1. 图像处理的主要方法分几大类?
答：图字图像处理方法分为大两类：空间域处理（空域法）和变换域处理（频域
法）。
空域法：直接对获取的数字图像进行处理。
频域法：对先对获取的数字图像进行正交变换，得到变换系数阵列，然后再进行
处理，最后再逆变换到空间域，得到图像的处理结果
2. 图像处理的主要内容是什么?
答：图形数字化（图像获取）：把连续图像用一组数字表示，便于用计算机分析
处理。图像变换：对图像进行正交变换，以便进行处理。图像增强：对图像的某
些特征进行强调或锐化而不增加图像的相关数据。图像复原：去除图像中的噪声
干扰和模糊，恢复图像的客观面目。图像编码：在满足一定的图形质量要求下对
图像进行编码，可以压缩表示图像的数据。图像分析：对图像中感兴趣的目标进
行检测和测量，从而获得所需的客观信息。图像识别：找到图像的特征，以便进
一步处理。图像理解：在图像分析的基础上得出对图像内容含义的理解及解释，
从而指导和规划行为。
3. 名词解释：灰度、像素、图像分辨率、图像深度、图像数据量。
答：灰度:使用黑色调表示物体,即用黑色为基准色，不同的饱和度的黑色来显示
图像.像素：在卫星图像上，由卫星传感器记录下的最小的分立要素(有空间分量
和谱分量两种)。通常，表示图像的二维数组是连续的，将连续参数 x,y ，和 f 取
离散值后，图像被分割成很多小的网格，每个网格即为像素 图像分辨率：指对
原始图像的采样分辨率，即图像水平或垂直方向单位长度上所包含的采样点数。
单位是“像素点/单位长度”图像深度是指存储每个像素所用的位数,也用于量度
图像的色彩分辨率.图像深度确定彩色图像的每个像素可能有的颜色数,或者确
定灰度图像的每个像素可能有的灰度级数.它决定了彩色图像中可出现的最多颜
色数,或灰度图像中的最大灰度等级（图像深度：位图图像中，各像素点的亮度
或色彩信息用二进制数位来表示，这一数据位的位数即为像素深度，也叫图像深
度。图像深度越深，能够表现的颜色数量越多，图像的色彩也越丰富。）
图像数据量：图像数据量是一幅图像的总像素点数目与每个像素点所需字节数的
乘积。
4. 什么是采样与量化？
答：扫描：按照一定的先后顺序对图像进行遍历的过程。采样：将空间上连续的
图像变成离散点的操作。采样过程即可看作将图像平面划分成网格的过程。量化：
将采样得到的灰度值转换为离散的整数值。灰度级：一幅图像中不同灰度值的个
数。一般取0~255，即256个灰度级
5.说明图像函数 的各个参数的具体含义。 答：其中，x 、y 、z 是空间坐标，λ是波长，t 是时间，I 是像素点的强度。它
表示活动的、彩色的、三维的视频图像。对于静止图像，则与时间t 无关；对于
单色图像，则波长λ为常数；对于平面图像，则与坐标z 无关。
6、请解释马赫带效应，马赫带效应和同时对比度反映了什么共同的问题?
答：马赫带效应：基于视觉系统有趋向于过高或过低估计不同亮度区域边界值的
现象。同时对比度现象：此现象表明人眼对某个区域感觉到的亮度不仅仅依赖它
的强度，而与环境亮度有关
共同点： 它们都反映了人类视觉感知的主观亮度并不是物体表面照度的简单函
数。
)
,,,,(t z y x f I λ=
7、色彩具有那几个基本属性？描述这些基本属性的含义。
答：色彩是光的物理属性和人眼的视觉属性的综合反映。色彩具有三个基本属性：
色调、饱和度和亮度
色调是与混合光谱中主要光波长相联系的（红绿蓝）饱和度表示颜色的深浅程度，
与一定色调的纯度有关，纯光谱色是完全饱和的，随着白光的加入饱和度逐渐减
少。（如深红、浅红等）亮度与物体的反射率成正比。颜色中掺入白色越多就越
明亮，掺入黑色越多亮度越小。
8、什么是视觉的空间频率特性？什么是视觉的时间特性？
答：视觉的空间频率特性：空间频率是指视像空间变化的快慢。明亮的图像（清
晰明快的画面）意味着有大量的高频空间成分；模糊的图像只有低频空间成分。
视觉的时间特性：使视觉图像建立起来是需要时间的，而视觉图像建立起来之后，
即使把目标图像拿走，视觉反应也要持续一段时间。因此而产生视觉的运动感觉
9、颜色模型有哪几种？答：RGB 模型：所有颜色都可以看作3个基本颜色：红
(R)、绿(G)、蓝(B)的不同组合。
RGB 模型面向彩色显示器或打印机等设备。HSI 模型：基于区分颜色的3种基本
特征量，即：色调（hue) 饱和度(saturation)和亮度（intensity) 。适合人的
视觉系统。HSI 格式可以用一个圆柱体表示：圆柱体横截面形成彩色环；色调由
角度表示；饱和度由半径上的点至圆心的距离表示，圆周上的颜色其饱和度为1，
圆心的饱和度为0；圆柱的轴线表示亮度，底部的亮度最低，顶部的亮度最高
10、图像的四种基本类型是什么？
答：二值图像、灰度图像、索引图像和真彩色RGB 图像
11、什么是图像的信息量、图像的振幅谱？
答：图像的信息量：表示图像所含信息的多少。图像的振幅谱：图像信号g(x,y)
的傅里叶变换。
12、为什么进行灰度变换可以增强对比度？
答：对比度增强或对比度拉伸：一幅图像通过点运算将其灰度范围扩大，该方法
称为对比度增强。
方法：线性灰度变换（线性点运算）和非线性点运算
13、图像有哪些显示特性？
答：最重要的显示特性是图像的大小、光度分辨率、低频响应、高频响应、点间
距和噪声特性。
14、傅里叶变换有哪些重要的性质？
答：1.共轭对称性和周期性：傅里叶变换不改变函数的奇偶性，但对虚实性有影
响，也就是说，偶函数的傅里叶变换不引入系数，虚实性保持不变；而奇函数的
傅里叶变换将引入系数-j ，从而改变虚实性，即“奇变偶不变” 。2.加法定理。
3.位移定理：函数位移不会改变其傅立叶变换的模（幅值），但是会改变实部与
虚部之间的能量分布，其结果是产生一个与角频率和位移量均成正比的相移 4.
