数字图像处理报告

随着国民文化水平的提升，报告在工作与学习方面，已经成为了常见记录方式。报告是有着写作格式与技巧的，写出有效的报告十分重要。下面是小编为大家整理的《数字图像处理报告》，供需要的小伙伴们查阅，希望能够帮助到大家。

第一篇：数字图像处理报告

数字图像处理读书报告11

——图像分割

——钱增磊

前言：由于在图像的应用当中，我们经常要将感兴趣的区域提取出来用来识别等其他用途，这就涉及到一个很关键的一个应用，便是图像的分割。图像的分割方法有很多，本章将通过四种大的分割方法来讲解，分别是基于边缘检测的分割，阈值分割，基于区域的分割和形态学分水岭的分割。然而对于分割算法是基于灰度值的两个不同性质来进行的，第一便是不连续性，根据这个性质主要的方法是基于边缘的检测;另一个便是其相似性原理，后三种方法都是根据一组预定义的准则来进行的相似性分割方法。

一、基于边缘检测的分割

1、点与线的检测

根据灰度级突变的特性，往往我们能够看到图像中的点与线，这放在数学中便是一阶导数和二阶导数的特点。如下式所示：

f2ff(x)f(x1)f(x)f(x)f(x1)f(x1)2f(x) 2xx

从中可以得到三个结论：a.一阶导数通常在图像中产生较粗的边缘;b.二阶导数对精细细节有较强的响应;c.二阶导数在灰度斜坡和灰度台阶过渡处会产生双边缘响应;d.二阶导数的符号可用于确定边缘的过渡是从亮到暗还是从暗到亮。

所以我们常用的点与线的检测便对其邻域使用梯度运算和拉普拉斯算子，从而确定点与线的位置。

2、基于边缘的检测

对于边缘模型主要分为三种，分别为台阶模型、斜坡模型和屋顶边缘模型，他们可利用梯度和拉普拉斯算子来区分出来。由于在进行二阶导数变换的时候，常常会出现双边缘响应，那么零灰度轴与二阶导数极值间的连线交点便称为零交叉点，这是个重要特性，对于这个零交叉点可用于寻找到图像的边界。

(1)梯度算子：

罗伯特交叉梯度算子：是最早尝试的具有对角优势的二维模板，对角相减的原理来构建梯度。

Prewitt算子：利用在模板区域中上下、左右邻点的灰度差，在边缘处达到极值来检测边缘。

sobel算子：对于上述的中心系数上使用一个权值2，可以平滑图像，还可以对斜线边缘进行检测，原理与上述相似。

Marr-Hildreth边缘检测器：采用了灰度变化特性“在一阶导数中引起波峰或波谷，或在

二阶导数中等效地引起零交叉”来检测边缘的。该检测器采用高斯拉普拉斯算子LoG：

xy22G(x,y)e4222x2y222

将该滤波器与一幅输入图像卷积，寻找其零交叉来确定原图像的边缘位置。

g(x,y)[2G(x,y)]★f(x,y)

坎尼边缘检测器：首先用一个高斯滤波器平滑输入图像，也就是进行卷积，然后对输出的图像进行计算梯度的幅值和角度，这里采用高斯滤波器主要是因为我们发现最佳台阶边缘检测器的一个较好的近似是高斯一阶导数。再者我们队梯度幅值图像应用非最大抑制，将梯度向量分解为8个方向，分别为相隔45度，对任何一个方向都可以归纳到该8个方向中去。最后我们利用双阈值处理和连接分析来检测并连接边缘。因为在单阈值操作中，阈值设高或者设低都将造成伪边缘点或者删除有效边缘点，于是采用一个低阈值和一个高阈值的方法来克服。对阈值操作想象为创建了两幅图像：

gNH(x,y)gN(x,y)THgNL(x,y)gN(x,y)TL

去除包含的元素，可得到强弱边缘：gNL(x,y)gNL(x,y)gNH(x,y)

