图像频率域处理程序设计

第一篇：图像频率域处理程序设计

武汉理工大学《专业综合课程设计》说明书

目录

摘要.....................................................................2 1 MATLAB软件功能简介....................................................3 2 数字图像处理简介.......................................................4

2.1 数字图像处理的目的................................................4 2.2 数字图像处理的方法................................................5 2.3 图像频域处理的概述................................................5 3 二维傅里叶变换.........................................................7

3.1 二维连续傅里叶变换................................................7 3.2 二维离散傅里叶变换................................................8 3.3 二维离散傅里叶变换的性质..........................................8 3.4 周期延拓在卷积中的作用............................................9 4 图像频率域处理程序设计步骤............................................13 4.1 找出两幅大小不一的256级的灰度图像...............................13 4.2 频率域处理程序设计...............................................17 5 运行结果及结果分析....................................................20 6课程设计心得体会.......................................................22 参考文献................................................................24

武汉理工大学《专业综合课程设计》说明书

摘要

图像的频域处理是指根据一定的图像模型，对图像频谱进行不同程度修改的技术。二维正交变换是图像处理中常用的变换，其特点是变换结果的能量分布向低频成份方向集中，图像的边缘、线条在高频成份上得到反映，因此正交变换在图像处理中得到广泛运用。傅里叶作为一种典型的正交变换，在数学上有比较成熟和快速的处理方法。卷积特性是傅里叶变换性质之一，由于它在通信系统和信号处理中的重要地位－－应用最广。在用频域方法进行卷积过程中尤其要注意傅里叶变换的周期性，注意周期延拓的重要作用，本次课设将对此作详细的介绍。

关键字：频域处理，二维傅里叶变换，卷积，周期延拓

武汉理工大学《专业综合课程设计》说明书 MATLAB软件功能简介

MATLAB的名称源自Matrix Laboratory,1984年由美国Mathworks公司推向市场。它是一种科学计算软件，专门以矩阵的形式处理数据。MATLAB将高性能的数值计算和可视化集成在一起，并提供了大量的内置函数，从而被广泛的应用于科学计算、控制系统和信息处理等领域的分析、仿真和设计工作。

MATLAB软件包括五大通用功能，数值计算功能（Nemeric）、符号运算功能（Symbolic）、数据可视化功能（Graphic）、数字图形文字统一处理功能（Notebook）和建模仿真可视化功能（Simulink）。其中，符号运算功能的实现是通过请求MAPLE内核计算并将结果返回到MATLAB命令窗口。该软件有三大特点，一是功能强大；二是界面友善、语言自然；三是开放性强。目前，Mathworks公司已推出30多个应用工具箱。MATLAB在线性代数、矩阵分析、数值及优化、数值统计和随机信号分析、电路与系统、系统动力学、图像处理、控制理论分析和系统设计、过程控制、建模和仿真、通信系统以及财政金融等众多领域的理论研究和工程设计中得到了广泛应用。

MATLAB 的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。附加的工具箱（单独提供的专用 MATLAB 函数集）扩展了 MATLAB 环境，以解决这些应用领域内特定类型的问题。MATLAB应用：

MATLAB 产品族可以用来进行以下各种工作： ①数值分析 ②数值和符号计算 ③工程与科学绘图 ④控制系统的设计与仿真 ⑤数字图像处理 ⑥数字信号处理 ⑦通讯系统设计与仿真 ⑧财务与金融工程

武汉理工大学《专业综合课程设计》说明书 数字图像处理简介

2.1 数字图像处理的目的

数字图像处理(Digital Image Processing)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。

图像增强的目的是采用某种技术手段，改善图像的视觉效果，或将图像转换到更适合人眼观察和机器分析、识别的形式，以便从图像中获取更有用的信息。图像增强的基本方法可分为两大类：空间域和频域方法。空间域是指图像平面自身，这类方法是以对图像的像素直接处理为基础的；而频率域处理技术是以修改图像的傅里叶变换为基础的。两者的具体方法包括以下内容：

（1）空间域处理：点处理，模板处理即邻域处理（2）频率域处理：高、低通滤波，同态滤波等。

武汉理工大学《专业综合课程设计》说明书

2.2 数字图像处理的方法

傅里叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。最初傅里叶分析是作为热过程的解析分析的工具被提出的[1]。傅里叶变换属于谐波分析。傅里叶变换的逆变换容易求出，而且形式与正变换非常类似。正弦基函数是微分运算的本征函数，从而使得线性微分方程的求解可以转化为常系数的代数方程的求解。在线性时不变的物理系统内，频率是个不变的性质，从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获取。卷积定理指出：傅里叶变换可以化复杂的卷积运算为简单的乘积运算，从而提供了计算卷积的一种简单手段。离散形式的傅里叶变换可以利用数字计算机快速的实现（其算法称为快速傅里叶变换算法（FFT））。MATLAB中提供的变换函数

（1）fft2:用于计算二维快速傅立叶变换，语句格式：B=fft2(I,m,n)按指定的点数计算m，返回矩阵B的大小为m×n，不写默认为原图像大小（2）fftn:用于计算n维快速傅立叶变换

（3）fftshift:用于将变换后的图像频谱中心从矩阵的原点移到矩阵地中心，语法格式B=fftshift(I)（4）ifft2:用于计算图像的二维傅立叶反变换，语法格式：B=ifft2(i)（5）ifftn:用于计算n维傅立叶变换，快速卷积实验：傅立叶变换一个重要特性是可以实现快速卷积

设A为M×N矩阵，B为P×Q的矩阵，快速卷积方法如下：（1）对A和B补0，使其大小都为(M+P-1)×(N+Q-1)（2）利用fft2对矩阵A和B进行二维变换

（3）将两个FFT结果相乘，利用ifft2对得到的乘积进行傅立叶反变换

2.3 图像频域处理的概述

图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。

武汉理工大学《专业综合课程设计》说明书

如大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变化剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。

频域处理是指根据一定的图像模型，对图像频谱进行不同程度修改的技术，通常作如下假设：1)引起图像质量下降的噪声占频谱的高频段；2)图像边缘占高频段；3)图像主体或灰度缓变区域占低频段。基于这些假设，可以在频谱的各个频段进行有选择性的修改。

