数字图像处理期末总结

数字图像处理期末总结（精选10篇）

1.数字图像处理期末总结 篇一

本学期担任数字电路的教学任务，为学生学习单片机技术奠定良好的基础，锻炼学生的逻辑思维能力，培养学生学会自学，加强课堂管理，培养学生的学习能力。

内容构成： 1.数制与编码 2.逻辑门电路 3.组合逻辑电路 4.触发器

重点难点。

重点：逻辑门电路以及逻辑运算的规律组合逻辑电路的分析和设计方法。触发器的功能和基本应用

难点：组合逻辑电路的分析和设计 触发器的功能以及应用

特点：本学科的理论学习还是比较简单，主要是在第一章数字电路基础中做好课 前引导，让学生理解数字电路的特点，以便以后学习更为快速。教学工作措施：

1.加强学生的上课听课秩序，严厉管理课堂秩序。

2.对于概念性知识点，多举例，多比方，让学生能直观地理解并加强记忆。

3.在逻辑运算中，更应该与数学运算相结合，并予以区别。

4.组合逻辑电路的分析设计举例应切近生活，利用日常生活中的例子。分析编 码译码器时，可以以编辑和翻译为例子。

5.触发器的讲解。应该做到综合型强，总结性好。以免给学生学习带来学习的盲目感。

本学期任17级《数字电子技术》课程的教育教学任务，在此之前，学生已 经学习了《电工基础》和《模拟电路》，对于电子专业的总体发展不是很陌生，但对于《数字电路》的发展还是比较感兴趣，基于以上原因，根据理论知识的深浅度，教学设计的指导思想是：根据学生的原有知识水平，引导学生通过学生探 究小组课前调查活动，充分利用现代信息技术手段，把模拟信号、数字信号这种 抽象的事物在课堂上可视化，降低学生接受难度。在教学过程中，借助电路图作为工具，并通过实际举例和分析设计简单的逻辑电路，给学生自主建构的台阶，这样在完成知识构建的同时，扩展学生的知识视野，了解现代数字技术。5个班级的总体情况还是比较良好。在这里对本期教育教学进行简单的总结;

1、教学情况

（1）按时完成教学大纲规定的内容。

（2）采用实物与理论、元件性能与实际应用相结合的手段讲授理论内容。

（3）采用启发式，讨论式的教学方法去理解抽象的概念。

（4）除定时辅导答疑外，课前早到随时答疑。

（5）及时批改作业，发现问题及时解决。

（6）征求学生意见，改进教学方法

2、学生学习情况（1）电子班学生学风好，学习兴趣浓，积极性高，思想活跃，喜欢提问。

（2）个别同学不用功，没有及时将所学内容消化，考试前现突击，这是无法学好这门课的。（3）从考试成绩来看，4个班的成绩都很均匀，属正态分布。

3、结论及分析：教学中严格执行教学大纲，方法较得当，教学环节全面，细致，学时应针对专业稍加调整；学生有良好的学风，应继续发扬，另外应多给老师的教学提出建议，以及时改进。

4、今后的努力方向

1．在工作中更加严格地要求自己，而不是停滞不前，自以为是。

2． 谦虚谨慎，戒骄戒躁，在工作中，虚心学习同事的先进教学经验，言语谨慎，举止得体，处处以一个人民教师标准要求自己。

3． 在其它方面，要更加积极主动地完成上级交给的各项任务，有缺点就改，有不足就纠正，争取把工作做得尽善尽美。

总之，一学年来，本人尽职恪守，在工作岗位中尽量克服缺点，完善自我，努力向前。当然自己尚未发现的缺点，还望广大教师、领导给予批评指正。

2.数字图像处理简答题总结 篇二

KLT：理论上的最佳变换。

优点：完全去相关，能量最聚集。

缺点：无固定变换矩阵，无有效快速算法。

直方图均衡本质：减少图像的灰度等级以换取对比度的扩大。

空间域线性平滑——低通掩膜法（系数为正）：

优点：算法简单，交互性好，噪声适应性强。

缺点：会造成轮廓的模糊。

空间域非线性平滑———中值滤波（统计排序滤波器）

优点：在平滑的同时适当保护轮廓。

缺点：对噪声有选择性，对随机噪声不理想，对高斯噪声效果不好，对椒盐噪声效果好，但不适于点，线，尖顶细节较多的图像。

锐化比较：

梯度算子：对小细节不敏感，抗干扰强。

SOBEL算子：由于引入了平均因素，对图像中的随机噪声有一定的平滑作用。由于它是相隔两行或两列之差分，边缘两侧元素得到了增强，故边缘显得粗而亮。

拉普拉斯运算：各向同性，所以对点的检测有较强的响应。

优点：对细线和孤立点的检测较好，可以突出细节

缺点：抗干扰能力差。

无约束恢复：去卷积。方法：逆滤波。

特点：噪声越大，误差越大，只适合信噪比很高的情况下。存在病态解。

有约束恢复：去卷积，抑制噪声，克服状态解。

映射器是去相关的过程，决定压缩的效果。

恢复质量取决于量化器，失真来自于量化误差。

预测编码：利用图像中相信像素的相关性，对预测差值编码

特点：缺点：误差传递，抗干扰能力弱。

优点：算法简单，易于硬件实现。

最佳预测是预测差值在均方意义上的最小值。

变换编码：利用图像内所有像素的相关性，对变换系数进行编码

特点：优点：抗干扰能力强。

缺点：计算复杂，不易于硬件实现。

变换的比较：

KLT：完全去相关，最佳变换。

DFT：压缩时接近KLT，但存在大量复杂计算，计算成本高，且有吉布斯效应。

WHT：计算简单，压缩速度快，但去相关较弱，压缩效果差。

3.信号分析与处理 期末考试 篇三

《信号分析与处理中的数学方法》

学号： 姓名：

注意事项：

1.严禁相互抄袭，如有雷同，直接按照不及格处理； 2.试卷开卷；

3.本考试提交时间为2014年12月31日24时，逾期邮件无效； 4.考试答案以PDF和word形式发送到sp_exam@126.com。

1、叙述卡享南—洛厄维变换，为什么该变换被称为最佳变换，何为其实用时的困难所在，举例说明其应用。

解：形为λφ()=(,)()(1-1)

0的方程称为齐次佛莱德霍姆积分方程，其中φ（t）为未知函数，λ是参数，C（t,s）为已知的“核函数”，它定义在[0，T]×[0，T]上，我们假定它是连续的，且是对称的：

(t,s)=(s,t)(1-2)使积分方程(1-1)有解的参数λ称为该方程的特征值，相应的解φ(t)称为该方程的特征函数。

又核函数可表示为：

C(t,s)= =1()()（1-3）

固定一个变量（例如t），则式（1-3）表示以s为变量的函数C(t,s)关于正交系{φ(s)}

n∞的傅里叶级数展开，而傅里叶级数正好是λ

n

φn(t)。

设x（t）为一随机信号，则其协方差函数

（t,s）={[x(t)-E{x(t)}][x(s)-E{x(s)}]}是一个非随机的对称函数，而且是非负定的。为了能方便地应用式(1-3)，假定C(t,s)是正定的，在多数情况下，这是符合实际的。当然，还假定C(t,s)在[0，T]×[0，T]上连续。现在用特征函数系{φ(t)}作为基来表示x（t）：

nx(t)= n=1αnφn(t)(1-4)其中

T∞

αn

n

= x（t）φn（t）dt

0因为{φ（t）}是归一化正交系，所以展开式（1-4）类似于傅里叶级数展开。但是因为x（t）是随机的，从而系数xn也是随机的，因此这个展开式实际上并不是通常的傅里叶展开。

式(1-4)称为随机信号的卡享南-洛厄维展开。因为这种变换能使变换后的分量互不相关，而且这种展开的截断既能使均方差误差最小，又能使统计影响最小，故具有最优性。

卡享南-洛厄维变换没有固定的变换矩阵，它依赖于给定的随机向量的协方差阵。正是这种变换的特点，也是它在实际使用时的困难所在，因为它需要依照不固定的矩阵求特征值和特征向量。

卡享南-洛厄维变换应用在数据压缩技术中。按照最优化原则的数据压缩技术可以解决通讯和数据传输系统的信道容量不足和计算机存储容量不足的问题。通过对信号作正交变换，根据失真最小的原则在变换域进行压缩。卡享南-洛厄维变换被选用并不是偶然的，因为这种变换消除了原始信号x的诸分量间的相关性，从而使数据压缩能遵循均方误差最小的准则实施。

2、最小二乘法的三种表现形式是什么？以傅里叶级数展开为例说明其各自的优缺点。

解：希尔伯特空间中线性逼近问题的求解方法称为最小二乘法。通常它有三种不同的表现形式：投影法、求导法和配方法。我们以傅里叶级数展开为例来说明。

投影法：

设X为希尔伯特空间，{e1,e2,e3„„}为X中的一组归一化正交元素，x为X中的某一元素。在子空间M=span{e1,e2,e3„„}中求一元素m，使得

x−m‖‖x-m0‖=minm‖∈(2-1)M由于M中的元素可表示为e1,e2,e3„„的线性组合，那么问题就转化为求系数 α1,α2„„使得

‖x-k=1akek‖=min 2-2 投影定理指出了最优系数α

1∞,α2„„应满足 x-k=1akek⊥ek ,m=1,2, „„

∞由此可得（x,em）=(k=1akek ∞,em)=am

也就是说，当且仅当ak取为x关于归一化正交系{ e1,e2,e3„„}的傅立叶系数ak=(x,ek)ck时式（2-2）成立。

＝Δ

求导法： 记泛函

f1,2,xkekk1

2(2-4)为了便于使用求导法求此泛函的最小值，将它表为

f1,2,xkek,xmemk1m1x2kckk2k1k12(2-5)

