数字图像处理作业
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
数字图像处理课程作业答案(课堂PPT)
Homework 2
• A4 为什么彩色图像的压缩比通常比灰度图像大 ？
• 答：因为人眼对彩色细节的分辨能力远比对亮 度细节的分辨能力低，故通常彩色图像压缩采 用YCbCr 4:2:2和4:2:0 ITU-R BT.601 色度子取 样格式。通过色度子取样，各分量信号压缩之 前分别达到1.5:1和2:1的压缩比
4
Homework 1
21. 何为RGB模型？ 答：图像的采集和电子显示使用RGB 模型。在
RGB 模型中，每种颜色的主要光谱中都有红、 绿、蓝的成分。这种模型基于Cartesian（笛卡 尔）坐标系统。RGB模型中的三基色是红（R）、 绿（G）、蓝（B）。RGB 模型是用相加混色原 理产生彩色图像的。
2
Homework 1
7. 数字图像处理有哪些应用？
答：数字图像处理的应用越来越广，已经渗透到 工程、工业、医疗保健、航空航天、军事、科 研、安全保卫、日常生活等各个方面，在国计 民生及国民经济中发挥越来越大的作用。具体 应用领域可粗略概括在下表中。
学科 物理、化学 生物、医学
环境保护 地质
应用内容
1
Homework 1
3. 数字图像处理的主要内容是什么？ 数字图像处理概括地说主要包括如下几项内容： 1. 几何处理(Geometrical Processing) 2. 算术处理(Arithmatic Processing) 3. 图像增强(Image Enhancement) – Chapter 4 4. 图像复原(Image Restoration) – Chapter 6 5. 图像重建(Image Reconstruction) – Chapter 7 6. 图像编码(Image Encoding) – Chapter 5 7. 图像识别(Image Recognition) – Chapter 10 8. 图像理解 (Image Understanding)
(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。
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。
硕士研究生《数字图像处理》作业
研究生《数字图像处理》考试1. 编写程序完成不同滤波器的图像频域降噪和边缘增强的算法并进行比较，得出结论。
● 图像频域降噪的实验原理与算法分析：图像的能量大部分集中在幅度谱的低频和中频部分，而图像的边缘和噪声对应于高频部分，因此能降低高频成分幅度的滤波器就能减弱噪声的影响，由卷积定理，在频域实现低通滤波的数学表达式：),(),(),(v u F v u H v u G =1. 理想低通滤波器（ILPF ）0),(),(01),(D v u D D v u D v u H >≤⎩⎨⎧=2. 巴特沃斯低通滤波器（BLPF ） nD v u D v u H 20),()12(11),(⎥⎦⎤⎢⎣⎡-+=3. 指数型低通滤波器（ELPF ） 2),(0),(nD v u D ev u H ⎥⎦⎤⎢⎣⎡-=● 图像频域降噪的实验过程： 1. 理想低通滤波器程序I=imread('xpy.jpg'); f=double(I); g=fft2(f); g=fftshift(g); [M,N]=size(g); d0=100;m=fix(M/2);n=fix(N/2); for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2); if(d<=d0) h=1; else h=0; endresult(i,j)=h*g(i,j);endend>> result=ifftshift(result);>> J1=ifft2(result);>> J2=uint8(real(J1));>> imshow(J2)2.巴特沃斯低通滤波器程序I=imread('xpy.jpg');f=double(I);g=fft2(f);g=fftshift(g);[M,N]=size(g);nn=2;d0=30;m=fix(M/2);n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);h=1/(1+0.414*(d/d0)^(2*nn));result(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1));imshow(J2)3.