3、边缘连接

上述都是一些理想状况下产生位于边缘上的像素集合成连续型，实际上总会由于噪声和不均匀光照等原因引起边缘的间断，造成不连续性，有三种连接的方法。

第一种需要边缘点的邻域，给定一个规则强度，如果满足邻域内：

|M(s,t)M(x,y)|E

则将邻域中的点作为边缘点，E值是一个强度阈值，该规则可利用梯度向量的幅度或者角度来规定。

第二种是区域处理，该区域的边界有许多离散的点构成(由于噪声等原因而离散)，然后选取两个点，连接线段，求剩下点到该线段的距离，如果大于我们给定的距离，则将该点放入边缘点的序列中，对这些点进行连接，一直到形成闭合的区域而停止。如此便可以得到近似的边界，该方法称为多边形拟合算法。

第三种是使用霍夫变换的全局处理，由于上述方法对每一个点都要进行比较，执行的次数非常大，而基本没有应用价值，于是采用霍夫变换。我们可以利用上述检测原理，将直线方程的x、y变量转化为,变量，是基于式：

xcosysin

那么对于不同的x，y有不同的曲线，当这些曲线相交某一点时，相对于空间坐标中的意义就是不同的点的直线对应于同一条直线方程，也就是有很多点共线。那么我们可以根据所需

要找的边界，给出对应的直线方程，就可以找到对应的,曲线，从而提取出所需要的边界。

二、基于阈值处理的分割

从这一节开始就是根据相似性原理来分割图像了。对于一个表达式：

g(x,y)1,.....f(x,y)T 0,.....f(x,y)T

其中T是一种我们设定的分割图像的灰度阈值，该处理称为全局阈值处理。当对于T值随着图像特征而改变时称为可变阈值处理。我们在前面学过对于灰度值的直方图表示，对于一幅含有不同灰度的图像，针对前景灰度值的不同，在灰度直方图中可以看到明显的波峰与波谷，其中对应的波谷便是我们所要分割的阈值。

1、Otsu方法

该方法在类间方差最大的情况下是最佳的。根据图像的灰度特性，图像分为背景和前景，当背景和前景之间的类间方差越大，说明构成图像的两部分的差别越大，当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小，那么对于使雷静方差最大的分割意味着错分概率最小。

2、用图像平滑改善全局阈值处理

由于噪声的存在，如果噪声的比例加大，那么在直方图中感兴趣区域的图像灰度直方图会受到严重的干扰甚至被完全遮盖，无论如何选取阈值都很难进行很好的分割。于是先将对图像进行模糊平滑，去除或减小噪声的影响，使直方图中的波谷重新呈现，在进行Otsu方法进行阈值处理。

3、用边缘改进全局阈值处理

如果需要分割的前景图像过于小的时候，在直方图中没办法超过噪声对直方图的贡献，那我们可以采用计算该图像的梯度或者拉普拉斯来确定。通过将计算后的图像与原图像进行相乘操作，再对其非零元素区域进行直方图的绘制，那么就可以呈现很明显的波谷，其实所呈现的波峰其高灰度段便是图像的边缘特征，然后利用Otsu方法选取阈值，便可得到分割。

4、可变阈值处理

虽然用图像平滑和使用边缘信息用来改善图像凸显边缘，但是仍然会出现无法满足要求的情况，这种时候我们采用一种块分割的办法来求解阈值，将整幅图像分成相同的若干份，对每一份进行求阈值的操作，那么对于每一幅的直方图便可以有很好的体现，从而分割出图像，然后将其合并。该方法的目的就是将感兴趣物体和背景占据的比例大小合适的区域。

三、基于区域的分割

分割的目的就是将一幅图像分割成若干个区域，那么基于区域的分割便是直接以寻找区域为基础的分割技术。

采用的一种技术叫“区域生长”，就是根据预先定义的生长准则将像素或者子区域组合

成更大区域的过程。第一个首要过程便是寻找“种子区域”，根据预先定义的性质将一些邻域内像素凡是符合预先定义准则的都将被加入到每个种子上来，从而形成这些生长区域，其实也就是进行不断地迭代，直到不再有像素满足加入某个区域的准则，这样生长就会停止。

那么另一种技术便是首先将一幅图像细分为一组任意的不相交的区域，然后根据分隔条件聚合和/或分裂这些区域。对于一开始的细分操作，是针对每个单独的细分区域进行准则的匹配，如果不匹配，则进行再次细分，即Q(Ri)FALSE，然后依次在进行细分和判断，但是由于是对某个单独的区域进行的匹配，所以细分的过程中所产生的一些区域可能具有相同的属性，那么对于细分后的区域将要进行聚合操作，这样就可以产生最终的区域分割。它的分割精度，关键是在于匹配准则的选取，因为它的选取决定了在细分过程中的细分精细程度。