其中ckx,ek。于是最优的1,2,应满足

f0,m1,2,m即2cm2m0，或mcm,配方法：

m1,2,。

f1,2,2x2kckk2k1k12k2k2(2-6)

 xcc2kckk2

k1k1k1k12 xckck

2kk1k12 minkck，k1,2，以上三种方法都称为最小二乘法。比较起来，从数学理论上讲，投影法较高深，求导法次之，配方法则属初等；从方法难度上讲，求导法最容易，投影法和配方法各有千秋；从结果看，配方法最好，因为它不仅求出了最优系数k，而且由配方结果立即可知目标函数f1,2,的极值。此外，配方法和投影法都给出了f达到极小的充分和必要条件，但求导法给出的仅仅是极值的必要条件，如果是极值，还不知道是极大还是极小，所以是不完整的。

通过以上的比较，我们不能简单地得出结论，说这三种方法孰胜孰劣。例如： 投影法必须把所讨论的最优化问题放到某个希尔伯特空间的框架中去；

求导法必须有可行的求导法则，如果未知的变元是向量，矩阵或函数，求导法就不那么直捷了；

配方法则是一种技巧性很强的方法，如果目标函数的表达式比较复杂（例如含有向量和矩阵），那么配方是相当困难的，甚至会束手无策。

因此，在不同的场合，根据不同的需要和可能，灵活地使用恰当的方法，是掌握最小二乘法的关键。

3、二阶矩有限的随机变量希尔伯特空间中平稳序列的预测问题的法方程称为关于平稳序列预测问题的yule-walker方程，试用投影法和求导法推导该方程。该方程的求解算法称为最小二乘算法，请对这些算法的原理予以描述。

解：考虑二阶矩有限的随机变量希尔伯特空间中的序列x1,x2,，记子空间

Mk,NspanxkN,xkN1,现在的问题是，用Mk,N中的元素 ,xk1(3-1)

xkNmxkmm1N(3-2)

来估计xk，并使得均放误差最小，也就是求系数1，N使得

xkxN2kExxmin(3-3)

N2kk这个问题就是随机序列的预测问题。投影法：

N根据投影定理，xk应是xk在子空间Mk,N中的投影，即1，N满足

Nxxkmkmxkl,l1,m1,N(3-4)根据空间中的正交性定义，上式即为

Exmm1NkmklxExkxkl,l1，N(3-5)这就是最佳预测的法方程。因为随机序列x1,x2,是平稳的，故式(3-5)可写作

rm1Nmlmrl,l1，N(3-6)其中rr。方程(3-6)即为Exmxm是该平稳序列的自相关，它满足rYule-Walker方程，它的分量形式为

r0r1rN1求导法：

r1r0rN2rN11r1rN22r2(3-7)r0NrN 我们先将式(3-3)改写为如下形式

f1,进一步推导有 ,nxkykk1n2min(3-8)

nnfxkyk,xkykk1k1x2x,ykkyk,ymkmk1k1m12nnn(3-9)

x2TTY利用求导公式，应满足f22Y0，即Y。

2最小二乘法是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。

4、简述卡尔曼滤波以及由其衍生出的EKF、UKF和粒子滤波的原理，指出卡尔曼滤波中Q阵和R阵的确定方法以及对滤波结果的影响，并指出以上这些滤波算法可能的应用。

解：卡尔曼滤波器用反馈控制的方法估计过程状态：滤波器估计过程某一时刻的状态，然后以测量变量的方式获得反馈。

卡尔曼滤波器可分为两个部分：时间更新方程和测量更新方程。

时间更新方程负责及时向前推算当前状态变量和误差协方差估计的值，以便为下一个时间状态构造先验估计。

测量更新方程负责反馈——也就是说，它将先验估计和新的测量变量结合以构造改进的后验估计。时间更新方程也可视为预估方程，测量更新方程可视为校正方程。

时间更新方程：

ˆk1Buk1(4-1)xkAxTPAPAQ(4-2)kk1

状态更新方程：

TT1KkPkH(HPkHR)(4-3)ˆkxkˆkxKk(ykHx)(4-4)

Pk(IKkH)Pk(4-5)

测量更新方程首先做的是计算卡尔曼增益Kk。

其次便测量输出以获得zk，然后产生状态的后验估计。最后按Pk(IKkH)Pk产生估计状态的后验协方差。

计算完时间更新方程和测量更新方程，整个过程再次重复。上一次计算得到的后验估计被作为下一次计算的先验估计。由于这种递归很容易实现，所以卡尔曼滤波器得到了广泛的应用。

卡尔曼滤波器可应用于所有的需要对状态进行估计的对象中，目前在无线传感器网络的信息融合，雷达目标跟踪，计算机图像处理等领域都有广泛的应用。

5、什么是插值？有多少种插值？具体说明样条插值的原理，举例说明其应用。

解：在有的实际问题中，被逼函数处的数值：

xt并不是完全知道的，只是知道其在一些采样点xtixi,i0,1,(5-1)这时，希望用简单的或可实现的函数fx去拟合这些数据。如果恰能做到ftixi，那么这就为插值；如果办不到，则要考虑最佳逼近问题。

插值的种类：

多项式插值，有理插值，指数多项式插值。

差值很早就为人所应用，早在6世纪，中国的刘焯已将等距二次插值用于天文计算。17世纪之后，I.牛顿，J.-L.拉格朗日分别讨论了等距和非等距的一般插值公式。在近代，插值法仍然是数据处理和编制函数表的常用工具，又是数值积分、数值微分、非线性方程求根和微分方程数值解法的重要基础，许多求解计算公式都是以插值为基础导出的。

4.数字图像处理读书笔记 篇四

本学期的数字图像处理课程已经进行了3周了，通过这3周的学习让我对数字图像处理有了一定的认知和理解。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。这门课程的前三章主要讲解了数字图像的目的、特点、应用和发展，图像的数字化显示与图像变换。

数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。数字图像处理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。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展（特别是离散数学理论的创立和完善）;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。

一般来讲，对图像进行处理（或加工、分析）的主要目的有三个方面：（1）提高图像的视感质量，如进行图像的亮度、彩色变换，增强、抑制某些成分，对图像进行几何变换等，以改善图像的质量。（2）提取图像中所包含的某些特征或特殊信息，这些被提取的特征或信息

往往为计算机分析图像提供便利。提取特征或信息的过程是模式识别或计算机视觉的预处理。提取的特征可以包括很多方面，如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。（3）图像数据的变换、编码和压缩，以便于图像的存储和传输。不管是何种目的的图像处理，都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出。数字图像处理有以下几点基本特点：（1）目前，数字图像处理的信息大多是二维信息，处理信息量很大。如一幅256×256低分辨率黑白图像，要求约64kbit的数据量；对高分辨率彩色512×512图像，则要求768kbit数据量；如果要处理30帧/秒的电视图像序列，则每秒要求500kbit～22.5Mbit数据量。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。如电视图像的带宽约5.6MHz，而语音带宽仅为4kHz左右。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是不独立的，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。就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达0.9以上，而相邻两帧之间的相关性比帧内相关性一般说还要大些。因此，图像处理中信息压缩的潜力很大。（4）由于图像是三维景物的二维投影，一幅图象本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。因此，要分析和理解三维景物必须作合适的假定或附加新的测量，例如双目图像或多视点图像。在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。（5）数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进一步深入的研究。另一方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究。例如，什么是感知的初始基元，基元是如何组成的，局部与全局感知的关系，优先敏感的结构、属性和时间特征等，这些都是心理学和神经心理学正在着力研究的课题。

在数字图像处理中图像的数字化显示是基础。将模拟图像转化成数字图像的过程就是图形、图像的数字化过程。这个过程主要包含采样、量化和编码三个步骤。

1．采样 采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。简单来讲，对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构，所形成的微小方格称为像素点。一副图像就被采样成有限个像素点构成的集合。采样频率是指一秒钟内采样的次数，它反映了采样点之间的间隔大小。采样频率越高，得到的图像样本越逼真，图像的质量越高，但要求的存储量也越大。在进行采样时，采样点间隔大小的选取很重要，它决定了采样后的图像能真实地反映原图像的程度。一般来说，原图像中的画面越复杂，色彩越丰富，则采样间隔应越小。

由于二维图像的采样是一维的推广，根据信号的采样定理，要从取样样本中精确地复原图像，可得到图像采样的奈奎斯特（Nyquist）定理：图像采样的频率必须大于或等于源图像最高频率分量的两倍。

2．量化 量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。例如：如果以4位存储一个点，就表示图像只能有16种颜色；若采用16位存储一个点，则有216=65536种颜色。所以，量化位数越来越大，表示图像可以拥有更多的颜色，自然可以产生更为细致的图像效果。但是，也会占用更大的存储空间。两者的基本问题都是视觉效果和存储空间的取舍。假设有一幅黑白灰度的照片，因为它在水平于垂直方向上的灰度变化都是连续的，都可认为有无数个像素，而且任一点上灰度的取值都是从黑到白可以有无限个可能值。通过沿水平和垂直方向的等间隔采样可将这幅模拟图像分解为近似的有限个像素，每个像素的取值代表该像素的灰度（亮度）。对灰度进行量化，使其取值变为有限个可能值。经过这样采样和量化得到的一幅空间上表现为离散分布的有限个像素，灰度取值上表现为有限个离散的可能值的图像称为数字图像。只要水平和垂直方向采样点数足够多，量化比特数足够大，数字图像的质量就比原始模拟图像毫不逊色。在量化时所确定的离散取值个数称为量化级数。为表示量化的色彩值（或亮度值）所需的二进制位数称为量化字长，一般可用8位、16位、24位或更高的量化字长来表示图像的颜色；量化字长越大，则越能真实第反映原有的图像的颜色，但得到的数字图像的容量也越大。

3．压缩编码数字化后得到的图像数据量十分巨大，必须采用编码技术来压缩其信息量。在一定意义上讲，编码压缩技术是实现图像传输与储存的关键。

数学里的变换，指一个图形（或表达式）到另一个图形（或表达式）的演变。图象变换是函数的一种作图方法。已知一个函数的图象，通过某种或多种连续方式变换，得到另一个与之相关的函数的图象，这样的作图方法叫做图象变换。