高斯低通滤波器程序I=imread('xpy.jpg');f=double(I);g=fft2(f);g=fftshift(g);[M,N]=size(g);d0=100;m=fix(M/2);n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);h=exp(-(d.^2)./(2*(d0^2)));result(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1));imshow(J2)图像频域降噪的实验结果分析与讨论下面是理想低通滤波器、巴特沃斯低通滤波器、高斯低通滤波器的滤波效果分析与讨论。
电大一网一《数字与图像处理》2023春季学期数字与图像处理第2次平时作业-100分
新疆开放大学直属《数字与图像处理》2023春季学期数字与图像处理第2
次平时作业-100分
题1：下列哪一个不是数字图像处理的目的。
A.存储和传输
B.显示和打印
C.增强和恢复
D.可视化
正确答案：D
题2：下列算法中属于图象锐化处理的是：（）
A.低通滤波
B.加权平均法
C.高通滤波
D.中值滤波
正确答案：C
题3：下列算法中属于局部处理的是：（）
A.灰度线性变换
B.二值化
C.傅立叶变换
D.中值滤波
正确答案：D
题4：下列哪一项不是伪彩色图像增强的方法。
A.过滤法
B.密度切割法
C.灰度级-彩色变换
D.滤波法。
《数字图像处理》作业题目
数字图像处理作业班级：Y100501姓名：**学号：*********一、编写程序完成不同滤波器的图像频域降噪和边缘增强的算法并进行比较，得出结论。
频域降噪。
对图像而言，噪声一般分布在高频区域，而图像真是信息主要集中在低频区，所以，图像降噪一般是利用低通滤波的方法来降噪。
边缘增强。
图像的边缘信息属于细节信息，主要由图像的高频部分决定，所以，边缘增强一般采取高通滤波，分离出高频部分后，再和原频谱进行融合操作，达到边缘增强，改善视觉效果，或者为进一步处理奠定基础的目的。
1频域降噪，主程序如下：I=imread('lena.bmp'); %读入原图像文件J=imnoise(I,'gaussian',0,0.02);%加入高斯白噪声A=ilpf(J,0.4);%理想低通滤波figure,subplot(222);imshow(J);title('加噪声后的图像');subplot(222);imshow(A);title('理想低通滤波');B=blpf(J,0.4,4);%巴特沃斯低通滤波subplot(223);imshow(B);title('巴特沃斯低通滤波');C=glpf(J,0.4);%高斯低通滤波subplot(224);imshow(C);title('高斯低通滤波');用到的滤波器函数的程序代码如下：function O=ilpf(J,p) %理想低通滤波，p是截止频率[f1,f2]=freqspace(size(J),'meshgrid');hd=ones(size(J));r=sqrt(f1.^2+f2.^2);hd(r>p)=0;y=fft2(double(J));y=fftshift(y);ya=y.*hd;ya=ifftshift(ya);ia=ifft2(ya);O=uint8(real(ia));function O=blpf(J,d,n) %巴特沃斯低通滤波器，d是截止频率，n是阶数[f1,f2]=freqspace(size(J),'meshgrid');hd=ones(size(J));r=f1.^2+f2.^2;for i=1:size(J,1)for j=1:size(J,2)t=r(i,j)/(d*d);hd(i,j)=1/(t^n+1);endendy=fft2(double(J));y=fftshift(y);ya=y.*hd;ya=ifftshift(ya);ia=ifft2(ya);O=uint8(real(ia));function O=glpf(J,D) %高斯滤波器，D是截止频率[f1,f2]=freqspace(size(J),'meshgrid');r=f1.^2+f2.^2;Hd=ones(size(J));for i=1:size(J,1)for j=1:size(J,2)t=r(i,j)/(D*D);Hd(i,j)=exp(-t);endendY=fft2(double(J));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);ia=ifft2(Ya);O=uint8(real(ia));运行结果如图1所示。
