第一篇：數(shù)字圖像處理課程設(shè)計

數(shù)字圖像處理課程設(shè)計

目

錄

1.課設(shè)目的..............................................................................................................................................1 2.背景與基本原理...................................................................................................................................1 2.1背景................................................................................................................................................1 2.2基本原理........................................................................................................................................1 2.2.1基本概念.................................................................................................................................1 2.2.2基本策略：.............................................................................................................................2 2.2.3邊緣檢測.................................................................................................................................3 2.2.4導(dǎo)數(shù)和噪聲.............................................................................................................................4 2.2.5高斯拉普拉斯（LOG）.........................................................................................................4 2.2.6邊緣連接和邊緣檢測.............................................................................................................4 3.源代碼...................................................................................................................................................5 3.1對于只有車牌無車身的圖像：....................................................................................................5 3.2對于有車身和車牌連接的圖像....................................................................................................5 4.處理結(jié)果...............................................................................................................................................6 4.1對于只有車牌無車身的圖像：....................................................................................................6 4.2對于有車身和車牌連接的圖像....................................................................................................8 5.心得體會...............................................................................................................................................9 6.參考文獻(xiàn)...............................................................................................................................................9

數(shù)字圖像處理課程設(shè)計

1.課設(shè)目的

1)加強對數(shù)字圖像處理的理解 2)了解圖像分割的基本原理和應(yīng)用

2.背景與基本原理

2.1背景

數(shù)字圖像處理（Digital Image Processing）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(jìn)行處理的過程。是通過計算機對圖像進(jìn)行去除噪聲、增強、復(fù)原、分割、提取特征等處理的方法和技術(shù)。

圖像分割是一種重要的圖像技術(shù)，在理論研究和實際應(yīng)用中都得到了人們的廣泛重視。圖像分割的方法和種類有很多，有些分割運算可直接應(yīng)用于任何圖像，而另一些只能適用于特殊類別的圖像。有些算法需要先對圖像進(jìn)行粗分割，因為他們需要從圖像中提取出來的信息。許多不同種類的圖像或景物都可作為待分割的圖像數(shù)據(jù)，不同類型的圖像，已經(jīng)有相對應(yīng)的分割方法對其分割，同時，某些分割方法也只是適合于某些特殊類型的圖像分割。分割結(jié)果的好壞需要根據(jù)具體的場合及要求衡量。在本報告中是對車輛牌照中的文字和數(shù)字部分進(jìn)行處理。

2.2基本原理

2.2.1基本概念

圖像分割（Image Segmentation）是指將圖像中具有特殊涵義的不同區(qū)域區(qū)分開來，這些區(qū)域是互相不交叉的，每一個區(qū)域都滿足特定區(qū)域的一致性。圖像分割是圖像識別和圖像理解的基本前提步驟

數(shù)字圖像處理課程設(shè)計

2.2.2基本策略：

（1）間斷檢測

數(shù)字圖像中三種基本類型的灰度級間斷： 點、線、邊。尋找間斷的最一般的方法是：模板檢測。圖像中任一點的模板響應(yīng)為：

R?w1z1?w2z2???w9z9??wizii?19（2）點檢測

用模板檢測孤立點：

如果∣R∣≥T，則稱在模板中心位置已經(jīng)檢測到一個點。例：

1)R=(-1 * 8 * 8 + 128 * 8)/9=106 2)可以設(shè)置閾值T = 64 3)若R=0，則說明檢測點與周圍點像素值相同

4)若R > T，則說明檢測點與周圍點像素值非常的不同，為孤立點

（3）線檢測

通過比較典型模板的計算值，確定一個點是否在某個方向的線上設(shè)計其它模板： 1)模板系數(shù)之和為0 2)感興趣的方向系數(shù)值較大

數(shù)字圖像處理課程設(shè)計

2.2.3邊緣檢測

邊緣是位于兩個區(qū)域的邊界線上的連續(xù)像素集合，一般而言，當(dāng)人們看到有邊緣物體時，首先感覺到的便是邊緣，灰度或結(jié)構(gòu)等信息的突變處稱為邊緣。邊緣上的這種變化可以通過微分算子進(jìn)行檢測：

（1）一階導(dǎo)數(shù)：通過梯度來計算----梯度銳化法：

R?w1z1?w2z2???w9z9??wizii?19

梯度是一個矢量，其大小為：

?f(x,y)2?f(x,y)2G[f(x,y)]?()?()

