数字图像处理基础答案朱虹

【篇一：数字图像处理-图像的腐蚀】

像腐蚀对图像的提取与识别的重要性，提高分析问题解决问题的能力，较深入地理解数字图像处理的基本概念、基础理论以及解决问题的基本思想方法

2熟悉数字图像处理的基本概念、原理、和方法，锻炼初步综合利用所学知识深入研究有关信息领域问题的能力，并未以后在此方向上的深入研究奠定基础。

3熟悉掌握一门计算机语言可以进行数字图像的应用与处理设计。 1熟悉掌握matlab仿真的软件的应用平台及使用方法。 2理解图像腐蚀的原理。

3设计合理的程序，能实现图像的腐蚀。 3.1关于图像腐蚀

形态学运算只针对二值图像（二进制图像），并依据数学形态学

（mathermatical morphogy）集合论方法发展起来的图像处理方法，起源于岩相对岩石结构的定量描述工作，在数字图像处理和机器视觉领域中得到了广泛的应用，形成了一种独特的数字图像分析方法和理论。数学形态学是图像处理和模式识领域的新方法，其基本思想是：用具有一定形态的结构元素去量度和提取图像中的对应形状，以达到图像分析和识别的目的。优势有以下几点：有效滤除噪声，保留图像中原有信息，算法易于用并行处理方法有效实现（包括硬件实现），基于数学形态学的边缘信息提取处理优于基于微分运算的边缘提取算法，提取的边缘比较平滑，提取的图像骨架也比较连续，断点少。

二值图像中的一种主要处理是对所提取的目标图形进行形态分析。而形态处理中最基本的是腐蚀与膨胀。腐蚀处理的作用是将目标图形收缩。运算效果取决于结构元素大小内容以及逻辑运算性质。 结构元素是指具有某种确定形状的基本结构元素，例如，一定大小的矩形,圆或者菱形等。 3.2腐蚀的算法

用3x3的结构元素，扫描图像的每一个像素； 用结构元素与其覆盖的二值图像做“与”操作；

如果都为1，结果图像的该像素为1。否则为0。 结果：使二值图像减小一圈。

把结构元素b平移a后得到ba，若ba包含于x，我们记下这个a点，所有满足上述条件的a点组成的集合称做x被b腐蚀(erosion)的结果。用公式表示为：e(x)={a| ba x}=x b，如图1.1所示。 图3.1 腐蚀的示意图

图1.1中x是被处理的对象，b是结构元素。不难知道，对于任意一个在阴影部分的点a，ba 包含于x，所以x被b腐蚀的结果就是那个阴影部分。阴影部分在x的范围之内，且比x小，就象x被剥掉了一层似的，这就是为什么叫腐蚀的原因。

值得注意的是，上面的b是对称的，即b的对称集bv=b，所以x

被b腐蚀的结果和x被bv腐蚀的结果是一样的。如果b不是对称的，让我们看看图

6.9，就会发现x被b腐蚀的结果和x被bv腐蚀的结果不同。 图3.2 结构元素非对称时，腐蚀的结果不同

图1.1和图1.2都是示意图，让我们来看看实际上是怎样进行腐蚀运算的。 在图1.3中，左边是被处理的图象x(二值图象，我们针对的是黑点)，中间是结构元素b，那个标有origin的点是中心点，即当前处理元素的位置，我们在

介绍模板操作时也有过类似的概念。腐蚀的方法是，拿b的中心点和x上的点一个一个地对比，如果b上的所有点都在x的范围内，则该点保留，否则将该点去掉；右边是腐蚀后的结果。可以看出，它仍在原来x的范围内，且比x包含的点要少，就象x被腐蚀掉了一层。

