數(shù)字圖像處理課程設(shè)計--彩色圖像的平衡運(yùn)算

1、<p><b>　　摘 要</b></p><p>　　Matlab是Math Work公司于1982年推出的一套高性能的數(shù)字計算和可視化軟件，它集數(shù)字分析、矩陣運(yùn)算、信號處理和圖形顯示于一體，擁有界面簡潔。它的這些特點使其應(yīng)用的越來越廣泛，這對于數(shù)字圖像處理也是特別方便的。</p><p>　　數(shù)字圖像處理與分析是研究計算機(jī)對數(shù)字圖像的處理，已達(dá)到改善視覺

2、效果，便于圖像分析和識別的目的。他是集計算機(jī)科學(xué)、電子學(xué)、信息論、控制論、光學(xué)、數(shù)學(xué)、物理學(xué)、心理學(xué)和生理學(xué)等學(xué)科的一門綜合性邊緣學(xué)科。隨著計算機(jī)科學(xué)的迅猛發(fā)展，以及與近代發(fā)展的新理論，如小波分析、馬爾科夫隨機(jī)場、分形學(xué)、數(shù)學(xué)形態(tài)學(xué)，人工智能和人工神經(jīng)網(wǎng)絡(luò)等的結(jié)合，計算機(jī)圖像處理與分析近年來獲得了長足的發(fā)展，呈現(xiàn)出強(qiáng)大的生命力。</p><p>　　數(shù)字圖像的平衡運(yùn)算在很多方面可以對圖像進(jìn)行增強(qiáng)，比如加法運(yùn)算可以

3、使圖像變得明亮，細(xì)節(jié)部分變得清晰，減法使圖像的邊緣變得模糊，使圖像銳化等。基于代數(shù)運(yùn)算對圖像的處理是一種方便簡潔的處理方法，再有Matlab軟件的輔助使過程會變得更簡單。</p><p>　　關(guān)鍵詞：Matlab；圖像處理；平衡運(yùn)算</p><p><b>　　目 錄</b></p><p><b>　　1課程設(shè)計目的1</b

4、></p><p><b>　　2課程設(shè)計要求2</b></p><p>　　3 Matlab相關(guān)知識介紹3</p><p>　　3.1 MATLAB簡介3</p><p>　　3.2 MATLAB在圖像處理中的應(yīng)用4</p><p>　　3.3圖像處理概念4</p>

5、<p><b>　　4相關(guān)知識5</b></p><p>　　5圖像平衡運(yùn)算設(shè)計6</p><p>　　5.1圖像白平衡圖的運(yùn)算灰度世界法6</p><p>　　5.2 基于動態(tài)閾值的自動白平衡法9</p><p><b>　　結(jié)論15</b></p><p

6、><b>　　參考文獻(xiàn)16</b></p><p><b>　　1課程設(shè)計目的</b></p><p>　?。?）學(xué)習(xí)并了解 Matlab軟件的實用，并了解Matlab在數(shù)字圖像中的應(yīng)用。學(xué)會編寫Matlab程序并調(diào)試、運(yùn)行。</p><p>　?。?）了解圖像的算術(shù)運(yùn)算在數(shù)字圖像處理中的初步應(yīng)用。</p&g

7、t;<p>　?。?）體會圖像平衡運(yùn)算處理的過程和處理前后圖像的變化。</p><p><b>　　2課程設(shè)計要求</b></p><p>　　（1）掌握課程設(shè)計的相關(guān)知識、概念清晰。</p><p>　?。?）程序設(shè)計合理、能夠正確運(yùn)行。</p><p>　?。?）熟悉和掌握Matlab軟件。</p