?x?y

對于數(shù)字圖像可以用差分來近似微分。其差分形式為：

?f?f?f??f(x,y?1)?f(x,y)?xf??f(x?1,y)?f(x,y)y?y?x

G[f(x,y)]?{[f(x,y)?f(x?1,y)]2?[f(x,y?f(x,y?1)]2}12

G[f(x,y)]?|f(x,y)?f(x?1,y)|?|f(x,y?f(x,y?1)|

梯度大小與相鄰像素的灰度差成正比： 灰度變化大則梯度值很大，灰度變化平緩則梯度值小，灰度無變化則梯度值為0.（2）二階導(dǎo)數(shù)：通過拉普拉斯算子來計算

定義：一個二元圖像函數(shù)f(x,y)的拉普拉斯變換定義為：

?2f?2f?f?2?2?x?y?[f(x?1,y)?f(x?1,y)?f(x,y?1)?f(x,y?1)]?4f(x,y)2可以用多種方式表示為數(shù)字形式。對于一個3*3的區(qū)域，經(jīng)驗上推薦最多的形式是

?2f?4Z5?(Z2?Z4?Z6?Z8)

拉普拉斯銳化前、(a)原圖像灰度；

(b)拉普拉斯銳化后圖像的灰度

(a)(b)3

數(shù)字圖像處理課程設(shè)計

2.2.4導(dǎo)數(shù)和噪聲

基于微分的邊緣檢測器，其基本依據(jù)是圖像的邊緣對應(yīng)了一階導(dǎo)數(shù)的極大值，而二階導(dǎo)數(shù)則過零點。但是，假如圖像受到噪聲的影響：

f(x,y)?s(x,y)?n(x,y)。

噪聲的幅值往往很小，但頻率往往很高，比如設(shè)：

n(x,y)?asin(?x)

那么一階導(dǎo)數(shù)和二階導(dǎo)數(shù)分別為：

?n(x)?2n(x)2?a?cos(?x)??a?sin(?x)2?x

?x

2.2.5高斯拉普拉斯（LOG）

高斯拉普拉斯(Laplacian of Gaussian，LOG，或Mexican hat，墨西哥草帽)濾波器使用了Gaussian來進(jìn)行噪聲去除并使用 Laplacian來進(jìn)行邊緣檢測

2.2.6邊緣連接和邊緣檢測

局部處理，確定邊緣像素相似性的兩個主要性質(zhì)是：（1）用于生成邊緣像素的梯度算子的響應(yīng)強度

?f(x,y)??f(x0,y0)?EE是非負(fù)門限

（2）梯度向量的方向

?(x,y)??(x0,y0)?A

A是非負(fù)門限

數(shù)字圖像處理課程設(shè)計

3.源代碼

3.1對于只有車牌無車身的圖像：

%預(yù)備處理

clc;%擦去一一頁命令窗口，光標(biāo)回屏幕左上角 clear all;

%圖像的讀入和初步處理 im=imread('1.png');im1=rgb2gray(im);%江源彩色圖像轉(zhuǎn)換成灰度色圖 im1=medfilt2(im1,[3 3]);%用中值濾波的圖像去噪

%對圖像進(jìn)一步處理，得到有用信息

BW = edge(im1,'sobel');%用edge函數(shù)獲得灰度圖像的邊緣

[imx,imy]=size(BW);%對于邊緣獲取信息，用size函數(shù)，獲取數(shù)組的行數(shù)于列數(shù)。對于size函數(shù)中的兩個輸出

%數(shù)，size函數(shù)將數(shù)組的行數(shù)返回到第一個輸出變量imx，將數(shù)組的列數(shù)返回到第二個輸出變 %量imy

msk=[0 0 0 0 0;0 1 1 1 0;0 1 1 1 0;0 1 1 1 0;0 0 0 0 0;];B=conv2(double(BW),double(msk));%用二維卷積運算函數(shù)conv2平滑圖像，減少連接數(shù)量

L = bwlabel(B,8);% 計算連通，調(diào)用函數(shù)返回一個和B大小相同的L矩陣，包括標(biāo)記了B中每個連通區(qū)域的類別標(biāo)值 mx=max(max(L))% 將有連通的MX。給予L一個1和mx之間的值或者在循環(huán)中可以提取所有連接組件

% 從儲存陣列中提取圖像 figure,imshow(im);figure,imshow(im1);figure,imshow(B);

3.2對于有車身和車牌連接的圖像

%預(yù)備處理

clc;%擦去一一頁命令窗口，光標(biāo)回屏幕左上角 clear all;

%圖像的讀入和初步處理 im=imread('2.jpg');im1=rgb2gray(im);%江源彩色圖像轉(zhuǎn)換成灰度色圖 im1=medfilt2(im1,[3 3]);%用中值濾波的圖像去噪

