在日常的學(xué)習(xí)、工作、生活中，肯定對各類范文都很熟悉吧。寫范文的時候需要注意什么呢？有哪些格式需要注意呢？以下是我為大家搜集的優(yōu)質(zhì)范文，僅供參考，一起來看看吧
數(shù)字圖像處理心得篇一
一．實驗?zāi)康募耙?/p>
掌握圖像幾何變換的基本原理，熟練掌握數(shù)字圖像的縮放、旋轉(zhuǎn)、平移、鏡像和轉(zhuǎn)置的基本原理及其matlab編程實現(xiàn)方法。
二、實驗內(nèi)容
（一）研究以下程序，分析程序功能；輸入執(zhí)行各命令行，認(rèn)真觀察命令執(zhí)行的結(jié)果。熟悉程序中所使用函數(shù)的調(diào)用方法，改變有關(guān)參數(shù)，觀察試驗結(jié)果。
1.圖像縮放 clear all, close all i = imread('');scale = 1.35;
% 將圖像放大1.35倍
j1 = imresize(i, scale, 'nearest');
% using the nearest neighbor interpolation j2 = imresize(i, scale, 'bilinear');
% using the bilinear interpolation imshow(i), title('original image');figure, imshow(j1), title('resized image--using the nearest neighbor interpolation ');figure, imshow(j2), title('resized image--using the bilinear interpolation ');help imresize
% 查看imresize使用幫助
1.95倍
i = imread('');scale = 1.96;
% 將圖像放大1.96倍
j1 = imresize(i, scale, 'nearest');
% using the nearest neighbor interpolation j2 = imresize(i, scale, 'bilinear');
% using the bilinear interpolation imshow(i), title('original image');figure, imshow(j1), title('resized image--using the nearest neighbor interpolation ');figure, imshow(j2), title('resized image--using the bilinear interpolation ');
說明：
?注意觀察不同插值方法的圖像表現(xiàn)； ?改變圖像縮放因子scale，重做上述實驗。2.圖像旋轉(zhuǎn)
clear all, close all i = imread('');theta = 45;
% 將圖像逆時針旋轉(zhuǎn)45?。
j1 = imrotate(i, theta, 'nearest');
% using the nearest neighbor interpolation theta =-45;
% 將圖像順時針旋轉(zhuǎn)45?。
j2 = imrotate(i, theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(i), title('original image');figure, imshow(j1), title('rotated image--using the nearest neighbor interpolation ');figure, imshow(j2), title(' rotated image--using the bilinear interpolation ');% 查看imrotate使用幫助 help imrotate %-------
圖像旋轉(zhuǎn)30順時針逆時針
clear all, close all i = imread('');theta = 30;
% 將圖像逆時針旋轉(zhuǎn)30。
j1 = imrotate(i, theta, 'nearest');
% using the nearest neighbor interpolation theta =-30;
% 將圖像順時針旋轉(zhuǎn)30。
j2 = imrotate(i, theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(i), title('original image');figure, imshow(j1), title('rotated image--using the nearest neighbor interpolation ');figure, imshow(j2), title(' rotated image--using the bilinear interpolation ');7 說明：
?注意觀察不同插值方法和輸出圖像后處理方法的圖像表現(xiàn)； ?改變旋轉(zhuǎn)角度大小和方向，重做上述實驗。
3．圖像水平鏡象
clear all, close all i = imread('');i1 = flipdim(i,2);
i2 = flipdim(i,1);figure(1), subplot(1,2,1), imshow(i);subplot(1,2,2), imshow(i1);figure(2), subplot(2,1,1), imshow(i);subplot(2,1,2), imshow(i2);%----
(二)用matlab編程實現(xiàn)以下圖像幾何變換（參考自編講義相關(guān)章節(jié)）
1．圖像扭曲變換 2．球面變換
三、實驗設(shè)備
1．piii以上微機； 2．matlab6.5；
四、預(yù)習(xí)與思考
1．預(yù)習(xí)實驗內(nèi)容，閱讀教材熟悉實驗原理；
2．查閱資料，熟悉實驗中涉及的有關(guān)matlab函數(shù)；
3．利用課余時間，采用matlab底層函數(shù)編程實現(xiàn)實驗內(nèi)容
（二）中的圖像平移、圖像轉(zhuǎn)置等幾何變換。
五、實驗報告要求
1．簡述試驗的目的和試驗原理；
2．?dāng)⑹龈鞫纬绦蚬δ?，改變有關(guān)函數(shù)的參數(shù)，分析比較實驗結(jié)果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。
