数字图像处理作业2
图形图像处理大作业2
期末大作业报告课程名称：数字图像处理设计题目：手写数字识别学院：信息工程与自动化学院专业：计算机科学与技术年级： 2012 学生姓名：和云山（学号 201210405106）指导教师：王剑日期： 2015.6.19教务处制摘要随着信息技术的发展，信息建设在我国取得了迅猛的发展，数字识别技术的应用需求越来越广泛。
数字识别一般通过特征匹配及特征判别的方法来进行处理，前者一般适用于规范化的印刷体字符识别，现今该技术基本成熟；后者多用于手写字符识别，其研究还处于探索阶段，识别率还比较低。
因此，本文主要阐述手写数字识别技术。
人工神经网络技术在今年取得了巨大的发展，它具有的高度非线性，使我们能表达一些至少是目前尚无法用计算理论表达清楚的外部世界模型；同时，神经网络所具有的自学习，自组织能力使我们能在与外部世界的交互作用下，实现无法用当前的计算理论表达清楚的功能；对于那些无法建立精确数学模型的系统，神经网络有着独特的优势。
本文基于BP神经网络的方法来实现手写体数字识别。
首先对图像进行灰度化、二值化、平滑去噪、归一化、细化的预处理。
然后采用逐像素特征提取法提取数字图像特征。
最后是BP神经网络分类器的建立和识别过程，对训练后的网络模型进行测试，得出训练样本的识别率为98%，测试样本达到78%的识别率。
关键词：数字识别；预处理；BP神经网络一、实验原理手写体数字识别常规预处理和特征提取方法1.1 手写体数字识别的识别过程手写体数字识别时，使用不同的方法，处理的步骤可能并不完全相同。
但是就一般情况看，一个完整的识别系统，在识别时大致要经过以下几个处理阶段，如图3-1所示。
图1-1 识别过程图 1.2 手写体数字识别的常规预处理方法神经网络为手写体数字识别提供了一个强有力的手段。
目前，在神经网络模式识别中根据对输人样本的表达方式的选择有下面两大类：一类是直接将数字图像经数值化处理之后得到的像素点原始样本作为神经网络的输入；另一类则是对这种原始像素点构成的原始输人样本再作进一步的预处理或变换。
数字图像处理 -习题2增强-噪声-几何变换-频域变换
第三章图像增强一.填空题1. 我们将照相机拍摄到的某个瞬间场景中的亮度变化范围，即一幅图像中所描述的从最暗到最亮的变化范围称为____动态范围__。
2.所谓动态范围调整，就是利用动态范围对人类视觉的影响的特性，将动态范围进行__压缩____，将所关心部分的灰度级的变化范围扩大，由此达到改善画面效果的目的。
3. 动态范围调整分为线性动态范围调整和__非线性调整___两种。
4. 直方图均衡化把原始图的直方图变换为分布均匀的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。
基本思想是：对图像中像素个数多的灰度值进行__展宽_____，而对像素个数少的灰度值进行归并，从而达到清晰图像的目的。
5. 数字图像处理包含很多方面的研究内容。
其中，__图像增强_的目的是将一幅图像中有用的信息进行增强，同时将无用的信息进行抑制，提高图像的可观察性。
6. 灰级窗，是只将灰度值落在一定范围内的目标进行__对比度增强___，就好像开窗观察只落在视野内的目标内容一样。
二.选择题1. 下面说法正确的是：（B ）A、基于像素的图像增强方法是一种线性灰度变换；B、基于像素的图像增强方法是基于空间域的图像增强方法的一种；C、基于频域的图像增强方法由于常用到傅里叶变换和傅里叶反变换，所以总比基于图像域的方法计算复杂较高；D、基于频域的图像增强方法比基于空域的图像增强方法的增强效果好。
2. 指出下面正确的说法：（D ）A、基于像素的图像增强方法是一种非线性灰度变换。
B、基于像素的图像增强方法是基于频域的图像增强方法的一种。
C、基于频域的图像增强方法由于常用到傅里叶变换和傅里叶反变换，所以总比基于图像域的方法计算复杂较高。
D、基于频域的图像增强方法可以获得和基于空域的图像增强方法同样的图像增强效果。
3.指出下面正确的说法：（D ）①基于像素的图像增强方法是一种非线性灰度变换。
②基于像素的图像增强方法是基于空域的图像增强方法的一种。
数字图像处理-作业题及部分答案解析
数字图像处理-作业题及部分答案解析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/c2.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 综合作业2
综合作业二( 春季学期)一．对X1照片图像增强 (3)1.1 直方图增强 (3)1.1.1 直方图拉伸增加对比度 (3)1.1.2直方图均衡 (4)1.2 伪彩色增强 (5)1.2.1等密度分割法 (5)1.2.2多波段合成伪彩色显示 (7)二．对x2照片图像增强 (9)2.1 滤波 (9)2.1.1各种滤波器 (9)2.1.2 中值滤波 (11)2.1.3 二阶butterworth滤波 (13)2.2 直方图增强 (15)三．边缘提取及增强 (17)3.1 对x1边缘提取及复合 (17)3.1.1 对x1边缘提取 (17)3.1.2 对x1边缘复合 (18)3.2对x2边缘提取及复合 (19)3.2.1 直接对原图x2边缘提取 (19)3.2.2 去噪后边缘提取 (20)3.2.3 对x2边缘复合 (21)一．对X1照片图像增强1.1 直方图增强1.1.1 直方图拉伸增加对比度为了增强图像，观察x1，我们考虑增加图像的对比度，看是否能使图像更清晰。
