《数字图像处理》课程报告
数字图像处理报告
频率域图像增强及编程实现（数字图像处理课程报告）1频率图像增强的简介1．1背景介绍：在数字图像处理中，图像最直观的理解是把图像理解为二维函数F(x,y)，其中x，y作为数字图像中象素的二维空间的坐标，F的值作为数字图像象素该位置的灰度值。
但是在空间域在处理某些数字图像的问题时，会比较困难甚至是几乎难以处理。
在频率下处理的时候，同样的问题用不同的描述方式是和空间域的表示是等价的，但由于描述方式不同了以前空间上很难处理的问题在频率域上就有可能变得很容易了。
在频率域上处理时，还可以使用数字信号处理的一系列成熟的方法，让我们处理特殊的问题有了很多的工具，所以频率图像增强是很有价值进行学习和研究的。
1．2频率图像增强的基本步骤：无论是何种类型，何种目的的频率域图像增强，处理的过程都是基本一致的，并如下图1-1所示:图1-11．3关于傅立叶变换:在图1-1中,在具体进行频率域的各种处理滤波的前后,进行了傅立叶变换以及傅立叶反变换.这两个变换的过程就是将空间的信息分解为在频率上的表示,或者将频率上的表示转化为空间上的表示,两种变换是互为逆变换的.正是通过傅立叶正反变换的处理,才使得频率域上的处理可以用于图像的增强。
2．关于傅立叶变换的理解： 2．1关于傅立叶级数:在自然科学和工程技术，时常会遇到各种周期现象，在数学上都可以用周期函数来描述。
正弦函数或余弦函数是周期函数中最简单的，我们对正弦/余弦函数比较容易处理，如果可以将复杂的周期函数表示成简单的正弦/余弦周期函数的形式，将会对我们处理问题带来很大的方便。
数学家傅立叶在这方面的贡献就是提出了将复杂的周期函数表示为简单的正弦/余弦周期函数，并提出了进行这种转变的前提条件----狄里赫利条件。
傅立叶级数：在这个公式中其中的函数f(t)是一般的周期函数，这样我们就可以实现了转换为了简单正弦/余弦周期函数的形式了。
上面的傅立叶级数表示了一个周期函数，如何表示成无穷多个正余弦函数叠加的形式的方法。
数字图像课程设计报告
《数字图像处理》课程设计报告——手写阿拉伯数字的识别1、课程设计目的1)、提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。
2)、掌握文献检索的方法与技巧。
3)、熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。
2、方法综述字符识别处理的信息可分为两大类:一类是文字信息，处理的主要是用各国家、各民族的文字(如:汉字，英文等)书写或印刷的文本信息，目前在印刷体和联机手写方面技术已趋向成熟，并推出了很多应用系统;另一类是数据信息，主要是由阿拉伯数字及少量特殊符号组成的各种编号和统计数据，如:邮政编码、统计报表、财务报表、银行票据等等，处理这类信息的核心技术是手写数字识别。
本次实验是对手写的阿拉伯数字进行识别，主要步骤包括预处理模块（其中用到图像分割方法），特征提取和利用人工神经网络（具体运用BP 神经网络方法）进行数字的识别。
2.1图像分割：图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。
它是由图像处理到图像分析的关键步骤。
现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。
2.1.1基于阈值的分割方法灰度阈值分割[1]法是一种最常用的并行区域技术，它是图像分割中应用数量最多的一类。
阈值分割方法实际上是输入图像f到输出图像g的如下变换：其中，T为阈值，对于物体的图像元素g(i,j)=l，对于背景的图像元素g(i,j)=0。
由此可见，阈值分割算法的关键是确定阈值，如果能确定一个合适的阈值就可准确地将图像分割开来。
阈值确定后，将阈值与像素点的灰度值比较和像素分割可对各像素并行地进行，分割的结果直接给出图像区域。
阈值分割的优点是计算简单、运算效率较高、速度快。
在重视运算效率的应用场合(如用于硬件实现)，它得到了广泛应用。
人们发展了各种各样的阈值处理技术，包括全局阈值、自适应阈值、最佳阈值等等。
数字图像处理实验报告——图像分割实验
实验报告课程名称数字图像处理导论专业班级_＿____＿＿_＿___＿_姓名 __＿___＿_____＿__学号___＿＿_____＿____电气与信息学院与谐勤奋求就是创新一．实验目得1.理解图像分割得基本概念;2.理解图像边缘提取得基本概念；3.掌握进行边缘提取得基本方法；4.掌握用阈值法进行图像分割得基本方法.二。
实验内容1.分别用Roｂerｔs，Ｓobel与拉普拉斯高斯算子对图像进行边缘检测。
比较三种算子处理得不同之处；2.设计一个检测图1中边缘得程序，要求结果类似图2，并附原理说明。
3.任选一种阈值法进行图像分割、图1 图２三．实验具体实现1.分别用Robｅrts,Ｓobel与拉普拉斯高斯算子对图像进行边缘检测。
比较三种算子处理得不同之处；I=ｉｍreａｄ(’ｍｒi、ｔｉｆ');imshｏw（Ｉ)BW1=edgｅ（I，’ｒoｂerｔs’）;ｆigure ，ｉｍshow（BＷ1）,titlｅ(’用Robeｒｔs算子’)ＢW2=edgｅ(Ｉ，’sｏbel’);ｆigure,imshoｗ（BW2），ｔitle（’用Sｏbｅl算子 ')BW３＝ｅdge(I，’log’);figure，iｍshｏw（BW３)，titlｅ(’用拉普拉斯高斯算子’）比较提取边缘得效果可以瞧出,sｏbｅr算子就是一种微分算子,对边缘得定位较精确,但就是会漏去一些边缘细节.而Ｌaplaｃｉan—Gaussiaｎ算子就是一种二阶边缘检测方法，它通过寻找图象灰度值中二阶过零点来检测边缘并将边缘提取出来，边缘得细节比较丰富。
通过比较可以瞧出Ｌａplaciaｎ-Gauｓsｉan算子比sobeｒ算子边缘更完整，效果更好。
2.设计一个检测图1中边缘得程序，要求结果类似图2，并附原理说明.i=ｉmread（＇m８3、ｔif’）;subplｏｔ（１，2,1）；ｉmｈｉst（i）;ｔitle（'原始图像直方图'）;thread＝1３０/２5５；subplot（1，２，2);ｉ3=ｉｍ2bｗ(i，thrｅaｄ）；imsｈow（i3)；titlｅ('分割结果’);3.任选一种阈值法进行图像分割、i=iｍread（'tｒｅes、tif’）;subploｔ（１,2,1）；imｈist（i)；ｔitle（＇原始图像直方图’)；threａd=10０/２5５；sｕｂploｔ（１，2,2）;i3=iｍ2bｗ(i,thread）;imｓhow（i３）;titlｅ('分割结果’)1、分别用Robｅrts，Sobel与拉普拉斯高斯算子对图像进行边缘检测。
数字图像处理课程报告(matlab)
南京理工大学实验报告课程：数字图像处理学生姓名：周一鸣学号：912106840640实验摘要：输入一个图像和一个尺度小的水印图像，对两幅图像求加运算，设置不同透明度，显示加水印的图像。
关键字：图像相加、透明度。
一、实验目的：输入一幅图像，再输入一幅水印图像，水印图像尺寸较小。
之后将两幅图像相加，添加水印到第一幅图像中，之后设置水印图像的透明度，将水印图像显示出来。
二、基本原理：首先，将较小的水印图片进行重采样，使之尺寸与第一幅图像相同，之后两图相加，相加后得到添加水印后的图像，水印可以设置多种透明度。
重采样：水印与图像相加：三、实验算法流程图及算法简介：图像的显示：Matlab显示语句 imshow（I,[low high]） %图像正常显示I为要显示的图像矩阵。
,[low high]为指定显示灰度图像的灰度范围。
高于high 的像素被显示成白色；低于low的像素被显示成黑色；介于high和low之间的像素被按比例拉伸后显示为各种等级的灰色。
subplot(m,n,p)打开一个有m行n列图像位置的窗口，并将焦点位于第p个位置上。
获取图像的尺寸：[m,n]=size(IMG1);重新设置图像的尺寸：IMG2=imresize(IMG2,[m,n]);图像相加运算：IMG3(i,j,1) = IMG1(i,j,1)*ALPHA_PARAM + IMG2(i,j,1)*(1-ALPHA_PARAM);透明度设置：ALPHA_PARAM = 0.85;四、实验结果与分析（该部分是重点，1000字）过程1：程序代码：IMG1 = imread('F:\ronghe\1.jpg'); % 读取RGB文件，小姑娘IMG2 = imread('F:\ronghe\2.jpg'); % 读取RGB文件，水印logo结果：读取了原图像和水印图像。
