第一篇：數字圖像處理心得體會

《數字圖像處理》心得體會

1210407040

鄧炯

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。

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。

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。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。

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。

通過一學期的課程學習我們雖說還沒有完全掌握數字圖像處理技術，但也收獲了不少，對于數字圖像方面的知識有了深入的了解，更加理解了數字圖像的本質，即是一些數字矩陣，但灰度圖像和彩色圖像的矩陣形式是不同的。對于一些耳熟能詳的數字圖像相關術語有了明確的認識，比如常見的：像素（衡量圖像的大小）、分辨率（衡量圖像的清晰程度）、位圖（放大后會失真）、矢量圖（經過放大不會失真）等大家都能叫上口卻知識模糊的名詞。也了解圖像處理技術中一些常用處理技術的實質，比如銳化處理是使模糊的圖像變清晰，增強圖像的邊緣等細節。而平滑處理是的目的是消除噪聲，模糊圖像，在提取大目標之前去除小的細節或彌合目標間的縫隙。對常提的RGB圖像和灰度圖像有了明確的理解，這對大家以后應用PHOTOSHOP等圖像處理軟件對圖像進行處理打下了堅實的基礎。更重要的是學習到了數字圖像處理的思想。通過學習也是對C++編程應用的很好的實踐與復習。

第二篇：數字圖像處理心得體會

數字圖像處理心得體會

姓

名:

學

號:

201203284

班

級:

計科11202

序

號:

院

系:

計算機科學學院

在這一學期，我選修了《數字圖像處理》這門專業選修課，同時，老師還講授了一些圖片處理的知識。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，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。

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。希望老師能考慮我的這點建議，多開設實際動手的課程。

數字圖像是我們生活中接觸最多的圖像各類，它伴隨人們的生活、學習、工作，并在軍事、醫學、和工業方面發揮著極大的作用，可謂隨處可見，尤其在生活方面作為學生的我們會在外出旅游、生活、工作中拆下許多數字相片，現在已進入信息化時代，圖像作為信息的重要載體在信息傳輸方面有著聲音、文字等信息載體不可替代的作用，并且近年來圖像處理領域，數字圖像處理技術取得了飛速發展，作為計算機類專業的大學生更加有必要對數字圖像處理技術有一定的掌握，而大多人對于數字圖像的知識卻不全面，甚至一些基礎知識也很模糊，比如各類繁多的各種圖像格式之間的特點，不同的情況該用何種圖像格式，還有關于圖像的一些基本術語也不甚了解，尤為重要的是對于一些由于拍攝問題導致的令人不甚滿意的照片該如何處理，或者如何對一些照片進行處理實現特殊的表現效果。所以對于數字圖像處理這門課大家有著極大興趣，在選課時幾乎所有人都選了這門課。其中有的同學由于簡單的學習過PHOTOSHOP軟件，因此對于數字圖像處理已經有了一些基礎，更加想利用這門課的學習加深自己數字圖像處理的理解并提高在數字圖像處理方面的能力。

通過一學期的課程學習我們雖說還沒有完全掌握數字圖像處理技術，但也收獲了不少，對于數字圖像方面的知識有了深入的了解，更加理解了數字圖像的本質，即是一些數字矩陣，但灰度圖像和彩色圖像的矩陣形式是不同的。對于一些耳熟能詳的數字圖像相關術語有了明確的認識，比如常見的：像素（衡量圖像的大小）、分辨率（衡量圖像的清晰程度）、位圖（放大后會失真）、矢量圖（經過放大不會失真）等大家都能叫上口卻知識模糊的名詞。也了解圖像處理技術中一些常用處理技術的實質，比如銳化處理是使模糊的圖像變清晰，增強圖像的邊緣等細節。而平滑處理是的目的是消除噪聲，模糊圖像，在提取大目標之前去除小的細節或彌合目標間的縫隙。對常提的RGB圖像和灰度圖像有了明確的理解，這對大家以后應用PHOTOSHOP等圖像處理軟件對圖像進行處理打下了堅實的基礎。更重要的是學習到了數字圖像處理的思想。通過學習也是對C++編程應用的很好的實踐與復習。

當然通過這些課程學習還是遠遠不夠的，也有許多同學收獲甚微，我總結了下大家后期的學習態度與前期的學習熱情相差很大的原因。剛開始大家是有很高的熱情學習這門課的，可是隨著課程的逐漸深入學習，大家漸漸發現課程講授內容與自己起初想學的實用圖像處理技術是有很大的差別的，大家更著眼于如何利用一些軟件、技術去處理圖像而得到滿意的效果，或者進行一些圖像的創意設計，可是課程的內容更偏重于如何通過編程實現實現如何對圖像進行一些類似于銳化、邊緣提取、模糊、去除噪聲等基礎功能的實現，這其中涉及很多算法、函數，需要扎實的數學基礎和編程基礎，并且需要利用大量時間在課下編寫代碼，實現并進行調試，然而大部分人的編程實踐能力以及編程能力還有待提高，尤其是對于矩陣進行操作的編程尤為是個考驗，并且后半學期課程任務較重，加上隊里的事務也很多，時間不是很充裕，這對于需要大量實踐的數字圖像處理課程就是個很大的問題。