8、><p>　?。?）提高分析能力，解決問題的能力，鞏固數(shù)字圖像處理系統(tǒng)中的基本原理與方法。</p><p>　?。?）了解Matlab軟件的實用，在Matlab環(huán)境下學(xué)會用軟件對圖像進(jìn)行處理，并獲得預(yù)期的結(jié)果。</p><p>　　（6）了解圖像平衡運(yùn)算增強(qiáng)處理的原理和作用。</p><p>　?。?）對比處理后的圖像與原圖像，得出處理后的結(jié)論。

9、</p><p>　　3 Matlab相關(guān)知識介紹</p><p>　　3.1 MATLAB簡介</p><p>　　MATLAB的名稱源自Matrix Laboratory，它是一種科學(xué)計算軟件，專門以矩陣的形式處理數(shù)據(jù)。MATLAB將高性能的數(shù)值計算和可視化集成在一起，并提供了大量的內(nèi)置函數(shù)，從而被廣泛地應(yīng)用于科學(xué)計算、控制系統(tǒng)、信息處理等領(lǐng)域的分析、仿真和設(shè)計

10、工作，而且利用MATLAB產(chǎn)品的開放式結(jié)構(gòu)，可以非常容易地對MATLAB的功能進(jìn)行擴(kuò)充，從而在不斷深化對問題認(rèn)識的同時，不斷完善MATLAB產(chǎn)品以提高產(chǎn)品自身的競爭能力。 目前MATLAB產(chǎn)品族可以用來進(jìn)行：</p><p><b>　　數(shù)值分析</b></p><p><b>　　數(shù)值和符號計算</b></p><p&

11、gt;<b>　　工程與科學(xué)繪圖</b></p><p>　　控制系統(tǒng)的設(shè)計與仿真</p><p><b>　　數(shù)字圖像處理</b></p><p>　　數(shù)字信號處理 通訊系統(tǒng)設(shè)計與仿真</p><p><b>　　財務(wù)與金融工程</b></p><p&

12、gt;　　MATLAB是MATLAB產(chǎn)品家族的基礎(chǔ)，它提供了基本的數(shù)學(xué)算法，例如矩陣運(yùn)算、數(shù)值分析算法，MATLAB集成了2D和3D圖形功能，以完成相應(yīng)數(shù)值可視化的工作，并且提供了一種交互式的高級編程語言——M語言，利用M語言可以通過編寫腳本或者函數(shù)文件實現(xiàn)用戶自己的算法。 </p><p>　　MATLAB Compiler是一種編譯工具，它能夠?qū)⒛切├肕ATLAB提供的編程語言——M語言編寫的函數(shù)文件

13、編譯生成為函數(shù)庫、可執(zhí)行文件、COM組件等等，這樣就可以擴(kuò)展MATLAB功能，使MATLAB能夠同其他高級編程語言例如C/C++語言進(jìn)行混合應(yīng)用，取長補(bǔ)短，以提高程序的運(yùn)行效率，豐富程序開發(fā)的手段。 </p><p>　　利用M語言還開發(fā)了相應(yīng)的MATLAB專業(yè)工具箱函數(shù)供用戶直接使用。這些工具箱應(yīng)用的算法是開放的可擴(kuò)展的，用戶不僅可以查看其中的算法，還可以針對一些算法進(jìn)行修改，甚至允許開發(fā)自己的算法擴(kuò)充工

14、具箱的功能。目前MATLAB產(chǎn)品的工具箱有四十多個，分別涵蓋了數(shù)據(jù)采集、科學(xué)計算、控制系統(tǒng)設(shè)計與分析、數(shù)字圖像處理、金融財務(wù)分析以及生物遺傳工程等專業(yè)領(lǐng)域。</p><p>　　3.2 MATLAB在圖像處理中的應(yīng)用</p><p>　　MATLAB7.0提供了20類圖像處理函數(shù)，涵蓋了圖像處理包括近期研究成果在內(nèi)的幾乎所有的技術(shù)方法，是學(xué)習(xí)和研究圖像處理的人員難得的寶貴資料和加工工具箱。

