第一篇：數(shù)字圖像處理學(xué)習(xí)心得

數(shù)字圖象處理心得體會

經(jīng)過這幾周的學(xué)習(xí)，我從一個什么都不了解的小白，變成了一個明白這門課程的意義的初學(xué)者，覺得學(xué)到了不少有用同時又很有趣的知識，也對數(shù)字圖象處理有了新的理解。老師從數(shù)字圖像處理的意義講起，中間介紹了許多目前仍在應(yīng)用的相關(guān)技術(shù)，讓我明白了圖像處理在我們生活中的重要性，下面我來談?wù)勎易约旱膶W(xué)習(xí)成果和感受。

圖像處理是指對圖像信息進行加工，從而滿足人類的心理、視覺或者應(yīng)用的需求的一種行為。圖像處理方法一般有數(shù)字法和光學(xué)法兩種，其中數(shù)字法的優(yōu)勢很明顯，已經(jīng)被應(yīng)用到了很多領(lǐng)域中，相信隨著科學(xué)技術(shù)的發(fā)展,其應(yīng)用空間將會更加廣泛。數(shù)字圖像處理又稱為計算機圖像處理，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機對其進行處理的過程。數(shù)字圖像處理是從20世紀60年代以來隨著計算機技術(shù)和VLSL的發(fā)展而產(chǎn)生、發(fā)展和不斷成熟起來的一個新興技術(shù)領(lǐng)域。數(shù)字圖像處理技術(shù)其實就是利用各種數(shù)字硬件與計算機，對圖像信息通過轉(zhuǎn)換而得到的電信號進行相應(yīng)的數(shù)學(xué)運算，例如圖像去噪、圖像分割、提取特征、圖像增強、圖像復(fù)原等，以便提高圖像的實用性。其特點是處理精度比較高，并且能夠?qū)μ幚碥浖M行改進來優(yōu)化處理效果，操作比較方便，但是由于數(shù)字圖像需要處理的數(shù)據(jù)量一般很大，因此處理速度有待提高。目前，隨著計算機技術(shù)的不斷發(fā)展，計算機的運算速度得到了很大程度的提高。在短短的歷史中，它卻廣泛應(yīng)用于幾乎所有與成像有關(guān)的領(lǐng)域，在理論上和實際應(yīng)用上都取得了巨大的成就。

從定義上來說，圖像處理是指按照一定的目標，用一系列的操作，來“改造”圖像的方法。我覺得字面上的意思就是，對圖像進行處理，得到自己想要的效果。圖象處理的內(nèi)容有很多種：幾何處理，算術(shù)處理、圖像增強、圖像復(fù)原、圖像重建、圖像識別、圖像壓縮。而目前進行圖像處理就是指用計算機對圖像進行空域法和變換域法。資料上介紹說，數(shù)字圖象處理起源于20世紀20年代，那時第一次通過海底電纜傳輸圖像；1921年人們用電報打印機采用特殊字符在編碼紙帶中產(chǎn)生圖像；1922年在信號兩次穿越大西洋后，從穿孔紙帶得到數(shù)字圖像；1929年從倫敦到紐約用15級色調(diào)設(shè)備傳送照片。到了20世紀60年代早期，計算機發(fā)展，有了第一臺可執(zhí)行有意義的圖像處理任務(wù)的大型計算機，美國利用航天器傳送了第一張月球照片。從20世紀60年代末到70年代初，開始用于醫(yī)學(xué)圖像、地球遙感、天文學(xué)等領(lǐng)域，如CT圖像和X射線圖像。至今，數(shù)字圖象處理仍舊廣泛應(yīng)用于工業(yè)、醫(yī)學(xué)、地理學(xué)、考古學(xué)、物理學(xué)、天文學(xué)等多個領(lǐng)域。比如，太空技術(shù)中的航天技術(shù)、空間防御、天文學(xué)；生物科學(xué)的生物學(xué)和醫(yī)學(xué)；刑事（物證）上的指紋、人臉分析；國防方面的軍事探測，導(dǎo)彈目標識別；工業(yè)應(yīng)用中的產(chǎn)品檢測還有日常生活中的照片編輯、影視制作。