在图像变换中傅立叶变换就是应用最广泛的一种变换。数字图像经二维离散傅立叶变换后，其空间域处理可变换为变换域处理，它具有很多明显的优点，最突出的是算法运算次数将大大减少，并可采用二维数字滤波技术进行所需要的各种图像处理。

二位离散余弦变换其去相关性近似于K-L(Karhunen-Loeve)最佳变换,算法复杂度适中,易于硬件实现,且具有抗干扰能力强等优点,因此,DCT及IDCT被广泛应用于H.261、H.263、H.264、JPEG、MPEG等视频压缩标准中。

小波分解可以覆盖整个频域(提供了一个数学上完备的描述)；小波变换通过选取合适的滤波器，可以极大的减小或去除所提取得不同特征之间的相关性； 小波变换具有“变焦”特性，在低频段可用高频率分辨率和低时间分辨率(宽分析窗口)，在高频段，可用低频率分辨率和高时间分辨率(窄分析窗口)；小波变换实现上有快速算法(Mallat小波分解算法)。小波变换是一种信号的时间——尺度分析方法，他具有多分辨率分析的特点，而且在时频两域都具有表征信号

局部特征的能力，是一种窗口大小固定不变但其形状可变，时间窗和频率窗都可变的时频局部化分析方法。即再低频部分具有较高的频率分辨率和时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，很适合探测正常信号中夹带的瞬态反常现象并展示其成分，所以被誉为分析信号的显微镜。

5.数字图像处理图像变换实验报告 篇五

实验一 图象变换实验

实 验

实验名称：图像处理姓名：刘强

班级：电信

学号：

报 告

1102

1404110128

数字图象处理实验指导书

实验一 图象变换实验

实验一 图像变换实验——图像点运算、几何变换及正交变换

一、实验条件

PC机 数字图像处理实验教学软件

大量样图

二、实验目的

1、学习使用“数字图像处理实验教学软件系统”，能够进行图像处理方面的简单操作；

2、熟悉图像点运算、几何变换及正交变换的基本原理，了解编程实现的具体步骤；

3、观察图像的灰度直方图，明确直方图的作用和意义；

4、观察图像点运算和几何变换的结果，比较不同参数条件下的变换效果；

5、观察图像正交变换的结果，明确图像的空间频率分布情况。

三、实验原理

1、图像灰度直方图、点运算和几何变换的基本原理及编程实现步骤

图像灰度直方图是数字图像处理中一个最简单、最有用的工具，它描述了一幅图像的灰度分布情况，为图像的相关处理操作提供了基本信息。

图像点运算是一种简单而重要的处理技术，它能让用户改变图像数据占据的灰度范围。点运算可以看作是“从象素到象素”的复制操作，而这种复制操作是通过灰度变换函数实现的。如果输入图像为A(x,y)，输出图像为B(x,y)，则点运算可以表示为：

B(x,y)＝f[A(x,y)] 其中f(x)被称为灰度变换（Gray Scale Transformation，GST）函数，它描述了输入灰度值和输出灰度值之间的转换关系。一旦灰度变换函数确定，该点运算就完全确定下来了。另外，点运算处理将改变图像的灰度直方图分布。点运算又被称为对比度增强、对比度拉伸或灰度变换。点运算一般包括灰度的线性变换、阈值变换、窗口变换、灰度拉伸和均衡等。

图像几何变换是图像的一种基本变换，通常包括图像镜像变换、图像转置、图像平移、图像缩放和图像旋转等，其理论基础主要是一些矩阵运算，详细原理可以参考有关书籍。

实验系统提供了图像灰度直方图、点运算和几何变换相关内容的文字说明，用户在操作过程中可以参考。下面以图像点运算中的阈值变换为例给出编程实现的程序流程图，如下：

数字图象处理实验指导书

实验一 图象变换实验

2、图像正交变换的基本原理及编程实现步骤 数字图像的处理方法主要有空域法和频域法，点运算和几何变换属于空域法。频域法是将图像变换到频域后再进行处理，一般采用的变换方式是线性的正交变换（酉变换），主要包括傅立叶变换、离散余弦变换、沃尔什变换、霍特林变换和小波变换等。正交变换被广泛应用于图像特征提取、图像增强、图像复原、图像压缩和图像识别等领域。

正交变换实验的重点是快速傅立叶变换（FFT），其原理过于复杂，可以参考有关书籍，这里不再赘述。至于FFT的编程实现，系统采用的方法是：首先编制一个一维FFT程序模块，然后调用该模块对图像数据的列进行一维FFT，再对行进行一维FFT，最后计算并显示幅度谱。程序流程图如下：

四、实验内容

图像灰度直方图

点运算：图像反色、灰度线性变换、阈值变换、窗口变换、灰度拉伸和灰度

数字图象处理实验指导书

实验一 图象变换实验

均衡

几何变换：图像镜像变换、图像转置、图像平移、图像缩放和图像旋转 正交变换：傅立叶变换、离散余弦变换、沃尔什变换、霍特林变换和小波正反变换

注意：

1、所有实验项目均针对8位BMP灰度图像进行处理，其它格式（如JPG）的图像可以利用系统提供的图像格式转换工具进行转换，再进行处理；

2、本次实验的重点是图像的灰度直方图和点运算，几何变换和正交变换只作一般性了解。

五、实验步骤

以图像灰度阈值变换为例说明实验的具体步骤，其它实验项目的步骤与此类似。

1、打开计算机，在系统桌面上双击“数字图像处理实验教学软件系统”的可执行文件“图象处理”的图标，进入实验系统；

2、执行文件→打开，在OPEN对话框中选择待处理的图像，按【OK】后系统显示出图像；

3、执行查看→图像基本信息，将显示图像基本信息对话框，如图所示；

数字图象处理实验指导书

实验一 图象变换实验

4、执行查看→灰度直方图，查看图像的灰度直方图，如图所示；

5、执行图像变换→正交变换→傅立叶变换，查看图像的频率域分布情况，如图所示；

数字图象处理实验指导书

实验一 图象变换实验

6、执行图像变换→正交变换→小波变换，查看图像经过小波变换的效果，如图所示；

7、执行图像变换→点运算→阈值变换，修改阈值变换对话框中的阈值参数，如图所示；

数字图象处理实验指导书

实验一 图象变换实验

8、设置完阈值参数后按【OK】,系统显示阈值变换后的图像，与原图像进行比较，观察阈值变换的效果，如图所示；

9、重复步骤4，查看阈值变换后图像的直方图分布情况；

数字图象处理实验指导书

实验一 图象变换实验

10、重复步骤5，查看阈值变换后图像的频率域分布情况；

11、执行文件→保存或另存为，保存处理后的图像；

12、执行文件→重新加载，重新加载原始图像，但要注意先前对图像的处理将会丢失； 注意：

13、在执行步骤2时可能会出现有些图像文件不能打开的情况，如图所示，此时可以先利用图像格式转换工具将图像文件转换为8位BMP图像，再利用系统进行处理。步骤14和15是使用图像格式转换工具的方法；

14、在桌面上双击图像格式转换工具Jpg2bmp的图标，进入转换工具界面，如图所示；

15、按照界面提示，把JPG格式的图像文件转换成8位BMP图像。

数字图象处理实验指导书

实验一 图象变换实验

步骤13示意图

步骤14示意图

六、思考题

1、图像灰度线性变换、阈值变换、窗口变换、灰度拉伸和灰度均衡之间有何区别？

灰度线性变换就是将图像的像素值通过指定的线性函数进行变换，以此增强或者减弱图像的灰度。

灰度的阈值变换可以让一幅图像变成黑白二值图。

灰度的窗口变换也是一种常见的点运算。它的操作和阈值变换类似。从实现方法上可以看作是灰度折线变换的特列。窗口灰度变换处理结合了双固定阈值法，与其不同之处在于窗口内的灰度值保持不变。

灰度拉伸又叫做对比度拉伸，它与线性变换有些类似，不同之处在于灰度拉伸使用的是分段线性变换，所以它最大的优势是变换函数可以由用户任意合成。

灰度均衡是增强图像的有效方法之一。灰度均衡同样属于改进图像的方法，灰度均衡的图像具有较大的信息量。从变换后图像的直方图来看，灰度分布更加均匀。

2、利用图像镜像和旋转变换可以实现图像转置吗？如果可以，应该怎样实现？

可以。进行一次镜像变换，顺（逆）时针旋转两次，再以与第一次相反的方向镜像变换。

数字图象处理实验指导书

实验一 图象变换实验

实验二 图像增强及复原实验

七、实验条件

PC机 数字图像处理实验教学软件

大量样图

八、实验目的

1、熟练使用“数字图像处理实验教学软件系统”；

2、熟悉图像增强及复原的基本原理，了解编程实现的具体步骤；

3、观察图像中值滤波、平滑、锐化和伪彩色编码的结果，比较不同参数条件下的图像增强效果；

4、观察图像退化和复原的结果，比较不同复原方法的复原效果。

九、实验原理

1、图像增强和复原的基本原理

对降质图像的改善处理通常有两类方法：图像增强和图像复原。

图像增强不考虑图像降质的原因，只将图像中感兴趣的特征有选择地进行突出，并衰减图像的次要信息，改善后的图像不一定逼近原始图像，只是增强了图像某些方面的可读性，如突出了目标轮廓，衰减了各种噪声等。图像增强可以用空域法和频域法分别实现，空域法主要是在空间域中对图像象素灰度值直接进行运算处理，一般包括中值滤波、模板平滑和梯度锐化等，空域法可以用下式来描述：

g(x,y)＝f(x,y)*h(x,y)其中f(x,y)是处理前图像，g(x,y)表示处理后图像，h(x,y)为空间运算函数。图像增强的频域法是在图像的频率域中对图像的变换值进行某种运算处理，然后变换回空间域，系统涉及的各种滤波器属于频域法增强，这是一种间接处理方法，可以用下面的过程模型来描述：

其中：F(u,v)=[ f(x,y)]，G(u,v)= F(u,v)H(u,v)，g(x,y)=1[ G(u,v)]，和1分别表示频域正变换和反变换。实验系统提供了图像增强相关内容的文字说明，用户在操作过程中可以参考。