數(shù)字圖像處理課程設(shè)計

%對圖像進(jìn)一步處理，得到有用信息

BW = edge(im1,'sobel');%用edge函數(shù)獲得灰度圖像的邊緣

[imx,imy]=size(BW);%對于邊緣獲取信息，用size函數(shù)，獲取數(shù)組的行數(shù)于列數(shù)。對于size函數(shù)中的兩個輸出參

%數(shù)，size函數(shù)將數(shù)組的行數(shù)返回到第一個輸出變量imx，將數(shù)組的列數(shù)返回到第二個輸出變 %量imy

msk=[0 0 0 0 0;0 1 1 1 0;0 1 1 1 0;0 1 1 1 0;0 0 0 0 0;];B=conv2(double(BW),double(msk));%用二維卷積運算函數(shù)conv2平滑圖像，減少連接數(shù)量

L = bwlabel(B,8);% 計算連通，調(diào)用函數(shù)返回一個和B大小相同的L矩陣，包括標(biāo)記了B中每個連通區(qū)域的類別標(biāo)值 mx=max(max(L))% 將有連通的MX。給予L一個1和mx之間的值或者在循環(huán)中可以提取所有連接組件

% 對于車牌與車身連接的圖像，給予17，,19,19,22,27,28至L用于提取完全車牌 [r,c] = find(L==17);%用find函數(shù)查詢非零元素的行和列

rc = [r c];[sx sy]=size(rc);n1=zeros(imx,imy);%創(chuàng)建名為n1的imx行，imy列的零矩陣

for i=1:sx x1=rc(i,1);y1=rc(i,2);n1(x1,y1)=255;end

% 從儲存陣列中提取圖像 figure,imshow(im);figure,imshow(im1);figure,imshow(B);figure,imshow(n1,[]);

4.處理結(jié)果

4.1對于只有車牌無車身的圖像：

原圖像

數(shù)字圖像處理課程設(shè)計

處理后：

數(shù)字圖像處理課程設(shè)計

總結(jié)：能夠?qū)D像基本信息進(jìn)行簡單分離。

4.2對于有車身和車牌連接的圖像

原圖像

處理后

數(shù)字圖像處理課程設(shè)計

總結(jié)：能夠?qū)D像進(jìn)行分離，但是對于車身與車牌信息分離不理想，有待進(jìn)一步改進(jìn)。

5.心得體會

在這次數(shù)字圖像處理的課程設(shè)計過程中，首先加深了我對于數(shù)字圖像處理這門課程的認(rèn)識，通過對相關(guān)知識的進(jìn)一步了解和掌握，清楚的認(rèn)識到這門課程在實際應(yīng)用的廣泛性。

通過Matlab編程的過程之中，進(jìn)一步掌握了Matlab的使用，明白了這個軟件作為許多應(yīng)用方向工具的強大之處，通過對一些小錯誤的改造還認(rèn)識到了以往自己沒有注意到的一些小的細(xì)節(jié)問題。

6.參考文獻(xiàn)

1.數(shù)字圖像處理 第二版 岡薩雷斯（Rafael C.Gonzalez）

2003-03-01 2.Matlab2007-help

第二篇：數(shù)字圖像處理課程設(shè)計

1.前言

數(shù)字圖像處理技術(shù)是20世紀(jì)60年代開始發(fā)展起來的一門新興學(xué)科。近40年來，由于大規(guī)模集成電路和計算機技術(shù)的迅速發(fā)展，離散數(shù)學(xué)的創(chuàng)立及理論上的不斷突破，以及軍事、醫(yī)學(xué)和工業(yè)等方面應(yīng)用需求的不斷增長，數(shù)字圖像處理的理論和方法發(fā)展迅速，圖像處理技術(shù)不斷完善，不僅在理論研究上取得了很大的進(jìn)展，而且其應(yīng)用領(lǐng)域也日益擴(kuò)大。隨著科技的進(jìn)步以及人類需求的多樣化發(fā)展，多學(xué)科的交叉、融合已成為現(xiàn)代科學(xué)發(fā)展的突出特色和重要途徑。因此，數(shù)字圖像處理學(xué)科正逐步向其他學(xué)科領(lǐng)域滲透，并為其他學(xué)科的研究和發(fā)展提供基礎(chǔ)性支持。

