数字图像处理期末大作业暨课程考
核报告
部门： xxx
时间： xxx
整理范文，仅供参考，可下载自行编辑
《数字图像处理》
期末大作业暨课程考核报告
任
务
书
湖南理工学院信息与通信工程学院
2018年9月
目的和要求
一、目的：
《数字图像处理》是一门应用型课程，为了更好的让学生理解和应用所学知识，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算法实现的基本原理，为今后应用图像处理技术和编程技术解决实际问题奠定基础，特对课程作业和考核方式进行改革，将作业和考核相结合起来，用工程设计的方法完成课程作业和考核内容。b5E2RGbCAP
二、要求：
1、期末大作业暨课程考核占期评成绩的60%，请大家认真对待。
2、用matlab设计GUI界面，调用后台函数完成设计，函数可以调用matlab工具箱中的函数，也可以自己写函数。设计完成后，点击GUI图形界面上的菜单或者按钮，进行必要的交互式操作后，最终能显示运行结果。p1EanqFDPw
3、请认真完成设计报告的撰写，对各个算法的原理和实验结果务必进行仔细分析讨论。报告采用A4纸打印并装订成册，格式参考后面的附录。DXDiTa9E3d
4、严禁抄袭，雷同的一律零分处理。
5、成绩评定按下面“内容及评分细则”进行，完成后必须上交软件代码和打印的课程报告，并随机抽取20名学生<每个班5名）进行答辩，所以请务必认真仔细的完成，否则将严重影响成绩。RTCrpUDGiT
6、设计程序和课程报告在课程结束后一周内上交，逾期不收。
内容及评分标准
一、设计部分<60分，附加20分另计）
第一部分：编写一个基于GUI的图像处理程序/软件，功能按钮和界面布局自己设定，遵循美观大方、方便操作的原则；<10分）5PCzVD7HxA 第二部分：工程设计内容：<50分）
1、绘制灰度直方图，实现直方图均衡化和直方图匹配<规定化）；<10分）
2、灰度图像的对比度增强；<5分）
3、图形的几何变换；<5分）
4、图像加噪<用输入参数控制不同噪声），然后使用空域和频域进行滤波处理<10分）
5、采用robert，prewitt，sobel，拉普拉斯算子对图像进行边缘提取；<10分）
6、读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标。<10分）
7、附加题目：定点定焦摄像机拍摄视频中的运动目标提取。<20分）
第三部分：课程报告，程序设计完毕后撰写课程报告，即工程设计说明书。要求对界面功能，上面要求的各个算法的原理、流程、功能、运行结果及其对比分析等进行介绍。<40分）jLBHrnAILg
附录：报告模板
《数字图像处理》
期末大作业暨课程考核报告
姓名：
学号：
序号：
湖南理工学院信息与通信工程学院
2018年1月
目录<自动生成）
1绘制灰度直方图，实现直方图均衡化和直方图匹配<规定化）
1.1 算法原理
1.2 算法设计
1.3 实验结果及对比分析
图1 ×××××× 图2 ××××××分析***********************************************
2灰度图像的对比度增强
2.1 算法原理
2.2 算法设计
2.3 实验结果及分析
3图形的几何变换
3.1 算法原理
3.2 算法设计
3.3 实验结果及分析
4图像加噪<用输入参数控制不同噪声），然后使用空域和频域进行滤波处理
4.1 算法原理
4.2 算法设计
4.3 实验结果及分析
5采用robert，prewitt，sobel，拉普拉斯算子对图像进行边缘提取
5.1 算法原理
5.2 算法设计
5.3 实验结果及分析
6读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标
6.1 算法原理
6.2 算法设计
6.3 实验结果及分析
7附加题目：定点定焦摄像机拍摄视频中的运动目标提取
7.1 算法原理
7.2 算法设计
7.3 实验结果及分析
8 小结<感受和体会）
申明：
所有资料为本人收集整理，仅限个人学习使用，勿做商业用途。
大作业指导书 题目：数字图像处理 院（系）：物联网工程学院 专业: 计算机 班级：计算机1401-1406 指导老师： 学号： 姓名： 设计时间： 2016-2017学年 1学期
