图像处理作业讲解

合集下载

数字图像处理大作业

数字图像处理大作业

1、下图是一用于干涉原理进行测试的干涉场图像,要求判读条纹的间距,请给出图像处理的方案并说明每一步的作用及其对其它处理步骤可能产生的影响。

解:步骤与思路:○1.进行模糊处理,消除噪声○2.边缘检测,进行图像增强处理○3.二值化图像,再进行边缘检测,能够得到很清晰的边界。

○4.采用横向标号法,根据值为1像素在标号中的相邻位置可以确定间距I=imread('xz mjt.bmp');I1=medfilt2(I); %对图像中值滤波imshow(I1);[m,n]=size(I1);for i=1:mfor j=1:nif(I1(i,j)<100) %阈值为100I1(i,j)=255;elseI1(i,j)=0; %进行二值化endendendfigure;imshow(I1);Y1=zeros(1,25);y2=y1;c=y2;i=100;for j=1:1200if (I1(i,j)==255&&I1(i,j+1)==0)Y1=j+1;endif (I1(i,j)==0&&I1(i,j+1)==255)Y2=j;endendfor i=1:25c=Y2(i)-Y1(i)endc %找出每两个条纹之间的距离2. 现有8个待编码的符号m0,……,m7,它们的概率分别为0.11,0.02,0.08,0.04,0.39,0.05,0.06,0.25,利用哈夫曼编码求出这一组符号的编码并画出哈夫曼树。

3. 请以图像分割方法为主题,结合具体处理实例,采用期刊论文格式,撰写一篇小论文。

各种算子对图像进行边缘检测效果的研究图像分割是根据需要将图像划分为有意义的若干区域或部分的图像处理技术。

通过边缘检测在Matlab 中实现方法,及用四叉数分解函数进行区域分割的方法,掌握了Matlab 区域操作函数的使用和图像分析和理解的基本方法,并学到了'roberts','sobel','prewitt','canny','log'算子对图像进行边缘检测的不同效果。

数字图像处理9-图像的平移与旋转

数字图像处理9-图像的平移与旋转

这次作业的内容是要完成让图片绕任意一点旋转的效果,同时要了解图像旋转的原理。

为了达到这一目的,我在老师的示例代码上进行了改进,并自己计算出新的变换矩阵,达到了作业中要求的效果。

这里我们先来看一下旋转的效果。

旋转中心(0,0),旋转60°旋转中心(0,0),旋转120°旋转中心(100,0),旋转120°旋转中心(0,600),旋转120°图像的大小是690*728,旋转的角度为顺时针,因此可以看到四副图中的结果都是符合预期的。

之后我们来通过代码,详细的分析这一变化实现的过程。

代码如下:close all;f = imread('try.jpg');theta = 2* pi / 3;x0=0;y0=600;T = [cos(theta) sin(theta) 0-sin(theta) cos(theta) 00 0 1];t1=[ 1 0 00 1 0-x0 -y0 1];t2=[1 0 00 1 0x0 y0 1];T=t1*T*t2;tform = maketform('affine',T);[g, xdata, ydata] = imtransform(f,tform, 'FillValue',255);imshow(g,'XData',xdata,'YData',ydata);hold on;imshow(f);axis auto;axis on;读入图像后,先设定了三个参数,x0y0就是旋转中心的坐标,而theta就是旋转角(顺时针)。

这里要详细说明一下这几个矩阵的作用,并且推导出其生成的过程。

首先最主要的矩阵T,是负责旋转的矩阵。

以下这个图片摘自网络,可以说较为完整的解释了这个矩阵的来历。

如图,利用勾股定理,旋转后与原点距离不变,和差化积公式可以较为简单的得到二维的旋转变换矩阵。

数字图像处理第四章作业

数字图像处理第四章作业

第四章图像增强1.简述直方图均衡化处理的原理和目的。

拍摄一幅较暗的图像,用直方图均衡化方法处理,分析结果。

原理: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。

也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。

把给定图像的直方图分布改变成“均匀”分布直方图分布目的: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。

它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。

通过直方图均衡化,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。

Matlab程序如下:clc;RGB=imread('wxf.jpg'); %输入彩色图像,得到三维数组R=RGB(:,:,1); %分别取三维数组的一维,得到红绿蓝三个分量G=RGB(:,:,2); %为R G B。

B=RGB(:,:,3);figure(1)imshow(RGB); %绘制各分量的图像及其直方图title('原始真彩色图像');figure(2)subplot(3,2,1),imshow(R);title('真彩色图像的红色分量');subplot(3,2,2), imhist(R);title('真彩色图像的红色分量直方图');subplot(3,2,3),imshow(G);title('真彩色图像的绿色分量');subplot(3,2,4), imhist(G);title(' 的绿色分量直方图');subplot(3,2,5),imshow(B);title('真彩色图像的蓝色分量');subplot(3,2,6), imhist(B);title('真彩色图像的蓝色分量直方图');r=histeq(R); %对个分量直方图均衡化,得到个分量均衡化图像g=histeq(G);b=histeq(B);figure(3),subplot(3,2,1),imshow(r);title('红色分量均衡化后图像');subplot(3,2,2), imhist(r);title('红色分量均衡化后图像直方图');subplot(3,2,3),imshow(g);title('绿色分量均衡化后图像');subplot(3,2,4), imhist(g);title('绿色分量均衡化后图像直方图');subplot(3,2,5), imshow(b);title('蓝色分量均衡化后图像');subplot(3,2,6), imhist(b);title('蓝色分量均衡化后图像直方图');figure(4), %通过均衡化后的图像还原输出原图像newimg = cat(3,r,g,b); %imshow(newimg,[]);title('均衡化后分量图像还原输出原图');程序运行结果:原始真彩色图像均衡化后分量图像还原输出原图图1.1 原始图像与均衡化后还原输出图像对比通过matlab仿真,由图1.1比较均衡化后的还原图像与输入原始真彩色图像,输出图像轮廓更清晰,亮度明显增强。