过程2：程序代码：[m,n]=size(IMG1);IMG2=imresize(IMG2,[m,n]);结果：对较小的水印图片重采样，使之与原图像尺寸相同，才可以相加运算。
《数字图像处理》实验报告
《数字图像处理》实验报告数字图像处理是一门将图像进行数字化处理的学科，它通过计算机算法和技术手段对图像进行分析、增强、压缩和重建等操作。
在本次实验中，我们学习了数字图像处理的基本概念和常用算法，并通过实验来探索其应用和效果。
首先，我们进行了图像的读取和显示实验。
通过使用Python中的OpenCV库，我们能够轻松地读取图像文件，并将其显示在屏幕上。
这为我们后续的实验奠定了基础。
同时，我们还学习了图像的像素表示方法，了解了图像由像素点组成的原理。
这使我们能够更好地理解后续实验中的算法和操作。
接下来，我们进行了图像的灰度化实验。
灰度化是将彩色图像转换为灰度图像的过程。
在实验中，我们使用了不同的算法来实现灰度化操作，包括平均值法、最大值法和加权平均法等。
通过比较不同算法得到的灰度图像，我们发现不同算法对图像的处理效果有所差异，这使我们深入理解了灰度化的原理和应用。
随后，我们进行了图像的直方图均衡化实验。
直方图均衡化是一种用于增强图像对比度的方法。
在实验中，我们使用了直方图均衡化算法来对图像进行处理，并观察了处理前后的效果变化。
通过实验，我们发现直方图均衡化能够显著提高图像的对比度，使图像更加清晰和鲜明。
在进一步探索图像处理技术的过程中，我们进行了图像的滤波实验。
滤波是一种常用的图像处理操作，它通过对图像进行卷积操作来实现。
在实验中，我们学习了不同类型的滤波器，包括均值滤波器、高斯滤波器和中值滤波器等。
通过比较不同滤波器对图像的处理效果，我们发现每种滤波器都有其适用的场景和效果。
此外，我们还进行了图像的边缘检测实验。
边缘检测是一种用于提取图像边缘信息的方法。
在实验中，我们学习了不同的边缘检测算法，包括Sobel算子、Canny算子和Laplacian算子等。
通过比较不同算法对图像的处理效果，我们发现每种算法都有其独特的特点和应用。
最后，我们进行了图像的压缩实验。
图像压缩是一种将图像数据进行压缩以减小文件大小的方法。
数字图像处理课程设计报告
数字图像处理设计报告【设计目的】配合《数字图像处理》课程的教学，使学生能巩固和加深对数字图像处理基础理论和基本知识的理解；掌握使用图像处理软件处理图像基本思想和方法；提高学生对图像处理方面的实际问题的应对能力并将所学知识在实践中巩固。
【设计要求】1.按照题目的要求，简要介绍算法，并对算法进行分析；2.用MATLAB完成算法代码（不能利用MATLAB自身的图像处理函数完成具体算法，读写和显示可以利用MATLAB函数），注释要清晰；3.给出代码运行的结果，并对结论进行总结；4.每人可选一个给出的题目或自己感兴趣的题目，按照上面要求上交报告，内容不得少于5页A4纸。
【所选题目】用直方图均衡化一幅8位的灰度图像【设计环境】MATLAB7.1，所选图片为彩色动画图片，大小为1024*666*24b【算法介绍和分析】1、算法概述：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。
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。
2、算法分析:直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，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。
设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。
在灰度直方图均衡化处理中对图像的映射函数可定义为:g = EQ (f)，这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数):(1)EQ(f)在0≤f≤L-1范围内是一个单值单增函数。
这是为了保证增强处理没有打乱原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。
《数字图像处理》课程设计报告
1．课程设计目的1、提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。
2、熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。
2．课程设计内容及实现、二维快速傅立叶变换:本项目的重点是:这个项目的目的是开发一个2-D FFT程序“包”，将用于在其他几个项目。
您的实现必须有能力：(a)乘以（-1），x + y的中心变换输入图像进行滤波。
(b) 一个真正的函数相乘所得到的（复杂的）的阵列（在这个意义上的实系数乘以变换的实部和虚部）。
回想一下，对相应的元件上完成两幅图像的乘法。
(c) 计算傅立叶逆变换。
(d) 结果乘以（-1）x + y的实部。
(e) 计算频谱。
基本上，这个项目实现了图。
如果您正在使用MATLAB，那么您的傅立叶变换程序将不会受到限制，其大小是2的整数次幂的图像。
如果要实现自己的计划，那么您所使用的FFT 例程可能被限制到2的整数次幂。
在这种情况下，你可能需要放大或缩小图像到适当的大小，使用你的程序开发项目02-04逼近：为了简化这个和以下的工程（除项目04-05），您可以忽略图像填充（4.6.3节）。
虽然你的结果不会完全正确，将获得显着的简化，不仅在图像的大小，而且在需要裁剪的最终结果。
由这种近似的原则将不会受到影响结果如下：主要代码f=imread('(a).jpg');H=imread('(a).jpg');subplot(3,2,1);imshow(f);title('(a)原图像');[M1,N1]=size(f);f=im2double(f);[M2,N2]=size(H);H=im2double(H); %把灰度图像I1的数据类型转换成转换成双精度浮点类型for x=1:M1for y=1:N1f(x,y)=(-1)^(x+y)*f(x,y); %用（-1）^(x+y)乘以输入图像,来实现中心化变换endendF=fft2(f); %使用函数fft2可计算傅立叶变换subplot(3,2,3);imshow(F);title('(b)傅立叶变换的图像');if(M2==1)&&(N2==1)G=F(x,y)*H(x,y);elseif((M1==M2)&&(N1==N2))for x=1:M1for y=1:N1G(x,y)=F(x,y)*H(x,y);endendelseerror('输入图像有误','ERROR');end %通过两个图像的乘法程序，实现对相应元素的相乘g=ifft2(G);subplot(3,2,4);imshow(g);title('(c)傅立叶逆变换的图像');for x=1:M1for y=1:N1g(x,y)=(-1)^(x+y)*g(x,y);endendg=real(g);S=log(1+abs(F)); %计算傅立叶幅度谱并做对数变换subplot(3,2,5);plot(S); %二维图像显示幅度谱title('(d)二维图像显示幅度谱');Q=angle(F); %计算傅立叶变换相位谱subplot(3,2,6);plot(Q);title('(e)二维图像显示相位谱'); %二维图像显示相位谱结果截图图1 傅里叶变换及频谱图结果分析：图1中（a）是原始灰度图像，对原图进行傅里叶变换，用（-1）^(x+y)乘以输入图像,来实现中心化变换得到（b），（c）为傅里叶变换的逆变换得到的图像。
数字图像处理课程设计报告
一．课程题目：Photoshop + 直方图均衡化二．设计目的：数字图像处理课程设计是在完成数字图像处理的相关理论的学习后，进行的综合性训练课程，其目的主要包括：1、使学生进一步巩固数字图像处理的基本概念、理论、分析方法和实现方法；2、增强学生应用VC＋＋编写数字图像处理的应用程序及分析、解决实际问题的能力；3、尝试将所学的内容解决实际工程问题，培养学生的工程实践能力，提高工科学生的就业能力三．设计内容：( 备注：该课程设计是基于之前数字图像处理实验，其中新加入的功能涉及到之前的基础，需要调用其处理函数，故保留其实验功能并进行扩展。
