数字图像处理与Python实现 教案 赵彦玲 第5--9章 图像增强技术---数字水印技术.doc

教师授课教案

?

课程名称：

数字图像处理

课程代码：

学??分：

课程类别：

专业方向课

开课单位:

计算机科学与技术学院

授课班级：

授课教师：

?

?

授课时间

5-6节

授课内容

概要

图像增强是根据具体应用突出图像中的“有用”信息，削弱不需要的“无用”信息的原理，以放大图像中不同特征之间的差别。图像增强作用就是抑制图像噪声、改善图像的“视觉质量”(包括人和计算机“视觉”)，以便后续对图像的分析和处理。

目的要求

了解图像增强技术的作用和意义，

掌握空域图像增强和频率图像增强技术。

掌握常见图像增强算法的实现

增强技术知识和技能：学生需要具备扎实的专业知识和技能，了解和掌握相关技术的应用和发展趋势。

重

点

空域增强技术中，（1）基于点运算方法，包括直接灰度变换方法、基于直方图的灰度变换法等；（2）图像直方图均衡化算法与Python实现。图像空域增强技术：（3）邻域运算的方法：邻域平均值法、中值滤波法，微分算子算法；

图像频域增强技术：低通滤波、高通滤波、带通与带阻滤波方法。

难

点

图像平滑和锐化效果的理解和实现

作业布置

上机作业

（1）灰度图线性变换方法、灰度图非线性法进行图像增强；

（2）图像直方图均衡化算法的Python实现。

（3）图像邻域平均值法的Python实现，

（4）图像低通滤波、高通滤波的Python实现。

参考书

1.数字图像处理及MATLAB实现（第2版），主编：杨杰，黄朝兵，出版社：电子工业出版社，出版时间：2013

2.数字图像处理与Python实现，岳亚伟，人民邮电出版社，2020。

课?型

理论课

学

时

分

配

复?习

10分钟

主要教具

电脑、投影仪、黑板等

讲?授

60分钟

教学方法

讲授、启发、案例

指?导

15分钟

教学手段

多媒体教学雨课堂

总?结

5分钟

备注

?

授?课?内?容

备?注

课程复习

图像的平移、镜像、缩放、转置、旋转和插值等几何变换；

图像频率域的变换，包括：傅里叶变换与反变换，余弦变换与反变换；

图像频率域变换的Python实现。

课程引入

技术发展日新月异，学生需要具备持续学习的意识和能力，不断更新自身的知识和技能。这可以帮助学生保持对技术的敏感度和自信心，适应不断变化的技术环境。

新课内容

5.1图像增强技术分类

图像增强技术按图像处理对象的不同，可分为灰度图像增强和彩色图像增强。本书主要介绍灰度图像增强技术。

图像增强技术按作用域可分为空域增强和频域增强。空域增强是直接对图像像素进行处理；频域增强是对图像某个变换的系数进行处理，然后通过反变换获得增强处理后的图像。

5.1.1图像空域增强技术

基于空域的算法分为点运算算法和邻域增强算法。

点运算算法将每一像素的灰度值按照一定的数学公式转换为一个新的灰度值。常用算法包括直接灰度变换方法、基于直方图的灰度变换法等，该部分内容将分别在5.2节和5.3节中介绍。该类算法的目的是使图像成像均匀，或扩大图像动态范围，扩展对比度。

邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊；常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别；常用算法有微分算子法。该部分内容在5.4节中介绍。

5.1.2图像频域增强技术

图像频域增强技术是首先对图像进行频域变换，获得其在变换域的表示，对图像的频域变换系数进行操作，然后经反变换获得所需的图像增强结果。常用的方法包括低通滤波、高通滤波、带通与带阻滤波，以及同态滤波等。图像平滑与锐化也可以在频域中进行，该部分内容在5.5节中介绍。

【思政元素—专业素养】：增强技术知识和技能：学生需要具备扎实的专业知识和技能，了解和掌握相关技术的应用和发展趋势。

5.2直接灰度变换法

数字图像的亮度最大值与最小值之比称为对比度。由于成像系统的限制，可能出现对比度不足而造成视觉效果较差。灰度变换可以使图像的亮度动态范围增大，增加图像对比度，使图像更清晰，是图像空域增强的常用方法之一。

灰度变换是基于图像像素点操作的增强方法，将每一像素点的灰度值按照一定的数学变换转换为一个新的灰度值。基于灰度变换的图像增强方法较多，常用的直接灰度变换包括线性拉伸和非线性拉伸等。

5.2.1线性拉伸

线性拉伸可以分为全段线性拉伸和分段线性拉伸。

全段线性拉伸

全段线性拉伸（又称为线性灰度拉伸）是将输入图像灰度值的动态范围按一种线性关系（即一个斜率变换值）拉伸至指定的灰度范围。

对于常见的8位灰度图像而言，最大动态范围是[0,255]。线性拉伸可提高图像的质量。

设原图像像素位置（m,n）处的灰度值f(m,n)在[a,b]的灰度范围内，经过线性变换之后取值g(m,n)在[c,d]的灰度范围内，则变换关系式为：

g(m,n