四、基于形态学分水岭的分割

该分割方法是一种比上述几种方法更稳定的分割技术，它的关键原理就是找到分水线。一幅图像是由一定的灰度级所显现的，那么把它看成一幅三维的山脉图，也就是说灰度越高，海拔越高，灰度越低，海拔越低，这就形成了一幅有山脉、有盆地的一幅山川景图。那么对于此算法，也就是通过在此幅图当中灰度级最低的(也就是海拔最低的)地方戳一个洞，水从这个洞中流出，根据一步步的迭代，水会流出的越来越多，而被淹没的海拔也会越来越高，慢慢的就会淹没一些小的山峰，而这些山峰所形成的便是“分水线”，即分开两个不同水域的界限，这些分水线是不完整的，那么就继续迭代，直到分水线的全部出现，此时分割的任务也就完成了。

然而对于某些噪声和梯度的局部不规则性，该算法会造成过度分割，形成大量的分割无用的分割区域，这时就采用标记的方法来克服。将与感兴趣物体相联系的标记称为内部标记，与背景相关联的标记称为外部标记，我们对内部标记的定义为：a.被更高海拔点包围的区域;b.区域中形成一个连通分量的那些点;c.连通分量中所有的点有相同的灰度值。基于这样的一种标记，可以在分割中去除大量的背景分割区域，从而区分出我们感兴趣的物体。

总结：本章节内容讲述的几种重要的分割方法各有特点，不仅针对不同特性的图像用相应的方法，还可以联合起来应用，尤其是对于一幅多分辨率的图像，可利用块分割的办法对于不同区域的图像分割用不同的方法进行，能够得到最有效的效果。然而对于本章节所提到的一个分割的关键因素便是分割准则的确定，而这个准则不仅仅只是一个灰度值一些简单的表示，还会利用下一章表示和描述中达到更精确更复杂更有效的分割准则的表示方法。

第二篇：数字图像处理图像变换实验报告

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。

第三篇：简易photoshop代码数字图像处理实验报告

一.一个简单的“photoshop”软件 二.设计目的：

数字图像处理，就是用数字计算机及其他有关数字技术，对图像进行处理，以达到预期的目的。随着计算机的发展，图像处理技术在许多领域得到了广泛应用，数字图像处理已成为电子信息、通信、计算机、自动化、信号处理等专业的重要课程。

数字图像处理课程设计是在完成数字图像处理的相关理论的学习后，进行的综合性训练课程，其目的主要包括：

1、使学生进一步巩固数字图像处理的基本概念、理论、分析方法和实现方法;

2、增强学生应用VC++编写数字图像处理的应用程序及分析、解决实际问题的能力;

3、尝试将所学的内容解决实际工程问题，培养学生的工程实践能力，提高工科学生的就业能力。

三.设计内容： 1.打开图像： 主要代码：

static char szFilter[]="BMP文件(*.bmp)|*.bmp||"; //定义过滤文件的类型

象

CString filename;

int ret=dlg.DoModal(); //运行打开文件对方框

if(ret==IDOK)

{

filename=dlg.GetFileName();

//获取所选择图像的路径

m_dib.LoadFromFile(filename);

//加载图像

if(!m_dib.m_bLoaded)

//判断是否加载图像成功

{ AfxMessageBox("图像打不开");

} return;

CFileDialog dlg(TRUE,"bmp",NULL, OFN_HIDEREADONLY|OFN_OVERWRITEPROMPT,szFilter);//定义文件对话框对

效果图：

2.水平镜像：把图像的第一列和最后一列调转，第二列和倒数第二列换过来，以此类推下去，直到第nw/2为止。 代码： int temp,i,j;

for(j=0;j

for(i=0;i

{

temp=m_dib.m_pdata[j*nw+i];

m_dib.m_pdata[j*nw+i]=m_dib.m_pdata[nw-i-1+j*nw];

m_dib.m_pdata[nw-i-1+j*nw]=temp;

} 效果图：

3.素描风格：先把灰度值与右下的作对比，如果差值大于一个值则说明这是轮廓，先把非轮廓的位置像素置为黑色，最后对所有像素进行底片化处理 代码： int temp,i,j;

for(j=0;j

for(i=0;i

{

temp=m_dib.m_pdata[j*nw+i]-m_dib.m_pdata[(j+1)*nw+i+1];