實驗六
數(shù)字圖像處理應(yīng)用
一．實驗?zāi)康募耙?/p>
1．利用matlab提供的圖像處理函數(shù)實現(xiàn)圖像中物體屬性的測量； 2．訓(xùn)練綜合運用matlab圖像處理函數(shù)的能力； 3．了解數(shù)字圖像處理基本應(yīng)用。
二、實驗內(nèi)容
以大米粒特性測量為例，綜合應(yīng)用課程中圖像分割、形態(tài)學(xué)濾波、圖像增強、圖像特征提取等圖像處理方法，實現(xiàn)大米粒特性自動測量。實驗過程簡述：
1． 讀取和顯示圖像 2． 估計圖像背景 3． 獲取背景均勻的圖像 4． 圖像增強 5． 圖像二值化分割 6． 區(qū)域標(biāo)記及為彩色處理
7． 測量圖像中的區(qū)域特性（面積、質(zhì)心等）
8．統(tǒng)計大米粒的特性分布規(guī)律。
（一）研究以下程序，分析程序功能；輸入執(zhí)行各命令行，認(rèn)真觀察命令執(zhí)行的結(jié) 果。熟悉程序中所使用函數(shù)的調(diào)用方法，改變有關(guān)參數(shù)，觀察試驗結(jié)果。
% read and display an image clear, close all,close all;i = imread('');
figure, imshow(i)
% use morphological opening to estimate the background
background = imopen(i,strel('disk',15));
figure, imshow(background);
%display the background approximation as a surface
figure, surf(double(background(1:8:end,1:8:end))),zlim([0 255]);set(gca,'ydir','reverse');% subtract the background image from the original image i2 = imsubtract(i,background);figure, imshow(i2)% adjust the image contrast i3 = imadjust(i2, stretchlim(i2), [0 1]);figure, imshow(i3);% apply thresholding to the image level = graythresh(i3);bw = im2bw(i3,level);figure, imshow(bw)% determine the number of objects in the image [labeled,numobjects] = bwlabel(bw,4);
% label ects % examine the label matrix rgb_label = label2rgb(labeled, @spring, 'c', 'shuffle');figure, imshow(rgb_label);% measure object properties in the image graindata = regionprops(labeled,'basic')allgrains = [];% compute statistical properties of objects in the image max(allgrains);biggrain = find(allgrains==695)mean(allgrains);figure, hist(allgrains,20);12
(詳見matlab ipt的 幫助文檔demo中的correcting nonuniform illumination)
（二）查看matlab ipt 幫助文檔，研究其它應(yīng)用演示
三、實驗設(shè)備 1．piii以上微機； 2．matlab6.5；
四、預(yù)習(xí)與思考
1．預(yù)習(xí)實驗內(nèi)容，閱讀教材熟悉實驗原理； 2．查閱資料，熟悉實驗中涉及的有關(guān)函數(shù)。
3．利用課余時間，采用matlab函數(shù)編程實現(xiàn)實驗內(nèi)容
（二）。
五、實驗報告要求
1．簡述試驗的目的和試驗原理；
2．?dāng)⑹龈鞫纬绦蚬δ?，改變有關(guān)函數(shù)的參數(shù)，分析比較實驗結(jié)果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。
數(shù)字圖像處理心得篇二
《數(shù)字圖像處理》心得體會
1210407040
鄧炯
圖像處理是指對圖像信息進行加工，從而滿足人類的心理、視覺或者應(yīng)用的需求的一種行為。圖像處理方法一般有數(shù)字法和光學(xué)法兩種，其中數(shù)字法的優(yōu)勢很明顯，已經(jīng)被應(yīng)用到了很多領(lǐng)域中，相信隨著科學(xué)技術(shù)的發(fā)展,其應(yīng)用空間將會更加廣泛。數(shù)字圖像處理又稱為計算機圖像處理，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機對其進行處理的過程。數(shù)字圖像處理是從20世紀(jì)60年代以來隨著計算機技術(shù)和vlsl的發(fā)展而產(chǎn)生、發(fā)展和不斷成熟起來的一個新興技術(shù)領(lǐng)域。數(shù)字圖像處理技術(shù)其實就是利用各種數(shù)字硬件與計算機，對圖像信息通過轉(zhuǎn)換而得到的電信號進行相應(yīng)的數(shù)學(xué)運算，例如圖像去噪、圖像分割、提取特征、圖像增強、圖像復(fù)原等，以便提高圖像的實用性。其特點是處理精度比較高，并且能夠?qū)μ幚碥浖M行改進來優(yōu)化處理效果，操作比較方便，但是由于數(shù)字圖像需要處理的數(shù)據(jù)量一般很大，因此處理速度有待提高。
由于數(shù)字圖像處理的方便性和靈活性，因此數(shù)字圖像處理技術(shù)已經(jīng)成為了圖像處理領(lǐng)域中的主流。數(shù)字圖像處理技術(shù)主要涉及到的關(guān)鍵技術(shù)有：圖像的采集與數(shù)字化、圖像的編碼、圖像的增強、圖像恢復(fù)、圖像分割、圖像分析等。
圖像的采集與數(shù)字化：就是通過量化和取樣將一個自然圖像轉(zhuǎn)換為計算機能夠處理的數(shù)字形式。
圖像編碼：圖像編碼的目的主要是來壓縮圖像的信息量，以便能夠滿足存儲和傳輸?shù)囊蟆?/p>
