第一篇：數(shù)字圖像處理讀書(shū)筆記

數(shù)字圖像處理讀書(shū)筆記

本學(xué)期的數(shù)字圖像處理課程已經(jīng)進(jìn)行了3周了，通過(guò)這3周的學(xué)習(xí)讓我對(duì)數(shù)字圖像處理有了一定的認(rèn)知和理解。數(shù)字圖像處理又稱為計(jì)算機(jī)圖像處理，它是指將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過(guò)程。這門課程的前三章主要講解了數(shù)字圖像的目的、特點(diǎn)、應(yīng)用和發(fā)展，圖像的數(shù)字化顯示與圖像變換。

數(shù)字圖像處理最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時(shí)的電子計(jì)算機(jī)已經(jīng)發(fā)展到一定水平，人們開(kāi)始利用計(jì)算機(jī)來(lái)處理圖形和圖像信息。數(shù)字圖像處理作為一門學(xué)科大約形成于20世紀(jì)60年代初期。早期的圖像處理的目的是改善圖像的質(zhì)量，它以人為對(duì)象，以改善人的視覺(jué)效果為目的。圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。數(shù)字圖像處理是通過(guò)計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理的方法和技術(shù)。數(shù)字圖像處理的產(chǎn)生和迅速發(fā)展主要受三個(gè)因素的影響：一是計(jì)算機(jī)的發(fā)展；二是數(shù)學(xué)的發(fā)展（特別是離散數(shù)學(xué)理論的創(chuàng)立和完善）;三是廣泛的農(nóng)牧業(yè)、林業(yè)、環(huán)境、軍事、工業(yè)和醫(yī)學(xué)等方面的應(yīng)用需求的增長(zhǎng)。

一般來(lái)講，對(duì)圖像進(jìn)行處理（或加工、分析）的主要目的有三個(gè)方面：（1）提高圖像的視感質(zhì)量，如進(jìn)行圖像的亮度、彩色變換，增強(qiáng)、抑制某些成分，對(duì)圖像進(jìn)行幾何變換等，以改善圖像的質(zhì)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(jì)算機(jī)分析圖像提供便利。提取特征或信息的過(guò)程是模式識(shí)別或計(jì)算機(jī)視覺(jué)的預(yù)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(qū)域特征、紋理特征、形狀特征、拓?fù)涮卣骱完P(guān)系結(jié)構(gòu)等。（3）圖像數(shù)據(jù)的變換、編碼和壓縮，以便于圖像的存儲(chǔ)和傳輸。不管是何種目的的圖像處理，都需要由計(jì)算機(jī)和圖像專用設(shè)備組成的圖像處理系統(tǒng)對(duì)圖像數(shù)據(jù)進(jìn)行輸入、加工和輸出。數(shù)字圖像處理有以下幾點(diǎn)基本特點(diǎn)：（1）目前，數(shù)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(shù)據(jù)量；對(duì)高分辨率彩色512×512圖像，則要求768kbit數(shù)據(jù)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(shù)據(jù)量。因此對(duì)計(jì)算機(jī)的計(jì)算速度、存儲(chǔ)容量等要求較高。（2）數(shù)字圖像處理占用的頻帶較寬。與語(yǔ)言信息相比，占用的頻帶要大幾個(gè)數(shù)量級(jí)。如電視圖像的帶寬約5.6MHz，而語(yǔ)音帶寬僅為4kHz左右。所以在成像、傳輸、存儲(chǔ)、處理、顯示等各個(gè)環(huán)節(jié)的實(shí)現(xiàn)上，技術(shù)難度較大，成本亦高，這就對(duì)頻帶壓縮技術(shù)提出了更高的要求。（3）數(shù)字圖像中各個(gè)像素是不獨(dú)立的，其相關(guān)性大。在圖像畫(huà)面上，經(jīng)常有很多像素有相同或接近的灰度。就電視畫(huà)面而言，同一行中相鄰兩個(gè)像素或相鄰兩行間的像素，其相關(guān)系數(shù)可達(dá)0.9以上，而相鄰兩幀之間的相關(guān)性比幀內(nèi)相關(guān)性一般說(shuō)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(fù)現(xiàn)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(huà)面上是反映不出來(lái)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(cè)量，例如雙目圖像或多視點(diǎn)圖像。在理解三維景物時(shí)需要知識(shí)導(dǎo)引，這也是人工智能中正在致力解決的知識(shí)工程問(wèn)題。（5）數(shù)字圖像處理后的圖像一般是給人觀察和評(píng)價(jià)的，因此受人的因素影響較大。由于人的視覺(jué)系統(tǒng)很復(fù)雜，受環(huán)境條件、視覺(jué)性能、人的情緒愛(ài)好以及知識(shí)狀況影響很大，作為圖像質(zhì)量的評(píng)價(jià)還有待進(jìn)一步深入的研究。另一方面，計(jì)算機(jī)視覺(jué)是模仿人的視覺(jué)，人的感知機(jī)理必然影響著計(jì)算機(jī)視覺(jué)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(guān)系，優(yōu)先敏感的結(jié)構(gòu)、屬性和時(shí)間特征等，這些都是心理學(xué)和神經(jīng)心理學(xué)正在著力研究的課題。

