数字图像处理学习笔记
★图像：图像是对客观存在的物体的一种相似性的、生动的写真或描述。
★数字图像：空间坐标和亮度（或）色彩都不是连续的、用离散数字（一般用整数）表示的图像，可用矩阵或数组描述
★模拟图像：空间坐标和亮度（或）色彩都是连续变化的图像，可用连续函数表示
·图像处理：对图像进行一系列的操作，以达到预期目的的技术
★数字图像处理：利用计算机对数字图像进行系列操作，从而获得某种预期结果的技术。它是研究图像的获取、传输、存储，变换、显示、理解与综合利用的一门崭新学科
★消色物体：指黑、白、灰色物体，它对照明光线具有非选择吸收的特性，即光线照射到消色物体上时，被吸收的各种波长的入射光是等量的
·两种以上有色光同时照在消色物体上时，物体颜色呈加色法效应
★有色物体：对照明光线具有选择吸收的特性，即光线照射到消色物体上时，各种波长的入射光不等量的被吸收
·当有色光照射到有色物体上时，物体的颜色呈减色法效应
★图像对比度：通俗地讲，就是亮暗的对比程度。对比度通常表现了图像画质的清晰程度。
对比度= 最大亮度/ 最小亮度
相对对比度= （最大亮度–最小亮度）/ 最小亮度
·图像噪声：妨碍人的视觉器官或系统传感器对所接收的图像信息进行理解或分析的各种因素。
一般是不可预测的随机信号
·特征空间：把从图像提取的m个特征量y1，y 2，…，y m，用m维的向量Y＝[y1 y2…y m]t表示称为特征向量。另外，对应于各特征量的m维空间叫做特征空间。
★图像数字化：将一幅画面转化成计算机能处理的形式——数字图像的过程。它包括采样和量化两个过程。像素的位置和灰度就是像素的属性。
★采样：将空间上连续的图形变成离散点的操作称作采样，采样间隔和采样孔径的大小是两个很重要的参数
·采样孔径：圆形、正方形、长方形、椭圆
·采样间隔：有缝、无缝、重叠
★量化：将想素灰度转化成离散的整数值的过程叫量化
·灰度级：表示像素明暗程度的整数称为像素的灰度级
·灰度级数G：一幅数字图像中不同灰度级的个数；
·数字图像根据灰度级数的差异可分为：黑白图像（像素值为0或1）、灰度图像（灰度级数大于2）和彩色图像（RGB图像）。
·一幅M*N大小的图像的数据量= M * N * g(bit) 其中G=2g
·灰度直方图：灰度直方图反映的是一幅图像中各灰度级像素出现的频率。横坐标为灰度级，纵
★直方图均衡化：将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。★直方图规定化：使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。·图像平滑：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
·图像锐化：增强图像的边缘和轮廓，便于判读和识别
·中值滤波：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，因此它是一种非线性的图像平滑法。
★伪彩色增强：把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色★假彩色增强：对一幅自然彩色图像或同一景物的多光谱图像，通过映射函数变换成新的三基色分量，彩色合成使感兴趣目标呈现出与原图像中不同的、奇异的彩色。
·同态滤波：一种将图像亮度范围压缩和对比度增强的频率域增强方法
·图像编码与压缩：对图像数据按一定的规则进行变换和组合，达到以尽可能少的代码（符号）来表示尽可能多的图像信息
·无损编码：无损编码删除的仅仅是图像数据中冗余的数据，经解码重建的图像和原始图像比并没有任何失真
·有损编码：指解码重建的图像与原图像相比有失真，不能精确地复原，但视觉效果上基本相同，是实现高压缩比编码的方法
·图像分析：对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述
·图像分析系统的基本构成：预处理--- 图像分割--- 特征提取---对象识别
★图像分割：把图像分成互不重叠的区域并提取感兴趣目标的技术
★边缘：图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合
·边缘的分类：阶跃状、屋顶状
★邻域：对于任意像素（i，j），（p，q）是一对适当的整数，则把像素的集合{（i+p，j+q）}叫做像素（i,j）的邻域.
·邻接：互为4-邻域的两像素叫4-邻接；互为8-邻域的两像素叫8-邻接
·连接成分：在图像中，把互相连接的像素的集合汇集为一组，产生若干个0值的像素和若干个1值的像素的组。把这些组叫做连接成分，也称作连通成分
·孔：在0-像素的连接成分中，如果存在和图像外围的1行或1列的0-像素不相连接的成分，则称之为孔。
·多重连接成分：不包含有孔的1像素连接成分叫做单连接成分。含有孔的l像素连接成分叫做多重连接成分
·欧拉数= 连接成分数–孔数
★腐蚀：一种消除连通域的边界点，使边界向内收缩的处理。
★膨胀：将与目标区域的背景点合并到该目标物中，使目标物边界向外部扩张的处理。
·开运算：原图先进行腐蚀处理，后再进行膨胀的处理。
·作用：开运算可以在分离粘连目标物的同时，基本保持原目标物的大小。
·闭运算：对原图先进行膨胀处理，后再进行腐蚀的处理。
·作用：闭运算可以在合并断裂目标物的同时，基本保持原目标物的大小。
★图形线化：图形线性化是找到图像中轴线的过程
1、多源遥感影像融合
2、串行处理
3、并行处理
1、什么是窗口处理、模板处理，如何实现（27）
2、理想低通滤波器中的D(u,v)的意义是什么？如何确定D0的值（84）
3、简述同态滤波的原理和步骤（88）
4、简述主分量变换融合法的主要步骤（图11.1.3）
5、用什么方法可以去除遥感影像中的云影山阴的影响，说明原因
6、一个数字化成像设备的感光元器件发生老化，用什么办法对其获取的图像进行校正，简述步
骤
7、简述用HIS变换进行图像融合的主要步骤（P 93）：
（1）首先将空间分辨率低的3波段多光谱影响变换到HIS空间，得到色别H、明度I、饱和度S 三分量
（2）然后高空间分辨率影像进行直方图匹配（直方图规定划）或对比度拉伸，使之与I分量有相同的均值和方差
（3）最后用拉伸后的高空间分辨率影像代替I分量，同H、S进行HIS逆变换得到空间分辨率提高的融合影像
论述
1、梯度倒数滤波法和临近点滤波法哪个处理椒盐噪声的效果好？为什么？如何进行改进？
2、论述直方图规定化在图像融合中的作用，并写出直方图规定划的主要步骤（68），图像融合的
主要步骤（93）
第一章：数字图像处理基础概念
★1、数字图像处理的内容：
（1）图像获取、表示和表现（图像的数字化和图像变换）
（2）图像增强
（3）图像复原
（4）图像重建
（5）图像压缩编码
（6）图像分割
（7）图像分析
（8）模式识别
（9）图像理解
★2、数字图像处理的层次关系（P 3）：
狭义图像处理-------图像分析-----------图像理解。
抽象程度低-------------------------------- 高
数据量大-------------------------------- 小
语义低层-------------------------------- 高层
★3、数字图像处理的特点：
（1）处理精度高，再现性好
（2）处理通用性强、灵活性高、多样性广
（3）图像数据量庞大
（4）处理费时
（5）图像处理技术综合性强
★4、数字图像处理的目的：
（1）提高图像的视感质量，以达到赏心悦目的目的。
（2）提取图像中所包含的某些特征或特殊信息，以便于计算机分析
（3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。
5、数字图像处理的发展方向
（1）在进一步提高精度的同时着重解决处理速度问题。
（2）移植和借鉴其他学科的技术和研究成果，创造新的处理方法。
（3）加强边缘学科的研究工作
（4）加强理论研究
（5）图像处理领域的标准化
6、论述数字图像处理技术在生产生活中的应用
（1）在生物医学中的应用：利用电磁波谱成像分析系统诊断病情：如显微镜图像分析，DNA成像分析，CT及核磁共振、超声波、X射线成像分析等
（2）遥感航天中的应用：检测土地变化；农林资源的调查；自然灾害监测、预报；地势、地貌测绘；地质构造解译、找矿；环境污染检测等等
