2010数字图像处理复习材料end 本文关键词：图像处理，复习，数字，材料
2010数字图像处理复习材料end 本文简介：数字图像处理复习材料（1）2010年——计算机科学、应用数学专业第1章绪论一、什么是图像？区分数字和模拟图像？图是物体透射或反射光的分布。像是人的视觉系统对图在大脑中的印象。图像是图和像的有机结合。图像是对客观对象的一种可视表示，包含了被描述对象的有关信息。根据图像空间坐标和幅度（亮度或色彩）的连续
2010数字图像处理复习材料end 本文内容：
数字图像处理复习材料（1）2010年——计算机科学、应用数学专业
第1章
绪论
一、什么是图像？区分数字和模拟图像？
图是物体透射或反射光的分布。像是人的视觉系统对图在大脑中的印象。图像是图和像的有机结合。图像是对客观对象的一种可视表示，包含了被描述对象的有关信息。
根据图像空间坐标和幅度（亮度或色彩）的连续性可分为模拟（连续）图像和数字图像。模拟图像是空间坐标和幅度都连续变化的图像，而数字图像是空间坐标和幅度均用离散的数字（一般是整数）表示的图像。
二、图像处理的步骤及处理内容
主要步骤：图像信息的获取、存储、处理、传输、输出和显示。
主要内容：图像数字化、变换、增强、恢复、压缩编码、分割、分析描述和识别。
从图像识别的角度：图像预处理（增强、去噪等）、图像分割、图像识别（图像已得到）
三、图像的数学表示
一幅图像所包含的信息首先表现为光的强度（intensity）,即一幅图像可看成是空间各个坐标点上的光强度I
的集合，其普遍数学表达式为：I
=
f
(x，y，z，λ，t)
(x,y,z)空间坐标，λ波长，t时间，I光点(x,y,z)的强度（幅度）。表示一幅运动的(t)、彩色/多光谱的(λ)、立体的(x,y,z)图像。
（1）静止图像：I
=
f（x，y，z，λ）
（2）灰度图像：I
=
f（x，y，z，t）
（3）平面图像：I
=
f（x，y，λ，t）
（4）平面静止灰度图像：I
=
f（x，y）
四、数字图像处理系统的组成及作用
组成：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。
作用：图像采集（数字化）、存储图像信息、显示或保存、传输通信、算法软件和计算机完成处理功能
五、数字图像处理的主要应用
1．信息安全：信息隐藏与数字水印，指纹、虹膜和面部识别（金融电子商务认证等）；
2．图像检索：基于内容的图像检测、识别与检索（包括www）；
3．通信方面：图像传输、数字电话、卫星通信等。压缩图像数据和动态图像（序列）传送。
4．生物医学：细胞染色体血球分析、放射CT超声等图像、癌细胞识别、心脏动态分析等。
5．军事公安：军事目标探测、导弹制导、雷达声纳图像等；公安现场照片、指纹、足迹分析，人像、印章、手迹识别，集装箱核辐射成像检测，随身携带物X射线检查等。
6．工业生产：CADCAM机械优化设计、印制板质量缺陷检测、无损探伤、石油气勘测、交通管制和机场监控、流水线零件自动监测识别、邮件自动分拣和包裹的自动分拣识别等。
其它还有：宇宙探测、遥感方面、天气预报、考古保护等。
第2章
数字图像处理基础
一、三基色原理：人眼的视网膜上存在有大量能在适当亮度下分辨颜色的锥状细胞，分别对应红、绿、蓝三种颜色。红R、绿G、蓝B被称为三基色。
人眼所感受到的颜色其实是三种基色按照不同比例的组合。C
=
R（R）+
G（G）+
B（B）
二、颜色模型：表示颜色的方法。面向机器（如显示器、摄像机、打印机等）RGB模型和面向颜色处理HSI（HSV）模型（面向人眼视觉，亮度I与彩色无关，HS与人感知对应）。
1．RGB模型：在三维直角坐标系中，用相互垂直的三个坐标轴代表R、G、B三个分量，并将R、G、B分别限定在[0,1]，则该单位正方体代表颜色空间，其中一个点代表一种颜色。
2．HSI模型：利用颜色的三个属性色调H（hue）、饱和度S（saturation）和亮度I（intensity）组成一个表示颜色的圆柱体。H角度值色谱变化，S>1常数彩色饱和，I加小数改亮度
三、数字图像的矩阵表示
[f(0,0)
f(0,1)
.f(0,N-1)];
f(m,n)=[f(1,0)
f(1,1)
.f(1,N-1)];
.
