2.2 图像基本概念
2.2.1 像素与灰度
像素和分辨率在计算机中，有两个大家都熟悉的概念：像素（pixel）和分辨率（resolution）。我们将图像进行采样的单位称为像素，像素是是组成图像的最基本元素，是数字图像显示的基本单位。像素是一个逻辑尺寸单位，比如一台计算机，其屏幕大小为17英寸，可以用800行*1280列个像素（格子）来显示桌面的图像，也可以用768行*1024列来显示桌面图像，不过显示的图像的清晰度会有差别。在计算机编程中，由像素组成的图像也通常叫“位图”或“光栅图像”。而分辨率狭义的是指显示器所能显示的像素的多少，当用户设置桌面分辨率为1280*800时，表示的意思就是在这个屏幕大小的物理尺寸上，显示器所显示的图像由800行*1280列个像素组成；可以看出，在同样大小的物理尺寸上，分辨率越高的图像，其像素所表示的物理尺寸越小，画面也就越精细，整个图像看起来也就越清晰。广义的分辨率是指对一个物体成像数字时化时进行采样的物理尺寸的大小，比如我们嫦娥一号卫星拍摄的月亮的照片，其分辨率是个很大的数（通常称分辨率很低），如几千平方公里，意思是说，在拍摄的月球的照片上，一个像素点相当于月球上几千公里见方。
2.2.2 采样量化
将空间上连续的图像变换成离散点的操作称为采样。采样间隔和采样孔径的大小是两个很重要的参数。当对图像进行实际的抽样时，怎样选择各抽样点的间隔是个非常重要的问题。关于这一点，图像包含何种程度的细微的浓淡变化，取决于希望忠实反映图像的程度。
经采样图像被分割成空间上离散的像素，但其灰度是连续的，还不能用计算机进行处理。将像素灰度转换成离散的整数值的过程叫量化。表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。一幅数字图像中不同灰度级的个数称为灰度级数，用G表示。灰度级数就代表一幅数字图像的层次。图像数据的实际层次越多视觉效果就越好。一般来说，G=2g，g就是表示存储图像像素灰度值所需的比特位数。若一幅数字图像的量化灰度级数G=256=28级，灰度取值范围一般是0~255的整数，由于用8bit就能表示灰度图像像素的灰度值，因此常称8 bit 量化。从视觉效果来看，采用大于或等于6比特位量化的灰度图像，视觉上就能令人满意。一幅大小为M×N、灰度级数为G的图像所需的存储空间，即图像的数据量，大小为M×N×g （bit）。
图2.4 分辨率与图像清晰度图2.5 量化等级与图像清晰度
一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大，如图2.4所
示，图像越来越模糊。同样，量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。如图2.5所示，图像的质量越来越差，左上角的图像质量最好，但数据量也越大。但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。例如对细节比较丰富的图像数字化。数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。
彩色图像、灰度图像与二值图像按所能呈现的色彩和灰度等级我们可以将任何图像（物理的和数字的）图像分为彩色图像、灰度图像和二值图像。彩色图像是指图像中含有色彩信息的图像，在数字图像中，每一个像素都有相应的数值来表示该像素的信息，彩色图像的信息就是颜色信息。根据三基色原理，任何颜色都可以表示为三个基本颜色红、绿、蓝（RGB）按不同比例合成产生。通常所说的24位（bit）位图（windows 画图器程序中有相应的保存选项）就是每个像素由24位信息来表示颜色的位图，R、G、B每种颜色通道信息各8位，因此有224（16777216）种不同的颜色（人眼对色彩的分辨能力大致是一千万色），这些颜色足以表达出人眼能够辨别的所有信息，因此也叫做真彩色图像。而灰度图像是指只有亮度差别，而没有颜色差别的图像，例如黑白的老照片。由于人眼能够辩出的亮度等级是有限的，因此数字图像中也可以用有限的等级来描述一副图像。例如，每个像素采用一个字节来表示其亮度信息，就有256级的亮度（28），等级越多的图像效果越好。当灰度图像的灰度只有两个等级的时候，这种图像就叫做二值图像（黑白图像）。可以只用“全黑”和“全白”两种方式对图像进行描述和记录。二值图像所含的信息较少，占用的存储空间也相应较少，但二值图像也有不少的应用，如指纹图像以及文字的识别等，都需要获得二值图像。
（a）黑白图像的像素值（b）灰度图像的像素值
（c）彩色图像的像素值
图2.6 图像与像素值
黑白图像图像的每个像素只能是黑或白，没有中间的过渡，故又称为二值图像。二值图像的像素值为0或1。如图2.6（a）所示
灰度图像灰度图像是指灰度级数大于2的图像。但它不包含彩色信息。如图2.6（b）所示
彩色图像彩色图像是指每个像素由R、G、B分量构成的图像，其中R、B、G是由不同的灰度级来描述（后面我们知道，还有其他的颜色空间来描述彩色图像）。每个分量的值如图2.6（c）所示。
2.2.3 三基色原理
相加混色与RGB 在中学的物理课中我们可能做过棱镜的试验，白光通过棱镜后被分解成多种颜色逐渐过渡的色谱，颜色依次为红、橙、黄、绿、青、蓝、紫，这就是可见光谱。其中人眼对红、绿、蓝最为敏感，人的眼睛就像一个三色接收器的体系，大多数的颜色可以通过红、绿、蓝三色按照不同的比例合成产生，同样绝大多数单色光也可以分解成红绿蓝三种色光。这是色度学的最基本原理，即三基色原理（如图2.7所示）。三种基色是相互独立的，任何一种基色都不能由其它两种颜色合成。红绿蓝是三基色，这三种颜色合成的颜色范围最为广泛。红绿蓝三基色按照不同的比例相加合成混色称为相加混色。其中一些混色的规律有：
红色+绿色=黄色；绿色+蓝色=青色；红色+蓝色=品红；红色+绿色+蓝色=白色；另外：红色+青色=白色；绿色+品红=白色；蓝色+黄色=白色。
图2.7 三基色原理
当两种光按照适当比例混合得到白光时，称这两种光为互补光。所以，按照上述的混色规律我们可以得到，青色、黄色、品红分别是红色、蓝色、绿色的补色。
由于每个人的眼睛对于相同的单色感受不同，所以，如果用相同强度的三基色混合时，假设得到白光的强度为100%，这时，人的主观感受是，绿光最亮，红光次之，蓝光最弱。如果用Y表示景物的亮度，则通常有：
Y=0.299R+0.587G+0.114B
因为红、绿、蓝三基色能够合成自然界所有的色彩，因此在电子设备和软件中，经常使用红绿蓝三基色合成五颜六色的图像。用以上的相加混色所表示的颜色模式成为RGB模式。