图3.3 腐蚀运算 图3.4 原图

图3.5 腐蚀后的结果图

图1.4为原图，图1.5为腐蚀后的结果图，能够很明显地看出腐蚀的效果。 下面的这段程序，实现了上述的腐蚀运算，针对的都是黑色点。参数中有一个bool变量，为真时，表示在水平方向进行腐蚀运算，即结构元素b为 [111];

t[2]否则在垂直方向上进行腐蚀运算，即结构元素b为 [111]。

创建结构元素： strel函数来创建任意大小和形状的strel 对象，支持如线形line、菱形diamond、圆盘形disk、球形ball等许多种常用的形状。（本次实验做对象为菱形diamond、球形ball、圆盘形disk的strel函数。）

【篇二：图像处理综合训练任务书】

txt>图像处理综合训练任务书 一、题目简介

该训练要求学生在掌握数字图像处理技术的基础知识、基本原理和方法的基础上，使用数字图像处理方法完成图像处理程序设计。 通过该题目的分析和设计，使学生巩固数字图像处理课程中所学到的相关知识、理论和方法，得到数字图像处理应用的综合训练，全面培养图像处理程序开发过程中的分析、设计、编码、测试及文档规范书写的能力，提高解决实际问题的能力。 二、设计任务

1、查阅文献资料，一般在5篇以上；

2、掌握利用matlab开发图像处理程序的基本方法；

3、掌握常用的图像增强、图像几何变换、图像噪声抑制、图像锐化、图像分割、图像变换、二值数学形态学图像处理算法的编程； 4、撰写设计说明书；

三、主要内容、功能及技术指标

1、选取若干张目标图像文件，在计算机图像驱动程序中显示；

2、图像增强技术有对比度线性展宽、灰级窗和灰级窗切片、动态范围调整、直方图均衡化、伪彩色处理，多种方法任选一到两种实现对图像的增强处理；

3、图像几何变换技术有图像位置变换、图像形状变换，多种方法任选一到两种实现对图像的几何变换处理；

4、图像噪声抑制技术有均值滤波处理、中值滤波处理、灰度最小方差的均值滤波处理、k近邻平滑滤波处理、对称近邻均值滤波处理，多种方法任选一到两种实现对图像的噪声处理；

5、图像锐化技术有roberts交叉微分算子、sobel微分算子、

priwitt微分算子、laplacian微分算子、wallis微分算子，多种方法任选一到两种实现对图像的锐化处理。

6、图像分割技术有基于灰度直方图的峰谷法、p-参数法、均匀性度量法、类间最大距离法、最大熵方法、聚类方法、边缘检测法、区域生长法，多种方法任选一到两种实现对图像的分割处理；

7、图像变换技术有傅里叶变换、离散余弦变换，多种方法任选一到两种实

现对图像的变换处理；

8、二值图像处理技术有腐蚀、膨胀、开运算、闭运算，多种方法任选一到两种实现对二值图像的处理。 四、设计完提交的成果

1、 设计说明书一份，内容包括： 1) 封面 2）目录

3）中文摘要100字左右；关键词3-5个 4) 前言

5）算法分析与描述

6）详细设计过程（含核心算法程序代码） 7）调试过程中出现的问题及相应解决办法 8）程序运行截图及其说明 9）设计总结、参考文献等。 2、 以班为单位刻制光盘1张。 五、主要参考文献

[1] 朱虹. 数字图像处理基础[m]. 科学出版社, 2005

[2] r c.gonzalez, r e.woods著,阮秋琦,阮宇智等译.数字图像处理(第2版).北京:电子工业出版社,2003

[3] k.r.castleman 等编著. 数字图像处理.北京:电子工业出版社,2002

[4] 章毓晋 .图像处理与分析-图像工程（上册）,清华大学,2001

[5] marks.nixon等编著.特征提取与图像处理（第二版）.电子工业出版社,2010

[6] 全红艳等编著. 数字图像处理原理与实现方法. 机械工业出版社,2014.

