Camera 图像处理原理分析色彩篇
1前言
做为拍照手机的核心模块之一，camera sensor效果的调整，涉及到众多的参数，如果对基本的光学原理及sensor软/硬件对图像处理的原理能有深入的理解和把握的话，对我们的工作将会起到事半功倍的效果。否则，缺乏了理论的指导，只能是凭感觉和经验去碰，往往无法准确的把握问题的关键，不能掌握se nsor调试的核心技术，无法根本的解决问题。
所以，这里笔者结合自己出于对摄影的爱好所学习的一些图像处理相关的原理，试图通过分析一些与Sen sor图像处理相关的因素，和大家分享一下自己的一些理解，共同探讨，共同学习进步。
2色彩感应及校正
2.1原理
人眼对色彩的识别，是基于人眼对光线存在三种不同的感应单元，不同的感应单元对不同波段的光有不同的响应曲线的原理，通过大脑的合成得到色彩的感知。一般来说，我们可以通俗的用RGB三基色的概念来理解颜色的分解和合成。
理论上，如果人眼和sensor对光谱的色光的响应，在光谱上的体现如下的话，基本上对三色光的响应，相互之间不会发生影响，没有所谓的交叉效应。
但是，实际情况并没有如此理想，下图表示了人眼的三色感应系统对光谱的响应情况。可见RGB的响应并不是完全独立的。
下图则表示了某Kodak相机光谱的响应。可见其与人眼的响应曲线有较大的区别。
2.2对sensor的色彩感应的校正
既然我们已经看到sensor对光谱的响应，在RGB各分量上与人眼对光谱的响应通常是有偏差的，当然就需要对其进行校正。不光是在交叉效应上，同样对色彩各分量的响应强度也需要校正。通常的做法是通过一个色彩校正矩阵对颜色进行一次校正。
1
该色彩校正的运算通常是由sensor模块集成或后端的ISP完成，软件通过修改相关寄存器得到正确的校正结果。值得注意的一点是，由于RGB -> YUV的转换也是通过一个3*3的变换矩阵来实现的，所以有时候这两个矩阵在ISP处理的过程中会合并在一起，通过一次矩阵运算操作完成色彩的校正和颜色空间的转换。
3颜色空间
3.1分类
实际上颜色的描述是非常复杂的，比如RGB三基色加光系统就不能涵盖所有可能的颜色，出于各种色彩表达，以及色彩变换和软硬件应用的需求，存在各种各样的颜色模型及色彩空间的表达方式。这些颜色模型，根据不同的划分标准，可以按不同的原则划分为不同的类别。
匹配任意可见光所需的三原色光比例曲线
对于sensor来说，我们经常接触到的色彩空间的概念，主要是RGB , YUV这两种（实际上，这两种体系包含了许多种不同的颜色表达方式和模型，如sRGB, Adobe RGB, YUV422, YUV420 …）, RGB 如前所述就是按三基色加光系统的原理来描述颜色，而YUV则是按照亮度，色差的原理来描述颜色。3.1.1RGB <-> YUV的转换
不比其它颜色空间的转换有一个标准的转换公式，因为YUV在很大程度上是与硬件相关的，所以RGB与YUV的转换公式通常会多个版本，略有不同。
常见的公式如下：
Y=0.30R+0.59G+0.11B
U=0.493(B－Y) = －0.15R－0.29G+0.44B
V=0.877(R－Y) = 0.62R－0.52G－0.10B
但是这样获得的YUV值存在着负值以及取值范围上下限之差不为255等等问题，不利于计算机处理，所以根据不同的理解和需求，通常在软件处理中会用到各种不同的变形的公式，这里就不列举了。
体现在Sensor上，我们也会发现有些Sensor可以设置YUV的输出取值范围。原因就在于此。
从公式中，我们关键要理解的一点是，UV 信号实际上就是蓝色差信号和红色差信号，进而言之，实际上一定程度上间接的代表了蓝色和红色的强度，理解这一点对于我们理解各种颜色变换处理的过程会有很大的帮助。
1.1 白平衡
1.1.1 色温
色温的定义：将黑体从绝对零度开始加温，温度每升高一度称为1开氏度(用字母K来表示)，当温度升高到一定程度时候，黑体便辐射出可见光，其光谱成份以及给人的感觉也会着温度的不断升高发生相应的变化。于是，就把黑体辐射一定色光的温度定为发射相同色光光源的色温。
常见光源色温：
光源色温（K）
钨丝灯（白炽灯）2500-3200k
碳棒灯 4000-5500k
荧光灯（日光灯，节能灯）4500-6500k
氙灯5600 k
炭精灯5500～6500k
日光平均5400k
有云天气下的日光6500-7000k
阴天日光12000-18000k
随着色温的升高，光源的颜色由暖色向冷色过渡，光源中的能量分布也由红光端向蓝光端偏移。
值得注意的是，实际光源的光谱分布各不相同，而色温只是代表了能量的偏重程度，并不反映具体的光谱分布，所以即使相同色温的光源，也可能引起不同的色彩反应。
人眼及大脑对色温有一定的生理和心理的自适应性，所以看到的颜色受色温偏移的影响较小，而camera的sersor没有这种能力，所以拍出来的照片不经过白平衡处理的话，和人眼看到的颜色会有较大的偏差（虽然人眼看到的和白光下真实的色彩也有偏差）。
太阳光色温随天气和时间变化的原因，与不同频率光的折射率有关：
波长长的光线，折射率小，透射能力强，波长短的光线，折射率大，容易被散射，折射率低，这也就是为什么交通灯用红色，防雾灯通常是黄色，天空为什么是蓝色的等等现象的原因。知道了这一点，太阳光色温变化的规律和原因也就可以理解和分析了，留给大家自己思考。
1.1.1 色温变化时的色彩校正
所以从理论上可以看出，随着色温的升高，要对色温进行较正，否则，物体在这样的光线条件下所表现出来的颜色就会偏离其正常的颜色，因此需要降低sensor对红色的增益，增加s ersor对蓝光的增益。同时在调整参数时一定程度上要考虑到整体亮度的要保持大致的不变，即以YUV来衡量时，Y值要基本保持不变，理论上认为可以参考RGB->YUV变换公式中，RGB三分量对Y值的贡献，从而确定RGAIN和BGAIN的变化的比例关系。但实际情况比这还要复杂一些，要考虑到不同sensor对R,B的感光的交叉影响和非线性，所以最佳值可能和理论值会有一些偏差。
1.1.2 自动白平衡原理
1.1.
