数字图像作业

合集下载

数字图像处理作业 PPT

数字图像处理作业
作业
P30 2、3、5 2. 图像量化时，如果量化级比较小时会产生什么现象？为什么？
3. 为什么非均匀量化多用于量化级数少的场合，而在量化级数多的场合不用？
5. 设某个图像为
100 67 34 100
f
67
67
34 100
67 56 211 67
100 100 211 100
1）采用高斯模板对其进行均值滤波处理； 2）采用3×3模板对其进行中值滤波处理。
第6章
图像的锐化处理
作业
• 1.设图像为：
1 5 15 8
f
1
7
14
9
3 7 10 11
• 分的L别ap采la用cRioabne算r1t子s算对0 子其、进4 行So锐b6e化l 算。子和常用
第7章图像分割
作业
• 已知一幅图像为：
1 2 3 4 5
6
7
8
9
10
f 11 12 13 14 15
16 17 18 19 20
21 22 23 24 25
• 1) 进行Δi=2，Δj=3平移后的图像矩阵。
• 2)对其进行缩小，其中k1=0.6，k2=0.75，写出缩小后的图像矩阵。
• 已知一幅图像为：
1 2 3
f
4
5
6
7 8 9
• 1)对其旋转30度后的图像矩阵 • 2)对其旋转45度后的图像矩阵 • 3)对其旋转60度后的图像矩阵
大家学习辛苦了，还是要坚持
继续保持安静
第5章图像的噪声抑制
作业
1. 已知图像为：
9 10 8 7
f 11 40 9 7 12 9 0 8

数字图像处理-作业汇总

1. 一幅8灰度级图像具有如下所示的直方图，求直方图均衡后的灰度级和对应概率，并画出均衡后的直方图的示意图。

（图中的8个不同灰度级对应的归一化直方图为[0.17 0.25 0.21 0.16 0.07 0.08 0.04 0.02]）解：由s k =∑Pr (r i )k i=0，可以求得原图像直方图的累进概率为： *s +=*0.17,0.42,0.63,0.79,0.86,0.94,0.98,1+其量化结果即：*s q +={17,37,47,67,67,1,1,1}对相应的原灰度级进行映射，即*k ′+=*1,3,4,6,7+相应地有:*s k ′+=*0.17,0.25,0.21,0.23,0.14+因而均衡后的直方图为:2.由题，p r (r )=−2r +2 p z (z )=2z由PDF 灰度变换的关系T (r )=∫p r (w )dw r=s =∫p z (t )dt z=G (z )可得{T (r )=−r 2+2r G (z )=z2⟹z =±√−r 2+2r 要求z 应当是非负的,因而z =√−r 2+2r3. 请计算如下两个向量与矩阵的卷积计算结果。

1) [ 1 2 3 4 5 4 3 2 1] *[ 2 0 -2]=[2,4,4,4,4,0,-4,-4,-4,-4,-2]2) [−101−202−101]∗[1320410323041052321431042]=[−1−3−13−204−3−6−44−4211−3−7−63−6415−3−11−48−10317−7−1125−10615−8−56−4−698−3−13−3−242]4. 高斯型低通滤波器在频域中的传递函数是H (u,v )=Ae −(u2+v 2)2σ2⁄ 根据二维傅里叶性质，证明空间域的相应滤波器形式为h (x,y )=A2πσ2e −2π2σ2(x 2+y 2)（这些闭合形式只适用于连续变量情况。

数字图像作业

一、简答1、简述图像数据冗余度概念及类型。

对于描述一幅图像所需要的最少信息之外的多余信息，称为冗余度。

a.数据冗余空间冗余：一帧图像上像素点与像素点的相关性；时间冗余：多帧图像间像素点与像素点的相关性；符号冗余：图像像素编码码流存在着可压缩性。

b.视觉冗余人眼对细节的分辨能力有限；人眼对颜色画面的分辨低于对黑白画面的分辨能力；人眼对高频信号变化的分辨低于对低频信号变化的分辨能力等。

2、简述帧内预测（DPCM）的过程。

1）预测器根据存储的前若干个样值对当前值进行预测，得到预测值；2）待编码值与预测值相减得到预测差值；3）对预测差值进行量化4）量化后的差值一方面进行熵编码并经信道传出去；另一方面与预测值相加，得到“有量化失真的复原值”，存储到预测器中，供对下一个样值预测之用5）接收端的预测值与解码后的差值相加形成复原值。

3、简述变换编码的过程，并说明变换编码实现压缩的原理。

通过变换去除一部分不重要的参数，达到压缩的目的。

其依据是图像数据经过变换后，出现能量集中的情况，则变换后可只选少量重要的系数进行编码，舍弃大部分不重要的系数，以达到压缩的目的4、什么是图像退化？引起图像退化的主要因素有哪些？。