（3）工业应用：无损探伤，石油勘探，生产过程自动化，工业机器人研制等
（4）军事公安领域运用：卫星侦察照片的测绘、判读，雷达图像处理，导弹制导，军事仿真等（5）其他应用：图像远距离通信、电视会议、天气预报、现场视频管理等
第二章：图像数字化与灰度直方图
★1、直方图的性质（P 23）：
（1）灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置
（2）一幅图像对应唯一的灰度直方图，反之不成立。不同的图像可对应相同的直方图。
（3）一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。
★2、直方图的应用（P 24）：
（1）用于判断图像量化是否恰当
（2）用于确定图像二值化的阈值
（3）当影像上目标的灰度值比其它部分灰度值大或者灰度区间已知时，可利用直方图统计图像中物体的面积
（4）计算图像信息量H（熵）
3、决定图像质量的因素：
（1）平均亮度
（2）对比度
（3）清晰度：由图像边缘灰度变化的速度来描述
（4）分解力或分辨率
（5）采样间隔
（6）量化等级
★4、采样和量化与数字图像之间的关系（P 19）：
采样间隔：
采样间隔大——所得像素数少——空间分辨率低——数据量小——国际棋盘效应
采样间隔小——所得像素数多——空间分辨率高——数据量大——质量好
量化等级：
量化等级多——图像层次丰富——灰度分辨率高——数据量大——图像质量好
量化等级少——图像层次欠丰富——灰度分辨率低——数据量小——假轮廓现象
5、数字图像处理算法形式（P 26 27）：
（1）局部处理：对输入图像IP（i,j）处理时，某一输出像素JP（i,j）值）由输入图像像素及其邻域中的像素值确定。这种处理称为局部处理。
例：空间域平滑和锐化
（2）点处理：在局部处理中，当输出值JP(i,j)仅与IP(i,j)有关，则称为点处理
例：增强对比度、图像二值化
（3）大局处理：在局部处理中，输出像素JP(i,j)的值取决于输入图像大范围或全部像素的值，这种处理称为大局处理
例：图像傅里叶变换
（4）迭代处理：反复对图像进行某种运算直至满足给定的条件，从而得到输出图像的处理形式称为迭代处理
例：图像的细化处理过程
（5）跟踪处理：选择满足适当条件的像素作为起始像素，检查输入图像和已得到的输出结果，求出下一步应该处理的像素，进行规定的处理，然后决定是继续处理下面的像素，
6、图像的数据结构（P 29）：
（1）组合方式：一个字长存放多个像素灰度值的方式
（2）比特面方式：将所有像素的相同比特位用一个二维数组表示，形成比特面
（3）分层结构：由原始图像开始依次构成像素数愈来愈少的一幅幅图像，如锥形结构（4）树结构
（5）★多重图像数据存储：有下列三种存储方式：
①逐波段存储，分波段处理时采用；
②逐行存储，行扫描记录设备采用；
③逐像素存储，用于分类。
7、常见的图像文件格式（P 31）：
按扩展名分为：RAW格式、BMP格式、TGA格式、PCX格式、GIF格式、TIFF格式等。
8、图像的特征（P 37）：
（1）自然特征：①光谱特征②几何特征③时相特征
（2）人工特征：①直方图特征②灰度边缘特征③线、角点、纹理特征
（3）按提取特征范围大小分类：①点特征②局部特征③区域特征④整体特征
★9、图像的噪声来源及其类型（P 39）：
外部噪声：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
内部噪声：系统内部产生的噪声，来源有：
（1）由光和电的基本性质引起的
（2）由机械运动产生的噪声
（3）元器件噪声
（4）系统内部电路噪声
从统计理论观点分类：
平稳噪声：统计特征不随时间变化的特征
非平稳特征：统计特征随时间变化的特征
从噪声幅度分布形态分类：高斯型、瑞利形
按过程分类：量化噪声、椒盐噪声
★10、几种颜色模型：
1、RGB颜色模型：
特点：色彩空间采用物理三基色表示，适合彩色显象管工作
2、HIS（HSB）颜色模型：
（1）色调Hue：光线所呈现的颜色，如红、绿、黄…
（2）饱和度Saturation：指色彩的浓淡程度
（3）亮度Brightness：指由于彩色刺激而使人眼感觉到的明暗程度
特点：（1）它比RGB色彩空间更符合人的视觉特性。
（2）在HSB色彩空间可以大大简化图像分析和处理的工作量
3、CMYK颜色模型：由青色（Cyan）、品红（Magenta）、黄色（Yellow）和黑色组成
特点：用于彩色打印机、印刷彩色图片
1、图像变换的目的（P 41）：
（1）使图像处理问题简化；
（2）有利于图像特征提取；
（3）有助于从概念上增强对图像信息的理解。
2、图像变换的要求：
图像变换通常是一种二维正交变换。一般要求：
（1）正交变换必须是可逆的；
（2）正变换和反变换的算法不能太复杂；
（3）正交变换的特点是在变换域中图像能量将集中分布在低频率成分上，边缘、线状信息反映在高频率成分上，有利于图像处理。
3、图像变换的应用：
（1）图像增强
（2）图像恢复
（3）特征提取
（4）图像压缩编码
（5）形状分析
4、傅里叶变换的物理意义：
将原来难以处理的时域信号转换成了易于分析的频域信号（信号的频谱），即将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。
换句话说，傅里叶变换将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数
这样通过观察傅立叶变换后的频谱图，也叫功率图，了解图像特征。
图像能量集中低频区域；变化信息（噪声）在高频区域。
★1、图像增强的目的（P 62）：
（1）改善图像视觉效果，提高图像清晰度（消除噪声）
（2）将图像转化为一种更适合与人或机器进行分析处理的形式（突出边缘）
★2、图像增强的方法（P 62）：
从增强的作用域出发，可分为空间域增强和频率域增强两种。
空间域增强：直接对图像各像素进行处理；
频率域增强：对图像经傅立叶变换后的频谱成分进行处理，然后逆傅立叶变换获得所需的图像
3、直方图均衡化的步骤：
（1）统计各灰度级的像元个数
（2）计算累计直方图
（3）【（L-1）/N】乘以累计直方图，结果取整
（4）计算新图像灰度值
4、直方图规定化的步骤：
（1）求原始图像和参考图像的归一化累计直方图；
（2）计算参考图像归一化累计直方图的相邻灰阶平均值；
（3）用平均值对原始图像归一化累计直方图进行分段，得到结果图像灰度值
（4）根据新灰度值计算输出图像
★5、中值滤波的特征（P 77）：
（1）对脉冲干扰及椒盐噪声的抑制效果好
（2）在抑制随机噪声的同时能有效保护边缘少受模糊
（3）对点、线等细节较多的图像却不太合适
（4）一维中值滤波对离散阶跃信号、斜升信号没有受到影响。离散三角信号的顶部则变平了。对于离散的脉冲信号，当其连续出现的次数小于窗口尺寸的一半时，将被抑制掉，
否则将不受影响。
★6、伪彩色增强和假彩色增强：
伪彩色增强：把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色伪彩色增强的方法：主要有密度分割法、灰度级一彩色变换和频率域伪彩色增强三种。
大致可以分为以下三类：（1）基于灰度变换的伪彩色方法
（2）基于灰度调色板的伪彩色方法
（3）基于区域分割的伪彩色方法
假彩色增强：对一幅自然彩色图像或同一景物的多光谱图像，通过映射函数变换成新的三基色分量，彩色合成使感兴趣目标呈现出与原图像中不同的、奇异的彩色。
假彩色增强目的：
（1）使感兴趣的目标呈现奇异的彩色或置于奇特的彩色环境中，从而更引人注目；
（2）一是使景物呈现出与人眼色觉相匹配的颜色，以提高对目标的分辨力。
第五章：图像的几何变换
★1、图像的几何变换：
图像的几何变换包括了图像的形状变换和图像的位置变换。图像的几何变换不改变像素的值，只改变像素的位置。
图像的形状变换：图像的放大、缩小与错切。通常在目标物识别中使用。
图像的位置变换：图像的平移、镜像与旋转。主要是用于目标识别中的目标配准。 图像的仿射变换：采用通用的数学影射变换公式，来表示以上给出的几何变换 （不同几何变换对应着不同的变换矩阵）
2、图像旋转时的问题：
（1）需要前期处理：扩大画布，取整处理，平移处理 。
（2）旋转变换公式：??