摘要 (3) 一、简介 (3) 二、斑点数据模型 .参数估计与解释 (4) 三、水平集框架 (5) 1.能量泛函映射 (5) 2.水平集传播模型 (6) 3.随机评估方法 (7) 四、实验结果 (8) 五、总结 (11)
基于水平集方法和G0模型的SAR图像分割 Abstract（摘要） 这篇文章提出了一种分割SAR图像的方法，探索利用SAR数据中的统计特性将图像分区域。我们假设为SAR图像分割分配参数，并与水平集模型相结合。分布属于G分布中的一种，处于数据建模的目的，它们已经成功的被用于振幅SAR图像中不同区域的建模。这种统计数据模型是驱动能量泛函执行区域映射的基础，被引用到水平集传播数值方案中，将SAR 图像分为均匀、异构和极其异构区域。此外，我们引入了一个基于随机距离和模型的评估过程，用于量化我们方法的鲁棒性和准确性。实验结果表明，我们的算法对合成和真实SAR 数据都具有准确性。+ 简介 1、Induction（简介） 合成孔径雷达系统是一种成像装置，采用相干照明比如激光和超声波，并会受到斑点噪声的影响。在SAR图像处理过程中，返回的是斑点噪声和雷达切面建模在一起的结果。这个积性模型（文献[1]）因包含大量的真实SAR数据，并且在获取过程中斑点噪声被建模为固有的一部分而被广泛应用。因此，SAR图像应用区域边界和目标检测变得更加困难，可能需要斑点去除。因此，斑点去除是必需的，有效的方法可以在文献[2][3][4][5][6][7][8][9][10]中找到。 对于SAR图像分割，水平集方法构成一类基于哈密顿-雅克比公式的重要算法。水平集方法允许有效的分割标准公式，从文献[12]中讨论的传播函数项可以得到。经典方法有着昂贵的计算成本，但现在的水平集的实现配置了有趣的低成本的替换。 水平集方法的一个重要方面，比如传播模型，可以用来设计SAR图像的分割算法。这个传播函数能够依据伽马和伽马平方根法则将斑点统计进行整合，函数已经被广泛地应用于SAR图像中的均质区域分割。Ayed等基于伽马分布任意建模，设计方案将SAR图像分成多个均质区域。尽管多区分割问题已经解决，该方案人需要一定数量的区域作为输入。Shuai 和Sun在文献[16]中提出对这个方法进行了改进，他们使用了一个有效的传播前收敛判断。Marques等引入了一个类似于含有斑点噪声图像中目标检测的框架，将基于本地区域的斑点噪声统计融合进去。这些作者采用伽马平方根对均质区域进行建模并用一个自适应窗口方案检测本地的同质性。 最近，新的SAR数据模型比如K，G，显示出了优势。经典法则受限于均质区域特性的描述，而最近的法则展现出了在数据建模中更有吸引力的特性。法则允许同构、异构和高度异构幅度SAR数据的建模。这个分布族提供了一组参数，可以描述SAR图像中的不同区域。分布的参数信息，可以被广泛的应用于设计SAR图像处理和分类技术。在文献[21]中，Mejail 等人介绍了SAR监督数据分类器，它基于其参数映射并实现了有趣的结果。Gambini等人在文献[22]中使用这个分布的一个参数来量化SAR数据的粗糙度，通过活动轮廓和B样条差值来检测边缘。然而，这种技术需要一个初始分割步骤，并受拓扑限制。一般来说，活动轮廓方法不能解决不连续区域分割的问题。 本文介绍了一种新的水平集算法来实现SAR图像中均质、异构和极其异构区域分割的目标。由于分布能够描述SAR图像的同质性和规模，我们的方法采用分布对斑点数据进行建模。这些分布参数基于每一个域点进行估计，通过这些信息，我们可以在水平集分割框架内得到一个能量泛函来驱动向前传播(front propagation)。该泛函以最大化不同区域平均能量间的差异作为结束。最终水平集阶段以能量带作为依据得到SAR图像的分割结果。
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) 2013-2014年第一学期《数字图像处理》科目考查卷 专业：通信工程班级：任课教师：王新新 姓名：学号：成绩： 一 Deblurring Images Using the Wiener Filter ——使用维纳滤波器进行图像去模糊简介 在人们的日常生活中，常常会接触很多的图像画面，而在景物成像的过程中有可能出现模糊，失真，混入噪声等现象，最终导致图像的质量下降，我们现在把它还原成本来的面目，这就叫做图像还原。引起图像的模糊的原因有很多，举例来说有运动引起的，高斯噪声引起的，斑点噪声引起的，椒盐噪声引起的等等，而图像的复原也有很多，常见的例如逆滤波复原法，维纳滤波复原法，约束最小二乘滤波复原法等等。