为什么要在频率域研究图像增强

（1）可以利用频率成分和图像外表之间的对应关系。一些在空间域表述困难的增强任务，在频率域中变得非常普通。

（2）滤波在频率域更为直观，它可以解释空间域滤波的某些性质。

（3）可以在频率域指定滤波器，做反变换，然后在空间域使用结果滤波器作为空间域滤波器的指导。

（4）一旦通过频率域试验选择了空间滤波，通常实施都在空间域进行。

武汉理工大学《专业综合课程设计》说明书 二维傅里叶变换

由于图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。傅立叶变换在实际中的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的谱。从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。从物理效果看，傅立叶变换是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。换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。

3.1 二维连续傅里叶变换

如果二维连续函数f(x,y)满足狄里赫莱条件，则将有下面的傅立叶变换对存在：

与一维傅立叶变换类似，二维傅立叶变换的傅立叶谱和相位谱为：

F(u,v)f(x,y)f(x,y)ej2π(uxvy)dxdyF(u,v)ej2π(uxvy)dudvF(u,v)|F(u,v)|ejφ(u,v)|F(u,v)|R2(u,v)I2(u,v)I(u,v)R(u,v)φ(u,v)arctanE(u,v)|F(u,v)|2R2(u,v)I2(u,v)

武汉理工大学《专业综合课程设计》说明书

3.2 二维离散傅里叶变换

一个M×N大小的二维函数f(x,y)，其离散傅立叶变换对为 ：

f(x,y)F(u,v)exp[j2π(ux/Mvy/N)]u0v0M1N1x0,1,M1,y0,1N11M1N1F(u,v)f(x,y)exp[j2π(ux/Mvy/N)]MNu0v0u0,1,M1,v0,1,N1变换为 ：

在数字图像处理中，图像一般取样为方形矩阵，即N×N，则其傅立叶变换及其逆{f(x,y)}Fu,v11N1N1x0y0N2fx,yexpj2N1uxvyN]

uxvy{F(u,v)}f(x,y)F(u,v)exp[j2Nu0v0N13.3 二维离散傅里叶变换的性质

离散傅里叶变换主要有以下性质：1.平移性质2.分配律3.尺度变换（缩放）4.旋转性5.周期性和共轭对称性6.平均值7.可分性8.卷积9.相关性。这里主要简述周期性，卷积相关内容会在下一节中介绍。

离散傅里叶变换有如下周期性性质：

Fu,vF(uM,v)F(u,vN)f(uM,vN)反变换也是周期性的：

f(x,y)f(xM,y)f(x,yN)f(xM,yN)

频谱也是关于原点对称的：

F(u,v)F(u,v)

武汉理工大学《专业综合课程设计》说明书

这些等式的有效性是建立在二维离散傅里叶变换公式基础上的。图像的周期性在图像处理中有非常重要的作用，下面会在卷积部分继续阐述周期性的相关内容。

3.4 周期延拓在卷积中的作用

基于卷积理论，频率域的乘法相当于空间域的卷积，反之亦然。当处理离散变量和傅里叶变换时，要记住不同函数所包含的周期性。虽然可能不太直观，但周期性是定义离散傅里叶变换对时产生的数学副产品。周期性是处理操作的一部分,不应忽视。图1列举了周期性的重要性。

图1 傅里叶变换周期性

图1左边（a~e）：两个离散函数的卷积，右边（f~j）：相同函数的卷积，考虑DFT周期性的应用。图的左边一列是用下式的一维形式计算的卷积：

1f(x)*h(x)MM10f(m)h(xm)m

在此详细地解释卷积运算的过程。为简化表示，简单的数字将代替那些表示函数长 9

武汉理工大学《专业综合课程设计》说明书

度和高度的通用符号。图1(a)和(b)是两个要进行卷积的函数。每个函数包含400个点。卷积的第一步是将一个函数关于原点进行镜像映射(倒转)，在本例情况下，对第二个函数进行，在图1(c)中以h(-m)示出。下一步是将h(-m)滑过f(m)。这要增加一个常数x到h(-m)，即变成h(x-m)，如图1(d)所示。注意只有一个置换值。在第一次遇到时．这个简单步骤通常是引起混乱的根源。而这恰好是卷积计算的全部关键。换言之，为了执行卷积，倒转了一个函数，并将它滑过另一个函数。在每一个置换点(的每一个值)都要计算式的全部总和。这个总和不比在给定位移处f和h乘积的和更太。位移x的范围为h完全滑过f需要的所有值。图1(e)显示了h完全滑过f后的结果，并在x的每个点计算式。在此例中，为使h(x-m)完全滑过f,x值的范围是从0到799。这幅图是两个函数的卷积，要清楚地记住卷积中的变量是x.从上面介绍的卷积理论可知，由F(u)H(u)的傅里叶反变换能得到同样的准确结果。但是，从前面对周期性的讨论又知离散傅里叶变换自动地将输入函数周期化。换言之，采用DFT允许在频率域进行卷积计算，但函数必须看做周期性的，且周期等于函数的长度。

可以通过图1右边一列考察这种隐含的周期性。图1(f)同图1(a)一样，但同样的函数在两个方向上周期性地无限扩展(扩展部分用虚线表示)。从图1(g)到图1(i)同样应用该扩展。现在，可以通过将h(x-m)滑过f(m)进行卷积。如前面一样，变化x完成滑动。然而，h(x-m)的周期性扩展产生了图1左边的计算中所没有的值。例如，在图1(i)中，当x=0时，看到h(x-m)右侧第一个扩展周期的一部分进 入图1(f)中所示的f(m)(从原点开始)的一部分。当h(x-m)向右滑动时，在f(m)中的那部分开始向右侧移出，但被h(x-m)左侧相同部分所取代。这引起卷积产生一个常量值，如图1(j)所示的[0，100]的一段.从100到4OO的一段是正确的，但周期性是周而复始的，这样就引起卷积函数尾部的一部分丢失，由图1(j)和图1(e)实线部分的比较可以看出这一点。

在频率域，该过程需要计算图1(a)和(b)中函数的傅里叶变换。根据卷积理论，两个变换要相乘，再计算傅里叶反变换。结果包含40O个点的卷积，如图1(j)的实线部分所示。简单的解释表明当使用傅里叶变换得出卷积函数时，错误地处理周期性将得到错误的结论。结果，在开头有错误数据，结尾将丢失数据。

问题的解决办法很简单。假设f和h分别由A和B个点组成。对两个函数同时添加零，以使它们具有相同的周期，表示为P。这个过程产生扩展的或延拓的函数，如下所

武汉理工大学《专业综合课程设计》说明书

示：

f(x)0xA1f(x){e0AxP和

ge(x){g(x)0xB10BxP

可以看出,除非选择P≥A+B-1，否则卷积的独立周期将会混叠。已经在图1中看到了这种现象的结果，这通常归于缠绕误差。若P=A+B-1，周期便会邻接起来。若P＞A+B-1，周期将会是分隔开的，分隔的程度等于P与A+B-1的差。