设计中涉及的一些知识已经在实验时介绍过，此处只对新加入功能进行分析)打开图像—打开一幅BMP格式的图像，若打开的不是该格式，提示错误。
代码略；图像平滑—主要用来修饰边缘过于清晰，或者对比度过于强烈的图像，通过取平均值减少相邻像素间的差异，从而产生平滑的过渡效果。
作用:削弱相邻像素间颜色的差异，达到柔化图像的效果。
代码略；图像锐化—主要用来通过增强相邻像素间的对比度，使图像具有明显的轮廓，并变得更加清晰。
效果与“图像平滑”的效果正好相反。
代码略；底片化---底片上的颜色与色彩鲜艳的照片的颜色是正好相反的，即反色。
代码略；二值化—主要是用来将整幅图像呈现出明显的黑白效果。
代码略；垂直翻转垂直翻转是指把定义好的图像区域上下翻转地显示在屏幕上。
器方法是保持每行像素信息不变，改变行的顺序，将第一行的像素与倒数第一行的像素进行互换，第二行的与倒数第二行的互换……依次类推，从而实现图像的垂直翻转。
具体算法如下：for(i=0;i<nh/2;i++)for(j=0;j<nw;j++){temp=m_dib.m_pdata[i*nh+j];m_dib.m_pdata[i*nh+j]=m_dib.m_pdata[j+(nh-i-1)*nw];m_dib.m_pdata[j+(nh-i-1)*nw]=temp;}垂直翻转的效果图如下：水平镜像水平翻转是指将图像左右翻转地显示在屏幕上。
数字图像处理学习报告
数字图像处理学习报告在这一学期，我选修了《数字图像处理基础》这门课程，同时，老师还讲授了一些视频处理的知识。
在这里，梳理一下这学期学到的知识，并提出一些我对这门课程的建议。
图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。
图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展,其应用空间将会更加广泛。
数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程.数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。
数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。
其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果,操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。
目前，随着计算机技术的不断发展，计算机的运算速度得到了很大程度的提高。
在短短的历史中，它却广泛应用于几乎所有与成像有关的领域，在理论上和实际应用上都取得了巨大的成就。
1. 数字图像处理需用到的关键技术由于数字图像处理的方便性和灵活性，因此数字图像处理技术已经成为了图像处理领域中的主流。
数字图像处理技术主要涉及到的关键技术有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。
图像的采集与数字化：就是通过量化和取样将一个自然图像转换为计算机能够处理的数字形式。
图像编码：图像编码的目的主要是来压缩图像的信息量，以便能够满足存储和传输的要求。
图像的增强：图像的增强其主要目的是使图像变得清晰或者将其变换为机器能够很容易分析的形式，图像增强方法一般有：直方图处理、灰度等级、伪彩色处理、边缘锐化、干扰抵制。
数字图像处理课程设计报告
本科综合课程设计报告题 目 ____________________________指导教师__________________________ 辅导教师__________________________ 学生姓名__________________________ 学生学号_________________________________________________________ 院（部）____________________________专业________________班___2008___年 _12__月 _30__日数字图像处理演示系统信息科学与技术学院 通信工程 0521 主要内容1.1数字图像处理背景及应用数字图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。
目前，图像处理演示系统应用领域广泛医学、军事、科研、商业等领域。
因为数字图像处理技术易于实现非线性处理，处理程序和处理参数可变，故是一项通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。
本图像处理演示系统以数字图像处理理论为基础，对某些常用功能进行界面化设计，便于初级用户的操作。
1.2 图像处理演示系统设计要求能加载和显示原始图像，显示和输出处理后的图像；系统要便于维护和具备可扩展性；界面友好便于操作；1.3 图像处理演示系统设计任务数字图像处理演示系统应该具备图像的几何变换（平移、缩放、旋转、翻转）、图像增强（空间域的平滑滤波与锐化滤波）的简单处理功能。
1.3.1几何变换几何变换又称为几何运算，它是图像处理和图像分析的重要内容之一。
通过几何运算，可以根据应用的需要使原图像产生大小、形状、和位置等各方面的变化。
简单的说，几何变换可以改变像素点所在的几何位置，以及图像中各物体之间的空间位置关系，这种运算可以被看成是将各物体在图像内移动，特别是图像具有一定的规律性时，一个图像可以由另外一个图像通过几何变换来产生。
数字图像处理课设报告
数字图像处理课程设计报告细胞识别目录第一部分1、实验课题名称----------------------------------------------------------------------------------32、实验目的----------------------------------------------------------------------------------------33、实验内容概要----------------------------------------------------------------------------------3 第二部分1、建立工程文件----------------------------------------------------------------------------------32、图像信息获取----------------------------------------------------------------------------------43、如何建立下拉菜单----------------------------------------------------------------------------64、标记Mark点------------------------------------------------------------------------------------65、二值化---------------------------------------------------------------------------------------------96、填洞------------------------------------------------------------------------------------------------97、收缩------------------------------------------------------------------------------------------------108、获取中心点--------------------------------------------------------------------------------------119、细胞计数-----------------------------------------------------------------------------------------1310、All-steps-----------------------------------------------------------------------------------------1311、扩展功能---------------------------------------------------------------------------------------14 