数字图像处理(通信工程)
数字图像处理图像复原算法论文
数字图像处理课程论文图像复原算法研究学院：信息科学与工程学院专业：通信工程姓名：学号：任课教师：2017年5月摘要数字图像恢复是数字图像处理的一个基本的和重要的课题，它是后期图像处理的前提。
图像在获取、上传、保存的过程中不可避免地引起图像退化和图像质量的下降，图像恢复就是试图利用退化过程的先验知识使已退化的图像恢复本来面貌。
本论文主要研究引起退化的环境因素，建立相应的数学模型，并沿着使图像降质的逆过程恢复图像。
本文首先对测试图像进行模糊及加噪处理，在已知系统退化模型的情况下，对观测图像分别使用逆滤波、维纳滤波、有约束的最小二乘方滤波算法进行复原，并比较它们的处理效果。
在这几种算法的参数选取上得到了丰富的经验数据，并对实验结果进行了分析总结。
发现维纳滤波较约束最小二乘法滤波效果要好，这是因为前者利用了原图像的统计信息，采用了真实的PSF函数来恢复。
无论何种算法，它们都要依据获取的相关信息才能有效地实施，算法利用的信息越多，信息的准确性越高，复原图像的质量也就越高。
关键词:图像复原;逆滤波;维纳滤波;有约束的最小二乘方滤波一、引言MATLAB 语言是由美国MathWorks公司推出的计算机软件，经过多年的逐步发展与不断完善，现已成为国际公认的最优秀的科学计算与数学应用软件之一，是近几年来在国内外广泛流行的一种可视化科学计算软件。
它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的用户环境，而且还具有可扩展性特征。
MathWorks 公司针对不同领域的应用，推出了信号处理、控制系统、神经网络、图像处理、小波分析、鲁棒控制、非线性系统控制设计、系统辨识、优化设计、统计分析、财政金融、样条、通信等30 多个具有专门功能的工具箱，这些工具箱是由该领域内的学术水平较高的专家编写的，无需用户自己编写所用的专业基础程序，可直接对工具箱进行运用。
同时，工具箱内的函数源程序也是开放性的，多为M 文件，用户可以查看这些文件的代码并进行更改，MALAB 支持用户对其函数进行二次开发，用户的应用程序也可以作为新的函数添加到相应的工具箱中。
《数字图像处理》课程教学大纲
二、课程章节主要内容及学时分配第一章、数字图像处理方法概述讲课3课时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；了解数字图像处理的应用；了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(DIB)；了解调色板的基本概念和应用；了解CDIB类与程序框架结构介绍；了解位图图像处理技术。
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。
第二章、图像的特效显示讲课3课时、实验2学时了解扫描、移动、百叶窗、栅条、马赛克、渐显与渐隐、浮雕化特效显示。
重点：渐显与渐隐。
难点：马赛克。
第三章、图像的几何变换讲课2课时了解图像的缩放、平移、镜像变换、转置、旋转。
重点：镜像变换。
难点：旋转。
第四章、图像灰度变换讲课3课时、实验2学时了解非0元素取1法、固定阈值法、双固定阈值法的图像灰度变换；了解灰度的线性变换、窗口灰度变换处理、灰度拉伸、灰度直方图、灰度分布均衡化。
重点：灰度直方图。
难点：灰度分布均衡化。
第五章、图像的平滑处理讲课3课时了解二值图像的黑白点噪声滤波、消除孤立黑像素点、3*3均值滤波、N*N 均值滤波器、有选择的局部平均化、N*N中值滤波器、十字型中值滤波器、N*N最大值滤波器、产生噪声。
重点：消除孤立黑像素点、中值滤波器。
难点：有选择的局部平均化。
第六章、图像锐化处理及边缘检测讲课3课时、实验2学时了解梯度锐化、纵向微分运算、横向微分运算、双方向一次微分运算、二次微分运算、Roberts边缘检测算子、Sobel边缘检测算子、Krisch边缘检测、高斯-拉普拉斯算子。
重点：Roberts边缘检测算子、高斯-拉普拉斯算子。
难点：梯度锐化。
第七章、图像分割及测量讲课4课时了解图像域值分割、轮廓提取、轮廓跟踪、图像的测量。
重点：轮廓提取、轮廓跟踪。
难点：图像的测量。
包括：图像的区域标记、图像的面积测量及图像的周长测量。
第八章、图像的形态学处理讲课3课时了解图像腐蚀、图像的膨胀、图像开启与闭合、图像的细化、图像的粗化、中轴变化。
电子科技大学-数字图像处理-课程设计报告
