数字图像处理重点内容提要
数字图像处理重点内容提要
第一章概述
1.什么是图像？
粗略地讲，图像是某一个二维或三维景物呈现在人们心目中的影像；
确切地讲，图像是光辐射能量照在物体上，经过物体的反射或透射，或由发光物体本身发出的光能量，在人的视觉器官中所重现出的物体的视觉信息。
2.数字图像：最小单位，两个特征（空间位置特征、属性特征）
数字图像：用离散的数字表示的图像I=I（r，c）在计算机中用二维矩阵来表示。
把图像按行与列分成m×n个网格,每个网格称为图像的一个像素。
数字图像的最小单位是像素（像元）
像素（像元）具有空间位置特征和属性特征
【空间分辨率】：指在水平方向和垂直方向上共分为多少格（点），记为M×N。
（同一幅图像，分辨率越高，图像质量越好）
【灰度分辨率】：指象元亮度（灰度）层次的多少，常称为灰度级，记为2n，如28=256个灰度级。（颜色数越多,用以表示颜色的位数越长,图像颜色就越逼真。）
【空间频率】：图象明暗变化的快慢，空间频率高表征图象的细微变化(细节)，反之则表示图象中大的物体。本概念是图象处理中频域处理的基础。
【数字图像的分类】：
①按亮度等级：二值图像和灰度图像（二值图像—灰度值仅有0和1组成）
②按色调：黑白图象和彩色图象（彩色图像每一点的灰度值有好几个分量构成，如R、G、
B；然后这几个分量的灰度值叠加形成彩色图像。黑白图像—每一点的灰度值只有一个）
③按内容和变化性质：静止图像和活动图像
④按所占空间维数：二维平面图像和三维、多维立体图像等。
⑤从人的视觉效果分：可见图像（由可见光形成，能为人的视觉系统所直接感受）和不可
见图像（不能为人眼所直接感受，但通过能量转换和相应的显示装置变换后，可以为人的视觉所感受。如X 光透视图象、红外电视图象、微波辐射计以及B 型超声诊断仪上所显示的图象等。）
3.采样和量化的定义
【模拟图像数字化】：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，即位置的离散化。将模拟图像按纵横两方向分割为若干个形状、大小相同的像元，各像元的位置由其所在的行和列表示。【量化】——将像素灰度转换成离散的数值的过程，即灰度的离散化
量化参数——灰度级数：一幅数字图像中不同灰度值的个数称为灰度级数，用K表示。
一般来说，K=2n。8位灰度图像，有256个灰度级别。除了纯黑与纯白之外，其他颜色介于黑和白之间的灰色。
4.数字图像处理过程的几个特点：信息量大、数据量大、重复性运算大、处理技术综合性强【图像处理】：为了从图像中观察到更多更清晰的信息，得到更好的利用，要对可能模糊不清或发生了畸变等等的原始影像进行技术上的处理，这种处理技术就称为图像处理。
光学图像处理，又称为模拟图像处理。
数字图像处理，又称为自动图像处理，或计算机图像处理（发展趋势：数字图像处理）
1) 利用计算机对数字图像进行各种目的的处理
2) 将图像转化为另一种加工的图像：图像到图像的过程
3）将图像转化为非图像的表示：分析、识别与理解的过程
5.什么是遥感？根据遥感平台，可以分为哪几类？
【遥感图像处理】是数字图像处理中的特殊分支。数字图像处理中的常用处理和分析技术是遥感图像处理的基础。遥感图像由于其自身成像的特点和特殊的行业应用，又有许多独特的处理方法，如辐射校正、几何校正、融合、镶嵌和分类等。
【遥感】——遥远的感知
在远离地面的不同运载工具上（高塔、气球、飞机、火箭、人造卫星、宇宙飞船、航天飞机等），运用探测仪器（传感器），对地表各种物体的电磁波信息进行探测成像，并且经过信息数据的传输、处理、分析, 对地球资源与环境进行探测和监控的综合性技术。
【根据遥感平台分类】：遥感中搭载传感器的工具统称为遥感平台。
地面平台：高度0-50m范围内，包括车、船、塔三脚架、遥感塔、遥感车等对地观测，研究中应用较少。
航空平台：高度在100m-10多km，包括低、中、高空飞机，以及飞艇、气球等.
航天平台：高度在150km以上。航天遥感平台目前发展最快，应用最广。根据航天遥感平台的服务内容，可以将其分为气象卫星系列、陆地卫星系列和海洋卫星系列。
【遥感成像原理】：
遥感系统组成三要素：目标物体、从目标物体传过来的光线、感受光线的传感器
【遥感图像的基本描述】：
与采样相关：
①谱分辨率：遥感器在接收目标辐射的光谱时，实际能分辨的最小波长间隔。
②频谱采样率：遥感器在接收目标辐射时，对光谱进行采样时的最小波长间隔。
与量化相关：
①辐射分辨率：传感器在接收波谱信号时，能分辨的最小辐射度差。
②辐射采样率：对传感器接收信号进行量化时，每个像素所采用的比特数。
第二章遥感图像数据基础
1.遥感图像的基本原理：反映地物的平均电磁波辐射水平、数值大小变化由于地物类型变化引起
遥感图像反映了与之相对应的地面某一个区域内，地物的平均电磁波辐射水平，而地物反射或发射电磁波能量的大小又直接与地物的类型有关。
遥感图像数据数值的大小及其变化，主要是由地物的类型及其变化所引起的。遥感的基本原理就是通过分析遥感图像数据数值的大小与变化规律，来有效地识别不同的地物。
2.电磁波谱的定义
电磁波理论是遥感的物理基础。遥感中经常使用的可见光、微波以及红外线等都是电磁波。【电磁波谱】：不同的电磁波其波长各不相同，将各种电磁波按照波长的大小范围，依次排列成图谱，这个图谱就是所谓的电磁波谱。
【电磁波段】：将连续的电磁波谱人为地划分成若干区段。
波长由短到长依次为γ射线、x射线、紫外线、可见光、红外线、无线电波。
【紫外线】：大气吸收强烈，大气透过率低，不易于高空遥感；主要用于探测碳酸盐分布和油污染监测。可见光、红外线、微波是遥感中常用的三大波段。
【可见光】：由红、橙、黄、绿、青、篮、紫色光组成。遥感的常用波段，作为鉴别物质特征的主要波段，既可采用摄影方式也可以用扫描方式记录地物的特征。
【红外线】：可分为近红外、中红外、远红外和超远红外4个光谱段。用于探测地物的热辐射（热污染、森林火灾）。红外线在云、雾、雨中传播时，受到严重的衰减，因此红外遥感不是全天候遥感，不能在云、雾、雨中进行，但不受日照条件的限制。
【微波】：（1mm~1mm）由于波长长，能穿透云、雾而不受天气影响，所以能全天侯全天时的遥感探测，常被用来探测被冰雪、植被、沙土所遮掩的地物。
【大气对电磁波传播的影响】：
①大气散射：悬浮在空气中的粒子（分子、尘埃、烟尘、水滴等直径不同的粒子），引起
电磁波能量方向的改变，干扰了传感器的接接收。
②大气吸收：主要是水汽、臭氧等有强烈吸收作用，结果造成遥感图象暗淡。
③大气反射：电磁波传播过程中，若通过两种介质的交界面，发生反射现象。地物反射或
发射的电磁波在到达传感器之前，必须穿过大气层，并受到大气层的影响。因此，需要选择能穿过大气层的电磁波段。
④大气窗口：电磁波的某些波段几乎全部或大部分被大气中各种分子吸收，而一些波段则
较少的被大气所吸收，就像打开的窗子。通常把电磁波通过大气层时较少被反射、吸收、散射的，透射率较高的波段称为大气窗口。对于传感器而言，传感器选择的探测波段应包含在大气窗口之内。才具有观测意义。否则，地物反射、发射的电磁波在穿越大气时就被衰弱了，传感器根本捕捉不到。
