本文档包含数字图像处理中的图像灰度变换和空间滤波两部分实验，包含整个实验过程和原理解释，以及详细的执行代码。代码复制后可在matlab中直接运行。

分析联合变换相关器(JTC)光学加密系统解密图像噪音大、质量差的原因，提出一种非线性JTC 光学加密系统。将JTC 加密图像除以密钥功率谱作为新加密图像。一方面，新加密图像能够消除密钥傅里叶谱振幅分布不均匀引起的噪音，提高解密图像质量。仿真结果表明，Lena 图像的消噪音解密图像和原始图像的相关系数可由0.4104增加到0.7190，均方根(RMS)从0.8154减小到0.7089。二值文本图像的消噪音解密图像和原始图像的相关系数由0.8458 增加到0.9785，RMS 从0.6887 减小到0.4583；另一方面，新加密图像能抵御唯密文攻击(COA)算法的攻击，仿真结果表明，利用COA 算法能从JTC 加密图像恢复出高质量的原始图像信息，但不能从新加密图像恢复出任何原始图像信息，有效提高JTC加密系统的安全性。

研究内容： 车牌定位与字符识别技术以计算机图像处理、模式识别等技术为基础。车牌定位识别主要包括以下四个主要步骤：车牌区域定位、车牌二值化处理、车牌字符分割、车牌字符识别。首先，通过对采集的车牌进行灰度变换、边缘检测、平滑及开闭运算等操作来进行车牌图像预处理工作，并由此得到一种基于车牌颜色纹理特征的车牌定位方法，实现车牌区域定位。接下来通过图像分割对车牌字符分割，本设计采用阈值分割的方法，将已定位出的车牌区域分割为单个字符。最后将分割得到的字符图像与模板库进行匹配识别、输出匹配结果。本设计采用了模板匹配的方法，对输出的字符图像和模板库里的模板进行匹配以得到对应于车牌字符的具体信息。 本设计旨在提高车牌定位识别的精确度，降低对输入图像清晰度要求，并增加所能识别的车牌类型范围，使其能够识别目前市面上大部分车型的车牌。

1、采用灰度线性变换方法（g(x,y)=k*f(x,y)+d）对一幅图像（自定）进行对比度增强、亮度增加和求反三种图像灰度变换。 2、采用灰度阈值变换的方法对一幅图像进行目标图像与背景的二值显示，要求呈现原始图像和灰度阈值变换后图像。 3、采分段灰度线性变换（如图3.1所示）对一幅图像（如图3.2）进行对比度增强。

在matlab下对冈萨雷斯课本中的MPP算法进行近似做了简单实现 适合对课程内容的直观理解

数字图像处理（第三版），（美）冈萨雷斯、伍兹著。图像处理领域的必看经典书籍。pdf扫描版，内容完全，页面清晰。下载后满意请评分，好东西让更多人看到，哪里有不足欢迎在评论中指出~

含有使用VC++创建的demo，并且能够运行。类库中包含基本的操作，例如选择区域，存储图片，复制等，及基本的图像处理方法，如放大，缩小，旋转，直方图，亮度，对比度，颜色空间，模糊等。

基础的图像处理内容，包含部分图像分析的知识。比较适合初学者进行学习。不建议高级人群使用。基础的图像处理内容，包含部分图像分析的知识。比较适合初学者进行学习。不建议高级人群使用。

1. 读入bmp格式的灰度图像和彩色图像(见本目录下的Lena_g.bmp和Lena_c.bmp图像)，在屏幕上显示，然后以新文件名保存。 2. 向灰度图像(Lena_g.bmp)叠加椒盐噪声，显示原图像和加噪后的图像。 3. 对叠加了椒盐噪声的Lena灰度图像，运用3*3的模板进行平均滤波和中值滤波，显示原图像、加噪图像和两种滤波结果图像。 4. 读入Lena灰度图像(如图1所示)，对Lena图像进行直方图均衡化，显示原图像和均衡化后的图像 5. 图2所示图像 f1(m,n)的大小为256×256，中间亮条为128×32，暗处=0，亮处=100。对其进行离散傅里叶变换(DFT)

2022年考题和之前一致