数字图像处理读书报告(精选)-范文网

数字图像处理读书报告

根据工作的内容与性质，报告划分为不同的写作格式，加上报告的内容较多，很多人不知道怎么写报告。以下是小编整理的关于《数字图像处理读书报告》，希望对大家有所帮助。

第一篇：数字图像处理读书报告

数字图像处理读书报告11

——图像分割

——钱增磊

前言：由于在图像的应用当中，我们经常要将感兴趣的区域提取出来用来识别等其他用途，这就涉及到一个很关键的一个应用，便是图像的分割。图像的分割方法有很多，本章将通过四种大的分割方法来讲解，分别是基于边缘检测的分割，阈值分割，基于区域的分割和形态学分水岭的分割。然而对于分割算法是基于灰度值的两个不同性质来进行的，第一便是不连续性，根据这个性质主要的方法是基于边缘的检测;另一个便是其相似性原理，后三种方法都是根据一组预定义的准则来进行的相似性分割方法。

一、基于边缘检测的分割

1、点与线的检测

根据灰度级突变的特性，往往我们能够看到图像中的点与线，这放在数学中便是一阶导数和二阶导数的特点。如下式所示：

f2ff(x)f(x1)f(x)f(x)f(x1)f(x1)2f(x) 2xx

从中可以得到三个结论：a.一阶导数通常在图像中产生较粗的边缘;b.二阶导数对精细细节有较强的响应;c.二阶导数在灰度斜坡和灰度台阶过渡处会产生双边缘响应;d.二阶导数的符号可用于确定边缘的过渡是从亮到暗还是从暗到亮。

所以我们常用的点与线的检测便对其邻域使用梯度运算和拉普拉斯算子，从而确定点与线的位置。

2、基于边缘的检测

对于边缘模型主要分为三种，分别为台阶模型、斜坡模型和屋顶边缘模型，他们可利用梯度和拉普拉斯算子来区分出来。由于在进行二阶导数变换的时候，常常会出现双边缘响应，那么零灰度轴与二阶导数极值间的连线交点便称为零交叉点，这是个重要特性，对于这个零交叉点可用于寻找到图像的边界。

(1)梯度算子：

罗伯特交叉梯度算子：是最早尝试的具有对角优势的二维模板，对角相减的原理来构建梯度。

Prewitt算子：利用在模板区域中上下、左右邻点的灰度差，在边缘处达到极值来检测边缘。

sobel算子：对于上述的中心系数上使用一个权值2，可以平滑图像，还可以对斜线边缘进行检测，原理与上述相似。

Marr-Hildreth边缘检测器：采用了灰度变化特性“在一阶导数中引起波峰或波谷，或在

二阶导数中等效地引起零交叉”来检测边缘的。该检测器采用高斯拉普拉斯算子LoG：

xy22G(x,y)e4222x2y222

将该滤波器与一幅输入图像卷积，寻找其零交叉来确定原图像的边缘位置。

g(x,y)[2G(x,y)]★f(x,y)

坎尼边缘检测器：首先用一个高斯滤波器平滑输入图像，也就是进行卷积，然后对输出的图像进行计算梯度的幅值和角度，这里采用高斯滤波器主要是因为我们发现最佳台阶边缘检测器的一个较好的近似是高斯一阶导数。再者我们队梯度幅值图像应用非最大抑制，将梯度向量分解为8个方向，分别为相隔45度，对任何一个方向都可以归纳到该8个方向中去。最后我们利用双阈值处理和连接分析来检测并连接边缘。因为在单阈值操作中，阈值设高或者设低都将造成伪边缘点或者删除有效边缘点，于是采用一个低阈值和一个高阈值的方法来克服。对阈值操作想象为创建了两幅图像：

gNH(x,y)gN(x,y)THgNL(x,y)gN(x,y)TL

去除包含的元素，可得到强弱边缘：gNL(x,y)gNL(x,y)gNH(x,y)

3、边缘连接

上述都是一些理想状况下产生位于边缘上的像素集合成连续型，实际上总会由于噪声和不均匀光照等原因引起边缘的间断，造成不连续性，有三种连接的方法。

第一种需要边缘点的邻域，给定一个规则强度，如果满足邻域内：

|M(s,t)M(x,y)|E

则将邻域中的点作为边缘点，E值是一个强度阈值，该规则可利用梯度向量的幅度或者角度来规定。

第二种是区域处理，该区域的边界有许多离散的点构成(由于噪声等原因而离散)，然后选取两个点，连接线段，求剩下点到该线段的距离，如果大于我们给定的距离，则将该点放入边缘点的序列中，对这些点进行连接，一直到形成闭合的区域而停止。如此便可以得到近似的边界，该方法称为多边形拟合算法。