在數(shù)字圖像處理中圖像的數(shù)字化顯示是基礎(chǔ)。將模擬圖像轉(zhuǎn)化成數(shù)字圖像的過(guò)程就是圖形、圖像的數(shù)字化過(guò)程。這個(gè)過(guò)程主要包含采樣、量化和編碼三個(gè)步驟。

1．采樣 采樣的實(shí)質(zhì)就是要用多少點(diǎn)來(lái)描述一幅圖像，采樣結(jié)果質(zhì)量的高低就是用前面所說(shuō)的圖像分辨率來(lái)衡量。簡(jiǎn)單來(lái)講，對(duì)二維空間上連續(xù)的圖像在水平和垂直方向上等間距地分割成矩形網(wǎng)狀結(jié)構(gòu)，所形成的微小方格稱為像素點(diǎn)。一副圖像就被采樣成有限個(gè)像素點(diǎn)構(gòu)成的集合。采樣頻率是指一秒鐘內(nèi)采樣的次數(shù)，它反映了采樣點(diǎn)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(zhì)量越高，但要求的存儲(chǔ)量也越大。在進(jìn)行采樣時(shí)，采樣點(diǎn)間隔大小的選取很重要，它決定了采樣后的圖像能真實(shí)地反映原圖像的程度。一般來(lái)說(shuō)，原圖像中的畫(huà)面越復(fù)雜，色彩越豐富，則采樣間隔應(yīng)越小。

由于二維圖像的采樣是一維的推廣，根據(jù)信號(hào)的采樣定理，要從取樣樣本中精確地復(fù)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(shù)值來(lái)表示圖像采樣之后的每一個(gè)點(diǎn)。量化的結(jié)果是圖像能夠容納的顏色總數(shù)，它反映了采樣的質(zhì)量。例如：如果以4位存儲(chǔ)一個(gè)點(diǎn)，就表示圖像只能有16種顏色；若采用16位存儲(chǔ)一個(gè)點(diǎn)，則有216=65536種顏色。所以，量化位數(shù)越來(lái)越大，表示圖像可以擁有更多的顏色，自然可以產(chǎn)生更為細(xì)致的圖像效果。但是，也會(huì)占用更大的存儲(chǔ)空間。兩者的基本問(wèn)題都是視覺(jué)效果和存儲(chǔ)空間的取舍。假設(shè)有一幅黑白灰度的照片，因?yàn)樗谒接诖怪狈较蛏系幕叶茸兓际沁B續(xù)的，都可認(rèn)為有無(wú)數(shù)個(gè)像素，而且任一點(diǎn)上灰度的取值都是從黑到白可以有無(wú)限個(gè)可能值。通過(guò)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(gè)像素，每個(gè)像素的取值代表該像素的灰度（亮度）。對(duì)灰度進(jìn)行量化，使其取值變?yōu)橛邢迋€(gè)可能值。經(jīng)過(guò)這樣采樣和量化得到的一幅空間上表現(xiàn)為離散分布的有限個(gè)像素，灰度取值上表現(xiàn)為有限個(gè)離散的可能值的圖像稱為數(shù)字圖像。只要水平和垂直方向采樣點(diǎn)數(shù)足夠多，量化比特?cái)?shù)足夠大，數(shù)字圖像的質(zhì)量就比原始模擬圖像毫不遜色。在量化時(shí)所確定的離散取值個(gè)數(shù)稱為量化級(jí)數(shù)。為表示量化的色彩值（或亮度值）所需的二進(jìn)制位數(shù)稱為量化字長(zhǎng)，一般可用8位、16位、24位或更高的量化字長(zhǎng)來(lái)表示圖像的顏色；量化字長(zhǎng)越大，則越能真實(shí)第反映原有的圖像的顏色，但得到的數(shù)字圖像的容量也越大。