[f(M-1,0)
f(M-1,1)
.f(M-1,N-1)];
模板坐标：
[f(i-2,j-2)f(i-2,j-1)
f(i-2,j)
f(i-2,j+1)
f(i-2,j+2)];
[f(i-1,j-2)f(i-1,j-1)
f(i-1,j)
f(i-1,j+1)
f(i-1,j+2)];
[f(i,j-2)
f(i,j-1)
f(i,j)
f(i,j+2)
f(i,j+2)
];
[f(i+1,j-2)
f(i+1,j-1)
f(i+1,j)
f(i+1,j+1)
f(i+1,j+2)];
[f(i+2,j-2)
f(i+2,j-1)
f(i+2,j)
f(i+2,j+1)
f(i+2,j+2)];
四、数字图像的特点
1．信息量大：1024*768，256个灰度级的图像多少bit=1024*768*8位
2．占用频带宽。压缩的高要求。
3．像素间相关性大。(1)
帧内相邻像素相关性大；(2)
帧间对应像素相关性更大。
4．视觉效果的主观性大。
第3章
图像变换
一、图像的几何变换（空间平移、比例缩放、旋转、仿射变换和图像插值）
实质：改变像素的空间位置，估算新位置的像素值。
基本几何变换的定义
通过坐标变换得新坐标u=a(x,y)；v=b(x,y)，原图像f(x,y)几何变换后：g(u,v)=f(a(x,y),b(x,y));
g(x,y)是目标图象。表面看没有值的改变。
二、几种常见的几何变换
u,v是新点的坐标
1．平移变换：u
=
x
+
x0；v
=
y
+
y0；
|u|
|1
0x0
|
|x|
|v|=|0
1y0|
|y|
|1|
|0
0
1
|
|1|
2．放缩变换：x方向放缩sx倍，y方向放缩sy倍。u
=
x*sx；v=
y*sy
；
|u|
|sx
00|
|x|
|v|=|0
sy
0|
|y|
|1||00
1|
|1|
3．旋转变换：绕原点旋转θ度。u
=
x*cos(θ)-y*sin(θ)；v=
x*sin(θ)+y*cos(θ)；
|u|
|cos(θ)
-sin(θ)0|
|x|
|v|=|sin(θ)
cos(θ)
0|
|y|
|1||0
0
1|
|1|
三、灰度插值（一般了解）
最近邻近插值、双线性插值（一阶）、卷积插值法。
四、非几何变换的定义（以下是非几何变换，补充概念）
对于原图象f(x,y)通这灰度值变换函数可唯一确定了非几何变换：g(x,y)
=
T(f(x,y))
g(x,y)是目标图象。没有几何位置的改变。彩色图像的变换要对不同层矩阵进行处理。
五、非几何变换核心是模板运算（技术：走遍每个元素）
所谓模板就是一个系数矩阵。模板大小（奇数），如：3*3等。模板系数：矩阵的元素
w1
w2
w3
w4
w5
w6
w7
w8
w9
模板运算的定义
对于某图象的子图像：
z1
z2
z3
z4
z5
z6
z7
z8
z9
z5的模板运算公式为：R
=
w1z1
+
w2z2
+
.
+
w9z9
模板运算举例：均值变换
模板系数：wi
=
1/9
计算公式：R
=
1/9(w1z1
+
w2z2
+
.
+
w9z9)
六、非几何变换：灰度级变换
灰度级变换：有图象求反、对比度拉伸、动态范围压缩、灰度级切片
七、离散傅立叶变换?
1．傅里叶变换的重要性质及在图像处理中应用
变换核的可分离性、移位性、周期与共轭对称性、旋转不变性、实偶（奇）函数DFT、线性性、平均值、卷积定理、相关性定理。
应用：频谱分析、滤波、降噪等。
2．标准函数：fft2，ifft2，fftshift。准函数求一个图像的傅里叶正反变换
3．原理的理解及实现思路
（1）二维离散傅立叶变换(书上P39)
N-1
N-1
F(u,v)
=1/N??f(x,y)exp[-j2p(ux+vy)/N]
x=0
y=0
u
=
0,1,2,…N-1;
v
=
0,1,2,.N-1
N-1
N-1
f(x,y)
=??