15、這些函數(shù)按功能可分為圖像顯示、圖像文件I／O、圖像算術(shù)運(yùn)算、幾何變換、圖像登記、像素值與統(tǒng)計、圖像分析、圖像增強(qiáng)、線性濾波、線性二元濾波設(shè)計、圖像去模糊、圖像變換、鄰域與塊處理、灰度與二值圖像的形態(tài)學(xué)運(yùn)算、結(jié)構(gòu)元素創(chuàng)建與處理、基于邊緣的處理、色彩映射表操作、色彩空間變換及圖像類型與類型轉(zhuǎn)換</p><p>　　Matlab數(shù)字圖像處理工具箱函數(shù)包括以下幾類：(1)圖像顯示函數(shù)；(2)圖像文件輸入、輸出函數(shù)；(3)

16、圖像幾何操作函數(shù)；(4)圖像像素值及統(tǒng)計函數(shù)；(5)圖像分析函數(shù)；(6)圖像增強(qiáng)函數(shù)；(7)線性濾波函數(shù)；(8)二維線性濾波器設(shè)計函數(shù)；(9)圖像變換函數(shù)；(10)圖像鄰域及塊操作函數(shù)；(11)二值圖像操作函數(shù)；(12)基于區(qū)域的圖像處理函數(shù)；(13)顏色圖操作函數(shù)；(14)顏色空間轉(zhuǎn)換函數(shù)；(15)圖像類型和類型轉(zhuǎn)換函數(shù)。</p><p><b>　　3.3圖像處理概念</b></p

17、><p>　　圖像處理并不僅限于對圖像進(jìn)行增強(qiáng)、復(fù)原和編碼，還要對同鄉(xiāng)進(jìn)行分析，圖像分析旨在對圖像進(jìn)行描述，即用一組數(shù)或符號表征圖像中目標(biāo)區(qū)的特征、性質(zhì)和相互間的關(guān)系，為模式識別提供基礎(chǔ)。描述一般針對圖像或景物中的特定區(qū)域或目標(biāo)。開運(yùn)算通常用來消除小對象物，在纖細(xì)點處分離物體，平滑較大物體的邊界的同時不明顯改變其面積。</p><p><b>　　4相關(guān)知識</b><

18、;/p><p>　　人眼之所以能夠看到物體的顏色，除了人眼本身的生理機(jī)能，還必須有光的照射以及物體對入射光進(jìn)行有選擇地吸收和反射。色溫是描述光的不同色彩的一個重要概念。它借用完全輻射體的溫度來表示光源的光譜成分，以絕對黑體溫度K來度量。</p><p>　　物體在不同的光源照射下呈現(xiàn)的顏色是不同的。這是由光源的不同色溫決定的,它使得物體的反射光譜較真實色彩有一定的偏差。對同一個白色物體而言,在

19、低溫光源照明下,其反射變得偏紅;反之,在高溫光源下變得偏藍(lán)。人類視覺由于人眼具有的顏色恒常性,可以不管照明光的光譜成分如何變化,人們通常能像在白光下一樣來分辨物體的顏色。但是圖像采集設(shè)備則不然,它采集到的是物體在給定光源下的反射光,這就導(dǎo)致同一個物體在不同的光源下其表現(xiàn)的顏色不同,獲得的圖像不可避免會出現(xiàn)色彩上的偏差。為了補(bǔ)償不同光源引起的顏色不同,能真實、正確地再現(xiàn)現(xiàn)實世界中各種色彩的圖像,需要采用白平衡技術(shù)。白平衡技術(shù)的核心, 是通

20、過調(diào)整由傳感器得到的一個彩色視覺信號分量增益(如R , B) ,使得其組成顏色更接近真實色彩。</p><p>　　如果原始場景中的某些象素點應(yīng)該是白色的,但是由于所獲得圖像中的相應(yīng)像素點存在色偏，這些點的R，G，B三個分量的值不再保持相同，通過調(diào)整這三個顏色分量的值，使之達(dá)到平衡，由此獲得對整幅圖像的彩色平衡影射關(guān)系，通過該影射關(guān)系對整幅圖像進(jìn)行處理，即可達(dá)到彩色平衡的目的。</p><p&

