数字图像处理第二章作业
第二章数字图像处理的基本概念
2. 图像数字化包括那两个过程？它们对数字化图像质量有何影响？答：图像数字化包括采样和量化两个过程。采样：将空间上连续的图像变换成离散点的操作称为采样。量化：将像素灰度转换成离散的整数值得过程叫量化。
影响：一般来说，采样间隔越大，所得图像像素越少，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。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。
3.数字化图像的数据量与哪些因素有关？
答：数字化前需要决定影像大小（行数M、列数N）和灰度级数G的取值。一般数字图像灰度级数G为2的整数幂。那么一幅大小为M*N，灰度级数为G的图像所需的存储空间M*N*g(bit),称为图像的数据量。
6.什么是灰度直方图？它有哪些应用？从灰度直方图你能获得图像的哪些信息？
答：灰度直方图反映的是一幅图像中各灰度级像素出项的频率之间的关系。以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。
应用：通过变换图像的灰度直方图可以，使图像更清晰，达到图像增
强的目的。
获得的信息：灰度范围，灰度级的分布，整幅图像的平均亮度。但不能反映图像像素的位置。
8.图像处理按功能分有哪几种形式？
答：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）多幅图像——>单幅图像；（3）单（或多）幅图像——>数字或符号等。
12.图像特性包括哪些类型？
图像特征是图像分析的重要依据，它可以是视觉能分辨的自然特征，也可以是人为定义的某些特性或参数，即人工特征。数字图像的像素亮度、边缘轮廓等属自然特性；图像经过变换得到的频谱和灰度直方图等属人工特征。
1、自然特征
图像是空间景物反射或者辐射的光谱能量的记录，因而具有光谱特征、几何特征和时相特征。
（1）光谱特征
同一景物对不同波长的电磁波具有不同的反射率，不同景物对同一波长也可能具有不同的反射率。
（2）几何特征
几何特征主要表现为图像的空间分辨率、图像纹理结构及图像变形等几个方面。
（3）时相特征
时相特征主要反映在不同时间获取同一目标的各图像之间存在的差异，是对目标进行监测、跟踪的主要依据
2、人工特征
图像的人工特征很多，主要包括以下几种：
（1）直方图特征
（2）灰度边缘特征
图像灰度在某个方向上的局部范围内表现出不连续性，这种灰度明显变化点的集合称为边缘。灰度边缘特征反映了图像中目标或对象所占的面积大小和形状。
（3）角点与线特征
角点是图像的一种重要局部特征，它决定了图像中目标的形状。所以在图像匹配、目标描述与识别以及运动估计、目标跟踪等领域，角点提取具有十分重要的意义。
（4）纹理特征
纹理是指某种结构在比它更大的范围内大致呈现重复排列，这种结构称为纹理基元。
图像的特征有很多，但在实际的图像分析与应用中，重视何种特征主要依赖于对象和处理的目的。按描述特征的范围大小可分为：点特征、局部特征、区域特征、整体特征。
13. 简述噪声的概念及其分类
所谓噪声，就是妨碍人的视觉器官或系统传感器对所接受图像信息进行理解或分析的各种因素。一般噪声是不可预测的随机信号，它只能
用概率统计的方法去认识。由于噪声影响图像的输入、采集、处理的各个环节以及输出结果的全过程，尤其是图像输入、才集中的噪声必然影响处理全过程以至最终结果。因此抑制噪声已成为图像处理中极重要的问题。
图像噪声的分类：图像噪声按其产生的原因可分为外部噪声和内部噪声。外部噪声是指图像处理系统外部产生的噪声，如天体放电干扰、电磁波从电源线窜入系统等产生的噪声。
内部噪声是指系统内部产生的，一般有如下四种形式：
（1）由光和电的基本性质引起的，如电流可看做电子或空穴运动，这些粒子运动产生随机散粒噪声；导体中电子流动的热噪声；光量子运动的光量子噪声等。
（2）机械运动产生的噪声，如接头振动使电流不稳，磁头或磁带、磁盘抖动等。
（3）元器件噪声，如光学底片的颗粒噪声，磁带、磁盘缺陷噪声，光盘的疵点噪声等。
（4）系统内部电路噪声，如CRT的偏转电路二次发射电子等噪声。从统计理论观点噪声可分为平稳和非平稳噪声。凡是统计特征不随时间变化的噪声称平稳噪声；统计特征随时间变化的噪声称为非平稳噪声。从噪声幅度分布形态可分为：幅度分布呈正态分布的高斯型，幅度分布呈瑞利分布的瑞利噪声，突发出现的幅度高而持续时间短的脉冲噪声等。还有按频谱分布形状进行分类的，如频谱为均匀分布的噪声称为白噪声，各频率能量呈正态分布的高斯噪声等。按产生过程进