扩展后的卷积结果如图2所示。在这里，选择P=A+B-1(799)，即可知卷积周期是相邻的。遵循与前面的解释相同的过程，得到如图2所示的卷积函数。该结果的一个周期与图1(e)相同，是正确的。这样，如果要在频率域计算卷积，应该：(1)得到两个扩展序列的傅里叶变换(每个序列有8OO个点)；(2)将两个变换相乘；(3)计算傅里叶反变换。结果便得到正确的8OO个点的卷积函数。见图2中周期加重的部分。

图2 卷积函数

这些概念扩展到二维函数时遵循了相同的前提。假设有f(x,y)和h(x,y)两幅图像，武汉理工大学《专业综合课程设计》说明书

大小分别为A×B和C×D。如同一维情况，这些行列必须假定在x方向上有相同的周期P，在y方向上有相同的周期Q。二维卷积的混叠可由选择如下周期避免：

PAC1 QBD1

扩展f(x,y)和h(x,y)形成如下周期性序列：

fe(x,y){f(x,y)000xA1且0yB1AxP且ByQ0xC1且0yD-1CxP且DyQhe(x,y){

h(x,y)

为了简化图例，假设f和h是方形的，且大小相同。

图3 二维函数周期延拓

图3对二维函数周期延拓的说明。图3（a）没有延拓执行二维卷积的结果；图3（b）合格的函数延拓；图3（c）正确的卷积结果。图3(a)显示了图像没有延拓时得到的滤波结果。这通常是由于没有对一幅输入图像进行延拓就进行傅里叶变换，然后又乘上同样大小的函数(也没有延拓)，计算傅里叶反变换。结果就是与输入图像相同的大小为A×B的图像，如图3(a)左上象限所示。如同一维情况，图像前面边沿(阻影部分)由于周期性而引入了错误数据，而在尾部边沿将丢失数据。如图3(b)所示，通过对输入图像和函数进行合适的延拓，将得到正确的、大小为P×Q的过滤图像。这幅图像在两个坐标方向上是原始图像的两倍大小，有原始图像4倍数量的像素点。

武汉理工大学《专业综合课程设计》说明书 图像频率域处理程序设计步骤

4.1 找出两幅大小不一的256级的灰度图像

选择两幅图片如图4图5

图4 源图片1 图5源图片2

（1）检查源图片1和源图片2格式 >>info=imfinfo('1.jpg')info=imfinfo('2.jpg')显示如下 info =

Filename: '1.jpg' FileModDate: '15-Aug-2014 13:44:02' FileSize: 51822 Format: 'jpg'

武汉理工大学《专业综合课程设计》说明书

FormatVersion: '' Width: 440 Height: 737 BitDepth: 24 ColorType: 'truecolor' FormatSignature: '' NumberOfSamples: 3 CodingMethod: 'Huffman' CodingProcess: 'Sequential' Comment: {} info =

Filename: '2.jpg' FileModDate: '08-Jan-2015 08:38:58' FileSize: 16439 Format: 'jpg' FormatVersion: '' Width: 300 Height: 400 BitDepth: 8 ColorType: 'grayscale' FormatSignature: '' NumberOfSamples: 1 CodingMethod: 'Huffman' CodingProcess: 'Sequential' Comment: {} 用MATLAB检查发现是图片1是truecolor 格式，ColorType: 'truecolor'。（2）用MATLAB将其转换为灰度图像

武汉理工大学《专业综合课程设计》说明书

a=imread('1.jpg');b=rgb2gray(a);imwrite(b,'3.jpg')>> info=imfinfo('3.jpg')显示如下 info =

Filename: '3.jpg' FileModDate: '08-Jan-2015 08:54:41' FileSize: 43637 Format: 'jpg' FormatVersion: '' Width: 440 Height: 737 BitDepth: 8 ColorType: 'grayscale' FormatSignature: '' NumberOfSamples: 1 CodingMethod: 'Huffman' CodingProcess: 'Sequential' Comment: {} 在 ColorType: 'grayscale' 属性行如此显示，则说明以3.jpg命名的文件为灰度图像如图6所示。

武汉理工大学《专业综合课程设计》说明书

图6 图片3（3）检查图像灰度级

在命令窗口输入f=imread('2.jpg')whos f g=imread('3.jpg')whos g 显示如下，表明图像为256级灰度图像

Name Size Bytes Class

f 400x300 120000 uint8 array Name Size Bytes Class

g 737x440 324280 uint8 array Grand total is 120000 elements using 120000 bytes

武汉理工大学《专业综合课程设计》说明书

4.2 频率域处理程序设计

MATLAB中提供的变换函数

（1）fft2:用于计算二维快速傅立叶变换，语句格式：B=fft2(I,m,n)按指定的点数计算m,返回矩阵B的大小为m×n,不写默认为原图像大小。

（2）ifft2:用于计算图像的二维傅立叶反变换，语法格式：B=ifft2(i)%直接卷积程序

>> I1=imread('2.jpg');I2=imread('3.jpg');I5=conv2(I1,I2);figure(3);imshow(I5,[]);title('直接函数卷积得到的图像(黄深)')%正确的频域处理程序 I1=imread('2.jpg');I2=imread('3.jpg');[m1,n1]=size(I1);[m2,n2]=size(I2);I1(m1+m2-1,n1+n2-1)=0;I2(m1+m2-1,n1+n2-1)=0;I3=ifft2(fft2(I1).*fft2(I2));I3=I3(1:m1+m2-1,1:n1+n2-1);I3=real(I3);figure(1);imshow(I3,[]);title('正确延拓频域法得到的卷积图像(黄深)')%比较频域方法与直接卷积的结果，显示差矩阵并且显示错误数据数 F=minus(I3,I5);figure(4)imshow(F);

