在平日里，心中难免会有一些新的想法，往往会写一篇心得体会，从而不断地丰富我们的思想。那么心得体会该怎么写？想必这让大家都很苦恼吧。那么下面我就给大家讲一讲心得体会怎么写才比较好，我们一起来看一看吧。
数字图像处理课程心得体会 数字图像处理实验报告心得体会篇一
一．实验目的及要求
掌握图像几何变换的基本原理，熟练掌握数字图像的缩放、旋转、平移、镜像和转置的基本原理及其matlab编程实现方法。
二、实验内容
（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。
1.图像缩放 clear all, close all i = imread('');scale = 1.35;
% 将图像放大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使用帮助
1.95倍
i = imread('');scale = 1.96;
% 将图像放大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 ');
说明：
注意观察不同插值方法的图像表现； 改变图像缩放因子scale，重做上述实验。2.图像旋转
clear all, close all i = imread('');theta = 45;
% 将图像逆时针旋转45。
j1 = imrotate(i, theta, 'nearest');
% using the nearest neighbor interpolation theta =-45;
% 将图像顺时针旋转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使用帮助 help imrotate %-------
图像旋转30顺时针逆时针
clear all, close all i = imread('');theta = 30;
% 将图像逆时针旋转30。
j1 = imrotate(i, theta, 'nearest');
% using the nearest neighbor interpolation theta =-30;
% 将图像顺时针旋转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 说明：
注意观察不同插值方法和输出图像后处理方法的图像表现； 改变旋转角度大小和方向，重做上述实验。
3．图像水平镜象
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编程实现以下图像几何变换（参考自编讲义相关章节）
1．图像扭曲变换 2．球面变换
三、实验设备
1．piii以上微机； 2．matlab6.5；
四、预习与思考
1．预习实验内容，阅读教材熟悉实验原理；
2．查阅资料，熟悉实验中涉及的有关matlab函数；
3．利用课余时间，采用matlab底层函数编程实现实验内容
（二）中的图像平移、图像转置等几何变换。
五、实验报告要求
1．简述试验的目的和试验原理；
2．叙述各段程序功能，改变有关函数的参数，分析比较实验结果； 3．打印出所编写的实验程序。4．写出本实验的心得体会及意见。
实验六
数字图像处理应用
一．实验目的及要求
1．利用matlab提供的图像处理函数实现图像中物体属性的测量； 2．训练综合运用matlab图像处理函数的能力； 3．了解数字图像处理基本应用。
二、实验内容
以大米粒特性测量为例，综合应用课程中图像分割、形态学滤波、图像增强、图像特征提取等图像处理方法，实现大米粒特性自动测量。实验过程简述：
1． 读取和显示图像 2． 估计图像背景 3． 获取背景均匀的图像 4． 图像增强 5． 图像二值化分割 6． 区域标记及为彩色处理
7． 测量图像中的区域特性（面积、质心等）
8．统计大米粒的特性分布规律。
（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结 果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。
% 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
(详见matlab ipt的 帮助文档demo中的correcting nonuniform illumination)
（二）查看matlab ipt 帮助文档，研究其它应用演示