眾所周知，人類正在實踐的21世紀(jì)是一個信息時代。今天的社會，信息技術(shù)已經(jīng)全面服務(wù)于社會生產(chǎn)和生活的方方面面，人們所做工作的相當(dāng)一部分就是對信息的處理和傳輸，其中圖像是人類獲取信息、表達(dá)信息和傳遞信息的重要手段，是人類感知和認(rèn)識世界的基礎(chǔ)。有關(guān)研究表明，日常生活中人們所接受的各種信息中圖像信息占總信息量的80%左右，從這一角度看，“百聞不如一見”正是圖像處理重要性的形象表達(dá)和經(jīng)驗總結(jié)。因此，數(shù)字圖像處理技術(shù)無論是對于21世紀(jì)的科學(xué)理論研究，還是工程應(yīng)用都將具有重要的影響。國內(nèi)外許多有識之士指出，從某種意義上講，數(shù)字圖像處理是實現(xiàn)智能計算機、智能機器人或多媒體通信系統(tǒng)的基礎(chǔ)，未來計算機及智能機器人的發(fā)展與進(jìn)步將在一定程度上依賴于機器視覺信息處理理論和技術(shù)的突破。雖然相對于經(jīng)典學(xué)科，數(shù)字圖像處理還很年輕，但日趨成熟的數(shù)字圖像處理技術(shù)已經(jīng)在很多方面得到深入而廣泛的應(yīng)用，一定程度上改變了人類的生活，給人們的日常生活、學(xué)習(xí)、工作帶來極大的方便。例如，Internet上的視頻廣播、現(xiàn)代衛(wèi)星或遙感照片的合成和處理、工業(yè)產(chǎn)品的自動檢測、各種醫(yī)學(xué)影像和圖像的處理、遠(yuǎn)程醫(yī)療診斷及手術(shù)以及視頻會議、視頻電話等都采用了圖像處理技術(shù)實現(xiàn)實時信息交互。

在信息化的今天，信息技術(shù)已經(jīng)全面服務(wù)于社會的生產(chǎn)和生活的各個方面。信息是抽象的，它依附在各種媒體所表示的數(shù)據(jù)中，其中，圖像信息是人類賴以獲取信息的最重要來源之一。隨著計算機技術(shù)的迅猛發(fā)展，圖像和圖形技術(shù)不斷融合，產(chǎn)生了各種圖像處理、CAD軟件。這些軟件被廣泛應(yīng)用于計算機科學(xué)、1 工程學(xué)、統(tǒng)計學(xué)、物理學(xué)、信息科學(xué)、化學(xué)、生物學(xué)、醫(yī)學(xué)乃至社會科學(xué)等領(lǐng)域，取得了令人矚目的成就。

MATLAB自1984年由美國MathWorks公司推向市場以來，經(jīng)歷了二十多年的發(fā)展，現(xiàn)已成為國際公認(rèn)的最優(yōu)秀的科技應(yīng)用軟件。MATLAB既是一種直觀高效的計算機語言，同時又是一個科學(xué)計算平臺，它為數(shù)據(jù)分析和數(shù)據(jù)可視化算法和應(yīng)用程序開發(fā)提供了最核心的數(shù)學(xué)和高級圖形工具。根據(jù)它提供的500多個數(shù)學(xué)和工程函數(shù)，工程技術(shù)人員和科學(xué)工作者可以在它的集成環(huán)境中交互或編程以完成各自的計算。

正是由于MATLAB的各種優(yōu)勢和特點，以及其版本的不斷更新和功能的不斷完善和強大，特別是它在圖形處理上的優(yōu)越性，本次課程設(shè)計就是利用MATLAB圖像處理工具箱函數(shù)來進(jìn)行圖像增強。2.設(shè)計的內(nèi)容

本次課程設(shè)計我做的題目是“基于matlab圖像增強的比較及其理論分析”，圖像增強所包含的主要內(nèi)容如下圖：

???灰度變換???

?均衡化?????點運算?直方圖修正法?規(guī)定化 ???空間域???局部統(tǒng)計法? ??????圖像平滑? 局部運算????圖像銳化?? ?圖像增強??高通濾波?

?

