第一篇：基于OPENCV實踐項目的數(shù)字圖像處理教學(xué)方法探索（精選）

基于OpenCV實踐項目的數(shù)字圖像處理教學(xué)方法探索 文/張帆 摘要：“數(shù)字圖像處理”是電子信息類專業(yè)的一門重要專業(yè)課，針對數(shù)字圖像處理課程理論性較強的特點，除了在課堂完成必須的基礎(chǔ)知識教學(xué)外，將OPENCV實踐項目與數(shù)字圖像的主要理論聯(lián)系起來，激發(fā)學(xué)生的學(xué)習(xí)興趣，讓學(xué)生進一步了解數(shù)字圖像處理的具體項目應(yīng)用，在豐富學(xué)生實踐工程經(jīng)驗的同時提高學(xué)生的理論水平。關(guān)鍵詞：實踐項目；數(shù)字圖像；項目應(yīng)用；理論水平

中圖分類號：G642文獻標(biāo)志碼：A文章編號：2095-9214(2015)08-0133-01 《數(shù)字圖像處理》 是信息科學(xué)中發(fā)展最快的熱點研究方向是模式識別、計算機視覺、圖像通訊、多媒體技術(shù)等學(xué)科的基礎(chǔ)是一門涉及多領(lǐng)域叉學(xué)科是諸多工科類專業(yè)開設(shè)的主干課程之一，是一門理論與實踐、原理與應(yīng)用結(jié)合緊密的課程。然而，由于數(shù)字圖像處理技術(shù)涉及知識面廣，理論隱晦深奧，內(nèi)容更新速度極快，如何在打牢學(xué)生理論知識的同時提升學(xué)生的學(xué)習(xí)興趣，豐富學(xué)生的實踐工程經(jīng)驗成為值得教師思考的問題[1]。

一、本科數(shù)字圖像處理課程教學(xué)現(xiàn)狀 相對于其它本科課程而言，數(shù)字圖像處理作為信息類專業(yè)的專業(yè)基礎(chǔ)課，其有如下幾個特點：課程涉及知識面較廣，圖像處理理論對數(shù)字要求較高，實驗教學(xué)不系統(tǒng)，全面掌握數(shù)字圖像處理的知識點難度大。除此之外，學(xué)生在學(xué)習(xí)該門課程時，需要掌握的基礎(chǔ)知識點也很多，其中包括在研究方面對圖像成像的理解，在圖像處理方面對圖像金字塔模型、圖像直方圖均衡化、圖像跟蹤、檢測、識別、形態(tài)學(xué)圖像處理等常規(guī)處理技術(shù)。除此之外，在課程后半段，為了為其它高階課程打基礎(chǔ)，往往也會介紹一些關(guān)于計算機視覺、機器學(xué)習(xí)等高階課程的內(nèi)容。對于數(shù)字圖像處理這門課程來說，課程有一定的理論深度，且相關(guān)教材也多側(cè)重于介紹理論知識，鮮有相應(yīng)的配套實驗和實際應(yīng)用項目，學(xué)生在學(xué)習(xí)中往往會產(chǎn)生學(xué)習(xí)過于抽象，對于具體的圖像處理算法理解不深刻，不能工程化相關(guān)的圖像處理技術(shù)，學(xué)習(xí)零散不系統(tǒng)，達不到課程教育的目的。除此之外，很多專業(yè)任課教師也因為缺乏實踐經(jīng)驗，對于一些比較難掌握的知識點不能很好地講授，使學(xué)生在大量數(shù)學(xué)公式面前卻步并且逐漸喪失對于該門課堂的學(xué)習(xí)興趣。

鑒于此，高校數(shù)字圖像處理專業(yè)課教師應(yīng)該轉(zhuǎn)變觀念，以學(xué)生學(xué)習(xí)效果為出發(fā)點，探索一種利于本科學(xué)生學(xué)習(xí)的課程教學(xué)新模式，讓學(xué)生在傳統(tǒng)的課程學(xué)習(xí)方法上，結(jié)合實際的應(yīng)用項目和實驗，探索出一種學(xué)生想學(xué)的，愛學(xué)的，敢于探究和實踐的學(xué)習(xí)新模式[2]。為了達到上述教學(xué)目標(biāo)，筆者在教學(xué)過程中總結(jié)了一套基于實踐項目的教育方法，該方法可以通過分析和解決數(shù)字圖像處理領(lǐng)取中的實際問題，培養(yǎng)學(xué)生學(xué)習(xí)本課程的主動性，從而做到抽象理論與實際應(yīng)用的融會貫通，在實際應(yīng)用中有較好的教學(xué)效果。

二、基于OPENCV的項目教學(xué)法探析

OpenCV是一個開源的、跨平臺、的計算機視覺庫，它提供了豐富的函數(shù)調(diào)用接口，不僅涵蓋了絕大部分?jǐn)?shù)字圖像處理的經(jīng)典算法，同時也包含了許多高階的圖像處理算法。該庫現(xiàn)在已經(jīng)更新到3.0版本，不過目前廣泛地應(yīng)用于工業(yè)界的還是2.4.9版本，該版本提供了豐富的接口函數(shù)，可以很好地支持IOS，Android、Python等平臺的開發(fā)。項目教學(xué)法[3-4]是在長期的教學(xué)實踐過程中逐漸形成的獨具特色的教學(xué)方法。在本課程中，為了提高學(xué)生的學(xué)習(xí)興趣，讓學(xué)生了解圖像處理技術(shù)在實踐工程應(yīng)用中的作用，采用了上述教學(xué)法。筆者在設(shè)計此教學(xué)方法時，期望學(xué)生可以利用在課上學(xué)習(xí)到的理論知識，通過項目承載，培訓(xùn)工程化的思維能力，提高學(xué)生解決實際工程問題的能力。在實際運用中，此法不公提高學(xué)生的學(xué)習(xí)熱情，還讓學(xué)生深刻掌握相關(guān)的理論和方法，使學(xué)生在項目實踐中深刻理解相關(guān)的理論，同時通過幾輪與老師的交流，讓學(xué)生利用OpenCV搭建一個相對完整的，可以解決一般工程問題的數(shù)字圖像處理系統(tǒng)。因為數(shù)字圖像處理教學(xué)內(nèi)容豐富，一個項目往往只能覆蓋部分知識點和算法。根據(jù)分層的數(shù)字圖像處理教學(xué)體系，我們選用3個實際項目：