第三部分12、各步骤结果和错误举例--------------------------------------------------------------------16 第四部分13、心得体会----------------------------------------------------------------------------------------22 第一部分1、实验课题：细胞识别2、实验目的：对血液细胞切片图片进行各种处理，最终得出细胞的数目、面积等信息。
数字图像处理课程报告
山东建筑大学课程设计说明书题目：视频监控中行人的检测课程：数字图像处理课程设计院（部）：信息与电气工程学院专业：电子信息工程班级：电信112学生姓名：杨永林学号：2011081237指导教师：张运楚、杨红娟、张君捧完成日期：2014年11月目录摘要 (2)一、绪论 (3)课题研究背景及意义 (3)二、设计要求与目的 (4)三、视频监控中行人的检测与识别方案论证与选择 (4)3.1常用检测算法 (4)3.1.1背景消除法 (4)3.1.2光流场法 (4)3.1.3帧间差分法 (4)3.2空间域滤波器 (5)四、设计内容 (7)4.1背景减法运动目标检测 (7)4.2阈值的选取 (8)4.3形态学滤波 (8)4.4检测过程 (9)五、实验结果及分析 (10)六、总结与感谢 (12)参考文献 (13)附录1程序代码 (14)摘要视频监控在安检、交通、工业生产等方面得到了广泛的应用。
为了能实时分析、跟踪、判别监控对象，并在异常事件发生时提示、对视频监控中出现的行人进行检测显得尤为重要。
本文研究基于MATLAB的视频监控中的行人检测。
尤其是要从计算机视觉的角度出发构建一个对象检测器，对实时视频中的对象进行搜索并对它们进行检测。
从图像序列中找到关心的对象，即行人，从而确定图像区域中的行人。
本文的行人检测，即首先将行人检测出来，再对确定包含行人的图像进行处理。
关键词：MATLAB 视频监控行人检测一、绪论课题研究背景及意义在现代社会中，视频监控系统随处可见。
视频监控系统使人们的工作生活更加方便，更加安全，提高了效率。
然而，目前视频监控网络多数只停留在原始视频的录像阶段。
虽然有些系统具有移动侦测报警的功能，但实际监控任务大部分仍是由人工来完成。
随着视频监控规模逐渐扩大，依靠人工方式进行实时监控所暴露出来的局限性越发突出，既没有足够多数量的屏幕供观看，也不可能安排足够多的人员24小时盯着屏幕看，同时面临着海量视频数据检索的问题。
数字图像处理实验报告
数字图像处理实验报告图像处理课程的目标是培养学生的试验综合素质与能力。
使学生通过实践，理解相关理论学问，将各类学问信息进行新的组合，制造出新的方法和新的思路，提高学生的科学试验与实际动手操作能力[1]。
从影像科筛选有价值的图像，建成影像学数字化试验教育平台，系统运行正常；具备图像上传、图像管理、图像检索与扫瞄、试验报告提交、老师批阅等功能；能满意使用要求[2]。
1.试验内容设计思路1.1项目建设内容和方法数字图像处理的内容：完整的数字图像处理大体上分为图像信息的猎取，存储，传送，处理，输出，和显示几个方面。
数字图像信息的猎取主要是把一幅图像转换成适合输入计算机和数字设备的数字信号，包括摄取图像，光、电转换及数字化。
数字图像信息的存储，数字图像信息的突出特点是数据量巨大，为了解决海量存储问题，数字图像的存储主要研究图像压缩，图像格式及图像数据库技术。
数字图像信息的传送数字图像信息的传送可分为系统内部传送与远距离传送[4]数字图像信息处理包括图像变换，图像增加，图像复原，彩色与多光谱处理图像重建，小波变换，图像编码，形态学，目标表示与描述。
数字图像输出和显示，最终目的是为人和机器供应一幅便于解释和识别的图像，数字图像的输出和显示也是数字图像处理的重要内容之一。
1.2数字图像处理的方法大致可以分为两大类，既空域法和频域法空域法：是把图像看做平面中各个像素组成的集合，然后直接对一维和二维函数进行相应处理，依据新图像生成方法的不同，空域处理法可为点处理法，区处理法，叠代处理法，跟踪处理法，位移不变与位移可变处理法。
点处理法的优点，点处理的典型用途a）灰度处理b）图像二值处理点处理方法的优点a）可用LUT方法快速实现b）节省存储空间。
区处理法，邻域处理法。
它依据输入图像的小邻域的像素值，按某些函数得到输出像素。
区处理法主要用于图象平滑和图像的锐化。
叠代处理法：叠代就是反复进行某些处理运算，图像叠代处理也是如此，拉普拉斯算子或平滑处理的结果是物体轮廓，该图像轮廓边缘太宽或粗细不一，要经过多次叠代把它处理成单像素轮廓——图像细化。
《数字图像处理》课程学习报告
《数字图像处理》课程学习报告1.“绪论”学习总结本章节主要学习了图像、像素和数字图像处理的基本概念，了解了自然界中图像的亮度、色彩和空间分布等指标都是以模拟形式出现，模拟图像可以利用光学和电子两种方式进行处理。
图像是由许多个大小和形状一致的像素组成，分辨率可以用单位长度的像素点数表示，也可以用行数×列数来表示图像的大小和分辨率。
利用计算机或者数字设备对图像进行加工分析以满足需求的操作叫做图像处理。
数字图像处理的发展是从20世纪20年代首次实现了图像压缩技术开始，数字图像处理技术最开始应用在航天领域，随着科技发展逐渐扩展到人们生活的各个领域之中。
数字图像处理的目的、任务与特点。
图像处理的目的包含了提高图像的视觉质量、提取图像中某些特征、对图像和视频信息进行压缩、信息可视化和信息安全需要。
图像处理的任务是获取客观世界的景象并转换成数字图像，进行一定的技术手段使其转化成具有新意义的图像。
数字图像处理具有精度高、重现性能好、灵活性高、处理结果可供人观察、技术适用面宽等特点。
数字图像处理主要应用领域有航空航天、生物医学工程、通讯工程、工业自动化和机器人、军事公安、材料科学、生活娱乐以及智能交通。
涉及图像处理的相关技术包括视频、计算机图形、动画、VR、AR等。
2.“图像处理基本知识”学习总结本章节主要学习了人类视觉与色度学基础。
眼睛是人类重要和敏感的感觉器官，人类视觉对颜色的主观感觉可以直观的用色调、色饱和度和亮度来表达。
学习了三基色原理对光通量、发光强度、视敏度、亮度、照度等光度学基本知识有了全面了解。
图像处理硬件和图像处理软件组成了计算机或专用数字设备对图像信息进行处理的系统叫做数字图像处理系统。
学习了数字图像的图像大小、灰度平均值、协方差、灰度标准差以及图像的相关系数统计特征表达算式。
3.“图像的数字化与显示”学习总结本章在了解了图像数字化的基本过程前提下，主要学习了图像数字化的方法，尤其是图像量化中的标量量化和向量量化方法，标量量化的特点是每次只量化一个采样，前后采样间的量化互相独立，向量量化是将一组采样的信号幅度向量在容许的误差范围内用更少的离散向量替代。
数字图像处理实验报告
《数字图像处理》实验报告姓名：学号：学院：信息工程学院专业：电子信息工程年级班别：指导老师：图像的空间域平滑和锐化一、实验目的(1)掌握图像模板运算的流程。
(2)进一步理解图像的平滑、锐化原理。
(3)了解图像平滑、锐化的效果和作用。
二、实验内容和要求编程分别实现图像的平滑和锐化。
三、实验主要仪器设备和材料计算机，VC＋＋6.0四、实验原理1、图像平滑图像平滑主要是为了消除噪声。
噪声并不限于人眼所能看的见的失真和变形，有些噪声只有在进行图像处理时才可以发现。
图像中的噪声往往和信号交织在一起，尤其是乘性噪声，如果平滑不当，就会使图像本身的细节如边界轮廓、线条等变的模糊不清，如何既平滑掉噪声有尽量保持图像细节，是图像平滑主要研究的任务。
