第一篇：數字圖像處理課設報告
數字圖像處理課程設計報告
細胞識別
目錄
第一部分
1、實驗課題名稱--------------------3
2、實驗目的--------------------------3
第 1 頁
3、實驗內容概要--------------------3 第二部分
1、建立工程文件--------------------3
2、圖像信息獲取--------------------4
3、如何建立下拉菜單--------------6
4、標記Mark點----------------------6
5、二值化9
6、填洞---9
7、收縮---10
8、獲取中心點------------------------11
9、細胞計數---------------------------13
10、All-steps---------------------------13
11、擴展功能-------------------------14 第三部分
12、各步驟結果和錯誤舉例------16 第四部分
13、心得體會--------------------------22
第一部分
1、實驗課題：細胞識別
2、實驗目的：對血液細胞切片圖片進行各種處理，最終得出細胞的數目、面積等信息。
3、實驗內容概要：基于VC++6.0軟件下的細胞識別，通過細胞的標記、二
第 2 頁 值化、填洞、收縮、獲取中心點、計數等過程完成實驗目的。
第二部分——實驗具體步驟
1、建立工程文件
① 新建MFC工程項目：--MFC AppWizard、工程名
② 拷貝cdib.h，cdib.cpp到工程文件夾，再向工程里添加
③ doc.h添加變量：m_lpDib 和頭文件#include”cdib.h”
④ doc.cpp:變量(m_lpDib)的new、delete
第 3 頁
⑤ doc.cpp: Serialize（）
2、圖像信息獲取
① 讀取圖像參數View.cpp: OnDraw()?m_pDib->Draw()如果圖像不為空的話，那么就執行如下主要代碼：
② 點擊鍵，建立類向導，在messages中添加OnInitialUpdate()函數，添加代碼實現對自動打開固定圖片。
③ 通過鼠標右擊，點擊建立類向導，在messages中添加OnMouseMove()函數，添加代碼實現獲取所要信息，即實現鼠標在圖像任一位置移動時可以直觀的讀取相對應位置的信息。可以在屏幕上顯示鼠標所指點的坐標以及RGB、HSI和灰度值，通過HSI的可以選取合適的閾值來找到細胞以及邊界。
第 4 頁 ④ 為了RGB圖像轉化為人眼更容易識別的HSI模型，我們可以通過添加成員函數RgbtoHsi來實現這一功能。
HSI模型與RGB模型的轉化關系
（添加函數時，可以右擊類窗口中的view.h，選中add member function，之后選擇函數的返回值類型和函數描述，其它默認不變）
確定后在里面添加實現函數功能的代碼。
3、添加下拉菜單
在resourceview那欄的找到菜單按鍵設置
第 5 頁 雙擊，后在里面添加所需按鍵
每個按鍵的ID號為注意在填寫為IDR_加菜單大寫。
之后右擊按鍵，建立類向導添加按鍵所需函數
4、標記mark 分為四步
1.找出mark(red)點和maybemark(blue)點
2.將maybemark(blue)點變成mark(black red)點
3.將mark(black red)點變成edge(yellow(fullred&&fullgreen))點 4.edge點濾波
基本思想：Mark點指的是我們要尋找的細胞內的點。我們先獲取每一個像素點的RGB分量，然后我們將其轉化成HSI分量，將H分量進行歸一化，因為S的范圍是0到1，所以我們要進行尺度的一致，這樣才具有可計算性。然后我們通過每個像素點的H分量和S分量的值與細胞內部的H分量和S分量計算歐幾里得距離，設定一個Mark門限值(我們這里將MarkDoor設置為0.09，大家可以行設置合適的參數)，小于這個門限值我們就當做是細胞的內部，然后對細胞進行標記（Red）。還需要設定一個Maybe Mark門限值(我們這里將Maybe MarkDoor設置為0.15，大家可以行設置合適的參數)，我們大于Mark門限值小于Maybe Mark門限值時，我們暫時看成是細胞，我們進行Maybe Mark的標記（Blue）。否則的話，我們需要考慮，一些不是Mark和Maybe Mark點的*lpSrc==0我們區別一下賦值為1，*lpSrc==255
第 6 頁 我們區別一下賦值為254，*(lpSrc+1)==255我們區別一下賦值為254.這樣的話，我們在后面判斷是否為Mark點的時候，我們只需要判斷*lpSrc是否為0就可以了，判斷Maybe Mark點時只需要判斷*(lpSrc)是否為255就可以了。對于邊緣的判斷只需要判斷*(lpSrc+1)是否為255就可以了。
將細胞標記為Mark用紅色（255,0,0）標記出來，將可能是的細胞標記為MayBe Mark用藍色（0,0,255）標記出來。將MayBeMark To Mark的區域用亮紅（128,0,0）表示，將不可能是細胞的區域、細胞邊界分別用綠色標記出來。操作過程:（1）根據H、S的歐幾里得距離sqrt（s2+h2）來大致的確定哪些是細胞（Mark）和可能是細胞（Maybe Mark）的點。
（2）根據Maybe Mark點周圍的情況，如果它的上下左右四個方向有Mark點，則將Maybe Mark點變成Mark點。
（3）用Sobel算子來做邊緣的提取邊界（0,255,255）（255,255,0），使用3*3的模板，使用歐幾里得距離來判斷是否為邊緣。
兩種Sobel算子如下：
第 7 頁
主要代碼如下：
doubletmp1=pixel[0]+2*pixel[1]+pixel[2]-pixel[6]-2*pixel[7]-pixel[8];doubletmp2=pixel[0]+2*pixel[3]+pixel[6]-pixel[2]-2*pixel[5]-pixel[8];double edge=sqrt(tmp1*tmp1+tmp2*tmp2);
if(edge>edgeDoor)*(lpDst+1)=255;//Sobel判斷該點是否edge//edgeDoor=40（4）edge濾波
就是去除全邊緣點(四周都是背景或邊緣)(強度為5)
5、二值化
基本思想：將原有彩色圖像變換為二值圖像，其中細胞0X80(128)用Gray(灰色)標記出來，邊緣0xF0(240)用Bright(亮色)標記出來，其他表示為0。主要代碼：
第 8 頁
6、填洞
將細胞中或者細胞相鄰的地方的較小的背景填成細胞的背景，填完的細胞背景的灰度值是129，因為都被訪問過了，然后將邊緣去掉。