第三种是使用霍夫变换的全局处理，由于上述方法对每一个点都要进行比较，执行的次数非常大，而基本没有应用价值，于是采用霍夫变换。我们可以利用上述检测原理，将直线方程的x、y变量转化为,变量，是基于式：

xcosysin

那么对于不同的x，y有不同的曲线，当这些曲线相交某一点时，相对于空间坐标中的意义就是不同的点的直线对应于同一条直线方程，也就是有很多点共线。那么我们可以根据所需

要找的边界，给出对应的直线方程，就可以找到对应的,曲线，从而提取出所需要的边界。

二、基于阈值处理的分割

从这一节开始就是根据相似性原理来分割图像了。对于一个表达式：

g(x,y)1,.....f(x,y)T 0,.....f(x,y)T

其中T是一种我们设定的分割图像的灰度阈值，该处理称为全局阈值处理。当对于T值随着图像特征而改变时称为可变阈值处理。我们在前面学过对于灰度值的直方图表示，对于一幅含有不同灰度的图像，针对前景灰度值的不同，在灰度直方图中可以看到明显的波峰与波谷，其中对应的波谷便是我们所要分割的阈值。

1、Otsu方法

该方法在类间方差最大的情况下是最佳的。根据图像的灰度特性，图像分为背景和前景，当背景和前景之间的类间方差越大，说明构成图像的两部分的差别越大，当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小，那么对于使雷静方差最大的分割意味着错分概率最小。

2、用图像平滑改善全局阈值处理

由于噪声的存在，如果噪声的比例加大，那么在直方图中感兴趣区域的图像灰度直方图会受到严重的干扰甚至被完全遮盖，无论如何选取阈值都很难进行很好的分割。于是先将对图像进行模糊平滑，去除或减小噪声的影响，使直方图中的波谷重新呈现，在进行Otsu方法进行阈值处理。

3、用边缘改进全局阈值处理

如果需要分割的前景图像过于小的时候，在直方图中没办法超过噪声对直方图的贡献，那我们可以采用计算该图像的梯度或者拉普拉斯来确定。通过将计算后的图像与原图像进行相乘操作，再对其非零元素区域进行直方图的绘制，那么就可以呈现很明显的波谷，其实所呈现的波峰其高灰度段便是图像的边缘特征，然后利用Otsu方法选取阈值，便可得到分割。

4、可变阈值处理

虽然用图像平滑和使用边缘信息用来改善图像凸显边缘，但是仍然会出现无法满足要求的情况，这种时候我们采用一种块分割的办法来求解阈值，将整幅图像分成相同的若干份，对每一份进行求阈值的操作，那么对于每一幅的直方图便可以有很好的体现，从而分割出图像，然后将其合并。该方法的目的就是将感兴趣物体和背景占据的比例大小合适的区域。

三、基于区域的分割

分割的目的就是将一幅图像分割成若干个区域，那么基于区域的分割便是直接以寻找区域为基础的分割技术。

采用的一种技术叫“区域生长”，就是根据预先定义的生长准则将像素或者子区域组合

成更大区域的过程。第一个首要过程便是寻找“种子区域”，根据预先定义的性质将一些邻域内像素凡是符合预先定义准则的都将被加入到每个种子上来，从而形成这些生长区域，其实也就是进行不断地迭代，直到不再有像素满足加入某个区域的准则，这样生长就会停止。

那么另一种技术便是首先将一幅图像细分为一组任意的不相交的区域，然后根据分隔条件聚合和/或分裂这些区域。对于一开始的细分操作，是针对每个单独的细分区域进行准则的匹配，如果不匹配，则进行再次细分，即Q(Ri)FALSE，然后依次在进行细分和判断，但是由于是对某个单独的区域进行的匹配，所以细分的过程中所产生的一些区域可能具有相同的属性，那么对于细分后的区域将要进行聚合操作，这样就可以产生最终的区域分割。它的分割精度，关键是在于匹配准则的选取，因为它的选取决定了在细分过程中的细分精细程度。

