数字图像处理大纲通用(7篇)

每个人都曾试图在平淡的学习、工作和生活中写一篇文章。写作是培养人的观察、联想、想象、思维和记忆的重要手段。范文书写有哪些要求呢？我们怎样才能写好一篇范文呢？接下来小编就给大家介绍一下优秀的范文该怎么写，我们一起来看一看吧。

数字图像处理大纲篇一

第一章 导论

1.图像：对客观对象的一种相似性的生动性的描述或写真。

2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段），按空间坐标和亮度的连续性（模拟和数字）。

（1）提高图像的视觉质量，以达到赏心悦目的目的。

（2）提取图像中所包含的某些特征或特殊信息，以便于计算机分析

（5）其他应用：图像远距离通信、电视会议、天气预报、现场视频管理等

9.决定图像质量的因素：

（1）平均亮度

（2）对比度

（3）清晰度：由图像边缘灰度变化的速度来描述

（4）分解力或分辨率

（5）采样间隔

（6）量化等级

采样间隔：

采样间隔小——所得像素数多——空间分辨率高——数据量大——质量好

量化等级：

1)采样孔：保证单独观测特定的像素而不受其它部分的影响。2)图像扫描机构：使采样孔按预先确定的方式在图像上移动。

3)光传感器：通过采样孔测量图像的每一个像素的亮度。

4)量化器：将传感器输出的连续量转化为整数值。

1)用于判断图像量化是否恰当（各个像素都要有才恰当）

2)用于确定图像二值化的阈值（以确保二值化后效果更好）

3)当影像上目标的灰度值比其它部分灰度值大或者灰度区间已知时，可利用直方图统计图像中物体的面积 4)计算图像信息量：熵h（根据不同像素的概率可求）21.图像处理基本功能的形式：单幅图像 → 单幅图像，多幅图像 →单幅图像，单（或多）幅图像→ 数字或符号。

1)局部处理：对输入图像像素p（i,j）处理时，某一输出像素q（i,j）由输入图像像素及其邻域中的像素值确定。这种处理称为局部处理。

理形式称为迭代处理

1)组合方式：一个字长存放多个像素灰度值的方式。它能起到节省内存的作用，但导致计算量增加，使处理程序复杂。2)比特面方式：按比特位存取像素，即将所有像素的相同比特位用一个二维数组表示，形成比特面。3)分层结构：由原始图像开始依次构成像素数愈来愈少的一幅幅图像，就能使数据表示具有分层性，其代表有锥形(金字塔)结构。

5)多重图像数据存储：逐波段存储，分波段处理时采用；逐行存储，行扫描记录设备采用；逐像素存储，用于分类。

25.图像的特征：

1)自然特征：光谱特征、几何特征、时相特征；

2)人工特征：直方图特征，灰度边缘特征，线、角点、纹理特征；

3)特征的范围：点特征、线特征、局部特征、区域特征、整体特征。

4)特征提取：获取图像特征信息的操作。把从图像提取的m个特征量y1，y 2，„，ym，用m维的向量y＝[y1 y2„ym]t表示称为特征向量。另外，对应于各特征量的m维空间叫做特征空间。

外部噪声：图像处理系统外部产生的噪声

如：天体放电干扰、电磁波从电源线窜入系统等

内部噪声：系统内部产生的噪声，来源有：

从统计理论观点分类：

28.几种颜色模型：

1、rgb颜色模型：

特点：色彩空间采用物理三基色表示，适合彩色显象管工作

2、his（hsb）颜色模型：

（3）亮度brightness：指由于彩色刺激而使人眼感觉到的明暗程度 特点：（1）它比rgb色彩空间更符合人的视觉特性。

（2）在hsb色彩空间可以大大简化图像分析和处理的工作量

特点：用于彩色打印机、印刷彩色图片

第三章 图像变换

29.图像变换的要求：

图像变换通常是一种二维正交变换。

1)正交变换必须是可逆的；

2)正变换和反变换的算法不能太复杂；

1)使图像处理问题简化； 2)有利于图像特征提取；

将原来难以处理的时域信号转换成了易于分析的频域信号（信号的频谱），即将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。

这样通过观察傅立叶变换后的频谱图，也叫功率图，了解图像特征。

第四章 图像增强

32.图像增强的目的

（1）改善图像视觉效果，提高图像清晰度（消除噪声）

34.频率域增强是先对图像经傅立叶变换后的频谱成分进行某种处理，然后经逆傅立叶变换获得所需的图像。

35.灰度变换用来调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。

1)线性变换：对图像每一个像素灰度作线性拉伸，将有效改善图像视觉效果。

2)分段线性变换：为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。3)非线性灰度变换：对数变换（当希望对图像的低灰度区较大的拉伸而对高灰度区压缩时，可采用这种变换，它能使图像灰度分布与人的视觉特性相匹配）。

指数变换（对图像的高灰度区给予较大的拉伸）

1)在0≤r≤1内为单调递增函数，保证灰度级从黑到白的次序不变；

2)在0≤r≤1内，有0≤t(r)≤1，确保映射后的像素灰度在允许的范围内。

40.一幅图像的sk与rk之间的关系称为该图像的累积灰度直方图。

41.直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。

42.直方图规定化的步骤：

（4）根据新灰度值计算输出图像

43.利用直方图规定化方法进行图像增强的主要困难在于要构成有意义的直方图。图像经直方图规定化，其增强效果要有利于人的视觉判读或便于机器识别。

44.为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。45.用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑，又称邻域平均法。

46.超限像素平滑法：将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根 据比较结果决定点（x,y）的最后灰度g´(x,y)。

47.灰度最相近的k个邻点平均法：可用窗口内与中心像素的灰度最接近的k个邻像素的平均灰度来代替窗口中心像素的灰度值。

48.最大均匀性平滑：为避免消除噪声引起边缘模糊，该算法先找出环绕图像中每像素的最均匀区域，然后用这区域的灰度均值代替该像素原来的灰度值。具体可选任一像素（x,y）的5个有重叠的3*3邻域，用梯度衡量它们灰度变化的大小。

49.有选择保边缘平滑法：对图像上任一像素(x,y)的5×5邻域，采用9个掩模：一个3×3正方形、4个五边形和4个六边形。计算各个掩模的均值和方差，对方差进行排序，最小方差所对应的掩模的灰度均值就是像素（x,y)的输出值。

50.空间低通滤波法：应用模板卷积方法对图像每一像素进行局部处理。不管什么样的掩模，必须保证全部权系数之和为单位值，这样可保证输出图像灰度值在许可范围内，不会产生“溢出”现象。

（1）对脉冲干扰及椒盐噪声的抑制效果好

（2）在抑制随机噪声的同时能有效保护边缘少受模糊

（3）对点、线等细节较多的图像却不太合适

（4）离散阶跃信号、斜升信号没有受到一维中值滤波的影响，而离散三角信号的顶部则变平了。对于离散的脉冲信号，当其连续出现的次数小于窗口尺寸的一半时，将被抑制掉，否则将不受影响。

52.各种空间域平滑算法效果比较：

1)局部平滑法算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。

2)超限像素平滑法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。并且随着邻域增大，去噪能力增强，但模糊程度也大。超限像元平滑法比局部平滑法去椒盐噪声效果更好。

3)灰度最相近的k个邻点平均法：较小的k值使噪声方差下降较小，但保持细节效果较好；而较大的k值平滑噪声较好，但会使图像边缘模糊。4)最大均匀性平滑经多次迭代可增强平滑效果，在消除图像噪声的同时保持边缘清晰性。但对复杂形状的边界会过分平滑并使细节消失。5)有选择保边缘平滑法既能够消除噪声，又不破坏区域边界的细节。6)中值滤波对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多的图像却不太合适。中值滤波法能有效削弱椒盐噪声，且比邻域、超限像素平均法更有效。