数字图像处理作业第三次直方图处理

数字图像处理作业第三次直方图处理

数字图像处理作业(第三次)直方图处理第一题第二题(例3.6)1. 问题:1)编写函数Y=MyHisteq(X), 对灰度图象X进行直方图均衡化,得到均衡化后的图像Y,假设X的数据类型为uint8。

2)利用自己编写的直方图均衡化函数,重现例3.6中的实验,即对图3.16中的图像进行直方图均衡化。

2.程序:(1) 函数程序:function Y = MyHisteq(X)%对灰度图象X进行直方图均衡化,得到均衡化后的图像Y[m,n]=size(X);A=zeros(1,256);for k=0:255A(k+1)=length(find(X==k))/(m*n);endS1=zeros(1,256);for i=1:256for j=1:iS1(i)=A(j)+S1(i); %算SkendendS2=round(S1*256);for i=1:256B(i)=sum(A(find(S2==i)));endfigure,bar(0:255,B,'b');title('均衡化后的直方图');xlabel('灰度'),ylabel('出现概率')Y=X;for i=0:255Y(find(X==i))=S2(i+1);endend(2)主程序:X=imread('Fig0316(1)(top_left).tif');figure,imshow(X);Y=MyHisteq(X);figure,imshow(Y);3. 实验结果:第三题(例3.12)1. 问题:编写程序,重现例3.12中的实验,产生图3.27。

2.程序:X=imread('Fig0327(a)(tungsten_original).tif');figure,imshow(X);Y=histeq(X);figure,imshow(Y);E=4.0;k0=0.4;k1=0.02;k2=0.4;[m,n]=size(X);X1=X;Mg=sum(X1(:))/(m*n);Vg=sum(sum((X1-Mg).^2))/(m*n);for i=2:m-1for j=2:n-1X2=X1(i-1:i+1,j-1:j+1);Ms=sum(X2(:))/9;Vs=sum(sum((X2-Ms).^2))/9;if(Ms<=k0*Mg&&k1*Vg<=Vs&&Vs<=k2*Vg)X1(i,j)=E*X1(i,j);endendendfigure,imshow(X1);3. 实验结果:放大了约130倍的钨丝的SME图像:全局直方图均衡的结果:使用局部直方图统计增强后的图像:1. 问题:用自己编写编程实现中值滤波,用96页例3.14的图测试。

《第二单元 图像处理的基本方法 第8课 通道的应用(一) 一、 认识颜色通道》作业设计方案-初中信息

《第二单元 图像处理的基本方法 第8课 通道的应用(一) 一、 认识颜色通道》作业设计方案-初中信息

《认识颜色通道》作业设计方案(第一课时)一、作业目标1. 帮助学生理解颜色通道的基本概念;2. 通过实践操作,掌握颜色通道的基本操作方法;3. 培养学生的动手能力和自主学习能力。

二、作业内容1. 观察和识别颜色通道图每个学生需要完成以下任务:(1)打开计算机中的一张图片,观察图片中包含了哪些颜色通道;(2)识别并记录下图片中的主要颜色通道及其对应的颜色信息;(3)总结颜色通道的基本概念和作用。

2. 颜色通道的创建与编辑(1)学生需要使用计算机中的绘图软件,创建一张包含多个颜色通道的图片;(2)使用绘图软件中的颜色编辑工具,对创建的图片进行编辑,如增加、删除或调整颜色通道;(3)记录下编辑过程中的操作步骤和注意事项。

三、作业要求1. 独立完成作业,不得抄袭;2. 提交作业时需附上自己的总结和心得体会;3. 作业文件请保存为以学号命名的文件夹中,并提交至教师指定的平台。

四、作业评价1. 作业评分:根据学生提交的作业文件,教师进行评分;2. 作业反馈:对于学生在作业中遇到的问题和疑惑,教师将在课堂上进行解答和指导;3. 总结评价:结合学生的作业完成情况及课堂表现,对学生的学习效果进行综合评价。

五、作业反馈在作业完成后,学生应认真反思自己在完成作业过程中的得失,总结经验教训,并根据教师的反馈意见进行调整和改进。

此外,学生还可以针对作业内容提出自己的疑问或建议,与教师进行交流和讨论,共同促进信息技术课程的健康发展。

通过本次作业,学生可以更加深入地了解颜色通道的基本概念和操作方法,增强自己的动手能力和自主学习能力。

同时,教师也可以通过学生的作业反馈,及时发现教学中的不足之处,不断完善和优化教学方案,提高教学质量。

作业设计方案(第二课时)一、作业目标通过本次作业,学生将进一步理解颜色通道的概念,掌握颜色通道在图像处理中的重要性,并能够在实际操作中运用颜色通道进行图像调整。

二、作业内容1. 操作练习:要求学生使用Photoshop软件,打开一张图片。

(完整版)数字图像处理大作业

(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。

计算机图像处理作业

计算机图像处理作业

计算机图像处理——图像的概念及整体课程体会学院:xxx班级:xxx姓名:xxx学号:xxxx2011/5/16我们本门课程共讲八章,通过十多周的学习,我学到了关于计算机图像处理的基本知识,对计算机图像处理有了更深一层次的理解。

以下是图像的基本概念及我学习本课程的体会。

图像的基本概念1.1图像数字化图像按表现方式不同分为连续图像和离散图像:连续图像——日常生活中见到的图像一般是连续形式的模拟图像,可由一个二维连续函数f (x ,y )来描述。