具体的编程思路是，读入x1图像，运用matlab自带的imadjust函数，对比所得结果，具体程序见附录1.1.1（a），实验结果见图1.1.1（1）。
1.1.1（a）结论：由图1.1.1（a）对比发现，左右两边基本没有区别，基本没有图像增强效果。
我们考虑到运用imadjust函数可以得到原图的负片，即将原灰度图白色的地方变成黑色，黑色的地方变成白色，这种效果可能使X1图像自身对比更鲜明，起到图像增强的作用，具体程序见附录1.1.1（2），实验结果见图1.1.1（b）。
1.1.1（b）结论：由图1.1.1（b）的对比发现，从人眼的视觉角度来看，右图比起左图，在感官上比较舒适，似乎有点图像增强的意思，但总体上，效果还不是很好。
1.1.2直方图均衡在第三章的作业习题里，我们已经接触过直方图均衡，它是一种利用图像直方图对对比度进行调整的方法，也是图像增强常用的方法之一。
数字图像处理作业二
Homework(二)1.(5points)A 13×13 image is encoded with 4 bits (the intensity of each pixel is an integer in (0, …, 15).The histogram of the image is given by h = [5, 13, 38, 17, 13, 5, 1, 1, 1, 3, 6, 19, 31, 11, 2, 3] . Compute the equalized histogram. Solution ：k rk n)(P r k rk S'k S )(n k s )(s k s P0 5 0.030 0.030 '0S 5 0.030 0.067 13 0.077 0.107 '2S 13 0.077 0.133 38 0.225 0.332 '5S 38 0.225 0.200 17 0.101 0.433 '6S 17 0.101 0.267 13 0.077 0.510 '8S 21 0.1240.333 5 0.030 0.540 '8S 0.400 1 0.006 0.546 '8S 0.467 1 0.006 0.552 '8S 0.533 1 0.006 0.558 '8S 0.600 3 0.018 0.576 '9S 9 0.053 0.667 6 0.036 0.612 '9S 0.733 19 0.112 0.724 '11S 19 0.112 0.800 31 0.183 0.907 '14S 31 0.183 0.867 11 0.065 0.972 '15S 160.0950.933 2 0.012 0.984 '15S 1.000 30.0181.000'15SThus,the equalized histogram is given byh=[5,0,13,0,0,38,17,21,9,0,19,0,0,31,16]2.(5points)Show that the Laplacian defined in Eq.(3.6.3) is isotropic (invariant to rotation). Youwill need the following equation relating coordinates for axis rotation by an angle θ x=x'cos θ－y'sin θ y=x'sin θ＋y'cos θwhere(x,y) are the unrotated and (x', y') are the rotated coordinates. Solution:The Laplacian operator is defined as22222yf x f f ∂∂+∂∂=∇for the unrotated coordinates, and as22222''y fx f f ∂∂+∂∂=∇for rotated coordinates. It is given thatθθsin 'cos 'y x x -= and θθcos 'sin 'y x y +=where θ is the angle of rotation. We want to show that the right sides of the first two equations are equal. We start with'''x y y f x x x f x f ∂∂∂∂+∂∂∂∂=∂∂θθsin cos y fx f ∂∂+∂∂=Taking the partial derivative of this expression again with respect to x ’yieldsθθθθθθ22222222sin sin cos )(cos sin )(cos 'y f x f y