行分类，噪声可分为量化噪声和椒盐噪声等。
14.名词解释
局部处理：在对输入图像进行处理时，计算某一输出像素JP（i ,j）值由输入图像IP（i,j）像素的小领域N[IP(i,j)]中的像素值确定，这种处理称为局部处理。
全局处理：在局部处理中，输出像素JP（i，j）的值取决于输入图像较大范围或整幅图像像素的值，这种处理称为全局处理。
点处理：在局部处理中，当输出JP（i，j）仅与IP（i ,j）像素灰度有关的处理称为点处理。
数字图像处理大作业
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 作业1汇总
数字图像处理 报告标题：01 报告编号： 课程编号： 学生姓名： 截止日期： 上交日期：
摘要 （1）编写函数计算灰度图像的均方误差（MSE）、信噪比（SNR）、峰值信噪比（PSNR）、平均绝对误差（MAE）；（2）编写函数对灰度图像经行降采样，直接消除像素以及消除像素前进行简单平滑滤波；（3）编写函数对图像进行放大，分别使用像素直接复制和双线性插值的方法：（4）编写函数用题目给出的量化步骤Q去量化灰度图像，并给出相应的MSE和直方图；（5）编写函数对灰度图像执行直方图均衡化，显示均衡前后的直方图。同时，熟悉使用MATLAB，并且熟练操作对图像进行各种修改变换等。 KEY WORD :MATLAB MSE、PSNR 直方图量化
技术探讨 数字图像处理是基于Matlab来实现的，由于Matlab 独特的功能和对矩阵，图像，函数灵活的处理，因而用于图像的处理相当的方便。 task1 均方误差（MSE）,信噪比（SNR）,峰值信噪比（PSNR）,平均绝对误差（MAE）。可以使用使用for循环语句，分别计算图像MSE/SNR/PSNR/MAE，具体的计算公式见附录代码，下面只附运算原理代码 均方误差（MSE）： sum=sum+(a(i,j)-b(i,j))^2; MSE=sum/(M*N) 信噪比（SNR）： sum2=sum2+a(i,j)^2; SNR=10*log10(sum2/MSE) 峰值信噪比（PSNR）： sum=sum+(a(i,j)-b(i,j))^2; PSNR=10*log10(255^2/MSE) 平均绝对误差（MAE）： sum=sum+a(i,j)+b(i,j); MAE=sum/(M*N) 在每次对同一个图像处理时它们的均方误差（MSE）,信噪比（SNR）,峰值信噪比（PSNR）,平均绝对误差（MAE）都会有所不同，因为它是原图像与加噪后的图像比较，而电脑的每次操作都会对加噪过得图像有影响。 task3 按比例缩小灰度图像 （1）直接消除像素点： I1=g(1:m:end,1:m:end);I1 为缩小后的图像，g为原图。 （2）先平滑滤波再消除像素点： 滤波函数，g=imfilter(I,w,'corr','replicate'); task4 对图像的放大运用了pixel repetition法以及双线性插值法： 它有三种插值法：即最近邻插值（pixel repetition）、双线性插值、双三次插值(缩放倍数为0.5) ;缩放与放大由给定的参数来确定。 ;缩放与放大由给定的参数来确定。而缩小则同样适用I1=g(1:m:end,1:m:end); 而放大的代码为“J=imresize(I,m,'nearest');%使用pixel repetition法”和“J=imresize(I,m,'bilinear');%使用双线性插值法” 放大倍数更改m值即可 task4 对图像的量化，使用“J=histeq(I,x); ”，x为可变的量化步长 task5 灰度图像的量化和直方图均衡化直接调用函数。“J=histeq(I)”“imhist(I,64)”
数字图像处理第二章课后习题及中文版解答