從概念上來說，數(shù)字圖像用f（x，y）表示一幅圖像，x，y，f為有限、離散值。圖像處理涉及到圖像的分析和計算機視覺，其中分為低級處理、中級處理、高級處理。低級處理是指輸入輸出均為圖像（如圖像縮放、圖像平滑）；中級處理是輸入圖像，然后輸出提取的特征（如區(qū)域分割、邊界檢測）；高級處理則是理解識別的圖像（如無人機駕駛，自動機器人）。數(shù)字圖像處理的幾個基本目的是：

圖像輸入->圖像處理（增強、復(fù)原、編碼和壓縮）->圖像輸出。以人為最終的信息接收者，其主要目的是改善圖像的質(zhì)量。

圖像輸入->圖像預(yù)處理（增強、復(fù)原）->圖像分割->特征提取->圖像分類->圖像輸出。另一類圖像處理以機器為對象，目的是使機器或計算機能自動識別目標，稱為圖像識別。

圖像輸入->圖像預(yù)處理->圖像描述->圖像分析和理解->圖像解釋。利用計算機系統(tǒng)解釋圖像，實現(xiàn)類似人類視覺系統(tǒng)理解外部知識，被稱為圖像理解或計算機視覺。其正確的理解要有知識的引導(dǎo)，與人工智能等學(xué)科有密切聯(lián)系。當前理論上有不小進展，但仍是一個有待進一步探索的領(lǐng)域。

數(shù)字圖像處理主要研究的內(nèi)容包括：

1）圖像變換：如傅里葉變換、沃爾什變換、離散余弦變換（DCT）等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理。目前小波變換在時域和頻域中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應(yīng)用。

2）圖像編碼壓縮

圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特數(shù)），以便節(jié)省圖像傳輸、處理時間和減少存儲器容量。壓縮可以在不失真前提下獲得，也可以在允許的失真條件下進行。編碼是壓縮技術(shù)最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。

3）圖像增強和復(fù)原

目的是提高圖像的質(zhì)量，如去除噪聲，提高清晰度等。圖像增強不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節(jié)明顯；如強調(diào)低頻分量可減少圖像中噪聲影響。圖像復(fù)原要求對圖像降質(zhì)的原因有一定的了解，建立“降質(zhì)模型”，再采用某種方法，恢復(fù)或重建原來的圖像。

4）圖像分割

圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一。圖像分割是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中物體的邊緣、區(qū)域等，這是進一步進行圖像識別、分析和理解的基礎(chǔ)。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒有一種普遍適用于各種圖像的有效方法。因此，對圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點之一。

數(shù)字圖像處理的特點主要表現(xiàn)在數(shù)字圖像處理的信息大多是二維信息，處理信息量很大。因此對計算機的計算速度、存儲容量等要求較高;數(shù)字圖像處理占用的頻帶較寬。與語言信息相比,占用的頻帶要大幾個數(shù)量級。所以在成像、傳輸、存儲、處理、顯示等各個環(huán)節(jié)的實現(xiàn)上技術(shù)難度較大，成本亦高。這就對頻帶壓縮技術(shù)提出了更高的要求;數(shù)字圖像中各個像素不是獨立的，其相關(guān)性大。在圖像畫面上，經(jīng)常有很多像素有相同或接近的灰度。所以，圖像處理中信息壓縮的潛力很大。數(shù)字圖像處理后的圖像受人的因素影響較大，因為圖像一般是給人觀察和評價的。

數(shù)字圖像處理的優(yōu)點主要表現(xiàn)在再現(xiàn)性好、處理精度高、適用面寬、靈活性高等方面。圖像處理大體上可分為圖像的像質(zhì)改善、圖像分析和圖像重建三大部分，每一部分均包含豐富的內(nèi)容。

數(shù)字圖像處理的主要應(yīng)用有：

通訊技術(shù)---圖像傳真，電視電話，威信通訊，數(shù)字電視；

宇宙探索---其他星體圖片處理；

遙感技術(shù)---農(nóng)林資源調(diào)查，作物長勢監(jiān)視，自然災(zāi)害（水、火、風(fēng)、蟲等）監(jiān)測、預(yù)報，地勢、地貌以及地質(zhì)構(gòu)造測繪，找礦，水文、海洋調(diào)查，環(huán)境污染監(jiān)測，等等；

生物醫(yī)學(xué)---X射線、超聲、顯微圖片分析，內(nèi)窺鏡圖、溫譜圖分析，斷層及核磁共振分析；工業(yè)生產(chǎn)---無損探傷，石油勘探，生產(chǎn)過程的自動化（識別零件，裝配，質(zhì)量檢查），工業(yè)機器人視覺；