电子科技大学数字图像处理课程设计课题名称数字图像处理院（系）通信与信息工程学院专业通信工程姓名学号起讫日期指导教师2015年12月15日目录摘要： (03)课题一：图像的灰度级分辨率调整 (04)课题二：噪声的叠加与频域低通滤波器应用 (06)课题三：顶帽变换在图像阴影校正方面的应用 (13)课题四：利用Hough变换检测图像中的直线 (15)课题五：图像的阈值分割操作及区域属性 (20)课题六：基于MATLAB®的GUI程序设计 (23)结束语： (36)参考文献： (37)基于MATLAB®的数字图像处理课题设计摘要本文首先对数字图像处理的相关定义、概念、算法与常用变换进行了介绍；并通过七个课题实例，借助MATLAB®的图像处理工具箱（Computer Vision System Toolbox）对这些案例逐一实现，包括图像的灰度值调整、图像噪声的叠加、频域低通滤波器、阈值分割、Hough变换等，常用的图像变化与处理；然后通过MATLAB®的GUI程序设计，对部分功能进行模块化整合，设计出了数字图像处理的简易软件；最后给出了软件的帮助文件以及该简易程序的系统结构和m代码。
关键词：灰度值调整噪声图像变换MATLAB® GUI设计课题一：图像的灰度级分辨率调整设计要求：128,64,32,16,8,4,2，并在同一个figure窗口将图像的灰度级分辨率调整至{}上将它们显示出来。
设计思路：灰度级分辨率又称色阶，是指图像中可分辨的灰度级的数目，它与存储灰度级别所使用的数据类型有关。
由于灰度级度量的是投射到传感器上的光辐射值的强度，所以灰度级分辨率又称为辐射计量分辨率。
随着图像灰度级分辨率的的逐渐降低，图像中所包含的颜色数目将变得越来越少，从而在颜色维度造成图像信息量的退化。
MATLAB®提供了histeq函数用于图像灰度值的改变，调用格式如下：J = histeq(I,n)其中J为变换后的图像，I为输入图像，n为变换的灰度值。
往年数字图像处理复习题
【复习要点比较杂，比较乱，总结得比较宽泛，需要各人筛选记忆复习】1.什么是模拟图像与数字图像，二者有什么区别？模拟图像:空间坐标和明暗程度连续变化的、计算机无法直接处理的图像，属于可见图像。
三维空间连续，时间上连续，波谱上连续，可见物理图像。
图像上信息是连续变化的模拟量。
数字图像:用计算机存储和处理的图像，是一种空间坐标和灰度均不连续，以离散数学原理表达的图像，在计算机内部，数字图像表现为二维矩阵属于不可见图像。
区别：模拟图像连续可见，不便于用计算机处理,也不便于图像的储存、传输；数字图像不连续不可见。
2.数字图像处理包括哪几个层次？各层次之间有何区别和联系？数字图像处理层次：①狭义的图像处理；②图像识别与分析；③图像理解。
区别：狭义的图像处理:主要在图像像素级上进行的，是低级处理，处理的数据量非常大，输入输出均为图像，是图像—图像的过程，如图像缩放、图像平滑、对比度增强；图像识别与分析: 通过分割和特征提取把原来以像素描述的图像转变成比较简洁的非图形式的描述，是中级处理，输入图像，输出提取的特征，是图像—数值或符号的过程，如区域分割、边界检测；图像理解: 根据较抽象的描述进行解析、判断、决策，其处理过程和方法与人类的思维推理有许多类似之处，是高级处理，输入为图像，输出为规则，是图像—描述及解释的过程，如无人驾驶，自动机器人、模式识别。
联系：随着抽象程度的提高，数据量是逐渐减少的。
具体说来，原始图像数据经过一系列的处理过程，逐步转化为更有组织和用途的信息。
在这个过程中，语义不断引入，操作对象也逐步发生变化。
另外，高层操作对低层操作有指导作用，能提高低层操作的效能，完成复杂的任务。
3.数字图像处理系统由哪些模块组成？各模块起何作用？模块组成：数字图像处理系统由图像输入,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。
各模块作用:图像输入模块：图像输入也称图像采集或图像数字化,它是利用图像采集设备(如数码照相机,数码摄像机等)来获取数字图像,或通过数字化设备(如图像扫描仪)将要处理的连续图像转换成适于计算机处理的数字图像。
《数字图像处理》课程建设汇报
《数字图像处理》课程建设汇报杨淑莹(教授、博士)天津理工大学计算机与通信工程学院课程简介数字图像处理是计算机、通信、信息、控制等相关专业的核心课，同时也是绝大部分专业的选修课。
是信息科学中发展最快的热点研究方向。
图像处理技术已渗透到计算机、通信、交通运输、医学、军事等多个领域，与人们的生活紧密相关。
培养目标培养具有系统、扎实的图像处理理论基础；在图像信息的处理及应用等方面具有较深的专业知识、较强的应用能力和实践动手能力；良好的编程素质；培养创新精神；能够从事数字图像处理工作的应用型高级专门人才。
《数字图像处理》课程是高等学校计算机技术类在本科教学计划中一门重要的专业课程。
人类从外界获得的信息约有75%是从图像中获得的。
随着现代电子、计算机、软件等技术的高速发展，图像处理技术的应用领域越来越广泛，对推动社会发展、改善人们的生活起到了重要的作用。
《数字图像处理》课程起点高、难度大，理论性和实践性很强。
传统教学以理论介绍为主，强调理论的体系和概念，忽视理论的实现步骤，基本的编程代码。
造成学生在学习时，感到理论概念抽象，理解仅限于表面认识，很难看到理论的实际应用效果。
