2012年数字图像处理复习资料 (1)
简答题1：
1．图像锐化与图像平滑有何区别与联系？
答：图象锐化是用于增强边缘，导致高频分量增强，会使图象清晰；
图象平滑用于去噪，对图象高频分量即图象边缘会有影响。
都属于图象增强，改善图象效果。
2．频域空间的增强方法对应的三个步骤：（平滑与锐化）答：假定原图像为f(x,y)，经傅立叶变换为F(u,v)，输出图像为g(x,y)，则频率域锐化过程描述为：
(1) 将图像f(x,y)从图像空间转换到频域空间，得到F(u,v)；
(2) 在频域空间中通过不同的？？滤波函数H(u,v)对图像进行不同的增强,得到G(u,v)
(3) 将增强后的图像再从频域空间转换到图像空间，得到图像g(x,y)。
（平滑—>低通滤波器, 锐化—>高通滤波器）
3．图像数据压缩的必要性
答：（1）数字图像的庞大数据对计算机的处理速度、存储容量都提出过高的要求。因此必须把数据量压缩。
（2）从传送图像的角度来看，则更要求数据量压缩。在信道带宽、通信链路容量一定的前提下，采用编码压缩技术，减少传输数据量，是提高通信速度的重要手段。
4．图像锐化滤波的常用方法？
答：○1以梯度值代替原来像素值；
○2给定一个阈值，若梯度值小于这个阈值，则修改这个像素的灰度值，反之则保持不变；
○3给图像背景赋予一个固定的灰度值；
○4给图像前景赋予一个固定的灰度值；
○5通过一个阈值，给图像的前景和背景分别赋予不同的固定的灰度值。
简答题2
图像滤波的主要目的是什么？主要方法有哪些？
图像噪声有哪些主要类型，主要特点是什么？
如何理解中值滤波的不变性？
什么是梯度倒数加权法平滑？
什么是Laplacian算子？它有哪些特征？
罗伯特梯度与Sobel梯度有什么区别？
根据像素的梯度值生成不同的梯度图像的方法有哪些？
定向检测的模板有哪些？
频率域滤波的主要滤波器有哪些？各有什么特点？
同态滤波的基本操作有哪些？
简答题2（答案）1. 图像滤波可以从图像中提取空间尺度信息，突出图像的空间信息，压抑其它无关的信息，或者去除图像的某些信息，恢复其它的信息。因此，图像滤波也是一种图像增强方法。图像滤波可分为空间域滤波和频率域滤波两种方法。空间域滤波通过窗口或卷积核进行，它参照相邻像素来单个像素的灰度值，这是当前主要的滤波方法。频率域滤波是对图像进行傅立叶变换，然后对变换后的频率域图像中的频谱进行滤波。2. 图像噪声按其产生的原因可分为外部噪声和内部噪声。外部噪声是指图像处理系统外部产生的噪声，如天体放电干扰、电磁波从电源线窜入系统等产生的噪声。内部噪声是指系统内部产生的噪声。从统计理论观点可分为平稳和非平稳噪声。凡是统计特征不随时间变化的噪声称为平稳噪声；统计特征随时间变化的噪声称为非平稳噪声。从噪声幅度分布形态可分为高斯型、瑞利型噪声。还有按频谱分布形状进行分类的，如均匀分布的噪声称为白噪声。按产生过程进行分类噪声可分为量化噪声和椒盐噪声等。3. 对于一维的某些特定的输入信号，中值滤波的输出保持输入信号值不变。例如输入信号为在2n+1内单调增加或单调减少的序列。对于二维信号，中值滤波不变性要复杂得多，不仅与输入信号有关，还与窗口的形状有关。图7.7列出了几种二维中值滤波窗口及与之对应的最小尺寸的不变输入图形。一般地，与窗口对角线垂直的边缘经滤波后将保持不变。利用这个特点，可以使中值滤波既能去除图像中的噪声，又能保持图像中一些边缘信息。从经验来看，方形或圆形的窗口适宜于地物轮廓较长的图像，十字窗口适宜于有尖角物体的图像。一维的周期性二值序列，如{xn}=…，+1，+1，-1，-1，+1，+1，-1，-1，…，当滤波窗口长度为9时，经过中值滤波此序列将保持不变。对于一个二维序列，这一类不变性更为复杂，但它们一般也是二值的周期性结构，即周期性网格结构的图像。4. 梯度倒数加权法平滑源于这样的考虑：在离散图像内部相邻区域的变化大于区域内部的变化，在同一区域中中间像素的变化小于边沿像素的变化。梯度值正比于邻近像素灰度级差值，即在图像变化缓慢区域，梯度值小，反之则大。取梯度倒数，该倒数之大小正好与梯度相反，以梯度倒数作权重因子，则区域内部的邻点权重就大于边沿或区域外的邻点。也就是说，这种平滑其贡献重要来自区域内部的像素，平滑后的图像边沿和细节不会受到明显损害。5. Laplacian算子是线性二阶微分算子，即取某像素的上下左右四个相邻像素的值相加的和减去该像素的四倍，作为该像素新的灰度值。梯度运算检测了图像的空间灰度变化率，因此，图像上只要有灰度变化就有变化率。Laplacian算子检测的是变化率的变化率，是二阶微分。在图像上灰度均匀和变化均匀的部分，根据Laplacian算子计算出的值0。因此，它不检测均匀的灰度变化，产生的图像更加突出灰度值突变的部分。与梯度算子不同，拉普拉斯算子是各向同性的。拉普拉斯锐化效果容易受图像中的噪声的影响。因此，在实际应用中，经常先进行平滑滤波，然后才进行拉普拉斯锐化。考虑到各向同性的性质和平滑的特点，常选择高斯函数作为平滑滤波核（即先进行高斯低通滤波）。6. （1）罗伯特（Roberts）梯度采用交叉差分的方法。
用模板表示
为：
Roberts梯
度相当于在图像上开一个2×2的窗口，用模板h1计算后取绝
对值再加上模板h2计算后取绝对值。将计算值作为中心像素（x，
y）的梯度值，如下所示。
这种算法的意义在于用交叉的方法检测
出像素与其在上下之间或左右之间或斜
方向之间的差异。采用Roberts梯度对图像中的每一个像素计
算其梯度值，最终产生一个梯度图像，达到突出边缘的目的。
（2）Sobel梯度是在Prewitt算法的基础上，对4-邻域采用加权
方法进行差分，因而对边缘的检测更加精确，
常用的模板如下：
在上面的Prewitt和Sobel模板中，h1主要对水平方向的地物进
行锐化，h2则主要对垂直方向的地物进行锐化。在应用中要注
意的是，模板对于含有大量噪声的图像是不适用的。与Roberts
梯度相比，Sobel算法较多地考虑了邻域点的关系，扩大了模板，
从2×2扩大到3×3来进行差分7. （1）以各像素点的梯度值
代替其原灰度值，用此方法得到的图像完全失去了原图像的面
目而成为一幅边缘图像，梯度值大的边缘轮廓被突出显示，而
灰度变化比较平缓或均匀的区域则几乎是黑色。由于图像包含
大量信息，像素的灰度值差异普遍存在，为了在突出主要边缘
信息的同时保留图像背景，设定一个非负阈值T进行处理。（2）
适当选取T ，使梯度值≥T的各点的灰度等于该点的梯度值，
其它则保留原灰度值，形成背景，（3）根据需要指定一个灰度
级LG，例如，令LG＝255。以LG表示边缘，其它保留原背景
值，（4）指定一个灰度级LB表示背景，例如，令LB＝0，形
成黑背景，保留边缘梯度变化。（5）将边缘与灰度图像分别以
灰度级LG 和LB表示，例如，255表示边缘，0表示背景，形
成二值图像8.（1）检测垂直线
\
（2）
检测水平线
（3
）检测对角线
9. （1）理想滤波器包括理想低通滤波器、理想高通滤波器，
用理想低通滤波器处理后会导致边缘损失、图像边缘模糊。理
想高通滤波器处理的图像中边缘有抖动现象。（2）Butterworth