四、基于形态学分水岭的分割

该分割方法是一种比上述几种方法更稳定的分割技术，它的关键原理就是找到分水线。一幅图像是由一定的灰度级所显现的，那么把它看成一幅三维的山脉图，也就是说灰度越高，海拔越高，灰度越低，海拔越低，这就形成了一幅有山脉、有盆地的一幅山川景图。那么对于此算法，也就是通过在此幅图当中灰度级最低的(也就是海拔最低的)地方戳一个洞，水从这个洞中流出，根据一步步的迭代，水会流出的越来越多，而被淹没的海拔也会越来越高，慢慢的就会淹没一些小的山峰，而这些山峰所形成的便是“分水线”，即分开两个不同水域的界限，这些分水线是不完整的，那么就继续迭代，直到分水线的全部出现，此时分割的任务也就完成了。

然而对于某些噪声和梯度的局部不规则性，该算法会造成过度分割，形成大量的分割无用的分割区域，这时就采用标记的方法来克服。将与感兴趣物体相联系的标记称为内部标记，与背景相关联的标记称为外部标记，我们对内部标记的定义为：a.被更高海拔点包围的区域;b.区域中形成一个连通分量的那些点;c.连通分量中所有的点有相同的灰度值。基于这样的一种标记，可以在分割中去除大量的背景分割区域，从而区分出我们感兴趣的物体。

总结：本章节内容讲述的几种重要的分割方法各有特点，不仅针对不同特性的图像用相应的方法，还可以联合起来应用，尤其是对于一幅多分辨率的图像，可利用块分割的办法对于不同区域的图像分割用不同的方法进行，能够得到最有效的效果。然而对于本章节所提到的一个分割的关键因素便是分割准则的确定，而这个准则不仅仅只是一个灰度值一些简单的表示，还会利用下一章表示和描述中达到更精确更复杂更有效的分割准则的表示方法。

第二篇：数字图像处理读书笔记

《数字图象处理》学士论文读书笔记

运动对象检测是数字图像处理技术的一个重要部分，它是计算机视觉、目标识别与跟踪、运动图像编码、基于内容的检索、安全监控等视频分析和处理应用的关键步骤。解决跟踪算法的计算量与实时性这对矛盾，是提高系统跟踪精度和跟踪稳定性的关键，此即为本文的关键所在。

对于变化很慢的背景图像而言，可把动目标看作目标对背景的扰乱，可以看作Kalman滤波器在零均值白噪声时的退化公式：

WT[IWP(k)WT] K(k1)P(k1)

若认为图像每一个时空点在空间独立，则以上变量均为标量。即： B(k)P(k1)P(k),P(1)1B(k1)

这就是说估值的方差随着测量次数的增加而逐渐减小，结果是收敛的，对于图像，只要系统采样频率足够快，则可以认为背景静止，所以当图像序列通过这个低通滤波器时，图像序列中遂时间缓变的部分就可以分离出来。接着利用图像和背景进行差分运算，即可从图像中提取出变化的目标

式中的D(k+1)是去除背景后的当前帧目标图像。而后，考虑到空间邻接像素之ˆ(k1)D(k1)(k1)ˆ(k1)ˆ(k)K(k1)ˆ(k)(k1)WP(k_1)1[IK(k1)W]P(k)

间的相关性，需要进一步对差分图像数据进行4x4的空间滑动平均滤波以消除输入图像中的噪声影响，然后将以上得到的目标图的D(k+1) )中每个像素的灰度数据向行和列方向分别投影并且求和，据此计算目标的质心，得到相对饱满的目标图像。

该文探讨了渐消记忆递归最小二乘法在图像背景重建中的应用，使用简捷有效的算法结构在复杂背景的条件下分离出了背景和动目标;对图像在空间域做4~4的滑动平均滤波有效地抑制了于扰噪声;在求目标的质心时采用等效灰度投影算法，简化了求质心运算，整体上说算法简洁，操作方便，基本上解决了引文提出的矛盾。文章研究的运动对象检测可应用在计算机视觉、目标识别与跟踪、运动图像编码、基于内容的检索、安全监控等视频分析和处理应用的关键步骤上，如若这种算法得到进一步优化和更新，一定会运用到更多更广的地方。

通信二班陈阳(10950229)