数字图像在获取的过程中，由于各种原因会产生退化。

主演因素有：1、光学系统的像差与成像衍射2、A/D过程损失部分细节3、成像系统的非线性畸变4、环境随机噪声5、成像过程的相对运动6、射线辐射、大气湍流等造成的照片畸变7、遥感仪器的不稳定引起的照片几何失真5、简述图像退化模型。

1、原始图像g(x,y)经过一个退化过程H （退化算子或退化系统）的作用，再和噪声n(x,y)进行叠加，形成退化图像f(x,y)f(x,y)=H[g(x,y)]+n(x,y)2、连续退化模型在不考虑噪声影响时，系统输出由其输入和点扩展函数唯一确定。

即退化图像f(x,y)是原图像g(x,y)和引起退化的图像系统之点扩展函数h(x,y)的卷积。

数字图像作业

数字图像试验报告1、根据实验程序一2幅灰度图像相加的程序，用MATLAB实现2幅3通道RGB图像的相加a=imread('a.jpg');b=imread('b.jpg');a1=a(:,:,1);a2=a(:,:,2);a3=a(:,:,3);b1=b(:,:,1);b2=b(:,:,2);b3=b(:,:,3);c(:,:,1)=imadd(a1,b1,'uint16');c(:,:,2)=imadd(a2,b2,'uint16');c(:,:,3)=imadd(a3,b3,'uint16');subplot(2,2,1);imshow(a,[]);subplot(2,2,2);imshow(b,[])subplot(2,2,3);imshow(uint8(c));2、针对程序十一，实现对彩色图像的均值滤波处理。

I=imread('a.jpg');%读入源图像a=I(:,:,1)b=I(:,:,2)c=I(:,:,3)figure;subplot(3,2,1);imshow(I);title('原图');aa=im2double(a);%将原图转换为double类型，值在0 1之间，imnoise要求bb=im2double(b)cc=im2double(c)J=imnoise(aa,'gaussian',0,0.005);%人为给图像添加高斯噪声，噪声均值为0，方差为0.005 K=imnoise(bb,'gaussian',0,0.005)L=imnoise(cc,'gaussian',0,0.005)e(:,:,1)=Je(:,:,2)=Ke(:,:,3)=Lsubplot(3,2,2);imshow(e);%显示噪声图像title('加入高斯噪声后的图像');%用filter2函数对加入高斯噪声后的图像进行均值滤波f1=filter2(fspecial('average',3),J);%对图像进行模板大小为3的均值滤波f2=filter2(fspecial('average',3),K)f3=filter2(fspecial('average',3),L)d(:,:,1)=f1d(:,:,2)=f2d(:,:,3)=f3subplot(3,2,3);imshow(d); %显示模板大小为3的均值滤波图像title('模板为3的均值滤波');f4=filter2(fspecial('average',5),J);%对图像进行模板大小为3的均值滤波f5=filter2(fspecial('average',5),K)f6=filter2(fspecial('average',5),L)g(:,:,1)=f4g(:,:,2)=f5g(:,:,3)=f6subplot(3,2,4);imshow(g); %显示模板大小为3的均值滤波图像title('模板为5的均值滤波');3、根据程序五的定位程序，换张图片（text_01.png）重新定位w=imread('D:\ccx\photo\text_01.png');%将字母a从图象中切割出来a= w(33:45,88:98);;figure; imshow(w);figure;imshow(a);%将字母a和图象text.tif进行快速傅立叶变换，然后计算字母a和图象的卷积C=real(ifft2(fft2(w).*fft2(rot90(a,2),220,220)));figure,imshow(C,[]);thresh=60;%显示象素值超过阈值的象素figure,imshow(C>thresh)4、图像空间域增强。

(完整版)数字图像处理大作业

数字图像处理1.图像工程的三个层次是指哪三个层次？各个层次对应的输入、输出对象分别是什么？①图像处理特点：输入是图像，输出也是图像，即图像之间进行的变换。

②图像分割特点：输入是图像，输出是数据。

③图像识别特点：以客观世界为中心，借助知识、经验等来把握整个客观世界。

“输入是数据，输出是理解。

2.常用的颜色模型有哪些（列举三种以上）？并分别说明颜色模型各分量代表的意义。

①RGB（红、绿、蓝）模型②CMY（青、品红、黄）模型③HSI（色调、饱和度、亮度）模型3.什么是图像的采样？什么是图像的量化？1．采样采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。

简单来讲，对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构，所形成的微小方格称为像素点。

一副图像就被采样成有限个像素点构成的集合。

例如：一副640*480分辨率的图像，表示这幅图像是由640*480＝307200个像素点组成。

2．量化量化是指要使用多大范围的数值来表示图像采样之后的每一个点。

量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。

针对数字图像而言：采样决定了图像的空间分辨率，换句话说，空间分辨率是图像中可分辨的最小细节。

量化决定了图像的灰度级，即指在灰度级别中可分辨的最小变化。

数字图像处理（第三次课）调用图像格式转换函数实现彩色图像、灰度图像、二值图像、索引图像之间的转换。

图像的类型转换：对于索引图像进行滤波时，必须把它转换为RGB图像，否则对图像的下标进行滤波，得到的结果是毫无意义的;2.用MATLAB完成灰度图像直方图统计代码设计。