滤波器包括Butterworth低通滤波器、Butterworth高通滤波器，
Butterworth低通滤波器的特点是连续衰减，不像理想低通滤波
器那样具有明显的不连续性。因此，用此滤波器处理后图像边
缘的模糊程度大大降低。Butterworth锐化效果较好，边缘抖动
现象不明显，但计算比较复杂。（3）指数滤波器包括指数低通
滤波器、指数高通滤波器，指数低通滤波器在抑制噪声的同时，
图像中边缘的模糊程度比Butterworth滤波器大。指数高通滤波
器比Butterworth效果差些，边缘抖动现象不明显。（4）梯形
滤波器包括梯形低通滤波器、梯形高通滤波器，梯形低通滤波
器介于理想低通滤波器和指数低通滤波器之间，处理后的图像
有一定的模糊。梯形高通滤波器会产生轻微抖动现象，但因计
算简单而经常被使用。（5）高斯滤波器包括高斯低通滤波器、
高斯高通滤波器。10. （1
）取对数
这使图像运算从乘法变为加法，分开照射分量和反射分量。然
后，可以在频率域进行图像的处理。（2）对（1）的结果进行
傅立叶变换
（3
）选取滤波器函数对
进行滤波处理
在这里，称为同态滤波函数，它可以分别作用于照射
分量和反射分量上。同态滤波函数的类型和参数的选择对滤波
的结果影响很大。（4）
应用傅立叶逆变换将图像转换到空间域
（5）再对上式进行指数变换
计算题：
2. 下图给出了一幅二值图像，用八方向链码对图像中的边
界进行链码表述(起点是S 点)，写出它的八链码(沿顺时钟)，
并对该链码进行起点归一化，说明起点归一化链码与起点
无关的原因。
解：
(1) 八链码为：07000065653434222。
(2) 归一化八链码为：00006565343422207。
同一个封闭边界的不同起点的各个链码可以看作是由表示
该边界的一串数码（链码）循环移位得到的，如果把这一
串数看作N 位自然数，则不同的起点就形成不同大小的N
位自然数，其中必存在一个最小，若将最小的N 位自然数
串的起点作为归一化链码的起点，则该归一化链码必唯一，
也与起点无关。
3．设1 幅7×7大小的二值图像中心处有1 个值为0 的3×3
大小的正方形区域，其余区域的值为1，如图所示。
（1）使用Sobel算子来计算这幅图的梯度，并画出梯度
幅度图（需给出梯度幅度图中所有像素的值）；
（2）使用Laplacian 算子计算拉普拉斯图，并给出图中
所有像素的值。
Prewitt算子：
?
?
?
?
?
?
?
?
?
?
-
-
-
=
1
1
1
1
1
1
x
W
?
?
?
?
?
?
?
?
?
?-
-
-
=
1
1
1
1
1
1
y
W
解：
（1）由水平模板Wx ，可得水平梯度Gx 为：
?
?
?
?
?
?
?
?
?
?
-
-
-
=
1
1
2
2
1
1
x
W
，
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
-
-
=
-
-
-
-
-
-
-
-
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
4
4
4
4
4
3
4
3
4
3
4
3
4
3
4
3
4
3
4
3
4
1
4
1
4
1
4
1
x
G
由垂直模板Wy ，可得垂直梯度Gy 为：
4 4 7 4 4 4 1 7
4 4 4 1 4 1 6 6
4 4 4 7 4 4 4 4
4 4 1 7 6 6 6 6
??
??
?
?????---=121000121y W ， ??????
?
?
????
??
?
?
????????????????-=----
-----111111
1
111111100000
1
11
1
11111
1111
1
41
43434
14
1
4343414431434
41
43
143
4
1x G
当用梯度计算公式21
22
)
(),(y x G G y x G +=,时，计算得
到的梯度为：
当用梯度计算公式|)||,max(|),(y x G G y x G =时，
计算得到的梯度为：
当用梯度计算公式||||),(y
x
G G y x G += 时，计算得到
的梯度为：
（2）用Laplacian 算子的4-邻域模板计算时，得到的梯度如
下：
用Laplacian 算子的8-邻域模板计算时，得到的梯度如下：
4、如图，X 是待处理图像，黑点代表目标，白点代表背景；B 是结构元素，原点在中心。分别给出B 对X 做开运算和
闭运算的结果。
5. 图像增强的点运算函数如下图实线时，会有什么样的效果。
答：图1：图像反相，有像照片底片一样的效果
图2：分段线性拉伸是将图像区间分成两段乃至多段作线性变换。在感兴趣的区间，斜率大于1，突出有价值的信息；在不感兴趣的区域，斜率小于1 ，抑止无用信息。 图3：对图像进行阈值分割，图像变成二值图像 6、若使用下列模板分别对一幅灰度图像进行卷积，会达到
什么样的效果？
答：（1）均值滤波 图像变模糊 （2）边缘检测 得到图像边缘
（3）边缘锐化 灰度值大的更大，灰度值小的更小 （4）边缘锐化 （5）无意义 （6）无意义 （7）边缘检测
（8）加权的边缘检测
7. 有一幅电视图象如下所示，由于干扰，在接收时图中有若干个亮点（灰度为FF ），试设计两种滤波方法对将该图象滤波， 写出各自滤波后的图象，并说明选择这两种滤波器的原因和它们各自的优缺点。 1 1 1 8 7 4 2 FF FF FF FF 3 3 3 4 4 3 3 3 3 FF FF FF 6 3 3 4 5 5 8 2 3 4 6 7 8 答： 1 1 1 8 7 4 2 255 255 255 255 3 3 3 4 4 3 3 3 3 255 255 255 6 3 3 4 5 5 8 2 3 4 6 7 8 均值滤波 1 1 1 8 7 4 2 58 87 88 60 3 3 87 143 171 115 3 3 31 60 88 60 6 3 31 60 88 62 8 2 3 4 6 7 8 中值滤波 1 1 1 8 7 4 2 3 4 7 4 3 3 3 255 255 6 3 3 3 4 5 5 6 3 3 4 6 7 8 2 3 4 6 7 8
比较：均值滤波执行速度快，但是容易造成图像模糊，实质上在求平均值的过程中，噪声的灰度值也代入了均值中，从而向周围扩散，导致图像模糊，边缘不清晰，滤波前后图像亮度不变。中值滤波复杂度非常高，执行速度慢，不容易造成图像模糊，具有非常好的抗噪性能，滤波前后图像的亮度发生改变。
数字图像处理大作业
大作业指导书 题目：数字图像处理 院（系）：物联网工程学院 专业: 计算机 班级：计算机1401-1406 指导老师： 学号： 姓名： 设计时间： 2016-2017学年 1学期
摘要 (3) 一、简介 (3) 二、斑点数据模型 .参数估计与解释 (4) 三、水平集框架 (5) 1.能量泛函映射 (5) 2.水平集传播模型 (6) 3.随机评估方法 (7) 四、实验结果 (8) 五、总结 (11)