F(u,v)exp[j2p(ux+vy)/N]
u=0
v=0
x
=
0,1,2,.N-1;
y
=
0,1,2,.N-1
（2）实现算法：
对F的一个点的变换如下所示，走遍所有u,v即可（u,v为0~M-1,0~N-1）
k=0;
for
x=0:M-1
for
y=0:N-1
k=
k
+f(x,y)*exp(-j*2*pi*(u*x+v*y)/N);
end
end
F(u,v)=k;
要会写出反变换。
4．证明：（频率移位）
已知M*N的图像为f(m,n)，其傅里叶变换为F(u,v)。求(-1)m+nf(m,n)的傅里叶变换。
基本公式：
N-1
N-1
F(u,v)
=1/N??f(x,y)exp[-j2p(ux+vy)/N]
x=0
y=0
0.基础：e[jp(x+y)]=
(e[jp])(x+y)=(cosp+jsinp)(x+y)=(-1)
(x+y)
cosp=-1，sinp=0
1．新f=f(x,y)exp[j2p(u0x+v0y)/N]代入基本式
新F(u,v)
=??f(x,y)
exp[j2p(u0x+v0y)/N]exp[-j2p(ux+vy/N]
只看里面exp[-j2p((u-u0)x+(v-v0)y)/N]
=exp{-j2p[((u-u0)x+(v-v0)y)/N]}变成移位型
2．当u0=v0=N/2时（频谱中心化）
exp[j2p(u0x+v0y)/N]exp[-j2p(ux+vy)/N]中心到(N/2,N/2)
=exp[j2p(Nx/2+Ny/2)N]exp[-j2p(ux+vy)/N]
=exp[jp(x+y)]exp[-j2p(ux+vy)/N]
=(-1)
(x+y)exp[-j2p(ux
+vy)/N]
3．得证明
八．哈达玛矩阵
H2=1
1
H4=
H2
H2
H8=
H4
H4
1
-1
H2
–H2
H4
–H4
W2=？
W4=？
W8=？
八、离散余弦变换（原理同前，一般掌握）
九、简述二维DFT、DCT、DHT、DWT的异同
0：DFT函数fft2，ifft2。DCT函数dct2，idct2，DHT的hadamard，DWT要推出
1：DCT比DFT有更好的压缩功能。少数几个变换系数可表征信号总体。运算简单，变换后结果仍是实数。
2：DHT、DWT正反变换相同。是实函数变换。无正余弦计算。DHT的行（列）变号次数乱序，DWT则自然定序。所以，DWT可由DHT推出。
第4章
图像增强
一、非几何变换：直方图（标准函数hist
1．图象直方图的定义（两种方法）
（1）灰度级[0，L-1]直方图是一个离散函数p(rk)=
nk/n
n
像素总数；nk第k个灰度级的像素总数；rk第k个灰度级，k
=
0,1,2,…,L-1
（2）灰度级[0，L-1]直方图是一个离散函数p(rk)=
nk（不除n）k
=
0,1,2,…,L-1
要求编写程序实现方法2的直方图，并会用imhist
A=imread(
LENA256.bmp
);B=double(A);
[m,n]=size(B);h=zeros(1,256);
for
i=1:m
for
j=1:n
k=B(i,j);
h(1,k+1)=h(1,k+1)+1;%该灰度单元++
end
end
subplot(1,3,1);
imshow(A);
subplot(1,3,2);
imhist(A)
subplot(1,3,3);
plot(h)
2．直方图均衡化（自动调节图象对比度）
通过灰度级r的概率密度函数p(rk
)，求出灰度级变换T(r)
，建立等值像素出现的次数与结果像素值之间的关系。要求会用求图均衡化。
3．直方图规定化
要求会用函数求规定化。
%求灰度图像直方图及均衡化,规定化
%横坐标是灰度级,纵坐标是灰度出现的频率(个数)
A=imread(
LENA256.bmp
);
B=histeq(A);%直方图均衡化
hgram=100:255;hgram1=zeros(256,1);%前100项为0,从100~255
hgram1(100:255)=hgram(1:156);%规定hgram1
C=histeq(A,hgram1);%直方图规定化
subplot(3,2,2);
imhist(A);%显示直方图
subplot(3,2,4);
imhist(B)%显示均衡化直方图
subplot(3,2,6);
imhist(C)%显示规定化直方图0~255
二、图像平滑、锐化处理——空域
1．空域滤波处理的基本概念
定义：使用空域模板进行的图像处理，被称为空域滤波。模板本身被称为空域滤波器
●线性滤波器：线性系统和频域滤波概念在空域的自然延伸。其特征是结果像素值的计算由下列公式定义：——算出一个数
R
=