填洞的基本思想：首先將細胞或邊緣內的黑點置為vistied = 0x01，以該黑點為中心，在其上下左右側進行訪問是否有未訪問的黑點，若有則將上方黑點壓棧，且上下左右側的黑點置已訪問。將堆棧頂端的數據彈出，作為新的種子進行擴散，即以該元素為基點，判斷其周圍是否存在未訪問黑點，若有則繼續壓棧，重復操作。直到找到最后一點，此點四周均不存在未訪問黑點，結束訪問。若洞像素數小于100大于50，洞內像素數及其初進棧的點(56,(409,222))時，則進行填洞。填洞的過程就是將非mark點轉化為mark點。
主要標記訪問代碼：
填洞函數主要代碼分析：
填完洞后，進行下面操作：
如果圖像中只有已訪問黑點0x01則將其恢復成0；如果圖像中只有Edge點0xf0則將 Edge置為黑點。這樣圖像中只有黑色的背景以及灰色的細胞mark(0x80)點。
主要代碼：
第 9 頁
7、收縮
收縮的目的是為了方便計數。通過掃描圖像，對圖像進行預先的3次腐蝕，判斷所生成邊界點，然后根據原理判定是否標注該點，存放所標志的中心點，便于統計細胞個數及計算細胞半徑。
由Mark生成邊界，我們有四鄰域生成邊界和八鄰域生成邊界。判斷該點是否為Mark點，如果是Mark點的話，我們判斷i、j是否是我們選取圖片的邊界，如果是的話，我們將該點變成邊緣點，否則我們判斷它的上下左右（周圍八個點）是否有非Mark點，如有有，則將這邊變成邊緣點，反之，不變。
8鄰域收縮操作代碼(4鄰域與8鄰域思想相同)：
第 10 頁
8、獲取中心點
根據前面所作工作統計獲得的中心點個數，去掉一系列不符合要求的點得出最終的細胞個數、細胞的平均半徑和平均面積，用對話框輸出統計結果。
操作過程如下：
① 首先我們要去除訪問標志，是我們先前一次在判斷是否需要保存點的時候（MarkIt(int i, int j)），我們將邊緣點都標記成訪問過了，這時在處理下一次遍歷圖片發現中心點的時候，我們要進行判斷點是否要保存就沒有辦法做了，所以在沒進行一次圖片的遍歷之前我們都需要去除訪問標志。主要代碼：*lpSrc&=NO_VISITED;//0xfe// 清除visited標志
最后位 置0操作
② 需要判斷是否是邊界以外的點，這里我們只處理邊界內部的點，對于邊界外部的點不加以查找中心點。對于內部的點，我們先要判斷是否是孤立的邊緣點，即判斷該邊緣點的上下左右四個點都不是Mark點和邊緣點我們認為是孤立的邊緣點，但是我們在這里也要去除半徑不大于2的孤立點，因為我們認為它的半徑太小，是噪聲。如果是半徑大于2的孤立點，我們對他進行標記成中心點，對半徑做一點補償（pt.radius=k+pre_shrink_count+4，4為補償）。然后在入隊。
主要代碼如下：
{
第 11 頁 if(k<3)// 如果進行第一次收縮即消失的點則認為該點是噪點，不進行保存直接進行下一次收縮
continue;
// 孤立的點
*lpSrc |=CENTERED;//0x2 對孤立點加上中心點標志0xf2//后面shrink時為0x02
// 保存一下CENTER_POINT信息（圓心，半徑）
pt.x=i;pt.y=j;pt.radius=k + pre_shrink_count + 4;// +4放大補償，k為把此圓收縮到一點所經歷的收縮次數
points_temp.push_back(pt);continue;}
③ 需要判斷是否需要保存該點，我們在判斷它的上下左右是否有沒有訪問過的邊緣點，這里我們運用遞歸函數來找相連通的邊緣點，如果是全邊緣點的時候我們就需要保存，即將m_bFullEdge=1。在保存的函數中我們將該點變成中心點，然后半徑補償然后我們來對該點入隊（保存），然后將該點設置成沒有訪問過的點，因為下面在做該點的上下左右是否為訪問過的，訪問過才保存，因為這個點已經保存過了，所以要將保存過的點設置成沒有訪問過，我們必須將這點變成沒有訪問過。然后判斷該點的周圍八點是否是訪問過的，如果訪問過就保存該點，這里也是運用遞歸函數來實現的。
對中心點處理：
a)獨立的中心點直接存儲
b)相鄰的中心點通過遞歸求質心作為圓心，最大半徑作為新的半徑，合并各中心為一點
主要代碼如下：
pt.x=tot_x/tot_num;//質心 pt.y=tot_y/tot_num;pt.radius=max_radius;//取最大半徑作為質點中心點半徑 *(lpSrc-(pt.y-j)*lLineBytes+pt.x-i)|=CENTERED;//質點置為中心點 points.push_back(pt);c)相近但不相鄰的點，求質心為圓心，最大半徑為半徑（直到無相近點）
主要代碼如下：
if(abs(x0-x)+abs(y0-y)<10)// 相近
{
/*pt=points.at(j);if(points.at(i).radius
pt=points.at(i);*/ points.at(i).x=(x+x0)/2;//取均值，保存最大半徑
第 12 頁
points.at(i).y=(y+y0)/2;points.at(i).radius=max(points.at(i).radius,points.at(j).radius)+4;pt=pt=points.at(i);d)在無相近點的情況下，若半徑小于8，則刪除。
主要代碼如下：
if(bdelete)
{
} e)兩圓相交，若其中一圓非相交部分面積小于50%，則刪除
主要代碼如下：
if(total
9、細胞計數
打開我們處理前的圖片，根據前面保存中心點的隊列，我們知道中心點的位置和細胞的半徑，然后我們重新的導入細胞的圖片，在上面畫圓，標出細胞。然后我們獲取細胞內部的HSI的最大值和最小值，計算出細胞的平均面積和個數。主要代碼如下：
msg.Format(“共有%d個細胞,平均半徑%d,平均面積%d : H(%3.1f,%3.1f)S(%3.2f,%3.2f)I(%3.2f,%3.2f)”, m_vCenterPoints.size(),(int)(totr/m_vCenterPoints.size()+.5),(int)(tota/m_vCenterPoints.size()+.5), 360.0*min[0]/255.0,360.0*max[0]/255.0, 1.0*min[1]/255.0,1.0*max[1]/255.0, 1.0*min[2]/255.0,1.0*max[2]/255.0);
10、All-steps
第 13 頁 可以一次性實現細胞識別的所有操作步驟
設置控制按鍵的權限，點擊update_command_ui ,鍵入控制條件
每步操作時給cellprocess設置不同數值，表示那步進行過，只能進行規定的下步操作，從而在運行過程中放置按鍵誤觸導致程序崩潰。