其中:(x, y)是图像平面上任意一个二维坐标点, f (x, y)则是该点颜色的深浅。

离散图像—— 用一个数字阵列表示的图像。

阵列中每一个元素称为像素,像素是组成数字图像的基本元素。

数字图像处理的一个先决条件就是将连续图像经采样、量(离散)化,转换为数字图像。

所谓的图像数字化是指将模拟图像经过离散化之后,得到用数字表示的图像。

图像的数字化包括了空间离散化(即采样)明暗表示数据的离散化(即量化)由于图像是一种二维分布的信息,对它进行采样操作也是二维的。

采样示意图采样时的注意点是:采样间隔的选取。

采样间隔太小,则增大数据量;太大,则会发生信息的混叠,导致细节无法辨认。

分辨率 是指映射到图像平面上的单个像素的景物元素的尺寸。

单位:像素/英寸,像素/厘米(如:扫描仪的指标 300dpi)。

分辨率 或者是指要精确测量和再现一定尺寸的图像所必需的像素个数。

单位:像素×像素(如:数码相机指标30万像素 (640×480))。

量化是将各个像素所含的明暗信息离散化后,用数字来表示称为图像的量化;一般的量化值用整数来表示。

充分考虑到人眼的识别能力之后,目前非特殊用途的图像均为8比特(bit)量化,即用0~255描述“黑~白”。

采样行隔采样间隔量化可分为均匀量化和非均匀量化。

均匀量化是简单地在灰度范围内等间隔量化。

非均匀量化是对像素出现频度少的部分量化间隔取大,而对频度大的量化间隔取小。

语音与图像处理技术作业指导书

语音与图像处理技术作业指导书

语音与图像处理技术作业指导书第1章引言 (3)1.1 语音与图像处理技术概述 (3)1.2 作业目的与要求 (3)第2章语音信号处理基础 (4)2.1 语音信号的特点与表示 (4)2.1.1 语音信号的特点 (4)2.1.2 语音信号的表示 (4)2.2 语音信号的预处理 (5)2.2.1 预加重 (5)2.2.2 噪声消除 (5)2.2.3 静音检测与端点检测 (5)2.3 语音信号的时频分析 (5)2.3.1 短时傅里叶变换(STFT) (5)2.3.2 小波变换 (5)2.3.3 希尔伯特黄变换(HHT) (5)2.3.4 基于高斯混合模型(GMM)的时频表示 (5)第3章声学与语音学基础 (5)3.1 声学基本概念 (5)3.1.1 声波与声速 (5)3.1.2 声压与声强 (6)3.1.3 频率与波长 (6)3.1.4 音高与音量 (6)3.2 语音学基本概念 (6)3.2.1 发音器官 (6)3.2.2 元音与辅音 (6)3.2.3 声调与语调 (6)3.2.4 节奏与韵律 (6)3.3 声学与语音学的应用 (6)3.3.1 声学在语音信号处理中的应用 (6)3.3.2 语音识别与合成 (6)3.3.3 语音编码与传输 (7)3.3.4 声学在语音通信中的应用 (7)第4章语音识别技术 (7)4.1 语音识别基本原理 (7)4.1.1 声音信号的产生 (7)4.1.2 语音信号的数字化表示 (7)4.1.3 语音识别系统基本架构 (7)4.2 特征提取与选择 (7)4.2.1 常用特征提取方法 (8)4.2.2 特征选择策略 (8)4.3 语音识别算法 (8)4.3.1 隐马尔可夫模型(HMM) (8)4.3.2 支持向量机(SVM) (8)4.3.3 深度神经网络(DNN) (8)4.3.4 集成学习算法 (8)第5章说话人识别与确认 (8)5.1 说话人识别技术概述 (8)5.2 说话人特征提取 (9)5.3 说话人识别算法 (9)第6章语音合成技术 (9)6.1 语音合成基本原理 (9)6.2 文本到语音的转换 (10)6.3 语音合成算法 (10)第7章图像处理基础 (10)7.1 数字图像的基本概念 (10)7.1.1 图像的数字化表示 (10)7.1.2 图像的类别 (11)7.1.3 数学模型 (11)7.2 图像增强 (11)7.2.1 空间域增强 (11)7.2.2 频率域增强 (11)7.2.3 彩色图像增强 (11)7.3 图像复原 (11)7.3.1 噪声模型与去噪 (11)7.3.2 图像模糊与锐化 (11)7.3.3 超分辨率复原 (11)第8章图像分割与特征提取 (12)8.1 图像分割技术 (12)8.1.1 基本概念 (12)8.1.2 传统图像分割方法 (12)8.1.3 基于聚类的图像分割 (12)8.2 边缘检测算法 (12)8.2.1 基本原理 (12)8.2.2 经典边缘检测算子 (12)8.2.3 边缘检测功能评价 (12)8.3 区域生长与合并 (12)8.3.1 区域生长算法 (12)8.3.2 区域合并算法 (13)8.3.3 区域生长与合并在实际应用中的优化 (13)第9章模式识别与机器学习 (13)9.1 模式识别基本概念 (13)9.1.1 模式识别的定义 (13)9.1.2 模式识别的基本过程 (13)9.1.3 模式识别的主要方法 (13)9.2 统计模式识别方法 (13)9.2.1 概率论基础 (13)9.2.2 参数估计 (13)9.2.3 判别函数和分类器设计 (13)9.3 机器学习算法在语音与图像处理中的应用 (13)9.3.1 机器学习概述 (14)9.3.2 监督学习在语音与图像处理中的应用 (14)9.3.3 无监督学习在语音与图像处理中的应用 (14)9.3.4 深度学习在语音与图像处理中的应用 (14)第10章语音与图像处理技术的应用 (14)10.1 语音与图像处理在生活中的应用 (14)10.1.1 智能家居 (14)10.1.2 娱乐与休闲 (14)10.1.3 语音与聊天 (14)10.2 语音与图像处理在工业中的应用 (14)10.2.1 自动化生产 (15)10.2.2 设备维护与管理 (15)10.3 语音与图像处理在医疗领域的应用 (15)10.3.1 医学影像诊断 (15)10.3.2 手术导航与辅助 (15)10.4 语音与图像处理在安全监控领域的应用 (15)10.4.1 人脸识别与追踪 (15)10.4.2 声音识别与定位 (15)第1章引言1.1 语音与图像处理技术概述信息技术的飞速发展,语音与图像处理技术在多媒体通信、智能监控、人机交互等领域发挥着越来越重要的作用。