圖像的增強：圖像的增強其主要目的是使圖像變得清晰或者將其變換為機器能夠很容易分析的形式，圖像增強方法一般有：直方圖處理、灰度等級、偽彩色處理、邊緣銳化、干擾抵制。
圖像的恢復(fù)：圖像恢復(fù)的目的是減少或除去在獲得圖像的過程中因為各種原因而產(chǎn)生的退化，可能是由于光學(xué)系統(tǒng)的離焦或像差、被攝物與攝像系統(tǒng)兩者之間的相對運動、光學(xué)或電子系統(tǒng)的噪聲與介于被攝像物跟攝像系統(tǒng)之間的大氣湍流等等。
圖像的分割：圖像分割是將圖像劃分為一些互相不重疊的區(qū)域，其中每一個區(qū)域都是像素的一個連續(xù)集，通常采用區(qū)域法或者尋求區(qū)域邊界的境界法。
圖像分析：圖像分析是指從圖像中抽取某些有用的信息、數(shù)據(jù)或度量,其目的主要是想得到某種數(shù)值結(jié)果。圖像分析的內(nèi)容跟人工智能、模式識別的研究領(lǐng)域有一定的交叉。
數(shù)字圖像處理的特點主要表現(xiàn)在以下幾個方面：
1）數(shù)字圖像處理的信息大多是二維信息，處理信息量很大。因此對計算機的計算速度、存儲容量等要求較高。
2）數(shù)字圖像處理占用的頻帶較寬。與語言信息相比,占用的頻帶要大幾個數(shù)量級。所以在成像、傳輸、存儲、處理、顯示等各個環(huán)節(jié)的實現(xiàn)上技術(shù)難度較大，成本亦高。這就對頻帶壓縮技術(shù)提出了更高的要求。
3）數(shù)字圖像中各個像素不是獨立的，其相關(guān)性大。在圖像畫面上，經(jīng)常有很多像素有相同或接近的灰度。所以，圖像處理中信息壓縮的潛力很大。圖像受人的因素影響較大，因為圖像一般是給人觀察和評價的。
數(shù)字圖像處理的優(yōu)點主要表現(xiàn)在4個方面。
1）再現(xiàn)性好。數(shù)字圖像處理與模擬圖像處理的根本不同在于它不會因圖像的存儲、傳輸或復(fù)制等一系列變換操作而導(dǎo)致圖像質(zhì)量的退化。只要圖像在數(shù)字化時準(zhǔn)確地表現(xiàn)了原稿，那么數(shù)字圖像處理過程始終能保持圖像的再現(xiàn)。
2）處理精度高。將一幅模擬圖像數(shù)字化為任意大小的二維數(shù)組，主要取決于圖像數(shù)字化設(shè)備的能力。
3）適用面寬。圖像可以來自多種信息源,它們可以是可見光圖像，也可以是不可見的波譜圖像。只要針對不同的圖像信息源，采取相應(yīng)的圖像信息采集措施，圖像的數(shù)字處理方法適用于任何一種圖像。
4）靈活性高。圖像處理大體上可分為圖像的像質(zhì)改善、圖像分析和圖像重建三大部分，每一部分均包含豐富的內(nèi)容。
通過一學(xué)期的課程學(xué)習(xí)我們雖說還沒有完全掌握數(shù)字圖像處理技術(shù)，但也收獲了不少，對于數(shù)字圖像方面的知識有了深入的了解，更加理解了數(shù)字圖像的本質(zhì)，即是一些數(shù)字矩陣，但灰度圖像和彩色圖像的矩陣形式是不同的。對于一些耳熟能詳?shù)臄?shù)字圖像相關(guān)術(shù)語有了明確的認(rèn)識，比如常見的：像素（衡量圖像的大?。⒎直媛剩ê饬繄D像的清晰程度）、位圖（放大后會失真）、矢量圖（經(jīng)過放大不會失真）等大家都能叫上口卻知識模糊的名詞。也了解圖像處理技術(shù)中一些常用處理技術(shù)的實質(zhì)，比如銳化處理是使模糊的圖像變清晰，增強圖像的邊緣等細(xì)節(jié)。而平滑處理是的目的是消除噪聲，模糊圖像，在提取大目標(biāo)之前去除小的細(xì)節(jié)或彌合目標(biāo)間的縫隙。對常提的rgb圖像和灰度圖像有了明確的理解，這對大家以后應(yīng)用photoshop等圖像處理軟件對圖像進行處理打下了堅實的基礎(chǔ)。更重要的是學(xué)習(xí)到了數(shù)字圖像處理的思想。通過學(xué)習(xí)也是對c++編程應(yīng)用的很好的實踐與復(fù)習(xí)。
數(shù)字圖像處理心得篇三
數(shù)字圖像處理心得體會
姓
名:
學(xué)
號:
201203284
班
級:
計科11202
序
號:
院
系:
計算機科學(xué)學(xué)院
在這一學(xué)期，我選修了《數(shù)字圖像處理》這門專業(yè)選修課，同時，老師還講授了一些圖片處理的知識。在這里，梳理一下這學(xué)期學(xué)到的知識，并提出一些我對這門課程的建議。
圖像處理是指對圖像信息進行加工，從而滿足人類的心理、視覺或者應(yīng)用的需求的一種行為。圖像處理方法一般有數(shù)字法和光學(xué)法兩種，其中數(shù)字法的優(yōu)勢很明顯，已經(jīng)被應(yīng)用到了很多領(lǐng)域中，相信隨著科學(xué)技術(shù)的發(fā)展,其應(yīng)用空間將會更加廣泛。數(shù)字圖像處理又稱為計算機圖像處理，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機對其進行處理的過程。數(shù)字圖像處理是從20世紀(jì)60年代以來隨著計算機技術(shù)和vlsl的發(fā)展而產(chǎn)生、發(fā)展和不斷成熟起來的一個新興技術(shù)領(lǐng)域。數(shù)字圖像處理技術(shù)其實就是利用各種數(shù)字硬件與計算機，對圖像信息通過轉(zhuǎn)換而得到的電信號進行相應(yīng)的數(shù)學(xué)運算，例如圖像去噪、圖像分割、提取特征、圖像增強、圖像復(fù)原等，以便提高圖像的實用性。其特點是處理精度比較高，并且能夠?qū)μ幚碥浖M行改進來優(yōu)化處理效果，操作比較方便，但是由于數(shù)字圖像需要處理的數(shù)據(jù)量一般很大，因此處理速度有待提高。目前，隨著計算機技術(shù)的不斷發(fā)展，計算機的運算速度得到了很大程度的提高。在短短的歷史中，它卻廣泛應(yīng)用于幾乎所有與成像有關(guān)的領(lǐng)域，在理論上和實際應(yīng)用上都取得了巨大的成就。
1.數(shù)字圖像處理需用到的關(guān)鍵技術(shù)