w1z1
+
w2z2
+
…
+
wnzn
其中：wi
i
=
1,2,…,n
是模板的系数
zi
i
=
1,2,…,n
是被计算像素及其邻域像素的值
低通滤波器主要用途：钝化图像、去除噪音
高通滤波器主要用途：边缘增强、边缘提取
带通滤波器主要用途：删除特定频率、增强中很少用
●非线性滤波器：使用模板进行结果像素值的计算，结果值直接取决于像素邻域的值，而不使用乘积和的计算（不用R
=
w1z1
+
w2z2
+
…
+
wnzn）——挑一个数
中值滤波主要用途：钝化图像、去除噪音。公式：R
=
mid
{zk
|
k
=
1,2,…,9}
最大值滤波主要用途：寻找最亮点。公式：R
=
max
{zk
|
k
=
1,2,…,9}
最小值滤波主要用途：寻找最暗点。公式：R
=
min
{zk
|
k
=
1,2,…,9}
2．钝化滤波器
基本低通滤波（优点：降低噪音。钝化处理，恢复过分锐化的图像。删去无用的细小细节。图像创艺，有阴影、软边、朦胧效果。缺点：在去噪同时也钝化了边和尖锐的细节）
模板系数设计：1）大于0。2）都选1，或中间选1，周围选0.5（5*5为1或3*3为1，周围为0.5）。如3*3，5*5模板。3）求均值，/n
通过求均值，解决超出灰度范围问题。模板尺寸越大，图像越模糊，图像细节丢失越多
3．锐化滤波器
基本高通滤波（优点：强化边缘、克服边缘模糊及过度钝化。图像创意，只要边界。缺点：增强边缘的同时，也加强了噪声，丢失了图像的层次和亮度）
模板系数设计：1）中心系数为正值，外围为负值2）系数之和为0（书上为1）3）/n
如5*5模板，1/25（中心点为8，3*3框为1，再5*5框为-1，sum=0）
如3*3模板，1/9（中心点为8，3*3框为-1，sum=0）
微分滤波器的原理
均值产生钝化的效果，而均值与积分相似，由此而联想到，微分能不能产生相反的效果，即锐化的效果呢？结论是肯定的。
在图像处理中应用微分最常用的方法是计算梯度。函数f(x,y)在(x,y)处的梯度为一个向量：
af
/
ax=z5–z6近似
af
/
ay=z5–z8近似，组合为：
grad(x,y)=[(z5
-
z6)2
+
(z5
-
z8)2]1/2
三、图像平滑、锐化处理——频域的低通滤波、高通滤波
1．低通滤波
基本低通滤波器巴特沃斯低通滤波器
指数低通滤波梯形低通滤波
%频域低通滤波ILPFP82
F=imread(
LENA256.bmp
);
[M,N]=size(F);ILPF=zeros(M,N);H=zeros(M,N);
F=fft2(F);
fftshift(F);d0=250;
for
u=1:M
for
v=1:N
d(u,v)=sqrt(u^2+v^2);
if
d(u,v)<=d0
H(u,v)=1;
else
H(u,v)=0;
end
ILPF(u,v)=H(u,v)*F(u,v);
end
end
ILPFfiltered=ifft2(ILPF);
imshow(F,[]);%原图
imshow(ILPFfiltered,[]);
替换阴影
BLPF处理：
h
(u,v)=
1/(1+0.414*(d/d0)^(2*n));
ELPF处理：
h(u,v)=exp(log(1/sqrt(2))*(D(u,v)/D0)^n);
TLPF处理：
D(u,v)=sqrt(u^2+v^2);
if
D(u,v)=D0)
else
THPFH(u,v)=0;
end
end
2．高通滤波
基本高通滤波巴特沃斯高通滤波
指数高通滤波梯形高通滤波
3．同态滤波器
f(x,y)
ln
H(u,v)
exp
FFT-1
g(x,y)
FFT
同态滤波是一种在频域中同时将图像亮度范围进行压缩和将图像对比度进行增强的方法。自然景物图像f(x,y)由照明函数f(x,y)和反射函数r(x,y)的乘积表示。
f(x,y)=i(x,y)r(x,y)
i(x,y)为照明分量，是入射到景物的光强度；r(x,y)为反射分量，是受到景物反射的光强度。
工作程序
1取对数，相乘变相加lnf(x,y)=lni(x,y)+lnr(x,y)
2傅里叶变换F[lnf(x,y)]=F[lni(x,y)]+F[lnr(x,y)]
写成：Z(u,v)=I(u,v)+R(u,v)
3用滤波函数H(u,v)来处理Z(u,v)，得到H(u,v)Z(u,v)=H(u,v)I(u,v)+H(u,v)R(u,v)
4傅里叶反变换到空域：s(x,y)=i’(x,y)r’(x,y)
5指数变换：g(x,y)=es(x,y)=ei’(x,y)er’(x,y)=i0(x,y)
r0(x,y)
i0(x,y)、r0(x,y)为入射分量和反射分量。
H(u,v)被称为同态滤波器.