2.1 原理
自动白平衡是基于假设场景的色彩的平均值落在一个特定的范围内，如果测量得到结果偏离该范围，则调整对应参数，校正直到其均值落入指定范围。该处理过程可能基于YUV空间，
也可能基于RGB空间来进行。对于Sensor来说，通常的处理方式是通过校正R/B增益，使得UV值落在一个指定的范围内。从而实现自动白平衡。
1.1.
2.2 特殊情况的处理
在自动白平衡中，容易遇到的问题是，如果拍摄的场景，排除光线色温的影响，其本身颜色就是偏离平均颜色值的，比如大面积的偏向某种颜色的图案如：草地，红旗，蓝天等等，这时候，强制白平衡将其平均颜色调整到灰色附近，图像颜色就会严重失真。
因此，通常的做法是：在处理自动白平衡时，除了做为目标结果的预期颜色范围外，另外再设置一对源图像的颜色范围阙值，如果未经处理的图像其颜色均值超出了该阙值的话，根本就不对其做自动白平衡处理。由此保证了上述特殊情况的正确处理。
可见，这两对阙值的确定对于自动白平衡的效果起着关键性的作用。
1.1.3 某平台的例子
英文代码中文界面色温色温RGAIN, GGAIN, BGAIN
cloud 阴天7500k 0x1D4C, 0x00CD, 0x0085, 0x0080
daylight 日光6500k 0x1964, 0x00A3, 0x0080, 0x0088
INCANDESCENCE 白热光5000k 0x1388, 0x00A5, 0x0080, 0x0088 FLUORESCENT 日光灯4400k 0x1130, 0x0098, 0x0080, 0x00A8
TUNGSTEN 钨丝灯2800k 0x0AF0, 0x0080, 0x0081, 0x00A4
可以看到随着色温的升高，其变化规律基本符合上节中的理论分析。不过这里多数参数与理论值都有一些偏差，其中日光灯的色温参数设置与理论值有较大的偏差，实际效果也证明该日光灯的参数设置使得在家用日光灯环境下拍摄得到的照片颜色偏蓝。修改其参数后实拍效果明显改善。（再查一些资料可以看到通常会有两种荧光灯色温4000 和5000K，目前我所接触到的应该是5000K居多）
1.1.4 调试和验证
具体参数的调整，应该在灯箱环境下，使用各种已知色温的标准光源对标准色卡拍摄，在P c机上由取色工具测量得到其与标准色板的RGB分量上的色彩偏差，相应的调整各分量增益的比例关系。为了更精确的得到结果，曝光量增益的设置在此之前应该相对准确的校正过。
颜色相关特效处理
1.1grayscale （灰阶）
灰阶图的效果就是将彩色图片转换为黑白图片。
1.2理论
理论上，在YUV空间，将UV分量丢弃，只保留Y分量，这样就可以得到黑白图像，这也是彩色电式机信号能兼容黑白电视机的原理。如下图理论上Y值一样的颜色（右边是用acdsee转成灰度图的效果），在grayscale模式下看应该是一样的颜色。
算法上的操作，理论上应该把UV值改成灰色对应数值就可以了。不过根据软件算法和硬件结构的不同，具体代码也会有不同。
1.3以某平台为例
核心的两行代码如下：
SET_HUE_U_GAIN(0);
SET_HUE_V_GAIN(0);
这里设置UV GAIN为0，如果UV offset设置为128的话，最终得到的UV就是128，这就和理论是相符合的。
1.4sepia / sepiagreen / sepiablue
所谓的复古（绿，蓝）就是在灰阶的基础上，对UV值额外再做了一个offset，将灰度图转换成某种颜色的梯度图。理论上为了获得蓝色效果，应该增加蓝色差信号，减小红色差信号。即增大U，减小V。
以sepiablue效果为例，这里的字节的MSB表示符号位：所以88为88，158为-30。
SET_HUE_U_GAIN(0);
SET_HUE_V_GAIN(0);
SET_HUE_U_OFFSET(88);
SET_HUE_V_OFFSET(158);
1.5negative
所谓负片效果，就是将图像的颜色反转，看起来就像是在看胶片底片时的效果。这从理论上也很容易理解和处理，就是在RGB空间，取其补色，具体的操作就是用255分别减去RGB得到新的RGB值。通常会在ISP中实现该功能。
2小结
理解了原理，要做出其它颜色变换方面的效果就很容易了。
基本上，在颜色校正和处理方面，需要考虑的相关参数大致包括：
自动WB上下限，自动白平衡时的目标范围，RGB gain, UV gain, UV offset, color correction.有些还会有saturation 和hue相关的设置。
从sensor或ISP硬件处理的流程上说，通常方向是先做RGB gain，再做color correction,最后做YU V空间的处理。所以调整效果的时候，为了减少参数之间的相互影响，基本上也可以按这个顺序来调整参数。
数字图像处理与分析实验作业 作业说明：作业题目分为基本题和综合应用题。基本题主要是考察大家对教材涉及的一些基本图像处理技术的理解和实现。而综合应用题主要是考察大家综合利用图像处理的若干技术来解决实际问题的能力。 注：所有实验用图像均可从网上下载，文档中的图片只是示例。 作业要求： 编程工具：Matlab或者VC(可以使用OpenCV：https://www.doczj.com/doc/aa1359646.html,/）。因为很多基本的图象处理算法已经集成在很多的编程工具中，而编程训练中基本题的目的是让同学们加深对这些算法的理解，所以基本题要求同学们只能使用图像读取和显示相关的函数（例如Matlab的imread imshow，imwrite，OpenCV的cvCreateImage，cvLoadImage，cvShowImage），而不要直接调用相关的API（例如二维DFT，图象均衡等等），但在综合应用题中则无此限制。 上交的作业包括：实验报告和程序。其中实验报告要求写出算法分析（必要时请附上流程图），函数说明（给出主要函数的接口和参数说明），实验结果（附图）及讨论分析。提交的程序，一定要确保可以运行，最好能写个程序说明。 基本题一共有10道，可以从中任选2道题来完成。综合应用题有2道，可以从中任选1道来完成。 请各位同学务必独立完成，切忌抄袭！ 基本题 一、直方图变换 要求对原始Lena 图像实现以下三种取整函数的直方图均衡化： 线性函数： t k= int[(L -1) t k+ 0.5]； 对数函数： t k= int[( L-1)log(1+9t k) + 0.5] ； 指数函数： t k= int[(L -1)exp( t k-1) + 0.5] ； 要求给出： 1、原始图像和分别采用上述三种方式均衡化后的图像； 2、原始图像的直方图和上述三种方式对应均衡化后的直方图。
名词：*数字图像，数字图像处理，图像采样，线性拉伸，高通滤波，低通滤波，中值滤波，特征空间，图像分析，图像分割 问答题：1、设一幅图像有如图所示直方图，对该图像进行直方图均衡化，写出均衡化过程，并画出均衡化后的直方图。若在原图像一行上连续8个像素的灰度值分别为：0、1、2、3、4、5、6、7，则均衡后，他们的灰度值为多少？ 如图为一幅16级灰度的图像。请写出均值滤波和中值滤波的3x3滤波器；说明这两种滤波器各自的特点；并写出两种滤波器对下图的滤波结果（只处理灰色区域，不处理边界）。（15分） 设一幅灰度图像，其目标和背景的像素点灰度呈正态分布，灰度直方图如图所示。其中：、分 别为目标点的灰度分布密度函数、均值；、分别为背景点的灰度分布密度函数、均值。并设目标点和背景点的方差均为，目标点个数和图像总像点数的比为1:2。T是根据最小误差准则确定的最佳阈值。（15分） 试证明：