頻率域?低通濾波??同態(tài)濾波增強? ????假彩色增強

??彩色增強?偽彩色增強? ?彩色變換及應(yīng)用??? ??圖像的代數(shù)運算

圖像增強是采用一系列技術(shù)去改善圖像的視覺效果，或?qū)D像轉(zhuǎn)換成一種更適合于人或機器進(jìn)行分析和處理的形式。例如采用一系列技術(shù)有選擇的突出某些感興趣的信息，同時抑制一些不需要的信息，提高圖像的使用價值。鑒于以上理論知識，我先在網(wǎng)上下載一幅灰度圖片，然后對其依次進(jìn)行如下操作： 1.將該圖片導(dǎo)入MATLAB工作平臺；

2.利用MATLAB圖像處理工具箱提供的模擬噪聲生成函數(shù)imnoise，分別對該圖片模擬加入高斯噪聲和椒鹽噪聲；

3.利用MATLAB軟件對加入噪聲的該圖片進(jìn)行中值濾波和均值濾波處理； 4.記錄處理后生成的圖樣，比較分析哪種方法增強效果最佳。3.流程圖 4.總體方案設(shè)計及原理

4.1驗證圖片是否為灰度圖片

本次課設(shè)要求是對灰度圖片進(jìn)行處理，因此必須保證是灰度圖片，在MATLAB中能實現(xiàn)對圖片屬性的查看。在MATLAB命令輸入窗中，調(diào)用函數(shù)info=imfinfo(‘FILENAME.FMT’)。如查看我用的圖片屬性，在命令窗口輸入info=imfinfo('植物大戰(zhàn)僵尸.JPG')，得到如下結(jié)果： info =

Filename: '植物大戰(zhàn)僵尸.JPG'

FileModDate: '22-Jun-2009 14:23:46'

FileSize: 177051

Format: 'jpg'

FormatVersion: ''

Width: 601

Height: 812

BitDepth: 8

ColorType: 'grayscale'

FormatSignature: ''

NumberOfSamples: 1

CodingMethod: 'Huffman'

CodingProcess: 'Sequential'

Comment: {} 在ColorType: 'grayscale'

屬性行如此顯示，則說明以劉亦菲.JPG命名的文件為灰度圖像。

4.2導(dǎo)入圖片到MATLAB工作平臺

首先在MATLAB命令窗口中將其執(zhí)行路徑更改到要處理的灰度圖片的路徑，然后讀取圖像。函數(shù)imread可以從任何MATLAB支持的圖像文件格式中，以任意位深度讀取一幅圖像。格式為：

[X，MAP]=imread(‘FILENAME.FMT’)，其中：

FILENAME-為需要讀入的圖像文件名稱，F(xiàn)MT-為圖像格式。4.3對圖片模擬加入高斯噪聲和椒鹽噪聲

Matlab圖像處理工具箱提供了模擬噪聲生成的函數(shù)imnoise，格式為： J=imnoise(I,type)J=imnoise(I,type,parameters)其中：

I為輸入圖像，J為疊加噪聲后的圖像。type為噪聲類型，parameters為各噪聲相應(yīng)的參數(shù)。常用的噪聲類型如下： J=imnoise(I,'gaussian',M,V)均值M,方差為V的高斯噪聲。M、V的缺省值為0、0.01； J=imnoise(I,'salt & pepper',D)噪聲濃度為D的椒鹽噪聲。D的缺省值為0.05； J=imnoise(I,'speckle',V)方差為V的乘法性噪聲。V的缺省值為0.04。

4.4顯示原圖片和加入噪聲的圖片

本次用到的MATLAB的圖像顯示函數(shù)為imshow，格式為： imshow（I，n）其中：

I-為圖片的代碼，n-為顯示灰度級為n的圖像，n缺省為256。

4.5中值濾波處理

MATLAB圖像處理工具箱中，提供了medfilt2和ordfilt2函數(shù)，用于實現(xiàn)中值濾波。

medfilt2格式為：

B=medfilt2(A,[m n])其中：

A為輸入圖像，B為輸出圖像，[m n]為窗口大小，缺省為[3 3]。ordfilt2的格式為：

Y=ordfilt2(X,order,domain)其中：

X為輸入圖像，Y為輸出圖像，order為濾波器輸出順序值，domain為濾波窗口矩陣。

Y=ordfilt2(X,5,ones(3,3))%中值濾波Y=medfilt2(X,[3 3])Y=ordfilt2(X,1,ones(3,3))%最小濾波 Y=ordfilt2(X,9,ones(3,3))%最大濾波 4.6均值濾波處理

MATLAB圖像處理工具箱提供了filter2和fspecial函數(shù)用于對圖像進(jìn)行均值濾波。

(1)filter2用于對圖像作卷積濾波，格式為： B=filter2(h,A,shape)其中：

A為輸入圖像，h為濾波算子，B為輸出圖像，shape為指定濾波計算范圍： shape='full'時，作邊界補0 shape='same'時，返回的圖像B與輸入的圖像A大小相同 shape='valid'時，補考慮邊界補0，只計算有效輸出部分。(2)fspecial用于產(chǎn)生預(yù)定義的濾波算子，格式為： h=fspecial(type,para)其中：