8
篇2：数字图像处理期末考核报告-廖志立
数字图像处理期末考核报告-廖志立 本文关键词：图像处理，期末，考核，数字，报告
数字图像处理期末考核报告-廖志立 本文简介：《数字图像处理》期末大作业暨课程考核报告姓名：廖志立学号：14082200147序号：10湖南理工学院信息与通信工程学院2011年12月1绘制灰度直方图，实现直方图均衡化和直方图匹配（规定化）31.1算法原理31.2算法设计31.3实验结果及对比分析42灰度图像的对比度增强52.1算法原理52.2算
数字图像处理期末考核报告-廖志立 本文内容：
《数字图像处理》
期末大作业暨课程考核报告
姓名：廖志立
学号：14082200147
序号：10
湖南理工学院信息与通信工程学院
2011年12月
1
绘制灰度直方图，实现直方图均衡化和直方图匹配（规定化）3
1.1
算法原理3
1.2
算法设计3
1.3
实验结果及对比分析4
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6
3
图形的几何变换7
3.1
算法原理7
3.2
算法设计7
3.3
实验结果及分析7
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8
4.1
算法原理8
4.2
算法设计8
4.3
实验结果及分析9
5
采用robert，prewitt，sobel，拉普拉斯算子对图像进行边缘提取9
5.1
算法原理9
5.2
算法设计9
5.3
实验结果及分析10
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10
6.1
算法原理10
6.2
算法设计10
6.3
实验结果及分析11
7
小结11
1
绘制灰度直方图，实现直方图均衡化和直方图匹配（规定化）
1.1
算法原理
灰度直方图表示数字图像中每一灰度级出现的频率，即该灰度级的像素数与图像的总像素数之比。灰度图像为256级灰度，通过find()函数寻找每一级灰度值的像素的个数并统计，计入行向量中，统计结束后讲统计结果绘制成直方图。
1.2
算法设计
采用MATLAB
IPT工具箱函数imhist()便可以求出图像的直方图，调用格式为imhist(I)，I为待处理的图像。采用IPT函数histeq()可以对图像进行均衡化以及规定化，调用格式为（1）J
=
histeq(I,hgram)，（2）J
=
histeq(I,n)，其中n
=
256时，对图像进行均衡化。hgram为指定的向量时便可对图像进行规定化。
MATALB源程序：
Img=imread(
E:/pic/03.jpg
);%读取图像
figure(1);
imshow(Img);
title(
原图像像素图
),Img=rgb2gray(Img);
%绘制直方图
[m,n]=size(Img);
figure(2);
bar(0:255,imhist(Img)/(m*n),b
);
title(
原图像直方图
);xlabel(
灰度图
);ylabel(
出现概率
);
%三，直方图均衡化
S1=zeros(1,256);
for
i=1:256
for
j=1:i
S1(i)=GP(j)+S1(i);
%计算Sk
end
end
S2=round(S1*256);
%将Sk归到相近级的灰度
for
i=1:256
GPeq(i)=sum(GP(find(S2==i)));
%计算现有每个灰度级出现的概率
end
figure(3);
bar(0:255,GPeq,r
)
%显
示均衡化后的直方图
title(
均衡化后的直方图
);xlabel(
灰度值
);ylabel(
出现概率
);
figure(4);
imshow(PA)
%显
示均衡化后的图像
title(
均衡化后图像
);imwrite(PA,PicEqual.jpg
);
1.3
实验结果及对比分析
图1
原始图像
图2
原始图像的直方图
通过结果可以看出，图像的灰度级集中在灰度值较大的区间，这就是图像看上去较明亮的原因。
图3
均衡后
图4
均衡后直方图
通过均衡后结果可以看出，图像的显示效果得到了明显改善，灰度值不再集中在数值较大的区域，而是均匀分布在整个灰度级区间内。
图5
原始图像
图6
规定化后图像
通过规定后的图像，能够更加清晰的看到原始图像中模糊不清的部分，显示效果得到了明显改善。
2
灰度图像的对比度增强
2.1
算法原理
讲图像的亮度值映射到一个新的区间，即将low_in至high_in之间的值映射到low_out到high_out之间的值。
2.2
算法设计
采用IPT工具箱函数imadjust()，可以对图像的亮度对比度进行调整。其调用格式为
g
=
imadjust(f,[low_in,high_in],[low_out,high_out],gamma).另外，采用对数变化式
g
=
1./(1
+
（m./(double(f)
+
eps)）.^E)可以对图像的对比度进行变换。
MATLAB源程序：
Img=imread(
E:/pic/08.jpg
);%读取图像
if
length(Img)
==
0
%
If
only
one
argument
it
must
be
f.