数字图像处理期末大作业
数字图像处理期末大作业一、问题描述实现第十章中采用Hough变换来检测图像中圆的过程。
，通过包括平滑（把细节去除），边缘检测（得到轮廓）以及Hough变换得到的圆，并把结果叠加到原来的灰度图像上。
给出具体的过程，中间结果，最后结果，实现的代码，并写出报告。
二、图片的获取以及预处理针对老师提供的一副硬币图片，要求检测出其中的hough圆，并叠加到原图像上以便增强图像。
在检测hough圆之前，首先要对图像进行平滑处理，进行拉普拉斯变换，然后检测垂直方向，水平方向，+45度和-45度方向的边缘，将四个方向的边缘叠加起来，得到总的边缘，对该图像进行二值化，然后对得到的图像检测其hough圆，得到圆形边缘，将该图像叠加到原图像上，就实现了图像边缘增强的目的。
三、图像处理算法的基本原理以及处理结果本实验流程图如下：1.读取图像图像处理的第一步就是对所采集的图像进行读入，本次实验的输入图像是一幅灰度图像，不需要将图像转换成为灰度图像，直接利用函数imread （）完成。
原图像如下所示：原图像2.图像预处理在图像预处理中，我们完成了两步工作，首先使用方差为1的高斯噪声对图像进行平滑，然后进行拉普拉斯变换，即)],(*)([2y x f r h ∇，222r 2e 21)(σσ-=πr h 为方差为2σ的高斯噪声，本实验中12=σ。
又),(*)]([)],(*)([22y x f r h y x f r h ∇=∇，其中2224222]2[)(σσσr er r h --=∇，将)(2r h ∇和),(y x f 分别进行傅里叶别换，将其逐点相乘，再进行傅里叶反变换，就得到了预处理后的图像。
3.边缘检测对水平，垂直，+45度，-45度方向进行边缘检测，本实验中我们采用了Prewitt 梯度算子，它用于检测水平方向，垂直方向，+45度方向和-45度方向的掩膜分别如下：水平掩膜 垂直掩膜 +45度掩膜 -45度掩膜使用这四个掩膜分别对上一步得到的图像逐点进行处理，就可以得到四个方向的边缘了（本实验中边缘的一个像素都不处理），再将它们加起来，就得到了总的边缘，实验结果如下：水平边缘垂直边缘-45度边缘总的边缘如下图所示：4.二值化对上图得到的图像进行二值化，这里我采用的是循环方式确定图像全局阈值，即首先以图像的平均值作为阈值，将图像分成两部分，分别求两部分的平均值，新的阈值为这两个平均值的均值，重复上述过程，直到两次阈值之差小于特定的值时停止，并以最后一次得到的阈值对图像进行二值化，本实验中我要求两次阈值之差小于0.5时停止，最后得到的全局阈值为 -102.1332，二值化后的图像如下所示：二值化后的图像5.Hough变换检测圆形边界Hough 变换的原理就是利用图像全局特征将边缘像素连接起来组成区域封闭边界，它将图像空间转换到参数空间，在参数空间对点进行描述，达到检测图像边缘的目的。
数字图像处理作业
数字图像处理一、图像复原1、（1）matlab程序代码（使用电路板图片）a=imread('C:\Users\SUN\Desktop\a.tif'); %读图像b=imnoise(a,'gaussian',0,800/255^2); %加入0均值，方差800的噪声。
c=imnoise(b,'salt & pepper',0.1); % 在(a)的基础上，进一步加入椒盐噪声进一步污染图像（Pa=Pb=0.1的椒盐噪声）subplot(2,4,1),imshow(a) ,title('原始图像') %显示图片subplot(2,4,2),imshow(b) ,title('高斯噪声污染')subplot(2,4,3),imshow(c) ,title('继续被椒盐噪声污染')h=ones(5,5)/25; %算术均值滤波g1=imfilter(c,h);subplot(2,4,4),imshow(g1) ,title('算数均值滤波')%g2=power(exp(imfilter(log(double(c)),4*fspecial('average',2))),1/4); %几何均值滤波g2=exp(imfilter(log(double(c)),fspecial('average',1)));subplot(2,4,5),imshow(uint8(g2)) ,title('几何均值滤波')g3= medfilt2(c,[5,5]); %中值滤波subplot(2,4,6),imshow(g3) ,title('中值滤波')i=ones(5,5)/20;g4=imfilter(c,i);subplot(2,4,7),imshow(g4) ,title('修正后的α均值滤波')运行结果：（2）matlab程序代码（使用含有自己的图片）a=imread('C:\Users\SUN\Desktop\i.jpg'); %读图像a1=rgb2gray(a);b=imnoise(a1,'gaussian',0,800/255^2); %加入0均值，方差800的噪声。