1、基于特征圖像的自動計數(shù)系統(tǒng)：該系統(tǒng)包括圖像預(yù)處理（圖像灰度化）、目標(biāo)物體識別、輪廓提取、特征計數(shù)四部分。內(nèi)容涉及特征識別，圖像均衡化、圖像分割、區(qū)域特征與圖像形態(tài)學(xué)處理等內(nèi)容，幾乎涵蓋了數(shù)字圖像處理基礎(chǔ)知識、圖像處理方法和形態(tài)學(xué)方法等內(nèi)容。該課題可作為案例應(yīng)用于層次教學(xué)內(nèi)容的總結(jié)，或作為課程設(shè)計的選題。

2、JEPG圖像的編碼與解碼。圖像編解碼技術(shù)應(yīng)用廣泛，在現(xiàn)代圖像信號傳輸與處理中有著較為重要的作用。此項目主要涉及的內(nèi)容有圖像變換和圖像編碼。作為數(shù)字圖像處理課程的重要內(nèi)容，學(xué)生可以通過該項目學(xué)習(xí)到諸如圖像變換、圖像編碼、圖像增強頻域方法、圖像復(fù)原等方法，是理論教學(xué)的良好延伸。

3、基于車牌識別的數(shù)字圖像處理系統(tǒng)。該項技術(shù)已經(jīng)有了很多成熟的運用，是一項較為成熟的圖像處理技術(shù)。對于本科階段的學(xué)生，我們不要求學(xué)生完成可以應(yīng)用到實際工程場景的技術(shù)，但我們要求學(xué)生建立一個相對完整的車牌識別系統(tǒng)。具體來說，在實現(xiàn)車牌識別之前，需要對圖像進行大量的預(yù)處理工作，其中包括圖像去噪、圖像增強、特征提取、圖像分割等。學(xué)生可通過此項目對數(shù)字圖像處理基本算法有一個比較全面的掌握。

三、結(jié)語

基于OpenCV項目教學(xué)法是基于數(shù)字圖像處理這一課程的具體特點提出的一種以實踐為導(dǎo)向，提高學(xué)生自主學(xué)習(xí)的教學(xué)方法。采用該方法的好處是任課教師可以以實際項目引導(dǎo)學(xué)生思考，并以學(xué)生為學(xué)習(xí)的主線，以實際項目作為驅(qū)動，充分調(diào)動學(xué)生的自主學(xué)習(xí)熱情，以團隊合作為基礎(chǔ)，提高學(xué)生的協(xié)同合作能力。另外，通過此種方法，還可以提高學(xué)生分析問題，解決問題，總結(jié)問題的能力，使學(xué)生全面、深刻地掌握數(shù)字圖像處理的理論知識，從而提高教學(xué)質(zhì)量，促進學(xué)生更好、更快地適應(yīng)社會發(fā)展的需要。

第二篇：數(shù)字圖像處理課程教學(xué)方法探討

數(shù)字圖像處理課程教學(xué)方法探討

摘要：針對《數(shù)字圖像處理》這門課程具有學(xué)科跨度大、理論性強、實用性廣的特點，并結(jié)合學(xué)生的實際情況，對課程的教學(xué)模式進行了探討。首先，根據(jù)選用教材內(nèi)章節(jié)之間的聯(lián)系，把各章的知識點結(jié)合在一起，實現(xiàn)對教學(xué)內(nèi)容的有效整合。其次，針對教材理論性強的特點，在講授時通過與實際的案例進行結(jié)合，激發(fā)學(xué)生的學(xué)習(xí)興趣。最后，通過實踐加深對理論知識的理解，同時也培養(yǎng)了學(xué)生的獨立思考能力和創(chuàng)新能力。

關(guān)鍵詞：數(shù)字圖像處理；教學(xué)內(nèi)容；教學(xué)模式；教學(xué)效果

中圖分類號：TP3 文獻標(biāo)識碼：A 文章編號：1009-3044（2014）13-3060-04

Discussion on Teaching Method for Digital Image Processing

QIN Hua-feng1，WANG Xing-qiong2，KANG Qiu-hong1

（1.School of Computer Science and Information Engineering，Chongqing Technology and Business University，Chongqing 400067，China； 2.Chongqing Banan Middle School，Chongqing 400054，China）

Abstract： As the digital image processing has the large discipline span，strong theory，wide application，this paper discusses the teaching method based on the actual situation of students.Firstly，the knowledge is combining based on the relation among different chapters，which can integrate the teaching contents effectively.Then the students’ interest is aroused in the teaching process using actual case.Finally，the student can understand the theory clearly.At the same time，theirs independent thinking and innovation ability can be improved.Key words： Digital image processing； Teaching content； Teaching mode； Teaching effect