它们算法的基本原理是，在一定的准则下，采用数学最优化的方法从退化的图像去推测图像的估计问题。因此在不同的准则下及不同的数学最优方法下便形成了各种各样的算法。而我接下来要介绍的算法是一种很典型的算法，维纳滤波复原法。它假定输入信号为有用信号与噪声信号的合成，并且它们都是广义平稳过程和它们的二阶统计特性都已知。维纳根据最小均方准则，求得了最佳线性滤波器的的参数，这种滤波器被称为维纳滤波器。 维纳滤波器是最小均方差准则下的最佳线性滤波器，它在图像处理中有着重要的应用。本文主要通过介绍维纳滤波的结构原理，以及应用此方法通过MATLAB 函数来完成图像的复原。关键词：维纳函数、图像复原。 二维纳滤波器结构 维纳滤波自身为一个FIR或IIR滤波器，对于一个线性系统，如果其冲击响应为h（n），则当输入某个随机信号x (n)时， 式（1） 这里的输入 式（2） 式中s(n)代表信号，v(n)代表噪声。我们希望这种线性系统的输出是尽可能地逼近s(n)的某种估计，并用s^(n)表示，即 式（3） 因而该系统实际上也就是s(n)的一种估计器。这种估计器的主要功能是利用当前的观测值 x(n)以及一系列过去的观测值x(n-1),x(n-2),……来完成对当前信号值的某种估计。维纳滤波属于一种最佳线性滤波或线性最优估计，是一最小均方误差作为计算准则的一种滤波。设信号的真值与其估计值分别为s(n)和) s^(n)，而它们之间的误差 式（4） 则称为估计误差。估计误差e(n)为可正可负的随机变量，用它的均方值描述误差的大小显然更为合理。而均方误差最小，也就是 式（5） 最小。利用最小均方误差作为最佳过滤准则比较方便，它不涉及概率的描述，而且以它导出的最佳线性系统对其它很广泛的一类准则而言是属最佳。 图1 维纳滤波器一般结构 1、下图是一用于干涉原理进行测试的干涉场图像，要求判读条纹的间距，请给 出图像处理的方案并说明每一步的作用及其对其它处理步骤可能产生的影响。 解：步骤与思路： ○1.进行模糊处理，消除噪声 ○2.边缘检测，进行图像增强处理 ○3．二值化图像，再进行边缘检测，能够得到很清晰的边界。 ○4.采用横向标号法，根据值为1像素在标号中的相邻位置可以确定间距 I=imread('xz mjt.bmp'); I1=medfilt2(I); %对图像中值滤波 imshow(I1); [m,n]=size(I1); for i=1:m for j=1:n if(I1(i,j)<100) %阈值为100 I1(i,j)=255; else I1(i,j)=0; %进行二值化 end end end figure; imshow(I1); Y1=zeros(1,25); y2=y1; c=y2; i=100; for j=1:1200 if (I1(i,j)==255&&I1(i,j+1)==0) Y1=j+1; end if (I1(i,j)==0&&I1(i,j+1)==255) Y2=j; end end for i=1:25 c=Y2(i)-Y1(i) end c %找出每两个条纹之间的距离 2. 现有8个待编码的符号m0,……,m7,它们的概率分别为0.11,0.02,0.08,0.04,0.39,0.05,0.06,0.25,利用哈夫曼编码求出这一组符号的编码并画出哈夫曼树。 3. 请以图像分割方法为主题，结合具体处理实例，采用期刊论文格式，撰写一篇小论文。 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); 利用拉普拉斯算法对模糊图像进行 锐化处理 学院：电气信息工程学院 专业：通信工程 姓名：田鸿龙 学号：20110107 摘要：本文描述了拉普拉斯高 斯边缘检测算法结合算法在DelphiG编程环境下对BMP格式 的灰度图像进行了边缘检测处理，从而体现其优越性。彩色图 像增强过程中，对图像进行锐化处理是一个重要环节。介绍了 图像锐化处理的槪念和拉普拉斯算子的算法原理。 关键词：边缘检测，图像处理，拉普拉斯高斯算法，Sobel算子。 图像锐化(image sharpening)就是补偿图像的，增强图像的边缘及灰度跳变的部分，使图像变得淸晰，亦分空域处理和频域处理两类。 数字图像的边缘检测是图像分割、区域识别和特征提取等图像分析领域的重要基础。图像的边缘是图像的最基本的特征，是指图像局部亮度变化最显著的地方，通常与图像亮度或图像亮度的一阶导数的不连续性有关。