相减混色与CMY（CMYK）大家知道，显示器采用RGB模式，就是因为显示器是电子光束轰击荧光屏上的荧光材料发出亮光从而产生颜色。当没有光的时候为黑色，光线加到最大时为白色。而打印机呢？它的油墨不会自己发出光线。因而只有采用吸收特定光波而反射其它光的颜色，所以需要用减色法来解决。CMYK颜色模式是一种印刷模式。其中四个字母分别指青（Cyan）、洋红（Magenta）、黄（Yellow）、黑（Black），在印刷中代表四种颜色的油墨。CMYK模式在本质上与RGB模式没有什么区别，只是产生色彩的原理不同，在RGB模式中由光源发出的色光混合生成颜色，而在CMYK模式中由光线照到有不同比例C、M、Y、K油墨的纸上，部分光谱被吸收后，反射到人眼的光产生颜色。由于C、M、Y、K在混合成色时，随着C、M、Y、K四种成分的增多，反射到人眼的光会越来越少，光线的亮度会越来越低，所有CMYK模式产生颜色的方法又被称为色光减色法。
在白光照射下，青色颜料能吸收红色而反射青色，黄色颜料吸收蓝色而反射黄色，品红颜料吸收绿色而反射品红。也就是：
白色-红色=青色；白色-绿色=品红；白色-蓝色=黄色
如果把青色和黄色两种颜料混合，在白光照射下，由于颜料吸收了红色和蓝色，而反射了绿色，对于颜料的混合我们表示如下：
颜料(黄色+青色)=白色-红色-蓝色=绿色；
颜料(品红+青色)=白色-红色-绿色=蓝色；
颜料(黄色+品红)=白色-绿色-蓝色=红色
以上的都是相减混色,相减混色就是以吸收三基色比例不同而形成不同的颜色的。所以有把青色、品红、黄色称为颜料三基色。CMYK模式是一种颜料模式,所以它属于印刷模式,但本质上与RGB模式没有区别,只是产生颜色的方式不同。
2.2.4 彩色模型（RGB、YUV、YCbCr、HSV、HLS）
正如几何上用坐标空间来描述坐标集合, 色彩空间用数学方式来描述颜色集合。常见的3 个基本色彩模型是RGB , CMYK和YUV。
RGB RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。
RGB色彩模式使用RGB模型为图像中每一个像素的RGB分量分配一个0~255范围内的强度值。例如：纯红色R值为255，G值为0，B值为0；灰色的R、G、B三个值相等（除了0和255）；白色的R、G、B都为255；黑色的R、G、B都为0。RGB图像只使用三种颜色，就可以使它们按照不同的比例混合，在屏幕上重现16777216（224）种颜色。
YUV在现代彩色电视中，通常采用三管彩色摄像机或彩色CCD摄像机，它把得到的彩色图像信号，经分色、分别放大校正得到RGB，再经过矩阵变换电路得到亮度信号Y和两个色差信号R-Y、B-Y，最后发送端将三个信号分别进行编码，用同一信道发送出去。这就是我们常用的YUV颜色空间。
YUV是被欧洲电视系统所采用的一种颜色编码方法（属于PAL），是PAL和SECAM模拟彩色电视制式采用的颜色空间。其中的Y，U，V几个字母不是英文单词的组合词，Y代表亮度，U，V代表色差，U和V是构成彩色的两个分量。采用YUV色彩空间的重要性是它的亮度信号Y和色度信号U、V是分离的。如果只有Y信号分量而没有U、V信号分量，那么这样表示的图像就是黑白灰度图像。彩色电视采用YUV 空间正是为了用亮度信号Y解决彩色电视机与黑白电视机的相容问题，使黑白电视机也能接收彩色电视信号。YUV主要用于优化彩色视频信号的传输，使其向后兼容老式黑白电视。与RGB视频信号传输相比，它最大的优点在于只需占用极少的频宽（RGB要求三个独立的视频信号同时传输）。其中“Y”表示明亮度（Luminance或Luma），也就是灰阶值；而“U”和“V” 表示的则是色度（Chrominance或Chroma），作用是描述影像色彩及饱和度，用于指定像素的颜色。“亮度”是透过RGB输入信号来建立的，方法是将RGB 信号的特定部分叠加到一起。“色度”则定义了颜色的两个方面─色调与饱和度，分别用Cr和Cb来表示。其中，Cr反映了RGB输入信号红色部分与RGB信号亮度值之间的差异。而Cb反映的是RGB输入信号蓝色部分与RGB信号亮度值之同的差异。
采用YUV色彩空间的重要性是它的亮度信号Y和色度信号U、V是分离的。如果只有Y信号分量而没有U、V分量，那么这样表示的图像就是黑白灰度图像。彩色电视采用YUV空间正是为了用亮度信号Y解决彩色电视机与黑白电视机的兼容问题，使黑白电视机也能接收彩色电视信号。
YUV相关色彩模型与RGB的转换方程如下：
YCbCr在DVD、摄像机、数字电视等消费类视频产品中，常用的色彩编码方案是YCbCr，其中Y是指亮度分量，Cb指蓝色色度分量，而Cr指红色色度分量。YCbCr是在世界数字组织视频标准研制过程中作为ITU - R BT1601 建议的一部分，其实是YUV经过缩放和偏移的翻版。在YUV 家族中，YCbCr 是在计算机系统中应用最多的成员, 其应用领域很广泛，JPEG，MPEG均采用此格式。因此，一般人们所讲的YUV大多是指YCbCr。其中Y与YUV 中的Y含义一致，Cb，Cr 同样都指色彩, 只是在表示方法上不同而已。常用的从RGB到YCbCr的转换公式如下：
图像子采样（Image Downsampling）由于人的肉眼对视频的Y分量更敏感，因此我们在（YUV、YCbCr）亮度和色度来表示颜色的颜色空间中，我们可以对色度信息进行弱化，而不会改变肉眼观察的结果。因此在通过对色度分量进行子采样来减少色度分量后，肉眼将察觉不到图像质量的变化。具体来说，我们可以对图像中每个像素设置一个单独的亮度值，而按照某些特定的规则，将一组像素赋予相同的色度值。我们将这个过程称为子采样。Intel? IPP的函数支持下列子采样的格式：
4:4:4 YUV (YCbCr) 该格式是传统的未采取子采样的格式，对每一个像素的Y、U（Cb）、V（Cr）都进行采样。每个成份通常包含8位，每个像素需要24位，这种格式因此也通常称为4：4：4格式。
4:2:2 YUV (YCbCr)采用2：1的水平方向子采样，它的含义是，对每个像素的亮度值Y进行采样，对水平方向连续两个像素的U（Cb）V（Cr）进行采样。如果每一个通道占用8位，那么每两个像素占有
8*2+8+8=32位的空间，因此每个像素比4：4：4格式少用8位空间。
4:1:1 YCbCr采用4：1的水平方向子采样，它的含义是，对每个像素的亮度值Y进行采样，对水平方向连续4个像素的U（Cb）V（Cr）进行采样。如果每一个通道占用8位，那么每4个像素占有8*4+8+8=48位的空间，因此每个像素比4：4：4格式少用12位空间。
4:2:0 YUV (YCbCr)采用水平和垂直方向2：1子采样，它的含义是，对每个像素的亮度值Y进行采样，每2*2个像素块进行一次U(Cb) 和V(Cr)采样。如果每一个通道占用8位，则每4个像素占有8*4+8+8=48位的空间，因此每个像素比4：4：4格式少用12位空间。
