数字图像处理图像变换实验报告

数字图像处理图像变换实验报告（共10篇）

1.数字图像处理图像变换实验报告 篇一

遥感数字图像处理

学院 理学院 班级 地信131 学号 姓名

编写日期：1

2015.5

▶▶作业a

1.LS8_C_20140613_022505_000000_118039_GEOTIFF_L4

2.L5118_39_19860531 ProductDescription用记事本打开，读取头文件，并填写相关信息与相应位置即可

3.L5118-39-19960103

4.L7118039_20050815 直接打开以_mtl为后缀的文件，该文件中包含了遥感影像的所有波段 5.LM*** 直接打开波段，然后波段合成即可

6.s5kj297_289_10m

7.WORLDVIEW-052606622010_01

▶▶作业b

在ENVI中将landsat的4景影像和SPOT-5的1景的影像打开，并联动连接查看同一区域

link displays是根据象元位置来连接的，geographic link是通过地理坐标位置来连接的。

由上图可知，将遥感影像联动时亦可实现不同影像同一区域的快速检索，但是我们也可以看到，由于受到各方面因素的影像并不能特别精确的指在同一地方。

▶▶作业c

1.WORLDVIEW-2影像保存为jpg和TIF格式的4-3-2波段合成的假彩色图像。可用同样的方法将SPOT-5影像保存为jpg和tif格式的4-3-2波段合成的假彩色图像 2.为landsat的5景影像附上波段的波长，并根据波长用landsat 5的7-4-3波段，保存为jpg和tif格式影像

为波长复制后，导入影像文件各波段显示差异前后对比

转换为JPG格式后可以用看图软件直接打开

▶▶作业d

需要对影像进行裁剪，裁剪的基本步骤如下：

1.L5118_39_19860531裁剪前后对比

2.L5118-39-19960103裁剪前后对比

3.L7118039_20050815裁剪前后对比

4.LS8_C_20140613_022505_000000_118039_GEOTIFF_L4裁剪前后对比

▶▶

作业e

将剪裁影像，重采样成10m，重采样的操作主要如下

1.L5118_39_19860531重采样前后对比

2.L5118-39-19960103重采样前后对比

3.L7118039_20050815重采样前后对比

4.LS8_C_20140613_022505_000000_118039_GEOTIFF_L4重采样前后对比

2.数字图像处理图像变换实验报告 篇二

信息加密是现代科技的重要课题, 加密方案需要保证信息不被第三方有效获取, 又能被合法接收者较易解密。图像信息由像素来表达, 像素呈二维分布, 总数巨大, 因而图像加密有独特性。基于Arnold变换的图像置乱技术[1]是一种行之有效的加密方案。V.J.Arnold研究遍历理论时提出了正方形区域的一种变换, 变换前后的点位置变乱但一一对应, 保证面积不变, 所以可通过周期性或逆变换变回原始图。

Arnold变换作用在方形图像上, 文献[2]提出了分块方法从而可处理非方形图像。文献[2]和[3]就运算时间对正反变换的效率做了讨论, 建议选用周期小的尺寸以及视情况采用反变换。但是运算量依然巨大, 并且变换矩阵行列式不等于1的广义Arnold变换[4]的逆矩阵会出现非整数, 不能在数字图像上使用。本文将从齐东旭[5]提出的有关原理出发, 探求广义Arnold变换的快速算法, 不管传统方法上多少次变换, 快速算法只需要在加密和解密端各进行一次全图的遍历即可完成, 根本上解决迭代运算耗时巨大的问题。

1 Arnold变换

1.1 经典Arnold变换

对于一个N×N的数字图像, 其经典二维Arnold变换由下式给出, (x, y) T和 (x′, y′) T分别是变换前后的像素坐标:

图像的每一个像素坐标按照 (1) 式变换, 得到新坐标, 新坐标的像素灰度 (或颜色) 使用变换前坐标上的像素灰度 (或颜色) 来设置。这样遍历图像的每一个像素就可获得一幅新图, 新图看起来是混乱的。多次迭代将加重置乱程度, 一般来说迭代10来次就使得图像面目全非。继续迭代又可以变回原图, 变回原图的最小迭代次数就是周期T。基于Arnold变换的加密方案就是发送方对数字图像置乱, 接收方利用变换的周期性再变换适当次数还原出清晰图。

1.2 广义Arnold变换

文献[5]研究了变换矩阵的元素是普通的正整数的变换, 即:

a, b, c和d是正整数, 并且证明行列式det=ad-bc与N互质的情况下, 使用该矩阵的变换就有周期性。

本文后面统一使用A来表示经典和广义变换矩阵。因而可统一使用下面 (3) 式来表示Arnold变换:

本文后面所述的Arnold变换包含经典和广义的Arnold变换。

2 Arnold二维变换的快速算法

2.1 Arnold二维变换的通常运算法

尺寸为N×N的图像置乱m次的算法有两种, 下面使用基于VB的伪代码表示。输入Img, 输出New Img。

算法1:

算法1对整图所有像素做Arnold二维变换形成新图, 迭代m次, 就完成了m次Arnold二维变换。算法2是对每个像素坐标迭代m次, 按最后的位置更新像素值。相比来说, 算法2的效率更高, 因为省掉了中间像素值更新动作。可是两种算法都有N×N×m次的坐标操作, 非常费时。还有一点, 算法2在实际编程时, 循环中可以连续两次变换, 一次 (x, y) T到 (x′, y′) T, 另一次 (x′, y′) T到 (x, y) T, 循环次数减半, 最后视奇偶情况看是否还要处理剩余的1次, 这样省去了中间坐标转存的动作。

2.2 Arnold二维变换的快速运算法

文献[5]证明, 以矩阵A对图像的m次Arnold变换可以使用中间矩阵Am对图像一次Arnold变换获得。所以, 上述算法中对坐标的迭代运算, 可简化为矩阵自己乘方运算。二阶矩阵只有4个元素, 运算量大减。优化算法如下, E为2×2的单位矩阵。

优化算法:

可是Am元素增大很快, 由于计算机的位宽有限, 很快就会溢出。本文的VB程序中使用Long型 (最大为2147483647) 存储矩阵元素, 对于经典Arnold矩阵:

可见22次方已经很大, 23次方时已经溢出。而经典二维Arnold变换周期一般都很大, 比如N=100的周期是150, 可见22次远远不够。下面讨论这个问题的解决方案。

为了普遍性, 设D为一个p阶方阵, 并定义D Mod N为对D的每个元素以N取模, D*N表示D中每个元素和N相乘。因而D可按下式分解。

kij∈{0, 1, 2, ...}, Dk是一个整数方阵。

当p=2时, 以D为变换矩阵的Arnold二维变换可化简如下:

所以变换矩阵在乘方过程中, 对结果的每个元素以N取模, 获得一个新变换矩阵, 使用这个新矩阵做Arnold二维变换和原始迭代算法的结果一致。

优化算法的计算中间矩阵的部分修改为如下。

前述的经典Arnold变换矩阵22次方结果:

这是一个很小巧的数字矩阵, 易于阅读和使用。

矩阵乘方运算量远小于矩阵和图像坐标逐个相乘的运算量, 复杂度从O (N×N×T) 减为O (N×N+T×2) 。对于解密, 产生C=AT-mMod N, C作为变换矩阵做一次Arnold二维变换即返回原图。综合来说, 基于Arnold二维变换的加解密总共只做两次Arnold变换。

3 Arnold三维变换及其快速算法

Arnold变换可以多维, 像素的灰度 (颜色) 值组成多维向量, 变换后的向量可通过逆变换或周期变换还原出原图。这里使用Arnold三维变换, 因为一般图像每个像素的颜色由R、G和B三个通道值组成, 每个通道最大值是256。设Q是一个3x3的方阵, (5) 式是Arnold三维颜色变换公式。