图像复原是针对图像降质的原因，设法去补偿降质因素，使改善后的图像尽可能逼近原始图像，提高了图像质量的逼真度。关于图像复原的详细原理可以参考相关书籍，这里不再赘述。本系统提供了图像的噪声退化、卷积退化和运动模糊退化操作，并提供了相应的逆滤波复原、维纳复原和运动模糊复原操作。本次

数字图象处理实验指导书

实验一 图象变换实验

实验中图像复原只作一般性了解。

2、编程实现步骤

下面以图像增强中的中值滤波操作为例给出编程实现的程序流程图，如下：

十、实验内容

图像增强：中值滤波、图像模板平滑、理想低通滤波器平滑、巴特沃斯低通滤波器平滑、梯度锐化、拉普拉斯锐化、理想高通滤波器锐化、巴特沃斯高通滤波器锐化和伪彩色编码

图像复原：图像的噪声退化、卷积退化、卷积加噪声退化、运动模糊退化、逆滤波复原、维纳复原和运动模糊复原

注意：

3、所有实验项目均针对8位BMP灰度图像进行处理；

4、本次实验的重点是图像增强中的中值滤波和模板平滑，图像复原只作一般性了解。

十一、实验步骤

以图像中值滤波操作为例说明实验的具体步骤，其它实验项目的步骤与此类似。

11、打开计算机，在系统桌面上双击“数字图像处理实验教学软件系统”的可执行文件“图象处理”的图标，进入实验系统；

12、执行文件→打开，在OPEN对话框中选择待处理的图像，按【OK】后系统显示出图像；

数字图象处理实验指导书

实验一 图象变换实验

13、执行查看→图像基本信息，将显示图像基本信息对话框，如图所示；

14、执行查看→灰度直方图，查看图像的灰度直方图，如图所示；

数字图象处理实验指导书

实验一 图象变换实验

15、执行图像变换→正交变换→傅立叶变换，查看图像的频率域分布情况，如图所示；

16、执行图像增强→中值滤波，选择或自定义对话框中的滤波器参数，如图所示；

数字图象处理实验指导书

实验一 图象变换实验

17、设置完滤波器参数后按【OK】,系统显示中值滤波后的图像，与原图像进行比较，观察中值滤波的效果，如图所示；

18、重复步骤4，查看中值滤波后图像的直方图分布情况；

数字图象处理实验指导书

实验一 图象变换实验

19、重复步骤5，查看中值滤波后图像的频率域分布情况；

10、执行文件→保存或另存为，保存处理后的图像；

11、执行文件→重新加载，重新加载原始图像，但要注意先前对图像的处理将会丢失。

数字图象处理实验指导书

实验一 图象变换实验

十二、思考题

1、图像中值滤波和模板平滑之间有何区别？

图像平滑处理就是用平滑模板对图像进行处理，以减少图像的噪声。而中值滤波是一种非线性的信号处理方法。

2、图像增强和图像复原之间有何区别？

图像增强：利用一定的技术手段，不用考虑图像是否失真（即原 始图像在变换后可能会失真）而且不用分析图像降质的原因。针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。

图像复原：针对质量降低或者失真的图像，恢复图像原始的内容或者质量。图像复原的过程包含对图像退化模型的分析，再对退化的图像进行复原。图像退化是由于成像系统受各种因素的影响，导致了图像质量的降低，称之为图像退化。这些因素包括传感器噪声、摄像机聚焦不佳、物体与摄像机之间的相对移动、随机大气湍流、光学系统的象差、成像光源和射线的散射等。图像复原大致可以分为两种方法：

一种方法适用于缺乏图像先验知识的情况，此时可对退化过程建立模型进行描述，进而寻找一种去除或消弱其影响的过程，是一种估计方法；

另一种方法是针对原始图像有足够的先验知识的情况，对原始图像建立一个数学模型并根据它对退化图像进行拟合，能够获得更好的复原效果。

3、图像维纳复原为什么比逆滤波复原效果好？

维纳滤波复原的原理可表示为

对于维纳滤波，由上式可知，当

时，由于存在 项，所以数字图象处理实验指导书

实验一 图象变换实验

6.数字图像处理期末总结 篇六

上海电视大学文学艺术系

一、期末复习的主旨：

期末复习是学习《公文写作与处理》中的重要一环，旨在进一步消化和巩固所学的知识，把平时学习的内容加以系统化，条理化，加深对重点问题的理解、归纳、整理，提高综合应用的能力。

二、期末复习的依据：

1、《公文写作与处理》教学大纲。

2、教材：《实用文体写作》，由陈艺岚主编、上海三联书店出版。

三、期末复习的主要内容：

第一章：

1、识记实用文体的释义。

2、把握实用文体的写作程序。

第二章：

1、识记通告、通知、请示、函、会议纪要。

2、把握各种公文的写作要领。

第三章：

1、识记制度、计划、总结、简报、大事记、会议记录。

2、把握事务文体各门类的写作要领。

第四章：

1、识记市场调查报告、协议、合同。

2、把握市场调查报告主体部分的写法、合同的格式。

第五章：

1、识记企业简介、新闻发布稿、启事、声明、各种致辞。

2、把握各种公关文体正文主体部分的写法。

第六章：

1、识记求职信、述职报告、聘书。

2、把握求职信、述职报告、聘书的格式。

四、期末考试的类型及要求：

期末考试是对《公文写作与处理》教学效果的检测。因此，试题将尽可能全面而又有重点地反映出教学的实际情况，体现出《公文写作与处理教学大纲》和《公文写作与处理复习指导》的各种要求。

1、试题类型：

卷面为100分。测试时间为150分钟。

一、填空题：占20；

二、名词解释：占12；

三、简答题：占18；

四、评析题：占15；

五、作文：占35。

2、答题要求：

（1）、凡填空题答案中不得出现错别字或用拼音。

（2）、名词解释答出要点即可。

（3）、简述题答出要点后应略加阐述。

（4）评析题是就已学过的实用文体写作理论对某一类的文体进行评述。要求言之有据，言之成理，自圆其说。鼓励研究性、创造性答题。

（5）、作文题必须符合各类文体的格式，语句应通顺，避免错别字。

五、期末复习综合练习题：

一、填空题：

1、实用文体写作的运思阶段包括＿＿＿＿、＿＿＿＿、＿＿＿＿。

2、构局通常有三种思路：＿＿＿＿、＿＿＿＿、＿＿＿＿。

3、就其公文的行文方向而言，向上级机关发送的是，向下级机关发送的是，向同级或不相隶属机关发送的是＿＿＿＿。

4、版记的组成部分包括＿＿＿＿、＿＿＿＿、＿＿＿＿、＿＿＿＿和。

5、依据内容划分，通告可分为＿＿＿＿通告和＿＿＿＿通告。

6、按用途可将报告分为：＿＿＿＿报告和＿＿＿＿报告。

7、从行文目的看，请示有＿＿＿＿的请示和＿＿＿＿的请示。

8、按行文方向分，函有＿＿＿＿和＿＿＿＿之分；按用途来划分有＿＿＿＿、＿＿＿＿和＿＿＿＿。

9、会议纪要具有＿＿＿＿、＿＿＿＿和＿＿＿＿三个特点。

10、如果按照使用范围来分，可以将规章划分为＿＿＿＿规章、＿＿＿＿＿规章、规章和＿＿＿＿＿规章四类。

11、规章多采用＿＿＿＿＿和＿＿＿＿＿的写法，一般分为、、三个部分。

12、＿＿＿＿＿、＿＿＿＿＿和＿＿＿＿＿是计划的三要素。

13、按照性质分，总结有总结和总结。

14、资讯类事务文书包括简报、典型材料、＿＿＿＿＿和＿＿＿＿＿等。

15、可行性研究报告具有政策性、科学性、和的特点。

16、协议主要由标题、、、四部分组成。

17、是招标单位对与招标内容相关的单位进行资信评估，并邀请其中具有实施该招标项目的能力、讲信誉的和个人参加该项目的投标而使用的邀请信函。

18、新闻发布稿具有性和性的特点。

19、是指重大节日、活动中发表的礼仪性讲话。是社交各方面沟通信息、传递感情的公共关系手段。

20、求职信是求职者向用人单位或雇主表明自己的求职愿望和要求，展示个人和，以谋取职位的专用书信。它比要详尽。

二、名词解释

1、公文

2、通知

3、函

4、事务文体

5、总结

6、大事记

7、协议

8、合同

9、启事

三、问答

1、公务文体写作应注意哪些事项？

2、公告与通告有何区别？

3、简述计划三要素的具体内容。

4、总结的正文可分为几个部分？各部分主要有哪些内容？

5、写作会议讲话稿有哪些要领。

6、合同与协议书有何区别？

7、求职信和简历有什么区别？

8、简述启事和声明的异同。

7.培训总结期末总结 篇七

引言

学生公寓管理委员会文化部在探索与创新中不断地发展，不断地完善，不断地进步。我们部门成员积极、努力地工作，力求将部门发展壮大，为学生公寓管理委员会增添更多的光彩。而文化部的外联组在此的工作中也占到不可比拟的重要作用，现将工作总结如下：

