圖像復原課程設計

⑴ CCS 數字圖像處理 圖區圖像求高手幫忙！！！！

圖像處抄理，是對 圖像進襲行分析、加工、和處理，使其滿足視覺、心理以及其他要求的技術。圖像處理是信號處理在圖像域上的一個應用。目前大多數的圖像是以數字形式存儲，因而圖像處理很多情況下指數字圖像處理。此外，基於光學理論的處理方法依然佔有重要的地位。

圖像處理是信號處理的子類，另外與計算機科學、人工智慧等領域也有密切的關系。

⑵ 基於MATLAB和數字圖像處理的畢業設計課題選什麼好

可以寫寫數字圖像處理的那些方法，理論，還有數字圖像處理採集系統的組成。數字圖像處理/（美）岡薩雷斯；阮秋琦等譯 圖像工程/章毓晉編著 清華大學出版社

⑶ 網頁設計與網站製作這門課程第二章PS圖像處理與網頁設計的知識點有哪些

網頁設計與網站製作這門課第二章PS圖像處理與網頁設計的知識點包含章節導引,第一節網頁設計基礎,第二節PS核心工具,第三節PS圖像處理技巧,第四節網頁設計之電商廣告設計。

⑷ 基於數字圖像處理的印刷電路板智能檢測方法

你這個復難度比較高啊，制主要涉及的是計算機軟體和圖像處理，更何況你還是機械類的，好像有些不搭邊啊，。如果你想通過知道就完成這個題目那是不可能的，給你的一些建議：
1：至少要比較精通一門計算機語言和一種編譯器
2：找些圖像處理演算法方面的書來看（至少要研究一陣子，了解一些原理）
3：使用OPENCV（開源的圖像處理庫，有你所需要的）
特別是第1條，如果具備還可以繼續，不具備就是神仙也沒辦法啊。