} if(temp<10) m_dib.m_pdata[j*nw+i]=0;

//黑色为0

for(j=0;j

for(i=0;i

效

{

int gray=m_dib.m_pdata[j*nw+i];

m_dib.m_pdata[j*nw+i]=255-gray;

}

果

图：

4图像雾化：在图像中引入一定的随机值，打乱图像中的像素值

代码：

int i,j,k,dat;

//i表示列，j表行

byte *ptemp=(byte *)new byte[nw*nh];

memset(ptemp,0,nw*nh);

for(j=0;j

for(i=0;i

{

k=rand()%8;//取任意的随机值

dat=j*nw+i+k; if(dat>=nw*nh) dat=nw*nh-1; ptemp[j*nw+i]=m_dib.m_pdata[dat];

} memcpy(m_dib.m_pdata,ptemp,nw*nh); 效果图：

5.浮雕处理：通过勾画图象轮廓和降低周围像素色值,从而生成具有凹凸感的浮雕效果。其方法是生成一缓冲区，计算当前像素的左上角与右下角的像素值之差，再加上一个补值。将其存储到缓冲区。再将缓冲区的数据逐点替换到图像中并显示出来。 代码：

int w=3,i,j;

//w为模板宽度

BYTE *p=new BYTE[nw*nh];

memcpy(p,m_dib.m_pdata,nw*nh);

for(j=w/2;j

for(i= w/2;i

{

p[j*nw+i]=m_dib.m_pdata[(j-1)*nw+i-1]*(1)+m_dib.m_pdata[(j+1)*nw+i+1]*(-1)+120;

}

memcpy(m_dib.m_pdata,p,nw*nh);

delete []p; 效果图：

6.直方图均衡化 代码：

int n[256]={0},g[256]={0}; //定义频数数组n,均衡化每个像素的灰度级的数组g

double f[256],t[256]; //定义频率数组f，累加的频率数组t

int g_max=0,g_mim=255;

int i,j,k,z;

for(j=0;j

//统计灰度级的频数n for(i=0;i

z=m_dib.m_pdata[j*nw+i];

n[z]++;

}

for(k=0;k<=255;k++)

//统计每个灰度级出现的频率

f[k]=n[k]/(nw*nh*1.0);

//累计灰度级的频率

t[0]=f[0]; for(k=1;k<=255;k++)

t[k]=t[k-1]+f[k];

for(j=0;j

for(i=0;i

g_max=w>g_max?w:g_max; //得到最大值

g_mim=w

}

for(k=0;k<=255;k++)

//利用公式求每个像素均衡化后的灰度级

g[k]=(int)((g_max-g_mim)*t[k]+g_mim+0.5);

for(j=0;j

//逐个替换

for(i=0;i

k=m_dib.m_pdata[j*nw+i];

m_dib.m_pdata[j*nw+i]=g[k];

}

for(j=0;j

//计算均衡化的直方图

{

//绘制原图像的直方图

for(i=0;i

{

BYTE temp=m_dib.m_pdata[j*nw+i];

m_hist[temp]++; } m_bHist=true;

CString str; int nh=m_dib.GetDIBHeight(); int i; // 画坐标轴

// 绘制坐标轴

pDC->MoveTo(410,nh+20); //(410，nh+20 )是直方图的左上角坐标

// 垂直轴

pDC->LineTo(410,nh+200);//(410，nh+200 )是直方图的左下角坐标

// 水平轴

pDC->LineTo(710,nh+200);//(710，nh+200 )是直方图的右下角坐标

// 写X轴刻度值

str.Format("0"); pDC->TextOut(410, nh+200+10, str); str.Format("50"); pDC->TextOut(460, nh+200+10, str); str.Format("100"); pDC->TextOut(510, nh+200+10, str); str.Format("150"); pDC->TextOut(560, nh+200+10, str); str.Format("200"); pDC->TextOut(610, nh+200+10, str); str.Format("255"); pDC->TextOut(665, nh+200+10, str); // 绘制X轴刻度 for ( i = 0; i < 256; i += 25) {

if ((i & 1) == 0) {

} // 10的倍数

pDC->MoveTo(i + 10, nh+200-2); pDC->LineTo(i + 10, nh+200+2);

