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。

2. 数字图像处理的特点

   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。

4）数字图像处理后的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。

3. 数字图像处理的优点

   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，主要取决于图像数字化设

备的能力.

3）适用面宽。图像可以来自多种信息源,它们可以是可见光图像，也可以是不可见的波谱图像。只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法

适用于任何一种图像。

4）灵活性高。图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每

一部分均包含丰富的内容。

4. 数字图像处理的应用领域

   图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生

活和工作的方方面面，随着人类活动范围的不断扩大,图像处理的应用领域也将随之不断扩

大。

   航天和航空技术：在飞机遥感和卫星遥感技术中用配备有高级计算机的图像处理系统来判读分析，既节省人力又加快了速度，还可以从照片中提取人工所不能发现的大量有用情报。生物医学工程：除了CT技术之外，还有对医用显微图像的处理分析，如红细胞、白细胞分类，染色体分析，癌细胞识别等。

   通信工程：当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。在一定意义上讲，编码压缩是这些技术成败的关键。除了已应用较广泛的熵编码、DPCM编码、变换编码外，目前国内外正在大力开发研究新的编码方法，如分行编码、自适应网络编码、小波变换图像压缩编码等。

   工业和工程领域：图像处理技术有着广泛的应用，如自动装配线中检测零件的质量并对零件进行分类，印刷电路板疵病检查，弹性力学照片的应力分析，流体力学图片的阻力和升力分析,邮政信件的自动分拣，在一些有毒、放射性环境内识别工件及物体的形状和排列状态，先进的设计和制造技术中采用工业视觉等等。

   军事方面：图像处理和识别主要用于导弹的精确末制导

各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统，飞机、坦克和军舰模拟训练系统等；公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等。

   文化艺术：电视画面的数字编辑、动画的制作、电子图像游戏、纺织工艺品设计、服装设计与制作、发型设计、文物资料照片的复制和修复、运动员动作分析和评分等等。

   视频和多媒体系统：电视制作系统广泛使用的图像处理、变换、合成，多媒体系统中静止图像和动态图像的采集、压缩、处理、存贮和传输等。

   电子商务：图像处理技术在电子商务中也大有可为,如身份认证、产品防伪、水印技术等。

   在这门课程的最后，代课老师给我们讲授了数字视频处理，让我们了解到数字视频就是以数字形式记录的视频，和模拟视频相对的。数字视频有不同的产生方式，存储方式和播出方式。比如通过数字摄像机直接产生数字视频信号，存储在数字带，P2卡，蓝光盘或者磁盘上，从而得到不同格式的数字视频。然后通过PC，特定的播放器等播放出来。了解了数字视频发展过程和视频压缩的概念和分类等。

   我们这门课程主要是上理论课，其中有很复杂的数学原理，专业术语多，基础知识要求高，理解起来有些困难。当初选择这门课是希望能有一些具体软件的教学。就我了解，视频处理的软件有MAYA、Premiere、绘声绘影、windows自带的MOVE MAKER；处理数字图像的软件主要有matlaB、photoshop、ImageJ（java图像处理程序）。其中，matlaB和PS 很具有教学性，这两个软件也运用的很广。

   MATLAB全称是MatrixLaboratory(矩阵实验室)，一开始它是一种专门用于矩阵数值计算的软件，从这一点上也可以看出，它在矩阵运算上有自己独特的特点。实际运用MATLAB中的绝大多数的运算都是通过矩阵这一形式进行的，这一特点决定了MATLAB在处理数字图像上的独特优势。理论上讲，图像是一种二维的连续函数，然而计算机对图像进行数字处理时，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。

   Photoshop是Adobe公司旗下最为出名的图像处理软件之一，集图像扫描、编辑修改、图像制作、广告创意，图像输入与输出于一体的图形图像处理软件,深受广大平面设计人员和电脑美术爱好者的喜爱。

   如果能理论和实践相结合，相信我们会把数字图像处理理解的跟透彻，同时也锻炼了大家的动手能力。希望老师能多开设实际动手的课程。

 

第二篇：数字图像处理报告

实 验 报 告

课程名称 数字图像处理 实验项目 点运算和直方图处理 实验仪器 PC机 MATLAB软件

系 别 光电信息与通信工程学院 专 业 测控技术与仪器 班级/学号 测控0901/2009010776 学生姓名 林云峰 实验日期 20xx年12月 成 绩 指导老师 郑青玉