3．壓縮編碼數(shù)字化后得到的圖像數(shù)據(jù)量十分巨大，必須采用編碼技術(shù)來(lái)壓縮其信息量。在一定意義上講，編碼壓縮技術(shù)是實(shí)現(xiàn)圖像傳輸與儲(chǔ)存的關(guān)鍵。

數(shù)學(xué)里的變換，指一個(gè)圖形（或表達(dá)式）到另一個(gè)圖形（或表達(dá)式）的演變。圖象變換是函數(shù)的一種作圖方法。已知一個(gè)函數(shù)的圖象，通過(guò)某種或多種連續(xù)方式變換，得到另一個(gè)與之相關(guān)的函數(shù)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(yīng)用最廣泛的一種變換。數(shù)字圖像經(jīng)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(yōu)點(diǎn)，最突出的是算法運(yùn)算次數(shù)將大大減少，并可采用二維數(shù)字濾波技術(shù)進(jìn)行所需要的各種圖像處理。

二位離散余弦變換其去相關(guān)性近似于K-L(Karhunen-Loeve)最佳變換,算法復(fù)雜度適中,易于硬件實(shí)現(xiàn),且具有抗干擾能力強(qiáng)等優(yōu)點(diǎn),因此,DCT及IDCT被廣泛應(yīng)用于H.261、H.263、H.264、JPEG、MPEG等視頻壓縮標(biāo)準(zhǔn)中。

小波分解可以覆蓋整個(gè)頻域(提供了一個(gè)數(shù)學(xué)上完備的描述)；小波變換通過(guò)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(guān)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(shí)間分辨率(寬分析窗口)，在高頻段，可用低頻率分辨率和高時(shí)間分辨率(窄分析窗口)；小波變換實(shí)現(xiàn)上有快速算法(Mallat小波分解算法)。小波變換是一種信號(hào)的時(shí)間——尺度分析方法，他具有多分辨率分析的特點(diǎn)，而且在時(shí)頻兩域都具有表征信號(hào)

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(shí)間窗和頻率窗都可變的時(shí)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(shí)間分辨率，在高頻部分具有較高的時(shí)間分辨率和較低的頻率分辨率，很適合探測(cè)正常信號(hào)中夾帶的瞬態(tài)反常現(xiàn)象并展示其成分，所以被譽(yù)為分析信號(hào)的顯微鏡。

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

第二篇：數(shù)字圖像處理 讀書(shū)筆記

《數(shù)字圖象處理》學(xué)士論文讀書(shū)筆記

運(yùn)動(dòng)對(duì)象檢測(cè)是數(shù)字圖像處理技術(shù)的一個(gè)重要部分，它是計(jì)算機(jī)視覺(jué)、目標(biāo)識(shí)別與跟蹤、運(yùn)動(dòng)圖像編碼、基于內(nèi)容的檢索、安全監(jiān)控等視頻分析和處理應(yīng)用的關(guān)鍵步驟。解決跟蹤算法的計(jì)算量與實(shí)時(shí)性這對(duì)矛盾，是提高系統(tǒng)跟蹤精度和跟蹤穩(wěn)定性的關(guān)鍵，此即為本文的關(guān)鍵所在。

對(duì)于變化很慢的背景圖像而言，可把動(dòng)目標(biāo)看作目標(biāo)對(duì)背景的擾亂，可以看作Kalman濾波器在零均值白噪聲時(shí)的退化公式：

WT[?I?WP(k)WT]? K(k?1)?P(k?1)

若認(rèn)為圖像每一個(gè)時(shí)空點(diǎn)在空間獨(dú)立，則以上變量均為標(biāo)量。即： B(k)P(k?1)?P(k),P(1)?1B(k?1)

這就是說(shuō)估值的方差隨著測(cè)量次數(shù)的增加而逐漸減小，結(jié)果是收斂的，對(duì)于圖像，只要系統(tǒng)采樣頻率足夠快，則可以認(rèn)為背景靜止，所以當(dāng)圖像序列通過(guò)這個(gè)低通濾波器時(shí)，圖像序列中遂時(shí)間緩變的部分就可以分離出來(lái)。接著利用圖像和背景進(jìn)行差分運(yùn)算，即可從圖像中提取出變化的目標(biāo)

式中的D(k+1)是去除背景后的當(dāng)前幀目標(biāo)圖像。而后，考慮到空間鄰接像素之?(k?1)D(k?1)??(k?1)???(k?1)???(k)?K(k?1)???(k)??(k?1)?W?P(k_?1)?1?[I?K(k?1)W]P(k)

