北京邮电大学《数字图像处理》第四次作业报告
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:mfor j=1:nif(I1(i,j)<100) %阈值为100I1(i,j)=255;elseI1(i,j)=0; %进行二值化endendendfigure;imshow(I1);Y1=zeros(1,25);y2=y1;c=y2;i=100;for j=1:1200if (I1(i,j)==255&&I1(i,j+1)==0)Y1=j+1;endif (I1(i,j)==0&&I1(i,j+1)==255)Y2=j;endendfor i=1:25c=Y2(i)-Y1(i)endc %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。
各种算子对图像进行边缘检测效果的研究图像分割是根据需要将图像划分为有意义的若干区域或部分的图像处理技术。
通过边缘检测在Matlab中实现方法，及用四叉数分解函数进行区域分割的方法，掌握了Matlab区域操作函数的使用和图像分析和理解的基本方法,并学到了'roberts','sobel','prewitt','canny','log'算子对图像进行边缘检测的不同效果。
数字图像处理-作业汇总
1. 一幅8灰度级图像具有如下所示的直方图，求直方图均衡后的灰度级和对应概率，并画出均衡后的直方图的示意图。
（图中的8个不同灰度级对应的归一化直方图为[0.17 0.25 0.21 0.16 0.07 0.08 0.04 0.02]）解：由s k =∑Pr (r i )k i=0，可以求得原图像直方图的累进概率为： *s +=*0.17,0.42,0.63,0.79,0.86,0.94,0.98,1+其量化结果即：*s q +={17,37,47,67,67,1,1,1}对相应的原灰度级进行映射，即*k ′+=*1,3,4,6,7+相应地有:*s k ′+=*0.17,0.25,0.21,0.23,0.14+因而均衡后的直方图为:2.由题，p r (r )=−2r +2 p z (z )=2z由PDF 灰度变换的关系T (r )=∫p r (w )dw r=s =∫p z (t )dt z=G (z )可得{T (r )=−r 2+2r G (z )=z2⟹z =±√−r 2+2r 要求z 应当是非负的,因而z =√−r 2+2r3. 请计算如下两个向量与矩阵的卷积计算结果。
1) [ 1 2 3 4 5 4 3 2 1] *[ 2 0 -2]=[2,4,4,4,4,0,-4,-4,-4,-4,-2]2) [−101−202−101]∗[1320410323041052321431042]=[−1−3−13−204−3−6−44−4211−3−7−63−6415−3−11−48−10317−7−1125−10615−8−56−4−698−3−13−3−242]4. 高斯型低通滤波器在频域中的传递函数是H (u,v )=Ae −(u2+v 2)2σ2⁄ 根据二维傅里叶性质，证明空间域的相应滤波器形式为h (x,y )=A2πσ2e −2π2σ2(x 2+y 2)（这些闭合形式只适用于连续变量情况。
数字图像第四章作业解答
第四章作业1.直方图修改技术中对变换函数的基本要求是什么？直方图均衡化处理采用了何种变换函数?答：T(r)作为变换函数，须满足下列条件：①在0≤r≤1内为单调递增函数，保证变换后的灰度级从黑到白的次序不变；②在0≤r≤1内，有0≤T(r)≤1，确保映射后的像素灰度在允许的范围内。
:直方图均衡化处理中，变换函数T(rk) 可表示为2. 已知一幅64×64大小的图像，其像素灰度级为8级，各像素级出现的概率分布如下表，试将此幅图像进行直方图均衡化，并画出处理前后的直方图。
答：均衡化前直方图均衡化后的直方图3. 一幅图像由于受到干扰，图中出现若干个亮点（灰度值为255），如下所示。
试问此类图像该如何去噪处理，并将处理后的图像写出来。
1 1 1 8 7 42 255 23 3 33 3 2554 3 33 3 3 255 4 63 3 4 5 255 82 3 467 8答：因是椒盐（颗粒）噪声，故采用中值滤波器处理效果比较好。
若不考虑边界像素的计算，采用3*3滤波模板处理出的中间像素结果如下所示 2 3 3 3 3 3 3 3 3 4 4 5 3 4 5 7 而均值滤波的结果为：58.1111 59.1111 31.7778 4.2222 58.7778 87.0000 59.1111 31.5556 31.1111 59.4444 87.5556 60.3333 3.1111 31.7778 60.3333 61.5556 严重偏离了原像素值4. 设图像为⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=02793222506111278016210010739101012547120020010025551f ，1） 分别采用Roberets 算子和Sobel 算子对其进行锐化，并分析结果。