1．根据所学过的图像处理和分析方法，设计一套算法流程来实现汽车牌照的定位和数字的识别（给出设计思想即可）。 1、如图所示，A和B的图形完全一样，其背景与目标的灰度值分别标注于图中， 请问哪一个目标人眼感觉更亮一些？为什么？（10分） 选择题： 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 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 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 ( )7.下列图象边缘检测算子中抗噪性能最好的是： a.梯度算子 b.Prewitt算子 c.Roberts算子 d. Laplacian算子
1基于形态学运算的星空图像分割 主要内容： 在获取星图像的过程中，由于某些因素的影响，获得的星图像存在噪声，而且星图像的背景经常是不均匀的，为星图像的分割造成了极大的困难。膨胀和腐蚀是形态学的两个基本运算。用形态学运算对星图像进行处理，补偿不均匀的星图像背景，然后进行星图像的阈值分割。 要求： 1> 图像预处理：对原始星空图像进行滤波去噪处理； 2> 对去噪后的图像进行形态学运算处理； 3> 选取自适应阈值对形态学运算处理后的图像进行二值化； 4> 显示每步处理后的图像； 5> 对经过形态学处理后再阈值的图像和未作形态学处理后再阈值的图像进行对比分析。 待分割图像 直接分割图像 处理后的分割图像 2基于数字图像处理的印刷电路板智能检测方法 主要内容： 通过对由相机实时获取的印刷电路板图像进行焊盘识别，从而提高电子元件的贴片质量，有效提高电路板的印刷效率。 要求： 1> 图像预处理：将原始彩色印刷电路板图像转成灰度图像，对灰度图像进行背景平滑和滤波去噪； 2> 对去噪后的图像进行图像增强处理，增强边缘提取的效果。 3> 对增强后的图像进行边缘提取（至少两种以上的边缘提取算法）； 4> 显示每步处理后的图像（原始电路板图像可自行查找）； 5> 图像处理后要求能对每个焊盘进行边缘提取，边缘清晰。 3静止背景下的移动目标视觉监控 主要内容： 基于视觉的人的运动分析最有前景的潜在应用之一是视觉监控。视觉监控系统的需求主要来自那些对安全要求敏感的场合，如银行、商店、停车场、军事基地等。通过对静止背景下的目标识别，来提醒监测人员有目标出现。
要求： 1>对原始参考图和实时图像进行去噪处理； 2>对去噪后的两幅图像进行代数运算，找出目标所在位置，提取目标，并将背景置黑； 3> 判断目标大小，若目标超过整幅图像的一定比例时，说明目标进入摄像保护区域，系统对监测人员进行提示（提示方式自选）。 4>显示每步处理后的图像； 5>分析此种图像监控方式的优缺点。 背景目标出现目标提取 4车牌识别图像预处理技术 主要内容： 车辆自动识别涉及到多种现代学科技术，如图像处理、模式识别与人工智能、计算机视觉、光学、机械设计、自动控制等。汽车作为人类生产、生活中的重要工具被广泛的使用，实现自动采集车辆信息和智能管理的车牌自动识别系统具有十分重要的意义: 要求： 1>对原始车牌图像做增强处理； 2>对增强后的彩色图像进行灰度变换； 3>对灰度图像进行直方图均衡处理； 4>选取自适应的阈值，对图像做二值化处理； 5>显示每步处理后的图像； 6>分析此种图像预处理的优缺点及改进措施，简要叙述车牌字符识别方法 原始车牌图像处理后的车牌图像 5医学细胞图像细胞分割图像增强算法研究 主要内容： 医学图象处理利用多种方法对各种图像数据进行处理，以期得到更好的显示效果以便医生根据细胞的外貌进行病变分析。 要求： 1>通过对图像的灰度变换调整改变细胞图像的灰度，突出感兴趣的细胞和细胞核区域。 2>通过直方图修改技术得到均衡化或规定化等不同的处理效果。 3>采用有效的图像平滑方法对细胞图像进行降噪处理，消除图像数字化和传输时所混入的噪声，提高图像的视觉效果。 4>利用图像锐化处理突出细胞的边缘信息，加强细胞的轮廓特征。 5>显示每步处理图像，分析此种细胞分割图像预处理方法的优缺点。 原始细胞图像 图像处理后的细胞图像 6瓶子灌装流水线检测是否液体灌装满瓶体 当饮料瓶子在罐装设备后要进行液体的检测，即：进行判断瓶子灌装流水线是否灌装满瓶体的检测，如液面超过瓶颈的位置，则装满，否则不满，如果不满则灌装液体不合格，需重新进行灌装。 具体要求： 1）将原进行二值化 2）二值化后的图像若不好，将其滤波再进行膨胀处理,并重新进行二值化 3）将图像标记连通域并进行面积计算，找出不符合要求的标记块 4）将不合格的图像进行提取，并记录不合格率
1.数字图像与连续图像相比具有哪些优点?连续图像f(x,y与数字图像I(c,r中各量的含义 是什么?它们有何联系和区别? (To be compared with an analog image, what are the advantages of a digital image? Let f(x,y be an analog image, I(r, c be a digital image, please give explanation and comparison for defined variables: f/I, x/r, and y/c 2.图像处理可分为哪三个阶段? 它们是如何划分的?各有什么特点? (We can divide "image processing" into 3 stages, what are they? how they are divided? What are their features? 答:低级处理---低层操作,强调图像之间的变换,是一个从图像到图像的过程; 中级处理---中层操作,主要对图像中感兴趣的目标进行检测和测量,从而建立对图像的描述,是一个从图像到数值或符号的过程; 高级处理---高层操作,研究图像中各目标的性质和相互联系,得出对图像内容含义的理解以及对原来客观场景的解释; 3.试从结构和功能等角度分析人类视觉中最基本的几个要素是什么?什么是马赫带效应? 什 么是同时对比度?它们反映了什么共同问题? (According to the structure and function of the eyes, what are the basic elements in human vision? What is the Mach Band Effect? What is Simultaneous Contrast? What common facts can we infer from both Mach Band Effect and Simultaneous Contrast? 答:人的视觉系统趋向于过高或过低估计不同亮度区域边界的现象称为“马赫带”效应;同时对比度指的是人的视觉系统对某个区域感觉到的亮度除了依赖于它本身的强度,还与背景有关.
