数字图像处理7
数字图像处理课后参考答案
数字图像处理第一章1、1解释术语(2) 数字图像:为了便于用计算机对图像进行处理,通过将二维连续(模拟)图像在空间上离散化,也即采样,并同时将二维连续图像的幅值等间隔的划分成多个等级(层次)也即均匀量化,以此来用二维数字阵列并表示其中各个像素的空间位置与每个像素的灰度级数的图像形式称为数字图像。
(3)图像处理:就是指对图像信息进行加工以满足人的视觉或应用需求的行为。
1、7 包括图像变化、图像增强、图像恢复、图像压缩编码、图像的特征提取、形态学图像处理方法等。
彩色图像、多光谱图像与高光谱图像的处理技术沿用了前述的基本图像处理技术,也发展除了一些特有的图像处理技术与方法。
1、8基本思路就是,或简单地突出图像中感兴趣的特征,或想方法显现图像中那些模糊了的细节,以使图像更清晰地被显示或更适合于人或及其的处理与分析。
1、9基本思路就是,从图像退化的数学或概率模型出发,研究改进图像的外观,从而使恢复以后的图像尽可能地反映原始图像的本来面目,从而获得与景物真实面貌相像的图像。
1、10基本思路就是,,在不损失图像质量或少损失图像质量的前提下,尽可能的减少图像的存储量,以满足图像存储与实时传输的应用需求。
1、11基本思路就是,通过数学方法与图像变换算法对图像的某种变换,以便简化图像进一步处理过程,或在进一步的图像处理中获得更好的处理效果。
1、12基本目的就是,找出便于区分与描述一幅图像中背景与目标的方法,以方便图像中感兴趣的目标的提取与描述。
第二章2、1解释下列术语(18)空间分辨率:定义为单位距离内可分辨的最少黑白线对的数目,用于表示图像中可分辨的最小细节,主要取决于采样间隔值的大小。
(19)灰度分辨率:就是指在灰度级别中可分辨的最小变化,通常把灰度级数L称为图像的灰度级分辨率。
(20)像素的4邻域:对于图像中位于(x,y)的像素p来说,与其水平相邻与垂直相邻的4个像素称为该像素的4邻域像素,她们的坐标分别为(x-1,y)(x,y-1)(x,y+1)(x+1,y)。
《数字图像处理》课程教学大纲
《数字图像处理》课程教学大纲课程代码：ABJD0619课程中文名称：数字图像处理课程英文名称：Dig让a1ImageProcessing课程性质：选修课程学分数：3学分课程学时数：48学时(32理论课时+16实验学时)授课对象：电子信息工程本课程的前导课程：高等数学，概率论，线性代数，数字信号处理，信息论，程序设计等一、课程简介数字图像处理是一门新兴的跨学科的前沿高科技，在军事、工业、科研、医学等领域获得了广泛应用，是国内外高校和科研院所的研窕生教育中一个重要的研究方向。
通过本课程的学习，同学们将掌握数字图像处理的基本理论与方法，包括图像变换、图像增强、图像分割、图像恢复、图像识别、图像压缩编码、数字图像处理系统及应用等内容。
二、教学基本内容和要求(-)数字图像处理方法概述教学内容：数字图像处理的研究对象、基本应用、研究内容等，数字图像的基本概念、彩色图像的调色板等概念。
课程的重点、难点：重点：CDIB类与程序框架结构介绍。
难点：调色板的基本概念和应用。
教学要求：D了解本课程研究的对象、内容及其在培养软件编程高级人才中的地位、作用和任务；2)了解数字图像处理的应用；3)理解数字图像的基本概念、与设备相关的位图(DDB)、与设备无关的位图(D1B)；4)理解调色板的基本概念和应用；5)了解CD1B类与程序框架结构介绍；6)掌握位图图像处理技术。
(二)图像的几何变换教学内容：图像的几何变换种类以及概念，几何变换的实现原理和实施方法课程的重点、难点：重点：镜像变换。
难点：旋转。
教学要求：1）理解图像的缩放、平移、镜像变换、转置、旋转。
（三）图像灰度变换教学内容：直方图的概念、灰度的点运算（包含灰度信息的线性变化、指数变换等）、直方图的均匀化和规定化课程的重点、难点：重点：灰度直方图。
难点：灰度分布均衡化。
教学要求：1）了解非O元素取1法、固定阈值法、双固定阈值法的图像灰度变换；2）掌握灰度的线性变换、窗口灰度变换处理、灰度拉伸、灰度直方图、灰度分布均衡化。
数字图像处理7-不同噪声的特点,随机数与样本的关系
这次作业的内容是理解噪声的生成，同时了解各种随机噪声的特性。
第一项作业主要是监测按照不同的模型生成的随机数与原本模型的契合度，这里举了两个例子，我就来根据代码以及程序运行的结果来一一进行解释。
代码如下：x = -5:0.1:5; %直方图的范围y = randn(10000,1);%产生一组随机序列，10000个。
