机器视觉和图像处理模式识别

数字图像处理(MATLAB版)

实验指导书

(试用版)

本实验指导书配合教材和课堂笔记中的例题使用

姚天曙 编写

安徽农业大学工学院 2009年4月试行

目 录

实验一、数字图像获取和格式转换 实验二、图像亮度变换和空间滤波 实验三、频域处理 实验四、图像复原 实验五、彩色图像处理 实验六、图像压缩 实验七、图像分割 教材与参考文献

2 6 7 9 10 11 13 14

《数字图像处理》实验指导书

实验一、数字图像获取和格式转换

一、

实验目的

1掌握使用扫描仪、数码相机、数码摄像级机、电脑摄像头等数字化设备以及计算机获取数字图像的方法；

2修改图像的存储格式；并比较不同压缩格式图像的数据量的大小。

二、 实验原理

数字图像获取设备的主要性能指标

移动机器人使用双目视觉系统对物体进行

3D坐标检测

（Guo-Shing Huang, Ci-En Cheng）

摘要：这篇论文主要讨论了智能机器人双目视觉系统，它利用了图像处理原理和边缘检测算法，这样可以

更加清晰的得到物体的边缘轮廓。利用随机测圆法和Hough变换的随机线条可以找到指定的对象。我们探讨了图像识别应用技术。通过机器人定位算法，在双目视觉坐标系下，可以快速而精确的定位目标。通过两个网路摄像机的校订，我们可以得到内部和外部参数，目标物体固定位置的3D空间坐标可以由双目视觉三角法精确计算得到。物体和机器人之间的距离可以有坐标变换系统得到。经由三角几何理论检测，系统误差在允许的范围内。同时可以得到期望的精度和可靠性。

一、引文

我们提出了机器人双目视觉系统应用坐标，对人眼进行仿真，做到智能检测应用。因此，这样的系统可以在机械臂的作用下精确的捕捉目标的位置，而不需要大数量的传感器。

双目视觉系统可以通过左右相机捕捉的图像找到共同的特征点。通过形态学的处理，物体和相机之间的距离可以精确的计算到。物体的三维坐标可以使用相机参数表示。因此，物体可以由机械臂抓取。

部分2详细的介绍了餐饮服务机器人的外观和双目视觉硬件结构。 部分3描述了寻找特征点

1. 判断题（在题目后面的括号中填入T或F，分别代表正确或错误）。

(1) 灰度直方图是灰度级的函数，描述的是图像中具有该灰度级像素的个数，其纵坐标是灰度级，横坐标是该灰度出现的频率。（ F ）

(2) 中值滤波是一种线性滤波，它在实际应用中需要图像的统计特性。（ F ）

(3) 图像经频域变换后其特点是变换结果能量分布向高频成分方向集中，图像上的边缘、线条等信息在低频成分上得到反映。（ F ） (4) 观察直方图可以看出不适合的数字化。（ T ）

2. 单选题（每题只有一个选项是正确的） (1) 锐化（高通）滤波器的作用：A

A 能减弱或削除傅立叶空间的低频分量，但不影响高频分量。 B 能减弱或削除傅立叶空间的高频分量，但不影响低频分量。 C 对傅立叶空间的低、高频分量均有减弱或削除作用。 D 对傅立叶空间的低、高频分量均有增强作用。 (2) 下列说法不正确的是 C

A 点运算是对一副图像的灰度级进行变换。

B 线性点运算仅能拉伸或压缩直方图，以及使之左移或右移。 C 点运算可以改变图形内的空间关系。

D 点运算以预定的方式改变一幅图像的灰度直方图。 (3) 在所有颜色模型中，最常用于彩色图像的是： D

A GM

1. 判断题（在题目后面的括号中填入T或F，分别代表正确或错误）。

(1) 灰度直方图是灰度级的函数，描述的是图像中具有该灰度级像素的个数，其纵坐标是灰度级，横坐标是该灰度出现的频率。（ F ）

(2) 中值滤波是一种线性滤波，它在实际应用中需要图像的统计特性。（ F ）

(3) 图像经频域变换后其特点是变换结果能量分布向高频成分方向集中，图像上的边缘、线条等信息在低频成分上得到反映。（ F ） (4) 观察直方图可以看出不适合的数字化。（ T ）

