图模式，必须先将此彩色图像转化为灰度模式，在转化为位图模式，转化后有几种不同的显示模式：50%阈值、图案仿色、扩散仿色和半调网屏。
四、实验要求1、观察图像大小（宽与高像素）。
23887《数字图像处理（第3版）》习题解答（上传）
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1.1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。
1.2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。
1.3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。
1.4 说出图像、视频（video）、图形（drawing）及动画（animati on）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，每一帧可以看成是静态的图像。
图形是人工或计算机生成的图案，而动画则是通过把人物的表情、动作、变化等分解后画成许多动作瞬间的画幅，再用摄影机连续拍摄成一系列画面，给视觉造成连续变化的图画。
- 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)。
数字图像处理第二次实验注意提交实验报告的文件名格式（姓名+学号+实验报告二.doc）实验三灰度变换增强一、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.了解灰度变换增强的Matlab实现方法3.掌握直方图灰度变换方法4.理解和掌握直方图原理和方法；二、实验内容1. 线段上像素灰度分布读入灰度图像'peppers_gray.bmp'，采用交互式操作，用improfile绘制一条线段的灰度值。
imshow(rgb2gray(imread('peppers.bmp')))improfile读入RGB图像‘flowers.tif’，显示所选线段上红、绿、蓝颜色分量的分布imshow('flowers.tif')improfile2. 直方图变换A)直方图显示在matlab环境中，程序首先读取图像'cameraman.tif'，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读入图像‘rice.png’，在一个窗口中显示灰度级n=64，128和256的图像直方图。
I=imread('rice.png');imshow(I)figure,imhist(I,64)figure,imhist(I,128)figure,imhist(I,256)B)直方图灰度调节利用函数imadjust调解图像灰度范围，观察变换后的图像及其直方图的变化。
I=imread('rice.png');imshow(I)figure,imhist(I)J=imadjust(I,[0.15 0.9],[0 1]); figure,imhist(J)figure,imshow(J)I=imread('cameraman.tif'); imshow(I)figure,imhist(I)J=imadjust(I,[0 0.2],[0.5 1]); figure,imhist(J)figure,imshow(J)C)直方图均衡化在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。
I=imread('cameraman.tif'); %读取图像subplot(2,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(2,2,3),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a=histeq(I,256); %直方图均衡化，灰度级为256subplot(2,2,2),imshow(a) %输出均衡化后图像title('均衡化后图像') %在均衡化后图像中加标题subplot(2,2,4),imhist(a) %输出均衡化后直方图title('均衡化后图像直方图') %在均衡化后直方图上加标题分别对图像‘pout.tif’和‘tire.tif’进行直方图均衡化处理，比较处理前后图像及直方图分布的变化。
I=imread('pout.tif'); imshow(I)figure,imhist(I)J=histeq(I); figure,imhist(J) figure,imshow(J)I=imread('tire.tif'); imshow(I)figure,imhist(I)J=histeq(I); figure,imshow(J) figure,imhist(J)、三、思考题（试回答以下问题）1.MATLAB程序的IPT中有哪些图像亮（灰）度变换函数?写出函数的语法。
2.直方图的物理含义是什么？3.结合实验内容，定性评价直方图均衡增强效果？图像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。
缺点：1）变换后图像的灰度级减少，某些细节消失；2）某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。
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。
这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。
这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。
这种方法的一个缺点是它对处理的数据不加选择，它可能会增加背景杂讯的对比度并且降低有用信号的对比度。
实验四空域滤波增强一、实验目的1.了解空域滤波增强的Matlab实现方法；2.掌握噪声模拟和图像滤波函数的使用方法；3.能够将给定图像+噪声，使用均值滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；4.能够正确地评价处理的结果；并从理论上作出合理的解释。
二、实验内容1. 噪声模拟利用函数imnoise给图像‘autumn.tif’分别添加高斯(gaussian)噪声和椒盐(salt & pepper)噪声。
I=imread('cameraman.tif');imshow(I)I1=imnoise(I,'gaussian',0,0.01);figure,imshow(I1)I2=imnoise(I,'salt & pepper');figure,imshow(I2)2. 均值滤波和中值滤波A)均值滤波在matlab环境中，程序首先读取图像，然后调用图像增强（）函数，设置相关参数，再输出处理后的图像。
I = imread('cameraman.tif');figure,imshow(I);J=filter2(fspecial('average',3),I)/255;figure,imshow(J);B)中值滤波在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。
I = imread('cameraman.tif');figure,imshow(I);J=medfilt2(I,[5,5]); 中值滤波figure,imshow(J);3. 空域滤波A)对上述噪声图像进行均值滤波和中值滤波，比较滤波效果。
i=imread('1.jpg');I=rgb2gray(i);J = imnoise(I,'gauss',0.02); %添加高斯噪声%J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声K = filter2(fspecial('average',3),J)/255; %均值滤波3 ×3 L = filter2(fspecial('average',5),J)/255; %均值滤波5 ×5 M = medfilt2(J,[3 3]); %中值滤波3 ×3 模板N = medfilt2(J,[4 4]); % 中值滤波4 ×4 模板%显示以上滤波后的图片imshow(I);figure,imshow(J);figure,imshow(K);figure,imshow(L);figure,imshow(M);figure,imshow(N);B)总结均值滤波和中值滤波的特点及使用场合。
(1)对于均值滤波, 由以上处理后的图像可以看到:均值滤波对高斯噪声的抑制是比较好的,处理后的图像边缘模糊较少。
但对椒盐噪声的影响不大,因为在削弱噪声的同时整幅图像内容总体也变得模糊，其噪声仍然存在。
(2)对于中值滤波,由图像处理的结果可以看出,它只影响了图像的基本信息,说明中值滤波对高斯噪声的抑制效果不明显。
这是因为高斯噪声使用随机大小的幅值污染所有的点,因此无论怎样进行数据选择,得到的始终还是被污染的值。
而由图还可以看出,中值滤波对去除“椒盐”噪声可以起到很好的效果,因为椒盐噪声只在画面中的部分点上随机出现,所以根据中值滤波原理可知,通过数据排序的方法,将图像中未被噪声污染的点代替噪声点的值的概率比较大,因此噪声的抑制效果很好,同时画面的轮廓依然比较清晰。
由此看来，对于椒盐噪声密度较小时,尤其是孤立噪声点,用中值滤波的效果非常好的。
均值滤波对高斯噪声有较好的抑制作用，而对于椒盐噪声的处理中值滤波要略微有优势。
C)*对图像'saturn.tif'采用'laplacian'高通滤波器进行锐化滤波。
（提示：可使用fspecial函数）I=double(rgb2gray(imread('saturn.png')));imshow(I)H=fspecial('laplacian')%用laplacian'高通滤波器对I进行滤波I2=filter2(H,I) %lapacian 算子滤波锐化figure,imshow(I2) % 显示滤波后的结果三、思考题（试回答以下问题）1、简述高斯噪声和椒盐噪声的特点。