1、2017年春季學期研究生課程考核（實驗報告）考核科目:現 代 光 電 子 技 術 實 驗實驗題目:光學圖像數字化處理學生所在院（系） :航天學院2 1系學 生 所 在 學 科:物理電子學 學生姓名:XX學號:1 6 S 0 2 1 0 X X學生類別:非委培考核結果閱卷人41. 實驗目的通過實驗教學進一步加深研究生對光學圖像產生的基本理論和技術的理解，培養學生的創新意識和創新能力。掌握視景仿真和圖像處理軟件的操作，奠定研究生實際工作中分析問題和解決問題的能力。2. 實驗設備（軟件）實驗儀器設備主要有：計算機、視景仿真軟件和Matlab 圖像處理軟件。3. 實驗原理（1） 視景仿真技術視景仿真技

2、術作為一種新技術, 已應用于航空航天、 現代制造業、產品展示、醫療、城市規劃、工藝模擬、水利等領域,具有科學直觀、可視性強、及時更新、互動性等 特點。景象系統的制作過程可以簡單概括為兩個部分，模型生成部分使用三維建模軟件Multi Creator ，生成含干擾、目標、背景等多個開放式文件的模型庫；圖像生成部分使用仿真平臺 Vega和編程語言 Visual C+ 6.0，由 Vega界面軟件配置仿真場景信息， 如環境、窗口、運動方式、通道、視場角等；最后使用編程語言編寫視景驅動程序，載入模型，生成實時紅外圖像。（2） 噪聲分析噪聲一般簡單可劃分為加性噪聲和乘性噪聲，人們研究最早、最廣、也最成熟的

3、 是加性噪聲，加性噪聲較乘性噪聲易于抑制。散斑（speckle）噪聲是一種乘性噪聲。相干激光雷達強度像主要受散斑噪聲影響，其概率密度函數服從指數分布。一些重要噪聲的概率密度函數（PDF）： 高斯噪聲 Gaussiannoise( z)1e ( z2)2 / 2 2 瑞利噪聲 Rayleigh noise(z)2 ( z ba)e ( z0a) 2 / bzaza 愛爾蘭（伽馬）噪聲Erlang（ Gamman ）noise(z)ab zb 1e az z0(b1)!z00 指數分布噪聲 exponetial noise( z) 均勻分布噪聲 uniform noiseae az z00 z0(

4、z)1 azb b 0 a其他脈沖噪聲（椒鹽噪聲）impulse (salt-and-pepper ) noisePaza(z)Pbzb0其他（3） 噪聲抑制一般方法噪聲抑制主要有空域處理和頻域處理兩類。一般空域濾波直接針對圖像分辨率不高的圖像。主要有均值濾波、中值濾波、加權均值濾波、多級中值濾波等。其中模板大小和形狀的選擇對去噪效果有較大影響。頻域濾波主要有通過衰減指定圖像傅立葉變換或小波變換等變換中高頻成分的范圍實現的。典型的利用傅立葉變換的低通濾波器有：理想低通濾波器（ideal lowpass filter ）、巴特沃思低通濾波器（Butterworth lowpass filter）

5、和高斯低通濾波器。均值濾波 是一種直接在空域上進行平滑去噪的技術。它認為圖像是由許多灰度恒定的小塊組成，相鄰像素間有很高的空間相關性，而噪聲則是統計獨立的。因此，可用濾波器模板（或稱窗口）確定的像素鄰域內各像素灰度平均值代替該中心像素原來的灰度值。設圖像中某一個中心像素的灰度值是f ( x,y) ，濾波器模板 S 大小為 nn，則平滑后這點的灰度值為：f ( x, y)12ni , jf ( xSi, yj )（ 3-9）中值濾波 把數字圖像中某一像素的灰度值用該點的一個鄰域中各個點的中值代替。濾波窗口為A 的二維中值濾波可定義為：y i , jMed xij Med x(ir ), ( js