method
=
full8
;
else
method
=
Img{1};
end
if
strcmp(class(f),double
)
high_in
=
max(f(:));
elseif
strcmp(class(f),uint8
)
low_in
=
double(min(f(:)))./255;
high_in
=
double(max(f(:)))./255;
elseif
strcmp(class(f),uint16
)
low_in
=
double(min(f(:)))./65535;
high_in
=
double(max(f(:)))./65535;
end
%
imadjust
automatically
matches
the
class
of
the
input.
g
=
imadjust(f,[low_in
high_in],[low
high]);
otherwise
error(
Unknown
method.
)
End
2.3
实验结果及分析
图1
原始图像
图2
对比度增强后图像
通过对象对比，可以看出图像的显示效果得到了明显的改善，便于观察。
3
图形的几何变换
3.1
算法原理
通过图像点的坐标几何对应的关系实现图像的几何变化，平移、旋转等变换。
3.2
算法设计
采用IPT工具箱函数imtransform()可以对图像进行变化。其调用格式为
B
=
imtransform(A,TFORM,INTERP)，其中TFORM
向量决定图像的几何变换关系。
MATLAB源程序：
f=imread(
E:/pic/building.tif
);
imshow(f);
title(
原图
);
[m,n]=size(f);
g=zeros(m,n);
for
i=1:m
for
j=1:n
g(i,j)=f(i,n-j+1);
end
end
figure,imshow(uint8(g));
title(
水平镜像
);
for
i=1:m;
for
j=1:n;
g(i,j)=f(m-i+1,j);
end
end
figure,imshow(uint8(g));
title(
垂直镜像
);
3.3
实验结果及分析
图一
原图
图二
水平镜像
图三
垂直镜像
通过结果可以看出，算法实现了图像的几何变换。
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
4.1
算法原理
通过噪声特性，产生不同的噪声加入到图像中各点的像素值中去，便可对图像进行加躁。采用空间掩膜矩阵与图像进行卷积进行空间域滤波，不同的掩膜矩阵滤波的效果也会不同。使用频域滤波器在频域空间对加入了噪声的图像进行滤波。
4.2
算法设计
使用MATLAB
IPT工具箱函数imnoise()可以对图像进行加躁。其调用格式为J
=
imnoise(I,type,parameters)
其中type的不同取值决定不同的噪声特性，如高斯，椒盐等。imfilter（）可以对图像进行空间域以及频域进行滤波。其调用格式为B
=
imfilter(A,H)，其中H为滤波器的传递函数，A为待处理的图像。
MATLAB源程序：
Img=imread(
E:/pic/03.jpg
);
imshow(Img);
title(
原图
);
Img=imnoise(Img,type,parameters);
figure,imshow(Img);
Title(
噪声图
)
Img=imfilter(Img,H);
figure,imshow(uint8(g));
title(
滤波图
);
4.3
实验结果及分析
图1
原图
图二
加入高斯噪声
图三
高斯噪声滤波
可以看出，滤波后图像的噪声没有噪声图像明显了，但是图像比原图像要变得模糊了，这是高斯滤波器的缺点之一，滤波并没有得到理想的原图像。
5
采用robert，prewitt，sobel，拉普拉斯算子对图像进行边缘提取
5.1
算法原理
灰度或结构等信息的突变成为边缘，在空间域可以借助微分算子通过卷积运算来完成，空间域的微分在离散数字图像可以采用差分来近似。基于一阶导数的边缘检测算子有roberts算子，sobel算子，prewitt算子。基于二阶导数的边缘检测算子有laplacian算子，Log，canny算子是一中改进的算子。
5.2
算法设计
采用MATLAB
IPT工具箱函数edge()可以对图像进行边缘检测，其调用格式为，BW
=