概述

數(shù)字圖像處理誕生于20世紀(jì)50年代，當(dāng)時的電子計算機已經(jīng)發(fā)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。直到20世紀(jì)60年代初期數(shù)字圖像處理才發(fā)展成為一門學(xué)科。美國噴氣推進實驗室首次將數(shù)字圖像處理實際成功應(yīng)用到對幾千張月球照片的處理，并利用計算機對處理后的圖像進行分析，成功地繪制出月球表面地圖。數(shù)字圖像處理取得的另一個巨大成就是在醫(yī)學(xué)上獲得的成果。當(dāng)前圖像處理技術(shù)在工業(yè)自動化、工業(yè)檢測、醫(yī)學(xué)、遙感探測等各個方面都發(fā)揮著十分重要的作用[1]。

《數(shù)字圖像處理》[2，3]是集成計算機科學(xué)、電子學(xué)、信息論、光學(xué)、數(shù)學(xué)等學(xué)科的一門綜合性學(xué)科。本課程是空間信息工程系、攝影測量與遙感系開設(shè)的必修的專業(yè)基礎(chǔ)課之一。它的起點高、難度大，理論性很強。學(xué)生在學(xué)習(xí)時，普遍感到數(shù)字圖像處理的概念抽象，對其中的分析方法與基本理論不能很好地理解與掌握。如何提高學(xué)生對數(shù)字圖像處理技術(shù)的學(xué)習(xí)興趣，以及學(xué)生的圖像處理技術(shù)的應(yīng)用能力，是數(shù)字圖像處理課程建設(shè)、課程改革的重要內(nèi)容。現(xiàn)就接合自身在數(shù)字圖像處理領(lǐng)域多年的研究經(jīng)歷以及教學(xué)經(jīng)驗，并根據(jù)學(xué)生的反饋信息，對該課程的教學(xué)模式進行了探索，希望有助于提高教學(xué)效果和教學(xué)水平；知識點的整合

數(shù)字圖像處理涉及到的知識點繁瑣，但是通過有效的整合可以使得教學(xué)體系前后連貫，教學(xué)內(nèi)容較為緊湊，同時使得學(xué)生理解起來更為容易，思路更加清晰。如以清華大學(xué)出版社的出版的《數(shù)值圖像處理和分析》為例，全書一共11章。根據(jù)教材內(nèi)容的前后聯(lián)系和學(xué)生的知識背景，對教學(xué)內(nèi)容進行了整合，如表1所示。前面的第一、二章是介紹數(shù)值圖像處理的概念，這部分可以引導(dǎo)學(xué)生自學(xué)。原書第三、五、六章主要利用各種變換來圖像質(zhì)量的改善。第四章是圖像的編碼與壓縮，主要是實現(xiàn)對圖像的存儲和傳輸。七、八、九章的內(nèi)容主要是圖像的特征的提取和分類。最后兩章是數(shù)值圖像處理在數(shù)字水印和車牌識別方面的應(yīng)用，可以利用兩個專題講座的形式來進行授課。經(jīng)過整合，把所有的內(nèi)容分成了三個教學(xué)模塊，使得教學(xué)更加緊湊，條理清晰，學(xué)生理解起來也更容易。

表1 教學(xué)內(nèi)容的整合[整合前內(nèi)容＼&整合后內(nèi)容

章節(jié)的調(diào)整 整合＼&緒論＼&緒論＼&引導(dǎo)學(xué)生自學(xué)＼&數(shù)字圖像的表述與處理＼&數(shù)字圖像的表述與處理＼&圖像增強＼&圖像增強＼&圖像質(zhì)量的改善

＼&

數(shù)字圖像處理的方法＼&圖像的編碼與壓縮＼&圖像復(fù)原＼&圖像復(fù)原＼&圖像重建＼&圖像重建＼&圖像的編碼與壓縮＼&圖像的存儲和傳輸。＼&圖像分割技術(shù)＼&圖像分割技術(shù)＼&圖像特征的提取與分類＼&圖像的特征提取與分析＼&圖像的特征提取與分析＼&圖像的匹配與識別＼&圖像的匹配與識別＼&基于MATLAB數(shù)字水印系統(tǒng)設(shè)計＼&基于MATLAB數(shù)字水印系統(tǒng)設(shè)計＼&專題講座＼&車輛牌照識別系統(tǒng)設(shè)計＼&車輛牌照識別系統(tǒng)設(shè)計＼&] 基礎(chǔ)理論知識

3.1 案例教學(xué)

案例教學(xué)是通過一個具體教育方式來實現(xiàn)場景的重現(xiàn)，引導(dǎo)學(xué)生對這些特殊情景進行討論和分析，加深學(xué)生對知識點的理解，培養(yǎng)學(xué)生積極學(xué)習(xí)興趣和創(chuàng)新力的一種教學(xué)方法[3]。數(shù)值圖像處理涉及到微積分、偏微分、小波分析、矩陣論、信息論預(yù)編碼等數(shù)學(xué)知識。因此，需要學(xué)生有一定的數(shù)學(xué)基礎(chǔ)，然而工科的學(xué)生的數(shù)學(xué)基礎(chǔ)普遍較差，單從理論方面來進行講解學(xué)生很難理解和掌握。幸運的是，雖然這門課程設(shè)計的數(shù)學(xué)知識面廣，但是這些知識都具有較強的應(yīng)用背景，如果在授課的過程中能夠結(jié)合實際的例子來進行分析能，就可以使得復(fù)雜的數(shù)學(xué)知識變得簡單易懂，學(xué)生掌握起來也更加輕松。例如，信號可以按它的頻率分為高頻信號和低頻信號。那么什么是信號的頻率以及怎么判斷高頻信號和低頻信號，在授課過程中應(yīng)給以詳細(xì)的解釋，最后舉一個例子如給出如下一幅雷娜圖像。圖中的帽子上紋理灰度值變化較快，所以就是高頻部分[4]。而臉部灰度值比較平滑（變化較慢），所以是低頻部分。

