图像二值化实验报告c共18页.docx
《图像二值化实验报告c共18页.docx》由会员分享,可在线阅读,更多相关《图像二值化实验报告c共18页.docx(14页珍藏版)》请在冰豆网上搜索。
图像二值化实验报告c共18页
图像二值化实验报告c
篇一:
数字图像处理实验报告
数字图像处理
实验报告
班级:
通信103
学号:
20xx27201
姓名:
计富威
指导教师:
孙洁
实验一MATLAB数字图像处理初步
一、实验目的与要求
1.熟悉及掌握在MATLAB中能够处理哪些格式图像。
2.熟练掌握在MATLAB中如何读取图像。
3.掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。
4.掌握如何在MATLAB中按照指定要求存储一幅图像的方法。
5.图像间如何转化。
二、实验内容及步骤
1.利用imread()函数读取一幅图像,假设其名为”第一个.tif”,存入一个数组中;
>>I=imread('第一个.tif');
2.利用whos命令提取该读入图像”第一个.tif”的基本信息;>>whosI
3.利用imshow()函数来显示这幅图像;
>>imshow(I);
第一个.tif
4.利用imfinfo函数来获取图像文件的压缩,颜色等等其他的详细信息;
>>imfinfo('第一个.tif');
5.利用imwrite()函数来压缩这幅图象,将其保存为一幅压缩了像素的jpg文件,设为flower.jpg;语法:
imwrite(原图像,新图像,‘quality’,q),q取0-100。
>>imwrite(I,'第一个.jpg','quality',50)
6.同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像,设为flower.bmp。
>>imwrite(I,'第一个.bmp');
7.用imread()读入图像:
Lenna256.jpg和camemaman.jpg;>>b=imread('lena256.bmp');
>>c=imread('cameraman.tif');
8.用imfinfo()获取图像Lenna256.jpg和camemaman.jpg的大小;>>imfinfo('lena256.bmp');
>>imfinfo('cameraman.tif');
9.用figure,imshow()分别将Lenna256.jpg和camemaman.jpg显示
出来,观察两幅图像的质量。
>>figure
>>imshow(b);
>>figure
>>imshow(c);
(Lena256.jpg图像截图)
(cameraman.jpg图像截图)
10.用im2bw将一幅灰度图像转化为二值图像,并且用imshow显示出来观察图像的特征。
>>d=im2bw(b);
>>figure
>>imshow(b);
>>figure
>>imshow(d);
篇二:
数字图像处理模拟试卷及答案
《数字图像处理》模拟试卷(A卷)
一、单项选择题(从下列各题四个备选答案中选出一个正确答案,并将其代号填在题前的括号内。
答案选错或未作选择者,该题不得分。
每小题1分,共10分)
()1.一幅灰度级均匀分布的图象,其灰度范围在[0,255],则该图象的信息量为:
a.0b.255c.6d.8
()2.图象与灰度直方图间的对应关系是:
a.一一对应b.多对一c.一对多d.都不对
()3.下列算法中属于局部处理的是:
a.灰度线性变换b.二值化c.傅立叶变换d.中值滤波
()4.下列算法中属于点处理的是:
a.梯度锐化b.二值化c.傅立叶变换d.中值滤波
()5.一曲线的方向链码为12345,则曲线的长度为
a.5b.4c.5.83d.6.24
()6.下列算法中属于图象平滑处理的是:
a.梯度锐化b.直方图均衡c.中值滤波d.Laplacian增强
()7.下列图象边缘检测算子中抗噪性能最好的是:
a.梯度算子b.Prewitt算子c.Roberts算子d.Laplacian算子
()8.采用模板[-11]主要检测____方向的边缘。
a.水平b.45°c.垂直d.135°
()9.二值图象中分支点的连接数为:
a.0b.1c.2d.3
()10.对一幅100′100像元的图象,若每像元用8bit表示其灰度值,经霍夫曼编码后压缩图象的数据量为40000bit,则图象的压缩比为:
a.2:
1b.3:
1c.4:
1d.1:
2
二、填空题(每空1分,共15分)
1.图像锐化除了在空间域进行外,也可在
2.图像处理中常用的两种邻域是和
3.直方图修正法包括
4.常用的灰度内插法有和。
5.多年来建立了许多纹理分析法,这些方法大体可分为
6.低通滤波法是使受到抑制而让顺利通过,从而实现图像平滑。
7.检测边缘的Sobel算子对应的模板形式为
8.一般来说,采样间距越大,图象数据量,质量;反之亦然。
三、名词解释(每小题3分,共15分)
1.数字图像
2.图像锐化
3.灰度共生矩阵
4.细化
5.无失真编码
四、判断改错题(下列命题是否正确,正确的就在题号前的括弧内打“√”,错误的打“×”并改正。
每小题2分,共10分)
()1.灰度直方图能反映一幅图像各灰度级像元占图像的面积比。
()2.直方图均衡是一种点运算,图像的二值化则是一种局部运算。
()3.有选择保边缘平滑法可用于边缘增强。
()4.共点直线群的Hough变换是一条正弦曲线。
()5.边缘检测是将边缘像元标识出来的一种图像分割技术。
五、简答题(每小题5分,共20分)
1.简述线性位移不变系统逆滤波恢复图像原理。
2.图像锐化与图像平滑有何区别与联系?