基于水平集方法和G0模型的SAR图像分割 Abstract（摘要） 这篇文章提出了一种分割SAR图像的方法，探索利用SAR数据中的统计特性将图像分区域。我们假设为SAR图像分割分配参数，并与水平集模型相结合。分布属于G分布中的一种，处于数据建模的目的，它们已经成功的被用于振幅SAR图像中不同区域的建模。这种统计数据模型是驱动能量泛函执行区域映射的基础，被引用到水平集传播数值方案中，将SAR 图像分为均匀、异构和极其异构区域。此外，我们引入了一个基于随机距离和模型的评估过程，用于量化我们方法的鲁棒性和准确性。实验结果表明，我们的算法对合成和真实SAR 数据都具有准确性。+ 简介 1、Induction（简介） 合成孔径雷达系统是一种成像装置，采用相干照明比如激光和超声波，并会受到斑点噪声的影响。在SAR图像处理过程中，返回的是斑点噪声和雷达切面建模在一起的结果。这个积性模型（文献[1]）因包含大量的真实SAR数据，并且在获取过程中斑点噪声被建模为固有的一部分而被广泛应用。因此，SAR图像应用区域边界和目标检测变得更加困难，可能需要斑点去除。因此，斑点去除是必需的，有效的方法可以在文献[2][3][4][5][6][7][8][9][10]中找到。 对于SAR图像分割，水平集方法构成一类基于哈密顿-雅克比公式的重要算法。水平集方法允许有效的分割标准公式，从文献[12]中讨论的传播函数项可以得到。经典方法有着昂贵的计算成本，但现在的水平集的实现配置了有趣的低成本的替换。 水平集方法的一个重要方面，比如传播模型，可以用来设计SAR图像的分割算法。这个传播函数能够依据伽马和伽马平方根法则将斑点统计进行整合，函数已经被广泛地应用于SAR图像中的均质区域分割。Ayed等基于伽马分布任意建模，设计方案将SAR图像分成多个均质区域。尽管多区分割问题已经解决，该方案人需要一定数量的区域作为输入。Shuai 和Sun在文献[16]中提出对这个方法进行了改进，他们使用了一个有效的传播前收敛判断。Marques等引入了一个类似于含有斑点噪声图像中目标检测的框架，将基于本地区域的斑点噪声统计融合进去。这些作者采用伽马平方根对均质区域进行建模并用一个自适应窗口方案检测本地的同质性。 最近，新的SAR数据模型比如K，G，显示出了优势。经典法则受限于均质区域特性的描述，而最近的法则展现出了在数据建模中更有吸引力的特性。法则允许同构、异构和高度异构幅度SAR数据的建模。这个分布族提供了一组参数，可以描述SAR图像中的不同区域。分布的参数信息，可以被广泛的应用于设计SAR图像处理和分类技术。在文献[21]中，Mejail 等人介绍了SAR监督数据分类器，它基于其参数映射并实现了有趣的结果。Gambini等人在文献[22]中使用这个分布的一个参数来量化SAR数据的粗糙度，通过活动轮廓和B样条差值来检测边缘。然而，这种技术需要一个初始分割步骤，并受拓扑限制。一般来说，活动轮廓方法不能解决不连续区域分割的问题。 本文介绍了一种新的水平集算法来实现SAR图像中均质、异构和极其异构区域分割的目标。由于分布能够描述SAR图像的同质性和规模，我们的方法采用分布对斑点数据进行建模。这些分布参数基于每一个域点进行估计，通过这些信息，我们可以在水平集分割框架内得到一个能量泛函来驱动向前传播(front propagation)。该泛函以最大化不同区域平均能量间的差异作为结束。最终水平集阶段以能量带作为依据得到SAR图像的分割结果。
数字图像处理 作业1汇总
数字图像处理 报告标题：01 报告编号： 课程编号： 学生姓名： 截止日期： 上交日期：
摘要 （1）编写函数计算灰度图像的均方误差（MSE）、信噪比（SNR）、峰值信噪比（PSNR）、平均绝对误差（MAE）；（2）编写函数对灰度图像经行降采样，直接消除像素以及消除像素前进行简单平滑滤波；（3）编写函数对图像进行放大，分别使用像素直接复制和双线性插值的方法：（4）编写函数用题目给出的量化步骤Q去量化灰度图像，并给出相应的MSE和直方图；（5）编写函数对灰度图像执行直方图均衡化，显示均衡前后的直方图。同时，熟悉使用MATLAB，并且熟练操作对图像进行各种修改变换等。 KEY WORD :MATLAB MSE、PSNR 直方图量化
技术探讨 数字图像处理是基于Matlab来实现的，由于Matlab 独特的功能和对矩阵，图像，函数灵活的处理，因而用于图像的处理相当的方便。 task1 均方误差（MSE）,信噪比（SNR）,峰值信噪比（PSNR）,平均绝对误差（MAE）。可以使用使用for循环语句，分别计算图像MSE/SNR/PSNR/MAE，具体的计算公式见附录代码，下面只附运算原理代码 均方误差（MSE）： sum=sum+(a(i,j)-b(i,j))^2; MSE=sum/(M*N) 信噪比（SNR）： sum2=sum2+a(i,j)^2; SNR=10*log10(sum2/MSE) 峰值信噪比（PSNR）： sum=sum+(a(i,j)-b(i,j))^2; PSNR=10*log10(255^2/MSE) 平均绝对误差（MAE）： sum=sum+a(i,j)+b(i,j); MAE=sum/(M*N) 在每次对同一个图像处理时它们的均方误差（MSE）,信噪比（SNR）,峰值信噪比（PSNR）,平均绝对误差（MAE）都会有所不同，因为它是原图像与加噪后的图像比较，而电脑的每次操作都会对加噪过得图像有影响。 task3 按比例缩小灰度图像 （1）直接消除像素点： I1=g(1:m:end,1:m:end);I1 为缩小后的图像，g为原图。 （2）先平滑滤波再消除像素点： 滤波函数，g=imfilter(I,w,'corr','replicate'); task4 对图像的放大运用了pixel repetition法以及双线性插值法： 它有三种插值法：即最近邻插值（pixel repetition）、双线性插值、双三次插值(缩放倍数为0.5) ;缩放与放大由给定的参数来确定。 ;缩放与放大由给定的参数来确定。而缩小则同样适用I1=g(1:m:end,1:m:end); 而放大的代码为“J=imresize(I,m,'nearest');%使用pixel repetition法”和“J=imresize(I,m,'bilinear');%使用双线性插值法” 放大倍数更改m值即可 task4 对图像的量化，使用“J=histeq(I,x); ”，x为可变的量化步长 task5 灰度图像的量化和直方图均衡化直接调用函数。“J=histeq(I)”“imhist(I,64)”
现场急救救护基本知识
. 现场急救 一、现场急救概述 生产现场急救，是指在劳动生产过程中和工作场所发生的各种意外伤害事故、急性中毒、外伤和突发危重病员等现场，没有医务人员时，为了防止病情恶化，减少病人痛苦和预防休克等所应采取的一种初步紧急救护措施，又称院前急救。 （一）现场急救步骤 ．脱离险区1首先要使伤病员脱离险区，移至安全地带，如对因滑坡、塌方砸伤的伤员搬运至安全 要立对急性中毒的病人应尽快使其离开中毒现场，搬至空气流通区；对触电的患者，地带；即解脱电源等等。2．检查病情现场救护人员要沉着冷静，切忌惊慌失措。应尽快对受伤或中毒的伤病员进行认真仔 细的检查，确定病情。检查内容包括：. .