面临实际问题时，学生往往不知所措，不知从何下手，更谈不上创新应用。
《数字图像处理》课程教学要求所授内容离不开计算机编程实现。
不能单纯以理论介绍为主，忽视理论的实现步骤，编程代码。
要让学生看到理论的实际应用效果。
课堂上不能只介绍理论，使学生理论与实际相脱离，在实践中无从下手。
课堂上也不能花大量的时间讲解复杂的程序。
20世纪90年代，大多高校采用翻译的国外教材进行纯理论教学。
随着计算机技术的发展，翻译教材内容苦涩难懂，理论与实际相脱节，与理论技术快速发展的矛盾更加突出。
虽然这门课程在教学模式上和教材方面都处于不断完善与发展的阶段，但总体形式上还存在以下二个问题：大部分教学偏于理论，少于实践方法的介绍。
学习者往往会被苦涩难懂的理论迷惑，见不到理论的效果，不利于对理论体系的快速掌握。
数字图像处理作业教材
基于直方图的图像增强方法姓名：XXX专业：电子与通信工程学号：XXX导师：XXX基于直方图的图像增强方法一．直方图均衡化算法直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法，这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。
通过这种方法，亮度可以更好地砸直方图上分布。
这样就额可以拥有增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
1.1算法介绍与仿真图像的直方图是图像的重要统计特征，是用来表征数字图像的每一灰度级与其出现的频率间的统计关系的方法。
其数学公式如式（1）所示：)1,....2,1,0()r (k -==L k Nn P k (1) 式中，P （r k ）为图像f （x ，y ）的第k 级灰度出现的概率；r k 为第k 级灰度的灰度值级；n k 为图像中灰度值为r k 的像素的个数；N 为图像f （x ，y ）的总像素数；L 为总的灰度级数，需要注意的是直方图不表示图像的空间信息，且任一特定图像都有唯一直方图，但反之并不成立在图像直方图中，整体较暗的图像其直方图的组成部分集中在灰度低的一侧，而明亮的图像的直方图组成部分集中在灰度较高的一侧。
当一副图像其像素占据全部可能的灰度范围且分布均匀时，该图像有较高的对比度，其图像也比较清晰。
因此，可以通过改变直方图的灰度级分布达到增强图像的目的。
直方图均衡化是一种以累积分布函数变换法为基础的直方图修正方法。
其基本思路是将一已知灰度概率分布的图像经过变换，使之成为具有均匀灰度概率分布、输出图像的直方图近似服从均匀分布的变换算法。
其计算步骤如下：1）列出原始图像的灰度级r k ，k ＝0，1，2，…，L －1，L 为总的灰度级数；2）统计各灰度级像素数目n k ，k ＝0，1，2，…，L －1；3）计算原始图像直方图各灰度级的频率P （r k ）＝n k ／N ，k ＝0， 1，2，…，L －1，N 为图像f （x ，y ）的总像素数；4）计算累计分布函数1,...2,1,0,)()k (10-==∑-L k r P C L k ;5）计算映射后的输出图像灰度级g （i ）＝INT ［（gmax －gmin ）C （k ）＋gmin ＋0．5］，i ＝0，1， …，P －1，P 为输出图像灰度等级个数，INT 为取整符号；6）统计映射后各灰度等级的像素数目n i ，i ＝0，1，…，P －1；7）计算输出图像直方图P （g i ）＝n i ／N ，i ＝0，1，…，P －1；8）用r k 和g i 的映射关系修改原始图像的灰度级，获得均衡 化后的输出图像。
数字图像处理教学大纲
数字图像处理课程教学大纲（理论课程）◆课程编号：130128◆课程英文名称：Digital Image Processing◆课程类型：☐通识通修☐通识通选☐学科必修√学科选修☐跨学科选修☐专业核心√专业选修（学术研究）☐专业选修（就业创业）◆适用年级专业（学科类）：四年级电子信息工程专业、通信工程（专业电气信息类）◆先修课程：信号与系统、数字信号处理、线性代数、概率统计◆总学分：2◆总学时：34一、课程简介与教学目标数字图像处理时模式识别，计算机视觉，图像通信，多媒体技术等学科的基础，是一门涉及多领域的交叉学科。
通过本课程的学习，使学习者系统地了解数字图像的基本概念、数字图像形成的原理，掌握数字图像处理的理论基础和技术方法，了解与各种处理技术相关的应用领域。
为学生今后从事数字图像信息处理工作奠定坚实的理论基础。
二、教学方式与方法教学方式：课堂讲授（以多媒体课件为主导）和课下上机实践相结合；教学方法：采用以BTEC（Business Technology Education Council）模式为主，以TBL（task-based learning）任务型模式为辅的两种教学模式相结合的教学方法。