y f x x f x f ∂∂+∂∂∂∂+∂∂∂∂+∂∂=∂∂Next,we compute'''y yy f y x x f y f ∂∂∂∂+∂∂∂∂=∂∂θθcos sin y f x f ∂∂+∂∂-=Taking the derivative of this expression again with respect to y ’givesθθθθθθ22222222cos cos sin )(sin cos )(sin 'y f x f y y f x x f y f ∂∂+∂∂∂∂-∂∂∂∂-∂∂=∂∂Adding the two expressions for the second derivatives yields22222222''yfx f y f x f ∂∂+∂∂=∂∂+∂∂Which proves that the Laplacian operator is independent of rotation.3.(1) (7 points)Suppose that you filter an image f(x,y) with a spatial filter mask w(x,y), using convolution, as defined in Eq. (3.4-2), where the mask is smaller than theimage in both spatial directions. Show the important property that, if the coefficients of the mask sum to zero, then the sum of all the elements in the resulting convolution array (filtered image) will be zero also (you may ignore computational inaccuracies). Also, you may assume that the border of the image has been padded with the appropriate number of zeros.(2) (3points)Would the result to (1) be the same if the filtering is implemented using correlation, as defined in Eq.(3.4-1)? Solution:(1) After the convolution,the mask w(x,y)’s coefficients have multiplied the elements in f(x,y) once. Thus,the sum of the result elements is()y x f y x w y x y x ,),(⎥⎦⎤⎢⎣⎡∑∑∑∑Since the coefficients sum of the mask is zero ，()0,=∑∑y x w yx()0,),(=⎥⎦⎤⎢⎣⎡∑∑∑∑∴y x f y x w y x y x(2) The only difference between convolution and correlation is that the mask is rotated by 180º.This doesnot affect the conclusions reached in (a), so correlating an image with a mask whose coefficients sum to zero will produce a correlation image whose elements also sum to zero.()0,),(=⎥⎦⎤⎢⎣⎡∑∑∑∑y x f y x w y x y x。
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。
数字图像处理作业
解：
4 链码： 8 链码： 4 链码微分： 8 链码微分： 归一化 4 链码微分： 归一化 8 链码微分： 32223301000301211022 544660107023144 30010113003111303201 702021771216301 00101130031113032013 017020217712163
Image_result=Image_division(Image_gray,97,97); figure,imshow(Image_result); title('´¦Àíºó¶þÖµ»¯Í¼Ïñ');
%输出二进制处理图像
%分块阈值分割处理
图像分块函数 Image_division():