?+=-=θ
θθθcos sin 'sin cos 'y x y y x x （3）利用行插值（列插值）方法，填补旋转后图片出现的像素空洞 3、图像的几何校正（P 106）：
意义：图像在获取过程中，由于成像系统本身具有非线性、拍摄角度等因素的影响，会使获
得的图像产生几何失真。（有规律的、能预测的失真称系统失真；随机的失真称非系统失真）
步骤：
（1）先建立几何校正的数学模型；
（2）利用已知条件确定模型参数；
（3）根据模型对图像进行几何校正，几何校正通常分两步：① 图像空间坐标变换；
② 确定各像素的灰度值（灰度内插）
4、图像空间坐标变换（P 106）：
以一幅图像为基准，利用同名点之间的函数映射关系，去校正另一幅几何失真图像（参考点校正法） 有直接法和间接法，由于间接法内插灰度容易，所以一般采用间接法进行几何纠正
★5、像素灰度内插方法（P 108）：
（1）最近邻元法：在待求点的四邻像素中，将距离这点最近的相邻像素灰度赋给该待求点 特点：① 方法最简单，效果尚佳
② 校正后的图像有明显锯齿状，即存在灰度不连续性
（2）★双线性内插法：利用待求点四个邻像素的灰度在两个方向上作线性内插。 特点：① 比最近邻元法复杂，计算量大
② 没有灰度不连续性的缺点，结果令人满意
③ 具有低通滤波性质，使高频分量受损，图像轮廓有一定模糊
（3）三次内插法：利用三次多项式S （x ）来逼近理论上的最佳插值函数sin （x ）/ x 特点：该算法计算量最大，但内插效果最好，精度最高。
第六章图像编码与压缩
★1、图像压缩的目的和意义
数据压缩的研究内容：数据的表示、传输、变换和编码方法
数据压缩的目的：减少存储数据所需的空间和传输所用的时间
数据压缩的意义：在现代通信中，图像传输已成为重要内容之一。采用编码压缩技术，减少传输数据量，是提高通信速度的重要手段。
数据压缩的思想：从信息论观点看，描述图像信源的数据由有用数据和冗余数据两部分组成。
如果能减少或消除其中的1种或多种冗余，就能取得数据压缩的效果
★2、图像编码压缩的分类
根据解压重建后的图像和原始图像之间是否具有误差
（1）无误差（亦称无失真、无损、信息保持）编码：霍夫曼编码、行程编码、算术编码（2）有误差（有失真、有损）编码：预测编码、变换编码、其他编码
根据编码作用域划分
（1）空间域编码
（2）变换域编码
★3、图像冗余度和编码效率（图像压缩评价方法）（P 117）
三种数据冗余：编码冗余；像素冗余；视觉心理冗余
冗余度原理：若对原始图像数据的信息进行无失真图像编码，压缩后平均码长存在一个下限，这个下限是图像信息熵H。理论上最佳信息保持编码的平均码长B可以无限接
近图像信息熵H。但总是大于或等于图像的熵H。
★冗余度= 平均码长/ 熵- 1
★编码效率= 熵/ 平均码长
★4、霍夫曼（Huffman）编码的特点和步骤（P 118）：
思想：在信源数据中出现概率越大的符号（灰度值），编码以后相应的码长越短
步骤：
（1）把输入符号按出现的概率从大到小排列起来,接着把概率最小的两个符号的概率求和；
（2）把它（概率之和）同其余符号概率由大到小排序,然后把两个最小概率求和；
（3）重复（2）,直到最后只剩下两个概率为止
（4）在上述工作完毕之后，从最后两个概率开始逐步向前进行编码。对于概率大的消息赋予0，小的赋予1。
特点：
（1）编码是唯一可译码。短的码不会成为更长码的启始部分；
（2）编码的平均码长接近于熵；编码效率略高于费诺仙侬Fano-Shannon编码。
5、算术编码的特点：
（1）码字本身定义一个介于0和1之间的实数区间，该区间中的任何一个实数就代表要编码的消息序列。
（2）信源符号与码字之间不存在一一对应的关系。一个码字不是赋给某个信源符号，而是赋给整个消息序列。
（3）当消息中的符号数目增加时，用于描述消息的间隔变得更小，而表示间隔所需要的信息单
第七章图像分割
1、图像分析的步骤：
（1）把图像分割成不同的区域或把不同的对象分开
（2）找出分开的各区域的特征
（3）识别图像中要找的对象或对图像进行分类
（4）对不同区域进行描述或寻找出不同区域的相互联系，进而找出相似结构或将相关区域连成一个有意义的结构
2、图像分割的基本策略
（1）分割算法基于灰度值的两个基本特性：不连续性和相似性
（2）检测图像像素灰度级的不连续性，找到点、线（宽度为1）、边（不定宽度）。先找边，后确定区域。
（3）检测图像像素的灰度值的相似性，通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边
★3、图像分割的方法
（1）基于边缘的分割方法：先提取区域边界，再确定边界限定的区域。
（2）区域分割：确定每个像素的归属区域，从而形成一个区域图。
（3）区域生长：将属性接近的连通像素聚集成区域
（4）分裂－合并分割：综合利用前两种方法，既存在图像的划分，又有图像的合并。
4、边缘检测算子：
基本思想：计算局部微分算子
一阶微分：用梯度算子来计算
特点：（1）对于阶跃状变化，会出现极大值（两侧都是正值，中间的最大）
（2）对于屋顶状变化，会过零点（两侧符号相反）不变部分为零。
用途：用于检测图像中边的存在
二阶微分：通过拉普拉斯来计算
特点：（1）对于阶跃状变化，会过零点（两侧符号相反）
（2）对于屋顶状变化，会出现负极大值（两侧都是正值，中间的最大）不变部分为零。
用途：用于检测图像中边的存在
★5、几种常用的边缘检测算子：
梯度算子：仅计算相邻像素的灰度差，对噪声比较敏感，无法抑止噪声的影响。
Roberts算子：与梯度算子类似，效果略好于梯度算子
Prewitt算子：在检测边缘的同时，能抑制噪声的影响
Sobel算子：（1）对4邻域采用带权方法计算差分
（2）能进一步抑止噪声，但检测的边缘较宽
Kirsch算子（方向算子）：
在计算边缘强度的同时可以得到边缘的方向，各方向间的夹角为45o
★Laplacian算子：
优点：（1）各向同性、线性和位移不变；
（2）对细线和孤立点检测效果较好。
缺点：（1）对噪音的敏感，对噪声有双倍加强作用；
（2）不能检测出边的方向；
（3）常产生双像素的边缘。
注意：由于梯度算子和Laplace算子都对噪声敏感，因此一般在用它们检测边缘前要先对图像进行平滑。
Marr算子：马尔算子是以拉普拉斯算子为基础，首先用一个二维高斯函数对图像卷积以减低图像噪声的影响（平滑）；再用二阶导数差分算子（拉普拉斯算子）计算优点：是快速，能得到一个闭合的轮廓。
缺点：由于使用二阶导数，对噪声敏感。
曲面拟合法：求平均后再求差分，因而对噪声有抑制作用
5、单方向锐化处理：
定义：单方向的一阶锐化是指对某个特定方向上的边缘信息进行增强。因为图像为水平、垂直两个方向组成，所以，单方向锐化实际上是包括水平方向与垂直方向上的锐化。
特点：处理结果对于人工设计制造的具有矩形特征物体（例如：楼房、汉字等）的边缘的提取很有效。但是，对于不规则形状（如：人物）的边缘提取，则存在信息的缺损。
后处理：这种锐化算法需要进行后处理，以解决像素值为负的问题
方法1：整体加一个正整数，以保证所有的像素值均为正。
这样做的结果是：可以获得类似浮雕的效果。
方法2：将所有的像素值取绝对值。
这样做的结果是，可以获得对边缘的有方向提取。
方法3：为了检测边缘点，选取适当的阈值T，对梯度图像进行二值化
这样形成了一幅边缘二值图像g(x,y)
6、交叉方向锐化处理：
特点：这类锐化方法对边缘的方向没有选择，又称为无方向的锐化算法。
交叉Priwitt锐化算法：与Sobel相比，有一定的抗干扰性。图像效果比较干净
交叉Soble算法：锐化的边缘信息较强
7、Canny边缘检测算子：
定义：Canny边缘检测——最优的阶梯型边缘检测算法
原理：图像边缘检测必须满足两个条件：一能有效地抑制噪声；二必须尽量精确确定边缘的位置。根据对信噪比与定位乘积进行测度，得到最优化逼近算子。这就是Canny边缘
检测算子。
★最优边缘检测算子应有的指标：
（1）低误判率
（2）高定位精度
8、边缘跟踪：
出发点：由于噪音的原因，边界的特征很少能够被完整地描述，在亮度不一致的地方会中断。