是很多文献使用的矩阵[5,6], 我们称基于该矩阵的变换为经典Arnold三维变换。

正如二维Arnold变换, 三维矩阵也可以有很多, 我们称它们为广义的Arnold三维变换矩阵。两类统称Arnold三维变换。

根据 (4) 式, m次Arnold三维变换可以使用QmMod 256矩阵的一次性Arnold三维变换来获取, 这就是三维变换的快速算法。

4 坐标和颜色的联合变换

使用 (2) 式对图片进行坐标变换得到中间图, 对中间图使用 (5) 式进行颜色变换得到最终加密图, 可以提高加密效果[7]。因为任何一个变换的矩阵参数或次数不知道就无法恢复出原图, 给攻击者增加了难度。有了快速算法, 联合变换变得切实可行, 否则的话耗时太长。

5 坐标和颜色变换周期的求法

向量和单位矩阵 (设为E) 的乘积是向量本身。因而对二维变换矩阵A和图像尺寸N, 若t次的AtMod N=E, 那么周期T=t。对三维变换矩阵Q和颜色阶数256, 若QtMod 256=E, 那么周期T=t。求A对N周期时, 先求A行列式, 若与N互质则周期存在, 然后按下面的伪代码求周期, 求Q对256的周期也类似。

表1列出了某些矩阵及相应图像尺寸对应的周期, 和文献[1,7,8]所列类似。第四个矩阵行列式是5, 与N=50, 100, 200不互质, 周期不存在。表2列出了一些Arnold三维变换矩阵以及对应N=256的周期。

6 快速Arnold变换的模拟

为了验证快速算法的可行性以及效率, 使用VB程序进行模拟。先通过逐图迭代 (算法1) 生成加密图, 再通过算法2和优化算法解密, 看是否能回到原图。

图1是使用经典Arnold变换矩阵的变换例子。 (a) 是一个200行200列的原图。使用经典Arnold二维变换22次得到 (b) , (b) 经过经典Arnold三维变换37次得到 (c) 。使用算法2对 (c) 进行经典Arnold三维变换411 (周期为448) 次返回 (b) , 再用算法2对 (b) 进行经典Arnold二维变换128次 (周期为150) 返回原图 (a) , 证明算法2和算法1效果一样, 都是正确的。按下列步骤检验优化算法, 首先计算

利用Q1对 (c) 做Arnold三维变换1次得到的图和 (b) 完全一样, 利用A1对 (b) 做Arnold二维变换1次得到的图和原图 (a) 完全一样, 证明优化算法是正确的。由于二维变换和三维变换的独立性, 可以对 (c) 利用A1进行1次Arnold二维变换得到 (d) , 再对 (d) 利用Q1做1次Arnold三维变换, 也可以返回到原图 (a) , (d) 其实就是 (a) 直接三维变换37次的结果。从 (c) 回到 (a) 使用算法2和优化算法耗时分别为4.855秒和0.042秒。

另外一方面, 我们要直接比较一下几个算法在加密端的同效性及效率。先计算:

利用A2对 (a) 做Arnold二维变换1次与使用算法1的经典Arnold变换22次结果一样, 都是图 (b) , 利用Q2对 (b) 做Arnold三维变换1次与使用算法1的经典Arnold三维变换37次结果一样, 都是 (c) 。证明了在加密端, 优化算法也是正确的。使用算法2做类似的事情也可以得到相应的结果, 算法2和优化算法耗时分别是0.539秒和0.051秒。算法2和优化算法加密和解密共耗时分别为5.394秒和0.093秒, 前者是后者的58倍, 可见效率有极大提高。

由于该二维变换周期是384, 需要做362次变换返回原图, 三维变换周期也是384, 需要再做347次变换返回原图。下面两式右边是解密时优化算法使用的矩阵。使用下面第二式右端的三维矩阵把 (c) 还原到 (b) , 再使用下面第一式右端的二维矩阵还原到 (a) 。

同时也试验了算法2, 可得到相同效果。算法2和优化算法分别耗时29.984秒和0.496秒, 两者相差60倍, 没有优化的话, 29.984秒可是很长的时间。

7 结论

研究了二维三维Arnold变换的快速算法。加解密过程把迭代各缩减为一次变换。使用VB程序进行模拟, 证明快速算法正确, 并且效率提高显著。一个尺度512的数字图像, 二维矩阵三维矩阵周期384情况下, 运算时间缩减为原来的1/60。优化算法效率和周期无关, 只和图像大小相关。快速算法使二维三维Arnold联合变换具有实际可操作性。

摘要：数字图像的每一次Arnold变换需要遍历每个像素, 由于图像是二维的, 像素个数很多, 因而每次变换都要消耗较多时间。基于Arnold变换的图像加密解密算法总共需要进行周期 (其值较大) 次数的变换, 时间的累积效应很大。研究发现, 先对变换矩阵n次乘方然后取余, 得到一个中间变换矩阵, 再使用它变换原图, 就可得到与n次原变换相同的结果。而变换矩阵的阶数远小于图像的尺度, 因而这种方法可显著提高基于Arnold变换的加解密运算速度。

关键词：Arnold变换,置乱周期,快速算法,联合变换

参考文献

[1]孙伟, 关于Arnold变换的周期性[J], 北方工业大学学报, 1999, 11 (1) :29-32

[2]单梁婷, 李敏, 何玉杰, 等, 基于Arnold变换的改进图像加密算法研究[J].计算机工程与应用:2013, 49 (11) :204-207

[3]吴玲玲, 张建伟, 葛琪, Arnold变换及其逆变换[J].微计算机信息, 2010, 26 (5-2) :206-208

[4]吴成茂, 离散Arnold变换改进及其在图像置乱加密中的应用[J].物理学报, 2014, 63 (9) :090504-01-090504-20

[5]QI D, WANG D, YANG, D, Matrix transformation of digital image and its periodicity[J].Progress in Natural Science2001, 11 (7) :542-549

[6]丁玮, 闫伟齐, 齐东旭, 基于Arnold变换的数字图像置乱技术[J].计算机辅助设计与图形学报, 2001, 13 (4) :338-341.

[7]郭琳琴, 张新荣, 基于二维Arnold变换的图像双置乱算法[J].计算机应用和软件, 2010, 27 (4) :264:266

3.数字图像处理实验平台的设计 篇三

关键词： 数字图像处理    实验平台    Matlab    GUI

数字图像处理是信息科学中一个发展迅速的研究方向，是模式识别、计算机视觉、图像通讯、多媒体技术等学科的基础，是一门涉及多领域的交叉学科，具有很强的理论性和实践性[1]。该课程的主要任务是通过对数字图像处理基本概念、理论和算法的学习，培养学生对数字图像的实践编程处理能力，为学生从事图像处理工程师工作奠定基础。该课程涉及内容比较宽广，课程起点高，难度系数较大，如何在教学过程中提高学生的学习兴趣和后续实践能力一直是该课程研究的重点[2]。

为促使学生更深入地学习数字图像处理课程，在学习过程中更熟练地掌握数字图像处理的基本理论和基本方法，并有效提高学生的实践动手能力和创新能力。本文利用Matlab的图形用户界面环境（GUI）设计了一个数字图像处理实验平台。该实验平台采用模块化设计的方式，通过对窗口及控件的控制函数的设计，较好地实现数字图像处理算法一体化集成的功能。通过该平台可以实现助教、助学、实践创新及考核等功能，帮助学生理解和掌握数字图像处理的基本技能。

1.数字图像处理实验平台的总体设计

数字图像处理实验平台总体设计如图1所示，在该实验平台上主要集中了数字图像处理中常用的基本操作及算法，通过该平台的窗口界面对象操作就能够实现相应的数字图像处理功能，主要操作包括文件对象操作、图像格式转换、直方图修正、图像转置、图像旋转、空间域图像滤波、灰度图像二值化处理、图像边缘检测、图像变换操作、图像代数运算、亮度对比度调节、图像缩放操作和形态学操作等。该平台可以操作者提供了一个方便快捷的数字图像处理实践环境，适合实现对数字图像进行基本处理[3]。