6、) , ( r , s)A,(i, j )I 2 圖像分析中常用到 直方圖 。灰度級為 0,L-1 范圍的數字圖像處理的直方圖是離散函數 h(rk )nk ，rk 是第 k 級灰度， nk 第 k 級灰度的像素個數。它描述的是圖像中該灰度級的像素數。即：橫坐標表示灰度級，縱坐標表示圖像中該灰度級出現的個數。（4） 圖像分割基本思想圖像分割主要根據圖像在各個區域的不同特性，對其進行邊緣或區域上的分割， 從中提取出所關心的目標。圖像分割算法必須符合：分割產生的所有區域之和包括了原始圖像中的所有像素； 分割后的結果互不重疊； 分割后的各個區域有其獨立的特性； 分割后的區域是一個連通集。圖像分割是依據

7、亮度值的兩個基本特性：不連續性和相似性。基于亮度的不連續性分割圖像，如圖像的邊緣檢測等。依據事先制定的準則將圖像分割為相似的區域， 如門限處理、區域生長、區域分離和聚合等。Sobel算子：102010121Gy101210021Gx4. 實驗步驟（1） 通過視景仿真軟件觀察視場不同時的紅外和可見光圖像，獲得圖像數據。 要求掌握視景仿真軟件獲得所需圖像數據的方法。（2） 利用 Matlab 軟件，對獲得的圖像數據進行添加高斯、椒鹽、指數分布等噪聲實驗，觀察加入噪聲前后的圖像及其直方圖。要求了解噪聲特性，尤其掌握高斯噪聲中方差和均值對圖像的作用。（3） 采用中值濾波和均值濾波進行圖像去噪實驗，觀察

8、兩種方法的去噪效果。 要求掌握兩種算法的應用特性。（4） 采用 Sobel 和 LOG 算子進行邊緣檢測實驗，觀察兩種方法的邊緣檢測效果。要求了解二階微分算子和一階微分算子對噪聲的適應性。（5） ）獨立應用 Matlab 軟件，進行圖像處理練習，獲得除上面（1） -（ 4）提及算法的處理結果。要求了解圖像與圖像處理方法的依賴關系。5. 實驗原始數據、處理結果與分析進入圖形 5-1 的視景仿真軟件，選擇目標為坦克紅外圖像。1. 圖像生成在軟件中選擇生成坦克紅外圖像，設置距離為15 米，觀察高度為2 米。視角為35°。得到的圖像如圖1 所示。（4）圖像分割基本思想圖像分割主要根據圖像在各

9、個區域的不同特性，對其進行邊緣或區域上的分割， 從中提取出所關心的目標。圖像分割算法必須符合：分割產生的所有區域之和包括了原始圖像中的所有像素； 分割后的結果互不重疊； 分割后的各個區域有其獨立的特性； 分割后的區域是一個連通集。圖像分割是依據亮度值的兩個基本特性：不連續性和相似性。基于亮度的不連續性分割圖像，如圖像的邊緣檢測等。依據事先制定的準則將圖像分割為相似的區域， 如門限處理、區域生長、區域分離和聚合等。Sobel算子：4101Gx202101121Gy0001214. 實驗步驟（1） 通過視景仿真軟件觀察視場不同時的紅外和可見光圖像，獲得圖像數據。 要求掌握視景仿真軟件獲得所需圖像數

10、據的方法。（2） 利用 Matlab 軟件，對獲得的圖像數據進行添加高斯、椒鹽、指數分布等噪聲實驗，觀察加入噪聲前后的圖像及其直方圖。要求了解噪聲特性，尤其掌握高斯噪 聲中方差和均值對圖像的作用。（3） 采用中值濾波和均值濾波進行圖像去噪實驗，觀察兩種方法的去噪效果。 要求掌握兩種算法的應用特性。（4） 采用 Sobel 和 LOG 算子進行邊緣檢測實驗，觀察兩種方法的邊緣檢測效果。要求了解二階微分算子和一階微分算子對噪聲的適應性。（5） ）獨立應用 Matlab 軟件，進行圖像處理練習，獲得除上面（1）-（ 4）提及算法的處理結果。要求了解圖像與圖像處理方法的依賴關系。5. 實驗原始數據、處