11、擴展：
區域選擇：
第 14 頁
建立類向導：OnButtonDown 和OnButtonUp 鍵入代碼：
在OnDraw中添加下列代碼
注意：bool 變量m_bDrag要定義在view.cpp文件頭部，定義在view.h會出現第一次區域選擇時出現錯誤。
添加復位按鍵：
第 15 頁
點擊該鍵后會重新讀取圖像(和圖像自動打開代碼一樣)
第三部分
12、各步驟結果和錯誤舉例
① 各步驟結果圖
a.Mark（Red）& MayBe Mark(Blue)
maybemark to mark(black red)第 16 頁
edge information and edge filter
twovalue
fillholes 第 17 頁
shrink
findcenter 第 18 頁
count
出現的錯誤舉例：
Mousemove 程序中出現問題： 1.錯誤：
沒有加#include “MainFrm.h”頭文件 2.錯誤
第 19 頁
error C2248: 'm_wndStatusBar' : cannot access protected member declared in class 'CMainFrame'
需將protected: // control bar embedded members CStatusBar m_wndStatusBar;CToolBar
m_wndToolBar;
protected變為public 供用戶操作使用
MouseMove函數中((CMainFrame*)AfxGetMainWnd())->m_wndStatusBar.SetPaneText(0,str);使str.Format中內容顯示在標準窗口圖像的左下方bar
3.MouseMove的坐標判決放在for循環外，鼠標移動到圖像外，程序會崩潰。解決：改變坐標判決代碼的位置
通見問題：
在ClassView中的類視圖不見了，在FileView視圖中該類的.h和.cpp文件仍然存在
解決方案：先保存workspace，然后關閉工程，刪除此工程目錄中的.ncb文件，重新打開workspace 原因：classview顯示混亂 在類中添加的成員變量和成員函數不能顯示出來，即使顯示出來了變量或函數，雙擊后不能跳至正確的位置。
第 20 頁
Edge information中出現問題
正常
不正常
memcpy(lpNewDIBBits,lpSrc,lHeight *lLineBytes);代碼應放在圖像處理前，參考圖像是初始狀態的圖像，把第一步的四個小步驟分開寫在不同的函數內時，因為每一小步的操作都會改變圖像的狀態，如果把： memcpy(lpNewDIBBits,lpSrc,lHeight *lLineBytes);寫在maybemark_to_mark之后那么參考圖像就不是原始圖像
發現：做到shrink時，看到收縮后的圖像效果很差，和標準收縮圖像相差較大，經調試后發現問題(沒注意 ppt最后一頁有，老師在qq群在中也提到過)。
Shrink操作后，關閉圖像，出現問題 GenEdge4()函數中出現問題 for(int j=0;j { lpSrc =(unsigned char *)pDoc->m_lpDib->m_lpImage + lLineBytes*(lHeight-1-j)-1; for(int i=0;i { lpSrc++;......和 for(int j=0;j for(int i=0;i { 第 21 頁 lpSrc =(unsigned char *)pDoc->m_lpDib->m_lpImage + lLineBytes*(lHeight-1-j)-i;....for循環問題 有差異 后面起始點地址為dot1 前面起始點地址為 dot1+1，不處理四周邊界 可以把第二個for循環語句中前面的i=0 改成i=1.觀察圖像，發現Shirnk后未保存填洞點，結果只有 0x00 0x80 0xf0 // *lpSrc &=NO_EDGE_POINT;//至關重要 少寫后，程序一直崩潰。 這段代碼在GenEdge函數中，在shrink步驟中沒影響，但在找中心點過程中用到這個函數時，這段代碼就十分必要。否則程序會在運行findcenter時直接崩潰。 中心點標志 0x02 不是0xf2 Temp.at(n).y 等同于 temp[n].y 13、心得體會 通過對本次數字圖像處理課程設計的學習，進一步加深了對數圖知識的理解，同時也基本掌握了VC++軟件的使用方法。從一開始的連圖像都無法打開，到最后在老師上課的資料以及同學的幫助和學長的參考程序下終于完成了一幅細胞圖像的整個識別過程。自己一向在編程方面有所欠缺，通過咨詢老師和同學還有百度，自己也慢慢理解了所寫程序代碼的含義，間接地提高了自己寫代碼與識別代碼的能力。 通過一個星期多的學習，我對細胞識別的基本思想有了深一步的理解，也讓我對c語言相關的知識得到了回顧。此次課程設計給我們提供了一個既能學習又能鍛煉的機會，使我們養成了查找資料（主要是在百度上查閱一些代碼的含義）的習慣，將理論與實際相結合起來，鍛煉了分析問題和實際解決問題的能力。提高了適應能力，為今后的學習和實踐打下了基礎。 第 22 頁 實驗五 圖像的幾何變換 一．實驗目的及要求 掌握圖像幾何變換的基本原理，熟練掌握數字圖像的縮放、旋轉、平移、鏡像和轉置的基本原理及其MATLAB編程實現方法。 二、實驗內容 （一）研究以下程序，分析程序功能；輸入執行各命令行，認真觀察命令執行的結果。熟悉程序中所使用函數的調用方法，改變有關參數，觀察試驗結果。 1.圖像縮放 clear all, close all I = imread('cameraman.tif');Scale = 1.35; % 將圖像放大1.35倍 J1 = imresize(I, Scale, 'nearest'); % using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear'); % using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');help imresize % 查看imresize使用幫助 1.95倍 I = imread('cameraman.tif');Scale = 1.96; % 將圖像放大1.96倍 J1 = imresize(I, Scale, 'nearest'); % using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear'); % using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation '); 說明： ?