图像处理作业答案

图像处理作业答案

1. 写出至少3种图像平滑算法,说明每种方法的优、缺点和适用的情况。

1)均值滤波法:均值滤波是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素(以目标象素为中心的周围8个像素,构成一个滤波模板,即去掉目标像素本身),再用模板中的全体像素的平均值来代替原来像素值。

优点:简单,易于操作。

缺点:它不能很好地保护图像细节,在图像去噪的同时也破坏了图像的细节部分,从而使图像变得模糊,不能很好地去除噪声点。

使用情况:适用于去除通过扫描得到的图像中的颗粒噪声。

2)中值滤波法:中值滤波法是一种非线性平滑技术,它将每一象素点的灰度值设置为该点某邻域窗口内的所有象素点灰度值的中值。

优点:可以清除孤立的噪声点,既能去除噪声,又能很好的保护边缘图像,得到比较满意的复原效果。

缺点:不适合处理细节多的图像。

使用情况:滤除图像的椒盐噪声。

3)加权平均滤波法::加权平均滤波是对移动平均滤波的改进,不同时刻采样的数据乘以不同的权,越接近现时刻的数据,权越大。

优点:即使图像中的噪声影响得到抑制,又不对图像的边界和细节有明显的影响。

缺点::对于纯滞后时间常数较小、采样周期较长、缓慢变化的信号,滤波效果差。

使用情况::该算法比较适用于有较大纯滞后时间常数的对象。

2. 说明直方图均衡化和直方图规定化的实现过程。

1)直方图均衡化实现步骤:(1)•列出原始图像的灰度级(fj)(2)统计各灰度级的像素数目(3)计算原始图像直方图各灰度级的频数(4)计算累积分布函数(5).应用以下公式计算映射后的输出图像的灰度级,P为输出图像灰度级的个数(gi)(6)统计映射后各灰度级的像素数目(7)计算输出直方图(8)用fj和gi的映射关系修改原始图像的灰度级,从而获得直方图近似为均匀分布的输出图像2)直方图规定化的实现步骤:令Pr(r)和Pz(z)分别为原始图像和期望图像的灰度概率密度函数,如果对原始图像和期望图像均作直方图均衡化处理,则有:£="2 [耿)dr(1)V = 二f E (z)dz z = (v)(2)(3)由于都是进行直方图均衡化处理,处理后的原图像概率密度函数 Ps (s )及期望图像的概率密度函数Pv (v )是相等的。

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

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

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。

《二值的黑白图像》 作业设计方案

《二值的黑白图像》 作业设计方案

《二值的黑白图像》作业设计方案一、作业背景在图像处理领域,二值的黑白图像是一种基础且重要的图像类型。

它具有简单、直观的特点,同时在许多应用中发挥着关键作用,如文档扫描、印章识别、图像分割等。

通过设计关于二值黑白图像的作业,有助于学生深入理解图像的数字化表示、阈值处理、形态学操作等核心概念,提高他们的图像处理能力和问题解决能力。

二、作业目标1、让学生掌握二值黑白图像的基本概念,包括像素值、阈值、图像的表示方法等。

2、培养学生运用图像处理软件进行二值化操作的实践能力。

3、引导学生分析二值黑白图像的特点和应用场景,培养其对图像处理的实际应用能力。

4、锻炼学生的逻辑思维和问题解决能力,通过处理二值黑白图像中的问题,培养创新思维。

三、作业内容1、理论知识部分(1)要求学生查阅相关资料,了解二值黑白图像的定义、特点和应用领域,并以书面形式总结。

(2)解释二值化的概念,让学生掌握如何通过设定阈值将灰度图像转换为二值黑白图像,要求学生绘制流程图说明转换过程。

2、实践操作部分(1)提供一组灰度图像,让学生使用图像处理软件(如Photoshop、Matlab 等),选择合适的阈值将其转换为二值黑白图像,并记录所选择的阈值和转换后的效果。

(2)对转换后的二值黑白图像进行形态学操作,如膨胀、腐蚀、开运算、闭运算等,观察并记录操作前后图像的变化。

3、分析与讨论部分(1)让学生分析不同阈值对二值化结果的影响,讨论如何选择合适的阈值以获得最佳的二值化效果。

(2)针对形态学操作,引导学生思考不同操作在实际应用中的作用,例如膨胀可以连接断开的区域,腐蚀可以消除细小的噪声等。

4、拓展应用部分(1)要求学生思考如何利用二值黑白图像进行简单的物体识别,例如识别圆形、方形等基本形状。

(2)让学生探索二值黑白图像在文字识别、指纹识别等领域的应用,并简述其原理。

四、作业要求1、理论知识部分的书面总结要求语言通顺、逻辑清晰,字数不少于 500 字。

数字图像处理作业

数字图像处理作业

结合每个人的本专业学科、工作应用, 谈谈数字图像处理的关系或在本专业的应用?答:数字图像处理技术的应用几乎无处不在, 例如有的U 盘和电脑安装了指纹识别系统, 气象中心对云图变化的分析系统, 上网视频聊天室的图像传输系统, 计算机阅卷系统, 车牌识别系统, 邮编识别系统等等, 都是实际工作和生活中对数字图像处理的应用。