对于数字图像灰度值的显著变化可以用梯度来表示，边缘检测很大程度上来说就是求梯度。边缘检测的好坏直接影响到图像理解和识别的质虽，选择什么样的边缘检测算法就很关键。本文引入拉普拉斯高斯算法，讨论其工作原理，利用Delphi结合拉普拉斯髙斯算法对BMP格式的灰度图像进行了边缘检测处理并对比其它算法给出了拉普拉斯高斯算子的优越性。 一、图像锐化 图像模糊的主要原因是图像中的高频成分低于低频成分，它对图像量的影响体现在两个不同灰度区域的边界部分。图像锐化处理的目的是加强图像中景物的边缘和轮廓，使模糊的图像变得更淸晰。它是一种使图像原有信息变换为有利于人眼观察的质蚩:、消除模糊、好的视觉效果、图像边缘轮解分明。图像的模糊实质就是图像受到平均或积分运算造成的，因此可以对图像进行逆运算如微分运算来使图像清晰化。从频谱角度来分析，图像模糊的实质是其高频分量被衰减，因而可以通过高通滤波操作来淸晰图像。但要注意，能够进行锐化处理的图像必须有较高的性噪比，否则锐化后图像性噪比反而更低，从而使得噪声增加的比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理。 图像的锐化一般有两种方法一种是微分法，另外一种是高通滤波法拉普拉斯锐化法是属于常用的微分锐化法。 1.1图像锐化的權念 在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。这将导致 大作业要求 1.数字图像处理中的图像增强、图像分割、数学形态学、图像编码这几个章节中，围绕你所感兴趣的题目写一篇综述。 2.要求： （1）在中国知网上下载5篇以上相关文章，结合上课所学内容，确定综述的内容。（2）文字3000字以上，包含 a. 课题背景和概述 b. 国内外研究现状 c. 技术应用（可以实现哪些功能，实 现的方法及结果 d. 结论 e. 学习体会 f．参考文献 （3）综述的排版： 正文层次格式如下： 1（空两格）×××××（居中，三号宋体，加粗，占4行） 1.1×××（左顶格，四号宋体，加粗，占 2.5行，不接排） 1.1.1×××（左顶格，小四号宋体，加粗，占2行，不接排） a.（左空两格，a.后空一格）×××(小4号宋体，加粗) （正文）×××××(小4 号宋体，接排) (1)（左空两格，(1)后空一格）×××(小4号宋体，加粗) （正文）×××××(小4号宋体，接排) 1)（左空两格，1）后空一格）(小4号宋体，加粗) （正文）×××××(小4号宋体，接排) 正文中段落一律段前、段后0磅，行距为20磅，对齐方式：两端对齐。小4号字体。 论文中的图和表居中，并且有图题和表题。 例如： 图 1 主站工作过程（5号字体，加粗） 表1 不同总线速率下从站的延迟时间（5号字体，加粗） 速率（Kbit/s ） 9.6 19.2 93.75 187.5 500 1500 1200SDR minT (bit T ) 11 11 11 11 11 11 11 SDR maxT (bit T ) 60 60 60 60 100 150 800 参考文献按照下面形式给出： 参考文献 （居中，三号，宋体，加粗，占4行） 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/492981513.html, 张磊香港理工大学计算机系cslzhang@https://www.doczj.com/doc/492981513.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/492981513.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： 上海电力学院 实验报告 实验课程名称：数字图像处理 实验项目名称：实验7 细胞面积计算与个数统计 班级： 2009073 姓名：杨祯 学号： 20092006 一、实验目的 1、熟悉Visual C++开发环境和Windows编程模型。 2、掌握设备无关位图的数据格式。 3、学会使用DIBAPI函数访问设备无关位图。 4、结合实例学习如何在应用程序中添加图像处理算法。 5、运用所学的图像处理方法对细胞图像进行细胞面积计算与个数统计。 二、实验原理 在填充孔洞以后的细胞图像中出现粘连，可以通过较为复杂的算法将粘连细胞分割开来。