第一章绪论 课后4. 1. 数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。 ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图 像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进 行分析。 ⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望 获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。 2. 什么是图像识别与理解？ 图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出来的人脸区域进行分析，确定其是否是该犯罪分子。 3. 简述图像几何变换与图像变换的区别。 ①图像的几何变换：改变图像的大小或形状。比如图像的平移、旋转、放大、缩小等， 这些方法在图像配准中使用较多。 ②图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进 行分析。比如傅里叶变换、小波变换等。
4.一个数字图像处理系统由哪几个模块组成？ 答：一个基本的数字图像处理系统由图像输入、图像存储、图像输出、图像通信、图像处理和分析5个模块组成 5.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。 6.采用数字图像处理有何优点？ 答：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。 7.数字图像处理主要包括哪些研究内容？ 答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。 8.常见的数字图像处理开发工具有哪些？各有什么特点？ 答．目前图像处理系统开发的主流工具为Visual C++（面向对象可视化集成工具）和MATLAB 的图像处理工具箱（Image Processing Tool box）。两种开发工具各有所长且有相互间的软件接口。 Microsoft 公司的 VC++是一种具有高度综合性能的面向对象可视化集成工具，用它开发出来的 Win 32 程序有着运行速度快、可移植能力强等优点。VC++所提供的 Microsoft 基础类库 MFC 对大部分与用户设计有关的 Win 32 应用程序接口 API 进行了封装，提高了代码的可重用性，大大缩短了应用程序开发周期，降低了开发成本。由于图像格式多且复杂，为了减轻程序员将主要精力放在特定问题的图像处理算法上，VC++ 6.0 提供的动态链接库ImageLoad.dll 支持B MP、JPG、TIF 等常用6种格式的读写功能。 MATLAB 的图像处理工具箱 MATLAB 是由 MathWorks 公司推出的用于数值计算的有
图像处理实验一 请先在D盘新建“学号姓名”文件夹，将所有实验结果保存到里面。 Photoshop软件下载地址：https://www.doczj.com/doc/aa1359646.html,/cecdown/ 一、“选择”工具和“渐变”工具制作“钮扣” 【操作步骤】 步骤1: 运行Photoshop，新建文档，在如图2-4-1所示的“新建”对话框中设置300像素×300像素的图像大小、分辨率为72像素/英寸、RGB模式的图片文件，单击“好”按钮后出现新文档窗口。 图2-4-1 步骤2: 用“油漆桶工具”把图片背景填充为黑色。 提示：如果工具箱中找不到油漆桶工具，可以在“渐变工具”上按下左键一会儿，在出现的菜单中选择。 步骤3: 选中椭圆选框工具，按着Shift键不放，同时按住鼠标左键在图片中央拖动，绘制一个圆形选区，如图2-4-2所示。 提示：如果工具箱中找不到“椭圆选框工具”，可以在其他选择工具上按下左键一会儿，在出现的菜单中选择。 图2-4-2 图2-4-3步骤4: 单击工具箱下面的“设置前景色”按扭，在随后弹出的“拾色器”对
话框中把R 、G 、B 值分别设为0、30、255，如图2-4-3所示；单击“好”按扭关闭对话框，即可把前景色设置为兰色。按住Alt 键，单击工具箱下面的背景色设置按扭，用同样的方法把背景色设为白色，R 、G 、B 值为255、255、255。 步骤5: 选择渐变工具，在如图2-4-4所示的选项栏单击“渐变类型选择”组中的第一个按钮“线性渐变”，单击“渐变色编辑与选择工具”，在打开的“渐变编辑器”对话框中，选择“前景色到背景色渐变”，即把渐变方式设置为从前景色到背景色。然后把鼠标从圆形选区的左上角拖动到圆形选区的右下角，松开左键，产生渐变效果。如图2-4-5所示。 图2-4-4 步骤6: 使用“选择/取消选择”菜单命令，取消原来的选区，再次用椭圆选择工具绘制一个小一点的圆形选区，调整位置使之与原来的圆形同心。如图2-4-6所示。 图2-4-5 图2-4-6 步骤7: 选择渐变工具，渐变方式保持不变。然后把鼠标指针从圆形选区的右下角拖曳到圆形选区的左上角。如图2-4-7所示。 图2-4-7 图2-4-8 步骤8: 使用“选择/取消选择”菜单命令取消选区。 步骤9: 把前景色设为黑色，用画笔工具 在钮扣的中心位置采用单击的办法绘制四
数字图像处理： 一、图像工程的内涵（三个层次：图像处理、图像分析和图像理解及其关系）。 图像工程的内涵： 根据抽象程度和研究方法等的不同，可分为三个层次：图像处理、图像分析和图像理解。 图像处理的内容：主要对图象进行各种加工以改善图象的视觉效果、或突出有用信息，并为自动识别打基础，或通过编码以减少对其所需存储空间、传输时间或传输带宽的要求。基本特征：输入是图像，输出也是图像，即图像之间进行的变换。显然，这是一种比较严格的图像处理定义，因此也呈现出了某种狭义性。 图像分析的内容：主要对图象中感兴趣的目标进行检测（或分割）和测量，以获得它们的客观信息从而建立对图象的描述。基本特征：输入是图像，输出是数据（即对输入图像进行描述的信息）。 图像理解的内容：在中级图像处理的基础上，进一步研究图象中各目标的性质和它们之间相互的联系，并得出对图象内容含义的理解（对象识别）及对原来客观场景的解释（计算机视觉），从而指导和规划行动。基本特征：以客观世界为中心，借助知识、经验等来把握整个客观世界。“输入是数据，输出是理解”。 三者的关系: 图像处理是比较低层的操作，它主要在图像像素级上进行处理，处理的数据量非常大。 图像分析则进入了中层，分割和特征提取把原来以像素描述的图像转变成比较简洁的非图像形式的描述。 图像理解主要是高层操作，基本上是对从描述抽象出来的符号进行运算，其处理过程和方法与人类的思维推理有许多类似之处。 图像的低级处理阶段和高一级的处理阶段是相互关联和有一定重叠性的。根据本课程的任务和目标，重点放在图像处理上，并学习图像分析的基本理论和方法。也就是说本课程中提到的图像处理概念是广义的。 二、观察三幅图的等偏爱曲线，分析：空间分辨率和灰度分辨率同时变化对图像质量的影响