检查时不要给伤病员增加无谓的痛苦，如检查伤员的伤口，切勿一见病人就脱其衣服， 若伤口部位在四肢或躯干上，可沿着衣裤线剪开或撕开，暴露其伤口部位即可。．对症救治3 根据迅速检查出的伤病情，立即进行初步对症救治。 在救治时，要注意纠正伤病员的体位，有时伤病员自己采用的所谓舒适体位，可能促 绝不能抬甚至于造成不幸死亡，如被毒蛇咬伤下肢时，要使患肢放低，使病情加重或恶化，高，以减低毒汁的扩延；上肢出血要抬高患肢，防止增加出血量等。救治伤病员较多时，一定要分清轻重缓急，优先救治伤重垂危者。 ．安全转移4对伤病员，要根据不同的伤情，采用适宜的担架和正确的搬运方法。在运送伤病员的 将伤病员迅速而平安地运送到后方途中，要密切注视伤病情变化，并且不能中止救治措施，医院作后续抢救。（二）注意事项”。先脱险再救人注意现场安全，重视1.“2.从正面接近伤病员，表明身份，安慰伤病员，说明将采取的救护措施。. . 3.避免盲目移动伤者，避免再损伤。 4.除非必要，不要给伤病员任何饮食或药物。
数字图像处理复习资料
1.在程控交换机工程设计中ＢＨＣＡ值的计算方法赵睿＊在程控交换机工程设计中，呼叫处理能力的确定是很重要的，而呼叫处理能力是以忙时最大试呼次数值（ＢＨＣＡ）来表征的。因此可用下列换算公 6）图像分类（识别）：图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。 由于被处理图像的数据量非常大且许多运算在本质上是并行的，所以图像并行处理结构和图像并行处理算法也是图像处理中的主要研究方向。
4.按照量化级的划分方式分，数字图像的量化有均匀量化和非均匀量化。 均匀量化：ADC输入动态范围被均匀地划分为2^n份。 非均匀量化：ADC输入动态范围的划分不均匀，一般用类似指数的曲线进行量化。 非均匀量化是针对均匀量化提出的，因为一般的语音信号中，绝大部分是小幅度的信号，且人耳听觉遵循指数规律。为了保证关心的信号能够被更精确的还原，我们应该将更多的bit用于表示小信号。 常见的非均匀量化有A律和μ率等，它们的区别在于量化曲线不同。 4.
如何用MATLAB让图像进行对数变换。要源代码，比如图像名字为ST.JPG >>x=imread('sar.bmp'); >>x1=double(x)+1; >>x2=log(x1); >>y=uint8(x2)-1; >>t=im2uint8(mat2gray(y)); >>imshow(t); 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，反映图象中每种灰度出现的频率。 它是多种空间域处理技术的基础。直方图操作能够有效用于图像增强；提供有用的图像统计资料，其在软件中易于计算，适用于商用硬件设备。 灰度直方图性质：1）表征了图像的一维信息。只反映图像中像素不同灰度值出现的次数（或频数）而未反映像素所在位置。2）与图像之间的关系是多对一的映射关系。一幅图像唯一确定出与之对应的直方图，但不同图像可能有相同的直方图。3）子图直方图之和为整图的直方图
数字图像处理大作业
1、下图是一用于干涉原理进行测试的干涉场图像，要求判读条纹的间距，请给 出图像处理的方案并说明每一步的作用及其对其它处理步骤可能产生的影响。 解：步骤与思路： ○1.进行模糊处理，消除噪声 ○2.边缘检测，进行图像增强处理 ○3．二值化图像，再进行边缘检测，能够得到很清晰的边界。 ○4.采用横向标号法，根据值为1像素在标号中的相邻位置可以确定间距 I=imread('xz mjt.bmp'); I1=medfilt2(I); %对图像中值滤波 imshow(I1); [m,n]=size(I1); for i=1:m for j=1:n if(I1(i,j)<100) %阈值为100 I1(i,j)=255; else I1(i,j)=0; %进行二值化 end end end figure; imshow(I1);
Y1=zeros(1,25); y2=y1; c=y2; i=100; for j=1:1200 if (I1(i,j)==255&&I1(i,j+1)==0) Y1=j+1; end if (I1(i,j)==0&&I1(i,j+1)==255) Y2=j; end end for i=1:25 c=Y2(i)-Y1(i) end c %找出每两个条纹之间的距离
2. 现有8个待编码的符号m0,……,m7,它们的概率分别为0.11,0.02,0.08,0.04,0.39,0.05,0.06,0.25,利用哈夫曼编码求出这一组符号的编码并画出哈夫曼树。 3. 请以图像分割方法为主题，结合具体处理实例，采用期刊论文格式，撰写一篇小论文。
数字图像处理部分作业答案
3.数字化图像的数据量与哪些因素有关？ 答：数字化前需要决定影像大小（行数M、列数N）和灰度级数G的取值。一般数字图像灰度级数G为2的整数幂。那么一幅大小为M*N，灰度级数为G的图像所需的存储空间M*N*g(bit),称为图像的数据量 6.什么是灰度直方图？它有哪些应用？从灰度直方图你能获得图像的哪些信息？ 答：灰度直方图反映的是一幅图像中各灰度级像素出项的频率之间的关系。以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。 应用：通过变换图像的灰度直方图可以，使图像更清晰，达到图像增强的目的。 获得的信息：灰度范围，灰度级的分布，整幅图像的平均亮度。但不能反映图像像素的位置。 2. 写出将具有双峰直方图的两个峰分别从23和155移到16和255的图像线性变换。 答：将a=23,b=155 ;c=16,d=255代入公式： 得 1，二维傅里叶变换有哪些性质？二维傅里叶变换的可分离性有何意义？ 周期性，线性，可分离性，比例性质，位移性质，对称性质，共轭对称性，差分，积分，卷积，能量。 意义：分离性表明：二维离散傅立叶变换和反变换可用两组一维离散傅立叶变换和反变换来完成。 8.何谓图像平滑？试述均值滤波的基本原理。 答：为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。 均值滤波是一种局部空间域处理的算法，就是对含有噪声的原始图像f(x,y)的每个像素点取一个领域S，计算S中所有像素的灰度级平均值，作为空间域平均处理后图像g(x,y)像素值。 9.何谓中值滤波？有何特点？ 答：中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，它是一种非线性的图像平滑法。 它对脉冲干扰及椒盐噪声的的图像却不太合适。抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多 6图像几何校正的一般包括哪两步？像素灰度内插有哪三种方法？各有何特点？ 答：1）建立失真图像和标准图像的函数关系式，根据函数关系进行几何校正。 2）最近邻插值，双线性插值，三次卷积法 3）最近邻插值：这种插值方法运算量小，但频域特性不好。 3、若f(1,1)=4，f(1,2)=7，f(2,1)=5，f(2,2)=6,分别按最近邻元法、双线性插值法确定点(1.2,1.6)的灰度值。 最近邻元法：点(1.2,1.6)离(1,2)最近,所以其灰度值为7.双线性法：f(i+u,j+v)=(1-u)(1-v)f(i,j)+(1-u)vf(i,j+1)+u(1-v)f(i+1,j)+uvf(i+1,j+1) 将i=1,j=1,u=0.2,v=0.6代入,求得：f(i+u,j+v)=5.76。四舍五入取整后，得该点其灰度值为6