53.图像空间域锐化增强图像的边缘或轮廓。

258.高通滤波法就是用高通滤波算子和图像卷积来增强边缘。

60.频率域低滤波器h(u,v)有四种：理想低通滤波器、butterworth低通滤波器、指数低通滤波器、.梯形低通滤波器。61.各种滤波器效果比较;1)理想低通滤波器:在去噪声的同时将会导致边缘信息损失而使图像边模糊,并产生振铃效应。2)butterworth低通滤波器的特性是连续性衰减，而不象理想滤波器那样陡峭变化，即明显的不连续性。因此采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度大大减小，没有振铃效应产生。

3)指数低通滤波器：图像边缘的模糊程度较用butterworth滤波产生的大些，无明显的振铃效应。4)梯形低通滤波器的性能介于理想低通滤波器和指数滤波器之间，滤波的图像有一定的模糊和振铃效应。62.频率域锐化：采用高通滤波器让高频成分通过，使低频成分削弱，再经逆傅立叶变换得到边缘锐化的图像。包括：理想高通滤波器、巴特沃斯高通滤波器、指数滤波器、梯形滤波器。63.彩色增强技术是利用人眼的视觉特性，将灰度图像变成彩色图像或改变彩色图像已有彩色的分布，改善图像的可分辨性。彩色增强方法可分为伪彩色增强和假彩色增强两类。64.伪彩色增强是把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。

65.伪彩色增强的方法主要有密度分割法、灰度级一彩色变换和频率域伪彩色增强三种。66.密度分割法是把黑白图像的灰度级从0（黑）到m0（白）分成n个区间ii(i=1，2，„，n),给每个区间ii指定一种彩色ci，这样，便可以把一幅灰度图像变成一幅伪彩色图像。67.灰度级一彩色变换将原图像f(x,y)的灰度范围分段，经过红、绿、蓝三种不同变换tr(•)、tg(•)和tb(•)，变成三基色分量ir(x,y)、ig(x,y)、ib(x,y)，然后用它们分别去控制彩色显示器的红、绿、蓝电子枪，便可以在彩色显示器的屏幕上合成一幅彩色图像。

68.频率域伪彩色增强比较简单、直观。缺点是变换出的彩色数目有限。

1)使感兴趣的目标呈现奇异的彩色或置于奇特的彩色环境中，从而更引人注目； 2)使景物呈现出与人眼色觉相匹配的颜色，以提高对目标的分辨力。

71.伪彩色增强与假彩色增强有何区别：伪彩色处理主要解决的是如何把灰度图变成伪彩色图的问题,最简单的办法是选择对应于某一灰度值设一彩色值来替代,可称之为调色板替代法.另外一种比较好的伪彩色处理方法是设定三个独立的函数 ,给出一个灰度值,便由计算机估算出一个相应的rgb值.假彩色(false color)处理是把真实的自然彩色图像或遥感多光谱图象处理成假彩色图像.假彩色处理的主要用途是:(1)景物映射成奇异彩色,比本色更引人注目.(2)适应人眼对颜色的灵敏度,提高鉴别能力.可把细节丰富的物体映射成深浅与亮度不一的颜色.(3)遥感多光谱图象处理成假彩色,可以获得更多信息.72.像素级影像融合是采用某种算法将覆盖同一地区（或对象）的两幅或多幅空间配准的影像生成满足某种要求的影像的技术。

第五章 图像复原与重建

73.图像的退化是指图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像的质量变坏。

1)图像增强不考虑图像是如何退化的，而是试图采用各种技术来增强图像的视觉效果。因此，图像增强可以不顾增强后的图像是否失真，只要看得舒服就行。2)而图像复原就完全不同，需知道图像退化的机制和过程等先验知识，据此找出一种相应的逆处理方法，从而得到复原的图像。

3)如果图像已退化，应先作复原处理，再作增强处理。

4)二者的目的都是为了改善图像的质量。

77.当输入的单位脉冲函数延迟了α、β单位，即当输入为δ（x –α，y –β）时，如果输出为h（x –α，y –β），则称此系统为位移不变系统。

1）由于许多种退化都可以用线性位移不变模型来近似，这样线性系统中的许多数学工具如线性代数，能用于求解图像复原问题，从而使运算方法简捷和快速。

2）当退化不太严重时，一般用线性位移不变系统模型来复原图像，在很多应用中有较好的复原结果，且计算大为简化。

3）尽管实际非线性和位移可变的情况能更加准确而普遍地反映图像复原问题的本质，但在数学上求解困难。只有在要求很精确的情况下才用位移可变的模型去求解，其求解也常以位移不变的解法为基础加以修改而成。

图像的几何变换包括了图像的形状变换和图像的位置变换。图像的几何变换不改变像素的值，只改变像素的位置。

图像的形状变换：图像的放大、缩小与错切。通常在目标物识别中使用。

（不同几何变换对应着不同的变换矩阵）82.图像旋转时的问题：

（1）需要前期处理：扩大画布，取整处理，平移处理。

ycos

83.图像在获取过程中，由于成像系统本身具有非线性、拍摄角度等因素的影响，会使获得的图像产生几何失真，可分为：系统失真和非系统失真。系统失真是有规律的、能预测的；非系统失真则是随机的。

84.对图像进行几何校正的必要性：当对图像作定量分析时，就要对失真的图像先进行精确的几何校正（即将存在几何失真的图像校正成无几何失真的图像），以免影响定量分析的精度。

85.几何校正分两步：

2)确定各像素的灰度值（灰度内插）86.几何校正方法可分为直接法和间接法两种。

特点：① 方法最简单，效果尚佳

② 校正后的图像有明显锯齿状，即存在灰度不连续性

特点：① 比最近邻元法复杂，计算量大

② 没有灰度不连续性的缺点，结果令人满意

③ 具有低通滤波性质，使高频分量受损，图像轮廓有一定模糊

特点：该算法计算量最大，但内插效果最好，精度最高。89.图像重建有三种模型：透射模型、发射模型和反射模型。

90.透射模型建立于能量通过物体后有一部分能量会被吸收的基础之上，透射模型经常用于x射线、电子射线及光线和热辐射的情况下，它们都遵从一定的吸收规则。91.发射模型可用来确定物体的位置。这种方法已经广泛用于正电子检测,通过在相反的方向分解散射的两束伽马射线,则这两束射线的渡越时间可用来确定物体的位置。

92.反射模型可以用来测定物体的表面特征，例如光线、电子束、激光或超声波等都可以用来进行这种测定。

93.从多个断面恢复三维形状的方法有voxel 法（体素法）、分块的平面近似法。

第六章 图像编码与压缩

94.图像压缩的目的和意义

分组成。

如果能减少或消除其中的1种或多种冗余，就能取得

数据压缩的效果

95.图像编码压缩的分类

根据编码作用域划分

（1）空间域编码（2）变换域编码

冗余度原理：若对原始图像数据的信息进行无失真图像编码，压缩后平均码长存在一个下限，这个下限是图像信息熵h。理论上最佳信息保持编码的平均码长可以无限接近图像信息熵h。但总是大于或等于图像的熵h。

97.根据解压重建后的图像和原始图像之间是否具有误差，图像编码压缩分为无误差（亦称无失真、无损、信息保持）编码和有误差（有失真或有损）编码两大类。98.根据编码作用域划分，图像编码为空间域编码和变换域编码两大类。

99.描述解码图像相对原始图像偏离程度的测度一般称为保真度，可分为两大类：客观保真度准则和主观保真度准则。

100.最常用的客观保真度准则是原图像和解码图像之间的均方根误差和均方根信噪比两种。101.理论上最佳信息保持编码的平均码长可以无限接近图像信息熵h。但总是大于或等于图像的熵h。

102.霍夫曼（huffman）编码的特点和步骤:

（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香农fano-shannon编码。（3）它在无损变长编码方法中是最佳的。103.行程编码的基本原理：将一行中颜色值相同的相邻像素用一个计数值和该颜色值来代替。104.一维行程编码只考虑了消除行内像素间的相关性.没有考虑其它方向的相关性.105.二维行程编码就是利用图像二维信息的强相关性，按照一定的扫描路径遍历所有的像素形成一维的序列，然后对序列进行一维行程编码的方法。

（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。

（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。

112.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

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）

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

114.几种常用的边缘检测算子：

（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）

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。

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：用平面或高阶曲面来拟合图像中某一小区域的灰度表面，求这个拟合平面微分或二阶微分检测边缘，可减少噪声影响。其过程是求平均后再求差分，因而对噪声有抑制作用。

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。

（1）低误判率

（2）高定位精度

（3）抑制虚假边缘

116.单方向锐化处理：(用于边缘提取)

定义：单方向的一阶锐化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，故，单方向锐化实际上是包括水平方向与垂直方向上的锐化。

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)

117.交叉方向锐化处理：(用于边缘提取)

118.边缘跟踪：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)对ρ、θ量化过粗，直线参数就不精确，过细则计算量增加。因此，对ρ、θ量化要兼顾参数量化精度和计算量。

2)hough变换检测直线的抗噪性能强，能将断开的边缘连接起来。3)此外hough变换也可用来检测曲线。

121.区域生长：单一型、质心型、混合型。

（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

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：

else

set 0 基本思想：边界上的点的灰度值出现次数较少

127.特征空间聚类的步骤：

（1）任意选k个初始聚类中心值

第八章 二值图像处理与形状分析

128.如何判断像素是否可删除：

129.孤立点：b（p）= 1的像素p，在4/8邻接的情况下，当其4/8邻接的像素全是0时，像素p称作孤立点。其连接数nc(p)=0。

130.内部点：b（p）= 1的像素p，在4/8邻接的情况下，当其4/8邻接的像素全是1时，称作内部点。内部点的连接数nc(p)=0。

131.边界点:在b（p）= 1的像素中，把除了孤立点和内部点以外的点叫做边界点。边界点的连接数属于[1，4]。1)删除点或端点； 2)连接点； 3)分支点； 4)交叉点。

132.为区分二值图像中的连接成分，求得连接成分个数，对属于同一个１像素连接成分的所有像素分配相同的编号，对不同的连接成分分配不同的编号的操作，叫做连接成分的标记。

（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。

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。

135.距离变换是求二值图像中各1像素到0像素的最短距离的处理。

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。

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。

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。

（6）将内存缓冲区的内容复制到原图像中

139.形状分析是指用计算机图像处理与分析系统对图像中的诸目标提取形状特征，对图像进行识别和理解。

140.区域形状特征的提取有三类方法：

1)区域内部（包括空间域和变换域）形状特征提取； 2)区域外部（包括空间域和变换域）形状特征提取； 3)利用图像层次型数据结构，提取形状特征。

143.局部不规则而宏观有规律的特性称之为纹理；以纹理特性为主导的图像，常称为纹理图像；以纹理特性为主导特性的区域，常称为纹理区域。144.纹理作为一种区域特性，在图像的一定区域上才能反映或测量出来。

145.纹理分析方法：统计分析法和结构分析法。前者从图像有关属性的统计分析出发；后者则着力找出纹理基元，然后从结构组成上探索纹理的规律。也有直接去探求纹理构成的结构规律的。

的纹理能量测量法：

1)当纹理较粗时，ρ(d)随d的增加下降速度较慢；

2、灰度为j的像素同时出现的概率p(i,j,δ,θ)。149.灰度共生矩阵必然是对称阵，且对角线上均为偶数。

第十章 模板匹配

150.当对象物的图案以图像的形式表现时，根据该图案与一幅图像的各部分的相似度判断其是否存在，并求得对象物在图像中位置的操作叫做模板匹配。

数字图像处理大纲篇二

课程英文名

digital image processing

执笔人： 周山

编写日期：2010.7.9

一、课程基本信息

1.课程编号：07010116 2.课程性质/类别： 选修

课 /专业

课 3.学时/学分： 32+16学时 / 2学分 4.适用专业：

信息与计算科学

专业

二、课程教学目标及学生应达到的能力

数字图像处理是一门迅速发展的新兴学科，发展的历史并不长。由于图像是视觉的基础，而视觉又是人类重要的感知手段，故数字图像成为心理学、生理学、计算机科学等诸多方面学者研究视觉感知的有效工具。

本课程着重研究数字图像处理的方法，训练学生运用所学基础知识解决实际问题的能力，同时要求拓宽专业知识面。

三、课程教学内容与基本要求

（一）绪论（4学时）1．主要内容：

2、了解图像输入输出设备;

3、掌握图像的亮度函数等;

4、了解色彩的基本属性;

3．自学内容：

数学实验 4．课外实践：

无

（二）信号分析基础（8学时）1．主要内容：

2．基本要求

1、掌握信号的采样及量化

2、理解图像的点运算,代数运算及几何运算；

3、理解线性系统的性质及线性移不变系统的频率响应；

4、掌握图像的卷积运算 3．自学内容： 信号与系统

4．课外实践：

无

（三）图像变换（8学时）

1．主要内容：

1、了解积分变换；

2、掌握离散傅里叶变换、连续傅里叶变换、快速傅里叶变换；

3、理解沃尔什变换,哈达吗变换等 3．自学内容： 数字信号处理

4．课外实践：

无

（四）图像的增强与复原（10学时）

1．主要内容：

1、掌握灰度级变换增强及频域增强原理;

2、深刻理解直方图均衡化；

3、了解邻域平均法;；

4、掌握低通滤波法,高通滤波法；

5、掌握图像复原的一般方法； 3．自学内容： 数字信号处理 概率论

4．课外实践：

无

（五）图像的分析与识别基础（10学时）

1．主要内容：

1、了解模式匹配模式,傅立叶模式；

2、掌握阈值分割法；

3、掌握边缘检测法；

1、了解区域增长法；

2、掌握二值图像分割法；

3、了解图像分割质量的评价;3．自学内容：

概率论 4．课外实践：

无

（六）图像的压缩与编码（10学时）

1．主要内容：

1、了解哈夫曼编码；

2、掌握离散余弦变换；

3、理解dct编码与解码；

4、了解压缩编码的新进展； 3．自学内容：

数据编码 4．课外实践：

无

四、教学安排建议

1.作业练习

每章课后布置2-3题作业。2.案例分析 无

3.专题研讨 无

4.实验安排

[1]傅立叶变换、matlab环境下的fourier 变换(2学时)[2]matlab下图像的直方图及均衡化处理(2学时)[3]matlab下的邻域、平均法、中值滤波法等方法处理图像(2学时)[4]图像的几何变换、图像的旋转,平移等变换(2学时)[5]图像的分割、区域的分割、边缘检测等处理(2学时)[6]图像的增强与复原(2学时)

五、课程考核

1.考核形式及成绩评定办法 考核形式为考查

2.本课程考核的基本要求

使学生了解数字图像的基本概念、数字图像形成的原理，掌握数字图像处理的理论基础和技术方法，着重掌握数字图像的增强、复原、压缩和分割的基本理论和实现方法，为将来从事相关领域工作和科学研究奠定基础。

六、本课程与其它课程的先行后续关系

本课程应先修完信号与系统，数字信号处理,matlab语言等课程

七、建议教材及教学参考书

1.教材：

数字图像处理大纲篇三

第一章 导论

1.图像：对客观对象的一种相似性的生动性的描述或写真。2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段），按空间坐标和亮度的连续性（模拟和数字）。

3.图像处理：对图像进行一系列操作，以到达预期目的的技术。4.图像处理三个层次：狭义图像处理、图像分析和图像理解。5.图像处理五个模块：采集、显示、存储、通信、处理和分析。