參數(shù)type指定算子類型，para為指定相應(yīng)的參數(shù)。type='average'，表示為均值濾波器，para默認(rèn)為3 4.7源代碼

I=imread('植物大戰(zhàn)僵尸.JPG');

%讀取圖片

J1=imnoise(I,'gaussian',0,0.04);%加入高斯噪聲，均值為0方差為0.04

J2=imnoise(I,'salt & pepper',0.09);%加入椒鹽噪聲，噪聲濃度為0.09 K1 = medfilt2(J1);

%對圖片J1進(jìn)行中值濾波 K2 = medfilt2(J2);

%對圖片J2進(jìn)行中值濾波 K3 = filter2(fspecial('average',1),J1);%對圖片J1進(jìn)行均值濾波 K4 = filter2(fspecial('average',1),J2);%對圖片J2進(jìn)行均值濾波 Pause

%程序執(zhí)行暫停 figure(1)subplot(1,3,1)

%子圖方式顯示 imshow(I)

%顯示圖片I title('原始圖片')

%給圖片加入標(biāo)題 subplot(1,3,2)imshow(J1)title('高斯噪聲')subplot(1,3,3)imshow(J2)title('椒鹽噪聲')pause figure(2)subplot(2,2,1)imshow(I)title('原始圖片')subplot(2,2,2)imshow(J1)title('高斯噪聲')subplot(2,2,3)imshow(K1)title('中值濾波')subplot(2,2,4)imshow(K3)title('均值濾波')pause figure(3)subplot(2,2,1)imshow(I)title('原始圖片')subplot(2,2,2)imshow(J2)title('椒鹽噪聲')subplot(2,2,3)imshow(K2)title('中值濾波')subplot(2,2,4)imshow(K4)title('均值濾波')4.8結(jié)果顯示

在MATLAB命令窗口中輸入上述代碼，按下回車鍵，就可以顯示結(jié)果，如下面三幅圖所示 5.結(jié)果分析

5.1均值濾波

均值濾波是最簡單的均值濾波，均值簡單的平滑了一幅圖像的局部變化，在模糊了圖像的同時減少了噪聲，但在濾波過程中會丟失圖像細(xì)節(jié)，如第5幅和第6幅圖像所示，當(dāng)該圖像的參數(shù)shape='full'時，作邊界補0，因此后兩幅看起來就是“空白”，幾乎丟失了圖像的全部細(xì)節(jié)。如果對圖像干擾的某一噪聲具有這樣的特點：對圖像中任意相鄰兩點的干擾是互不相關(guān)的。那么，若某一象素中含有噪聲，而其它周圍的鄰點卻不一定有噪聲。因此，和鄰近各點相比，該點的灰度值將有顯著的不同。

這樣就可以從圖像中取一子區(qū)域（稱為鄰域），其內(nèi)含若干象素，要處理的象素位于鄰域的中心。然后求出鄰域中各象素（不包含要處理的象素點）的灰度平均值：

g(m,n)?1?f(m?1,n)?f(m?1,n)?f(m,n?1)?f(m,n?1)? 4由于圖像中相鄰象素之間有很強的相關(guān)性，如果該點(m,n)無噪聲，則其灰度應(yīng)和鄰域平均值基本相等，反之，兩者有明顯差別。

這是用鄰域平均值代替該點的灰度值，可以在一定程度上消除噪聲。

5.2中值濾波

中值濾波的應(yīng)用非常廣泛，因為對于很多種隨機噪聲，它都有良好的去噪能力，且在相同尺寸下比線性平滑濾波引起的模糊更少。中值濾波尤其對單極或雙極脈沖噪聲非常有效。

最大值濾波對發(fā)現(xiàn)圖像中的最亮點非常有用。同樣，因為“胡椒”噪聲是非常低的值，作為子圖像區(qū)域的最大值選擇結(jié)果，他可以通過這種濾波消除；最小值濾波對發(fā)現(xiàn)圖像中的最暗點非常有用。同樣，作為最小值操作的結(jié)果，它可以用來消除“鹽”噪聲。對于高斯和均勻隨機分布這類噪聲有最好的效果。設(shè)有一序列：

?fi???f1,f2,...,fn?