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 advantages of a digital image? Let f(x,y) be an analog image, I(r, c) be a digital image, please give explanation 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 "imageprocessing" 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 the eyes, 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。
数字图像处理作业
数字图像处理作业题目：图像膨胀与图像腐蚀学院：班级：学号：姓名：一、实验原理1、膨胀：给图像中的对象边界添加像素。
将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。
利用它可以填补物体中的空洞。
B对X膨胀所产生的二值图像D是满足以下条件的点（x,y）的集合:如果B的原点平移到点（x,y），那么它与X的交集非空。
数学表达式：可以使用imdilate函数进行图像膨胀,imdilate函数需要两个基本输入参数，即待处理的输入图像和结构元素对象。
结构元素对象可以是strel函数返回的对象，也可以是一个自己定义的表示结构元素邻域的二进制矩阵。
此外，imdilate还可以接受两个可选参数：PADOPT(padopt) ——影响输出图片的大小、PACKOPT(packopt).——说明输入图像是否为打包的二值图像(二进制图像)。
2、腐蚀：删除对象边界某些像素。
一种消除边界点，使边界向内部收缩的过程。
利用它可以消除小而且无意义的物体。
B对X腐蚀所产生的二值图像E是满足以下条件的点（x,y)的集合：如果B 的原点平移到点（x,y），那么B将完全包含于X中。
数学表达式：可以使用imerode函数进行图像腐蚀。
imerode函数需要两个基本输入参数：待处理的输入图像以及结构元素对象。
此外，imerode函数还可以接受3个可选参数：PADOPT(padopt) ——影响输出图片的大小、PACKOPT(packopt).——说明输入图像是否为打包的二值图像(二进制图像)。
M——指定原始图像的行数。
二、实验内容1、膨胀的实验步骤步骤1，首先创建一个包含矩形对象的二值图像矩阵。
BW=zeros(9,10);BW(4:6,4:7) =1步骤2，使用一个3×3的正方形结构元素对象对创建的图像进行膨胀。
SE=strel('square',3)步骤3，将图像BW和结构元素SE传递给imdilate函数。
数字图像处理作业
DISP11、说明图象数字化与图象空间分辨率之间的关系。
答：图像数字化包括两个过程：采样和量化。
而图像的空间分辨率是在图像采样过程中选择和产生的。
空间分辨率用来衡量数字图像对模拟图像空间坐标数字化的精度。
2、说明图象数字化与图象灰度分辨率之间的关系。
答：图像数字化包括两个过程：采样和量化。
而图像灰度分辨率是在图像量化过程中选择和产生的。
灰度分辨率是只对应同一模拟图像的亮度分布进行量化操作所采用的不同量化级数，也就是说可以用不同的灰度级数来表示同一图像的灰度分布。
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。
答：模拟图像数据由摄像头采集后，经A/D转换器处理，转化成数字信号，传给帧处理器经过其处理后，然后查询LUT表，经过D/A转换器输出RGB三色。
LUT(显示查找表)实际上就是一张像素灰度值的映射表，它将实际采样到的像素灰度值经过一定的变换，变成了另外一个与之对应的灰度值，这样可以很容易根据需求得到相应的颜色，它的优点在于易于调整、起到突出图像的有用信息、增强图像的光对比度的作用。
DISP21、粗略画出下列图象的傅立叶变换图象：变换后的图像如下：（从左至右）2、证明付里叶变换的可分离性及快速算法可行性。