数字图像处理期末复习
遥感与数字图像处理基础知识 一、名词解释： 数字影像图像采样灰度量化像素 数字影像：数字影像又称数字图像，即数字化的影像。基本上是一个二维矩阵，每个点称为像元。像元空间坐标和灰度值均已离散化，且灰度值随其点位坐标而异。 图像采样：指将在空间上连续的图像转换成离散的采样点集的操作。 灰度量化：将各个像素所含的明暗信息离散化后，用数字来表示。 像素：像素是A/D转换中的取样点，是计算机图像处理的最小单元 二、填空题： 1、光学图像是一个连续的光密度函数。 2、数字图像是一个_离散的光密度_函数。 3、通过成像方式获取的图像是连续的，无法直接进行计算机处理。此外，有些遥感图像是通过摄影方式获取的，保存在胶片上。只有对这些获取的图像（或模拟图像）进行数字化后，才能产生数字图像。数字化包括两个过程：___采样___和__量化___。 4、一般来说，采样间距越大，图像数据量____小____，质量____低_____；反之亦然。 5、一幅数字图像为8位量化，量化后的像素灰度级取值范围是________的整数。设该数字图像为600行600列，则图像所需要的存储空间为________字节。 6、设有图像文件为200行，200列，8位量化，共7个波段，则该图像文件的大小为________。 三、不定项选择题：(单项或多项选择) 1、数字图像的________。 ①空间坐标是离散的，灰度是连续的②灰度是离散的，空间坐标是连续的 ③两者都是连续的④两者都是离散的 2、采样是对图像________。 ①取地类的样本②空间坐标离散化③灰度离散化 3、量化是对图像________。 ①空间坐标离散化②灰度离散化③以上两者。 4、图像灰度量化用6比特编码时，量化等级为________。
数字图像处理大作业
大作业要求 1.数字图像处理中的图像增强、图像分割、数学形态学、图像编码这几个章节中，围绕你所感兴趣的题目写一篇综述。 2.要求： （1）在中国知网上下载5篇以上相关文章，结合上课所学内容，确定综述的内容。（2）文字3000字以上，包含 a. 课题背景和概述 b. 国内外研究现状 c. 技术应用（可以实现哪些功能，实 现的方法及结果 d. 结论 e. 学习体会 f．参考文献 （3）综述的排版： 正文层次格式如下： 1（空两格）×××××（居中，三号宋体，加粗，占4行） 1.1×××（左顶格，四号宋体，加粗，占 2.5行，不接排） 1.1.1×××（左顶格，小四号宋体，加粗，占2行，不接排） a.（左空两格，a.后空一格）×××(小4号宋体，加粗) （正文）×××××(小4 号宋体，接排)
(1)（左空两格，(1)后空一格）×××(小4号宋体，加粗) （正文）×××××(小4号宋体，接排) 1)（左空两格，1）后空一格）(小4号宋体，加粗) （正文）×××××(小4号宋体，接排) 正文中段落一律段前、段后0磅，行距为20磅，对齐方式：两端对齐。小4号字体。 论文中的图和表居中，并且有图题和表题。 例如： 图 1 主站工作过程（5号字体，加粗） 表1 不同总线速率下从站的延迟时间（5号字体，加粗） 速率（Kbit/s ） 9.6 19.2 93.75 187.5 500 1500 1200SDR minT (bit T ) 11 11 11 11 11 11 11 SDR maxT (bit T ) 60 60 60 60 100 150 800 参考文献按照下面形式给出： 参考文献 （居中，三号，宋体，加粗，占4行）
数字图像处理复习重点整理
《数字图像处理》复习 第一章绪论 数字图像处理技术的基本内容：图像变换、图像增强、图象恢复、图像压缩编码、图像分割、图像特征提取（图像获取、表示与描述）、彩色图像处理和多光谱及高光谱图像处理、形态学图像处理 第二章数字图像处理基础 2-1 电磁波谱与可见光 1.电磁波射波的成像方法及其应用领域： 无线电波（1m-10km）可以产生磁共振成像，在医学诊断中可以产生病人身体的横截面图像☆微波（1mm-1m）用于雷达成像，在军事和电子侦察领域十分重要 红外线（700nm-1mm）具有全天候的特点，不受天气和白天晚上的影响，在遥感、军事情报侦察和精确制导中广泛应用 可见光（400nm-700nm）最便于人理解和应用最广泛的成像方式，卫星遥感、航空摄影、天气观测和预报等国民经济领域 ☆紫外线（10nm-400nm）具有显微镜方法成像等多种成像方式，在印刷技术、工业检测、激光、生物学图像及天文观测 X射线（1nm-10nm）应用于获取病人胸部图像和血管造影照片等医学诊断、电路板缺陷检测等工业应用和天文学星系成像等 伽马射线（0.001nm-1nm）主要应用于天文观测 2-2 人眼的亮度视觉特征 2.亮度分辨力——韦伯比△I/I（I—光强△I—光照增量），韦伯比小意味着亮度值发生较小变化就能被人眼分辨出来，也就是说较小的韦伯比代表了较好的亮度分辨力 2-3 图像的表示 3. 黑白图像：是指图像的每个像素只能是黑或白，没有中间的过渡，一般又称为二值图像 （黑白图像一定是二值图像，二值图像不一定是黑白图像） 灰度图像：是指图像中每个像素的信息是一个量化了的灰度级的值，没有彩色信息。 彩色图像：彩色图像一般是指每个像素的信息由R、G、B三原色构成的图像，其中的R、B、G是由不同的灰度级来描述的。 4.灰度级L、位深度k L=2^k 5.储存一幅M×N的数字图像所需的比特 b=M×N×k 例如，对于一幅600×800的256灰度级图像，就需要480KB的储存空间（1KB=1024Byte 1Byte=8bit） 2-4 空间分辨率和灰度级分辨率 6.空间分辨率是图像中可分辨的最小细节，主要由采样间隔值决定，反映了数字化后图像的实际分辨率。一种常用的空间分辨率的定义是单位距离内可分辨的最少黑白线对数目(单位是每毫米线对数)，比如每毫米80线对。对于一个同样大小的景物来说，对其进行采样的空间分辨率越高，采样间隔就越小，图片的质量就越高。 7.灰度级分辨率是指在灰度级别中可分辨的最小变化，通常把灰度级级数L称为图像的灰度级分辨率（灰度级通常是2的整数次幂） 8.在图像空间分辨率不变的情况下，采样数越少，图像越小。同时也证实了，在景物大小不变的情况下，图像阵列M×N越小，图像的尺寸就越小； 随着空间分辨率的降低，图像大小尺寸不变，图像中的细节信息在逐渐损失，棋盘格似的粗颗粒像素点变得越来越明显。由此也说明，图像的空间分辨率越低，图像的视觉效果越差；随着灰度分辨率的降低，图像的细节信息在逐渐损失，伪轮廓信息在逐渐增加。由于伪轮
