文档库 最新最全的文档下载
当前位置:文档库 › 数字图像处理报告

数字图像处理报告

数字图像处理报告
数字图像处理报告

开课学院及实验室:实验时间:

学生姓名学号成绩

学生所在学院年级/专业/班

课程名称数字图像处理课程代码

实验项目名称Matlab图像处理工具箱的初步练习项目代码

指导教师项目学分

一、实验目的和任务

1、初步了解与掌握MA TLAB语言的基本用法;

2、掌握MA TLAB语言中图象数据与信息的读取方法;

3、掌握在MA TLAB语言中图像类型的转换。

二、实验设备、仪器及器材

1、计算机

2、MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox)

3、实验所需要的图片

三、实验原理

将数字图像的RGB表示转换为YUV表示;

Y=0.30R+0.59G+0.11B

U=0.70R-0.59G-0.11B

V=-0.30R-0.59G+0.89B

四、实验步骤(按照实际操作过程)

1、阅读资料并熟悉MatLab的基本操作

2、读取MATLAB中的图象数据

3、显示MA TLAB中的图象文件。用MA TLAB在自建的文件夹中建立m文件,在这个文件的程序将

MATLAB目录下work文件夹中的tree.tif 图象文件读出,用到imread,imfinfo等命令,观察一下图象数据,了解一下数字图象在MA TLAB中的处理就是处理一个矩阵的本质。

4、将3中的图象显示出来(用imshow)。

5、对MA TLAB目录下work文件夹中的flowers.tif进行真彩色图像、索引色图像、灰度图像、二值图

像之间的相互变换,并显示。

6、进行真彩色图像RGB(lenacolor.jpg)、YIQ图像、HSV图像、YcbCr图像的相互转换,并显示。

五、实验过程记录(数据、图表、计算等)

1、学习Matlab 基本操作。

2、读取并显示tree.tif 图象。

[X,Map]=imread('trees.tif','tif') imshow(X,Map)

3、对flowers.tif 图像进行真彩色图像、索引色图像、灰度图像、二值图像之间的相互变换,并显示。

程序如下:

%原图像

[X,MAP]=imread('lenacolor.jpg','jpg'); imshow(X,MAP),title(' lenacolor.tif')

% 真彩色

RGB=imread('lenacolor.jpg','jpg'); imshow(RGB),title('真彩色')

% 真彩色→索引色图像 map=jet(256);

SY=rgb2ind(RGB,map);

imshow(SY),title('真彩色→索引色图像')

真彩

lenacolor.tif

真彩色→索引色图像

% 索引色→真彩色图像

ZC=ind2rgb(SY,map);

imshow(ZC),title('索引色→真彩色图像')

% 索引色→灰度图像

gray2= ind2gray(SY,map);

imshow(gray2),title('索引色→灰度图像')

% 真彩色→灰度图像

gray1= rgb2gray(RGB)

imshow(gray1),title('真彩色→灰度图像')

%二值图像

BW=im2bw(RGB,0.5);

imshow(BW),title('二值图像')

索引色→真彩色图

像索引色→灰度图

像真彩色→灰度图

二值图像

4、进行真彩色图像RGB(lenacolor.jpg)、YIQ图像、HSV图像、YcbCr图像的相互转换,并显示。

程序如下:

% 真彩色

RGB=imread('lenacolor.jpg')

imshow(RGB),title('lenacolor.tif-真彩色')

% RGB→YIQ图像

RGB1=RGB

map=jet(256)

yiqmap=rgb2ntsc(map)

YIQ=rgb2ntsc(RGB1)

imshow(YIQ),title('RGB→YIQ图像')

% RGB→HSV图像

RGB2=RGB

hsvmap=rgb2ntsc(map)

HSV=rgb2ntsc(RGB2)

imshow(HSV),title('RGB→HSV图像')

% RGB→YCbCr图像

RGB3=RGB

YcbCrmap=rgb2ycbcr(map)

YCBCR=rgb2ycbcr(RGB3)

imshow(YCBCR),title('RGB→YCbCr图像')

lenacolor.tif-真彩

色RGB→YIQ图

像RGB→HSV图

像RGB→YCbCr图像

% YIQ→RGB图像

rgbmap=rgb2ntsc(yiqmap)

RGB1=rgb2ntsc(YIQ)

imshow(RGB1),title('YIQ→RGB图像')

% HSV→RGB图像

rgbmap=hsv2rgb(hsvmap)

RGB2=hsv2rgb(HSV)

imshow(RGB2),title('HSV→RGB图像')

% YCbCr→RGB图像

rgbmap=ycbcr2rgb(YcbCrmap)

RGB3=ycbcr2rgb(YCBCR)

imshow(RGB3),title('YCbCr→RGB图像')

六、实验结果分析及问题讨论

1、图像之间转换的基础是什么,为什么可以实现相互的转换

YIQ→RGB图

像HSV→RGB图

像YCbCr→RGB图像

.