除前面介绍的例子之外, 试举一些其它的图像应用的工程例子。

答:在工程中的应用也很广泛, 而且有十分大的发展前景, 这里举两个例子:制烟厂里检查香烟数量的系统, 有效的保证了没盒烟中香烟的数量, 而且大大提高了效率;地下资源的勘测系统, 可以对地下资源进行不同光谱分析, 较为可观的得到地下资源信息。

图像处理与计算机图形学的区别与联系是什么?区别: 数字图像处理对客观存在的图像惊醒处理和分析, 从而得到有用信息的学科。

计算机图形学: 对客观存在的或想象中的事物通过建立数学模型, 用图像的方式表达出来。

联系:都是用计算机进行点、面处理, 使用光栅显示器等。

在图像处理中, 需要用计算机图形学中的交互技术和手段输入图形、图像和控制相应的过程;在计算机图形学中, 也经常采用图像处理操作来帮助合成模型的图像。

画出视觉信息在眼球内(视网膜中)的传输过程模型示意图, 并扼要说明?如下图:瞳孔直径可调节, 控制进入人眼内的光通量;而晶状体可调节曲率, 改变焦距, 使不同距离的图在视网膜上成像画出黑白视觉扩展模型, 并略加说明。

黑白视觉扩展模型:2-3 什么叫图像逼真度和图像可懂度? 采用归一化方均误差NMSE 计算下面两幅数字图像的逼真度111111(,)111(,)101111111f j k f j k ∧⎡⎤⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦答: 图像逼真度: 描述被评价图像与标准图像的偏离程度图像可懂度: 表示图像能向人或机器提供信息的能力由公式计算得NMSE=1/92-4 给出一幅4bit 的图像A (见下图)。

DIP作业指导书

DIP作业指导书

篇一:dip指导书《数字图像处理》实验指导书实验一、数字图像获取实验二、图像的傅立叶变换实验三、图像增强实验四、图像压缩实验五、图像融合实验一、数字图像获取一、实验目的1掌握使用扫描仪等数字化设备以及计算机获取数字图像的方法; 2修改图像的存储格式。

二、实验原理用扫描仪获取图像也是图像的数字化过程的方法之一。

扫描仪按种类可以分为手持扫描仪,台式扫描仪和滚筒式扫描仪(鼓形扫描仪)。

扫描仪的主要性能指标有x、y方向的分辨率、色彩分辨率(色彩位数)、扫描幅面和接口方式等。

各类扫描仪都标明了它的光学分辨率和最大分辨率。

分辨率的单位是dpi,dpi是英文dot per inch 的缩写,意思是每英寸的像素点数。

扫描仪工作时,首先由光源将光线照在欲输入的图稿上,产生表示图像特征的反射光(反射稿)或透射光(透射稿)。

光学系统采集这些光线,将其聚焦在ccd上,由ccd将光信号转换为电信号,然后由电路部分对这些信号进行a/d转换及处理,产生对应的数字信号输送给计算机。

当机械传动机构在控制电路的控制下,带动装有光学系统和ccd的扫描头与图稿进行相对运动,将图稿全部扫描一遍,一幅完整的图像就输入到计算机中去了。

图1.1扫描仪的工作原理扫描仪扫描图像的步骤是:首先将欲扫描的原稿正面朝下铺在扫描仪的玻璃板上,原稿可以是文字稿件或者图纸照片;然后启动扫描仪驱动程序后,安装在扫描仪内部的可移动光源开始扫描原稿。

为了均匀照亮稿件,扫描仪光源为长条形,并沿y方向扫过整个原稿;照射到原稿上的光线经反射后穿过一个很窄的缝隙,形成沿x方向的光带,又经过一组反光镜,由光学透镜聚焦并进入分光镜,经过棱镜和红绿蓝三色滤色镜得到的rgb 三条彩色光带分别照到各自的ccd上,ccd将rgb光带转变为模拟电子信号,此信号又被a/d 变换器转变为数字电子信号。

至此,反映原稿图像的光信号转变为计算机能够接受的二进制数字电子信号,最后通过串行或者并行等接口送至计算机。

数字图像处理第二章作业

数字图像处理第二章作业

第二章数字图像处理的基本概念2. 图像数字化包括那两个过程?它们对数字化图像质量有何影响?答:图像数字化包括采样和量化两个过程。

采样:将空间上连续的图像变换成离散点的操作称为采样。

量化:将像素灰度转换成离散的整数值得过程叫量化。

影响:一般来说,采样间隔越大,所得图像像素越少,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。

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.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。

8。

图像处理按功能分有哪几种形式?答:按图像处理的输出形式,图像处理的基本功能可分为三种形式:(1)单幅图像-—>单幅图像;(2)多幅图像—-〉单幅图像;(3)单(或多)幅图像——>数字或符号等.12。

图像特性包括哪些类型?图像特征是图像分析的重要依据,它可以是视觉能分辨的自然特征,也可以是人为定义的某些特性或参数,即人工特征.数字图像的像素亮度、边缘轮廓等属自然特性;图像经过变换得到的频谱和灰度直方图等属人工特征.1、自然特征图像是空间景物反射或者辐射的光谱能量的记录,因而具有光谱特征、几何特征和时相特征。

图像处理基于米粒问题作业

图像处理基于米粒问题作业

图像处理作业—miniproject2题目:计算所给图像中米粒的数量及每个米粒的面积要求:你需要独立的提供:(a)计划总结(b)算法描述(c)性能评估(d)代码编写解:所给原图像如下:1、首先从图中可以看出图像中背景亮度不一致,中心位置的背景亮度强于其他部分亮度,则先用imopen函数和一个半径为15的圆盘结构元素对输入的图像I进行形态学开操作,去掉那些不完全包括在圆盘中的对象,从而实现对背景亮度的估计。