2.实验平台界面的设计

在数字图像处理系统实验平台的设计过程中，主要利用Matlab提供的GUI向导设计控件而完成，图形用户界面包含的图形对象有图形窗口、菜单、控件、文本等，本文设计改变传统的菜单式设计，将所有的图像处理操作采用窗口或控件的方式直接放于平台窗口界面上。设计时在GUIDE开发环境中设计好GUI后会自动生成相应的FIG文件和M文件，其中在FIG文件中实现数字图像处理窗口界面，包括有图像界面窗口和静态界面中所有序列化的图形对象[4][5]。根据数字图像处理系统的系统框图，将要实现的功能全部集中体现在界面上，进行合理布局，界面设计结果如图2所示：

3.实验平台的模块功能实现

在各平台模块功能实现中，我们主要通过对界面上的相应控件对象编写回调函数，激活相应控件以实现图像处理功能，在GUIDE开发环境中自动生成的M文件中包括界面窗口中自动生成的函数框架、控制函数及自定义图形对象的回调函数。例如在文件操作模块中，设计了载入图像、保存图像、撤销、退出的触控按钮。在设计时，载入图像时采用对话框的方式，uigetfile函数显示一个对话框用选择图像，当前路径下的文件和目录将在带对话框内显示[8];保存图像触控按钮的实现主要应用uiputfile（）标准写盘处理对话框实现，将处理后的图像写入相应路径下的磁盘中;撤销操作是指对当前对象的上一步操作的取消，图像的处理后显示区显示的是原始图像;退出即退出当前操作界面;其他模块的设计方式类似。

如图3所示，我们对输入的lena图像进行了边缘检测，采用的边缘检测算子为canny算子，在图形输出窗口直接看到的输出结果，如果想要改变算子就可以直接点击不同的算子按钮即可实现图像处理。通过验证该实验平台的控件选择方式比菜单式的数字图像处理平台更直观、方便，可以实现教学演示、实训练习等，帮助学生更深入理解和掌握数字图像处理课程的基本知识。

4.结语

本文基于MatlabGUI实现了一个数字图像处理实验平台，该平台将数字图像处理基本算法集成于一个界面中，所有功能实现通过点击界面中相应的控件完成，部分操作还可以自定义参数，经处理的图像能够直观、形象地展示在数字图像处理实验平台上。该平台使得数字图像处理的教学过程更方便、直观，对学生学习了解数字图像处理具有一定的辅助作用，同时也可将该平台应用于学生实践创新能力的培养。

参考文献：

[1]史彩娟，刘利平，李志刚.“数字图像处理”课程多层次实践教学体系研究[J].中国电力教育，2014，（307）：133-134.

[2]杨淑莹，张桦."数字图像处理"教学软件的开发设计[J].天津师范大学学报，2009，（4）：76-80.

[3]梁原.基于MATLAB的数字图像处理系统研究[D].长春理工大学.2008.

[4]陈超等编著.MATLAB应用实例精讲-图像处理与GUI设计篇[M].北京：电子工业出版社，2011.

[5]邢文博，蒋敬.基于Matlab开发数字图像处理GUI[J]，电气电子教学学报，2013，35（6）：107-108.

4.图像处理实验报告 篇四

实验课程名称

图像处理（第二版）

指 指 导 老 师

邓天明

学 学

院

交通运输

年级

2012 级

专业及班级

交通信息与控制工程二班

学 学 生 姓 名

田

飞

学

号 631205090230

开 开 课 时 间

2014

至

2015

学年第 2

学期

总 总 成 绩

教师签名

实验名称 直方图均衡化 实验类型 验证型 实验时间 2015/6/2 实验地点 基础实验楼北 501 实验目的：

1.熟悉图像数据在计算机中的存储方式； 2.掌握图像直方图均衡化这一基本处理过程。

仪器、设备名称：

PC 微机一台和 MATLAB 软件。

实验要求及注意事项：

本次实验注意事项总结如下：

1、要学会利用 Matlab 中的帮助信息，因为很多函数的调用方法都是可以在帮助中找到的。在调用函数时应重点看 Examples 中的方式。

2、在 Matlab 中进行重复操作时，可以用方向上键重复命令，也可以在命令窗口中进行复制粘贴。

3、使用软件处理图像时，注意不要使用复杂图像，以免处理时间过长且显示效果不理想。

实验内容、操作步骤：

实验内容：

1.读入图像数据到内存中，并显示读入的图像； 2.实现直方图均衡化处理，显示处理前后图像的直方图。

3.显示并保存处理结果。

实验步骤：

1．打开 Matlab 编程环境； 2．获取实验用图像。用’imread’函数将图像读入 Matlab；用’imshow’函数显示读入的图像。

3．获取输入图像的直方图：用’imhist’函数处理图像。

4．均衡化处理：用’histeq’函数处理图像即可。

5．获取均衡化后的直方图并显示图像：用’imhist’和’imshow’函数。

6．保存实验结果：用’imwrite’函数处理。

实验结果分析（含数据、图表整理）：

程序源代码 ：

A = imread(‘D:TF.gif’, ‘gif’);imshow(A);imhist(A);histeq(A);Imhist(A);Imshow(A);Imwrite(A, ‘D:TF.gif’, ‘GIF’);

处理结果：

图 1

灰度图

图 2

均衡化图

图 3

直方图

实验收获、心得及建议：

直方图均衡化是直方图变换方法中的一种，进行图像增强的方法是以概率论为基础的。

直方图均衡化主要用于增强动态范围偏小的图像的反差。这个方法基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度德效果。

数字图像直方图均衡化之后直方图不是绝对平坦的，因为不能将同一个灰度值的各个像素变换到不同灰度级（或说此时仅根据灰度值区分不开不同的像素），所以数字图像直方图均衡化的结果一般只是近似均衡化的直方图。

在本次实验中发现：直方图均衡化在增强反差的同时也增强了图像的可视粒度。

实验名称 频域平滑滤波 实验类型 验证型 实验时间 2015/6/9 实验地点 基础实验楼北 501 实验目的：

1.熟悉图像数据在频率域的表示； 2.掌握频域图像增强的基本步骤。

仪器、设备名称：

PC 微机一台、MATLAB 软件、GIF 格式图片一张。

实验要求及注意事项：

在选择图片时应当选择 TTF 格式或者 GIF 格式的图片，若不是这种格式则应该在画图工具中改为上述格式，因为其他格式都打不开。

实验内容、操作步骤：

实验内容：

1.综合利用所学的数字图像基本存储结构、图像变换、图像增强等知识实现频率域图像增强； 2.在频率域进行用半径值分别为 5，15，30，80 和 230 的理想低通滤波器对图像进行平滑，并观察滤波效果。

操作步骤：

1．打开 Matlab 编程环境； 2．获取实验用图像。用’imread’函数将图像读入 Matlab；用’imshow’函数显示读入的图像。

3．将图像’uint8’格式转换为’double’格式，并将各点数据乘以-1 的（x+y）次方以便 FFT 变换后的结果中低频数据处于图像中央。

4．用’fft2’函数对图像数据进行二维 FFT 变换，得到频率域图像数据。

5．计算频率域图像的幅值并进行对数变换，利用’imshow’显示频率域图像。

6．在频率图像上去除滤波半径意外的数据（置 0）。

7．计算频率域图像的幅值并进行对数变换，利用’imshow’显示频率域图像。

8．用’fft2’函数对图像数据进行二维 FFT 逆变换，并用’real’函数取其实部，得到处理过的空间域图像数据。

9．将图像数据各点数据乘以-1 的（x+y）次方。

10．用’imshow’函数显示处理结果图像数据，并用’imwrite’函数保存图像处理结果数据。

实验结果分析（含数据、图表整理）：

程序源代码：

function

idlvbo(r)

I=imread(“E: tu bailong1.gif”);

subplot(1,2,1),imshow(I);% 显示原图

title(“bailong2 原 图 ”);

k=double(I);% ‘ uint8 格式转换为‘ double ’

g=fft2(k);% 傅里叶变换

g=fftshift(g);% 实现低频数据处于图像中心

figure,imshow(g);

% % 除去滤波半径以外的数据

[M ,N]=size(g);% 计算幅值

m=fix(M/2);

n=fix(N/2);