数字图像处理(冈萨雷斯版，第二版)课后习题及解答(部分) Ch 2 2.1使用2.1节提供的背景信息，并采用纯几何方法，如果纸上的打印点离眼睛0.2m 远，估计眼睛能辨别的最小打印点的直径。为了简明起见，假定当在黄斑处的像点变得远比视网膜区域的接收器（锥状体）直径小的时候，视觉系统已经不能检测到该点。进一步假定黄斑可用1.5mm × 1.5mm 的方阵模型化，并且杆状体和锥状体间的空间在该阵列上的均匀分布。 解：对应点的视网膜图像的直径x 可通过如下图题2.1所示的相似三角形几何关系得到，即 ()()220.20.014 d x = 解得x =0.07d 。根据2.1节内容，我们知道：如果把黄斑想象为一个有337000个成像单元的正方形传感器阵列，它转换成一个大小580×580成像单元的阵列。假设成像单元之间的间距相等，这表明在总长为1.5 mm 的一条线上有580个成像单元和579个成像单元间隔。则每个成像单元和成像单元间隔的大小为s =[(1.5 mm)/1159]=1.3×10-6 m 。如果在黄斑上的成像点的大小是小于一个可分辨的成像单元，在我们可以认为改点对于眼睛来说不可见。换句话说，眼睛不能检测到以下直径的点：x =0.07d<1.3×10-6m ，即d <18.6×10-6 m 。 下图附带解释：因为眼睛对近处的物体聚焦时，肌肉会使晶状体变得较厚，折射能力也相对提高，此时物体离眼睛距离0.2 m ，相对较近。而当晶状体的折射能力由最小变到最大时，晶状体的聚焦中心与视网膜的距离由17 mm 缩小到14 mm ，所以此图中选取14mm(原书图2.3选取的是17 mm)。 图 题2.1 2.2 当在白天进入一个黑暗的剧场时，在能看清并找到空座位时要用一段时间适应，2.1节(视觉感知要素)描述的视觉过程在这种情况下起什么作用？ 解：根据人眼的亮度适应性，1）由于户外与剧场亮度差异很大，因此当人进入一个黑暗的剧场时，无法适应如此大的亮度差异，在剧场中什么也看不见；2）人眼不断调节亮度适应范围，逐渐的将视觉亮度中心调整到剧场的亮度范围，因此又可以看见、分清场景中的物体了。
第二章数字图像处理的基本概念_数字图像处理.
第二章数字图像处理的基本概念 2.3 图像数字化 图像数字化是将一幅画面转化成计算机能处理的形式——数字图像的过程。 模拟图像数字图像正方形点阵 具体来说，就是把一幅图画分割成如上图所示的一个个小区域（像元或 像素），并将各小区域灰度用整数来表示，形成一幅数字图像。它包括采样和 量化两个过程。小区域的位置和灰度就是像素的属性。 单波段、多波段和超波段图像 2.3.1 采样 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。 2.3.2 量化 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。一幅数字图像中不同灰 度值的个数称为灰度级数，用G表示。一般来说，G=2∧g,g就是表示图像像素灰 度值所需的比特位数。 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）
黑白图像:是指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。例如 灰度图像:灰度图像是指每个像素由一个量化的灰度值来描述的图像。 它不包含彩色信息。 彩色图像:彩色图像是指每个像素由R、G、B三原色像素构成的图像， 其中R、B、G是由不同的灰度级来描述的。 2.3.3 量化参数与数字化图像间的关系 数字化方式可分为均匀采样、量化和非均匀采样、量化。所谓“均匀”,指的是采样、量化为等间隔。图像数字化一般采用均匀采样和均匀量化方式。 非均匀采样是根据图象细节的丰富程度改变采样间距。细节丰富的地方，采样间距小，否则间距大。 非均匀量化是对像素出现频度少的间隔大，而频度大的间隔小。 采用非均匀采样与量化，会使问题复杂化，因此很少采用。 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。
数字图像处理大作业
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。
数字图像处理部分作业答案