function Image_result = Image_division(Image_gray,row_space_argument,col_space_argument) row=size(Image_gray,1); col=size(Image_gray,2); row_space=row_space_argument; col_space=col_space_argument; row_num=round(row/row_space); col_num=round(col/col_space); %区域分割 t1=(0:row_num-1)*row_space+1; t2=(1:row_num)*row_space; t3=(0:col_num-1)*col_space+1; t4=(1:col_num)*col_space; for i=1:row_num for j=1:col_num t1(i)=isboundary(t1(i),row); t2(i)=isboundary(t2(i),row); t3(i)=isboundary(t3(i),col); t4(i)=isboundary(t4(i),col); x=t1(i):t2(i); y=t3(j):t4(j); if(y>80) temp = Image_gray(x,y); Image_result(x,y)=Image_handle(temp); else Image_result(x,y)=1; end end end end %对于边界的处理,全为1 %块行起始坐标 %块行终止坐标 %块列起始坐标 %块列终止坐标 %原始矩阵行数 %原始矩阵列数 %行间隔 %列间隔 %行分割块数 %列分割块数
数字图像处理试题集2(精减版)
第一章概述一.填空题1. 数字图像是用一个数字阵列来表示的图像。
数字阵列中的每个数字，表示数字图像的一个最小单位，称为__________。
5. 数字图像处理包含很多方面的研究内容。
其中，________________的目的是根据二维平面图像数据构造出三维物体的图像。
解答:1. 像素5. 图像重建第二章数字图像处理的基础一.填空题1. 量化可以分为均匀量化和________________两大类。
3. 图像因其表现方式的不同，可以分为连续图像和________________两大类。
5. 对应于不同的场景内容，一般数字图像可以分为________________、灰度图像和彩色图像三类。
解答:1. 非均匀量化 3. 离散图像 5. 二值图像二.选择题1. 一幅数字图像是：( )A、一个观测系统。
B、一个有许多像素排列而成的实体。
C、一个2-D数组中的元素。
D、一个3-D空间的场景。
3. 图像与灰度直方图间的对应关系是：（）A、一一对应B、多对一C、一对多D、都不对4. 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5. 一幅256*256的图像，若灰度级数为16，则该图像的大小是：（）A、128KBB、32KBC、1MB C、2MB6. 一幅512*512的图像，若灰度级数为16，则该图像的大小是：（）A、128KBB、32KBC、1MB C、2MB解答:1. B 3. B 4. D 5. B 6. A三.判断题1. 可以用f(x,y)来表示一幅2-D数字图像。
（）3. 数字图像坐标系与直角坐标系一致。
（）4. 矩阵坐标系与直角坐标系一致。
（）5. 数字图像坐标系可以定义为矩阵坐标系。
（）6. 图像中虚假轮廓的出现就其本质而言是由于图像的灰度级数不够多造成的。
（）10. 采样是空间离散化的过程。
（）解答:1. T 3. F 4. F 5. T 6. T 10. T1、马赫带效应是指图像不同灰度级条带之间在灰度交界处存在的毛边现象（√）第三章图像几何变换一.填空题1. 图像的基本位置变换包括了图像的________________、镜像及旋转。
《数字图像处理》习题参考附标准答案
《数字图像处理》习题参考附标准答案《数字图像处理》习题参考答案第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讨论数字图像处理系统的组成。
列举你熟悉的图像处理系统并分析它们的组成和功能。
答：如图1.8，数字图像处理系统是应用计算机或专用数字设备对图像信息进行处理的信息系统。
图像处理系统包括图像处理硬件和图像处理软件。
图像处理硬件主要由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。
软件系统包括操作系统、控制软件及应用软件等。
图1.8 数字图像处理系统结构图11.5常见的数字图像处理开发工具有哪些？各有什么特点？答．目前图像处理系统开发的主流工具为Visual C++（面向对象可视化集成工具）和MATLAB 的图像处理工具箱（ImageProcessingToolbox）。
两种开发工具各有所长且有相互间的软件接口。
数字图像处理第二版上机作业答案
1.创建命令文件creatmatrix.m，实现以下功能：（1）建立一个A矩阵，大小为8×10，该矩阵为符合正态分布的随机矩阵；建立一个B矩阵，大小和A矩阵一样，是一个全1矩阵。
（2）将（1）中生成的A、B矩阵存储在junzhen.mat中。
