数学形态学图像处理的基本运算实现及分析

数学形态学图像处理的基本运算实现及分析

一、基本原理

数学形态学是一种应用于图像处理和模式识别领域的新的方法。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像进行分析和识别的目的。数学形态学的数学基础和所用语言是集合论。数学形态学的应用可以简化图像数据，保持它们基本的形状特性，并除去不相干的结构。另一方面，数学形态学的算法具有天然的并行实现的结构。

1、基本运算

数学形态学的基本运算有四个：膨胀、腐蚀、开启和关。

如用A 表示图像集合，B 表示结构元素，形态学运算就是用B 对A 进行操 作。

A 被

B 膨胀，记为A ⊕B ，⊕为膨胀算子，膨胀的定义为

A B ⊕?{|[()]}x

x B A =≠? 该式表明的膨胀过程是B 首先做关于原点的映射，然后平移x 。A 被B 的膨胀是

B 被所有x 平移后与A 至少有一个非零公共元素。

A 被

B 腐蚀，记为A ⊙B ，⊙为腐蚀算子，腐蚀的定义为

A B Θ?{|[()]}x

x B A =≠? 也就是说，A 被B 的腐蚀的结果为所有使B 被x 平移后包含于A 的点x 的集合。

换句话说，用B 来腐蚀A 得到的集合是B 完全包括在A 中时B 的原点位置的集合。

膨胀和腐蚀并不互为逆运算，所以它们可以级连结合使用。例如，利用同一个结构元素B ，先对图像腐蚀然后膨胀其结果，或先对图像膨胀然后瘸蚀其结果，前一种运算称为开运算，后一种运算称为关运算。它们也是数学形态学中的重要运算。

开启的运算符为o ，A 用B 来开启写作AoB ，其定义为:

A

o ()B A B B =Θ⊕

关的运算符为·，A 用B 来关写作A ·B ，其定义为:

A

·()B A B B =⊕Θ

开和关两种运算都可以去除比结构元素小的特定图像细节，同时保证不产生全局的几何失真。开运算可以把比结构元素小的椒盐噪声滤除，切断细长搭接而起到分离作用。关运算可使比结构元素小的缺口或孔填补上，搭接短的间断而起到连通作用。

2、实际应用

近年来，数学形态学在图像处理方面得到了日益广泛的应用。下面主要就数学形态学在边缘检测、骨架提取等方面的应用做简要介绍。

集合A 的边界记为β(A)，可以通过下述算法提取边缘：设B 是一个合适的结构元素，首先令A 被B 腐蚀，然后求集合A 和它的腐蚀的差。如下式所示：

()()A A A B β=-Θ

下解释了边缘提取的过程。它表示了一个简单的二值图像，一个结构元素和用以上公式得出的结果。图 (b)中的结构元素是最常用的一种，但它决不是唯一的。如果采用一个5×5全“1”的结构元素，可得到一个二到三个像素宽的边缘。应注意的是，当集合B 的原点处在集合的边界时，结构元素的一部分位于集合之外。这种条件下的通常的处理是约定集合边界外的值为0。

利用形态学方法提取一个区域的骨格可以用腐蚀和开运算表示。也就是，A 的骨骼记为S(A)，骨骼化可以表示如下：

()()

K

k

k S A S

A ==

和

(){()[)]}

K

k S A A kB A kB B ==

Θ-Θ

其中B 是结构元素，()A kB Θ表示对A 连续腐蚀k 次。

下图的解释说明了以上讨论的概念。第一列显示了原始集合（顶部）和通过结构元素B 两次腐蚀的图形。由于再多一次对A 的腐蚀将产生空集，所以选取K ＝2。第二列显示了第一列通过B 的开运算而得到的图形。

以上结果可以通过以前讨论过的开运算拟合性质加以解释。第三列仅仅显示出第一列与第二列的差别。第四列包含两个部分骨骼及最后的结果（第四列的底部）。最后的骨骼不但比所要求的更粗，而且相比较更重要，它是不连续的。形态学给出了就特定图形侵蚀和空缺的描述。