3.数字化图像的数据量与哪些因素有关？ 答：数字化前需要决定影像大小（行数M、列数N）和灰度级数G的取值。一般数字图像灰度级数G为2的整数幂。那么一幅大小为M*N，灰度级数为G的图像所需的存储空间M*N*g(bit),称为图像的数据量 6.什么是灰度直方图？它有哪些应用？从灰度直方图你能获得图像的哪些信息？ 答：灰度直方图反映的是一幅图像中各灰度级像素出项的频率之间的关系。以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。 应用：通过变换图像的灰度直方图可以，使图像更清晰，达到图像增强的目的。 获得的信息：灰度范围，灰度级的分布，整幅图像的平均亮度。但不能反映图像像素的位置。 2. 写出将具有双峰直方图的两个峰分别从23和155移到16和255的图像线性变换。 答：将a=23,b=155 ;c=16,d=255代入公式： 得 1，二维傅里叶变换有哪些性质？二维傅里叶变换的可分离性有何意义？ 周期性，线性，可分离性，比例性质，位移性质，对称性质，共轭对称性，差分，积分，卷积，能量。 意义：分离性表明：二维离散傅立叶变换和反变换可用两组一维离散傅立叶变换和反变换来完成。 8.何谓图像平滑？试述均值滤波的基本原理。 答：为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。 均值滤波是一种局部空间域处理的算法，就是对含有噪声的原始图像f(x,y)的每个像素点取一个领域S，计算S中所有像素的灰度级平均值，作为空间域平均处理后图像g(x,y)像素值。 9.何谓中值滤波？有何特点？ 答：中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，它是一种非线性的图像平滑法。 它对脉冲干扰及椒盐噪声的的图像却不太合适。抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多 6图像几何校正的一般包括哪两步？像素灰度内插有哪三种方法？各有何特点？ 答：1）建立失真图像和标准图像的函数关系式，根据函数关系进行几何校正。 2）最近邻插值，双线性插值，三次卷积法 3）最近邻插值：这种插值方法运算量小，但频域特性不好。 3、若f(1,1)=4，f(1,2)=7，f(2,1)=5，f(2,2)=6,分别按最近邻元法、双线性插值法确定点(1.2,1.6)的灰度值。 最近邻元法：点(1.2,1.6)离(1,2)最近,所以其灰度值为7.双线性法：f(i+u,j+v)=(1-u)(1-v)f(i,j)+(1-u)vf(i,j+1)+u(1-v)f(i+1,j)+uvf(i+1,j+1) 将i=1,j=1,u=0.2,v=0.6代入,求得：f(i+u,j+v)=5.76。四舍五入取整后，得该点其灰度值为6
数字图像处理大作业
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）
数字图像处理大作业.doc
-------------精选文档 ----------------- 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
-------------精选文档 ----------------- 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。
《数字图像处理》复习大作业及答案
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 ）
数字图像处理作业 1
数字图像处理作业 1 1.基本问题 a.什么是数字图像处理，英语全称是什么？ 数字图像处理：对图像进行一些列的操作，以达到预期目的的技术，可分为模拟图像处理和数字图像处理两种方式。英文全称：Image Processing b.数字图像处理与什么领域的发展密切相关？ 数字图像处理与数字计算机的发展，医学，遥感，通信，文档处理和工业自动化等许多领域的发展密切相关。 c.人类主要通过什么来感知获取信息的？ 主要通过人的视觉、味觉、嗅觉、触觉、听觉以及激光、量子通信、现代计算机网络、卫星通信、遥感技术、数码摄影、摄像等来获取信息。 d.数字图像处理技术与哪些学科领域密切相关？ 与数学、物理学、生理学、心理学、电子学、计算机科学等学科密切相关 e.数字图像处理在哪些领域得到广泛应用？ 数字图像处理的应用越来越广泛，已渗透到工程、工业、医疗保健、航空航天、军事、科研、安全保卫等各个领域。 f.数字图像处理起源于什么年代？ 20世纪20年代 g.现代大规模的图像处理需要具备哪些计算机能力？ 需要具备图像处理、图像分析、图像理解计算机能力 h.根据人的视觉特点，图像可分为哪两种图像？ 分为可见图像和不可见图像。 