本文由芬乐网提供

参考文献

1. 刘永信等《复杂背景图像中检测动目标的一种方法》摘自《计算机工程与应用》2002.03

2. 曹炬等《从移动背景红外序列图像中检测运动目标》摘自《电子信息学报》2005.01

3. 何卫华等《复杂背景下基于图像融合的运动目标轮廓提取算法》摘自《计算机应用》2006.01

第三篇：遥感数字图像处理实验报告

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

3 5. LM212803919761127 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

6 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

第四篇：天津科技大学---数字图像处理实验报告

数字图像处理实验报告

专业：计算机科学技术学号：11101110 姓名：马艳松提交日期：2014.6.5

实验一数字图像的读入与显示

一.实验目的：

1.熟悉opencv的开发环境设置

2.读取一幅图像，并显示，掌握Imread, imwrite,imshow的使用

3.掌握opencv中图像的表示，及其属性的含义。二.实验内容：配置好visualstudio2010下opnecv开发环境

使用opencv的函数读入一幅图像，并在窗口中显示出来。

三.实验步骤： #include "stdafx.h" #include using namespace cv; using namespace std; void test1() { Mat inputImage=imread("..imageookeach.jpg",1); if(!inputImage.empty()) {

cvNamedWindow("test");

imshow("test",inputImage);

waitKey(); } else

{

cout<<"file open error!";

getchar(); } }

int _tmain(int argc, _TCHAR* argv[]) { test1(); return 0; }

四.实验心得:通过上课实验理解了opencv的配置过程。通过程序实现了图片的成象处理。

实验二数字图像像素的访问

一.实验目的：掌握opencv开发环境中对灰度图像及彩色图像中的像素的访问方法

理解mat数据结构

掌握opencv中对图像进行处理的基本过程。二.实验内容： (1)打开一幅灰度图像，对其进行线性灰度变换(直线方程的参数为k, b)，并显示变换前、后的图像。;调整K值，分别取>1, <1, =1, 以及-1，比较不同K值时的图像增强效果。

(2)打开一幅彩色图像，对每个像素进行访问，分别令R、G、B的值为0，查看处理后的图像，并比较原图像的差异。

重点和难点：掌握灰度图像和彩色图像的像素的值的访问方法。三.实验步骤： 1r)实验代码

void image1Pixel() {

double durationa,durationb,durationc; double cacStart,cacEnd;

Mat image=imread("..imageookeach.jpg",1); Mat gray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); //gray=0.299R+0.587G+0.114b uchar r,g,b; float fgray; cacStart = static_cast(getTickCount()); for(int m=0;m<100;m++) for(int i=0;i

for(int j=0;j

{

b=image.at(i,j)[0];

g=image.at(i,j)[1];

r=image.at(i,j)[2];

fgray=0.299*r+0.587*g+0.114*b;

gray.at(i,j)=saturate_cast(fgray);

}

imshow("",gray);

cacEnd = static_cast(getTickCount()); durationa=(cacEnd-cacStart)/cv::getTickFrequency(); // the elapsed time in ms waitKey(); } 2)实验代码

#include "stdafx.h"

#include using namespace cv; using namespace std;

void image1Pixel() {

{

Mat inputImage=imread("..imageookeach.jpg",1); if(!inputImage.empty()) { double durationa,durationb,durationc; double cacStart,cacEnd; Mat image=imread("..imageookeach.jpg",1); Mat gray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); Mat grayGB(image.size().height,image.size().width,CV_8UC3,Scalar(0)); Mat grayRB(image.size().height,image.size().width,CV_8UC3,Scalar(0)); Mat grayRG(image.size().height,image.size().width,CV_8UC3,Scalar(0)); uchar r,g,b; float fgray; cacStart = static_cast(getTickCount()); for(int m=0;m<100;m++) for(int i=0;i

for(int j=0;j

} imshow("org",image); cvNamedWindow("gray"); imshow("gray",gray); waitKey(); b=image.at(i,j)[0]; g=image.at(i,j)[1]; r=image.at(i,j)[2]; //////////////////////////// grayGB.at(i,j)[0] = b; grayGB.at(i,j)[1] = g; grayGB.at(i,j)[2] = 0; //R grayRB.at(i,j)[0] = b; grayRB.at(i,j)[1] = 0;// G grayRB.at(i,j)[2] = r; grayRG.at(i,j)[0] = 0; //B grayRG.at(i,j)[1] = g; grayRG.at(i,j)[2] = r; //////////////////////////// fgray=0.299*r+0.587*g+0.114*b; gray.at(i,j)=saturate_cast(fgray); cvNamedWindow("org"); cacEnd = static_cast(getTickCount()); durationa=(cacEnd-cacStart)/cv::getTickFrequency(); } void test1()