相似性定理（尺度变换）描述函数自变量的尺度变化对其傅里叶变换的影响５．相
关定理（卷积定理）6帕斯维尔（Parseval ）定理，它表明：变换函数与原函数
具有相同的能量。也称能量保持定理。7.二维傅里叶变换的分离性8．旋转性质： ９．平均值
15、如何由一维傅里叶变换实现二维傅里叶变换？（分离性）
答：可分离性是指可以将二维离散傅里叶变换分解成下面的两个一维离散傅里叶
.也旋转),(的傅里叶变换旋转),(对于00θθv u F y x f
变换来实现（一个二维傅里叶变换可以由连续两次运用一维傅里叶变换来实现。）16、什么是小波？小波函数是唯一的吗？
答：小波变换是一种在有限宽度的范围内进行的正交的或非正交的变换。小波变换的基函数是一种不仅在频率上而且在位置上变化的有限的波形函数。不是唯一的
17、一个小波函数应满足哪些条件？
答：（1）函数应有速降特性（衰减性），即在一个很小的区间外，函数为零。（2）函数应有波动性（振荡性），即平均值为零（3）函数具有带通型，即4）函数具有能量有限性
18、试述小波变换的基本性质。
答：（1）线性：小波变换是线性变换，它把一维信号分解成不同尺度的分量（2）（3）冗余性：小波基函数不唯一。信号f(x)的小波变换与小波重构不存在一一对应的关系，而傅里叶变换与逆变换存在一一对应关系；小波变换的基函数有多种可能的选择。（4）小波逆变换存在性（重构性）小波变换是一种信息保持型的可逆变换，原来信号的信息完全保留在小波变换系数中。（5）能量比例性：在允许条件下，小波变换幅度的平方的积分与信号能量成正比（6）正则性：小波变换随尺度a的减少而迅速减少，以保证其在频域上较好的局域性能
19、为什么一般情况下对离散图像的直方图均衡化并不能产生完全均匀分布的直方图？
答：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。由于离散图象的直方图也是离散的，其灰度的累积分布函数是一个不减的阶梯函数。如果映射后的图象仍能取到所有256级灰度，那一定是原图象没有任何改变，这种情况只可能发生在原图象的直方图已经是一条水平线的情况下。一般情况下映射后所得到的图象只能取到少于256级灰度，这样在变换后的直方图中会有某些灰度级空缺，当然这些空缺应该均匀分布在0到255之间。于是问题就变成了将原有的256个值，即各灰度的概率，按顺序分成n（n<256）份，每份的概率总和应该相等。显然这个问题是不一定有解的，因此我们只能找到一个近似解。其结果就是最后得到一幅有空缺且不太平坦的直方图。
20、高通滤波法中常有几种滤波器？
答：巴特沃斯高通滤波器、指数高通滤波器、梯形高通滤波器和高斯高通滤波器等。
21、同态滤波器的特点是什么？适用于什么情况？
答：其作用是对图像的灰度范围进行压缩调整，同时将图像的对比度增强的方法。同态滤波原理：在对数域中对图像进行滤波，在压缩图像整体灰度范围的同时，扩张用户感兴趣的灰度范围。
22、图像数据压缩的目的是什么？数据压缩的三个评价指标是什么？
答：目的是减少存储数据所需要的空间和传输所用的时间。数据的表示、传输、变换和编码方法对图像数据按一定的规则进行变换和组合，从而达到以尽可能少的代码（符号）来表示尽可能多的信息
23、图像数据中存在哪几种冗余性？什么是空间冗余和视觉冗余？
空间冗余、时间冗余、信息熵冗余（编码冗余）、结构冗余、知识冗余、频谱
冗余（视觉冗余）及其它冗余。视觉冗余：人的眼睛对图像细节和颜色的辨认有一个极限，人的视觉特性决定了它最多可辨认出216种颜色，而彩色图像一般每个像素用24位表示，则可表示出224种颜色，由此而带来的数据冗余即为视觉冗余。空间冗余：当图像中的大部分景物表面颜色都是均匀的、连续的，图像数字化后大量相邻像素的数据是完全一样或十分接近的，这就是空间冗余。24、常用的客观保真度准则包括那两种？各有什么特点？
常用的准则可分为：客观保真度准则和主观保真度准则。客观保真度准则：最常用的客观保真度准则是原图像和解码图像之间的均方误差和均方信噪比两种。主观保真度准则：客观保真度是一种统计平均意义下的度量准则，对于图像的细节无法反映出来。具有相同客观保真度的不同图像，人的视觉可能产生不同的视觉效果。因此采用主观方法测量图的质量更合适。
25、简述有损压缩和无损压缩的原理，讨论两者的差异，及各自的应用场合。有损压缩有损压缩可以减少图像在内存和磁盘中占用的空间，在屏幕上观看图像时，不会发现它对图像的外观产生太大的不利影响。．无损压缩无损压缩的基本原理是相同的颜色信息只需保存一次。压缩图像的软件首先会确定图像中哪些区域是相同的，哪些是不同的。
无损压缩方法的优点是能够比较好地保存图像的质量，但是相对来说这种方法的压缩率比较低利用。有损压缩技术可以大大地压缩文件的数据，但是会影响图像质量。如果使用了有损压缩的图像仅在屏幕上显示，可能对图像质量影响不太大，至少对于人类眼睛的识别程度来说区别不大。可是，如果要把一幅经过有损压缩技术处理的图像用高分辨率打印机打印出来，那么图像质量就会有明显的受损痕迹。
26、什么是图像复原？图像复原与增强有何区别？
图像复原：根据事先建立起来的系统退化模型，使降质了的图像以最大的保证度恢复成原图像的本来面貌。
不同：图像增强：不考虑图像的退化原因，采用增强技术来突出图像中感兴趣的特征。因此增强后的图像可能与原始图像有一定的差异。图像复原：需要知道退化原因而找出相应的逆过程方法，从而使恢复图像尽可能地接近于原图像
二者之间的关系：通常对已退化的图像先做复原处理，再作增强处理
27、什么是约束复原？什么是无约束复原？
无约束恢复（逆滤波法或反向滤波法）：在求解过程中，不受任何其他条件的约束。最小二乘估计是一种常用的无约束的图像恢复方法
约束复原法：在无约束复原法的基础上附加一定的约束条件，从而在多个可能结果中选择一个最佳结果。典型的有约束图像恢复技术是有约束的最小二乘图像恢复
28、图像几何校正一般包括那两步？像素灰度内插有哪三种方法？各有何特点？
常用的灰度插值方法有最近邻法、双线性插值法和三次内插法。最近邻法：接取与输出点位置最邻近像素的灰度值为该点的灰度作为采样值。双线性插值法。三次插值法：了得到更精确的（u0，v0）点的灰度值，采用三次内插法，由连续信号采样定理可知，若对采样值用插值函数S=sin (π x) ∕(π x)插值，则可以准确地恢复原函数，即可准确地得到采样点间任意点的值。
29、如果退化图像完全由噪声引起，则如何复原此类退化图像？
盲卷积复原
30、什么是图像分析（图像理解）？
答：图像分析主要是对图像中感兴趣的目标进行监测和测量，以获得它们的客观信息，从而建立对图像的描述。图像分析：使用数字、文字、符号、几何图形或其组合表示图像的内容和特征，是对图像景物的详尽描述和解释。
31、什么是图像分割？
答：将一幅图像分解为若干互不交叠的、有意义的、具有相同性质的区域
32、什么是边缘？边缘检测的理论依据是什么？有哪些方法？各有什么特点？答：边缘：图像中像素灰度有阶跃变化或屋顶状变化的像素的集合。它存在于目标与背景、目标与目标、区域与区域、基元与基元之间。分类：边缘分为阶跃状和屋顶状两种。
33、连续图像和数字图像如何相互转换？
答：数字图像将图像看成是许多大小相同、形状一致的像素组成。这样，数字图像可以用二维矩阵表示。将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像（连续图像）信号，再由模拟/数字转化器（ADC）得到原始的数字图像信号。图像的数字化包括离散和量化两个主要步骤。在空间将连续坐标过程称为离散化，而进一步将图像的幅度值（可能是灰度或色彩）整数化的过程称为量化。
34、采用数字图像处理有何优点？
数字图像处理与光学等模拟方式相比具有以下鲜明的特点：1．具有数字信号处理技术共有的特点。（1）处理精度高。（2）重现性能好。（3）灵活性高。2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。
3．数字图像处理技术适用面宽。
4．数字图像处理技术综合性强。
35、图像处理中正交变换的目的是什么？图像变换主要用于那些方面？
正交变换可以使得图像能量主要集中分布在低频率成分上，边缘和线信息反映在高频率成分上。因此正交变换广泛应用在图像增强、图像恢复、特征提取、图像编码压缩和形状分析等方面
36、离散的沃尔什变换与哈达玛变换之间有那些异同？
哈达玛(Hadamard)变换和沃尔什（Walsh）变换的变换核都是由1，－1 组成的正交方阵。它们不同的地方在于变换矩阵的行列排列次序不同。哈达玛变换每行的列率排列是没有规则的，沃尔什变换的列率是由小到大。
37、什么是小波？小波基函数和傅里叶变换基函数有何区别？
小波信号的非零点是有限的。它与傅里叶变换的基函数（三角函数、指数信号）是不同的，傅里叶变换的基函数从负无穷到正无穷都是等幅振荡的。
38、为何称小波变换为信号的“电子显微镜”，如何实现该功能？