圖1 雷娜圖像

3.2 內(nèi)容的適度延伸

在當(dāng)今的世界，知識的更新是很快的。目前大部分知識的載體是書籍、報刊、雜志。在這幾種重要載體中書籍的知識更新度是最慢的，然而現(xiàn)在上課用的課本基本上都是以書籍的呈現(xiàn)形式。因此如何把書本上經(jīng)典而滯后的知識和該領(lǐng)域最新的研究成果聯(lián)系起來是非常關(guān)鍵的。一方面，可以使得知識具有連貫性，使得學(xué)生更容易系統(tǒng)的掌握；另一方面，以拓寬知識面和提高學(xué)習(xí)的積極性。所以嘗試性的要求學(xué)生查閱相關(guān)資料，了解本領(lǐng)域的研究進展是有必要的。

在教學(xué)過程中，除了常規(guī)的講解書本上的理論知識外，將其中部分內(nèi)容適當(dāng)整理后，以課堂講座形式開展，并對相關(guān)知識作適當(dāng)?shù)难a充和延伸[5]，使知識更系統(tǒng)化，立體化。例如，在講授圖像質(zhì)量的改善方法的內(nèi)容時，會經(jīng)常用到各種圖像變換的方法，如傅立葉變換[6]、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理[7]。其優(yōu)點在于不僅可減少計算量，而且可獲得更有效的處理。當(dāng)學(xué)生掌握了各種基本變換方法后，可以引入小波變換方法，并介紹小波變換原理以及與經(jīng)典變換方法的相似性。然后，給出小波變換的優(yōu)勢即在時域和頻域中都具有良好的局部化特性。如果學(xué)生有興趣的話，可以介紹在小波變換的基礎(chǔ)上進一步發(fā)展得到的脊波變換，并通過一些圖像例子來加深理解，如圖

2、圖3和圖4所示。這樣的講授不僅可以讓學(xué)生更系統(tǒng)的理解各種變換理論而且通過研究整個理論體系的發(fā)展可以激發(fā)學(xué)生的興趣和創(chuàng)造性。實踐教學(xué)

實踐教學(xué)是教學(xué)課程的重要組成部分，它是鞏固理論知識和加深對理論認(rèn)識的有效途徑，是培養(yǎng)具有創(chuàng)新意識的高素質(zhì)工程技術(shù)人員的重要環(huán)節(jié)，是理論聯(lián)系實際、培養(yǎng)學(xué)生的獨立思考和創(chuàng)新能力的重要平臺[8]。相對于理論教學(xué)而言，實踐教學(xué)是教學(xué)過程中最薄弱的環(huán)節(jié)。為了有效提高實踐教學(xué)，根據(jù)學(xué)生的實際情況對相關(guān)的實驗內(nèi)容的選取進行了相應(yīng)的改革。

4.1實驗準(zhǔn)備

考慮到電子信息專業(yè)的同學(xué)不同于計算機專業(yè)，沒有開設(shè)VC 課程，但開設(shè)了MATLAB 課程，已經(jīng)掌握了MATLAB 的一些基本編程能力，另外，MATLAB 軟件為數(shù)字圖像處理提供了功能豐富的圖像處理工具箱。它集成了一系列支持圖像處理操作的函數(shù)。涵蓋了圖像處理的幾乎所有的技術(shù)方法，是學(xué)習(xí)和研究圖像處理的人員的寶貴資料和加工工具。因此，選取計算能力強的MATLAB軟件作為教學(xué)軟件是必要的。此外，還需要準(zhǔn)備實驗所需的圖像。

4.2 實驗內(nèi)容

實驗內(nèi)容的選取也是相當(dāng)關(guān)鍵的。根據(jù)學(xué)生掌握知識的能力以及知識的前后銜接關(guān)系，選擇圖像變換、增強、分割、特征提取和識別等作為實驗內(nèi)容。然后根據(jù)知識點的難易程度分為基本實驗、開放型實驗和演示實驗。這樣具有一定的層次感，使得學(xué)生接受起來較為容易。例如，對于傅里葉變換的實驗，首先要求學(xué)生能夠?qū)D像進行傅里葉變換，并分析變換后的圖像以及其逆變換后重構(gòu)圖像；當(dāng)在這個試驗中掌握了傅里葉變換后，再安排圖像頻域增強等實驗。

4.3 實驗內(nèi)容拓展

通過理論知識的講解以及基本實驗的實施，學(xué)生能夠較好的理解所學(xué)的知識，且能夠?qū)⑺鶎W(xué)的知識應(yīng)用于處理一幅具體圖像。為了進一步培養(yǎng)學(xué)生獨立思考和創(chuàng)新的能力，需要為一些有興趣的學(xué)生提供一些參與教師科研項目的機會。例如通過課程設(shè)計的形式來為他們積累一些實踐經(jīng)驗以及培養(yǎng)他們的創(chuàng)新能力。通過學(xué)生的積極參與，一方面，加深了對所學(xué)專業(yè)知識的理解，另一方面培養(yǎng)學(xué)生的學(xué)習(xí)興趣和創(chuàng)新能力。結(jié)論