来更好地识别米粒个数。

代码及获得背景图像如下:I1 = imread('d:\\米粒.png');G=imopen(I1,strel('disk',15));imshow(G);2、然后再从原始图像中减去背景图像及得到背景一致的图像。

代码及图像如下:I2=imsubtract(I1,G);figure,imshow(I2);3、得出的图像较暗,可用imajust函数来调节图像的对比度I3=imadjust(I2,stretchlim(I2),[0 1]);figure,imshow(I3);4、使用阀值操作将图像转换为二值图像,及代码及图像如下:level=graythresh(I3);%通过计算获得输入图像的阈值,这个阈值在[0, 1]范围内。

该阈值可以传递给im2bw完成灰度图像转换为二值图像的操作。

bw=im2bw(I3,level);figure,imshow(bw);5、再对图像进行半径为1的开操作,可以去除图像中的小白点,否则小白点会被计入米粒个数中。

然后是把图像矩阵化,通过遍历矩阵数组元素统计米粒的个数及各个米粒的大小。

代码及图像如下:I4=imopen(bw,strel('disk',1));[M,num]=bwlabel(I4,4);%把四联通的L区域连接起来[m,n]=size(M);%矩阵M的大小area=zeros(1,num); %记录各个米粒的大小for i=1:mfor j=1:nif M(i,j)>0area(1,M(i,j))=area(1,M(i,j))+1; %对应的米粒大小加一endendenddisp('米粒个数');disp(num);disp('各个米粒的大小');area但是可以观察到米粒图像中有两对是两个连在一起的,则在原来的基础上米粒数加二,即共101个,而这四个米粒的面积无法求出,只知道每对米粒的面积。

图像处理及分析_王伟强_作业题和答案解析汇总_2017版

图像处理及分析_王伟强_作业题和答案解析汇总_2017版

【作业1】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。

a:s=T(r)=11+(mr)Eb:E控制函数的斜坡,也就是函数的倾斜程度,E越大,函数倾斜程度越大,如下图1,图2所示:图1:E=5图2:E=202、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。

(计算中采用向上取整方法,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])【解答】直方图均衡采用公式S S=⌈S∑S S(S)SS=0−1⌉式中,G为灰度级数,取8,pr (w)为灰度级w的概率,Sr为变换后的灰度,计算过程如下表所示:则新灰度级的概率分别是:Ps(0) = 0P s (1) = Pr(0) = 0.17Ps(2) = 0P s (3) = Pr(1) = 0.25Ps(4) = 0P s (5) = Pr(2) = 0.21P s (6) = Pr(3) + Pr(4) = 0.23P s (7) = Pr(5) = Pr(6) = Pr(7) = 0.14编写matlab程序并绘制直方图:s=0:1:7;p=[0 0.17 0 0.25 0 0.21 0.23 0.14];bar(s,p);axis([-1 8 0 0.3]);可以看出,此图较题目原图更加“均匀”。

【作业2】1、完成课本数字图像处理第二版114页,习题3.10。

【解答】由图可知S S (S )=−2S +2,(0≤S ≤1) S S (S )=2S ,(0≤S ≤1)将两图做直方图均衡变换S 1=S 1(S )=∫S S (S )SS S=∫(−2S +2)SS S=−S 2+2SS 2=S 2(S )=∫S S (S )SS S=∫(2S )SS S=S 2令上面两式相等,则S 2=−S 2+2S因为灰度级非负,所以S =√−S 2+2S2、请计算如下两个向量与矩阵的卷积计算结果。

基于各向异性扩散的数字图像处理 作业

基于各向异性扩散的数字图像处理 作业

基于各向异性扩散的数字图像处理1 Perona-Malik 算法概述各向异性扩散作为现行的一种非常流行的偏微分方程数字图像处理技术,是由传统的 Gaussian 滤波发展而来的,有着强大的理论基础,并有着传统的数字图像方法无法企及的良好特性,其特点是可以在平滑的同时保持边缘特征。

由于这种优良的特性,使其在图像的平滑、去噪、恢复、增强和分割等方面得到了广泛的应用。

Koenderink 和 Witkin 两位学者把尺度空间的严格理论引入到了数字图像处理之中,而尺度空间理论正是现代偏微分方程数字图像处理的理论基础,他们的工作主要是将多尺度图像表示为 Gaussian 滤波器处理的结果,相当于将原图像输入热传导方程进而得到的序列时间图像。

多尺度滤波得到的图像序列,可以看作各向同性热扩散方程的解,这就是用扩散方程的观点来看待高斯滤波:()yy xx u u c t u-=∂∂ (1.1)不仅是热扩散方程可以产生尺度空间,其他的抛物线方程也可以产生尺度空间,进而满足极大值原理的演化方程也能定义一类尺度空间。

各向异性扩散方程的提出是这个领域中一个里程碑式的标志,它开辟了数字图像处理中偏微分方程理论和应用的一个新领域,提出了各向异性扩散(Anisotropic Diffusion )方程,一般称为 Perona-Malik (简称 P-M )扩散模型。