}

else {

} // 10的倍数

pDC->MoveTo(i + 10, nh+200-2); pDC->LineTo(i + 10, nh+200+2); } // 绘制X轴箭头

pDC->MoveTo(705,nh+200-5); pDC->LineTo(710,nh+200); pDC->LineTo(705,nh+200+5); // 绘制y轴箭头

pDC->MoveTo(410,nh+20); pDC->LineTo(405,nh+20+5); pDC->MoveTo(410,nh+20); pDC->LineTo(415,nh+20+5); int max=0; for(i=0;i<256;i++) if(m_yuan[i]>max) {

} max=m_yuan[i];

for(i=0;i<256;i++) pDC->MoveTo(410+i,nh+200); pDC->LineTo(410+i,nh+200-(m_yuan[i]*160/max)); } if(m_bHist==true) //绘画新的直方图 {

CString str; int nh=m_dib.GetDIBHeight(); int i; // 画坐标轴 // 绘制坐标轴

pDC->MoveTo(10,nh+20); //(10，nh+20 )是直方图的左上角坐标

// 垂直轴

pDC->LineTo(10,nh+200);//(10，nh+200 )是直方图的左下角坐标

// 水平轴

pDC->LineTo(310,nh+200);//(310，nh+200 )是直方图的右下角坐标

// 写X轴刻度值 str.Format("0");

pDC->TextOut(10, nh+200+10, str); str.Format("50"); pDC->TextOut(60, nh+200+10, str); str.Format("100"); pDC->TextOut(110, nh+200+10, str); str.Format("150"); pDC->TextOut(160, nh+200+10, str); str.Format("200"); pDC->TextOut(210, nh+200+10, str); str.Format("255"); pDC->TextOut(265, nh+200+10, str); // 绘制X轴刻度 for ( i = 0; i < 256; i += 25) {

if ((i & 1) == 0) { // 10的倍数

} else {

// 10的倍数

pDC->MoveTo(i + 10, nh+200-2); pDC->LineTo(i + 10, nh+200+2); pDC->MoveTo(i + 10, nh+200-2); pDC->LineTo(i + 10, nh+200+2); } } // 绘制X轴箭头

pDC->MoveTo(305,nh+200-5); pDC->LineTo(310,nh+200); pDC->LineTo(305,nh+200+5); // 绘制y轴箭头 pDC->MoveTo(10,nh+20); pDC->LineTo(5,nh+20+5); pDC->MoveTo(10,nh+20); pDC->LineTo(15,nh+20+5); int max=0; for(i=0;i<256;i++) if(m_hist[i]>max) { max=m_hist[i];

for(i=0;i<256;i++) pDC->MoveTo(10+i,nh+200); pDC->LineTo(10+i,nh+200-(m_hist[i]*160/max));

} } 效果图：

四.心得体会：

通过这次数字图像处理的课程设计，对图片有了更深一层的认识，理解了对图像处理的一些原理，在这个课程设计过程中，需要自己去查阅资料，找资料，还需要理解所找到的资料，遇到问题独立去思考，或者去请教同学，给了我一个很好的锻炼机会，做事情一定要坚持，最后一定会有收获的。

五.参考文献：

《数字图像处理》 ——电子工业出版社

《vc++数字图像处理实验指导书》 曹老师、何家峰主编

第四篇：数字图像处理心得

数字图像处理&视频处理之体会

姓名：宋彦

学号：08370902

班级：1310809

在这一学期，我选修了《数字图像处理基础》这门课程，同时，老师还讲授了一些视频处理的知识。在这里，梳理一下这学期学到的知识，并提出一些我对这门课程的建议。

图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展,其应用空间将会更加广泛。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。数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果，操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。目前，随着计算机技术的不断发展，计算机的运算速度得到了很大程度的提高。在短短的历史中，它却广泛应用于几乎所有与成像有关的领域，在理论上和实际应用上都取得了巨大的成就。

1. 数字图像处理需用到的关键技术

由于数字图像处理的方便性和灵活性，因此数字图像处理技术已经成为了图像处理领域中的主流。数字图像处理技术主要涉及到的关键技术有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。