3.地物波谱曲线区分地物的原理
【地物波谱的特征】：不同地物由于其结构和成分的差别，其波长和反射率之间的关系不同，这种关系称为地物的反射光谱特征。以波长为横坐标，反射率为纵坐标，绘成的曲线图称为地物反射波谱曲线。不同地物的波谱曲线形状不同。相同的地物在不同的波段具有不同的波谱反射率，因此同一地物的波谱曲线随波长而起伏变化，常有多个峰点和谷点。波谱曲线特
3
征的不同正是遥感能够识别地物的重要理论前提。不同地物不同波段在遥感图像上呈现不同的色调，这就是判读和识别各种地物的基础和依据；是传感器波段选择的重要依据；成像原理研究的重要基础资料；图象处理方法和方案选择的重要依据。
【常见地物反射波谱特征】：
1、水的光谱特征：低反射高透射，对光的主要作用是吸收，故在影象上一般都偏黑。自然
界中的水体反射率偏高，是因为水底和水中悬浮物藻类及泥沙的影响。雪是一种固态的水，其反射波谱曲线与水有很大的差异。
2、绿色植物光谱特征：可见光（0.4-0.76μm）：可见光绿光波段0.55μm附近绿光处有一小
反射峰，两侧0.45μm蓝和0.67μm红是两个吸收带，所以叶片呈现绿色。进入近红外波段（0.7-0.8μm）红外反射率急剧上升，在0.8 微米达到顶峰，这区间反射率曲线很陡峻，几乎为近垂直的直线（植
被红外陡坡效应），是植被独有
的特征。到达顶峰后植被反射率
变化平缓（0.8-1.2μm），形成
略有起伏的高平台（红外平台）
1.4μm和1.9μm的近红外处是
强烈的水吸收带，形成低谷。植
被虽具有共同的光谱特征，但是
不同种属的植被在实际光谱曲
线值上有差异。不同状态下同一
类植物的光谱特征也会发生变
化，比如正常绿色植物与衰老或病虫害植物的反射波谱曲线存在一定的差异。
3、土壤的波谱特征：其反射波谱特征受土壤的质地、氧化铁含量、有机质含量、湿度、颗
粒大小、矿物成分、盐分和表土结构等因素影响，变化较大。但反射率总体是上升的。
土壤反射特性取决于土壤的组成与表面状态（腐殖质含量越高，反射率越低，光谱曲线越低平；土壤湿度越大，反射率越低。）
4、城市地物波谱特征：①城市建筑主要取决于建筑物顶所使用的材料。②城市道路也决定
于路面所使用的建筑材料。③城市垃圾：包括工业垃圾和生活垃圾。
【地物波谱特征总结】：
时间效应和空间效应
①时间效应：指同一地区相同地物，其波谱特征随时间变化而产生的变化。
②空间效应：同一时刻，同一类地物由于其所处的地理位置不同而引起的波谱特征的变化。利用波谱曲线识别地物：
不同地物在相同波段具有不同的光谱反射率；相同的地物在不同的波段具有不同的光谱反射率，因此同一地物的光谱曲线随波长而起伏变化，常有多个峰点和谷点；同类地物反射率随入射波长变化的规律是相似的，即反射光谱相似，但是随着该地物的内在差异而有所变化；因而，可以根据传感器收到的电磁波反射光谱特征的差异来识别不同的地物。
4.遥感数字图像的三大信息特征：时间特征、空间特征、光谱特征
【黑白图像】：物体的黑白代表了物体的光反射率的变化。
【对比度】：反应一幅图像中灰度方差的大小，对比度=最大灰度值/最小灰度值。
【彩色的三特性】：
（1）亮度：与光亮度以及物体表面的光反射率有直接关系。
（2）色调：是彩色彼此相互区分的特征。
（3）饱和度--是指彩色的纯洁性，单色光饱和度最高。
【陆地卫星】：LANDSAT系列（美国）、SPOT系列（法国）、CBERS系列（中国巴西）、IKONOS （商用，美国）、QuickBird（商用，美国）
【遥感图像的分辨率】：
①光谱分辨率：传感器在接收目标辐射的波谱时能分辨的最小波长间隔，间隔越小，波段
数越多，分辨率越高。
②空间分辨率：像元所代表的相应地面范围的大小。表征图像分辨地面目标细节能力的指
标。如MSS图像的空间分辨率为80m,TM图像的空间分辨率为30m，spot图像的空间分辨率为5m。
③亮度分辨率：是指在一个波段中所记录的代表地物反射电磁波强度（表现为亮度或者灰
度）的所有可能的数值。例如在字节长度为8位的文件中，像素的亮度值分为256级，代表地物亮度的数值为0-255中的某一个值。
④时间分辨率：对同一地点进行重复探测时，相邻两次探测的时间间隔，即重访周期，能
够提供地物动态变化的信息。
【遥感图像3大信息内容】：
①波谱信息：不同地物亮度值存在差异，同一地物在不同波段上的辐射值也存在差异，遥
感图象上的这两种差异就构成了波谱特征信息，又称波谱信息。
②空间（结构）信息：是亮度在空间上的变化特征，如图象上的点、线、边缘、纹理等，
它们是地物识别的辅助标志。影响遥感图象空间信息的重要因素是遥感影象的几何分辨率，图象的几何分辨率越高，图象的纹理细节越清晰，图象的空间结构信息越丰富。③时间特征信息：不同时相遥感图象特征信息的差异。许多地物具有时相变化，通常选择
遥感信息表现最好的时相图象。不同时相图象的处理比较可用来进行动态监测及作物生长状况研究。
【TM图象的相关特点】
1、相关分组性
●TM1,2,3一组,相关性较大;
●TM5,7 红外波段相关较大,成一组;
●TM4 与其它波段相关性都较小,自成一组;
●TM6分辨率低,单独一组。
2、相关系数大小受自然地理条件、气候等的影响，如波段4与其它波段的相关系数，在干旱地区和山区要比在其它情况大些。
第三章图像校正
【影响卫星图像的因素大致可分为两方面】：
1、辐射失真：大气吸收、散射；传感仪器性能不稳；不可避免引入的噪声都将使图像的亮度发生变化，出现条纹、斑点等缺陷。
2、几何失真：卫星的姿态、高度、速度变化及其前进运动；传感器扫描镜扫描速度不均，检测器采样延迟误差，波段间配准误差及全景畸变；地球自转、曲率、高程的影响等，图像几何位置发生变化。
畸变和失真影响了遥感图像的分析与应用，因此，必须进行图像恢复来消除影响。
【图像恢复】：又叫图像复原，是指改正或补偿在成像过程中造成的辐射失真、系统噪声和随机噪声、几何畸变以及高频信息的损失。主要包括：辐射校正、几何校正、几何配准。
5
1.辐射畸变产生的原因：传感器性能的影响、地物光照条件、大气对辐射传输的影响
【辐射误差】：由于传感器性能的影响、地物光照条件、大气对辐射传输的影响，使传感器最后所记录的辐射信息与目标的光谱反射或者辐射信息之间存在一定的差值，称为辐射误差，从而产生了图像的畸变。表现为像元值被弱化，或被干扰增强，对比度减小，使得影像不清楚，或无法表达真实情况等。
【辐射校正】：为了正确评价目标的反射和辐射特性，消除图像中依附在辐射亮度中的各种失真过程。
【辐射误差的来源通常分为三种】：
①传感器灵敏特性引起。
A. 由光学系统特性引起的畸变校正：减光现象：在使用透镜的光学系统中，由于镜头光
学特性的非均匀性，在其成像平面存在边缘部分比中间部分暗的现象。利用这一性质可以进行边缘减光现象造成的辐射畸变校正。
对于视场较大的成像光谱仪, 扫描角越大时，光线路径越长，大气衰减越严重。
星（机）下点位置的地物辐射信息的光线路径最短，大气衰减所产生的影响也最小,辐射量失真最小。
