報告材料主要是向上級匯報工作,其表達方式以敘述、說明為主,在語言運用上要突出陳述性,把事情交代清楚,充分顯示內(nèi)容的真實和材料的客觀。那么什么樣的報告才是有效的呢？下面我給大家整理了一些優(yōu)秀的報告范文，希望能夠幫助到大家，我們一起來看一看吧。
數(shù)字圖像處理實驗報告心得篇一
——學習數(shù)字圖像處理后對于車牌識別過程的認識
本人導師張崎，主要從事智能交通方面的研究。高年級學長曾做過車牌識別的研究。在學完數(shù)字圖像處理這門課后，于是有了這篇關于車牌識別系統(tǒng)的心得體會。
仔細翻閱了幾遍平時上課做的筆記，梳理了下各種圖像處理方法在各中圖像處理中起到的作用。結(jié)合對實際車牌識別過程的了解，談談自己對圖像處理的各種方法在識別過程中起到的作用。
老師總說圖像處理就是不講道理，我覺得這就是最大的道理。為什么有人能夠把不講道理的東西做出來？這其中實際上蘊藏著深刻的道理。就像愛因斯坦證明布朗運動是毫無規(guī)律的運動一樣，你發(fā)現(xiàn)他是毫無規(guī)律的，這其實就是他最大的規(guī)律。我想，只有對圖像有了深刻的認識，才能完成這種你也說不出道理的事。好了，現(xiàn)在我想結(jié)合這門課和車牌識別展開說說。
有時候，計算機跟人相比真的很傻，扔一張車牌尾號過來，不管它多么破舊、不清晰，人們能夠輕而易舉的讀出上面的數(shù)字。而計算機呢？他要不停的運算、識別，而你算法上的一個小小漏洞，更會導致識別的大大不同。通過數(shù)字圖像處理這門課的學習，我覺得可能通過下面的一些列步驟能較好的識別出車牌上的號碼數(shù)字。
首先，我覺得我們需要將彩色的圖片轉(zhuǎn)換為灰色圖像，這樣便于計算機分析，計算機跟人剛好相反，好看的不一定好處理，而灰色的圖像雖然不美觀，但是正好適合計算機來處理。另一方面，將彩色圖像轉(zhuǎn)化為灰色圖像也能減少圖像所占的存儲空間，簡化和加快后續(xù)處理的工作。
其次，我覺得我們需要根據(jù)實際需要，對圖像就行簡單的預處理。我們應當讓我們所關心的圖像內(nèi)容，顯現(xiàn)的更加突出。而弱化那些我們所不關心的背景類似的東西。這里我覺得，我們就可以利用我們上課所學到的圖像增強的知識了。需要注意的是，圖像增強并不能增加原始圖像的信息，只是通過某些技術(shù)有選擇的突出對某一具體應用有價值的信息，即圖像增強只通過突出某些信息，以增強對這些信息的辨識能力，而其他信息信息則被削弱，這就是我對圖像增強的理解，我認為他是我們后期識別車牌的重要準備，增強的好壞直接影響了后期識別的準確度和速度。
然后，圖像增強后，我覺得我們就應該對處理后的圖像就行邊緣檢測，這里就直接會用到我們上課所學到的邊緣檢測的各種方法，邊緣是圖像的最基本特征，邊緣部分集中了圖像的大部分信息。邊緣確定和提取對于整個圖像場景的識別是非常重要的。而上一部的圖像強也增強了邊緣信息。
下一步，我認為就應該進行圖像分割了，把各個字母數(shù)字單獨分割出來，便于后續(xù)的進一步識別。
最后，就應該開始識別這些分割出來的圖像，這一部分，我們課上內(nèi)容并沒有涉及，查閱了些資料，找到了比較可行的辦法。即模式識別。我理解的過程是，首先我們應該建立一個標準模版庫，然后通過將提取出來的樣品與標準模版進行比較，來識別他們。
這就是上完數(shù)字圖像處理課，我所能想到的車牌識別的整個過程，基本上需要用到我們所學的所有內(nèi)容，而且都是比較基礎的知識，我覺得，往往一個圖像處理的問題，就是應該分成很多小問題來解決，一步步簡化問題。一步步將圖像中我們所最關心的內(nèi)容提取出來。
畢竟沒有深入學習過這方面的知識，本文純屬心得體會，過程中難免存在很多不足或者錯誤。懇請老師指出。
數(shù)字圖像處理實驗報告心得篇二
近期，我通過教師發(fā)展在線學習了《數(shù)字圖像處理》這門課程，它是由天津理工大學楊淑瑩教授及其教學團隊主持和主講的，是教育部“質(zhì)量工程”項目——“高等學校教師網(wǎng)絡培訓系統(tǒng)”項目推出的數(shù)字化在線培訓課程。
通過《數(shù)字圖像處理》課程的網(wǎng)絡學習，我覺得受益匪淺。首先，我們不應再教學中盲目“灌輸”，主要還是激發(fā)學生對這門課的學習興趣，應該讓學生有一個平臺可以看到圖像數(shù)字處理的效果，產(chǎn)生一個所見即所得的印象，這樣學生在學習中就有成就感，就會愿意動手去編程，在調(diào)試程序所面臨的挫折中也能有信心和勁頭去戰(zhàn)勝困難；最后，多找些相關的例題和實例，讓學生成立學習小組去完成一些學習任務，指導他們合理分工，從簡單實例入手，慢慢增加難度，讓學生以小組的形式獨立完成。這樣不僅提高了學生的編程能力，而且培養(yǎng)了他們的協(xié)作精神，增強了團隊意識。以下是我對這門課程的認識： 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)字法和光學法兩種，其中數(shù)字法的優(yōu)勢很明顯，已經(jīng)被應用到了很多領域中，相信隨著科學技術(shù)的發(fā)展，其應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的數(shù)學運算，例如圖像去噪、圖像分割、提取特征、圖像增強、圖像復原等，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，它卻廣泛應用于幾乎所有與成像有關的領域，在理論上和實際應用上都取得了巨大的成就。