武汉理工大学《专业综合课程设计》说明书

title('正确延拓差矩阵的二值图像(黄深)')s=0;for i=1:m1+m2-1 for j=1:n1+n2-1 if(minus(abs(F(i,j)),0.000001)>0)s=s+1;end;end;end;disp(sprintf('差错 1: %d',s));%补0不够的频域处理程序 I1=imread('2.jpg');I2=imread('3.jpg');[m1,n1]=size(I1);[m2,n2]=size(I2);I1(m1+m2-100,n1+n2-100)=0;I2(m1+m2-100,n1+n2-100)=0;I3=ifft2(fft2(I1).*fft2(I2));I3=I3(1:m1+m2-100,1:n1+n2-100);I3=real(I3);I3(m1+m2-1,n1+n2-1)=0;figure(2);imshow(I3,[]);title('补0不够频域法得到的卷积图像(黄深)')%比较频域方法与直接卷积的结果，显示差矩阵并且显示错误数据数 F=minus(I3,I5);figure(5)imshow(F);title('补0不够的差矩阵的二值图像(黄深)')

武汉理工大学《专业综合课程设计》说明书

s=0;for i=1:m1+m2-100 for j=1:n1+n2-100 if(minus(abs(F(i,j)),0.000001)>0)s=s+1;end;end;end;disp(sprintf('差错 2: %d',s));

武汉理工大学《专业综合课程设计》说明书 运行结果及结果分析

在MATLAB中输入程序后，显示的卷积结果如下:

图7 正确延拓频域法得到的卷积图像

图9直接函数卷积得到的图像

图8补0不够频域法得到的卷积图像

图10正确延拓差矩阵的二值图像

武汉理工大学《专业综合课程设计》说明书

图11 补0不够的差矩阵的二值图像

比较图7和图9，看不出两个图像有任何区别。通过作差，认为舍入误差小于0.000001的均可作为0来处理，这里S=785，差值矩阵的二值图像全为黑，可以认为两图几乎没有任何区别，即频域方法的卷积结果是完全正确的。

比较图8和图9，表面上也看不出两个图像有什么区别，图8的靠左和靠上部分有亮度增加，这部分是叠加错误，而靠下和靠右部分是两条黑杠，这是补零的数据，也就是原来丢失的数据。通过检测差值矩阵，S=99099,错误的有很多，即没有补0的频域方法计算的结果不正确。值得注意的是这里差值矩阵应该四周都是白色，因为左边和上边是混叠错误的地方应该为，行数:100，列数100；同理右边和下边是数据丢失人为补0的地方也有与混叠相同的行数和列数。但因为这里‘gyy.jpg’周围为0，因此正确卷积的结果也为0，因此差矩阵得到的相应区域也为0，显示的2值图像就看不到白色地方了。

通过以上分析说明，二维图像或矩阵的线性卷积可以通过补零周期延拓后，经二维傅里叶变换相乘，再做反变换来实现。而不补零或补零不足，用此方法求得卷积图像靠左靠上会有叠加错误和靠下靠右会有数据丢失。

武汉理工大学《专业综合课程设计》说明书

6课程设计心得体会

通过本次课程设计，我主要了解了用MATLAB处理数字图像中的问题，特别是数字图像的频域分析法，快速傅里叶变换，把数字图像技术和MATLAB等通信类科目的内容应用到本课程设计中来，进一步巩固复习数字图像处理技术，MATLAB等课程，以达到融会贯通的目的。本次课设的主要任务是用MATLAB编程来实现数字图像的傅里叶计算，卷积原理。开始我对数字图像技术了解不是很多，通过查阅相关资料，我熟悉了用MATLAB处理数字图像基础，通过查阅资料学会了如何用MATLAB编程进行图像的处理，感觉非常有成就感。并且加深了对数字图像处理的认识，经过几天忙碌的课程设计我体会到了很多。

首先我意识到自己的知识还很欠缺，仅仅通过课堂上的学习是远远不够的。课后还需努力学习与专业相关的其他知识，比如MATLAB。虽然我对MATLAB并不陌生，但毕竟没有系统的学习过这门课程，让我明白了自己要学的东西还有很多。

通过这次课程设计，我才明白学习是一个长期积累的过程，在以后的生活中都应该不断的学习，努力提高自己知识和综合素质。另外课程设计提高了自己快速学习的能力，在如今信息化的社会，快速学习的能力显的越来越重要。

其次，我认识到理论运用到实践的重要性，正所谓“纸上得来终觉浅，绝知此事要躬行”。学习任何知识，仅从理论上去求知，而不去实践、探索是不够的。所以在原理图的基础之上，设计具体的硬件实现流程图，利用将一个大而复杂的系统分解转化为多个小而简单的模块的思想，再进行整合、连接，将复杂问题简单化。了解了更多关于通信的知识，不仅加深了对数字图像处理及MATLAB的认识，而且还真正做到了学以致用。

最后，我明白了在学习中一定要多想、多问、多思考，遇到问题首先要自己解决，解决不了的找老师和同学帮忙，想想老师或者同学为什么要这么做，有没有更好的解决办法，只有这样我们才会不断进步。

通过本次课程设计，加强了对数字图像频域法到空间域的理解，学会查寻资料、方案比较，以及设计计算及仿真等环节，进一步提高了分析解决实际问题的能力，锻炼了分析、解决图像处理的实际本领。运用学习成果把课堂上学的系统化的理论知识，尝试性的应用于实际设计工作，并从理论的高度对设计工作的现代化提高一些有针对性的建议和设想，检验学习成果，看一看课堂学习与实际工作到底有多大差距，并通过综合分

武汉理工大学《专业综合课程设计》说明书

析，找出学习中存在的不足，以便为完善学习计划，更边学习内容提供实践依据。在此，要感谢老师对我们一直以来的关心和照顾，细心给我们解答疑惑，帮助我们更好的学习，同时还要谢谢同学们热情的帮助。

武汉理工大学《专业综合课程设计》说明书

参考文献

[1] 杨杰，黄朝兵．数字图像处理及MATLAB实现，第二版．北京：电子工业出版社，2013.8．

[2] 曹茂永．数字图像处理．北京：北京大学出版社，2007.9．

[3] 张 强，王正林．精通MATLAB图像处理．北京：电子工业出版社，2009.6． [4] 陈怀琛．MATLAB及其在理工课程中的应用指南．西安：西安电子科技大学出版社，2000．

[5] 张化光，孙秋野．MATLAB/SIMULINK实用教程．北京：人民邮电出版社，2009． [6] 姚敏．数字图像处理．北京：机械工业出版社，2006．

第二篇：matlabGUI图像处理

图像处理

一、实习任务

利用MATLAB里面的一些特定函数和GUI可视化图形界面设计一个属于自己的photoshop,使其完成简易的放大、缩小、截图以及直方图统计等功能。

二、实习内容

1、布局设计

2、程序设计 %文件打开

[name,path]=uigetfile({'*.*';'*.bmp';'*.tif';'*.png';'*.gif';'*.jpg'},'载入图像');if isequal(name,0)|isequal(path,0)errordlg('没有选中文件','出错');return;else x=imread([path,name]);axes(handles.axes1);imshow(x);handles.img=x;handles.noise_img=x;guidata(hObject,handles)end