B. 由光电变换系统的特性引起的畸变校正：传感器收集到的电磁波信号需经光电转换系
统变成电信号记录，这一过程也会引起辐射量误差。
系统灵敏度特性具有很高的重复性，可以定期在地面测定其特性，根据测定值进行校正。
C.条带噪声：由于检测系统某一扫描线上故障造成扫描线脱落，图像显示纵向一条黑线，
有时也会出现分段黑线，这些均称条带噪声。去除方法（平均值法、直方图法、插值法…）
②因太阳位置及地形引起。
A.太阳位置引起的亮度变化：
太阳高度角：反射率发生变化，产生阴影（比如：中午阴影最少）
太阳方位角：太阳方位角随成像季节、地理纬度的变化而变化。对图像的细节特征产生影响
B.地形起伏引起的误差：当地形倾斜时，经过地表扩散、反射再入射到遥感器的太阳光
的辐射亮度就会依倾斜度而变化。
校正举例：利用同地区同分辨率DEM数据，建立影像区地形坡度模型；利用地形坡度角进行影像辐射校正。
注：由传感器引起的误差或由太阳高度引起的误差，一般在数据生产过程中由生产单位（地面站）根据遥感器参数进行校正，而不需要用户进行自行处理。用户应该考虑大气影响引起的辐射畸变
③大气影响：进入大气的太阳辐射会发生反射、折射、吸收、散射和透射。
其中影响较大的是吸收和散射，影响因素主要有：
A.大气消光的影响:使得入射到物体的太阳光减少
B.天空光照射的影响:天空中的散射光直接进入传感器，或者经过物体反射进入传感器
C.由于路径辐射（程辐射）的影响:相当部分的散射光向上通过大气直接进入传感器
大气粗略校正一般有三种方法：
1）公式计算法：需知道具体天气条件下大气路径辐射率等参数，根据统计方法的理论公式进行推导
2）野外波谱测试回归分析法：需要到野外进行与陆地卫星同步的一致测试，将地面测量结果与卫星影像对应像元亮度值进行回归分析
3）多波段图像对比法：直方图最小值去除法、回归分析法
2.几何畸变产生的原因：传感器内部畸变、遥感平台位置和运动状态变化、地球本身对遥感影像的影响
【遥感图像的校正】：遥感影像的几何变形总体表现（相对于地面真实形态而言）为平移、缩放、旋转、偏扭、弯曲等。产生畸变的图像给定量分析及位置配准造成困难。
接收部门根据遥感平台、地球、传感器等参数进行校正处理。用户拿到这种产品后，由于使用目的不同或投影及比例尺的不同，仍旧需要作进一步的几何校正。
【对几何变形纠正的重要性】：
1、对遥感原始图像几何变形改正后，才能对图像信息进行各种分析，制作满足量测和定位要求的各类地球资源及环境的遥感专题图。
2、当应用不同传感方式、不同光谱范围以及不同成像时间的各种同一地域复合图像数据，来进行计算机自动分类、地物特征的变化监测或其他应用处理时，必须进行图像间的几何配准，保证各不同图像间的几何一致性。
3、利用遥感图像进行地形图测图或更新时，对遥感图像的几何纠正提出了更严格的要求。【遥感影像几何变形的原因】：
1、传感器的内部畸变：由遥感器结构引起的畸变，如传感器扫描运动中的非直线性等
A.扫描时间的影响：扫描器在扫过一个视场角的过程中需要一定的时间(如：MSS约73.42ms)，在这段时间内卫星已向前飞行了一段距离, 使得这一行结束时比开始时超前了一些而偏离了原来的扫描方向（如：MSS约200米)
其它：如扫描镜速度不均匀，造成扫描时地面距离的非线性增长。像元点对应地面长宽不一样的采样间隔也会造成误差
B.全景畸变
由于扫描角度较大，尽管取样间隔是等角的，但扫描镜振动离中心越远，它所扫描到的对应地面就越宽，即边缘像元对应的地面宽度越大。而图像像元大小一样，这样势必造成边缘处的景物在显示时被压缩，图像上出现s 形弯曲现象。
2、遥感平台位置和运动状态变化的影响：由于平台的高度变化、速度变化、轨道偏移及姿态变化引起的图像畸变
A.航高的变化：卫星运行的轨道本身就是椭圆的。航高始终发生变化，而传感器的扫描视场角不变，从而导致图像扫描行对应的地面长度发生变化。航高越向高处偏离，图像对应的地面越宽。
B.航速的变化：卫星的椭圆轨道本身就导致了卫星飞行速度的不均匀，其他因素也可导致遥感平台航速的变化。航速快时，扫描带超前，航速慢时，扫描带滞后，由此可导致影像在卫星前进方向上（影像上下方向）的位置错动。
C.俯仰的影响：遥感平台的俯仰变化能引起影像上下方向的变化，即星下点俯时后移，仰时前移，发生行间位置错动。
D.翻滚的影响：遥感平台姿态翻滚是指以前进方向为轴旋转了一个角度。可导致星下点在扫描线方向偏移，使整个影像的行向翻滚角引起偏离的方向错动。
7
E.偏航的影响：指遥感平台在前进过程中，相对于原前进航向偏转了一个小角度，从而引起扫描行方向的变化，导致影像的倾斜畸变。
3、地球本身对遥感影像的影响：地形起伏的影响、地球表面曲率的影响、地球自转的影响、大气折射的影响
A. 地形起伏的影响：当地形存在起伏时，会产生局部像点的位移，使原来本应是地面点的信号被同一位置上某高点的信号代替。由于高差的原因，实际像点P距像幅中心的距离，相对于理想像点P0距像幅中心的距离移动了△r。
B.地表曲率的影响：像元对应于地面宽度的不等
由于传感器通过扫描取得数据，在扫描过程中每一次取样间隔是星下视场角的等分间隔。如果地面无弯曲，在地面瞬时视场宽度不大的清况下，L1，L2，L3，L4的差别不大。但由于地球表面曲率的存在，对应于地面的P1，P2，P3，P4，显然P4-P1 ＞L4-L1，距星下点越远畸变越大，对应地面长度越长。
C. 地球自转的影响：多数卫星在前降段接收影像；卫星——由北向南；地球——由西向东；使卫星的星下位置逐渐产生偏离。
D.大气折射的影响：
大气对辐射的传播产生折射。由于大气的密度分布从下向上越来越小，折射率不断变化，因此折射后的辐射传播不再是直线而是一条曲线，从而导致传感器接收的像点发生位移。
3.几何校正的两个方法：系统几何校正、几何精校正
【几何校正】：是指从具有几何畸变的图像中消除畸变的过程。定量地确定图像上像元坐标（图像坐标）与目标物的地理坐标（地图坐标等）的对应关系
【校正方法】：1.系统性校正（几何粗校正）2.非系统校正（几何精校正）
1、系统性校正：
根据引起几何畸变的原因，推导出理论校正公式。把该式中所含的与遥感器构造有关的校准数据（焦距等）及遥感器的位置、姿态等的测量值代入到理论校正式中进行几何校正。然而在很多情况下，遥感器的位置及姿态的测量值精度不高，所以外部畸变的校正精度也不高。
2、几何精校正：不考虑引起畸变的原因。建立畸变图像空间与标准参照空间的对应关系。利用数学模型来近似描述成像的几何畸变过程
4.地面控制点GCP的选取标准
【控制点】：控制点以地面坐标为匹配标准，叫做地面控制点（GCP）。原始图像空间与标准空间上的同名点。
【控制点选择标准】：
①图像上易分辨且较精细的特征点：如道路交叉点，标志物，水域的边界，山顶，小岛中
心，机场等。
②不随时间变化的区域。数量要有保证
③控制点要在图像上均匀分布，尽可能满幅均匀选取。边缘部分也要选取
【参考影像】：已经经过校准的图像，如地形图，航空相片，和经过校准的TM、SPOT等影
像，GPS定点测量等。控制点帮助确定校正前图像和参考影像的对应关系。利用对应关系把