因此典型的边检测算法后面总要跟随着连接过程和其它边界检测过程，用来归整边
像素，成为有意义的边
概念：将检测的边缘点连接成线就是边缘跟踪（线是图像的一种中层符号描述）
由边缘形成线特征的两个过程：
（1）可构成线特征的边缘提取
（2）将边缘连接成线
连接边缘的方法：
（1）光栅跟踪：一种采用电视光栅行扫描顺序，结合门限检测，对遇到的像素进行分析，从而确定是否为边缘的跟踪方法
（2）全向跟踪：跟踪方向可以是任意方向，并且有足够大的跟踪距离的跟踪方法特点：全向跟踪改进了光栅扫描跟踪法，跟踪时把初始点的八邻点全部考虑进行跟踪
9、阈值分割法：
基本思想：确定一个合适的阈值T，将大于等于阈值的像素作为物体或背景，生成一个二值图像，在四邻域中有背景的像素，既是边界像素。
特点：（1）适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一（2）这种方法总可以得到封闭且连通区域的边界。
通过交互方式得到阈值：
实施方法：（1）通过光标获得样点值f（x0,y0）
（2）选取容忍度R
（3）if （|f（x,y）–f（x0,y0）| R）set 255 else set 0 通过直方图得到阈值：
基本思想：边界上的点的灰度值出现次数较少
取值的方法：取直方图谷底，为最小值的灰度值为阈值T
缺点：会受到噪音的干扰，最小值不是预期的阈值，而偏离期望的值；
改进：取两个峰值之间某个固定位置，如中间位置上。由于峰值代表的是区域内外的典型值，一般情况下，比选谷底更可靠，可排除噪音的干扰
10、复杂图像区域分割的主要步骤：
（1）自动直方图平滑
（2）确定区域分类数
（3）自动搜索阈值
11、特征空间聚类的步骤：
（1）任意选K个初始聚类中心值
（2）使用最小距离判别，将新读入的像素分到k类中的某一类
（3）重新计算中心值，中心值等于这类中元素的平均值
（4）当新旧差异不大时停止
12、质心区域增长法
（1）选择一个为划分类型的像素作为起点
（2）起点周围未被划分的点与起点所在区域的灰度平均值差异小于阈值合并为一区域，并标记（3）从新合并来的像素开始，反复进行第（2）步
（4）反复进行（2）（3），直到不能合并
第八章二值图像处理与形状分析
★1、如何判断像素是否可删除：
二值图像上改变一个像素的值后，整个图像的连接性不改变，则这个像素可删除
★2、腐蚀算法的思想和步骤：
思想：设计一个结构元素，结构元素的原点定位在待处理的目标像素上，通过判断是否覆盖，来确定是否该点被腐蚀掉。
步骤：（1）扫描原图，找到第一个像素值为1的目标点；
（2）将预先设定好形状以及原点位置的结构元素的原点移到该点；
（3）判断该结构元素所覆盖的像素值是否全部为1：
如果是，则腐蚀后图像中的相同位置上的像素值为1；
如果不是，则腐蚀后图像中的相同位置上的像素值为0；
（4）重复（2）和（3），直到所有原图中像素处理完成。
作用：腐蚀处理可以将粘连在一起的不同目标物分离，并可以将小的颗粒噪声去除。
★3、膨胀算法的思想和步骤：
思想：设计一个结构元素，结构元素的原点定位在背景像素上，判断是否覆盖有目标点，来确定是否该点被膨胀为目标点。
步骤：（1）扫描原图，找到第一个像素值为0的背景点；
（2）将预先设定好形状以及原点位置的结构元素的原点移到该点；
（3）判断该结构元素所覆盖的像素值是否存在为1的目标点：
如果是，则膨胀后图像中的相同位置上的像素值为1；
如果不是，则膨胀后图像中的相同位置上的像素值为0；
（4）重复（2）和（3），直到所有原图中像素处理完成。
作用：膨胀处理可以将断裂开的目标物进行合并，便于对其整体的提取。
4、图形线性化：
思想：图像压缩或是图像分析的过程中需要用图形部分像素来代表整个图形，因此提出图形线化的思想
方法：图像线化通常使用骨架法和图形细化两种方法
骨架法：（1）骨架是从距离变换图得来，是距离变换图中灰度值最大的像元集合，（2）即使是无空洞的连通图像它的骨架不一定连通。
（3）骨架可看作是图像压缩表示之一，对骨架图经过加粗运算（加粗量=骨架像元灰度值-1）可近似恢复成原图像。
细化：（1）细化是从二值图像中提取线宽为1像素的中心线的操作。
（2）细化与骨架化不同，只要原图像连通（不管有无空洞），细化的结果总是连通的。
5、边界跟踪法：
理论基础：先根据某些严格的“探测准则”找出目标物体轮廓上的像素，再根据这些像素的某些特征用一定的“跟踪准则”找出目标物体上的其他像素。
跟踪准则：边缘跟踪从图像左上角开始逐像点扫描，当遇到边缘点时则开始顺序跟踪，直至跟踪的后续点回到起始点（对于闭合线）或其后续点再没有新的后续点（对于非
闭合线）为止
实现步骤（1）获得原图像的首地址，及图像的高和宽。
（2）开辟一块内存缓冲区，初始化为255。
（3）将图像进行二值化处理。
（4）跟踪边界点，找到1个边界点，就将内存缓冲区中该点相应位置置0。
（5）按照跟踪准则，重复执行（4），直到回到初始点。
数字图像处理课程心得
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（特别是离散数学理论的创立和完善）;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
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) 数字图像处理的概念 二、数字图像处理的概念 1.什么是图像 “图”是物体投射或反射光的分布，“像”是人的视觉系统对图的接受在大脑中形成的印象或反映。 是客观和主观的结合。 2数字图像是指由被称作象素的小块区域组成的二维矩阵。将 物理图象行列划分后，每个小块区域称为像素（pixel）。 –每个像素包括两个属性：位置和灰度。 对于单色即灰度图像而言，每个象素的亮度用一个数值来表示，通常数值范围在0到255之间，即可用一个字节来表示， 0表示黑、255表示白，而其它表示灰度级别。 物理图象及对应 的数字图象 3彩色图象可以用红、绿、蓝三元组的二维矩阵来表示。 –通常，三元组的每个数值也是在0到255之间，0表示相应的基色在该象素中没有，而255则代表相应的基色在该象素中取得最大值，这种情况下每个象素可用三个字节来表示。 4什么是数字图像处理 数字图像处理就是利用计算机系统对数字图像进行各种目的的处理 5对连续图像f（x，y）进行数字化:空间上，图像抽样;幅度上，灰度级量化 x方向，抽样M行 y方向，每行抽样N点 整个图像共抽样M×N个像素点 一般取M=N=2n=64，128，256，512，1024，2048 6数字图像常用矩阵来表示： f(i,j)=0~255，灰度级为256，设灰度量化为8bit 7 数字图像处理的三个层次 8 图像处理： 对图像进行各种加工，以改善图像的视觉效果；强调图像之间进行的变换；图像处理是一个从图像到图像的过程。 9图像分析：对图像中感兴趣的目标进行提取和分割，获得目标的客观信息 以观察者为中心研究客观世界； 图像分析是一个从图像到数据的过程。 10图像理解：研究图像中各目标的性质和它们之间的相互联系；得出对图像内 以客观世界为中心，借助知识、经验来推理、认识客观世界，属于高层操作 （符号运算） N N N N f N f N f N f f f N f f f y x f ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? - - - - - - = )1 ,1 ( )1,1 ( )0,1 ( )1 ,1( )1,1( )0,1( )1 ,0( )1,0( )0,0( ) ,( 符号 目标 像素 高层 中层 低层 高 低 抽 象 程 度 数 据 量 操 作 对 象 小 大语 义 《数字图像处理》心得体会 图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展,其应用空间将会更加广泛。数字图像处理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。