数字图像（精选6篇）
篇1：数字图像
数字图象处理实验指导书
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
不会出现被0除的情形，同时分子中含有项，在处。当时，此时维纳滤波就变成 了逆滤波；当时，表明维纳滤波避免了逆滤波中 出现的对噪声过多的放大作用,也就是说图像维纳复原比逆滤波复原效果好。
篇2：数字图像
图像采集、传送和转换过程中，会加入一些噪声，表现为图像模糊、失真和有噪声等。
图像复原技术是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，得到质量改善的图像
图像噪声模型
CCD摄像机获取图像时，光照强度和传感器的温度是产生噪声的主要原因。
噪声:不期望接收到的信号(相对于期望接收到的信号而言)图像噪声按照噪声和信号之间的关系可以分为加性噪声和乘性噪声。
加性噪声一般指热噪声、散弹噪声等，它们与信号的关系是相加，不管有没有信号，噪声都存在。一般应该考虑为高斯噪声吧
1.高斯噪声（正态噪声）----源于电子电路噪声和由低照明度或高温带来的传感器噪声，CCD噪声
高斯噪声可以通过空域滤波的平滑或者图像复原技术来消除 P（z）= 1/(sqrt(2*pi*σ))*exp(-(z-μ)^2/(2*σ^2))
2.椒盐噪声--（双极）脉冲噪声（成像中的短暂停留，例如错误的开关操作）P（z）=Pa,z=a Pb,z=b 0,other
椒盐噪声是指图像中出现的噪声只有两种灰度值，分别是a和b，这两种灰度值出现的概率分别是Pa和Pb 均值是 m = a*Pa+b*Pb
方差是 σ^2 =(a-m)^2*Pa +(b-m)^2*Pb
通常情况下，脉冲噪声总是数字化为允许的最大值或最小值。负脉冲为黑点，正脉冲为白点。因此该噪声称为椒盐噪声，去除噪声的较好方法是中值滤波
3.均匀分布噪声（模拟随机数产生器）均匀分布噪声的概率密度函数为： P（z）= 1/(b-a),a<=z<=b*Pb 0,other
均匀分布噪声的期望和方差分别为： m =(a+b)/2
σ^2 =(b-a)^2/12
4.指数分布噪声（激光成像）指数分布噪声的概率密度函数为： P（z）= a*exp(-a*z),z>=0, 0,z<0
指数分布噪声的期望和方差分别为： m= 1/a,σ^2 = 1/a^2
5,伽马分布噪声（激光成像）伽马分布噪声的概率密度函数为：
P（z）=(a^b*z^(b-1))/(b-1)!*exp(-a*z)伽马分布噪声的期望和方差分别为： m = b/a,σ^2 = b/a^2 6.瑞利噪声
空域中的滤波复原
均值滤波复原 算术均值滤波器 几何均值滤波器 逆谐波均值滤波器
可以用于消除椒噪声或者盐噪声 顺序统计滤波复原
中值滤波、最大值滤波和最小值滤波
中值滤波可以很好的保留图像的边缘，非常适合去除椒盐噪声，效果优于均值滤波 二维中值滤波 J = medianfilt2(I)
最大值滤波器也能够去除椒盐噪声，但会从黑色物体的边缘去除一些黑色像素
最小值滤波器会从白色物体的边缘去除一些白色像素 二维排序滤波 J = ordfilt2(I,order,domain)最大值滤波 J = ordfilt2(I,9,ones(3))最小值滤波 J = ordfilt2(I,1,ones(3))自适应滤波复原
wiener2()自适应维纳滤波
图像复原算法
逆滤波复原
在频域上使用退化后观察得到的图像频域值来除去退化函数，得到近似于原图像的估计图像，然后通过傅里叶逆变换得到原图像的估计值
维纳滤波复原（对运动模糊图像进行复原）deconvwnr()进行图像的维纳滤波复原
约束最小二乘法复原 deconvreg()