注意觀察不同插值方法的圖像表現； ?改變圖像縮放因子Scale，重做上述實驗。2.圖像旋轉 clear all, close all I = imread('cameraman.tif');Theta = 45; % 將圖像逆時針旋轉45?。 J1 = imrotate(I, Theta, 'nearest'); % using the nearest neighbor interpolation Theta =-45; % 將圖像順時針旋轉45?。 J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');% 查看imrotate使用幫助 help imrotate %------- 圖像旋轉30順時針逆時針 clear all, close all I = imread('cameraman.tif');Theta = 30; % 將圖像逆時針旋轉30。 J1 = imrotate(I, Theta, 'nearest'); % using the nearest neighbor interpolation Theta =-30; % 將圖像順時針旋轉30。 J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');7 說明： ?注意觀察不同插值方法和輸出圖像后處理方法的圖像表現； ?改變旋轉角度大小和方向，重做上述實驗。 3．圖像水平鏡象 clear all, close all I = imread('cameraman.tif');I1 = flipdim(I,2); I2 = flipdim(I,1);figure(1), subplot(1,2,1), imshow(I);subplot(1,2,2), imshow(I1);figure(2), subplot(2,1,1), imshow(I);subplot(2,1,2), imshow(I2);%---- (二)用MATLAB編程實現以下圖像幾何變換（參考自編講義相關章節） 1．圖像扭曲變換 2．球面變換 三、實驗設備 1．PIII以上微機； 2．MATLAB6.5； 四、預習與思考 1．預習實驗內容，閱讀教材熟悉實驗原理； 2．查閱資料，熟悉實驗中涉及的有關MATLAB函數； 3．利用課余時間，采用MATLAB底層函數編程實現實驗內容 （二）中的圖像平移、圖像轉置等幾何變換。 五、實驗報告要求 1．簡述試驗的目的和試驗原理； 2．敘述各段程序功能，改變有關函數的參數，分析比較實驗結果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。 實驗六 數字圖像處理應用 一．實驗目的及要求 1．利用MATLAB提供的圖像處理函數實現圖像中物體屬性的測量； 2．訓練綜合運用MATLAB圖像處理函數的能力； 3．了解數字圖像處理基本應用。 二、實驗內容 以大米粒特性測量為例，綜合應用課程中圖像分割、形態學濾波、圖像增強、圖像特征提取等圖像處理方法，實現大米粒特性自動測量。實驗過程簡述： 1． 讀取和顯示圖像 2． 估計圖像背景 3． 獲取背景均勻的圖像 4． 圖像增強 5． 圖像二值化分割 6． 區域標記及為彩色處理 7． 測量圖像中的區域特性（面積、質心等） 8．統計大米粒的特性分布規律。 （一）研究以下程序，分析程序功能；輸入執行各命令行，認真觀察命令執行的結 果。熟悉程序中所使用函數的調用方法，改變有關參數，觀察試驗結果。 % Read and Display an Image clear, close all,close all;I = imread('rice.png'); figure, imshow(I) % Use Morphological Opening to Estimate the Background background = imopen(I,strel('disk',15)); figure, imshow(background); %Display the Background Approximation as a Surface figure, surf(double(background(1:8:end,1:8:end))),zlim([0 255]);set(gca,'ydir','reverse');% Subtract the Background Image from the Original Image I2 = imsubtract(I,background);figure, imshow(I2)% Adjust the Image Contrast I3 = imadjust(I2, stretchlim(I2), [0 1]);figure, imshow(I3);% Apply Thresholding to the Image level = graythresh(I3);bw = im2bw(I3,level);figure, imshow(bw)% Determine the Number of Objects in the Image [labeled,numObjects] = bwlabel(bw,4); % Label components.numObjects % Examine the Label Matrix RGB_label = label2rgb(labeled, @spring, 'c', 'shuffle');figure, imshow(RGB_label);% Measure Object Properties in the Image graindata = regionprops(labeled,'basic')allgrains = [graindata.Area];% Compute Statistical Properties of Objects in the Image max(allgrains);biggrain = find(allgrains==695)mean(allgrains);figure, hist(allgrains,20);12 (詳見MATLAB IPT的 幫助文檔demo中的Correcting Nonuniform Illumination) （二）查看MATLAB IPT 幫助文檔，研究其它應用演示 三、實驗設備 1．PIII以上微機； 2．MATLAB6.5； 四、預習與思考 1．預習實驗內容，閱讀教材熟悉實驗原理； 2．查閱資料，熟悉實驗中涉及的有關函數。 3．利用課余時間，采用MATLAB函數編程實現實驗內容 （二）。 五、實驗報告要求 1．簡述試驗的目的和試驗原理； 2．