}

} cvNamedWindow("test"); imshow("test",inputImage); waitKey(); else {

} cout<<"file open error!"; getchar(); int _tmain(int argc, _TCHAR* argv[]) {

}

image1Pixel(); test1(); return 0; 心得体会：通过本次试验，我了解并大致掌握灰度图像和彩色图像的像素的值的访问方法。由于之前很少练习这方面的内容，试验过程中遇到了一些问题，好在在别人的帮助下和向别人咨询终于了解了这方面知识的大致框架和原理。由此更坚定了我学习下去的信心和动力!

实验三图像的平滑

一.实验目的：掌握opencv开发环境中对灰度图像及彩色图像中的像素的访问方法

掌握opencv中对图像进行处理的基本过程。

掌握均值平滑和中值滤波的基本原理

二.实验内容： (1)打开一幅灰度图像，对图像进行3*3(包括中心点)的邻域平均处理。

(2)对原图进行3*3(包括中心点)的中值滤波处理。

(3)比较原图像与邻域平均的图像、中值滤波后的图像的差异

三.实验步骤: 1)中值滤波处理

for(int i=1;i

{

for(int j=1;j

{

int

imshow("中值滤波",gray);

cacEnd = static_cast(getTickCount()); durationa=(cacEnd-cacStart)/cv::getTickFrequency(); waitKey(); } int GetMidNum(int n[]) {

for (int i=0;i<9;i++)

for(int j = 0 ;j<8;j++)

{

if (n[j]>n[j+1])

{

int temp ;

temp = n[j+1];

n[j+1] = n[j];

n[j]= temp;

}

return n[4]; }

void test4_4() { int count[256];//存放各个像素值对应的个数

float hist[256],sumHist[256]; uchar grayHist[256]; for (int i=0;i<256;i++) {

count[i]=0;

hist[i]=0; a[9]={gray.at(i-1,j),gray.at(i,j),gray.at(i+1,j),

gray.at(i-1,j-j),gray.at(i,j-1),gray.at(i+1,j-1)

+gray.at(i-1,j+1),gray.at(i,j+1),gray.at(i+1,j+1)};

gray.at(i,j)=GetMidNum(a);

}

} int _tmain(int argc, _TCHAR* argv[]) { image1Pixel(); //Test3();

//test4_4(); return 0; }

2)邻域平均

void image1Pixel() sumHist[i]=0; grayHist[i]=0; } Mat image=imread("..imageookeach.jpg",0); for(int i=0;i(i); for(int j=0;j

count[data[j]]++; } } for(int i=0;i<256;i++) hist[i]=((float)count[i])/(image.size().height*image.size().width); sumHist[0]=hist[0]; for(int i=1;i<256;i++) sumHist[i]=sumHist[i-1]+hist[i]; for(int i=0;i<256;i++) grayHist[i]=saturate_cast(sumHist[i]*255); Mat gray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); for(int i=0;i(i); uchar* grayData=gray.ptr(i); for(int j=0;j

grayData[j]=grayHist[data[j]]; } } cvNamedWindow("tset"); imshow("org",image); cvNamedWindow("hist"); imshow("hist",gray); waitKey(); {

double durationa,durationb,durationc; double cacStart,cacEnd;

for(int j=0;j

{

b=image.at(i,j)[0];

g=image.at(i,j)[1];

r=image.at(i,j)[2];

fgray=0.299*r+0.587*g+0.114*b;

gray.at(i,j)=saturate_cast(fgray);

}

imshow("",gray);

cacEnd = static_cast(getTickCount()); durationa=(cacEnd-cacStart)/cv::getTickFrequency(); // the elapsed time in ms waitKey(); }

void Test3() {

int GetMidNum(int n[]); double durationa,durationb,durationc; double cacStart,cacEnd;

Mat image=imread("..imageookeach.jpg",1); Mat gray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); Mat grayGB(image.size().height,image.size().width,CV_8UC3,Scalar(0)); Mat grayRB(image.size().height,image.size().width,CV_8UC3,Scalar(0)); Mat grayRG(image.size().height,image.size().width,CV_8UC3,Scalar(0)); //gray=0.299R+0.587G+0.114b uchar r,g,b; float fgray; cacStart = static_cast(getTickCount()); for(int m=0;m<100;m++)

for(int i=0;i

b=image.at(i,j)[0];

g=image.at(i,j)[1];

r=image.at(i,j)[2];