小波变换的伸缩因子的变化，使得可以在不同尺度上观察信号，所以又称电子显微镜。实现小波变换可以应用Mallat 的快速算法。
39、傅里叶变换、加窗傅里叶变换和小波变换的时间－频率特性有什么不同? 傅里叶变换使得时间信号变成了频域信号，加窗傅里叶变换使得时间信号变成了时频信号，但是窗口是固定的，小波变换同样变成了时频信号，但是时频的窗口是变化的。
40、图像增强的目的是什么，它包含那些内容？
图像增强是指对图像的某些特征，如边缘、轮廓、对比度等进行强调或锐化，以
便于显示、观察或进一步分析与处理。
41、什么是图像平滑？试述均值滤波的基本原理。
为了去除或减弱图像中的噪声，可以对图像进行平滑处理，称为图像平滑
大部分的噪声都可以看作是随机信号，它们对图像的影响可以看作是孤立的。对于某一像素而言，如果它与周围像素点相比，有明显的不同，我们就认为该点被噪声感染了。基于这样的分析，我们可以用求均值的方法，来判断每一点是否含有噪声，并用适当的方法消除所发现的噪声。
42、什么是中值滤波，有何特点？
中值滤波是非线性的处理方法，在去噪的同时可以兼顾到边界信息的保留。
中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。
中值滤波首先选一个含有奇数点的窗口W，将这个窗口在图像上扫描，把该窗口中所含的像素点按灰度级的升（或降）序排列，取位于中间的灰度值，来代替该点的灰度值。
中值滤波器对处理椒盐噪声非常有效，因为这种噪声是以黑白点叠加在图像
上的。经均值滤波器处理后的图像肃然可见噪声更少，但是所付出的代价是图像变得模糊了。在这种情况下综合考虑可以得出，
中值滤波器要远远优于均值滤波器。通常，中值滤波器比均值滤波器更适合去除椒盐噪声。
43、数据没有冗余度能否压缩？为什么？
图像数据量大，同时冗余数据也是客观存在的。一般图像中存在着以下数据冗余因素：（1）编码冗余；（2）像素间的相关性形成的冗余；（3）视觉特性和显示设备引起的冗余。理论上，数据没有冗余度是不压缩的，否则无法解码出原始数据。但在大部分应用场合下采用有损压缩，数据没有冗余度也可以进行压缩。
44、如何衡量图像编码压缩方法的性能？
一般地，图像压缩应能做到压缩比大、算法简单、易于用硬件和软件实现、压缩和解压缩实时性好、解压缩恢复的图像失真小等。但这些指标对同一压缩方法很难统一，在实际系统中往往需要抓住主要矛盾，全面权衡。常用的图像压缩技术指标有：（1）图像熵与平均码长；（2）图像冗余度与编码效率；（3）压缩比；（4）客观评价SNR；（5）主观评价。图像的主客观两种评价之间存在着密切的联系。但一般来说，客观评价高的主观评价也高，因此在图像编码的质量评价时，首先作客观评价，以主观评价为参考。
45、大部分视频压缩方法是有损压缩还是无损压缩？为什么？
视频比静态图像数据量更大，同时可压缩的冗余信息更多。大部分视频压缩方法是以人眼感觉无明显失真为依据的，因此采用有损压缩。事实上，视频可以看成是一幅幅不同但相关的静态图像的时间序列。因此，静态图像的压缩技术和标准可以直接应用于视频的单帧图像。另外，利用视频帧间信息的冗余可以大大提高视频的压缩比。
46、若图像上任意两像素点的亮度电平值相等或者任意两时刻同一位置上的像素的亮度电平值相等，能够说明上述两种情况下像素相关吗？为什么？
不能。像素的空间相关性和时间相关性是以空间和时间的相邻性为基础的。因此，
图像上任意两像素点的亮度电平值相等或者任意两时刻同一位置上的像素的亮度电平值相等带有偶然性，不能说明两像素相关。
47、根据JPEG 算法说明JPEG 图像显示时会出现马赛克现象的原因。
由于JPEG 算法将整幅图像分成若干个8×8 的子块，解码也是以子块为单位的，所以块间的解码误差可能反映为方块效应，在视觉上会出现马赛克现象。
48、讨论混合编码的优点
混合编码一般指将预测编码与变换编码相结合进行编码的方法。预测编码根据相邻像素相关性来确定后继像素的预测值，若用差值进行编码则可以压缩数据量；变换编码对原始图像进行正交变换，在变换域进行抽样达到压缩的目的；混合编码将两种编码方法结合起来，可以发挥两种编码方法的优点，取得更好的效果49、Huffman编码有何优缺点？
Huffman 编码在无失真的编码方法中效率优于其他编码方法，是一种最佳变长码，其平均码长接近于熵值。但当信源数据成分复杂时，庞大的信源集致使Huffman 码表较大，码表生成的计算量增加，编译码速度相应变慢；另外不等长编码致使硬件译码电路实现困难。上述原因致使Huffman 编码的实际应用受到限制。
50、算术编码有何优点？举例说明其适用范围。
在信源符号概率接近的条件下，算术编码效率高于Huffman 编码。因此，在扩展的JPEG系统中用算术编码取代了Huffman 编码。另外，算术编码除了常见的基于概率统计的模式外，还有自适应模式。在这种模式下，各个符号的初始概率相同，它们依据出现的符号而发生变化。这种模式特别适用于不便于进行符号概率统计的实际场合中。
51、JPEG 为什么要进行彩色空间转换？
JPEG算法处理的是单独的彩色分量图像，所以来自其他彩色空间的图像数据要以JPEG格式保存，需要进行彩色空间的转换
52、引起图像退化的原因有哪些？
造成图像退化的原因很多，大致可分为以下几个方面：
（1）射线辐射、大气湍流等造成的照片畸变。
（2）模拟图像数字化的过程中，由于会损失部分细节，造成图像质量下降。（3）镜头聚焦不准产生的散焦模糊。
（4）成像系统中始终存在的噪声干扰。
（5）拍摄时，相机与景物之间的相对运动产生的运动模糊。
（6）底片感光、图像显示时会造成记录显示失真。
（7）成像系统的像差、非线性畸变、有限带宽等造成的图像失真。
（8）携带遥感仪器的飞行器运动的不稳定，以及地球自转等因素引起的照片几何失真。
后所产生的复原效果，
53、什么是阈值分割技术？该技术适用于什么场景下的图像分割？
可用一个灰度级阈值T 进行分割，分割出目标区域与背景区域，这种方法我们称为灰度阈值分割方法。通常用于图像中目标和背景具有不同的灰度集合：目标灰度集合与背景灰度集合。
54、边缘检测的理论依据是什么？有哪些方法？各有什么特点？
边缘检测这是基于幅度不连续性进行的分割方法。通常采用差分、梯度、拉普拉斯算子及各种高通滤波处理方法对图像进行边缘检测。
55、基于图像边缘的算子分割技术的理论根据是什么？
通过差分、梯度、拉普拉斯算子及各种高通滤波处理方法对图像边缘进行增强，然后再进行一次门限化的处理，便可以将边缘增强的方法用于边缘检测，最后根据边缘来进行图像分割。
55、什么是区域？什么是图像分割？
区域可以认为是图像中具有相互连通、一致属性的像素集合，图像分割就是指把图像分成互不重叠的区域并提取出感兴趣目标的技术。
56、什么是Hough 变换？试述采用Hough 变换检测直线的原理。
霍夫变换的基本思想是点－线的对偶性。图像变换前在图像空间，变换后在参数空间。在图像空间中的直线上的每一个点都会映射到参数空间中的相同参数，所以只要找到这个参数就可以找到图像空间中的直线。Hough 变换就是根据这个原理检测直线的。
57、如何表示图像中一点的彩色值？颜色模型起什么作用？
图像中一点的彩色值颜色三维空间中的一个点来表示，每个点有三个分量，不同的颜色空间各分量的含义不同。颜色模型规定了颜色的建立、描述和观察方式。颜色模型都是建立在三维空间中的，所以与颜色空间密不可分。
58、色调、色饱和度和亮度的定义是什么？在表征图像一点颜色时，各起什么作用？
HSV 模型由色度（H），饱和度（S），亮度（V）三个分量组成的，与人的视觉特性比较接近。HSV 颜色模型用 Munsell 三维空间坐标系统表示。色调（H）表示颜色的种类，用角度来标定，用-1800～1800或 00～3600度量。色饱和度（S）表示颜色的深浅，在径向方向上的用离开中心线的距离表示。用百分比来度量，从 0%到完全饱和的 100%。亮度（V）表示颜色的明亮程度，用垂直轴表示。也通常用百分比度量，从 0%（黑）到 100%（白）。
59、为什么有时需要将一种颜色数据表示形式转换为另一种形式？
实际应用中常用的颜色空间很多，有 RGB、HSV、HSI、YUV、YIQ 等。目前常用的颜色空间可分为两类，一类是面向硬设备的，比方说彩色显示器、打印机等，另一类面向以彩色处理为目的的应用，面向硬设备的最常用的颜色空间是 RGB 颜色空间，而面向颜色处理的最常用颜色空间是 HSI 颜色空间以及 HSV 颜色空间。针对不同的应用目的采用不同的彩色空间可能更合适，因此，有时需要将一种颜色数据表示形式转换为另一种形式。
60、什么是彩色的减性模型和加性模型？哪一种模型更适合用于显示、图片和打印场合？