6789101112131415161718192021222324252627282930title('lady-lenna');if isrgb(a);b=rgb2gray(a);%RGB转换为灰度图像endsubplot(2,2,2);imshow(b);%显示图像title('ladygaga-lenna');[m,n]=size(a);%返回图像大小e=zeros(1,256);for k=0:255for i=1:mfor j=1:nif a(i,j)==ke(k+1)=e(k+1)+1;%灰度值相同的进行累加endendendendsubplot(2,2,4);bar(e);%画图像的灰度直方图title('灰度直方图');c=imrotate(a,20);%图像的旋转subplot(2,2,3);imshow(c);数字图像处理（第四次课）编写matlab函数，实现在医学图像中数字减影血管造影。

数字图像处理作业

数字图像处理作业数字图像处理是一门研究如何对数字图像进行处理、分析、识别等的学科，而数字图像的处理就是利用计算机对图像进行数字化处理。

这门学科对日常生活中各行各业有着广泛的应用，比如医学图像处理、遥感图像处理、安防监控、虚拟现实等。

数字图像处理是一个复杂的过程，需要多个步骤的协同完成。

本篇文档就是一次关于数字图像处理的作业，下面将对数字图像处理的主要步骤和注意事项进行详细介绍。

图像数字化图像数字化是指将样本图像点的亮度值和位置坐标转换为数字信号，从而对图像进行处理和传输。

在数字图像处理中，数字图像通常表示为二维矩阵，其中矩阵中的每个元素对应图像中的每个像素。

每个像素的值表示亮度或颜色信息。

前置处理图像的前置处理是指对图像进行预处理，以清除噪声、增强对比度等操作。

前置处理的主要流程包括滤波、分割、边缘检测、形态学处理等。

滤波滤波是对图像进行平滑或锐化处理的过程。

平滑滤波的作用是去除噪声，提高图像的质量；锐化滤波的作用是增强图像的轮廓特征。

分割图像分割是指将图像划分为多个有意义的区域，以便于后续的处理。

最常见的分割方法有基于阈值的方法、边缘检测方法和区域增长法等。

边缘检测边缘检测是指在图像中找到亮度或颜色变化的位置，以便于提取图像的特征。

常用的边缘检测算法有Sobel算子、Prewitt算子、Canny算子等。

形态学处理形态学处理是一种基于图像形状的图像处理方法，其主要作用是对图像进行形态学操作，如腐蚀、膨胀、开运算、闭运算等。

特征提取特征提取是指从处理过后的数字图像中提取有用的信息或特征。

常用的特征提取方法有局部二值模式、霍夫变换、支持向量机(SVM)等。

局部二值模式局部二值模式是一种基于像素点周围局部邻域像素值的特征提取方法，可以有效地提取图像的纹理特征和形状特征等。

霍夫变换霍夫变换是一种基于数学原理的特征提取方法，主要应用于直线、圆弧等图形的识别和提取。

其原理是将特征空间转化为参数空间，通过在参数空间中的投票来找到与特定模型最适配的特征。

完整版数字图像处理作业题及部分答案

1.数字图像与连续图像相比具有哪些优点?连续图像f(x,y)与数字图像I(c,r)中各量的含义是什么?它们有何联系和区别? (To be compared with an analog image, what are the advantagesof a digital image? Let f(x,y) be an analog image, I(r, c) be a digital image, please giveexplanation and comparison for defined variables: f/I, x/r, and y/c)2.图像处理可分为哪三个阶段? 它们是如何划分的？各有什么特点? (We can divide image processing into 3 stages, what are they? how they are divided? What are their features?)答：低级处理---低层操作,强调图像之间的变换,是一个从图像到图像的过程;中级处理---中层操作,主要对图像中感兴趣的目标进行检测和测量,从而建立对图像的描述,是一个从图像到数值或符号的过程;高级处理---高层操作,研究图像中各目标的性质和相互联系,得出对图像内容含义的理解以及对原来客观场景的解释;3.试从结构和功能等角度分析人类视觉中最基本的几个要素是什么?什么是马赫带效应? 什么是同时对比度?它们反映了什么共同问题? (According to the structure and function of theeyes, what are the basic elements in human vision? What is the Mach Band Effect? What is Simultaneous Contrast? What common facts can we infer from both Mach Band Effect and Simultaneous Contrast?)答：人的视觉系统趋向于过高或过低估计不同亮度区域边界的现象称为“马赫带”效应;同时对比度指的是人的视觉系统对某个区域感觉到的亮度除了依赖于它本身的强度,还与背景有关. 马赫带效应和同时对比度现象表明人所感觉到的亮度并不是强度的简单函数.4.比较说明像素邻域、连接、通路以及连通基本概念的联系与区别。