畸变空间中的全部像元变换到标准空间中。
【核心环节】
1、几何位置转换（确定坐标）：畸变图像与标准图像像元位置的变换；
2、亮度值的重新确定（确定灰度）：畸变图像与标准图像像元亮度值的计算
【几何精校正——灰度值变换】：
第四章图像增强
1.图象增强的目的和意义：对图像的某些特征进行强调或尖锐化，以便于显示、观察和进一步分析处理Array【图象增强】是指对图像的某
些特征，如边缘、轮廓、对比
度进行强调或尖锐化，以便于
显示、观察或进一步地分析与
处理。
不以图像保真度为原则，
不增加图像数据中的相关信
息。有选择的突出某些对人或
机器分析感兴趣的信息，抑制
一些无用信息，以提高图像的
使用价值。针对图像退化的一
般性质加以修正，改进图像的
平均质量。
2.点运算的特点：针对孤立象元点的运算，人为地改善图像的灰度和对比度
【空间域】：图像平面所在的二维空间；
【空间域增强】：在图像平面上直接针对一个一个像元点进行处理（点运算），或者对一个像
元周围的小区域进行处理（局部运算），处理后像元的亮度变化而位置不变
【点运算增强】：点运算是把图像中的每一像元值，按照特定的数学变换模式转换成输出图
像的一个新的亮度值。
3.点运算的两个方法包括：灰度变换、直方图变换
点运算变换方法包括：灰度变换法、直方图调整法
【直方图】：直方图是灰度级的函数，描述的是图像中各个灰度级像素的个数。
9
表示方法：
横坐标：表示灰度级，根据像元的灰度范围，以适当间隔作为单位长；
纵坐标：表示像素统计值，代表每一个灰度级像素数出现的数目，或者该像素占总像素的比例值。
【直方图特点与作用】：直方图代表了图像中亮度值（像元值）的分布情况，但是并不反映像元的空间位置关系，不同的图像可能具有相同的直方图。可以从图像的直方图的形态大致判断出图像质量的好坏。
【积累直方图】：统计某一灰度值和这一灰度值以下的所有像元的数目
根据积累直方图也可以分析图像的质量：对于偏暗的图像，在灰度小的部分像元数增长快；对于偏亮的图像，在灰度大的部分像元数增长快
积累直方图更重要的利用是在图像增强时作为变换函数。
【灰度变换法】：通过变换函数使图像的灰度值发生变化，调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一
任一像素灰度为r →s=T(r)（线性变换、对数变换、指数变换）→同一像素灰度变为s 【线性变换】：将灰度范围线性扩展
原因：当图象成象时曝光不足或过度, 或由于成象设备的非线性和图象记录设备动态范围太窄等因素，都会产生对比度不足的弊病，使图象中的细节分辨不清。
将原始图像各像元亮度值按线性关系，在0-255的任意指定范围内进行扩大或者缩小，来改变像元值的分布。
当直线与横轴夹角大于45°，图像拉伸（像素值范围扩大）；
当直线与横轴夹角等于45°，图像不变（像素值范围不变）；
当直线与横轴夹角小于45°，图像压缩（像素值范围减小）。
【分段线性变换】：不同范围的像元值采用不同的比例进行扩大和缩小。
在进行变换的整个区间里，取n个间断点，每相邻两个间断点之间是一段线性变换的线段，每段的直线方程不同，可以拉伸，也可以压缩。
通过调整折线拐点的位置及分段直线的斜率可以对任一亮度区间进行扩展或者压缩。
【非线性变换】：当用某些非线性函数如对数函数、指数函数等，作为映射函数时，可实现图像灰度的非线性变换。
对数变换：对数变换主要用于增强图象暗的部分，即拉伸灰度值低的部分。
指数变换：指数变换主要突出图像亮区的差异，即图像灰度值高的部分。
【直方图均衡化】：将原图象的直方图通过变换函数修正为均匀的直方图，即各种灰度出现的概率是近似均匀的直方图。自动调节图像对比质量，产生唯一结果
图象均衡化处理后，图象的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图象看起来就更清晰了。
直方图均衡化变换函数：可以证明，这个特殊的变换函数就是原图象的积累直方图曲线——统计某一灰度值和这一灰度值以下的所有像元的数目或者占总像元数的比值做出的直方图。
在均衡过程中，原来直方图上频数较小的灰度级被归入很少几个或一个灰度级内，故得不到增强。若这些灰度级所构成的图象细节比较重要，则需采用局部区域直方图均衡。
11
在某些情况下，并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。修改一幅图象的直方图，使得它与另一幅图象的直方图匹配或具有一种预先规定的函数形状。
目标：突出我们感兴趣的灰度范围，使图象质量改善。它是对直方图均衡化处理的一种有效的扩展。直方图均衡化处理是直方图规定化的一个特例。直方图匹配也叫直方图规定化。
4.空域模板滤波增强的特点：强调与周围相邻像元点的关系，对图像进行平滑或锐化 平滑滤波器：钝化图像、去除噪音
锐化滤波器：边缘增强、边缘提取
【局部增强方法一】：
【平滑】——图象在传输过程中，由于传输信道、采样系统质量较差，或受各种干扰的影响，而造成图象毛糙，此时，就需对图象进行平滑处理。
平滑方法包括：均值滤波、中值滤波
1、均值平滑：
可见均值平滑就是将每个像元点为中心的邻域内各像元亮度的平均
值来代替该像元的亮度值，达到去除噪声平滑图像的目的。
平滑的目的是去除噪音，但是在去除噪音的同时，也钝化了图像的
边缘与尖锐的细节。
平滑的结果与模板的大小直接相关，模板越大，平滑效果越好，但是模板过大，会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需要合理的选择模板大小
2、中值滤波：
将像元点为中心的M ×N 邻域范围内的灰
度值按大小排序，取中间的值来代替中心像元的
值。它在抑制随机噪声的同时，有效保护边缘锐
度和图像细节。适合去除椒盐噪声。
当领域内的像元数为奇数时，取排序后的中间像元值；当领域内的像元数为偶数时，取排序后的中间两像元的平均值。
中值滤波强迫突出的亮点（暗点）更像它周围的值，以消除孤立的亮点（暗点）。 其突出优点是在消除噪声的同时，还能防止边缘模糊。
【局部增强方法二】：
【锐化】：在图像的识别中常需要突出边缘和轮廓信息。
图象锐化目的：加强图象轮廓，使图象看起来比较清晰。平滑通过积分使图像边缘模糊，锐化则通过微分使图像边缘突出、清晰。锐化处理可以用空间微分来完成.。
微分算子的响应强度与图像在该点的突变程度有关
图像微分增强了边缘和其他突变(如噪声)而消弱了灰度变化缓慢的区域。
一阶微分和二阶微分的区别:一阶微分处理通常会产生较宽的边缘、二阶微分处理对细节有较强的响应,如细线和孤立点、一阶微分处理一般对灰度阶梯有较强的响应、二阶微分处理对灰度级阶梯变化产生双响应。
大多数应用中,对图像增强来说，一阶微分处理主要用于提取边缘。二阶微分处理比一阶微分好,因为形成细节的能力更强。
基于一阶微分的图像增强：梯度法
【定向边缘检测】：有目的地检测某一方向的边、线或纹理特征时，可以选择特定的方向模板，做卷积运算。
所谓方向模板是一个元素的大小按一定规律取值因而对特定方向敏感的数学矩阵，