一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时系统中的边缘信息也主要集中在其高频部分，因此，如何去掉高频干扰又同时保持边缘信息，是我们研究的内容。
为了去除噪声，有必要对图像进行平滑，可以采用低通滤波的方法去除高频干扰。
图像平滑包括空域法和频域法两大类，在空域法中，图像平滑的常用方法是采用均值滤波或中值滤波。
下面主要论述一下均值滤波。
对于均值滤波，它是用一个有奇数点的滑动窗口在图像上滑动，将窗口中心点对应的图像像素点的灰度值用窗口内的各个点的灰度值的平均值代替，如果滑动窗口规定了在取均值过程中窗口各个像素点所占的权重，也就是各个像素点的系数，这时候就称为加权均值滤波。
2、图象锐化图像平滑往往使图像中的边界、轮廓变的模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。
图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算）就可以使图像变的清晰。
从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。
数字图像处理--图像处理课程设计 报告
《数字图像处理》课程设计1、课程设计目的1、提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。
2、熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。
2、课程设计要求1、要充分认识课程设计对培养自己的重要性，认真做好设计前的各项准备工作。
尤其是对编程软件的使用有基本的认识。
2、既要虚心接受老师的指导，又要充分发挥主观能动性。
结合课题，独立思考，努力钻研，勤于实践，勇于创新。
3、独立按时完成规定的工作任务，不得弄虚作假，不准抄袭他人内容，否则成绩以不及格计。
4、在设计过程中，要严格要求自己，树立严肃、严密、严谨的科学态度，必须按时、按质、按量完成课程设计。
5.2实施要求1、理解各种图像处理方法确切意义。
2、独立进行方案的制定，系统结构设计要合理。
3、在程序开发时，则必须清楚主要实现函数的目的和作用，需要在程序书写时说明做适当的注释。
如果使用matlab来进行开发，要理解每个函数的具体意义和适用范围，在写课设报告时，必须要将主要函数的功能和参数做详细的说明。
4、通过多幅不同形式的图像来检测该系统的稳定性和正确性。
用图像平均的方法消除噪声编程：J=imread('1036032.jpg');I = rgb2gray(J);[m,n]=size(I);II1=zeros(m,n);for i=1:16II(:,:,i)=imnoise(I,'gaussian',0,0.01);II1=II1+double(II(:,:,i));if or(or(i==1,i==4),or(i==8,i==16));figure;imshow(uint8(II1/i));endend迭加零均值高斯随机噪声图像4幅同类图像加平均8幅同类图像加平均16幅同类图像加平均用平滑滤波方法消除噪声编程：I=imread('001122.jpg');I=rgb2gray(I);J=imnoise(I,'gaussian',0,0.02);subplot(231),imshow(I);title('原图像');subplot(232),imshow(J);title('添加高斯噪声图像');k1=filter2(fspecial('average',3),J);k2=filter2(fspecial('average',5),J);k3=filter2(fspecial('average',7),J);k4=filter2(fspecial('average',9),J);subplot(233),imshow(uint8(k1));title('3*3模板平滑滤波'); subplot(234),imshow(uint8(k2));title('5*5模板平滑滤波'); subplot(235),imshow(uint8(k3));title('7*7模板平滑滤波'); subplot(236),imshow(uint8(k4));title('9*9模板平滑滤波');用中值滤波方法消除噪声编程：I=imread('1036032.jpg');I=rgb2gray(I);J=imnoise(I,'gaussian',0,0.01);subplot(231),imshow(I);title('原图像');subplot(232),imshow(J);title('添加高斯白噪声图像');k1=medfilt2(J);k2=medfilt2(J,[5 5]);k3=medfilt2(J,[7 7]);k4=medfilt2(J,[9 9]);subplot(233),imshow(k1);title('3×3模板中值滤波') subplot(234),imshow(k2);title('5×5模板中值滤波') subplot(235),imshow(k3);title('7×7模板中值滤波') subplot(236),imshow(k4);title('9×9模板中值滤波')用理想低通滤波方法消除噪声编程：I=imread('001122.jpg');J= rgb2gray(I);J=imnoise(J,'gaussian',0,0.02);subplot(331);imshow(J);J=double(J);f=fft2(J);g=fftshift(f);subplot(332);imshow(log(abs(g)),[]),color(jet(64)); [M,N]=size(f);n1=floor(M/2);n2=floor(N/2);d0=5;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);if d<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(333);imshow(g);I=imread('001122.jpg');J= rgb2gray(I);J=imnoise(J,'gaussian',0,0.02);subplot(331);imshow(J);J=double(J);f=fft2(J);g=fftshift(f);subplot(332);imshow(log(abs(g)),[]),color(jet(64)); [M,N]=size(f);n1=floor(M/2);n2=floor(N/2);d0=15;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);if d<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(334);imshow(g);I=imread('001122.jpg');J= rgb2gray(I);J=imnoise(J,'gaussian',0,0.02);subplot(331);imshow(J);J=double(J);f=fft2(J);g=fftshift(f);subplot(332);imshow(log(abs(g)),[]),color(jet(64)); [M,N]=size(f);n1=floor(M/2);n2=floor(N/2);d0=45;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);if d<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(335);imshow(g);I=imread('001122.jpg');J= rgb2gray(I);J=imnoise(J,'gaussian',0,0.02);subplot(331);imshow(J);J=double(J);f=fft2(J);g=fftshift(f);subplot(332);imshow(log(abs(g)),[]),color(jet(64)); [M,N]=size(f);n1=floor(M/2);n2=floor(N/2);d0=65;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);if