21、gt;　　5 圖像平衡運(yùn)算設(shè)計</p><p>　　5.1圖像白平衡圖的運(yùn)算灰度世界法</p><p>　　要計算未知光源的特性必須從圖片中提取相關(guān)的統(tǒng)計特性。當(dāng)我們能夠僅使用一個統(tǒng)計特性就獲得未知光源特性時，算法就變得非常簡單了。在這種情況下，未知光源必須在整幅圖片上都是統(tǒng)一的。均值于是就成為了此類方法之下最好的統(tǒng)計指標(biāo)。而灰色世界法正是利用了均值作為估算未知光源的關(guān)鍵統(tǒng)計量。 <

22、/p><p>　　從物理意義上說，灰色世界法假設(shè)自然界景物對于光線的平均反射的均值在總體上是個定值，這個定值近似地為“灰色”。在給定圖片的白平衡算法中，灰色世界假設(shè)圖片中的反射面足夠豐富，以至于可以作為自然界景物的一個縮影。若這幅圖片是在經(jīng)典光源下拍攝的，其均值就應(yīng)該等于灰色。若這幅圖是在非經(jīng)典光源下拍攝的，那么均值就會大于或者小于灰色值。而該均值對于灰色的偏離程度則反映了未知光源相對于已知光源的特性。 </p

23、><p>　　雖然這個方法比較簡單，但是仍然可以從一些方面進(jìn)行調(diào)整。一個方面就是對于灰色的定義形式的選擇。包括對于光譜的定義、對于光譜成分的定義和在經(jīng)典光源之下的 RGB 的響應(yīng)。另一個更加重要的調(diào)整方面就是對于灰色的選擇。不管如何定義灰色，最佳的灰色之選必然是自然界實事上出現(xiàn)的灰色。但是這個值是無法獲得的（除非是合成數(shù)據(jù)），所以對于灰色的選擇是不同的灰色世界算法的一個重要的區(qū)別點。 </p><

24、p>　　一個方法是假設(shè)這個灰色就是實事上的灰色。也就是說反射光譜是均衡的。給定光源之下的 RGB 響應(yīng)是純白色對此光源的響應(yīng)值的一部分。比方說，可以使用 50%作為反射率（雖然這個灰色值對于人眼視覺習(xí)慣而言可能過于明亮）。</p><p>　　另一種方法，就是根據(jù)大量的數(shù)據(jù)提煉出一個均值，并把它定義為灰色。這種方法提煉的灰色值可能因為數(shù)據(jù)庫使用的不同而有所不同。最終提煉的灰色也能僅適用于原始的數(shù)據(jù)庫，而對于

25、數(shù)據(jù)庫未包括的圖片的適用度就會比較差一些。確定下來的灰色表達(dá)形式可以用 來表示。下標(biāo) i 表示信道，上標(biāo) c 為canonical 的首字母，表示經(jīng)典光源。 </p><p>　　在確定灰色的表達(dá)形式后只要用 RGB 響應(yīng)與經(jīng)典光源下灰色的比值來歸一化圖片就可以了。假設(shè) RGB 響應(yīng)均值為 ，下標(biāo) i 表示信道，上標(biāo) U 為Unknown 的首字母，表示未知光源。那么歸一化率的計算式為 如下式所示 ：</

26、p><p>　　根據(jù)光源轉(zhuǎn)換理論，從未知光源到經(jīng)典光源下圖片表達(dá)式的轉(zhuǎn)換式如下式所定義： </p><p>　　那么，灰色世界法的計算過程如下圖所示：</p><p>　　本實驗選擇的灰色值為（129，129，129），具體的matlab實現(xiàn)程序如下：</p><p><b>　　%灰色世界法%</b></p>