edge(I,type,thresh)，其中type为选用的算子。
MATLAB源程序：
f=imread(
E:/2.tif
);
subplot(1,2,1);
imshow(f);
title(
原图
);
f=double(f);
a1=[-1,-1,-1,0,0,0,1,1,1];
a2=[-1,0,1,-1,0,1,-1,0,1];
z1=conv2(f,a1);
z2=conv2(f,a2);
r=sqrt(z1.^2+z2.^2);
r=uint8(r);
imwrite(r,prewitt.tif
);
subplot(1,2,2);imshow(r);
title(
prewitt算子边缘检测
);
5.3
实验结果及分析
图1
原始图像
图2
边缘图像
通过结果可以看出，算法提取出了图像的边缘。
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
6.1
算法原理
通过目标与背景之间的差异，对图像中各个像素值与阀值进行比较，满足约束条件的视为目标，将其提取出来，不满足的的则视为背景，不提取。
6.2
算法设计
边缘检测，直线hough检测，阀值分析，提取出目标。
6.3
实验结果及分析
图1
原始图像
图2
提取出的目标
通过结果可以看出，算法提取出了目标图像。但是目标与原始的时候存在一定的差异，这是因为目标中有一些像素点的值与背景比较接近，所以被判定为了背景像素。
7
小结
通过本次数字图像处理期末大作业的训练，熟悉了MATLAB的软件工具的使用，学到了一些基本的利用MATLAB对图像进行处理的技能，例如，绘制图像的直方图、直方图均衡化、直方图匹配、灰度图像的对比度增强、图形的几何变换、图像加噪滤波处理、图像进行边缘提取，并且能够借助MATLAB图像处理后的结果能正确分析理解，这对于以后从事数字图像处理相关工作打下了一定的基础。同时，我也感觉到MATLAB的图片处理的强大功能，我现在对MATLAB掌握的知识还远远不够。
11
篇3：20XX南岸老年大学图像处理班教学计划
2013南岸老年大学图像处理班教学计划 本文关键词：教学计划，南岸，图像处理，老年，大学
2013南岸老年大学图像处理班教学计划 本文简介：2013(春)南岸区老年大学图像处理班课程安排（基础班）星期下午2.00—4.00授课教师：田祈孝周次星期日期授课内容1周二下午2013.3.图像处理常用的几种软件ACDSee、Photoshop概述2周二下午ACDSeePRO3.0一般操作3周二下午与图像相关的基本概念Cs5中的重要术语的含义，4
2013南岸老年大学图像处理班教学计划 本文内容：
2013
(春)南岸区老年大学图像处理班课程安排
（基础班）
星期
下午
2.00—4.00
授课教师：田祈孝
周次
星
期
日期
授
课
内
容
1
周二下午
2013.3.
图像处理常用的几种软件ACDSee、Photoshop概述
2
周二下午
ACDSee
PRO
3.0一般操作
3
周二下午
与图像相关的基本概念
Cs5中的重要术语的含义，
4
周二下午
Photoshop基本操作图像的基础处理
5
周二下午
用Photoshop纠正常见的缺陷照片：（1）、去除图像中的多余
6
周二下午
用Photoshop纠正常见的缺陷照片：（2）、色阶调整曝光不足
恢复蓝天白云
7
周二下午
用Photoshop纠正常见的缺陷照片：（3）、曲线工具调整曝光不足
8
周二下午
用Photoshop纠正常见的缺陷照片：（4）、高光/阴影
校正曝光过度
9
周二下午
用Photoshop纠正常见的缺陷照片：（5）、色相/饱和度
校正色彩黯淡
10
周二下午
用Photoshop纠正常见的缺陷照片：（6）、色彩平衡
校正偏色
11
周二下午
用Photoshop纠正常见的拍摄失误：（7）、逆光照片人物面部偏暗的处理
12
周二下午
用Photoshop纠正常见的拍摄失误：（8）、修正景物畸变
13
周二下午
用Photoshop纠正常见的拍摄不足：（9）、为照片添加景深虚化效果，
14
周二下午
用Photoshop纠正常见的拍摄不足：（10）为风景照天空添加云彩
15
周二下午
用Photoshop拼接宽幅全景照片
16
周二下午
用Photoshop制作自己的艺术图章
2013
(秋)南岸区老年大学图像处理班课程安排
（提高班）
星期
下午
2.00—4.00
授课教师：田祈孝
周次
星
期
日期
授
课
内
容
备
注
1
周二下午
2013.9.