图像的采集与数字化：就是通过量化和取样将一个自然图像转换为计算机能够处理的数字形式。

图像编码：图像编码的目的主要是来压缩图像的信息量，以便能够满足存储和传输的要求。

图像的增强：图像的增强其主要目的是使图像变得清晰或者将其变换为机器能够很容易分析的形式，图像增强方法一般有：直方图处理、灰度等级、伪彩色处理、边缘锐化、干扰抵制。

图像的恢复：图像恢复的目的是减少或除去在获得图像的过程中因为各种原因而产生的退化，可能是由于光学系统的离焦或像差、被摄物与摄像系统两者之间的相对运动、光学或电子系统的噪声与介于被摄像物跟摄像系统之间的大气湍流等等。

图像的分割：图像分割是将图像划分为一些互相不重叠的区域，其中每一个区域都是像素的一个连续集，通常采用区域法或者寻求区域边界的境界法。

图像分析：图像分析是指从图像中抽取某些有用的信息、数据或度量,其目的主要是想得到某种数值结果。图像分析的内容跟人工智能、模式识别的研究领域有一定的交叉。

2. 数字图像处理的特点

数字图像处理的特点主要表现在以下几个方面：

1) 数字图像处理的信息大多是二维信息，处理信息量很大。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。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不是独立的，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。所以，图像处理中信息压缩的潜力很大。

4) 数字图像处理后的图像受人的因素影响较大，因为图像一般是给人观察和评价的。

3. 数字图像处理的优点

数字图像处理的优点主要表现在4个方面。

1) 再现性好。数字图像处理与模拟图像处理的根本不同在于它不会因图像的存储、传输或

复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，那么数字图像处理过程始终能保持图像的再现。

2) 处理精度高。将一幅模拟图像数字化为任意大小的二维数组，主要取决于图像数字化设

备的能力。

3) 适用面宽。图像可以来自多种信息源,它们可以是可见光图像，也可以是不可见的波谱图

像。只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。

4) 灵活性高。图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每

一部分均包含丰富的内容。

4. 数字图像处理的应用领域

图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面，随着人类活动范围的不断扩大,图像处理的应用领域也将随之不断扩大。

航天和航空技术：在飞机遥感和卫星遥感技术中用配备有高级计算机的图像处理系统来判读分析，既节省人力又加快了速度，还可以从照片中提取人工所不能发现的大量有用情报。 生物医学工程：除了CT技术之外，还有对医用显微图像的处理分析，如红细胞、白细胞分类，染色体分析，癌细胞识别等。

通信工程：当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。在一定意义上讲，编码压缩是这些技术成败的关键。除了已应用较广泛的熵编码、DPCM编码、变换编码外，目前国内外正在大力开发研究新的编码方法，如分行编码、自适应网络编码、小波变换图像压缩编码等。

工业和工程领域：图像处理技术有着广泛的应用，如自动装配线中检测零件的质量并对零件进行分类，印刷电路板疵病检查，弹性力学照片的应力分析，流体力学图片的阻力和升力分析,邮政信件的自动分拣，在一些有毒、放射性环境内识别工件及物体的形状和排列状态，先进的设计和制造技术中采用工业视觉等等。

军事方面：图像处理和识别主要用于导弹的精确末制导,各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统，飞机、坦克和军舰模拟训练系统等;公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等。 文化艺术：电视画面的数字编辑、动画的制作、电子图像游戏、纺织工艺品设计、服装设计与制作、发型设计、文物资料照片的复制和修复、运动员动作分析和评分等等。

视频和多媒体系统：电视制作系统广泛使用的图像处理、变换、合成，多媒体系统中静止图像和动态图像的采集、压缩、处理、存贮和传输等。

电子商务：图像处理技术在电子商务中也大有可为,如身份认证、产品防伪、水印技术等。

在这门课程的最后，代课老师给我们讲授了数字视频处理，让我们了解到数字视频就是以数字形式记录的视频，和模拟视频相对的。数字视频有不同的产生方式，存储方式和播出方式。比如通过数字摄像机直接产生数字视频信号，存储在数字带，P2卡，蓝光盘或者磁盘上，从而得到不同格式的数字视频。然后通过PC，特定的播放器等播放出来。了解了数字视频发展过程和视频压缩的概念和分类等。