由于數(shù)字圖像處理的方便性和靈活性，因此數(shù)字圖像處理技術(shù)已經(jīng)成為了圖像處理領(lǐng)域中的主流。數(shù)字圖像處理技術(shù)主要涉及到的關(guān)鍵技術(shù)有：圖像的采集與數(shù)字化、圖像的編碼、圖像的增強、圖像恢復(fù)、圖像分割、圖像分析等。圖像的采集與數(shù)字化：就是通過量化和取樣將一個自然圖像轉(zhuǎn)換為計算機能夠處理的數(shù)字形式。圖像編碼：圖像編碼的目的主要是來壓縮圖像的信息量，以便能夠滿足存儲和傳輸?shù)囊?。圖像的增強：圖像的增強其主要目的是使圖像變得清晰或者將其變換為機器能夠很容易分析的形式，圖像增強方法一般有：直方圖處理、灰度等級、偽彩色處理、邊緣銳化、干擾抵制。圖像的恢復(fù)：圖像恢復(fù)的目的是減少或除去在獲得圖像的過程中因為各種原因而產(chǎn)生的退化，可能是由于光學(xué)系統(tǒng)的離焦或像差、被攝物與攝像系統(tǒng)兩者之間的相對運動、光學(xué)或電子系統(tǒng)的噪聲與介于被攝像物跟攝像系統(tǒng)之間的大氣湍流等等。
圖像的分割：圖像分割是將圖像劃分為一些互相不重疊的區(qū)域，其中每一個區(qū)域都是像素的一個連續(xù)集，通常采用區(qū)域法或者尋求區(qū)域邊界的境界法。
圖像分析：圖像分析是指從圖像中抽取某些有用的信息、數(shù)據(jù)或度量,其目的主要是想得到某種數(shù)值結(jié)果。圖像分析的內(nèi)容跟人工智能、模式識別的研究領(lǐng)域有一定的交叉。
2.數(shù)字圖像處理的特點
數(shù)字圖像處理的特點主要表現(xiàn)在以下幾個方面：
1）數(shù)字圖像處理的信息大多是二維信息，處理信息量很大。因此對計算機的計算速度、存儲容量等要求較高。2）數(shù)字圖像處理占用的頻帶較寬。與語言信息相比,占用的頻帶要大幾個數(shù)量級。所以在成
像、傳輸、存儲、處理、顯示等各個環(huán)節(jié)的實現(xiàn)上技術(shù)難度較大，成本亦高。這就對頻帶壓縮技術(shù)提出了更高的要求。
3）數(shù)字圖像中各個像素不是獨立的，其相關(guān)性大。在圖像畫面上，經(jīng)常有很多像素有相同
或接近的灰度。所以，圖像處理中信息壓縮的潛力很大。
4）數(shù)字圖像處理后的圖像受人的因素影響較大，因為圖像一般是給人觀察和評價的。
3.數(shù)字圖像處理的優(yōu)點
數(shù)字圖像處理的優(yōu)點主要表現(xiàn)在4個方面。
1）再現(xiàn)性好。數(shù)字圖像處理與模擬圖像處理的根本不同在于它不會因圖像的存儲、傳輸或
復(fù)制等一系列變換操作而導(dǎo)致圖像質(zhì)量的退化。只要圖像在數(shù)字化時準(zhǔn)確地表現(xiàn)了原稿，那么數(shù)字圖像處理過程始終能保持圖像的再現(xiàn)。
2）處理精度高。將一幅模擬圖像數(shù)字化為任意大小的二維數(shù)組，主要取決于圖像數(shù)字化設(shè)
備的能力。3）適用面寬。圖像可以來自多種信息源,它們可以是可見光圖像，也可以是不可見的波譜圖
像。只要針對不同的圖像信息源，采取相應(yīng)的圖像信息采集措施，圖像的數(shù)字處理方法適用于任何一種圖像。
4）靈活性高。圖像處理大體上可分為圖像的像質(zhì)改善、圖像分析和圖像重建三大部分，每
一部分均包含豐富的內(nèi)容。4.數(shù)字圖像處理的應(yīng)用領(lǐng)域
圖像是人類獲取和交換信息的主要來源，因此，圖像處理的應(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面，隨著人類活動范圍的不斷擴大,圖像處理的應(yīng)用領(lǐng)域也將隨之不斷擴大。航天和航空技術(shù)：在飛機遙感和衛(wèi)星遙感技術(shù)中用配備有高級計算機的圖像處理系統(tǒng)來判讀分析，既節(jié)省人力又加快了速度，還可以從照片中提取人工所不能發(fā)現(xiàn)的大量有用情報。生物醫(yī)學(xué)工程：除了ct技術(shù)之外，還有對醫(yī)用顯微圖像的處理分析，如紅細(xì)胞、白細(xì)胞分類，染色體分析，癌細(xì)胞識別等。
通信工程：當(dāng)前通信的主要發(fā)展方向是聲音、文字、圖像和數(shù)據(jù)結(jié)合的多媒體通信。在一定意義上講，編碼壓縮是這些技術(shù)成敗的關(guān)鍵。除了已應(yīng)用較廣泛的熵編碼、dpcm編碼、變換編碼外，目前國內(nèi)外正在大力開發(fā)研究新的編碼方法，如分行編碼、自適應(yīng)網(wǎng)絡(luò)編碼、小波變換圖像壓縮編碼等。工業(yè)和工程領(lǐng)域：圖像處理技術(shù)有著廣泛的應(yīng)用，如自動裝配線中檢測零件的質(zhì)量并對零件進行分類，印刷電路板疵病檢查，彈性力學(xué)照片的應(yīng)力分析，流體力學(xué)圖片的阻力和升力分析,郵政信件的自動分揀，在一些有毒、放射性環(huán)境內(nèi)識別工件及物體的形狀和排列狀態(tài)，先進的設(shè)計和制造技術(shù)中采用工業(yè)視覺等等。
軍事方面：圖像處理和識別主要用于導(dǎo)彈的精確末制導(dǎo),各種偵察照片的判讀，具有圖像傳輸、存儲和顯示的軍事自動化指揮系統(tǒng)，飛機、坦克和軍艦?zāi)M訓(xùn)練系統(tǒng)等；公安業(yè)務(wù)圖片的判讀分析，指紋識別，人臉鑒別，不完整圖片的復(fù)原，以及交通監(jiān)控、事故分析等。文化藝術(shù)：電視畫面的數(shù)字編輯、動畫的制作、電子圖像游戲、紡織工藝品設(shè)計、服裝設(shè)計與制作、發(fā)型設(shè)計、文物資料照片的復(fù)制和修復(fù)、運動員動作分析和評分等等。
視頻和多媒體系統(tǒng)：電視制作系統(tǒng)廣泛使用的圖像處理、變換、合成，多媒體系統(tǒng)中靜止圖像和動態(tài)圖像的采集、壓縮、處理、存貯和傳輸?shù)取?/p>
電子商務(wù)：圖像處理技術(shù)在電子商務(wù)中也大有可為,如身份認(rèn)證、產(chǎn)品防偽、水印技術(shù)等。
在這門課程的最后，老師給我們講授了數(shù)字視頻處理，讓我們了解到數(shù)字視頻就是以數(shù)字形式記錄的視頻，和模擬視頻相對的。數(shù)字視頻有不同的產(chǎn)生方式，存儲方式和播出方式。比如通過數(shù)字?jǐn)z像機直接產(chǎn)生數(shù)字視頻信號，存儲在數(shù)字帶，p2卡，藍(lán)光盤或者磁盤上，從而得到不同格式的數(shù)字視頻。然后通過pc，特定的播放器等播放出來。了解了數(shù)字視頻發(fā)展過程和視頻壓縮的概念和分類等。
photoshop是adobe公司旗下最為出名的圖像處理軟件之一，集圖像掃描、編輯修改、圖像制作、廣告創(chuàng)意，圖像輸入與輸出于一體的圖形圖像處理軟件，深受廣大平面設(shè)計人員和電腦美術(shù)愛好者的喜愛。