d<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(336);imshow(g);用巴特沃斯低通滤波方法消除噪声I=imread('001122.jpg');I=rgb2gray(I);J=imnoise(I,'gaussian',0,0.04); subplot(121);imshow(J);title('高斯白噪声图像');J=double(J);f=fft2(J);g=fftshift(f);[M,N]=size(f);n=3;d0=20;n1=floor(M/2);n2=floor(N/2);for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); h=1/(1+(d/d0)^(2*n));g(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(122);imshow(g);title('巴特沃斯低通滤波');峰值信噪比PSNR程序：function result=psnr(in1,in2)in1=imread('a.jpg'); %a为原图像%in2=imread('b.jpg'); %b为调制之后的图像% z=mse(in1,in2);result=10*log10(255.^2/z);function z=mse(x,y)x=double(x);y=double(y);[m,n]=size(x);z=0;for i=1:mfor j=1:nz=z+(x(i,j)-y(i,j)).^2;endendz=z/(m*n);方法一图像平均的方法处理得到信噪比分别如下：ans =7.1689ans =7.2601ans =7.2789ans =7.2876方法二平滑滤波方法处理得到信噪比分别如下：ans =6.0426ans =6.0713ans =6.0955ans =6.1052方法三中值滤波方法处理得到信噪比分别如下：ans =7.1708ans =7.2487ans =7.2830ans =7.3065ans =7.3290方法四理想低通滤波方法处理得到的信噪比：ans =5.9024ans =6.3146ans =6.1266ans =6.0586ans =6.0479方法五巴特沃斯低通滤波方法处理得到的信噪比：ans =5.9042ans =6.2459。
《数字图像处理》实验报告
《数字图像处理》实验报告数字图像处理是计算机科学与技术领域中的一个重要分支，它涉及到对图像进行获取、处理、分析和显示等一系列操作。
在本次实验中，我们将学习和探索数字图像处理的基本概念和技术，并通过实验来加深对这些概念和技术的理解。
首先，我们需要了解数字图像的基本概念。
数字图像是由像素组成的二维矩阵，每个像素代表图像中的一个点，像素的灰度值或颜色值决定了该点的亮度或颜色。
在实验中，我们将使用灰度图像进行处理，其中每个像素的灰度值表示了该点的亮度。
在数字图像处理中，最基本的操作之一是图像的获取和显示。
我们可以通过摄像头或者从文件中读取图像数据，然后将其显示在计算机屏幕上。
通过这种方式，我们可以对图像进行观察和分析，为后续的处理操作做好准备。
接下来，我们将学习一些常见的图像处理操作。
其中之一是图像的灰度化处理。
通过将彩色图像转换为灰度图像，我们可以减少图像数据的维度，简化后续处理的复杂度。
灰度化处理的方法有多种，例如将彩色图像的RGB三个通道的像素值取平均值，或者使用加权平均值的方法来计算灰度值。
另一个常见的图像处理操作是图像的平滑处理。
图像平滑可以减少图像中的噪声，并使得图像更加清晰。
常用的图像平滑方法包括均值滤波和高斯滤波。
均值滤波通过计算像素周围邻域像素的平均值来平滑图像，而高斯滤波则使用一个高斯核函数来加权平均邻域像素的值。
除了平滑处理，图像的锐化处理也是数字图像处理中的一个重要操作。
图像的锐化可以增强图像的边缘和细节，使得图像更加清晰和鲜明。
常用的图像锐化方法包括拉普拉斯算子和Sobel算子。
这些算子通过计算像素周围邻域像素的差异来检测边缘，并增强边缘的灰度值。
此外，我们还将学习一些图像的变换操作。
其中之一是图像的缩放和旋转。
通过缩放操作，我们可以改变图像的尺寸，使其适应不同的显示设备或应用场景。
而旋转操作可以将图像按照一定的角度进行旋转，以达到某种特定的效果。
最后，我们将学习一些图像的特征提取和分析方法。
数字图像处理课程设计报告matlab
数字图像处理课程设计报告姓名：学号：班级：.net设计题目：图像处理教师：赵哲老师提交日期：12 月 29 日一、设计内容：主题：《图像处理》详细说明：对图像进行处理（简单滤镜，模糊，锐化，高斯模糊等），对图像进行处理（上下对称，左右对称，单双色显示，亮暗程度调整等），对图像进行特效处理（反色，实色混合，色彩平衡，浮雕效果，素描效果，雾化效果等），二、涉及知识内容：1、二值化2、各种滤波3、算法等三、设计流程图插入图片对图片进行处理二值化处理重复输出两幅图结束四、实例分析及截图效果：运行效果截图：第一步：读取原图 , 并显示close all;clear;clc;% 清楚工作窗口clc清空变量clear关闭打开的窗口close all I=imread('1.jpg');%插入图片 1.jpg赋给Iimshow(I);% 输出图II1=rgb2gray(I);%图片变灰度图figure%新建窗口subplot(321);% 3 行 2 列第一幅图imhist(I1);%输出图片title(' 原图直方图 ' ); %图片名称一，图像处理模糊H=fspecial('motion',40);%% 滤波算子模糊程度40 motion运动q=imfilter(I,H,'replicate'); %imfilter实现线性空间滤波函数，I 图经过 H 滤波处理， replicate反复复制q1=rgb2gray(q);imhist(q1);title(' 模糊图直方图' );二，图像处理锐化H=fspecial('unsharp'); %锐化滤波算子，unsharp不清晰的qq=imfilter(I,H,'replicate');qq1=rgb2gray(qq);imhist(qq1);title(' 锐化图直方图' );三，图像处理浮雕 ( 来源网络 )%浮雕图l=imread('1.jpg');f0=rgb2gray(l);%变灰度图f1=imnoise(f0,'speckle',0.01);%高斯噪声加入密度为0.01的高斯乘性噪声imnoise噪声污染图像函数speckle斑点f1=im2double(f1); %把图像数据类型转换为双精度浮点类型h3=1/9.*[1 1 1;1 1 1;1 1 1];%采用 h3 对图像f2 进行卷积滤波f4=conv2(f1,h3,'same' );%进行 sobel滤波h2=fspecial('sobel');g3=filter2(h2,f1,'same' ); %卷积和多项式相乘same相同的k=mat2gray(g3);% 实现图像矩阵的归一化操作四，图像处理素描 ( 来源网络 )f=imread('1.jpg');[VG,A,PPG] = colorgrad(f);ppg = im2uint8(PPG);ppgf = 255 - ppg;[M,N] = size(ppgf);T=200;ppgf1 = zeros(M,N);for ii = 1:Mfor jj = 1:Nif ppgf(ii,jj)<Tppgf1(ii,jj)=0;elseppgf1(ii,jj)=235/(255-T)*(ppgf(ii,jj)-T);endendendppgf1 = uint8(ppgf1);H=fspecial('unsharp');Motionblur=imfilter(ppgf1,H,'replicate');figure;imshow(ppgf1);调用function[VG, A, PPG] = colorgrad(f, T)if (ndims(f)~=3) || (size(f,3)~=3)error('Input image must be RGB');endsh = fspecial('sobel');sv = sh';Rx = imfilter(double(f(:,:,1)), sh,'replicate'); Ry = imfilter(double(f(:,:,1)), sv,'replicate'); Gx = imfilter(double(f(:,:,2)), sh,'replicate'); Gy = imfilter(double(f(:,:,2)), sv,'replicate'); Bx = imfilter(double(f(:,:,3)), sh,'replicate'); By = imfilter(double(f(:,:,3)), sv,'replicate');gxx = Rx.