4:2:0格式是便携式视频设备(MPEG-4)以及电视会议(H.263)最常用格式；4：2：2格式是DVD、数字电视、HDTV 以及其它消费类视频设备的最常用格式；4：4：4格式用于高质量视频应用、演播室以及专业视频产品。
在图像压缩算法中，JPEG采用了一种特定的子采样方法。在JPEG算法中，子采样的格式会决定最小编码单元的结构（minimal coded units, or MCUs），因此在IPP中，支持JPEG算法的函数支持下列的子采样格式：
4:4:4 YCbCr针对每个8*8像素块大小，有8*8块大小的Y值，同时，也分别有一个8*8块大小的Cb和Cr值。
4:2:2 YCbCr 针对两个水平方向连续的8*8像素块，有两个8*8块大小的Y值，也分别有一个8*8块大小的Cb值和Cr值。
4:1:1 YCbCr 针对每4个8*8块（水平和垂直各两块8*8大小的像素块），有4个8*8块大小的Y值，也分别有一个8*8块大小的Cb值和Cr值。
图2.8 平面图像示意图
HSV颜色模型在生活中，我们感知和关于颜色的讨论其实和RGB颜色模型并不是直接相关，举个例子来说，如果我们装修房子，我们对房子装饰的颜色并不是说R，G，B成份各是多少，而会说我们打算用什么颜色，多亮，颜色是柔和一些的还是鲜明一些的。通常来说，我们第一个关注的就是颜色（Hue，色相或色彩），色相描述了具体的颜色，如红、黄、紫等，即其在光谱上的位置（该可见光的波长是多少）。如图2.9所示，用从0到3600的圆圈代表了不同的颜色；第二个会关注的是颜色的饱和度（S，纯度），饱和度衡量该颜色相对于白色的多少，比如，一个全部是红色而没有白色成份的颜色是完全饱和的，如果将白色加入到红色中去，红色会变得更加柔和，我们感知的颜色也会从红色相粉红色变化，此时的颜色（色相）仍然是红色，但是该颜色变得不饱和。如图所示，纵轴表示了不同的饱和度；最后，我们也会经常说明颜色的亮度，我们可以拿一个红色的跑车为例，当天气晴朗，足够的光线反射到我们的眼睛，这时，车子看起来很亮，很色也很鲜艳，但是，到了傍晚，光线很弱，车子看起来也很暗淡，看起来偏黑。如图所示，横轴表示了不同的亮度，和饱和度一样，其范围也是0-100%，亮度表示了有多少光线照射在该颜色上，我们从图中也可以看出，当亮度增加是，红色跟鲜艳，当亮度降低时，红色变得更黑。因此，和RGB 颜色空间类似，HSV是另一种描述颜色空间的颜色模型，RGB颜色空间和HSV颜色空间之间可以互相转
化（有相互转化的公式）。该模型的描述方法更接近于人类对于颜色的感知。下图为将RGB模型分解为H、S、V后的灰度图。
为了更好的理解HSV和RGB颜色空间的概念。我们将详细描述他们之间的关系。
我们首先从亮度的概念着手，亮度的概念在前面也有描述，它是对某一个区域发出光线多少的感知。市场上有一种可控灯，我们可以这种灯的亮度，不管这个灯是红色的光还是白色的光。在RGB颜色空间中，亮度是用RGB三种颜色值的和来表示。对与某一等级的亮度，其代表了垂直于正方体的对角线的平面（R+B+G=Constant），如图所示，我们选取了RGB颜色空间的三个垂直于对角线的平面，图（a）显示了三个当中最暗的平面，图（c）是三个当中最亮的，我们注意到，虽然在每一个平面中的颜色是千变万化的，但是他们的亮度是相同的。在对角线的两个端点是两种特殊的颜色，黑色和白色，他们在RGB空间中只有一个点（而不是平面）。其实，（R+G+B）/ 3虽然是亮度的严格定义，但是人类感知颜色的亮度并不是这样的，人类感知亮度的公式是Luminance，Y = 0.30R + 0.59G + 0.11B。因为这些权值比较准确的衡量了人类眼睛对红、绿、蓝三种颜色的敏感度。
图2.9 HSV颜色模型
图2.10 图片及其H、S、V分量图
接下来我们阐述饱和度的概念。饱和度的定义依赖于亮度，饱和度定义为彩色度（colorfulness）与亮度的比值。用什么衡量彩色度呢？我们仍然可以借助RGB正方体空间和该正方体的对角线来描述。正方体的这条对角线的颜色值范围从0R0G0B到255R255G255B，对角线上所有的R，G，B分量都相同，构成了从黑到白的所有灰度值。因此在这条轴上，没有颜色信息，因此，在RGB空间中，任何一点的彩色度，与该点到这条轴的距离成正比。离这条轴的距离越近，该点看上去彩色度就很小，看上去偏灰，离这条轴的距离越远，该点看上去颜色也就越丰富。而饱和度就是彩色度与亮度的比值（也即每一个颜色点与黑点、即远点所成的直线与中心轴的夹角大小）。因此在图中的每一个平面中的点，离中心轴越远，饱和度越大。如图所示。左图和右图分别对应于20%和70%的饱和度，饱和度越高，颜色越鲜艳，从图中可以看出，右图比左图明显要鲜艳很多。
(a) (b)
(c) (d)
图2.11 HSV分量图
最后，我们看看颜色（Hue），我们将颜色定义为其与轴线的夹角的方向（大小为饱和度），如图所示，红色、青色、黄色、绿色等颜色在绕轴线的360度角上均匀地分配。如图所示，（a）图的Hue值为330度，其颜色为紫色；（b）图的Hue值为0度，其颜色为红色；（c）图的Hue值为30度，其颜色为橙色。
如图所示，为RGB空间和HSV空间的映射关系。
HLS许多人认为HLS色彩模型比较直觉化，因为它在定义色彩时根据的是「色调」、「明亮」(或亮度)及「饱和度」。若要指定色彩，请在彩虹频谱上挑选色调、选取其饱和度(色彩的纯度)，并设定亮度(亮或暗)。鲜红色是高度饱和的明亮色彩。粉蜡笔般的粉红色较不饱和。色调以度数(0到360度)指定，而饱和度和明亮则是以0到100%的百分比指定。任何饱和度为零的HLS色彩就是中性灰。
图2.12 表2.4对应的平面数据排列方式
2.2.6 图像增强基础
图像增强(image enhancement) 图像在采集过程中不可避免的会受到传感器灵敏度、噪声干扰以及模数转化时量化问题等等因素影响而导致图像无法达到人眼的视觉效果，为了实现人眼观察或者机器自动分析的目的，对原始图像所做的改善行为，就被称作图像增强技术。为此图像增强技术虽然是改善图像质量的通用方法，但是它也同样带有针对性，它必须是针对某一特定的需要而采用的特定的算法来实现图像质量的改善。
由于图像增强技术现在还没有统一为一种算法，因此图像增强技术由于各种不同目的而产生了多种算法，把这些算法可以根据处理空间的不同分为基于空间域的图像增强算法和基于变换域的图像增强算法。基于空间域的图像增强算法又可以分为空域的变换增强算法、空域的滤波增强算法以及空域的彩色增强算法；基于变换域的图像增强算法可以分为频率域平滑增强算法、频率域的锐化增强算法以及频域彩色增强算法，由于彩色增强算法现在研究的不是很成熟，所以笔者在这里把空域算法和频域算法联合起来构成一块来学习。
增强图象中的有用信息，它可以是一个失真的过程，其目的是要增强视觉效果。将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法。