实验1 点运算和直方图处理

一、 实验目的

1. 掌握利用Matlab图像工具箱显示直方图的方法

2. 掌握运用点操作进行图像处理的基本原理。

3. 进一步理解利用点操作这一方法进行图像处理的特点。

4. 掌握利用Matlab图像工具箱进行直方图均衡化的基本方法。

二、 实验的硬件、软件平台

硬件： 计算机

软件： 操作系统：WINDOWS 2000

应用软件：MATLAB

三、 实验内容及步骤

1. 了解Matlab图像工具箱的使用。

2. 利用Matlab图像工具箱对图像进行点操作，要求完成下列3个题目中的至少2个。 ⑴ 图1灰度范围偏小，且灰度偏低，改正之。

⑵ 图2暗处细节分辨不清，使其能看清楚。

⑶ 图3亮处细节分辨不清，使其能看清楚。

图1 图2 图3

3. 给出处理前后图像的直方图。

4. 利用MatLab图像处理工具箱中函数对以上图像进行直方图均衡化操作，观察结果。

四、 思考题

1. 点操作能完成哪些图像增强功能？

2. 直方图均衡化后直方图为何并不平坦？为何灰度级会减少？

五、 实验报告要求

1．对点操作的原理进行说明。

2．给出程序清单和注释。

3．对处理过程和结果进行分析（包括对处理前后图像的直方图的分析）。 clc

clear all

I=imread('point2.bmp');%读取标题为“Point2”的位图，并用“I”表示该图 j=rgb2gray(I); %转为灰度图像，并用j表示

[l,r]=size(j); %将j的行数返回到第一个输出变量l，将列数返回到第二个输出变量r

figure（1）%创建一个空的窗口

subplot(221) %将窗口分成2行2列，并在第一个位置进行操作

imshow(j) %显示图片j

title('源图像') %标题

for m=1:l %循环语句，行数m的值从1到l，下同

for n=1:r

p(m,n)=j(m,n)*2; %将j图中的每一个点的像素值乘以2.4，得到的新像素以原来的位置构成图p end

end

subplot(222)

imshow(p)

title('处理后图像')

subplot(2,2,3)

imhist(j);%显示j的直方图

title('源图像直方图')

subplot(2,2,4)

imhist(p)

title('处理后的直方图')

对比图像处理前后的直方图可知。源图像的灰度范围较小，图像均衡化处理后。灰度级取值的动态范围扩大了，但灰度级减少了。直方图变得更稀疏。并且灰度级值整体增大了。体现在直方图整体向右平移了一段距离。

clc

clear all;

B1=imread('POINT1.bmp'); B2=rgb2gray(B1);

[C,K]=size(B2);

for i=1:C

for j=1:K

if B2(i,j)<30

A(i,j)=1.5*B2(i,j)+20; else A(i,j)=B2(i,j); end

end

end

subplot(221)

imshow(B1);

subplot(223)

imshow(A);

subplot(222)

imhist(B2);

subplot(224)

imhist(A);

clc

clear all

A=imread('point1.bmp');

b=rgb2gray(A);

p1=imadjust(b,[0,0.5],[0,1],0.9);

figure(1)

subplot(221)

imshow(b)

title('源图像')

subplot(223)

imshow(p1)

title('处理过后的图像')

subplot(222)

imhist(b)

title('源直方图图')

subplot(224)

imhist(p1)

title('处理过后的直方图')

对于实验1.2与是对图像进行点操作，期中对于判定和循环的运用是解题的关键，即对点进行判定并只对满足条件的点进行处理。

思考题

1． 点操作可以扩大灰度值的范围。并且可以改变某点灰度值的大小，实现增强或减弱图像亮度、增强对比度以及直方图均衡化处理。

2． 均衡化后的直方图不平坦是由于图像中各灰度级出现的概率不同。均衡化后的直方图使灰度级分布具有均匀概率密度。扩展了像素取值的动态范围，但减少了灰度级。

实验感想：通过本次实验，对与图片的点操作和直方图处理有了更深刻的体会。

实 验 报 告

课程名称 数字图像处理 实验项目 图像平滑实验 实验仪器 PC机 MATLAB软件

系 别 光电信息与通信工程学院 专 业 测控技术与仪器 班级/学号 测控0901/2009010776 学生姓名 林云峰 实验日期 20xx年12月 成 绩 指导老师 郑青玉

