摄影类实习报告汇编8篇
在人们越来越注重自身素养的今天，报告的适用范围越来越广泛，我们在写报告的时候要注意涵盖报告的基本要素。那么什么样的报告才是有效的呢？以下是小编为大家整理的摄影类实习报告8篇，欢迎阅读与收藏。
摄影类实习报告 篇1实习内容：拍摄短剧《火花》，完成后期制作。
孩童的时候，看着电视和电影里精彩的节目和演员的表演，心中的疑惑油然而生，那么小的电视机怎么会有这么丰富精彩的场面呢?到底里面的人和物是真的还是假的?这个问题确实在我的脑海了盘踞了好长的一段时间。这究竟是什么回事呢?随着年龄的增长，自己也开始揭开它神秘的面纱。每次看电视看电影都会看到一些工作人员肩上扛着一个机器，我知道那是拍摄用的仪器。看着工作人员扛着它转一圈就后就把所需要的东西拍下来了。看的时候挺容易的，也挺羡慕的，什么时候我也有机会过一下瘾呢。这个机会终于来了。
原本计划的学期末的校外实习，因为甲流的流行，学校给我们安排了校内的实习的内容，就是我们这次的摄影摄像实训，在我们组所有成员的共同努力下，我们的工作也进入了后期的制作过程，很开心，很高兴，又一部属于我们自己的电影即将面世了，虽然它比不上那些大导演拍摄的，比不上那些获奖的校园短剧，但是我们还是很欣慰，因为里面是我们成员的心血，我们为之付出很多，所以我们对我们的创作还是很满意的，即完成了学校留给的实践任务，又创作了属于自己的电影，我们没有理由不高兴，下面就先简单谈谈我们电影的 ……此处隐藏12087个字……处理、影象匹配、匹配结果的编辑、DEM 生成、DOM 及等高线影象生成、叠加影象生成、矢量测图、图廓整饰等。 通过本次实习使学生掌握摄影测量的内涵、摄影测量的基础知识、解析摄影测量原理 与方法、双像解析摄影测量，了解并能够理论与实际相联系，解决实际生产中的问题。 在完成以上的内容后，我们紧接着要做的是编写 K 平均区域分割程序，其基本原理是 将图像初步分成 K 个区域， 计算每个区域的灰度平均值， 将图像中每一像素分别与 K 个区域 灰度平均值进行比较，差值最小的区域与该像素最为接近，该像素分配给对应区域。
整个图像扫描完成，重新计算每个区域的灰度平均值，重复上述比较. K-均值算法是迭代算法，每完成一次图像迭代，区域灰度平均值就重新计算一次，经过 多次迭代，使区域灰度平均值趋于稳定。 K 平均区域分割算法步骤： (1)任意选择 K 个初始区域，计算每个区域的灰度平均值。 Z1 , Z 2 , ?，Z K (2)使用最小距离判别准则，将图像全部像素分配给 K 类区域; i j 即对所有的 则判该像素属于第 i 类区域。 (3)用步骤(2)分类结果，重新计算各区域灰度平均值，并以此作为新的区域均值; (4)比较两次区域均值之差，若小于某一阈值，则类中心稳定，终止算法;否则返回 步骤(2) 。 参数设定：图像初始分割区域数 K=2*2，两次区域灰度平均值之差(阈值)=10 。编写 与调试图像 K 平均区域分割程序，输入图像名： eight.tif 。 完成以上步骤后， 我们的摄影测量的实习就算告一段落了。 实习虽然只有短短的一周时 间，但我学到了很多东西，让我更加深刻的了解了摄影测量学，把平时所学到的理论知识更 加真实的呈现在我面前，希望以后还会有这样的实习。