}

实验心得：通过这次试验，我明白了，平滑技术用于平滑图像的噪声，平滑噪声可以在空间域中进行，基本方法是求像素灰度的平均值或中值。但是这些很容易引起边缘的模糊，常用的有均值滤波、中值滤波，在使用时，针对不同的噪声，也需要不同的滤波法，没有哪种方法是绝对好，必须具体情况具体分析。最后比较三种平滑效果，八点平滑最好，说明对高斯噪声平滑滤波效果较好。中值滤波基本把椒盐噪声都滤去了，说明中值滤波对椒盐噪声平滑效果比高斯噪声好。

fgray=0.299*r+0.587*g+0.114*b;

gray.at(i,j)=saturate_cast(fgray); } imshow("原图",gray); for(int i=1;i

for(int j=1;j

{

gray.at(i,j)= (gray.at(i-1,j)+gray.at(i,j)+gray.at(i+1,j)+

gray.at(i-1,j-j)+gray.at(i,j-1)+gray.at(i+1,j-1)

+gray.at(i-1,j+1)+gray.at(i,j+1)+gray.at(i+1,j+1))/9;

}

imshow("邻域平均",gray); 实验四图像的直方图均衡化

一.实验目的：掌握直方图均衡化的基本步骤及实现方法

掌握opencv中对图像进行处理的基本过程。

二.实验内容： (1)打开一幅灰度图像，对图像进行直方图均衡化处理。

(2)比较原图像与均衡化的图像的差异。

(3)要求自己按照课本介绍的均衡化的步骤在opencv下实现直方图均衡化处理。

三.实验步骤:void test1() { Mat inputImage=imread("..imageookeach.jpg",1);

if(!inputImage.empty()) {

cvNamedWindow("test");

imshow("test",inputImage);

waitKey(); } else

{

cout<<"file open error!";

getchar(); } } void test4() { int count[256]; float hist[256],sumHist[256]; uchar grayHist[256];

for (int i=0;i<256;i++) {

count[i]=0;

hist[i]=0;

sumHist[i]=0;

grayHist[i]=0; }

Mat image=imread("..imageookeach.jpg",0);

for(int i=0;i

uchar* data=image.ptr(i);

for(int j=0;j

{

count[data[j]]++;

} } for(int i=0;i<256;i++)

hist[i]=((float)count[i])/(image.size().height*image.size().width); sumHist[0]=hist[0]; for(int i=1;i<256;i++)

sumHist[i]=sumHist[i-1]+hist[i]; for(int i=0;i<256;i++)

grayHist[i]=saturate_cast(sumHist[i]*255);

Mat gray(image.size().height,image.size().width,CV_8UC1,Scalar(0));

for(int i=0;i

uchar* data=image.ptr(i);

uchar* grayData=gray.ptr(i);

for(int j=0;j

{

grayData[j]=grayHist[data[j]];

} }

cvNamedWindow("org");

imshow("org",image);

cvNamedWindow("hist");

imshow("hist",gray);

waitKey();

} int _tmain(int argc, _TCHAR* argv[]) { //test1(); test4(); return 0; }

四.实验心得：通过这次的实验，我明白了直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。

第五篇：数字媒体读书报告

快要考试了，突然间想起了读书笔记，汇总了这学期来或认真阅读过的，或粗略浏览过的，或有深刻感悟的，或食之无味的，林林总总，有了这一份报告。正如古人云：“书中自有黄金屋，书中自有颜如玉”，“读书百卷，其义自见”“读书破万卷，下笔如有神”，读书，总归是有积极的作用的。接下来的几篇论文，有的是老师推荐，有的是自己找的，都与自己的课程学习有关，也算是将读书报告作为近期对自己学习的检测。

1.《B to B电子商务的发展战略》 (冯璐孟雪梅) 基本框架：文章通过分析B to B 电子商务的发展优势，提出发展BtoB电子商务要素，具体包括信息标准化用户身份认证网络交易的整合处理受控的操作性等，明确了企业建立BtoB电子商务战略时应考虑的细节问题，以求更好的推动和完善电子商务的发展。