由三基色混配各种颜色通常有两种方法：相加混色法和相减混色法。相加混色和相减混色的主要区别表现在以下三个方面：（1）相加混色是由发光体发出的光相加而产生的各种颜色，而相减混色是先有白色光，然后从中减去某些成份（吸收）得到各种颜色。（2）相加混色的三基色是红、绿、蓝，而相减混色的三基色是黄、青、品红。也就是说，相加混色的补色就是相减混色的基色。（3）相加混色和相减混色有不同的规律。彩色电视机显示的颜色是通过相加混色产生的。而彩色电影和幻灯片等与绘画原料、打印机打印图片等是通过相减混色产生各种颜色的。
61、哪个颜色空间最接近人的视觉系统的特点？
答：在许多实用系统中，大量应用的是 HSV 模型，这个模型是由色度（H），饱和度（S），亮度（V）三个分量组成的，与人的视觉特性比较接近。该模型的
重要性在于：一方面消除了亮度成分 V 在图像中与颜色信息的联系，另一方面色调 H 和饱和度 S 分量与人的视觉感受密切相关。基于人的视觉系统的颜色感觉特性，这些特征使 HSV 模型成为一个研究图像处理的重要工具。
62、为什么在某些场合下要进行彩色量化？彩色图像的量化的依据是什么？
彩色空间的连续空间。如果对连续空间进行适当的量化后再计算，则计算量要少得多。如在实际处理中，需要将 HSV 三个分量进行量化以减少特征值的数量。
63、为什么在某些场合下要进行彩色量化？彩色图像的量化的依据是什么？
彩色空间的连续空间。如果对连续空间进行适当的量化后再计算，则计算量要少得多。如在实际处理中，需要将 HSV 三个分量进行量化以减少特征值的数量。
64、讨论假彩色和伪彩色的差异。
假彩色处理的对象是三基色描绘的自然图像或同一景物的多光谱图像。对自然图像，假彩色的处理方法之一是将人们所关注的目标物映射为与原色不同的假彩色，即原有的彩色图像变换成给定彩色分布的图像。而伪彩色增强是将灰度或单一波段的图像变换为彩色图像，从而把人眼不能区分的微小的灰度差别显示为明显的色彩差异，更便于解译和提取有用信息。彩色图像中的彩色根据黑白图像的灰度级或其他图像特征（如空间频率成分）人为给定。
65、讨论彩色图像增强与灰度图像增强的关系。
在真彩色增强中，尽管对R、G、B各分量（相当于三个灰度图像）直接使用对灰度图的增强方法可以增加图像中可视细节亮度，但得到的增强图像中的色调有可能完全没有意义。这是因为在增强图中对应同一个像素的R、G、B这三个分量都发生了变化，它们的相对数值与原来不同了，从而导致原图像颜色的较大变化，且这种变化很难控制。灰度图像增强技术有助于研究彩色图像增强技术，但彩色图像增强特别需要注意增强后图像的色调和色饱和度的满意度.
实验一 实验内容和步骤 练习图像的读取、显示和保存图像数据，步骤如下： (1)使用命令figure(1)开辟一个显示窗口 (2)读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内显示、二值图像和灰度图像，注上文字标题。 (3)保存转换后的灰度图像和二值图像 (4)在同一个窗口显示转换后的灰度图像的直方图 I=imread('BaboonRGB.bmp'); figure,imshow(I); I_gray=rgb2gray(I); figure,imshow(I_gray); I_2bw=Im2bw(I_gray); figure,imshow(I_2bw); subplot(1,3,1),imshow(I),title('RGB图像'); subplot(1,3,2),imshow(I_gray),title('灰度图像'); subplot(1,3,3),imshow(I_2bw),title('二值图像'); imwrite(I_gray,'Baboongray.png'); imwrite(I_2bw,'Baboon2bw.tif'); figure;imhist(I_gray);
RGB 图 像灰度图 像二值图 像 050100150200250 500 1000 1500 2000 2500 3000
(5)将原RGB 图像的R 、G 、B 三个分量图像显示在figure(2)中，观察对比它们的特点，体会不同颜色所对应的R 、G 、B 分量的不同之处。 [A_RGB,MAP]=imread('BaboonRGB.bmp'); subplot(2,2,1),imshow(A_RGB),title('RGB'); subplot(2,2,2),imshow(A_RGB(:,:,1)),title('R'); subplot(2,2,3),imshow(A_RGB(:,:,2)),title('G'); subplot(2,2,4),imshow(A_RGB(:,:,3)),title('B'); (6)将图像放大1.5倍，插值方法使用三种不同方法，在figure(3)中显示放大后的图像，比较不同插值方法的结果有什么不同。将图像放大到其它倍数，重复实验；A=imread('BaboonRGB.bmp'); figure(3),imshow(A),title('原图像'); B=imresize(A,1.5,'nearest'); figure(4),imshow(B),title('最邻近法') C=imresize(A,1.5,'bilinear'); ; figure(5),imshow(C),title('双线性插值'); D=imresize(A,1.5,'bicubic'); figure(6),imshow(D),title('双三次插值 '); RGB R G B
数字图像处理 实验一 MATLAB数字图像处理初步 一、显示图像 1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中； 2．利用whos 命令提取该读入图像flower.tif的基本信息； 3．利用imshow()函数来显示这幅图像； 实验结果如下图： 源代码： >>I=imread('lily.tif') >> whos I >> imshow(I) 二、压缩图像 4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息； 5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。 6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。7．用imread()读入图像Sunset.jpg和Winter.jpg； 8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小； 9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。 其中9的实验结果如下图：
源代码： 4~6(接上面两个) >>I=imread('lily.tif') >> imfinfo 'lily.tif'； >> imwrite(I,'lily.jpg','quality',20); >> imwrite(I,'lily.bmp'); 7~9 >>I=imread('Sunset.jpg'); >>J=imread('Winter.jpg') >>imfinfo 'Sunset.jpg' >> imfinfo 'Winter.jpg' >>figure(1),imshow('Sunset.jpg') >>figure(2),imshow('Winter.jpg') 三、二值化图像 10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。实验结果如下图： 源代码： >> I=imread('lily.tif') >>gg=im2bw(I,0.4); F>>igure, imshow(gg)