开课学院及实验室: 实验时间 :

学 生 姓 名

学 号

成 绩

学生所在学院

年级/专业/班

课 程 名 称 数字图像处理 课 程 代 码 实验项目名称 图像的频域处理方法

项 目 代 码 指 导 教 师

项 目 学 分

一、实验目的和任务

1、了解离散傅立叶变换的基本原理;

2、掌握应用MATLAB 进行Fourier 变换、反变换的算法实现,并初步理解Fourier 变换的物理意义。

二、实验仪器、设备及材料

1、 计算机

2、 MatLab 软件/语言包括图像处理工具箱(Image Processing Toolbox)

3、 实验所需要的图片

三、实验原理

Fourier 变换

Fouriern 逆变换

四、实验步骤

1. 用Fourier 变换算法,对简单图像line.bmp, yuan.bmp, twoyuan.bmp, juxing.bmp,

xuanzhuan.bmp, pingyiy.bmp, pingyi.bmp 做Fourier 变换,体会从空域转换到频域的不同表现。

2. 对图像Lenna.bmp 作二维Fourier 变换;(可以采用快速Fourier 变换方法)

3. 用Fourier 系数的幅度进行Fourier 反变换;

4. 用Fourier 系数的相位进行Fourier 反变换;

5. 比较2、3的结果,评价人眼对图像幅频特性和相频特性的敏感度。

五、实验过程记录(数据、图表、计算等)

1、用Fourier 变换算法,对简单图像line.bmp, yuan.bmp, twoyuan.bmp, juxing.bmp,

第 组

11

00

1(,)(,)exp[2()/],,0,1,2,..,1

N N x y F u v f x y j ux vy N u v N N π--===-+=-∑∑11

001(,)(,)exp[2()/],x,y 0,1,2,..,1N N u v f x y F u v j ux vy N N N π--===+=-∑∑1

222(,)[(,)(,)]F u v R u v I u v =+(,)arctan[(,),(,)].u v I u v R u v φ=相位谱: 能量谱:

22(,)(,)(,)

E u v R u v I u v =+振幅谱:

xuanzhuan.bmp, pingyiy.bmp, pingyi.bmp做Fourier变换。程序如下:

% line

I=imread('line.bmp')

imshow(I)

B=fftshift(fft2(I));

imshow(log(abs(B)),[],'notruesize');

% yuan

I=imread('yuan.bmp')

imshow(I)

B=fftshift(fft2(I));

imshow(log(abs(B)),[],'notruesize');

% twoyuan

I=imread('twoyuan.bmp')

imshow(I)

B=fftshift(fft2(I));

imshow(log(abs(B)),[],'notruesize');

% juxing

I=imread('juxing.bmp')

imshow(I)

B=fftshift(fft2(I));

imshow(log(abs(B)),[],'notruesize');

% xuanzhuan

I=imread('xuanzhuan.bmp')

imshow(I)

B=fftshift(fft2(I));

imshow(log(abs(B)),[],'notruesize');

% pingyiy

I=imread('pingyiy.bmp')

imshow(I)

B=fftshift(fft2(I));

imshow(log(abs(B)),[],'notruesize');

% pingyi

I=imread('pingyi.bmp')

imshow(I)

B=fftshift(fft2(I));

imshow(log(abs(B)),[],'notruesize');

2、对图像Lenna.bmp作二维Fourier变换。

程序如下:

I=imread('lenna.bmp')

imshow(I)

B=fftshift(fft2(I));

imshow(log(abs(B)),[],'notruesize');

3、分别用Fourier系数的幅度和相位进行Fourier反变换;

程序如下:

X=imread('pingyi.bmp')

F=fftshift(fft2(X))

imshow(log(abs(F)),[]),title('pingyi')

I=imread('lenna.bmp')

F=fftshift(fft2(I))

imshow(log(abs(F)),[]),title('lenna')

I=imread('lenna.bmp')

fftI=fft2(I)

sfftI=fftshift(fftI)

RRfdp1=real(sfftI)