我们这门课程主要是上理论课，其中有很复杂的数学原理，专业术语多，基础知识要求高，理解起来有些困难。当初选择这门课是希望能有一些具体软件的教学。就我了解，视频处理的软件有MAYA、Premiere、绘声绘影、windows自带的MOVE MAKER;处理数字图像的软件主要有matlaB、photoshop、ImageJ(java图像处理程序)。其中，matlaB和PS

很具有教学性，这两个软件也运用的很广。

MATLAB全称是MatrixLaboratory(矩阵实验室)，一开始它是一种专门用于矩阵数值计算的软件，从这一点上也可以看出，它在矩阵运算上有自己独特的特点。实际运用中MATLAB中的绝大多数的运算都是通过矩阵这一形式进行的，这一特点决定了MATLAB在处理数字图像上的独特优势。理论上讲，图像是一种二维的连续函数，然而计算机对图像进行数字处理时，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。

Photoshop是Adobe公司旗下最为出名的图像处理软件之一，集图像扫描、编辑修改、图像制作、广告创意，图像输入与输出于一体的图形图像处理软件，深受广大平面设计人员和电脑美术爱好者的喜爱。

如果能理论和实践相结合，相信我们会把数字图像处理理解的跟透彻，同时也锻炼了大家的动手能力。希望老师能考虑我的这点建议，多开设实际动手的课程。

第五篇：数字图像处理学习心得

数字图象处理心得体会

经过这几周的学习，我从一个什么都不了解的小白，变成了一个明白这门课程的意义的初学者，觉得学到了不少有用同时又很有趣的知识，也对数字图象处理有了新的理解。老师从数字图像处理的意义讲起，中间介绍了许多目前仍在应用的相关技术，让我明白了图像处理在我们生活中的重要性，下面我来谈谈我自己的学习成果和感受。

图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展,其应用空间将会更加广泛。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。数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果，操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。目前，随着计算机技术的不断发展，计算机的运算速度得到了很大程度的提高。在短短的历史中，它却广泛应用于几乎所有与成像有关的领域，在理论上和实际应用上都取得了巨大的成就。

从定义上来说，图像处理是指按照一定的目标，用一系列的操作，来“改造”图像的方法。 我觉得字面上的意思就是，对图像进行处理，得到自己想要的效果。图象处理的内容有很多种：几何处理，算术处理、图像增强、图像复原、图像重建、图像识别、图像压缩。而目前进行图像处理就是指用计算机对图像进行空域法和变换域法。资料上介绍说，数字图象处理起源于20世纪20年代，那时第一次通过海底电缆传输图像;1921年人们用电报打印机采用特殊字符在编码纸带中产生图像;1922年在信号两次穿越大西洋后，从穿孔纸带得到数字图像;1929年从伦敦到纽约用15级色调设备传送照片。到了20世纪60年代早期，计算机发展，有了第一台可执行有意义的图像处理任务的大型计算机，美国利用航天器传送了第一张月球照片。从20世纪60年代末到70年代初，开始用于医学图像、地球遥感、天文学等领域，如CT图像和X射线图像。至今，数字图象处理仍旧广泛应用于工业、医学、地理学、考古学、物理学、天文学等多个领域。比如，太空技术中的航天技术、空间防御、天文学;生物科学的生物学和医学;刑事(物证)上的指纹、人脸分析;国防方面的军事探测，导弹目标识别;工业应用中的产品检测还有日常生活中的照片编辑、影视制作。

从概念上来说，数字图像用f(x，y)表示一幅图像，x，y，f为有限、离散值。图像处理涉及到图像的分析和计算机视觉，其中分为低级处理、中级处理、高级处理。低级处理是指输入输出均为图像(如图像缩放、图像平滑);中级处理是输入图像，然后输出提取的特征(如区域分割、边界检测);高级处理则是理解识别的图像(如无人机驾驶，自动机器人)。 数字图像处理的几个基本目的是：

图像输入->图像处理(增强、复原、编码和压缩)->图像输出。以人为最终的信息接收者，其主要目的是改善图像的质量。

图像输入->图像预处理(增强、复原)->图像分割->特征提取->图像分类->图像输出。另一类图像处理以机器为对象，目的是使机器或计算机能自动识别目标，称为图像识别。