答：可分离性：对于二维傅里叶变换，若把y看成一个常数，则可得到沿x方向的u=0,1,……，N－1的一维傅里叶变换，再将y看成一个变量，x不变，则可得到y方向上v=0,1,……，N－1的一维傅里叶变换，因此二维傅里叶变换可分离。
快速算法可行性：假设N是2的L次方，对于有N个点的傅里叶变换，需要完成N*N次复数乘法和N*(N－1)次复数加法，而对于快速算法，则有(N/2)*L个蝶形算法，因此运算量为(N/2)*㏒2N个复乘和N㏒2N个复加，在N较大时，计算量比DFT少很多。
证明:可分离性:F(u,v)=(1/N)∑∑f(x,y)exp[-j2π(ux+vy)/N]其变换核g(x,y,u,v)= exp[-j2π(ux+vy)/N]= exp(-j2πux/N)*exp(-j2πvy/N)所以，F(u,v)=(1/N)∑{[∑f(x,y)exp(-j2πux/N)]exp(-j2πvy/N)}这相当于先对x进行傅里叶变换，再对y进行傅里叶变换，可分离性证毕。
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）。
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。
数字图像处理作业题
[0 0 0 500 5250 500 200 100 100 150 200 150 50 0 0 0]
解：对第一个病人表示瘤的像素数为
S1=100+200+300+200+100=900，S8=100+200+300+200+100=900
瘤的大小不变
瘤所在区域的灰度平均值为
f1=(100*5+200*6+300*7+200*8+100*9)/900=7，f8=(100*7+200*8+300*9+200*10+100*11)/900=9
解：基于计算机的图像处理系统的硬件一般包括图像输入设备、图像输出设备（打印机）、计算机和显示器。
数字图像处理系统的基本结构：
9.由于数字图像处理是大规模的矩阵运算，计算机编程效率的高低决定着一个系统能否进入实际应用。写出一个对灰度图像进行灰度变换的算法，其变换函数为p(x,y)=F(p(x,y)),图像大小为５１２×５１２的２５６级灰度图像。
4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 6
5 6 6 6 6 6 6 6
7 7 7 7 7 7 7 7
均衡化后的直方图为：
15.假定你有两张相隔八个月拍摄的一病人的胸部X光片。两张胶片都显示有一小瘤，该小瘤也许是良性的，也许是恶性的。小瘤的大小和密度在八个月期间都发生了变化，但仅凭视觉检查，放射学家不能肯定小瘤是变得更坏或更好了。下面是每幅图像的包含有小瘤的一块区域的直方图。在胶片上，低灰度级代表黑色。问小瘤是变大还是变小？密度是变得更高还是更低？记住X射线是负图像，越密的物体亮度越高。
[0 200 500 3000 9000 3000 500 200 100 200 300 500 627 500 300 200 100 0 0 0]
数字图像处理处理大作业实验报告
数字图像处理处理大作业实验报告数字图像处理处理大作业实验报告PB11210***上上签MyZenith.N_3104_EVER实验一题目：线性插值改变图像大小实验目的：1、使用MATLAB编程实现对图片大小的改变操作，使所给图片达到所要求的效果。
2、通过对MATLAB的编程加强对图像处理的认识，初步学习MATLAB在图像处理中的基本应用实验内容：在这一项目中，同学们需要实现基于双线性插值的图像缩放算法。
作业中需实现如下功能：(a) 能够利用鼠标从实验图像中任意选取测试区域，并单独显示。
(b) 使用双线性插值算法对测试区域进行缩放处理，输出如下结果，放大到原始分辨率的2倍，放大到原始分辨率的4倍，缩小到原始分辨率的1/2倍。
实验原理：图像某点的值由最邻近的四个点联立方程决定。
实验代码：1、在主函数中，使用switch函数分别调用子函数，并且之前选择需要放大或者缩小的倍数。