2） 采用Laplacian 算子对其进行锐化，并分析结果。
不考虑边缘像素的影响Roberets 算子结果：|gx|+|gy|<1,1>计算[ 250 245 189 11 11 95 103 5 13 43 53 1 11 42 53 2]适合于提取对角边缘，对于垂直和水平边缘给出的边缘信息不够明确。
数字图像处理读书报告【甄选文档】
数字图像处理读书报告Efficient object detection and segmentation for fine-grained recognition细粒度识别的有效目标检测与分割李其信201120952 信号与信息处理1摘要本文提出了一种针对细粒度的识别的目的检测和分割算法。
该算法首先检测可能属于对象的低级别的区域，，然后通过传播进行完整的对象分割。
除了分割对象，我们也可以以中心“放大”对象，依据尺度比例规范对象，因此折扣背景的影响。
这种算法与一个国家的最先进分类算法的结合能明显提高性能，特别是对于认为很难识别数据集，如鸟类物种，性能提高更加明显。
该算法的效率远远超过同样方案下的其它已知算法[4,21]。
我们的方法也比较简单，我们将其应用到不同的对象的类，如鸟类，花卉，猫和狗。
我们在一些基准细粒度的分类数据集上测试了该算法的性能。
它优于所有已知的最先进的方法对这些数据集的性能，有时高达11%。
在所有的数据集上应用此算法，基线算法的性能提高了3-4%。
我们在识别性能上具有挑战性的大规模花的数据集（包含578个品种的花250000图像）上进行试验，观察到还观察到上出现超过4%的改善。
2背景本文讨论的对象分类问题属于相同的基本范畴，如物种鸟，花等。
这个任务通常被称为细粒识别，需要特定领域的专家知识，而这些知识通常很少的人才有。
因此，开发自动识别系统这样的任务对于非专家存在很大好处。
毫无疑问，细粒度的分类面临的主要挑战是物种之间细微的差异。
然而，一个自动系统会遇到更多的挑战。
例如，图像通常包括丰富的自然环境和具有挑战性的背景，其中的背景的影响可能会变得突出，从而干扰算法的识别。
但是，有时背景可能是有用的，所以分割出背景将是有益的。
分割也有助于提取感兴趣对象的轮廓，可以提供良好的特征识别。
一种检测和分割算法的另一个好处就是，它可以定位对象，这个对象是有益的，特别是如果该对象不在图像的中心，或者大小的中央，不同于其它对象的大小。
北京邮电大学数字信号处理第4章答案
习题解答4.1 根据给定的模拟滤波器的幅度响应平方，确定模拟滤波器的系统函数 H(s)。
(1) 261|()|164H j Ω=+Ω(2) 2222216(25)|()|(49)(36)H j -ΩΩ=+Ω+Ω分析：在模拟滤波器设计中，由各种逼近方法确定了幅度响应，通过下列步骤求出滤波器的系统函数H(s)。
更进一步，通过脉冲响应不变法或双线性变换法，可以得到数字滤波器的传输函数 H(z)。
（1）考虑s j =Ω，将幅度响应表达式整理为s 为变量的表达式，求 ()()a a H s H s - 表达式的零极点；（2）为了系统稳定，选择左半平面的极点构成 H(s)；（3）如果没有特殊要求，可以选择取 ()()a a H s H s -以虚轴为对称轴的对称零点的任意一半（应是共轭对）作为 H a (s) 的零点。
但如果要求是最小相位延时滤波器，则应取左半平面零点作为 H a (s) 的零点。
（4）对比()a H s 和()a H j Ω 的低频特性或高频特性，从而确定增益常数K 0。
解：（1）由于2)(Ωj H a 是非负有理函数，它在Ωj 轴上的零点是偶次的，所以满足幅度平方函数的条件，先求2321()()()164()22H s H s H j a a as s -=Ω=+-Ω=-其极点为0.50.250.4330.50.250.433j j --±±我们选出左半平面极点s=0.5和 0.250.433j -± 为)(s H a 的极点，并设增益常数为0K ，则得)(s H a 为：002()(0.5)(0.250.433)(0.250.433)(0.5)(0.50.25)K K H s a s s j s j s s s ==++-+++++ 按着()a H s 和()a H j Ω的低频特性或高频特性的对比可以确定增益常数。