%m=round(M/2);

%n=round(N/2);

for i=1:M

for j=1:N

d=sqrt((i--m)^2+(j--n)^2);

if

d<=r

h=1;

else

h=0;

end

y(i,j)=h*g(i,j);

end

end

y=ifftshift(y);

E1=ifft2(y);

E2=uint8(real(E1));

subplot(1,2,2),imshow(E2);

title(“ 处理后的图像 ”);

imwrite(E2,“E2.tif”,“tif”);

处理结果：

原图

r=5 的结果图

r=15 的结果图

r=30 的结果图

r=80 的结果图

r=230 的结果图

实验收获、心得及建议：

在频域空间，图像的信息表现为不同频率分量的组合。如果能让某个范围内的分量或某些频率的分量受到抑制而让其他分量不受影响，就可以输出图的频率分布，达到不同的增强目的。

频域空间的增强方法有三个步骤：

1、将图像从图像空间转换到频域空间； 2、在频域空间对图像进行增强； 3、将增强后的图像再从频域空间转换到图像空间； 本次试验中在 FFT 变换前后，将各点数乘以-1 的（x+y）次方，是为了将图像处理后它的中低频数据处于图像中央位置。

频率域图像处理是把图像看成一种二维信号，对其进行基于二维傅里叶变化的信号增强；空间域图像增强的方法是直接对图像中的像素进行处理的过程。

实验名称 图像去噪 实验类型 验证型 实验时间 2015/6/9 实验地点 基础实验楼北 501 实验目的：

1.熟悉图像高斯噪声的特点； 2.掌握利用中值滤波器去除图像噪声的方法。

仪器、设备名称：

PC 微机一台、MATLAB 软件、GIF 格式图片一张。

实验要求及注意事项：

在选择图片时应当选择 TTF 格式或者 GIF 格式的图片，若不是这种格式则应该在画图工具中改为上述格式，因为其他格式都打不开。

实验内容、操作步骤：

实验内容：

编写代码实现中值滤波算法，并观察增强效果。

操作步骤：

1.打开 Matlab 编程环境。

2.利用’imread’ 函数读入包含噪声的原始图像数据。

3.利用’imshow’ 显示所读入的图像数据。

4.编写代码实现中值滤波算法，并对原始噪声图像进行滤波处理。

5.利用’imshow’ 显示处理结果图像数据。

6.利用’imwrite’函数保存图像处理结果数据。

实验结果分析（含数据、图表整理）：

程序源代码：

I1=imread(“D:tfYUAN.jpg”);

I3=rgb2gray(I1);I2=imnoise(I3,“salt & pepper”,0.02);subplot(1,2,1);

imshow(I2);

title(“jia zao yin”);

L=medfilt2(I2);

subplot(1,2,2);

imshow(L);

title(“ 中值滤波所得图像”);处理结果：

去噪声后的图像对比

实验收获、心得及建议：

噪声是常见的退化因素之一，也是图像恢复中重点研究的主要内容。图像中的噪声可定义为图像中不希望有的部分，或图像中不需要的部分。

中值滤波算法处理速度快。均值滤波对一个像素，取其周围的像素均值作为当前像素的值；中值滤波对一个像素，取其周围的像素的中间值作为当前像素的值，不需要求出均值，因此中值滤波算法较快。先得到图像的频率空间，然后对得到的二维空间数据进行比较得到最大值和最小值，求这两个值的平均值得到。它比中值滤波算法慢。

本次实验中，通过相关软件自带函数对图像进行处理，实现图像噪点的处理。

实验名称 Matlab 在数字图像处理中的应用

实验类型 验证行 实验时间 2015/6/16 实验地点 基础实验楼北 501 室 实验目的：

1．熟悉图像的四种类型。

2．熟练掌握图像的读、写操作以及显示方法。

3.熟悉图像的类型转换以及格式转换。

仪器、设备名称：

计算机、MATLAB 软件、《图像处理实验指导（电子版）》、MATLAB 相关书籍 实验要求及注意事项：

1、注意在 Matlab 中不同图像对应的格式。在 Matlab 中采用 4 种不同的方式把图像数据矩阵中的元素值（又称像素值）解释为对应像素的颜色。

2、使用 Matlab 中自带的函数可以实现不同格式的图像的格式间的转换。要熟悉相应的函数的使用参数。

实验内容、过程记录：

1．利用 imread()函数分别读取四种类型的图像。

2．读取一幅 RGB 图片，并将它转换成其他几种图像类型。

3.读取一幅 TIF 格式的图像，将它转换成 JPG 文件格式，并尝试使用不同的压缩品质(使用 help imwrite 查询其‘quality’参数的用法)压缩文件，比较压缩前后文件的大小和图像质量。

4（选做）.读取一幅索引图像，将图像显示出来。尝试修改 MAP 颜色矩阵的值，再将图像显示出来，对比观察图像颜色的变化。

实验分析结果（含数据、图表整理）：

程序源代码：

function dutu

I=imread(“C: ABCDEFG-------TF tf tf.jpg”);

subplot(2,2,1),imshow(I);

B title(“RGB 原图 ”);

A=dither(I,gray);

subplot(2,2,2),imshow(A);

title(“ 索引图 ”);

imwrite(A ,“suoyin.tif”,“tif”);

B=rgb2gray(I);

subplot(2,2,3),imshow(B);

title(“ 灰度图 ”);

imwrite(B,“huidu.tif”,“tif”);

C=im2bw(I,0.4);

subplot(2,2,4),imshow(C);

title(“ 二值图 ”);

imwrite(C,“erzhi.tif”,“tif”);

end

function gaitu

clc

clear

I=imread(“C: ABCDEFG-------TF tff.tif”);

subplot(2,2,1),imshow(I);

title(“ TF1.tif”);

imwrite(I,“TF1.jpg”,“jpg”);

B=imread(“C: ABCDEFG-------TF TF1.jpg”);

subplot(2,2,2),imshow(B);

title(“TF1.jpg”);

imwrite(I,“TF1(25).jpg”,“quality”,25);

C=imread(“C: ABCDEFG-------TF TF1(25).jpg”);

subplo t(2,2,3),imshow(C);

title(“TF1(25).jpg”);

imwrite(I,“TF1(50).jpg”,“quality”,50);

D=imread(“C: ABCDEFG-------TF TF1(50).jpg”);

subplot(2,2,4),imshow(D);

title(“TF1(50).jpg”);

end

1、图像格式间的转换 结果见下图

图 1 图像格式转换结果图 使用 imread 函数读入一张 RGB 图像，然后使用“dither”、“rgb2gray”、“im2bw”函数实现 RGB 图像向索引图像、灰度图像、二值图像的转换。图像结果使用“imwrite”函数进行保存。

2.读取一幅 TIF 格式的图像，将它转换成 JPG 文件格式

图 2 tif 格式转换为 jpg 格式结果 使 用 imwrite 函 数 使 “tif” 格 式 转 换 为 “jpg” 格 式，然 后 使 用 “ imwrite（I,“TF1(25).jpg”,“quality”,25）”和“imwrite（I,“TF1(50).jpg”,“quality”,50）”使图像分别以 25 和 50 的质量进行压缩保存。

实验收获、心得及建议：

实验中主要注意的时使用函数时，要与函数要求的格式相对应。处理不同类型的图像，所使用的函数语句是不一样的，对于结果的显示也会有所不同。有时图像的改变在显示时改变的迹象可能不太明显，这时可以通过查看图像的格式，具体的属性参数直观的看到改动。