z=rand(1,10000)*10-5;t = -5:0.01:5;hist(y,x);%画出直方图hold on;xm=mean(y);xv=var(y);disp(xm);disp(xv);pdf = length(y)*0.1*exp(-t.^2/2)/sqrt(2*pi);%产生高斯概率分布pdfplot(t,pdf,'r')%画出高斯概率分布函数a=xcorr(y);figure;plot(a);figure;hist(z,x);hold on;xm=mean(z);xv=var(z);disp(xm);disp(xv);pdf = t*0+length(y)/(10/0.1);%产生均匀概率分布pdfplot(t,pdf,'r')%画出均匀概率分布函数im1 im2 im3首先来看程序，程序先中定义了直方图的范围，从-5到5，其中分度值为0.1，也就是一共10/0.1=100个量化等级。
随后产生了两组随机数，y是基于高斯分布模型产生的随机数，z是均匀分布的随机数，二者都产生了10000个数据。
随后先对y这组数据进行处理，用hist函数，根据之前定义的范围，画出了这组随机数的概率分布函数。
可以看出其基本的轮廓和正态分布还是非常接近的，但是在某些值上参差不齐，会有突然突出或者凹陷的情况。
在画完之后，程序调用mean和var函数对这一组数据分别进行了求方差和求均值的操作。
这里的输出分别为方差0.9909,而均值为-8.9737e-04,也就是0.00089737.randn函数默认的模型是方差为1而均值为0的正态分布函数，因此生成的随机数虽然有些误差，但是在大体方向上还是遵循了这个模型的方差与均值。
HALCON数字图像处理-第7章 图像分割
典型算子
一阶算子
Roberts算子利用局部差分算子寻找边缘，边缘定 位较准，但容易丢失一部分边缘，同时由于图像没有经过平滑 处理，因此不具有抑制噪声的能力。该算子对具有陡峭边缘且 含噪声少的图像处理效果较好。
Sobel算子很容易在空间上实现。Sobel算子边缘 检测器不但产生较好的边缘检测效果，同时因为Sobel算子引 入了局部平均，使其受噪声的影响也比较小。当使用较大的模 板时，抗噪声特性会更好，但是这样会增大计算量，并且得到 的边缘比较粗。
HALCON数字图像处理
Hough变换 Hough变换是一种检测、定位直线和解析曲线的有效方法。它是 把二值图变换到Hough参数空间，在参数空间用极值点的检测来完成 目标的检测。 在实际中由于噪声和光照不均等因素，使得在很多情况下所获 得的边缘点是不连续的，必须通过边缘连接将它们转化为有意义的 边缘，一般的做法是对经过边缘检测的图像进一步使用连接技术， 从而将边缘像素组合成完整的边缘。
HALCON数字图像处理
7.3 区域分割
区域分割利用的是图像的空间性质，认为分割出 来的属于同一区域的像素应具有相似的性质。传统的 区域分割方法有区域生长和区域分裂与合并，还有源 于地形学的分水岭分割。
HALCON数字图像处理
1、区域生长法
区域生长也称为区域生成，其基本思想是将一幅图 像分成许多小的区域，并将具有相似性质的像素集合起 来构成区域。
HALCON数字图像处理
典型算子 像素边缘提取和亚像素边缘提取
例如某CMOS摄像机芯片，其像素间距为5.2微米。两 个像素之间有5.2微米的距离，在宏观上可以看作是连在一起 的。但是在微观上，它们之间还有更小的东西存在，这个更小 的东西我们称它为“亚像素”。
数字图像处理期末复习提纲(第一章-第七章)
考试题型:一、单选题（每题2分)例：计算机显示器主要采用哪一种彩色模型（）A、RGBB、CMY或CMYKC、HISD、HSV答案为A二、判断题(每题2分,正确的打“√”,错误的打“×”）例：在连通域中的点，按照其是否与背景相邻接,可以分为内部点和外部点。
（）答案×三、填空题（每空格2分）例:数字图像是用一个数字阵列来表示的图像。
数字阵列中的每个数字,表示数字图像的一个最小单位，称为【 1 】。
答案：像素在本课程中,Matlab语句imwrite(A,‘tire.tif’）的作用是【 2 】。
答案：将图像矩阵A写入图像文件tire.tif四、计算题（根据题目难度和答题时间不同，从5分至20分）例：（10分）设图像为：使用3×3的模板对其进行中值滤波处理,写出处理过程和结果.书上重难点：第一章数字图像处理绪论＊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。