《数字图像处理》复习大作业及答案
2014年上学期《数字图像处理》复习大作业及参考答案 ===================================================== 一、选择题（共20题） 1、采用幂次变换进行灰度变换时，当幂次取大于1时，该变换是针对如下哪一类图像进行增 强。（B） A 图像整体偏暗 B 图像整体偏亮 C图像细节淹没在暗背景中D图像同时存在过亮和过暗背景 2、图像灰度方差说明了图像哪一个属性。（B ） A 平均灰度 B 图像对比度 C 图像整体亮度D图像细节 3、计算机显示器主要采用哪一种彩色模型（ A ） A、RGB B、CMY或CMYK C、HSI D、HSV 4、采用模板［-1 1］T主要检测（ A ）方向的边缘。 A.水平 B.45? C.垂直 D.135? 5、下列算法中属于图象锐化处理的是：( C ) A.低通滤波 B.加权平均法 C.高通滤波 D. 中值滤波 6、维纳滤波器通常用于（ C ） A、去噪 B、减小图像动态范围 C、复原图像 D、平滑图像 7、彩色图像增强时， C 处理可以采用RGB彩色模型。 A. 直方图均衡化 B. 同态滤波 C. 加权均值滤波 D. 中值滤波 8、__B__滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。 A. 逆滤波 B. 维纳滤波 C. 约束最小二乘滤波 D. 同态滤波 9、高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加上一常数量以 便引入一些低频分量。这样的滤波器叫B。 A. 巴特沃斯高通滤波器 B. 高频提升滤波器 C. 高频加强滤波器 D. 理想高通滤波器 10、图象与灰度直方图间的对应关系是 B __ A.一一对应 B.多对一 C.一对多 D.都不 11、下列算法中属于图象锐化处理的是：C A.低通滤波 B.加权平均法 C.高通滤 D. 中值滤波 12、一幅256*256的图像，若灰度级数为16，则存储它所需的比特数是：( A ) A、256K B、512K C、1M C、2M 13、噪声有以下某一种特性（ D ） A、只含有高频分量 B、其频率总覆盖整个频谱 C、等宽的频率间隔内有相同的能量 D、总有一定的随机性 14. 利用直方图取单阈值方法进行图像分割时：（B） a.图像中应仅有一个目标 b.图像直方图应有两个峰 c.图像中目标和背景应一样大 d. 图像中目标灰度应比背景大 15. 在单变量变换增强中，最容易让人感到图像内容发生变化的是（ C ）
数字图像处理作业 1
数字图像处理作业 1 1.基本问题 a.什么是数字图像处理，英语全称是什么？ 数字图像处理：对图像进行一些列的操作，以达到预期目的的技术，可分为模拟图像处理和数字图像处理两种方式。英文全称：Image Processing b.数字图像处理与什么领域的发展密切相关？ 数字图像处理与数字计算机的发展，医学，遥感，通信，文档处理和工业自动化等许多领域的发展密切相关。 c.人类主要通过什么来感知获取信息的？ 主要通过人的视觉、味觉、嗅觉、触觉、听觉以及激光、量子通信、现代计算机网络、卫星通信、遥感技术、数码摄影、摄像等来获取信息。 d.数字图像处理技术与哪些学科领域密切相关？ 与数学、物理学、生理学、心理学、电子学、计算机科学等学科密切相关 e.数字图像处理在哪些领域得到广泛应用？ 数字图像处理的应用越来越广泛，已渗透到工程、工业、医疗保健、航空航天、军事、科研、安全保卫等各个领域。 f.数字图像处理起源于什么年代？ 20世纪20年代 g.现代大规模的图像处理需要具备哪些计算机能力？ 需要具备图像处理、图像分析、图像理解计算机能力 h.根据人的视觉特点，图像可分为哪两种图像？ 分为可见图像和不可见图像。 i.根据光的波段，图像可分为哪几种图像？ 分为单波段、多波段和超波段图像。 j.图像数字与模拟图像的本质区别是什么？ 区别： 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。 数字图像：空间的坐标和灰度都不连续、用离散的数字表示，能被计算机处理。 2.通过互联网，查下数字图像处理有哪些应用？选一个应用范例即可。具体描绘如何通过数字图像处理技术来实现其应用。要有图像范例说明。 数字图像处理主要应用领域有：生物医学，遥感领域，工业方面，军事公安领域，通信领域，交通领域等。我就生物医学领域做一个简单介绍。 自伦琴1895年发现X射线以来，在医学领域可以用图像的形式揭示更多有用的医学信息医学的诊断方式也发生了巨大的变化。随着科学技术的不断发展，现代医学已越来越离不开医学图像的信息处理，医学图像在临床诊断、教学科研等方面有重要的作用。目前的医学图像主要包括CT (计算机断层扫描) 图像、MRI( 核磁共振)图像、B超扫描图像、数字X 光机图像、X 射线透视图像、各种电子内窥镜图像、显微镜下病理切片图像等。 医学图像处理跨计算机、数学、图形学、医学等多学科研究领域，医学图像处理技术包括图像变换、图像压缩、图像增强、图像平滑、边缘锐化、图像分割、图像识别、图像融合等等。在此联系数字图像处理的相关理论知识和步骤设计规划系统采集和处理的具体流程同时充分考虑到图像采集设备的拍摄效果以及最终处理结果的准确性。下面是关于人体微血管显微图像的采集实例。
数字图像处理复习资料补充的答案
遥感与数字图像处理复习题 一、名词解释： 数字影像：物体光辐射能量的数字记录形式或像片影像经采样量化后的二维数字灰度序列 图像采样：将空间上连续的图像变换成离散点的操作称为采样 灰度量化：将像素灰度转换成离散的整数值的过程叫量化 像素：将地面信息离散化而形成的格网单元 辐射误差：传感器接受到的电磁波能量与目标本身辐射的能量是不一致的 辐射校正：消除图像数据中依附在图亮度中的各种失真的过程 灰度直方图: 以每个像元为单位，表示 线性拉伸:采用线性或分段线性的函数改善图像对比度 平滑：为抑制噪声，改善图像质量所做的处理 锐化：通过微分使图像中的地物边缘，轮廓或线状目标突出 滤波：将信号中特定波段频率部分滤除的操作，是抑制和防止干扰的一项重要措施 高通滤波：保留图像的高频部分而消弱低频部分的处理 低通滤波：保留图像的低频部分而抑制高频部分的处理 植被指数：根据地物光谱反射率的差异作比值可以突出图像中植被的特征、提取植被类别或估算绿色生物量，能够提取植被的算法称为植被指数 伪彩色合成：将一个波段或单一的黑白图像变换为彩色图像，从而把人眼不能区分的微小的灰度差别显示为明显的色彩差异，更便于解译和提取有用信息。 