5.正弦函数图像变换教学设计 篇五

设计人：呼建强

审核人：徐尚志

函数yAsin(x)的图像（第2课时）教学设计

【设计理念】

《标准》已明确指出在数学教学过程中注重培养学生的自主学习、合作交流的能力，提高学生的探究能力和交流能力.为了体现这一新的教学理念，本节课的设计采用了六环节分层导学模式，课前学生以课前预习案为依托进行自主学习，然后进行小组交流，合作学习；课中学生对课前预习的成果进行展示，师生共同点评，然后在教师的引导下以课堂探究案为本，探究参数对函数ysinx的图像的影响以及由函数ysinx的图像变换得到函数ysinx的图像的步骤，最后学生独立完成课堂检测案，检测学生课堂学习的效果；课后学生通过完成导学案课后提升案，巩固本节课所学知识.在整个教学过程中学生是主体，教师是教学活动的设计者及引导者.【教材分析】)xR,A0,0）正弦函数yAsin(x（是物理中简谐振动的位移与时间和交流电的电流随时间变化的函数（数学）模型，应用比较广泛.教材通过物理中的简谐振动的例子，引出yAsin(x（）xR,A0,0）的图像与性质及图像与函数ysinx的图像之间的关系的探究.教材通过例题分别讨论了函数yAsinx，ysin(x)，ysinx与函数ysinx的关系，运用从)xR,A0,0）特殊到一般的化归思想，归纳分析出参数A，，对函数yAsin(x（图像的影响.本节课是函数yAsin(x)的图像的第二节，重点探究参数对函数ysinx的图像的影响以及由函数ysinx的图像变换得到函数ysinx的图像的步骤.按照列表、画图、确定周期、讨论性质、归纳参数的影响的思路展开讨论.这样的设计，为学生提供了一个观察问题的角度，使学生掌握讨论周期函数的一般方法和步骤。

【学情分析】

1.能力分析

（1）学生已经掌握利用五点法画正弦函数的图像的步骤；（2）学生已经初步掌握利用函数图像研究函数性质的一般方法.2.认知分析

（1）学生初步掌握数形结合这种研究方法，但应用能力还显不足；（2）学生具备简单的自主学习能力和课堂探究能力.3.情感分析

部分学生学习态度还不够积极，但大多数学生学习的动机强，有强烈的探究欲望，能主动进行自主学习和课堂合作探究.府谷中学“六环节”分层导学高一数学教学设计

设计人：呼建强

审核人：徐尚志

【教学目标】

知识与技能：

1.会用五点法画函数ysinx的图像；

2.对比ysinx，理解参数对函数ysinx的图像的影响； 3.掌握由函数ysinx的图像，变换得到函数ysinx的图像的步骤.过程与方法：

1.经历自己动手画函数ysin2x和ysin1x图像的过程，提高利用描点法绘制函数图像的能力； 22.经历利用函数图像研究函数性质的过程，进一步体会数形结合思想在函数性质研究中的重要意义； 3.经历由ysin2x和ysin1x的图像与性质归纳出参数对函数ysinx的图像的影响的过2程，初步体会由简单到复杂、由特殊到一般的化归思想.情感态度价值观：

通过本节课的学习，进一步培养学生自主学习、合作交流的学习习惯.【教学重点】

1.函数ysinx的图像的画法及参数的影响；

2.函数ysinx的图像，变换得到函数ysinx的图像的步骤.【教学难点】

参数对函数ysinx图像的影响的讨论.【教学方法】

六环节分层导学法

【课前准备】

（学案导学）教师编印导学案，提前两天下发，指导学生完成并检查.学生预习教材P46-49内容，完成导学案课前预习案，形成对本节课所学内容的初步认识；预览并思考课堂探究案，明确本节课的研究主线.（小组交流）学生分组交流讨论，分享自己的学习心得，解决个别组员存在的困惑，共同梳理出自己小组存在的问题，完成问题反馈单，以便在课堂上得到及时解决。

【教学过程】

一、导入新课

在物理和工程技术的许多问题中，经常会遇到形如yAsin(x)的函数.例如，简谐振动中位移与时间的函数关系，正弦交流电的电流与时间的函数关系都是形如yAsin(x)的函数.因此研 府谷中学“六环节”分层导学高一数学教学设计

设计人：呼建强

审核人：徐尚志

究函数yAsin(x)的性质对于我们现在学好物理以及将来从事工程技术工作具有重要的意义.这个函数有什么性质？它与函数ysinx有什么关系？

设计意图：通过物理和工程技术中的实际问题情境导入课题，一方面激发学生对本节课关于函数yAsin(x)的性质的探讨的兴趣；另一方面有助于促进学生了解函数yAsin(x)的实际背景和应用价值.从解析式看，函数ysinx是函数yAsin(x)的特殊情况，即A1，1，0时的情况．那么参数A，，究竟怎样影响函数yAsin(x)的图像和性质的呢？

上节课我们研究了参数A，对函数yAsin(x)的图像和性质的影响.现在我们来简单回顾一下.本节课我们重点研究参数对函数ysinx的影响.类比上节课的研究方法，我们从两个特殊的函数ysin2x和ysin1x入手进行研究，并进一步归纳出参数对函数ysinx的影响.2设计意图：通过对上节课知识的复习回顾，一方面巩固参数A，对函数yAsin(x)的图像和性质的影响，另一方面引导学生对上节课的学习方法进行迁移.二、展示评价

首先我们一块儿看看大家导学案的完成情况.[教师活动] 教师利用实物投影展示完成情况好的和差的导学案，对完成情况好的同学进行表扬，对完成情况差的同学提出改进的建议.设计意图：通过对导学案完成认真的学生的表扬，肯定这些学生的学习态度与能力，同时为全班同学树立学习的榜样；通过对完成情况不好的学生提出改进的建议，一方面为他们的学习指明了方向，另一方面起到鞭策这些学生的作用.现在，我们对同学们在导学案中存在的典型问题来进行探讨.[学生活动] 学生利用实物投影展示自己课前绘制的函数ysin2x和ysin绍绘制函数图像的方法与步骤.[教师活动] 教师组织学生进行课堂展示，引导学生进行点拨、评价.设计意图：一方面暴露学生在绘制函数图像过程中存在的典型问题，以便课堂中进行有针对性的解决问题；另一方面在展示的过程中提高学生的交流表达能力。

1x的图像，并简单介

2三、导引探究

探究一：函数ysinx图像的画法

教师对学生的展示进行点拨评价，引导学生逐步掌握五点法绘制正弦型函数图像.府谷中学“六环节”分层导学高一数学教学设计

设计人：呼建强

审核人：徐尚志

问题1：绘制函数图像的一般步骤是什么？ 问题2：绘制正弦型函数图像的关键是什么？ 问题3：五个关键点的特征是什么？

[总结] 五点法画函数ysinx简图的要领：头尾卡死，中间四等分.设计意图：以提问的形式逐步引导学生掌握五点法画正弦型函数图像的方法.探究二：函数ysinx的周期

根据上述总结的画图要领，我们知道画函数ysinx简图的关键是确定开始的第一个点（0，0），然后利用周期确定最后一个点（T，0）.这时我们需要确定函数ysinx的周期.问题4：如何确定函数的ysinx周期？（待定系数法）解析：设函数ysinx的周期为T，由周期函数的定义可得，sin[(xT)]sin(x)整理得，sin(xT)sin(x)

由正弦函数的周期是2，可知当T2时，上式成立，所以T 我们不难验证T2.2是ysinx的最小正周期.[学生活动] 学生在教师的启发引导下进行思考，并逐步说出确定函数ysinx周期的方法与过程.[教师活动] 教师不断的启发引导学生思考确定函数ysinx周期的方法与过程，然后结合学生的回答进行板书.设计意图：通过师生之间的互动，使学生掌握确定周期函数的一种重要方法，同时提高学生分析问题、解决问题的能力.探究三：参数对函数ysinx图像与性质的影响

有了前面的铺垫，我们现在开始研究参数对函数ysinx图像与性质有什么影响？我们的方法依然是由特殊到一般.首先，我们来看看参数对函数ysin2x和ysin[学生活动] 学生结合函数ysin2x和ysin质.1x的图像与性质的影响.211x的图像总结函数ysin2x和ysinx的性22 府谷中学“六环节”分层导学高一数学教学设计