6.模拟图像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量00

8.将空间上连续的图像变换成离散点的操作称为采样。采样间隔和采样孔径的大小是两个 很重要的参数。采样方式:有缝、无缝和重叠。

9.将像素灰度转换成离散的整数值的过程叫量化。

10.表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。

11.数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。

辨率低，质量差，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。

像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。例如对细节比较丰富的图像数字化。

14.数字化器组成：

1)采样孔：保证单独观测特定的像素而不受其它部分的影响。2)图像扫描机构：使采样孔按预先确定的方式在图像上移动。3)光传感器：通过采样孔测量图像的每一个像素的亮度。

4)量化器：将传感器输出的连续量转化为整数值。

5)输出存储体：将像素灰度值存储起来。它可以是固态存储器，或磁盘等。

为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。

16.直方图的性质：

1)用于判断图像量化是否恰当

18.图像处理基本功能的形式：单幅图像 → 单幅图像，多幅图像 →单幅图像，单（或多）

幅图像→ 数字或符号。

19.邻域：对于任一像素（i，j），该像素周围的像素构成的集合{（i+p,j+q），p、q取合 适的整数}，叫做该像素的邻域。

20.图像处理的几种具体算法：

6)位置不变处理和位置可变处理：输出像素jp(i，j)的值的计算方法与像素的位置(i，j)无关的处理称为位置不变处理或位移不变处理 7)窗口处理和模板处理。

21.图像的数据结构与特征：

1)组合方式：一个字长存放多个像素灰度值的方式。它能起到节省内存的作用，但导 致计算量增加，使处理程序复杂。

2)比特面方式：按比特位存取像素，即将所有像素的相同比特位用一个二维数组表示，形成比特面。

3)分层结构：由原始图像开始依次构成像素数愈来愈少的一幅幅图像，就能使数据表 示具有分层性，其代表有锥形(金字塔)结构。

5)多重图像数据存储：逐波段存储，分波段处理时采用；逐行存储，行扫描记录设 备采用；逐像素存储，用于分类。

22.图像的特征：

1)自然特征：光谱特征、几何特征、时相特征；

2)人工特征：直方图特征，灰度边缘特征，线、角点、纹理特征； 3)特征的范围：点特征、局部特征、区域特征、整体特征。

1y2„ym]t 表示称为特征向量。另外，对应于各特征量的m维空间叫做特征空间。

23.对比度：一幅图像中灰度反差的大小，对比度=最大亮度/最小亮度

第三章 图像变换

24.图像变换通常是一种二维正交变换。

1)正交变换必须是可逆的；

2)正变换和反变换的算法不能太复杂；

3)正交变换的特点是在变换域中图像能量集中分布在低频率成分上，边缘、线状信 息反映在高频率成分上，有利于图象处理。

25.图像变换的目的在于：

1)使图像处理问题简化； 2)有利于图像特征提取；

3)有助于从概念上增强对图像信息的理解。

第四章 图像增强

机器进行分析和处理的形式。

27.空间域增强是直接对图像各像素进行处理；

获得所需的图像。

29.30.灰度变换用来调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。

1)线性变换：对图像每一个像素灰度作线性拉伸，将有效改善图像视觉效果。

2)分段线性变换：为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰 度区间，可采用分段线性变换。

3)非线性灰度变换：对数变换（当希望对图像的低灰度区较大的拉伸而对高灰度区压 缩时，可采用这种变换，它能使图像灰度分布与人的视觉特性相匹配).指数变换（对图像的高灰度区给予较大的拉伸）

31.直方图修整法包括直方图均衡化及直方图规定化两类。

32.直方图均衡化：将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方 法。

33.直方图均衡化变换函数，满足下列条件：

1)在0≤r≤1内为单调递增函数，保证灰度级从黑到白的次序不变；

2)在0≤r≤1内，有0≤t(r)≤1，确保映射后的像素灰度在允许的范围内。

34.直方图均衡化原理：输出图像的概率密度函数可以通过变换函数t(r)控制原图像灰度 级的概率密度函数得到,并改善原图像的灰度层次。

35.一幅图像的sk与rk之间的关系称为该图像的累积灰度直方图。

36.直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方 法。

方图规定化，其增强效果要有利于人的视觉判读或便于机器识别。38.为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。39.用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑，又称邻域平均法。

40.超限像素平滑法：将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根 据比较结果决定点（x,y）的最后灰度g´(x,y)。

均匀区域，然后用这区域的灰度均值代替该像素原来的灰度值。具体可选任一像素（x,y）的5个有重叠的3*3邻域，用梯度衡量它们灰度变化的大小。

3正方形、4个五边形和4个六边形。计算各个掩模的均值和方差，对方差进行排序，最小方差所对应的掩模的灰度均值就是像素（x,y)的输出值。

44.空间低通滤波法：应用模板卷积方法对图像每一像素进行局部处理。不管什么样的掩模，必须保证全部权系数之和为单位值，这样可保证输出图像灰度值在许可范围内，不会产生“溢出”现象。

1)局部平滑法算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别 在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。

2)超限像素平滑法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也 有效。并且随着邻域增大，去噪能力增强，但模糊程度也大。超限像元平滑法比局部平滑法去椒盐噪声效果更好。

3)灰度最相近的k个邻点平均法：较小的k值使噪声方差下降较小，但保持细节效 果较好；而较大的k值平滑噪声较好，但会使图像边缘模糊。

4)最大均匀性平滑经多次迭代可增强平滑效果，在消除图像噪声的同时保持边缘清晰 性。但对复杂形状的边界会过分平滑并使细节消失。

5)有选择保边缘平滑法既能够消除噪声，又不破坏区域边界的细节。

6)中值滤波对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护 边缘少受模糊。但它对点、线等细节较多的图像却不太合适。中值滤波法能有效削弱椒盐噪声，且比邻域、超限像素平均法更有效。

47.图像空间域锐化增强图像的边缘或轮廓。

48.图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清 晰。

49.梯度锐化法：梯度为grad(x，y)=max(|fx′|，|fy′|)或grad（x，y）=|fx’|+|f y′|。

有梯度算子、roberts、prewitt和sobel算子计算梯度，来增强边缘。

1)在灰度均匀的区域或斜坡中间▽2f(x，y)为0，增强图像上像元灰度不变； 2)在斜坡底或低灰度侧形成“下冲”；而在斜坡顶或高灰度侧形成“上冲” 52.高通滤波法就是用高通滤波算子和图像卷积来增强边缘。

1)理想低通滤波器:在去噪声的同时将会导致边缘信息损失而使图像边模糊,并产生 振铃效应。

2)butterworth低通滤波器的特性是连续性衰减，而不象理想滤波器那样陡峭变化，即明显的不连续性。因此采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度大大减小，没有振铃效应产生。

3)指数低通滤波器：图像边缘的模糊程度较用butterworth滤波产生的大些，无明显 的振铃效应。

4)梯形低通滤波器的性能介于理想低通滤波器和指数滤波器之间，滤波的图像有一定 的模糊和振铃效应。

到边缘锐化的图像。包括：理想高通滤波器、巴特沃斯高通滤波器、指数滤波器、梯形滤波器。

色的分布，改善图像的可分辨性。彩色增强方法可分为伪彩色增强和假彩色增强两类。

58.伪彩色增强是把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同 的彩色，得到一幅彩色图像的技术。

59.伪彩色增强的方法主要有密度分割法、和频率域伪彩色增强三种。

60.密度分割法是把黑白图像的灰度级从0（黑）到m0（白）分成n个区间ii(i=1，2，„，n),给每个区间ii指定一种彩色ci，这样，便可以把一幅灰度图像变成一幅伪彩色图像。61.灰度级一彩色变换将原图像f(x,y)的灰度范围分段，经过红、绿、蓝三种不同变换tr(•)、tg(•)和tb(•)，变成三基色分量ir(x,y)、ig(x,y)、ib(x,y)，然后用它们分别去控制彩色显示器的红、绿、蓝电子枪，便可以在彩色显示器的屏幕上合成一幅彩色图像。