数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果，操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。 由于数字图像处理的方便性和灵活性，因此数字图像处理技术已经成为了图像处理领域中的主流。数字图像处理技术主要涉及到的关键技术有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。? 图像的采集与数字化：就是通过量化和取样将一个自然图像转换为计算机能够处理的数字形式。? 图像编码：图像编码的目的主要是来压缩图像的信息量，以便能够满足存储和传输的要求。? 图像的增强：图像的增强其主要目的是使图像变得清晰或者将其变换为机器能够很容易分析的形式，图像增强方法一般有：直方图处理、灰度等级、伪彩色处理、边缘锐化、干扰抵制。? 图像的恢复：图像恢复的目的是减少或除去在获得图像的过程中因为各种原因而产生的退化，可能是由于光学系统的离焦或像差、被摄物与摄像系统两者之间的相对运动、光学或电子系统的噪声与介于被摄像物跟摄像系统之间的大气湍流等等。? 图像的分割：图像分割是将图像划分为一些互相不重叠的区域，其中每一个区域都是像素的一个连续集，通常采用区域法或者寻求区域边界的境界法。? 图像分析：图像分析是指从图像中抽取某些有用的信息、数据或度量,其目的主要是想得到某种数值结果。图像分析的内容跟人工智能、模式识别的研究领域有一定的交叉。? 数字图像处理的特点主要表现在以下几个方面：? 1）?数字图像处理的信息大多是二维信息，处理信息量很大。因此对计算机的计算速度、存储容量等要求较高。? 2）?数字图像处理占用的频带较宽。与语言信息相比,占用的频带要大几个数量级。所以在成像、传输、存储、处理、显示等各个环节的实现上技术难度较大，成本亦高。这就对频带压缩技术提出了更高的要求。? 3）?数字图像中各个像素不是独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。所以，图像处理中信息压缩的潜力很大。?图像受人的因素影响较大，因为图像一般是给人观察和评价的。? 数字图像处理的优点主要表现在4个方面。? 1）?再现性好。数字图像处理与模拟图像处理的根本不同在于它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，那么数字图像处理过程始终能保持图像的再现。? 2）?处理精度高。将一幅模拟图像数字化为任意大小的二维数组，主要取决于 院系：计算机科学学院 专业：计算机科学与技术 年级： 09级 课程名称：数字图像处理 组号： 25组 指导教师：孙阳光 学号： 姓名： 2012 年 6 月 13 日 年 级 班号学号 专 业 姓名实 验名称MATLAB图像处理编程基础 实验 类型 设计型综合型创新型 √ 实验目的或要求加深对数字图像处理理论课程的理解，进一步熟悉数字图像处理课程的相关算法和原理选择一副图像，叠加椒盐噪声，分别用邻域平均法和中值滤波法对该图像进行滤波，显示滤波后的图像，比较和分析各滤波器的效果。 选择一副图像，叠加零均值高斯噪声，设计一种处理方法，既能去噪声，又能保持边缘清晰。 实验原理（算法流程图或者含注释的源代码）二、算法原理 平滑滤波器用滤波模板确定的领域内象素的平均灰度值去代替图像中的每一个像素点的值，这种处理减少了图像灰度的“尖锐”变化,常称为邻域平均法。邻域平均法有力地抑制了噪声，同时也引起了模糊，模糊程度与邻域半径成正比。 中值滤波法是一种非线性平滑技术，它将每一象素点的灰度值设置为该点某邻域窗口内的所有象素点灰度值的中值.中值滤波法对消除椒盐噪音非常有效。 图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰。 三、Matlab代码 1: I = imread('eight.tif'); J = imnoise(I,'salt & pepper',0.02); subplot(231); imshow(I);title('原图象'); subplot(232); imshow(J);title('添加椒盐噪声图象'); k1 = filter2(fspecial('average', 3), J); k2 = filter2(fspecial('average', 5), J); k3 = filter2(fspecial('average', 7), J); k4 = filter2(fspecial('average', 9), J); subplot(233); imshow(uint8(k1));title('3×3模板平滑滤波'); subplot(234); imshow(uint8(k2));title('5×5模板平滑滤波'); subplot(235); imshow(uint8(k3));title('7×7模板平滑滤波'); subplot(236); imshow(uint8(k4));title('9×9模板平滑滤波'); I = imread('eight.tif'); J = imnoise(I,'salt & pepper',0.02); subplot(231); imshow(I);title('原图象'); subplot(232); imshow(J);title('添加椒盐噪声图象'); k1 = medfilt2(J); k2 = medfilt2(J,[5,5]); k3 = medfilt2(J,[7,7]); k4 = medfilt2(J,[9,9]); subplot(233); imshow(k1);title('3×3模板中值滤波'); subplot(234); imshow(k2);title('5×5模板中值滤波'); subplot(235); imshow(k3);title('7×7模板中值滤波'); subplot(236); imshow(k4);title('9×9模板中值滤波'); 《数字图像处理》课程学习心得 导读：本文《数字图像处理》课程学习心得，仅供参考，如果能帮助到您，欢迎点评和分享。 《数字图像处理》课程学习心得（一） 在这一学期，我选修了《数字图像处理基础》这门课程，同时，老师还讲授了一些视频处理的知识。在这里，梳理一下这学期学到的知识，并提出一些我对这门课程的建议。 图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展，其应用空间将会更加广泛。数字图像处理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。数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果，操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。目前，随着计算机技术的不断发展，计算机的运算速度得到了很大程度的提高。在短短的历史中，它 却广泛应用于几乎所有与成像有关的领域，在理论上和实际应用上都取得了巨大的成就。 1、数字图像处理需用到的关键技术 由于数字图像处理的方便性和灵活性，因此数字图像处理技术已经成为了图像处理领域中的主流。数字图像处理技术主要涉及到的关键技术有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。 图像的采集与数字化：就是通过量化和取样将一个自然图像转换为计算机能够处理的数字形式。 图像编码：图像编码的目的主要是来压缩图像的信息量，以便能够满足存储和传输的要求。 图像的增强：图像的增强其主要目的是使图像变得清晰或者将其变换为机器能够很容易分析的形式，图像增强方法一般有：直方图处理、灰度等级、伪彩色处理、边缘锐化、干扰抵制。 