一、外联组成员

组员:（其中外联组包括有其他部门成员）

二、培训过程

①、第一次培训

11月21日12:30-14:00，地点：2209 培训人员：

主要项目：a、出去拉赞助的前期工作 b、拉赞助的技巧

c、在学校进行宣传的注意事项

d、拉赞助时，在学校里该赞助是否符合组织形象和要求，以及各方面因素的讲解与培训 ②、第二次培训

12月13日12:30-13:50，地点：2305 培训人员：黄红梅（校学生会外联部部长）主要项目：a、拉赞助的前期工作

b、学管会组织活动时与外联信息的匹配 c、商家的宣传在学校进行宣传的注意事项 d、与商家谈判的技巧

e、学习着装一些基本礼仪和技巧

三、优点

1、在此次培训中，外联组成员有由文化部的委员组成，但由于文化部初次涉及到拉赞助，所以也有学管会其他部的委员。

2、外联组人员齐备，培训完善到位，各成员基本素质高，工作积极性强，能够出色的完成任务

3、培训工作时，各位委员积极配合，认真听讲，具有深入的探讨精神，积极完善自己的综合能力。

四、缺点

8.数字图像处理期末总结 篇八

课程英文名称：Digital Image Processing 课程代码：H0204430

学 时 数 ：48

课程类型： 专业选修课

适用学科专业： 电子信息工程

先修课程：概率论，线性代数，信号与系统 执 笔 者：解梅

编写日期：2013年11月 审 核 人：

学 分 数：3

一、课程性质和目标

（一）课程性质

针对高年级本科生开设的专业选修课

（二）课程目标

通过本课程的学习，要求学生掌握数字图像处理的基本概念、基本理论和处理方法。通过图像处理上机实验，培养学生的分析问题和解决问题的能力，掌握基本的图像处理算法设计，进一步巩固所学理论。

二、课程内容安排和要求

（一）教学内容、要求及教学方法

第一章 绪 论

授课学时：2学时

一、内容：

 教学内容及要求

课程介绍、教学安排及学习要求 数字图像处理基本概念 数字图像处理的起源 数字图像处理的应用实例 数字图像处理的基本步骤 图像处理系统的部件 









要求：

 理解数字图像处理的概念

了解数字图像处理的发展历程，了解数字图像处理的应用领域   了解数字图像处理的基本步骤及系统部件

提升学生对数字图像处理课程的认识，激发学生对数字图像处理课程的学习兴趣

教学方法 

二、 从一幅精彩的数字图像开始，把学生带入到一个精彩的图像处理世界。从而引出什么是数字图像，什么是数字图像处理的概念。在有了数字图像处理概念的基础上，再对数字图像处理的起源及发展历程进行详细介绍。

 按照数字图像处理应用的领域不同可以把数字图像处理的应用实例分成几大类，例如：空间领域、国防领域、生物医学领域、刑侦领域、多媒体领域等。对每类应用领域列举一些典型的实例，并展示生动精彩的图像。让学生对数字图像处理的应用有直观的认识。

 以怎样进行数字图像处理的提问，引出数字图像处理所需要的具体步骤，以及完成这些步骤所需的图像处理部件，让学生头脑里形成图像处理流程的整体框架。

 课堂上适时列举数字图像处理与日常生活相关的例子，激发学生学习数字图像处理知识的兴趣。

第二章

授课学时：4学时

一、内容：

   

数字图像处理基础

教学内容及要求

视觉感知要素（1学时）

光和电磁波谱、图像感知和获取（1学时）图像取样和量化（1学时）

像素间的一些基本关系、线性和非线性基本操作（1学时）

要求：

 了解人眼视构造、图像的形成以及人眼视觉系统适应、鉴别能力 了解可见光和电磁波谱的关系，掌握单色光和彩色光的概念 理解图像的获取方式，掌握图像形成的模型

掌握图像取样、量化以及灰度分辨率和空间分辨率的概念 掌握数字图像的表示方法，了解图像的放大与缩小的简单原理

牢固掌握像素间的4连接、8连接和混合连接的定义，熟悉区域和边界的概念 理解线性与非线性操作的含义

教学方法 











二、 关于视觉感知要素的内容主要根据人眼结构图，讲解图像在人眼中的形成过程，人眼对图像特征的感知特性，以及人眼对亮度的适应和鉴别能力。视觉感知要素的讲解实质上是为数字图像的获取作铺垫，因此，这部分内容让学生了解即可。

 关于光和电磁波谱，考虑到学生在大学物理课程里已经讲过，这部分可以简单讲解，但是对与数字图像处理密切相关的一些概念（单色光，灰度级、发光强度，光通量、亮度）需要具体讲解。

 图像的感知和获取部分主要是介绍几种图像获取的传感器（点状、带状、阵列传感器），以及图像形成的模型，这部分内容比较简单，作简单讲解即可。

 关于图像取样和量化的内容，可以简单的复习数字信号处理中一维信号的取样和量化的概念，然后把图像看成二维信号，从而讲解数字图像处理中的量化和取样的概念。

 对于数字图像的表示、灰度级分辨率和空间分辨率，可以与图像取样和量化的过程结合起来讲解，便于学生理解。结合阵列传感器的图像取样过程，讲解图像的矩阵表示原理。结合取样和量化的过程，讲解灰度级分辨率和空间分辨率的概念，并以分辨率发生变化的图像为例帮助学生理解概念。

 关于像素间的关系，重点讲解像素相邻的概念，特别是4连接 8连接和混合连接的概念。为了帮助学生理解概念，在讲课过程中一定要结合像素的位置关系图进行讲解。

第三章

授课学时：8学时

一、内容：



空间域图像增强

教学内容及要求

背景知识 某些基本灰度变换（2学时）直方图处理（2学时）

用算术/逻辑操作增强，空间滤波基础（1学时）平滑空间滤波（1学时）

锐化空间滤波器、混合空间增强法（2学时）







要求：

 掌握空间域图像增强的一些基本变换方法，会用这些基本变化进行图像增强；

牢固掌握直方图均衡化处理和直方图匹配处理的方法，会用直方图均衡化和直方图匹配增

强图像；  掌握图像减法处理和图像平均处理方法 牢固掌握空间滤波的原理

掌握平滑线性滤波器的原理和统计排序滤波的方法 掌握拉普拉斯算子图像锐化方法

掌握梯度法图像锐化方法，其中包括Robet算子，Sobel算子图像增强

教学方法 







二、 空间域图像增中，对单个像素点进行灰度变换来实现增强的方法是最基本的图像增强方法。此类增强法对学生直观的理解图像增强的概念及原理是非常有用的，因此在教学过程中应特别注意对该类方法的仔细分析讲解，也可以为后面的空间滤波打好基础。

 对于直方图均衡化处理，是本章的重点，应该着重讲解。可以从同一幅场景的不同对比度图像的灰度直方图差异引入直方图均衡化处理的概念，说明进行均衡化的必要性。关于均衡化的具体处理方法，需要注意从连续函数讲起，然后自然过渡到离散函数，从而引出数字图像的直方图均衡化处理，主要通过一幅数字图像均衡化实例来讲解。

 算术逻辑操作增强部分的内容很简单，可以用一些简单的例子进行讲述。

空间滤波基础部分主要介绍空间域滤波的原理。由于滤波的概念一般在频域分析中才出

现，因此，在讲这部分内容时，应该注意讲解与频域滤波的关联与区别。同时，重点讲解空间域滤波的模板卷积计算方法。

平滑空间滤波器部分非常重要，但原理比较简单，可以用一些典型的滤波器，比如均值滤波，中值滤波器的具体处理过程及实例来讲解平滑滤波的图像增强方法。

 锐化空间滤波器部分涉及到一阶微分和二阶微分的知识，应该特别注意对这部分基础知识的详细讲解，为后面相应锐化滤波器的讲解打好基础，也便于学生掌握一阶微分滤波器和二阶微分滤波器的基本思想。对于具体的二阶微分算子和一阶微分算子理论应结合它们对图像的响应特征来讲，让学生真正明白锐化滤波器的设计原理，对具体的滤波器应与实例相结合来讲，便于学生理解。

第四章 频域图像增强

授课学时：8学时

一、内容：

 教学内容及要求

背景知识、傅立叶变换和频域介绍（2学时）平滑的频域滤波器（2学时）频域锐化滤波器,同态滤波器(2学时)频域增强的实现（2学时）



要求：

 掌握二维离散傅里叶变换与反变换方法 掌握二维傅里叶变换幅值谱、相位谱、功率谱 理解二维傅里叶变换的一些基本性质

掌握频率滤波的基本方法，会用频域滤波器进行图像增强 理解频域滤波器与空域滤波器的关系

理解频域平滑滤波的原理，掌握几种常见的频域平滑滤波器 理解频域锐化滤波的原理，掌握几种常见的频域锐化滤波器 理解同态滤波的原理

理解频域滤波实现过程中图像周期延拓的原理及方法，会对图像进行周期的延拓 理解快速傅里叶变换的原理及方法

教学方法 

















二、 频域图像增强是建立在二维离散傅里叶变换的基础之上进行的，因此，本章内容的开始要通过回顾学生以前学过的一维傅里叶变换的知识，从而引入二维傅里叶变换。并遵循先连续傅里叶变换再离散傅里叶变换。特别注意讲解一维傅里叶变换与二维傅里叶变换的关联，便于学生理解二维傅里叶变换与反变换方法。

 二维傅里叶变换的性质，可以从一维傅里叶变换的性质引申过来，把原来的时域概念转换成空间域概念。

 讲解频域滤波的基本方法时重点讲解频域滤波的流程，并通过基本滤波器的介绍来解释频域滤波的原理。

 频域与空域滤波器的关系对于学生而言比较难以理解，需要用简单的数学推导来解释频域滤波器与空域滤波的关系。

 频域平滑滤波器和频域锐化滤波器部分的内容，主要就是围绕图像低频成分和高频成分的提取来讲，这部分介绍了几种常见的滤波器。在讲解过程中特别注意详细讲解振铃现象的产生原因即克服办法。

 在频域滤波具体实现部分，主要讨论避免频率混叠而进行的图像周期延拓。可以以一维信号的卷积实例讲解图像周期延拓的必要性、可行性以及相应的延拓方法。 快速傅里叶变换是图像频域滤波实现的重要工具，需要对快速傅里叶变换的原理进行详细讲解，便于学生理解快速傅里叶变换的实现过程。

第五章 图像复原

授课学时：4学时

一、内容：

 教学内容及要求

图像复原/退化模型，噪声模型（0.5学时）针对噪声的空间滤波复原（0.5学时）针对周期噪声的频率滤波方法（2学时）线性位置不变的退化模型（0.5学时）

逆滤波、维纳滤波和约束最小二乘方滤波、几何均值滤波，几何变换(0.5个学时)