%文件保存

[filename,pathname] = uiputfile({'*.*';'*.bmp';'*.tif';'*.png';'*.gif';'*.jpg'},'图片保存为');if isequal([filename,pathname],[0,0])errordlg('没有保存','出错');return;else file=strcat(pathname,filename);(handles.axes2);i=getimage(gca);imwrite(i,file);end

%文件退出 clc;close all;close(gcf);

%灰度处理

axes(handles.axes2);if isrgb(handles.img)y=rgb2gray(handles.img);%RGB•••••••••• imshow(y);else msgbox('这已经是灰度图像','转换失败');end %截图

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);y=imcrop(handles.img);imshow(y);handles.Timage=y;

%双线性缩小

axes(handles.axes2);prompt={'输入放大倍数:'};defans={'0.2'};p=inputdlg(prompt,'输入放大倍数',1,defans);p1=str2num(p{1});y=imresize(handles.img,p1,'bilinear');%法缩小 imshow(y);

%双线放大

axes(handles.axes2);prompt={'输入放大倍数:'};defans={'2'};p=inputdlg(prompt,'输入放大倍数',1,defans);p1=str2num(p{1});y=imresize(handles.img,p1,'bilinear');%值法放大 imshow(y);

%上下翻转

最近邻插值最近邻插axes(handles.axes2);x=(handles.img);if isrgb(handles.img)for k=1:3 y(:,:,k)=flipud(x(:,:,k));%上下翻转函数 end imshow(y);else x=(handles.img);y=flipud(x);imshow(y);end

%左右翻转

axes(handles.axes2);if isrgb(handles.img)x=(handles.img);for k=1:3 y(:,:,k)=fliplr(x(:,:,k));%左右翻转函数 end imshow(y);else x=(handles.img);y=fliplr(x);imshow(y);end

%左转90度

axes(handles.axes2);x=(handles.img);y=imrotate(x,90);imshow(y);

%右转90度

axes(handles.axes2);x=(handles.img);y=imrotate(x,-90);imshow(y);

%任意角度旋转 axes(handles.axes2);prompt={'输入参数1:'};defans={'30'};p=inputdlg(prompt,'输入参数',1,defans);p1=str2num(p{1});y=imrotate(handles.img,p1);imshow(y);

%亮度处理

prompt={'输入参数1','输入参数2','输入gamma'};defans={'[0 0.7]','[0 1]','1'};p=inputdlg(prompt,'输入参数',1,defans);p1=str2num(p{1});p2=str2num(p{2});p3=str2num(p{3});gamma=p3;x=(handles.img);y=imadjust(x,p1,p2,gamma);axes(handles.axes2);imshow(y);%G直方图

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)x=imhist(handles.img(:,:,2));%直方图统计 x1=x(1:10:256);horz=1:10:256;bar(horz,x1);set(handles.axes2,'xtick',0:50:255);else msgbox('这是灰度图像','旋转失败');end %R直方图

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);x=imhist(handles.img(:,:,1));%统计

x1=x(1:10:256);horz=1:10:256;bar(horz,x1);set(handles.axes2,'xtick',0:50:255);%B直方图

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)

直方图x=imhist(handles.img(:,:,3));%直方图统计

x1=x(1:10:256);horz=1:10:256;bar(horz,x1);%axis([0 255 0 150000]);set(handles.axes2,'xtick',0:50:255);%set(handles.axes2,'ytick',0:2000:15000);else msgbox('这是灰度图像','旋转失败');end

%直方图均衡

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)a=histeq(handles.img(:,:,1));b=histeq(handles.img(:,:,2));c=histeq(handles.img(:,:,3));k(:,:,1)=a;k(:,:,2)=b;k(:,:,3)=c;imshow(k);else h=histeq(handles.img);%直方图均衡 imshow(h);end

3、效果图

三、遇到的问题及解决方法

1、遇到的问题

最开始在Command里面用imread打开图片是可行的，但到了GUI里面之后，会出现一些错误，主要就是提示说：找不到对应的地方。还有就是在编写完程序之后，放大感觉没有任何变化。

2、解决方法

在查询资料后发现，在GUI里面打开图片是需要编写图片的地址以及格式的，要先判断你要操作的图片是否存在，如果不存在，应该提示你不存在的错误；在不能放大这个问题上，后来发现是axes2不够大，也就是画布不够大，再放大了画布后，放大就明显多了，缩小的时候也是这样。

四、主要收获和心得体会

在俩周的自动化软件实训里面，最大的感触就是MATLAB很强大，不但可以用自己自带的函数，还可以和C语言Java等语言连接共用，在处理图像上有自己独特的优势，在编辑菜单之后再进行相应的编程，做出来的界面和网页一样好看，这俩周特别快，不过收获很多，在很大程度上锻炼了我们的设计能力。

第三篇：图像处理 实验报告

摘要：

图像处理，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本内容 图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。图像处理一般指数字图像处理。

数字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。目前，图像处理演示系统应用领域广泛医学、军事、科研、商业等领域。因为数字图像处理技术易于实现非线性处理，处理程序和处理参数可变，故是一项通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。本图像处理演示系统以数字图像处理理论为基础，对某些常用功能进行界面化设计，便于初级用户的操作。设计要求

可视化界面，采用多幅不同形式图像验证系统的正确性；

合理选择不同形式图像，反应各功能模块的效果及验证系统的正确性 对图像进行灰度级映射，对比分析变换前后的直方图变化；

1.课题目的与要求 目的：

基本功能：彩色图像转灰度图像

图像的几何空间变换：平移，旋转，剪切，缩放 图像的算术处理：加、减、乘

图像的灰度拉伸方法（包含参数设置）； 直方图的统计和绘制；直方图均衡化和规定化； 要求：

1、熟悉图像点运算、代数运算、几何运算的基本定 义和常见方法；

2、掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法

3、掌握在MATLAB中进行插值的方法

4、运用MATLAB语言进行图像的插值缩放和插值旋转等

5、学会运用图像的灰度拉伸方法

6、学会运用图像的直方图设计和绘制；以及均衡化和规定化

7、进一步熟悉了解MATLAB语言的应用，将数字图像处理更好的应用于实际

2.课题设计内容描述

1>彩色图像转化灰度图像：

大部分图像都是RGB格式。RGB是指红，绿，蓝三色。通常是每一色都是256个级。相当于过去摄影里提到了8级灰阶。

真彩色图像通常是就是指RGB。通常是三个8位，合起来是24位。不过每一个颜色并不一定是8位。比如有些显卡可以显示16位，或者是32位。所以就有16位真彩和32位真彩。