3.伪彩色增强与假彩色增强有何异同点?
4.梯度法与Laplacian算子检测边缘的异同点?
六、计算题(共30分,每小题分标在小题后)(注:
以下蓝色下划线内容不考)
(图像1)
《数字图像处理》试卷(A卷)
参考答案及评分标准
一、单项选择题(每小题1分,共10分)
1.d2.b3.d4.b5.d
6.c7.b8.c9.d10.a
二、填空题(每空1分,共15分)
1.频率域
2.4-邻域8-邻域(不分先后)
3.直方图均衡直方图规定化(不分先后)
4.最近邻元法双线性内插法(双)三次内插法(不分先后)
5.统计分析法
6.高频成分低频成分
7.(不分先后)
-1-2-1-101
000-202
121-101
8.少差
三、名词解释(每小题3分,共15分)
1.数字图像是将一幅画面在空间上分割成离散的点(或像元),各点(或像元)的灰度值经量化用离散的整数来表示,形成计算机能处理的形式。
2.图像锐化是增强图象的边缘或轮廓。
3.从图象灰度为i的像元出发,沿某一方向θ、距离为d的像元灰度为j同时出现的概率P(i,j,θ,d),这样构成的矩阵称灰度共生矩阵。
4.细化是提取线宽为一个像元大小的中心线的操作。
5.无失真编码是指压缩图象经解压可以恢复原图象,没有任何信息损失的编码技术。
四、判断改错题(每小题2分,共10分)
1.(√)
2.(×)
3.(×)
改正:
有选择保边缘平滑法不可用于边缘增强。
或:
有选择保边缘平滑法用于图象平滑(或去噪)。
4.(√)
5.(√)
五、简答题(每小题5分,共20分)
1.设退化图象为g(x,g),其傅立叶变换为G(u,v),若已知逆滤波器为1/H(u,v)则对G(u,v)作逆滤波得
F(u,v)=G(u,v)/H(u,v)(2分)
对上式作逆傅立叶变换得逆滤波恢复图象f(x,y)
f(x,y)=IDFT[F(u,v)]
以上就是逆滤波恢复图象的原理。
(2分)
若存在噪声,为避免H(u,v)=0,可采用两种方法处理。
(0.5分)
①在H(u,v)=0时,人为设置1/H(u,v)的值;
②使1/H(u,v)具有低同性质。
即
H-1(u,v)=1/H(u,v)当D≤D0
H-1(u,v)=0当D>D0(0.5分)
2.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;(2分)
图象平滑用于去噪,对图象高频分量即图象边缘会有影响。
(2分)
都属于图象增强,改善图象效果。
(1分)
3.伪彩色增强是对一幅灰度图象经过三种变换得到三幅图象,进行彩色合成得到一幅彩色图像;假彩色增强则是对一幅彩色图像进行处理得到与原图象不同的彩色图像;主要差异在于处理对象不同。
(4分)
相同点是利用人眼对彩色的分辨能力高于灰度分辨能力的特点,将目标用人眼敏感的颜色表示。
(1分)
4.梯度算子和Laplacian检测边缘对应的模板分别为
-1-111
11-41
1
(梯度算子)(Laplacian算子)(2分)
梯度算子是利用阶跃边缘灰度变化的一阶导数特性,认为极大值点对应于边缘点;而
Laplacian算子检测边缘是利用阶跃边缘灰度变化的二阶导数特性,认为边缘点是零交叉点。
(2分)
相同点都能用于检测边缘,且都对噪声敏感。
(1分)
六、计算题(共30分,每小题分标在小题后)
1.1)统计图象1各灰度级出现的频率结果为
p(0)=5/64?
0.078;p
(1)=12/64?