数字图像处理第7章
mpq x p yq f (x, y)dxdy
中心矩
pq (x x)p ( y y)q f (x, y)dxdy
式中
x m10 m00
y m01 m00
m00 f (x, y)dxdy
L1
n (zi m)n p(zi ) i0 L1
m zi p(zi ) （均值） i0
（0=1; 1= 0）
图像描述—纹理分析
二阶矩2（即方差2）在纹理描述中很重要（灰度对比度的度量）。
三阶矩3表示直方图的偏斜度。
L1
一致性度量 U p2 (zi ) i0 ——区域内所有像素灰度级相同时U=1（最大）
L1
平均熵 p(zi )ln p(zi ) i0
图像描述—纹理分析
灰度共生矩阵（联合概率密度描述）
对于图像中的任一点(x,y)及另一个对应点(x+a,y+b)，n(i,j)为(x,y)的 灰度级为 i，而(x+a,y+b)的灰度级为 j 的这样的点对出现的次数。 设图像共有L个灰度级，则得到L2个元素组成的矩阵，称为“灰度 共生矩阵”。或用Cij = n(i,j)/(所有点对数）归一化。
ij
——当Cij相等时有最大值。
熵：
Cij ln Cij
ij
——当所有Cij值有最大随机性时最大。
频谱方法
考虑对于具有某种周期性纹理图像，应用傅立叶变换——频谱中 出现较显著的成分，其位置反映出（1）基本空间周期，（2）纹 理模式分布的方向性。
图像描述—纹理分析
令 S (u,v) = F(u,v)2 F(u,v)为图像的傅立叶变换，则S(u,v) 为功率谱。
数字图像处理笔记
第一章基本概念1、图像：是对客观存在物体的一种相似性的生动模仿与描述。
（图像是对客观存在的物体的某种属性的平面或空间描述）2、图像分为：物理图像、虚拟图像物理图像：物质和能量的实际分布。
虚拟图像：采用数学的方法，将由概念形成的物体（不是实物）进行表示的图像。
3、图像分为：数字图像（离散的）模拟图像（连续的）4、数字图像是用数字阵列表示的图像。
数字阵列中的每一个数字，表示数字图像的一个最小单位，称为像素。
像素是组成数字图像的基本元素。
5、数字图像的表示方法：（以黑白图像为例）黑白图像可用二维函数f(x,y)表示，其中x,y是平面的二维坐标，f(x,y)表示点(x,y)的亮度值(灰度值) 。
7、数字图像处理(Digital Image Processing)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。
8、低级图像处理、中级图像处理和高级图像处理。
（1）低级图像处理：主要对图象进行各种加工以改善图象的视觉效果、或突出有用信息，并为自动识别打基础，或通过编码以减少对其所需存储空间、传输时间或传输带宽的要求。
特点：输入是图像，输出也是图像。
（2）中级图像处理：主要对图像中感兴趣的目标进行检测（或分割）和测量，以获得它们的客观信息从而建立对图像的描述。
特点：输入是图像，输出是特征（如边界、轮廓及物体标识）。
（3）高级图像处理：在中级图像处理的基础上，进一步研究图像中各目标的性质和它们之间相互的联系，并得出对图像内容含义的理解（对象识别）及对原来客观场景的解释（计算机视觉）。
特点：输入是数据，输出是理解。
9、根据你自己的理解，选择一个数字图像处理的应用实例，并简单说明其中涉及的具体技术。
在用手机软件修图时，照片由模糊变清晰用的是图像增强技术、放大缩小用的是图像的几何变换技术、把某个特征提取出来用的是图像分割技术。
第二章采样量化1、黑白图像是指图像的每个像素只能是黑或者白，没有中间的过渡，故又称为２值图像。
数字图像处理(参考题及答案
三、名词解释 1.灰度直方图
答案：灰度直方图（histogram）是灰度级的函数，它表示图象中具有每种灰度级的象素的个数，反映图像中每种灰度出现的频 率。
2.中值滤波
答案：中值滤波法是一种非线性平滑技术，基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代 替，让周围的像素值接近的真实值，从而消除孤立的噪声点。
3.数字图像
答案：数字图像是将一幅画面在空间上分割成离散的点（或像元），各点（或像元）的灰度值经量化用离散的整数来表示，形成 计算机能处理的形式。
4.Sobel算子
答案：
四、简答题 1. 根据所学数字图像处理知识，写出汽车牌照识别中涉及的图像处理技术。