图像输入->图像预处理->图像描述->图像分析和理解->图像解释。利用计算机系统解释图像，实现类似人类视觉系统理解外部知识，被称为图像理解或计算机视觉。其正确的理解要有知识的引导，与人工智能等学科有密切联系。当前理论上有不小进展，但仍是一个有待进一步探索的领域。

数字图像处理主要研究的内容包括：

1)图像变换：如傅里叶变换、沃尔什变换、离散余弦变换(DCT)等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理。目前小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。

2)图像编码压缩

图像编码压缩技术可减少描述图像的数据量(即比特数)，以便节省图像传输、处理时间和减少存储器容量。压缩可以在不失真前提下获得，也可以在允许的失真条件下进行。编码是压缩技术最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。

3)图像增强和复原

目的是提高图像的质量，如去除噪声，提高清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显;如强调低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，建立“降质模型”，再采用某种方法，恢复或重建原来的图像。

4)图像分割

图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中物体的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。

数字图像处理的特点主要表现在数字图像处理的信息大多是二维信息，处理信息量很大。因此对计算机的计算速度、存储容量等要求较高;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。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;数字图像中各个像素不是独立的，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。所以，图像处理中信息压缩的潜力很大。数字图像处理后的图像受人的因素影响较大，因为图像一般是给人观察和评价的。

数字图像处理的优点主要表现在再现性好、处理精度高、适用面宽、灵活性高等方面。图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。

数字图像处理的主要应用有：

通讯技术---图像传真，电视电话，威信通讯，数字电视;

宇宙探索---其他星体图片处理;

遥感技术---农林资源调查，作物长势监视，自然灾害(水、火、风、虫等)监测、预报，地势、地貌以及地质构造测绘，找矿，水文、海洋调查，环境污染监测，等等;

生物医学---X射线、超声、显微图片分析，内窥镜图、温谱图分析，断层及核磁共振分析;工业生产---无损探伤，石油勘探，生产过程的自动化(识别零件，装配，质量检查)，工业机器人视觉;

计算机科学---文字、图像输入的研究，计算机辅助设计，人工智能研究，多媒体计算机与智能计算机研究;

气象预报---天气云图测绘、传输;

高能物理---核子泡室图片分析;

军事技术---航空及卫星侦察照片的判读，导弹制导，雷达、声纳图像处理，军事仿真;

侦缉破案---指纹识别，印鉴、伪钞识别，手迹分析;考古---恢复珍贵的文物图片，名画，壁画。

由此可见，数字图像在我们日常生活中占有多大的地位。它是我们生活中接触最多的图形类别，它伴随人们的生活、学习、工作，并在军事、医学和工业方面发挥着极大的作用，可谓随处可见，尤其在生活方面作为学生的我们会在外出旅游、生活、工作中拍下许多数字相片，现在已经进入信息化时代，图像作为信息的重要载体在信息传输方面有着声音、文字等信息载体不可替代的作用，并且近年来图像处理领域，数字图象处理技术取得了飞速发展。

通过课程学习，我们虽说还没有完全掌握数字图像处理技术，但也收获不少，对于数字图像方面有了更深入的了解，更加理解了数字图像的本质，即是一些数字矩阵，但灰度图像和彩色图像的矩阵形式是不同的。对于一些耳熟能详的数字图像相关术语有了明确的认识，比如常见的：像素(衡量图像的大小)、分辨率(衡量图像的清晰程度)、位图(放大后会失真)、矢量图(经过放大不会失真)等大家都能叫上口却知识模糊的名词。也了解图像处理技术中一些常见处理技术的实质，比如锐化处理是使模糊的图像变清晰，增强图像的边缘等细节。而平滑处理的目的是消除噪声，模糊图像，在提取大目标之前去除小的细节或弥合目标间的缝隙。对常提的RGB图像和灰度图像有了明确的理解，这对大家以后应用Photoshop等图像处理软件对图像进行处理打下了坚实的基础。

虽然这门课是只有7周理论课，但老师所讲的内容让我非常感兴趣，数字图象处理的应用贯通各个行业，遍布我们生活的电子产品，这让我学习后感觉离这些产品的使用和了解更进了一步。学习数字图象处理对我们学电子工程的学生非常有用，无论以后是否从事相关工作都让我感觉受益良多。随着现代电子技术发展的越来越快，我相信图像处理技术一定会有更大的进步，从国防到娱乐给我们的生活带来更多的便利，和更好的科学技术。