計算機科學(xué)---文字、圖像輸入的研究，計算機輔助設(shè)計，人工智能研究，多媒體計算機與智能計算機研究；

氣象預(yù)報---天氣云圖測繪、傳輸；

高能物理---核子泡室圖片分析；

軍事技術(shù)---航空及衛(wèi)星偵察照片的判讀，導(dǎo)彈制導(dǎo)，雷達、聲納圖像處理，軍事仿真；

偵緝破案---指紋識別，印鑒、偽鈔識別，手跡分析；考古---恢復(fù)珍貴的文物圖片，名畫，壁畫。

由此可見，數(shù)字圖像在我們?nèi)粘Ｉ钪姓加卸啻蟮牡匚?。它是我們生活中接觸最多的圖形類別，它伴隨人們的生活、學(xué)習(xí)、工作，并在軍事、醫(yī)學(xué)和工業(yè)方面發(fā)揮著極大的作用，可謂隨處可見，尤其在生活方面作為學(xué)生的我們會在外出旅游、生活、工作中拍下許多數(shù)字相片，現(xiàn)在已經(jīng)進入信息化時代，圖像作為信息的重要載體在信息傳輸方面有著聲音、文字等信息載體不可替代的作用，并且近年來圖像處理領(lǐng)域，數(shù)字圖象處理技術(shù)取得了飛速發(fā)展。

通過課程學(xué)習(xí)，我們雖說還沒有完全掌握數(shù)字圖像處理技術(shù)，但也收獲不少，對于數(shù)字圖像方面有了更深入的了解，更加理解了數(shù)字圖像的本質(zhì)，即是一些數(shù)字矩陣，但灰度圖像和彩色圖像的矩陣形式是不同的。對于一些耳熟能詳?shù)臄?shù)字圖像相關(guān)術(shù)語有了明確的認識，比如常見的：像素（衡量圖像的大?。⒎直媛剩ê饬繄D像的清晰程度）、位圖（放大后會失真）、矢量圖（經(jīng)過放大不會失真）等大家都能叫上口卻知識模糊的名詞。也了解圖像處理技術(shù)中一些常見處理技術(shù)的實質(zhì)，比如銳化處理是使模糊的圖像變清晰，增強圖像的邊緣等細節(jié)。而平滑處理的目的是消除噪聲，模糊圖像，在提取大目標之前去除小的細節(jié)或彌合目標間的縫隙。對常提的RGB圖像和灰度圖像有了明確的理解，這對大家以后應(yīng)用Photoshop等圖像處理軟件對圖像進行處理打下了堅實的基礎(chǔ)。

雖然這門課是只有7周理論課，但老師所講的內(nèi)容讓我非常感興趣，數(shù)字圖象處理的應(yīng)用貫通各個行業(yè)，遍布我們生活的電子產(chǎn)品，這讓我學(xué)習(xí)后感覺離這些產(chǎn)品的使用和了解更進了一步。學(xué)習(xí)數(shù)字圖象處理對我們學(xué)電子工程的學(xué)生非常有用，無論以后是否從事相關(guān)工作都讓我感覺受益良多。隨著現(xiàn)代電子技術(shù)發(fā)展的越來越快，我相信圖像處理技術(shù)一定會有更大的進步，從國防到娛樂給我們的生活帶來更多的便利，和更好的科學(xué)技術(shù)。

第二篇：數(shù)字圖像處理學(xué)習(xí)心得

數(shù)字圖像處理學(xué)習(xí)心得

——學(xué)習(xí)數(shù)字圖像處理后對于車牌識別過程的認識

本人導(dǎo)師張崎，主要從事智能交通方面的研究。高年級學(xué)長曾做過車牌識別的研究。在學(xué)完數(shù)字圖像處理這門課后，于是有了這篇關(guān)于車牌識別系統(tǒng)的心得體會。

仔細翻閱了幾遍平時上課做的筆記，梳理了下各種圖像處理方法在各中圖像處理中起到的作用。結(jié)合對實際車牌識別過程的了解，談?wù)勛约簩D像處理的各種方法在識別過程中起到的作用。

老師總說圖像處理就是不講道理，我覺得這就是最大的道理。為什么有人能夠把不講道理的東西做出來？這其中實際上蘊藏著深刻的道理。就像愛因斯坦證明布朗運動是毫無規(guī)律的運動一樣，你發(fā)現(xiàn)他是毫無規(guī)律的，這其實就是他最大的規(guī)律。我想，只有對圖像有了深刻的認識，才能完成這種你也說不出道理的事。好了，現(xiàn)在我想結(jié)合這門課和車牌識別展開說說。