这里采取如下简单方法进行细胞计数和面积计算. (1)对填充孔洞后后细胞图像进行标记处理，初步计算出细胞的个数； (2)计算不同标记区域的像素数，并用区域的像素数代表其面积； (3)若某个标记区域像素数大于1000，则认为该标记区域为两个粘连在一起的细胞，原细胞数量增加1；若某个标记区域像素数小于70，则视为噪声，原细胞数量减1。 三、实验步骤 1、在资源浏览方式下，选择Menu节点，点击IDR_MAINFRAME，增加操作按钮，见下图，如在菜单“细胞计数”中添加“统计个数和面积”按钮。 2、对该按钮进行编辑，如图： ID设为ID_CELLCOUNT E，标题设为“统计个数和面积”。 3、（1）按下快捷键CTRL+W，弹出向导对话框，利用向导在CCellCounView类中添加 响应函数—腐蚀OnCellcount，如图： 1、注意类名 2、选择ID 4、点击按钮 3、双击COMMAND 添加函数后的结果 (2)点击Edit Code按钮后，在CCellCountView.cpp文件中便添加了OnCellcount ()函数，此 时需要在该函数中添加实现代码，具体如下： void CCellCountView::OnCellcount() { CCellCountDoc* pDoc=GetDocument(); if( pDoc->m_hDIB!=NULL ) { 2014年上学期《数字图像处理》复习大作业及参考答案 ===================================================== 一、选择题（共20题） 1、采用幂次变换进行灰度变换时，当幂次取大于1时，该变换是针对如下哪一类图像进行增 强。（B） A 图像整体偏暗 B 图像整体偏亮 C图像细节淹没在暗背景中D图像同时存在过亮和过暗背景 2、图像灰度方差说明了图像哪一个属性。（B ） A 平均灰度 B 图像对比度 C 图像整体亮度D图像细节 3、计算机显示器主要采用哪一种彩色模型（ A ） A、RGB B、CMY或CMYK C、HSI D、HSV 4、采用模板［-1 1］T主要检测（ A ）方向的边缘。 A.水平 B.45? C.垂直 D.135? 5、下列算法中属于图象锐化处理的是：( C ) A.低通滤波 B.加权平均法 C.高通滤波 D. 中值滤波 6、维纳滤波器通常用于（ C ） A、去噪 B、减小图像动态范围 C、复原图像 D、平滑图像 7、彩色图像增强时， C 处理可以采用RGB彩色模型。 A. 直方图均衡化 B. 同态滤波 C. 加权均值滤波 D. 中值滤波 8、__B__滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。 A. 逆滤波 B. 维纳滤波 C. 约束最小二乘滤波 D. 同态滤波 9、高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加上一常数量以 便引入一些低频分量。这样的滤波器叫B。 A. 巴特沃斯高通滤波器 B. 高频提升滤波器 C. 高频加强滤波器 D. 理想高通滤波器 10、图象与灰度直方图间的对应关系是 B __ A.一一对应 B.多对一 C.一对多 D.都不 11、下列算法中属于图象锐化处理的是：C A.低通滤波 B.加权平均法 C.高通滤 D. 中值滤波 12、一幅256*256的图像，若灰度级数为16，则存储它所需的比特数是：( A ) A、256K B、512K C、1M C、2M 13、噪声有以下某一种特性（ D ） A、只含有高频分量 B、其频率总覆盖整个频谱 C、等宽的频率间隔内有相同的能量 D、总有一定的随机性 14. 利用直方图取单阈值方法进行图像分割时：（B） a.图像中应仅有一个目标 b.图像直方图应有两个峰 c.图像中目标和背景应一样大 d. 图像中目标灰度应比背景大 15. 在单变量变换增强中，最容易让人感到图像内容发生变化的是（ C ） 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 - 目录 1 引言 (4) 2 基于纹理特征的图像检索方案 (5) 2.1 双树复小波变换原理 (5) 2.2 灰度共生矩阵 (5) 3 图像检索的实验设计 (6) 3.1 图像检索算法的描述 (6) 3.2 双树复小波纹理特征的提取 (7) 3.3 灰度共生矩阵纹理特征的提取 (7) 3.4 相似性度量 (8) 4 实验思路及结果分析 (9) 参考文献 (9) 基于纹理的图像检索技术 摘要本文主要基于图像的纹理特征，在改进DWT小波变换和灰度共生矩阵的缺陷后，进行检索。