2)使景物呈现出与人眼色觉相匹配的颜色，以提高对目标的分辨力。

像生成满足某种要求的影像的技术。

67.颜色可以用r、g、b三分量来表示，也可以用亮度（i）、色别（h）和饱和度（s）来表示，它们称为颜色的三要素。把彩色的r、g、b变换成i、h、s称为his正变换，而由i、h、s变换成r、g、b称为his反变换。

第五章 图像复原与重建

完善，使图像的质量变坏。

69.图像复原就是要尽可能恢复退化图像的本来面目，它是沿图像退化的逆过程进行处理。

1)图像增强不考虑图像是如何退化的，而是试图采用各种技术来增强图像的视觉效果。因此，图像增强可以不顾增强后的图像是否失真，只要看得舒服就行。

2)而图像复原就完全不同，需知道图像退化的机制和过程等先验知识，据此找出一种 相应的逆处理方法，从而得到复原的图像。

3)如果图像已退化，应先作复原处理，再作增强处理。

4)二者的目的都是为了改善图像的质量。

72.点源的概念:一幅图像可以看成由无穷多极小的像素所组成，每一个像素都可以看作为 一个点源成像，因此，一幅图像也可以看成由无穷多点源形成的。

果输出为h（x –α，y –β），则称此系统为位移不变系统。

74.线性位移不变系统的输出等于系统的输入和系统脉冲响应（点扩散函数）的卷积。即： g(x,y)=f(x,y)*h(x,y)。

1）由于许多种退化都可以用线性位移不变模型来近似，这样线性系统中的许多数学工具如线性代数，能用于求解图像复原问题，从而使运算方法简捷和快速。

2）当退化不太严重时，一般用线性位移不变系统模型来复原图像，在很多应用中有较好的复原结果，且计算大为简化。

3）尽管实际非线性和位移可变的情况能更加准确而普遍地反映图像复原问题的本质，但在数学上求解困难。只有在要求很精确的情况下才用位移可变的模型去求解，其求解也常以位移不变的解法为基础加以修改而成。

意味着退化图像中小噪声的干扰在h(u,v)较小时，会对逆滤波恢复的图像产生很大的影响，有可能使恢复的图像和f(x,y)相差很大，甚至面目全非。

78.图像在获取过程中，由于成像系统本身具有非线性、拍摄角度等因素的影响，会使获得 的图像产生几何失真，可分为：系统失真和非系统是真。系统失真是有规律的、能预测的；非系统失真则是随机的。

79.对图像进行几何校正的必要性：当对图像作定量分析时，就要对失真的图像先进行精 确的几何校正（即将存在几何失真的图像校正成无几何失真的图像），以免影响定量分析的精度。

80.几何校正分两步：

2)确定各像素的灰度值（灰度内插）

81.图像空间坐标变换当n=1时，畸变关系为线性变换，式子中包含a00、a10、a01、b00、b10、b016个未知数，至少需要3个已知点来建立方程式，解求未知数。当n=2时，畸变关系式包含12个未知数，至少需要6个已知点来建立关系式，解求未知数。82.几何校正方法可分为直接法和间接法两种。

1)最近邻内插：最简单，效果尚佳，但校正后的图像边缘有明显锯齿状，即存在灰度 不连续性。

2)双线性内插法：较复杂，计算量较大，没有灰度不连续性的缺点，结果令人满意。但它具有低通滤波性质，使高频分量受损，图像轮廓有一定模糊。3)三次内插：计算量最大，但内插效果最好，精度最高。85.图像重建有三种模型：透射模型、发射模型和反射模型。

x射线、电子射线及光线和热辐射的情况下，它们都遵从一定的吸收规则。

87.发射模型可用来确定物体的位置。这种方法已经广泛用于正电子检测,通过在相反的方 向分解散射的两束伽马射线,则这两束射线的渡越时间可用来确定物体的位置。

来进行这种测定。

89.从多个断面恢复三维形状的方法有voxel 法（体素法）、分块的平面近似法。

第六章 图像编码与压缩

需的空间和传输所用的时间。

（符号）来表示尽可能多的图像信息。

无失真、无损、信息保持）编码和有误差（有失真或有损）编码两大类。94.根据编码作用域划分，图像编码为空间域编码和变换域编码两大类。

度准则和主观保真度准则。

96.最常用的客观保真度准则是原图像和解码图像之间的均方根误差和均方根信噪比两种。

像的熵h。

越小的符号，其码长越长，从而达到用尽可能少的码符表示信源数据。它在无损变长编码方法中是最佳的。

99.行程编码的基本原理：将一行中颜色值相同的相邻像素用一个计数值和该颜色值来代替。

100.一维行程编码只考虑了消除行内像素间的相关性.没有考虑其它方向的相关性.101.二维行程编码就是利用图像二维信息的强相关性，按照一定的扫描路径遍历所有的像素 形成一维的序列，然后对序列进行一维行程编码的方法。102.混合编码：既具有行程编码的性质又是变长编码。

第七章 图像分割

103.图像分析：对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立 对图像的描述.104.图像分割：把图像分成互不重叠的区域并提取感兴趣目标的技术。

105.记忆图像分割所需满足的五个条件。

106.分割算法基于灰度值的两个基本特性：不连续性和相似性 107.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）。

108.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。

109.图像分割的方法：

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。110.边缘：图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合。

3)prewitt算子：在检测边缘的同时，能抑止噪声的影响

好。缺点，对噪音的敏感，对噪声有双倍加强作用；不能检测出边的方向；常产生 双像素的边缘。

7)marr算子：σ的选择很重要，σ小时边缘位置精度高，但边缘细节变化多； σ 大时平滑作用大，但细节损失大，边缘点定位精度低。应根据噪声水平和边缘点定位精度要求适当选取σ。

8)曲面拟合法：其过程是求平均后再求差分，因而对噪声有抑制作用。

113.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。

微分或二阶微分检测边缘，可减少噪声影响。其过程是求平均后再求差分，因而对噪声有抑制作用。

115.边缘跟踪：将检测的边缘点连接成线就是边缘跟踪。

变换特点：

1)对ρ、θ量化过粗，直线参数就不精确，过细则计算量增加。因此，对ρ、θ量 化要兼顾参数量化精度和计算量。

2)hough变换检测直线的抗噪性能强，能将断开的边缘连接起来。3)此外hough变换也可用来检测曲线。118.区域生长：单一型、质心型、混合型。

122.在二值图像中，把互相连接的像素的集合汇集为一组，于是具有若干个0值的像素(0 像素)和具有若干个1值的像素(1像素)的组就产生了。把这些组叫做连接成分。

123.二值图像上改变一个像素的值后，整个图像的连接性并不改变（各连接成分既不分离、不结合，孔也不产生、不消失），则这个像素是可删除的。

124.孤立点：b（p）= 1的像素p，在4/8邻接的情况下，当其4/8邻接的像素全是0时，像素p称作孤立点。其连接数nc(p)=0。

125.内部点：b（p）= 1的像素p，在4/8邻接的情况下，当其4/8邻接的像素全是1时，称作内部点。内部点的连接数nc(p)=0。126.边界点:在b（p）= 1的像素中，把除了孤立点和内部点以外的点叫做边界点。边界点 的连接数属于[1，4]。1)删除点或端点； 2)连接点； 3)分支点； 4)交叉点。

127.为区分二值图像中的连接成分，求得连接成分个数，对属于同一个１像素连接成分的所 有像素分配相同的编号，对不同的连接成分分配不同的编号的操作，叫做连接成分的标记。

128.膨胀就是把连接成分的边界扩大一层的处理。

129.收缩则是把连接成分的边界点去掉从而缩小一层的处理。130.距离变换是求二值图像中各1像素到0像素的最短距离的处理。

131.在经过距离变换得到的图像中，最大值点的集合就形成骨架，即位于图像中心部分的线像素的集合，也可以看作是图形各内接圆中心的集合。反映了原图形的形状。给定距离和骨架就能恢复该图形，但恢复的图形不能保证原始图形的连接性。常用于图形压缩、提取图形幅宽和形状特征等。