數(shù)字圖像處理需用到的關鍵技術(shù)主要有：圖像的采集與數(shù)字化、圖像的編碼、圖像的增強、圖像恢復、圖像分割、圖像分析等。
數(shù)字圖像處理的特點主要表現(xiàn)在數(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；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；數(shù)字圖像中各個像素不是獨立的，其相關性大。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。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。
數(shù)字圖像處理的優(yōu)點主要表現(xiàn)在再現(xiàn)性好、處理精度高、適用面寬、靈活性高等方面。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。
圖像是人類獲取和交換信息的主要來源，因此，圖像處理的應用領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，圖像處理的應用領域也將隨之不斷擴大。航天和航空技術(shù)、生物醫(yī)學工程、通信工程、工業(yè)和工程領域、軍事方面、文化藝術(shù)、視頻和多媒體系統(tǒng)、電子商務都不同程度的應用了數(shù)字圖像技術(shù)。
我們這門課程主要是理論課，其中有很復雜的數(shù)學原理，專業(yè)術(shù)語多，基礎知識要求高，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，多開設實際動手的課程或引入教學實例引導同學們更好地理解、學習。
數(shù)字圖像處理實驗報告心得篇三
數(shù)字圖象處理心得體會
經(jīng)過這幾周的學習，我從一個什么都不了解的小白，變成了一個明白這門課程的意義的初學者，覺得學到了不少有用同時又很有趣的知識，也對數(shù)字圖象處理有了新的理解。老師從數(shù)字圖像處理的意義講起，中間介紹了許多目前仍在應用的相關技術(shù)，讓我明白了圖像處理在我們生活中的重要性，下面我來談談我自己的學習成果和感受。
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)字法和光學法兩種，其中數(shù)字法的優(yōu)勢很明顯，已經(jīng)被應用到了很多領域中，相信隨著科學技術(shù)的發(fā)展,其應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的數(shù)學運算，例如圖像去噪、圖像分割、提取特征、圖像增強、圖像復原等，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，它卻廣泛應用于幾乎所有與成像有關的領域，在理論上和實際應用上都取得了巨大的成就。
從定義上來說，圖像處理是指按照一定的目標，用一系列的操作，來“改造”圖像的方法。我覺得字面上的意思就是，對圖像進行處理，得到自己想要的效果。圖象處理的內(nèi)容有很多種：幾何處理，算術(shù)處理、圖像增強、圖像復原、圖像重建、圖像識別、圖像壓縮。而目前進行圖像處理就是指用計算機對圖像進行空域法和變換域法。資料上介紹說，數(shù)字圖象處理起源于20世紀20年代，那時第一次通過海底電纜傳輸圖像；1921年人們用電報打印機采用特殊字符在編碼紙帶中產(chǎn)生圖像；1922年在信號兩次穿越大西洋后，從穿孔紙帶得到數(shù)字圖像；1929年從倫敦到紐約用15級色調(diào)設備傳送照片。到了20世紀60年代早期，計算機發(fā)展，有了第一臺可執(zhí)行有意義的圖像處理任務的大型計算機，美國利用航天器傳送了第一張月球照片。從20世紀60年代末到70年代初，開始用于醫(yī)學圖像、地球遙感、天文學等領域，如ct圖像和x射線圖像。至今，數(shù)字圖象處理仍舊廣泛應用于工業(yè)、醫(yī)學、地理學、考古學、物理學、天文學等多個領域。比如，太空技術(shù)中的航天技術(shù)、空間防御、天文學；生物科學的生物學和醫(yī)學；刑事（物證）上的指紋、人臉分析；國防方面的軍事探測，導彈目標識別；工業(yè)應用中的產(chǎn)品檢測還有日常生活中的照片編輯、影視制作。