数字图像处理课程心得 本学期，我有幸学习了数字图像处理这门课程，这也是我大学学习中的最后一门课程，因此这门课有着特殊的意义。人类传递信息的主要媒介是语音和图像。据统计，在人类接受的信息中，听觉信息占20%,视觉信息占60%，其它如味觉、触觉、嗅觉信息总的加起来不过占20%。可见图像信息是十分重要的。通过十二周的努力学习，我深刻认识到数字图像处理对于我的专业能力提升有着比较重要的作用，我们可以运用Matlab对图像信息进行加工，从而满足了我们的心理、视觉或者应用的需求，达到所需图像效果。 数字图像处理起源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约采用数字压缩技术传输了第一幅数字照片。此后，由于遥感等领域的应用，使得图像处理技术逐步受到关注并得到了相应的发展。第三代计算机问世后，数字图像处理便开始迅速发展并得到普遍应用。由于CT的发明、应用及获得了备受科技界瞩目的诺贝尔奖，使得数字图像处理技术大放异彩。目前数字图像处理科学已成为工程学、计算机科学、信息科学、统计学、物理、化学、生物学、医学甚至社会科学等领域中各学科之间学习和研究的对象。随着信息高速公路、数字地球概念的提出以及Internet的广泛应用，数字图像处理技术的需求与日俱增。其中，图像信息以其信息量大、传输速度快、作用距离远等一系列优点成为人类获取信息的重要来源及利用信息的重要手段，因此图像处理科学与技术逐步向其他学科领域渗透并为其它学科所利用是必然的。 数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展（特别是离散数学理论的创立和完善）;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。图像处理科学是一门与国计民生紧密相联的应用科学，它给人类带来了巨大的经济和社会效益，不久的将来它不仅在理论上会有更深入的发展，在应用上亦是科学研究、社会生产乃至人类生活中不可缺少的强有力的工具。它的发展及应用与我国的现代化建设联系之密切、影响之深远是不可估量的。在信息社会中，数字图象处理科学无论是在理论上还是在实践中都存在着巨大的潜力。近几十年，数字图像处理技术在数字信号处理技术和计算机技术发展的推动下得到了飞速的发展，正逐渐成为其他科学技术领域中不可缺少的一项重要工具。数字图像处理的应用领域越来越广泛，从空间探索到微观研究，从军事领域到工农业生产，从科学教育到娱乐游戏，越来越多的领域用到了数字图像处理技术。 虽然通过一学期的课程学习我们还没有完全掌握数字图像处理技术，但也收获了不少，对于数字图像处理方面的知识有了比较深入的了解，当然也更加理解了数字图像的本质，即是一些数字矩阵，但灰度图像和彩色图像的矩阵形式是不同的。对于一些耳熟能详的数字图像相关术语有了明确的认识，比如常见的：像素（衡量图像的大小）、分辨率（衡量图像的清晰程度）、位图（放大后会失真）、矢量图（经过放大不会失真）等大家都能叫上口却知识模糊的名词。也了解图像处理技术中一些常用处理技术的实质，比如锐化处理是使模糊的图像变清晰，增强图像的边缘等细节。而平滑处理是的目的是消除噪声，模糊图像，在提取大目标之前去除小的细节或弥合目标间的缝隙。对常提的RGB图像和灰度图像有了明确的理解，这对大家以后应用Photoshop等图像处理软件对图像进行处理打下了
数字图像处理 课程设计报告 姓名： 学号： 班级： 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 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(''); % 插入图片赋给I imshow(I);% 输出图I I1=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(''); f0=rgb2gray(l);%变灰度图 f1=imnoise(f0,'speckle',; %高斯噪声加入密度为的高斯乘性噪声 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(''); [VG,A,PPG] = colorgrad(f); ppg = im2uint8(PPG); ppgf = 255 - ppg; [M,N] = size(ppgf);T=200; ppgf1 = zeros(M,N); for ii = 1:M for jj = 1:N if ppgf(ii,jj) 数字图像处理实验报告 实验一数字图像基本操作及灰度调整 一、实验目的 1)掌握读、写图像的基本方法。 2)掌握MATLAB语言中图像数据与信息的读取方法。 3)理解图像灰度变换处理在图像增强的作用。 4)掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方 法。 二、实验内容与要求 1.熟悉MATLAB语言中对图像数据读取，显示等基本函数 特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。 1)将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread， imfinfo 等文件，观察一下图像数据，了解一下数字图像在MATLAB中的处理就是处理一个矩阵。将这个图像显示出来（用imshow）。尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。 2)将MATLAB目录下work文件夹中的b747.jpg图像文件读出，用rgb2gray() 将其 转化为灰度图像，记为变量B。 2.图像灰度变换处理在图像增强的作用 读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换，比较相应的处理效果。 3.绘制图像灰度直方图的方法，对图像进行均衡化处理 请自己编程和调用Matlab函数完成如下实验。 1)显示B的图像及灰度直方图，可以发现其灰度值集中在一段区域，用 imadjust函 数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰 度直方图与原灰度直方图的区别。 2) 对B 进行直方图均衡化处理，试比较与源图的异同。 3) 对B 进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。 图1.1 分段线性变换函数 三、实验原理与算法分析 1. 灰度变换 灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。 1) 图像反转 灰度级范围为[0, L-1]的图像反转可由下式获得 r L s --=1 2) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围， 如直接使用原图，则一部分细节可能丢失。解决的方法是对原图进行灰度压缩，如对数变换： s = c log(1 + r )，c 为常数，r ≥ 0 3) 幂次变换： 0,0,≥≥=γγc cr s 4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求 局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸： 其对应的数学表达式为： 实验一灰度图像直方图统计 一、实验目的 掌握灰度图像直方图的概念和计算方法，了解直方图的作用和用途。提高学生编程能力，巩固所学知识。 二、实验内容和要求 （1）用Photoshop显示、了解图像平均明暗度和对比度等信息； （2）用MatLab读取和显示一幅灰度图像； （3）用MatLab编写直方图统计的程序。 三、实验步骤 1. 使用Photoshop显示直方图： 1）点击文件→打开，打开一幅图像； 2）对图像做增强处理，例如选择图像→调整→自动对比度对图像进行灰度拉伸，观察图像进行对比度增强前后的视觉变化。 3）利用统计灰度图像直方图的程序分别针对灰度拉伸前后的灰度图像绘制其灰度直方图，观察其前后的直方图变化。 2．用MatLab读取和显示一幅灰度图像； 3. 绘制图像的灰度直方图； function Display_Histogram() Input=imread('timg.jpg'); figure(100); imshow(uint8(Input)); title('原始图像'); Input_Image=rgb2gray(Input); figure(200); imshow(uint8(Input_Image)); title('灰度图像'); sum=0; His_Image=zeros(1,256); [m,n]=size(Input_Image); for k=0:255 for I=1:m for j=1:n if Input_Image(I,j)==k His_Image(k+1)=His_Image(k+1)+1; end end end end figure(300); plot(His_Image); title('图像的灰度直方图'); 4.显示图像的灰度直方图。 二○一四～二○一五学年第一学期电子信息工程系 实验报告书 班级：电子信息工程（DB）1102班姓名 学号： 课程名称：数字图像处理 二○一四年十一月一日 实验一图像直方图处理及灰度变换（2学时） 实验目的： 1. 掌握读、写、显示图像的基本方法。 2. 掌握图像直方图的概念、计算方法以及直方图归一化、均衡化方法。 3. 掌握图像灰度变换的基本方法，理解灰度变换对图像外观的改善效果。 实验内容： 1. 读入一幅图像，判断其是否为灰度图像，如果不是灰度图像，将其转化为灰度图像。 2. 完成灰度图像的直方图计算、直方图归一化、直方图均衡化等操作。 3. 完成灰度图像的灰度变换操作，如线性变换、伽马变换、阈值变换（二值化）等，分别使用不同参数观察灰度变换效果（对灰度直方图的影响）。 实验步骤： 1. 