0.188;p
(2)=16/64=0.25;p(3)=9/64?
0.141
p(4)=1/64?
0.016;P(5)=7/64?
0.109;p(6)=10/64?
0.156;p(7)=4/64?
0.063
(4分,每个1分)
信息量为
?
2.75(bit)
(写出表达式3分;结果正确3分)
2)对于二值化图象。
若采用4-连接,则连接成分数为4,孔数为1,欧拉数为4-1=3;(5分)
若采用8-连接,则连接成分数为2,孔数为2,欧拉数为2-2=0;
(5分)
2.图像2在Δx=1,Δy=0度的灰度共生矩阵为
1/121/241/241/12
1/2401/121/12
1/241/121/121/12
1/121/121/120
(共10分,每错一处扣1分)
数字图像处理模拟试题及答案
一、填空题(每题1分,共15分)
1、列举数字图像处理的三个应用领域
2、存储一幅大小为1024?
1024,256个灰度级的图像,需要bit。
3、亮度鉴别实验表明,韦伯比越大,则亮度鉴别能力越。
4、直方图均衡化适用于增强直方图呈
5、依据图像的保真度,图像压缩可分为
6、图像压缩是建立在图像存在、上。
7、对于彩色图像,通常用以区别颜色的特性是、
8、对于拉普拉斯算子运算过程中图像出现负值的情况,写出一种标定方法:
(g(x,y?
)mgin)*255g/(?
gmax
二、选择题(每题2分,共20分)
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、RGBB、CMY或CMYKC、HSID、HSV
T4、采用模板[-11]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,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A.一一对应B.多对一C.一对多D.都不
三、判断题(每题1分,共10分)
1、马赫带效应是指图像不同灰度级条带之间在灰度交界处存在的毛边现象(√)
2、高斯低通滤波器在选择小的截止频率时存在振铃效应和模糊现象。
(×)
3、均值平滑滤波器可用于锐化图像边缘。
(×)
4、高频加强滤波器可以有效增强图像边缘和灰度平滑区的对比度。
(√)
5、图像取反操作适用于增强图像主体灰度偏亮的图像。
(×)
6、彩色图像增强时采用RGB模型进行直方图均衡化可以在不改变图像颜色的基础上对图像的
亮度进行对比度增强。
(×)
7、变换编码常用于有损压缩。
(√)
8、同态滤波器可以同时实现动态范围压缩和对比度增强。
(√)
9、拉普拉斯算子可用于图像的平滑处理。
(×)
10、当计算机显示器显示的颜色偏蓝时,提高红色和绿色分量可以对颜色进行校正。
(√)四、简答题(每题5分,共20分)
确的处理方法。
复原由退化函数退化的图像最直接的方法是直接逆滤波。
在该方法中,用退化函数除退化图像的傅立叶变换来计算原始图像的傅立叶变换。
F?
u,v?
?
^
G?
u,v?
N?
u,v?
?
F?
u,v?
?
Hu,vHu,v由上式可以看到,即使我们知道退化函数,也可能无法准确复原未退化的图像。
因为噪声是一个随机函数,其傅氏变换未知。
当退化为0或非常小的值,N(u,v)/H(u,v)之比?
很容易决定F?
u,v?
的值。
一种解决该问题的方法实现值滤波的频率时期接近原点值。
2、当在白天进入一个黑暗剧场时,在能看清并找到空座位时需要适应一段时间,试述发生这种现象的视觉原理。
答:
人的视觉绝对不能同时在整个亮度适应范围工作,它是利用改变其亮度适应级来完成亮度适应的。
即所谓的亮度适应范围。
同整个亮度适应范围相比,能同时鉴别的光强度级的总范围很小。
因此,白天进入黑暗剧场时,人的视觉系统需要改变亮度适应级,因此,需要适应一段时间,亮度适应级才能被改变。
3、简述梯度法与Laplacian算子检测边缘的异同点?