間的相關(guān)性，需要進(jìn)一步對(duì)差分圖像數(shù)據(jù)進(jìn)行4x4的空間滑動(dòng)平均濾波以消除輸入圖像中的噪聲影響，然后將以上得到的目標(biāo)圖的D(k+1))中每個(gè)像素的灰度數(shù)據(jù)向行和列方向分別投影并且求和，據(jù)此計(jì)算目標(biāo)的質(zhì)心，得到相對(duì)飽滿的目標(biāo)圖像。

該文探討了漸消記憶遞歸最小二乘法在圖像背景重建中的應(yīng)用，使用簡(jiǎn)捷有效的算法結(jié)構(gòu)在復(fù)雜背景的條件下分離出了背景和動(dòng)目標(biāo)；對(duì)圖像在空間域做4~4的滑動(dòng)平均濾波有效地抑制了于擾噪聲；在求目標(biāo)的質(zhì)心時(shí)采用等效灰度投影算法，簡(jiǎn)化了求質(zhì)心運(yùn)算，整體上說(shuō)算法簡(jiǎn)潔，操作方便，基本上解決了引文提出的矛盾。文章研究的運(yùn)動(dòng)對(duì)象檢測(cè)可應(yīng)用在計(jì)算機(jī)視覺(jué)、目標(biāo)識(shí)別與跟蹤、運(yùn)動(dòng)圖像編碼、基于內(nèi)容的檢索、安全監(jiān)控等視頻分析和處理應(yīng)用的關(guān)鍵步驟上，如若這種算法得到進(jìn)一步優(yōu)化和更新，一定會(huì)運(yùn)用到更多更廣的地方。

通信二班 陳陽(yáng)（10950229）

本文由芬樂(lè)網(wǎng)提供

參考文獻(xiàn)

1.劉永信等《復(fù)雜背景圖像中檢測(cè)動(dòng)目標(biāo)的一種方法》 摘自《計(jì)算機(jī)工程與應(yīng)用》2002.03

2.曹炬等《從移動(dòng)背景紅外序列圖像中檢測(cè)運(yùn)動(dòng)目標(biāo)》 摘自《電子信息學(xué)報(bào)》2005.01

3.何衛(wèi)華等《復(fù)雜背景下基于圖像融合的運(yùn)動(dòng)目標(biāo)輪廓提取算法》 摘自《計(jì)算機(jī)應(yīng)用》2006.01

第三篇：《數(shù)字圖像處理》

實(shí)驗(yàn)五 圖像的幾何變換

一．實(shí)驗(yàn)?zāi)康募耙?/p>

掌握?qǐng)D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(shí)現(xiàn)方法。

二、實(shí)驗(yàn)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(yàn)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(shuō)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(shí)驗(yàn)。2.圖像旋轉(zhuǎn)

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

% 將圖像逆時(shí)針旋轉(zhuǎn)45?。

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

% using the nearest neighbor interpolation Theta =-45;

% 將圖像順時(shí)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(shí)針逆時(shí)針

clear all, close all I = imread('cameraman.tif');Theta = 30;

% 將圖像逆時(shí)針旋轉(zhuǎn)30。

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

% using the nearest neighbor interpolation Theta =-30;

% 將圖像順時(shí)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(shuō)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(shí)驗(yàn)。

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(shí)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(shí)驗(yàn)設(shè)備

1．PIII以上微機(jī)； 2．MATLAB6.5；

四、預(yù)習(xí)與思考

1．預(yù)習(xí)實(shí)驗(yàn)內(nèi)容，閱讀教材熟悉實(shí)驗(yàn)原理；

2．查閱資料，熟悉實(shí)驗(yàn)中涉及的有關(guān)MATLAB函數(shù)；

3．利用課余時(shí)間，采用MATLAB底層函數(shù)編程實(shí)現(xiàn)實(shí)驗(yàn)內(nèi)容

（二）中的圖像平移、圖像轉(zhuǎn)置等幾何變換。

五、實(shí)驗(yàn)報(bào)告要求

1．簡(jiǎn)述試驗(yàn)的目的和試驗(yàn)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(shí)驗(yàn)結(jié)果； 3．打印出所編寫(xiě)的實(shí)驗(yàn)程序。4．寫(xiě)出本實(shí)驗(yàn)的心得體會(huì)及意見(jiàn)。

實(shí)驗(yàn)六

數(shù)字圖像處理應(yīng)用

一．實(shí)驗(yàn)?zāi)康募耙?/p>

1．利用MATLAB提供的圖像處理函數(shù)實(shí)現(xiàn)圖像中物體屬性的測(cè)量； 2．訓(xùn)練綜合運(yùn)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(shí)驗(yàn)內(nèi)容