代码如下：2、 choice=('Yes');3、4、5、6、7、8、while (minus(choice,('Yes'))==0) clear;close;F=imread('monarch.bmp'); I=imcrop(F); BR=I(:,:,1); BG=I(:,:,2); BB=I(:,:,3); [rows,cols]=size(BR);K = sqrt(str2double(inputdlg('·?±???', 'INPUT scalefactor', 1, {'2'})));9、 width = K * rows;10、 height = K * cols;11、12、13、14、 widthScale = rows/width;15、 heightScale = cols/height;16、17、 for x = 1:width-2for y = 1:height-218、 X = x * widthScale;Y = y * heightScale;19、20、 if (X/double(uint16(X)) == 1.0) && (Y/double(uint16(Y)) == 1.0) 21、 dstBR(x,y) = BR(int16(X),int16(Y));dstBG(x,y) = BG(int16(X),int16(Y));22、 dstBB(x,y) = BB(int16(X),int16(Y)); 23、 else24、 a = double(uint16(X));25、 b = double(uint16(Y));26、27、28、29、30、BRx11 = double(BR(a,b)); BRx12 = double(BR(a,b+1)); BRx21 = double(BR(a+1,b)); BRx22 = double(BR(a+1,b+1));31、32、 BGx11 = double(BG(a,b));33、 BGx12 = double(BG(a,b+1));34、 BGx21 = double(BG(a+1,b));35、 BGx22 = double(BG(a+1,b+1));36、37、38、39、40、BBx11 = double(BB(a,b)); BBx12 = double(BB(a,b+1)); BBx21 = double(BB(a+1,b)); BBx22 = double(BB(a+1,b+1));41、42、 w1 = (b+1-Y) * (a+1-X); 43、 w2 = (Y-b) * (a+1-X);w3 = (b+1-Y) * (X-a);44、 w4 = (Y-b) * (X-a); 45、 dstBR(x,y) = uint8( BRx11 * w1 + BRx12 * w2 + BRx21* w3 + BRx22 * w4 );46、 dstBG(x,y) = uint8( BGx11 * w1 + BGx12 * w2 + BGx21* w3 + BGx22 * w4 );47、 dstBB(x,y) = uint8( BBx11 * w1 + BBx12 * w2 + BBx21* w3 + BBx22 * w4 );48、 end49、 end50、 end51、52、53、54、55、56、57、OUT(:,:,1)=dstBR; OUT(:,:,2)=dstBG; OUT(:,:,3)=dstBB;imshow(I); figure; imshow(OUT);58、59、60、61、62、options.Interpreter = 'tex'; options.Default = 'Cancel'; choice = questdlg('??·','????','Yes','No',options); end实验结果：1、选择缩放倍数：2、所选择的图像源文件如下：3、用鼠标标定所需要进行缩放的区域：4、程序正常运行后缩放效果：4倍放大5、程序正常运行后缩放效果：2倍放大6、程序正常运行后的缩放效果：缩小一倍实验二题目：高斯滤波及中值滤波处理人为添加的椒盐噪声和高斯噪声实验目的：1、对所给定的图像使用MATLAB添加高斯噪声和椒盐噪声；2、再用MATLAB程序实现中值滤波和高斯滤波；3、计算所得到结果图像的PSNR，对它们进行分析与比较，从而理解各种滤波方法的优点与特性。
- 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)。
数字图像处理课程论文姓名：学号：一、直方图原理分析图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强技术主要有直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。
直方图是多种空间城处理技术的基础。
直方图操作能有效地用于图像增强。
除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。
直方图在软件中易于计算，也适用于商用硬件设备，因此，它们成为了实时图像处理的一个流行工具。
直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。