真彩色合成：根据彩色合成原理，可选择同一目标的单个多光谱数据合成一幅彩色图像，当合成图像的红绿蓝三色与三个多光谱段相吻合，这幅图像就再现了地物的彩色原理，就称为真彩色合成。 假彩色合成：根据加色法或减色法，将多波段单色影像合成为假彩色影像的一种彩色增强技术。 密度分割法:对单波段黑白遥感图像按灰度分层，对每层赋予不同的色彩，使之变为一幅彩色图像 直方图均衡化：将原图像的直方图通过变换函数变为各亮度级均匀分布的直方图，然后按均匀直方图像修改原图像的像元亮度值，从而获得一幅亮度分布均匀的新图像。 监督分类: 事先已经知道类别先验知识，对未知类别的样本进行分类的方法 非监督分类：在事先不知道类别特征，主要根据像元间相似度的大小进行归类合并（将相 似度大的像元归为一类）的方法 特征空间：以各波段图像的亮度分布为坐标轴组成的空间 训练区：在监督分类中,从图像上选取的已知其地物属性或物体特性的图像区域或像元,用于 进行分类的学习和训练,以建立分类模型或分类函数（即感兴趣区）。 二、填空题： 1、光学图像是一个连续的光密度函数。 2、数字图像是一个离散的光密度函数。 3、通过成像方式获取的图像是连续的，无法直接进行计算机处理。此外，有些遥感图像是 通过摄影方式获取的，保存在胶片上。只有对这些获取的图像（或模拟图像）进行数字化后，
西安交通大学大学数字图像处理大作业
数字图像处理
目录 作业一 (1) 一作业要求 (1) 二源代码 (1) 三运行结果 (3) 作业二 (5) 一作业要求 (5) 二算法描述 (5) 三源代码 (7) 四运行结果 (10)
作业一 一作业要求 在图像的空间域滤波操作中，会出现有部分掩膜矩阵在图像外面的情况，所以需要给图像先加入一个边界，执行完操作之后，再去掉这个边界，保证图像中所有的像素都参与矩阵运算。 二源代码 byte[,] filter(byte[,]f,float[,]mask) { int w = f.GetLength(0); int h = f.GetLength(1); byte[,] g = new byte[w,h]; int M = mask.GetLength(0)/2; int N = mask.GetLength(1)/2; for (int y=N;y
} float[,] averagingMask(intM,int N) { float[,] mask = new float[2*M+1,2*N+1]; for (int m=-M;m<=M;m++) for (int n=-N;n<=N;n++) mask[M+m,N+n] = 1.0f/((2*M+1)*(2*N+1)); return mask; } byte[,] addboard(byte[,] f,intM,int N) { int w=f.GetLength(0); int h=f.GetLength(1); intgw=w+2*M; intgh=h+2*N; byte[,] g=new byte[gw,gh]; //add top board and bottom board for(inti=0;i 数字图像处理 实验报告 实验选题：选题二 组员： 学号： 班级： 指导老师： 实验日期：2019年5月22日 一、实验目的及原理 1.识别出芯片的引脚 2.熟悉并掌握opencv的某些函数的功能和使用方法 原理：通过滤波、形态学操作得到二值图，再在二值图中设置条件识别引脚部分。 二、实现方案 对图片滤波、调节阈值做边缘检测过滤掉一部分图片中干扰元素；然后通过膨胀、腐蚀操作来减少引脚的空心部分；再通过findContours()函数找到引脚的边缘并得到轮廓的点集，设置特定的长宽比和矩形面积识别引脚部分。 三、实验结果 四、源码 #include -------------精选文档 ----------------- 1、下图是一用于干涉原理进行测试的干涉场图像，要求判读条纹的间距，请 给出图像处理的方案并说明每一步的作用及其对其它处理步骤可能产生的影响。 解：步骤与思路： ○1.进行模糊处理，消除噪声 ○2.边缘检测，进行图像增强处理 ○3．二值化图像，再进行边缘检测，能够得到很清晰的边界。 ○4.采用横向标号法，根据值为1 像素在标号中的相邻位置可以确定间距 I=imread('xz mjt.bmp'); I1=medfilt2(I);%对图像中值滤波 imshow(I1); [m,n]=size(I1); for i=1:m for j=1:n if(I1(i,j)<100)% 阈值为 100 I1(i,j)=255; else I1(i,j)=0;%进行二值化 -------------精选文档 ----------------- end end end figure; imshow(I1); Y1=zeros(1,25); y2=y1; c=y2; i=100; for j=1:1200 if (I1(i,j)==255&&I1(i,j+1)==0) Y1=j+1; end if (I1(i,j)==0&&I1(i,j+1)==255) Y2=j; end end for i=1:25 c=Y2(i)-Y1(i) end c%找出每两个条纹之间的距离 2.现有 8 个待编码的符号 m0,,m7, 它们的概率分别为 0.11,0.02,0.08,0.04,0.39,0.05,0.06,0.25,利用哈夫曼编码求出这一组符号的编码并画出哈夫曼树。 3.请以图像分割方法为主题，结合具体处理实例，采用期刊论文格式，撰写一篇小论文。 现场急救 、现场急救概述 生产现场急救，是指在劳动生产过程中和工作场所发生的各种意外伤害事故、急性中毒、 外伤和突发危重病员等现场， 没有医务人员时，为了防止病情恶化，减少病人痛苦和预防休克等 所应采取的一种初步紧急救护措施，又称院前急救。 （一）现场急救步骤 脱离险区 检查病情 对症救治 1 .脱离险区 首先要使伤病员脱离险区，移至安全地带, 如对因滑坡、塌方砸伤的伤员搬运至安全地带; 等等。 2 .检查病情 对急性中毒的病人应尽快使其离开中毒现场, 搬至空气流通区； 对触电的患者，要立即解脱电源 安全转移 现场救护人员要沉着冷静，切忌惊慌失措。 检查，确定病情。检查内容包括： 应尽快对受伤或中毒的伤病员进行认真仔细的 检查时不要给伤病员增加无谓的痛苦，如检查伤员的伤口，切勿一见病人就脱其衣服，若 伤口部位在四肢或躯干上，可沿着衣裤线剪开或撕开，暴露其伤口部位即可。 3 .对症救治 根据迅速检查岀的伤病情，立即进行初步对症救治。 立聊进行止血和包扎 及时固定和包扎，知果手头没有现战的*护包扌歸品，可 以在现场找 适宜的替代品使用 分秒必争地S 施胸外此脏按压和人工呼服 有卡十对性的釆取涂毒措施 在救治时，要注意纠正伤病员的体位，有时伤病员自己采用的所谓舒适体位，可能促使病 情加重或恶化，甚至于造成不幸死亡，如被毒蛇咬伤下肢时，要使患肢放低，绝不能抬高，以减 低毒汁的扩延；上肢岀血要抬高患肢，防止增加岀血量等。 