有時候，計算機跟人相比真的很傻，扔一張車牌尾號過來，不管它多么破舊、不清晰，人們能夠輕而易舉的讀出上面的數(shù)字。而計算機呢？他要不停的運算、識別，而你算法上的一個小小漏洞，更會導(dǎo)致識別的大大不同。通過數(shù)字圖像處理這門課的學(xué)習(xí)，我覺得可能通過下面的一些列步驟能較好的識別出車牌上的號碼數(shù)字。

首先，我覺得我們需要將彩色的圖片轉(zhuǎn)換為灰色圖像，這樣便于計算機分析，計算機跟人剛好相反，好看的不一定好處理，而灰色的圖像雖然不美觀，但是正好適合計算機來處理。另一方面，將彩色圖像轉(zhuǎn)化為灰色圖像也能減少圖像所占的存儲空間，簡化和加快后續(xù)處理的工作。

其次，我覺得我們需要根據(jù)實際需要，對圖像就行簡單的預(yù)處理。我們應(yīng)當讓我們所關(guān)心的圖像內(nèi)容，顯現(xiàn)的更加突出。而弱化那些我們所不關(guān)心的背景類似的東西。這里我覺得，我們就可以利用我們上課所學(xué)到的圖像增強的知識了。需要注意的是，圖像增強并不能增加原始圖像的信息，只是通過某些技術(shù)有選擇的突出對某一具體應(yīng)用有價值的信息，即圖像增強只通過突出某些信息，以增強對這些信息的辨識能力，而其他信息信息則被削弱，這就是我對圖像增強的理解，我認為他是我們后期識別車牌的重要準備，增強的好壞直接影響了后期識別的準確度和速度。

然后，圖像增強后，我覺得我們就應(yīng)該對處理后的圖像就行邊緣檢測，這里就直接會用到我們上課所學(xué)到的邊緣檢測的各種方法，邊緣是圖像的最基本特征，邊緣部分集中了圖像的大部分信息。邊緣確定和提取對于整個圖像場景的識別是非常重要的。而上一部的圖像強也增強了邊緣信息。

下一步，我認為就應(yīng)該進行圖像分割了，把各個字母數(shù)字單獨分割出來，便于后續(xù)的進一步識別。

最后，就應(yīng)該開始識別這些分割出來的圖像，這一部分，我們課上內(nèi)容并沒有涉及，查閱了些資料，找到了比較可行的辦法。即模式識別。我理解的過程是，首先我們應(yīng)該建立一個標準模版庫，然后通過將提取出來的樣品與標準模版進行比較，來識別他們。

這就是上完數(shù)字圖像處理課，我所能想到的車牌識別的整個過程，基本上需要用到我們所學(xué)的所有內(nèi)容，而且都是比較基礎(chǔ)的知識，我覺得，往往一個圖像處理的問題，就是應(yīng)該分成很多小問題來解決，一步步簡化問題。一步步將圖像中我們所最關(guān)心的內(nèi)容提取出來。

畢竟沒有深入學(xué)習(xí)過這方面的知識，本文純屬心得體會，過程中難免存在很多不足或者錯誤。懇請老師指出。

第三篇：《數(shù)字圖像處理》學(xué)習(xí)心得

近期，我通過教師發(fā)展在線學(xué)習(xí)了《數(shù)字圖像處理》這門課程，它是由天津理工大學(xué)楊淑瑩教授及其教學(xué)團隊主持和主講的，是教育部“質(zhì)量工程”項目——“高等學(xué)校教師網(wǎng)絡(luò)培訓(xùn)系統(tǒng)”項目推出的數(shù)字化在線培訓(xùn)課程。