三、实验设备 1．piii以上微机； 2．matlab6.5；
四、预习与思考
1．预习实验内容，阅读教材熟悉实验原理； 2．查阅资料，熟悉实验中涉及的有关函数。
3．利用课余时间，采用matlab函数编程实现实验内容
（二）。
五、实验报告要求
1．简述试验的目的和试验原理；
2．叙述各段程序功能，改变有关函数的参数，分析比较实验结果； 3．打印出所编写的实验程序。4．写出本实验的心得体会及意见。
数字图像处理课程心得体会 数字图像处理实验报告心得体会篇二
《数字图像处理》心得体会
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。
通过一学期的课程学习我们虽说还没有完全掌握数字图像处理技术，但也收获了不少，对于数字图像方面的知识有了深入的了解，更加理解了数字图像的本质，即是一些数字矩阵，但灰度图像和彩色图像的矩阵形式是不同的。对于一些耳熟能详的数字图像相关术语有了明确的认识，比如常见的：像素（衡量图像的大小）、分辨率（衡量图像的清晰程度）、位图（放大后会失真）、矢量图（经过放大不会失真）等大家都能叫上口却知识模糊的名词。也了解图像处理技术中一些常用处理技术的实质，比如锐化处理是使模糊的图像变清晰，增强图像的边缘等细节。而平滑处理是的目的是消除噪声，模糊图像，在提取大目标之前去除小的细节或弥合目标间的缝隙。对常提的rgb图像和灰度图像有了明确的理解，这对大家以后应用photoshop等图像处理软件对图像进行处理打下了坚实的基础。更重要的是学习到了数字图像处理的思想。通过学习也是对c++编程应用的很好的实践与复习。
数字图像处理课程心得体会 数字图像处理实验报告心得体会篇三
数字图像处理心得体会
姓
名:
学
号:
201203284
班
级:
计科11202
序
号:
院
系:
计算机科学学院
在这一学期，我选修了《数字图像处理》这门专业选修课，同时，老师还讲授了一些图片处理的知识。在这里，梳理一下这学期学到的知识，并提出一些我对这门课程的建议。
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。
1.数字图像处理需用到的关键技术
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。
2.数字图像处理的特点
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。
4）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。
3.数字图像处理的优点
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。4.数字图像处理的应用领域
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：在飞机遥感和卫星遥感技术中用配备有高级计算机的图像处理系统来判读分析，既节省人力又加快了速度，还可以从照片中提取人工所不能发现的大量有用情报。生物医学工程：除了ct技术之外，还有对医用显微图像的处理分析，如红细胞、白细胞分类，染色体分析，癌细胞识别等。
通信工程：当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。在一定意义上讲，编码压缩是这些技术成败的关键。除了已应用较广泛的熵编码、dpcm编码、变换编码外，目前国内外正在大力开发研究新的编码方法，如分行编码、自适应网络编码、小波变换图像压缩编码等。工业和工程领域：图像处理技术有着广泛的应用，如自动装配线中检测零件的质量并对零件进行分类，印刷电路板疵病检查，弹性力学照片的应力分析，流体力学图片的阻力和升力分析,邮政信件的自动分拣，在一些有毒、放射性环境内识别工件及物体的形状和排列状态，先进的设计和制造技术中采用工业视觉等等。
军事方面：图像处理和识别主要用于导弹的精确末制导,各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统，飞机、坦克和军舰模拟训练系统等；公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等。文化艺术：电视画面的数字编辑、动画的制作、电子图像游戏、纺织工艺品设计、服装设计与制作、发型设计、文物资料照片的复制和修复、运动员动作分析和评分等等。