在这里我们采用低频特性，即由00()|()|a s a H s H j =Ω==Ω的条件可得增益常数0K 为：018K =最后得到)(s H a 为：21()8(0.5)(0.50.25)H s a s s s =+++（2）由于2)(Ωj H a 是非负有理函数，它在Ωj 轴上的零点是偶次的，所以满足幅度平方函数的条件，得)36)(49()25(16222)()()(222s s s s j aH s a H s a H --+=-=ΩΩ=- 其极点为：6,7±=±=s s其零点为：5j s ±=（皆为二阶，位于虚轴上）j Ω虚轴上的零点或极点一定是二阶的，其中一半（应为共轭对）属于 H a (s)。
数字图像处理-实验报告
（理工类）课程名称：数字图像处理专业班级：电子信息工程学生学号：学生：所属院部：电子信息工程指导教师：周洪成20 16 ——20 17 学年第 1 学期金陵科技学院教务处制实验报告书写要求实验报告原则上要求学生手写，要求书写工整。
若因课程特点需打印的，要遵照以下字体、字号、间距等的具体要求。
纸一律采用A4的纸。
实验报告书写说明实验报告中一至四项容为必填项，包括实验目的和要求；实验仪器和设备；实验容与过程；实验结果与分析。
各院部可根据学科特点和实验具体要求增加项目。
填写注意事项（1）细致观察，及时、准确、如实记录。
（2）准确说明，层次清晰。
（3）尽量采用专用术语来说明事物。
（4）外文、符号、公式要准确，应使用统一规定的名词和符号。
（5）应独立完成实验报告的书写，严禁抄袭、复印，一经发现，以零分论处。
实验报告批改说明实验报告的批改要及时、认真、仔细，一律用红色笔批改。
实验报告的批改成绩采用百分制，具体评分标准由各院部自行制定。
实验报告装订要求实验批改完毕后，任课老师将每门课程的每个实验项目的实验报告以自然班为单位、按学号升序排列，装订成册，并附上一份该门课程的实验大纲。
实验项目名称： 2、图像增强实验学时： 2同组学生：实验地点： A205实验日期： 2016年11月08日实验成绩：批改教师：周洪成批改时间：一、实验目的和要求1掌握灰度直方图的概念及其计算方法；2熟练掌握直力图均衡化和直方图规定化的计算过程；3熟练掌握空域滤波中常用的平滑和锐化滤波器；4掌握色彩直方图的概念和计算方法；5利用MATLAB程序进行图像增强；6了解频域高频和低频滤波器对图象处理的效果。
7平滑：平滑的目的是模糊和消除噪声。
平滑是用低通滤波器来完成，在空域中全是正值；8锐化：锐化的目的是增强被模糊的细节。
锐化是用高通滤波器来完成，在空域中，接近原点处为正，在远离原点处为负。
二、实验仪器和设备1计算机；2 MATLAB程序；3移动式存储器（软盘、U盘等）。
《数字图像处理》课后作业2015
《数字图像处理》课后作业（2015）第2章2.5一个14mm 14mm的CCD摄像机成像芯片有2048 2048个像素，将它聚焦到相距0.5m远的一个方形平坦区域。
该摄像机每毫米能分辨多少线对？摄像机配备了一个35mm镜头。
（提示: 成像处理模型见教材图2.3,但使用摄像机镜头的焦距替代眼睛的焦距。
）2.10高清电视（HDTV, High Definition TV ）使用1080条水平电视线（TV Line）隔行扫描来产生图像（每隔一行在显像管表面画出一条水平线，每两场形成一帧，每场用时1/60秒，此种扫描方式称为1080i，即1080 in terlace scan 对应的有1080p,即1080 progressive scar逐行扫描）。
图像的宽高比是16:9。
水平电视线数（水平行数）决定了图像的垂直分辨率，即一幅图像从上到下由多少条水平线组成；相应的水平分辨率则定义为一幅图像从左到右由多少条垂直线组成，水平分辨率通常正比于图像的宽高比。
一家公司已经设计了一种图像获取系统，该系统由HDTV图像生成数字图像，彩色图像的每个像素都有24比特的灰度分辨率（红、绿、蓝分量各8比特）。
请计算不压缩时存储90分钟的一部HDTV电影所需要的存储容量。
2.22图像相减常用于在产品装配线上检测缺失的元件。
方法是事先存储一幅对应于正确装配的产品图像，称为金”图像（“golden” image即模板图像。
然后，在同类型产品的装配过程中，采集每一装配后的产品图像，从中减去上述模板图像。
理想情况下，如果产品装配正确，则两幅图像的差值应为零。
而对于缺失元件的产品，其图像与模板图像在缺失元件区域不同，两幅图像的差值在这些区域就不为零。
在实际应用中，您认为需要满足哪些条件这种方法才可行？第3章3.5在位平面分层中，（a）如果将低阶位平面的一半设为零值，对一幅图像的直方图大体上有何影响?（b）如果将高阶位平面的一半设为零值，对一幅图像的直方图又有何影响？3.6试解释为什么离散直方图均衡化技术一般不能得到平坦的输出直方图3.14右图所示的两幅图像差异很大，但它们的直方图却相同。
数字图像处理作业