132.细化是从二值图像中提取线宽为1像素的中心线的操作。

133.为了求得区域间的连接关系，必须沿区域的边界点跟踪像素，称之为边界（或边缘）跟 踪。

134.形状分析是指用计算机图像处理与分析系统对图像中的诸目标提取形状特征，对图像进 行识别和理解。

135.区域形状特征的提取有三类方法：

1)区域内部（包括空间域和变换域）形状特征提取； 2)区域外部（包括空间域和变换域）形状特征提取； 3)利用图像层次型数据结构，提取形状特征。

136.拓扑描绘子：欧拉数；凹凸性；区域的测量；区域的大小及形状描述量（面积、周长、圆形度）。

137.区域的拓扑性质对区域的全局描述是很有用的，欧拉数是区域一个较好的描述子。

第九章 影像纹理分析

138.局部不规则而宏观有规律的特性称之为纹理；以纹理特性为主导的图像，常称为纹理图 像；以纹理特性为主导特性的区域，常称为纹理区域。

139.纹理作为一种区域特性，在图像的一定区域上才能反映或测量出来。

140.纹理分析方法：统计分析法和结构分析法。前者从图像有关属性的统计分析出发；后者 则着力找出纹理基元，然后从结构组成上探索纹理的规律。也有直接去探求纹理构成的结构规律的。

的纹理能量测量法：

f(x,y)微窗口滤波f(x,y)能量转换e(x,y)分量旋转c(x,y)分类m(x,y)

142.自相关函数：

1)当纹理较粗时，ρ(d)随d的增加下降速度较慢； 2)当纹理较细时，ρ(d)随着d的增加下降速度较快。

143.灰度共生矩阵就是从图像(x,y)灰度为i的像素出发，统计与距离为δ=(δx2+δy2)1/2、灰度为j的像素同时出现的概率p(i,j,δ,θ)。144.灰度共生矩阵必然是对称阵，且对角线上均为偶数。

第十章 模板匹配

145.当对象物的图案以图像的形式表现时，根据该图案与一幅图像的各部分的相似度判断其 是否存在，并求得对象物在图像中位置的操作叫做模板匹配。

数字图像处理大纲篇四

digital image processing 课程编号：

适用专业：电类、计算机类

学时数： 40

学分数：2 执笔者：何家峰

编写日期：2005年8月

一、课程的性质和目的

本课程是电类、计算机类的一门技术性和应用性很强的专业课。学习本课程的目的在于：使学生掌握数字图像处理的基本概念、基本理论和基本方法，并了解数字图像处理的发展方向和应用情况。学习完本课程并结合相应的实验，学生应达到以下要求：①掌握常用的数字图像处理方法，包括图像增强方法、频域处理方法、图像分割方法、图像特征描述方法和数学形态学方法等；②能较为熟练地用matlab或vc++语言编写常用的数字图像处理算法。

二、课程教学内容

第一章 绪论(2学时)掌握数字图像处理的一般概念。重点是数字图像处理的主要内容、图像工程的三个层次及其数字图像处理系统的组成，并了解数字图像处理的应用和发展动向。

本章知识点为：图像、数字图像、数字图像处理的定义；数字图像处理的目的和主要内容；图像工程与相关学科；数字图像处理系统的组成；数字图像处理的应用和发展方向。

第二章 数字图像处理基础(2学时)

掌握数字图像处理的一些基础知识。重点是采样和量化的概念、bmp图像文件格式、rgb颜色模型和his颜色模型，理解rgb颜色模型和his颜色模型的色度学基础和适用范围。

本章知识点为：图象数字化技术；数字图像类型；图象文件格式；色度学基础与颜色模型。第三章 图像增强(10学时)学习多种图像增强方法。重点是掌握直方图均衡化方法、空域图象平滑与锐化方法。为使学生更深刻理解直方图拉伸和直方图均衡化的原理，应把相应的数学推导讲解透彻。

本章知识点为：直方图的拉伸和均衡化；灰度线性变换和非线性变换；图像噪声分类与特点；模板操作、邻域平均、中值滤波和其他去噪技术；图像锐化：微分法、拉普拉斯变换和高通滤波；图像的伪彩色处理。

本章安排实验：图像增强实验。第四章 图像分割(8学时)

掌握图像分割方法、边缘检测方法、轮廓跟踪、图像匹配、投影法、差影法等的基本原理。轮廓跟踪是本章的难点内容，应结合具体的阈值化图像矩阵进行讲解。

本章知识点为：区域分割：阈值分割、区域生长、区域聚合；边缘检测：微分运算、log算子；轮廓 跟踪与提取；图像匹配：莫把面匹配、直方图匹配、形状匹配；投影法与差影法。

本章实验安排：图像分割实验。第五章 图像的几何变换(4学时)掌握几何变换的数学基础，以及几种常见的几何变换方法，包括平移变换、比例变换、旋转变换、镜像变换、复合变换和透视变换。其中，几何变换的数学基础和比例变换可以作为本章的重点内容。

本章知识点为：齐次坐标与二维图像几何变换矩阵；图像比例缩放变换；图像平移变换；图像镜像变换；图像旋转变换；图像复合变换；透视变换。

自学内容：透视变换可以安排学生自学。第六章 频域处理(2学时)

掌握可分离变换原理，重点掌握傅立叶变换和余弦变换的原理和应用。

本章知识点：傅立叶变换；可分离变换；离散余弦变换；wht变换。傅立叶变换在数字信号处理中已经学过，这里只是由一维变换扩展为二维变换，可以不讲。

自学内容：小波变换及其他可分离变换作为学生自学了解内容。第七章 数学形态学处理(4学时)掌握二值形态学和灰度形态学的几种基本操作，了解形态学在图像处理中的应用。

本章知识点：数学形态学的基本概念与术语；二值形态学：腐蚀、膨胀、开闭运算、击中/击不中变换；灰度形态学：灰度腐蚀、灰度膨胀、灰度开闭运算；形态学的应用：形态学滤波、骨架抽取。

第八章 图像特征(8学时)掌握图像的几何特征、形状特征、纹理特征、中轴变换与骨架提取、曲线与表面的拟合以及其他特征。其中，不变矩、几种纹理描述、四叉树应作为重点内容讲解。

本章知识点：图象的几何特征：位置与方向、周长、面积、长轴和短轴；形状特征：矩形度、圆形度、球状性、不变矩、偏心率、形状描述子；纹理分析：统计法、空间自相关纹理测度、联合概率矩阵法、纹理的句法结构分析法；中轴变换与骨架提取；曲线与表面的拟合；其他特征或描述：标记、欧拉数、四叉树。

本章实验安排：图象特征提取与识别。

三、课程教学的基本要求

本课程是电类、计算机类专业的专业程，实践性较强。在教学方法上，采用课堂讲授，结合课后自学、实验、习题等教学形式。

(一)课堂讲授

本课程在讲解上着重数学公式物理含义的阐述，对于难点内容，可以结合一个人为构造的图像矩阵来解释。力求做到重点突出，由浅入深，便于学生理解和掌握。

在应用方面，主要结合自己和他人的研究成果，介绍一些图像处理方法的应用实例，增强学生的直观 体验，培养学生的学习兴趣。

（二）课后自学

（三）习题课

（四）课外作业

（五）实验

结合本课程的内容开设3个的相应实验。教学实验内容以验证性实验和综合性为主，以巩固课堂所学图像处理技术，培养科学实验研究能力。

（六）考试

本课程采用闭卷或开卷形式考试，试题题型可采用填空、判断、简答、程序设计等。主要考察学生对基本概念、基本方法的掌握及综合应用情况。

总评成绩：课外作业、平时考勤、实验占30%；期末考试占70%。

四、本课程与其它课程的联系与分工

先修课程：高等数学、概率论与数理统计、信号与系统、数字信号处理。

五、建议教材与教学参考书

数字图像处理大纲篇五

课程名称： 数字图像处理 课程性质： 专业方向课

分： 3.5学分

理论学时： 44学时 课程设计： 1周 开课学期： 第6学期

2.1 能力培养目标

通过本课程的学习，培养学生的理解能力、逻辑思维能力、分析能力，以及算法设计与程序实现能力。一方面使学生掌握数字图象处理的基本概念、原理、处理方法与应用。特别是要把学到的数字图象处理的各种方法灵活应用到实际中。另一方面，学习本课程也将使学生对图像处理的程序设计得到训练。