用任务引导学习，更注重学生个性的发展和个人潜能的开发，考核以平时的课业、表现、出勤、学习态度和最后的考试共同衡量学生的学习水平，达到教学目的。
三、教学重点与难点（一）教学重点重点是第4章图像增强、第6章图像复原、第7章图像分割；（二）教学难点难点是第3章图像变换和第6章图像复原。
四、学时分配计划五、教材与教学参考书（一）教材1.《数字图像处理与分析》，刘直芳、王运琼、朱敏，清华大学出版社，2006；2.《数字图像处理（第二版》，R. C. Gonzalez和R. E. Woods（美国），电子工业出版社，2006；（二）教学参考书1.《图像工程（上册）：图像处理》，章毓晋，清华大学出版社，2006；2.《图像工程（中册）：图像分析》，章毓晋，清华大学出版社，2005；3.《数字图像处理学》，阮秋琦，电子工业出版社，2003；4.《数字图像处理》，陈天华，清华大学出版社，2007；5.《数字图像处理》，姚敏，机械工业出版社，2006；六、课程考核与成绩评定【考核类型】√考试☐考查【考核方式】☐开卷（Open-Book）√闭卷（Close-Book）☐项目报告/论文☐其它：（填写具体考核方式）【成绩评定】平时成绩占(30－40)％，考试成绩占(70-60)％七、课程内容概述第一章绪论（一）教学要求了解数字图像处理的基本概念和特点，研究的目的和意义，数字图像图像处理的主要研究内容，国内外研究现状与发展趋势，主要应用领域。
《数字图像处理》习题参考答案与解析
《数字图像处理》习题参考答案第1 章概述1.1 连续图像和数字图像如何相互转换？答：数字图像将图像看成是许多大小相同、形状一致的像素组成。
这样，数字图像可以用二维矩阵表示。
将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像（连续图像）信号，再由模拟/数字转化器（ADC）得到原始的数字图像信号。
图像的数字化包括离散和量化两个主要步骤。
在空间将连续坐标过程称为离散化，而进一步将图像的幅度值（可能是灰度或色彩）整数化的过程称为量化。
1.2 采用数字图像处理有何优点？答：数字图像处理与光学等模拟方式相比具有以下鲜明的特点：1．具有数字信号处理技术共有的特点。
（1）处理精度高。
（2）重现性能好。
（3）灵活性高。
2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。
3．数字图像处理技术适用面宽。
4．数字图像处理技术综合性强。
1.3 数字图像处理主要包括哪些研究内容？答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。
1.4 讨论数字图像处理系统的组成。
列举你熟悉的图像处理系统并分析它们的组成和功能。
答：如图1.8，数字图像处理系统是应用计算机或专用数字设备对图像信息进行处理的信息系统。
图像处理系统包括图像处理硬件和图像处理软件。
图像处理硬件主要由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。
软件系统包括操作系统、控制软件及应用软件等。
图1.8 数字图像处理系统结构图11.5 常见的数字图像处理开发工具有哪些？各有什么特点？答．目前图像处理系统开发的主流工具为 Visual C++（面向对象可视化集成工具）和 MATLAB 的图像处理工具箱（Image Processing Tool box）。
两种开发工具各有所长且有相互间的软件接口。
- 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)。
> In imuitools\private\imageDisplayValidateParams>validateCData at 149
In imuitools\private\imageDisplayValidateParams at 31
实验地点
实验组号
实验设备
PC机MATLAB软件
同组人
无
1.实验电路及连线
本
2.程序流程图
本
3.源程序
FFT的显示与计算
>> f=zeros(256);
>> imshow(f);
>> f(25:225,75:175)=1;
>> figure,imshow(f)
>> F=fft2(f);
>> figure,imshow(F)
>> F_angle=angle(F);
>> figure,imshow(F_angle,[])
>> Fa=unwrap(F_angle);
>> figure,imshow(Fa,[])
2.图像的FFT变换
>> f=imread('C:\Documents and Settings\Administrator\桌面\实验图像\zelda.bmp');
4.结果记录及分析
1.FFT的显示与计算
2.图像的FFT变换
3.图像的DCT变换
4.图像的小波变换
5.收获感想