要求：

 掌握图像复原/退化模型；

了解常见的噪声模型，及各种噪声出现的场合；

掌握针对只有噪声退化的空间滤波复原方法，知道什么滤波方法适合什么样的噪声； 掌握周期噪声的频域滤波原理； 掌握线性位置移不变退化模型；

掌握逆滤波方法和维纳滤波方法，理解约束最小二乘方滤波 了解几何均值滤波和几何变换

教学方法 











二、 根据图像成像的过程，引出图像退化和复原过程的模型，帮助学生理解什么是图像复原，为什么要进行图像复原，并抛出怎样进行图像复原的问题，引起学生的学习兴趣。

 简化图像复原/退化模型过程，只考虑噪声存在的情况下，图像的退化与复原，从而讲解噪声的模型，以及各种噪声的特性及应用场合。

 根据噪声特性分析，讲解针对噪声的图像复原方法。可以回顾第三章中空间域滤波的方法，从而引出针对噪声的空间滤波图像复原方法。

 从分析周期噪声的频域特性入手，讲解周期噪声的频域滤波方法，同样可以结合第四章的频率滤波方法，讲解相应的频率滤波器。

 线性退化移不变数学模型需要用简单的数学推导来讲解，注意讲解图像退化数学模型在空间域和频域的不同表示方法，以及他们之间的关系。特别是退化函数的物理意义需要重点强调，进一步加强学生对图像模糊退化概念的理解

 由图像退化数学模型引入逆滤波的概念，重点分析逆滤波存在的问题，根据这些问题引入维纳滤波，然后分析维纳滤波的局限性，进而引出约束最小二乘方滤波。其中重点分析逆滤波和维纳滤波方法，并注重以应用实例进行讲解。

第六章 彩色图像处理

授课学时：4学时

一、内容：

 教学内容及要求

彩色基础及彩色模型，伪彩色处理（1学时）全彩色处理，彩色变换（2学时）平滑和尖锐化，彩色分割（1学时）



要求：

 理解三原色、二次色、颜料原色的概念

理解亮度、色调、饱和度的定义，了解色度图的含义

掌握三种基本的彩色模型(RGB，CMY(K)，HSI）的定义及表示方法

理解RGB彩色模型和HIS彩色模型之间的转换方法，了解HSI分量图像处理的原理 理解伪彩色处理中的强度分层技术及灰度级转换成彩色的原理

理解彩色变换中的补色、彩色分层、色调和彩色校正原理及直方图处理的方法 理解HIS彩色空间和RGB彩色空间的彩色分割方法 了解彩色边缘检测和彩色图像噪声

教学方法 













二、 可以通过回顾第二章中人眼对图像的感知原理，来讲解人眼对彩色光的感知，从而引入三原色的概念。再以三原色的二次色图像讲解颜料原色的概念，并分析三原色和颜料原色之间的关联。

 在讲解颜色的色度、色调和饱和度特性的概念时，重点强调这种方法最适合人眼对彩色的描述，并引入色度图的表示方法。

 关于RGB彩色模型的讲述，主要围绕彩色立方体进行阐述，给学生最直观的理解。CMY彩色模型可以结合二次色的产生，讲解用RGB 分量来表示的方法。 HSI彩色模型较难理解，这部分内容要仔细讲解，重点以RGB彩色立方体为基础，分别对色度，色调和饱和度的确定方法进行讲解，帮助学生理解HSI彩色模型的表示原理及方法，并在此基础上讲解RGB彩色模型和HSI彩色模型之间转换方法。

 伪彩色图像处理部分，首先让学生明白什么是伪彩色处理，伪彩色处理具有怎样的意义，然后提出怎样进行彩色处理的问题，进入伪彩色处理方法的介绍。

 全彩色处理方法的部分后先让学生了解与伪彩色处理的区别，然后结合不同的彩色模型介绍全彩色的基本变化方法，注意彩色变换的概念比较抽象，一定要结合实例图像进行讲解

 关于彩色图像的平滑和锐化及彩色图像的分割内容，重点强调由于彩色图像的表示具有特殊性，因此与单色图像相比，其平滑和锐化的方法有一定的差异性。这部分均采用由单色图像的处理方法，转化到彩色图像的处理，帮助学生理解全彩色处理的基本原理及方法。

第八章 图像压缩

授课学时：6学时

一、内容：

 教学内容及要求

图像压缩基础知识（1.5学时）图像压缩模型及信息论要素（0.5学时）无误差压缩编码（2学时）有损压缩编码（2学时）





要求：

 理解编码冗余、像素间冗余和心理视觉冗余的概念及出现的场合； 掌握信源、信息量、熵的基本概定义，理解熵编码的基本定理 牢固掌握霍夫曼编码方法 掌握算数编码方法 理解LZW编码方法

牢固掌握灰度编码及行程编码方法 掌握无损预测编码的原理 理解有损预测编码的原理

理解最佳预测器和最佳量化器的设计 了解变换编码的原理及过程 















  了解图像压缩标准

教学方法

二、 本章首先需要让学生明白为什么要进行图像压缩，即图像压缩的必要性。从而可以过渡到三种数据冗余知识的讲解，各种数据冗余的讲解都要以实例的形式讲解，帮助学生理解其基本含义。

 在讲解了数据冗余过后，提出怎样进行图像压缩的问题，从而引出图像压缩的模型。信息论要素部分，主要介绍一些基本概念和编码定理，为了引起学生的求知欲，可以提出

问题：描述一幅确定的图像究竟需要多大的数据量，怎样来评价一幅图像是否需要压缩，压缩是不是可以无限制的进行，从而引出相关的概念和编码定理，学生理解起来也较容易。

 无损压缩编码部分的讲解主要是通过具体的编码实例来介绍其编码的方法，不要独立讲编码的步骤，应该与实例的编码过程结合起来，让学生的思路跟着老师理解编码的原理及方法，每种方法讲述完毕的时候，一定要归纳总结，并和其他编码方式进行对比分析。

 有损压缩编码的讲解与无损压缩编码的过程进行对比分析结合起来，帮助学生理解其差异性。特别是有损预测编码与无损预测编码之间的对比分析，便于学生理解有损压缩与无损压缩的概念，并着重讲解最佳预测器和最佳量化器部分。

 变换编码部分，由于难度较大，只需要学生理解变换编码的原理及过程既可，因此讲解的时候重点注意概念和原理的阐述，具体方法可以简单讲解。

 图像压缩标准主要根据图像的不同种类讲解不同的压缩方法，需要注意各种标准之间的对比讲解，帮助学生理解。

第十章 图像分割

授课学时：4学时

一、教学内容及要求 内容：

 基于像素的点和线的检测、边缘检测及边缘连接（1学时）基于阈值的分割（2学时）基于区域的分割（1学时）



要求：

 掌握点检测、线检测、边缘检测的基本方法 掌握霍夫曼变换直线检测方法   理解全局阈值、局部阈值、自适应阈值的分割方法 理解最佳全局阈值分割原理 理解区域生长分割方法 理解区域分割与合并的分割方法 





二、教学方法

 关于间断检测可以结合第三章中空域滤波的原理，引入间断检测的基本原理。这一部分重点在检测模板的具体分析讲解，让学生真正理解间断检测模板的含义。特别是边缘检测部分，要结合一阶微分和二阶微分来深入剖析，边缘检测的原理及过程。

 霍夫曼变换直线检测是一种重要的直线检测方法，其原理简单，易于实现。但是对学生而言，深入理解其原理可能有难度，因此这部分的讲解要循序渐进，结合图形图像深入剖析其原理。

 阈值分割，重点在于自适应阈值、最佳全局阈值和自适应阈值分割的讲解，特别注意要结合具体事例的直方图特性来讲解，否则学生对阈值分割的内涵不能真正理解。

 基于区域的分割，只需要学生理解区域生长、分割和合并的基本原理即可。因此在讲解这部分内容应配合一些实例讲解其原理。

（二）自学内容和要求 无

（三）实践性教学环节和要求  图像增强处理（2学时）要求学生掌握图像增强的基本方法；  图像复原处理（2学时）要求学生掌握图像复原的基本方法；  彩色图像处理（2学时）

要求学生理解彩色模型的含义，掌握彩色图像处理的基本方法；  图像分割（2学时）

要求学生掌握图像分割的基本原理和算法的设计；

三、考核方式

本课程的考核方式包含平时考核、上机实验考核和期末考核，其各项所占比例为平时考核10%，上机实验考核10%，期末考核80%

四、建议教材及参考资料

（一）教材：

Rafael C.Gonzalez, etc.Digital Image Processing 3rd.北京：电子工业出版社，2010年

（二）参考资料：

1． Rafael C.Gonzalez,etc.Digital Image Processing Using MATLAB.北京：电子工业出版社，2010年

9.数字图像模式识别 篇九

深圳市南山区学府路；***、lixia_2011@126.com

求职意向

数字图像处理、模式识别算法工程师 教育经历

汕头大学 电子工程系 信号与信息处理专业 硕士2007.9—2010.6 汕头市

·在校期间成绩优良，分别一次获汕头大学一等、二等奖学金；2008 09担任女生部部长负责统筹管理，成立特色学科及基础学科研讨组，积极开拓学生的思维并提高他们的学习成绩，更贴近社会的新路线。

潍坊学院 信息与控制工程学院 电子信息工程 学士2003.9—2007.6 潍坊市

·2007年9月以第一名成绩考入汕头大学攻读硕士研究生；在校期间担任班级学习委员负责不同类学生的学习方法指导；2004-9-2007-6担任学院文艺部部长，负责迎新晚会筹划，锻炼了团队领导能力、协调能力、临场反应能力以及创新思维。英语及专业技能

●熟练掌握了数字信号处理及它的常用算法、有良好的数学功底；熟悉图像处理的基本算法、熟悉模式识别基础知识与智能系统理论及它们的应用，在模式识别和运动跟踪方面有较深的理解；熟悉光伏应用系统的结构、性能原理；曾在核心期刊系统仿真技术发表文章（基于神经网络应用的光伏最大功率跟踪）。