2.2 课程的主要特点

本课程是一门重要的专业方向课，有理论性、设计性与实践性的特点。介绍数字图像处理的基本概念和方法。它是信号与信息处理方向的核心课程。为今后从事数字图像处理提供了必要的知识基础，同时为从事数字图像处理的专业人员提供了必要的技能训练。

2.3 教学定位

通过本课程的学习，使学生达到知识和技能两方面的目标：

1．知识方面：从数字图像处理方法及其实现这两个层面的角度，系统地学习和掌握常用数字图像处理方法及其实现算法。了解图像处理系统涉及的硬件环境。

掌握程度采用bloom分类法，即了解、理解和运用，具体含义如下： 了解：能记住学习过的内容。

理解：能领会课程内容的含义，掌握知识的内涵。运用：能在新的具体情况下应用所学知识解决问题。

绪论（学时：2学时）

图像、数字图像概念（了解，核心）

3.2图像与视觉基础

图像处理基础与光度学（学时：6学时）图像处理基础（掌握，核心）

视觉与亮度；颜色模型及转换；成象坐标变换；（了解，核心）采样与量化；象素间联系；算术和逻辑运算；（理解，核心）像素之间的联系、距离（理解，核心）

所用的数学工具（了解，核心）共6学时

3.3图像变换

3.4图像增强

3.5图像的恢复与重建

图像恢复与重建（理解，核心）

图象降质模型；有约束和无约束恢复；（理解，核心）几何失真校正；图象重建原理。（了解，核心）

共6学时

3.6图像编码

图像编码方法（学时：6学时）

图像压缩（理解，核心）

数据冗余；简单编码方法（变长和huffman）；（运用，核心）

图象压缩国际标准（了解，核心）

共6学时

3.7图像分割

图像分割技术（学时：6学时）图像分割（运用，核心）

边缘检测方法、图象阈值分割方法（运用，核心）图象的区域增长、分裂和合并技术（理解，核心）

共6学时

3.10 其它学时

重点：数字图像处理的基本概念，数字图像处理系统的组成，涉及的领域。讲授提示与方法：强调数字图像的组成元素—象素的属性。

4.2图像与视觉基础

重点：人类视觉与亮度的关系。颜色模型及转换关系，成象坐标变换关系。图象采样与量化的概念，4、8、m连接，欧氏、区域、城区距离的定义。图象象素间的算术和逻辑运算。

难点：象素间的连接、象素距离的度量。

讲授提示与方法：强调象素间的联系，以启发学生对图像目标区域、边界等概念的理解。

4.3图像变换

重点：二维离散付里叶变换及其重要性质、可分离变换、沃尔氏变换、霍特林变换、离散余弦变换。

难点：变换的目的，各种变换的适用范围和特点。讲授提示与方法：强调图像变换方法的重要性。

4.4图像增强

重点：空域变换方法（直方灰度变换），空域滤波增强原理，图象频域增强原理（平滑、锐化）。图象局域增强策略和彩色增强。

难点：直方图处理，图像的同态滤波。

讲授提示与方法：强调各个图像增强方法的目的是用于改变图像的质量，不同的处理方法着可能针对不同的域（空域、频域）。在处理策略上可采用全局和局部处理方法。

4.5图像的恢复与重建

重点：图象降质模型，有约束和无约束恢复。图象几何失真校正，图象重建原理。难点：有约束和无约束恢复，图象重建原理。

讲授提示与方法：强调有约束恢复和无约束恢复的不同点。

4.6图像编码

重点：图象编码的基本概念（数据冗余）和理论。简单编码方法（变长和huffman）.图象压缩国际标准。

难点：图像压缩的原理和算法。

讲授提示与方法：强调编码效率、压缩比对压缩算法的评价。

4.7图像分割

重点：常用边缘检测方法、图象阈值分割方法，图象的区域增长、分裂和合并技术。难点：图像分割最优阈值的选取。

5.1习题设计

由于本课程主要讲授的是图像处理的方法，因此本课程的习题主要以方法的运用为主。通过学习各知识单元的典型方法，本着循序渐进的原则，由浅入深，由单一到综合，使学生能够逐步灵活运用所学的各种方法和技巧，分析和解决实际问题。

通过学生完成作业的情况，了解学生的知识理解和掌握情况，以及学生的算法设计的思维方式，针对存在的问题作进一步的讲解和启发，使学生对所学知识能够达到融会贯通。

5.2 实验设计

二维dft、dct 1 实验目的及意义

（1）掌握dft、dct变换原理，了解它们变化的特点；

（2）掌握dft、dct的编程实现； 实验步骤

（1）编写相应的dft、dct图像变换程序；

（2）启动ccs，运行程序，查看结果并分析； 实验类型：综合（2学时）

实验二

灰度图像处理（2学时）1 实验目的及意义

（1）学习灰度图像反色处理技术；

（2）学时灰度图像二值化处理； 实验步骤

（1）编写相应的图像处理程序；

（2）运行程序，查看结果并分析；

实验类型：综合（2学时）

实验三

图像的增强及图像的二维滤波 1 实验目的及意义

（1）熟练掌握利用直方图实现图像增强的原理；

（2）熟练掌握平均滤波和中值滤波对不同噪声的适应能力；实验步骤

（1）分别编写相应的图像处理程序。

（2）比较利用直方图实现图像增强的结果。

（3）比较平均滤波和中值滤波对不同噪声的处理结果以及模板大小对处理结果的影响。实验类型：综合（2学时）

实验四

图像平滑 1 实验目的及意义

（1）编写相应的图像平滑处理程序（2）启动ccs，编译运行（3）观察结果并分析 实验类型：综合（2学时）

实验五

图像锐化 1 实验目的及意义

（1）培养学生理解图像平锐化的原理

（2）掌握图像处理的基本方法 2 实验步骤

（1）编写相应的图像锐化处理程序

6（2）启动ccs，编译运行（3）观察结果并分析 实验类型：综合（2学时）

实验六

图像的边缘检测 1 实验目的及意义

（1）编写图像边缘检测程序；

6.1 考核的方式及成绩的评定

考核成绩的构成：平时成绩20%、期末成绩80% 1．平时成绩的构成：平时作业、上课出勤15%、实验成绩5%(1)平时作业完成的获得基础分6分，然后按较好、良好、优秀分别加2、3、4分。(2)实验成绩根据实验出勤情况及实验报告完成情况。(3)上课三分之一旷课者，不允许参加期末考试。2．期末考试为闭卷笔试。

6.2 考题的设计

考试题大体上可以分为三种类型，重点考察学生对基本概念、基本方法、基本技术的掌握和综合应用。

1． 概念题型

根据学过的算法按要求给出结果，回答问题，约占40%。3． 综合题型

综合运用能力的考核。约占20%。

数字图像处理大纲篇六

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

4、霍夫曼（huffman）编码的特点和步骤（p 118）：

步骤：

（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：

（3）识别图像中要找的对象或对图像进行分类

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、图像分割的方法

（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）

特点：（1）对于阶跃状变化，会过零点（两侧符号相反）

5、几种常用的边缘检测算子：

（2）能进一步抑止噪声，但检测的边缘较宽

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。

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：

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。

（1）低误判率

（2）高定位精度

（3）抑制虚假边缘

8、边缘跟踪：

（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：

9、阈值分割法：

（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

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

12、质心区域增长法

（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：

2、腐蚀算法的思想和步骤：

（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：

（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。

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。

（6）将内存缓冲区的内容复制到原图像中

数字图像处理大纲篇七

实验报告

目录

2.实验目的3.实验内容

4.实验结果及代码展示

5.算法综述

优势

7.总结

8.存在问题

图像处理，是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。此外，基于光学理论的处理方法依然占有重要的地位。