数字图像作业

第三次作业完成情况报告课程：数字图像处理课程编号：21909601摘要：这次的作业主要任务是学习利用拉布拉斯公式对图像进行处理，并学会调用matlab 中的函数对图像进行处理，最后是绘制所需的函数图像。

技术说明：Task1.利用拉布拉斯公式求矩阵的梯度场、输出梯度场图像以及角度的矩阵。

Task2.调用contour函数和quiver函数绘制出lena图像的等高线图像和3D mesh model的图。

并和lena的图像加入高斯噪声后的等高线图像和3D mesh model的图像进行对比。

Task3.利用拉布拉斯公式处理矩阵。

Task4.调用matlab函数：imfiter处理，并输出处理后的lena图像。

Task5.先利用盒子平滑处理器处理lena和livin groom的图像，计算MSE，然后利用g（x，y）=f（x,y）-α▽f(x,y)公式对图像进行锐化，计算MSE，并绘制MSE对α的函数图像。

最后是绘制每一幅处理后的图像的一列的数据对矩阵列数的函数图像。

任务成果：Task1.这是梯度场的图像计算出来的梯度计算出来的角度Task2.原图像：等高线图梯度场图 3D mesh modle图加入高斯噪声后：等高线图梯度场图3D mesh modle图Task3.这是拉布拉斯公式处理后得出的矩阵：Task4.函数：imfilter处理后得出的掩膜图像：Task5.原图像平滑处理后的图像α=0.1的锐化α=0.2的锐化α=0.25的锐化原图像平滑处理后的图像α=0.1的锐化α=0.2的锐化α=0.25的锐化lena锐化后的MSE对α的函数图像livingroom锐化后的MSE对α的函数图像从图中我们可以看出：随着α的逐渐变大，MSE逐渐变小。