A=randn(8,10) eye 生成单位矩阵ones全1阵zeros 全零阵B=ones(8,10）rand 均匀随机阵randn 正态随机阵2.创建命令文件imagep.m，实现以下功能：（1）读入cameraman.tif图像文件，查询其文件信息；（2）将该图像数据保存在矩阵I中；（3）显示原始图像，保存为cameraman1.jpg；（4）新建图形窗口，显示16个灰度等级下的图像，保存为cameraman2.bmp；（5）新建图形窗口，显示灰度范围在20到100之间的图像，保存为cameraman3.jpg；I=imread('cameraman.tif');imshow (I);figure,imshow(I,16);figure,imshow(I,[20, 100]);3创建命令文件process.m，实现以下功能：(1)读入football.jpg彩色图像文件，将该图像转换为灰度图像I；(2)设置阈值0.6，将灰度图像I转换为二值图像J1；(3)将图形窗口划分为一行三列，第一个子窗口显示I，第二个子窗口显示J1。
将该图形保存为process.jpgRGB=imread('football.jpg');I=rgb2gray(RGB);J1=im2bw(I,0.6);subplot(1,2,1); imshow(I);subplot(1,2,2); imshow(J1);4创建命令文件process1.m，实现以下功能：读入图像fabric.png彩色图像文件，转换为灰度图像A；将A图像的灰度缩小0.6倍，存入图像矩阵B中；将A图像的灰度放大1.2倍，存入图像矩阵C中；将图形窗口划分为三行一列，第一个子窗口显示A，第二个子窗口显示B，第三个子窗口显示C。
数字图像处理第二章课后习题及中文版解答
数字图像处理第⼆章课后习题及中⽂版解答数字图像处理(冈萨雷斯版，第⼆版)课后习题及解答(部分)Ch 22.1使⽤2.1节提供的背景信息，并采⽤纯⼏何⽅法，如果纸上的打印点离眼睛0.2m 远，估计眼睛能辨别的最⼩打印点的直径。
为了简明起见，假定当在黄斑处的像点变得远⽐视⽹膜区域的接收器（锥状体）直径⼩的时候，视觉系统已经不能检测到该点。
进⼀步假定黄斑可⽤1.5mm × 1.5mm 的⽅阵模型化，并且杆状体和锥状体间的空间在该阵列上的均匀分布。
解：对应点的视⽹膜图像的直径x 可通过如下图题2.1所⽰的相似三⾓形⼏何关系得到，即()()220.20.014d x = 解得x =0.07d 。
根据2.1节内容，我们知道：如果把黄斑想象为⼀个有337000个成像单元的正⽅形传感器阵列，它转换成⼀个⼤⼩580×580成像单元的阵列。
假设成像单元之间的间距相等，这表明在总长为1.5 mm 的⼀条线上有580个成像单元和579个成像单元间隔。
则每个成像单元和成像单元间隔的⼤⼩为s =[(1.5 mm)/1159]=1.3×10-6 m 。
如果在黄斑上的成像点的⼤⼩是⼩于⼀个可分辨的成像单元，在我们可以认为改点对于眼睛来说不可见。
换句话说，眼睛不能检测到以下直径的点：x =0.07d<1.3×10-6m ，即d <18.6×10-6 m 。
下图附带解释：因为眼睛对近处的物体聚焦时，肌⾁会使晶状体变得较厚，折射能⼒也相对提⾼，此时物体离眼睛距离0.2 m ，相对较近。
⽽当晶状体的折射能⼒由最⼩变到最⼤时，晶状体的聚焦中⼼与视⽹膜的距离由17 mm 缩⼩到14 mm ，所以此图中选取14mm(原书图2.3选取的是17 mm)。
图题2.12.2 当在⽩天进⼊⼀个⿊暗的剧场时，在能看清并找到空座位时要⽤⼀段时间适应，2.1节(视觉感知要素)描述的视觉过程在这种情况下起什么作⽤？解：根据⼈眼的亮度适应性，1）由于户外与剧场亮度差异很⼤，因此当⼈进⼊⼀个⿊暗的剧场时，⽆法适应如此⼤的亮度差异，在剧场中什么也看不见；2）⼈眼不断调节亮度适应范围，逐渐的将视觉亮度中⼼调整到剧场的亮度范围，因此⼜可以看见、分清场景中的物体了。
数字图像处理作业2
数字图像处理作业2数字图像处理作业学院：专业班级：姓名：学号：摘要MATLAB全称是Matrix Laboratory（矩阵实验室），一开始它是一种专门用于矩阵数值计算的软件，从这一点上也可以看出，它在矩阵运算上有自己独特的特点。
实际上MATLAB中的绝大多数的运算都是通过矩阵这一形式进行的。
这一特点也就决定了MATLAB在处理数字图像上的独特优势。
理论上讲，图像是一种二维的连续函数，然而在计算机上对图像进行数字处理的时候，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。
二维图像进行均匀采样，就可以得到一幅离散化成M×N样本的数字图像，该数字图像是一个整数阵列，因而用矩阵来描述该数字图像是最直观最简便的了。
而MATLAB的长处就是处理矩阵运算，因此用MATLAB处理数字图像非常的方便。
MATLAB支持五种图像类型，即索引图像、灰度图像、二值图像、RGB图像和多帧图像阵列；支持BMP、GIF、HDF、JPEG、PCX、PNG、TIFF、XWD、CUR、ICO等图像文件格式的读、写和显示。
MATLAB对图像的处理功能主要集中在它的图像处理工具箱（Image ProcessingToolbox）中。