心得体会：

电子商务的类型多种多样,按照交易的双方划分就有企业对企业(Business to business,简称BtoB),企业对消费者(Business to Consumer,简称B to C),企业对政府机构(Business to gonvernment,简称B to G),消费者对政府机构(Consumer to gonverment,简称C to G)等等。这段话充分说明了电子商务的类型。购买者与供应商交易是利用互联网还是电话;买者是否可以通过多种B to B电子商务渠道进行交易;购买者是通过现存的网络还是原有的系统与供应商交易;购买者与供应商交易是通过商业网络还是电子化市场进行交易。上述情况是供应商在建立B to B电子商务发展战略时需要考虑的一些问题,购买者可能与供应商用上述的一种、一些或全部共同指导企业的运行和经营。无论企业实施什么样的电子商务战略,本质上都是通过各种各样的渠道,利用可靠的工具搭建交易平台,保证企业在当今的互联网时代生存和发展。

2.《从美国的电子商务看中国电子商务的发展》(郭梅军原梅生) 基本框架：文章主要介绍了电子商务含义界定，美国电子商务的发展及原因分析以及我国电子商务发展的发展现状及对策。

心得体会：

目前,电子商务的基本含义有两个层次:狭义的电子商务与广义的电子商务。狭义的电子商务是指包括B2B、B2C、B2G、G2C在内的通过开放的网络(主要是Internet)进行的电子交易活动。加速信息基础设施建设,为电子商务的发展提供良好的物质技术基础;完善我国的商业信用机制;政府的有效支持和引导。这些是从美国发展电子商务的经验看,并结合我国的电子商务发展现状,总结出来的应对对策。

21世纪是电子商务为主导的全新贸易时代,借鉴美国电子商务发展经验,发展我国的电子商务必须从加强信息基础设施建设、完善商业信用机制以及政府提供有效的支持和引导等方面入手,积极主动地抢占下个世纪经济发展的制高点。

3.《从拍卖网站的运营机制看电子商务的前景》

本文章主要介绍了拍卖网站的含义及电子湾的由来以及拍卖的，文章主要是从在线拍卖、企业拍卖、以物换物等几个方面都拍卖进行了分析。

心得体会：众多的网络经营模式中,拍卖网站以它独特的商务模式拥有大量的客户群,是迄今为止最成功的网络经营模式之一。它是由传统的拍卖、竞价行业的经营方式与先进的互联网技术有机结合的产物,使古老的拍卖形式加上网络的优势,对消费者而言,节约时间、节约金钱、拥有独特的效率以及提供某种在其它地方根本不可能获得的产品和服务。这段话主要介绍了拍卖网站的优势及它给我们带来的便利。

这些网站共同的特点是集个人竞、集体议价、标价求购种交易模式于一体,供包括买卖信息、在交易、信用保障和物配送等全面解决方案。商品包括电脑产品、通讯严品、厉地产、汽车、书籍、音像制品、收藏品、日用品、家具、办公用品等类别,丰富的商品像一个巨大的市场,每天有上万种物品进行竟价交易。采用会员制,必须经过注册或成为会员方可交易。这段话主要介绍了雅宝(yabuy)、酷必得(coolbid)、易趣(eachent)等竞价拍卖网站的共同特点，这些网站都是目前比较成功的在线拍卖网站，它们的交易方式主要有：个人竞价:(B to C和C to C);集体议价:(B to C);标价求购。

4.《电子商务成功运作的条件》

基本框架：本文章主要是对电子商务及其成功运作的条件进行了分析，并对中国电子商务存在的问题以及发展对策进行了探讨。还在开头段落介绍了电子商务的概述，又在结尾对中国的电子商务发展进行了展望。心得体会：

电子商务是利用网络进行的商务活动，网络主要指包括因特网、内联网、外联网、EDI网络在内的一切计算机网络，通过网络进行的商务活动主要包括询价、报价、洽谈、签约、支付结算、商业贸易、国内贸易等经济活动，整个交易都在网络环境中进行，既扩展了交易空间，提高了交易速度，又简化了商品流通环节，提高了交易频率。电子商务由网络、商家、消费者、认证中心、配送中心及网上银行等相关要素组成。这段话主要是对电子商务进行了一个概述，又简要介绍了电子商务的优点。