i.根据光的波段，图像可分为哪几种图像？ 分为单波段、多波段和超波段图像。 j.图像数字与模拟图像的本质区别是什么？ 区别： 模拟图像：空间坐标和明暗程度都是连续变化的、计算机无法直接处理。 数字图像：空间的坐标和灰度都不连续、用离散的数字表示，能被计算机处理。 2.通过互联网，查下数字图像处理有哪些应用？选一个应用范例即可。具体描绘如何通过数字图像处理技术来实现其应用。要有图像范例说明。 数字图像处理主要应用领域有：生物医学，遥感领域，工业方面，军事公安领域，通信领域，交通领域等。我就生物医学领域做一个简单介绍。 自伦琴1895年发现X射线以来，在医学领域可以用图像的形式揭示更多有用的医学信息医学的诊断方式也发生了巨大的变化。随着科学技术的不断发展，现代医学已越来越离不开医学图像的信息处理，医学图像在临床诊断、教学科研等方面有重要的作用。目前的医学图像主要包括CT (计算机断层扫描) 图像、MRI( 核磁共振)图像、B超扫描图像、数字X 光机图像、X 射线透视图像、各种电子内窥镜图像、显微镜下病理切片图像等。 医学图像处理跨计算机、数学、图形学、医学等多学科研究领域，医学图像处理技术包括图像变换、图像压缩、图像增强、图像平滑、边缘锐化、图像分割、图像识别、图像融合等等。在此联系数字图像处理的相关理论知识和步骤设计规划系统采集和处理的具体流程同时充分考虑到图像采集设备的拍摄效果以及最终处理结果的准确性。下面是关于人体微血管显微图像的采集实例。
西安交通大学大学数字图像处理大作业
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 《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。 第一章概述 一.填空题 1. 数字图像是用一个数字阵列来表示的图像。数字阵列中的每个数字，表示数字图像的一个最小单位，称为__________。 5. 数字图像处理包含很多方面的研究内容。其中，________________的目的是根据二维平面图像数据构造出三维物体的图像。 解答:1. 像素5. 图像重建 第二章数字图像处理的基础 一.填空题 1. 量化可以分为均匀量化和________________两大类。 3. 图像因其表现方式的不同，可以分为连续图像和________________两大类。 5. 对应于不同的场景内容，一般数字图像可以分为________________、灰度图像和彩色图像三类。 解答: 1. 非均匀量化 3. 离散图像 5. 二值图像 二.选择题 1. 一幅数字图像是：( ) A、一个观测系统。 B、一个有许多像素排列而成的实体。 C、一个2-D数组中的元素。 D、一个3-D空间的场景。 3. 图像与灰度直方图间的对应关系是：（） A、一一对应 B、多对一 C、一对多 D、都不对 4. 下列算法中属于局部处理的是：（） A、灰度线性变换 B、二值化 C、傅立叶变换 D、中值滤波 5. 一幅256*256的图像，若灰度级数为16，则该图像的大小是：（） A、128KB B、32KB C、1MB C、2MB 6. 一幅512*512的图像，若灰度级数为16，则该图像的大小是：（） A、128KB B、32KB C、1MB C、2MB 解答:1. B 3. B 4. D 5. B 6. A 三.判断题 1. 可以用f(x,y)来表示一幅2-D数字图像。（） 3. 数字图像坐标系与直角坐标系一致。（） 4. 矩阵坐标系与直角坐标系一致。（） 5. 数字图像坐标系可以定义为矩阵坐标系。（） 6. 图像中虚假轮廓的出现就其本质而言是由于图像的灰度级数不够多造成的。（） 10. 采样是空间离散化的过程。（） 解答:1. T 3. F 4. F 5. T 6. T 10. T 1、马赫带效应是指图像不同灰度级条带之间在灰度交界处存在的毛边现象（√） 第三章图像几何变换 一.填空题 1. 图像的基本位置变换包括了图像的________________、镜像及旋转。 7. 图像经过平移处理后，图像的内容________________变化。（填“发生”或“不发生”） 8. 图像放大是从小数据量到大数据量的处理过程，________________对许多未知的数据的估计。（填“需要”或“不需要”） 9. 图像缩小是从大数据量到小数据量的处理过程，________________对许多未知的数据的估计。