传统的DWT小波变换在提取图像纹理特征时存在震荡、平移变化、混频和缺乏方向性四种缺陷。为克服这些缺陷，本文采用双树复小波变换对图像检索中的查询图像和目标图像进行分解，提取6个方向上的纹理特征，为了弥补双树复小波变换缺少不同尺度纹理的空间分布特征的缺陷，又利用这两种图像的灰度共生矩阵提取4个统计量特征；最后用Canberra距离进行相似性度量并输出图像检索的结果。 关键字：图像检索；双树复小波；灰度共生矩阵；纹理特征。 ABSTRACT This paper mainly based on image texture feature, the improvement of DWT wavelet transform and the defect of gray level co-occurrence matrix after the search. Traditional DWT wavelet transform in image texture feature extraction are concussion, translation, frequency mixing and lack of direction four kinds of defects. To overcome these defects, this paper adopts double tree after wavelet transform of image retrieval query image and target image decomposition, the texture feature extraction six direction, in order to make up for the double tree after wavelet transform of the spatial distribution of different texture features of the defects, and use of these two kinds of image gray level co-occurrence matrix extract four statistic characteristics; Finally in Canberra distance similarity measure and the results of the output image retrieval. Key words: image retrieval; Double tree complex wavelet; Gray level co-occurrence matrix; Texture feature. 数字图像处理 目录 作业一 (1) 一作业要求 (1) 二源代码 (1) 三运行结果 (3) 作业二 (5) 一作业要求 (5) 二算法描述 (5) 三源代码 (7) 四运行结果 (10) 作业一 一作业要求 在图像的空间域滤波操作中，会出现有部分掩膜矩阵在图像外面的情况，所以需要给图像先加入一个边界，执行完操作之后，再去掉这个边界，保证图像中所有的像素都参与矩阵运算。 二源代码 byte[,] filter(byte[,]f,float[,]mask) { int w = f.GetLength(0); int h = f.GetLength(1); byte[,] g = new byte[w,h]; int M = mask.GetLength(0)/2; int N = mask.GetLength(1)/2; for (int y=N;y } float[,] averagingMask(intM,int N) { float[,] mask = new float[2*M+1,2*N+1]; for (int m=-M;m<=M;m++) for (int n=-N;n<=N;n++) mask[M+m,N+n] = 1.0f/((2*M+1)*(2*N+1)); return mask; } byte[,] addboard(byte[,] f,intM,int N) { int w=f.GetLength(0); int h=f.GetLength(1); intgw=w+2*M; intgh=h+2*N; byte[,] g=new byte[gw,gh]; //add top board and bottom board for(inti=0;i 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》课后作业（2015） 第2章 2.5 一个14mm?14mm的CCD摄像机成像芯片有2048?2048个像素，将它聚焦到相距0.5m远的一个方形平坦区域。