直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。
灰度直方图是图像预处理中涉及最广泛的基本概念之一。
图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。
直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。
直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。
处理后的图像直方图分布更均匀了，图像在每个灰度级上都有像素点。
从处理前后的图像可以看出，许多在原始图像中看不清楚的细节在直方图均衡化处理后所得到的图像中都变得十分清晰。
(1) 直方图均衡化原理直方图均衡化又称直方图平坦化,是将一已知灰度概率密度分布的图像经过某种变换,变成一幅具有均匀灰度概率密度分布的新图像.其结果是扩展了像元取值的动态范围,从而达到增强图像整体对比度的效果。
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。
直方图均衡化的具体实现步骤如下:（1）1）.列出原始图像的灰度级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，其中INT为取整符号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) 直方图规定化原理直方图均衡化的优点是能自动增强整个图像的对比度,但它的具体增强效果不易控制,处理的结果总是得到全局的均衡化的直方图.实际工作中,有时需要变换直方图使之成为某个特定的形状,从而有选择地增强某个灰度值范围内的对比度,这时可采用比较灵活的直方图规定化方法。
所谓直方图规定化，就是通过一个灰度映像函数，将原灰度直方图改造成所希望的直方图。
所以，直方图修正的关键就是灰度映像函数。
直方图规定化增强处理的步骤如下: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，应有由于都是进行均衡化处理，处理后的原图像概率密度函数Ps（S）及理想图像概率密度函数PV（V）是相等的。
于是，我们可以用变换后的原始图像灰度级S代替（2）式中的V。
即这时的灰度级Z 便是所希望的图像的灰度级。
此外，利用（1）与（3）式还可得到组合变换函数对连续图像，重要的是给出逆变换解析式。
对离散图像而言，有二、基于MATLAB的直方图增强技术编程程序：clc;clear;H=imread('001.jpg'); %读入原图像subplot(221),imshow(H); %显示原图像title('原图像')I=rgb2gray(H); %将原图像转换为灰度图像subplot(223),imshow(I);title('灰度图像')subplot(224),imhist(I);title('灰度图像直方图')figure(2)J=histeq(I); %对灰度图像进行直方图均衡化处理subplot(221),imshow(J);title('均衡化图像')subplot(222),imhist(J);title('均衡化图像直方图')subplot(223),imhist(I,64); %将原图像直方图显示为64 级灰度title('灰度64图像直方图')subplot(224),imhist(J,64); %将均衡化后图像的直方图显示为64 级灰度title('灰度64均衡化图像直方图')figure(3)hgram=50:2:250;K=histeq(I,hgram);subplot(221),imshow(K) ;title('规定化图像');subplot(222),imhist(K,256);title('规定化图像直方图')运行图像：三、结果与分析从上图中可以看出，用直方图均衡化后，图像的直方图的灰度间隔被拉大了，均衡化的图像的一些细节显示了出来，这有利于图像的分析和识别。
直方图均衡化就是通过变换函数histeq将原图的直方图调整为具有“平坦”倾向的直方图，然后用均衡直方图校正图像。
直方图均衡化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。
直方图均衡化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；变换后图像的灰度级减少，某些细节消失；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。