27、<p>　　clear all; %清屏%</p><p>　　img=imread('b1.bmp'); %讀取位圖的rgb值并存在名為img的三維矩陣中%</p><p>　　AveR=mean(mean(img(:,:,1))); %計算R通道的均值%</p><p>　　AveG=mean(mean(img(:,

28、:,2))); %計算G通道的均值%</p><p>　　AveB=mean(mean(img(:,:,3))); %計算B通道的均值%</p><p>　　Qr=129/AveR; %計算R通道的歸一化率Qr%</p><p>　　Qg=129/AveG; %計算G通道的歸一化率Qg%</p><p>　　Q

29、b=129/AveB; %計算B通道的歸一化率Qb%</p><p><b>　　%光源變換%</b></p><p>　　img0(:,:,1)=Qr*img(:,:,1); </p><p>　　img0(:,:,2)=Qg*img(:,:,2);</p><p>　　img0(:,:,3)=Qb*img(

30、:,:,3);</p><p>　　figure,imshow(img0),title('變換后圖片'); %顯示圖片%</p><p><b>　　圖5.1 原始圖像</b></p><p>　　圖5.2白平衡變換后的圖像</p><p>　　5.2 基于動態(tài)閾值的自動白平衡法</p>

31、<p>　　這個算法是通過對圖片的ycbcr色空間的分析來確定參考白點的，所以次算法可以說是自適應(yīng)白平衡算法。本算法選擇參考白點的閥值是動態(tài)變化的，所以對于不同的圖片，其閥值也不同。通過對圖片的cbcr坐標(biāo)空間的分析，我們可以看到一個接近白色的區(qū)域（near-white region）是包含著參考白點的。通過這個思路，我們可以通過對圖片分區(qū)，然后找出參考白點，然后在通過von kvies model來調(diào)整圖片時期實現(xiàn)白平

32、衡。這樣，這個算法就包括了兩個步驟了：尋找參考白點，白點調(diào)整。</p><p><b>　　尋找參考白點：</b></p><p>　　為了確定一個接近白色的區(qū)域，我們就必須把RGB色空間轉(zhuǎn)換成YCbCr色空間。</p><p>　　色空間轉(zhuǎn)換后，就是計算Cb、Cr的均值Mb、Mr；然后通過下式計算Cb、Cr的均方差Db、Dr：</p&g

33、t;<p>　　為了提高算法的穩(wěn)健性，將圖片分為幾個區(qū)域并且計算每個區(qū)域的Mb、Mr、Db、Dr，如果一個區(qū)域的Db，Dr太小，那么這個區(qū)域就沒有足夠的色彩變化，就可以丟棄掉了。這樣可以避免大面積的統(tǒng)一色調(diào)對結(jié)果的影響。</p><p>　　接下來就可以通過下面的關(guān)系式得到接近白色區(qū)域的所有像素點了：</p><p>　　根據(jù)亮度值，我們選擇接近白色區(qū)域中的10%的候選參考白

34、點最為參考白點。在白點確定后，就可以從參考白點中得到信道增益的值了。為了維持整幅圖片的亮度不變，亮度的最大值被用來得到信道增益。所以信道增益不及和參考白點有關(guān)還與亮度的最大值有關(guān)，其表達(dá)式如下：</p><p>　　其中是整幅圖片像素的亮度最大值，、和是參考白點的RGB信道的均值。</p><p>　　最后，根據(jù)von-kvies model來調(diào)整圖片，使其達(dá)到白平衡的效果。調(diào)整的表達(dá)式如

35、下：</p><p>　　其中RGB是圖片的像素點的三個信道值，是調(diào)整之后的圖片的像素點的三個信道值。</p><p><b>　　其源程序如下：</b></p><p>　　function W=wbalance(im)</p><p>　　clear all;</p><p>　　close