基于最大熵原理的语言建模 1 问题的引入 在自然语言处理中，为了建立语言模型，需要使用上下文文本中的信息特征，利用不同的信息特征所建立的语言模型，对当前词预测所得的概率结果可能会有所不同，这样的信息特征在上下文 中有多种。例如，利用当前词w i 前面的连续n-1个词(∈-+-1 i 1n i w h)作为历史信息特征构造的n-gram 模型，其概率估计为)W |W (P 1i 1n i i -+-；而触发对语言模型，则是利用当前词前面的某个历史窗口中的 词作为触发词，要预测的当前词作为被触发词，该模型中所用的历史信息特征和n-gram 中的就不同，它可以是历史窗口中与当前词相距为d 的某个词或词串。例如，如果我们想估计在给定的文本历史情况下词“模型”的出现概率P(模型｜h)，如果使用Bigram 模型，则就会将事件空间（h,模型）根据h 的最后一个词划分成几个等价类，比如说，在训练文本中可能有“数学模型”、“语言模型”、“工程模型”、“汽车模型”等这样的短语，因此，“模型”一词的历史文本h 的最后一个词可能就是“数学”、“语言”、“工程”、“汽车”等，并将它们分别看作一个等价类，Bigram 模型为每个等价类赋以相同的概率。例如： ｛语言，模型｝ 模型｜语言）＝K (P Bigram (1) 这里，K {语言,模型}定义如下： ) Count() ,Count(},{语言模型语言模型语言= K (2) Count(语言,模型)是“语言”与“模型”两个词在训练语料中的同现次数，Count(语言)是“语 言”在训练语料中出现的次数。另一种对“模型”出现概率的估计方法就是根据特殊的触发对，比如说“建立汉语语言模型”或“使用语言模型”，我们就要考察在相同的历史信息h 中，是否有“建立”或“使用”这样的词，这样，又可以形成对事件空间（h,模型）的另一种划分，利用Trigger 模型，可以为同一个等价类赋以相同的概率： 模型） 建立 模型建立建立模型,(h h K )|(P ∈=∈→ (3) 这里定义模型） 建立 ,(h K ∈为： ) C() ,C(K h h ,(h ∈∈∈建立模型建立＝ 模型） 建立 (4) 显然，利用Bigram 和Trigger 模型所使用的信息特征估计得到的“模型”出现概率是不一样的，同理，用前面提到的其他信息特征所得到的概率也会不一样，能不能将它们协调一致，建立一个符合多个信息特征约束的统一模型框架呢？1992年，Della Pietra 等人利用最大熵原理建立语言模型就是对这一想法的尝试。 2 最大熵原理 2.1 基本思想 最大熵原理是E.T.Jayness 于1950年提出的，其基本思想是：假设｛X ｝是一个事件空间，有许多种能够刻画该事件空间的信息源特征（或称约束），可以用来对事件的出现概率P(X)进行表述，假设每个约束i 与一个约束函数f i (X)和一个数学期望K i 相联系，则该约束可以写为：
【作业1】 1、完成课本习题3.2(a)(b), 课本中文版《处理》第二版的113页。可以通过matlab帮助你分析理解。 a: b:E控制函数的斜坡，也就是函数的倾斜程度，E越大，函数倾斜程度越大，如下图1，图2所示： 图1：E=5
图2：E=20 2、一幅8灰度级图像具有如下所示的直方图，求直方图均衡后的灰度级和对应概率，并画出均衡后的直方图的示意图。（计算中采用向上取整方法，图中的8个不同灰度级对应的归一化直方图为[0.17 0.25 0.21 0.16 0.07 0.08 0.04 0.02]） 【解答】直方图均衡采用公式 式中，G为灰度级数，取8，p r(w)为灰度级w的概率，S r为变换后的灰度，计算过程如下表所示： 则新灰度级的概率分别是： P s(0) = 0 P s(1) = P r(0) = 0.17 P s(2) = 0 P s(3) = P r(1) = 0.25 P s(4) = 0 P s(5) = P r(2) = 0.21 P s(6) = P r(3) + P r(4) = 0.23
P s(7) = P r(5) = P r(6) = P r(7) = 0.14 编写matlab程序并绘制直方图： s=0:1:7; p=[0 0.17 0 0.25 0 0.21 0.23 0.14]; bar(s,p); axis([-1 8 0 0.3]); 可以看出，此图较题目原图更加“均匀”。 【作业2】1、完成课本数字图像处理第二版114页，习题3.10。 【解答】 由图可知
将两图做直方图均衡变换 令上面两式相等，则 因为灰度级非负，所以 2、请计算如下两个向量与矩阵的卷积计算结果。 （1）[ 1 2 3 4 5 4 3 2 1 ] * [ 2 0 -2 ] （2） 【解答】 （1）设向量a=[ 1 2 3 4 5 4 3 2 1 ]，下标从-4到4，即a(-4)=1，a(-3)=2……a(4)=1；设向量b=[ 2 0 -2 ]，下标从-1到1，即b(-1)=2，b(0)=0，b(1)=-2；设向量c=a*b，下标从-5到5。根据卷积公式可知 其中，，则 c(-5)=a(-4)b(-1)=1*2=2 c(-4)=a(-4)b(0)+a(-3)b(-1)=1*0+2*2=4 c(-3)=a(-4)b(1)+a(-3)b(0)+a(-2)b(-1)=1*(-2)+2*0+3*2=4 c(-2)=a(-3)b(1)+a(-2)b(0)+a(-1)b(-1)=2*(-2)+3*0+4*2=4 c(-1)=a(-2)b(1)+a(-1)b(0)+a(0)b(-1)=3*(-2)+4*0+5*2=4 c(0)=a(-1)b(1)+a(0)b(0)+a(1)b(-1)=4*(-2)+5*0+4*2=0 c(1)=a(0)b(1)+a(1)b(0)+a(2)b(-1)=5*(-2)+4*0+3*2=-4 c(2)=a(1)b(1)+a(2)b(0)+a(3)b(-1)=4*(-2)+3*0+2*2=-4 c(3)=a(2)b(1)+a(3)b(0)+a(4)b(-1)=3*(-2)+2*0+1*2=-4 c(4)=a(3)b(1)+a(4)b(0)=2*(-2)+1*0=-4
一、选择题 1B 、2C 、3A 、4D 、5C 、 6A 、7D 、8A 、9D 、10A 二、判断题( 正确的打√,错误的打×。 1、√ 2、√ 3、× 4、× 5、√ 6、√ 7、× 8、× 9、× 10、√ 三、 (1策略可以分为两种。一种是将一幅彩色图像看作三幅分量图像的组合体,在处理过程中先对每幅图像单独处理,再将处理结果合成为彩色图像。另一种是将一幅彩色图像中的每个象素看作具有三个属性值,即属性现在为一个矢量,需利用对矢量的表达方法进行处理。 (2一副真彩色图像既可以分解为R 、G 、B 三个分量也可以分解为H 、S 、I 三个分量图。人眼对H 、S 、I 三个分量图的感受是比较独立的。一种简便常用的真彩色增强方法步骤为:
①将RGB 分量图转化为HIS 分量图;②利用对灰度图增强的方法增强其中的一个分量图;③再将结果转换为用RGB 分量图来显示。 亮度增强,改变I 分量图,它不改变原图的彩色内容。饱和度增强,改变S 分量图,通过对S 分量图中每个象素乘以一个大于1的常数可使图像的彩色更鲜明,而如果乘以一个小于1的常数则会使图像的彩色感减少。色调增强,改变H 分量图,若对该图的每个象素加一个常数,将会使每个目标的颜色在色谱上移动。 四、 (1 算术编码为0.23355 图略 (2 发送时,要发送A 、B 、C 、D 、E 、F 的概率,并送0.23355。 (3 算术解码如下 图略 五、 (1图像混合 设图象,(y x f 为载体图像,,(y x s 为隐藏图像。对于实数a ,称 ,(1(,(,(y x s a y x af y x b -+= 为图像,(y x f 和,(y x s 的a 混合。 (2单幅迭代 对图像,(y x f 和,(y x s 进行1α混合得,(1(,(,(111y x s a y x f a y x b -+= ,对图像,(y x f 和,(1y x b 进行2α混合得,(1(,(,(1222y x b a y x f a y x b -+=,依次进行N 次混合得到,(1(,(,(1y x b a y x f a y x b N N N N --+=。可以证明,
第六章最大熵原理在气象学中的应用 上一章我们把熵原理作了简要介绍，并附带提及了它在一些领域的应用。由于熵原理的普遍的适用性，因而认真分析它在气象上的应用潜力是十分值得的。很显然，用熵原理说明的气象学中的问题越多，不仅越加显示熵原理的重要性，显示宇宙真理的统一性，而且也为气象学找到了新的理论武器，而这势必也提高了气象学的科学性和实用性。 在这一章我们就重点讨论最大熵原理怎样应用于各种气象问题之中，以及由此得出的结果。把最大熵原理用于说明气象现象大致包含如下步骤： ◆首先把气象问题归结为某种分布函数(这在第二章 已列出约30个分布函数的个例)。 ◆找出形成上述分布函数的物理(气象)过程中有哪些 重要的约束条件。 ◆从物理(气象)过程含有随机性引出对应的熵达到极 大值(即随机性导致最混乱)。 ◆进行数学处理，从熵理论导出分布函数。 ◆用实际资料验证理论结果(如不符，可再重复上述过 程)。 后边的介绍就是把上述步骤分别用于各个具体的气象分布问题中，并从中逐步加深对最大熵原理的认识。 另外，从70年代以来Paltridge[1]等人从热力学熵平衡角度研究地球纬圈上的气温分布的工作，也应属于试着用熵原理的一种事例。这个工作中尽管在原理上尚有不清楚之处，但其结果与实况的一致性和引用极值原理都是很有意义的。鉴于汤懋苍[2]近年对此已有介绍，我们这里就不再评述
了。 顺便指出，早在上世纪，从力学中发展起来的最小作用原理就从力学领域体现了自然界遵守某种极值原理的精神。 在气象界，罗伦茨[3]在60年代就设想大气也应当遵守某种极值原理。而我们指出有一些气象分布函数可以从熵达极大的角度推导出来，这可以看成是罗伦茨思想从统计角度(非决定论角度)的具体体现。 所以，最大熵原理在气象学中的应用不仅应看作是随机论(非决定论)的胜利，也应当看成广义的极值原理的胜利。 §1 大气的温度场和气压场 从最大熵原理出发，很容易说明大气中的温度场和气压场的分布。在第二章第4节我们已经论证了大气的温度场和气压场的分布。对气压场，我们从简单的分析得出它应是均匀分布，对温度场则从平均图上得出其分布也是均匀分布。这就是说，如果从大气中纯随机地抽取一个空气样品，则其气压(气温)为各种可能值的出现概率都是相等的，或者说各种可能的气压(温度)占有的大气质量是一样的。图2．5 就是其代表。 大气温度为什么恰为均匀分布(它竟然遵守如此简单的分布，确实有些出人意料！）? 形成现今温度分布的原因当然是太阳辐射和大气的对外辐射，这使我们想到如图6．1的极简单的模型。图的左侧有一高温的恒定热源，其温度为T1，左侧有一低温的恒定热汇，其温度为T0。介质处于T1和T0两个温度之间，它的温度在各处不会都是T1或T0，从而构成了一个温度场。如果介质仅能从左右两端吞吐热量而其他界面与外界绝缘，那么介质中的温度场理应会形成如图所示的等温线呈均匀分布之形状。此时介质上的温度分布函数应为均匀分布，对此我们也可以从解热传导方程中得出来。
数字图像处理
数字图像处理实验报告 学校：河北建筑工程学院 院系：电气工程学院 班级：电子132班 姓名：杨腾腾 学号： 2013315235
第二章图像处理基本知识 1．实验目的： （1）了解图像采集的硬件设备，获取一幅自己的头像(*.jpg)，作为后续实验的一个图像源； （2）练习MATLAB的一般使用，为其它几个实验做准备。 2．实验内容： （1）利用图像采集系统获取图像； （2）编写一个MATLAB程序对获取的图像文件（*.jpg）。将彩色图像转换为灰度图像。用imhist计算和显示灰度的统计特性，求其均值、标准差，并将图像反白。更详细的操作请参考讲解MATLAB使用的相关书籍或者该软件的在线帮助文件。 3．实验要求： 编写一完整的MATLAB程序。这里完整的MATLAB程序是指该程序应有一个用户界面窗口，读入的图像文件应显示在界面窗口里，在界面窗口中可以设置几个按钮，分别完成对所显示的图像进行上面（2）中所要求的操作。请保留该程序，后面的实验所编的程序都要求与此程序集成起来，提供一个统一的操作界面。 4. 实验程序： I=imread('C:\0.jpg'); subplot(2,2,1); imshow(I); J=rgb2gray(I); subplot(2,2,2);imshow(J); subplot(2,2,3);imhist(J); Ave=mean2(J) SD=std2(double(J)) s=size(J); all_white=255*ones(s(1),s(2)); all_white_uint8=uint8(all_white); K=imsubtract(all_white_uint8,J); subplot(2,2,4);imshow(K); imwrite(K,'C:\0_iverse.jpg') 实验结果： Ave =105.655 SD=51.9442