以大米粒特性測(cè)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(qiáng)、圖像特征提取等圖像處理方法，實(shí)現(xiàn)大米粒特性自動(dòng)測(cè)量。實(shí)驗(yàn)過(guò)程簡(jiǎn)述：

1． 讀取和顯示圖像 2． 估計(jì)圖像背景 3． 獲取背景均勻的圖像 4． 圖像增強(qiáng) 5． 圖像二值化分割 6． 區(qū)域標(biāo)記及為彩色處理

7． 測(cè)量圖像中的區(qū)域特性（面積、質(zhì)心等）

8．統(tǒng)計(jì)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(yàn)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(jiàn)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(shí)驗(yàn)設(shè)備 1．PIII以上微機(jī)； 2．MATLAB6.5；

四、預(yù)習(xí)與思考

1．預(yù)習(xí)實(shí)驗(yàn)內(nèi)容，閱讀教材熟悉實(shí)驗(yàn)原理； 2．查閱資料，熟悉實(shí)驗(yàn)中涉及的有關(guān)函數(shù)。

3．利用課余時(shí)間，采用MATLAB函數(shù)編程實(shí)現(xiàn)實(shí)驗(yàn)內(nèi)容

（二）。

五、實(shí)驗(yàn)報(bào)告要求

1．簡(jiǎn)述試驗(yàn)的目的和試驗(yàn)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(shí)驗(yàn)結(jié)果； 3．打印出所編寫(xiě)的實(shí)驗(yàn)程序。4．寫(xiě)出本實(shí)驗(yàn)的心得體會(huì)及意見(jiàn)。

第四篇：數(shù)字圖像處理

中南大學(xué)

數(shù)字圖像處理實(shí)驗(yàn) 實(shí)驗(yàn)名稱：空間濾波和頻域?yàn)V波

班級(jí)：電子信息0802班

姓名：李哲 學(xué)號(hào)：0909080609 實(shí)驗(yàn)日期：2010年12月22日

目錄

一，實(shí)驗(yàn)?zāi)康???????????????????????3 二，給圖像添加噪聲????????????????????4 三，對(duì)被噪聲污染的圖像進(jìn)行中值濾波和均值濾波???????5 四，對(duì)圖像進(jìn)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(huì) ??????????????????????10 九，參考文獻(xiàn) ??????????????????????10

一、實(shí)驗(yàn)?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(shí)驗(yàn)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(jìn)行程序設(shè)計(jì)，學(xué)習(xí)如何對(duì)已被噪聲污染的圖像進(jìn)行“凈化”。通過(guò)平滑處理，對(duì)結(jié)果圖像加以比較，得出自己的實(shí)驗(yàn)結(jié)論。學(xué)習(xí)如何用銳化處理技術(shù)來(lái)加強(qiáng)圖像的目標(biāo)邊界和圖像細(xì)節(jié)，對(duì)圖像進(jìn)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(jìn)一步的增強(qiáng)及突出。本實(shí)驗(yàn)銳化處理主要在空間域中進(jìn)行 2，頻域?yàn)V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(guò)實(shí)驗(yàn)了解二維頻譜的分布特點(diǎn)； 掌握怎樣利用傅立葉變換進(jìn)行頻域?yàn)V波

利用MATLAB程序數(shù)字圖像的傅立葉變換并且進(jìn)行頻域?yàn)V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(duì)被噪聲污染的圖像進(jìn)行中值濾波和均值濾波： 原理：自帶函數(shù)進(jìn)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(duì)圖像進(jìn)行空間域的銳化： 原理：自帶函數(shù)進(jìn)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(shí)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(duì)值 Fc=fftshift(Fabs);% 中心移位 SFc=log(1+Fc);% 對(duì)數(shù)變換

iFc1=ifftshift(Fc);% 中心移位的逆變換，絕對(duì)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(jì)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(huì)

1，進(jìn)一步熟悉了Matlab軟件、編程以及圖像處理工具箱 2，學(xué)會(huì)利用自帶函數(shù)對(duì)圖像做簡(jiǎn)單的處理，例如：均值化等。3，熟練了一些基本函數(shù)的運(yùn)用，例如fspecial，imfilter等。4，加深了對(duì)MATLAB編程的理解。

5，對(duì)于試驗(yàn)中的出現(xiàn)的一些問(wèn)題，懂得怎樣去處理。6，通過(guò)實(shí)際操作，增強(qiáng)了自己的動(dòng)手能力，把理論用于實(shí)踐。