36、all;</p><p><b>　　%讀取照片的信息%</b></p><p>　　[filename, pathname] = uigetfile('d:/gf1.jpg;'); </p><p>　　if isequal(filename,0)</p><p>　　disp('User

37、selected Cancel'); </p><p><b>　　else</b></p><p>　　disp(['User selected', fullfile(pathname, filename)]);</p><p><b>　　end</b></p><p&g

38、t;　　fname=strcat(pathname,filename);</p><p>　　im=imread(fname);</p><p><b>　　im2=im;</b></p><p>　　im1=rgb2ycbcr(im);%將圖片的RGB值轉(zhuǎn)換成YCbCr值%</p><p>　　Lu=im1(:,:,1

39、);</p><p>　　Cb=im1(:,:,2);</p><p>　　Cr=im1(:,:,3);</p><p>　　[x y z]=size(im);</p><p>　　tst=zeros(x,y);</p><p>　　%計算Cb、Cr的均值Mb、Mr%</p><p>　　Mb=

40、sum(sum(Cb));</p><p>　　Mr=sum(sum(Cr));</p><p>　　Mb=Mb/(x*y);</p><p>　　Mr=Mr/(x*y);</p><p>　　%計算Cb、Cr的均方差%</p><p>　　Db=sum(sum(Cb-Mb))/(x*y);</p>&l

41、t;p>　　Dr=sum(sum(Cr-Mr))/(x*y);</p><p>　　%根據(jù)閥值的要求提取出near-white區(qū)域的像素點%</p><p>　　cnt=1; </p><p><b>　　for i=1:x</b></p><p><b>　　for j=1:y</b>

42、</p><p>　　b1=Cb(i,j)-(Mb+Db*sign(Mb));</p><p>　　b2=Cr(i,j)-(1.5*Mr+Dr*sign(Mr));</p><p>　　if (b1<abs(1.5*Db) & b2<abs(1.5*Dr))</p><p>　　Ciny(cnt)=Lu(i,j);<

43、/p><p>　　tst(i,j)=Lu(i,j);</p><p>　　cnt=cnt+1;</p><p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　end</b></p><

44、p>　　cnt=cnt-1;</p><p>　　iy=sort(Ciny,'descend');%將提取出的像素點從亮度值大的點到小的點依次排列%</p><p>　　nn=round(cnt/10);</p><p>　　Ciny2(1:nn)=iy(1:nn);%提取出near-white區(qū)域中10%的亮度值較大的像素點做參考白點%<

45、;/p><p>　　%提取出參考白點的RGB三信道的值% </p><p>　　mn=min(Ciny2);</p><p><b>　　c=0;</b></p><p><b>　　for i=1:x</b></p><p><b>　　for j=1:y</b

46、></p><p>　　if tst(i,j)<mn</p><p>　　tst(i,j)=0;</p><p><b>　　else</b></p><p>　　tst(i,j)=1;</p><p><b>　　c=c+1;</b></p>&l

47、t;p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　R=im(:,:,1);</p><p>　　G=im(:,:,2);</p><p>　　B=im(:

48、,:,3);</p><p>　　R=double(R).*tst;</p><p>　　G=double(G).*tst;</p><p>　　B=double(B).*tst;</p><p>　　%計算參考白點的RGB的均值%</p><p>　　Rav=mean(mean(R));</p><

49、;p>　　Gav=mean(mean(G));</p><p>　　Bav=mean(mean(B));</p><p>　　Ymax=double(max(max(Lu)))/15;%計算出圖片的亮度的最大值%</p><p>　　%計算出RGB三信道的增益% </p><p>　　Rgain=Ymax/Rav;</p>

50、<p>　　Ggain=Ymax/Gav;</p><p>　　Bgain=Ymax/Bav;</p><p>　　%通過增益調(diào)整圖片的RGB三信道%</p><p>　　im(:,:,1)=im(:,:,1)*Rgain;</p><p>　　im(:,:,2)=im(:,:,2)*Ggain;</p><p