视频和多媒体系统：电视制作系统广泛使用的图像处理、变换、合成，多媒体系统中静止图像和动态图像的采集、压缩、处理、存贮和传输等。
电子商务：图像处理技术在电子商务中也大有可为,如身份认证、产品防伪、水印技术等。
在这门课程的最后，老师给我们讲授了数字视频处理，让我们了解到数字视频就是以数字形式记录的视频，和模拟视频相对的。数字视频有不同的产生方式，存储方式和播出方式。比如通过数字摄像机直接产生数字视频信号，存储在数字带，p2卡，蓝光盘或者磁盘上，从而得到不同格式的数字视频。然后通过pc，特定的播放器等播放出来。了解了数字视频发展过程和视频压缩的概念和分类等。
photoshop是adobe公司旗下最为出名的图像处理软件之一，集图像扫描、编辑修改、图像制作、广告创意，图像输入与输出于一体的图形图像处理软件，深受广大平面设计人员和电脑美术爱好者的喜爱。
如果能理论和实践相结合，相信我们会把数字图像处理理解的跟透彻，同时也锻炼了大家的动手能力。希望老师能考虑我的这点建议，多开设实际动手的课程。
数字图像是我们生活中接触最多的图像各类，它伴随人们的生活、学习、工作，并在军事、医学、和工业方面发挥着极大的作用，可谓随处可见，尤其在生活方面作为学生的我们会在外出旅游、生活、工作中拆下许多数字相片，现在已进入信息化时代，图像作为信息的重要载体在信息传输方面有着声音、文字等信息载体不可替代的作用，并且近年来图像处理领域，数字图像处理技术取得了飞速发展，作为计算机类专业的大学生更加有必要对数字图像处理技术有一定的掌握，而大多人对于数字图像的知识却不全面，甚至一些基础知识也很模糊，比如各类繁多的各种图像格式之间的特点，不同的情况该用何种图像格式，还有关于图像的一些基本术语也不甚了解，尤为重要的是对于一些由于拍摄问题导致的令人不甚满意的照片该如何处理，或者如何对一些照片进行处理实现特殊的表现效果。所以对于数字图像处理这门课大家有着极大兴趣，在选课时几乎所有人都选了这门课。其中有的同学由于简单的学习过photoshop软件，因此对于数字图像处理已经有了一些基础，更加想利用这门课的学习加深自己数字图像处理的理解并提高在数字图像处理方面的能力。
通过一学期的课程学习我们虽说还没有完全掌握数字图像处理技术，但也收获了不少，对于数字图像方面的知识有了深入的了解，更加理解了数字图像的本质，即是一些数字矩阵，但灰度图像和彩色图像的矩阵形式是不同的。对于一些耳熟能详的数字图像相关术语有了明确的认识，比如常见的：像素（衡量图像的大小）、分辨率（衡量图像的清晰程度）、位图（放大后会失真）、矢量图（经过放大不会失真）等大家都能叫上口却知识模糊的名词。也了解图像处理技术中一些常用处理技术的实质，比如锐化处理是使模糊的图像变清晰，增强图像的边缘等细节。而平滑处理是的目的是消除噪声，模糊图像，在提取大目标之前去除小的细节或弥合目标间的缝隙。对常提的rgb图像和灰度图像有了明确的理解，这对大家以后应用photoshop等图像处理软件对图像进行处理打下了坚实的基础。更重要的是学习到了数字图像处理的思想。通过学习也是对c++编程应用的很好的实践与复习。
当然通过这些课程学习还是远远不够的，也有许多同学收获甚微，我总结了下大家后期的学习态度与前期的学习热情相差很大的原因。刚开始大家是有很高的热情学习这门课的，可是随着课程的逐渐深入学习，大家渐渐发现课程讲授内容与自己起初想学的实用图像处理技术是有很大的差别的，大家更着眼于如何利用一些软件、技术去处理图像而得到满意的效果，或者进行一些图像的创意设计，可是课程的内容更偏重于如何通过编程实现实现如何对图像进行一些类似于锐化、边缘提取、模糊、去除噪声等基础功能的实现，这其中涉及很多算法、函数，需要扎实的数学基础和编程基础，并且需要利用大量时间在课下编写代码，实现并进行调试，然而大部分人的编程实践能力以及编程能力还有待提高，尤其是对于矩阵进行操作的编程尤为是个考验，并且后半学期课程任务较重，加上队里的事务也很多，时间不是很充裕，这对于需要大量实践的数字图像处理课程就是个很大的问题。
在老师授课方面建议可以在课上多进行具体操作，这样可以提起大家学习的兴趣，也可以让大家在课下积极准备，然后在上课由学员进行演示，还可以加入一些数字图像处理的经典范例，加深同学们的学习热情。
数字图像处理课程心得体会 数字图像处理实验报告心得体会篇四
中南大学
数字图像处理实验 实验名称：空间滤波和频域滤波
班级：电子信息0802班
姓名：李哲 学号：0909080609 实验日期：2010年12月22日