在一些特殊环境下需要将真彩色转换成灰度图像。1单独处理每一个颜色分量。

2.处理图像的“灰度“，有时候又称为“高度”。边缘加强，平滑，去噪，加锐度等。

3.当用黑白打印机打印照片时，通常也需要将彩色转成灰白，处理后再打印 4.摄影里，通过黑白照片体现“型体”与“线条”，“光线”。2>图像的几何空间变化：

图像平移是将图像进行上下左右的等比例变化，不改变图像的特征，只改变位置。

图像比例缩放是指将给定的图像在x轴方向按比例缩放fx倍，在y轴按比例缩放fy倍，从而获得一幅新的图像。如果fx=fy，即在x轴方向和y轴方向缩放的比率相同，称这样的比例缩放为图像的全比例缩放。如果fx≠fy，图像的比例缩放会改变原始图象的像素间的相对位置，产生几何畸变。

旋转。一般图像的旋转是以图像的中心为原点，旋转一定的角度，也就是将图像上的所有像素都旋转一个相同的角度。旋转后图像的的大小一般会改变，即可以把转出显示区域的图像截去，或者扩大图像范围来显示所有的图像。图像的旋转变换也可以用矩阵变换来表示。3>图像的算术处理：

图像代数运算是指对两幅或两幅以上输入图像对应的像素逐个进行和差积商运算以产生增强效果的图像。图像运算是一种比较简单有效的增强处理手段是图像处理中常用方法。三种图像处理代数运算的数学表达式如下： C(x,y)=A(x,y)+B(x,y)C(x,y)=A(x,y)-B(x,y)C(x,y)=A(x,y)*B(x,y)4>图像的灰度拉伸方法：

灰度拉伸又叫对比度拉伸，它是最基本的一种灰度变换，使用的是最简单的分段线性变换函数，它的主要思想是提高图像处理时灰度级的动态范围。可以有选择的拉伸某段灰度区间以改善输出图像。如图，所示的变换函数的运算结果是将原图在a到b之间的灰度拉伸到c到d之间。如果一幅图像的灰度集中在较暗的区域而导致图像偏暗，可以用灰度拉伸功能来拉伸(斜率>1)物体灰度区间以改善图像；同样如果图像灰度集中在较亮的区域而导致图像偏亮，也可以用灰度拉伸功能来压缩(斜率<1)物体灰度区间以改善图像质量。

5>直方图设计和绘制；以及均衡化和规定化：

灰度直方图是将数字图像的所有像素，按照灰度值的大小，统计其所出现的频度。通常，灰度直方图的横坐标表示灰度值，纵坐标为半个像素个数，也可以采用某一灰度值的像素数占全图像素数的百分比作为纵坐标。

直方图均衡方法的基本原理是：对在图像中像素个数多的灰度值（即对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并。从而达到清晰图像的目的。

3.总体方案设计

1> GUI图像处理平台的总体设计

图像处理平台设计的目的是能够将图像处理的各个独立算法集成到一个平台内，方便用户选用多种方法对图像进行处理.平台基于ＭatlabGUI设计，实现图像处理过程的交互和可视化，并为用户二次开发提供平台接口，提高图像处理算法的综合利用效率

2>平台总体功能设计 根据一体化的设计思想，平台主要实现算法集成、交互可视化和提供二次开发接口等功能.其中算法集成分为已有算法集成和新算法集成.具体功能描述如下：

（1）已有算法集成是对Ｍatlab图像处理工具

包中提供的算法进行集成，可以通过使用函数名加参数的方式直接调用.依据功能进行分类，将同类算法集成到同一菜单项内，如将傅里叶变换、小波变换、离散变换等算法归类到图像变换中，进行集成.（2）新算法集成是指对自主开发的算法进行集成，如改进水平集算法[12]、交互式图割算法[13]、细胞自动机分割算法[14]等均为自主开发的图像分割算法，同已有算法集成方式类似，集成到平台中，便于综合运用和算法分析与对比.（3）交互式可视化是指对图像处理过程及结果的可视化显示，并提供用户交互区.（4）二次开发接口是指通过调用集成模板方式，为用户提供一个将自己算法集成到平台中的一个接口

3>总体布局设计

一个高性能的图像处理平台应该为用户提供

方便快捷的操作.平台设计中通过菜单和按钮实现快捷操作，其中菜单项提供平台的整体功能，快捷按钮显示具体的独立功能.图像处理平台的布局设计如图1所示.利用ＭatlabGUI提供的工具包和底层代码，可以实现菜单功能区、快捷按钮功能区、DEMO显示区、可视化效果显示区和用户交互区的布局设计

4.程序实现和测试

4.1各个功能模块的主要实现程序 基本功能：彩色图像转灰度图像

I=imread('C:MATLAB7toolboximagesimdemospeppers.png','png');x=rgb2gray(I);figure(1);subplot(121);imshow(I);title('原始图像');subplot(122);imshow(x);title('灰度图像');实验结果：

图像的几何空间变换：平移，旋转，剪切，缩放

img1=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');img1=rgb2gray(img1);figure,imshow(img1);imwrite(img1,'a1.jpg');%%%%%%平移

se=translate(strel(1),[20 20]);img2=imdilate(img1,se);figure,imshow(img2);imwrite(img2,'a2.jpg');%%%%%%旋转 img3=imrotate(img1,90);figure,imshow(img3);imwrite(img3,'a3.jpg');% %%%%%缩放 img4=imresize(img1,2);figure,imshow(img4);imwrite(img4,'a4.jpg');

原始图像：

平移图像：

旋转图像：

缩放图像：

图像的算术处理：加、减、乘

加法

A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(1,3,1);imshow(A);title('图像1');subplot(1,3,2);imshow(B);title('图像2');C=imadd(A,B);subplot(1,3,3);imshow(C);title('相加后的图像')

减法

A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(2,3,1);imshow(A);title('图像1');subplot(2,3,2);imshow(B);title('图像2');C=imsubtract(A,B);subplot(2,3,3);imshow(C);title('相减后的图像')