⑸ 請問有計算機圖形圖像處理的論文嗎

計算機圖像處理論文計算機數據結構論文：
基於工作過程的計算機圖形圖像處理專業課程開發研究
摘要 課程建設是高職院校建設的永恆主題。本文根據我院計算機圖形圖像處理專業以項目工作任務為載體的課程單元開發、建立健全校企合作共創機制、進行系統化課程整體設計建設的基本過程，得出了校企合作共同開發基於工作過程的課程體系，有利於培養學生的基本素質、提高專業技能。
關鍵詞 工作過程 計算機圖形 圖像處理 課程開發 校企合作 行動導向
1基於工作過程的課程開發目的
為進一步深化高職專業建設和課程改革、適應社會和職業發展的需要，進行基於工作過程的專業課程開發已成為高職教育探索和實踐的重要任務。本文按照基於工作過程的課程開發理念和開發模式，根據企業調研確定職業崗位，分析典型的工作任務，融合國家職業資格技能（應知、應會）的標准要求，將實際的「工作」與「學習」有機地結合在一起，對高職計算機圖形圖像處理專業的課程進行了開發。
2計算機圖形圖像處理專業人才需求調研
探索符合職業教育要求與特色的高職計算機圖形圖像專業的人才培養規格，並建立與之相適應的教育教學體系，針對計算機圖形圖像專業人才面對社會、面對崗位需要及各崗位需要的知識、能力、素質、技能等，做了基本的調研。「計算機圖形圖像處理」專業的職業面向與專業培養目標的關系。
3課程體系構建流程
計算機圖形圖像處理是多媒體產業的主要手段。在我國，與多媒體信息相關的產業也在迅速發展，對具有高素質的多媒體專業技能的人才，特別是計算機圖形圖像處理專業人才需求量很大。經過市場調研和多次論證認為計算機圖形圖像專業基於工作過程的課程開發，按照行動導向來組織教學內容最為合適，以項目為載體組織教學內容，集知識和技能於一體，這樣才具有針對性和實用性，避免教學冗餘，突出技能培養。我們著手嘗試校企合作共同開發基於工作過程項目教學的課程體系。
4課程設計理念
為了使計算機圖形圖像處理專業以社會職業崗位、企業技術領域所需的知識和技能為依據，以培養學生技術應用能力為主線，並按照「工學結合」的教學理念，我們大膽探索校企合作、培養人才的新模式，與地方優秀的公司及企業建立工學結合的人才培養方案。在教學中專業教師全程參與，在管理上學院全程監控質量、校企聯合參與管理。教學的主體實施，資源共享、互惠互利，校企合作、聯合辦學的工學結合人才培養模式下的課程設計理念。
5基於工作過程的課程開發
根據各門課的要求，核心課程可以採用項目導向、任務驅動的教學模式。由於篇幅問題只給出「專業面向職業崗位的綜合實訓」課程體系。按照崗位群的工作任務分析，將工作任務分成三大專業技能模塊課程（即：平面廣告設計、室內裝飾設計、網頁設計），將各種技能操作等融於模塊課程之中，使這些專業技能模塊制定不同的項目、每一項任務為專業技能教學單元。每個項目始終貫穿了以教（由專業教師進行每個項目中工作任務的以行動為導向的理論教學）、學（由雙師型教學團隊和企業、公司的技術骨幹共同參與的對每個工作任務應知、應會的實踐教學）、做[學生在大量的時間中對每個項目的實踐操作訓練）、考（由教師與企業及公司的骨幹按照制定的項目考核標准，對學生進行應知（理論）與應會（實踐）考核來檢驗每一個項目的教學效果]合一的工學結合教學，再通過教師與學生的反饋評價等手段，來完成學生專業課程核心技能的培養。按照「教、學、做、考」四位一體的行動導向的教學模式，完成各項教學任務。只有通過學與用的結合才能使學生遇到問題，得到解決問題的能力，才能增強學生們學習理論的積極性。同時，讓學生學會怎樣用理論做指導，去解決實際問題的方法和技巧。通過專業技能素質教學，學生根據自己的學習興趣、愛好，選好自己的就業方向、崗位，並在自己選定的某一工作崗位上再進行為期半年的頂崗強化訓練，就能真正獲得獨立從事該工作的能力。崗位技能培養流程框圖。
6結論
基於職業崗位分析構建課程體系，對其中的專業技術課程提出了明確的以項目、工作任務為載體的教學目標，由此涉及的是一線教師項目單元課程教學、指導實踐、實訓和考核標准等內容的重構和設計，這項工作任務艱巨，也是當前高職教育教學改革的重點與難點所在。按照職業崗位的要求開發出專業技能課程以項目、工作任務為載體的課程單元，才能使基於工作過程的課程開發得以順利實施。在校企共建工學結合課程體系中，企業及公司的共同參與對課程開發與實施的質量有著深度的影響力。基於職業崗位群的分析構建課程體系，解決了高職教育課程體系開發中的課程與崗位的針對性，使得課程體系適宜工學結合培養高素質技能應用型人才。而此項工作的實施關鍵是校企合作的深度融合。只有企業及公司的參與和校企合作的深度融合，才能使基於職業崗位群構建的課程體系開發得以有效實施。所以在開發專業及課程中，我們認為：以項目工作任務為載體的課程單元開發是關鍵；建立健全校企合作共創機制是前提；進行系統化課程整體設計是基礎；校企深度融合是保障。
參考文獻
[1]施良方.課程理論[M].教育科學出版社,2005(3).
[2]姜大源.當代德國職業教育主流教學思想研究[M].清華大學出版社,2007(4).
[3]歐盟Asia-Link項目課題組編.職業教育與培訓學習領域課程開發手冊.北京.高等教育出版社,2007.
[4]趙永芝.創新教育的理論與實踐探討[J].河北職業技術學院學報,2004.

⑹ 圖像處理matlab的課程設計 題目是空域和頻域濾波

%1. 對圖像lena.bmp疊加高斯雜訊，椒鹽雜訊，乘性雜訊，雜訊方差為0.02，然後分別利用鄰域平均法和中值濾波法對該圖像進行濾波，顯示濾波後的圖像。
%要求窗口尺寸(先用3×3，再用5×5逐漸增大)可變，窗口類型（線性，十字形，方形）可選）
%領域平均法和中值濾波法是空間域的濾波的方法
clear all;
I=imread('lena.bmp');
J1=imnoise(I,'gaussian',0,0.02); %高斯雜訊 均值0 方差為0.02
J2=imnoise(I,'salt & pepper',0.02); %椒鹽雜訊 均值0 方差為0.02
J3=imnoise(I,'speckle',0.02); %乘性雜訊 均值0 方差為0.02
subplot(2,2,1),imshow(I),title('原始圖像');
subplot(2,2,2),imshow(J1),title('高斯雜訊');
subplot(2,2,3),imshow(J2),title('椒鹽雜訊');
subplot(2,2,4),imshow(J3),title('乘性雜訊');