如果能理論和實踐相結(jié)合，相信我們會把數(shù)字圖像處理理解的跟透徹，同時也鍛煉了大家的動手能力。希望老師能考慮我的這點建議，多開設(shè)實際動手的課程。
數(shù)字圖像是我們生活中接觸最多的圖像各類，它伴隨人們的生活、學(xué)習(xí)、工作，并在軍事、醫(yī)學(xué)、和工業(yè)方面發(fā)揮著極大的作用，可謂隨處可見，尤其在生活方面作為學(xué)生的我們會在外出旅游、生活、工作中拆下許多數(shù)字相片，現(xiàn)在已進入信息化時代，圖像作為信息的重要載體在信息傳輸方面有著聲音、文字等信息載體不可替代的作用，并且近年來圖像處理領(lǐng)域，數(shù)字圖像處理技術(shù)取得了飛速發(fā)展，作為計算機類專業(yè)的大學(xué)生更加有必要對數(shù)字圖像處理技術(shù)有一定的掌握，而大多人對于數(shù)字圖像的知識卻不全面，甚至一些基礎(chǔ)知識也很模糊，比如各類繁多的各種圖像格式之間的特點，不同的情況該用何種圖像格式，還有關(guān)于圖像的一些基本術(shù)語也不甚了解，尤為重要的是對于一些由于拍攝問題導(dǎo)致的令人不甚滿意的照片該如何處理，或者如何對一些照片進行處理實現(xiàn)特殊的表現(xiàn)效果。所以對于數(shù)字圖像處理這門課大家有著極大興趣，在選課時幾乎所有人都選了這門課。其中有的同學(xué)由于簡單的學(xué)習(xí)過photoshop軟件，因此對于數(shù)字圖像處理已經(jīng)有了一些基礎(chǔ)，更加想利用這門課的學(xué)習(xí)加深自己數(shù)字圖像處理的理解并提高在數(shù)字圖像處理方面的能力。
通過一學(xué)期的課程學(xué)習(xí)我們雖說還沒有完全掌握數(shù)字圖像處理技術(shù)，但也收獲了不少，對于數(shù)字圖像方面的知識有了深入的了解，更加理解了數(shù)字圖像的本質(zhì)，即是一些數(shù)字矩陣，但灰度圖像和彩色圖像的矩陣形式是不同的。對于一些耳熟能詳?shù)臄?shù)字圖像相關(guān)術(shù)語有了明確的認(rèn)識，比如常見的：像素（衡量圖像的大?。⒎直媛剩ê饬繄D像的清晰程度）、位圖（放大后會失真）、矢量圖（經(jīng)過放大不會失真）等大家都能叫上口卻知識模糊的名詞。也了解圖像處理技術(shù)中一些常用處理技術(shù)的實質(zhì)，比如銳化處理是使模糊的圖像變清晰，增強圖像的邊緣等細(xì)節(jié)。而平滑處理是的目的是消除噪聲，模糊圖像，在提取大目標(biāo)之前去除小的細(xì)節(jié)或彌合目標(biāo)間的縫隙。對常提的rgb圖像和灰度圖像有了明確的理解，這對大家以后應(yīng)用photoshop等圖像處理軟件對圖像進行處理打下了堅實的基礎(chǔ)。更重要的是學(xué)習(xí)到了數(shù)字圖像處理的思想。通過學(xué)習(xí)也是對c++編程應(yīng)用的很好的實踐與復(fù)習(xí)。
當(dāng)然通過這些課程學(xué)習(xí)還是遠(yuǎn)遠(yuǎn)不夠的，也有許多同學(xué)收獲甚微，我總結(jié)了下大家后期的學(xué)習(xí)態(tài)度與前期的學(xué)習(xí)熱情相差很大的原因。剛開始大家是有很高的熱情學(xué)習(xí)這門課的，可是隨著課程的逐漸深入學(xué)習(xí)，大家漸漸發(fā)現(xiàn)課程講授內(nèi)容與自己起初想學(xué)的實用圖像處理技術(shù)是有很大的差別的，大家更著眼于如何利用一些軟件、技術(shù)去處理圖像而得到滿意的效果，或者進行一些圖像的創(chuàng)意設(shè)計，可是課程的內(nèi)容更偏重于如何通過編程實現(xiàn)實現(xiàn)如何對圖像進行一些類似于銳化、邊緣提取、模糊、去除噪聲等基礎(chǔ)功能的實現(xiàn)，這其中涉及很多算法、函數(shù)，需要扎實的數(shù)學(xué)基礎(chǔ)和編程基礎(chǔ)，并且需要利用大量時間在課下編寫代碼，實現(xiàn)并進行調(diào)試，然而大部分人的編程實踐能力以及編程能力還有待提高，尤其是對于矩陣進行操作的編程尤為是個考驗，并且后半學(xué)期課程任務(wù)較重，加上隊里的事務(wù)也很多，時間不是很充裕，這對于需要大量實踐的數(shù)字圖像處理課程就是個很大的問題。
在老師授課方面建議可以在課上多進行具體操作，這樣可以提起大家學(xué)習(xí)的興趣，也可以讓大家在課下積極準(zhǔn)備，然后在上課由學(xué)員進行演示，還可以加入一些數(shù)字圖像處理的經(jīng)典范例，加深同學(xué)們的學(xué)習(xí)熱情。
數(shù)字圖像處理心得篇四
數(shù)字圖像處理
實驗報告
目錄
1.數(shù)字圖像處理簡介
2.實驗?zāi)康?.實驗內(nèi)容
4.實驗結(jié)果及代碼展示
5.算法綜述
優(yōu)勢
7.總結(jié)
8.存在問題
一、數(shù)字圖像處理簡介
圖像處理，是對圖像進行分析、加工、和處理，使其滿足視覺、心理以及其他要求的技術(shù)。圖像處理是信號處理在圖像域上的一個應(yīng)用。目前大多數(shù)的圖像是以數(shù)字形式存儲，因而圖像處理很多情況下指數(shù)字圖像處理。此外，基于光學(xué)理論的處理方法依然占有重要的地位。
圖像處理是信號處理的子類，另外與計算機科學(xué)、人工智能等領(lǐng)域也有密切的關(guān)系。
傳統(tǒng)的一維信號處理的方法和概念很多仍然可以直接應(yīng)用在圖像處理上，比如降噪、量化等。然而，圖像屬于二維信號，和一維信號相比，它有自己特殊的一面，處理的方式和角度也有所不同。
二、實驗?zāi)康?/p>
鞏固所學(xué)知識，提高所學(xué)能力
三、實驗內(nèi)容
利用matlab的gui程序設(shè)計一個簡單的圖像處理程序，并含有如下基本功能： 1.讀入一幅rgb圖像，變換為灰度圖像和二值圖像，并在同一個窗口內(nèi)分成三個子窗口來分別顯示rgb圖像和灰度圖像，注上文字標(biāo)題 2.對給定圖像進行旋轉(zhuǎn)
3．對給定的圖像添加噪聲（椒鹽噪聲、高斯噪聲）
四、實驗結(jié)果及代碼展示
1.軟件設(shè)計界面
2.各模塊功能展示以及程序代碼
（1）讀入一幅rgb圖像，變換為灰度圖像和二值圖像，并在同一個窗口內(nèi)分成三個子窗口來分別顯示rgb圖像和灰度圖像，注上文字標(biāo)題
效果展示：
代碼：
a = imread('c:documents and ');
i = rgb2gray(a);i = im2bw(a,0.5);