原图像、平滑后图像、锐化后图像的第50列数据对列数的函数图像蓝色为原图像的第50列数据函数图像绿色为平滑后图像第50列数据函数图像红色为锐化后图像第50列数据函数图像编写的函数------------------------计算角度的函数----------------------function v=fjiaodu(A)[m,n]=size(A);jiaodu=zeros(m,n);for i=2:m-1for j=2:n-1Gx=(A(i+1,j-1)+2*A(i+1,j)+A(i+1,j+1))-(A(i-1,j-1)+2*A(i-1 ,j)+A(i-1,j+1));Gy=(A(i-1,j+1)+2*A(i,j+1)+A(i+1,j+1))-(A(i-1,j-1)+2*A(i,j -1)+A(i+1,j-1));jiaodu(i,j)=atan(Gy/Gx);endendv=jiaodu;end------------------------计算梯度的函数----------------------function v=ftidu(A)[m,n]=size(A);tidu=A;for i=2:m-1for j=2:n-1Gx(i,j)=(A(i+1,j-1)+2*A(i+1,j)+A(i+1,j+1))-(A(i-1,j-1)+2* A(i-1,j)+A(i-1,j+1));Gy(i,j)=(A(i-1,j+1)+2*A(i,j+1)+A(i+1,j+1))-(A(i-1,j-1)+2* A(i,j-1)+A(i+1,j-1));tidu(i,j)=abs(Gx(i,j))+abs(Gy(i,j));endendv=tidu;end--------------------------平滑处理的函数--------------------function y=fpinghua(A)[m,n]=size(A);A1=A;for i=2:1:m-1for j=2:1:n-1A1(i,j)=mean(mean(A(i-1:i+1,j-1:j+1)));endendy=A1;end-------------------------锐化处理的函数---------------------function v=fsharpening(a,A)[m,n]=size(A);for i=2:m-1for j=2:n-1B(i,j)=(A(i+1,j)+A(i-1,j)+A(i,j+1)+A(i,j-1))-4*A(i,j);endendA1=A;for i=2:m-1for j=2:n-1A1(i,j)=A(i,j)-a*B(i,j);endendv=A1;end编写的代码Task1.A=[110,110,110,145,180,200;110,110,145,185,200,210;110,14 5,185,200,210,215;140,185,200,210,215,220;180,200,210,220 ,220,220;200,210,215,220,220,220];A1=ftidu(A);[m,n]=size(A);jiaodu=zeros(m,n);for i=2:m-1for j=2:n-1Gx=(A(i+1,j-1)+2*A(i+1,j)+A(i+1,j+1))-(A(i-1,j-1)+2*A(i-1 ,j)+A(i-1,j+1));Gy=(A(i-1,j+1)+2*A(i,j+1)+A(i+1,j+1))-(A(i-1,j-1)+2*A(i,j -1)+A(i+1,j-1));jiaodu(i,j)=atan(Gy/Gx);endendquiver(Gx,Gy);title('梯度场');A2=jiaodu;Task2.A=imread('g:\homework\lena_frag.tif');[m,n]=size(A);A1=double(A);for i=2:m-1for j=2:n-1Gx(i,j)=(A1(i+1,j-1)+2*A1(i+1,j)+A1(i+1,j+1))-(A1(i-1,j-1 )+2*A1(i-1,j)+A1(i-1,j+1));Gy(i,j)=(A1(i-1,j+1)+2*A1(i,j+1)+A1(i+1,j+1))-(A1(i-1,j-1 )+2*A1(i,j-1)+A1(i+1,j-1));endendfigure;contour(A); title('lena-frag图像的等高线图');figure;quiver(Gx,Gy);title('lena-frag图像的梯度场');figure;mesh(A1); title('lena-frag图像的3D mesh model');A2=imnoise(A,'gaussian',0.05);A3=double(A2);for i=2:m-1for j=2:n-1Gx1(i,j)=(A2(i+1,j-1)+2*A2(i+1,j)+A2(i+1,j+1))-(A2(i-1,j-1)+2*A2(i-1,j)+A2(i-1,j+1));Gy1(i,j)=(A2(i-1,j+1)+2*A2(i,j+1)+A2(i+1,j+1))-(A2(i-1,j-1)+2*A2(i,j-1)+A2(i+1,j-1));endendfigure;contour(A2); title('加入噪声的lena-frag图像的等高线图'); figure;quiver(Gx1,Gy1);title('加入噪声的lena-frag图像的梯度场'); figure;mesh(A3); title('加入噪声的lena-frag图像的3D mesh model');Task3.A=[100,100,110,125,120,100;105,110,145,185,170,110;110,16 0,200,200,200,115;140,185,200,200,200,115;140,180,200,200 ,200,120;100,110,120,120,120,120];A1=flaplacian(A);Task4.A=imread('g:\homework\lena_frag.tif');B1=[-1,-1,-1;-1,8,-1;-1,-1,-1];A1=imfilter(A,B1);Imshow(A1,[]);title('掩膜后图像');Task5.A=imread('g:\homework\lena_frag.tif');B=imread('g:\homework\livingroom.tif');A1=fpinghua(A);B1=fpinghua(B);figure;subplot(1,2,1);imshow(A,[]);title('原图像');subplot(1,2,2);imshow(A1,[]); title('平滑处理后的图像');figure;subplot(1,2,1);imshow(B,[]); title('原图像');subplot(1,2,2);imshow(B1,[]); title('平滑处理后的图像');a=double(A);b=double(B);a1=double(A1);b1=double(B1);A1_mse=fmse(a,a1);B1_mse=fmse(b,b1);v1=0.1;v2=0.2;v3=0.25;figure;subplot(1,3,1);A21=fsharpening(v1,A1);imshow(A21); title('α为0.1的锐化图像');subplot(1,3,2);A22=fsharpening(v2,A1);imshow(A22); title('α为0.2的锐化图像');subplot(1,3,3);A23=fsharpening(v3,A1);imshow(A23); title('α为0.25的锐化图像');figure;subplot(1,3,1);B21=fsharpening(v1,B1);imshow(B21); title('α为0.1的锐化图像');subplot(1,3,2);B22=fsharpening(v2,B1);imshow(B22); title('α为0.2的锐化图像');subplot(1,3,3);B23=fsharpening(v3,B1);imshow(B23); title('α为0.25的锐化图像');a11=double(A21);a12=double(A22);a13=double(A23);b11=double(B21);b12=double(B22);b13=double(B23);A21_mse=fmse(a,a11);A22_mse=fmse(a,a12);A23_mse=fmse(a,a13);B21_mse=fmse(b,b11);B22_mse=fmse(b,b12);B23_mse=fmse(b,b13);x1=[0.1,0.2,0.25];y1=[A21_mse,A22_mse,A23_mse];figure;plot(x1,y1); title('lena锐化后MSE对α的函数图像');y2=[B21_mse,B22_mse,B23_mse];figure;plot(x1,y2); title('livingroom锐化后MSE对α的函数图像');%-------任意选取图像的一列数据（这里选取第50列），并绘制函数图像-----[m1,n1]=size(A);[m2,n2]=size(B);for j=1:n1k1(1,j)=A(j,50);k2(1,j)=A1(j,50);k3(1,j)=A21(j,50);M1(1,j)=j;endfigure;plot(M1,k1,M1,k2,M1,k3);。

数字图像处理部分作业答案

3.数字化图像的数据量与哪些因素有关？答：数字化前需要决定影像大小（行数M、列数N）和灰度级数G的取值。

一般数字图像灰度级数G为2的整数幂。

那么一幅大小为M*N，灰度级数为G的图像所需的存储空间M*N*g(bit),称为图像的数据量6.什么是灰度直方图？它有哪些应用？从灰度直方图你能获得图像的哪些信息？答：灰度直方图反映的是一幅图像中各灰度级像素出项的频率之间的关系。