通過《數(shù)字圖像處理》課程的網(wǎng)絡(luò)學(xué)習(xí)，我覺得受益匪淺。首先，我們不應(yīng)再教學(xué)中盲目“灌輸”，主要還是激發(fā)學(xué)生對這門課的學(xué)習(xí)興趣，應(yīng)該讓學(xué)生有一個平臺可以看到圖像數(shù)字處理的效果，產(chǎn)生一個所見即所得的印象，這樣學(xué)生在學(xué)習(xí)中就有成就感，就會愿意動手去編程，在調(diào)試程序所面臨的挫折中也能有信心和勁頭去戰(zhàn)勝困難；最后，多找些相關(guān)的例題和實例，讓學(xué)生成立學(xué)習(xí)小組去完成一些學(xué)習(xí)任務(wù)，指導(dǎo)他們合理分工，從簡單實例入手，慢慢增加難度，讓學(xué)生以小組的形式獨立完成。這樣不僅提高了學(xué)生的編程能力，而且培養(yǎng)了他們的協(xié)作精神，增強了團隊意識。以下是我對這門課程的認識： 圖像處理是指對圖像信息進行加工，從而滿足人類的心理、視覺或者應(yīng)用的需求的一種行為。圖像處理方法一般有數(shù)字法和光學(xué)法兩種，其中數(shù)字法的優(yōu)勢很明顯，已經(jīng)被應(yīng)用到了很多領(lǐng)域中，相信隨著科學(xué)技術(shù)的發(fā)展，其應(yīng)用空間將會更加廣泛。數(shù)字圖像處理又稱為計算機圖像處理，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機對其進行處理的過程。數(shù)字圖像處理是從20世紀60年代以來隨著計算機技術(shù)和vlsl的發(fā)展而產(chǎn)生、發(fā)展和不斷成熟起來的一個新興技術(shù)領(lǐng)域。數(shù)字圖像處理技術(shù)其實就是利用各種數(shù)字硬件與計算機，對圖像信息通過轉(zhuǎn)換而得到的電信號進行相應(yīng)的數(shù)學(xué)運算，例如圖像去噪、圖像分割、提取特征、圖像增強、圖像復(fù)原等，以便提高圖像的實用性。其特點是處理精度比較高，并且能夠?qū)μ幚碥浖M行改進來優(yōu)化處理效果，操作比較方便，但是由于數(shù)字圖像需要處理的數(shù)據(jù)量一般很大，因此處理速度有待提高。目前，隨著計算機技術(shù)的不斷發(fā)展，計算機的運算速度得到了很大程度的提高。在短短的歷史中，它卻廣泛應(yīng)用于幾乎所有與成像有關(guān)的領(lǐng)域，在理論上和實際應(yīng)用上都取得了巨大的成就。

數(shù)字圖像處理需用到的關(guān)鍵技術(shù)主要有：圖像的采集與數(shù)字化、圖像的編碼、圖像的增強、圖像恢復(fù)、圖像分割、圖像分析等。

數(shù)字圖像處理的特點主要表現(xiàn)在數(shù)字圖像處理的信息大多是二維信息，處理信息量很大。因此對計算機的計算速度、存儲容量等要求較高；數(shù)字圖像處理占用的頻帶較寬。與語言信息相比，占用的頻帶要大幾個數(shù)量級。所以在成像、傳輸、存儲、處理、顯示等各個環(huán)節(jié)的實現(xiàn)上技術(shù)難度較大，成本亦高。這就對頻帶壓縮技術(shù)提出了更高的要求；數(shù)字圖像中各個像素不是獨立的，其相關(guān)性大。在圖像畫面上，經(jīng)常有很多像素有相同或接近的灰度。所以，圖像處理中信息壓縮的潛力很大。數(shù)字圖像處理后的圖像受人的因素影響較大，因為圖像一般是給人觀察和評價的。

數(shù)字圖像處理的優(yōu)點主要表現(xiàn)在再現(xiàn)性好、處理精度高、適用面寬、靈活性高等方面。圖像處理大體上可分為圖像的像質(zhì)改善、圖像分析和圖像重建三大部分，每一部分均包含豐富的內(nèi)容。

圖像是人類獲取和交換信息的主要來源，因此，圖像處理的應(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面，隨著人類活動范圍的不斷擴大，圖像處理的應(yīng)用領(lǐng)域也將隨之不斷擴大。航天和航空技術(shù)、生物醫(yī)學(xué)工程、通信工程、工業(yè)和工程領(lǐng)域、軍事方面、文化藝術(shù)、視頻和多媒體系統(tǒng)、電子商務(wù)都不同程度的應(yīng)用了數(shù)字圖像技術(shù)。