图像处理是信号处理的子类，另外与计算机科学、人工智能等领域也有密切的关系。

传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降噪、量化等。然而，图像属于二维信号，和一维信号相比，它有自己特殊的一面，处理的方式和角度也有所不同。

二、实验目的

巩固所学知识，提高所学能力

三、实验内容

3．对给定的图像添加噪声（椒盐噪声、高斯噪声）

四、实验结果及代码展示

1.软件设计界面

2.各模块功能展示以及程序代码

效果展示：

代码：

a = imread('c:documents and ');

i = rgb2gray(a);i = im2bw(a,0.5);

subplot(3,1,1);imshow(a);title('源图像')subplot(3,1,2);imshow(i);title('灰度图像')subplot(3,1,3);imshow(i);title('二值图像')

（2）图像旋转 原图

效果展示：

代码：

clc;clear all;close all;

hnew=ceil(hnew);u0=w*sin(alpha);

for v=1:wnew

else

x=x_up;

end

if(y-y_low)=(y_up-y)y=y_low;

else

y=y_up;

end

end end

（3）对给定的图像添加噪声（斑点噪声、高斯噪声）效果展示：

代码：

五、算法综述 灰度图像：

一幅完整的图像，是由红色、绿色、蓝色三个通道组成的。红色、绿色、蓝色三个通道的缩览图都是以灰度显示的。用不同的灰度色阶来表示“ 红，绿，蓝”在图像中的比重。通道中的纯白，代表了该色光在此处为最高亮度，亮度级别是255。

通道是整个photoshop显示图像的基础。色彩的变动，实际上就是间接在对通道灰度图进行调整。通道是photoshop处理图像的核心部分，所有的色彩调整工具都是围绕在这个核心周围使用的。

在计算机领域中，灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑色与白色两种颜色；灰度图像在黑色与白色之间还有许多级的颜色深度。但是，在数字图像领域之外，“黑白图像”也表示“灰度图像”，例如灰度的照片通常叫做“黑白照片”。在一些关于数字图像的文章中单色图像等同于灰度图像，在另外一些文章中又等同于黑白图像。灰度图像经常是在单个电磁波频谱如可见光内测量每个像素的亮度得到的。

用于显示的灰度图像通常用每个采样像素 8 位的非线性尺度来保存，这样可以有 256 级灰度。这种精度刚刚能够避免可见的条带失真，并且非常易于编程。在医学图像与遥感图像这些技术应用中经常采用更多的级数以充分利用每个采样 10 或 12 位的传感器精度，并且避免计算时的近似误差。在这样的应用领域每个采样 16 位即 65536 级得到流行。

二值图像：

是指每个像素不是黑就是白，其灰度值没有中间过渡的图像。二值图像一般用来描述文字或者图形，其优点是占用空间少，缺点是，当表示人物，风景的图像时，二值图像只能描述其轮廓，不能描述细节。这时候要用更高的灰度级。

二值图像是每个像素只有两个可能值的数字图像。人们经常用黑白、b&w、单色图像表示二值图像，但是也可以用来表示每个像素只有一个采样值的任何图像，例如灰度图像等。

二值图像中所有的像素只能从0和1这两个值中取，因此在matlab中，二值图像用一个由0和1组成的二维矩阵表示。这两个可取的值分别对应于关闭和打开，关闭表征该像素处于背景，而打开表征该像素处于前景。以这种方式来操作图像可以更容易识别出图像的结构特征。二值图像操作只返回与二值图像的形式或结构有关的信息，如果希望对其他类型的图像进行同样的操作，则首先要将其转换为二进制的图像格式，可以通过调用matlab提供的im2bw（）来实现。

二值图像经常出现在数字图像处理中作为图像掩码或者在图像分割、二值化和dithering的结果中出现。一些输入输出设备，如激光打印机、传真机、单色计算机显示器等都可以处理二值图像。

二值图像经常使用位图格式存储。

二值图像可以解释为二维整数格z，图像变形处理领域很大程度上就是受到这个观点启发。

图像旋转：

图像旋转是指图像以某一点为中心旋转一定的角度,形成一幅新的图像的过程。当然这个点通常就是图像的中心。既然是按照中心旋转,自然会有这样一个属性：旋转前和旋转后的点离中心的位置不变.根据这个属性,我们可以得到旋转后的点的坐标与原坐标的对应关系。由于原图像的坐标是以左上角为原点的,所以我们先把坐标转换为以图像中心为原点。假设原图像的宽为w,高为h,（x0,y0）为原坐标内的一点,转换坐标后的点为（x1,y1）。那么不难得到： x1 = x0-w/2;y1 =-y0 + h/2;在新的坐标系下,假设（x0,y0）距离原点的距离为r,点与原点之间的连线与x轴的夹角为b,旋转的角度为a,旋转后的点为（x1,y1）

噪声：

是电路或系统中不含信息量的电压或电流。在工业与自然界中，存在着各种干扰源（噪声源），如大功率电力电子器件的接入、大功率用电设备的开启与断开、雷击闪电等都会使空间电场和磁场产生有序或无序的变化，这些都是干扰源（或噪声源）。这些源产生的电磁波或尖峰脉冲通过磁、电耦合或是通过电源线等路径进入放大电路，各种电气设备，形成各种形式的干扰。

斑点噪声：

斑点噪声是sar成像系统的一大特色，源自基本分辨单元内地物的随机散射，在图像上表现为信号相关（如在空间上相关）的小斑点，它既降低了图像的画面质量，又严重影响图像的自动分割、分类、目标检测以及其它定量专题信息的提取。

sar图像斑点噪声的去除一方面要抑制图像均匀区域斑点噪声，另一方面要保持图像边缘和纹理细节信息。sar斑点噪声的抑制可通过非相干多视处理，也可使用空间域滤波实现。非相干多视处理会降低图像的地面分辨率。因此，涌现出了一系列空间域滤波方法，如均值滤波、中值滤波、lee滤波、kuan滤波、frost滤波、sigma滤波以及gamma map滤波等。但这类算法存在自身无法克服的矛盾：一方面为增强斑点去噪效果需选较大的滤波窗口，另一方面为保持图像的实际分辨率要求所选的窗口较小。

高斯噪声：

所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。高斯白噪声包括热噪声和散粒噪声。

j2=imnoise(i,'gaussian',0,0.03);

%添加均值为0，方差为0.03的高斯噪声。

六、matlab优势

模块集合工具箱

matlab对许多专门的领域都开发了功能强大的模块集和工具箱。一般来说，它们都是由特定领域的专家开发的，用户可以直接使用工具箱学习、应用和评估不同的方法而不需要自己编写代码。目前，matlab已经把工具箱延伸到了科学研究和工程应用的诸多领域，诸如数据采集、数据库接口、概率统计、样条拟合、优化算法、偏微分方程求解、神经网络、小波分析、信号处理、图像处理、系统辨识、控制系统设计、lmi控制、鲁棒控制、模型预测、模糊逻辑、金融分析、地图工具、非线性控制设计、实时快速原型及半物理仿真、嵌入式系统开发、定点仿真、dsp与通讯、电力系统仿真等，都在工具箱（toolbox）家族中有了自己的一席之地。

七、总结

八、存在问题

3.在此次作业中，为何添加椒盐噪声时无法显示