形态学给出了就特定图形侵蚀和空缺的描述。通常，骨骼必须最大限度的细化、相连、最小限度的腐蚀。第五列显示了0()S A 、1()S A B ⊕以及

22(()2)())S A B S A B B

⊕=⊕⊕。最后一列显示了图像A 的重构。可知，A 就是第

五列中膨胀骨骼子集的“并”。

二、源程序

1、膨胀

bw = imread('text.png');

se = strel('line',11,90);%生成线形的结构元素 bw2 = imdilate(bw,se);%对图像进行膨胀

subplot(121), imshow(bw), title('原始图像') ;

subplot(122), imshow(bw2), title('膨胀后的图像') ; 2、腐蚀

originalBW = imread('circles.png');

se = strel('disk',11);%生成圆盘形的结构元素 erodedBW = imerode(originalBW,se);%对图像进行腐蚀

subplot(121), imshow(originalBW), title('原始图像');

subplot(122), imshow(erodedBW); title('腐蚀后的图像'); 3、开

BW1 = imread('circbw.tif'); %读取图像

subplot(121), imshow(BW1); title('原始的图像'); se = strel('rectangle',[40 30]); %生成矩形结构元素 BW2 = imopen(BW1,SE);%对图像直接进行开运算

subplot(122), imshow(BW2); title('开运算后的图像');

4、关

originalBW = imread('circles.png');

subplot(121), imshow(originalBW); title('原始的图像'); se = strel('disk',10);

closeBW = imclose(originalBW,se);

subplot(122), imshow(closeBW); title('关运算后的图像') 5、边缘检测

BW1 = imread('circbw.tif');

BW2 = bwperim(BW1,8);

subplot(121), imshow(BW1) ; title('原始图像');

subplot(122), imshow(BW2) ; title('边缘检测后的图像');

6、骨架提取

BW1 = imread('circbw.tif');

BW2 = bwmorph(BW1,'skel',Inf);

subplot(121), imshow(BW1) ; title('原始图像');

subplot(122), imshow(BW2) ; title('骨架提取后的图像');

三、程序运行结果

1、膨胀

2、腐蚀

3、开

4、关

5、边缘检测

6、骨架提取

四、程序运行结果分析

从以上运行结果可以分析得到各操作的功能结果如下。

1、膨胀

扩展边界。

2、腐蚀

收缩边界。

3、开

平滑轮廓，切除狭区，去除小的孤岛及突刺。

4、关

平滑轮廓，联络小狭区，纵向细化沟渠，并且去除小洞。

5、边缘检测

提取图像边界上的点集。

6、骨架提取

找到图像的骨骼。

五、总结及收获

数学形态学对图像的处理具有直观上的简明性和数学上的严谨性，在定量描述图像的形态特征上具有独特的优势，为基于形状细节进行图像处理提供了强有力的手段。建立在集合理论基础上的数学形态学,主要通过选择相应的结构元素采用膨胀、腐蚀、开启、闭合4种基本运算的组合来处理图像。数学形态学在图像处理中的应用广泛，有许多实用的算法,但在每种算法中结构元素的选取都是一个重要的问题。

数字图像处理试题

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

数学形态学的基本运算

第二章数学形态学的基本运算 2.1二值腐蚀和膨胀 二值图象是指那些灰度只取两个可能值的图象，这两个灰度值通常取为0和1。习惯上认为取值1的点对应于景物中的点，取值为0的点构成背景。这类图象的集合表示是直接的。考虑所有1值点的集合(即物体)X，则X与图象是一一对应的。我们感兴趣的也恰恰是X集合的性质。 如何对集合X进行分析呢?数学形态学认为，所谓分析，即是对集合进行变换以突出所需要的信息。其采用的是主观“探针”与客观物体相互作用的方法。“探针”也是一个集合，它由我们根据分析的目的来确定。术语上，这个“探针”称为结构元素。选取的结构元素大小及形状不同都会影响图象处理的结果。剩下的问题就是如何选取适当的结构元素以及如何利用结构元素对物体集合进行变换。为此，数学形态学定义了两个最基本的运算，称为腐蚀和膨胀即1。 2.1 .1二值腐蚀运算 腐蚀是表示用某种“探针”(即某种形状的基元或结构元素)对一个图象进行探测，以便找出图象内部可以放下该基元的区域。它是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。腐蚀的实现同样是基于填充结构元素的概念。利用结构元素填充的过程，取决于一个基本的欧氏空间概念—平移。我们用记号A二表示一个集合A沿矢量x平移了一段距离。即: 集合A被B腐蚀，表示为AΘB，其定义为: 其中A称为输入图象，B称为结构元素。AΘB由将B平移x仍包含在A内的所有点x组成。如果将B看作模板，那么，AΘB则由在将模板平移的过程中，所有可以填入A内部的模板的原点组成。根据原点与结构元素的位置关系，腐蚀后的图象大概可以分为两类: (1)如果原点在结构元素的内部，则腐蚀后的图象为输入图象的子集，如图2.1所示。 (2)如果原点在结构元素的外部，那么，腐蚀后的图象则可能不在输入图象的内部，如图2.2所示。 图2.1腐蚀类似于收缩

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

数字图像处理实验题目要求

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

基于数学形态学的图像噪声处理.