))((u u g div t u∇∇=∂∂(1.2) 其中div 是散度算子,u ∇是图像的梯度,)(u g ∇是扩散系数。

各向异性扩散是一个能量散发的过程,这个过程与能量曲面的形状有关,从数学上来看,其等价于一个能量最小化问题的求解。

从数学意义上讲Perona-Malik 模型是改进的热传导偏微分方程。

它是通过函数(,,)c x y t 自适应地控制扩散速度。

理论上希望边缘内部的区域,c 远离0,图像可以平滑,而在边缘附近,0c ≈,图像不再平滑。

铃铛形的径向函数g(w)可取21()exp[()]u Kg u ∇∇=- (1.3)或者211(),01()u Kg u αα∇+∇=>+ (1.4)当(,,)()c x y t g u =∇时形成了各向异性的扩散模型:()·)()()?ug u u g u u g u u t∂=∇∇∇=∇∆+∇∇∇∂ (1.5) 可以利用Taylor 级数展开进行线性近似(,,)(,,0)(,,0)((,,))uu x y t u x y t u x y t c x y t u t∂=+∆=+∆∇⋅∇∂ (1.6)由于()··c u c u c u ∇∇=∇∇+∆ (1.7) 所以可以得出P-K 模型简化推导:0(,,)(,,0)()(,,0)((,,0))t uu x y t u x y t u x y t c x y u t δδδ=∂≈+=+∇⋅∇∂ (1.8)这样把较长的时间t 分割为 t n t δ=⋅,始终从n t 步计算到1n t +步即可112(,,)(,,)((,,)(,,))(,,)[(,,)(,,)(,,)(,,)](,,)[]n n n n n n n n n n nn u x y t u x y t t c x y t u x y t u x y t t c x y t u x y t c x y t u x y t u x y t t I I δδδ+≈+∇⋅∇=+∇∇+∆=++ (1.9)把(,,)n u x y t 改写为,n i j u ,(,,)n c x y t 改写为,n i j c ,其中11,.1,,,1.,1,, 1.,1,,.1,,11[()()()()2()()()()]n n n n n n n n n i j i j i j i j i j i j i j i j n n n n n n n n i j i j i j i j i j i j i j i j I c c u u c c u u c c u u c c u u ++++----=--+--+--+-- (1.10) 2,1,1,,1,1,1[4]2nn n n n n n i j i j i j i j i j i j I c u u u u u +-+-=+++-(1.11)则121,,,1,1,,,1,1[]2n nnn n n n n n n i j S i j i j E i j i j N i j i j W i j I I c u c u c u c u ++--+=∇+∇+∇+∇ (1.12) 其中,1,,,,1,,1,,,,1,n n n S i j i j i jn n n E i j i j i j n n n N i ji ji jn n n W i j i j i ju u u u u u u uuu u u ++--∇=-∇=-∇=-∇=- (1.13)则得到Perona-Malik 算法的下述迭代形式1,,1,,,1,1,,,1,[]n nnnnnnnnni j i j i j S i j i i E i j i j N i j i j W i j u u c u c u c u c u λ+++--=+∇+∇+∇+∇ (1.14)其中,2tδλ=以Perona-Malik 算法为代表的各向异性扩散滤波模型既能有效地去除噪声,又能较好地保持图像的边缘和重要的细节信息。

  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)。

图像处理与分析第1题:啤酒厂要对酒瓶的质量进行检测,需要通过摄像机拍摄,找出瓶身上有杂质的酒瓶。

要求:1)杂质实际尺寸为2mm×2mm,所成像的尺寸大于5×5个像素,要对整个范围成像。

2)给出满足要求的像元尺寸、物距、成像面大小以及具体摄像机的型号、成像面的分辨率、镜头焦距等相关参数。

f物距啤酒瓶CCD镜头图2 摄相机镜头成像取像元尺寸为mmμμ1010⨯,则杂质所成像的尺寸最小为mmmmμμμμ5050)510()510(⨯=⨯⨯⨯。

设物距为1米,对2mm×2mm的杂质成像,可知成像的像距最小为:mmmmmm251250=⨯μ根据工程光学公式:得得镜头的焦距最大为:24.3mm对于相机分辨率,则要根据成像视野对应的实际范围而定。

例如若酒瓶高度为25mm,则视野范围为cmcm2525⨯,成像面大小=6.25mm 所以成像面最小为6.25mmX6.25mm则相机的成像面分辨率应不小于=625X625根据上述分析计算,选取符合要求的摄像机参数如下表所示:表一摄像机相关参数表项型号AFT-VS078FM/FC分辨率1024×768像素尺寸 4.65μm×4.65μm传感器类型逐行扫描CCD 传感器光学尺寸1/3″帧速率30fps 信噪比大于54dB 曝光方式帧曝光输出方式FireWireIEEE1394A 供电要求DC12V快门速度1/10000到30 s I/O接口(可选)数字I/O触发接口尺寸(W*H*D)50.8×50.2×56.5(mm)重量、功率约265g、2.4W 第2题利用双线性插值法对图片做几何中心的旋转,观察旋转前后图像灰度直方图的变化情况。

图像缩小结果:原图像缩小后的图像图像旋转:图1 原始图像图2 中心旋转30度插值程序:clc;clear;I=imread('121.jpg');B=imresize(I,0.5,'bilinear');C=imresize(I,0.5,'nearest');figure(1)imshow(I);figure(2)imshow(B);figure(3)imshow(C);旋转程序clc;clear;I=imread('121.jpg');figure;imshow(I)b=imrotate(I,30,'nearest','crop')figure;imshow(b)第3题:选择一张照片,对照片加椒盐噪声、高斯噪声,然后用均值滤波和中值滤波对图片进行处理。