图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
图像增强的目的是改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。其方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。
基于空域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。
数字图像处理 课程编码：3073009223 课程名称：数字图像处理 总学分： 2 总学时：32 (讲课28，实验4) 课程英文名称：Digital Image Processing 先修课程：概率论与数理统计、线性代数、C++程序设计 适用专业：自动化专业等 一、课程性质、地位和任务 数字图像处理课程是自动化专业的专业选修课。本课程着重于培养学生解决智能化检测与控制中应用问题的初步能力，为在计算机视觉、模式识别等领域从事研究与开发打下坚实的理论基础。主要任务是学习数字图像处理的基本概念、基本原理、实现方法和实用技术，并能应用这些基本方法开发数字图像处理系统，为学习图像处理新方法奠定理论基础。 二、教学目标及要求 1．了解图像处理的概念及图像处理系统组成。 2．掌握数字图像处理中的灰度变换和空间滤波的各种方法。 3．了解图像变换，主要是离散和快速傅里叶变换等的原理及性质。 4．理解图像复原与重建技术中空间域和频域滤波的各种方法。 5. 理解解彩色图像的基础概念、模型和处理方法。 6. 了解形态学图像处理技术。 7. 了解图像分割的基本概念和方法。 三、教学内容及安排 第一章：绪论（2学时） 教学目标：了解数字图像处理的基本概念，发展历史，应用领域和研究内容。通过大量的实例讲解数字图像处理的应用领域；了解数字图像处理的基本步骤；了解图像处理系统的组成。 重点难点：数字图像处理基本步骤和图像处理系统的各组成部分构成。 1.1 什么是数字图像处理 1.2 数字图像处理的起源
1.3.1 伽马射线成像 1.3.2 X射线成像 1.3.3 紫外波段成像 1.3.4 可见光及红外波段成像 1.3.5 微波波段成像 1.3.6 无线电波成像 1.3.7 使用其他成像方式的例子 1.4 数字图像处理的基本步骤 1.5 图像处理系统的组成 第二章：数字图像基础（4学时） 教学目标：了解视觉感知要素；了解几种常用的图像获取方法；掌握图像的数字化过程及其图像分辨率之间的关系；掌握像素间的联系的概念；了解数字图像处理中的常用数学工具。 重点难点：要求重点掌握图像数字化过程及图像中像素的联系。 2.1 视觉感知要素（1学时） 2.1.1 人眼的构造 2.1.2 眼镜中图像的形成 2.1.3 亮度适应和辨别 2.2 光和电磁波谱 2.3 图像感知和获取（1学时） 2.3.1 用单个传感器获取图像 2.3.2 用条带传感器获取图像 2.3.3 用传感器阵列获取图像 2.3.4 简单的图像形成模型 2.4 图像取样和量化（1学时） 2.4.1 取样和量化的基本概念 2.4.2 数字图像表示 2.4.3 空间和灰度级分辨率 2.4.4 图像内插 2.5 像素间的一些基本关系（1学时） 2.5.1 相邻像素 2.5.2 临接性、连通性、区域和边界 2.5.3 距离度量 2.6 数字图像处理中所用数学工具的介绍 2.6.1 阵列与矩阵操作
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)
图像处理基础概念
2.2 图像基本概念 2.2.1 像素与灰度 像素和分辨率在计算机中，有两个大家都熟悉的概念：像素（pixel）和分辨率（resolution）。我们将图像进行采样的单位称为像素，像素是是组成图像的最基本元素，是数字图像显示的基本单位。像素是一个逻辑尺寸单位，比如一台计算机，其屏幕大小为17英寸，可以用800行*1280列个像素（格子）来显示桌面的图像，也可以用768行*1024列来显示桌面图像，不过显示的图像的清晰度会有差别。在计算机编程中，由像素组成的图像也通常叫“位图”或“光栅图像”。而分辨率狭义的是指显示器所能显示的像素的多少，当用户设置桌面分辨率为1280*800时，表示的意思就是在这个屏幕大小的物理尺寸上，显示器所显示的图像由800行*1280列个像素组成；可以看出，在同样大小的物理尺寸上，分辨率越高的图像，其像素所表示的物理尺寸越小，画面也就越精细，整个图像看起来也就越清晰。广义的分辨率是指对一个物体成像数字时化时进行采样的物理尺寸的大小，比如我们嫦娥一号卫星拍摄的月亮的照片，其分辨率是个很大的数（通常称分辨率很低），如几千平方公里，意思是说，在拍摄的月球的照片上，一个像素点相当于月球上几千公里见方。 2.2.2 采样量化 将空间上连续的图像变换成离散点的操作称为采样。采样间隔和采样孔径的大小是两个很重要的参数。当对图像进行实际的抽样时，怎样选择各抽样点的间隔是个非常重要的问题。关于这一点，图像包含何种程度的细微的浓淡变化，取决于希望忠实反映图像的程度。 经采样图像被分割成空间上离散的像素，但其灰度是连续的，还不能用计算机进行处理。将像素灰度转换成离散的整数值的过程叫量化。表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。一幅数字图像中不同灰度级的个数称为灰度级数，用G表示。灰度级数就代表一幅数字图像的层次。图像数据的实际层次越多视觉效果就越好。一般来说，G=2g，g就是表示存储图像像素灰度值所需的比特位数。若一幅数字图像的量化灰度级数G=256=28级，灰度取值范围一般是0~255的整数，由于用8bit就能表示灰度图像像素的灰度值，因此常称8 bit 量化。从视觉效果来看，采用大于或等于6比特位量化的灰度图像，视觉上就能令人满意。一幅大小为M×N、灰度级数为G的图像所需的存储空间，即图像的数据量，大小为M×N×g （bit）。 图2.4 分辨率与图像清晰度图2.5 量化等级与图像清晰度
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：
