数字图像处理大作业

①图像处理

特点：输入是图像，输出也是图像，即图像之间进行的变换。

图像分割。特点：输入是图像，输出是数据。

图像识别。特点：以客观世界为中心，借助知识、经验等来把握整个客观世界。“输入是数据，输出是理解。

rgb（红、绿、蓝）模型。

cmy（青、品红、黄）模型。

hsi（色调、饱和度、亮度）模型。

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。例如：一副640*480分辨率的图像，表示这幅图像是由640*480＝307200个像素点组成。

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。

针对数字图像而言：

采样决定了图像的空间分辨率，换句话说，空间分辨率是图像中可分辨的最小细节。

量化决定了图像的灰度级，即指在灰度级别中可分辨的最小变化。

图像的类型转换：

对于索引图像进行滤波时，必须把它转换为rgb图像，否则对图像的下标进行滤波，得到的结果是毫无意义的；

实验结果：这题其实就是一个函数imcrop()的使用而已。

实验结果：实验结果：

图像增强可分成两大类：频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。

采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的**变得清晰。后者空间域法中具有代表性的算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。

实验**：实验结果：

matlab提供了基于卷积的图像滤波函数imfilter进行平滑滤波，该函数用指定的滤波器模板对图像进行运算。

其调用格式为：

b = imfilter(h,a)

b = imfilter(h,a,shape)

其中b=imfilter(h,a)返回图像a经算子h滤波后的结果，参数shape指定滤波的计算范围，即：

shape=‘full’时，作边界补零

shape=‘same’时，返回图像b与输入图像a大小相同

shape=‘valid’时，不考虑边界补零，只计算有效输出部分。

此外，也可以使用imfilter函数进行卷积或相关性滤波来实现图像平滑。

该函数的调用格式为：

b = imfilter(a,h)

b = imfilter(a,h, option1,option2,…)

其中b=imfilter(a,h)返回图像a经算子h滤波后的结果；

b=imfilter(a,h, option 1, option 2,…)是根据指定的option参数实现图像滤波。

option参数可以有下列取值：

边界填充选项对一幅图像进行滤波时，零填充可能会导致图像被一个黑框围绕，为了消除零填充的人工痕迹，imfilter函数支持三种可选的边界填充方法：

symmetric’ 边界对称

replicate’ 边界复制，缺省值

circular’ 边界循环输出尺寸选项

其选项与imfilter函数的shape参数相同。

滤波选项 ‘corr’ 使用相关性来进行滤波，缺省使用此方法 ‘conv’ 使用卷积方法实现滤波。