答案：答：（1）汽车牌照定位：通过Sobel或高通滤波，得到所有的边缘，对边缘细化找出所有封闭的边缘，对封闭边缘求多边 形逼近。在逼近后的所有4边形中，找出尺寸与牌照大小相同的四边形。牌照被定位。（10分）（2）识别图像中的数字：对牌照 区域中的细化后的图像对象进行识别。（5分）
答案：C
3.下列图象边缘检测算子中抗噪性能最好的是（）。
A、梯度算子 B、Prewitt算子 C、Roberts算子 D、Laplacian算子
答案：B
4.下列算法中属于点处理的பைடு நூலகம்（）。
A、梯度锐化 B、二值化 C、傅立叶变换 D、中值滤波
答案：B
5.以下选项中属于图像处理技术的是（）。
A、图像拼接 B、图像合成 C、图像增强 D、图像分类。
答案：C
6.采用模板［-11］主要检测（）方向的边缘。
A、水平 B、45° C、垂直 D、135°
答案：C
7.下列算法中属于图象锐化处理的是（）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
使用C/C++进行图像处理
本系列仅针对BMP格式的图像
实现的功能包括读，存，二值化，缩放，反色，均值滤波，中值滤波，增强，腐蚀，膨胀功能：增强
（运行本程序需要参考“数字图像处理1 和数字图像处理2”）
//增强log
void zengqianglog(RGBQUAD** dataOfBmp_src, RGBQUAD** dataOfBmp_dst, DWORD width, DWORD height)
{
for(DWORD i=0;i<height;i++)
for(DWORD j=0;j<width;j++)
{
dataOfBmp_dst[i][j].rgbRed = log10( dataOfBmp_src[i][j].rgbRed+1 ) * 105.886458;
dataOfBmp_dst[i][j].rgbGreen = log10( dataOfBmp_src[i][j].rgbGreen+1 ) * 105.886458;
dataOfBmp_dst[i][j].rgbBlue = log10( dataOfBmp_src[i][j].rgbBlue+1 ) * 105.886458;
}
}
/*函数功能：图像增强基于灰度级变换的伪彩色方法
输出值：没有
*/
void zengqiang1(RGBQUAD** dataOfBmp_src, RGBQUAD** dataOfBmp_dst, DWORD width, DWORD height)
{
for(DWORD i=0;i<height;i++)
for(DWORD j=0;j<width;j++)
{
dataOfBmp_dst[i][j].rgbRed = dataOfBmp_src[i][j].rgbRed;
dataOfBmp_dst[i][j].rgbGreen = dataOfBmp_src[i][j].rgbGreen;
dataOfBmp_dst[i][j].rgbBlue = dataOfBmp_src[i][j].rgbBlue;
}
for(DWORD ii=0;ii<height;ii++)
for(DWORD jj=0;jj<width;jj++)
{
if(dataOfBmp_src[ii][jj].rgbRed <= 127 )
{
dataOfBmp_dst[ii][jj].rgbRed = 0;
}
if(dataOfBmp_src[ii][jj].rgbRed >= 191 )
{
dataOfBmp_dst[ii][jj].rgbRed = 255;
}
if(dataOfBmp_src[ii][jj].rgbRed > 127 && dataOfBmp_src[ii][jj].rgbRed<191 )
{
dataOfBmp_dst[ii][jj].rgbRed = (dataOfBmp_src[ii][jj].rgbRed-50)*255/65;
}
if(dataOfBmp_src[ii][jj].rgbGreen <= 63 )
{
dataOfBmp_dst[ii][jj].rgbGreen = 255/63*(dataOfBmp_src[ii][jj].rgbGreen);
}
if(dataOfBmp_src[ii][jj].rgbGreen >= 191 )