subplot(3,1,1);imshow(a);title('源圖像')subplot(3,1,2);imshow(i);title('灰度圖像')subplot(3,1,3);imshow(i);title('二值圖像')
（2）圖像旋轉(zhuǎn) 原圖
效果展示：
代碼：
clc;clear all;close all;
img=imread('d:my documentsmy ');img=double(img);[h w]=size(img);alpha=pi/4;
wnew=w*cos(alpha)+h*sin(alpha);hnew=w*sin(alpha)+h*cos(alpha);wnew=ceil(wnew);
hnew=ceil(hnew);u0=w*sin(alpha);
t=[cos(alpha),sin(alpha);-sin(alpha),cos(alpha)];imgnew2=zeros(hnew,wnew);imgnew1=zeros(hnew,wnew);for u=1:hnew
for v=1:wnew
tem=t*([u;v]-[u0;0]);x=tem(1);y=tem(2);if x>=1&&x<=h&&y>=1&&y<=w x_low=floor(x);x_up=ceil(x);y_low=floor(y);y_up=ceil(y);if(x-x_low)<=(x_up-x)x=x_low;
else
x=x_up;
end
if(y-y_low)<=(y_up-y)y=y_low;
else
y=y_up;
end
p1=img(x_low,y_low);p2=img(x_up,y_low);p3=img(x_low,y_low);p4=img(x_up,y_up);s=x-x_low;t=y-y_low;imgnew1(u,v)=img(x,y);
imgnew2(u,v)=(1-s)*(1-t)*p1+(1-s)*t*p3+(1-t)*s*p2+s*t*p4;end
end end
figure;imshow(imgnew2,[]);b=imrotate(img,alpha/pi*180);figure;imshow(b,[]);
（3）對給定的圖像添加噪聲（斑點噪聲、高斯噪聲）效果展示：
代碼：
i= imread('d:my documentsmy ');figure,subplot(211);imshow(i);title('原圖');j1=imnoise(i,'gaussian',0,0.02);
subplot(223);imshow(j);title('添加高斯噪聲');j=imnoise(i,'speckle',0.04);
subplot(224);imshow(j);title('添加斑點噪聲');
五、算法綜述 灰度圖像：
一幅完整的圖像，是由紅色、綠色、藍(lán)色三個通道組成的。紅色、綠色、藍(lán)色三個通道的縮覽圖都是以灰度顯示的。用不同的灰度色階來表示“ 紅，綠，藍(lán)”在圖像中的比重。通道中的純白，代表了該色光在此處為最高亮度，亮度級別是255。
通道是整個photoshop顯示圖像的基礎(chǔ)。色彩的變動，實際上就是間接在對通道灰度圖進行調(diào)整。通道是photoshop處理圖像的核心部分，所有的色彩調(diào)整工具都是圍繞在這個核心周圍使用的。
在計算機領(lǐng)域中，灰度數(shù)字圖像是每個像素只有一個采樣顏色的圖像。這類圖像通常顯示為從最暗黑色到最亮的白色的灰度，盡管理論上這個采樣可以任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色?；叶葓D像與黑白圖像不同，在計算機圖像領(lǐng)域中黑白圖像只有黑色與白色兩種顏色；灰度圖像在黑色與白色之間還有許多級的顏色深度。但是，在數(shù)字圖像領(lǐng)域之外，“黑白圖像”也表示“灰度圖像”，例如灰度的照片通常叫做“黑白照片”。在一些關(guān)于數(shù)字圖像的文章中單色圖像等同于灰度圖像，在另外一些文章中又等同于黑白圖像。灰度圖像經(jīng)常是在單個電磁波頻譜如可見光內(nèi)測量每個像素的亮度得到的。
用于顯示的灰度圖像通常用每個采樣像素 8 位的非線性尺度來保存，這樣可以有 256 級灰度。這種精度剛剛能夠避免可見的條帶失真，并且非常易于編程。在醫(yī)學(xué)圖像與遙感圖像這些技術(shù)應(yīng)用中經(jīng)常采用更多的級數(shù)以充分利用每個采樣 10 或 12 位的傳感器精度，并且避免計算時的近似誤差。在這樣的應(yīng)用領(lǐng)域每個采樣 16 位即 65536 級得到流行。
二值圖像：
是指每個像素不是黑就是白，其灰度值沒有中間過渡的圖像。二值圖像一般用來描述文字或者圖形，其優(yōu)點是占用空間少，缺點是，當(dāng)表示人物，風(fēng)景的圖像時，二值圖像只能描述其輪廓，不能描述細(xì)節(jié)。這時候要用更高的灰度級。
二值圖像是每個像素只有兩個可能值的數(shù)字圖像。人們經(jīng)常用黑白、b&w、單色圖像表示二值圖像，但是也可以用來表示每個像素只有一個采樣值的任何圖像，例如灰度圖像等。
二值圖像中所有的像素只能從0和1這兩個值中取，因此在matlab中，二值圖像用一個由0和1組成的二維矩陣表示。這兩個可取的值分別對應(yīng)于關(guān)閉和打開，關(guān)閉表征該像素處于背景，而打開表征該像素處于前景。以這種方式來操作圖像可以更容易識別出圖像的結(jié)構(gòu)特征。二值圖像操作只返回與二值圖像的形式或結(jié)構(gòu)有關(guān)的信息，如果希望對其他類型的圖像進行同樣的操作，則首先要將其轉(zhuǎn)換為二進制的圖像格式，可以通過調(diào)用matlab提供的im2bw（）來實現(xiàn)。
二值圖像經(jīng)常出現(xiàn)在數(shù)字圖像處理中作為圖像掩碼或者在圖像分割、二值化和dithering的結(jié)果中出現(xiàn)。一些輸入輸出設(shè)備，如激光打印機、傳真機、單色計算機顯示器等都可以處理二值圖像。
二值圖像經(jīng)常使用位圖格式存儲。
二值圖像可以解釋為二維整數(shù)格z，圖像變形處理領(lǐng)域很大程度上就是受到這個觀點啟發(fā)。
圖像旋轉(zhuǎn)：
