1、“.....图像锐化的功能实现由于设计要求原因，本次设计主要只研究运用梯度算子来实现图像的锐化处理。首先绘制出梯度锐化实现的流程图，流程图如图子程序开始复制图像利用算子求出,方向上梯度求出图像梯度模值利用梯度模值与原图灰度值按比例相加得到锐化图像返回图梯度锐化流程图根据上述流程图，编程实现图像锐化功能。图像锐化前后效果图对比如图平均平滑第次梯度锐化第二次梯度锐化第三次梯度锐化图图像锐化前后对比图由上图可清晰的看到图像经过锐化处理后的变化。图像锐化使原本经过图像平滑后变得模糊的边界轮廓得到了改善，是图像的边缘变得清晰了。但是图像如果经过过度锐化图后两图以后，反而会使图像变得模糊。因此进行图像锐化时需进行适度锐化图像，从而更好的得到所需图像。区域生长图像分割概述图像分割的方法和种类非常多，有些分割算法可以直接用于大多数图像，而另些则只适用于特殊类别的图像。般采用的方法有边缘检测边界跟踪区域生长区域分离和聚合等。本次设计则只研究区域生长的图像分割方法。图像分割算法般给予图像灰度只的不连续性或其相似性。不连续性是给予图像灰度的不连续变化分割图像......”。

2、“.....如阈值分割区域生长等。图像分割在科学研究和工程技术领域有着广泛的应用。在工业上，应用于矿藏分析无接触式检测产品的精度和纯度分析等在生物医学上，应用于计算机断层图像光透视核磁共振病毒细胞的自动检测和识别等交通上，应用于车辆检测车种识别车辆跟踪等另外，在机器人视觉神经网络身份鉴定图像传输等各个领域都有着广泛的应用。区域生长区域生长是根据事先定义的准则将像素或者子区域聚合成更大区域的过程。其基本思想是从组生长点开始生长点可以是单个像素，也可以为个小区域，将与该生长点性质相似的相邻像素或者区域与生长点合并，形区域生长后的图形。由图对比可见，当阈值为时得到的区域生长后的图形最接近完整的肝脏，所以在后面提取区域时运用阈值为的区域生长图进行提取，以便得到更好的肝脏提取效果图。但此区域生长方法有个缺陷，会使得到的图形产生很多小孔，这将由下个提取区域功能中加入个图像腐蚀功能来改善这缺陷。在编写区域生长的程序时需注意阈值的选择，如果阈值太大，容易导致溢出，使程序不能正常运行如果阈值太小，则无法得到所需的图像。提取区域提取区域的功能是在图像进行过区域生长以后......”。

3、“.....在原图中提取并显示出来，从而提取出了原图腹腔中的肝脏部分。提取区域后的图像如图所示图提取区域后的图像上图是未经过腐蚀直接进行提取区域后得到的图像，由于直接进行提取区域,,,附录系统实现主程序读入图像生成对象，即打开选择图片对话框,选择图片后返回程序获得图片地址自带字符操作类转化为字符串读入图片图片备份读入图片标志显示图片判断是否有图片,生成类型对话框对象生成尺寸对话框对象,获取平滑类型,获取尺寸并判断平滑显示平滑后图像图像显示函数获取句柄获取图像框大小尺寸,判断读入图成新的生长点，重复此过程直到不能生长为止。生长点和相邻区域的相似性判据可以是灰度值纹理颜色等多种图像信息。区域生长般有个步骤。选择合适的生长点。确定相似性准则即生长准则。确定生长停止条件。般来说，在无像素或者区域满足加入生长区域条件时，区域生长就会停止。图给出个区域生长的实例图为原图像，数字表示像素的灰度。以灰度为的像素为初始的生长点，记为,。在领域内，生长准则是待测点灰度值与生长带你灰度值相差为或者。那么，图所示，第次区域生长后,,与中心点灰度值相差都为，因而被合并。第二次生长后......”。

4、“.....第三次生长后，如图所示,被合并，至此，已经不存在满足生长准的的像素点，生长停止。原图像灰度矩阵生长点第次区域生长结果第二次区域生长结果第三次区域生长结果区域生长的优势和劣势优势区域生长通常能将具有相同特征的联通区域分割出来。区域生长能提供很好的边界信息和分割结果。区域生长的思想很简单，只需要若干种子点即可完成。在生长过程中的生长准则可以自由的指定。可以在同时刻挑选多个准则。劣势计算代价大。噪声和灰度不均可能会导致空洞和过分割。对图像中的阴影效果往往不是很好。区域生长的实现首先绘制出区域生长实现的流程图，如图所示子程序开始图像预处理锐化选择种子点迭代判断区域产生二值化图像返回图区域生长流程图根据上述流程图，可编程实现区域生长功能。在读入图片点击区域生长功能键以后，系统会自动弹出个名为的对话框，如图所示图点击区域生长按键后弹出的对话框此时......”。

5、“.....种子点选择过后，程序会自动关闭该对话框回到主界面显示区域生长后的图片。图像区域生长后效果图如图当阈值为时的区域生长图当阈值为时的区域生长图当阈值为时的区域生长图当阈值为时的区域生长图当阈值为时的区域生长图图图像区域生长后效果图区域生长是经过在图像上选取个点作为第个种子点，并设定个阈值。然后将种子点的像素与周围点的灰度值相比较，他们的差值小于设定的阈值时就将其作为另个种子点这样循环比较下去，直到种子点周围点灰度差值大于阈值才停止。然后将满足条件即与种子点差值小于阈值的点记录并留下来在图像中显示，从而得到如图的片。最简单的方法就是用该点的梯度幅度代替该点的灰度。此方法的缺点就是增强的图像仅仅是灰度变换比较陡峭的边缘轮廓，而灰度变化比较平缓或者比较均匀的地方则呈现黑色。为了突出物体的边缘，常常采用梯度值的改进算法，将图像各个点的梯度值与阈值作比较，如果大于阈值，该像素点的灰度值用其梯度值表示，否则用个固定的灰度值表示。综上所述，图像锐化算法主要包括三方面内容算取合适的梯度算子如拉普拉斯算子根据所选用的梯度算子计算图像各点的灰度值......”。