敘述各段程序功能，改變有關函數的參數，分析比較實驗結果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。 中南大學 數字圖像處理實驗 實驗名稱：空間濾波和頻域濾波 班級：電子信息0802班 姓名：李哲 學號：0909080609 實驗日期：2010年12月22日 目錄 一，實驗目的???????????????????????3 二，給圖像添加噪聲????????????????????4 三，對被噪聲污染的圖像進行中值濾波和均值濾波???????5 四，對圖像進行空間域的銳化????????????????6 五，MATLAB以外函數空間濾波和圖像銳化??????????7 六，自帶函數傅立葉變換和反變換??????????????8 七，低通濾波器程序????????????????????9 八，心得體會 ??????????????????????10 九，參考文獻 ??????????????????????10 一、實驗目的 1，空間濾波： 圖像平滑主要目的是減少噪聲。噪聲有很多種類，不同的噪聲有不同的抑制措施。本實驗要求用平滑線性濾波和中值濾波2種最典型、最常用的處理算法進行程序設計，學習如何對已被噪聲污染的圖像進行“凈化”。通過平滑處理，對結果圖像加以比較，得出自己的實驗結論。學習如何用銳化處理技術來加強圖像的目標邊界和圖像細節，對圖像進行梯度算子、拉普拉斯算子，使圖像的某些特征（如邊緣、輪廓等）得以進一步的增強及突出。本實驗銳化處理主要在空間域中進行 2，頻域濾波： 掌握傅里葉變換的基本性質； 掌握傅里葉正變換和反變換； 通過實驗了解二維頻譜的分布特點； 掌握怎樣利用傅立葉變換進行頻域濾波 利用MATLAB程序數字圖像的傅立葉變換并且進行頻域濾波 二，給圖像添加椒鹽噪聲或者高斯噪聲： 原理：利用MATLAB自帶函數添加噪聲 程序代碼：A=imread('onion.png');I=rgb2gray(A);imshow(I);J = imnoise(I,'salt & pepper',0.05);figure,imshow(J),title('椒鹽噪聲');%添加椒鹽噪聲 K = imnoise(I,'gaussian',0,0.03); figure,imshow(K),title('高斯噪聲');%添加高斯噪聲 三，對被噪聲污染的圖像進行中值濾波和均值濾波： 原理：自帶函數進行中值濾波和均值濾波 源程序：A=imread('onion.png');I=rgb2gray(A);J = imnoise(I,'salt & pepper',0.05);k2=medfilt2(J,[5 5]);k3=medfilt2(J,[7 7]);imshow(J),title('原圖');figure,imshow(k2),title('中值濾波5*5模板');figure,imshow(k3),title('中值濾波7*7模板'); 四，對圖像進行空間域的銳化： 原理：自帶函數進行空間銳化。源程序：I=imread('coins.png');subplot(121),imshow(I),title('原圖像');H=fspecial('sobel');I2=filter2(H ,I);subplot(122),imshow(I2),title('sobel算子銳化圖像'); 五，MATLAB以外函數空間濾波和圖像銳化： 源程序：I = imread('eight.tif');J = imnoise(I,'salt & pepper',0.02);K = medfilt2(J);imshow(J);title('噪聲干擾圖像')figure, imshow(K);title('medfilt2濾波圖像')X=J;a=2;b=2;k=floor(a*b/2)+1;[M,N]=size(X);uint8 Y=zeros(M,N);funBox=zeros(a,b);temp=zeros(a*b); for i=1:M-a for j=1:N-b funBox=X(i:i+a,j:j+b); temp=funBox(:); tempSort=sort(temp); Y(i,j)=tempSort(k); end;end;figure, imshow(Y);title('濾波圖像') 六，利用Matlab的圖像處理工具箱中提供的函數實現圖像的傅立葉變換和反變換： 源程序： A=imread('onion.png');f=rgb2gray(A);subplot(131),imshow(f),title('原圖');F=fft2(f);% 快速傅立葉變換 subplot(132),imshow(F),title('傅里葉變換')Fabs=abs(F);% 求幅頻絕對值 Fc=fftshift(Fabs);% 中心移位 SFc=log(1+Fc);% 對數變換 iFc1=ifftshift(Fc);% 中心移位的逆變換，絕對值 iF2=ifft2(iFc1);% 快速傅立葉變換的逆變換 subplot(133),imshow(iF2),title('快速傅立葉變換的逆變換') 七，低通濾波器程序： I=imread('testpat1.png');subplot(221),imshow(I);title('原始圖像')J1=imnoise(I,'gaussian',0.02);% 疊加高斯白噪聲 subplot(222),imshow(J1);title('添加高斯白噪聲的圖像')f=double(J1); % 數據類型轉換 g=fft2(f); % 傅立葉變換 g=fftshift(g); [M,N]=size(g);nn=2; % 二階巴特沃斯(Butterworth)低通濾波器 d0=50; % 設置截止頻率 m=fix(M/2);n=fix(N/2);for i=1:M for j=1:N d=sqrt((i-m)^2+(j-n)^2); h=1/(1+0.414*(d/d0)^(2*nn));% 計算低通濾波器傳遞函數 result(i,j)=h*g(i,j);end end result=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));subplot(223),imshow(J3);title('低通濾波后圖像') 心得體會 1，進一步熟悉了Matlab軟件、編程以及圖像處理工具箱 2，學會利用自帶函數對圖像做簡單的處理，例如：均值化等。3，熟練了一些基本函數的運用，例如fspecial，imfilter等。4，加深了對MATLAB編程的理解。 5，對于試驗中的出現的一些問題，懂得怎樣去處理。6，通過實際操作，增強了自己的動手能力，把理論用于實踐。 