%中值濾波法
figure(2)
K1=medfilt2(J1,[3,3]); %3*3的濾波窗
subplot(3,2,1),imshow(K1,[]),title('對3*3加高斯雜訊圖像中值濾波');
K2=medfilt2(J1,[5,5]); %5*5的濾波窗口
subplot(3,2,2),imshow(K2,[]),title('對5*5加高斯雜訊圖像中值濾波');

K2=medfilt2(J2,[3,3]); %3*3的濾波窗
subplot(3,2,3),imshow(K2,[]),title('對3*3加椒鹽雜訊圖像中值濾波');
K2=medfilt2(J2,[5,5]); %5*5的濾波窗口
subplot(3,2,4),imshow(K2,[]),title('對5*5加椒鹽雜訊圖像中值濾波');

K3=medfilt2(J3,[3,3]); %3*3的濾波窗
subplot(3,2,5),imshow(K3,[]),title('對3*3加乘性雜訊圖像中值濾波');
K2=medfilt2(J3,[5,5]); %5*5的濾波窗口
subplot(3,2,6),imshow(K3,[]),title('對5*5加乘性雜訊圖像中值濾波');

%領域平均法
figure(3)

L1=filter2(fspecial('average',3),J1);% 3*3模板平滑均值濾波
L2=filter2(fspecial('average',5),J1);%5×5模板平滑均值濾波
subplot(3,2,1),imshow(L1,[]),title('對3*3加高斯雜訊圖像平滑濾波');
subplot(3,2,2),imshow(L2,[]),title('對5*5加高斯雜訊圖像平滑濾波');

L3=filter2(fspecial('average',3),J2);% 3*3模板平滑均值濾波
L4=filter2(fspecial('average',5),J2);%5×5模板平滑均值濾波
subplot(3,2,3),imshow(L3,[]),title('對3*3加椒鹽雜訊圖像平滑濾波');
subplot(3,2,4),imshow(L4,[]),title('對5*5加椒鹽雜訊圖像平滑濾波');

L5=filter2(fspecial('average',3),J3);% 3*3模板平滑均值濾波
L6=filter2(fspecial('average',5),J3);%5×5模板平滑均值濾波
subplot(3,2,5),imshow(L5,[]),title('對3*3加乘性雜訊圖像平滑濾波');
subplot(3,2,6),imshow(L6,[]),title('對5*5加乘性雜訊圖像平滑濾波');

%領域平均法是指用某點領域的灰度值平均值來代替該點的灰度值，演算法簡單，處理速度快，但是在衰減雜訊的同時也會使圖像產生模糊。
%中值濾波法對椒鹽雜訊的抑制很好，但是不太適合點，線，尖頂等細節較多的圖像

⑺ 各位大俠，，最近在做圖像處理的課設，。題目：用opencv函數從靜態圖片中檢測出是否有人，

下面這段代碼可以實現對圖像或者視頻的人臉檢測，你可以參考一下：
#include "cv.h"
#include "highgui.h"

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <assert.h>
#include <math.h>
#include <float.h>
#include <limits.h>
#include <time.h>
#include <ctype.h>

#ifdef _EiC
#define WIN32
#endif

static CvMemStorage* storage = 0;
static CvHaarClassifierCascade* cascade = 0;

void detect_and_draw( IplImage* image );

const char* cascade_name =
"haarcascade_frontalface_alt.xml";
/* "haarcascade_profileface.xml";*/

int main( int argc, char** argv )
{
CvCapture* capture = 0;
IplImage *frame, *frame_ = 0;
int optlen = strlen("--cascade=");
const char* input_name;