參考文獻(xiàn)：數(shù)字圖像處理第二版

MATLAB教程

第五篇：數(shù)字圖像處理實(shí)驗(yàn)報(bào)告

實(shí) 驗(yàn) 報(bào) 告 書(shū)

系部學(xué)生專業(yè)班

實(shí)驗(yàn)

名稱姓名名稱 級(jí)時(shí)間：

： ： ：

：

實(shí)驗(yàn)一 直方圖均衡

一、實(shí)驗(yàn)?zāi)康?/p>

在學(xué)習(xí)圖像直方圖的概念、計(jì)算方法、性質(zhì)和相關(guān)應(yīng)用基礎(chǔ)上，生成、繪制圖像的直方圖，并應(yīng)用MATLAB編程實(shí)現(xiàn)圖像直方圖均衡化程序。

二、實(shí)驗(yàn)內(nèi)容

（1）計(jì)算并繪制圖像直方圖；

（2）編程實(shí)現(xiàn)圖像的直方圖均衡化處理，顯示均衡前后的直方圖和圖像；

三、實(shí)驗(yàn)運(yùn)行結(jié)果

四、實(shí)驗(yàn)中遇到的問(wèn)題及解決方法

1、顯示無(wú)法找到圖像文件，應(yīng)將圖片與xx.m文件置于同一文件夾；

2、編程過(guò)程中應(yīng)注意標(biāo)點(diǎn)的輸入法，應(yīng)該用英文輸入，否則會(huì)報(bào)錯(cuò)。

3、編程完成后運(yùn)行時(shí)輸入文件名與保存時(shí)文件名相同，區(qū)分大小寫(xiě)。

五、思考題

（1）、灰度直方圖可以反映一幅圖像的哪些特征？ 答：

1、表征了圖像的一維信息。只反映圖像中像素不同灰度值出現(xiàn)的次數(shù)（或頻數(shù)）而未反映像素所在位置。

2、與圖像之間的關(guān)系是多對(duì)一的映射關(guān)系。一幅圖像唯一確定出與之對(duì)應(yīng)的直方圖，但不同圖像可能有相同的直方圖。

3、子圖直方圖之和為整圖的直方圖。(2)均衡化后的直方圖有何特點(diǎn)？

答：經(jīng)直方圖均衡化處理后，可以得到一副改善了質(zhì)量的新圖像。這幅圖像的灰度層次將不再是呈黑暗色調(diào)的圖像，而是一副灰度層次較為適中的、比原始圖像清晰、明快得多的圖像。處理的結(jié)果使圖像更適合與人的視覺(jué)特征或機(jī)器的識(shí)別系統(tǒng)。

六、實(shí)驗(yàn)心得體會(huì)

本次實(shí)驗(yàn)中，因?yàn)槌鯇W(xué)這個(gè)軟件，我學(xué)習(xí)到了在程序中關(guān)于圖像的運(yùn)用，以及也復(fù)習(xí)了課本上的許多知識(shí)，加深了對(duì)直方圖均衡化的理解。

七、程序清單

clear all;I=imread('lena_gray_256.tif');%打開(kāi)一幅灰度圖像 [m,n]=size(I);p=m*n;J=imhist(I)./p;

%計(jì)算圖像的歸一化直方圖 subplot(1,3,1),imshow(I)； subplot(1,3,2),imhist(I,64)； subplot(1,3,3),plot(J)；

（2）直方圖均衡化

clear all;Im=imread('region.jpg');J=histeq(Im);%均衡化 subplot(2,2,1);imshow(Im);title('原圖');%顯示原圖 subplot(2,2,2);imhist(Im);title('原圖直方圖');%顯示原圖的直方圖 subplot(2,2,3);imshow(J);title('均衡化結(jié)果');%顯示均衡化后的圖像 subplot(2,2,4);imhist(J);title('均衡化結(jié)果的直方圖');%顯示均衡化后的直方圖

實(shí)驗(yàn)二 頻域圖像增強(qiáng)

一、實(shí)驗(yàn)?zāi)康?/p>

1、頻域圖像增強(qiáng)