參考文獻：數字圖像處理第二版 MATLAB教程 練習一 常用MATLAB圖像處理命令 一、練習目的 1、熟悉并掌握MATLAB工具的使用； 2、實現圖像的讀取、顯示、代數運算和簡單變換。 二、練習環境 Windows操作系統 Matlab 6.5或以上應用軟件 三、練習內容 1、圖像文件的讀寫 （1）imread函數用來實現圖像文件的讀取。輸入以下程序： A=imread('文件名.擴展名');%用imread函數來讀入圖像 注：設置路徑 imshow(A);%用imshow函數來顯示圖像 得到的結果如圖： （2）imfinfo函數用來查詢圖像文件信息。輸入以下程序： info=imfinfo('文件名.擴展名');% 用imfinfo函數查詢圖像文件信息 得到： info = Filename: '文件名.擴展名' （4）imshow函數用來顯示圖像。 剛才介紹imread函數時已使用此函數。 （5）colorbar函數將顏色條添加到坐標軸對象中。輸入以下程序： RGB=imread('***');%圖像讀入 I=rgb2gray(RGB);%把RGB圖像轉換成灰度圖像 imshow(I),colorbar('vert')% 將顏色條添加到坐標軸對象中 得到如圖： 2、圖像處理的基本操作 一、圖像代數運算 （1）imadd函數實現兩幅圖像的相加或者給一幅圖像加上一個常數。給圖像每個像素都增加亮度的程序如下： I=imread('***');J=imadd(I,100);%給圖像增加亮度 subplot(1,2,1),imshow(I)%填充 subplot(1,2,2),imshow(J)結果如圖5。 （2）imsubtract函數實現從一幅圖像中減去一個常數。輸入以下程序實現從一幅圖像中減去一個常數： （3）immultiply實現兩幅圖像的相乘或者一幅圖像的亮度縮放（圖像乘以小于1或大于1的參數，比較效果）。輸入以下程序： （4）imdivide函數實現兩幅圖像的除法或一幅圖像的亮度縮放。輸入以下程序： 二、圖像的空間域操作 （1）imrotate函數實現圖像的旋轉。輸入以下程序： I=imread('***');J=imrotate(I,45);%對圖像進行旋轉 subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(J);得到圖： 練習二 數字圖像處理的基本操作 一、練習目的 1、練習使用MATLAB工具進行數字圖像處理； 2、實現圖像的邊緣提取、濾波、直方圖修正等操作。 二、練習環境 Windows操作系統 Matlab 6.5或以上應用軟件 三、練習內容 （1）imresize函數實現圖像的縮放。輸入以下程序： J=imread('文件名.擴展名');X1=imresize(J,2);%對圖像進行縮放 figure,imshow(J)結果如圖 （2）imcrop函數實現圖像的剪切。輸入以下程序： I=imread('***');I2=imcrop(I);%對圖像進行剪切 subplot(填充),imshow(填充);subplot(填充),imshow(填充);如圖： 圖像變換 （1）fft2函數和ifft2函數分別是計算二維的FFT和反變換。輸入以下程序： f=zeros(100,100);f(20:70,40:60)=1;imshow(f);F=fft2(f);% 計算二維的FFT F2=log(abs(F));%對幅值取對數 imshow(F2),colorbar （2）dct2函數采用基于FFT的算法，用于實現較大輸入矩陣的離散余弦變換。與之對應，idct2函數實現圖像的二維逆離散余弦變換 輸入以下程序： RGB=imread('***');I=rgb2gray(RGB);J=dct2(I);% 對I進行離散余弦變換 imshow(log(abs(J))),colorbar J(abs(J)<10)=0;K=idct2(J);% 圖像的二維逆離散余弦變換 figure,imshow(I);figure,imshow(K,[0,255])得到如圖： （3）edge函數用于提取圖像的邊緣。輸入以下程序： RGB=imread('drum.bmp');I=rgb2gray(RGB);BW=edge(I);% 提取圖像的邊緣 imshow(I),figure,imshow(BW);得到圖 圖像增強、分割和編碼 （1）imhist函數產生圖像的直方圖。A=imread('drum.bmp');%讀入圖像 B=rgb2gray(A);%把RGB圖像轉化成灰度圖像 imshow(B);%顯示灰度圖像 imhist(B)%顯示灰度圖像的直方圖 得到圖 （2）histeq函數用于對圖像的直方圖均衡化。接上面程序： C=histeq(B);%對圖像B進行均衡化 imshow(C);%顯示圖像 imhist(C)；%得到均衡化后的灰度直方圖 得到如圖 filter2函數實現均值濾波。輸入以下程序： a=imread('noise.drum.jpg');I=rgb2gray(a);imshow(I);K1=filter2(fspecial('average',3),I)/255;% 3?3的均值濾波 K2=補充; % 5?5的均值濾波 K3=補充; % 7?7的均值濾波 figure,imshow(K1);figure,imshow(K2);figure,imshow(K3);得到圖 （5）medfilt2函數實現中值濾波。輸入以下程序： 自查函數如何使用，并編程： 結果如圖： 練習三 圖像采樣及圖像類型轉換 一、練習目的 1、熟悉并掌握MATLAB圖像處理工具箱的使用； 2、試對自選圖像分別進行4和16倍剪采樣，查看其剪采樣效果 3、將所給圖，轉換成256級灰度圖像，8級灰度圖像和2值圖像 二、練習環境 MATLAB 6.5或以上版本、WIN XP或以上計算機 三、練習內容 使用MATLAB，對圖像進行減采樣。 a = imread('***.JPG');b = rgb2gray(a);[wid,hei]=size(b);%4倍減抽樣 quartimg = zeros(wid/2+1,hei/2+1);i1 = 1;j1 = 1;for i=1:2:wid for j=1:2:hei quartimg(i1,j1)= b(i,j); j1 = j1 + 1; end i1 = i1 + 1;j1 = 1;end figure imshow(uint8(quartimg))練習結果如圖 %16倍減抽樣 編程并運行顯示圖像結果： 圖像類型 1、練習內容 試將自選圖，轉換成256級灰度圖像，8級灰度圖像和2值圖像 2、練習方法及程序 使用MATLAB，進行圖像類型變換。 