网络域名及其管理 【教材分析】 本节课是浙江教育出版社出版的普通高中课程标准实验教科书《信息技术基础》第三章第三节的内容。教材内容分图像的几个基本概念和图像的编辑加工两部分。基本概念有：像素、分辨率、位图和矢量图、颜色、图形与图像、文件格式。其中“像素和分辨率”旨在让学生了解描述数字图像的基本概念；“位图和矢量图，图形和图像”重在要求学生分清这两组概念；“颜色”阐述了用计算机三原色描述和存储数字图像颜色的原理，学生应该学会计算一幅图像的存储空间。“文件格式和图像的编辑加工”旨在让学生了解常见的图像文件格式及简单的图像编辑加工。因此不作为教学的重点。由此可见，本节课内容重在概念原理和技术深层思想的探析，为学生今后进一步学习图像的编辑加工奠定了基础。同时，这部分知识也是对第一章“信息的编码”学习的一个承接，在内容上强化了多媒体信息的编码与二进制编码的对应关系。当然，在这些概念的学习中都体现了“由简单到复杂”这一人类认识事物的基本规律和“逐步细化”这一信息技术解决问题的基本思路，都体现了问题解决与“技术更好地为人服务”的基本思想。 【学情分析】 本节课的学习对象为高一学生。通过第一章的学习，他们已经能够掌握信息的编码及二进制的相关知识。但调查发现，对于具体的图像在计算机市如何表示的，学生还只是有一个大概的了解，知道是用二进制表示的。作为必修课的学习，学生对于信息技术不仅要“知其然”，更重要的是“知其所以然”，也即要理解相关技术原理，技术思想以及研究问题的方法。而理解的目的则是为了更好联系日常生活，更好的的应用。基于上述分析，引领他们探究数字图像的基础知识、训练解决信息技术问题的方法。 【课时安排】一课时 【教学目标】 （一）知识与技能 1.了解像素掌握图像分辨率的概念。 2.掌握数字图像颜色的表示方法及存储空间的大小。 3. 了解位图和矢量图，图像和图形的不同。 4. 了解图像文件的文件格式。 5. 在操作体验的基础上理解像素及颜色的表示。 （二）过程与方法 通过教师讲解、自主探究、讨论交流和操作实践，掌握像素、分辨率、数字图像的颜色的表示方式，进而能够运用这些知识分析、解决现实生活中碰到的实际问题。 （三）情感态度与价值观 结合ps图像的讲解训练，培养灌输学生的法制观念提高学生的网络道德水平。 【教学重点】 分辨率的定义及现实生活中的分辨率的使用；。 【教学难点】 数字图像颜色的表示及存储方法 【教学策略】
1 一、例题精解 【例题1.1】在图1.1中，在开关S 断开和闭合的两种情况下，试求A 点的电位。 【解】（1）开关S 断开时 先求电流 89.03 9.320) 12(12=++??=I mA 再求20 k 电阻的电压 U ?20 = 0.89×20 = 17.8V 而后求A 点电位V A 12-V A = 17.8V V A =12-17.8 =8.5?V (2)开关S 闭合时 20k ?电阻两端的电压为 04.10209 .3200 1220=×+?=U V A 点电位为 V A = 12- 10.04 = 1.96V E 1R 1 A 图1.1 例题1.1的图 图1.2 例题1.2的图 【例题1.2】电路如图1.2所示。已知E 1= 6V ，E 2 = 4V ，R 1 = 4?，R 2 = R 3 = 2。求A 点电位V ?A 。 【解】 1246 2111=+=+=R R E I A I 2 = 0A 所以 V A =V 2214021232?=×+?=+?R I E R I 或 V A =V 264140111232?=+×??=+??E R I E R I 【例题1.3】电路如图1.3所示。已知R 1 = R 2 =1?，R 3 = 7?，R 4=2?，E 1=10V ， E 2 = 8V ，E 3 = 9V 。求电流I 及A 点电位V A 。 1E 4 R 3R A 图1.3 例题1.3的图
电工学试题精选与答题技巧 2【解】 由基尔霍夫电压定律有 113IR E E =?则 A 11 10 91131?=?=?= R E E I 又因为 2223R I E E =?所以 118 92232=?=?=R E E I A 由分压公式有 29272 34344=×+=+=E R R R U V V A =U V 112224=?=?R I 【例题1.4】把额定电压110V 、额定功率分别为100W 和60W 的两只灯泡，串联在端电压为220V 的电源上使用，这种接法会有什么后果？它们实际消耗的功率各是多少？如果是两个110V 、60W 的灯泡，是否可以这样使用？为什么？ 【解】 两只灯泡的电阻 ?===121100 1102 1N 2N 1P U R ?===202601102 2N 2N 2P U R 每只灯泡两端的实际电压值 4.82220202121121 2111=×+=+=U R R R U V 6.137220202 121202 2122=×+=+=U R R R U V 因为U 1U N ，60W 灯泡超过额定电压,会被烧坏。 两个灯泡实际消耗的功率 561214.822 1211===R U P W<100W 7.93202 6.1372 2222===R U P W>60W 两个110V 、60W 的灯泡是可以串联使用的，因为它们的电阻相同，每个灯泡两端的电压也相同，都能达到额定值。这样接法的缺点是，若有一只灯泡坏了，另一只也不能发光。 【例题1.5】在图1.4所示的电路中，欲使灯泡上的电压U 3和电流I 3分别为12V 和0.3A ，求外加电压应为多少？ 【解】已知U 3 = 12V ，I 3 = 0.3A ，可求得 6.020 12 4== I A A 9.06.03.0432=+=+=I I I
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);
第5章时序逻辑电路 5.1 时序逻辑电路的基本概念 1.时序逻辑电路的结构及特点 时序逻辑电路在任何时刻的输出状态不仅取决于当时的输入信号，还与电路的原状态有关，触发器就是最简单的时序逻辑电路，时序逻辑电路中必须含有存储电路。时序电路的基本结构如图 5.1 所示，它由组合电路和存储电路两部分组成。 图5.1 时序逻辑电路框图 时序逻辑电路具有以下特点： （1）时序逻辑电路通常包含组合电路和存储电路两个组成部分，而存储电路要记忆给定时刻前的输入输出信号，是必不可少的。 （2）时序逻辑电路中存在反馈，存储电路的输出状态必须反馈到组合电路的输入端，与输入信号一起，共同决定组合逻辑电路的输出。 2.时序逻辑电路的分类 （1）按时钟输入方式 时序电路按照时钟输入方式分为同步时序电路和异步时序电路两大类。同步时序电路中，各触发器受同一时钟控制，其状态转换与所加的时钟脉冲信号都是同步的；异步时序电路中，各触发器的时钟不同，电路状态的转换有先有后。同步时序电路较复杂，其速度高于异步时序电路。 （2）按输出信号的特点 根据输出信号的特点可将时序电路分为米里（Mealy）型和摩尔（Moore）型两类。米里型电路的外部输出Z既与触发器的状态Q n有关，又与外部输入X有