当它
与图象的线性地物匹配时，卷积结果具有较大的值，反之结果具有较小的值，从而能突出线性地物的信息
5.频域增强：傅立叶变换（空域-频域），保留高频或低频
【频率域增强】：高通滤波、低通滤波、同态滤波
【频率】：一幅图像上的亮度分布大致存在着亮度渐变和亮度突变两种情况；把图像中的这种亮度随位置变化的频繁程度表示为一种频率；
【对于亮度突变的地类】：边缘、线性地物及噪声：如沟壑、河溪、湖泊边界、海岸线等。集中在高频区，属于高频率特性
【对于亮度渐变的地类】：粗糙的结构、较大面积的同类作物区：如平原、沙漠、海面等。特征稳定，属于低频率特性
突出主要的大的地类：在频域中可以衰减高频分量而保存低频分量。这就是频域的平滑处理相反，当要突出边缘和线性地物：在频域中衰减低频分量而保存高频分量。这就是频域的锐化处理。
【傅立叶变化】：任何一条复杂的曲线，经傅立叶变换，可以分解成若干条简单曲线
频谱的图像显示：把振幅谱|F(u,v)|作为亮度显示在屏幕上
频谱的频域移中：常用的傅里叶正反变换公式其中心最亮点将分布在四角，这和我们正常的习惯不同，因此，需要把这个图像的零点移到显示的中心。
一般图像能量集中低频区域。变换之后的图像中间部分是低频，最亮，能量大。
【傅立叶变换的物理意义】：一幅图象在付氏变换以前的空间称为空域，而付氏变换后的空间叫频域。傅立叶变换是将图象转换到频率域灰度分布函数（图象的频率分布函数）
【低通滤波(平滑)】：
图像从空间域变换到频率域后，其低频分量对应图像中灰度值变化比较缓慢的区域，高频分量则表征图像中物体的边缘和随机噪声等信息。
低通滤波是指保留低频分量，而通过滤波器函数H(u，v)减弱或抑制高频分量的过程。
低通滤波与空域中的平滑滤波器一样可以消除图像中的随机噪声，减弱边缘效应，起到平滑图像的作用。
常用的频率域低通滤波器H(u,v)有四种:理想低通滤波器、Butterworth低通滤波器、指数低通滤波器、梯形低通滤波器
【理想低通滤波器的缺陷】：理想低通滤波器平滑处理的概念是清楚的，但它在处理中会产生较严重的模糊和振铃现象。由于高频成分包含有大量的边缘信息，因此采用该滤波器在去噪声的同时将会导致边缘信息损失而使图像模糊，同时有振铃效应。正是由于理想低通滤波器存在振铃模糊现象，使其平滑效果下降。
【巴特沃思低通滤波器】又称为最大平坦滤波器：它的特性是连续性衰减，而不像理想滤波器那样陡峭变化。采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度大大减小，没有振铃效应产生。Butterworth低通滤波器振铃现象随着阶数的增加而明显
【指数低通滤波器】：该滤波器在抑制噪声的同时，图像边缘的模糊程度较用Butterworth 滤波产生的大些，无明显的振铃效应。指数低通滤波器从通过频率到截止频率之间没有明显的不连续性，而是存在一个平滑的过渡带。指数低通滤波器实用效果比Butterworth低通滤波器稍差，仍无明显的振铃现象。
【梯形低通滤波器】：梯形低通滤波器介于理想低通滤波器和指数滤波器之间，滤波的图像有一定的模糊和振铃效应。
1
3
【高通滤波】：图像中的边缘或线条与图像频谱中的高频成分相对应。采用高通滤波器让高频顺利通过，使图像的边缘或线条变得清楚，实现图像的锐化
常用的高通滤波器：理想高通滤波器、Butterworth 高通滤波器、指数滤波器、梯形滤波器
【理想高通滤波器】：D 0仍为截止频率，当比D 0大时全部
通过，否则全部阻止。
【巴特沃思高通滤波器】：Butterworth 高通滤波效果较
好，但计算复杂，其优点是有少量低频通过，H(u ，v)是渐变的，振铃现象不明显
【指数高通滤波器】：指数高通效果比Butterworth 差些，振铃现象不明显；
【提醒高通滤波器】：梯形高通会产生微振铃效应，但计算简单，较常用
四种高通滤波器的比较：
①理想高通有明显振铃，图像的边缘模糊不清。
②Butterworth 高通效果较好，振铃不明显，但计算复杂。
③指数高通效果比Butterworth 差些，但振铃也不明显。
④梯形高通的效果是微有振铃、但计算简单，故较常用。
【同台滤波】：同态滤波的目的：消除不均匀照度的影响而又不损失图象细节
依据:
反射分量反映图象内容，随图象细节不同在空间上作快速变化。反射分量的频谱落在空间高频区域；
入射分量在空间上通常均具有缓慢变化的性质。入射分量的频谱落在空间低频区域. 这样同态滤波函数就可以分别作用在这两个分量上。
同态滤波方法就是利用上式的形式将图像中的照明分量和反射分量分开。这样同态滤波函数就可以分别作用在这两个分量上。
6.假彩色合成方法对于分量图像的要求：信息量最大，相关性最小
【彩色增强技术的定义】：利用人眼的视觉特性，将灰度图像变成彩色图像，或着改变彩色图像已有的彩色分布，改善图像的可分辨性。
【彩色增强相关方法】：伪彩色增强Pseudo-color （单波段）、假彩色增强False-color （多波段）、彩色变换
【彩色合成相关原理】：三基色原理：红、绿、蓝，其中任何一色都不能由三基色中另外两种基色合成。以三基色中两种以上色光按一定比例混合，产生其它色彩。
彩色合成方法：加色法
【伪彩色增强】：将一个波段或者单一的黑白图像变换成彩色图像，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。
常用方法：方法1：密度分割法；方法2：灰度变换法
方法1：密度分割法(Intensity Slicing)：将单一波段或经过处理的单一分量图象，针对其象元灰度值的大小进行分割，并给每个灰度区间赋予不同颜色（红、绿、蓝）的方法。 密度分割中的彩色是人为赋予的，与地物的真实色彩毫无关系，因此称为伪彩色。
密度分割法相关处理技术：
①线性分割：对所研究的亮度范围进行均匀分割
②非线性分割：对所研究范围进行非均匀分割，感兴趣的亮度范围细分，不感兴趣的亮度范围粗分
③根据实际情况确定分割级数和分割点：根据研究区域直方图峰点和谷点的数目及具体值来确定分割级数和分割点
方法2：灰度变换法（color transformation）：将原图像f(x,y)中每一个像元的灰度值分别经过红、绿、蓝三种独立变换，变成三基色分量图像IR(x,y) 、IG(x,y)、IB(x,y) ，然后用它们分别去合成一幅彩色图像。
【伪彩色增强对于遥感图像处理的意义】：区分出地物的类别
【真彩色合成】：当三幅影像的工作波段分别为红、绿、蓝时，对应分别赋予红色、绿色、蓝色，合成后的影像十分接近自然界的色彩，称为真彩色合成。
【假彩色合成】：各工作波段被赋予的颜色，与波段所代表的真实颜色不同，合成色不是地物真实的颜色，因此这种合成叫做假彩色合成。
【假彩色增强】：对多个波段的遥感图像，根据加色法原理，选择某三个波段分别赋予红、绿、蓝三种原色，合成彩色图像
由于三原色的选择与原波段所代表的真实颜色不同，生成的合成色不是地物真实的颜色，因此这种合成叫做假彩色合成