●英语：六级考试 362；四级考试 473；具有较强的相关专业学科的英文文献阅读能力； ●能熟练使用计算机，会用电路仿真软件、LabVIEW软件、熟练掌握Visual C++的MFC程序设计和MATLAB仿真工具，能够做算法的设计和仿真；并能应用LabVIEW软件进行信号处理（波形测量、时频域分析与数学分析（概率统计拟合最优化等）。工作经历

2010 6-2010 8深圳市辉锐天眼科技有限公司担任核心研发工程师 ●职位为智能监控核心研发工程师

●负责计算机视觉方面的IEEE文章的讲解及不同算法的实现研究，负责机器视觉系统图像处理、分析及识别算法设计、实现，参与图像处理技术研究与设计，对已有算法进行优化改进。使用OpenCV进行背景/前景提取、检测识别、了解运动跟踪的常用算法、设计相关信号特征提取算法及其设计模式识别分类器等。项目经验

2008 09-2009 11模式识别与智能系统理论的算法研究 ●算法在MATLAB仿真，并在SIMULINK中建模，最后把这个算法用C++语言编程，在VC++中生成了可执行文件。

2009 01-2009 06生物细胞图像病变检测算法研究 ●在MATLAB中仿真了算法，正确率达到82%。

2009 07-2009 09图像压缩算法编码器设计 ●在FPGA芯片上实现并验证了方案，对比得出了FPGA比DSP在神经网络实现上的明显优势，前者采用指令顺序执行的方式，数据位宽固定，FPGA处理数据的方式是基于硬件的并行处理方式，即一个时钟周期内可并行完成多次运算，特别适合于神经网络的并行特点。2010 02在科进生物识别公司 ●了解了不同二维条码尤其QR code的特点，探讨了定位图形的方法，了解了指纹识别，探讨了小波变换及gabor变换在纹理图像的特征提取的优劣。自我评价及爱好

10.数字图像处理实验报告 篇十

实验目的：本实验内容旨在让学生通过用VC等高级语言编写数字图像处理的一些基本算法程序，来巩固和掌握图像处理技术的基本技能，提高实际动手能力，并通过实际编程了解图像处理软件的实现的基本原理。为学生进一步学习数字摄影测量、遥感和地理信息系统等专业课程以及应用图像处理解决实际问题奠定基础。

二、实验原理和方法

(1) Raw格式到BMP格式的转换：

Raw格式：Raw格式文件是按照数字图像组成的二维矩阵，将像素按行列号顺序存储在文件中。这种文件只含有图像像素数据，不含有信息头，因此，在读图像时，需要根据文件大小，计算图像所包含的行列号，或者需要事先知道图像大小(矩阵大小)。RAW文件按图像上行到下行、左列到右列顺序存储。

BMP格式：BMP文件数据区按图像上下行到上行、左列列到右列顺序存储到数据区。BMP文件由文件头、信息头、颜色表、数据区四个部分组成。

做Raw格式文件到BMP格式文件的转化，先要为BMP格式文件申请四部分的内存：文件头，位图信息头，颜色表，图象数据，然后根据输入值以及Raw文件信息，BMP格式文件信息计算出这几部分的值，赋给他们，写到BMP文件中去。

(2) 灰度图象的线性拉伸：

灰度变化是点运算，将原图象的每个像素的灰度值改成线性变化之后的灰度即可。

灰度的线性变换就是指图像的中所有点的灰度按照线性灰度变换函数进行变换。灰度变换方程如下：

该方程为线性方程。式中参数 为输入图像的像素的灰度值，参数 为输出图像的

灰度值。

设原图象的灰度范围为[a,b],变化之后的范围为[a’,b’]，则：

fA=(b’-a’)/(b-a)

fB=-(b’-a’)/(b-a)*a+a’

如果算出来的值大于255，则让它等于255，小于0则让其等于0。

(3) 局部处理(3*3高通滤波，3*3低通滤波)：

局部处理在处理某一像素时，利用与该像素相邻的一组像素，经过某种变换得到处理后图像中某一点的像素值。目标像素的邻域一般是由像素组成的二维矩阵，该矩阵的大小为奇数，目标像素位于该矩阵的中央，即目标像素就是区域的中心像素。经过处理后，目标像素的值为经过特定算法计算后所得的结果。

实际上都是利用卷积来实现的，卷积往往用一个矩阵表示，将矩阵的中心对齐某个像素，矩阵中的值乘到相应的像素中去，然后将所有乘积加起来就得到中心像素的灰度值。边界像素不做处理，仍为原来的灰度值。求出的像素灰度值若超过[0~255]，则向离其最近的属于该范围的像素值靠拢。

3*3低通滤波的算子见表1。

3*3高通滤波的算子见表2。

表格 1

1/9

1/9

1/9

1/9

1/9

1/9

1/9

1/9

1/9

表格 2

-1

-1

-1

-1

9

-1

-1

-1

-1

(4) 图象几何处理(图象平移，图象缩放)：

对于图像平移来说，若平移量是(tx，ty)，像素在原图像中的坐标为(x0，y0)，则变化后的坐标为(x1，y1)，x1=x0+tx，y1=y0+ty。平移只需改变像素的灰度值，不必改变位图信息头和调色板内容。

对于图像缩放，假设放大因子为ratio，缩放的变换矩阵为：

图像信息头中新图像的宽度和高度都变为原来宽度和高度分别与水平垂直比例的乘积，图像大小变为新宽度(变为4的整数倍)与新高度的乘积。

(5) 灰度图象中值滤波：

中值滤波也属于局部处理的一种，将窗口中的各个像素排序之后排序，取中值赋给模板中心的像素，所以窗口中个数一般是基数。

我用的中值滤波窗口是十字丝的9个数的窗口。

(6) 灰度图象边缘检测：

边缘检测有三种算子：Roberts，Prewit，Sobel。三种算子都是做一阶差分的，通过算子算出各个像素的梯度值，将水平梯度的绝对值和垂直梯度的绝对值相加，若此梯度值大于某个阈值，则将其灰度值赋为255，否则赋为0。

(7) 图象旋转：

图像旋转一般是以图像中心为中心顺时针旋转，利用图像的四个角点求出图像旋转后的大小。

先计算以图像中心为原点坐标系下原图像四个角点的坐标值，按照旋转矩阵计算其旋转之后的坐标值，根据四个角点的新坐标值计算出最大宽度和高度作为新图像的宽度和高度值，按照计算值修改位图信息头，申请一块新内存，存储旋转后图像的灰度值。

旋转矩阵如下：

同样要求各个像素在原图像中的坐标，先将新图像的坐标系平移到图像中心，做逆时针旋转，然后再平移到屏幕左上角，然后将原图像对应坐标的值赋给新图像。

(8) 图象二值化：

判断分析法：假定图像的灰度区间为[0，L-1]，则选择一阈值T 将图像的像素分为两组。

为最大值所对应的T，就是所求判断分析法的分割阈值。

搜寻到阈值之后，灰度值小于阈值的像素赋0，其他的赋1，修改文件信息头，调色板，申请新内存。

(9) 图象直方图：

统计各灰度值出现的频数，以及像素的总个数，用频数除以总个数作为频率，以灰度值作为横坐标，频率作为纵坐标绘图。

三、实验过程和步骤

首先要建立一个基于MFC的多文档工程，将视图基类改为滚动视图，以自己的学号命名。

我用的是书上给的CDib类，类里面有获取BMP宽度，高度的函数，有指向位图信息头的指针，指向图象数据的指针，因此我在文档类(Doc类)里定义了一个CDib类的对象，打开以及保存文件的时候利用这个对象去调用CDib里读取与存储文件的函数，并且可以利用这个对象的两个指针对打开的图象进行各种操作。

1.Raw格式到BMP格式的转换：

首先建立一个RawToBMP的对话框，在上面加上四个编辑框(一个输入打开文件的路径一个输入保存文件的路径，另两个)，两个按钮，以及默认的确认，取消按钮。利用类向导插入此对话框类，并且为前两个编辑框定义CString的两个变量，用来存储打开与保存文件的路径。同时为两个浏览按钮添加消息响应函数，在消息函数里创建CFileDialog对象，利用此对象的函数将两个路径值赋给前两个编辑框的成员变量。再为OK键添加消息响应函数，分别定义BMP格式文件前三部分数据变量，计算出各变量的值，并且利用一个CFile对象获取Raw图象的数据，利用另一个CFile对象将数据存储到所输入的路径的文件中去，CFile对象的Read函数会自动创建一个文件。

然后在菜单上新建一个菜单，为菜单添加消息响应函数，在其消息响应函数里创建RowToBMP对话框。这样点击菜单后就会弹出一个对话框，按确定键之后就可以读取Raw文件并且存储BMP文件，完成整个消息循环。

2.灰度图象的线性拉伸：

创建一个对话框来输入变化后的灰度值，为对话框的两个编辑框定义成员变量，在文档类中添加处理函数，按照对话框输入值计算出fA与fB，做一个循环，将0到255的灰度值，计算出拉伸后的灰度值(超限情况特殊处理)，存放在下标为此值的一个数组中，然后利用文档类的中定义的CDib类的成员变量m_DIB，获得当前打开的图像指

向图像数据部分的指针m_DIB.m_pBits，在数组中查出每个像素变化后的灰度值，并将此值赋给指针m_pBits指向的内存。刷新视图。

然后在菜单中加上线性拉伸的菜单，为该菜单的ID添加消息响应函数，在该函数中创建对话框，并调用文档类线性拉伸的函数，将对话框的两个成员变量传给此函数。

3.局部处理：

在文档类里添加低通滤波和高通滤波的成员函数，在函数中使用m_DIB对象中指向图像数据部分的指针m_pBits，首先申请一个新内存，将原来图像的灰度值存储起来，然后定义9个BYTE类型的指针，利用双重嵌套循环，在循环中每次用这9个指针指向复制图像对应模板中的9个数，然后按照模板中的数值计算出中心像素的灰度值，判断是否超过范围，如果超过范围则做相应的处理，否则将此值直接赋给m_pBits中对应的中心像素。循环之后刷新视图。