51、>　　im(:,:,3)=im(:,:,3)*Bgain;</p><p><b>　　%顯示圖片%</b></p><p><b>　　W=im;</b></p><p>　　figure,imshow(im2,[]),title('原圖');</p><p>　　figur

52、e,imshow(im,[]),title('白平衡后的效果圖');</p><p><b>　　y=im-im2;</b></p><p><b>　　disp(y);</b></p><p><b>　　figure,</b></p><p>　　imsho

53、w(y);</p><p><b>　　顯示運(yùn)行結(jié)果：</b></p><p><b>　　圖5.3原始圖像</b></p><p>　　圖5.4白平衡后效果圖</p><p>　　圖5.5將原始圖像和白平衡后的效果圖相減的效果圖</p><p><b>　　結(jié) 論

54、</b></p><p>　　通過這次的課程設(shè)計，我首次通過編寫代碼來完成對圖像的處理，這是一份難得的機(jī)會。在剛開始運(yùn)用MATLAB時，由于長時間的擱置，對其操作可以說是非常的不熟練。但是，當(dāng)我把以前的知識重溫之后，開始慢慢的對MATLAB的操作熟練起來，并且在實踐中學(xué)到了知識。雖然在這短時間里需要不斷查資料，然后對著電腦，把一個一個郁悶得問題解決，那過程真的是苦不堪言。但當(dāng)自己把一個個的問題慢慢解決

55、，運(yùn)行成功的時候，那種快樂也是無可比擬的。</p><p>　　平時的時候只是對圖像處理的動手環(huán)節(jié)比較感興趣，對其原理和基礎(chǔ)知識不太剛興趣，甚至可以說完全不明白。但是，通過上網(wǎng)查資料，我對直方圖均衡化的基本原理了解的很清楚了，并且在調(diào)試代碼和運(yùn)用HELP中對其均衡化的過程有了進(jìn)一步的了解。同時，也通過這次課程設(shè)計，對MATLAB中的一些常用函數(shù)有了一定的了解，對于以后對MATLAB的運(yùn)用打下了良好的基礎(chǔ)。<

56、/p><p>　　在這次數(shù)字圖像處理的課程設(shè)計過程中，首先加深了我對于數(shù)字圖像處理這門課程的認(rèn)識，通過對相關(guān)知識的進(jìn)一步了解和掌握，清楚的認(rèn)識到這門課程在實際應(yīng)用的廣泛性。</p><p>　　通過Matlab編程的過程之中，進(jìn)一步掌握了Matlab的使用，明白了這個軟件作為許多應(yīng)用方向工具的強(qiáng)大之處，通過對一些小錯誤的改造還認(rèn)識到了以往自己沒有注意到的一些小的細(xì)節(jié)問題。</p>

57、<p><b>　　參考文獻(xiàn)</b></p><p>　　[1] 阮沈勇.MATLAB程序設(shè)計[M].電子工業(yè)出版社，2004:70-85.</p><p>　　[2] 張葛祥，李娜.MATLAB仿真技術(shù)與應(yīng)用[M].北京：清華大學(xué)出版社，2003:20-23.</p><p>　　[3] 華宏虎，張權(quán)，唐朝京．?dāng)?shù)字水印研究及Mat

58、lab仿真實現(xiàn)[J]。現(xiàn)代電子技術(shù)，2007:5-6. </p><p>　　[4]舒云星，衛(wèi)莉莉．基于MATLAB的數(shù)字水印嵌入系統(tǒng)[J]．大眾科技，2006:5-6.</p><p>　　[5]黃蟯，李純厚，李毅．基于DCT的數(shù)字水印的Matlab仿真實現(xiàn)[J]。電子技術(shù)，2008:11-12.</p><p>　　[6]阮秋琦，數(shù)字圖像處理學(xué)·北京：