Lucy-Richardson复原
deconvlucy()采用加速收敛的Lucy-Richardson算法对图像进行复原
盲解卷积复原
篇3：浅谈基于数字图像的数字水印技术
1990年, Tanaka等人提出了把一些隐秘信息加入图像中用来确认图像版权的思路。随后, 于1993年Trikel等首先明确地定义“水印”, 并较详细地描述了利用嵌入的数字水印来实现版权保护的方法。从此, 数字水印技术逐渐成为信息与网络时代实现数字产品版权保护的有效手段。
数字水印技术就是在原始数字产品内容 (例如图像、声音、视频、文档等) 中嵌入的一些不可轻易去除的版权标识信息。它与钞票中的水印相类似, 是嵌入数字产品中的版权标识, 用以证实该数字产品的版权归属。数字水印可以分为不可见水印和可见水印两种, 通常我们所说的数字水印主要是指不可见水印, 而这些不可见的水印并不会影响载体数据的正常使用。
2、数字水印系统概念与原理
2.1 数字水印系统概念、模型
数字水印技术是信息隐藏技术领域的一个非常重要的方向, 也是最近十年来出现的一种有效的数字产品版权保护技术。该技术用一定的算法将一些版权信息直接嵌入多媒体信息内容当中, 嵌入后不影响原信息内容的价值及使用, 也不能被人的知觉系统觉察到, 只能通过特定的检测器或阅读器提取隐藏的水印信息。
水印嵌入时要解决的主要问题有两个。第一个是生成数字水印, 它可以是一串伪随机数, 也可以是与作者信息有关的一些字符串、图标等经过加密产生;第二个是嵌入算法, 其目标是使得数字水印在不可见性和鲁棒性之间找到一个较好的平衡。水印嵌入要系统输入的是数字水印、载体数据和一个可选的公钥或私钥。水印也可以是任意形式的数据, 比如数值、文本、图像等。密钥用来加强其安全性, 可以防止未经授权的第三方恢复或篡改水印。水印嵌入系统的输出称为加入了数字水印的数据, 即隐秘载体。如图1.1所示。
2.2 数字图像数字水印的主要特点
数字水印技术发展的主要目标是为数字作品提供有效的版权保护, 随后研究者们又发现数字水印在其它一些领域还具有潜在的应用, 比如隐秘的网络通信、隐蔽的一些标示和数字产品的防伪鉴定等。在不同的应用领域, 对数字水印的要求也各不相同, 通常认为数字水印应该具有以下几个主要的特点:
1) 不可检测性:不可检测性是指原始载体与隐秘载体应该具有一些相同的特征。
2) 鲁棒性:指数字水印在经过常规的信号处理或操作后, 仍然可以检测提取到数字水印。
3) 不可见性:不可见性是指水印嵌入后的载体数据没有出现明显的质量下降现象, 且要求数字水印应该不容易被人感知到它的存在。
4) 容量:指嵌入的水印信息要能够表达数字作品所有人的标志信息, 或是购买者的序列号信息等。
5) 安全性:安全性是指要求具有很强的抗攻击性的嵌入算法。
3、基于数字图像的数字水印典型算法
在数字图像中嵌入秘密信息的算法主要有空域 (Spatial Domain) 和变换域 (Transformation Domain) 两类。
3.1 空域算法
1) Schyndel算法
Schyndel算法提出了一些关于水印的重要概念和鲁棒水印检测的通用方法, 即相关性检测方法.该算法首先将一个密钥输入一个m-序列 (maximum—length random sequence) 发生器来产生水印信号, 然后排列成二维水印信号, 按像素点逐一嵌入到原始图像像素值的最低位上.其中, m一序列是由一些初始向量按照Fibonacci递归数列的关系运算生成的, 也可以用线性移位寄存器实现.由于Schyndel算法将水印信号安排在了像素点的最低位上, 它是不可见的.但基于同样的原因, 水印信息很容易为滤波、图像量化、几何变形的操作破坏, 因此是不鲁棒的.