11、理結果與分析進入圖形 5-1 的視景仿真軟件，選擇目標為坦克紅外圖像。1. 圖像生成在軟件中選擇生成坦克紅外圖像，設置距離為15 米，觀察高度為2 米。視角為35°。得到的圖像如圖1 所示。（4）圖像分割基本思想圖像分割主要根據圖像在各個區域的不同特性，對其進行邊緣或區域上的分割， 從中提取出所關心的目標。圖像分割算法必須符合：分割產生的所有區域之和包括了原始圖像中的所有像素； 分割后的結果互不重疊； 分割后的各個區域有其獨立的特性； 分割后的區域是一個連通集。圖像分割是依據亮度值的兩個基本特性：不連續性和相似性。基于亮度的不連續性分割圖像，如圖像的邊緣檢測等。依據事先制定的準則將圖

12、像分割為相似的區域， 如門限處理、區域生長、區域分離和聚合等。Sobel算子：101Gx202101121Gy0001214. 實驗步驟（1） 通過視景仿真軟件觀察視場不同時的紅外和可見光圖像，獲得圖像數據。 要求掌握視景仿真軟件獲得所需圖像數據的方法。（2） 利用 Matlab 軟件，對獲得的圖像數據進行添加高斯、椒鹽、指數分布等噪聲實驗，觀察加入噪聲前后的圖像及其直方圖。要求了解噪聲特性，尤其掌握高斯噪 聲中方差和均值對圖像的作用。（3） 采用中值濾波和均值濾波進行圖像去噪實驗，觀察兩種方法的去噪效果。 要求掌握兩種算法的應用特性。（4） 采用 Sobel 和 LOG 算子進行邊緣檢測實驗

13、，觀察兩種方法的邊緣檢測效果。要求了解二階微分算子和一階微分算子對噪聲的適應性。（5） ）獨立應用 Matlab 軟件，進行圖像處理練習，獲得除上面（1）-（ 4）提及算法的處理結果。要求了解圖像與圖像處理方法的依賴關系。5. 實驗原始數據、處理結果與分析進入圖形 5-1 的視景仿真軟件，選擇目標為坦克紅外圖像。1. 圖像生成在軟件中選擇生成坦克紅外圖像，設置距離為15 米，觀察高度為2 米。視角為35°。得到的圖像如圖1 所示。（4）圖像分割基本思想圖像分割主要根據圖像在各個區域的不同特性，對其進行邊緣或區域上的分割， 從中提取出所關心的目標。圖像分割算法必須符合：分割產生的所有區

14、域之和包括了原始圖像中的所有像素； 分割后的結果互不重疊； 分割后的各個區域有其獨立的特性； 分割后的區域是一個連通集。圖像分割是依據亮度值的兩個基本特性：不連續性和相似性。基于亮度的不連續性分割圖像，如圖像的邊緣檢測等。依據事先制定的準則將圖像分割為相似的區域， 如門限處理、區域生長、區域分離和聚合等。Sobel算子：101Gx202101121Gy0001214. 實驗步驟（1） 通過視景仿真軟件觀察視場不同時的紅外和可見光圖像，獲得圖像數據。 要求掌握視景仿真軟件獲得所需圖像數據的方法。（2） 利用 Matlab 軟件，對獲得的圖像數據進行添加高斯、椒鹽、指數分布等噪聲實驗，觀察加入噪聲

15、前后的圖像及其直方圖。要求了解噪聲特性，尤其掌握高斯噪 聲中方差和均值對圖像的作用。（3） 采用中值濾波和均值濾波進行圖像去噪實驗，觀察兩種方法的去噪效果。 要求掌握兩種算法的應用特性。（4） 采用 Sobel 和 LOG 算子進行邊緣檢測實驗，觀察兩種方法的邊緣檢測效果。要求了解二階微分算子和一階微分算子對噪聲的適應性。（5） ）獨立應用 Matlab 軟件，進行圖像處理練習，獲得除上面（1）-（ 4）提及算法的處理結果。要求了解圖像與圖像處理方法的依賴關系。5. 實驗原始數據、處理結果與分析進入圖形 5-1 的視景仿真軟件，選擇目標為坦克紅外圖像。1. 圖像生成在軟件中選擇生成坦克紅外圖像