方案选择的重要性：实际工作中，为了突出某一方面的信息或显示较丰富的地物信息，获得最好的目视效果，需要根据不同的研究目的，反复试验，寻找最佳合成方案
【几个问题】
1.为了使假彩色合成的影象信息丰富，常需要选择最佳合成方案，既要考虑每个单波段图象的信息量，也要考虑它们之间的相关性。以合成后的信息量最大和波段之间的信息相关最小作为合成的最佳目标。
2.针对TM影像的7个波段，4、3、2波段分别赋予红、绿、蓝色时，这一合成方案称为标准假彩色合成
7.彩色变换的两种方法：HIS变换和RGB变换
【两种彩色空间】：
RGB空间：由红（Red）、绿（Green）、蓝（Blue）三原色组成
HSI空间：由色调（Hue）、饱和度（Saturation）以及亮度（Intensity）构成
【彩色变换】两种色彩模式的相互转换（两种坐标系的变换）：通常把由RGB向HSI变换称为HSI变换；由HSI向RGB变换称为RGB变换
1、RGB彩色空间：RGB空间是图像处理中最常用的彩色空间。
坐标原点代表黑色，(1, 1, 1) 代表白色，落在坐标轴上的顶点代表三个基色。
量调整图像。
色调：表示颜色的类别。
饱和度：对于同一色调的彩色光，饱和度越深，颜色越鲜明，
相反则越淡。
亮度：同一物体因受光不同，会产生亮度上的变化。照射的
光越强，反射光也越强，看起来越亮。
【对比分析】
RGB彩色空间比较简单有效，但存在一些不足：
1、色彩难于用准确的数值表示，并进行定量分析；
2、色彩分量之间有一定的相关性，具有冗余信息；
3、合成图象的饱和度偏低，色调变化不大，视觉效果较差；
4、人眼不能直接感受红绿蓝三色的比例，对图象彩色增强
处理结果难于控制。
HSI色彩空间的优点：它比RGB色彩空间更符合人的视觉特性；大量算法都可在HSI色彩空间中方便地使用；HSI系统能够准确定量地描述颜色特征，在HSI色彩空间可以大大简化图像分析和处理的工作量。
因此在遥感数字图象处理中，常常要把RGB转换为HSI。
【HSI变换】：
将图像转换到HSI空间
对指定色调值H进行处理H’=H+/-△h
对指定饱和度值S进行处理S’=S* △S
对指定亮度值I进行处理I’=I* △I
实际的图象处理中，不仅仅只是简单的HSI变换，通常的作法是：
1）先把H 、S分别进行反差增强，再与I一起作彩色合成（因为I 的动态变换范围大，而S、H变换范围小）。
2）用I和经适当反差增强的S、H 一起作RGB变换返回RGB 空间。
3）用I与其它波段或组分图象进行假彩色合成。
8.差值法增强的两个作用：利用光谱差异区分地物类别、动态监测
【代数运算】：对两幅或两幅以上影像的对应像元逐个进行和、差、积、商的代数运算，产生具有信息增强效果的影像。→差值运算、比值运算
【差值运算】：同一景图像不同时间的影像；同一景图像不同波段的影像；配准之后，对应像元的灰度值相减
差值运算的作用：根据光谱差异区分某些地类；确定某一时间内的变化，进行动态监测（如森林火灾或皆伐前后的变化）
【比值运算】：同一景的两个不同波段的影像；配准后对应像元灰度值相除的运算叫比值运算
比值法的主要作用：消除地形起伏造成的阴影和云影等的影响；利用比值运算可使各类地物均值拉开，有利于区分各类地物。利用比值运算突出某类地物，削弱另一类地物，从而提取目标信息
9.植被指数的定义
【植被指数（NDVI）】：利用不同波段探测数据组合的比值，能反映植物生长状况的指数
15
植被指数的作用：
①绿色植被在近红外处为高反射，红光处为低反射，使得近红外/红外这一比值很高
②通常认为多光谱图像中这一比值与植被有定量关系，可以用来估算绿色生物量
③当绿色生物量很高达到饱和时，在植被区域呈现高亮度，从而提取出植被信息
补充：
【多光谱变换增强】：针对多光谱图像各波段之间的相关性，设法减少各种信息之间的冗余度，从而保留主要信息，降低数据量，同时，通过变换，还可以使某些信息得到增强以至提取出来，为进一步分类处理作好准备
多光谱变换主要有：k-L变换，又叫主成分变换；k-T变换，又叫缨帽变换。
【多光谱空间】（基本概念）
建立一个n 维坐标系，每一个坐标轴代表影像每一个波段的灰度值；
而每一个像元点则对应于该坐标空间中的一个点，这个n 维坐标系空间就是多光谱空间用数学上的n 维向量空间表示
将某个像元点就表示成一个n 维向量（分别表示该点在每个波段中的灰度值）
【K-L变换】：
由于遥感图像的不同波段之间往往存在着很高的相关性，从直观上看，就是不同波段的图像很相似。因此，从提取有用信息的角度考虑，有相当大的一部分数据是多余和重复的。
K-L变换的目的就是把原来多波段图像中的有用信息集中到数据尽可能少的新主成分图像中，并使这些主成分图像之间互不相关。也就是使得各个主成分包含的信息内容不重叠，从而大大减少总的数据量，并使图像信息得到增强。K-L变换使多光谱空间坐标系旋转某一个角度，在这一特定方向上，多光谱向量的分量由变换前的相关到变换后的无关
【K-L变换的特点】：
（1）由于K-L变换前后的方差总和不变，只是把原来方差不等量的再分配到新的主成分图像中。
（2）第一主成分包含了总方差的绝大部分，其余各主成分的方差依次减小。
（3）变换后各主成分之间的相关系数为零，也就是说各主成分间的内容是不同的，是“垂直”的。
【K-T变换】：变换后图像的各个组分量特征与地面景物有密切的关系，特别是和植物生长及土壤有关。由于这种变换既可实现数据压缩，又可以帮助解译分析植物特征，具有很大的实际应用意义
【K-T变换和K-L变换的比较】：
K-T变换不但数据被压缩，保留了主要信息，而且前三个组分量有明确的地学意义；
K-L 变换尽管也压缩了数据量，保留了主要信息，但前三个组分量的地学意义不明确，提取的信息仍然是各种信息的综合反映。
一般来说：
1）K-L变换压缩能力略强于K-T变换；
2）K-L变换反映土壤特征的能力略高于K-T变换；
3）K-T变换反映植被信息和土壤水分信息的能力略强于K-L变换。
第五章图像分类
1.遥感图像的分类依据：依据地物光谱信息和空间信息差异，将图像特征空间划分为互不重叠的子空间。
【图像分类】：同类地物在相同的条件下（光照、地形等），应具有相同或相似的光谱信息和
空间信息特征。不同类的地物之间，其光谱信息和空间信息特征具有差异。根据这种差异，将图像中所有的像素按其性质分为若干类别（class）的过程，称为图像的分类
分类识别的方法有两种：1）人工目视解译2）自动分类识别（利用计算机）
人工目视解译：指专业人员通过直接观察或借助判读仪器，在遥感图像上根据目标地物的特征进行分类识别的过程
目标地物特征：色调/颜色、纹理、形状、大小、结构、阴影
2.自动分类方法包括哪两种？对比分析
【遥感图像自动分类】：非监督分类：不依赖先验知识；监督分类：需要先验知识
方法一：非监督分类法
没有先验类别知识，根据图像本身的统计特征及分布来划分地物类别；分类结果只区分差异，不能确定类别
方法二：监督分类法
前提：已知图像样本区的类别（训练区）；通过选择代表各类别的已知样本的象元光谱特征，根据类别的先验知识确定判别函数，然后将未知类别的样本值代入判别函数。
