数字图像处理课后习题汇总

数字图像处理是一门涉及计算机视觉和图像处理的学科。通过这门课程的学习，我们可以掌握数字图像的基本概念、原理和方法，以及如何应用这些技术来解决实际问题。下面是一些常见的数字图像处理课后习题，供大家参考。

1. 图像灰度化
   题目描述：给定一张彩色图像，将其转换为灰度图像。
   解题思路：图像灰度化可以通过取像素的R、G、B三个通道的平均值来实现，也可以使用其他灰度化算法，如加权平均法、最大值法等。
   示例代码（Python）：

   import cv2
   img = cv2.imread('image.jpg') # 读取彩色图像
   gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换为灰度图像

2. 图像二值化
   题目描述：给定一张灰度图像，将其转换为二值图像。
   解题思路：图像二值化可以通过设定一个阈值来实现，将像素值大于阈值的像素点赋值为白色（或黑色），小于阈值的像素点赋值为黑色（或白色）。常用的二值化算法有Otsu算法、自适应阈值法等。
   示例代码（Python）：

   import cv2
   gray_img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE) # 读取灰度图像
   bin_img = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY)[1] # 二值化处理

3. 图像平滑（滤波）
   题目描述：给定一张图像，对其进行平滑处理，以减少噪声和细节。
   解题思路：图像平滑可以使用各种滤波器来实现，如均值滤波器、高斯滤波器、中值滤波器等。这些滤波器可以在空间域或频率域对图像进行处理。
   示例代码（Python）：

   import cv2
   img = cv2.imread('image.jpg') # 读取图像
   smooth_img = cv2.GaussianBlur(img, (5, 5), 0) # 高斯滤波平滑处理

4. 边缘检测
   题目描述：给定一张图像，检测其边缘。
   解题思路：边缘检测可以通过各种边缘检测算子来实现，如Sobel算子、Prewitt算子、Canny算子等。这些算子可以在空间域对图像进行处理，通过检测像素值的变化来检测边缘。
   示例代码（Python）：

   import cv2
   img = cv2.imread('image.jpg') # 读取图像
   border_img = cv2.Canny(img, 100, 200) # Canny边缘检测处理