IIfdp1=imag(sfftI)

a=sqrt(RRfdp1.^2+IIfdp1.^2)

a=(a-min(min(a)))/(max(max(a))-min(min(a)))*255

figure(2)

subplot(2,2,1)

imshow(real(a)),xlabel('(a)lena图的幅值谱图')

b=angle(fftI)

subplot(2,2,3)

imshow(real(b)),xlabel('(c)lena图的相位谱图')

theta=pi/6

RR1=a*cos(theta)

II1=a*sin(theta)

fftI1=RR1+1i.^II1

C=ifft2(fftI1)*255

subplot(2,2,2)

imshow(real(C)),xlabel('(b)利用幅值谱图重构lena图')

MM=150

RR2=MM*cos(angle(fftI))

II2=MM*sin(angle(fftI))

fftI2=RR2+1i.^II2

D=ifft2(fftI2)

subplot(2,2,4)

imshow(real(D)),xlabel('(d)利用相位谱图重构lena图') 实验结果如下:

(a)lena图的幅值谱

图(c)lena图的相位谱

图(b)利用幅值谱图重构lena

图(d)利用相位谱图重构lena图

六、实验结果分析及问题讨论

1、频谱对应的特征量代表的含义

2、为什么图像对幅频特性和相频特性有不同的敏感度。

.

开课学院及实验室: 实验时间 :

学 生 姓 名

学 号

成 绩

学生所在学院

年级/专业/班

课 程 名 称 数字图像处理 课 程 代 码 实验项目名称 图像的空域处理方法

项 目 代 码 指 导 教 师

项 目 学 分

一、实验目的和任务

1、掌握在MA TLAB 中绘制灰度直方图的方法,了解灰度直方图的均衡化的方法;

2、了解图象滤波的基本定义及目的;

3、了解空域滤波的基本原理及方法;

4、掌握用MA TLAB 语言进行图象的空域滤波的方法;

二、实验设备、仪器及器材

1、计算机

2、MatLab 软件/语言包括图像处理工具箱(Image Processing Toolbox)

3、实验所需要的图片

三、实验原理

1、 灰度变换是对一幅图象的灰度级进行变换, B(x,y)=f[A(x,y)]

2、 用均值滤波器去除图像中的噪声;

3、 用中值滤波器去除图像中的噪声;

四、实验步骤(按照实际操作过程)

1、运行matlab -help —demos —toolboxes —image processing —Intensity Adjustment and Histogram, 做灰度变换和直方图变换,进一步了解变换的原因;

2、 读出men.bmp 这幅图像,显示它的图象及灰度直方图,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,并观察调整后的图象与原图象的差别,调整后的灰度直方图与原灰度直方图的区别。

3、 运行matlab -help —demos —toolboxes —image processing —Noise Reduction filter, 进一步理解空域滤波的原理;

4、 读出lena.bmp 这幅图像,给这幅图像加入椒盐噪声

5、 用均值滤波器去除图像中的噪声;

第 组

∑+-∈+-∈+=

]

,[],[2000000)

,(141),(N y N y y N x N x

x y x f N y x f

6、用中值滤波器去除图像中的噪声;

7、比较两种方法的处理结果。

五、实验过程记录(数据、图表、计算等)

1、读出men.bmp 这幅图像,显示它的图象及灰度直方图,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,并观察调整后的图象与原图象的差别,调整后的灰度直方图与原灰度直方图的区别。 程序如下:

I=imread('men.bmp') subplot(2,2,1)

imshow(I),title('原图像') subplot(2,2,2)

imhist(I),title('原图像的直方图') J=imadjust(I,[0.03 0.1],[0 1]) subplot(2,2,3)

imshow(J),title('变换后的图像') subplot(2,2,4)

imhist(J),title('变换后的直方图')

2、 读出lena.bmp 这幅图像,给这幅图像加入椒盐噪声。 程序如下:

I = imread(lenna.bmp'); subplot(2,2,1);

imshow(I),title('原图像') subplot(2,2,3);

J=imnoise(I,'salt & pepper',0.02); imshow(J),title('噪声图像')

原图像

100

200

050010001500原图像的直方图

变换后的图像

100

200

02000

4000

变换后的直方图

原图像

噪声图像

3、分别用均值滤波器和中值滤波器去除图像中的噪声。 1.均值滤波

I = imread('men.bmp');

J=imnoise(I,'salt & pepper',0.02); h = fspecial('average'); I1 = imfilter(J,h); subplot(1,2,1);

imshow(I1),title('3×3均值滤波去噪') h = fspecial('average',[5 5]); I2 = imfilter(J,h); subplot(1,2,2);

imshow(I2),title('5×5均值滤波去噪')