我們這門課程主要是理論課，其中有很復(fù)雜的數(shù)學(xué)原理，專業(yè)術(shù)語多，基礎(chǔ)知識要求高，如果能理論和實踐相結(jié)合，相信我們會把數(shù)字圖像處理理解的跟透徹，同時也鍛煉了大家的動手能力。希望老師能考慮我的這點建議，多開設(shè)實際動手的課程或引入教學(xué)實例引導(dǎo)同學(xué)們更好地理解、學(xué)習(xí)。

第四篇：《數(shù)字圖像處理》

實驗五 圖像的幾何變換

一．實驗?zāi)康募耙?/p>

掌握圖像幾何變換的基本原理，熟練掌握數(shù)字圖像的縮放、旋轉(zhuǎn)、平移、鏡像和轉(zhuǎn)置的基本原理及其MATLAB編程實現(xiàn)方法。

二、實驗內(nèi)容

（一）研究以下程序，分析程序功能；輸入執(zhí)行各命令行，認真觀察命令執(zhí)行的結(jié)果。熟悉程序中所使用函數(shù)的調(diào)用方法，改變有關(guān)參數(shù)，觀察試驗結(jié)果。

1.圖像縮放 clear all, close all I = imread('cameraman.tif');Scale = 1.35;

% 將圖像放大1.35倍

J1 = imresize(I, Scale, 'nearest');

% using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear');

% using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');help imresize

% 查看imresize使用幫助

1.95倍

I = imread('cameraman.tif');Scale = 1.96;

% 將圖像放大1.96倍

J1 = imresize(I, Scale, 'nearest');

% using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear');

% using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');

說明：

?注意觀察不同插值方法的圖像表現(xiàn)； ?改變圖像縮放因子Scale，重做上述實驗。2.圖像旋轉(zhuǎn)

clear all, close all I = imread('cameraman.tif');Theta = 45;

% 將圖像逆時針旋轉(zhuǎn)45?。

J1 = imrotate(I, Theta, 'nearest');

% using the nearest neighbor interpolation Theta =-45;

% 將圖像順時針旋轉(zhuǎn)45?。

J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');% 查看imrotate使用幫助 help imrotate %-------

圖像旋轉(zhuǎn)30順時針逆時針

clear all, close all I = imread('cameraman.tif');Theta = 30;

% 將圖像逆時針旋轉(zhuǎn)30。

J1 = imrotate(I, Theta, 'nearest');

% using the nearest neighbor interpolation Theta =-30;

% 將圖像順時針旋轉(zhuǎn)30。

J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');7 說明：

?注意觀察不同插值方法和輸出圖像后處理方法的圖像表現(xiàn)； ?改變旋轉(zhuǎn)角度大小和方向，重做上述實驗。

3．圖像水平鏡象

clear all, close all I = imread('cameraman.tif');I1 = flipdim(I,2);

I2 = flipdim(I,1);figure(1), subplot(1,2,1), imshow(I);subplot(1,2,2), imshow(I1);figure(2), subplot(2,1,1), imshow(I);subplot(2,1,2), imshow(I2);%----

(二)用MATLAB編程實現(xiàn)以下圖像幾何變換（參考自編講義相關(guān)章節(jié)）

1．圖像扭曲變換 2．球面變換

三、實驗設(shè)備

1．PIII以上微機； 2．MATLAB6.5；

四、預(yù)習(xí)與思考

1．預(yù)習(xí)實驗內(nèi)容，閱讀教材熟悉實驗原理；

2．查閱資料，熟悉實驗中涉及的有關(guān)MATLAB函數(shù)；

3．利用課余時間，采用MATLAB底層函數(shù)編程實現(xiàn)實驗內(nèi)容

（二）中的圖像平移、圖像轉(zhuǎn)置等幾何變換。

五、實驗報告要求

1．簡述試驗的目的和試驗原理；

2．敘述各段程序功能，改變有關(guān)函數(shù)的參數(shù)，分析比較實驗結(jié)果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。

實驗六

數(shù)字圖像處理應(yīng)用

一．實驗?zāi)康募耙?/p>

1．利用MATLAB提供的圖像處理函數(shù)實現(xiàn)圖像中物體屬性的測量； 2．訓(xùn)練綜合運用MATLAB圖像處理函數(shù)的能力； 3．了解數(shù)字圖像處理基本應(yīng)用。

二、實驗內(nèi)容

以大米粒特性測量為例，綜合應(yīng)用課程中圖像分割、形態(tài)學(xué)濾波、圖像增強、圖像特征提取等圖像處理方法，實現(xiàn)大米粒特性自動測量。實驗過程簡述：