图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作。
一、MATLAB语言的基本操作MATLAB语言是一种运算纸型的运算语言，其特点就是与平时在运算纸上书写运算的形式相同，这使得它成为一种比较容易掌握的语言；其变量均以矩阵向量形式表示（单独一个数据可以认为是一维向量）；其程序语法类似于C语言，只要有一点C语言基础的人可以很快掌握。
针对数字图像处理的需要，可以重点掌握以下几个内容：矩阵、向量的输入和操作（包括如何输入一个矩阵，如何产生一个全零全一的矩阵，如何对一个矩阵的行列元素进行读取、写入）；矩阵与向量的基本运算（包括加、减、点乘等）二、MATLAB中图像文件的读/写（a）imreadimread函数用于读入各种图像文件，其一般的用法为[X，MAP]=imread( ‘filename’, ‘fmt’)其中，X为读出的图像数据，MAP为颜色表数据（或称调色板，亦即颜色索引矩阵，对灰度图像和RGB彩色图像，该MAP为空矩阵），fmt为图像的格式（可以缺省），filename为读取的图像文件（可以加上文件的路径）。
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。
《数字图像处理》大作业
1. 图像处理与计算机图形学的区别与联系是什么？答：数字图像处理，是指有计算机及其它有关的数字技术，对图像施加某种运算和处理，从而达到某种预期的目的，而计算机图形学是研究采用计算机生成，处理和显示图形的一门科学。
两者区别：（1）研究对象不同，计算机图形学研究的研究对象是能在人的视觉系统中产生视觉印象的事物，包括自然景物，拍摄的图片，用数学方法描述的图形等，而数字图像处理研究对象是图像；（2）研究内容不同，计算机图像学研究内容为图像生成，透视，消阴等，而数字图像处理研究内容为图像处理，图像分割，图像透析等；（3）研究过程不同，计算机图像学是由数学公式生成仿真图形或图像，而数字图像处理是由原始图像处理出分析结果，计算机图形与图像处理是逆过程。
两者的联系：图像处理需图形学的交互手段，图形学需要图像处理合成图像，两者有重叠。
2. 图像数字化过程中的失真有那些原因？就在减少图像失真和减少图像的数据量两者之间如何取得平衡，谈谈个人的看法。
答：图像数字化过程中失真的原因主要来自三个方面：一．采样频率太低，即未满足采样定理而造成的失真；二．外部和内部噪声的影响，例如外部的电磁波、机械运动等；三．用有限个灰度值表示自然界无限连续的灰度值必然造成失真，为了减小失真必然增加采样点，即增加图像数据量。
在减少图像失真和减少图像的数据量两者之间取得平衡，要根据图像需求保留有用信息，如军事图像只需保留反应地形地貌及目标的信息，普通照片只需满足视觉要求即可。
3. 一幅模拟彩色图像经平板扫描仪扫描后获得一幅彩色数字图像，其分辨率为1024×768像素。
若采用RGB彩色空间，红、绿、蓝三基色的灰度等级为8比特，在无压缩的情况下，在计算机中存储该图像将占用多少比特的存储空间？当用Photoshop图像处理软件去掉图像的彩色信息，只留下灰度信息，灰度等级为4比特，在无压缩的情况下，存储该图像将占用多少字节的存储空间？答：（1）采用RGB彩色空间，红、绿、蓝三基色的灰度等级为8比特，在无压缩的情况下，占存储空间大小为：1024×768×8×3=18874268bit=2.25MB（2）去掉彩色信息，只留下灰度信息，灰度等级为4比特，在无压缩的情况下，所占的存储空间大小为：1024×768×4 =3145728bit=0.375MB4. 试设计一个程序实现nn 的中值滤波器，当模板中心移过图像中每个位置时，设计一种简便的中值更新方法。
第二版部分中文数字图像处理答案
第二版部分中文数字图像处理答案2.2亮度适应。
2.3 λ=c/v=2.998 * 108(m/s)/60(1/s) = 4.99 *106m = 5000 Km.2.4 a)若需看清物体，光源波长有题目知这几个物体波长均小于需与物体大小相等或小于物体，有题目中需观测的物体大小知，选择远紫外可以观测题目中的物体。
b) 只用一种即可。
2.5. 根据图2.3得：设能找到物体的长度为x mm，则有:500/x=35/7; 解得：x=100，所以相机的分辨率为：1024/100=10;所以能解析的线对为：10/2=5.2.6答：一个可能的解决办法是装备一个单色相机与机械装置, 顺序放置一个红色、绿色、蓝色的通滤波器在镜头前面。
最强的相机响应决定它的颜色。
如果这三位车手的反应是一致的, 对象是白色的。
一个更快的系统会利用三种配备有过滤器的不同相机。
然后基于各个相机的响应进行分析。
该系统将是一个有点贵, 但它将会更快、更可靠。
2.7 由题意:一个横截面的图像被显示在图P2.7(A)。
如果强度量化使用m 字节, 那么我们的情况如图P2.7 (b)所示，其中4 G =(255 + 1)= 2m。
因为一个8灰度层次突然改变是能够被眼睛检测到, 那么,4 G = 8 = 256 = 2m,或m = 5。
换句话说,32, 或更少, 会产生可见的虚假灰度值线性。
2.8 利用两位(m = 2)强度分辨率生产四个灰度级，其值在0到255之间。