在老師授課方面建議可以在課上多進行具體操作，這樣可以提起大家學習的興趣，也可以讓大家在課下積極準備，然后在上課由學員進行演示，還可以加入一些數字圖像處理的經典范例，加深同學們的學習熱情。

第三篇：《數字圖像處理》

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。

第四篇：數字圖像處理

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

第五篇：數字圖像處理讀書筆記

數字圖像處理讀書筆記

本學期的數字圖像處理課程已經進行了3周了，通過這3周的學習讓我對數字圖像處理有了一定的認知和理解。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。這門課程的前三章主要講解了數字圖像的目的、特點、應用和發展，圖像的數字化顯示與圖像變換。

數字圖像處理最早出現于20世紀50年代，當時的電子計算機已經發展到一定水平，人們開始利用計算機來處理圖形和圖像信息。數字圖像處理作為一門學科大約形成于20世紀60年代初期。早期的圖像處理的目的是改善圖像的質量，它以人為對象，以改善人的視覺效果為目的。圖像處理中，輸入的是質量低的圖像，輸出的是改善質量后的圖像，常用的圖像處理方法有圖像增強、復原、編碼、壓縮等。數字圖像處理是通過計算機對圖像進行去除噪聲、增強、復原、分割、提取特征等處理的方法和技術。數字圖像處理的產生和迅速發展主要受三個因素的影響：一是計算機的發展；二是數學的發展（特別是離散數學理論的創立和完善）;三是廣泛的農牧業、林業、環境、軍事、工業和醫學等方面的應用需求的增長。

一般來講，對圖像進行處理（或加工、分析）的主要目的有三個方面：（1）提高圖像的視感質量，如進行圖像的亮度、彩色變換，增強、抑制某些成分，對圖像進行幾何變換等，以改善圖像的質量。（2）提取圖像中所包含的某些特征或特殊信息，這些被提取的特征或信息

往往為計算機分析圖像提供便利。提取特征或信息的過程是模式識別或計算機視覺的預處理。提取的特征可以包括很多方面，如頻域特征、灰度或顏色特征、邊界特征、區域特征、紋理特征、形狀特征、拓撲特征和關系結構等。（3）圖像數據的變換、編碼和壓縮，以便于圖像的存儲和傳輸。不管是何種目的的圖像處理，都需要由計算機和圖像專用設備組成的圖像處理系統對圖像數據進行輸入、加工和輸出。數字圖像處理有以下幾點基本特點：（1）目前，數字圖像處理的信息大多是二維信息，處理信息量很大。如一幅256×256低分辨率黑白圖像，要求約64kbit的數據量；對高分辨率彩色512×512圖像，則要求768kbit數據量；如果要處理30幀/秒的電視圖像序列，則每秒要求500kbit～22.5Mbit數據量。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。如電視圖像的帶寬約5.6MHz，而語音帶寬僅為4kHz左右。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是不獨立的，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。就電視畫面而言，同一行中相鄰兩個像素或相鄰兩行間的像素，其相關系數可達0.9以上，而相鄰兩幀之間的相關性比幀內相關性一般說還要大些。因此，圖像處理中信息壓縮的潛力很大。（4）由于圖像是三維景物的二維投影，一幅圖象本身不具備復現三維景物的全部幾何信息的能力，很顯然三維景物背后部分信息在二維圖像畫面上是反映不出來的。因此，要分析和理解三維景物必須作合適的假定或附加新的測量，例如雙目圖像或多視點圖像。在理解三維景物時需要知識導引，這也是人工智能中正在致力解決的知識工程問題。（5）數字圖像處理后的圖像一般是給人觀察和評價的，因此受人的因素影響較大。由于人的視覺系統很復雜，受環境條件、視覺性能、人的情緒愛好以及知識狀況影響很大，作為圖像質量的評價還有待進一步深入的研究。另一方面，計算機視覺是模仿人的視覺，人的感知機理必然影響著計算機視覺的研究。例如，什么是感知的初始基元，基元是如何組成的，局部與全局感知的關系，優先敏感的結構、屬性和時間特征等，這些都是心理學和神經心理學正在著力研究的課題。

在數字圖像處理中圖像的數字化顯示是基礎。將模擬圖像轉化成數字圖像的過程就是圖形、圖像的數字化過程。這個過程主要包含采樣、量化和編碼三個步驟。

1．采樣 采樣的實質就是要用多少點來描述一幅圖像，采樣結果質量的高低就是用前面所說的圖像分辨率來衡量。簡單來講，對二維空間上連續的圖像在水平和垂直方向上等間距地分割成矩形網狀結構，所形成的微小方格稱為像素點。一副圖像就被采樣成有限個像素點構成的集合。采樣頻率是指一秒鐘內采樣的次數，它反映了采樣點之間的間隔大小。采樣頻率越高，得到的圖像樣本越逼真，圖像的質量越高，但要求的存儲量也越大。在進行采樣時，采樣點間隔大小的選取很重要，它決定了采樣后的圖像能真實地反映原圖像的程度。一般來說，原圖像中的畫面越復雜，色彩越豐富，則采樣間隔應越小。