a = imread('***.jpg');b = rgb2gray(a); figure imshow(b)[wid,hei]=size(b);img8 = zeros(wid,hei);img2 = zeros(wid,hei);for i=1:wid for j=1:hei img8(i,j)= floor(b(i,j)/32);%得到8級灰度圖像 end end figure imshow(uint8(img8),[0,7])for i=1:wid for j=1:hei 補充;end end figure imshow(uint8(img8),[0,2])%得到2值圖像 練習結果如圖 練習四 數字圖像的空間域處理 一、練習目的 1、熟悉并掌握MATLAB圖像處理工具箱的使用； 2、熟悉圖像相加的方法及效果 3、熟悉圖像灰度擴展的方法及效果 4、熟悉圖像縮放、旋轉的方法及效果 二、練習環境 MATLAB 6.5或以上版本、WIN XP或以上計算機 三、練習內容 Part 1（1）選擇一幅圖像***.jpg，設置輸入輸出變換的灰度級范圍，a=0.3, b=0.6, c=0.1, d=0.9； （2）設置非線性擴展函數的參數c=2； （3）采用灰度倒置變換函數s=255-r進行圖像變換； （4）設置二值化圖像的閾值，分別為level=0.4,level=0.7參考程序如下： I=imread('***.jpg');figure;subplot(1,3,1);imshow(I);title('原圖');J=imadjust(I,[0.3;0.6],[0.1;0.9]);%設置灰度變換的范圍 subplot(1,3,2);imshow(J);title('線性擴展');I1=double(I);%將圖像轉換為double類型 I2=I1/255;%歸一化此圖像 C=2;K=C*log(1+I2);%求圖像的對數變換 subplot(1,3,3);imshow(K);title('非線性擴展');M=255-I;%將此圖像取反 figure;subplot(1,3,1);imshow(M);title('灰度倒置');N1=im2bw(I,0.4);%將此圖像二值化，閾值為0.4 N2=im2bw(I,0.7);%將此圖像二值化，閾值為0.7 subplot(1,3,2);imshow(N1);title('二值化閾值0.4');subplot(1,3,3);imshow(N2);title('二值化閾值0.7');練習結果與分析 （1）練習結果如圖3.7所示。 Part 2 讀取一幅圖片，如***.jpg，設置圖像旋轉的角度分別為450和900，采用圖形旋轉函數imrotate對圖像進行旋轉。程序如下，結果如圖3.10。 I=imread('i_lena.jpg');J=imrotate(I,45);%圖像進行逆時針旋轉，默認采用最近鄰法進行插值處理 K=imrotate(I,90);%默認旋轉出界的部分不被截出 subplot(1,3,1);imshow(I);subplot(1,3,2);imshow(J);subplot(1,3,3);imshow(K);練習結果與分析 （1）練習結果如圖3.10所示。 練習五 數字圖像的頻域處理 一、練習目的 1、熟悉并掌握MATLAB工具的使用； 2、實現圖像離散傅里葉變換并觀察效果 3、實現圖像離散余弦變換并觀察效果 二、練習環境 Windows操作系統 Matlab 6.5或以上應用軟件 三、練習內容 Part 1 選取一幅圖像，進行離散傅里葉變換，再對其分別進行X軸與Y軸上的平移，得其離散傅里葉變換，觀察三幅結果圖。 I=imread('1.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI);%求離散傅里葉頻譜 %對原始圖像進行二維傅里葉變換，并將其坐標原點移到頻譜圖中央位置 RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225; figure(2)imshow(real(a));練習結果與分析 Part 2 選取一幅圖像，進行離散傅里葉變換，再對其進行一定角度的旋轉，進行離散傅里葉變換。 %構造原始圖像 I = zeros(256,256); I(88:168,124:132)= 1;%圖像范圍是256*256,前一值是縱向比，后一值是橫向比 imshow(I) %求原始圖像的傅里葉頻譜 J = fft2(I);F = abs(J);J1 = fftshift(F);figure imshow(J1,[5 50]) %對原始圖像進行旋轉 J = imrotate(I,90,'bilinear','crop');figure imshow(J)%求旋轉后圖像的傅里葉頻譜 J1 = fft2(J);F = abs(J1);J2 = fftshift(F);figure imshow(J2,[5 50])練習結果與分析 1）練習結果如圖4.4所示.Part 3 選取一幅圖像，進行離散余弦變換，并對其進行離散余弦反變換，觀察其結果。 %對***.jpg文件計算二維DCT變換 RGB = imread('***.jpg ');figure(1)imshow(RGB)I = rgb2gray(RGB);%真彩色圖像轉換成灰度圖像 J = dct2(I);%計算二維DCT變換 figure(2)imshow(log(abs(J)),[])%圖像大部分能量集中在上左角處 figure(3);J(abs(J)< 10)= 0;%把變換矩陣中小于10的值置換為0，然后用idct2重構圖像 K = idct2(J)/255;imshow(K)練習結果與分析 數字圖像處理學習報告 在這一學期，我選修了《數字圖像處理基礎》這門課程，同時，老師還講授了一些視頻處理的知識。在這里，梳理一下這學期學到的知識，并提出一些我對這門課程的建議。 圖像處理是指對圖像信息進行加工，從而滿足人類的心理、視覺或者應用的需求的一種行為。圖像處理方法一般有數字法和光學法兩種，其中數字法的優勢很明顯，已經被應用到了很多領域中，相信隨著科學技術的發展,其應用空間將會更加廣泛。數字圖像處理又稱為計算機圖像處理，它是指將圖像信號轉換成數字信號并利用計算機對其進行處理的過程.數字圖像處理是從20世紀60年代以來隨著計算機技術和VLSL的發展而產生、發展和不斷成熟起來的一個新興技術領域。數字圖像處理技術其實就是利用各種數字硬件與計算機，對圖像信息通過轉換而得到的電信號進行相應的數學運算，例如圖像去噪、圖像分割、提取特征、圖像增強、圖像復原等，以便提高圖像的實用性。其特點是處理精度比較高，并且能夠對處理軟件進行改進來優化處理效果,操作比較方便，但是由于數字圖像需要處理的數據量一般很大，因此處理速度有待提高。