2. 单选题（每题只有一个选项是正确的） (1) 锐化（高通）滤波器的作用：A

A 能减弱或削除傅立叶空间的低频分量，但不影响高频分量。 B 能减弱或削除傅立叶空间的高频分量，但不影响低频分量。 C 对傅立叶空间的低、高频分量均有减弱或削除作用。 D 对傅立叶空间的低、高频分量均有增强作用。 (2) 下列说法不正确的是 C

A 点运算是对一副图像的灰度级进行变换。

B 线性点运算仅能拉伸或压缩直方图，以及使之左移或右移。 C 点运算可以改变图形内的空间关系。

D 点运算以预定的方式改变一幅图像的灰度直方图。 (3) 在所有颜色模型中，最常用于彩色图像的是： D

A GM

中北大学2014届本科毕业论文

摘要

图像识别技术是人类视觉认知的延伸，是人工智能的一个重要领域，随着计算机技术和人工智能技术的发展，图像识别技术越来越成为人工智能的基础技术。蔬菜图像的识别是当今各农产品市场急需采用的一项人工智能技术。如何有效的对蔬菜图像进行处理，并提取其特征是蔬菜图像识别技术的核心问题。本文以蔬菜图像的分割为主线，利用3种方法对分割后的蔬菜图像进行特征提取，并验证其有效性。

首先，蔬菜图像的分割的目的是将蔬菜图像的背景进行去除，仅保留蔬菜图像的前景部分。为此，需要将蔬菜图像的前景部分与背景部分进行区别。实验表明，利用K均值聚类算法辅以形态学操作能有效地对蔬菜图像进行分割。

对分割后的蔬菜图像进行特征提取，分别提取颜色一致性矢量（CCVs）、和差直方图矢量（SDH）及边界/内部像素分类（BIC）特征矢量作为图像的特征。利用提取出的特征矢量，对同种类的蔬菜图像和不同种类的蔬菜图像进行比较，以验证矢量的有效性。实验证明相似图像之间的矢量距离值较小，相似度较大，因此提取出的特征矢量能做为图像的特征。

关键词：图像分割，图像特征提取，K均值聚类，颜色一致性矢量（CCVs），和差直方图（SDH），边界/内部像素分类（BIC）

中北大学

神经网络在特征提取中的应用

于大永

（郑州大学 郑州 450001）

[摘要] 本文提出了一种对非平稳信号进行特征提取及模式识别的方法: 根据多数信号是非平稳的特点，采用基于小波包分解能量的方法对信号的各频带进行分解，得到信号在不同频带内的能量分布特性．仅根据能量谱并不能完全区分不同类型信号，通过对信号高阶统计特性的分析，提取出高阶谱特征频率，结合这两种方法提取出的特征作为神经网络的输入向量进行模式识别。

关键词:高阶谱、高阶统计量、小波包、神经网络、特征识别 1．概述

机械故障诊断是以机械学为基础的一门综合技术。机械故障诊断的关键是如何从机械故障振动信号中提取故障特征,信号分析和处理是特征提取最常用的方法。机械故障振动信号本质上是非高斯、非平稳信号,近年来,为满足对机器故障进行早期检测、诊断的需要,非高斯、非平稳信号处理方法在机械故障诊断领域受到了广泛的关注。如何确实有效地结合振动信号自身特点,创新性的应用非高斯、非平稳信号处理理论解决机械故障诊断中的信号降噪、故障特征提取等问题是当前机械故障诊断领域迫切需要研究的重点课题之一。基于此，本文提出了一种对非平稳信号进行特征提取及模式识别的方法: 根据信号是非平稳的特点，采用基于小波包分