（填“需要” 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 一、编写程序完成不同滤波器的图像频域降噪和边缘增强的算法并进行比较，得出结论。 频域降噪。对图像而言，噪声一般分布在高频区域，而图像真是信息主要集中在低频区，所以，图像降噪一般是利用低通滤波的方法来降噪。边缘增强。图像的边缘信息属于细节信息，主要由图像的高频部分决定，所以，边缘增强一般采取高通滤波，分离出高频部分后，再和原频谱进行融合操作，达到边缘增强，改善视觉效果，或者为进一步处理奠定基础的目的。 1频域降噪，主程序如下： I=imread('lena.bmp'); %读入原图像文件 J=imnoise(I,'gaussian',0,0.02);%加入高斯白噪声 A=ilpf(J,0.4);%理想低通滤波 figure,subplot(222);imshow(J);title('加噪声后的图像'); subplot(222);imshow(A);title('理想低通滤波'); B=blpf(J,0.4,4);%巴特沃斯低通滤波 subplot(223);imshow(B);title('巴特沃斯低通滤波'); C=glpf(J,0.4);%高斯低通滤波 subplot(224);imshow(C);title('高斯低通滤波'); 用到的滤波器函数的程序代码如下： function O=ilpf(J,p) %理想低通滤波，p是截止频率 [f1,f2]=freqspace(size(J),'meshgrid'); hd=ones(size(J)); r=sqrt(f1.^2+f2.^2); hd(r>p)=0; y=fft2(double(J)); y=fftshift(y); ya=y.*hd; ya=ifftshift(ya); ia=ifft2(ya); O=uint8(real(ia)); function O=blpf(J,d,n) %巴特沃斯低通滤波器，d是截止频率，n是阶数[f1,f2]=freqspace(size(J),'meshgrid'); hd=ones(size(J)); r=f1.^2+f2.^2; for i=1:size(J,1) for j=1:size(J,2) t=r(i,j)/(d*d); hd(i,j)=1/(t^n+1); end end y=fft2(double(J)); y=fftshift(y); ya=y.*hd; 第二章 2.1（第二版是0.2和1.5*1.5的矩形，第三版是0.3和1.5圆形） 对应点的视网膜图像的直径x 可通过如下图题2.1所示的相似三角形几何关系得到，即 ()()017 02302.x .d = 解得x=0.06d 。根据2.1 节内容，我们知道：如果把中央凹处想象为一个有337000 个成像单元的圆形传感器阵列，它转换成一个大小25327.?π成像单元的阵列。假设成像单元之间的间距相等，这表明在总长为1.5 mm （直径） 的一条线上有655个成像单元和654个成像单元间隔。则每个成像单元和成像单元间隔的大小为s=[(1.5 mm)/1309]=1.1×10-6 m 。 如果在中央凹处的成像点的大小是小于一个可分辨的成像单元，在我们可以认为改点对于眼睛来说不可见。换句话说， 眼睛不能检测到以下直径的点： m .d .x 61011060-?<=，即m .d 610318-?< 2.2 当我们在白天进入一家黑暗剧场时，在能看清并找到空座时要用一段时间适应。2.1节描述的视觉过程在这种情况下起什么作用？ 亮度适应。 2.3 虽然图2.10中未显示，但交流电的却是电磁波谱的一部分。美国的商用交流电频率是77HZ 。问这一波谱分量的波长是多少？ 光速c=300000km/s ，频率为77Hz 。 因此λ=c/v=2.998 * 108(m/s)/77(1/s) = 3.894*106m = 3894 Km. 2.5 根据图2.3得：设摄像机能看到物体的长度为x (mm)，则有:500/x=35/14; 解得：x=200，所以相机的分辨率为：2048/200=10;所以能解析的线对为：10/2=5线对/mm. 2.7 假设中心在（x0,y0）的平坦区域被一个强度分布为： ] )0()0[(22),(y y x x Ke y x i -+--= 的光源照射。