if( argc > 1 && strncmp( argv[1], "--cascade=", optlen ) == 0 )
{
cascade_name = argv[1] + optlen;
input_name = argc > 2 ? argv[2] : 0;
}
else
{
cascade_name = "../../data/haarcascades/haarcascade_frontalface_alt2.xml";
//opencv裝好後haarcascade_frontalface_alt2.xml的路徑,
//也可以把這個文件拷到你的工程文件夾下然後不用寫路徑名cascade_name= "haarcascade_frontalface_alt2.xml";
//或者cascade_name ="C:\\Program Files\\OpenCV\\data\\haarcascades\\haarcascade_frontalface_alt2.xml"
input_name = argc > 1 ? argv[1] : 0;
}

cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 );

if( !cascade )
{
fprintf( stderr, "ERROR: Could not load classifier cascade\n" );
fprintf( stderr,
"Usage: facedetect --cascade=\"<cascade_path>\" [filename|camera_index]\n" );
return -1;
}
storage = cvCreateMemStorage(0);

if( !input_name || (isdigit(input_name[0]) && input_name[1] == '\0') )
capture = cvCaptureFromCAM( !input_name ? 0 : input_name[0] - '0' );
else
capture = cvCaptureFromAVI( input_name );

cvNamedWindow( "result", 1 );

if( capture )
{
for(;;)
{
if( !cvGrabFrame( capture ))
break;
frame = cvRetrieveFrame( capture );
if( !frame )
break;
if( !frame_ )
frame_ = cvCreateImage( cvSize(frame->width,frame->height),
IPL_DEPTH_8U, frame->nChannels );
if( frame->origin == IPL_ORIGIN_TL )
cvCopy( frame, frame_, 0 );
else
cvFlip( frame, frame_, 0 );

detect_and_draw( frame_ );

if( cvWaitKey( 10 ) >= 0 )
break;
}

cvReleaseImage( &frame_ );
cvReleaseCapture( &capture );
}
else
{
const char* filename = input_name ? input_name : (char*)"lena.jpg";
IplImage* image = cvLoadImage( filename, 1 );

if( image )
{
detect_and_draw( image );
cvWaitKey(0);
cvReleaseImage( &image );
}
else
{
/* assume it is a text file containing the
list of the image filenames to be processed - one per line */
FILE* f = fopen( filename, "rt" );
if( f )
{
char buf[1000+1];
while( fgets( buf, 1000, f ) )
{
int len = (int)strlen(buf);
while( len > 0 && isspace(buf[len-1]) )
len--;
buf[len] = '\0';
image = cvLoadImage( buf, 1 );
if( image )
{
detect_and_draw( image );
cvWaitKey(0);
cvReleaseImage( &image );
}
}
fclose(f);
}
}

}

cvDestroyWindow("result");

return 0;
}

void detect_and_draw( IplImage* img )
{
static CvScalar colors[] =
{
{{0,0,255}},
{{0,128,255}},
{{0,255,255}},
{{0,255,0}},
{{255,128,0}},
{{255,255,0}},
{{255,0,0}},
{{255,0,255}}
};

double scale = 1.3;
IplImage* gray = cvCreateImage( cvSize(img->width,img->height), 8, 1 );
IplImage* small_img = cvCreateImage( cvSize( cvRound (img->width/scale),
cvRound (img->height/scale)),
8, 1 );
int i;

cvCvtColor( img, gray, CV_BGR2GRAY );
cvResize( gray, small_img, CV_INTER_LINEAR );
cvEqualizeHist( small_img, small_img );
cvClearMemStorage( storage );

if( cascade )
{
double t = (double)cvGetTickCount();
CvSeq* faces = cvHaarDetectObjects( small_img, cascade, storage,
1.1, 2, 0/*CV_HAAR_DO_CANNY_PRUNING*/,
cvSize(30, 30) );
t = (double)cvGetTickCount() - t;
printf( "detection time = %gms\n", t/((double)cvGetTickFrequency()*1000.) );
for( i = 0; i < (faces ? faces->total : 0); i++ )
{
CvRect* r = (CvRect*)cvGetSeqElem( faces, i );
CvPoint center;
int radius;
center.x = cvRound((r->x + r->width*0.5)*scale);
center.y = cvRound((r->y + r->height*0.5)*scale);
radius = cvRound((r->width + r->height)*0.25*scale);
cvCircle( img, center, radius, colors[i%8], 3, 8, 0 );
}
}

cvShowImage( "result", img );
cvReleaseImage( &gray );
cvReleaseImage( &small_img );
}