以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。

应用：通过变换图像的灰度直方图可以，使图像更清晰，达到图像增强的目的。

获得的信息：灰度范围，灰度级的分布，整幅图像的平均亮度。

但不能反映图像像素的位置。

2. 写出将具有双峰直方图的两个峰分别从23和155移到16和255的图像线性变换。

答：将a=23,b=155 ;c=16,d=255代入公式：得1，二维傅里叶变换有哪些性质？二维傅里叶变换的可分离性有何意义？周期性，线性，可分离性，比例性质，位移性质，对称性质，共轭对称性，差分，积分，卷积，能量。

意义：分离性表明：二维离散傅立叶变换和反变换可用两组一维离散傅立叶变换和反变换来完成。

8.何谓图像平滑？试述均值滤波的基本原理。

答：为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。

均值滤波是一种局部空间域处理的算法，就是对含有噪声的原始图像f(x,y)的每个像素点取一个领域S，计算S中所有像素的灰度级平均值，作为空间域平均处理后图像g(x,y)像素值。

9.何谓中值滤波？有何特点？答：中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，它是一种非线性的图像平滑法。

它对脉冲干扰及椒盐噪声的的图像却不太合适。

抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。

但它对点、线等细节较多6图像几何校正的一般包括哪两步？像素灰度内插有哪三种方法？各有何特点？答：1）建立失真图像和标准图像的函数关系式，根据函数关系进行几何校正。

数字图像处理课后第一次作业

数字图像处理课后第⼀次作业1、完成课本习题3.2(a)(b), 课本中⽂版《处理》第⼆版的113页。

可以通过matlab 帮助你分析理解。

解：(a)s =T(r)=11+(m r ?)E其中，r 为输⼊图像亮度，s 为输出图像的相应亮度，E 控制该函数的斜率。

(b) L 是图像中灰度的级数，使m=L/2；若假定L=500，则m=250。

使⽤matlab 对E 分别为10,15,20,100时的情况进⾏分析，最后可得到如下结果：图1 matlab 分析结果2、⼀幅8灰度级图像具有如下所⽰的直⽅图，求直⽅图均衡后的灰度级和对应概率，并画出均衡后的直⽅图的⽰意图。

（计算中取整采⽤四舍五⼊⽅法，图中的8个不同灰度级对应的归⼀化直⽅图为[0.17 0.25 0.21 0.16 0.07 0.08 0.04 0.02]）解：直⽅图均衡化的变换函数为s k =T (r k )=∑p r (r i )k i=0 0≤r k ≤1;k =0,1,…7 故可算得变化函数s 0计：s0计= T(r0)=0.17 s1计=0.17+0.25=0.42s2计=0.63 s3计=0.79s4计=0.86 s5计=0.94s6计=0.98 s7计=1.00但考虑到输出图像灰度是等间隔的，且与原图像灰度范围⼀样取8个等级，即要求s k=i/7(i=0,1,2,3…7)。

因此需要对s k计进⾏修正，采⽤四舍五⼊法可得s0并=1/7 s1并=3/7s2并=4/7 s3并=6/7s4并=6/7 s5并=1s6并=1 s7并=1根据s k并计算结果可知，直⽅图均衡化后的输出图像的灰度级仅为5个级别，即为s0=1/7 s1=3/7 s2=4/7 s3=6/7 s4=1且根据r k与s k的关联性，可计算得s k对应概率为：P s(s0=1/7)=0.17 P s(s1=3/7)=0.25P s(s2=4/7)=0.21 P s(s3=6/7)=0.23P s(s5=1)=0.14根据s k取值和对应概率，画出的均衡化后的直⽅图如下图所⽰：图2 均衡化后的直⽅图3. (选做题)课本习题3.6。

中科大数字图像处理作业1

数字图像处理（中国科学技术大学）HOMEWORK#1编号：59SA16173027李南云[在此处键入文档的摘要。

摘要通常是对文档内容的简短总结。

在此处键入文档的摘要。

摘要通常是对文档内容的简短总结。

]SA16173027 李南云P1：a: The size of lena.tiff is 512x512 ;The size of mandril.tiff is 256x256.b: The values of pixels lena(29, 86) is 105;The values of pixels mandril(198, 201) is 158. c:d:P1代码如下：clear all;f = imread('C:\Users\Administrator\Desktop\images\lena.tiff'); figure(1);imshow(f);i = imread('C:\Users\Administrator\Desktop\images\mandril.tiff'); figure(2);imshow(i);s1 = size(f);s2 = size(i);v1 = f(30,87);v2 = i(199,202);p1 = f(103,:);p2 = i(:,69);figure(3);subplot(211);plot(p1);figure(3);subplot(212);plot(p2);n = 128;for j=1:nb(x,j)=i(x,j);f(x,j)=b(x,j);endendfigure(4);imshow(f);P2代码如下：clear all;a = imread('C:\Users\Administrator\Desktop\images\campusdrive.tif'); figure(1);subplot(231);imshow(a);a1 = double(a);b = floor(a1/8);b = b*8;b = uint8(b);subplot(232);imshow(b);c = floor(a1/16);c = c*16;c = uint8(c);subplot(233);imshow(c);d = floor(a1/32);d = d*32;d = uint8(d);subplot(234);e = floor(a1/64);e = e*64;e = uint8(e);subplot(235);imshow(e);f = floor(a1/168);f = f*168;f = uint8(f);subplot(236);imshow(f);4bit时已经出现伪轮廓，5bit基本可以保存图像质量。

数字图像处理上机作业一.