监督分类过程：简单说，用被确定类别的样本像元，去识别未知类别像元。
①从研究区域选取有代表性的训练区作为样本。
②根据训练区样本，选择特征参数（如像素亮度、均值、方差等），建立判别函数
③据此对样本像元进行分类。
【监督分类法与非监督分类法的比较】
根本区别在于是否利用训练区域来获取先验类别知识
[非监督分类]不要先验知识，直接根据地物的光谱统计特性进行分类，因此，非监督分类方法简单，当光谱类别能够和唯一的地物类型相对应时，非监督分类可以取得较好的分类效果[监督分类]根据训练区域提供的样本选择特征参数，建立判别函数，从而进行分类，因此训练区域的选择是监督分类的关键，对于不熟悉地域情况的人来说，选择足够数量的训练区域工作量很大。
17
图像计算与分析
参考第四章作业，掌握以下内容：
1.图像的直方图和累积直方图；
2.根据给定的模板，进行图像的中值或均值滤波；
3.根据变换函数，对图像进行分段线性拉伸；
4.对图像进行罗伯特（Robert）和索伯尔（Sobel）滤波，并描述分析过程。
①罗伯特算子：
②索伯算子：
数字图像处理实验报告完整版
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)
数字图像处理教学大纲(2014新版)
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 课程设计报告
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》复习 第一章绪论 数字图像处理技术的基本内容：图像变换、图像增强、图象恢复、图像压缩编码、图像分割、图像特征提取（图像获取、表示与描述）、彩色图像处理和多光谱及高光谱图像处理、形态学图像处理 第二章数字图像处理基础 2-1 电磁波谱与可见光 1.电磁波射波的成像方法及其应用领域： 无线电波（1m-10km）可以产生磁共振成像，在医学诊断中可以产生病人身体的横截面图像☆微波（1mm-1m）用于雷达成像，在军事和电子侦察领域十分重要 红外线（700nm-1mm）具有全天候的特点，不受天气和白天晚上的影响，在遥感、军事情报侦察和精确制导中广泛应用 可见光（400nm-700nm）最便于人理解和应用最广泛的成像方式，卫星遥感、航空摄影、天气观测和预报等国民经济领域 ☆紫外线（10nm-400nm）具有显微镜方法成像等多种成像方式，在印刷技术、工业检测、激光、生物学图像及天文观测 X射线（1nm-10nm）应用于获取病人胸部图像和血管造影照片等医学诊断、电路板缺陷检测等工业应用和天文学星系成像等 伽马射线（0.001nm-1nm）主要应用于天文观测 2-2 人眼的亮度视觉特征 2.亮度分辨力——韦伯比△I/I（I—光强△I—光照增量），韦伯比小意味着亮度值发生较小变化就能被人眼分辨出来，也就是说较小的韦伯比代表了较好的亮度分辨力 2-3 图像的表示 3. 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，一般又称为二值图像 （黑白图像一定是二值图像，二值图像不一定是黑白图像） 灰度图像：是指图像中每个像素的信息是一个量化了的灰度级的值，没有彩色信息。 彩色图像：彩色图像一般是指每个像素的信息由R、G、B三原色构成的图像，其中的R、B、G是由不同的灰度级来描述的。 4.灰度级L、位深度k L=2^k 5.储存一幅M×N的数字图像所需的比特 b=M×N×k 例如，对于一幅600×800的256灰度级图像，就需要480KB的储存空间（1KB=1024Byte 1Byte=8bit） 2-4 空间分辨率和灰度级分辨率 6.空间分辨率是图像中可分辨的最小细节，主要由采样间隔值决定，反映了数字化后图像的实际分辨率。一种常用的空间分辨率的定义是单位距离内可分辨的最少黑白线对数目(单位是每毫米线对数)，比如每毫米80线对。对于一个同样大小的景物来说，对其进行采样的空间分辨率越高，采样间隔就越小，图片的质量就越高。 7.灰度级分辨率是指在灰度级别中可分辨的最小变化，通常把灰度级级数L称为图像的灰度级分辨率（灰度级通常是2的整数次幂） 8.在图像空间分辨率不变的情况下，采样数越少，图像越小。同时也证实了，在景物大小不变的情况下，图像阵列M×N越小，图像的尺寸就越小； 随着空间分辨率的降低，图像大小尺寸不变，图像中的细节信息在逐渐损失，棋盘格似的粗颗粒像素点变得越来越明显。由此也说明，图像的空间分辨率越低，图像的视觉效果越差；随着灰度分辨率的降低，图像的细节信息在逐渐损失，伪轮廓信息在逐渐增加。由于伪轮 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); 成都理工大学数字图像处理复习资料 本页仅作为文档封面，使用时可以删除 This document is for reference only-rar21year.March 遥感与数字图像处理基础知识 一、名词解释： 数字影像：物体光辐射能量的数字记录形式或像片影像经采样量化后的二维数字灰度序列图像采样：将空间上连续的图像变换成离散点的操作称为采样 灰度量化：将像素灰度转换成离散的整数值的过程叫量化 像素：将地面信息离散化而形成的格网单元 二、填空题： 1、光学图像是一个连续的光密度函数。 2、数字图像是一个离散的光密度函数。 3、通过成像方式获取的图像是连续的，无法直接进行计算机处理。此外，有些遥感图像是通过摄影方式获取的，保存在胶片上。只有对这些获取的图像（或模拟图像）进行数字化后，才能产生数字图像。数字化包括两个过程：采样和量化。 4、一般来说，采样间距越大，图像数据量小，质量差；反之亦然。 5、一幅数字图像为8位量化，量化后的像素灰度级取值范围是0——255的整数。设该数字图像为600行600列，则图像所需要的存储空间为__ 360000______字节。 6、设有图像文件为200行，200列，8位量化，共7个波段，则该图像文件的大小为280000bit。 三、不定项选择题：(单项或多项选择) 1、数字图像的_____4___。 ①空间坐标是离散的，灰度是连续的②灰度是离散的，空间坐标是连续的 ③两者都是连续的④两者都是离散的 2、采样是对图像___2_____。 ①取地类的样本②空间坐标离散化③灰度离散化 3、量化是对图像____2____。 ①空间坐标离散化②灰度离散化③以上两者。 4、图像灰度量化用6比特编码时，量化等级为____2____。 ①32个②64个③128个④256个 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： 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.wendangku.net/doc/3214120466.html, 张磊香港理工大学计算机系cslzhang@https://www.wendangku.net/doc/3214120466.html,.hk 石光明中国西安电子科技大学电子工程学院gmshi@https://www.wendangku.net/doc/3214120466.