圖像旋轉(zhuǎn)是指圖像以某一點為中心旋轉(zhuǎn)一定的角度,形成一幅新的圖像的過程。當(dāng)然這個點通常就是圖像的中心。既然是按照中心旋轉(zhuǎn),自然會有這樣一個屬性：旋轉(zhuǎn)前和旋轉(zhuǎn)后的點離中心的位置不變.根據(jù)這個屬性,我們可以得到旋轉(zhuǎn)后的點的坐標(biāo)與原坐標(biāo)的對應(yīng)關(guān)系。由于原圖像的坐標(biāo)是以左上角為原點的,所以我們先把坐標(biāo)轉(zhuǎn)換為以圖像中心為原點。假設(shè)原圖像的寬為w,高為h,（x0,y0）為原坐標(biāo)內(nèi)的一點,轉(zhuǎn)換坐標(biāo)后的點為（x1,y1）。那么不難得到： x1 = x0-w/2;y1 =-y0 + h/2;在新的坐標(biāo)系下,假設(shè)（x0,y0）距離原點的距離為r,點與原點之間的連線與x軸的夾角為b,旋轉(zhuǎn)的角度為a,旋轉(zhuǎn)后的點為（x1,y1）
噪聲：
是電路或系統(tǒng)中不含信息量的電壓或電流。在工業(yè)與自然界中，存在著各種干擾源（噪聲源），如大功率電力電子器件的接入、大功率用電設(shè)備的開啟與斷開、雷擊閃電等都會使空間電場和磁場產(chǎn)生有序或無序的變化，這些都是干擾源（或噪聲源）。這些源產(chǎn)生的電磁波或尖峰脈沖通過磁、電耦合或是通過電源線等路徑進入放大電路，各種電氣設(shè)備，形成各種形式的干擾。
斑點噪聲：
斑點噪聲是sar成像系統(tǒng)的一大特色，源自基本分辨單元內(nèi)地物的隨機散射，在圖像上表現(xiàn)為信號相關(guān)（如在空間上相關(guān)）的小斑點，它既降低了圖像的畫面質(zhì)量，又嚴(yán)重影響圖像的自動分割、分類、目標(biāo)檢測以及其它定量專題信息的提取。
sar圖像斑點噪聲的去除一方面要抑制圖像均勻區(qū)域斑點噪聲，另一方面要保持圖像邊緣和紋理細(xì)節(jié)信息。sar斑點噪聲的抑制可通過非相干多視處理，也可使用空間域濾波實現(xiàn)。非相干多視處理會降低圖像的地面分辨率。因此，涌現(xiàn)出了一系列空間域濾波方法，如均值濾波、中值濾波、lee濾波、kuan濾波、frost濾波、sigma濾波以及gamma map濾波等。但這類算法存在自身無法克服的矛盾：一方面為增強斑點去噪效果需選較大的濾波窗口，另一方面為保持圖像的實際分辨率要求所選的窗口較小。
高斯噪聲：
所謂高斯噪聲是指它的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。如果一個噪聲，它的幅度分布服從高斯分布，而它的功率譜密度又是均勻分布的，則稱它為高斯白噪聲。高斯白噪聲的二階矩不相關(guān)，一階矩為常數(shù)，是指先后信號在時間上的相關(guān)性。高斯白噪聲包括熱噪聲和散粒噪聲。
實驗中是通過matlab自帶的函數(shù)產(chǎn)生噪聲，各函數(shù)如下： j1=imnoise(i,'salt & pepper',0.05);%添加椒鹽噪聲
j2=imnoise(i,'gaussian',0,0.03);
%添加均值為0，方差為0.03的高斯噪聲。
六、matlab優(yōu)勢
matlab是一個包含大量算法的集合。其可以快捷的實現(xiàn)用戶所需的各種計算功能。函數(shù)中所使用的算法都是科研和工程計算中的最新研究成果，而前經(jīng)過了各種優(yōu)化和差錯處理。在通常情況下，可以用它來代替底層編程語言，如c和c++。在計算要求相同的情況下，使用matlab的編程工作量會大大減少。matlab的這些函數(shù)集包括從最簡單最基本的函數(shù)到諸如矩陣，特征向量、快速傅立葉變換的復(fù)雜函數(shù)。函數(shù)所能解決的問題其大致包括矩陣運算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號運算、傅立葉變換和數(shù)據(jù)的統(tǒng)計分析、工程中的優(yōu)化問題、稀疏矩陣運算、復(fù)數(shù)的各種運算、三角函數(shù)和其他初等數(shù)學(xué)運算、多維數(shù)組操作以及建模動態(tài)仿真等。圖形處理功能
圖形處理功能matlab自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來，并且可以對圖形進行標(biāo)注和打印。高層次的作圖包括二維和三維的可視化、圖象處理、動畫和表達(dá)式作圖?？捎糜诳茖W(xué)計算和工程繪圖。新版本的matlab對整個圖形處理功能作了很大的改進和完善，使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且對于一些其他軟件所沒有的功能（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），matlab同樣表現(xiàn)了出色的處理能力。同時對一些特殊的可視化要求，例如圖形對話等，matlab也有相應(yīng)的功能函數(shù)，保證了用戶不同層次的要求。另外新版本的matlab還著重在圖形用戶界面（gui）的制作上作了很大的改善，對這方面有特殊要求的用戶也可以得到滿足
模塊集合工具箱
matlab對許多專門的領(lǐng)域都開發(fā)了功能強大的模塊集和工具箱。一般來說，它們都是由特定領(lǐng)域的專家開發(fā)的，用戶可以直接使用工具箱學(xué)習(xí)、應(yīng)用和評估不同的方法而不需要自己編寫代碼。目前，matlab已經(jīng)把工具箱延伸到了科學(xué)研究和工程應(yīng)用的諸多領(lǐng)域，諸如數(shù)據(jù)采集、數(shù)據(jù)庫接口、概率統(tǒng)計、樣條擬合、優(yōu)化算法、偏微分方程求解、神經(jīng)網(wǎng)絡(luò)、小波分析、信號處理、圖像處理、系統(tǒng)辨識、控制系統(tǒng)設(shè)計、lmi控制、魯棒控制、模型預(yù)測、模糊邏輯、金融分析、地圖工具、非線性控制設(shè)計、實時快速原型及半物理仿真、嵌入式系統(tǒng)開發(fā)、定點仿真、dsp與通訊、電力系統(tǒng)仿真等，都在工具箱（toolbox）家族中有了自己的一席之地。
七、總結(jié)
運用matlab軟件對圖像進行處理，讓我鞏固了之前所學(xué)的知識，同時也在這次作業(yè)中更加了解到matlab語言在生活中的運用環(huán)境和掌握這門語言的重要性
八、存在問題
1.在進行圖像增強時要不要講圖像先進行平滑處理？ 2.如何增加這個算法的準(zhǔn)確度
3.在此次作業(yè)中，為何添加椒鹽噪聲時無法顯示
數(shù)字圖像處理心得篇五
中南大學(xué)
數(shù)字圖像處理實驗 實驗名稱：空間濾波和頻域濾波
班級：電子信息0802班