目录
一，实验目的„„„„„„„„„„„„„„„„„„„„„„„3 二，给图像添加噪声„„„„„„„„„„„„„„„„„„„„4 三，对被噪声污染的图像进行中值滤波和均值滤波„„„„„„„5 四，对图像进行空间域的锐化„„„„„„„„„„„„„„„„6 五，matlab以外函数空间滤波和图像锐化„„„„„„„„„„7 六，自带函数傅立叶变换和反变换„„„„„„„„„„„„„„8 七，低通滤波器程序„„„„„„„„„„„„„„„„„„„„9 八，心得体会 „„„„„„„„„„„„„„„„„„„„„„10 九，参考文献 „„„„„„„„„„„„„„„„„„„„„„10
一、实验目的 1，空间滤波：
图像平滑主要目的是减少噪声。噪声有很多种类，不同的噪声有不同的抑制措施。本实验要求用平滑线性滤波和中值滤波2种最典型、最常用的处理算法进行程序设计，学习如何对已被噪声污染的图像进行“净化”。通过平滑处理，对结果图像加以比较，得出自己的实验结论。学习如何用锐化处理技术来加强图像的目标边界和图像细节，对图像进行梯度算子、拉普拉斯算子，使图像的某些特征（如边缘、轮廓等）得以进一步的增强及突出。本实验锐化处理主要在空间域中进行 2，频域滤波：
掌握傅里叶变换的基本性质； 掌握傅里叶正变换和反变换； 通过实验了解二维频谱的分布特点； 掌握怎样利用傅立叶变换进行频域滤波
利用matlab程序数字图像的傅立叶变换并且进行频域滤波
二，给图像添加椒盐噪声或者高斯噪声： 原理：利用matlab自带函数添加噪声 程序代码：a=imread('');i=rgb2gray(a);imshow(i);j = imnoise(i,'salt & pepper',0.05);figure,imshow(j),title('椒盐噪声');%添加椒盐噪声 k = imnoise(i,'gaussian',0,0.03);
figure,imshow(k),title('高斯噪声');%添加高斯噪声
三，对被噪声污染的图像进行中值滤波和均值滤波： 原理：自带函数进行中值滤波和均值滤波 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('原图');figure,imshow(k2),title('中值滤波5*5模板');figure,imshow(k3),title('中值滤波7*7模板');
四，对图像进行空间域的锐化： 原理：自带函数进行空间锐化。源程序：i=imread('');subplot(121),imshow(i),title('原图像');h=fspecial('sobel');i2=filter2(h ,i);subplot(122),imshow(i2),title('sobel算子锐化图像');
五，matlab以外函数空间滤波和图像锐化：
源程序：i = imread('');j = imnoise(i,'salt & pepper',0.02);k = medfilt2(j);imshow(j);title('噪声干扰图像')figure, imshow(k);title('medfilt2滤波图像')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('滤波图像')
六，利用matlab的图像处理工具箱中提供的函数实现图像的傅立叶变换和反变换： 源程序：
a=imread('');f=rgb2gray(a);subplot(131),imshow(f),title('原图');f=fft2(f);% 快速傅立叶变换
subplot(132),imshow(f),title('傅里叶变换')fabs=abs(f);% 求幅频绝对值 fc=fftshift(fabs);% 中心移位 sfc=log(1+fc);% 对数变换
ifc1=ifftshift(fc);% 中心移位的逆变换，绝对值 if2=ifft2(ifc1);% 快速傅立叶变换的逆变换
subplot(133),imshow(if2),title('快速傅立叶变换的逆变换')
七，低通滤波器程序：
i=imread('');subplot(221),imshow(i);title('原始图像')j1=imnoise(i,'gaussian',0.02);% 叠加高斯白噪声
subplot(222),imshow(j1);title('添加高斯白噪声的图像')f=double(j1);