对这个范围进一步划分的一个方法是被编码0和63之间的值全赋值为63, 被编码在64和127之间的值全赋值为127等等。
按照这方法分得的结果如图P2.8所示。
当然, 还有其他的办法细分范围[0，255]成四个波段。
2.9 (一) 在一个8位, 1024 * 1024的图像中，数据总量(包括启动、停止位) 为 (1024)* 1024 *[8+ 2]位。
在56 K波特的情况下，需要传送的总时间为1024*1024 *[8 + 2]= 56000 = 187.25秒或约3.1分钟。
电子科技大学数字图像处理实验报告2
电子科技大学数字图像处理实验报告实验名称彩色图像处理实验序号学生姓名学生学号指导教师提交日期摘要本实验利用MATLAB软件，对彩色图像作了一些简单处理。
通过访问数字图像RGB三个通道的对应矩阵，改变数字图像的色彩，得到了原图像的补色图像。
并编写了图像的RGB模型与HSI模型相互转换的程序，实现了两个模型之间的互相转换。
为了得到HSI模型的补色，可将HSI模型转换为RGB模型，用RGB的反色来近似HSI的反色。
然后对彩色图像加入高斯与椒盐噪声，观察了加入噪声后RGB三个通道的图像效果，并通过算术均值滤波与中值滤波分别对三个通道进行去噪，达到对整个彩色图像的去噪。
最后证明了单个通道的噪声会通过到HSI的转换扩散到所有HSI图像上。
实验原理：1、三基色原理：人的眼睛就像一个三色接收器的体系，大多数的颜色可以通过红、绿、蓝三色按照不同的比例合成产生。
同样绝大多数单色光也可以分解成红(red)绿(green)蓝(blue)三种色光。
这是色度学的最基本原理，即三基色原理。
三种基色是相互独立的，任何一种基色都不能由其它两种颜色合成。
红绿蓝是三基色，这三种颜色合成的颜色范围最为广泛。
红绿蓝三基色按照不同的比例相加合成混色称为相加混色。
人眼接收色彩的方法：加法混色。
光色(红色+绿色)=黄色(yellow)光色(红色+蓝色)=紫红(magenta)光色(蓝色+绿色)=青色(cyan)印刷四色：减法呈色颜料(黄色+青色)=白色-红色-蓝色=绿色颜料(紫红+青色)=白色-红色-绿色=蓝色颜料(黄色+紫红)=白色-绿色-蓝色=红色颜料色另外会附加一个黑色，即cyan、magenta、yellow、black四色(cmyk)。
2、彩色图像表示方法：RGB图像：一幅RGB图像就是彩色像素的一个M×N×3数组，其中每一个彩色像素点都是在特定空间位置的彩色图像相对应的红绿蓝三个分量。
RGB图像可以看成是一个有三幅灰度图像形成的“堆”，形成一幅RGB图像的三个图像常称为红、绿或蓝分量图像。
数字图像处理 第三版 (冈萨雷斯,自己整理的2)
1. 数字数据传输通常用波特率度量，其定义为每秒钟传输的比特数。
通常的传输是以一个开始比特，一个字节(8 比特)的信息和一个停止比特组成的包完成的。
基于这个概念回答以下问题：(a) 用56K 波特的调制解调器传输一幅1024×1024、256 级灰度的图像需要用几分钟？(b) 以750K 波特[这是典型的电话DSL(数字用户线)连接的速度]传输要用多少时间？解：(a)T=M/56000=(1024×1024)×(8+2)/56000=187.25s=3.1min(b) T=M/56000=(1024×1024)×(8+2)/750000=14s2.两个图像子集S1和S2图下图所示。
对于V＝｛1｝，确定这两个子集是（a）4-邻接，（b）8-邻接，（c）m-邻接。
a) S1 和S2 不是4 连接，因为q 不在N4(p)集中。
(b) S1 和S2 是8 连接，因为q 在N8(p)集中。
(c) S1 和S2 是m 连接，因为q 在集合N D(p)中，且N4(p)∩ N4(q)没有V 值的像素3. 考虑如下所示的图像分割(a) 令V={0,1}并计算p 和q 间的4，8，m 通路的最短长度。
如果在这两点间不存在特殊通路，试解释原因。
(b) 对于V={1,2}重复上题。
解：(a) 当V={0,1}时，p 和q 之间不存在4 邻接路径，因为不同时存在从p 到q 像素的4 毗邻像素和具备V 的值，如图(a)p 不能到达q。
8 邻接最短路径如图(b)，最短长度为4。
m邻接路径如图(b)虚线箭头所示，最短长度为5。
这两种最短长度路径在此例中均具有唯一性。
(b) 当V={1, 2}时，最短的4 邻接通路的一种情况如图(c)所示，其长度为6，另一种情况，其长度也为6；8 邻接通路的一种情况如图(d)实线箭头所示，其最短长度为4；m 邻接通路的一种情况如图(d)虚线箭头所示，其最短长度为6.或解: (1) 在V＝{0,1}时，p和q之间通路的D4距离为∞，D8距离为4，Dm距离为5。
数字图像处理2-真彩色,灰度图像,索引色图像等的相互转化
timg 真彩色timg1 灰度图像timg2 索引色图像（64色）timg3 二值图像（阈值为0.5）这里从网上找到了timg真彩色图像作为本次作业中进行数字处理的图像。
首先在ps中调整了图像模式，并进行了另存为，生成了timg1与timg2，又在MATLAB中将灰度图像转化为了二值图像timg3，其中阈值为0.5。