1.数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。 ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图 像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进 行分析。 ⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望 获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。 2.什么是图像识别与理解？ 图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望 获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上 确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出 来的人脸区域进行分析，确定其是否是该犯罪分子。 3.简述图像几何变换与图像变换的区别。 ①图像的几何变换：改变图像的大小或形状。比如图像的平移、旋转、放大、缩小等， 这些方法在图像配准中使用较多。 ②图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进 行分析。比如傅里叶变换、小波变换等。 4.一个数字图像处理系统由哪几个模块组成？ 答：一个基本的数字图像处理系统由图像输入、图像存储、图像输出、图像通信、图像处理 和分析5个模块组成 5.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。
直方图均衡化图像增强与彩色图像处理算法分析 2012.05.29
目录 1. 前言 (1) 2. 理论分析 (2) 2.1 直方图修正技术的基础 (2) 2.2 直方图的均衡化 (3) 2.3 直方图均衡化的算法步骤 (4) 3. 仿真实验与结果 (6) 3.1直方图均衡化Matlab程序 (6) 3.2 彩色图形处理Matlab程序 (8) 3.3 直方图均衡化仿真结果： (10) 3.4 彩色图像处理仿真结果： (13) 4. 结论 (14) 参考文献 (15)
1. 前言 在实际应用中，无论采用何种输入装置采集的图像，由于光照、噪声等原因，图像的质量往往不能令人满意。例如，检测对象物的边缘过于模糊；在比较满意的一幅图像上发现多了一些不知来源的黑点或白点；图像的失真、变形等等。所以图像往往需要采取一些手段进行改善以求达到较好的效果。图像增强技术正是在此基础上提出的。图像增强是图像分析与处理的一个重要的预处理过程，其主要有两个目的：一是运用一系列技术手段改善图像的视觉效果,提高图像的清晰度；二是将图像转化成一种更适合于人或计算机进行分析处理的形式。即改善图像质量是图像增强的根本目的。图像增强的意义一般可以理解为：按需要进行适当的变换，对图像的某些特征，如边缘、轮廓、对比度进行强调或锐化，突出某些有用的信息，去除或削弱无用的信息以便于显示、观察或进一步分析和处理。 图像增强技术是一类基本的图像处理技术，是指有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，其目的是使处理后的图像更适合于人的视觉特性或机器的识别系统，包括图像的轮廓线或者纹理加强、图像去噪、对比度增强等。因此图像增强处理是图像分析和图像理解的前提和基础。在图像的获取过程中，特别是对于多媒体监控系统采集的图像，由于监控场景光线照射复杂、拍摄背景也比较复杂等环境因素的影响。加之摄像设备、传感器等因素引入的噪声，使监控图像在一定程度上存在对比度差、灰度分布范围窄、图像分辨率下降。因此，为得到一幅清晰的图像必须进行增强处理。传统的图像增强算法通常是基于整幅图像的统计量，这样在计算整幅图像的变换时，图像中的低频信息、高频信息以及含有的噪声，同时进行了变换，因而在增强图像的同时增强了噪声，导致信息熵下降，给监控图像的分析和后期处理带来了困难。针对此问题，提出一种新算法。 图像增强处理方法根据图像增强处理所在的空间不同，可分为基于空间域的增强方法和基于频率域的增强方法两类。空间域处理方法是在图像像素组成的二维空间里直接对每一个像素的灰度值进行处理，它可以是一幅图像内像素点之间的运算处理，也可以是数幅图像间的相应像素点之间的运算处理。频率域处理方法是在图形的变换域对图像进行间接处理。其特点是先将图像进行变换，在空间域对图像作傅里叶变换得到它的频谱按照某种变化模型（如傅里叶变换）变换到频率域，完成图像由空间域变换到频率域，然后在频率域内对图像进行低通或高通频率域滤波处理。处理完之后，再将其反变换到空间域。 直方图均衡化算法是图像增强空域法中的最常用、最重要的算法之一。它以概率理论作基础，运用灰度点运算来实现直方图的变换，从而达到图像增强的目的。本文介绍一种基于累积分布函数变换法为基础的直方图修正法。它可以通过对直方图进行均匀化修正，可使图像的灰度间距增大或灰度均匀分布、增大反差，是图像的细节变得清晰。
一、基本题目 1. 2.HSI模型中，H I (Intensity) 3.CMYK （Black）。 4. 5. 6. 7. 8.存储一幅大小为M×N，灰度级为2g bit）大小的 存储空间。 9.图像退化是图像形成、传输和记录的过程中，由于成像系统、传输介质和设 10. 行图像的边缘检测。 11.用函数b s+ =来对图像象素进行拉伸变换，其中r kr 度值，若系数0 k >b ,1> 压缩） 12. 13. 两种。 14. 15.少），所得 16. 17.图像退化的典型表现为图像模糊、失真、噪声等，我们针对退化进行图像复 18.灰度直方图反映一幅图像中各灰度级象素出现的频率之间的关系，
19. 因此可以采 20. 图像边缘是指图像中象素灰度值有阶跃变化或屋顶状变化的那些象素的集 21.22.(X B X B =Θ23. (Y (U ,V )信号，它们之间的关系 为：Y=0.3R+0.59G+0.11B 24. 我国的电视标准是PAL 行 25. 26. MPEG 是ISO 其工作是开发满足各种应 27. 若原始的模拟图像，其傅氏频谱在水平方向的截止频率为m U ，在垂直方向 ，则只要水平方向的空间取样频率02m U U =，垂直方向的空 28. CT 。 29. 人们在观察一条由均匀黑和均匀白的区域形成的边界时，可能会认为人的主 观感受是与任一点的强度有关。但实际情况并不是这样，人感觉到的是在亮度变化部位附近的暗区和亮区中分别存在一条更黑和更亮的条带，这就是所谓的“Mach 带” 30. 若代码中任何一个码字都不是另一个码字的续长，也就是不能在某一个码字后面添加一些码元而构成另一个码字，称其为非续长代码。反之，称其为续长代码。 31. 对每个取样点灰度值的离散化过程称为量化。常见的量化可分为两大类，一 类是将每个样值独立进行量化的标量量化方法，另一类是将若干样值联合起来作为一个矢量来量化的矢量量化方法。在标量量化中按照量化等级的划分方法不同又分为两种，一种均匀量化；另一种是非均匀量化 32.