從概念上來說，數(shù)字圖像用f（x，y）表示一幅圖像，x，y，f為有限、離散值。圖像處理涉及到圖像的分析和計算機視覺，其中分為低級處理、中級處理、高級處理。低級處理是指輸入輸出均為圖像（如圖像縮放、圖像平滑）；中級處理是輸入圖像，然后輸出提取的特征（如區(qū)域分割、邊界檢測）；高級處理則是理解識別的圖像（如無人機駕駛，自動機器人）。數(shù)字圖像處理的幾個基本目的是：
圖像輸入->圖像處理（增強、復原、編碼和壓縮）->圖像輸出。以人為最終的信息接收者，其主要目的是改善圖像的質(zhì)量。
圖像輸入->圖像預處理（增強、復原）->圖像分割->特征提取->圖像分類->圖像輸出。另一類圖像處理以機器為對象，目的是使機器或計算機能自動識別目標，稱為圖像識別。
圖像輸入->圖像預處理->圖像描述->圖像分析和理解->圖像解釋。利用計算機系統(tǒng)解釋圖像，實現(xiàn)類似人類視覺系統(tǒng)理解外部知識，被稱為圖像理解或計算機視覺。其正確的理解要有知識的引導，與人工智能等學科有密切聯(lián)系。當前理論上有不小進展，但仍是一個有待進一步探索的領域。
數(shù)字圖像處理主要研究的內(nèi)容包括：
1）圖像變換：如傅里葉變換、沃爾什變換、離散余弦變換（dct）等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理。目前小波變換在時域和頻域中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應用。
2）圖像編碼壓縮
圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特數(shù)），以便節(jié)省圖像傳輸、處理時間和減少存儲器容量。壓縮可以在不失真前提下獲得，也可以在允許的失真條件下進行。編碼是壓縮技術(shù)最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。
3）圖像增強和復原
目的是提高圖像的質(zhì)量，如去除噪聲，提高清晰度等。圖像增強不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節(jié)明顯；如強調(diào)低頻分量可減少圖像中噪聲影響。圖像復原要求對圖像降質(zhì)的原因有一定的了解，建立“降質(zhì)模型”，再采用某種方法，恢復或重建原來的圖像。
4）圖像分割
圖像分割是數(shù)字圖像處理中的關鍵技術(shù)之一。圖像分割是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中物體的邊緣、區(qū)域等，這是進一步進行圖像識別、分析和理解的基礎。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒有一種普遍適用于各種圖像的有效方法。因此，對圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點之一。
數(shù)字圖像處理的特點主要表現(xiàn)在數(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;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;數(shù)字圖像中各個像素不是獨立的，其相關性大。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。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。
數(shù)字圖像處理的優(yōu)點主要表現(xiàn)在再現(xiàn)性好、處理精度高、適用面寬、靈活性高等方面。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。
數(shù)字圖像處理的主要應用有：
通訊技術(shù)---圖像傳真，電視電話，威信通訊，數(shù)字電視；
宇宙探索---其他星體圖片處理；
遙感技術(shù)---農(nóng)林資源調(diào)查，作物長勢監(jiān)視，自然災害（水、火、風、蟲等）監(jiān)測、預報，地勢、地貌以及地質(zhì)構(gòu)造測繪，找礦，水文、海洋調(diào)查，環(huán)境污染監(jiān)測，等等；
生物醫(yī)學---x射線、超聲、顯微圖片分析，內(nèi)窺鏡圖、溫譜圖分析，斷層及核磁共振分析；工業(yè)生產(chǎn)---無損探傷，石油勘探，生產(chǎn)過程的自動化（識別零件，裝配，質(zhì)量檢查），工業(yè)機器人視覺；
計算機科學---文字、圖像輸入的研究，計算機輔助設計，人工智能研究，多媒體計算機與智能計算機研究；
氣象預報---天氣云圖測繪、傳輸；
高能物理---核子泡室圖片分析；