该摄像机每毫米能分辨多少线对？摄像机配备了一个35mm镜头。（提示：成像处理模型见教材图2.3，但使用摄像机镜头的焦距替代眼睛的焦距。） 2.10 高清电视（HDTV, High Definition TV ）使用1080条水平电视线（TV Line）隔行扫描来产生图像（每隔一行在显像管表面画出一条水平线，每两场形成一帧，每场用时1/60秒,此种扫描方式称为1080i，即1080 interlace scan；对应的有1080p，即1080 progressive scan,逐行扫描）。图像的宽高比是16:9。水平电视线数（水平行数）决定了图像的垂直分辨率，即一幅图像从上到下由多少条水平线组成；相应的水平分辨率则定义为一幅图像从左到右由多少条垂直线组成，水平分辨率通常正比于图像的宽高比。一家公司已经设计了一种图像获取系统，该系统由HDTV图像生成数字图像，彩色图像的每个像素都有24比特的灰度分辨率（红、绿、蓝分量各8比特）。请计算不压缩时存储90分钟的一部HDTV电影所需要的存储容量。 2.22 图像相减常用于在产品装配线上检测缺失的元件。方法是事先存储一幅对应于正确装配的产品图像，称为“金”图像（“golden” image），即模板图像。然后，在同类型产品的装配过程中，采集每一装配后的产品图像，从中减去上述模板图像。理想情况下，如果产品装配正确，则两幅图像的差值应为零。而对于缺失元件的产品，其图像与模板图像在缺失元件区域不同，两幅图像的差值在这些区域就不为零。在实际应用中，您认为需要满足哪些条件这种方法才可行？ 第3章 3.5 在位平面分层中, （a）如果将低阶位平面的一半设为零值，对一幅图像的直方图大体上有何影响？ （b）如果将高阶位平面的一半设为零值，对一幅图像的直方图又有何影响？ 3.6 试解释为什么离散直方图均衡化技术一般不能得到平坦的输出直方图。 3.14 右图所示的两幅图像差异很大，但它们的直方图却相同。假设每幅图像都用一个3×3的均值滤波模板进行模糊处理，那么： (a)模糊后的两幅图像的直方图还相同吗？试解释原因。 (b)如果您认为模糊后的两幅图像的直方图不相同，请画出这两幅 图像的直方图。 数字图像处理 实验报告 实验选题：选题二 组员： 学号： 班级： 指导老师： 实验日期：2019年5月22日 一、实验目的及原理 1.识别出芯片的引脚 2.熟悉并掌握opencv的某些函数的功能和使用方法 原理：通过滤波、形态学操作得到二值图，再在二值图中设置条件识别引脚部分。 二、实现方案 对图片滤波、调节阈值做边缘检测过滤掉一部分图片中干扰元素；然后通过膨胀、腐蚀操作来减少引脚的空心部分；再通过findContours()函数找到引脚的边缘并得到轮廓的点集，设置特定的长宽比和矩形面积识别引脚部分。 三、实验结果 四、源码 #include 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坚实的基础。更重要的是学习到了数字图像处理的思想。通过学习也是对C++编程应用的很好的实践与复习。 数字图像处理在国民经济的许多领域已经得到广泛的应用。农林部门通过遥感图像了解植物生长情况，进行估产，监视病虫害发展及治理。水利部门通过遥感图像分析，获取水害灾情的变化。气象部门用以分析气象云图，提高预报的准确程度。国防及测绘部门，使用航测或卫星获得地域地貌及地面设施等资料。机械部门可以使用图像处理技术，自动《数字图像处理》结课小论文
数字图像处理大作业
武汉科技大学 数字图像处理实验报告
数字图像处理结课论文...docx
数字图像处理大作业
数字图像处理技术应用课程报告
数字图像处理期末作业1
《数字图像处理》复习大作业及答案
2013数字图像处理课程设计报告
数字图像处理作业
西安交通大学大学数字图像处理大作业
数字图像处理课程设计报告
《数字图像处理》课后作业2015
数字图像处理大作业报告
数字图像处理课程心得
相关主题
文本预览