乘法

A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(1,3,1);imshow(A);title('图像1');subplot(1,3,2);imshow(B);title('图像2');C=immultiply(A,B);subplot(1,3,3);imshow(C);title('相乘后的图像')

图像的灰度拉伸方法（包含参数设置）；

img=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');figure(1);imshow(img);title('原图');[m,n]=size(img);%测量图像尺寸参数

GreyHist=zeros(1,256);%预创建存放灰度出现概率的向量 for k=0:255 GreyHist(k+1)=length(find(img==k))/(m*n);%计算每级灰度出现的概率，将其存入GreyHist中相应位置

end figure(2);bar(0:255,GreyHist)%绘制直方图 title('原直方图')xlabel('灰度值')ylabel('出现概率')%灰度拉伸 imggrey=img;prompt={'请输入系数a','请输入系数b'};words='请输入线性拉伸函数:';answer = inputdlg(prompt,words,1,{'0.5','2'});a=str2double(answer(1));b=str2double(answer(2));for i=1:m for j=1:n img(i,j)=a*img(i,j)+b;end end figure(3);imshow(img);title('灰度拉伸');GreyHist=zeros(1,256);%预创建存放灰度出现概率的向量 for k=0:255

直方图的统计和绘制；直方图均衡化和规定化；

%一，图像的预处理，读入彩色图像将其灰度化

img=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');%读入JPG彩色图像文件

imshow(img)%显示出来 title('输入的彩色JPG图像')imwrite(rgb2gray(img),'PicSampleGray.jpg');%将彩色图片灰度化并保存 img=rgb2gray(img);%灰度化后的数据存入数组 %二，绘制直方图

[m,n]=size(img);%测量图像尺寸参数

GP=zeros(1,256);%预创建存放灰度出现概率的向量 for k=0:255 GP(k+1)=length(find(img==k))/(m*n);%计算每级灰度出现的概率，将其存入GP中相应位置 end figure,bar(0:255,GP,'g')%绘制直方图 title('原图像直方图')xlabel('灰度值')ylabel('出现概率')%三，直方图均衡化 S1=zeros(1,256);for i=1:256 for j=1:i S1(i)=GP(j)+S1(i);%计算Sk end end S2=round((S1*256)+0.5);%将Sk归到相近级的灰度 for i=1:256 GPeq(i)=sum(GP(find(S2==i)));%计算现有每个灰度级出现的概率 end figure,bar(0:255,GPeq,'b')%显示均衡化后的直方图 title('均衡化后的直方图')xlabel('灰度值')ylabel('出现概率')%四，图像均衡化 PA=img;for i=0:255 PA(find(img==i))=S2(i+1);%将各个像素归一化后的灰度值赋给这个像素 end figure,imshow(PA)%显示均衡化后的图像 title('均衡化后图像')imwrite(PA,'PicEqual.jpg');

4.3.问题说明和总结：对在调试中发现的问题和解决方法做说明。

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。

进行程序调试的过程中，最重要的是输入图像，刚开始是为了找到原始图像耗费了很多时间，一般的条件书上有，但要对其进行磨合。程序编写时，应该注意大小写。应该注意最后的输出部分，保证输出条件与输入条件相同。

5．总结与体会 这次使用MATALB进行图像处理的编写，是我对MATALB软件有了更深入的了解，对其的应用能力也有了相应的提高，更深入的了解到MATALB作为绘图软件的方便与快捷。在进行程序调试的过程中，最重要的是输入图像，只有找到图像的原始位置，才能进行下面的程序编码。编码程序时，应该在MATLAB原始文档的位置先行输入，输入时应该注意大小写。程序应该尽可能地简单，只要能达到目的就行，程序越复杂，运行时的错误就越多。以上是我的程序编码经验与感受。

6．参考文献

《数字图像处理实验指导书》 厍向阳 曹颖超 编著 《MATLAB与数学实验》 艾冬梅 李艳晴 编著 《图像处理和分析技术》 章毓晋 编著 《MATLAB实用教程》 郑阿奇 编著

第四篇：图像处理说课稿

图像处理

一、教材分析和教学地位分析

本节课是浙江教育出版社必修教材中第三章第三节第一课时的内容，主要介绍了图像处理的基本概念：分辨率、位图和矢量图、颜色、文件格式，以及常用的图像编辑工具的简单介绍。本节课是高二选修教材《多媒体技术应用》中图像加工部分的的基础，是用于激发和发现学生对多媒体技术应用的兴趣的基础内容，是为学生高二选修合适内容奠定基础的一节课。

二、学情分析

本节课的教学对象是高一学生，他们具备了初步的审美意识，并且在日常生活中对于图像处理有了基本的体验，如智能手机上的美颜相机软件，简单的图像处理工具美图秀秀等，但对于图像处理当中的一些基本概念，如分辨率，图像格式和分类等仍然处于模糊的状态，对于图像处理的高级工具Photoshop也一般是只闻其名，并没有多少实质性的体验。因此，本节课从实际出发，创设适当的学习情境，引发学生对图像处理的学习兴趣，通过学生的自身体验，由浅入深，由抽象到具体得帮助学生掌握基本概念，并且掌握图像处理工具Photshop的几个基本功能。