軍事技術(shù)---航空及衛(wèi)星偵察照片的判讀，導彈制導，雷達、聲納圖像處理，軍事仿真；
偵緝破案---指紋識別，印鑒、偽鈔識別，手跡分析；考古---恢復珍貴的文物圖片，名畫，壁畫。
由此可見，數(shù)字圖像在我們?nèi)粘Ｉ钪姓加卸啻蟮牡匚?。它是我們生活中接觸最多的圖形類別，它伴隨人們的生活、學習、工作，并在軍事、醫(yī)學和工業(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生的我們會在外出旅游、生活、工作中拍下許多數(shù)字相片，現(xiàn)在已經(jīng)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域，數(shù)字圖象處理技術(shù)取得了飛速發(fā)展。
通過課程學習，我們雖說還沒有完全掌握數(shù)字圖像處理技術(shù)，但也收獲不少，對于數(shù)字圖像方面有了更深入的了解，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)字圖像相關術(shù)語有了明確的認識，比如常見的：像素（衡量圖像的大?。?、分辨率（衡量圖像的清晰程度）、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)中一些常見處理技術(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節(jié)。而平滑處理的目的是消除噪聲，模糊圖像，在提取大目標之前去除小的細節(jié)或彌合目標間的縫隙。對常提的rgb圖像和灰度圖像有了明確的理解，這對大家以后應用photoshop等圖像處理軟件對圖像進行處理打下了堅實的基礎。
雖然這門課是只有7周理論課，但老師所講的內(nèi)容讓我非常感興趣，數(shù)字圖象處理的應用貫通各個行業(yè)，遍布我們生活的電子產(chǎn)品，這讓我學習后感覺離這些產(chǎn)品的使用和了解更進了一步。學習數(shù)字圖象處理對我們學電子工程的學生非常有用，無論以后是否從事相關工作都讓我感覺受益良多。隨著現(xiàn)代電子技術(shù)發(fā)展的越來越快，我相信圖像處理技術(shù)一定會有更大的進步，從國防到娛樂給我們的生活帶來更多的便利，和更好的科學技術(shù)。
數(shù)字圖像處理實驗報告心得篇四
中南大學
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 學號：0909080609 實驗日期：2010年12月22日
目錄
一，實驗目的???????????????????????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、實驗目的 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計，學習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。學習如何用銳化處理技術(shù)來加強圖像的目標邊界和圖像細節(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
數(shù)字圖像處理實驗報告心得篇五
實驗五 圖像的幾何變換
一．實驗目的及要求
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（參考自編講義相關章節(jié)）
1．圖像扭曲變換 2．球面變換
三、實驗設備
1．piii以上微機； 2．matlab6.5；
四、預習與思考
1．預習實驗內(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．敘述各段程序功能，改變有關函數(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)字圖像處理應用
一．實驗目的及要求
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)字圖像處理基本應用。
二、實驗內(nèi)容
以大米粒特性測量為例，綜合應用課程中圖像分割、形態(tài)學濾波、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，研究其它應用演示
三、實驗設備 1．piii以上微機； 2．matlab6.5；
四、預習與思考
1．預習實驗內(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．敘述各段程序功能，改變有關函數(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。
【本文地址：http://mlvmservice.com/zuowen/2173519.html】