设计人：呼建强

审核人：徐尚志

[教师活动] 教师利用课件呈现函数ysin2x、ysin1x和函数ysinx的图像与性质.2 设计意图：通过学生利用函数图像自主研究函数的性质，一方面提高学生利用函数图像研究函数性质的能力；另一方面让学生进一步认识到函数的图像对于函数性质研究的重要性，体会数形结合思想的作用．

[学生活动] 学生对比函数ysin2x、ysin1x与函数ysinx的图像与性质，归纳参数2，21对函数图像与性质的影响，进一步归纳出参数对函数ysinx的图像与性质的影响.2[教师活动] 教师引导学生结合函数图像与性质进行讨论，归纳概括出一般结论.[结论] 从图像上可以看出，只要将函数ysinx图像上的每个点的横坐标都缩短为原来的1，纵坐2标不变，就得到函数ysin2x的图像． 只要将函数ysinx图像上的每个点的横坐标都伸长为原来的2倍，纵坐标不变，就得到函数ysin1x的图像． 2从性质上可以看出，只要将函数ysinx性质中关于自变量x的取值都变为原来的1，函数值y的2取值不变，就得到函数ysin2x的性质． 只要将函数ysinx性质中关于自变量x的取值都变为原来的2倍，函数值y的取值不变，就得到函数ysin1x的图像． 21一般地，只要将函数ysinx图像上的每个点的横坐标都变为原来的，纵坐标不变，就得到函数ysinx的图像．只要将函数ysinx性质中关于自变量x的取值都变为原来的不变，就得到函数ysinx的性质．

1，函数值y的取值设计意图：使学生体验由特殊到一般、由具体到抽象的思维过程，培养学生的概括归纳能力．

四、典题检测

学生独立完成导学案课堂检测案，教师巡视学生完成情况，但不做指导.设计意图：一方面检测学生本节课的学习效果，发现学生存在的问题，为下节课的内容作准备；另一方面培养学生独立完成练习的习惯.五、课堂小结

教师组织学生对本节课进行总结，回顾本节课中所学的知识及渗透的思想方法.1.本节课你学到了哪些知识？

（1）五点法绘制正弦型函数图像（头尾卡死，中间四等分）（2）参数对函数ysinx图像与性质的影响

函数ysinx,xR，(0且1)的图像，可看作把正弦曲线上所有点的横坐标缩短(1)或伸长(01)到原来的

1倍（纵坐标不变） 府谷中学“六环节”分层导学高一数学教学设计

设计人：呼建强

审核人：徐尚志

2.本节课中渗透了哪些思想方法？

（1）利用函数图像研究函数性质的数形结合思想（2）由简单到复杂、由特殊到一般的化归思想（3）分类讨论思想（对参数范围的讨论）（4）研究函数周期时用到待定系数法（方程思想）（5）物理学中的控制变量法

六、反馈提升

课后作业：完成导学案课后提升案.设计意图：通过课后的作业的完成，进一步巩固本节课所学的知识.思考探究：类比前两节课的探究方法，探讨ysinx和 y2sin(x123)之间的关系.设计意图：引导学生课后运用类比的方法进行更加深入的探究，进一步提升学生在本节课中学到的思想方法，同时为下节课的研究做准.【板书设计】

课题：函数yAsin(x)的图像

1.正弦型函数图像的画法 2.周期函数周期的确定

解：设函数ysinx的周期为T，由周期函数的定义可得，sin[(xT)]sin(x)整理得，sin(xT)sin(x)

由正弦函数的周期是2，可知当T2时，上式成立，所以T3.参数对函数ysinx图像与性质的影响

6.数字图像处理之图像复原总结 篇六

图像采集、传送和转换过程中，会加入一些噪声，表现为图像模糊、失真和有噪声等。

图像复原技术是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，得到质量改善的图像

图像噪声模型

CCD摄像机获取图像时，光照强度和传感器的温度是产生噪声的主要原因。

噪声:不期望接收到的信号(相对于期望接收到的信号而言)图像噪声按照噪声和信号之间的关系可以分为加性噪声和乘性噪声。

加性噪声一般指热噪声、散弹噪声等，它们与信号的关系是相加，不管有没有信号，噪声都存在。一般应该考虑为高斯噪声吧

1.高斯噪声（正态噪声）----源于电子电路噪声和由低照明度或高温带来的传感器噪声，CCD噪声

高斯噪声可以通过空域滤波的平滑或者图像复原技术来消除 P（z）= 1/(sqrt(2*pi*σ))*exp(-(z-μ)^2/(2*σ^2))

2.椒盐噪声--（双极）脉冲噪声（成像中的短暂停留，例如错误的开关操作）P（z）=Pa,z=a Pb,z=b 0,other

椒盐噪声是指图像中出现的噪声只有两种灰度值，分别是a和b，这两种灰度值出现的概率分别是Pa和Pb 均值是 m = a*Pa+b*Pb

方差是 σ^2 =(a-m)^2*Pa +(b-m)^2*Pb

通常情况下，脉冲噪声总是数字化为允许的最大值或最小值。负脉冲为黑点，正脉冲为白点。因此该噪声称为椒盐噪声，去除噪声的较好方法是中值滤波

3.均匀分布噪声（模拟随机数产生器）均匀分布噪声的概率密度函数为： P（z）= 1/(b-a),a<=z<=b*Pb 0,other

均匀分布噪声的期望和方差分别为： m =(a+b)/2

σ^2 =(b-a)^2/12

4.指数分布噪声（激光成像）指数分布噪声的概率密度函数为： P（z）= a*exp(-a*z),z>=0, 0,z<0

指数分布噪声的期望和方差分别为： m= 1/a,σ^2 = 1/a^2

5,伽马分布噪声（激光成像）伽马分布噪声的概率密度函数为：

P（z）=(a^b*z^(b-1))/(b-1)!*exp(-a*z)伽马分布噪声的期望和方差分别为： m = b/a,σ^2 = b/a^2 6.瑞利噪声

空域中的滤波复原

均值滤波复原 算术均值滤波器 几何均值滤波器 逆谐波均值滤波器

可以用于消除椒噪声或者盐噪声 顺序统计滤波复原

中值滤波、最大值滤波和最小值滤波

中值滤波可以很好的保留图像的边缘，非常适合去除椒盐噪声，效果优于均值滤波 二维中值滤波 J = medianfilt2(I)

最大值滤波器也能够去除椒盐噪声，但会从黑色物体的边缘去除一些黑色像素

最小值滤波器会从白色物体的边缘去除一些白色像素 二维排序滤波 J = ordfilt2(I,order,domain)最大值滤波 J = ordfilt2(I,9,ones(3))最小值滤波 J = ordfilt2(I,1,ones(3))自适应滤波复原

wiener2()自适应维纳滤波

图像复原算法

逆滤波复原

在频域上使用退化后观察得到的图像频域值来除去退化函数，得到近似于原图像的估计图像，然后通过傅里叶逆变换得到原图像的估计值

维纳滤波复原（对运动模糊图像进行复原）deconvwnr()进行图像的维纳滤波复原

约束最小二乘法复原 deconvreg()

Lucy-Richardson复原

deconvlucy()采用加速收敛的Lucy-Richardson算法对图像进行复原

盲解卷积复原

7.数字图像处理图像变换实验报告 篇七

数字水印技术是在早期的时候专门针对图像处理的研究而提出的, 水印技术主要通过对要保护的载体信息, 比如版权图片、视频、音频和文本等。嵌入相关的水印信息, 水印信息可以是图片或者文本等其他信息。而嵌入的这些水印信息不影响原始载体信息的使用价值。通过验证提取出水印信息来证明载体图像是否被进行了恶意篡改等非法行为。数字水印技术属于一种主动式的保护措施, 能够为加密技术进一步保护, 然而数字水印技术又与加密技术存在很大的不同, 数字水印技术可以监视盗版现象。在实际应用中, 加密技术往往也会用到数字水印信息中, 例如对水印信息进行二次加密, 这样使得水印信息的保护起到了进一步的保护作用。因此, 数字水印技术的研究具有非常重大的现实意义和战略意义。