结合每个人的本专业学科、工作应用, 谈谈数字图像处理的关系或在本专业的应用？答：数字图像处理技术的应用几乎无处不在, 例如有的U 盘和电脑安装了指纹识别系统, 气象中心对云图变化的分析系统, 上网视频聊天室的图像传输系统, 计算机阅卷系统, 车牌识别系统, 邮编识别系统等等, 都是实际工作和生活中对数字图像处理的应用。
除前面介绍的例子之外, 试举一些其它的图像应用的工程例子。
答：在工程中的应用也很广泛, 而且有十分大的发展前景, 这里举两个例子：制烟厂里检查香烟数量的系统, 有效的保证了没盒烟中香烟的数量, 而且大大提高了效率；地下资源的勘测系统, 可以对地下资源进行不同光谱分析, 较为可观的得到地下资源信息。
图像处理与计算机图形学的区别与联系是什么？区别: 数字图像处理对客观存在的图像惊醒处理和分析, 从而得到有用信息的学科。
计算机图形学: 对客观存在的或想象中的事物通过建立数学模型, 用图像的方式表达出来。
联系：都是用计算机进行点、面处理, 使用光栅显示器等。
在图像处理中, 需要用计算机图形学中的交互技术和手段输入图形、图像和控制相应的过程；在计算机图形学中, 也经常采用图像处理操作来帮助合成模型的图像。
画出视觉信息在眼球内（视网膜中)的传输过程模型示意图, 并扼要说明？如下图：瞳孔直径可调节, 控制进入人眼内的光通量；而晶状体可调节曲率, 改变焦距, 使不同距离的图在视网膜上成像画出黑白视觉扩展模型, 并略加说明。
黑白视觉扩展模型:2-3 什么叫图像逼真度和图像可懂度？ 采用归一化方均误差NMSE 计算下面两幅数字图像的逼真度111111(,)111(,)101111111f j k f j k ∧⎡⎤⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦答: 图像逼真度: 描述被评价图像与标准图像的偏离程度图像可懂度: 表示图像能向人或机器提供信息的能力由公式计算得NMSE=1/92-4 给出一幅4bit 的图像A （见下图）。
- 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)。
数字图像处理第四次作业报告
200821111X班XX班XXX
1. 实验要求
1.给出原始图象premier_zhou.jpg,利用matlab计算并画出中心化频率谱。
2.利用lapalace算子将其锐化（利用matlab中的函数实现）
2. 实验思路
用fftshift(fft2(J)函数进行频谱的搬移，然后用lapalace算子将其锐化。
3.实验源程序及结果
源程序：
temp_image=imread('E:\premier zhou.jpg'); % 读文件
temp_image=rgb2gray(temp_image); % 将图象变为黑白
temp_image=im2double(temp_image); % 转化为二维矩阵
move1=fftshift(fft2(temp_image));%将频谱转到中心
Lap_count=fspecial('laplacian'); % lapalace filter
image_lap1=filter2(Lap_count,temp_image,'same');%用lapalace滤波
image_lap=temp_image-image_lap1;
image_adjust=imadjust(image_lap,[],[0,0.8]);
move2=fftshift(fft2(image_lap1)); %再将频谱到中心
close all;
figure(1)
imshow(log(abs(move1)),[])%其实也有类似标定的东西。
title('锐化前中心化频率谱')
figure(2)
subplot(2,2,1),imshow(temp_image);
title('原始图象')
subplot(2,2,2),imshow(image_lap1);
title('拉普拉斯滤波后图象')
subplot(2,2,3),imshow(image_lap1,[]);
title('标定后图象')
subplot(2,2,4),imshow(image_adjust,[]);
title('增强的结果')
figure(3)
imshow(log(abs(move2)),[])
title('拉普拉斯滤波后中心化频率
4.结果显示：
1.滤波前中心功率谱
滤波前的中心功率谱滤波后的中心功率谱
2.处理后的图象：
5.结果分析
（1）由频率谱可以看出：未滤波前，图像的低频分量能量较高，滤波后，低频部分的能量明显降低，laplace算子起到了锐化图像的作用。
（2）由图像可以看出，未滤波前，图像较为平滑（由于低频含量高），而在滤波后，一些微小的细节显得非常清晰，说明laplace算子起了锐化的作用。