本文針對計算機、影像各專業(yè)對圖像處理的要求和數(shù)字圖像處理本身的特點，充分結(jié)合我校學(xué)生的實際情況，對《數(shù)字圖像處理》課程的教學(xué)進行的嘗試性的改革和探索。通過對教學(xué)內(nèi)容的整合，使得教學(xué)內(nèi)容更緊湊和調(diào)理更清楚。在理論知識的傳授方面，結(jié)合了案例教學(xué)法和教學(xué)內(nèi)容延伸法來進一步提高學(xué)生的學(xué)習(xí)興趣和能力。最后，利用教學(xué)實踐來鞏固所學(xué)知識，增強學(xué)生的創(chuàng)造力。隨著時代的發(fā)展以及知識的快速更新，對教學(xué)提出了新的要求。作為教學(xué)主體的教師，需要不斷的地學(xué)習(xí)新的知識，總結(jié)教學(xué)經(jīng)驗，不斷地探索和嘗試新的教學(xué)方法才能與時俱進。

參考文獻：

[1] 岡薩雷斯.（阮秋琦，阮宇智等）數(shù)字圖像處理（第二版）[M].北京：電子工業(yè)出版社，2003.[2] 章毓章.圖象處理和分析[M].清華大學(xué)出版社，2002.[3] 黃果，秦紅英，許黎，等.淺談數(shù)字圖像處理課程教學(xué)改革[J].計算機光盤軟件與應(yīng)用，2013，3（7）：280-281.[4] 王旭初，潘銀松.《數(shù)字圖像處理》實驗的課題驅(qū)動式教學(xué)探索[J].電腦知識與技術(shù)，2010，34（6）：9810-9811，9818.[5] 王雪.圖像處理教學(xué)中如何培養(yǎng)學(xué)生的行業(yè)素質(zhì)[J].長春教育學(xué)院學(xué)報，2013，29（1）：145，157

[6] 朱明軒.數(shù)字圖像壓縮中的域變換技術(shù)[J].電腦知識與技術(shù)，2008，4（7）：1745-1746.[7] 潘振贛，龔聲蓉.淺談數(shù)字圖像處理技術(shù)的基本原理[J].電腦知識與技術(shù)，2010，6（6）：1452-1453，1460.[8] 劉二林.醫(yī)學(xué)圖像處理課程教學(xué)模式探索[J].計算機光盤軟件與應(yīng)用，2012，21（2）：19-21.

第三篇：數(shù)字圖像處理

中南大學(xué)

數(shù)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(xué)號：0909080609 實驗日期：2010年12月22日

目錄

一，實驗?zāi)康???????????????????????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(shù)空間濾波和圖像銳化??????????7 六，自帶函數(shù)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?zāi)康?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(shè)計，學(xué)習(xí)如何對已被噪聲污染的圖像進行“凈化”。通過平滑處理，對結(jié)果圖像加以比較，得出自己的實驗結(jié)論。學(xué)習(xí)如何用銳化處理技術(shù)來加強圖像的目標(biāo)邊界和圖像細(xì)節(jié)，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(zhì)； 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(shù)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(shù)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(shù)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(shù)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(shù)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(shù)實現(xiàn)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(shù)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(shù)據(jù)類型轉(zhuǎn)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(shè)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(shù)

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(xué)會利用自帶函數(shù)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(shù)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(xiàn)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(shù)字圖像處理第二版

MATLAB教程

第四篇：《數(shù)字圖像處理》

實驗五 圖像的幾何變換

一．實驗?zāi)康募耙?/p>

掌握圖像幾何變換的基本原理，熟練掌握數(shù)字圖像的縮放、旋轉(zhuǎn)、平移、鏡像和轉(zhuǎn)置的基本原理及其MATLAB編程實現(xiàn)方法。

二、實驗內(nèi)容

（一）研究以下程序，分析程序功能；輸入執(zhí)行各命令行，認(rèn)真觀察命令執(zhí)行的結(jié)果。熟悉程序中所使用函數(shù)的調(diào)用方法，改變有關(guān)參數(shù)，觀察試驗結(jié)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(xiàn)； ?改變圖像縮放因子Scale，重做上述實驗。2.圖像旋轉(zhuǎn)

clear all, close all I = imread('cameraman.tif');Theta = 45;

% 將圖像逆時針旋轉(zhuǎn)45?。

J1 = imrotate(I, Theta, 'nearest');

% using the nearest neighbor interpolation Theta =-45;

% 將圖像順時針旋轉(zhuǎn)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(zhuǎn)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(zhuǎn)30。

J1 = imrotate(I, Theta, 'nearest');

% using the nearest neighbor interpolation Theta =-30;

% 將圖像順時針旋轉(zhuǎn)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(xiàn)； ?改變旋轉(zhuǎn)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(xiàn)以下圖像幾何變換（參考自編講義相關(guān)章節(jié)）

1．圖像扭曲變換 2．球面變換

三、實驗設(shè)備

1．PIII以上微機； 2．MATLAB6.5；

四、預(yù)習(xí)與思考

1．預(yù)習(xí)實驗內(nèi)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(guān)MATLAB函數(shù)；

3．利用課余時間，采用MATLAB底層函數(shù)編程實現(xiàn)實驗內(nèi)容

（二）中的圖像平移、圖像轉(zhuǎn)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．?dāng)⑹龈鞫纬绦蚬δ埽淖冇嘘P(guān)函數(shù)的參數(shù)，分析比較實驗結(jié)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(shù)字圖像處理應(yīng)用

一．實驗?zāi)康募耙?/p>

1．利用MATLAB提供的圖像處理函數(shù)實現(xiàn)圖像中物體屬性的測量； 2．訓(xùn)練綜合運用MATLAB圖像處理函數(shù)的能力； 3．了解數(shù)字圖像處理基本應(yīng)用。