% 数据类型转换 g=fft2(f);
% 傅立叶变换 g=fftshift(g);
[m,n]=size(g);nn=2;
% 二阶巴特沃斯(butterworth)低通滤波器 d0=50;
% 设置截止频率 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));% 计算低通滤波器传递函数
result(i,j)=h*g(i,j);end end result=ifftshift(result);j2=ifft2(result);j3=uint8(real(j2));subplot(223),imshow(j3);title('低通滤波后图像')
心得体会
1，进一步熟悉了matlab软件、编程以及图像处理工具箱 2，学会利用自带函数对图像做简单的处理，例如：均值化等。3，熟练了一些基本函数的运用，例如fspecial，imfilter等。4，加深了对matlab编程的理解。
5，对于试验中的出现的一些问题，懂得怎样去处理。6，通过实际操作，增强了自己的动手能力，把理论用于实践。
参考文献：数字图像处理第二版
matlab教程
数字图像处理课程心得体会 数字图像处理实验报告心得体会篇五
数字图像处理
实验报告
目录
1.数字图像处理简介
2.实验目的3.实验内容
4.实验结果及代码展示
5.算法综述
优势
7.总结
8.存在问题
一、数字图像处理简介
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。此外，基于光学理论的处理方法依然占有重要的地位。
图像处理是信号处理的子类，另外与计算机科学、人工智能等领域也有密切的关系。
传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降噪、量化等。然而，图像属于二维信号，和一维信号相比，它有自己特殊的一面，处理的方式和角度也有所不同。
二、实验目的
巩固所学知识，提高所学能力
三、实验内容
利用matlab的gui程序设计一个简单的图像处理程序，并含有如下基本功能： 1.读入一幅rgb图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示rgb图像和灰度图像，注上文字标题 2.对给定图像进行旋转
3．对给定的图像添加噪声（椒盐噪声、高斯噪声）
四、实验结果及代码展示
1.软件设计界面
2.各模块功能展示以及程序代码
（1）读入一幅rgb图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示rgb图像和灰度图像，注上文字标题
效果展示：
代码：
a = imread('c:documents and ');
i = rgb2gray(a);i = im2bw(a,0.5);
subplot(3,1,1);imshow(a);title('源图像')subplot(3,1,2);imshow(i);title('灰度图像')subplot(3,1,3);imshow(i);title('二值图像')
（2）图像旋转 原图
效果展示：
代码：
clc;clear all;close all;
img=imread('d:my documentsmy ');img=double(img);[h w]=size(img);alpha=pi/4;
wnew=w*cos(alpha)+h*sin(alpha);hnew=w*sin(alpha)+h*cos(alpha);wnew=ceil(wnew);
hnew=ceil(hnew);u0=w*sin(alpha);
t=[cos(alpha),sin(alpha);-sin(alpha),cos(alpha)];imgnew2=zeros(hnew,wnew);imgnew1=zeros(hnew,wnew);for u=1:hnew
for v=1:wnew
tem=t*([u;v]-[u0;0]);x=tem(1);y=tem(2);if x>=1&&x<=h&&y>=1&&y<=w x_low=floor(x);x_up=ceil(x);y_low=floor(y);y_up=ceil(y);if(x-x_low)<=(x_up-x)x=x_low;
else
x=x_up;
end
if(y-y_low)<=(y_up-y)y=y_low;
else
y=y_up;
end