为简单起见，假设区域的反射 是恒定的，并等于1.0，令K=255。如果图像用k 比特的强度分辨率进行数字化，并且眼睛可检测相邻像素间8种灰度的突变，那么k 取什么值将导致可见的伪轮廓？ 解：题中的图像是由： ()()()()()[]()()[]2 02 02 02 025501255y y x x y y x x e .e y ,x r y ,x i y ,x f -+---+--=?== 数字图像基础 课程名称：数字图像基础 学院：信息工程与自动化学院 专业年级： 2010级计算机系班 学号： 2010104052 学生姓名： 指导教师：尚振宏 日期： 2013-6-11 目录 目录 (1) 1前言 (2) 2图像分割的方法简介 (3) 2.1迭代法 (3) 2.2类间最大距离法 (3) 2.3最大熵法 (4) 2.4最大类内类间方差比法 (4) 2.5局部阈值法 (5) 2.6均匀性度量法 (6) 3简单算法及其实现 (6) 3.1最优阈值算法 (6) 3.2 Canny算法 (8) 4、试验对比 (10) 4.1迭代法试验对比 (10) 4.2类间最大距离法试验对比 (10) 4.3最大熵法试验对比 (11) 4.4最大类内类间方差比法试验对比 (11) 4.5局部阈值法试验对比 (12) 4.6均匀性度量法试验对比 (12) 5、总结体会 (13) 6、参考文献 (13) 7、附录 (14) 7.1迭代法代码 (14) 7.2类间最大距离法代码 (14) 7.3最大熵法代码 (15) 7.4最大类内类间方差比法代码 (16) 7.5局部阈值法代码 (18) 7.6均匀性度量法代码 (18) 1、前言 图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出上千种分割算法，但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。最近几年又出现了许多新思路、新方法或改进算法。总的来说，图像分割是图像识别和图像分析的基本前提步骤，图像分割的质量好坏直接影响后续图像处理的效果，甚至决定成败。因此，图像分割在数字图像处理技术中占有非常重要的地位。图像分割时指将一副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。好的图像分割应具备以下特征：⑴分割出来的各个区域对某种特性（例如灰度和纹理）而言具有相似性，区域内部是连通的且没有过多小孔。⑵相似区域对分割所依据的性质有明显的差异。⑶区域边界是明确的。图像分割是一个很关键的图像分析技术，是由图像处理进到图像分析的关键步骤.它的目的就是把图像中感兴趣的那部分分割出来供大家研究、处理和分析，一直都是图像技术研究中的热点。但是由于地域的差别，图像分割一直都没有一个比较通用的算法。 在实际图像处理中，一般情况下我们只是注意到图像中那些我们感兴趣的目标，因为只有这部分也就是我们注意到的有用的目标物才能为我们提供高效、有用的信息。而这些目标一般又都对应着图像中某些特定的、具有独特性质的区域。为了把这些有用的区域提取出来供我们人类使用，图像分割这门技术也就应运而生了。我们通常情况下所说的图像分割就是指把图像划分成若干个有意义的区域的过程，每个区域都是具有相近特性的像素的连通集合，一般情况下我们所关注到的那些有用的目标物就存在与这些区域中。研究者们为了识别和分析图像中的那部分我们感兴趣的目标，例如进行特征提取或者测量，就需要将这些相关的区域从图像背景中提取出来。图像分割就能够把图像中的这些有用的区域分割出来，从而把一幅图像分成一系列的有意义的、各具特征的目标或者区域。 图像分割技术主要分为四大类：区域分割，阈值分割，边缘检测和差分法运动分割（主要针对运动图像的分割）。阈值分割是近年来国际领域上的一个新的研究热点，它是一种最简单的图像分割技术，其基本原理就是：通过设定不同的特征阈值点，从而把图像的象素点分为若干类，然后通过阈值点来分割图像，最终把图像中的有用的部分提取出来。本文将对matlab用于图像分割的基本理论进行简要研究，并对当前matlab用于图像分割的最新研《数字图像处理》课后作业2015
(完整word版)数字图像处理试题集2(精减版)
数字图像处理大作业报告
研究生数字图像处理作业
数字图像处理第三版中文答案--冈萨雷斯
数字图像处理大作业-昆明理工大学-尚振宏