2、掌握基于頻域的圖像增強(qiáng)方法。

二、實(shí)驗(yàn)內(nèi)容

（1）編程實(shí)現(xiàn)圖像的理想低通和高通濾波；（2）編程實(shí)現(xiàn)圖像的巴特沃斯低通和高通濾波。

三、實(shí)驗(yàn)運(yùn)行結(jié)果

四、實(shí)驗(yàn)中遇到的問(wèn)題及解決方法

顯示圖像無(wú)法打開(kāi)，最終查出來(lái)時(shí)圖像格式弄錯(cuò)了。

五、思考題

分析為什么圖像通過(guò)低通濾波器后變得模糊？為什么通過(guò)高通濾波器后得到銳化結(jié)果？

答：圖像的精細(xì)結(jié)構(gòu)及突變部分主要由高頻成分起作用，故經(jīng)低通濾波后圖像的精細(xì)結(jié)構(gòu)消失，變得模糊；經(jīng)高通濾波后圖像得到銳化。

六、實(shí)驗(yàn)心得體會(huì)

本實(shí)驗(yàn)中遇到很多問(wèn)題及錯(cuò)誤，例如圖像打不開(kāi)、處理后圖像模糊等，都是經(jīng)常容易發(fā)生的錯(cuò)誤，最后實(shí)驗(yàn)幾次，就能夠逐一自己解決了。使自己對(duì)數(shù)字圖像處理課程中的許多問(wèn)題有了更實(shí)際和確切的深入了解。

七、程序清單

clc;clear;data4=imread('lena.gif');subplot(3,2,1);imshow(data4);title('原圖');i=fft2(data4);subplot(3,2,2);i=fftshift(i);z=log(abs(i));x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);%以三維坐標(biāo)顯示該圖像頻譜圖title('原圖頻譜');[n,m]=size(i);%for k=1:1:n for l=1:1:m if(k^2+l^2)>=190^2 % result(k,l)=0;else result(k,l)=i(k,l);end end end subplot(3,2,4);

對(duì)該圖進(jìn)行低通濾波 選取D=190

z=log(abs(result));%三維方式顯示低通濾波后的頻譜圖 x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);title('理想低通濾波后的頻譜');subplot(3,2,3);%新建圖像顯示窗口 result=fftshift(result);%濾波后的數(shù)據(jù)去中心化 b=ifft2(result);%逆傅里葉變換 imshow(uint8(abs(b)));title('理想低通濾波后的圖像');subplot(3,2,6);%新建圖像顯示窗口 % [n,m]=size(c);%對(duì)原圖進(jìn)行高通濾波 for k=1:1:n for l=1:1:m if(k^2+l^2)<=190^2 %選取D=190 result(k,l)=0;else result(k,l)=i(k,l);end end end z=log(abs(result));x=0:1:255;%三維方式顯示高通濾波前的頻譜圖 y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);title('理想高通濾波后的頻譜');subplot(3,2,5);result=fftshift(result);%濾波后的數(shù)據(jù)去中心化 d=ifft2(result);%逆傅里葉變換

imshow(uint8(abs(d)));title('理想高通濾波后的圖像');%頻域增強(qiáng)（巴特沃斯原型）

%二階巴特沃斯（Butterworth）低通濾波器 %clc;%clear;Figure;J1=imread('lena.gif');subplot(3,2,1);imshow(J1);title('原圖');f=double(J1);g=fft2(f);% 傅立葉變換 g=fftshift(g);% 轉(zhuǎn)換數(shù)據(jù)矩陣 subplot(3,2,2);x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);z=log(abs(g));%取幅度 mesh(z);%以三維坐標(biāo)顯示該圖像頻譜圖 title('原圖頻譜');[M,N]=size(g);nn=2;% 二階巴特沃斯(Butterworth)低通濾波器 d0=20;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(jì)算低通濾波器傳遞函數(shù) result(i,j)=h*g(i,j);

end end subplot(3,2,4);x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);z=log(abs(result));%取幅度 mesh(z);%以三維坐標(biāo)顯示該圖像頻譜圖 title('低通濾波后的頻譜');result=ifftshift(result);J2=ifft2(result);J3=uint8(abs(J2));subplot(3,2,3);imshow(J3);title('低通濾波后的圖像');

%利用二階巴特沃斯（Butterworth）高通濾波器

nn=2;% 二階巴特沃斯(Butterworth)高通濾波器 d0=5;m=fix(M/2);n=fix(N/2);for i=1:M for j=1:N d=sqrt((i-m)^2+(j-n)^2);if(d==0)h=0;else h=1/(1+0.414*(d0/d)^(2*nn));% 計(jì)算傳遞函數(shù) end result(i,j)=h*g(i,j);

end end subplot(3,2,6);x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);z=log(abs(result));%取幅度 mesh(z);%以三維坐標(biāo)顯示該圖像頻譜圖 title('高通濾波后的頻譜');result=ifftshift(result);J2=ifft2(result);J3=uint8(abs(J2));subplot(3,2,5);imshow(J3);title('高通濾波后的圖像');