由于二維圖像的采樣是一維的推廣，根據信號的采樣定理，要從取樣樣本中精確地復原圖像，可得到圖像采樣的奈奎斯特（Nyquist）定理：圖像采樣的頻率必須大于或等于源圖像最高頻率分量的兩倍。

2．量化 量化是指要使用多大范圍的數值來表示圖像采樣之后的每一個點。量化的結果是圖像能夠容納的顏色總數，它反映了采樣的質量。例如：如果以4位存儲一個點，就表示圖像只能有16種顏色；若采用16位存儲一個點，則有216=65536種顏色。所以，量化位數越來越大，表示圖像可以擁有更多的顏色，自然可以產生更為細致的圖像效果。但是，也會占用更大的存儲空間。兩者的基本問題都是視覺效果和存儲空間的取舍。假設有一幅黑白灰度的照片，因為它在水平于垂直方向上的灰度變化都是連續的，都可認為有無數個像素，而且任一點上灰度的取值都是從黑到白可以有無限個可能值。通過沿水平和垂直方向的等間隔采樣可將這幅模擬圖像分解為近似的有限個像素，每個像素的取值代表該像素的灰度（亮度）。對灰度進行量化，使其取值變為有限個可能值。經過這樣采樣和量化得到的一幅空間上表現為離散分布的有限個像素，灰度取值上表現為有限個離散的可能值的圖像稱為數字圖像。只要水平和垂直方向采樣點數足夠多，量化比特數足夠大，數字圖像的質量就比原始模擬圖像毫不遜色。在量化時所確定的離散取值個數稱為量化級數。為表示量化的色彩值（或亮度值）所需的二進制位數稱為量化字長，一般可用8位、16位、24位或更高的量化字長來表示圖像的顏色；量化字長越大，則越能真實第反映原有的圖像的顏色，但得到的數字圖像的容量也越大。

3．壓縮編碼數字化后得到的圖像數據量十分巨大，必須采用編碼技術來壓縮其信息量。在一定意義上講，編碼壓縮技術是實現圖像傳輸與儲存的關鍵。

數學里的變換，指一個圖形（或表達式）到另一個圖形（或表達式）的演變。圖象變換是函數的一種作圖方法。已知一個函數的圖象，通過某種或多種連續方式變換，得到另一個與之相關的函數的圖象，這樣的作圖方法叫做圖象變換。

在圖像變換中傅立葉變換就是應用最廣泛的一種變換。數字圖像經二維離散傅立葉變換后，其空間域處理可變換為變換域處理，它具有很多明顯的優點，最突出的是算法運算次數將大大減少，并可采用二維數字濾波技術進行所需要的各種圖像處理。

二位離散余弦變換其去相關性近似于K-L(Karhunen-Loeve)最佳變換,算法復雜度適中,易于硬件實現,且具有抗干擾能力強等優點,因此,DCT及IDCT被廣泛應用于H.261、H.263、H.264、JPEG、MPEG等視頻壓縮標準中。

小波分解可以覆蓋整個頻域(提供了一個數學上完備的描述)；小波變換通過選取合適的濾波器，可以極大的減小或去除所提取得不同特征之間的相關性； 小波變換具有“變焦”特性，在低頻段可用高頻率分辨率和低時間分辨率(寬分析窗口)，在高頻段，可用低頻率分辨率和高時間分辨率(窄分析窗口)；小波變換實現上有快速算法(Mallat小波分解算法)。小波變換是一種信號的時間——尺度分析方法，他具有多分辨率分析的特點，而且在時頻兩域都具有表征信號

局部特征的能力，是一種窗口大小固定不變但其形狀可變，時間窗和頻率窗都可變的時頻局部化分析方法。即再低頻部分具有較高的頻率分辨率和時間分辨率，在高頻部分具有較高的時間分辨率和較低的頻率分辨率，很適合探測正常信號中夾帶的瞬態反常現象并展示其成分，所以被譽為分析信號的顯微鏡。

小波變換是一種新的變換分析方法，它繼承和發展了短時傅立葉變換局部化的思想，同時又克服了窗口大小不隨頻率變化等缺點，能夠提供一個隨頻率改變的時間一頻率窗口，是進行信號時頻分析和處理的理想工具。它的主要特點是通過變換能夠充分突出問題某些方面的特征，因此，小波變換在許多領域都得到了成功的應用，特別是小波變換的離散數字算法已被廣泛用于許多問題的變換研究中。從此，小波變換越來越引起人們的重視，其應用領域來越來越廣泛。