关。而摩尔型电路的外部输出Z仅与触发器的状态Q n有关，而与外部输入X无关。 （3）按逻辑功能 时序逻辑电路按逻辑功能可划分为寄存器、锁存器、移位寄存器、计数器和节拍发生器等。 3.时序逻辑电路的逻辑功能描述方法 描述一个时序电路的逻辑功能可以采用逻辑方程组（驱动方程、输出方程、状态方程）、状态表、状态图、时序图等方法。这些方法可以相互转换，而且都是分析和设计时序电路的基本工具。 5.2 时序逻辑电路的分析方法和设计方法 1.时序逻辑电路的分析步骤 （1）首先确定是同步还是异步。若是异步，须写出各触发器的时钟方程。（2）写驱动方程。 （3）写状态方程（或次态方程）。 （4）写输出方程。若电路由外部输出，要写出这些输出的逻辑表达式，即输出方程。 （5）列状态表 （6）画状态图和时序图。 （7）检查电路能否自启动并说明其逻辑功能。 5.2.1 同步时序逻辑电路的设计方法 1.同步时序逻辑电路的设计步骤 设计同步时序电路的一般过程如图5.10所示。 图5.10 同步时序电路的设计过程
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
数字图像处理实验报告 课程名称数字图像处理实验报告 指导教师赵亚湘 学院信息科学与工程学院 专业班级通信工程1301班 姓名 学号
目录 实验一数字图像的基本操作和灰度变换 (1) 一、实验目的 (1) 二、实验环境 (1) 三、实验原理与方法 (1) 四、Matlab相关函数 (2) 五、实验内容与步骤 (4) 六、思考问题 (9) 七、附灰度线性变换部分实现代码 (10) 实验二图像的空间域增强 (11) 一、实验目的 (11) 二、实验原理与方法 (11) 三、Matlab相关函数 (12) 四、实验内容与步骤 (12) 五、思考问题 (19) 实验三图像的傅里叶变换和频域处理 (20) 一、实验目的 (20) 二、实验原理与方法 (20) 三、实验内容与步骤 (20)
实验一 数字图像的基本操作和灰度变换 一、实验目的 1. 了解数字图像的基本数据结构 2. 熟悉Matlab 中数字图像处理的基本函数和基本使用方法 3. 掌握图像灰度变换的基本理论和实现方法 4. 掌握直方图均衡化增强的基本理论和实现方法 二、实验环境 MATLAB 6.5以上版本、WIN XP 或WIN2000计算机 三、实验原理与方法 1. 图像灰度的线性变换 灰度的线性变换可以突出图像中的重要信息。通常情况下，处理前后的图像灰度级是相同的，即处理前后的图像灰度级都为[0，255]。那么，从原理上讲，我们就只能通过抑制非重要信息的对比度来腾出空间给重要信息进行对比度展宽。 设原图像的灰度为),(j i f ，处理后的图像的灰度为),(j i g ，对比度线性展宽 255 b g ),(j i g a g α β γ a f b f 255 ),(j i f 图1 对比度线性变换关系
数字图像处理实验报告
实验一数字图像处理编程基础 一、实验目的 1. 了解MA TLAB图像处理工具箱； 2. 掌握MA TLAB的基本应用方法； 3. 掌握MA TLAB图像存储/图像数据类型/图像类型； 4. 掌握图像文件的读/写/信息查询； 5. 掌握图像显示--显示多幅图像、4种图像类型的显示方法； 6. 编程实现图像类型间的转换。 二、实验内容 1. 实现对图像文件的读/写/信息查询，图像显示--显示多幅图像、4种图像类型的显示方法、图像类型间的转换。 2. 运行图像处理程序，并保存处理结果图像。 三、源代码 I=imread('cameraman.tif') imshow(I); subplot(221), title('图像1'); imwrite('cameraman.tif') M=imread('pout.tif') imview(M) subplot(222), imshow(M); title('图像2'); imread('pout.bmp') N=imread('eight.tif') imview(N) subplot(223), imshow(N); title('图像3'); V=imread('circuit.tif') imview(V) subplot(224), imshow(V); title('图像4');
N=imread('C:\Users\Administrator\Desktop\1.jpg') imshow(N); I=rgb2gary(GRB) [X.map]=gary2ind(N,2) RGB=ind2 rgb(X,map) [X.map]=gary2ind(I,2) I=ind2 gary(X,map) I=imread('C:\Users\dell\Desktop\111.jpg'); subplot(231),imshow(I); title('原图'); M=rgb2gray(I); subplot(232),imshow(M); [X,map]=gray2ind(M,100); subplot(233),imshow(X); RGB=ind2rgb(X,map); subplot(234),imshow(X); [X,map]=rbg2ind(I); subplot(235),imshow(X); 四、实验效果
目录 实验一：数字图像的基本处理操作 (4) ：实验目的 (4) ：实验任务和要求 (4) ：实验步骤和结果 (5) ：结果分析 (8) 实验二：图像的灰度变换和直方图变换 (9) ：实验目的 (9) ：实验任务和要求 (9) ：实验步骤和结果 (9) ：结果分析 (13) 实验三：图像的平滑处理 (14) ：实验目的 (14) ：实验任务和要求 (14) ：实验步骤和结果 (14) ：结果分析 (18) 实验四：图像的锐化处理 (19) ：实验目的 (19) ：实验任务和要求 (19) ：实验步骤和结果 (19) ：结果分析 (21)
实验一：数字图像的基本处理操作 ：实验目的 1、熟悉并掌握MATLAB、PHOTOSHOP等工具的使用； 2、实现图像的读取、显示、代数运算和简单变换。 3、熟悉及掌握图像的傅里叶变换原理及性质，实现图像的傅里叶变换。：实验任务和要求 1.读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分 成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。 2.对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分 别显示，注上文字标题。 3.对一幅图像进行平移，显示原始图像与处理后图像，分别对其进行傅里叶变换， 显示变换后结果，分析原图的傅里叶谱与平移后傅里叶频谱的对应关系。 4.对一幅图像进行旋转，显示原始图像与处理后图像，分别对其进行傅里 叶变换，显示变换后结果，分析原图的傅里叶谱与旋转后傅里叶频谱的 对应关系。 ：实验步骤和结果 1.对实验任务1的实现代码如下： a=imread('d:\'); i=rgb2gray(a); I=im2bw(a,; subplot(1,3,1);imshow(a);title('原图像'); subplot(1,3,2);imshow(i);title('灰度图像'); subplot(1,3,3);imshow(I);title('二值图像'); subplot(1,3,1);imshow(a);title('原图像'); 结果如图所示：