基于数学形态学的图像噪声处理 摘要 本文首先介绍了数学形态学的发展简史及其现状，紧接着详细的阐述了数学形态学在图像处理和分析中的理论基础。并从二值数学形态 学出发着重研究了数学形态学的膨胀、腐蚀、开运算、闭运算等各种 运算和性质，然后根据已有的运算，接着引入了形态滤波器设计、形态学图像处理的实用算法。由于在图像的获取中存在各种可能的噪声，比 如高斯噪声、瑞利噪声、伽马噪声、指数噪声、均匀噪声以及椒盐等 噪声，由于这些噪声的普遍存在，因此，利用数学形态学的腐蚀、膨胀、开启、闭合设计出了一种比较理想的（闭和开）形态学滤波器，并且用MATLAB语言编写程序，反复的使用这种开闭、闭开来处理图像中存在的噪声，其效果比较满意。 关键词:数学形态学图像处理腐蚀膨胀滤波Studies on Mathematical Morphology for Image Processing ABSTRACT In this paper ,we first introduced the brief history and development of mathematical morphology some general theory of mathematical morphology analysis and many experiment results are https://www.wendangku.net/doc/815146836.html,ter ,from the aspect of morphology of dual value, special emphasis on various operations and properties including dilation, erosion,open operation and close operation etc.In addition, morphology analysis method of the dual value image is also discussed and the practical and improved operations of the morphological image processing such as electric filter design, marginal pattern testing are introduced. As the image of the acquisition in the range of possible noise, such as Gaussian noise, Rayleigh noise, Gamma noise, Uniform noise Salt and Pepper noise and so on. As the prevalence of such noise, so using mathematical morphology of erosion,dilation, opening, closing designed a more ideal (open and closed morphological filter, And repeated to use opening and closing, closing and opening handle image processing in the noise. It is satisfied with its results.And the simulation results is more satisfactory after the use of MATLAB language programming. Keyword：mathematical morphology image processing erosion dilation

形态学图像处理小结

一．形态学基础知识理解 形态学图像处理基本的运算包括：二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。 1.膨胀与腐蚀 最基本的形态学操作有二种：膨胀与腐蚀(Dilation与Erosion)。膨胀是在二值图像中“加长”和“变粗”的操作。这种方式和变粗的程度由一个结构元素组成的集合来控制。腐蚀是“收缩”或“细化”二值图像中的对象。同样，收缩的方式和程度由一个结构元素控制。腐蚀和膨胀是对白色部分（高亮部分）而言的，不是黑色部分。膨胀就是图像中的高亮部分进行膨胀，“领域扩”，效果图拥有比原图更大的高亮区域。腐蚀就是原图中的高亮部分被腐蚀，“领域被蚕食”，效果图拥有比原图更小的高亮区域。 常用的三种膨胀与腐蚀的组合：开运算、闭运算、击中或击不中变换。（1）开运算和闭运算: A被B的形态学开运算是A被B腐蚀后再用B来膨胀腐蚀结果。其几何解释为：B在A完全匹配的平移的并集。形态学开运算完全删除了不能包含结构元素的对象区域，平滑了对象的轮廓，断开了狭窄的连接，去掉了细小的突出部分；（2）闭运算: A被B的形态学闭运算是先膨胀再腐蚀的结果，其几何解释为：所有不与A重叠的B的平移的并集。形态学闭运算会平滑对象的轮廓，与开运算不同的是，闭运算一般会将狭窄的缺口连接起来形成细长的弯口，并填充比结构元素小的洞。（3）击中击不中变换: 击中与击不中变换先对目标图像进行目标结构元素的腐蚀操作；后对目标图像的对偶进行背景结构元素的腐蚀操作；最后取两次结果的交集。 2.重构 重构是一种涉及到两幅图像和一个结构元素的形态学变换。一幅图像，即标记（marker），是变换的开始点。另一幅图像是掩模（mask），用来约束变换过程。结构元素用于定义连接性。 3.灰度图像形态学 对于灰度图像来说，膨胀和腐蚀是以像素邻域的最大值和最小值来定义的。膨胀和腐蚀可以组合使用，以获得各种效果。例如，从膨胀后的图像中减去腐蚀过的图像可以产生一个“形态学梯度”，可以用来度量图像局部灰度变化。 开运算和闭运算用于形态学平滑。由于开运算可以去除比结构元素更小的明亮细节，闭运算可以去除比结构元素更小的暗色细节，所以它们经常组合在一起用来平滑图像并去除噪声。

数字图像处理-作业题及部分答案解析演示教学

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.