数字图像处理上机作业一1.设计一个程序，绘制出一幅灰度图象的直方图。

Solution：代码及代码的说明：%作用：返回灰度矩阵a，并画出直方图function a=zhifangtu(x) % x为要分析的图像名加单引号I=imread(x);b=size(I);a=zeros(1,256); % a为一个1*256的矩阵分别记录灰度为0到255的像%的个数for m=1:b(1) %两个for语句将整张图的所有像素都扫描一遍for n=1:b(2)a(I(m,n)+1)= a(I(m,n)+1)+1; %将灰度为I(m,n)的像素个数存储在%a(I(m,n)+1)中,因为matlab里没有%a(0)endendn=0:255;bar(n,a);%画出直方图s=sum(a) %查看直方图的总的面积等于这张图的总像素值实验结果及分析：在命令窗口中输入zhifangtu('Lenna.bmp')返回s =262144，以及灰度矩阵a，同时有如下直方图输出：分析及结论：在命令窗口中用size命令可查知Lenna.bmp是512*512的，返回的s =262144恰等于512*512，说明所编的直方图的程序恰将所有的像素点都统计了，直方图的总面积等于像素总数。

直方图的作用也就是将一张图中不同灰度值对应像素数的一个统计。

在这个程序的编写中应注意a(I(m,n)+1)= a(I(m,n)+1)+1 不能写成a(I(m,n))= a(I(m,n))+1 ，应为在matlab中矩阵表示没有a(0),若某个像素点的灰度值是0，就会出错，故应写成a(I(m,n)+1)= a(I(m,n)+1)+1形式。

2.对同一场景但模糊程度不一样的三张数字图像绘制出其直方图, 计算每一幅图象所有像素灰度的方差。

图象的清晰度同灰度方差什么关系?Solution：代码及代码的说明：%作用：绘出模糊程度不一样的三张数字图像的直方图，并输出各自灰度方差I1=imread('tu1.bmp');I1=rgb2gray(I1); %转换为灰度图像imwrite(I1,'tu0.bmp'); %由于直方图只能对灰度图作用，故先将其转为灰度图subplot(2,2,1);zhifangtu('tu0.bmp');title('tu1直方图'); %绘出tu1.bmp的直方图k1=size(I1);I1=single(I1);I1=(I1-mean(mean(I1)')).^2; %个像素灰度值减去平均灰%值后再平方t1=sum(sum(I1)')/k1(1)/k1(2), %输出tu1.bmp的所有像素灰度的方差subplot(2,2,2);zhifangtu('tu2.bmp');title('tu2直方图'); %绘出tu2.bmp的直方图I2=imread('tu2.bmp');k2=size(I2);I2=single(I2);I2=(I2-mean(mean(I2)')).^2; %个像素灰度值减去平均灰度值后再%平方t2=sum(sum(I2)')/k2(1)/k2(2), %输出tu2.bmp的所有像素灰度的方差subplot(2,2,3);zhifangtu('tu3.bmp');title('tu3直方图'); %绘出tu3.bmp的直方图I3=imread('tu3.bmp');k3=size(I3);I3=single(I3);I3=(I3-mean(mean(I3)')).^2; %个像素灰度值减去平均灰度值%后再平方t3=sum(sum(I3)')/k3(1)/k3(2), %输出tu3.bmp的所有像素灰度的方差figure;subplot(2,2,1);imshow('tu1.bmp');title('tu1图'); %绘出tu1.bmp的图subplot(2,2,2);imshow('tu2.bmp');title('tu2图'); %绘出tu1.bmp的图subplot(2,2,3);imshow('tu3.bmp');title('tu3图'); %绘出tu1.bmp的图实验结果及分析：上述代码执行后，输出t1 = 7.3027e+003，t2= 6.5808e+003，t3=5.4860e+003；同时输出如下直方图：原始图：分析及结论：tu1，tu2，tu3三幅图是依次变模糊的，三张图的所有像素灰度方差依次为t1 = t1 = 7.3027e+003，t2= 6.5808e+003，t3=5.4860e+003，它们是依次变小的，可知图象的清晰度随灰度方差的变小而变得模糊。

数字图像处理作业答案

1 大作业题目1.问答题1.1连续图像f(x.y)和数字图像I(r,c)中各分量的含义是什么？他们有什么联系和区别？取值范围在什么范围？答：f(x,y)表示二维图像在空间XY中一个坐标点的位置（实际图像的尺寸是有限的，所以x和y的取值也是有限的），即f(x，y)中的x，y分别代表一个点连续图像中的x轴和y轴的坐标，而f则代表图像在点（x,y）的某种性质F的数值（实际图像中各个位置上所具有的性质F的取值也是有限的，所以F得取值也是有限的）。