电子商务的保障有：技术保障、安全保障、法律保障、信用保障、上网保障。电子商务的成功运作，需要技术、安全、法律、信誉等方面的保障，同时还需要有足够的企业和消费者上网。电子商务在中国的发展经历了三个阶段，即认识电子商务阶段/广泛关注电子商务阶段/应用发展阶段。中国电子商务发展的主要障碍：网络信息基础设施与技术基础薄弱;网上购物者太少;电子支付体系不完善;电子商务法律体系不健全;电子商务专门人才不多;信用障碍与观念障碍。中国电子商务的发展对策：发挥政府宏观管理职能;重视电子商务人才队伍建设;吸引与鼓励更多企业与消费者网上交易;坚持与国际标准接轨;完善物流配送体系。

5.《电子商务的发展对现代民商法的影响》 ——以 E-commerce 中的电子合同为视角

基本框架：本文以电子商务的狭义界定为基础，对电子商务的主要模式及我国现行电子商务律规范作出了简要的概括，并以此为基础就电子合同中主体及意思表示问题对现行合同法的挑战做出了一定阐释。主要是电子商务的概述、我国现行电子商务法律法规概述、电子合同发展对现行民商事法律的挑战。

心得体会: 电子商务(electronic commerce)，广义而言指E-Business，是包含电子交易在内的利用 web 进行的全部商

业活动的统称;狭义而言指电子交易E-commerce,即利用web所提供的通信手段在网上进行交易。根据书本，总的来说，电子商务主要是指交易当事人或参与人利用计算机技术和网络技术等现代信息技术所进行的各类商业活动。

在我国现行的法律法规体系中，可用于调整电子商务活动的法律、法规主要集中于《合同法》、《电子签名法》等法律，及《互联网信息服务管理办法》、《关于网上交易的指导意见(暂行)》《第三方电子商务交易平台服务规范》、《网络商品交易及有关服务行为管理暂行办法》等规范性文件。这主要是对我国线性电子商务法律法规的概述。电子合同，即“当事人之间通过应用电子管理和数据交换系统设立、变更、终止财产性民事权利和义务关系的交易协议”，简称“以数据电讯形式所订立的合同”。这主要是对电子合同的概念的理解，以及它的特点是：存在形式具有特殊性，其是以电磁记录的方式存在，非经显示器显示或者打印，不具可读性;订立过程具有特殊性，合同双方以网络为介质，通过输入预设的信息指令做出意思表示从而形成合意;成立具有特殊性，合同双方通过系统验证电子签名，即“密码”“密钥”后，合同即宣告成立。

最后，还有一本课外书：

认真读了当年明月的《明朝那些事儿》，很想写段读书笔记。许是书写的太精彩了，忍不住想写几句。一段几百年的明史，却在作者笔下娓娓道来。

第一部里记忆犹新的是那段八股科举考试，最佩服的是那几百年间就出现的寥寥无几的三甲状元;张居正也着实厉害，不愧为治世能臣;庆幸的是当年黄观投河自尽，否则以他的气节岂不比那方孝孺等人下场更惨;最想解开的迷便是朱允炆到底去了哪，难不能被火化成了灰?最狠的人非朱元璋和他的四儿子朱棣莫属，为了保全皇帝位，杀了身边所有的人;宁我负天下人不能让天下人负我，格外觉得朱棣爱记仇。最现实的人非李景隆是也，墙头草，两边倒;做不成军事奇才也罢，却成了内奸。

最喜欢书里写的金戈铁马的场面，不算宏大，称不上写的精致，却颇有戏剧化。无论是对战陈友谅火烧那些铁索战舰，还是对战那些前朝元人在那个漫无边界的沙漠里寻找敌人，或是盛庸在追杀北军时突然帅旗刮倒，都觉得充满了戏剧化。正是因为如此，战争才能写得如此精彩。第一次发现即使没有爱情的小说故事里，也能让人看得如此投入。无论是从哪位强大的将军身上，都隐藏着这样一句话。即使日后身处绝境，亦需坚守，万勿轻言放弃。心的强大，才是真正的强大。

有人说这些事儿，不够真实，其实在我看来，假假真真也好，这段历史能够在轻松的氛围里写的如此深刻，已觉得不易，何必要做到绝对真实呢，本来历史就没有绝对的真实，即便是正式记载，也不能说明绝对可靠。历史可以写的如此好看，像书里所说，生涩的道理用最普通的语言来描述，岂不更易理解。为什么非要钻牛角尖呢。我想把这部书完全读完，还需要很长一段时间。