自由调整色彩：（1）、使枯黄的叶子变翠绿
2
周二下午
用Photoshop自由调整色彩：（2）、使灰色的天空变湛蓝
3
周二下午
用Photoshop自由调整色彩：（3）、使绿叶变红叶、春天变秋天
4
周二下午
用Photoshop自由调整色彩：（4）、使沙漠变金黄
5
周二下午
用Photoshop自由调整色彩：（5）使黄昏气氛更浓郁、使泛白天空色彩绚丽
6
周二下午
用Photoshop自由调整色彩：（6）、用照片滤镜调整照片风格
7
周二下午
将彩色照片转换为完美的黑白照片（1）
多种格调的黑白照片
高调的黑白照片
8
周二下午
将彩色照片转换为完美的黑白照片（2）
从黑白过度到彩色世界
局部彩色效果
9
周二下午
用Photoshop为人物面部去斑，去皱
面部美容
10
周二下午
用Photoshop修改人物表情、脸型、消除腰部脂肪
11
周二下午
用Photoshop让旧照片焕发生机、修复老旧照片
12
周二下午
多张照片艺术叠加效果1
13
周二下午
多张照片艺术叠加效果2
14
周二下午
多张照片艺术叠加效果3
15
周二下午
高动态光照渲染
HDR照片制作
16
周二下午
高动态光照渲染
HDR照片制作
2014
(春)南岸区老年大学图像处理班课程安排
（中级班）
星期
下午
2.00—4.00
授课教师：田祈孝
周次
星
期
日期
授
课
内
容
备
注
1
周二下午
2014.3.
抠像及更换背景1、
直接抠图法
2
周二下午
抠像及更换背景2、
直接精细抠图法
3
周二下午
抠像及更换背景3、
间接“通道”抠图法
4
周二下午
抠像及更换背景4、
间接“图层”抠图法
5
周二下午
抠像及更换背景5、“滤镜”抠图法
6
周二下午
抠像及更换背景6、“滤镜”抠图法
7
周二下午
抠像及更换背景7、多种抠图法
8
周二下午
照片创意合成特效处理
1
9
周二下午
照片创意合成特效处理
2、
10
周二下午
照片创意合成特效处理
3
11
周二下午
摄影师Photoshop必修技巧：RAW文件后期处理1
12
周二下午
摄影师Photoshop必修技巧：RAW文件后期处理2
13
周二下午
摄影师Photoshop必修技巧：RAW文件后期处理3
14
周二下午
摄影师Photoshop必修技巧：RAW文件后期处理4
15
周二下午
摄影师Photoshop必修技巧：RAW文件后期处理5
16
周二下午
摄影师Photoshop必修技巧：RAW文件后期处理6
2014
(秋)南岸区老年大学图像处理班课程安排
（高级班）
星期
下午
2.00—4.00
授课教师：田祈孝
周次
星
期
日期
授
课
内
容
备
注
1
周二下午
2014.9.
用好调整层：1)什么是调整层；2)用调整层解决实际问题
2
周二下午
用好调整层：3)为什么要使用调整层；4)关键在于控制蒙版
3
周二下午
用好调整层：5)特长在于精细的局部调整；6)究竟要调整哪个层
4
周二下午
图层混合模式的应用技巧：详解图层混合模式之（一）提亮篇
5
周二下午
图层混合模式的应用技巧：详解图层混合模式之（二）压暗篇
6
周二下午
图层混合模式的应用技巧：详解图层混合模式之（三）叠图篇
7
周二下午
图层混合模式的应用技巧：详解图层混合模式之（四）上色篇
8
周二下午
图层样式的应用技巧：图层样式详解、表现水滴文字特效
用图层样式抠图1、
9
周二下午
图层样式的应用技巧：应用图层样式表现触须特效，用图层样式抠图2
10
周二下午
图层样式的应用技巧：应用图层样式表现金属质感特效，用图层样式抠图3
11
周二下午
Photoshop通道蒙版的深度探讨（一）：组合通道蒙版
12
周二下午
Photoshop通道蒙版的深度探讨（二）：混合模式用于通道
13
周二下午
Photoshop通道蒙版的深度探讨（三）：使用通道蒙版实现复杂抠图
14
周二下午
Photoshop通道蒙版的深度探讨（四）：使用通道增加肖像细节
15
周二下午
Photoshop通道蒙版的深度探讨（五）：使用Lab锐化图像
16
周二下午
Photoshop通道蒙版的深度探讨（六）：使用通道优化图像，降低图像杂色