将图片转换为灰度图片,进行直方图均衡，并统计图像的直方图： I1=imread('pic.jpg'); %读取图像 I2=rgb2gray(I1); %将彩色图变成灰度图 subplot(3,2,1); imshow(I1); title('原图'); subplot(3,2,3); imshow(I2); title('灰度图'); subplot(3,2,4); imhist(I2); %统计直方图 title('统计直方图'); subplot(3,2,5); J=histeq(I2); %直方图均衡 imshow(J); title('直方图均衡'); subplot(3,2,6); imhist(J); title('统计直方图'); 原 图 灰度图 01000 2000 3000统计直方图 100200直方图均衡 0统计直方图 100200 仿真分析： 将灰度图直方图均衡后，从图形上反映出细节更加丰富，图像动态范围增大，深色的地方颜色更深，浅色的地方颜色更前，对比更鲜明。从直方图上反应，暗部到亮部像素分布更加均匀。 2. 将图片进行阈值变换和灰度调整，并统计图像的直方图： I1=imread('rice.png'); I2=im2bw(I1,0.5); %选取阈值为0.5 I3=imadjust(I1,[0.3 0.9],[]); %设置灰度为0.3-0.9 subplot(3,2,1); imshow(I1); title('原图'); subplot(3,2,3); imshow(I2); title('阈值变换'); subplot(3,2,5); imshow(I3); title('灰度调整'); subplot(3,2,2); imhist(I1); title('统计直方图'); subplot(3,2,4); 实验二MATLAB图像运算一、实验目的 1．了解图像的算术运算在数字图像处理中的初步应用。 2．体会图像算术运算处理的过程和处理前后图像的变化。 二、实验步骤 1．图像的加法运算-imadd 对于两个图像f x,y和 (x,y)的均值有： g x,y=1 f x,y+ 1 (x,y) 推广这个公式为： g x,y=αf x,y+β (x,y) 其中，α+β=1。这样就可以得到各种图像合成的效果，也可以用于两张图像的衔接。说明：两个示例图像保存在默认路径下，文件名分别为'rice.png'和'cameraman.tif'，要求实现下图所示结果。 代码： I1 = imread('rice.png'); I2 = imread('cameraman.tif'); I3 = imadd(I1, I2,'uint8'); I4 = imadd(I1, I2,'uint16'); subplot(2, 2, 1), imshow(I1), title('?-ê?í???1'); subplot(2, 2, 2), imshow(I2), title('?-ê?í???2'); subplot(2, 2, 3), imshow(I3), title('8??í?????ê?'); subplot(2, 2, 4), imshow(I4), title('16??í?????ê?'); 结果截图： 2．图像的减法运算-imsubtract 说明： 背景图像可通过膨胀算法得到background = imopen(I,strel('disk',15));，要求实现下图所示结果。 示例代码如下： I1 = imread('rice.png'); background = imerode(I1, strel('disk', 15)); rice2 = imsubtract(I1, background); subplot(2, 2, 1), imshow(I1), title('?-ê?í???'); subplot(2, 2, 2), imshow(background), title('±3?°í???'); subplot(2, 2, 3), imshow(rice2), title('′|àíoóμ?í???'); 结果截图： 3.图像的乘法运算-immultiply 集中稀疏表示的图像恢复 董伟胜中国西安电子科技大学电子工程学院wsdong@https://www.doczj.com/doc/ff18075103.html, 张磊香港理工大学计算机系cslzhang@https://www.doczj.com/doc/ff18075103.html,.hk 石光明中国西安电子科技大学电子工程学院gmshi@https://www.doczj.com/doc/ff18075103.html, 摘要 本文对于图像恢复任务提出了一种新的称为集中稀疏表示(CSR)的稀疏表示模型。为了重建高还原度的图像，通过给定的字典，退化图像的稀疏编码系数预计应该尽可能接近那些未知的原始图像。然而，由于可用的数据是原始图像的退化版本(如噪声、模糊和/或者低采样率)，正如许多现有的稀疏表示模型一样，如果只考虑局部的稀疏图像，稀疏编码系数往往不够准确。为了使稀疏编码更加准确，通过利用非局部图像统计，引入一个集中的稀疏性约束。为了优化，局部稀疏和非局部稀疏统一到一个变化的框架内。大量的图像恢复实验验证了我们的CSR模型在以前最先进的方法之上取得了令人信服的改进。 1、介绍 图像恢复（IR）目的是为了从，比如说通过一个低端摄像头或者在有限条件下得到图像的图像退化版本（例如噪声、模糊和/或者低采样率），来恢复一副高质量的图像。对于观察的图像y，IR问题可以表示成： y = Hx + v (1) 其中H是一个退化矩阵，x是原始图像的矢量，v是噪声矢量。由于IR的病态特性，尝试把观察模型和所需解决方案的先验知识合并到一个变分公式的正则化技术，已经被广泛地研究。对于正则方法，对自然图像适当的先验知识进行寻找和建模是最重要的关注点之一，因此学习自然图像先验知识的各种方法已经被提出来了【25,5,6,12】。 近年来，对于图像恢复基于建模的稀疏表示已经被证明是一种很有前途的模型【9,5,13,20,16,21,27,15,14】。在人类视觉系统【23,24】的研究中，已经发现细胞感受区域使用少量的从一个超完备的编码集中稀疏选出的结构化基元来编码自然图像。在数学上，一个x ∈ R N的信号可以表示为一个字典Φ中的几个原子的线性组合，例如，X ≈Φα,用|0 最小化： 6.3实验步骤 (1)对彩色图像的表达和显示 * * * * * * * * * * * *显示彩色立方体* * * * * * * * * * * * * rgbcube(0,0,10); %从正面观察彩色立方体 rgbcube(10,0,10); %从侧面观察彩色立方 rgbcube(10,10,10); %从对角线观察彩色立方体 %* * * * * * * * * *索引图像的显示和转换* * * * * * * * * * f=imread('D:\Picture\Fig0604(a)(iris).tif'); figure,imshow(f);%f是RGB真彩图像 %rgb图像转换成8色索引图像，不采用抖动方式 [X1,map1]=rgb2ind(f,8,'nodither'); figure,imshow(X1,map1); %采用抖动方式转换到8色索引图像 [X2,map2]=rgb2ind(f,8,'dither'); figure,imshow(X2,map2); %显示效果要好一些 g=rgb2gray(f); %f转换为灰度图像 g1=dither(g);%将灰色图像经过抖动处理，转换打二值图像figure,imshow(g);%显示灰度图像 figure,imshow(g1);%显示抖动处理后的二值图像 程序运行结果： 彩色立方体原图 不采用抖动方式转换到8色索引图像采用抖动方式转换到8色索引图像 灰度图像抖动处理后的二值图像 (2)彩色空间转换 f=imread('D:\Picture\Fig0604(a)(iris).tif'); figure,imshow(f);%f是RGB真彩图像 %转换到NTSC彩色空间 ntsc_image=rgb2ntsc(f); figure,imshow(ntsc_image(:,:,1));%显示亮度信息figure,imshow(ntsc_image(:,:,2));%显示色差信息figure,imshow(ntsc_image(:,:,3));%显示色差信息 %转换到HIS彩色空间 hsi_image=rgb2hsi(f); figure,imshow(hsi_image(:,:,1));%显示色度信息figure,imshow(hsi_image(:,:,2)); %显示饱和度信息figure,imshow(hsi_image(:,:,3));%显示亮度信息 程序运行结果： 原图 转换到NTSC彩色空间 数字图像处理的起源与应用 1.