二、實驗內(nèi)容

以大米粒特性測量為例，綜合應(yīng)用課程中圖像分割、形態(tài)學(xué)濾波、圖像增強、圖像特征提取等圖像處理方法，實現(xiàn)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(qū)域標(biāo)記及為彩色處理

7． 測量圖像中的區(qū)域特性（面積、質(zhì)心等）

8．統(tǒng)計大米粒的特性分布規(guī)律。

（一）研究以下程序，分析程序功能；輸入執(zhí)行各命令行，認(rèn)真觀察命令執(zhí)行的結(jié) 果。熟悉程序中所使用函數(shù)的調(diào)用方法，改變有關(guān)參數(shù)，觀察試驗結(jié)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(yīng)用演示

三、實驗設(shè)備 1．PIII以上微機； 2．MATLAB6.5；

四、預(yù)習(xí)與思考

1．預(yù)習(xí)實驗內(nèi)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(guān)函數(shù)。

3．利用課余時間，采用MATLAB函數(shù)編程實現(xiàn)實驗內(nèi)容

（二）。

五、實驗報告要求

1．簡述試驗的目的和試驗原理；

2．?dāng)⑹龈鞫纬绦蚬δ埽淖冇嘘P(guān)函數(shù)的參數(shù)，分析比較實驗結(jié)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。

第五篇：數(shù)字圖像處理實驗報告

數(shù)字圖像處理

實驗報告

目錄

1.數(shù)字圖像處理簡介

2.實驗?zāi)康?.實驗內(nèi)容

4.實驗結(jié)果及代碼展示

5.算法綜述

6.Matlab優(yōu)勢

7.總結(jié)

8.存在問題

一、數(shù)字圖像處理簡介

圖像處理，是對圖像進行分析、加工、和處理，使其滿足視覺、心理以及其他要求的技術(shù)。圖像處理是信號處理在圖像域上的一個應(yīng)用。目前大多數(shù)的圖像是以數(shù)字形式存儲，因而圖像處理很多情況下指數(shù)字圖像處理。此外，基于光學(xué)理論的處理方法依然占有重要的地位。

圖像處理是信號處理的子類，另外與計算機科學(xué)、人工智能等領(lǐng)域也有密切的關(guān)系。

傳統(tǒng)的一維信號處理的方法和概念很多仍然可以直接應(yīng)用在圖像處理上，比如降噪、量化等。然而，圖像屬于二維信號，和一維信號相比，它有自己特殊的一面，處理的方式和角度也有所不同。

二、實驗?zāi)康?/p>

鞏固所學(xué)知識，提高所學(xué)能力

三、實驗內(nèi)容

利用matlab的GUI程序設(shè)計一個簡單的圖像處理程序，并含有如下基本功能： 1.讀入一幅RGB圖像，變換為灰度圖像和二值圖像，并在同一個窗口內(nèi)分成三個子窗口來分別顯示RGB圖像和灰度圖像，注上文字標(biāo)題 2.對給定圖像進行旋轉(zhuǎn)

3．對給定的圖像添加噪聲（椒鹽噪聲、高斯噪聲）

四、實驗結(jié)果及代碼展示

1.軟件設(shè)計界面

2.各模塊功能展示以及程序代碼

（1）讀入一幅RGB圖像，變換為灰度圖像和二值圖像，并在同一個窗口內(nèi)分成三個子窗口來分別顯示RGB圖像和灰度圖像，注上文字標(biāo)題

效果展示：

代碼：

a = imread('C:Documents and SettingsAdministrator桌面數(shù)字圖像舞美.JPG');

i = rgb2gray(a);I = im2bw(a,0.5);

subplot(3,1,1);imshow(a);title('源圖像')subplot(3,1,2);imshow(i);title('灰度圖像')subplot(3,1,3);imshow(I);title('二值圖像')

（2）圖像旋轉(zhuǎn) 原圖

效果展示：

代碼：

clc;clear all;close all;

Img=imread('D:My DocumentsMy Pictures5.JPG');Img=double(Img);[h w]=size(Img);alpha=pi/4;

wnew=w*cos(alpha)+h*sin(alpha);hnew=w*sin(alpha)+h*cos(alpha);wnew=ceil(wnew);

hnew=ceil(hnew);u0=w*sin(alpha);

T=[cos(alpha),sin(alpha);-sin(alpha),cos(alpha)];Imgnew2=zeros(hnew,wnew);Imgnew1=zeros(hnew,wnew);for u=1:hnew

for v=1:wnew

tem=T*([u;v]-[u0;0]);x=tem(1);y=tem(2);if x>=1&&x<=h&&y>=1&&y<=w x_low=floor(x);x_up=ceil(x);y_low=floor(y);y_up=ceil(y);if(x-x_low)<=(x_up-x)x=x_low;

else

x=x_up;

end

if(y-y_low)<=(y_up-y)y=y_low;

else

y=y_up;

end

p1=Img(x_low,y_low);p2=Img(x_up,y_low);p3=Img(x_low,y_low);p4=Img(x_up,y_up);s=x-x_low;t=y-y_low;Imgnew1(u,v)=Img(x,y);

Imgnew2(u,v)=(1-s)*(1-t)*p1+(1-s)*t*p3+(1-t)*s*p2+s*t*p4;end

end end

figure;imshow(Imgnew2,[]);B=imrotate(Img,alpha/pi*180);figure;imshow(B,[]);

（3）對給定的圖像添加噪聲（斑點噪聲、高斯噪聲）效果展示：

代碼：

I= imread('D:My DocumentsMy Pictures5.JPG');figure,subplot(211);imshow(I);title('原圖');J1=imnoise(I,'gaussian',0,0.02);

subplot(223);imshow(J);title('添加高斯噪聲');J=imnoise(I,'speckle',0.04);

subplot(224);imshow(J);title('添加斑點噪聲');