答:
梯度算子和Laplacian检测边缘对应的模板分别为
篇三:
图像膨胀和腐蚀
图像二值形态学——腐蚀和膨胀的C语言实现数学形态学是法国和德国科学家在研究岩石结构时建立的一门科学。
形态学的用途主要是获取物体拓扑和结构信息,通过物体和结构元素相互作用的某些运算,得到物体更本质的形态。
在图像处理中的应用主要是:
利用形态学的基本运算,对图像进行观察和处理,从而达到改善图像质量的目的;描述和定义图像的各种几何参数和特征,如面积、周长、连通度、颗粒度、骨架和方向性等。
关于形态学的具体描述和数学形式化的定义可以从文章底部的参考资料中获得。
最近的实验中需要对二值图像进行减噪处理,图像形态学中的腐蚀和膨胀能很好的解决此问题。
如果在腐蚀和膨胀操作前,对灰度图像做一次滤波,减噪效果将更明显。
腐蚀的具体操作是:
用一个结构元素(一般是3×3的大小)扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做“与”操作,如果都为1,则该像素为1,否则为0。
膨胀的具体操作是:
用一个结构元素(一般是3×3的大小)扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做“与”操作,如果都为0,则该像素为0,否则为1。
腐蚀的作用是消除物体边界点,使目标缩小,可以消除小于结构元素的噪声点;膨胀的作用是将与物体接触的所有背景点合并到物体中,使目标增大,可添补目标中的空洞。
开运算是先腐蚀后膨胀的过程,可以消除图像上细小的噪声,并平滑物体边界。
闭运算时先膨胀后腐蚀的过程,可以填充物体内细小的空洞,并平滑物体边界。
以下是一段在OpenCV中实现的C语言程序,分别是图像腐蚀和膨胀函数,输入的参数依次为:
当前二值图像数据指针、图像宽度、图像高度。
通过这两个函数的组合使用(开闭运算),可以对图像进行有效减噪。
一、图像腐蚀膨胀细化的基本原理
1.图像细化的基本原理
⑴图像形态学处理的概念
数字图像处理中的形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量,比如边界、骨架以及凸壳,还包括用于预处理或后处理的形态学过滤、细化和修剪等。
图像形态学处理中我们感兴趣的主要是二值图像。
在二值图像中,所有黑色像素的集合是图像完整的形态学描述,二值图像的各个分量是Z2的元素。
假定二值图像A和形态学处理的结构元素B是定义在笛卡儿网格上的集合,网格中值为1
的点是集合的元素,当结构元素的原点移到点(x,y)时,记为Sxy,为简单起见,结构元素为3x3,且全都为1,在这种限制下,决定输出结果的是逻辑运算。
⑵二值图像的逻辑运算
逻辑运算尽管本质上很简单,但对于实现以形态学为基础额图像处理算法是一种有力的补充手段。
在图像处理中用到的主要逻辑运算是:
与、或和非(求补),它们可以互相组合形成其他逻辑运算。
⑶膨胀和腐蚀
膨胀和腐蚀这两种操作是形态学处理的基础,许多形态学算法都是以这两种运算为基础的。
①膨胀
是以得到B的相对与它自身原点的映像并且由z对映像进行移位为基础的。
A被B膨胀是所有位移z的集合,这样,和A至少有一个元素是重叠的。
我们可以把上式改写为:
结构元素B可以看作一个卷积模板,区别在于膨胀是以集合运算为基础的,卷积是以算术运算为基础的,但两者的处理过程是相似的。
⑴用结构元素B,扫描图像A的每一个像素
⑵用结构元素与其覆盖的二值图像做“与”操作
⑶如果都为0,结果图像的该像素为0。
否则为1
②腐蚀
对Z中的集合A和B,B对A进行腐蚀的整个过程如下:
⑴用结构元素B,扫描图像A的每一个像素
⑵用结构元素与其覆盖的二值图像做“与”操作
⑶如果都为1,结果图像的该像素为1。
否则为0
腐蚀处理的结果是使原来的二值图像减小一圈。
⑷击中(匹配)或击不中变换
假设集合A是由3个子集X,Y和Z组成的集合,击中(匹配)的目的是要在A中找到X的位置,我们设X被包围在一个小窗口W中,与W有关的X的局部背景定义为集合的差(W-X)。
则X在A内能得到精确拟合位置集合是由X对A的腐蚀后由(W-X)对A的补集Ac腐蚀的交集,这个交集就是我们要找的位置,我们用集合B来表示由X和X的背景构成的集合,我们可以令B=(B1,B2),这里B1=X,B2=(W-X),则在A中对B进行匹配可以表示为:
A⊙B
我们称为形态学上的击中或击不中变换。
⑸开闭操作
开操作是先腐蚀、后膨胀处理。
闭操作是先膨胀、后腐蚀处理。
(6)细化
图像细化一般作为一种图像预处理技术出现,目的是提取源图像的骨架,即是将原图像中线条宽度大于1个像素的线条细化成只有一个像素宽,形成“骨架”,形成骨架后能比较容易的分析图像,如提取图像的特征。