图像的恢复：图像恢复的目的是减少或除去在获得图像的过程中因为各种原因而产生的退化，可能是由于光学系统的离焦或像差、被摄物与摄像系统两者之间的相对运动、光学或电子系统的噪声与介于被摄像物跟摄像系统之间的大气湍流等等。 图像的分割：图像分割是将图像划分为一些互相不重叠的区域，其中每一个区域都是像素的一个连续集，通常采用区域法或者寻求区域边界的境界法。 图像分析：图像分析是指从图像中抽取某些有用的信息、数据或 上数字图像处理技术的心得我一直对PS挺感兴趣的，虽然我去图书馆借了许多书，可是有很多地方解释不清楚也没有素材，我都快崩溃了。单我发现这门课立即就报了它。我的最初目的不是要去学数字图像处理技术，而是冲着学photoshop去的。 刚开始上第一节课时，老师您并没有讲PS，而是讲一些关于数字图像处理技术的原理知识。我本以为我可能不会喜欢这种类型的课。但是出于一个理科生的本能反应，我挺喜欢这些内容。我发觉我的几个选修都正好符合我的兴趣爱好。我第一次接触数字图像处理技术，才知道图像的原理竟然一些数字矩阵。不愧叫数字图像处理技术。 但老师开始讲PS的时候，我自然是更加高兴了。因为这是我主要的学习目的。图像处理技术只是碰巧撞上。说实话，我对PS上的一些工具及使用方法还不是很了解。老师能从基本知识讲起正和我心意。虽然有很多我以前都会了。 我现在来讲讲我从在这门选修课中学到最主要的两项知识。 其一就是老师最希望我们了解的数字图像处理技术。我们现在都知道一张像数码相机照出来的照片（数字图像）是由一大堆数字矩阵组成。黑白与彩色图像的矩阵又有一些不同。老师用北京邮电大学的那个软件给我们演示一下PS里面的图像处理原理是怎样形成的。比如模糊，锐化等等。还有很多的图像处理通过PS来说明解释。后面主要就是介绍压缩技术。当然也涉及到一些视频音频的压缩。图像 压缩老师您也介绍了很多不同的方法。可我想不起来了，但是起码我们知道了它的压缩原理。知道原图像与压缩后所占存储量的巨大差异。我在这里也和老师一样用画图做一个。有一点失真，这就是有损压缩。 另外那个无损压缩从视觉上是抗不出来的，就不用做了。 其二，就是在photosop的操作上。老师您举了许许多多的操作例子来提高我们对数字图像处理技术的兴趣，尤其是在图层和滤镜的学习，我都学到很多在书上看不懂的方法技能。下面我也简简单单做一张，就当做是作业来完成吧！ 如下三张图：通过第一张图中草地，山与第二张的天空合成第三张图。 数字图像处理课程综合实习 实习报告 学院 班级 学号 姓名 日期 指导教师 一、实习目的和意义 本实习内容旨在让同学们通过用VC等高级语言编写数字图像处理的一些基本算法程序，来巩固和掌握图像处理技术的基本技能，提高实际动手能力，并通过实际编程了解图像处理软件的实现的基本原理。为学生进一步学习数字摄影测量、遥感和地理信息系统等专业课程以及应用图像处理解决实际问题奠定基础。 二、实习原理和方法 实习一实现RAW->BMP格式的转换 RAW格式：文件按照数字图像组成的二维矩阵，将像素按行列号顺序存储在文件中。这种文件只含有图像像素数据，不含有信息头，因此，在读图像时，需要根据文件大小，计算图像所包含的行列号，或者需要事先知道图像大小（矩阵大小）。但这种文件读取和保存简单。 RAW文件按图像上行到下行、左列到右列顺序存储，而BMP文件数据区按图像上下行到上行、左列列到右列顺序存储到数据区。 实现RAW文件到BMP文件的转换，需要为BMP文件生成文件头、信息头、颜色表、数据区，将RAW文件数据区赋值到BMP文件数据区。 实习二灰度线性变换 点运算是指像素值（即像素点上的灰度值）通过运算改变之后，可以改善图象的显示效果。这是一种像素的逐点运算，是旧图象与新图象之间的映射关系，是一种简单但却十分有效的一种图象处理手段。常用方法有灰度线性变换、直方图均衡、对比度调整、直方图规定化、对数变换、指数变换、密度分割等方法。 灰度的线性变换就是指图像的中所有点的灰度按照线性灰度变换函数进行变换。灰度变换方程如下： D0=f(Di)=a*Di+b 该方程为线性方程。式中参数Di为输入图像的像素的灰度值，参数D0为输出图像的灰度，a和b由给定条件确定。 实习三图像局部处理：高通滤波和低通滤波 数字图像处理知识点总结 第一章导论 1. 图像：对客观对象的一种相似性的生动性的描述或写真。 2. 图像分类：按可见性 (可见图像、不可见图像) ，按波段数(单波段、多波段、超波段)，按空间坐标和亮度的连续性(模拟和数字) 。 3. 图像处理：对图像进行一系列操作，以到达预期目的的技术。 4. 图像处理三个层次：狭义图像处理、图像分析和图像理解。 5. 图像处理五个模块：采集、显示、存储、通信、处理和分析。 第二章数字图像处理的基本概念 6. 模拟图像的表示：f(x , y) = i(x , y) x r(x , y)，照度分量0 第一章数字图像处理概论 *图像是对客观存在对象的一种相似性的、生动性的描述或写真。 *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的图像 *数字图像 空间坐标和灰度均不连续的、用离散的数字（一般整数）表示的图像（计算机能处理）。是图像的数字表示，像素是其最小的单位。 *数字图像处理（Digital Image Processing） 利用计算机对数字图像进行（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从而获得某种预期的结果的技术。（计算机图像处理） *数字图像处理的特点（优势） （1）处理精度高，再现性好。（2）易于控制处理效果。（3）处理的多样性。（4）图像数据量庞大。（5）图像处理技术综合性强。 *数字图像处理的目的 （1）提高图像的视感质量，以达到赏心悦目的目的 a.去除图像中的噪声； b.改变图像的亮度、颜色； c.增强图像中的某些成份、抑制某些成份； d.对图像进行几何变换等，达到艺术效果； （2）提取图像中所包含的某些特征或特殊信息。 a.模式识别、计算机视觉的预处理 （3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 **数字图像处理的主要研究内容 （1）图像的数字化 a.如何将一幅光学图像表示成一组数字，既不失真又便于计算机分析处理 b.主要包括的是图像的采样与量化 （2*）图像的增强 a.加强图像的有用信息，消弱干扰和噪声 （3）图像的恢复 a.把退化、模糊了的图像复原。模糊的原因有许多种，最常见的有运动模糊，散焦模糊等（4*）图像的编码 a.简化图像的表示，压缩表示图像的数据，以便于存储和传输。 （5）图像的重建 a.由二维图像重建三维图像（如CT） （6）图像的分析 a.对图像中的不同对象进行分割、分类、识别和描述、解释。 （7）图像分割与特征提取 a.图像分割是指将一幅图像的区域根据分析对象进行分割。 b.图像的特征提取包括了形状特征、纹理特征、颜色特征等。 （8）图像隐藏 a.是指媒体信息的相互隐藏。 b.数字水印。 c.图像的信息伪装。 （9）图像通信 第一章：数字图像处理基础概念 ★1、数字图像处理的内容： （1）图像获取、表示和表现（图像的数字化和图像变换） （2）图像增强 （3）图像复原 （4）图像重建 （5）图像压缩编码 （6）图像分割 （7）图像分析 （8）模式识别 （9）图像理解 ★2、数字图像处理的层次关系（P 3）： 狭义图像处理-------图像分析-----------图像理解。 抽象程度低-------------------------------- 高 数据量大-------------------------------- 小 语义低层-------------------------------- 高层 ★3、数字图像处理的特点： （1）处理精度高，再现性好 （2）处理通用性强、灵活性高、多样性广 （3）图像数据量庞大 （4）处理费时 （5）图像处理技术综合性强 ★4、数字图像处理的目的： （1）提高图像的视感质量，以达到赏心悦目的目的。 （2）提取图像中所包含的某些特征或特殊信息，以便于计算机分析 （3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 5、数字图像处理的发展方向 （1）在进一步提高精度的同时着重解决处理速度问题。 （2）移植和借鉴其他学科的技术和研究成果，创造新的处理方法。 （3）加强边缘学科的研究工作 （4）加强理论研究 （5）图像处理领域的标准化 6、论述数字图像处理技术在生产生活中的应用 （1）在生物医学中的应用：利用电磁波谱成像分析系统诊断病情：如显微镜图像分析，DNA成像分析，CT及核磁共振、超声波、X射线成像分析等 （2）遥感航天中的应用：检测土地变化；农林资源的调查；自然灾害监测、预报；地势、地貌测绘；地质构造解译、找矿；环境污染检测等等 （3）工业应用：无损探伤，石油勘探，生产过程自动化，工业机器人研制等 （4）军事公安领域运用：卫星侦察照片的测绘、判读，雷达图像处理，导弹制导，军事仿真等（5）其他应用：图像远距离通信、电视会议、天气预报、现场视频管理等 上海理工大学 计算机工程学院 实验报告 实验名称红细胞数目统计课程名称数字图像处理 姓名王磊学号0916020226 日期2012-11-27 地点图文信息中心成绩教师韩彦芳 一、设计内容： 主题：《红细胞数目检测》 详细说明：读入红细胞图片，通过中值滤波，开运算，闭运算，以及贴标签等方法获得细胞个数。 二、现实意义： 细胞数目检测在现实生活中的意义主要体现在医学上的作用，可通过细胞数目的检测来查看并估计病人或动物的血液中细胞数，如估测血液中红细胞、白细胞、血小板、淋巴细胞等细胞的数目，同时也可检测癌细胞的数目来查看医疗效果，根据这一系列的指标来对病人或动物进行治疗，是具有极其重要的现实作用的。 三、涉及知识内容： 1、中值滤波 2、开运算 3、闭运算 4、二值化 5、贴标签 四、实例分析及截图效果： （1）代码如下： 1、程序中定义图像变量说明 （1）Image--------------------------------------------------------------原图变量; （2）Image_BW-------------------------------------------------------值化图象; （3）Image_BW_medfilt-------------------------中值滤波后的二值化图像; （4）Optimized_Image_BW---通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果； （5）Reverse_Image_BW--------------------------优化后二值化图象取反；（6）Filled_Image_BW----------------------已填充背景色的二进制图像；（7）Open_Image_BW--------------------------------------开运算后的图像； 2、实现代码： %-------图片前期处理------------------- %第一步：读取原图,并显示 A = imread('E:\红细胞3.png'); Image=rgb2gray(A); %RGB转化成灰度图 figure,imshow(Image); title('【原图】'); %第二步：进行二值化 Theshold = graythresh(Image); %取得图象的全局域值 Image_BW = im2bw(Image,Theshold); %二值化图象 figure,imshow(Image_BW); title('【初次二值化图像】'); %第三步二值化图像进行中值滤波 Image_BW_medfilt= medfilt2(Image_BW,[13 13]); figure,imshow(Image_BW_medfilt); title('【中值滤波后的二值化图像】'); %第四步：通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果 Optimized_Image_BW = Image_BW_medfilt|Image_BW; figure,imshow(Optimized_Image_BW); title('【进行“或”运算优化图像效果】'); %第五步：优化后二值化图象取反，保证：‘1’-〉‘白色’，‘0’-〉‘黑色’ %方便下面的操作 Reverse_Image_BW = ~Optimized_Image_BW; figure,imshow(Reverse_Image_BW); title('【优化后二值化图象取反】'); 学习数字图像处理心得 姓名：黄冬芬学号：070212051 班级：12级通信工程1班数字图像是我们生活中接触最多的图像种类，他伴随人们的生活、学习、工作，并在军事、工业和医学方面发挥着极大地作用，可谓随处可见，尤其在生活方面作为学生的我们，会在外出旅游，生活和工作中拆下许多数字照片，现在已进入信息化时代，图片作为信息的重要载体，在信息传输方面有着不可替代的作用，并且近年来图像处理领域，数字图像处理技术取得了飞速的发展，作为计算机类专业的大学生更加有必要对数字图像处理技术有一定的掌握，而大多数人对于数字图像的知识也很模糊，比如各类繁多的各种图像格式之间的特点，不同的情况该用何种图像格式，还有关于图像的一些基本术语也不甚了解。尤为重要的是一些由于拍摄问题导致的令人不甚满意的照片该如何处理，或者如何对一些照片进行处理实现特殊的表现效果。所以对于数字图像处理这门课大家有着极大地兴趣。我们班有的同学学过Photoshop软件，因此对于数字图像处理有了一些基础，更加想利用这门课的学习加深自己数字图像处理的理解并提高在数字图像处理方面的能力。 通过这8周的学习，我们虽然还没有完全掌握数字图像处理技术，但是收获不少，对于数字图像方面的知识有了更深的了解。更加理解了数字图像处理的本质，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的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）等大家都能叫上口但都很模糊的名词。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，增强图片的边缘等细节。而平滑处理的目的是消除噪声、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。对常见的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和复习。 当然通过8周的学习还远远不够，也有许多同学收获甚微，我总结了下大家后期学习的态度与前期学习的热情相差很大的原因。刚开始大家是有很高的热情去学习这门课，可随着这门课的更深入的学习，大家渐渐发现课程讲授内容与自己起初想学的实用图像处理技术是有很大的差别的，大家更着眼于如何利用软件、技术去处理图像而得到满意的效果，或者进行一些图像的创意设计，可是课程的内容更偏向于如何通过编程实现如何多图像进行一些类似锐化、边缘提取、模糊、去除噪声等基础功能的实现，这其中涉及很多算法、函数，需要扎实的数学基础和编程基础，并且需要利用大量时间在课下编写代码，并用visual c++软件实现并进行调试，然而大部分人的C++实践能力和编程能力还有待提高，尤其是对于矩阵进行操作的编程尤为是个考验。 在老师授课方面的建议是可以再课上多进行一些具体操作，这 数字图像处理学习报告 在这一学期，我选修了《数字图像处理基础》这门课程，同时，老师还讲授了一些视频处理的知识。在这里，梳理一下这学期学到的知识，并提出一些我对这门课程的建议。 图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展,其应用空间将会更加广泛。数字图像处理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.