2.中值滤波

I = imread('men.bmp');

J=imnoise(I,'salt & pepper',0.02); h = fspecial('average'); I3=medfilt2(J); subplot(1,2,1);

imshow(I3),title('3×3中值滤波去噪') I4=medfilt2(J,[5 5]); subplot(1,2,2);

imshow(I4),title('5×5中值滤波去噪')

六、实验结果分析及问题讨论

1. 小结一下本实验所用的增强方法

2. 比较一下均值滤波和中值滤波处理的效果并指出其中异同

3×3均值滤波去

5×5均值滤波去

3×3中值滤波去

5×5中值滤波去噪

开课学院及实验室: 实验时间 :

学 生 姓 名

学 号

成 绩

学生所在学院

年级/专业/班

课 程 名 称 数字图像处理 课 程 代 码 实验项目名称 图像分割和目标识别

项 目 代 码 指 导 教 师

项 目 学 分

一、实验目的和任务

1、 掌握在MA TLAB 中边缘检测的方法;

2、 了解图像分割的基本策略及方法;

3、 掌握用MATLAB 语言进行边缘检测和目标识别的方法。

二、实验设备、仪器及器材

1、 计算机

2、 MatLab 软件/语言包括图像处理工具箱(Image Processing Toolbox)

3、 实验所需要的图片

三、实验原理

1、 阈值分割是对一幅图象的目标和背景进行判定,

??

?≥=else

y x f T

y x f G y x f G y x g )

,()],([)]

,([),(

2、 用中值滤波器去除图像中的噪声;

3、 二值形态学基本公式:

设A 表示一副二值图像,B 为结构元素则A 关于B 的膨胀和腐蚀变换分别定义为: {|(())}x A B x A B ∧

⊕=?≠Φ

{|(())}c x A B x A B Θ=?≠Φ

其中B ∧

是B 的映像。腐蚀是表示用某种形状的结构元素对一个图像进行探测,以便找出图像内部可以放下该结构元素的区域。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。

四、实验步骤(按照实际操作过程)

1、 读出chrimage.bmp 这幅图像,转换为灰度图像。

2、 用中值滤波器去除图像中的噪声;

3、 采用阈值分割将图像转换为二值图像;

4、

对二值图像进行形态学操作,获得分析值。

]}

,[],,[|),({),(000000N y N y y N x N x x y x f Med y x f +-∈+-∈=

五、实验过程记录(数据、图表、计算等)

1、读出chrimage.bmp 这幅图像,转换为灰度图像。 程序如下:

I=imread('chrimage.bmp') subplot(1,2,1)

imshow(I),title('原图像') subplot(1,2,2) I2 = rgb2gray(I)

imshow(I2),title('灰度图像')

2.用中值滤波器去除图像中的噪声。

程序如下:

I=imread('chrimage.bmp') I2 = rgb2gray(I)

K1 = medfilt2(I2,[3 3]) K2 = medfilt2(I2,[5 5]) K3 = medfilt2(I2,[7 7]) subplot(2,2,1)

imshow(I),title('原图像') subplot(2,2,2)

imshow(K1),title('3×3中值滤波') subplot(2,2,3)

imshow(K2),title('5×5中值滤波') subplot(2,2,4)

imshow(K2),title('7×7中值滤波')

3、 采用阈值分割将图像转换为二值图像。 程序如下:

I=imread('chrimage.bmp') I2=rgb2gray(I)

K1=medfilt2(I2,[7 7]) I3=imadjust(K1) bw=im2bw(I3, 0.3) subplot(1,2,1)

imshow(I),title('原图像') subplot(1,2,2)

imshow(bw),title('二值图像')

4、 对二值图像进行形态学操作,获得分析值。 程序如下:

I=imread('chrimage.bmp')

原图

灰度图

原图

二值图

原图

3×3中值滤

5×5中值滤

波7×7中值滤波

I2=rgb2gray(I) s = size(I2);

I4 = 255*ones(s(1), s(2), 'uint8'); I5 = imsubtract(I4,I2); K1=medfilt2(I5,[7 7]) I3=imadjust(K1) bw=im2bw(I3, 0.3) bw=bwareaopen(bw,10) subplot(2,2,1);

imshow(bw),title('去除杂点')

[labeled,numObjects] = bwlabel(bw,4);%标记连通域

RGB_label=label2rgb(labeled,@spring,'c','shuffle');%用颜色标记每一个染色体 subplot(2,2,2);

imshow(RGB_label),title('标记每一个染色体') subplot(2,2,3);

chrdata = regionprops(labeled,'basic') allchrs = [chrdata.Area]; num = size(allchrs) nbins = 20;

hist(allchrs,nbins),title(['染色体总数',num2str(num(2))])