数字图像处理算法

图像的点运算

1. 灰度直方图

从图像的灰度直方图上可以很直观的看出图像的亮度和对比度特征。直方图的峰值位置说明了图像总体上的亮暗：如果图像较亮，则直方图的峰值出现在直方图的较右部分；如果图像较暗，则直方图的峰值出现在直方图的较左部分，从而曹成暗部细节难以分辨。如果直方图中只有中间某一小段非零值，则这张图像的对比度较低；反之，如果直方图的非零值分布很宽而且比较均匀，则图像的对比度较高。

2. 灰度的线性变换

线性灰度变换函数f(x)是一个一维线性函数：

DB f(DA) fADA fB

3. 灰度对数变换

对数变换的一般表达式为：

t clog(1 s)

其中c为尺度比例常数，s为源灰度值，t为变换后的目标灰度值。

由对数函数曲线克制，这种变化可以增强一幅图像中较暗部分的细节，从而可用来扩展被压缩的高值图像中的较暗像素，因此对数变换被广泛应用于频谱图像的现实中。

4. 伽马变换

伽马变换的一般表达式为：

y (x esp)

其中，x与y的取值范围均为[0,1]。esp为补偿系数， 为伽马系数。

伽马变换可以通过 的不同取值选择性的增强低灰度区域的对比度或者高灰度区域的对比度。

5. 灰度阈值变换

6. 分段线性变化

7. 直方图均衡化

直方图均衡化又称灰度均衡化

神经网络在特征提取中的应用

于大永

（郑州大学 郑州 450001）

[摘要] 本文提出了一种对非平稳信号进行特征提取及模式识别的方法: 根据多数信号是非平稳的特点，采用基于小波包分解能量的方法对信号的各频带进行分解，得到信号在不同频带内的能量分布特性．仅根据能量谱并不能完全区分不同类型信号，通过对信号高阶统计特性的分析，提取出高阶谱特征频率，结合这两种方法提取出的特征作为神经网络的输入向量进行模式识别。

关键词:高阶谱、高阶统计量、小波包、神经网络、特征识别 1．概述

机械故障诊断是以机械学为基础的一门综合技术。机械故障诊断的关键是如何从机械故障振动信号中提取故障特征,信号分析和处理是特征提取最常用的方法。机械故障振动信号本质上是非高斯、非平稳信号,近年来,为满足对机器故障进行早期检测、诊断的需要,非高斯、非平稳信号处理方法在机械故障诊断领域受到了广泛的关注。如何确实有效地结合振动信号自身特点,创新性的应用非高斯、非平稳信号处理理论解决机械故障诊断中的信号降噪、故障特征提取等问题是当前机械故障诊断领域迫切需要研究的重点课题之一。基于此，本文提出了一种对非平稳信号进行特征提取及模式识别的方法: 根据信号是非平稳的特点，采用基于小波包分

研究生课程考试试卷（课程论文部分）

（2012 —— 2013 学年 一 学期）

论文题目：利用特征提取方法来识别指纹

学生学号： 学生姓名：

专业名称： 计算机应用技术 课程名称： 模式识别 评阅成绩的教师签名： 评阅成绩时间： 评阅成绩分数：

2011年9月制

1

目录

摘要 .................................................................................................................................................. 1 关键词 ......................................................................

实验一：Matlab软件的使用

一、实验题目：Matlab软件的使用

二、实验内容：1.打开MATLAB软件，了解菜单栏、工具栏、状态栏、命令窗口等；

2.了解帮助文档help中演示内容demo有哪些；

3.找到工具箱类里面的Image Processing工具箱，并进行初步学习

三、实验步骤：打开Matlab软件，点击帮助，如图

实验二：图像的增强技术

一、实验题目：图像的增强技术

二、实验内容：1.了解图像增强技术/方法的原理；

2.利用matlab软件，以某一用途为例，实现图像的增强； 3.通过程序的调试，初步了解图像处理命令的使用方法。 三、实验步骤

truecolor = multibandread('paris.lan', [512, 512, 7], 'uint8=>uint8', ...

128, 'bil', 'ieee-le', {'Band','Direct',[3 2 1]});The trueco