16、，設置距離為15 米，觀察高度為2 米。視角為35°。得到的圖像如圖1 所示。（4）圖像分割基本思想圖像分割主要根據圖像在各個區域的不同特性，對其進行邊緣或區域上的分割， 從中提取出所關心的目標。圖像分割算法必須符合：分割產生的所有區域之和包括了原始圖像中的所有像素； 分割后的結果互不重疊； 分割后的各個區域有其獨立的特性； 分割后的區域是一個連通集。圖像分割是依據亮度值的兩個基本特性：不連續性和相似性。基于亮度的不連續性分割圖像，如圖像的邊緣檢測等。依據事先制定的準則將圖像分割為相似的區域， 如門限處理、區域生長、區域分離和聚合等。Sobel算子：101Gx202101121Gy0

17、001214. 實驗步驟（1） 通過視景仿真軟件觀察視場不同時的紅外和可見光圖像，獲得圖像數據。 要求掌握視景仿真軟件獲得所需圖像數據的方法。（2） 利用 Matlab 軟件，對獲得的圖像數據進行添加高斯、椒鹽、指數分布等噪聲實驗，觀察加入噪聲前后的圖像及其直方圖。要求了解噪聲特性，尤其掌握高斯噪 聲中方差和均值對圖像的作用。（3） 采用中值濾波和均值濾波進行圖像去噪實驗，觀察兩種方法的去噪效果。 要求掌握兩種算法的應用特性。（4） 采用 Sobel 和 LOG 算子進行邊緣檢測實驗，觀察兩種方法的邊緣檢測效果。要求了解二階微分算子和一階微分算子對噪聲的適應性。（5） ）獨立應用 Matlab

18、 軟件，進行圖像處理練習，獲得除上面（1）-（ 4）提及算法的處理結果。要求了解圖像與圖像處理方法的依賴關系。5. 實驗原始數據、處理結果與分析進入圖形 5-1 的視景仿真軟件，選擇目標為坦克紅外圖像。1. 圖像生成在軟件中選擇生成坦克紅外圖像，設置距離為15 米，觀察高度為2 米。視角為35°。得到的圖像如圖1 所示。（4）圖像分割基本思想圖像分割主要根據圖像在各個區域的不同特性，對其進行邊緣或區域上的分割， 從中提取出所關心的目標。圖像分割算法必須符合：分割產生的所有區域之和包括了原始圖像中的所有像素； 分割后的結果互不重疊； 分割后的各個區域有其獨立的特性； 分割后的區域是一個

19、連通集。圖像分割是依據亮度值的兩個基本特性：不連續性和相似性。基于亮度的不連續性分割圖像，如圖像的邊緣檢測等。依據事先制定的準則將圖像分割為相似的區域， 如門限處理、區域生長、區域分離和聚合等。Sobel算子：101Gx202101121Gy0001214. 實驗步驟（1） 通過視景仿真軟件觀察視場不同時的紅外和可見光圖像，獲得圖像數據。 要求掌握視景仿真軟件獲得所需圖像數據的方法。（2） 利用 Matlab 軟件，對獲得的圖像數據進行添加高斯、椒鹽、指數分布等噪聲實驗，觀察加入噪聲前后的圖像及其直方圖。要求了解噪聲特性，尤其掌握高斯噪 聲中方差和均值對圖像的作用。（3） 采用中值濾波和均值濾

20、波進行圖像去噪實驗，觀察兩種方法的去噪效果。 要求掌握兩種算法的應用特性。（4） 采用 Sobel 和 LOG 算子進行邊緣檢測實驗，觀察兩種方法的邊緣檢測效果。要求了解二階微分算子和一階微分算子對噪聲的適應性。（5） ）獨立應用 Matlab 軟件，進行圖像處理練習，獲得除上面（1）-（ 4）提及算法的處理結果。要求了解圖像與圖像處理方法的依賴關系。5. 實驗原始數據、處理結果與分析進入圖形 5-1 的視景仿真軟件，選擇目標為坦克紅外圖像。1. 圖像生成在軟件中選擇生成坦克紅外圖像，設置距離為15 米，觀察高度為2 米。視角為35°。得到的圖像如圖1 所示。（4）圖像分割基本思想圖