(1)去除图像中面积过小的,可以肯定不是染色体的杂点。这些杂点一部分是滤噪没有滤去的染色体附近的小毛糙,一部分是图像边缘亮度差异产生的,结果见下图

(2)用颜色标记每一个染色体,以便直观显示。此时染色体的断开与粘连问题已基本被解决。最终效果如下图。结果见下图 (3)统计被标记的染色体区域的面积分布,显示染色体总数。统计总数为46,与人工数出数目的相同。

去除杂

点标记每一个染色体

0200400600800

2

4

6染色体总数46

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 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)

数字图像处理实验报告

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。

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

武汉科技大学 数字图像处理实验报告

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);

数字图像处理实验报告

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:

数字图像处理四个实验报告,带有源程序

数字图像处理 实验指导书 学院:通信与电子工程学院 专业:电子信息工程 班级: 学号: 姓名: XX理工大学

实验一 MATLAB数字图像处理初步 一、实验目的与要求 1.熟悉及掌握在MATLAB中能够处理哪些格式图像。 2.熟练掌握在MATLAB中如何读取图像。 3.掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4.掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5.图像间如何转化。 二、实验原理及知识点 1、数字图像的表示和类别 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标,f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语,而彩色图像是由单个二维图像组合形成的。例如,在RGB彩色系统中,一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此,许多为黑白图像处理开发的技术适用于彩色图像处理,方法是分别处理三副独立的分量图像即可。 图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式,就要求数字化坐标和振幅。将坐标值数字化成为取样;将振幅数字化成为量化。采样和量化的过程如图1所示。因此,当f的x、y分量和振幅都是有限且离散的量时,称该图像为数字图像。 作为MATLAB基本数据类型的数值数组本身十分适于表达图像,矩阵的元素和图像的像素之间有着十分自然的对应关系。 图1 图像的采样和量化 根据图像数据矩阵解释方法的不同,MA TLAB把其处理为4类: 亮度图像(Intensity images) 二值图像(Binary images) 索引图像(Indexed images) RGB图像(RGB images)

读书报告第一次作业。。。。

膨胀土工程地质特性研究进展 1.前言 膨胀土是一种具有高分散性、高塑性的黏土,其矿物成分主要以蒙脱石、伊利石/蒙脱石、绿泥石/脱石、高岭石/蒙脱石等为主,对干湿气候变化异常敏感,常给人类工程建设活动带来巨大危害,是一种“问题多的特殊土”。其吸水膨胀、失水收缩的特性容易引起建筑物开裂、边坡失稳、渠道桥梁等结构物破坏,给工程建设带来安全隐患。如1978 年我国南阳地区和1988 ~ 1992 年欧洲地区,持续的干旱天气致使出现了大规模房屋建筑开裂破坏现象,造成严重经济损失,究其原因为地基膨胀土失水收缩导致地面不均匀沉降变形。南水北调中线工程穿越膨胀土地区累计长度约386km,沿线曾发生大量渠段坍塌和浅层滑坡等工程地质问题。事实上,早在20 世纪70 年代初,南阳陶岔引水渠的开挖施工中,膨胀土层就发生过十几处大滑坡,且大都发生在1: 4-1: 5的缓坡上,由此引起了人们对膨胀土问题的重视,并在其后进行了处理,为以后正式开工建设提供了处治经验。 2.胀缩性 胀缩性的概念是由于含水率变化而引起的膨胀土体积变化,称为胀缩变形,即含水率升高发生膨胀,含水率降低发生收缩。胀缩性是