2) Patchwork算法
Bander等人提出的Patchwork算法是一种基于统计特性的信息隐藏算法。该算法在载体图像中利用伪随机数选择N对像素点 (ai, bi) , 然后针对每个像素点的亮度值, 做如下操作:
使得整幅图像的平均亮度保持不变。也就是说, 该算法假设任意像素之差是零均值随机变量, 任选N对像素。增加对比度而不改变平均亮度, 使该均值偏移而隐藏信息。该算法克服了LSB算法改变图像统计特性的不足.并对JPEG压缩、FIR滤波以及图像裁剪有一定的抵抗力。但嵌入的信息量有限, 且对串谋攻击的抵抗力较弱。
3.2 变换域 (Transformation Domain) 算法
1) DCT
基于DCT的鲁棒水印算法把原始图像按8×8分块。先计算子块的方差值, 并选择方差值最大的前n块xn, 再根据系统密钥K在其DCT中频嵌入随机序列pn_sequence_zero, 然后通过子块的DCT逆变换生成含水印的图像。K与pn-ze配合使用用于嵌入位置的选择。
2) DWT
DWT是一种多尺度空间频率分解。基于DWT域的图像信息隐藏算法的一般步骤为.首先对载体图像进行多级离散小波变换, 得到不同分辨率下的细节子图和逼近子图, 然后用秘密信息对DWT系数进行调制。最后对嵌入秘密信息后的小波系数进行相应级别的离散小波逆变换.完成信息隐藏过程。
4、展望
数字水印算法一直都是人们关注的焦点, 而对不可见的鲁棒水印和嵌人噪声的水印的研究更多。频域尤其是基于DCT变换的算法已经得到了广泛的应用。但最近基于小波变换的嵌入算法因其具有多重分辨率的特点, 而日益变得流行起来。由于目前数字水印技术难以解决串谋攻击、机会攻击以及解释攻击问题, 使得数字水印在版权保护、访问与拷贝控制、数字指纹等方面的应用受到了很大的限制, 许多研究者正致力于上述问题的解决。另外, 对数字水印算法的可靠性和性能的评价需要有更标准的方法, 水印理论也需要更加完善, 可以预见数字水印技术将很可能成为多媒体安全领域的技术。由于目前数字水印技术难以解决串谋攻击、机会攻击以及解释攻击问题, 使得数字水印在版权保护、访问与拷贝控制、数字指纹等方面的应用受到了很大的限制, 许多研究者正致力于上述问题的解决。另外, 对数字水印算法的可靠性和性能的评价需要有更标准的方法, 水印理论也需要更加完善, 可以预见数字水印技术将很可能成为多媒体安全领域的技术基础。
参考文献
[1]R.G.van SchyndeI, A.Z.Tirkel, C.F.osborne.A digital watermark.Int’l Cbnf.Image Processing, Austin, Texas, 1994
[2]C.T.Hsu, J.L.Wu.Hidden digital watennarks in images.IEEETrans.Image Processing, 1999, 8 (1) :58～68
[3]龚声蓉.刘纯平.王强等.清华大学出版社数字图像处理与分析2006.272～273
[4]易开祥.石教英.孙鑫.数字水印技术研究进展.中国图像图形学报.2001.111～117
篇4：数字图像
关键词：模拟图像；数字图像；信号传输
数字图像的原理：
将一副数字图像看作为一个二维图像函数a（x，y），其中x为空间中的横坐标，y为空间中的纵坐标，然而在x-y图像平面中的任意一对空间中的坐标（x，y）上的幅值t称为空间中该点图像像素的灰度。如果，t，x，y，为非负数，此图像为数字图像，一个大小为K*L的数字图像是由空间中K行L列的元素组成的，每个元素都有特定的元素和幅值，产生了图像所在行列的位置上的物理信息。
数字图像的显示：目前所有的显示器都是由许多点构成的，显示图像时这些点所对应的图像的像素，当一副数字被放大后就能够明显的看出图像是由许多方格像素构成的。数字图像分为二值图像（只有黑白两种颜色），灰度图像（在二值图像黑白间介入许多颜色深度），RGB图像（由红，绿，蓝3种颜色混合组成的），索引图像（RGB图像的压缩图像）。