{
dataOfBmp_dst[ii][jj].rgbGreen = 255-255/65*(dataOfBmp_src[ii][jj].rgbGreen-191);
}
if(dataOfBmp_src[ii][jj].rgbGreen > 63 && dataOfBmp_src[ii][jj].rgbGreen<191 )
{
dataOfBmp_dst[ii][jj].rgbGreen = 255;
}
if(dataOfBmp_src[ii][jj].rgbBlue <= 63 )
{
dataOfBmp_dst[ii][jj].rgbBlue = 255;
}
if(dataOfBmp_src[ii][jj].rgbBlue >= 127 )
{
dataOfBmp_dst[ii][jj].rgbBlue = 0;
}
if(dataOfBmp_src[ii][jj].rgbBlue > 63 && dataOfBmp_src[ii][jj].rgbBlue<127 )
{
dataOfBmp_dst[ii][jj].rgbBlue = 255 - (dataOfBmp_src[ii][jj].rgbBlue-63)*255/65;
}
}
}
//增强
void zengqiang2(RGBQUAD** dataOfBmp_src, RGBQUAD** dataOfBmp_dst, DWORD width, DWORD height)
{
for(DWORD i=0;i<height;i++)
for(DWORD j=0;j<width;j++)
{
dataOfBmp_dst[i][j].rgbRed = dataOfBmp_src[i][j].rgbRed;
dataOfBmp_dst[i][j].rgbGreen = dataOfBmp_src[i][j].rgbGreen;
dataOfBmp_dst[i][j].rgbBlue = dataOfBmp_src[i][j].rgbBlue;
}
for(DWORD ii=0;ii<height;ii++)
for(DWORD jj=0;jj<width;jj++)
{
if(dataOfBmp_src[ii][jj].rgbRed <= 50 )
{
dataOfBmp_dst[ii][jj].rgbRed = 0;
}
if(dataOfBmp_src[ii][jj].rgbRed >= 205 )
{
dataOfBmp_dst[ii][jj].rgbRed = 255;
}
if(dataOfBmp_src[ii][jj].rgbRed > 50 && dataOfBmp_src[ii][jj].rgbRed<205 )
{
dataOfBmp_dst[ii][jj].rgbRed = (dataOfBmp_src[ii][jj].rgbRed-50)*255/155;
}
if(dataOfBmp_src[ii][jj].rgbGreen <= 50 )
{
dataOfBmp_dst[ii][jj].rgbGreen = 0;
}
if(dataOfBmp_src[ii][jj].rgbGreen >= 205 )
{
dataOfBmp_dst[ii][jj].rgbGreen = 255;
}
if(dataOfBmp_src[ii][jj].rgbGreen > 50 && dataOfBmp_src[ii][jj].rgbGreen<205 )
{
dataOfBmp_dst[ii][jj].rgbGreen = (dataOfBmp_src[ii][jj].rgbGreen-50)*255/155;
}
if(dataOfBmp_src[ii][jj].rgbBlue <= 50 )
{
dataOfBmp_dst[ii][jj].rgbBlue = 0;
}
if(dataOfBmp_src[ii][jj].rgbBlue >= 205 )
{
dataOfBmp_dst[ii][jj].rgbBlue = 255;
}
if(dataOfBmp_src[ii][jj].rgbBlue > 50 && dataOfBmp_src[ii][jj].rgbBlue<205 )
{
dataOfBmp_dst[ii][jj].rgbBlue = (dataOfBmp_src[ii][jj].rgbBlue-50)*255/155;
}
}
}。