膨胀土的典型性质之一。在许多条件下,当膨胀土经历往复干湿循环时,胀缩变形表现出不可逆性,往往随干湿循环次数的增加而增加,在控制吸力条件下开展了干湿循环试验,发现膨胀土的胀缩变形可分为宏观结构变形和微观结构变形两部分。一般而言,宏观结构变形的可逆性与干湿循环过程中的累积变形量有关,然而微观结构变形却通常是可逆的。 关于膨胀土的胀缩机理,国内外学者也开展了许多研究,得到一些普遍的认识。与水相互作用时,由于黏土矿物颗粒表面的亲水性与水分子的极性结构特征,水分子在电场力作用下会吸附在矿物颗粒周围,形成一层水膜。水膜的厚度受黏土矿物种类、孔隙溶液成分、环境温度、外部荷载和微观结构等因素的影响,水膜的厚度变化则直接反映了膨胀土的胀缩性。膨胀土的干燥收缩过程实际上是土体在内力作用下颗粒间孔径减小和密实度增加的过程。当土体中的相对湿度高于大气相对湿度时,土体中的水分子会通过土体表面进入到大气中,形成蒸发。在蒸发过程中孔隙水表面张力的作用下,在颗粒间会形成弯液面,产生毛细水压力。表面张力和弯液面曲率半径是影响毛细水压力的关键因素,且一般而言,毛细水压力为负值。因此,土体干燥失水过程中,颗粒周围的水膜变薄,孔径减小,在毛细水压力和表面张力的共同作用下,土颗粒会随蒸发而逐渐靠拢,宏观表现为收缩变。关于膨胀土的胀缩机理,也有学者提出了不同的观点。如廖世文( 1984) 、高国瑞( 1984) 从晶格扩展、双电层理论和微观结构控制3 个方面对膨胀土的胀缩机理进行了总结归纳。刘特洪( 1997)则

数字图像处理技术应用课程报告

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/b75877582.html, 张磊香港理工大学计算机系cslzhang@https://www.wendangku.net/doc/b75877582.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/b75877582.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:

数字图像处理报告

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

数字图像处理_图片识别

研究生课程考核试卷 (适用于课程论文、提交报告) 科目:数字图像处理教师:黄鸿 姓名:潘世强学号:20110802096 专业:仪器科学与技术类别:(学术)上课时间:2011年10月至2012年01月 考生成绩: 阅卷评语: 阅卷教师(签名) 重庆大学研究生院制

CHONGQING UNIVERSITY 数字图像处理 ——基于内容的图像检索系统 学院:光电工程学院 姓名:潘世强 学号:20110802096 指导教师:黄鸿 时间: 2012年01月08日

基于内容的图像检索系统 摘要:随着多媒体技术的迅速发展,图像数据库也急剧膨胀起来,如何高效、快速地从像资源中获取有用的图像成了信息检索技术研究的热点。 本文主要针对基于内容的图像检索技术(CBIR)做了相关的介绍,对基于图像检索技术中的特征提取技术进行了较为详细的阐述,研究了图像颜色的提取方法,以及图像间相似性度量方法。本文运用的特征值提取方法为颜色直方图的方法,对图像提取颜色特征,并根据这些特征对目标图片与图片库中的图片进行了相似度排序,最后运用Matlab软件对上述方法进行验证,得到图像检索结果,从而实现基于内容的图像检索。 关键词:直方图HIS彩色空间基于内容图像检索 1.引言 图像是对客观对象的一种相似性的、生动性的描述或写真。或者说图像是客观对象的一种表示,它包含了被描述对象的有关信息。它是人们最主要的信息源。据统计,一个人获取的信息大约有75%来自视觉。俗话说“百闻不如一见”,“一目了然”,都反映了图像在信息传递中的独特效果。所谓基于图像内容检索,即从图像库中查找含有特定目标的图像,也包括从连续的视频图像中检索含有特定目标的视频片段。它区别于传统的图像检索手段,融合了图像理解技术,从而可以提供更有效的检索手段。 本文主要针对基于内容的图像检索技术中的特征提取方法展开论述,简要地介绍了近年来基于内容的图像检索中颜色、纹理、形状及语义特征的描述方法,并对颜色特征的描述方法以及特征相似性做了详细的论述。

BMP图像的读写(8位和24位)

南通大学计算机科学与技术学院 《数字图像处理》课程实验 报告书 实验名 BMP文件的读写(8位和24位) 班级计 121 姓名张进 学号 1213022016 2014年6月 16 日

一、实验内容 1、了解BMP文件的结构 2、8位位图和24位位图的读取 二、BMP图形文件简介 BMP(Bitmap-File)图形文件是Windows采用的图形文件格式,在Windows环境下运行的所有图象处理软件都支持BMP图象文件格式。Windows系统内部各图像绘制操作都是以BMP为基础的。Windows 3.0以前的BMP图文件格式与显示设备有关,因此把这种BMP 图象文件格式称为设备相关位图DDB(device-dependent bitmap)文件格式。Windows 3.0以后的BMP图象文件与显示设备无关,因此把这种BMP图象文件格式称为设备无关位图DIB(device-independent bitmap)格式(注:Windows 3.0以后,在系统中仍然存在DDB位图,象BitBlt()这种函数就是基于DDB位图的,只不过如果你想将图像以BMP格式保存到磁盘文件中时,微软极力推荐你以DIB格式保存),目的是为了让Windows能够在任何类型的显示设备上显示所存储的图象。BMP位图文件默认的文件扩展名是BMP或者bmp(有时它也会以.DIB或.RLE作扩展名)。 位图文件可看成由4个部分组成:位图文件头(bitmap-file header)、位图信息头(bitmap-information header)、彩色表(color table)和定义位图的字节阵列,它具有如下所示的形式。 位图文件结构内容摘要