1． 讀取和顯示圖像 2． 估計圖像背景 3． 獲取背景均勻的圖像 4． 圖像增強 5． 圖像二值化分割 6． 區(qū)域標記及為彩色處理

7． 測量圖像中的區(qū)域特性（面積、質(zhì)心等）

8．統(tǒng)計大米粒的特性分布規(guī)律。

（一）研究以下程序，分析程序功能；輸入執(zhí)行各命令行，認真觀察命令執(zhí)行的結(jié) 果。熟悉程序中所使用函數(shù)的調(diào)用方法，改變有關(guān)參數(shù)，觀察試驗結(jié)果。

% Read and Display an Image clear, close all,close all;I = imread('rice.png');

figure, imshow(I)

% Use Morphological Opening to Estimate the Background

background = imopen(I,strel('disk',15));

figure, imshow(background);

%Display the Background Approximation as a Surface

figure, surf(double(background(1:8:end,1:8:end))),zlim([0 255]);set(gca,'ydir','reverse');% Subtract the Background Image from the Original Image I2 = imsubtract(I,background);figure, imshow(I2)% Adjust the Image Contrast I3 = imadjust(I2, stretchlim(I2), [0 1]);figure, imshow(I3);% Apply Thresholding to the Image level = graythresh(I3);bw = im2bw(I3,level);figure, imshow(bw)% Determine the Number of Objects in the Image [labeled,numObjects] = bwlabel(bw,4);

% Label components.numObjects % Examine the Label Matrix RGB_label = label2rgb(labeled, @spring, 'c', 'shuffle');figure, imshow(RGB_label);% Measure Object Properties in the Image graindata = regionprops(labeled,'basic')allgrains = [graindata.Area];% Compute Statistical Properties of Objects in the Image max(allgrains);biggrain = find(allgrains==695)mean(allgrains);figure, hist(allgrains,20);12

(詳見MATLAB IPT的 幫助文檔demo中的Correcting Nonuniform Illumination)

（二）查看MATLAB IPT 幫助文檔，研究其它應(yīng)用演示

三、實驗設(shè)備 1．PIII以上微機； 2．MATLAB6.5；

四、預(yù)習(xí)與思考

1．預(yù)習(xí)實驗內(nèi)容，閱讀教材熟悉實驗原理； 2．查閱資料，熟悉實驗中涉及的有關(guān)函數(shù)。

3．利用課余時間，采用MATLAB函數(shù)編程實現(xiàn)實驗內(nèi)容

（二）。

五、實驗報告要求

1．簡述試驗的目的和試驗原理；

2．敘述各段程序功能，改變有關(guān)函數(shù)的參數(shù)，分析比較實驗結(jié)果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。

第五篇：數(shù)字圖像處理

中南大學(xué)

數(shù)字圖像處理實驗 實驗名稱：空間濾波和頻域濾波

班級：電子信息0802班

姓名：李哲 學(xué)號：0909080609 實驗日期：2010年12月22日

目錄

一，實驗?zāi)康???????????????????????3 二，給圖像添加噪聲????????????????????4 三，對被噪聲污染的圖像進行中值濾波和均值濾波???????5 四，對圖像進行空間域的銳化????????????????6 五，MATLAB以外函數(shù)空間濾波和圖像銳化??????????7 六，自帶函數(shù)傅立葉變換和反變換??????????????8 七，低通濾波器程序????????????????????9 八，心得體會 ??????????????????????10 九，參考文獻 ??????????????????????10

一、實驗?zāi)康?1，空間濾波：

圖像平滑主要目的是減少噪聲。噪聲有很多種類，不同的噪聲有不同的抑制措施。本實驗要求用平滑線性濾波和中值濾波2種最典型、最常用的處理算法進行程序設(shè)計，學(xué)習(xí)如何對已被噪聲污染的圖像進行“凈化”。通過平滑處理，對結(jié)果圖像加以比較，得出自己的實驗結(jié)論。學(xué)習(xí)如何用銳化處理技術(shù)來加強圖像的目標邊界和圖像細節(jié)，對圖像進行梯度算子、拉普拉斯算子，使圖像的某些特征（如邊緣、輪廓等）得以進一步的增強及突出。本實驗銳化處理主要在空間域中進行 2，頻域濾波：