五、算法綜述 灰度圖像：

一幅完整的圖像，是由紅色、綠色、藍(lán)色三個通道組成的。紅色、綠色、藍(lán)色三個通道的縮覽圖都是以灰度顯示的。用不同的灰度色階來表示“ 紅，綠，藍(lán)”在圖像中的比重。通道中的純白，代表了該色光在此處為最高亮度，亮度級別是255。

通道是整個Photoshop顯示圖像的基礎(chǔ)。色彩的變動，實際上就是間接在對通道灰度圖進行調(diào)整。通道是Photoshop處理圖像的核心部分，所有的色彩調(diào)整工具都是圍繞在這個核心周圍使用的。

在計算機領(lǐng)域中，灰度數(shù)字圖像是每個像素只有一個采樣顏色的圖像。這類圖像通常顯示為從最暗黑色到最亮的白色的灰度，盡管理論上這個采樣可以任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色。灰度圖像與黑白圖像不同，在計算機圖像領(lǐng)域中黑白圖像只有黑色與白色兩種顏色；灰度圖像在黑色與白色之間還有許多級的顏色深度。但是，在數(shù)字圖像領(lǐng)域之外，“黑白圖像”也表示“灰度圖像”，例如灰度的照片通常叫做“黑白照片”。在一些關(guān)于數(shù)字圖像的文章中單色圖像等同于灰度圖像，在另外一些文章中又等同于黑白圖像。灰度圖像經(jīng)常是在單個電磁波頻譜如可見光內(nèi)測量每個像素的亮度得到的。

用于顯示的灰度圖像通常用每個采樣像素 8 位的非線性尺度來保存，這樣可以有 256 級灰度。這種精度剛剛能夠避免可見的條帶失真，并且非常易于編程。在醫(yī)學(xué)圖像與遙感圖像這些技術(shù)應(yīng)用中經(jīng)常采用更多的級數(shù)以充分利用每個采樣 10 或 12 位的傳感器精度，并且避免計算時的近似誤差。在這樣的應(yīng)用領(lǐng)域每個采樣 16 位即 65536 級得到流行。

二值圖像：

是指每個像素不是黑就是白，其灰度值沒有中間過渡的圖像。二值圖像一般用來描述文字或者圖形，其優(yōu)點是占用空間少，缺點是，當(dāng)表示人物，風(fēng)景的圖像時，二值圖像只能描述其輪廓，不能描述細(xì)節(jié)。這時候要用更高的灰度級。

二值圖像是每個像素只有兩個可能值的數(shù)字圖像。人們經(jīng)常用黑白、B&W、單色圖像表示二值圖像，但是也可以用來表示每個像素只有一個采樣值的任何圖像，例如灰度圖像等。

二值圖像中所有的像素只能從0和1這兩個值中取，因此在MATLAB中，二值圖像用一個由0和1組成的二維矩陣表示。這兩個可取的值分別對應(yīng)于關(guān)閉和打開，關(guān)閉表征該像素處于背景，而打開表征該像素處于前景。以這種方式來操作圖像可以更容易識別出圖像的結(jié)構(gòu)特征。二值圖像操作只返回與二值圖像的形式或結(jié)構(gòu)有關(guān)的信息，如果希望對其他類型的圖像進行同樣的操作，則首先要將其轉(zhuǎn)換為二進制的圖像格式，可以通過調(diào)用MATLAB提供的im2bw（）來實現(xiàn)。

二值圖像經(jīng)常出現(xiàn)在數(shù)字圖像處理中作為圖像掩碼或者在圖像分割、二值化和dithering的結(jié)果中出現(xiàn)。一些輸入輸出設(shè)備，如激光打印機、傳真機、單色計算機顯示器等都可以處理二值圖像。

二值圖像經(jīng)常使用位圖格式存儲。

二值圖像可以解釋為二維整數(shù)格Z，圖像變形處理領(lǐng)域很大程度上就是受到這個觀點啟發(fā)。

圖像旋轉(zhuǎn)：

圖像旋轉(zhuǎn)是指圖像以某一點為中心旋轉(zhuǎn)一定的角度,形成一幅新的圖像的過程。當(dāng)然這個點通常就是圖像的中心。既然是按照中心旋轉(zhuǎn),自然會有這樣一個屬性：旋轉(zhuǎn)前和旋轉(zhuǎn)后的點離中心的位置不變.根據(jù)這個屬性,我們可以得到旋轉(zhuǎn)后的點的坐標(biāo)與原坐標(biāo)的對應(yīng)關(guān)系。由于原圖像的坐標(biāo)是以左上角為原點的,所以我們先把坐標(biāo)轉(zhuǎn)換為以圖像中心為原點。假設(shè)原圖像的寬為w,高為h,（x0,y0）為原坐標(biāo)內(nèi)的一點,轉(zhuǎn)換坐標(biāo)后的點為（x1,y1）。那么不難得到： x1 = x0-w/2;y1 =-y0 + h/2;在新的坐標(biāo)系下,假設(shè)（x0,y0）距離原點的距離為r,點與原點之間的連線與x軸的夾角為b,旋轉(zhuǎn)的角度為a,旋轉(zhuǎn)后的點為（x1,y1）