目前，隨著計算機技術的不斷發展，計算機的運算速度得到了很大程度的提高。在短短的歷史中，它卻廣泛應用于幾乎所有與成像有關的領域，在理論上和實際應用上都取得了巨大的成就。 1.數字圖像處理需用到的關鍵技術 由于數字圖像處理的方便性和靈活性，因此數字圖像處理技術已經成為了圖像處理領域中的主流。數字圖像處理技術主要涉及到的關鍵技術有：圖像的采集與數字化、圖像的編碼、圖像的增強、圖像恢復、圖像分割、圖像分析等。 圖像的采集與數字化：就是通過量化和取樣將一個自然圖像轉換為計算機能夠處理的數字形式。 圖像編碼：圖像編碼的目的主要是來壓縮圖像的信息量，以便能夠滿足存儲和傳輸的要 求。 圖像的增強：圖像的增強其主要目的是使圖像變得清晰或者將其變換為機器能夠很容易 分析的形式，圖像增強方法一般有：直方圖處理、灰度等級、偽彩色處理、邊緣銳化、干擾抵制。 圖像的恢復：圖像恢復的目的是減少或除去在獲得圖像的過程中因為各種原因而產生的 退化，可能是由于光學系統的離焦或像差、被攝物與攝像系統兩者之間的相對運動、光學或電子系統的噪聲與介于被攝像物跟攝像系統之間的大氣湍流等等。 圖像的分割：圖像分割是將圖像劃分為一些互相不重疊的區域，其中每一個區域都是像素的一個連續集，通常采用區域法或者尋求區域邊界的境界法。 圖像分析：圖像分析是指從圖像中抽取某些有用的信息、數據或度量,其目的主要是想得到某種數值結果。圖像分析的內容跟人工智能、模式識別的研究領域有一定的交叉。2.數字圖像處理的特點 數字圖像處理的特點主要表現在以下幾個方面： 1）數字圖像處理的信息大多是二維信息，處理信息量很大。因此對計算機的計算速度、存 儲容量等要求較高。2）數字圖像處理占用的頻帶較寬。與語言信息相比,占用的頻帶要大幾個數量級。所以在成像、傳輸、存儲、處理、顯示等各個環節的實現上技術難度較大，成本亦高。這就對頻 帶壓縮技術提出了更高的要求。 3）數字圖像中各個像素不是獨立的，其相關性大。在圖像畫面上，經常有很多像素有相同 或接近的灰度。所以，圖像處理中信息壓縮的潛力很大。 4）數字圖像處理后的圖像受人的因素影響較大，因為圖像一般是給人觀察和評價的。 3.數字圖像處理的優點 數字圖像處理的優點主要表現在4個方面。 1）再現性好。數字圖像處理與模擬圖像處理的根本不同在于它不會因圖像的存儲、傳輸或 復制等一系列變換操作而導致圖像質量的退化。只要圖像在數字化時準確地表現了原稿,那么數字圖像處理過程始終能保持圖像的再現。 2）處理精度高。將一幅模擬圖像數字化為任意大小的二維數組，主要取決于圖像數字化設 備的能力.3）適用面寬。圖像可以來自多種信息源,它們可以是可見光圖像，也可以是不可見的波譜圖像。只要針對不同的圖像信息源，采取相應的圖像信息采集措施，圖像的數字處理方法 適用于任何一種圖像。 4）靈活性高。圖像處理大體上可分為圖像的像質改善、圖像分析和圖像重建三大部分，每 一部分均包含豐富的內容。 4.數字圖像處理的應用領域 圖像是人類獲取和交換信息的主要來源，因此，圖像處理的應用領域必然涉及到人類生 活和工作的方方面面，隨著人類活動范圍的不斷擴大,圖像處理的應用領域也將隨之不斷擴 大。 航天和航空技術：在飛機遙感和衛星遙感技術中用配備有高級計算機的圖像處理系統來判讀分析，既節省人力又加快了速度，還可以從照片中提取人工所不能發現的大量有用情報。生物醫學工程：除了CT技術之外，還有對醫用顯微圖像的處理分析，如紅細胞、白細胞分類，染色體分析，癌細胞識別等。 通信工程：當前通信的主要發展方向是聲音、文字、圖像和數據結合的多媒體通信。在一定意義上講，編碼壓縮是這些技術成敗的關鍵。除了已應用較廣泛 的熵編碼、DPCM編碼、變換編碼外，目前國內外正在大力開發研究新的編碼方法，如分行編碼、自適應網絡編碼、小波變換圖像壓縮編碼等。 工業和工程領域：圖像處理技術有著廣泛的應用，如自動裝配線中檢測零件的質量并對零件進行分類，印刷電路板疵病檢查，彈性力學照片的應力分析，流體力學圖片的阻力和升力分析,郵政信件的自動分揀，在一些有毒、放射性環境內識別工件及物體的形狀和排列狀態，先進的設計和制造技術中采用工業視覺等等。 軍事方面：圖像處理和識別主要用于導彈的精確末制導 各種偵察照片的判讀，具有圖像傳輸、存儲和顯示的軍事自動化指揮系統，飛機、坦克和軍艦模擬訓練系統等；公安業務圖片的判讀分析，指紋識別，人臉鑒別，不完整圖片的復原，以及交通監控、事故分析等。 文化藝術：電視畫面的數字編輯、動畫的制作、電子圖像游戲、紡織工藝品設計、服裝設計與制作、發型設計、文物資料照片的復制和修復、運動員動作分析和評分等等。 視頻和多媒體系統：電視制作系統廣泛使用的圖像處理、變換、合成，多媒體系統中靜止圖像和動態圖像的采集、壓縮、處理、存貯和傳輸等。 電子商務：圖像處理技術在電子商務中也大有可為,如身份認證、產品防偽、水印技術等。 在這門課程的最后，代課老師給我們講授了數字視頻處理，讓我們了解到數字視頻就是以數字形式記錄的視頻，和模擬視頻相對的。數字視頻有不同的產生方式，存儲方式和播出方式。比如通過數字攝像機直接產生數字視頻信號，存儲在數字帶，P2卡，藍光盤或者磁盤上，從而得到不同格式的數字視頻。然后通過PC，特定的播放器等播放出來。了解了數字視頻發展過程和視頻壓縮的概念和分類等。 我們這門課程主要是上理論課，其中有很復雜的數學原理，專業術語多，基礎知識要求高，理解起來有些困難。當初選擇這門課是希望能有一些具體軟件的教學。就我了解，視頻處理的軟件有MAYA、Premiere、繪聲繪影、windows自帶的MOVE MAKER；處理數字圖像的軟件主要有matlaB、photoshop、ImageJ（java圖像處理程序）。其中，matlaB和PS 很具有教學性，這兩個軟件也運用的很廣。 MATLAB全稱是MatrixLaboratory(矩陣實驗室)，一開始它是一種專門用于矩陣數值計算的軟件，從這一點上也可以看出，它在矩陣運算上有自己獨特的特點。實際運用MATLAB中的絕大多數的運算都是通過矩陣這一形式進行的，這一特點決定了MATLAB在處理數字圖像上的獨特優勢。理論上講，圖像是一種二維的連續函數，然而計算機對圖像進行數字處理時，首先必須對其在空間和亮度上進行數字化，這就是圖像的采樣和量化的過程。 Photoshop是Adobe公司旗下最為出名的圖像處理軟件之一，集圖像掃描、編輯修改、圖像制作、廣告創意，圖像輸入與輸出于一體的圖形圖像處理軟件,深受廣大平面設計人員和電腦美術愛好者的喜愛。 如果能理論和實踐相結合，相信我們會把數字圖像處理理解的跟透徹，同時也鍛煉了大家的動手能力。希望老師能多開設實際動手的課程。第二篇：《數字圖像處理》
第三篇：數字圖像處理
第四篇：數字圖像處理上機報告
第五篇：數字圖像處理學習報告
點擊咨詢 