数字图像处理实验 报告 学生姓名：学号： 专业年级： 09级电子信息工程二班
实验一常用MATLAB图像处理命令 一、实验内容 1、读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。 实验结果如右图： 代码如下： Subplot (1,3,1) i=imread('E:\数字图像处理\2.jpg') imshow(i) title('RGB') Subplot (1,3,2) j=rgb2gray(i) imshow(j) title('灰度') Subplot (1,3,3) k=im2bw(j,0.5) imshow(k) title('二值') 2、对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分别显示，注上文字标题。 实验结果如右图： 代码如下： Subplot (3,2,1) i=imread('E:\数字图像处理 \16.jpg') x=imresize(i,[250,320]) imshow(x) title('原图x') Subplot (3,2,2) j=imread(''E:\数字图像处理 \17.jpg') y=imresize(j,[250,320]) imshow(y) title('原图y') Subplot (3,2,3) z=imadd(x,y) imshow(z)
title('相加结果')；Subplot (3,2,4)；z=imsubtract(x,y)；imshow(z)；title('相减结果') Subplot (3,2,5)；z=immultiply(x,y)；imshow(z)；title('相乘结果') Subplot (3,2,6)；z=imdivide(x,y)；imshow(z)；title('相除结果') 3、对一幅图像进行灰度变化，实现图像变亮、变暗和负片效果，在同一个窗口内分成四个子窗口来分别显示，注上文字标题。 实验结果如右图： 代码如下： Subplot (2,2,1) i=imread('E:\数字图像处理 \23.jpg') imshow(i) title('原图') Subplot (2,2,2) J = imadjust(i,[],[],3); imshow(J) title('变暗') Subplot (2,2,3) J = imadjust(i,[],[],0.4) imshow(J) title('变亮') Subplot (2,2,4) J=255-i Imshow(J) title('变负') 二、实验总结 分析图像的代数运算结果，分别陈述图像的加、减、乘、除运算可能的应用领域。 解答：图像减运算与图像加运算的原理和用法类似，同样要求两幅图像X、Y的大小类型相同，但是图像减运算imsubtract()有可能导致结果中出现负数，此时系统将负数统一置为零，即为黑色。 乘运算实际上是对两幅原始图像X、Y对应的像素点进行点乘(X.*Y)，将结果输出到矩阵Z中，若乘以一个常数，将改变图像的亮度：若常数值大于1，则乘运算后的图像将会变亮；叵常数值小于是，则图像将会会暗。可用来改变图像的灰度级，实现灰度级变换，也可以用来遮住图像的某些部分，其典型应用是用于获得掩膜图像。 除运算操作与乘运算操作互为逆运算，就是对两幅图像的对应像素点进行点（X./Y)， imdivide()同样可以通过除以一个常数来改变原始图像的亮度，可用来改变图像的灰度级，其典型运用是比值图像处理。 加法运算的一个重要应用是对同一场景的多幅图像求平均值 减法运算常用于检测变化及运动的物体，图像相减运算又称为图像差分运算，差分运算还可以用于消除图像背景，用于混合图像的分离。
什么是图像：“图”是物体透射或反射光的分布，是客观存在的。 “像”是人的视觉系统对图在大脑中形成的印象或认识，是人的感 觉。图像（image）是图和像的有机结合，既反映物体的客观存 在，又体现人的心理因素；是客观对象的一种可视表示，它包含 了被描述对象的有关信息。 图像分类：根据图像空间坐标和幅度（亮度或色彩）的连续性可分为模拟（连续）图像和数字图像。 模拟图像是空间坐标和幅度都连续变化的图像，而数字图像是空间坐标和幅度均用离散的数字（一般是整数）表示的图像。 图像处理（image processing）就是对图像信息进行加工处理和分析，以满足人的视觉心理需要和实际应用或某种目的（如压缩编码或机器识别）的要求。图像处理可分为以下3类：▓模拟图像处理（analogue image processing）； ▓数字图像处理（digital image processing）； ▓光电结合处理（optoelectronic processing）。 模拟图像处理：也称光学图像处理，它是利用光学透镜或光学照相方法对模拟图像进行的处理，其实时性强、速度快、处理信息量法对模拟图像进行的处理，其实时性强、速度快、处理信息量大、分辨率高，但是处理精度低，灵活度差，难有判断功能。 数字图像处理：即利用计算机对数字图像进行处理，它具有精度高、处理内容丰富、方法易变、灵活度高等优点。但是它的处理速度受到计算机和数字器件的限制，一般也是串行处理，因此处理速度较慢。 光电结合处理：用光学方法完成运算量巨大的处理（如频谱变换等），而用计算机对光学处理结果（如频谱）进行分析判断等处理。该方法是前两种方法的有机结合，它集结了二者的优点。光电结合处理是今后图像处理的发展方向，也是一个值得关注的研究方向。 图像的数学表示：一幅图像所包含的信息首先表现为光的强度（intensity ）,即一幅图像可看成是空间各个坐标点上的光强度I 的集合，其普遍数学表达式为：I = f (x ，y，z，λ，t) 式中(x,y,z )是空间坐标，λ是波长，t 是时间，I是光点( x,y,z ) 的强度（幅度）。上式表示一幅运动的(t)、彩色/多光谱的(λ) 、立体的( x,y,z )图像。 图像的特点： （1）空间有界:人的视野有限，一幅图像的大小也有限。 （2）幅度（强度）有限：即对于所有的x，y都有0≤f(x,y) ≤Bm 其中B m 为有限值。 数字图像处理的基本步骤 ▓图像信息的获取：采用图像扫描仪等将图像数字化。 ▓图像信息的存储：对获取的数字图像、处理过程中的图像 信息以及处理结果存储在计算机等数字系统中。 ▓图像信息的处理：即数字图像处理，它是指用数字计算机 或数字系统对数字图像进行的各种处理。 ▓图像信息的传输：要解决的主要问题是传输信道和数据量 的矛盾问题，一方面要改善传输信道，提高传输速率，另外要 对传输的图像信息进行压缩编码，以减少描述图像信息的数据 量。 ▓图像信息的输出和显示：用可视的方法进行输出和显示。