实验2 图像平滑实验

一、实验目的

1．通过实验掌握图像去噪的基本方法；

2．学会根据情况选用不同方法。

二、实验的硬件、软件平台

硬件：计算机

软件：操作系统：WINDOWS 2000

应用软件：MATLAB

三、实验内容及要求

1．实验内容

请在如下面方法中选择多个，完成图像去噪操作，并进行分析、比较。

（1）对静态场景的多幅图片取平均；

（2）空间域模板卷积（不同模板、不同尺寸）；

（3）频域低通滤波器（不同滤波器模型、不同截止频率）；

（4）中值滤波方法。

2．实验要求

（1）图片可根据需要选取；

（2）对不同方法和同一方法的不同参数的实验结果进行分析和比较，如空间域卷积模

板可有高斯型模板、矩形模板、三角形模板和自己根据需求设计的模板等；模板大小可以是3×3，5×5，7×7或更大。频域滤波可采用矩形或巴特沃斯等低通滤波器模型，截止频率也是可选的。

（3）分析比较不同方法的结果。

四、思考题

1．不同空间域卷积器模板的滤波效果有何不同？

2．空间域卷积器模板的大小的滤波效果有何影响？

3．用多幅图像代数平均的方法去噪对图像有何要求？

4．不同频域滤波器的效果有何不同？

五、实验报告要求

1．列出程序清单并进行功能注释；

2．说明不同方法去噪效果；

3．对去噪方法进行详细分析对比。

（1）对静态场景的多幅图片取平均：

clc;

clear; all;%

I1=imread('lenna_noise1.bmp');%读取图片1

subplot(3,3,1);%三行三列第一幅

imshow(I1);%显示图片1

I2=imread('lenna_noise2.bmp');%读取图片2

subplot(3,3,2);%三行三列第二幅

imshow(I2);%显示图片2

I3=imread('lenna_noise3.bmp');%读取图片3 subplot(3,3,3);%三行三列第三幅

imshow(I3);%显示图片3

I4=imread('lenna_noise4.bmp');%读取图片4 subplot(3,3,4);%三行三列第四幅

imshow(I4);%显示图片4

I5=imread('lenna_noise5.bmp');%读取图片5 subplot(3,3,5);%三行三列第五幅

imshow(I5);%显示图片5

I6=imread('lenna_noise6.bmp');%读取图片6 subplot(3,3,6);%三行三列第六幅

imshow(I6);%显示图片6

I7=imread('lenna_noise7.bmp');%读取图片7 subplot(3,3,7);%三行三列第七幅

imshow(I7);%显示图片7

I8=imread('lenna_noise8.bmp');%读取图片8 subplot(3,3,8);%三行三列第八幅

imshow(I8);%显示图片8

i1=double(I1)/255;%灰度转化为浮点数再除以255 i2=double(I2)/255; %灰度转化为浮点数再除以255 i3=double(I3)/255; %灰度转化为浮点数再除以255 i4=double(I4)/255; %灰度转化为浮点数再除以255 i5=double(I5)/255; %灰度转化为浮点数再除以255 i6=double(I6)/255; %灰度转化为浮点数再除以255 i7=double(I7)/255; %灰度转化为浮点数再除以255 i8=double(I8)/255; %灰度转化为浮点数再除以255

a=(i1+i2+i3+i4+i5+i6+i7+i8)/8;%8个浮点数求平均值 subplot(3,3,9);%三行三列第九幅

imshow(a);%显示图片a

（2）

I=imread('noise1.bmp');

subplot(3,3,1);%三行三列第一幅

imshow(I);%显示图片

title('原图')

B=medfilt2(I,[3,3]);%中值率波函数,模版大小为[3,3]

subplot(3,3,2);%三行三列第二幅

imshow(B);

title('中值滤波')

C=ordfilt2(I,6,ones(3,3));%二维顺序统计滤波函数, ones（3，3）决定模板大小 subplot(3,3,3);%三行三列第三幅

imshow(C);

title('二维顺序统计滤波')

h=fspecial('average',[3,3]);%均值滤波器

D=filter2(h,I)/255;%滤波

subplot(3,3,4);%三行三列第五幅

imshow(D)%显示图片

title('均值滤波')

h=fspecial('sobel');%边缘增强算子

D=filter2(h,I)/255;%滤波

subplot(3,3,5);%三行三列第六幅

imshow(D);%显示图片

title('sobel算子')

h=fspecial('prewitt');%边缘增强算子

D=filter2(h,I)/255;%滤波

subplot(3,3,6);%三行三列第七幅

imshow(D)%显示图片

title('Prewitt算子')

figure(2)

Q=medfilt2(I,[3,3]);%中值率波函数,模版大小为[3,3] subplot(2,2,1);%三行三列第二幅

imshow(Q);

title('模版大小为[3,3]的中值滤波函数')

W=medfilt2(I,[5,5]);%中值率波函数,模版大小为[3,3] subplot(2,2,2);%三行三列第二幅

imshow(W);

title('模版大小为[5,5]的中值滤波函数')