要选择3X3,5X5,7X7的窗口分别进行滤波。

程序:I=imread('图片1.png');J1=imnoise(I,'salt & pepper',0.02);J2=imnoise(I,'gaussian',0,0.01);figure(1);subplot(221),imshow(I),title('原图像');subplot(222),imshow(J1),title('加入椒盐噪声的图像');subplot(223),imshow(J2),title('加入高斯噪声的图像');h1=fspecial('average',[3,3]);h2=fspecial('average',[5,3]);h3=fspecial('average',[7,3]);rgb1=imfilter(J1,h1);rgb2=imfilter(J1,h2);rgb3=imfilter(J1,h3);rgb4=imfilter(J2,h1);rgb5=imfilter(J2,h2);rgb6=imfilter(J2,h3);figure(2);subplot(241),imshow(J1),title('加入椒盐噪声的图像'); subplot(242),imshow(rgb1),title('(3*3窗口)'); subplot(243),imshow(rgb2),title('(5*5窗口)'); subplot(244),imshow(rgb3),title('(7*7窗口)');subplot(245),imshow(J2),title('加入高斯噪声的图像'); subplot(246),imshow(rgb4),title('(3*3窗口)'); subplot(247),imshow(rgb5),title('(5*5窗口)'); subplot(248),imshow(rgb6),title('(7*7窗口)');L1=medfilt2(J1,[3 3]);L2=medfilt2(J1,[5 5]);L3=medfilt2(J1,[7 7]);L4=medfilt2(J2,[3 3]);L5=medfilt2(J2,[5 5]);L6=medfilt2(J2,[7 7]);figure(3);subplot(241),imshow(J1),title('加入椒盐噪声的图像'); subplot(242),imshow(L1),title('(3*3窗口)');subplot(243),imshow(L2),title('(5*5窗口)');subplot(244),imshow(L3),title('(7*7窗口)');subplot(245),imshow(J2),title('加入高斯噪声的图像'); subplot(246),imshow(L4),title('(3*3窗口)');subplot(247),imshow(L5),title('(5*5窗口)');subplot(248),imshow(L6),title('(7*7窗口)');程序运行结果如下图1,图2,图3.图1对图片加入椒盐噪声效果和加入高斯噪声的效果图2 用均值滤波(选用不同窗口)分别对加入椒盐噪声的图像和加入高斯噪声的图像的处理效果图3用中值滤波(选用不同窗口)分别对加入椒盐噪声的图像和加入高斯噪声的图像的处理效果第4题:对第3题中的图加椒盐、高斯噪声后做傅里叶变换,看看频域图的差别。

程序:I=imread('图片1.png');J1=imnoise(I,'salt & pepper',0.02);J2=imnoise(I,'gaussian',0,0.01);A1=fftshift(I);A2=fftshift(J1);A3=fftshift(J2);B1=fft2(A1);B2=fft2(A2);B3=fft2(A3);figure(1);subplot(321),imshow(I),title('原图像');subplot(323),imshow(J1),title('加入椒盐噪声');subplot(325),imshow(J2),title('加入高斯噪声');subplot(322),imshow(B1),title('对原图像fft');subplot(324),imshow(B2),title('对加入椒盐噪声的图像fft'); subplot(326),imshow(B3),title('对加入高斯噪声的图像fft');运行程序得到的结果如下图:第5题: 设计一个图像处理的算法分别对下图的湖泊进行计数。

首先要用I=imread('11.bmp')函数读取图像。

将图像转换成灰度图像,在转换成二值图像。

对图像进行中值滤波,并去掉可以忽略的面积白点。

经过腐蚀膨胀处理后。

并用k1=bwlabel(~A2)函数对白点进行计数。

程序如下:I=imread('11.bmp');I1=rgb2gray(I);A=im2bw(I1,0.3);%把灰度图像转换成二值图像A=medfilt2(A,[1,1]); %进行1*1模板中值滤波A1=bwareaopen(A,30);%去掉小面积白点figure(1);imshow(A1);A1=~A1;A2=bwareaopen(A1,30);figure(2);imshow(A2);k1=bwlabel(~A2);%计数白点a=max(max(k1))figure(3);imshow(I1);figure(4);imshow(~A2);运行结果a=29。

图1二值化后的图像图2去掉可以忽略的小块的图像图像处理案例基于图形处理的飞机检测目前,在目标检测领域有多种实现方法,如滑动窗口检测法,采用局部梯度特征的SIFT描述子和HOG描述子方法,基于角点检测的目标检测方法,基于模型的Part-based Model方法以及采用多特征组合的MULTIFTR+MOTION、HOGLBP方法等。

基于对各种检测方法的了解,本组采用了如下的检测方式:①读入图片②对图像进行预处理③将预处理后的图像进行二值化处理④对二值图的连通区域惊醒处理⑤对原图像及二值图进行角点检测⑥标记符合要求的连通区域并打框输出。

但是这种方法对于图像质量本身有较高要求,如果图像质量较差,边缘信息过于模糊,则容易在图像处理过程中将其判断为不符合要求项过滤掉,从而造成错检,漏检的情况。

在本次检测结果中,我们共检测出目标149个,其中飞机87架,错检62个,漏检飞机8架。

就总体而言,多数飞机能够被准确检测出,但是排除伪目标方面仍需要继续改进。

检测方法:对飞机目标的检测主要运用了面积和角点两个特征,处理过程中也用到了灰度变化、二值化、滤波、腐蚀、膨胀、开闭运算等图像处理的基本方法,其核心算法是面积检测和角点检测,借助MATLAB强大的运算和处理能力,实现了对图像中飞机目标的检测。

方案设计整体流程如下:读入图片:在处理时发现图片很大,所以把图片分成了四块区域,选择其中一块来处理,来提高效率,为了提高检测的准确性,选择了飞机最多的一块区域,待处理结果达到预定值时,再将此方法应用于整个图片,再根据其他部分的检测结果,对代码进行改进。

预处理:检测对象飞机与背景相比是较为明亮的区域,但是在把图片放大的时候会发现飞机的边界并没有想象中的那么明显,于是在预处理时,对图像进行了灰度变换,对图像的对比度加强,运用matlab中的imadjust函数。

相关文档
最新文档