[7] 孙正. 数字图像处理与识别.机械工业出版社,2014

[8] r c.gonzalez, r e.woods, s l. eddins著,阮秋琦,阮宇智等译.数字图像处理(matlab版).北京:电子工业出版社,2005 2015年11月30日

【篇三：通信工程数字图像处理课程报告】

告

课程名称： 设计题目： 学生班级： 学生姓名：

课任教师： 完成日期：

数字图像处理 图像噪声的抑制 2013级通信工程（1）班 张骞文 肖钟捷 2016-6-13

数学与计算机学院

摘要 图像噪声可以理解为妨碍人的视觉感知，或妨碍系统传感器对所接收图像源信息进行理解或分析的各种因素，也可以理解成真实信号与理想信号之间存在的偏差。因此，在进行其他的图像处理前，需要对图像进行去噪处理。本文主要从图像噪声的概念、噪声抑制的滤波方法及滤波方法比较等方面来阐述。本文讲述通过均值滤波和中值滤波方法并利用matlab 软件编写程序，展示实验现象，最后对所做工作进行总结。

关键字：图像噪声 均值滤波 中值滤波 一.图像分割概念 1.1图像噪声

为减少图像噪声影响，图像去噪处理是十分有必要的。 常见的去噪处理有均值滤波，中值滤波，灰度最小方差均值滤波，k近邻平滑滤波，对称近邻均值滤波，西戈玛平滑滤波等。 二.均值滤波与中值滤波

2.1均值滤波 均值滤波的原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。均值滤波可以用来对椒盐噪声和高斯噪声进行滤波。 权系数矩阵模板

g = (f(x-1,y-1) + f(x,y-1)+ f(x+1,y-1) + f(x-1,y) + f(x,y) + f(x+1,y) + f(x-1,y+1) + f(x,y+1) + f(x+1,y+1))/9

均值滤波对高斯噪声有非常好的抑制效果，而对椒盐噪声效果往往不够好。

2.2 中值滤波

（虽然均值滤波器对噪声有抑制作用，但同时会使图像变得模糊。为了有效地改善这一状况，必须寻找新的滤波器。中值滤波就是一种有效的方法。

中值滤波的原理是：对待处理的当前像素，选择一个模板，该模板为其邻近的若干个像素组成，对模板的像素由小到大进行排序，再用模板的中值来替代原像素的值的方法。 权系数矩阵模板

g = median[(x-1,y-1) + f(x,y-1)+ f(x+1,y-1) + f(x-1,y) + f(x,y) + f(x+1,y) + f(x-1,y+1) + f(x,y+1) + f(x+1,y+1)]

因为中值滤波的原理是取合理的邻近像素值来替代噪声点，所以只适合于椒盐噪声的去除，不适合高斯噪声的去除。

三.均值滤波与中值滤波的比较 3.1对椒盐噪声的两者比较 对于椒盐噪声，中值滤波效果比均值滤波效果好。 3.2 原因

椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。

中值滤波是选择适当的点来替代污染点的值，所以处理效果好。 因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。 3.3 对高斯噪声两者比较

对于高斯噪声，均值滤波效果比均值滤波效果好。

3.4原因高斯噪声是幅值近似正态分布，但分布在每点像素上。因为图像中的每点都是污染点，所中值滤波选不到合适的干净点。因为正态分布的均值为0，所以根据统计数学，均值可以消除噪声。 四．两种滤波程序与实验结果

从实验结果可以看出，中值滤波较均值滤波效果好些，并且滤波与所选的模板有关，若选择权值相同（本实验为0.1/9）相对不同权值的效果好些。模板的不同 对均值滤波的影响较大 五.总结

通过这次数字图像课程设计报告的制作，加强了我对均值滤波和中值滤波原理的理解，对噪声的抑制方法有了一定的认识，并且对matlab的使用和c语言的编写更加熟悉，觉得自身的能力得到了一定的提高。

参考文献 [1] 杜谦，通信系统中matlab基础与仿真应用，西安电子科技大学出版社 [2] 朱虹等，数字图像处理基础，科学出版社 [3] 罗雨滋，c语言程序设计项目教程，哈尔滨工业大学出版社 附：**matlab程序代码 i=imread(classic.jpg); subplot(2,2,1); imshow(i); title(原图像);

1) 添加椒盐噪声

j=i; %初始化噪声图像矩阵

r1=rand(size(i))*51200/199;%分别在图像中标定两次随机数