概述 数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理技术目前广泛应用于各个领域，其发挥的作用有效提高了人们的生产生活质量。 2.起源与发展 （1）20世纪 20 年代，数字图像处理最早应用于报纸行业。由于报纸行业信息传输的需要，一根海底电缆从英国伦敦连输到美国纽约，实现了第一幅数组照片的传送。（在当时那个年代如果不采用数字图像处理，一张图像传达的时间需要7 天，而借助数字图像处理技术仅耗费 3 小时）。 （2）20世纪50年代，当时的图像处理是以人为对象，以改善人的视觉效果为目的。 （3）20世纪60年代的美国喷气推进实验室是图像处理技术首次获得实际成功的应用，推动了数字图像处理这门学科的诞生。 （4）20世纪70年代英国EMI公司工程师Housfield发明了CT并获得了诺贝尔奖，这对人类的发展作出了划时代的贡献。借助计算机、人工智能等方面的快速发展，数字图像处理技术实现了更高层次的发展。相关工作人员已经着手研究如何使用计算机进行图像解释。 （5）20世纪 80 年代。研究人员将数字图像处理应用于地理信息系统。从这个阶段开始数字图像处理技术的应用领域不断扩大，在工业检测、遥感等方面也得到了广泛应用，在遥感方面实现了对卫星传送回来的图像的处理。 （6）20世纪 90 年代。数字图像处理技术就得到了一个快速发展，其中特别是小波理论和变换方法的诞生（Mallat在1988年有效地将小波分析应用于图像分解和重构），更好地实现了数字图像的分解与重构。 （7）进入到 21 世纪，借助计算机技术的飞速发展与各类理论的不断完善，数字图像处理技术的应用范围被拓宽，甚至已经在某些领域取得突破。从目前数字图像处理技术的特点进行分析，可以发现图像信息量巨大，在图像处理综合性方面显示出十分明显的优势，其中就借助了图像信息理论与通信理论的紧密联系。再加上数字图像处理技术具有处理精度高、灵活性强、再现性好、适用面广、信息压缩的潜力大等特点，因此已经成功地应用在各个领域。 3.应用 （1）航天和航空技术方面:早在1964年美国就利用图像处理技术对月球照片进行处理，并且成功地绘制出月球表面地图，这个重大的突破使得图像处理技术在航天技术中发挥着越来越重要的作用。“卡西尼”号飞船进入土星轨道后传回地球的土星环照片，“火星快车”拍摄到的火星山体滑坡照片，还有我国嫦娥探测器拍摄的月球表面照片，以及近来很火的“大疆”无人机航拍等等。这些照片都体现了数字图像处理技术在航空航天技术领域不可或缺的重要作用。 （2）遥感领域方面的应用:数字图像处理在遥感的应用,主要是获取地形地质及地面设施资料，矿藏探查、森林资源状况、海洋和农业等资源的调查、自然灾害预测预报、环境污染检测、气象卫星云图处理以及地面军事目标的识别。例 上数字图像处理技术的心得我一直对PS挺感兴趣的，虽然我去图书馆借了许多书，可是有很多地方解释不清楚也没有素材，我都快崩溃了。单我发现这门课立即就报了它。我的最初目的不是要去学数字图像处理技术，而是冲着学photoshop去的。 刚开始上第一节课时，老师您并没有讲PS，而是讲一些关于数字图像处理技术的原理知识。我本以为我可能不会喜欢这种类型的课。但是出于一个理科生的本能反应，我挺喜欢这些内容。我发觉我的几个选修都正好符合我的兴趣爱好。我第一次接触数字图像处理技术，才知道图像的原理竟然一些数字矩阵。不愧叫数字图像处理技术。 但老师开始讲PS的时候，我自然是更加高兴了。因为这是我主要的学习目的。图像处理技术只是碰巧撞上。说实话，我对PS上的一些工具及使用方法还不是很了解。老师能从基本知识讲起正和我心意。虽然有很多我以前都会了。 我现在来讲讲我从在这门选修课中学到最主要的两项知识。 其一就是老师最希望我们了解的数字图像处理技术。我们现在都知道一张像数码相机照出来的照片（数字图像）是由一大堆数字矩阵组成。黑白与彩色图像的矩阵又有一些不同。老师用北京邮电大学的那个软件给我们演示一下PS里面的图像处理原理是怎样形成的。比如模糊，锐化等等。还有很多的图像处理通过PS来说明解释。后面主要就是介绍压缩技术。当然也涉及到一些视频音频的压缩。图像 压缩老师您也介绍了很多不同的方法。可我想不起来了，但是起码我们知道了它的压缩原理。知道原图像与压缩后所占存储量的巨大差异。我在这里也和老师一样用画图做一个。有一点失真，这就是有损压缩。 另外那个无损压缩从视觉上是抗不出来的，就不用做了。 其二，就是在photosop的操作上。老师您举了许许多多的操作例子来提高我们对数字图像处理技术的兴趣，尤其是在图层和滤镜的学习，我都学到很多在书上看不懂的方法技能。下面我也简简单单做一张，就当做是作业来完成吧！ 如下三张图：通过第一张图中草地，山与第二张的天空合成第三张图。 数字图像处理 课程设计报告 课设题目：彩色图像增强软件学院：信息科学与工程学院专业：电子与信息工程 班级： 1002501 姓名：曾小路 学号： 100250131 指导教师：赵占峰 哈尔滨工业大学（威海） 2013 年12月27日 目录 目录 .......................................................................................................................... I 一. 课程设计任务 (1) 二. 课程设计原理及设计方案 (2) 2.1 彩色图像基础 (2) 2.2 彩色模型 (2) 三. 课程设计的步骤和结果 (6) 3.1 采集图像 (6) 3.2 图像增强 (7) 3.3 界面设计 (9) 四. 课程设计总结 (12) 五. 设计体会 (13) 六. 参考文献 (14) 哈尔滨工业大学（威海）课程设计报告 一. 课程设计任务 1.1设计内容及要求： （1）、独立设计方案，根据所学知识，对由于曝光过度、光圈过小或图像亮度不均匀等情况下的彩色图像进行增强，提高图像的清晰度（通俗地讲，就是图像看起来干净、对比度高、颜色鲜艳）。 （2）、参考photoshop 软件，设计软件界面，对处理前后的图像以及直方图等进行对比显示； （3）、将实验结果与处理前的图像进行比较、分析。总结设计过程所遇到的问题。 1.2参考方案 1、实现图像处理的基本操作 学习使用matlab 图像处理工具箱，利用imread（）语句读入图像，例如image=imread（flower.jpg），利用彩色图像模型转换公式，将RGB 类型图像转换为HSI 类型图像，显示各分量图像(如imshow（image）)，以及计算和显示各分量图像直方图。 2、彩色图像增强实现 对HSI彩色模型图像的I分量进行对比度拉伸或直方图均衡化等处理，提高亮度图像的对比度。对S分量图像进行适当调整，使图像色彩鲜艳或柔和。 H 分量保持不变。将处理后的图像转换成RGB 类型图像，并进行显示。分析处理图像过程和结果存在的问题。 3、参照“photoshop”软件，设计图像处理软件界面 可设计菜单式界面，在功能较少的情况下，也可以设计按键式界面，视 功能多少而定；参考matlab 软件中GUI 设计，学习软件界面的设计 - 1 - 《数字图像处理》 实验报告 学院：信息工程学院 专业：电子信息工程 学号： 姓名： 2015年6月18日 目录 实验一图像的读取、存储和显示 (2) 实验二图像直方图分析 (6) 实验三图像的滤波及增强 (15) 实验四噪声图像的复原 (19) 实验五图像的分割与边缘提取 (23) 附录1MATLAB简介 (27) 实验一图像的读取、存储和显示 一、实验目的与要求 1．熟悉及掌握在MATLAB中能够处理哪些格式图像。 2．熟练掌握在MATLAB中如何读取图像。 3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5．图像的显示。 二、实验原理 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。将坐标值数字化成为取样；将振幅数字化成为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。 三、实验设备 (1) PC计算机 (2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片 四、实验内容及步骤 1．利用imread( )函数读取一幅图像，假设其名为flower.tif，存入一个数组中； 2．利用whos 命令提取该读入图像flower.tif的基本信息； 3．利用imshow()函数来显示这幅图像； 4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息； 5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件设为flower.jpg语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。 