直方图均衡化能够自动增强整个图像的对比度，但它的具体增强效果不容易控制，处理的结果总是得到全局均匀化的直方图，一般来说正确地选择规定化的函数可以获得比直方图均衡化更好的效果。
数字图像处理方法的研究1 绪论数字图像处理方法的研究源于两个主要应用领域:其一是为了便于人们分析而对图像信息进行改进；其二是为了使机器自动理解而对图像数据进行存储、传输及显示。
1.1 数字图像处理的概念一幅图像可定义为一个二维函数f(x, y)，这里x和y是空间坐标，而在任何一对空间坐标f(x, y)上的幅值f称为该点图像的强度或灰度。
当x，y和幅值f为有限的、离散的数值时，称该点是由有限的元素组成的，没一个元素都有一个特定的位置和幅值，这些元素称为图像元素、画面元素或象素。
象素是广泛用于表示数字图像元素的词汇。
在第二章，将用更正式的术语研究这些定义。
视觉是人类最高级的感知器官，所以，毫无疑问图像在人类感知中扮演着最重要的角色。
然而，人类感知只限于电磁波谱的视觉波段，成像机器则可覆盖几乎全部电磁波谱，从伽马射线到无线电波。
它们可以对非人类习惯的那些图像源进行加工，这些图像源包括超声波、电子显微镜及计算机产生的图像。
因此，数字图像处理涉及各种各样的应用领域。
图像处理涉及的范畴或其他相关领域(例如，图像分析和计算机视觉)的界定在初创人之间并没有一致的看法。
有时用处理的输人和输出内容都是图像这一特点来界定图像处理的范围。
我们认为这一定义仅是人为界定和限制。
例如，在这个定义下，甚至最普通的计算一幅图像灰度平均值的工作都不能算做是图像处理。
另一方面，有些领域(如计算机视觉)研究的最高目标是用计算机去模拟人类视觉，包括理解和推理并根据视觉输人采取行动等。
这一领域本身是人工智能的分支，其目的是模仿人类智能。
人工智能领域处在其发展过程中的初期阶段，它的发展比预期的要慢得多，图像分析(也称为图像理解)领域则处在图像处理和计算机视觉两个学科之间。
从图像处理到计算机视觉这个连续的统一体内并没有明确的界线。
然而，在这个连续的统一体中可以考虑三种典型的计算处理(即低级、中级和高级处理)来区分其中的各个学科。
低级处理涉及初级操作，如降低噪声的图像预处理，对比度增强和图像尖锐化。
低级处理是以输人、输出都是图像为特点的处理。
中级处理涉及分割〔把图像分为不同区域或目标物)以及缩减对目标物的描述，以使其更适合计算机处理及对不同日标的分类(识别)。
中级图像处理是以输人为图像，但输出是从这些图像中提取的特征(如边缘、轮廓及不同物体的标识等)为特点的。
最后，高级处理涉及在图像分析中被识别物体的总体理解，以及执行与视觉相关的识别函数(处在连续统一体边缘)等。
根据上述讨论，我们看到，图像处理和图像分析两个领域合乎逻辑的重叠区域是图像中特定区域或物体的识别这一领域。
这样，在本书中，我们界定数字图像处理包括输人和输出均是图像的处理，同时也包括从图像中提取特征及识别特定物体的处理。
举一个简单的文本自动分析方面的例子来具体说明这一概念。
在自动分析文本时首先获取一幅包含文本的图像，对该图像进行预处理，提取(分割)字符，然后以适合计算机处理的形式描述这些字符，最后识别这些字符，而所有这些操作都在本书界定的数字图像处理的范围内。
理解一页的内容可能要根据理解的复杂度从图像分析或计算机视觉领域考虑问题。
这样，本书定义的数字图像处理的概念将在有特殊社会和经济价值的领域内通用。
在以下各章展开的概念是那些应用领域所用方法的基础。
1.2数字图像处理的起源数字图像处理最早的应用之一是在报纸业，当时，图像第一次通过海底电缆从伦敦传往纽约。
早在20世纪20年代曾引入Btutlane电缆图片传输系统，把横跨大西洋传送一幅图片所需的时间从一个多星期减少到3个小时。
为了用电缆传输图片，首先要进行编码，然后在接收端用特殊的打印设备重构该图片。
图1.1就是用这种方法传送并利用电报打印机通过字符模拟中间色调还原出来的图像。
这些早期数字图像视觉质量的改进工作，涉及到打印过程的选择和亮度等级的分布等问题。
用于得到图1.1的打印方法到1921年底就被彻底淘汰了，转而支持一种基于光学还原的技术，该技术在电报接收端用穿孔纸带打出图片。
图1.2就是用这种方法得到的图像，对比图1.1，它在色调质量和分辨率方面的改进都很明显。
图1.1 1421年由电报打印机采用特殊字图1.2 1922年在信号两次穿越大西洋后，符在编码纸带中产生的数字图像从穿孔纸带得到的数字图像，可以( McFalsne) 看出某些差错( McFalsne)早期的Bartlane系统可以用5个灰度等级对图像编码，到1929年已增加到15个等级。