1 基于小波变换的数字水印算法

1.1 数字水印的生成及嵌入模型

数字水印的生成及其嵌入算法模型主要由特征信息的提取及其范围、水印信息的生成和在小波系数中怎样嵌入水印信息以及其使用的方法构成。水印生成和嵌入步骤如下:

(1) 对原始载体图像O进行缩放, 并提取缩放图像的边缘作为量化特征信息。

(2) 利用Logistic迭代函数的初始值Keyp产生实值混沌序列X, 并对其二值化生成二值混沌序列P。

(3) 利用二值混沌序列P调制量化特征信息C产生调制序列S。

(4) 用RSA的私钥Pri将调制序列S加密生成水印信息W。

(5) 将水印信息W嵌入到原始图像O中, 生成水印图像O’。

数字水印生成和嵌入模型如图1所示。

1.2 数字水印算法

数字水印生成算法由下面四个阶段来完成。

(1) 产生缩放图像。假设其载体图像原始灰度 :先将O均匀分成4×4的不相互重叠的块 ;再计算每个的块中的像素灰度均值, 其中i=1, 2, …(M/4)×(M/4), 然后对全部均值m1进行整合得到一个(M/4)×(M/4)缩放的图像。

(2) 量化的特征信息提取。因为图像的内容主要特征能够通过图像边缘而反映出来, 所以在本章提取缩放图像的边缘作为特征信息。

(3) 调制量化特征信息。Logistic映射算法是非常经典的动力系统, 其在混沌系统中经常被广泛研究, 定义如下:

其中, 0≤μ≤4, 当xk∈(0，1)且3.5699456≤μ≤4时, Logistic的映射就是在混沌状态下工作的。

(4) 产生水印。为了减少水印信号嵌入时对原始图像的视觉影响和改善水印信息的统计性就采用了Logistic映射调制量化特征信息C来产生水印。先是采用Logistic映射生成实值混沌序列X, 其中初始迭代函数值为;再进行实值混沌序列二值化生成二值混沌序列其中(M/4)×(M/4)个, 当然实值的混沌序列他的优点P仍具有这种特性;最后量化特征信息C采用二值混沌序列P进行混沌调制后就可以得到一个调制序列。 。

2 数字水印算法的MATLAB仿真

水印的嵌入:选取256×256的图像当作宿图像, 选择大小为256×256的二值图像当作水印图像进行仿真实验。水印嵌入前后的图像如图2所示。

从图2可以看出, 加水印后图像质量相对于原始载体图像的质量几乎没有下降, 满足了水印的视觉不可见要求。

水印的提取:对图2所示的含水印图像中提取水印。提前后的水印与原水印如图3所示。

从仿真可以看出, 此种提取算法是完全可以提取出水印的, 而且水印的效果很好。

3 结论

本章仿真小波变换实现过程, 并对灰度图像进行二值水印信息的嵌入, 在没有受到攻击的情况下提取, 做出详细的仿真图像及计算机仿真数据, 并讨论分析了仿真结果。通过仿真结果, 可以看出在本文中的嵌入和提取算法是切实可行的。

摘要：小波分析近年来在数字图像水印方面得到了广泛应用, 并且产生了许多数字图像水印算法。本文主要针对基于小波变换的数字图像水印算法展开分析, 并进行Matlab仿真。仿真表明基于小波变换的数字水印算法有着良好的性能。

关键词：数字图像,水印算法,小波变换

参考文献

[1]黄继武.DCT域图像水印嵌入对策和算法[J].电子学报, 2000, 28 (4)

[2]钮心忻.基于小波变换的数字水印隐藏与检测算法[J].计算机学报, 2000, 15 (1)

[3]孙圣和, 陆哲明, 牛夏牧.数字水印技术与应用[M].北京:科学出版社, 2004

8.《数字图像处理》学习心得 篇八

通过《数字图像处理》课程的网络学习，我觉得受益匪浅。首先，我们不应再教学中盲目“灌输”，主要还是激发学生对这门课的学习兴趣，应该让学生有一个平台可以看到图像数字处理的效果，产生一个所见即所得的印象，这样学生在学习中就有成就感，就会愿意动手去编程，在调试程序所面临的挫折中也能有信心和劲头去战胜困难；最后，多找些相关的例题和实例，让学生成立学习小组去完成一些学习任务，指导他们合理分工，从简单实例入手，慢慢增加难度，让学生以小组的形式独立完成。这样不仅提高了学生的编程能力，而且培养了他们的协作精神，增强了团队意识。以下是我对这门课程的认识： 图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展，其应用空间将会更加广泛。数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理是从20世纪60年代以来随着计算机技术和vlsl的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果，操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。目前，随着计算机技术的不断发展，计算机的运算速度得到了很大程度的提高。在短短的历史中，它却广泛应用于几乎所有与成像有关的领域，在理论上和实际应用上都取得了巨大的成就。

数字图像处理需用到的关键技术主要有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。

数字图像处理的特点主要表现在数字图像处理的信息大多是二维信息，处理信息量很大。因此对计算机的计算速度、存储容量等要求较高；数字图像处理占用的频带较宽。与语言信息相比，占用的频带要大几个数量级。所以在成像、传输、存储、处理、显示等各个环节的实现上技术难度较大，成本亦高。这就对频带压缩技术提出了更高的要求；数字图像中各个像素不是独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。所以，图像处理中信息压缩的潜力很大。数字图像处理后的图像受人的因素影响较大，因为图像一般是给人观察和评价的。

数字图像处理的优点主要表现在再现性好、处理精度高、适用面宽、灵活性高等方面。图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。

图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面，随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。航天和航空技术、生物医学工程、通信工程、工业和工程领域、军事方面、文化艺术、视频和多媒体系统、电子商务都不同程度的应用了数字图像技术。

9.数字图像处理心得体会 篇九

1210407040

邓炯

图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展,其应用空间将会更加广泛。数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果，操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。

由于数字图像处理的方便性和灵活性，因此数字图像处理技术已经成为了图像处理领域中的主流。数字图像处理技术主要涉及到的关键技术有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。

图像的采集与数字化：就是通过量化和取样将一个自然图像转换为计算机能够处理的数字形式。

图像编码：图像编码的目的主要是来压缩图像的信息量，以便能够满足存储和传输的要求。

图像的增强：图像的增强其主要目的是使图像变得清晰或者将其变换为机器能够很容易分析的形式，图像增强方法一般有：直方图处理、灰度等级、伪彩色处理、边缘锐化、干扰抵制。

图像的恢复：图像恢复的目的是减少或除去在获得图像的过程中因为各种原因而产生的退化，可能是由于光学系统的离焦或像差、被摄物与摄像系统两者之间的相对运动、光学或电子系统的噪声与介于被摄像物跟摄像系统之间的大气湍流等等。

图像的分割：图像分割是将图像划分为一些互相不重叠的区域，其中每一个区域都是像素的一个连续集，通常采用区域法或者寻求区域边界的境界法。

图像分析：图像分析是指从图像中抽取某些有用的信息、数据或度量,其目的主要是想得到某种数值结果。图像分析的内容跟人工智能、模式识别的研究领域有一定的交叉。

数字图像处理的特点主要表现在以下几个方面：

1）数字图像处理的信息大多是二维信息，处理信息量很大。因此对计算机的计算速度、存储容量等要求较高。

2）数字图像处理占用的频带较宽。与语言信息相比,占用的频带要大几个数量级。所以在成像、传输、存储、处理、显示等各个环节的实现上技术难度较大，成本亦高。这就对频带压缩技术提出了更高的要求。

3）数字图像中各个像素不是独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。所以，图像处理中信息压缩的潜力很大。图像受人的因素影响较大，因为图像一般是给人观察和评价的。

数字图像处理的优点主要表现在4个方面。

1）再现性好。数字图像处理与模拟图像处理的根本不同在于它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，那么数字图像处理过程始终能保持图像的再现。

2）处理精度高。将一幅模拟图像数字化为任意大小的二维数组，主要取决于图像数字化设备的能力。

3）适用面宽。图像可以来自多种信息源,它们可以是可见光图像，也可以是不可见的波谱图像。只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。