有n個值，在序列中任取m個連續(xù)值：

fi?v,fi?v?1,...,fi?1,fi,fi?1,...,fi?v?1,fi?v m為奇數(shù)3、5、7等： m?2v?1

將這m個值從小到大排序，取中間值作為濾波器輸出，表示為：

fi'?med?fi?v,...,fi,...,fi?v?，i?1,2,...,n。例如：fi為

...0 3 4 4 5 3 2 0 1 4 3 0...取m為3時的中值濾波：

...0 3 4 4 4 3 2 1 1 3 3 0...取m為3時的平滑濾波：

...0 7/3 11/3 4 11/3 3 2 4/3 5/3 7/3...中值濾波不影響階躍函數(shù)和斜波函數(shù)，周期小于m/2的脈沖將抑制，三角函數(shù)頂部變平。因此可以消除噪聲

通過觀察第2幅圖可以看出，經(jīng)medfilt2函數(shù)處理椒鹽噪聲后的圖像幾乎復(fù)原了原始圖像，其效果比相同條件下的高斯噪聲處理要好很多。綜合分析上述各幅圖像我們可以得出結(jié)論：在處理椒鹽噪聲的問題上，中值濾波比均值濾波更優(yōu)越;在處理高斯噪聲的問題上，均值濾波比中值濾波效果稍微好一點。6.心得體會

經(jīng)過一個多星期的關(guān)于數(shù)字圖像處理的課程設(shè)計，在老師和同學(xué)的幫助下，我基本上完成了這次任務(wù)，通過這次課程設(shè)計我收獲頗多，概而言之，大約以下幾點：

一、溫故而知新。課程設(shè)計發(fā)端之始，思緒全無，舉步維艱，對于理論知識學(xué)習(xí)不夠扎實的我深感“書到用時方恨少”，于是想起圣人之言“溫故而知新”，便重拾教材與實驗手冊，對知識系統(tǒng)而全面進(jìn)行了梳理，遇到難處先是苦思冥想再向同學(xué)請教，終于熟練掌握了基本理論知識，而且領(lǐng)悟諸多平時學(xué)習(xí)難以理解掌握的較難知識，學(xué)會了如何思考的思維方式，找到了設(shè)計的靈感。

二、理論聯(lián)系實際。通過這次課程設(shè)計使我懂得了理論與實際相結(jié)合是很重要的，只有理論知識是遠(yuǎn)遠(yuǎn)不夠的，只有把所學(xué)的理論知識與實踐相結(jié)合起來，從理論中得出結(jié)論，才能真正為社會服務(wù)，從而提高自己的實際動手能力和獨立思考的能力。在設(shè)計的過程中遇到問題，可以說得是困難重重，值得一提的是剛開始在濾波問題上我被卡住了，我以為是下載的MATLAB軟件沒有這個庫函數(shù)，卸載后裝上另一款，結(jié)果還是不能解決，請教了很多同學(xué)才發(fā)現(xiàn)要處理的圖片根本不是灰度圖片，重新?lián)Q了張圖片就成功了。這畢竟是第一次做的，難免會遇到過各種各樣的問題，同時在設(shè)計的過程中發(fā)現(xiàn)了自己的不足之處，對以前所學(xué)過的知識理解得不夠深刻，掌握得不夠牢固。

總的來說，這次設(shè)計的關(guān)于圖像處理的課程設(shè)計還是比較成功的，在設(shè)計中遇到了很多問題，最后在老師的辛勤的指導(dǎo)下，終于游逆而解，有點小小的成就感，終于覺得平時所學(xué)的知識有了實用的價值，達(dá)到了理論與實際相結(jié)合的目的，不僅學(xué)到了不少知識，而且鍛煉了自己的能力，更加強了團(tuán)隊合作的意識，使自己對以后的路有了更加清楚的認(rèn)識，同時，對未來有了更多的信心。最后，對給過我?guī)椭乃型瑢W(xué)和各位指導(dǎo)老師再次表示忠心的感謝！

參考文獻(xiàn)

[1] R.C.Gonzalez, R.E.Woods, S.L.Eddins,數(shù)字圖像處理（MATLAB版）阮秋琦 等譯, 北京：電子工業(yè)出版社，2007.10.[2]孫祥 徐流美 吳清編著，MATLAB7.0基礎(chǔ)教程 北京：清華大學(xué)出版社，2005.5.[3] 吳國平主編，數(shù)字圖像處理原理 北京：電子工業(yè)出版社，2007.9 [4] 王慧琴主編，數(shù)字圖像處理 北京：高等教育出版社，2006.5 [5] 霍宏濤主編，數(shù)字圖像處理 北京：清華大學(xué)出版社，2002.9