6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flower.bmp。 7．用imread()读入图像：Lenna.jpg 和camema.jpg； 8．用imfinfo()获取图像Lenna.jpg和camema.jpg 的大小； 数字图像处理 实验报告 学号：04211734 姓名：付永钦 日期：2014/6/7 1.图像直方图统计 ①原理：灰度直方图是将数字图像的所有像素，按照灰度值的大小，统计其所出现的频度。 通常，灰度直方图的横坐标表示灰度值，纵坐标为半个像素个数，也可以采用某一灰度值的像素数占全图像素数的百分比作为纵坐标。 ②算法： clear all PS=imread('girl-grey1.jpg'); %读入JPG彩色图像文件figure(1);subplot(1,2,1);imshow(PS);title('原图像灰度图'); [m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 GP(k+1)=length(find(PS==k))/(m*n); %计算每级灰度出现的概率end figure(1);subplot(1,2,2);bar(0:255,GP,'g') %绘制直方图 axis([0 255 min(GP) max(GP)]); title('原图像直方图') xlabel('灰度值') ylabel('出现概率') ③处理结果： 原图像灰度图 100 200 0.005 0.010.0150.020.025 0.030.035 0.04原图像直方图 灰度值 出现概率 ④结果分析：由图可以看出，原图像的灰度直方图比较集中。 2. 图像的线性变换 ①原理：直方图均衡方法的基本原理是：对在图像中像素个数多的灰度值（即对画面起主 要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并。从而达到清晰图像的目的。 ②算法： clear all %一，图像的预处理，读入彩色图像将其灰度化 PS=imread('girl-grey1.jpg'); figure(1);subplot(2,2,1);imshow(PS);title('原图像灰度图'); %二，绘制直方图 [m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 数字图像处理课程综合实习 实习报告 学院 班级 学号 姓名 日期 指导教师 一、实习目的和意义 本实习内容旨在让同学们通过用VC等高级语言编写数字图像处理的一些基本算法程序，来巩固和掌握图像处理技术的基本技能，提高实际动手能力，并通过实际编程了解图像处理软件的实现的基本原理。为学生进一步学习数字摄影测量、遥感和地理信息系统等专业课程以及应用图像处理解决实际问题奠定基础。 二、实习原理和方法 实习一实现RAW->BMP格式的转换 RAW格式：文件按照数字图像组成的二维矩阵，将像素按行列号顺序存储在文件中。这种文件只含有图像像素数据，不含有信息头，因此，在读图像时，需要根据文件大小，计算图像所包含的行列号，或者需要事先知道图像大小（矩阵大小）。但这种文件读取和保存简单。 RAW文件按图像上行到下行、左列到右列顺序存储，而BMP文件数据区按图像上下行到上行、左列列到右列顺序存储到数据区。 实现RAW文件到BMP文件的转换，需要为BMP文件生成文件头、信息头、颜色表、数据区，将RAW文件数据区赋值到BMP文件数据区。 实习二灰度线性变换 点运算是指像素值（即像素点上的灰度值）通过运算改变之后，可以改善图象的显示效果。这是一种像素的逐点运算，是旧图象与新图象之间的映射关系，是一种简单但却十分有效的一种图象处理手段。常用方法有灰度线性变换、直方图均衡、对比度调整、直方图规定化、对数变换、指数变换、密度分割等方法。 灰度的线性变换就是指图像的中所有点的灰度按照线性灰度变换函数进行变换。灰度变换方程如下： D0=f(Di)=a*Di+b 该方程为线性方程。式中参数Di为输入图像的像素的灰度值，参数D0为输出图像的灰度，a和b由给定条件确定。 实习三图像局部处理：高通滤波和低通滤波 课程设计报告书课程名称：数字图像处理 题目：数字图像处理的傅里叶变换 学生姓名： 专业：计算机科学与技术 班别：计科本101班 学号： 指导老师： 日期： 2013 年 06 月 20 日 数字图像处理的傅里叶变换 1.课程设计目的和意义 (1)了解图像变换的意义和手段 (2)熟悉傅里叶变换的基本性质 (3)热练掌握FFT的方法反应用 (4)通过本实验掌握利用MATLAB编程实现数字图像的傅里叶变换 通过本次课程设计，掌握如何学习一门语言，如何进行资料查阅搜集，如何自己解决问题等方法，养成良好的学习习惯。扩展理论知识，培养综合设计能力。 2.课程设计内容 (1)熟悉并掌握傅立叶变换 (2)了解傅立叶变换在图像处理中的应用 (3)通过实验了解二维频谱的分布特点 (4)用MATLAB实现傅立叶变换仿真 3.课程设计背景与基本原理 傅里叶变换是可分离和正交变换中的一个特例，对图像的傅里叶变换将图像从图像空间变换到频率空间，从而可利用傅里叶频谱特性进行图像处理。从20世纪60年代傅里叶变换的快速算法提出来以后，傅里叶变换在信号处理和图像处理中都得到了广泛的使用。 3.1课程设计背景 数字图像处理（Digital Image Processing）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。是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。 3.2 傅里叶变换 (1)应用傅里叶变换进行数字图像处理 数字图像处理（digital image processing）是用计算机对图像信息进行处理的一门技术，使利用计算机对图像进行各种处理的技术和方法。 20世纪20年代，图像处理首次得到应用。20世纪60年代中期，随电子计算机的发展得到普遍应用。60年代末，图像处理技术不断完善，逐渐成为一个新兴的学科。利用数字图像处理主要是为了修改图形，改善图像质量，或是从图像中提起有效信息，还有利用数字图像处理可以对图像进行体积压缩，便于传输和保存。数字图像处理主要研究以下内容：傅立叶变换、小波变换等各种图像变换；对图像进行编码和压缩；采用各种方法对图像进行复原和增强；对图像进行分割、描述和识别等。随着技术的发展，数字图像处理主要应用于通讯技术、宇宙探索遥感技术和生物工程等领域。 数字图像处理—实验一 一．实验内容： 图像灰度变换 二．实验目的： 学会用Matlab软件对图像灰度进行变换；感受各种不同的灰度变换方法对最终图像效果的影响。 三．实验步骤： 1．获取实验用图像：rice.jpg. 使用imread函数将图像读入Matlab。 程序： clc;clear; figure; subplot(4,4,1); i = imread('rice.png'); i = im2double(i); imshow(i);title('1'); 2．产生灰度变换函数T1，使得： 0.3r r < 0.35 s = 0.105 + 2.6333(r – 0.35) 0.35 ≤r ≤0.65 1 + 0.3(r – 1) r > 0.65 用T1对原图像rice.jpg进行处理，使用imwrite函数保存处理后的新图像。程序： subplot(4,4,2); r=[0:0.001:1]; s=[r<0.35].*r*0.3+[r<=0.65].*[r>=0.35].*(0.105+2.6333*(r-0.35))+[r>0.65].*(1 +0.3*(r-1)); plot(r,s);title('2p'); subplot(4,4,3); T1=[i<0.35].*i*0.3+[i<=0.65].*[i>=0.35].*(0.105+2.6333*(i-0.35))+[i>0.65].*( 1+0.3*(i-1)); imshow(T1);title('2i'); imwrite(T1,'rice_T1.jpg','jpg'); 3．产生灰度变换函数T2，使得： 用T2对原图像rice.jpg进行处理，使用imwrite保存处理后的新图像。 %3 subplot(4,4,4); r = [0:0.001:1];数字图像处理实验报告
数字图像处理实验报告
武汉科技大学 数字图像处理实验报告
数字图像处理实验 实验二
数字图像处理技术应用课程报告
数字图像处理——彩色图像实验报告
数字图像处理报告
上数字图像处理技术的心得
2013数字图像处理课程设计报告
数字图像处理实验
东南大学数字图像处理实验报告
武汉大学数字图像处理课程综合实习实习报告
数字图像处理课程设计报告
数字图像处理实验一
相关主题
文本预览