图像分析：就是对图像信息进行加工去满足人类眼睛或者应用需求的行为，利用计算机或者其他数字硬件，对从图像信息转换而得到的电信号进行一些数学计算，提高图像的实用性，它包括：图像的点运算，图像的几何处理，图像的增强技术，图像的复原技术，图像的形态学变换，图像的编码，图像的重建等等。
下面就已加载的位图进行图像应用分析举例：
（1） 使用图像的点运算中的灰度均衡方式进行图像处理，目的是通过点运算使输入图像转换为在每一灰度级上都有相同的图像像素点数的输出图像这对于图像分析将图像转化为一致的格式是十分有益的。如图1-1所示为输入图像，图1-2所示为输出图像。
由图1-2可看出，可见经过灰度均衡后，图像的对比度大大提高，转换后图像的灰度分布也趋于均匀，使人们能够更加清晰地搜索出图像的信息。
（2） 使用图像的几何变换进行图像的转置，图像转置是将像素的x坐标和y坐标进行互换，本操作将改变图像的大小，图像的宽度和高度进行变换。
总结：图像分析处理在我们生活中无处不在，目前图像分析越来越广泛，已经涉及到社会中的各个领域，在国民经济中的作用越来越明显。
参考文献：
[1]何斌，马天宇，王运坚，Visual C++数字图像处理[D] 2002：176-181；
篇5：数字图像处理大纲总结
★
1、数字图像处理的内容：
（1）图像获取、表示和表现（图像的数字化和图像变换）（2）图像增强（3）图像复原（4）图像重建（5）图像压缩编码（6）图像分割（7）图像分析（8）模式识别（9）图像理解
★
2、数字图像处理的层次关系（P 3）：
狭义图像处理-------图像分析-----------图像理解。
抽象程度
低
高
数据量
大
小
语义
低层★编码效率 = 熵 /平均码长
★
4、霍夫曼（Huffman）编码的特点和步骤（P 118）：
思想：在信源数据中出现概率越大的符号（灰度值），编码以后相应的码长越短
步骤：
（1）把输入符号按出现的概率从大到小排列起来,接着把概率最小的两个符号的概率求和；（2）把它（概率之和）同其余符号概率由大到小排序,然后把两个最小概率求和；（3）重复（2）,直到最后只剩下两个概率为止
（4）在上述工作完毕之后，从最后两个概率开始逐步向前进行编码。对于概率大的消息赋予0，小的赋予1。特点：
（1）编码是唯一可译码。短的码不会成为更长码的启始部分；
（2）编码的平均码长接近于熵；编码效率略高于费诺仙侬Fano-Shannon编码。
5、算术编码的特点：
（1）码字本身定义一个介于0和1之间的实数区间，该区间中的任何一个实数就代表要编码的消息序列。（2）信源符号与码字之间不存在一一对应的关系。一个码字不是赋给某个信源符号，而是赋给整个消息序列。（3）当消息中的符号数目增加时，用于描述消息的间隔变得更小，而表示间隔所需要的信息单元（如编码位数）变得更多了。
第七章
图像分割
1、图像分析的步骤：
（1）把图像分割成不同的区域或把不同的对象分开（2）找出分开的各区域的特征
（3）识别图像中要找的对象或对图像进行分类
（4）对不同区域进行描述或寻找出不同区域的相互联系，进而找出相似结构或将相关区域连成一个有意义的结构
2、图像分割的基本策略
（1）分割算法基于灰度值的两个基本特性：不连续性和相似性
（2）检测图像像素灰度级的不连续性，找到点、线（宽度为1）、边（不定宽度）。先找边，后确定区域。
（3）检测图像像素的灰度值的相似性，通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边
★
3、图像分割的方法
（1）基于边缘的分割方法：先提取区域边界，再确定边界限定的区域。（2）区域分割：确定每个像素的归属区域，从而形成一个区域图。（3）区域生长：将属性接近的连通像素聚集成区域
（4）分裂－合并分割：综合利用前两种方法，既存在图像的划分，又有图像的合并。
4、边缘检测算子：
基本思想：计算局部微分算子
一阶微分：用梯度算子来计算
特点：（1）对于阶跃状变化，会出现极大值（两侧都是正值，中间的最大）
（2）对于屋顶状变化，会过零点（两侧符号相反）不变部分为零。用途：用于检测图像中边的存在 二阶微分：通过拉普拉斯来计算