第三篇：數(shù)字圖像處理課程設(shè)計課程教學(xué)大綱

《數(shù)字圖像處理課程設(shè)計》課程教學(xué)大綱

Digital Imaging Processing Course Design

課程代碼：  課程性質(zhì)：設(shè)計（論文）適用專業(yè)：電子信息工程 開課學(xué)期：6 總學(xué)時數(shù)：16 執(zhí) 筆：何家峰

一、課程的性質(zhì)和目的

本課程是電子信息工程專業(yè)的課程設(shè)計。本課程的學(xué)習(xí)目的在于：針對給定的圖像處理任務(wù)，在查閱相關(guān)文獻(xiàn)的基礎(chǔ)上，制定相應(yīng)的技術(shù)方案，并編程實現(xiàn)；通過課程設(shè)計，使得學(xué)生進(jìn)一步理解數(shù)字圖像處理的基本概念、基本原理和基本方法，并培養(yǎng)學(xué)生的自學(xué)能力和實踐能力（設(shè)計能力與編程實現(xiàn)能力）。

總學(xué)分?jǐn)?shù)：1 編寫年月：2006.9 修訂年月：2007.7

二、課程教學(xué)內(nèi)容及學(xué)時分配

課程設(shè)計最好是一個典型的數(shù)字圖像處理任務(wù)，即包括圖像增強、圖像分割、圖像表達(dá)與描述。學(xué)生可以選取下面的任一圖像處理任務(wù)作為課程設(shè)計的目標(biāo)：

1、手寫數(shù)字識別；

2、掌紋識別；

3、虹膜識別；

4、其他的典型圖像處理任務(wù)。

三、課程教學(xué)的基本要求

本課程是電子信息工程專業(yè)的設(shè)計（論文）課程，實踐性較強。要求能查閱相關(guān)文獻(xiàn)資料，具備制定相應(yīng)技術(shù)路線的能力，以及應(yīng)用MATLAB語言或VC語言進(jìn)行數(shù)字圖像處理編程與調(diào)試的能力。

1、課程設(shè)計報告應(yīng)包含的內(nèi)容：課程設(shè)計目的介紹；技術(shù)路線及制定依據(jù)；軟件清單；實驗結(jié)果；結(jié)果分析與改進(jìn)措施等。

2、考試與成績評定：可采用面試與審閱設(shè)計報告結(jié)合的形式。總評成績：課程設(shè)計期間 的表現(xiàn)占30%；面試占70%。

四、本課程與其它課程的聯(lián)系與分工

先修課程：數(shù)字圖像處理。后續(xù)課程：無。

五、建議教材及教學(xué)參考書

［1］Rafael C.Gonzalez, Richard E.Woods 著，《數(shù)字圖像處理（第二版）》，電子工業(yè)出版社，2006年出版

［2］Rafael C.Gonzalez, Richard E.Woods, Steven L.Eddins 著，《數(shù)字圖像處理（MATLAB版）》，電子工業(yè)出版社，2006年出版

［3］李弼程，彭天強，彭波 等編著，《智能圖像處理技術(shù)》，電子工業(yè)出版社，2004年出版

［4］何東健，耿楠，張義寬 等編，《數(shù)字圖像處理》，西安電子科技大學(xué)出版社，2005年出版

注：

1、“課程代碼”由教務(wù)處教研科統(tǒng)一填寫；

2、“課程性質(zhì)”按培養(yǎng)方案的“課程性質(zhì)”及“必/選修”兩欄填寫；

3、“適用專業(yè)”按招生簡章填寫；

4、“開課學(xué)期”指1～8（10）中的數(shù)字，例如“大學(xué)英語”課程的開課學(xué)期為1、2、3、4；

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(rèn)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．?dāng)⑹龈鞫纬绦蚬δ?，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(biāo)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(rèn)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．?dāng)⑹龈鞫纬绦蚬δ?，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(jìn)行中值濾波和均值濾波???????5 四，對圖像進(jìn)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(xiàn) ??????????????????????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(jìn)行程序設(shè)計，學(xué)習(xí)如何對已被噪聲污染的圖像進(jìn)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(biāo)邊界和圖像細(xì)節(jié)，對圖像進(jìn)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(jìn)一步的增強及突出。本實驗銳化處理主要在空間域中進(jìn)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(jìn)行頻域濾波

利用MATLAB程序數(shù)字圖像的傅立葉變換并且進(jìn)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(jìn)行中值濾波和均值濾波： 原理：自帶函數(shù)進(jìn)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(jìn)行空間域的銳化： 原理：自帶函數(shù)進(jìn)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(jìn)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(xiàn)：數(shù)字圖像處理第二版

MATLAB教程