通过这次实验更加熟悉了对MATLAB软件的操作和对课程的理解。。
>> figure,imshow(B,[])
>> figure,imshow(C,[])
>> figure,imshow(D,[])
>> E=[A,B;C,D;];
>> figure,imshow(E,[])
>> [a,b,c,d]=dwt2(A,'db1');
>> F=[a,b;c,d;];
>> figure,imshow(F,[])
In imuitools\private\imageDisplayValidateParams at 31
In imuitools\private\imageDisplayParseInputs at 79
In imshow at 199
>> F_abs=abs(F);
>> figure,imshow(F_abs,[])
>> G=[a,b,c,d;E];
>> figure,imshow(G,[])
Warning: Image is too big to fit on screen; displaying at 67%
> In imuitools\private\initSize at 73
In imshow at 262
>> Fc=fftshift(F_abs);
>> figure,imshow(Fc,[])
>> S2=log(1+abs(Fc));
>> figure,imshow(S2,[])
>> mesh(S2)
>> figure,mesh(Fc)
>> figure,mesh(S2)
>> figure,contour(S2)
>> imshow(f)
>> Fdct=dct2(f);
>> imshow(Fdct)
>> imshow(Fdct,[])
>> imshow(abs(Fdct),[])
>> imshow(fftshift(abs(Fdct)),[])
>> S2=log(1+abs(fftshift(abs(Fdct))));
>> imshow(S2,[])
>> imshow(S2,[])
4.图像的小波变换
>> f=imread('C:\Users\mf\Desktop\zelda.bmp');
>> imshow(f)
>> [A,B,C,D]=dwt2(f,'db1');
>> figure,imshow(A)
>> figure,imshow(A,[])
>> imshow(f);
>> F=fft2(f);
>> figure,imshow(F)
Warning: Displaying real part of complex input.
> In imuitools\private\imageDisplayValidateParams>validateCData at 149
学生实验报告
课程名称
数字图像处理
姓名
XXX
实验名称
数字图像的FFT变换与DCT小波变换
班级
XXXXX
实验目的
熟悉MATLAB软件
完成FFT的现实与计算，图像的FFT变换，DCT变换，小波变换。
学号
XXXXXXX
实验日期
XXX
实验内容
FFT的显示与计算，图像的FFT变换，图像的DCT变换，图像的小波变换
>> Fa=unwrap(F_angle);
>> figure,imshow(Fa,[])
>> mesh(S2)
>> figure,mesh(S2);
>> figure,contour(S2);
3ห้องสมุดไป่ตู้图像的DCT变换
>> f=imread('C:\Users\mf\Desktop\zelda.bmp');
In imuitools\private\imageDisplayParseInputs at 79
In imshow at 199
>> figure,imshow(F,[])
Warning: Displaying real part of complex input.
> In imuitools\private\imageDisplayValidateParams>validateCData at 149
In imuitools\private\imageDisplayValidateParams at 31
In imuitools\private\imageDisplayParseInputs at 79
In imshow at 199
>> F_abs=abs(F);
>> figure,imshow(F_abs)
>> figure,imshow(F_abs,[])
>> Fc=fftshift(F_abs);
>> figure,imshow(Fc,[])
>> S2=log(1+abs(Fc));
>> figure,imshow(S2,[])
>> F_angle=angle(F);
>> figure,imshow(F_angle,[])