姓名：李哲 學(xué)號：0909080609 實驗日期：2010年12月22日
目錄
一，實驗?zāi)康???????????????????????3 二，給圖像添加噪聲????????????????????4 三，對被噪聲污染的圖像進行中值濾波和均值濾波???????5 四，對圖像進行空間域的銳化????????????????6 五，matlab以外函數(shù)空間濾波和圖像銳化??????????7 六，自帶函數(shù)傅立葉變換和反變換??????????????8 七，低通濾波器程序????????????????????9 八，心得體會 ??????????????????????10 九，參考文獻 ??????????????????????10
一、實驗?zāi)康?1，空間濾波：
圖像平滑主要目的是減少噪聲。噪聲有很多種類，不同的噪聲有不同的抑制措施。本實驗要求用平滑線性濾波和中值濾波2種最典型、最常用的處理算法進行程序設(shè)計，學(xué)習(xí)如何對已被噪聲污染的圖像進行“凈化”。通過平滑處理，對結(jié)果圖像加以比較，得出自己的實驗結(jié)論。學(xué)習(xí)如何用銳化處理技術(shù)來加強圖像的目標(biāo)邊界和圖像細(xì)節(jié)，對圖像進行梯度算子、拉普拉斯算子，使圖像的某些特征（如邊緣、輪廓等）得以進一步的增強及突出。本實驗銳化處理主要在空間域中進行 2，頻域濾波：
掌握傅里葉變換的基本性質(zhì)； 掌握傅里葉正變換和反變換； 通過實驗了解二維頻譜的分布特點； 掌握怎樣利用傅立葉變換進行頻域濾波
利用matlab程序數(shù)字圖像的傅立葉變換并且進行頻域濾波
二，給圖像添加椒鹽噪聲或者高斯噪聲： 原理：利用matlab自帶函數(shù)添加噪聲 程序代碼：a=imread('');i=rgb2gray(a);imshow(i);j = imnoise(i,'salt & pepper',0.05);figure,imshow(j),title('椒鹽噪聲');%添加椒鹽噪聲 k = imnoise(i,'gaussian',0,0.03);
figure,imshow(k),title('高斯噪聲');%添加高斯噪聲
三，對被噪聲污染的圖像進行中值濾波和均值濾波： 原理：自帶函數(shù)進行中值濾波和均值濾波 源程序：a=imread('');i=rgb2gray(a);j = imnoise(i,'salt & pepper',0.05);k2=medfilt2(j,[5 5]);k3=medfilt2(j,[7 7]);imshow(j),title('原圖');figure,imshow(k2),title('中值濾波5*5模板');figure,imshow(k3),title('中值濾波7*7模板');
四，對圖像進行空間域的銳化： 原理：自帶函數(shù)進行空間銳化。源程序：i=imread('');subplot(121),imshow(i),title('原圖像');h=fspecial('sobel');i2=filter2(h ,i);subplot(122),imshow(i2),title('sobel算子銳化圖像');
五，matlab以外函數(shù)空間濾波和圖像銳化：
源程序：i = imread('');j = imnoise(i,'salt & pepper',0.02);k = medfilt2(j);imshow(j);title('噪聲干擾圖像')figure, imshow(k);title('medfilt2濾波圖像')x=j;a=2;b=2;k=floor(a*b/2)+1;[m,n]=size(x);uint8 y=zeros(m,n);funbox=zeros(a,b);temp=zeros(a*b);
for i=1:m-a
for j=1:n-b
funbox=x(i:i+a,j:j+b);
temp=funbox(:);
tempsort=sort(temp);
y(i,j)=tempsort(k);
end;end;figure, imshow(y);title('濾波圖像')
六，利用matlab的圖像處理工具箱中提供的函數(shù)實現(xiàn)圖像的傅立葉變換和反變換： 源程序：
a=imread('');f=rgb2gray(a);subplot(131),imshow(f),title('原圖');f=fft2(f);% 快速傅立葉變換
subplot(132),imshow(f),title('傅里葉變換')fabs=abs(f);% 求幅頻絕對值 fc=fftshift(fabs);% 中心移位 sfc=log(1+fc);% 對數(shù)變換
ifc1=ifftshift(fc);% 中心移位的逆變換，絕對值 if2=ifft2(ifc1);% 快速傅立葉變換的逆變換
subplot(133),imshow(if2),title('快速傅立葉變換的逆變換')
七，低通濾波器程序：
i=imread('');subplot(221),imshow(i);title('原始圖像')j1=imnoise(i,'gaussian',0.02);% 疊加高斯白噪聲
subplot(222),imshow(j1);title('添加高斯白噪聲的圖像')f=double(j1);
% 數(shù)據(jù)類型轉(zhuǎn)換 g=fft2(f);
% 傅立葉變換 g=fftshift(g);
[m,n]=size(g);nn=2;
% 二階巴特沃斯(butterworth)低通濾波器 d0=50;
% 設(shè)置截止頻率 m=fix(m/2);n=fix(n/2);for i=1:m for j=1:n
d=sqrt((i-m)^2+(j-n)^2);
h=1/(1+0.414*(d/d0)^(2*nn));% 計算低通濾波器傳遞函數(shù)
result(i,j)=h*g(i,j);end end result=ifftshift(result);j2=ifft2(result);j3=uint8(real(j2));subplot(223),imshow(j3);title('低通濾波后圖像')
心得體會
1，進一步熟悉了matlab軟件、編程以及圖像處理工具箱 2，學(xué)會利用自帶函數(shù)對圖像做簡單的處理，例如：均值化等。3，熟練了一些基本函數(shù)的運用，例如fspecial，imfilter等。4，加深了對matlab編程的理解。
5，對于試驗中的出現(xiàn)的一些問題，懂得怎樣去處理。6，通過實際操作，增強了自己的動手能力，把理論用于實踐。
參考文獻：數(shù)字圖像處理第二版
matlab教程