4）灵活性高。图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。

10.数字图像处理图像变换实验报告 篇十

随着网络技术的发展, 各种多媒体信息在网络上的传输越来越普遍。由于互联网的开放模式, 信息在传输和存储过程中的安全性成为不可忽视的问题。图像置乱是图像加密中的常用技术, 广泛应用于数字水印、信息隐藏、信息加密等方面。数字图像置乱主要有两种方式:一种是基于像素位置变换的方式如Arnold变换、幻方变换、Hilbert变换、队列变换、Zigzag变换、混沌变换等, 另一种是基于改变像素灰度值的方式, 如Gray码变换等。

图像置乱的理想效果应该是置乱后图像无限接近于噪声, 使得攻击者无法从中得到任何有用信息。两种主要置乱方式各有优缺点。基于像素位置变换的置乱方式在改变图像中各像素处在的位置过程中不改变其灰度值, 因此, 不论算法如何精妙无法改变图像的基本统计特性 (如直方图等) , 容易引起攻击者的注意;而Gray码变换等改变像素灰度值的置乱方式由于自身算法的局限性存在图像适应性不广、加密效果不佳等缺陷, 同样应用性不佳。为此, 将两种置乱方式相结合以弥补相互的缺陷是图像置乱的发展方向, 本文提出一种易于实现的位置变换和灰度变换相结合置乱方法。

1 以整行 (或列) 像素为单位的置乱方式

之所以选取整行 (或列) 像素为变换的基本单位是为了提高图像置乱算法的适应性。许多传统的数字图像置乱算法如Arnold变换等要求处理的图像为正方形图像, 使得很多非正方形图像必须经过预处理后才能进行置乱操作。以整行 (或列) 像素为变换的基本单位可以很好的解决这一问题。

将分辨率为 的数字图像表示为:

undefined

其中I (x, y) 表示图像中各像素的灰度值, x, y表示该像素在图像内的横纵坐标。进行置乱时, 令:

undefined

(x', y') 为以像素原坐标为变量进行某种数学运算后重新定位到图像分辨率范围内的新坐标值, 此时将两坐标对应的像素值进行交换。按照顺序完成行列坐标在各自范围内的遍历后得到置乱图像。

图1为Lena原图和按照本方法取f (x) =x2 置乱后的置乱图像及其直方图对比。从主观感觉上评价, 置乱图像无法辨认出原始图像, 达到了基本的图像置乱效果。由于置乱方式采取整行整列交换像素的方式进行, 图像存在较为明显的规律性, 加之基于位置变换的置乱方式具有无法改变图像直方图的固有缺陷, 使得置乱图像易于被攻击者识别, 从而招致攻击和破解。

2 以坐标为参数改变像素值的置乱方式

和位置变换的置乱方式相比, 改变像素灰度值的置乱方式可以极大的改变数字图像的统计特性, 使攻击者难以通过统计分析发现置乱后隐藏图像。

由于对各像素采用同一或相似密钥进行变换时 (如对图像的反色、亮度增强等图像处理方式) , 无法很好的消除图像的轮廓及局部像素高度相似等主观特性, 依然容易暴露希望隐藏的图像内容。为此, 本文使用的如下变换:

undefined

其中g (x, y) 为以像素坐标为参数的某种数学运算, ♁表示按二进制位异或运算, G为该图像像素的灰度值上限用于限制和各像素灰度值进行异或运算的数值范围。如此设计使得图像中各像素的变换参数为与像素坐标相关的函数, 在很好的改变图像的主观特征的同时加大了攻击者的破解难度。

图2分别为按本方法取g (x, y) 置乱后的Lena图像和bridge图像及其直方图。置乱后图像的直方图呈现极强的均匀分布特征, 对图像的原始统计信息起到了很好的保护作用。由于选取的密钥算法较为简单, 置乱图像在空间上表现出了一定的纹理特征, 且对不同原始图像置乱后效果相似, 没有达到理想的置乱效果。

3 完整置乱方式及置乱效果评价

3.1 位置变换与灰度变换相结合的置乱方式

上文提出的两种置乱方法各自具有相应置乱方式的固有缺陷, 无法达到理想的图像置乱效果。由于两种方法都具备与待处理图像形状无关的特点, 可以将它们结合起来使用。考虑到灰度变换置乱后图像具有较为相似的主观特征, 不应将其作为置乱过程的最终步骤。为了使算法尽量简便, 下文中采取先进行一次灰度变换后进行一次位置变换的方式进行置乱。

图3为Lena图像置乱的最终效果及其直方图, 主观效果上没有明显的规律性, 且直方图具有明显的均匀分布特征。置乱图像对原始图像信息隐藏效果明显优于两种方式单独使用达到的效果。

3.2 置乱效果评价

有很多学者致力于研究图像置乱效果的客观评价方式并取得了许多成果, 如文献[9]使用将置乱图像与理想的噪声图像进行比较;文献[10]使用分析置乱后图像各像素与临近像素的相关性;文献[11]使用在置乱图像不同区域中检测灰度级出现频数的判断方式。

本文将Lena图像作为实验图像, 使用新方法和Arnold变换在一个变换周期内的置乱效果作为对比。对于图像置乱度的评价, 采用文献[10]的评价方法计算各置乱图像的置乱度 (数值越大置乱效果越好) 。同时为了衡量置乱后图像和原始图像的相似程度, 还计算了各置乱图像相对于原始图像的PSNR值。

以上数据显示本文提出的置乱方法无论在置乱后图像混乱程度上还是和原始图像相似性上, 相对于Arnold变换都达到了明显的性能提升。本方法的另一个优点在于作为一种加密过程的置乱算法中使用的密钥不再是传统的数值型密钥, 而是以被置乱像素的坐标为参数的某种运算方式。这种改变首先使得各像素的变换过程具有了不同的变换参数, 同时由于运算方式的不确定性, 使得攻击者即使知道置乱过程为位置变换和灰度变换相结合的形式仍然无法进行有效的破解。

4 结束语

本文提出了一种易于实现的位置变换和灰度变换相结合的数字图像置乱方法。实验证明该方法能很好的隐藏被加密图像的主客观特征。同时引入以图像中各像素坐标的某种运算方式作为密钥的加密方式, 极大的提高了隐藏信息的安全性。

本方法在密钥的选择上还存在一些需要研究的地方, 如使用一些过于简单的密钥 (如f (x) =2x, g (x, y) =x+y) 时置乱效果不佳, 这对于进一步降低置乱过程的运算量, 带来了一定的影响。如何衡量作为密钥的各种运算方式对图像置乱效果的影响将成为下一步的研究方向。

参考文献

[1]丁伟, 闫伟齐, 齐东旭.基于Arnold变换的数字图像置乱技术[J].计算机辅助设计与图形学学报, 2001 (4) .

[2]王秀丽, 宁正元.基于奇幻方的数字图像加密算法[J].闽江学院学报, 2006 (2) .

[3]林雪辉, 蔡利栋.基于Hilbert曲线的数字图像置乱方法研究[J].中国体视学与图像分析, 2004 (4) .

[4]万里红, 孙爕华, 林旭亮.三维Hilbert曲线在图像置乱中的应用[J].计算机工程, 2011 (2) .

[5]李敏, 费耀平.基于队列变换的数字图像置乱算法[J].计算机工程, 2002 (1) .

[6]冀汶莉, 张敏端, 靳玉萍, 等.基于Zigzag变换的数字图像置乱算法研究[J].计算机应用与软件, 2009 (3) .

[7]段文文, 李碧.基于混沌的数字图像置乱算法及参数优化[J].计算机应用研究, 2011 (1) .

[8]邹建成, 李国富, 齐东旭.广义Gray码及其在数字图像置乱中的应用[J].高校应用数学学报:A辑, 2002 (3) .

[9]刘钺.图像置乱的相对置乱度评价方法[J].计算机工程与设计, 2010 (6) .

[10]郭琳琴, 张新荣, 梁小勇.基于灰度均匀性的图像置乱程度盲评价算法[J].计算机与现代化, 2010 (12)