救治伤病员较多时，一定要分清轻重缓急，优先救治伤重垂危者。 4 .安全转移 对伤病员，要根据不同的伤情，采用适宜的担架和正确的搬运方法。在运送伤病员的途中， 要密切注视伤病情变化，并且不能中止救治措施，将伤病员迅速而平安地运送到后方医院作后续 抢救。 （二）注意事项 1.注意现场安全，重视 先脱险再救人”。 2.从正面接近伤病员，表明身份，安慰伤病员，说明将采取的救护措施。 有无大出血 检查内寥 I — 有无颈动脉搏动 W 适是否通畅 第一章绪论 一.选择题 1. 一幅数字图像是：( ) A、一个观测系统 B、一个有许多像素排列而成的实体 C、一个2-D数组中的元素 D、一个3-D空间的场景。 提示：考虑图像和数字图像的定义 2. 半调输出技术可以：( ) A、改善图像的空间分辨率 B、改善图像的幅度分辨率 C、利用抖动技术实现 D、消除虚假轮廓现象。 提示：半调输出技术牺牲空间分辨率以提高幅度分辨率 3. 一幅256*256的图像，若灰度级数为16，则存储它所需的比特数是：( ) A、256K B、512K C、1M C、2M 提示：表达图像所需的比特数是图像的长乘宽再乘灰度级数对应的比特数。 4. 图像中虚假轮廓的出现就其本质而言是由于：( ) A、图像的灰度级数不够多造成的 B、图像的空间分辨率不够高造成 C、图像的灰度级数过多造成的 D、图像的空间分辨率过高造成。 提示：平滑区域内灰度应缓慢变化，但当图像的灰度级数不够多时会产生阶跃，图像中的虚假轮廓最易在平滑区域内产生。 5. 数字图像木刻画效果的出现是由于下列原因所产生的：（） A、图像的幅度分辨率过小 B、图像的幅度分辨率过大 C、图像的空间分辨率过小 D、图像的空间分辨率过大 提示：图像中的木刻效果指图像中的灰度级数很少 6. 以下图像技术中属于图像处理技术的是：（）（图像合成输入是数据，图像分类输出 是类别数据） A、图像编码 B、图像合成 C、图像增强 D、图像分类。 提示：对比较狭义的图像处理技术，输入输出都是图像。 解答：1.B 2.B 3.A 4.A 5.A 6.AC 二.简答题 1. 数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。 2. 什么是图像识别与理解？ 3. 简述数字图像处理的至少3种主要研究内容。 4. 简述数字图像处理的至少4种应用。 5. 简述图像几何变换与图像变换的区别。 解答: 1. ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。③图像的几何变换：改变图像的大小或形状。④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。 2. 图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将 数字图像基础 课程名称：数字图像基础 学院：信息工程与自动化学院 专业年级： 2010级计算机系班 学号： 2010104052 学生姓名： 指导教师：尚振宏 日期： 2013-6-11 目录 目录 (1) 1前言 (2) 2图像分割的方法简介 (3) 2.1迭代法 (3) 2.2类间最大距离法 (3) 2.3最大熵法 (4) 2.4最大类内类间方差比法 (4) 2.5局部阈值法 (5) 2.6均匀性度量法 (6) 3简单算法及其实现 (6) 3.1最优阈值算法 (6) 3.2 Canny算法 (8) 4、试验对比 (10) 4.1迭代法试验对比 (10) 4.2类间最大距离法试验对比 (10) 4.3最大熵法试验对比 (11) 4.4最大类内类间方差比法试验对比 (11) 4.5局部阈值法试验对比 (12) 4.6均匀性度量法试验对比 (12) 5、总结体会 (13) 6、参考文献 (13) 7、附录 (14) 7.1迭代法代码 (14) 7.2类间最大距离法代码 (14) 7.3最大熵法代码 (15) 7.4最大类内类间方差比法代码 (16) 7.5局部阈值法代码 (18) 7.6均匀性度量法代码 (18) 1、前言 图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出上千种分割算法，但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。最近几年又出现了许多新思路、新方法或改进算法。总的来说，图像分割是图像识别和图像分析的基本前提步骤，图像分割的质量好坏直接影响后续图像处理的效果，甚至决定成败。因此，图像分割在数字图像处理技术中占有非常重要的地位。图像分割时指将一副图像分解为若干互不交叠的、有意义的、具有相同性质的区域。好的图像分割应具备以下特征：⑴分割出来的各个区域对某种特性（例如灰度和纹理）而言具有相似性，区域内部是连通的且没有过多小孔。⑵相似区域对分割所依据的性质有明显的差异。⑶区域边界是明确的。图像分割是一个很关键的图像分析技术，是由图像处理进到图像分析的关键步骤.它的目的就是把图像中感兴趣的那部分分割出来供大家研究、处理和分析，一直都是图像技术研究中的热点。但是由于地域的差别，图像分割一直都没有一个比较通用的算法。 在实际图像处理中，一般情况下我们只是注意到图像中那些我们感兴趣的目标，因为只有这部分也就是我们注意到的有用的目标物才能为我们提供高效、有用的信息。而这些目标一般又都对应着图像中某些特定的、具有独特性质的区域。为了把这些有用的区域提取出来供我们人类使用，图像分割这门技术也就应运而生了。我们通常情况下所说的图像分割就是指把图像划分成若干个有意义的区域的过程，每个区域都是具有相近特性的像素的连通集合，一般情况下我们所关注到的那些有用的目标物就存在与这些区域中。研究者们为了识别和分析图像中的那部分我们感兴趣的目标，例如进行特征提取或者测量，就需要将这些相关的区域从图像背景中提取出来。图像分割就能够把图像中的这些有用的区域分割出来，从而把一幅图像分成一系列的有意义的、各具特征的目标或者区域。 图像分割技术主要分为四大类：区域分割，阈值分割，边缘检测和差分法运动分割（主要针对运动图像的分割）。阈值分割是近年来国际领域上的一个新的研究热点，它是一种最简单的图像分割技术，其基本原理就是：通过设定不同的特征阈值点，从而把图像的象素点分为若干类，然后通过阈值点来分割图像，最终把图像中的有用的部分提取出来。本文将对matlab用于图像分割的基本理论进行简要研究，并对当前matlab用于图像分割的最新研数字图像处理大作业报告
数字图像处理大作业.doc
现场急救救护基本知识
数字图像处理复习题
数字图像处理大作业-昆明理工大学-尚振宏