三、教学目标分析

根据教材的结构和内容分析以及新课标要求，结合高一学生的认知结构及其心理特点，我拟定了以下的教学目标。知识与技能：

1、掌握Photshop中仿制图章工具的用法。

2、掌握画布修改的方法。

3、掌握图像的一些基本概念：分辨率、图像分类及格式。过程与方法：

1、通过体验仿制图章工具的使用，体会图像处理的神奇及乐趣。

2、通过画布修改的前后对比，从感官上上升对分辨率概念的认识。

3、通过对颜色设置中对于红绿蓝的分量调整，体验二进制理论在色彩当中的应用。情感态度和价值观

通过本节课的学习，激发学生对于图像处理的兴趣，培养基本的审美情趣。

四、教学重难点

基于以上的教学目标，我指定了以下的重难点。

重点：分辨率以及图像分类及格式。

难点：二进制理论在色彩当中的运用。

五、教法和学法

根据本节课的内容和特点，主要采用以下几种教学方法。

1、演示法：演示仿制图章的使用。

2、活动探究和任务驱动：引导学生参与活动和任务，发挥学生的主观能动性，培养学生的动手能力。

3、集体讨论：画布修改的前后对比

六、教学过程

最后我具体谈谈这堂课的教学过程，本节课设计了5个教学环节。

1、示范演示，激发兴趣。

选择一副果树图片，通过给学生演示PS中仿制图章的使用，激发学生对图像处理的学习兴趣。

任务：通过学习网站当中对于仿制图章工具的使用介绍，完成另一幅图片的处理要求。

2、自身体验，探索新知

活动探究一：通过学习网站中对于画布修改的操作，完成画布的修改，并且集体讨论回答以下问题：

（1）画布修改之后图像有什么变化？

（2）将修改后的画布放大到和原来一样大，图像质量发生了什么变化

根据学生回答，引申分辨率的概念，以及位图和矢量图的概念，并且演示矢量图编辑工具Coraldraw。

3、理论深入

活动探究

二、调整PS中的色彩工具栏中的分量调整，思考标准红绿蓝所对应的二进制代码。

根据学生回答并补充，引申真彩色的定义。补充文件格式及扩展名。

4、实践体验

根据自己爱好，选择一副图片，通过网站当中对于PS的滤镜介绍，体验滤镜效果。

5、小结。

七、教学反思

以上教学设计均是我个人的教学预设，在实际的教学过程中，我会根据学生的具体反馈做出相应的调整，做到因材施教，真正的实现以学生为中心的教学，为学生的长远发展负责，使信息技术教学更好的为生活生产服务。

第五篇：图像处理教学大纲

《医学数字图像处理》课程教学大纲

课程编号: 课程名称：医学数字图像处理

英文名称：Medical Digital Image Processing 课程类型：专业课

总学时：54（理论学时：27 实验学时：27）适用对象：卫生信息管理专业（本科）课程简介：

本课程介绍了有关医学图像处理的基本理论、概念、方法，并结合先修课程的基础理论，来详细阐述部分目前最常用的医学图像处理算法，强调医学图像处理的目的性，特别注重图像处理结果的应用、解释和算法的物理含义。在此基础上，结合图像的计算机处理方法，引导学生处理一些实际的医学图像。

一、课程性质、目的和任务

性质：医学数字图像处理是卫生信息管理（本科）专业的必修课程。

目的：通过本课程的学习，不仅要使学生打下坚实的医学图像处理的基础理论，掌握现代医学数字图像处理的内容、模式和发展趋势，更要使同学们对数字图像处理理论在医学图像分析中的应用与发展有一个清楚的认识，提高其计算机图像处理的编程、动手能力。

任务：能够掌握一些基本的医学数字图像处理的技术技能，培养创新思维，提高发现问题和解决问题的能力，为学生建立健全合理的知识结构打下坚实的基础。

二、教学基本要求

通过本课程的学习，学生应能达到以下要求：

1、掌握数字图像处理的基本概念、基本原理和重要的常规算法，并在此基础上掌握数字图像处理在医学图像分析中的特殊之处与发展概况，其中注重引导图像处理总体流程思路及结构框架的掌握。

2、掌握数字图像处理的基本方法，逐渐形成观察、思考、分析和解决有关理论和实践问题的能力，提高学生为社会服务的能力。

3、能较熟练的运用至少一种编程语言对基本算法进行代码实现，以加深对课程中理论知识的理解。

三、教学内容及要求

（一）数字图像处理概述

【了解】DIP的发展及应用实例；DIP的基本步骤及内容（课程结构）；数字图像处理系统简介；医学图像发展概况；

【掌握】图像的描述方法；数字图像处理（DIP）的基本概念。

（二）医学影像的数字化及图像的运算 【了解】图像的数字化；图像的几何运算。

【掌握】医学数字影像的获取途径；数字图像的矩阵表示；图像直方图；图像点运算、代数 运算。

（三）医学影像图像增强处理

【了解】图像的频域增强；傅里叶变换；卷积；Z变换。【熟悉】频域滤波过程；空域滤波与频域滤波的对应关系。

【掌握】医学图像直方图均衡；医学图像的空域滤波模板设计；平滑空间滤波器；锐化空间滤波器。

（四）医学影像图像的成像与重建

【了解】X-CT影像重建基本流程与算法；MRI图像的重建。【掌握】X-CT影像成像原理；MRI图像成像原理。

（五）医学影像图像分割

【了解】医学影像图像分割方法的分类。

【掌握】基于统计的图像分割；基于区域的图像分割；基于边缘的医学图像分割。

（六）医学影像图像描述

【了解】医学影像图像的形状特征描述；医学影像图像的纹理特征描述。

【熟悉】图像形状描述子；图像纹理描述子；图像骨架的抽取；灰度图像的形态学滤波。

（七）医学影像图像的配准

【了解】图像配准的概念，图像相似度测度。【熟悉】基于图像灰度的图像配准方法；基于特征点的配准方法；基于边缘的图像配准方法。

（八）医学图像模式识别

【了解】图像特征的选择、提取；基于统计的模式识别方法；基于结构的模式识别方法；基于人工神经网络的模式识别方法。

（九）专题：医学图像存储通信系统标准：DICOM3.0 【了解】医学图像存储与通信系统；DICOM3.0标准。

四、教学方法与手段

本课程采用理论讲授与上机实践相结合的教学方式，讲授采用多媒体教学。

五、各教学环节学时分配

内容

（一）数字图像处理概述

（二）医学影像的数字化及图像的运算

（三）医学影像图像增强处理

（四）医学影像图像的成像与重建

（五）医学影像图像分割

（六）医学影像图像描述

（七）医学影像图像的配准 3 5 4 2 4 5 1 3 9 9 3

理论课 3 3

实验课 3 8

小计 6 11 2

（八）医学图像模式识别

（九）专题：医学图像存储通信系统:DICOM3.0 总 计 1 27 1 54

六、考核方式

考试采用闭卷笔试（60%），上机实验、作业、课堂提问为平时成绩（40%）。

七、教材和教学参考书

教材：拟选用《医学影像图像处理》（普通高等教育“十一五”国家级规划教材），陈武凡 主编，人民卫生出版社，2009年3月第一版。参考书：（1）宋余庆编，数字医学图像，清华大学出版社，2008,5第一版；

（2）章鲁，陈瑛等，医学图像处理与分析，上海科学技术出版社，2006,8第一版；（3）章毓晋，图象工程（上册）：图象处理和分析，清华大学出版社，1999（4）Kenneth R.Castleman(美), Digital Image Processing

八、说明

本教学大纲根据高等医药院校计算机基础课程（医学图像处理）基本要求编写而成。

九、本大纲主要起草人、审阅人

主要起草人： 年 月 日 审 阅 人： 年 月 日

卫生管理系 年 月 日