特点：（1）对于阶跃状变化，会过零点（两侧符号相反）
（2）对于屋顶状变化，会出现负极大值（两侧都是正值，中间的最大）不变部分为零。用途：用于检测图像中边的存在
★
5、几种常用的边缘检测算子：
梯度算子：仅计算相邻像素的灰度差，对噪声比较敏感，无法抑止噪声的影响。Roberts算子：与梯度算子类似，效果略好于梯度算子 Prewitt算子：在检测边缘的同时，能抑制噪声的影响 Sobel算子：（1）对4邻域采用带权方法计算差分
（2）能进一步抑止噪声，但检测的边缘较宽
Kirsch算子（方向算子）： 在计算边缘强度的同时可以得到边缘的方向，各方向间的夹角为45º
用法：取其中最大的值作为边缘强度，而将与之对应的方向作为边缘方向（共8个模板）★Laplacian算子：
优点：（1）各向同性、线性和位移不变；
（2）对细线和孤立点检测效果较好。
缺点：（1）对噪音的敏感，对噪声有双倍加强作用；
（2）不能检测出边的方向；（3）常产生双像素的边缘。
注意：由于梯度算子和Laplace算子都对噪声敏感，因此一般在用它们检测边缘前要先对图像进行平滑。
Marr算子：马尔算子是以拉普拉斯算子为基础，首先用一个二维高斯函数对图像卷积以减低图像噪声的影响（平滑）；再用二阶导数差分算子（拉普拉斯算子）计算 优点：是快速，能得到一个闭合的轮廓。缺点：由于使用二阶导数，对噪声敏感。
曲面拟合法：求平均后再求差分，因而对噪声有抑制作用
5、单方向锐化处理：
定义：单方向的一阶锐化是指对某个特定方向上的边缘信息进行增强。因为图像为水平、垂直两个方向组成，所以，单方向锐化实际上是包括水平方向与垂直方向上的锐化。
特点：处理结果对于人工设计制造的具有矩形特征物体（例如：楼房、汉字等）的边缘的提取很有效。但是，对于不规则形状（如：人物）的边缘提取，则存在信息的缺损。后处理：这种锐化算法需要进行后处理，以解决像素值为负的问题
方法1：整体加一个正整数，以保证所有的像素值均为正。
这样做的结果是：可以获得类似浮雕的效果。
方法2：将所有的像素值取绝对值。
这样做的结果是，可以获得对边缘的有方向提取。
方法3：为了检测边缘点，选取适当的阈值T，对梯度图像进行二值化
这样形成了一幅边缘二值图像g(x,y)
6、交叉方向锐化处理：
特点：这类锐化方法对边缘的方向没有选择，又称为无方向的锐化算法。交叉Priwitt锐化算法：与Sobel相比，有一定的抗干扰性。图像效果比较干净 交叉Soble算法：锐化的边缘信息较强
7、Canny边缘检测算子：
定义：Canny边缘检测——最优的阶梯型边缘检测算法
原理：图像边缘检测必须满足两个条件：一能有效地抑制噪声；二必须尽量精确确定边缘的位置。根据对信噪比与定位乘积进行测度，得到最优化逼近算子。这就是Canny边缘检测算子。
★最优边缘检测算子应有的指标：
（1）低误判率
（2）高定位精度
（3）抑制虚假边缘
8、边缘跟踪：
出发点：由于噪音的原因，边界的特征很少能够被完整地描述，在亮度不一致的地方会中断。因此典型的边检测算法后面总要跟随着连接过程和其它边界检测过程，用来归整边像素，成为有意义的边
概念：将检测的边缘点连接成线就是边缘跟踪（线是图像的一种中层符号描述）由边缘形成线特征的两个过程：
（1）可构成线特征的边缘提取（2）将边缘连接成线
连接边缘的方法：
（1）光栅跟踪：一种采用电视光栅行扫描顺序，结合门限检测，对遇到的像素进行分析，从而确定是否为边缘的跟踪方法（2）全向跟踪：跟踪方向可以是任意方向，并且有足够大的跟踪距离的跟踪方法
特点：全向跟踪改进了光栅扫描跟踪法，跟踪时把初始点的八邻点全部考虑进行跟踪
9、阈值分割法：
基本思想：确定一个合适的阈值T，将大于等于阈值的像素作为物体或背景，生成一个二值图像，在四邻域中有背景的像素，既是边界像素。特点：（1）适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一
（2）这种方法总可以得到封闭且连通区域的边界。通过交互方式得到阈值： 实施方法：（1）通过光标获得样点值f（x0,y0）