噪聲：

是電路或系統(tǒng)中不含信息量的電壓或電流。在工業(yè)與自然界中，存在著各種干擾源（噪聲源），如大功率電力電子器件的接入、大功率用電設(shè)備的開啟與斷開、雷擊閃電等都會使空間電場和磁場產(chǎn)生有序或無序的變化，這些都是干擾源（或噪聲源）。這些源產(chǎn)生的電磁波或尖峰脈沖通過磁、電耦合或是通過電源線等路徑進入放大電路，各種電氣設(shè)備，形成各種形式的干擾。

斑點噪聲：

斑點噪聲是SAR成像系統(tǒng)的一大特色，源自基本分辨單元內(nèi)地物的隨機散射，在圖像上表現(xiàn)為信號相關(guān)（如在空間上相關(guān)）的小斑點，它既降低了圖像的畫面質(zhì)量，又嚴(yán)重影響圖像的自動分割、分類、目標(biāo)檢測以及其它定量專題信息的提取。

SAR圖像斑點噪聲的去除一方面要抑制圖像均勻區(qū)域斑點噪聲，另一方面要保持圖像邊緣和紋理細(xì)節(jié)信息。SAR斑點噪聲的抑制可通過非相干多視處理，也可使用空間域濾波實現(xiàn)。非相干多視處理會降低圖像的地面分辨率。因此，涌現(xiàn)出了一系列空間域濾波方法，如均值濾波、中值濾波、Lee濾波、Kuan濾波、Frost濾波、Sigma濾波以及Gamma Map濾波等。但這類算法存在自身無法克服的矛盾：一方面為增強斑點去噪效果需選較大的濾波窗口，另一方面為保持圖像的實際分辨率要求所選的窗口較小。

高斯噪聲：

所謂高斯噪聲是指它的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。如果一個噪聲，它的幅度分布服從高斯分布，而它的功率譜密度又是均勻分布的，則稱它為高斯白噪聲。高斯白噪聲的二階矩不相關(guān)，一階矩為常數(shù)，是指先后信號在時間上的相關(guān)性。高斯白噪聲包括熱噪聲和散粒噪聲。

實驗中是通過MATLAB自帶的函數(shù)產(chǎn)生噪聲，各函數(shù)如下： J1=imnoise(I,'salt & pepper',0.05);%添加椒鹽噪聲

J2=imnoise(I,'gaussian',0,0.03);

%添加均值為0，方差為0.03的高斯噪聲。

六、Matlab優(yōu)勢

MATLAB是一個包含大量算法的集合。其可以快捷的實現(xiàn)用戶所需的各種計算功能。函數(shù)中所使用的算法都是科研和工程計算中的最新研究成果，而前經(jīng)過了各種優(yōu)化和差錯處理。在通常情況下，可以用它來代替底層編程語言，如C和C++。在計算要求相同的情況下，使用MATLAB的編程工作量會大大減少。MATLAB的這些函數(shù)集包括從最簡單最基本的函數(shù)到諸如矩陣，特征向量、快速傅立葉變換的復(fù)雜函數(shù)。函數(shù)所能解決的問題其大致包括矩陣運算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號運算、傅立葉變換和數(shù)據(jù)的統(tǒng)計分析、工程中的優(yōu)化問題、稀疏矩陣運算、復(fù)數(shù)的各種運算、三角函數(shù)和其他初等數(shù)學(xué)運算、多維數(shù)組操作以及建模動態(tài)仿真等。圖形處理功能

圖形處理功能MATLAB自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來，并且可以對圖形進行標(biāo)注和打印。高層次的作圖包括二維和三維的可視化、圖象處理、動畫和表達式作圖。可用于科學(xué)計算和工程繪圖。新版本的MATLAB對整個圖形處理功能作了很大的改進和完善，使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且對于一些其他軟件所沒有的功能（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），MATLAB同樣表現(xiàn)了出色的處理能力。同時對一些特殊的可視化要求，例如圖形對話等，MATLAB也有相應(yīng)的功能函數(shù)，保證了用戶不同層次的要求。另外新版本的MATLAB還著重在圖形用戶界面（GUI）的制作上作了很大的改善，對這方面有特殊要求的用戶也可以得到滿足

模塊集合工具箱

MATLAB對許多專門的領(lǐng)域都開發(fā)了功能強大的模塊集和工具箱。一般來說，它們都是由特定領(lǐng)域的專家開發(fā)的，用戶可以直接使用工具箱學(xué)習(xí)、應(yīng)用和評估不同的方法而不需要自己編寫代碼。目前，MATLAB已經(jīng)把工具箱延伸到了科學(xué)研究和工程應(yīng)用的諸多領(lǐng)域，諸如數(shù)據(jù)采集、數(shù)據(jù)庫接口、概率統(tǒng)計、樣條擬合、優(yōu)化算法、偏微分方程求解、神經(jīng)網(wǎng)絡(luò)、小波分析、信號處理、圖像處理、系統(tǒng)辨識、控制系統(tǒng)設(shè)計、LMI控制、魯棒控制、模型預(yù)測、模糊邏輯、金融分析、地圖工具、非線性控制設(shè)計、實時快速原型及半物理仿真、嵌入式系統(tǒng)開發(fā)、定點仿真、DSP與通訊、電力系統(tǒng)仿真等，都在工具箱（Toolbox）家族中有了自己的一席之地。

七、總結(jié)

運用matlab軟件對圖像進行處理，讓我鞏固了之前所學(xué)的知識，同時也在這次作業(yè)中更加了解到matlab語言在生活中的運用環(huán)境和掌握這門語言的重要性

八、存在問題

1.在進行圖像增強時要不要講圖像先進行平滑處理？ 2.如何增加這個算法的準(zhǔn)確度

3.在此次作業(yè)中，為何添加椒鹽噪聲時無法顯示