添加局部处理的菜单，为菜单设置消息响应函数，在菜单消息响应函数中调用文档类的函数，完成对m_DIB的处理。

4.图像几何变换：

建立平移对话框，定义两个成员变量，分别存储输入的水平位移和垂直位移。

在文档类里添加平移函数，申请一块新内存复制原图像的信息，在函数中将

外层循环变量i视为纵坐标，内层循环变量j视为横坐标，通过双重循环，对每个像素，求出其在原图像中的坐标(i0，j0)，将复制图像中的对应(i0，j0)的像素灰度值赋给m_DIB.m_pBits指针中的图像。如果在原图像中找不到该像素，置为背景色。刷新视图。

在菜单中添加图像平移菜单，并为该菜单添加消息响应函数，在此函数中创建平移对话框，调用文档类的平移函数，将对话框的成员变量传入该函数。

建立缩放对话框类，为此类定义两个成员变量，存储输入的水平缩放因子和垂直缩放因子。

再在文档类中添加缩放函数，利用m_DIB.m_pBMI(指向位图信息头的指针)，修改位图信息头中的宽度，高度，图像大小。计算出新图像的大小，申请一块新内存存储新图像，同平移函数一样，计算出每个像素在原图像中的坐标，i0=i/PRatio,j0=j/VRatio,PRatio与VRatio分别为水平缩放因子和垂直缩放因子。将原图像中对应坐标的灰度值赋给新内存，然后将m_DIB.m_pBits(指向图像数据的指针)指向新内存，刷新视图。

5.中值滤波：

在文档类中添加两个成员函数。一个用来把传入的指针里的内容排序，一个用来做中值滤波。也要申请一块新内存来复制原图像的信息，双重嵌套循环，边界像素不处理，对每个像素，使用一个大小为9个字节的数组来存放复制图像窗口中各像素值，然后将数组首地址传入排序的函数中，将中间的值赋给当前图像窗口中心的像素。排序函数我用的是快速排序法。

在菜单中添加中值滤波菜单项，为其添加消息响应函数，调用文档类的中值滤波函数。

6.边缘检测：

在文档类中定义三个函数，分别为Roberts，Prewit，Sobel算子处理函数，处理时，先申请新内存复制原来图像信息，边界像素不作处理，对每个像素值，求出其在复制图像中的梯度，判断，若梯度值大于150(这个是我自己定的)，则将灰度值赋为255，否则置零。

菜单中添加边缘检测菜单，置属性为Pop—up，添加三个下一级菜单，分别为Roberts，Prewit，Sobel，各个菜单的消息响应函数中调用文档类中各自的处理函数。

7.图像旋转：

创建一个对话框输入旋转角度，在文档类中添加成员函数。

先将角度化为弧度值。

计算原图像四个角点的坐标，以及新图像四个角点的坐标。

根据新图像四个角点的坐标，取对角线上两个点横坐标差值较大值作为宽度，纵坐标差值较大值作为高度。

根据计算出来的高度和宽度修改文件信息头，并且申请内存存储新图像。

计算每点的像素在原来图像中的坐标从而获取其灰度值，写入新内存。

将m_DIB.m_pBits指向该新内存。刷新视图。

添加图像旋转菜单，在菜单响应函数中创建对话框，调用文档类中旋转函数，将对话框中获取的角度传给旋转函数。

8.图像二值化：

在文档类添加一个成员函数，根据传人的图像和阈值返回组间方差和组内方差的比值。

再添加一个成员函数，进行二值化。

在函数中：

计算新BMP文件的大小，申请一块新内存，存储新的整个BMP文件的信息，将位图信息头中biBitCount置为1，调色板数组只有两个两个元素，下标为0的三个灰度值都为0，下标为1的三个灰度值为255。

从最大灰度值到最小灰度值之间搜寻上述函数返回值最大的值，作为阈值。

对每个像素，若其原来灰度值小于阈值，赋1，否则赋0。

将m_DIB,m_pBits指向新内存的图像数据部分，m_DIB.m_pBMI指向位图信息头。

9.图像直方图：

为文档类添加一个int型指针成员变量m_pGray，在构造函数中将该指针赋空，在文档类中定义了一个函数，统计各个灰度值出现的频数，申请一个内存，存储在这个内存中，并将m_pGray指向它。

创建一个画直方图的对话框，添加Picture控件，在控件里调用文档类成员变量，画直方图。添加一个滚动条，用来确定阈值，为滚动条添加消息响应函数，按照滚动条的值进行二值化。

在菜单中添加直方图菜单，添加消息响应函数，在响应函数中创建直方图对话框对象。

最后，因为我开始做工程的时候没有把菜单设计好，做得有点乱，所以，我又在View里添加WM_CONTEXTMENU消息响应函数，在函数体内用CMenu类来实现弹出菜单。

四、结果分析与评价

(1)Raw格式到BMP格式的转换：效果见图1。

图表 1

老师说在转化的时候后面用一个循环会降低效率，但是实际上只要宽度是4的整数倍，后面的循环就不会做了。所以这个算法效率我觉得还行吧。

(2)线性变化：输入线性变化范围10~20，效果见图2。

图表 2

用了线性查找表之后，这个算法的效率应该会高很多，但是我的算法里是线性表从0~255都有变化之后的值，实际上，如果图片的灰度范围小一些的话，做了很多无用的计算，而且前面已经搜寻过原图像的最大最小灰度值了，所以线性表的生成循环可以只从最小灰度做到最大灰度。另外，我设计的算法里，如果最大值和最小值输反了的话，程序会自动交换他们的值，做这个可能就会多算一些东西了。

(3)低通滤波：效果见图3。

图表 3

取的是8邻域内的平均值，效果不是很好。

高通滤波：效果见图4。

图表 4

基本上我觉得边缘还是有突出了吧。

中值滤波：效果见图5。

图表 5

这个中值滤波的效果我还是比较满意的，因为排序所以要调用其他函数，我用了快速排序，而且用的是9个数的十字丝窗口，所以速度要比25个数的窗口快一些。平滑的效果出来还可以。

(4)边缘检测：

Roberts算子：效果见图6。

图表 6

Prewit算子：效果见图7。

图表 7

Sobel算子：效果见图8。

图表 8

由于Prewit算子和Sobel算子都用了8个数去做，所以效果要好一些，相比之下，Sobel算子对这幅图又要效果好些，应该是对4邻域赋予了更大权的缘故。但是后两种算法计算量也要大一些。

(5)图像平移：效果见图9。

图表 9

这个图像平移量比较大，所以被裁切的也显得不真实了。主要是因为我的图像大小和坐标都没有变化，所以只在原来的图像坐标范围内显示平移后的图像，实际上，我既可以改变图像的大小，并且为了节省计算，可以让循环变量i和j从一个新的值开始做计算，前面的全都赋背景色。

图像缩放：水平比例0.4，垂直比例0.5，效果见图10。

图表 10

在此基础上旋转：效果见图11。

图表 11

这几种算法主要的计算量都在for循环内，所以要想优化算法的话，必须简化循环里的计算。不过我的想法差不多跟书上的差不多，还没有什么优化。也许，这种优化的算法需要看很多别人做的好程序才能慢慢自己学会吧。

(6)二值化(判断分析法)：效果见图12。

图表 12

实际上，我用直方图看的最佳阈值应该在100多左右，而我做的程序阈值好像偏小一些，所以效果不太好，我计算组间方差和组内方差的时候调用了一个函数专门求阈值，可能这里的计算还是有一点问题。而且在我的函数里，要256次调用这个函数，又因为计算机是按字节处理数据的，因此写图像数据的时候要用每8个写到一个数组中，然后通过计算得到字节类型的值，这些都使得我的算法效率比较低，最后一个问题，我觉得如果使用位运算会快一些，但是前面的问题还没有想到比较好的解决方法。

(7)直方图：效果见图13。

这个图像255的像素太多，如果我没算错的话，量化应该不是很好吧。

图表 13

五、实验总结与体会

这次实验学到最大的东西，是自己总算有MFC编程的概念了，虽然自己VC++考试的分数还不错，但是里面的很多东西，不通过自己的编程时绝对不能真正理解。比如说封装性，这次用CDib的方便，很好地利用了类的封装性。另外，比如MFC是基于消息响应机制的，这就决定了，要利用鼠标或者菜单响应函数去实现功能，而用c语言编写程序的时候，完全是按主函数的线程来的。

另外，我也学会了调试的真正含义。以前都只知道那几个按键是做什么用的，调试的真正目的，是根据自己的算法来检验程序计算的各个值是否符合，从而可以很快速方便地查到自己的错误。

自学也是很重要的一方面。实际上，在现在来说，用MSDN也不是很难的事了，我们不应该被英文打到，而且现在，随着对一些专有名词熟悉了之后，看MSDN也容易一些了，万一不懂的函数，也可以利用网络查到很多函数功能用法的解释。

刚开始的时候做的是位图的读取和显示，实在是不知从哪里做起，所以就照着实验书上敲了前面的部分，但是慢慢地也看懂了代码的意思。所以后来的基本上都是自己做的了，但是算法还是基本上和书上差不多。不过自己编的时候还是有很多细节的部分没有注意到，比如说，强制数据类型转换，我自己编的时候没有注意这个问题，结果出了很多错，有些事由于函数调用引起的，有些是由于不等号两边数据的匹配问题，还有的是由于指针的移动，直到这个时候，才真正明白实验书上程序为什么那么多强制类型转换，虽然书上很多东西不是尽善尽美，但是对于我这种刚开始学会编程的人还是有很多可以学习的地方的。

如老师所说，算法的效率是很重要的。要提高算法的效率，一个是要简化计算(不得不说，这需要数学基础)，另外一个就是要避免许多重复的计算。在参考书上的程序里，很多时候，为了避免这种重复的计算(在循环中表现尤其明显)，会把某些数当常数算出来，只要后来加上这个常数就可以，这样，效率高很多。

另外，对许多出错的情况，我的程序里也没有做好。比如，如果打开的不是8位图像，我的程序不会提示错误，正常结束，而可能做错，所以，这也是我应该向别人程序学习的地方。