这一步操作的代码如下：A = imread('timg1.jpg');B = im2bw(A, 0.5);imshow(B)imwrite(B,'timg3.jpg');随后我们来对每个图像imread的返回值进行观察。
对于timg处理的程序如下：A = imread('timg.jpg');disp(A);whos Aimshow(A)由于disp显示数据过多，这里不放原始数据了。
其具体内容为3个数组，每个数组都是320*200的，分别代表图片中每个像素的rgb值。
而whos语句显示出的内容如下：Bytes Class Name Size192000 uint8A 200x320x3其中200*320*3说明图像像素为200*320而且为rgb格式，有3个矩阵。
192000为图片大小，而其rgb值是用unit8即8位无符号整数存储，0-255的值代表了某一点像素某一颜色分量的强度。
同理，若将上述程序中的timg改为timg1灰度图像，显示出来的矩阵则只有一个，大小仍为200*320但是每个点的数值则代表对应像素的灰度值。
whos语句显示出的内容如下：Name SizeBytes Class64000 u int8A 200x320由于灰度图像只需要存储灰度而不是rgb3个分量，其大小便没有最后的*3，因此其大小也只为timg的1/3。
对于索引图进行的操作与其他图像不同，由于其本身存储的是索引值，需要导入索引表才能还原原本的图像，因此程序如下：[IM, map] = imread('timg2.png','png');disp(IM);IMrgb(:,:,:) = ind2rgb(IM,map);whos IMrgbimshow(IMrgb)这里如果直接imshow原本图像的话会根据灰度图像的方式显示错误的图像，因此采用了一个ind2rgb函数通过之前导入的索引表和索引值矩阵将图像恢复为rgb图像矩阵。
- 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)。
数字图像处理作业2
空间滤波器比较——袁潘宸
Contents
▪生成原图
▪算术均值滤波
▪几何均值滤波
▪谐波均值滤波
▪逆谐波均值滤波
▪中值滤波
▪中点滤波
▪最大值滤波
▪最小值滤波
生成原图
tk = 1 : 17+7 : (17+7)*10;
I = zeros(210+10*2, (17+7)*10);
for i = 1 : length(tk)-1
I(10:10+210, tk(i+1):tk(i+1)+6) = 1; end
I = logical(I);
figure,imshow(I),title('原图');
算术均值滤波
a=spfilt(I,'amean',3,3);
figure;
subplot(1,2,1),imshow(I),title('原图'); subplot(1,2,2),imshow(a),title('算术均值滤波');
几何均值滤波
b= spfilt(I,'gmean',3,3); %3×3几何均值滤波
figure;
subplot(1,2,1),imshow(I),title('原图'); subplot(1,2,2),imshow(b),title('几何均值滤波');
谐波均值滤波
c =spfilt(I,'hmean',3,3); %3×3谐波均值滤波
figure;
subplot(1,2,1),imshow(I),title('原图'); subplot(1,2,2),imshow(c),title('谐波均值滤波');
逆谐波均值滤波
d =spfilt(I,'chmean',3,3); %3×3逆谐波均值滤波
figure;
subplot(1,2,1),imshow(I),title('原图'); subplot(1,2,2),imshow(d),title('逆谐波均值滤波');
中值滤波
e =spfilt(I,'median',3,3); %3×3中值滤波figure;
subplot(1,2,1),imshow(I),title('原图'); subplot(1,2,2),imshow(2),title('中值滤波');
中点滤波
f=spfilt(I,'midpoint',3,3); %3×3中点滤波
figure;
subplot(1,2,1),imshow(I),title('原图'); subplot(1,2,2),imshow(f),title('中点滤波');
最大值滤波
g = spfilt(I, 'max',3,3);
figure;
subplot(1,2,1),imshow(I),title('原图'); subplot(1,2,2),imshow(g),title('最大值滤波');
最小值滤波
h = spfilt(I, 'min',3,3);
figure;
subplot(1,2,1),imshow(I),title('原图'); subplot(1,2,2),imshow(h),title('最小值滤波');
Published with MATLAB® R2012b。