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： 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 1、点运算是否会改变图像内像素点之间的空间位置关系？ 点运算是一种像素的逐点运算，它与相邻的像素之间没有运算关系，点运算不会改变图像内像素点之间的空间位置关系。 2、对图像灰度的拉伸，非线性拉伸与分段线性拉伸的区别？ 非线性拉伸不是通过在不同灰度值区间选择不同的线性方程来实现对不同灰度值区间的扩展与压缩，而是在整个灰度值范围内采用统一的非线性变换函数，利用函数的数学性质实现对不同灰度值区间的扩展与压缩。 3.图像获取即图像的数字化过程，包括扫描、采样和量化。 4.图像获取设备由5个部分组成：采样孔，扫描机构，光传感器，量化器和输出存储体。 5.采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现马赛克效应 6.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 7.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 8.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. 9.三种灰度插值方法—最近邻法、双线性插值法和三次内插法 10.图像增强的目的： 采用某种技术手段，改善图像的视觉效果，或将图像转换成更适合于人眼观察和机器分析识别的形式，以便从图像中获取更有用的信息。 11.空间域平滑滤波器方法分类： 1）局部平滑法 2) 超限像素平滑法 3) 灰度最相近的K个邻点平均法 4) 空间低通滤波法 12.图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。 13.图像恢复和图像增强一样，都是为了改善图像视觉效果，以及便于后续处理。只是图像增强方法更偏向主观判断，而图像恢复则是根据图像畸变或退化原因，进行模型化处理 14. (1)成象系统的象差、畸变、带宽有限等造成图像图像失真； (2)由于成象器件拍摄姿态和扫描非线性引起的图像几何失真； (3)运动模糊，成象传感器与被拍摄景物之间的相对运动，引起所成图像的运动模糊； 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 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。 数字图像处理考试要点 第二章 1、在实际采样过程中，采样点间隔的选取很关键。应满足采样定 理（二维采样定理：Nyguist准则）：采样频率大于信号中最高 频率的2倍。 2、量化分为等间隔量化、非等间隔量化，非等间隔量化包括对数 量化、Max量化、锥形量化。 3、图像质量评估方法与标准分两类：主观评价、客观测量 噪声的定义：不可预测，只能用概率统计方法来认识的随机误差。图像噪声：妨碍人们视觉器官对所接收的信源信息理解的因素。 第三章 4、一般人的眼睛可以感知的电磁波的波长在400～760nm之间， 可见光的波长范围为380nm~780nm。 5、瞳孔——光圈，透明体(晶状体)——透镜 6、眼球是由一系列曲率半径和折光指数都不相同的折光体所组 成的折光系统。 7、6米以外直至无限远处的物体发出或反射出的光线到眼的折光 系统时近于平行，可在视网膜上形成清晰的像。 8、但人眼不是无条件的看清任何远处的物体，因为：1）光线过 弱，不足以兴奋感光细胞；2）距离过大，小到视网膜分辨能 力的限度以下。 9、比6米近的物体，折射后的成像位置在主焦点，即视网膜位置 之后，尚未聚焦，物像是模糊的。 10、人眼视觉模型 11、人从亮处进入暗室，最初看不清楚东西，经过一段时间，恢复 了在暗处的视力，这称为暗适应；相反，从暗处到亮处是明适应。 12、人眼对蓝光的灵敏度远远低于对红光和绿光的灵敏度，对波长 为550nm左右的黄绿色最为敏感。红（700nm），绿（546.1nm），蓝（435.8nm） 13、从人的主观感觉角度，颜色包含三个要素：色调、饱和度、明 亮度。 14、颜色模型是用来精确标定和生成各种颜色的一套规则和定义， 某种颜色模型所标定的所有颜色就构成了一个颜色空间。15、对于人来说，可以通过色调、饱和度、亮度来定义颜色（HSL 颜色模型）；对于显示设备来说，可以用红、绿、蓝磷光体的发光量来描述颜色（RGB颜色模型）；对于打印设备来说，可以用青色、品红、黄色和黑色颜料的用量来指定颜色（CMYK颜色模型）。 16、理论上，青色、品红和黄色三种基本色素等量混合能得到黑色。 但实际上，因为所有打印油墨都会包含一些杂质，这三种油墨 《数字图像处理》 实验报告 院系：XXXXX 学号：XXXXXXX 姓名：XXX 指导老师：XX XX 完成时间：2020.02.02 题目一： (1)将宽为2n的正方形图像，用FFT算法从空域变换到频域，并用频域图像的模来进行显示； (2)使图像能量中心，对应到几何中心，并用频域图像的模来进行显示； (3)将频域图象，通过FFT逆变换到空域，并显示。 该题实现环境为操作系统：Windows 10 操作系统；编程环境：VS2013；内部核心处理算法库：OpenCV。 此题目的具体实现过程及其展示如下所示： } imshow("原始图像", srcImage); //将输入图像延扩到最佳的尺寸，边界用0补充 int m = getOptimalDFTSize(srcImage.rows); int n = getOptimalDFTSize(srcImage.cols); //将添加的像素初始化为0. Mat padded; copyMakeBorder(srcImage, padded,0, m - srcImage.rows,0, n -srcImage.cols, BORDER_CONSTANT, Scalar::all(0)); //为傅立叶变换的结果(实部和虚部)分配存储空间。 //将planes数组组合合并成一个多通道的数组complexI Mat planes[]={ Mat_ 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，自动数字图像处理复习重点整理
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
成都理工大学数字图像处理复习资料
数字图像处理实验报告
数字图像处理技术应用课程报告
2013数字图像处理课程设计报告
数字图像处理报告
数字图像处理知识点
东南大学数字图像处理实验报告
数字图像处理课程设计报告
数字图像处理要点
数字图像处理报告
数字图像处理课程心得