第二章数字图像处理的基本概念 1.什么是图像对比度？人眼感受的亮度与哪些因素有关？ 图像对比度是图像中最大亮度B max与最小亮度B min之比。即C1=B max/B min 2.图像数字化包括哪两个过程？它们对数字化图像质量有何影响？ 采样和量化。 采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素越多，空间分辨率高，质量好，但数据量大。 量化等级越多，所得图像层次越丰富，灰度分辨率越高，质量越好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，质量变差，会出现假轮廓现象，但数据量小。 3.数字化图像的数据量与哪些因素有关？ 采样间隔越大，量化等级越小，数据量越小；采样间隔越小，量化等级越多，数据量越大。 4.连续图像f(x,y)与数字图像I(r.c)中各量的含义是什么？它们有何联系和区别？ 5.图像处理按功能分有哪几种形式？ 按图像处理的输出形式，图像处理的基本功能可分为三种形式。 (1)单幅图像→单幅图像； (2)多福图像→单幅图像； (3)单(或多)幅图像→单幅图像。 6.什么是点处理？你所学算法中有哪些属于点处理？试举3种不同作用的点运算。 在局部处理中，当输出值JP(i,j)值仅与IP(i,j)像素灰度有关的处理称为点处理。 图像对比度增强、图像二值化、灰度的线性变换、线性拉伸等属于点处理。 7.什么是局部处理？你所学算法中有哪些属于局部处理？试举3种不同作用的局部运算。 在对输入图像进行处理时，计算某一像素的小邻域N[IP(i,j)]中的像素值确定，这种处理称为局部处理。 图像的移动平均平滑法、空间域锐化属于局部处理。 8.图像特性包括哪些类型？ 自然特征：亮度、对比度； 人工特征：直方图、频率。 9.什么是窗口处理和模板处理？二者有何区别与联系？ 对图像中选定矩形区域内的像素进行处理叫做窗口处理； 预先准备一个和输入图像IP相同大小的二维数组，存储该区域的信息，然后参照二维数组对输入图像处理，叫做模板处理。 模板处理中若模板为矩形区域，则与窗口处理具有相同的效果，但窗口处理与模板处
数 字 图 像 处 理 II 实 验 报 告 课程名称：数字图像处理 II 专业：印刷工程班级： 学生姓名：学号： 指导教师：
一．直方图的定义、性质？打开图像，调整直方图，然后看有什么效果？ 答：直方图定义：颜色直方图是在许多图像检索系统中被广泛采用的颜色特征。它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图特别适于描述那些难以进行自动分割的图像。 直方图的性质：直方图中的数值都是统计而来，描述了该图像中关于颜色的数量特征，可以反映图像颜色的统计分布和基本色调;直方图只包含了该图像中某一颜色值出现的频数，而丢失了某象素所在的空间位置信息;任一幅图像都能唯一的给出一幅与它对应的直方图，但不同的图像可能有相同的颜色分布，从而就具有相同的直方图，因此直方图与图像是一对多的关系;如将图像划分为若干个子区域，所有子区域的直方图之和等于全图直方图;一般情况下，由于图像上的背景和前景物体颜色分布明显不同，从而在直方图上会出现双峰特性，但背景和前景颜色较为接近的图像不具有这个特性。 在PS上进行调整： 原图： 调整直方图：
二．说明什么是平滑与锐化？说明分别的原理及其应用中各个参数的意义？ 答：平滑：压制、弱化或消除图像中的细节、突变、边缘和噪声, 平滑原理：图像平滑是对图像作低通滤波,可在空间域或频率域实现。空问域图像平滑方法主要用低通卷积滤波、中值滤波等；频率域图像平滑常用的低通滤波器有低通梯形滤波器、低通高斯滤波器、低通指数滤波器、巴特沃思低通滤波器等。 锐化：图像锐化(image sharpening)就是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，亦分空域处理和频域处理两类。 锐化原理：图像锐化技术，使图像的边缘变的清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算）就可以使图像变的清晰。从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。 在水下图像的增强处理中除了去噪，对比度扩展外，有时候还需要加强图像中景物的边缘和轮廓。而边缘和轮廓常常位于图像中灰度突变的地方，因而可以直观地想到用灰度的差分对边缘和轮廓进行提取。 模糊的参数和作用 1 动感模糊 作用：模拟了摄像中拍摄运动物体时间接曝光的功能，从而使图像产生一种动态效果。 参数：①角度：控制图像的模糊方向。 ②距离：控制图像的模糊强度。 2 高斯模糊 作用：根据高斯钟形曲线调节像素色值，控制模糊效果，甚至能造成难以辨认的
数字图像处理实验报告实验三
中南大学数字图像处理实验报告 实验三数学形态学及其应用
实验三 数学形态学及其应用 一．实验目的 1.了解二值形态学的基本运算 2.掌握基本形态学运算的实现 3.了解形态操作的应用 二．实验基本原理 腐蚀和膨胀是数学形态学最基本的变换，数学形态学的应用几乎覆盖了图像处理的所有领域，给出利用数学形态学对二值图像处理的一些运算。 膨胀就是把连接成分的边界扩大一层的处理。而收缩则是把连接成分的边界点去掉从而缩小一层的处理。 二值形态学 I(x,y), T(i,j)为 0/1图像Θ 腐蚀：[]),(&),(),)((),(0,j i T j y i x I AND y x T I y x E m j i ++=Θ== 膨胀：[]),(&),(),)((),(0 ,j i T j y i x I OR y x T I y x D m j i ++=⊕== 灰度形态学 T(i,j)可取10以外的值 腐蚀： []),(),(min ),)((),(1 ,0j i T j y i x I y x T I y x E m j i -++=Θ=-≤≤ 膨胀： []),(),(max ),)((),(1 ,0j i T j y i x I y x T I y x D m j i +++=⊕=-≤≤ 1.腐蚀Erosion: {}x B x B X x ?=Θ: 1B 删两边 2B 删右上 图5-1 剥去一层（皮） 2.膨胀Dilation: {}X B x B X x ↑⊕:＝ 1B 补两边 2B 补左下 图5-2 添上一层（漆） 3.开运算