^2 + Gx.^2 + Bx.^2;gyy = Ry.^2 + Gy.^2 + By.^2;gxy = Rx.*Ry + Gx.*Gy + Bx.*By;A = 0.5*(atan(2*gxy./(gxx-gyy+eps)));G1 = 0.5*((gxx+gyy) + (gxx-gyy).*cos(2*A) + 2*gxy.*sin(2*A));A = A + pi/2;G2 = 0.5*((gxx+gyy) + (gxx-gyy).*cos(2*A) + 2*gxy.*sin(2*A));G1 = G1.^0.5;G2 = G2.^0.5;VG = mat2gray(max(G1, G2));RG = sqrt(Rx.^2 + Ry.^2);GG= sqrt(Gx.^2 + Gy.^2);BG = sqrt(Bx.^2 + By.^2);PPG = mat2gray(RG + GG + BG);if nargin ==2VG = (VG>T).*VG;PPG = (PPG>T).*PPG;endf1=rgb2gray(f);imhist(f1);title(' 素描图直方图' );五，图像处理实色混合(来源网络) %实色混合I(I<=127)=0;%对像素进行处理，若值小于等于127 ，置0 I(I>127)=255;%对像素进行处理，若值大于127 ，置 255 imshow(I);title(' 像素图 ' );I1=rgb2gray(f);imhist(I1);title(' 像素图直方图' );六，图像处理反色图f=imread('1.jpg');q=255-q;imshow(q);title(' 反色图 ' );imhist(q1);title(' 反色图直方图' );七，图像处理上下对称A=imread('1.jpg');B=A;[a,b,c]=size(A);a1=floor(a/2); b1=floor(b/2); c1=floor(c/2); B(1:a1,1:b,1:c)=A(a:-1:a-a1+1,1:b,1:c); figureimshow(B)title(' 上下对称 ' );A=rgb2gray(A);figureimhist(A)title(' 上下对称直方图' );八，图像处理类左右对称C=imread('1.jpg');A=C;C(1:a,1:b1,1:c)=A(1:a,b:-1:b+1-b1,1:c); figureimshow(C)title(' 左右对称 ' );A=rgb2gray(A);figureimhist(A)；title(' 左右对称直方图' );九，图像处理单双色显示a=imread('1.jpg');a1=a(:,:,1);a2=a(:,:,2); a3=a(:,:,3);aa=rgb2gray(a);a4=cat(3,a1,aa,aa); a5=cat(3,a1,a2,aa); figuresubplot(121);imshow(a4);title(' 单色显示 ' );subplot(122);imshow(a5);title(' 双色显示 ' );a4=rgb2gray(a4);a5=rgb2gray(a5);figuresubplot(121);imhist(a4);title(' 单色显示直方图' ); subplot(122);imhist(a5);title(' 双色显示直方图' );十，图像处理亮暗度调整a=imread('1.jpg');a1=0.8*a;a2=2*a;figuresubplot(121);imshow(a1);title(' 暗图 ' );subplot(122);imshow(a2);title(' 亮图 ' )q3=rgb2gray(a1);q4=rgb2gray(a2);figuresubplot(121);mhist(q3);title(' 暗图直方图 ' ) subplot(122);imhist(q4);title(' 亮图直方图 ' )十一，图像处理雾化处理q=imread('1.jpg');m=size(q,1);n=size(q,2);r=q(:,:,1);g=q(:,:,2);b=q(:,:,3);for i=2:m-10for j=2:n-10k=rand(1)*10;%产生一个随机数作为半径di=i+round(mod(k,33));%得到随机横坐标dj=j+round(mod(k,33));%得到随机纵坐标r(i,j)=r(di,dj);%将原像素点用随机像素点代替g(i,j)=g(di,dj);b(i,j)=b(di,dj);endenda(:,:,1)=r;a(:,:,2)=g;a(:,:,3)=b;imshow(a)title(' 雾化处理图 ' );q=rgb2gray(a);figureimhist(q);title(' 雾化处理图直方图' );十二，图像处理高斯滤波I = imread('1.jpg');G =fspecial('gaussian', [5 5], 2); % fspecial生成一个高斯滤波器Ig =imfilter(I,G,'same' );%imfilter使用该滤波器处理图片imshow(Ig);title(' 高斯滤波 ' );I1=rgb2gray(Ig);figureimhist(I1);title(' 高斯滤波直方图' );十三，图像处理色彩平衡（来自网络）im=imread('1.jpg');im2=im; %存储元图像im1=rgb2ycbcr(im);%将 im RGB 图像转换为YCbCr 空间。
数字图像处理-实验报告
《数字图象处理》实验报告一、数字图像处理设计主要内容数字图象处理课程设计要求使学生掌握数字图像处理的基本算法的计算机实现，从而培养学生运用数字信号处理的原理解决生物医学、电子工程领域的实际问题的能力。
进一步提高程序设计及调试能力，初步掌握进行科学研究工作的主要步骤和方法，学习和掌握科学研究资料检索的方法，学习对已有资料进行消化总结的方法，学习撰写科学报告的基本方法。
二、前期工作1.查阅资料，对数字信号处理和图象处理基本理论和实践作一全面了解；2.根据实验内容和要求确定实验思路,熟悉Matlab语言,理解对数字信号处理进行计算机仿真原理；三、设计工作1.图像平滑a.利用二个低通邻域平均模板（3×3和9×9）对一幅图象进行平滑，验证模板尺寸对图象的模糊效果的影响。
b.利用一个低通模板对一幅有噪图象（GAUSS白噪声）进行滤波，检验两种滤波模板（分别使用一个5×5的线性邻域平均模板和一个非线性模板：3×5中值滤波器）对噪声的滤波效果。
c.选择一个经过低通滤波器滤波的模糊图象，利用sobel水平边缘增强高通滤波器（模板）对其进行高通滤波图象边缘增强，验证模板的滤波效果。
d.选择一幅灰度图象分别利用一阶Sobel算子和二阶Laplacian算子对其进行边缘检测，验证检测效果。
2.图像增强a.直方图均衡化增强图像对比度的MATLAB程序。
b.采用线性变换进行图像增强的MATLAB程序。
c.采用边界锐化算法增强图像的MATLAB程序。
四、程序设计1.利用二个低通邻域平均模板（3×3和9×9）对一幅图象进行平滑，验证模板尺寸对图象的模糊效果的影响。