21、像分割主要根據圖像在各個區域的不同特性，對其進行邊緣或區域上的分割， 從中提取出所關心的目標。圖像分割算法必須符合：分割產生的所有區域之和包括了原始圖像中的所有像素； 分割后的結果互不重疊； 分割后的各個區域有其獨立的特性； 分割后的區域是一個連通集。圖像分割是依據亮度值的兩個基本特性：不連續性和相似性。基于亮度的不連續性分割圖像，如圖像的邊緣檢測等。依據事先制定的準則將圖像分割為相似的區域， 如門限處理、區域生長、區域分離和聚合等。Sobel算子：101Gx202101121Gy0001214. 實驗步驟（1） 通過視景仿真軟件觀察視場不同時的紅外和可見光圖像，獲得圖像數據。 要求掌握視景仿

22、真軟件獲得所需圖像數據的方法。（2） 利用 Matlab 軟件，對獲得的圖像數據進行添加高斯、椒鹽、指數分布等噪聲實驗，觀察加入噪聲前后的圖像及其直方圖。要求了解噪聲特性，尤其掌握高斯噪 聲中方差和均值對圖像的作用。（3） 采用中值濾波和均值濾波進行圖像去噪實驗，觀察兩種方法的去噪效果。 要求掌握兩種算法的應用特性。（4） 采用 Sobel 和 LOG 算子進行邊緣檢測實驗，觀察兩種方法的邊緣檢測效果。要求了解二階微分算子和一階微分算子對噪聲的適應性。（5） ）獨立應用 Matlab 軟件，進行圖像處理練習，獲得除上面（1）-（ 4）提及算法的處理結果。要求了解圖像與圖像處理方法的依賴關系。5

23、. 實驗原始數據、處理結果與分析進入圖形 5-1 的視景仿真軟件，選擇目標為坦克紅外圖像。1. 圖像生成在軟件中選擇生成坦克紅外圖像，設置距離為15 米，觀察高度為2 米。視角為35°。得到的圖像如圖1 所示。（4）圖像分割基本思想圖像分割主要根據圖像在各個區域的不同特性，對其進行邊緣或區域上的分割， 從中提取出所關心的目標。圖像分割算法必須符合：分割產生的所有區域之和包括了原始圖像中的所有像素； 分割后的結果互不重疊； 分割后的各個區域有其獨立的特性； 分割后的區域是一個連通集。圖像分割是依據亮度值的兩個基本特性：不連續性和相似性。基于亮度的不連續性分割圖像，如圖像的邊緣檢測等。依

24、據事先制定的準則將圖像分割為相似的區域， 如門限處理、區域生長、區域分離和聚合等。Sobel算子：101Gx202101121Gy0001214. 實驗步驟（1） 通過視景仿真軟件觀察視場不同時的紅外和可見光圖像，獲得圖像數據。 要求掌握視景仿真軟件獲得所需圖像數據的方法。（2） 利用 Matlab 軟件，對獲得的圖像數據進行添加高斯、椒鹽、指數分布等噪聲實驗，觀察加入噪聲前后的圖像及其直方圖。要求了解噪聲特性，尤其掌握高斯噪 聲中方差和均值對圖像的作用。（3） 采用中值濾波和均值濾波進行圖像去噪實驗，觀察兩種方法的去噪效果。 要求掌握兩種算法的應用特性。（4） 采用 Sobel 和 LOG 算子進行邊緣檢測實驗，觀察兩種方法的邊緣檢測效果。要求了解二階微分算子和一階微分算子對噪聲的適應性。（5） ）獨立應用 Matlab 軟件，進行圖像處理練習，獲得除上面（1）-（ 4）提及算法的處理結果。要求了解圖像與圖像處理方法的依賴關系。5. 實驗原始數據、處理結果與分析