数字图像处理与分析习题及答案

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

数字图像处理复习重点整理

《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

基于数学形态学的图像边缘检测方法研究文献综述

文献综述 课题：基于数学形态学的图像边缘检测方法研究 边缘检测是图像分割的核心容，而图像分割是由图像处理到图像分析的关键步骤，在图像工程中占据重要的位置，对图象的特征测量有重要的影响。图像分割及基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能。从而边缘检测在图像工程中占有重要的地位和作用。因此对边缘检测的研究一直是图像技术研究中热点，人们对其的关注和研究也是日益深入。 首先，边缘在边界检测、图像分割、模式识别、机器视觉等中有很重要的作用。边缘是边界检测的重要基础，也是外形检测的基础。同时，边缘也广泛存在于物体与背景之间、物体与物体之间,基元与基元之间，是图像分割所依赖的重要特征。其次，边缘检测对于物体的识别也是很重要的。第一，人眼通过追踪未知物体的轮廓而扫视一个未知的物体。第二，如果我们能成功地得到图像的边缘，那么图像分析就会大大简化，图像识别就会容易得多。第三，很多图像并没有具体的物体，对这些图像的理解取决于它们的纹理性质，而提取这些纹理性质与边缘检测有极其密切的关系。 理想的边缘检测是能够正确解决边缘的有无、真假、和定向定位。长期以来，人们一直关心这一问题的研究，除了常用的局

部算子及以后在此基础上发展起来的种种改进方法外，又提出了许多新的技术，其中，比较经典的边缘检测算子有 Roberts cross算子、Sobel算子、Laplacian算子、Canny算子等，近年来又有学者提出了广义模糊算子，形态学边缘算子等。这些边缘检测的方法各有其特点，但同时也都存在着各自的局限性和不足之处。 本次研究正是在已有的算法基础上初步进行改进特别是形 态学边缘算子，以期找到一个更加简单而又实用的算子，相信能对图像处理中的边缘检测方法研究以及应用有一定的参考价值。 一、课题背景和研究意义： 伴随着计算机技术的高速发展，数字图像处理成为了一门新兴学科，并且在生活中的各个领域得以广泛应用。图像边缘检测技术则是数字图像处理和计算机视觉等领域最重要的技术之一。在实际图像处理中，图像边缘作为图像的一种基本特征，经常被用到较高层次的图像处理中去。边缘检测技术是图像测量、图像分割、图像压缩以及模式识别等图像处理技术的基础，是数字图像处理重要的研究课题之一。 边缘检测是图像理解、分析和识别领域中的一个基础又重要的课题, 边缘是图像中重要的特征之一，是计算机视觉、模式识别等研究领域的重要基础。图像的大部分主要信息都存在于图像的边缘中，主要表现为图像局部特征的不连续性，是图像中灰度变化比较强烈的地方，也即通常所说的信号发生奇异变化的地

数字图像处理实验 数学形态学其应用

实验四：数学形态学及其应用 1．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 2．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open ：B B X ⊕Θ=)(X B 4.闭close ：∨ Θ⊕=B B X X B )( 5.HMT(Hit-Miss Transform:击中——击不中变换) 条件严格的模板匹配 ),(21T T T =模板由两部分组成。1T ：物体，2T ：背景。 {} C x x i X T X T X T X ??=?21, 图5-3 击不中变换示意图 性质： （1）φ=2T 时，1T X T X Θ=? （2）)()()(21T X T X T X C Θ?Θ=? C T X T X )()(21Θ?Θ= )/()(21T X T X ΘΘ= 6.细化/粗化 (1)细化（Thin ） C T X X T X XoT )(/??=?= 去掉满足匹配条件的点。 图5-4 细化示意图 系统细化{}n B oB XoB T Xo ))(((21=， i B 是1 -i B 旋转的结果（90?，180?，270?） 共8种情况 适于细化的结构元素 1 1110 00d d I = d d d L 1011 00= (2)粗化（Thick ） X 21 1 1 2 3 T ? XoT X ? X X ?T X ΘT T ⊕

数字图像处理考题2012级

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

数字图像处理练习题答案解析

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,

数字图像处理与分析习题及答案

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。

数字图像处理练习题

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》习题参考答案与解析

《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