實(shí)驗(yàn)三 圖像邊緣檢測(cè)與連接

一、實(shí)驗(yàn)?zāi)康?/p>

圖像邊緣檢測(cè)與連接

二、實(shí)驗(yàn)內(nèi)容

（1）編程實(shí)現(xiàn)一階差分邊緣檢測(cè)算法，包括Robert梯度算子、Prewitt算子、Sobel算子等；（2）編程實(shí)現(xiàn)二階差分拉普拉斯邊緣檢測(cè)算法以及LoG檢測(cè)法和Canny檢測(cè)法；（3）分析與比較各種邊緣檢測(cè)算法的性能；

（4）編程實(shí)現(xiàn)Hough變換提取直線

（5）分析Hough變換檢測(cè)性能；

三、實(shí)驗(yàn)運(yùn)行結(jié)果

四、實(shí)驗(yàn)中遇到的問(wèn)題及解決方法

拷貝文件后沒(méi)改文件名，直接執(zhí)行時(shí)出現(xiàn)錯(cuò)誤，最后重新修改后重新編譯，使之成功。

五、思考題

（1）邊緣的方向是什么意思？為什么要考慮邊緣的方向？

答：邊緣常常意味著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開(kāi)始，圖像的邊緣也包含了物體的形狀的重要信息，他不僅在分析圖像時(shí)大幅度的減少了要處理的信息量，而且還保護(hù)了目標(biāo)的邊界結(jié)構(gòu)。所以考慮邊緣的方向很重要。

（2）Hough變換原理是什么？

答：Hough變換的基本原理在于利用點(diǎn)與線的對(duì)偶性，將原始圖像空間的給定的曲線通過(guò)曲線表達(dá)形式變?yōu)閰?shù)空間的一個(gè)點(diǎn)。這樣就把原始圖像中給定曲線的檢測(cè)問(wèn)題轉(zhuǎn)化為準(zhǔn)找參數(shù)空間的峰值問(wèn)題。也即把檢測(cè)整體特性轉(zhuǎn)化為檢測(cè)局部特性。比如直線、橢圓、圓、弧線等。

六、實(shí)驗(yàn)心得體會(huì)

對(duì)于一些圖像處理的函數(shù)不是很了解，只能夠按課本的參照函數(shù)拷貝做實(shí)驗(yàn)，對(duì)于其中的一些函數(shù)問(wèn)題理解不是很透徹，有些甚至完全不懂。還得繼續(xù)努力。

七、程序清單

1、邊緣檢測(cè)

由edge函數(shù)實(shí)現(xiàn)各算子對(duì)圖像的邊緣檢測(cè)

clear all;I = imread('d:office.bmp');I=rgb2gray(I);BW1 = edge(I,'sobel');

%利用Sobel算子進(jìn)行邊緣檢測(cè) BW2 = edge(I,'roberts');%利用roberts算子進(jìn)行邊緣檢測(cè) BW3 = edge(I,'prewitt');%利用prewitt算子進(jìn)行邊緣檢測(cè) BW4 = edge(I,'log');

%利用log算子進(jìn)行邊緣檢測(cè) BW5 = edge(I,'canny');

%利用canny算子進(jìn)行邊緣檢測(cè) subplot(2,3,1),imshow(I)subplot(2,3,2),imshow(BW1)subplot(2,3,3),imshow(BW2)subplot(2,3,4),imshow(BW3)

subplot(2,3,5),imshow(BW4)subplot(2,3,6),imshow(BW5)

2、邊緣連接

使用Hough變換作線檢測(cè)和連接

clear all;

RGB = imread('d:M_M.bmp');I=RGB;%I = rgb2gray(RGB);BW = edge(I,'canny');

% 利用Canny算子提取圖像邊緣 [H,T,R] = hough(BW,'RhoResolution',0.5,'ThetaResolution',0.5);figure(1), imshow(T,R,H,[],'notruesize'), axis on, axis normal xlabel('T'), ylabel('R')p = houghpeaks(H,5,'threshold',ceil(0.3*max(H(:))));

%找到5個(gè)較明顯的Hough變換峰值

hold on plot(T(p(:,2)),R(p(:,1)),'s','color','white');lines = houghlines(BW,T,R,p,'FillGap',10,'MinLength',10);

%查找并鏈接線段

figure, imshow(BW), hold on %在二值圖中疊加顯示這些線段 for k = 1:length(lines)

xy = [lines(k).point1;lines(k).point2];

plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');end