掌握傅里葉變換的基本性質(zhì)； 掌握傅里葉正變換和反變換； 通過實驗了解二維頻譜的分布特點； 掌握怎樣利用傅立葉變換進行頻域濾波

利用MATLAB程序數(shù)字圖像的傅立葉變換并且進行頻域濾波

二，給圖像添加椒鹽噪聲或者高斯噪聲： 原理：利用MATLAB自帶函數(shù)添加噪聲 程序代碼：A=imread('onion.png');I=rgb2gray(A);imshow(I);J = imnoise(I,'salt & pepper',0.05);figure,imshow(J),title('椒鹽噪聲');%添加椒鹽噪聲 K = imnoise(I,'gaussian',0,0.03);

figure,imshow(K),title('高斯噪聲');%添加高斯噪聲

三，對被噪聲污染的圖像進行中值濾波和均值濾波： 原理：自帶函數(shù)進行中值濾波和均值濾波 源程序：A=imread('onion.png');I=rgb2gray(A);J = imnoise(I,'salt & pepper',0.05);k2=medfilt2(J,[5 5]);k3=medfilt2(J,[7 7]);imshow(J),title('原圖');figure,imshow(k2),title('中值濾波5*5模板');figure,imshow(k3),title('中值濾波7*7模板');

四，對圖像進行空間域的銳化： 原理：自帶函數(shù)進行空間銳化。源程序：I=imread('coins.png');subplot(121),imshow(I),title('原圖像');H=fspecial('sobel');I2=filter2(H ,I);subplot(122),imshow(I2),title('sobel算子銳化圖像');

五，MATLAB以外函數(shù)空間濾波和圖像銳化：

源程序：I = imread('eight.tif');J = imnoise(I,'salt & pepper',0.02);K = medfilt2(J);imshow(J);title('噪聲干擾圖像')figure, imshow(K);title('medfilt2濾波圖像')X=J;a=2;b=2;k=floor(a*b/2)+1;[M,N]=size(X);uint8 Y=zeros(M,N);funBox=zeros(a,b);temp=zeros(a*b);

for i=1:M-a

for j=1:N-b

funBox=X(i:i+a,j:j+b);

temp=funBox(:);

tempSort=sort(temp);

Y(i,j)=tempSort(k);

end;end;figure, imshow(Y);title('濾波圖像')

六，利用Matlab的圖像處理工具箱中提供的函數(shù)實現(xiàn)圖像的傅立葉變換和反變換： 源程序：

A=imread('onion.png');f=rgb2gray(A);subplot(131),imshow(f),title('原圖');F=fft2(f);% 快速傅立葉變換

subplot(132),imshow(F),title('傅里葉變換')Fabs=abs(F);% 求幅頻絕對值 Fc=fftshift(Fabs);% 中心移位 SFc=log(1+Fc);% 對數(shù)變換

iFc1=ifftshift(Fc);% 中心移位的逆變換，絕對值 iF2=ifft2(iFc1);% 快速傅立葉變換的逆變換

subplot(133),imshow(iF2),title('快速傅立葉變換的逆變換')

七，低通濾波器程序：

I=imread('testpat1.png');subplot(221),imshow(I);title('原始圖像')J1=imnoise(I,'gaussian',0.02);% 疊加高斯白噪聲

subplot(222),imshow(J1);title('添加高斯白噪聲的圖像')f=double(J1);

% 數(shù)據(jù)類型轉(zhuǎn)換 g=fft2(f);

% 傅立葉變換 g=fftshift(g);

[M,N]=size(g);nn=2;

% 二階巴特沃斯(Butterworth)低通濾波器 d0=50;

% 設(shè)置截止頻率 m=fix(M/2);n=fix(N/2);for i=1:M for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

h=1/(1+0.414*(d/d0)^(2*nn));% 計算低通濾波器傳遞函數(shù)

result(i,j)=h*g(i,j);end end result=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));subplot(223),imshow(J3);title('低通濾波后圖像')

心得體會

1，進一步熟悉了Matlab軟件、編程以及圖像處理工具箱 2，學(xué)會利用自帶函數(shù)對圖像做簡單的處理，例如：均值化等。3，熟練了一些基本函數(shù)的運用，例如fspecial，imfilter等。4，加深了對MATLAB編程的理解。

5，對于試驗中的出現(xiàn)的一些問題，懂得怎樣去處理。6，通過實際操作，增強了自己的動手能力，把理論用于實踐。

參考文獻：數(shù)字圖像處理第二版

MATLAB教程