E=medfilt2(I,[7,7]);%中值率波函数,模版大小为[3,3] subplot(2,2,3);%三行三列第二幅

imshow(E);

title('模版大小为[7,7]的中值滤波函数')

R=medfilt2(I,[9,9]);%中值率波函数,模版大小为[3,3] subplot(2,2,4);%三行三列第二幅

imshow(R);

title('模版大小为[9,9]的中值滤波函数')

第二幅图只在读取图片的时候更改地址即可

（3）

clc

clear all

[I,map]=imread('noise1.bmp');

[M,N]=size(I);

F=fft2(I);%进行傅里叶变换

fftshift(F); %将灰度图像的二维不连续Frourier变换的零频率成分移到频谱的中心 Dcut=100;

D0=30; %定义D0

for u=1:M

for v=1:N

D(u,v)=sqrt(u^2+v^2);

BUTTERH(u,v)=1/(1+(sqrt(2)-1)*(D0/Dcut)^2); %巴特罗斯滤波器的函数 end

end

BUTTERG=BUTTERH.*F;

BUTTERfiltered=ifft2(BUTTERG); %进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数

subplot(121)

imshow(I);

title('源图')

subplot(122)

imshow(BUTTERfiltered,map)

title('巴特罗斯低通滤波后的图像')

思考题：

1. 高斯滤波器和均值滤波器的滤波效果比其余两模板的滤波效果要好。

2. 对比两图中经过滤波器处理过的图片，可知空间域卷积滤波中，模板的大小

对滤波的效果没有太大的影响，但是模板越大，处理后的图像越模板，从视觉上看，滤波的效果更好。

3. 用多幅图代数平均的方法去噪时，要求有在不同干扰下拍摄的多张图像。

实验感想：

平均与频域滤波器、空间域模板卷积（不同模板、不同尺寸）等方法在处理图片上的优势及劣势。

实 验 报 告

课程名称 数字图像处理 实验项目 图像的边缘检测 实验仪器 PC机 MATLAB软件

系 别 光电信息与通信工程学院 专 业 测控技术与仪器 班级/学号 测控0902/2009010776 学生姓名 林云峰 实验日期 20xx年12月 成 绩 指导老师 郑青玉

实验三 图像的边缘检测

一、实验目的

1．进一步理解边沿检测的基本原理。

2．掌握对图像边沿检测的基本方法。

3．学习利用Matlab图像工具箱对图像进行边沿检测。

二、实验原理

边缘检测在图像处理中可分为空域下的操作和频域下的操作。本实验以空域下的操作为主要实验内容，其他方法同学们可以在课后自行实验。空域下的图像边缘检测主要应用的是领域运算。

三、实验要求

对边缘检测的要求：使用Matlab图像处理工具箱中的不同方法对下图的边缘进行提取；注意观察不同操作对垂直方向、水平方向、斜方向的提取效果有何区别；注意观察提取后的边界是否连续，若不连续可采用什么方法使其连续。

四、实验步骤

1．打开计算机，启动MATLAB程序；

2．调入实验指导书所示的数字图像，利用MATLAB图像工具箱中已有函数进行编程以实现图像的边缘检测；

3．显示原图和处理过的图像。

4．记录和整理实验报告

五、实验仪器

1．计算机；

2．MATLAB程序；

3．记录用的笔、纸。

六、实验报告要求

1．对所使用的图像边沿检测方法的原理进行说明。

2．给出程序清单和注释。

3．对不同处理方法进行说明、比较。

I=imread('Image1.bmp');

A=rgb2gray(I);

h1=[1,1,1;0,0,0;-1,-1,-1];%自定义矩阵，下同 h2=[0,1,1;-1,0,1;-1,-1,0];

h3=[1 0 -1;1 0 -1;1 0 -1];

h4=[0,-1,-1;1,0,-1;1,1,0];

j1=imfilter(A,h1);%对数组进行滤波，下同 j2=imfilter(A,h2);

j3=imfilter(A,h3);

j4=imfilter(A,h4);

x=uint8(j1);%unit8型的数据

y=uint8(j2);

z=uint8(j3);

a=uint8(j4);

D=imadd(x,y);%叠加

D1=imadd(D,z);

D2=imadd(D1,a)

subplot(321),

imshow(A)

title('原图')

subplot(322),

imshow(j1)

title('水平方向')

subplot(323),

imshow(j2)

title('45度方向')

subplot(324),

imshow(j3)

title('竖直方向')

subplot(325),

imshow(j4)

title('135度方向')

subplot(326),

imshow(D2)

title('叠加后的图像')

用Prewitt算子分别进行水平方向、竖直方向、45°方向和135°方向扫描分别得到各个方向的边缘图像，让后叠加得到完整的边框图像