6、“.....就是把量化后的信号变换成代码，其相反的过程称为译码。当然，这里的编码和译码与差错控制编码和译码是完全不同的，前者是属于信源编码的范畴。在现有的编码方法中，若按编码的速度来分，大致可分为两大类低速编码和高速编码。通信中般都采用第二类。编码器的种类大体上可以归结为三类逐次比较型折叠级联型混合型。在逐次比较型编码方式中，无论采用几位码，般均按极性码段落码段内码的顺序排列。通过抽样量化编码三个步骤将模拟连续信号转换为数字编码。下面结合折线的量化来加以说明。表段落码表段内码在折线法中，无论输入信号是正是负，均按段折线个段落进行段落序号段落码量化级段内码编码。若用位折叠二进制码来表示输入信号的抽样量化值，其中用第位表示量化值的极性，其余七位第二位至第八位则表示抽样量化值的绝对大小。具体的做法是用第二至第四位表示段落码，它的种可能状态来分别代表个段落的起点电平。其它四位表示段内码，它的种可能状态来分别代表每段落的个均匀划分的量化级。这样处理的结果，个段落被划分成个量化级......”。

7、“.....输出数值对应的折叠码为。设为位码的个比特，其安排如下极性码段落码段内码根据这种安排，段落码及段内码所对应的段落及电平值如表所示表段落电平关系段落时间连续的模拟信号变换为时间离散信号的过程。利用预先规定的有限个电平来表示模拟抽样值的过程称为量化。抽样是把个时间连续信号变换成时间离散的信号，而量化则是将取值连续的抽样变换成取值离散的抽样。编码就是把量化后的抽样信号变换成给定字长的二进制代码。在这次的课程设计中感受到了定的收获，巩固了这学期所学知识，对有了进步的了解。学会了如何查找资料，养成了独立思考和解决问题的能力。通过这次设计，我掌握了编码的工作原理及系统的工作过程，进步学习仿真软件的使用方法，并学会通过出译码器图原理方框图要求使用工具箱进行仿真并对模拟信号进行量化处理，观察均匀量化和非均匀量化的波形。第二章脉冲编码原理概述过程分析即脉冲编码调制，在通信系统中完成将模拟信号变成数字信号功能。的实现主要包括三个步骤完成抽样量化编码。是把连续的输入信号变换为在时间域和振幅域上都离散的量，然后再把它变换为二进制代码进行传输。其功能是完成模数转换，实现连续消息数字化......”。

8、“.....首先由已受噪声干扰的波形中进行检测和再生，从而恢复原来的信号。然后由译码设备把代码还原为量化的采样值。最后经过低通滤波器恢复原信号，完成与发送端相反的变换，即实现数模转换。根据的建议，为改善小信号量化性能，采用压扩非均匀量化，有两种建议方式，分别为律和律方式，我国采用了律方式，由于律压缩实现复杂，常使用折线法编码,采用非均匀量化编码示意图见下图。图原理框图本次课设，我们只研究脉冲编码这部分，即采样量化编码三个过程。图脉冲编码调制原理译码采样量化编码脉冲再现噪声变换信道定时变换低通滤波适的处理方法。图像锐化的功能实现由于设计要求原因，本次设计主要只研究运用梯度算子来实现图像的锐化处理。首先绘制出梯度锐化实现的流程图，流程图如图子程序开始复制图像利用算子求出,方向上梯度求出图像梯度模值利用梯度模值与原图灰度值按比例相加得到锐化图像返回图梯度锐化流程图根据上述流程图，编程实现图像锐化功能。图像锐化前后效果图对比如图平均平滑第次梯度锐化第二次梯度锐化第三次梯度锐化图图像锐化前后对比图由上图可清晰的看到图像经过锐化处理后的变化......”。

9、“.....是图像的边缘变得清晰了。但是图像如果经过过度锐化图后两图以后，反而会使图像变得模糊。因此进行图像锐化时需进行适度锐化图像，从而更好的得到所需图像。区域生长图像分割概述图像分割的方法和种类非常多，有些分割算法可以直接用于大多数图像，而另些则只适用于特殊类别的图像。般采用的方法有边缘检测边界跟踪区域生长区域分离和聚合等。本次设计则只研究区域生长的图像分割方法。图像分割算法般给予图像灰度只的不连续性或其相似性。不连续性是给予图像灰度的不连续变化分割图像，如针对图像的边缘有边缘检测边界跟踪等算法相似性是依据事先制定的准则将图像分割为相似的区域，如阈值分割区域生长等。图像分割在科学研究和工程技术领域有着广泛的应用。在工业上，应用于矿藏分析无接触式检测产品的精度和纯度分析等在生物医学上，应用于计算机断层图像光透视核磁共振病毒细胞的自动检测和识别等交通上，应用于车辆检测车种识别车辆跟踪等另外，在机器人视觉神经网络身份鉴定图像传输等各个领域都有着广泛的应用。区域生长区域生长是根据事先定义的准则将像素或者子区域聚合成更大区域的过程。其基本思想是从组生长点开始生长点可以是单个像素，也可以为个小区域......”。