数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果,操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。目前，随着计算机技术的不断发展，计算机的运算速度得到了很大程度的提高。在短短的历史中，它却广泛应用于几乎所有与成像有关的领域，在理论上和实际应用上都取得了巨大的成就。 1. 数字图像处理需用到的关键技术 由于数字图像处理的方便性和灵活性，因此数字图像处理技术已经成为了图像处理领域中的主流。数字图像处理技术主要涉及到的关键技术有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。 图像的采集与数字化：就是通过量化和取样将一个自然图像转换为计算机能够处理的数字形式。 图像编码：图像编码的目的主要是来压缩图像的信息量，以便能够满足存储和传输的要 求。 图像的增强：图像的增强其主要目的是使图像变得清晰或者将其变换为机器能够很容易 分析的形式，图像增强方法一般有：直方图处理、灰度等级、伪彩色处理、边缘锐化、干扰抵制。 图像的恢复：图像恢复的目的是减少或除去在获得图像的过程中因为各种原因而产生的 退化，可能是由于光学系统的离焦或像差、被摄物与摄像系统两者之间的相对运动、光学或电子系统的噪声与介于被摄像物跟摄像系统之间的大气湍流等等。 图像的分割：图像分割是将图像划分为一些互相不重叠的区域，其中每一个区域都是像素的一个连续集，通常采用区域法或者寻求区域边界的境界法。 图像分析：图像分析是指从图像中抽取某些有用的信息、数据或度量,其目的主要是想得到某种数值结果。图像分析的内容跟人工智能、模式识别的研究领域有一定的交叉。 数字图像处理课程设计报告 姓名：x x 学号：xxxxxxx 班级： xxxxxxxxxxxxxxx 设计题目：红细胞数目检测 教师：xxxxxx老师 提交日期： xx月xx日 一、设计内容： 主题：《红细胞数目检测》 详细说明：读入红细胞图片，通过中值滤波，开运算，闭运算，以及贴标签等方法获得细胞个数。 二、现实意义： 细胞数目检测在现实生活中的意义主要体现在医学上的作用，可通过细胞数目的检测来查看并估计病人或动物的血液中细胞数，如估测血液中红细胞、白细胞、血小板、淋巴细胞等细胞的数目，同时也可检测癌细胞的数目来查看医疗效果，根据这一系列的指标来对病人或动物进行治疗，是具有极其重要的现实作用的。 三、涉及知识内容： 1、中值滤波 2、开运算 3、闭运算 4、二值化 5、贴标签 四、实例分析及截图效果： （1）代码显示： 1、程序中定义图像变量说明 （1）Image--------------------------------------------------------------原图变量; （2）Image_BW-------------------------------------------------------值化图象; （3）Image_BW_medfilt-------------------------中值滤波后的二值化图像; （4）Optimized_Image_BW---通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果； （5）Reverse_Image_BW--------------------------优化后二值化图象取反；（6）Filled_Image_BW----------------------已填充背景色的二进制图像；（7）Open_Image_BW--------------------------------------开运算后的图像； 2、实现代码： Image = imread('红细胞5.jpg'); figure,imshow(Image); title('【原图】'); Theshold = graythresh(Image); Image_BW = im2bw(Image,Theshold); figure,imshow(Image_BW); title('【初次二值化图像】'); Image_BW_medfilt= medfilt2(Image_BW,[13 13]); figure,imshow(Image_BW_medfilt); title('【中值滤波后的二值化图像】'); Optimized_Image_BW = Image_BW_medfilt|Image_BW; figure,imshow(Optimized_Image_BW); title('【进行“或”运算优化图像效果】'); Reverse_Image_BW = ~Optimized_Image_BW; 第一章导论 1.图像 图像是对客观存在的物体的一种相似性的、生动的写真或描述。 2.图像的分类 根据人眼的视觉特性：可见图像和不可见图像； 根据波段数：单波段（每个点只有一个亮度值），多波段（每个点具有多个特性），超波段(每个点具有几十几百个特性)。 根据空间坐标和亮度的连续性：模拟图像，数字图像； 3.图像处理 模拟图像处理：利用光学，照相方法对模拟图像的处理； 数字图像处理：利用计算机对数字图像进行系列操作，从而获得某种预期的结果的技术。 4.数字图像处理的内容 它是研究图像的获取、传输、存储、变换、显示、理解与综合利用的一门崭新学科。根据抽象程度不同可分为三个层次：狭义图像处理、图像分析和图像理解。 具体而言,包括：图像的数字化，图像变换，图像增强，图像的恢复与重建，图像编码，图像分割，二值图像处理与形状分析，纹理分析，图像识别 5.数字图像处理系统 采集，显示，存储，通信，主机，图像处理软件 6.数字图像处理的特点 精度高：对于一幅图像而言，数字化时不管是用4比特、8比特还是其它比特表示，只需改变计算机中程序的参数，处理方法不变。所以从原理上讲不管对多高精度的数字图像进行处理都是可能的。而在模拟图像处理中，要想使精度提高一个数量级，就必须对装置进行大幅度改进。 再现性好：不管是什么数字图像，均用数组或数组集合表示。在传送和复制图像时，只在计算机内部进行处理，这样数据就不会丢失或遭破坏，保持了完好的再现性。而在模拟图像处理过程中，就会因为各种干扰因素而无法保持图像的再现性 通用性，灵活性强：对可见图像和不可见光图像（如X光图像、热红外图像和超声波图像等），尽管这些图像生成体系中的设备规模和精度各不相同，但当把这些图像数字化后，对于计算机来说，都可同样进行处理，这就是数字处理图像的通用性。 第二章数字图像处理的基本概念 1.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。具体说来，就是把一幅图画分割成一个个小区域（像元或像素），并将各小区域灰度用整数来表示，形成一幅点阵式的数字图像。它包括采样和量化两个过程。像素的位置和灰度就是像素的属性。 2.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。采样方式:有缝、无缝和重迭 3.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。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。但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。例如数字图像处理的概念教学总结
数字图像处理心得体会
数字图像处理
《数字图像处理》课程学习心得
上数字图像处理技术的心得
武汉大学数字图像处理课程综合实习实习报告
数字图像处理知识点总结(20200608132636)
数字图像处理基础知识总结
数字图像处理大纲总结
数字图像处理课程设计(实验报告)
(完整版)学习数字图像处理心得
数字图像处理学习报告
数字图像处理课程设计(实验报告)
数字图像处理复习总结(武汉大学)