《数字图像处理》习题参考答案 第1 章概述 1.1 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。 1.2 采用数字图像处理有何优点？答：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。 1.3 数字图像处理主要包括哪些研究内容？答：图像处理的任务是将客观世界的景象进 行获取并转化为数字图像、进行增强、变换、 编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。 1.4 讨论数字图像处理系统的组成。列举你熟悉的图像处理系统并分析它们的组成和功能。 答：如图1.8，数字图像处理系统是应用计算机或专用数字设备对图像信息进行处理的信息系统。图像处理系统包括图像处理硬件和图像处理软件。图像处理硬件主要由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。软件系统包括操作系统、控制软件及应用软件等。 图1.8 数字图像处理系统结构 图 1
1.5 常见的数字图像处理开发工具有哪些？各有什么特点？ 答．目前图像处理系统开发的主流工具为 Visual C++（面向对象可视化集成工具） 和 MATLAB 的图像处理工具箱（Image Processing Tool box）。两种开发工具各有所长且有 相互间的软件接口。 Microsoft 公司的 VC++是一种具有高度综合性能的面向对象可视化集成工具，用它开 发出来的 Win 32 程序有着运行速度快、可移植能力强等优点。VC++所提供的 Microsoft 基础类库 MFC 对大部分与用户设计有关的 Win 32 应用程序接口 API 进行了封装，提高 了代码的可重用性，大大缩短了应用程序开发周期，降低了开发成本。由于图像格式多且 复杂，为了减轻程序员将主要精力放在特定问题的图像处理算法上，VC++ 6.0 提供的动 态链接库 ImageLoad.dll 支持BMP、JPG、TIF 等常用6 种格式的读写功能。 MATLAB 的图像处理工具箱MATLAB 是由MathWorks 公司推出的用于数值计算的有力工具，是一种第四代计算机语言，它具有相当强大的矩阵运算和操作功能，力求使人们摆脱繁 杂的程序代码。MATLAB 图像处理工具箱提供了丰富的图像处理函数，灵活运用这些函数可 以完成大部分图像处理工作，从而大大节省编写低层算法代码的时间，避免程序设计中的重 复劳动。MATLAB 图像处理工具箱涵盖了在工程实践中经常遇到的图像处理手段和算法，如 图形句柄、图像的表示、图像变换、二维滤波器、图像增强、四叉树分解域边缘检测、二值 图像处理、小波分析、分形几何、图形用户界面等。但是，MATLAB 也存在不足之处限制了 其在图像处理软件中实际应用。首先，强大的功能只能在安装有MA TLAB 系统的机器上使用 图像处理工具箱中的函数或自编的 m 文件来实现。其次，MATLAB 使用行解释方式执行代码，执行速度很慢。第三，MATLAB 擅长矩阵运算，但对于循环处理和图形界面的处理不及C++ 等语言。为此，通应用程序接口API 和编译器与其他高级语言（如C、 C++、Java 等）混 合编程将会发挥各种程序设计语言之长协同完成图像处理任务。API 支持 MA TLAB 与外部数 据与程序的交互。编译器产生独立于MATLAB 环境的程序，从而使其他语言的应用程序使用MATLAB。 1.6 常见的数字图像应用软件有哪些？各有什么特点？答：图像应用软件是可直接供 用户使用的商品化软件。用户从使用功能出发，只要了解 软件的操作方法就可以完成图像处理的任务。对大部分用户来说，商品化的图像应用软件无 需用户进行编程，操作方便，功能齐全，已经能满足一般需求，因而得到广泛应用。常用图 像处理应用软件有以下几种： 1．PHOTOSHOP：当今世界上一流的图像设计与制作工具，其优越性能令其产品望尘莫及。PHOTOSHOP 已成为出版界中图像处理的专业标准。高版本的 PHOTOSHOP 支持多达 20 多种图像格式和 TWAIN 接口，接受一般扫描仪、数码相机等图像输入设备采集的图像。PHOTOSHOP 支持多图层的工作方式，只是 PHOTOSHOP 的最大特色。使用图层功能可以很 方便地编辑和修改图像，使平面设计充满创意。利用 PHOTOSHOP 还可以方便地对图像进 行各种平面处理、绘制简单的几何图形、对文字进行艺术加工、进行图像格式和颜色模式 的转换、改变图像的尺寸和分辨率、制作网页图像等。 2．CorelDRAW：一种基于矢量绘图、功能强大的图形图像制作与设计软件。位图式图像是 由象素组成的，与其相对，矢量式图像以几何、色彩参数描述图像，其内容以线条和色块为主。可见，采用不同的技术手段可以满足用户的设计要求。位图式图像善于表现连续、丰富 色调的自然景物，数据量较大；而矢量式图像强于表现线条、色块的图案，数据量较小。 合理的利用两种不同类型的图像表现方式，往往会收到意想不到的艺术效果。CorelDraw是