（2）选取容忍度R（3）if（|f（x,y）–f（x0,y0）| R）
set 255 通过直方图得到阈值：
基本思想：边界上的点的灰度值出现次数较少
取值的方法：取直方图谷底，为最小值的灰度值为阈值T 缺点：会受到噪音的干扰，最小值不是预期的阈值，而偏离期望的值；
改进：取两个峰值之间某个固定位置，如中间位置上。由于峰值代表的是区域内外的典型值，一般情况下，比选谷底更可靠，可排除噪音的干扰
else
set 0
10、复杂图像区域分割的主要步骤：
（1）自动直方图平滑（2）确定区域分类数（3）自动搜索阈值
11、特征空间聚类的步骤：
（1）任意选K个初始聚类中心值
（2）使用最小距离判别，将新读入的像素分到k类中的某一类（3）重新计算中心值，中心值等于这类中元素的平均值（4）当新旧差异不大时停止
12、质心区域增长法
（1）选择一个为划分类型的像素作为起点（2）起点周围未被划分的点与起点所在区域的灰度平均值差异小于阈值合并为一区域，并标记
（3）从新合并来的像素开始，反复进行第（2）步
（4）反复进行（2）（3），直到不能合并
（5）对图像中所有未被划分的像素反复（1）—（4）步
第八章 二值图像处理与形状分析
★
1、如何判断像素是否可删除：
二值图像上改变一个像素的值后，整个图像的连接性不改变，则这个像素可删除
★
2、腐蚀算法的思想和步骤：
思想：设计一个结构元素，结构元素的原点定位在待处理的目标像素上，通过判断是否覆盖，来确定是否该点被腐蚀掉。步骤：（1）扫描原图，找到第一个像素值为1的目标点；
（2）将预先设定好形状以及原点位置的结构元素的原点移到该点；
（3）判断该结构元素所覆盖的像素值是否全部为1：
如果是，则腐蚀后图像中的相同位置上的像素值为1；
如果不是，则腐蚀后图像中的相同位置上的像素值为0；
（4）重复（2）和（3），直到所有原图中像素处理完成。
作用：腐蚀处理可以将粘连在一起的不同目标物分离，并可以将小的颗粒噪声去除。
★
3、膨胀算法的思想和步骤：
思想：设计一个结构元素，结构元素的原点定位在背景像素上，判断是否覆盖有目标点，来确定是否该点被膨胀为目标点。步骤：（1）扫描原图，找到第一个像素值为0的背景点；
（2）将预先设定好形状以及原点位置的结构元素的原点移到该点；
（3）判断该结构元素所覆盖的像素值是否存在为1的目标点：
如果是，则膨胀后图像中的相同位置上的像素值为1； 如果不是，则膨胀后图像中的相同位置上的像素值为0；（4）重复（2）和（3），直到所有原图中像素处理完成。
作用：膨胀处理可以将断裂开的目标物进行合并，便于对其整体的提取。
4、图形线性化：
思想：图像压缩或是图像分析的过程中需要用图形部分像素来代表整个图形，因此提出图形线化的思想 方法：图像线化通常使用骨架法和图形细化两种方法 骨架法：（1）骨架是从距离变换图得来，是距离变换图中灰度值最大的像元集合，（2）即使是无空洞的连通图像它的骨架不一定连通。
（3）骨架可看作是图像压缩表示之一，对骨架图经过加粗运算（加粗量=骨架像元灰度值-1）可近似恢复成原图像。
细化：（1）细化是从二值图像中提取线宽为1像素的中心线的操作。
（2）细化与骨架化不同，只要原图像连通（不管有无空洞），细化的结果总是连通的。
5、边界跟踪法：
理论基础：先根据某些严格的“探测准则”找出目标物体轮廓上的像素，再根据这些像素的某些特征用一定的“跟踪准则”找出目标物体上的其他像素。
跟踪准则：边缘跟踪从图像左上角开始逐像点扫描，当遇到边缘点时则开始顺序跟踪，直至跟踪的后续点回到起始点（对于闭合线）或其后续点再没有新的后续点（对于非闭合线）为止
实现步骤（1）获得原图像的首地址，及图像的高和宽。
（2）开辟一块内存缓冲区，初始化为255。
（3）将图像进行二值化处理。
（4）跟踪边界点，找到1个边界点，就将内存缓冲区中该点相应位置置0。（5）按照跟踪准则，重复执行（4），直到回到初始点。
篇6：数字图像处理读书笔记
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。