程序如下：l=imread('E:/matlab/test1/sample.jpg');L=rgb2gray(l);subplot(1,3,1);imshow(L);title('原图');j=fspecial('average');j1=filter2(j,L)/255;subplot(1,3,2);imshow(j1);title('3*3 滤波');k=fspecial('average',9);k1=filter2(k,L)/255;subplot(1,3,3);imshow(k1);title('9*9 滤波');仿真结果如下图：原图3*3 滤波9*9 滤波2.利用一个低通模板对一幅有噪图象（GAUSS白噪声）进行滤波，检验两种滤波模板（分别使用一个5×5的线性邻域平均模板和一个非线性模板：3×5中值滤波器）对噪声的滤波效果。
- 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)。
2.2 上机
上机使用的数字图像处理工具为 Matlab。Matlab 强大的运算和图形展示功能，使图
像处理变得更加的简单和直观。实践永远是最直观，最能检验对知识掌握程度的。上机课上， 由讲 Matlab 的一些基本功能使用，到简单的调用图像，转换灰度图，图像转换的大小和亮度 等的转换，再到图像变换中的傅里叶变换、DCT 变换，还有图像的锐化，边缘加强等等。虽 然很多时候都不怎么理解，然后根据例题做，得到最终的图像，但在最终图像和原始图像的 对比中，我也理解到了许多。上机给我最大的收获我感觉是熟能生巧，因为是一周一次，所 以每次去上课，我都对之前上的忘的差不多了，甚至说最简单的转换灰度图和改变图像尺寸 的函数我都会忘掉，每次都要把保存好的之前的 PPT 拿出来看一下。最后想说，这上机很有 意思，每次对着自己的图像做转换时都十分兴奋，兴趣十足。
南京航空航天大学金城学院
《数字图像处理》课程报告
系部 专业 学生姓名 学号
信息工程系 计算机科学与技术
年月
前言
数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像 树立技术目前已经在各个领域上都有了比较广泛的应用。下文主要讲了我们小组所做的无缝 拼接技术的一些内容和最后的小结。
这门课，通过上机和上课相结合，让我们更深刻的认识到数字图像处理里函数的效果。 在学习知识的同时，利用小组作业，锻炼个人的多方面的能力。
第一章
1.1 无缝拼接的定义和发展阶段
无缝拼接技术是一种特殊的、要求比较高的投影显示应用，可以实现多屏图像融合在一 起，并将拼接缝隙缩至最小以至于完全重合的拼接技术。无缝拼接技术不仅需要完整的超大 幅屏幕，对投射出超大尺寸画面所用的投影也有特殊要求。无缝拼接技术与 BSV 液晶拼接技 术最大区别在于缝隙小。无缝拼接技术的发展共经历了纯硬件融合技术、纯软件融合技术和 软硬件融合技术三个阶段。纯硬件融合技术是通过光学的遮光处理来融合图像，纯软件融合 技术是通过电子线路处理来完成图像的融合，软硬件融合技术是指既有光学遮光融合处理， 又有电子融合处理。 由于硬件融合能较好地处理融合图像的黑平衡，而软件融合能较好处理 图像的白平衡，这两者相结合的软硬件融合技术就能够比较完美地实现融合部分色彩图像的 真实再现。
1.2 无缝拼接的种类
硬件拼接—液晶拼接技术
大屏幕显示墙硬拼接技术主要采多个箱体拼接而成，如 CRT 背投显示墙、LCD 背投显 示墙、DLP 背投拼接墙以及等离子显示墙等，这种拼接技术目前拼接缝隙最小的可以小到就 0.5 毫米以下，因为缝隙非常小了，所以大家也都叫“无缝”拼接，但实际是有缝隙的。而 采用边缘融合技术的投影机拼接是用多台投影以 1×N 或 M×N 的模式在一块大的投影幕上做 投影拼接。
长期以来拼缝的过大一直制约着液晶拼接的发展，尽管液晶屏在亮度、色彩度、清晰度、 以及功耗等等上都存在一定的优势，但却一直不能在拼接市场上其他拼接屏竞争。三星电子 于 2006 年推出的新一代液晶显示技术，作为其独有的显示技术与普通的液晶显示器的不同在 于改善了液晶分子排列结构,可以横向纵向吊顶放置。超窄边的拼缝物理拼缝是 6.7mm，显示 拼缝是 7.3mm。DID 液晶显示系统由三大部分组成，即拼接显示墙、多屏拼接处理器和信号源。 其中多屏拼接处理器是关键技术的核心，支持不同像素的图像在大屏显示墙上显示以及在大 屏显示墙上任意开窗口、窗口放大缩小、跨屏漫游显示。目前 DID 产品已经发展到第三代， 拼接缝隙原来越小。相信不久的将来，能真正达到‘无缝’的境界。
真实世界的增强。同时，由于用于与真实世界的联系并未被切断，交互方式也就显得更加自 然。
1.4.2 应用范围 增强现实可根据所应用的范围分为户内型与户外型。户内型增强现实从广义上说包括各
种将数据层覆盖于建筑物内部物理空间的实践，为建筑师、壁画师、展览设计师和新媒体艺 术家所关心。例如，德国建筑师利贝斯坎得（Daniel Liberskind）在设计柏林犹太博物馆时， 将显示二次大战前该馆现址附近犹太人居住点的地图投射到建筑表面上，使数据空间物质化， 变成重新塑造物理空间的力量。户外型增强现实运用 GPS 与定位传感器，以背包携带计算机 系统，将增强现实带到户外。哥伦比亚大学开发的移动增强现实系统（Mobile Augmented Reality Systems，MARS，1996）是早期例证。它运用了三维显示系统、移动计算、无线网络 等技术。
第二章
2.1 上课
这门课上课方式有所不同。更多的时间留给了我们自己去研究、发挥。每堂课都有小 组上去做不同的课题的 PPT。
首先，我们做的课题是上文详细讲的无缝拼接技术。在做 PPT 前，我们小组每个人都 认真的上网和查阅书籍去寻找有关资料，可以说每个人对无缝拼接都有了一定程度的了解。 我们要把我们的认知来讲述给大家，我们就要认识的更加透彻还要分析，将其能有序的，有 条理的告诉大家。在这点上，相比以往都是老师在讲台上说，我们能掌握的多的多。同是也 提高了我们的主动性、积极性。锻炼了我们做 PPT 的能力，和小组配合，分工合作的能力。 上台做演讲也是对我们口才和心理素质的考研，为我们将来走向社会，适应社会打好基础。 当然我们 PPT 做的必然会有许多不足，我们也会有一些认知不够，考虑不到的问题，老师也 在之后做出了补充。总体来说，对这个课题，我们已经近似完全掌握了。
1.3 无缝拼接的应用和未来发展
广泛应用于各行各业（水电生产调度，军事指挥，城市管理，矿业安全，环境监控，消 防气象海事等指挥系统。）的安防监控，（政府企业视频会议，金融证券，机场地铁商场酒店 通迅信息等的）信息发布，（剧院体育场馆博览会集会演唱会 Party 媒体广告等的）展示系统 以及显示设备的商业租赁等领域的液晶显示器中。
2.3 小结
数字图像处理整体感觉理论概念性的东西比较少，个人觉的主要是 Matlab 工具的使用。 还有它里面设计好多数学性的知识，想要完美的学好数字图像处理估计首先得学好数学。个 人感觉现在 Photoshop 和美图秀秀等图像处理工具更为简易方便，而且不需要考虑一些数学 函数。而且 Matlab 的处理速度也比较慢。不过存在必有其道理，它是集数值计算，符号运算 以及图形图像处理功能于一体，而且可以对某些特定的区域特定的某个像素点进行处理。对 图形进行光照处理的、色度处理也是其它软件所不能替代的。
从拼接效果上来说，无缝拼接技术也经历了三个发展阶段：硬边拼接、重叠拼接和软边 融合拼接。 硬边拼接有明显分割线（即物理拼缝)，无法实现全景的一体化显示；重叠拼接 是指将两台投影机投出的图像在拼合处以叠加的方式重叠，但这种拼接显然存在着拼合处由 于亮度叠加而出现过亮区域的弊病，影响到无缝效果的实现。软边融合拼接通过边缘融合技 术的处理，既实现了两边的完全融合，又消除了重叠拼接引起的过亮区域，并且软边融合拼 接可以适应平面、柱面、球面等各种曲面形状的拼接，具有更加广泛的适用性，软边融合拼 接技术是目前主流技术，也是未来的发展方向。
目前无缝拼接适用十分广泛，主流是大屏幕拼接，还有就是有关的虚实结合的技术。这 也是未来无缝拼接技术的发展方向。
1.4 扩展(虚实结合现实增强技术)
1.4.1 原理定义 增强现实技术（Augmented Reality Technique，简称 AR），是在虚拟现实基础上发展起
来的新技术，是通过计算机系统提供的信息增加用户对现实世界感知的技术，并将计算机生 成的虚拟物体、场景或系统提示信息叠加到真实场景中，从而实现对现实的“增强”。它将 计算机生成的虚拟物体或关于真实物体的非几何信息叠加到真实世界的场景之上，实现了对