p1=img(x_low,y_low);p2=img(x_up,y_low);p3=img(x_low,y_low);p4=img(x_up,y_up);s=x-x_low;t=y-y_low;imgnew1(u,v)=img(x,y);
imgnew2(u,v)=(1-s)*(1-t)*p1+(1-s)*t*p3+(1-t)*s*p2+s*t*p4;end
end end
figure;imshow(imgnew2,[]);b=imrotate(img,alpha/pi*180);figure;imshow(b,[]);
（3）对给定的图像添加噪声（斑点噪声、高斯噪声）效果展示：
代码：
i= imread('d:my documentsmy ');figure,subplot(211);imshow(i);title('原图');j1=imnoise(i,'gaussian',0,0.02);
subplot(223);imshow(j);title('添加高斯噪声');j=imnoise(i,'speckle',0.04);
subplot(224);imshow(j);title('添加斑点噪声');
五、算法综述 灰度图像：
一幅完整的图像，是由红色、绿色、蓝色三个通道组成的。红色、绿色、蓝色三个通道的缩览图都是以灰度显示的。用不同的灰度色阶来表示“ 红，绿，蓝”在图像中的比重。通道中的纯白，代表了该色光在此处为最高亮度，亮度级别是255。
通道是整个photoshop显示图像的基础。色彩的变动，实际上就是间接在对通道灰度图进行调整。通道是photoshop处理图像的核心部分，所有的色彩调整工具都是围绕在这个核心周围使用的。
在计算机领域中，灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑色与白色两种颜色；灰度图像在黑色与白色之间还有许多级的颜色深度。但是，在数字图像领域之外，“黑白图像”也表示“灰度图像”，例如灰度的照片通常叫做“黑白照片”。在一些关于数字图像的文章中单色图像等同于灰度图像，在另外一些文章中又等同于黑白图像。灰度图像经常是在单个电磁波频谱如可见光内测量每个像素的亮度得到的。
用于显示的灰度图像通常用每个采样像素 8 位的非线性尺度来保存，这样可以有 256 级灰度。这种精度刚刚能够避免可见的条带失真，并且非常易于编程。在医学图像与遥感图像这些技术应用中经常采用更多的级数以充分利用每个采样 10 或 12 位的传感器精度，并且避免计算时的近似误差。在这样的应用领域每个采样 16 位即 65536 级得到流行。
二值图像：
是指每个像素不是黑就是白，其灰度值没有中间过渡的图像。二值图像一般用来描述文字或者图形，其优点是占用空间少，缺点是，当表示人物，风景的图像时，二值图像只能描述其轮廓，不能描述细节。这时候要用更高的灰度级。
二值图像是每个像素只有两个可能值的数字图像。人们经常用黑白、b&w、单色图像表示二值图像，但是也可以用来表示每个像素只有一个采样值的任何图像，例如灰度图像等。
二值图像中所有的像素只能从0和1这两个值中取，因此在matlab中，二值图像用一个由0和1组成的二维矩阵表示。这两个可取的值分别对应于关闭和打开，关闭表征该像素处于背景，而打开表征该像素处于前景。以这种方式来操作图像可以更容易识别出图像的结构特征。二值图像操作只返回与二值图像的形式或结构有关的信息，如果希望对其他类型的图像进行同样的操作，则首先要将其转换为二进制的图像格式，可以通过调用matlab提供的im2bw（）来实现。
二值图像经常出现在数字图像处理中作为图像掩码或者在图像分割、二值化和dithering的结果中出现。一些输入输出设备，如激光打印机、传真机、单色计算机显示器等都可以处理二值图像。
二值图像经常使用位图格式存储。
二值图像可以解释为二维整数格z，图像变形处理领域很大程度上就是受到这个观点启发。
图像旋转：
图像旋转是指图像以某一点为中心旋转一定的角度,形成一幅新的图像的过程。当然这个点通常就是图像的中心。既然是按照中心旋转,自然会有这样一个属性：旋转前和旋转后的点离中心的位置不变.根据这个属性,我们可以得到旋转后的点的坐标与原坐标的对应关系。由于原图像的坐标是以左上角为原点的,所以我们先把坐标转换为以图像中心为原点。假设原图像的宽为w,高为h,（x0,y0）为原坐标内的一点,转换坐标后的点为（x1,y1）。那么不难得到： x1 = x0-w/2;y1 =-y0 + h/2;在新的坐标系下,假设（x0,y0）距离原点的距离为r,点与原点之间的连线与x轴的夹角为b,旋转的角度为a,旋转后的点为（x1,y1）