2013数字图像处理课程设计报告

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 -

东南大学数字图像处理实验报告

数字图像处理 实验报告 学号:04211734 姓名:付永钦 日期:2014/6/7 1.图像直方图统计 ①原理:灰度直方图是将数字图像的所有像素,按照灰度值的大小,统计其所出现的频度。 通常,灰度直方图的横坐标表示灰度值,纵坐标为半个像素个数,也可以采用某一灰度值的像素数占全图像素数的百分比作为纵坐标。 ②算法: clear all PS=imread('girl-grey1.jpg'); %读入JPG彩色图像文件figure(1);subplot(1,2,1);imshow(PS);title('原图像灰度图'); [m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 GP(k+1)=length(find(PS==k))/(m*n); %计算每级灰度出现的概率end figure(1);subplot(1,2,2);bar(0:255,GP,'g') %绘制直方图 axis([0 255 min(GP) max(GP)]); title('原图像直方图') xlabel('灰度值') ylabel('出现概率') ③处理结果:

原图像灰度图 100 200 0.005 0.010.0150.020.025 0.030.035 0.04原图像直方图 灰度值 出现概率 ④结果分析:由图可以看出,原图像的灰度直方图比较集中。 2. 图像的线性变换 ①原理:直方图均衡方法的基本原理是:对在图像中像素个数多的灰度值(即对画面起主 要作用的灰度值)进行展宽,而对像素个数少的灰度值(即对画面不起主要作用的灰度值)进行归并。从而达到清晰图像的目的。 ②算法: clear all %一,图像的预处理,读入彩色图像将其灰度化 PS=imread('girl-grey1.jpg'); figure(1);subplot(2,2,1);imshow(PS);title('原图像灰度图'); %二,绘制直方图 [m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255

《数字图像处理》期末大作业(1)

《数字图像处理》期末大作业 大作业题目及要求: 一、题目: 本门课程的考核以作品形式进行。作品必须用Matlab完成。并提交相关文档。 二、作品要求: 1、用Matlab设计实现图形化界面,调用后台函数完成设计,函数可以调用Matlab工具箱中的函数,也可以自己编写函数。设计完成后,点击GUI图形界面上的菜单或者按钮,进行必要的交互式操作后,最终能显示运行结果。 2、要求实现以下功能:每个功能的演示窗口标题必须体现完成该功能的小组成员的学号和姓名。 1)对于打开的图像可以显示其灰度直方图,实现直方图均衡化。 2)实现灰度图像的对比度增强,要求实现线性变换和非线性变换(包括对数变换和指数变换)。

3)实现图像的缩放变换、旋转变换等。 4)图像加噪(用输入参数控制不同噪声),然后使用空域和频域进行滤波处理。 5)采用robert算子,prewitt算子,sobel算子,拉普拉斯算子对图像进行边缘提取。 6)读入两幅图像,一幅为背景图像,一幅为含有目标的图像,应用所学的知识提取出目标。 3、认真完成期末大作业报告的撰写,对各个算法的原理和实验结果务必进行仔细分析讨论。报告采用A4纸打印并装订成册。

附录:报告模板 《数字图像处理》 期末大作业 班级:计算机 小组编号:第9组 组长:王迪 小组成员:吴佳达

浙江万里学院计算机与信息学院 2014年12月

目录(自动生成) 1 绘制灰度直方图,实现直方图均衡化 (5) 1.1 算法原理 (5) 1.2 算法设计 (5) 1.3 实验结果及对比分析 (5) 2 灰度图像的对比度增强 (5) 2.1 算法原理 (5) 2.2 算法设计 (5) 2.3 实验结果及分析 (5) 3 图像的几何变换 (5) 3.1 算法原理 (5) 3.2 算法设计 (5) 3.3 实验结果及分析 (5) 4 图像加噪(用输入参数控制不同噪声),然后使用空域和频域进行滤波处理 (5) 4.1 算法原理 (5) 4.2 算法设计 (6) 4.3 实验结果及分析 (6) 5 采用robert,prewitt,sobel,拉普拉斯算子对图像进行边缘提取 (6) 5.1 算法原理 (6) 5.2 算法设计 (6) 5.3 实验结果及分析 (6) 6 读入两幅图像,一幅为背景图像,一幅为含有目标的图像,应用所学的知识提取出目标 (6) 6.1 算法原理 (6) 6.2 算法设计 (6) 6.3 实验结果及分析 (6) 7 小结(感受和体会) (6)