F,x,y的值可以是任意实数。

图像在点（x,y）也可以有多重性质，此时可用矢量f来表示。

数字图像I（r，c）表示位于图像矩阵上第r行，第c列的元素幅值。

其中I,c,r的值都是整数。

I(r，c)是通过对f(x，y)抽样和量化得来的，f(x，y)各量是连续的，I(r，c)各量是离散的，这里的I代表离散化后的f,(r，c)代表离散化后的（x,y），r，c分别有连续图像中的x，y分别采样得到的；x，y可以取所有的非负数，r，c可以取所有的非负整数。

1.2 发光强度及亮度、照度各有什么不同？答：1）发光强度，单位坎德拉，即cd。

定义：光源在给定方向的单位立体角中发射的光通量定义为光源在该方向的发光强度。

解释：发光强度是针对点光源而言的，或者发光体的大小与照射距离相比比较小的场合。

这个量是表明发光体在空间发射的会聚能力的。

可以说，发光强度就是描述了光源到底有多“亮”，因为它是光功率与会聚能力的一个共同的描述。

发光强度越大，光源看起来就越亮，同时在相同条件下被该光源照射后的物体也就越亮，因此，早些时候描述手电都用这个参数。

常见光源发光强度：太阳，2.8E27cd，高亮手电，10000cd，5mm超高亮LED，15cd。

2）亮度，单位尼特，即nt。

定义：单位光源面积在法线方向上，单位立体角内所发出的光流。

解释：这个是最容易被误解的概念了。

亮度是针对光源而言，而且不是对点光源，是对面光源而言的。

数字图像作业

第1章概述
1、说明图象数字化与图象空间分辨率之间的关系。

2、说明图象数字化与图象灰度分辨率之间的关系。

3、看图说明伪彩色图象采集卡的工作原理，并说明LUT的原理和作用。

第2章正交变换
1、粗略画出下列图象的傅立叶变换图象：
2、证明付里叶变换的可分离性及快速算法可行性。

3、
3、如何快速计算DCT，对奇异点如何处理？第3章图像增强
1、
2、
3、试述直方图均衡化的增强原理。

4、试述规定化直方图增强原理。

5、探讨图象平滑与图象锐化的异同点及它们的适用领域。

6、探讨空域增强处理与频域增强处理的特点，比较其性能。

第4章图像复原
1、用频域的方法建立运动模糊退化模型（x , y 两方向移动），求出退化系统传递函数。

2、探讨参变量维纳滤波中g 的作用，如何求得最佳的参变量g 。

第5章图像分割及其他
1、当图象直方图呈双峰特性时，如何确定二值化的阈值？当图象直方图呈单峰特性时，又如何确定二值化的阈值？
2、试述轮廓追踪的基本原理和操作步骤。

3、探讨二值图象细化的几种算法，并比较其优缺点
第8章图像编码
1、1920*1080、50帧/秒的高清彩色电视信号（8bit量化）用6Mbps的网络传输时，对应的压缩比是多少？
2、简述三大图象编码技术各自的工作原理、特点。

并根据其各自特点，组合设计一种具有较高编码效率的图象压缩方法。

3、简述JPEG编码的压缩原理，探讨如何选择量化表。

4、简述MPEG编码的压缩原理，分析视频图像压缩与静止图像压缩在技术上的区别。

数字图像处理设计作业

数字图像处理课程设计作业
5人一个小组，自行组合，自行分工，做成PPT，第16周周三1-2节课请1-2名代表上台说明，每组4-5分钟。

请大家先思考挑选题目，每个题目至少要有一组选择。

请15周周三时把名单报给老师。

题目如下：（请注意：自拟题目也可以）
1、汽车牌照识别
2、身份证识别
3、数字水印设计
4、指纹识别
5、手写字符识别
6、一维码识别
7、二维码识别
8、静态背景下的运动目标检测
9、人脸识别
10、小波变换在图像中的应用
作业要求：
1、实现原理及方法、实现算法、程序流程、最好有仿真程序及运行结果演示。

2、请查阅资料，就当前发展状况阐述，并与其他的实现方法比较。

3、以小论文形式写成WORD文档，若有PPT、程序及运行结果，请一并上交教学平台。

.。

数字图像作业

数字图像处理作业 PPT

数字图像处理-作业汇总

数字图像作业

数字图像作业

(完整版)数字图像处理大作业

数字图像处理作业

完整版数字图像处理作业题及部分答案

最新数字图像课后习题答案作业

数字图像作业

数字图像处理部分作业答案

数字图像处理课后第一次作业

中科大数字图像处理作业1

数字图像处理上机作业一.

数字图像处理作业答案

数字图像作业

数字图像处理设计作业