噪声：
是电路或系统中不含信息量的电压或电流。在工业与自然界中，存在着各种干扰源（噪声源），如大功率电力电子器件的接入、大功率用电设备的开启与断开、雷击闪电等都会使空间电场和磁场产生有序或无序的变化，这些都是干扰源（或噪声源）。这些源产生的电磁波或尖峰脉冲通过磁、电耦合或是通过电源线等路径进入放大电路，各种电气设备，形成各种形式的干扰。
斑点噪声：
斑点噪声是sar成像系统的一大特色，源自基本分辨单元内地物的随机散射，在图像上表现为信号相关（如在空间上相关）的小斑点，它既降低了图像的画面质量，又严重影响图像的自动分割、分类、目标检测以及其它定量专题信息的提取。
sar图像斑点噪声的去除一方面要抑制图像均匀区域斑点噪声，另一方面要保持图像边缘和纹理细节信息。sar斑点噪声的抑制可通过非相干多视处理，也可使用空间域滤波实现。非相干多视处理会降低图像的地面分辨率。因此，涌现出了一系列空间域滤波方法，如均值滤波、中值滤波、lee滤波、kuan滤波、frost滤波、sigma滤波以及gamma map滤波等。但这类算法存在自身无法克服的矛盾：一方面为增强斑点去噪效果需选较大的滤波窗口，另一方面为保持图像的实际分辨率要求所选的窗口较小。
高斯噪声：
所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。高斯白噪声包括热噪声和散粒噪声。
实验中是通过matlab自带的函数产生噪声，各函数如下： j1=imnoise(i,'salt & pepper',0.05);%添加椒盐噪声
j2=imnoise(i,'gaussian',0,0.03);
%添加均值为0，方差为0.03的高斯噪声。
六、matlab优势
matlab是一个包含大量算法的集合。其可以快捷的实现用户所需的各种计算功能。函数中所使用的算法都是科研和工程计算中的最新研究成果，而前经过了各种优化和差错处理。在通常情况下，可以用它来代替底层编程语言，如c和c++。在计算要求相同的情况下，使用matlab的编程工作量会大大减少。matlab的这些函数集包括从最简单最基本的函数到诸如矩阵，特征向量、快速傅立叶变换的复杂函数。函数所能解决的问题其大致包括矩阵运算和线性方程组的求解、微分方程及偏微分方程的组的求解、符号运算、傅立叶变换和数据的统计分析、工程中的优化问题、稀疏矩阵运算、复数的各种运算、三角函数和其他初等数学运算、多维数组操作以及建模动态仿真等。图形处理功能
图形处理功能matlab自产生之日起就具有方便的数据可视化功能，以将向量和矩阵用图形表现出来，并且可以对图形进行标注和打印。高层次的作图包括二维和三维的可视化、图象处理、动画和表达式作图。可用于科学计算和工程绘图。新版本的matlab对整个图形处理功能作了很大的改进和完善，使它不仅在一般数据可视化软件都具有的功能（例如二维曲线和三维曲面的绘制和处理等）方面更加完善，而且对于一些其他软件所没有的功能（例如图形的光照处理、色度处理以及四维数据的表现等），matlab同样表现了出色的处理能力。同时对一些特殊的可视化要求，例如图形对话等，matlab也有相应的功能函数，保证了用户不同层次的要求。另外新版本的matlab还着重在图形用户界面（gui）的制作上作了很大的改善，对这方面有特殊要求的用户也可以得到满足
模块集合工具箱
matlab对许多专门的领域都开发了功能强大的模块集和工具箱。一般来说，它们都是由特定领域的专家开发的，用户可以直接使用工具箱学习、应用和评估不同的方法而不需要自己编写代码。目前，matlab已经把工具箱延伸到了科学研究和工程应用的诸多领域，诸如数据采集、数据库接口、概率统计、样条拟合、优化算法、偏微分方程求解、神经网络、小波分析、信号处理、图像处理、系统辨识、控制系统设计、lmi控制、鲁棒控制、模型预测、模糊逻辑、金融分析、地图工具、非线性控制设计、实时快速原型及半物理仿真、嵌入式系统开发、定点仿真、dsp与通讯、电力系统仿真等，都在工具箱（toolbox）家族中有了自己的一席之地。
七、总结
运用matlab软件对图像进行处理，让我巩固了之前所学的知识，同时也在这次作业中更加了解到matlab语言在生活中的运用环境和掌握这门语言的重要性
八、存在问题
1.在进行图像增强时要不要讲图像先进行平滑处理？ 2.如何增加这个算法的准确度
3.在此次作业中，为何添加椒盐噪声时无法显示