遥感地质学在实际工作中的应用论文

课程期末考试论文(读书报告) 课程名称:遥感地质学 班级: 学号: 姓名: 任课教师: 学时: 开课时间:

浅谈“遥感地质学”在地质类工作中的应用 摘要:随着我国工农业生产的高速发展,人类对自然资源,特别是对矿产资源的需求量与日俱增。遥感地质是一门理论与技术相结合的课程,其实际操纵性较强,需要我们对理论基础知识不断地应用巩固。遥感数字图像处理属于地质工作中的一种新型的工作手段,充分结合了现时计算机高科技信息技术。在地质工作中主要是通过对一个地区岩性,构造的状况分析后服务与地调填图,矿产普查,工程地质,水文地质及地质灾害治理方面,有着其特殊的高效性,空间性和优势所在。本文结合“遥感地质”课程的学习,浅谈下其在未来地学相关工作中的应用。 关键词:遥感空间信息地质找矿应用 近年来,一方面,由于空间科学、信息科学、计算机科学、物理学等科学技术的进步与发展,为遥感技术奠定了必要的技术基础,另一方面,由于人类生产活动不断地向深度和广度进军,遥感技术得到较为广泛的应用,因而使得遥感技术获得了飞跃的发展,已经成为发达国家和一些发展中国家十分重视的一项科学技术。随着我国工农业生产的高速发展,人类对自然资源,特别是对矿产资源的需求量与日俱增。遥感数字图像处理属于地质工作中的一种新型的工作手段,充分结合了现时计算机高科技信息技术。在地质工作中主要是通过对一个地区岩性,构造的状况分析后服务与地调填图,矿产普查,工程地质,水文地质及地质灾害治理方面,有着其特殊的高效性,空间性和优势所在。正如中科院院士徐冠华等,所谈及遥感技术为地学研究提供了全新的手段,导致了地学研究范围,内容、方法的重要变化,标志着地学信息获取和方法处理的一场革命。中国遥感事业自70年代至今发生了巨大的变化,在国民经济中的应用也日渐普遍。相对国际发达国家,中国遥感事业与其尚存在较大差距,这也正证明了在学科应用教学方面的前景性和挑战性。 《遥感地质学》是我校地球科学与资源学院为地质,资勘和海洋类专业开设的院定专业限选课,共48学时,其中24实验学时。通过半学期的遥感地质课及遥感数字图像处理技术的学习,对遥感技术有了新的认识和定义,同时对地学高新技术的发展有了所了解。本文结合“遥感地质”课程的学习,浅谈下其在未来地学相关工作中的应用。 遥感地质在地学方面的意义和作用主要表现在以下几个方面: (1)区域地质调查方面: 地质调查方面遥感数字图像处理的意义和作用应体现最明显的是在我国青藏高原地区。我国存在最大的空白区是青藏高原空白区,因其独特的海拨,积雪,压力,缺氧,交通等因素给地质工作者在这一地区开展工作造成了极大的困难,尤其在藏北属于“世界屋脊”,生命的禁区,地质工作者很难实地进入实施开展。青藏高原所占面积巨大,是我国地学,生物学,资源与环境科学有特色的研究领域和天然的实验室,我国研究开发价值极大。近年来国土资源部先后开展了多次地质调查,如1:25万区域地质调查。中国地质大学(北京)地球科学与资源学院教师承担的地质调查局“西藏安多1:25万安多多幅区域地质调查项目”中就充分利用的遥感数字图像处理技术的优势性。安多地区平均海拨4700多米,气候已变,极寒,其中部分地区很难进入。 安多北捷布曲冰蚀谷(上为南)(据张绪教等)

数字图像处理课程设计报告

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。

数字图像处理报告

《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_(padded), Mat::zeros(padded.size(), CV_32F)}; Mat complexI; merge(planes,2, complexI); //进行就地离散傅里叶变换 dft(complexI, complexI); //将复数转换为幅值,即=> log(1 + sqrt(Re(DFT(I))^2 + Im(DFT(I))^2)) split(complexI, planes); // 将多通道数组complexI分离成几个单通道数组,planes[0] = Re(DFT(I), //planes[1] = Im(DFT(I))

相关文档
相关文档 最新文档