图像处理技术论文范文

前言：我们精心挑选了数篇优质图像处理技术论文文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。

第1篇

基于图像采集卡的视频图像处理系统

计算机图像处理系统从系统层次上可分为高、中、低档三个层次，目前一般比较普及的是低档次的系统，该系统由CCD（摄像头）、图像采集卡、计算机三个部分组成，其结构简单，应用方便，效果也比较不错，得到的图像较清晰。目前网上基于VC开发经验的文章不少，可是关于如何在VC开发平台上使用图像采集卡的文章确没发现，笔者针对在科研开发中积累的使用图像采集卡经验，介绍如何自己是如何将采集卡集成到图像开发系统中，希望能够给目前正需要利用图像采集卡开发自己的图像处理系统的朋友有所帮助。

使用的摄像机采用台湾BENTECHINDUSTRIAL有限公司生产的CV-155L黑白摄像机。该摄像机分辨率为752x582。图象采集卡我们采用北京中科院科技嘉公司开发的基于PCI总线的CA-MPE1000黑白图象采集卡。使用图像采集卡分三步，首先安装采集卡的驱动程序，并将虚拟驱动文件VxD.vxd拷贝到Windows的SYSTEM目录下；这时候就可以进入开发状态了，进入VC开发平台，生成新的项目，由于生产厂家为图像采集卡提供了以mpew32.dll、mpew32.lib命名的库文件，库中提供了初始硬件、采集图像等函数，为使用这些函数，在新项目上连接该动态库；最后一步就是采集图像并显示处理了，这一步要设置系统调色板，因为采集卡提供的是裸图形式，既纯图像数据，没有图像的规格和调色板信息，这些需要开发者自己规定实现，下面是实现的部分代码：

CTestView::CTestView()

{

W32_Init_MPE1000();//初始化采集卡

W32_Modify_Contrast(50);//下面的函数是为了对采集卡进行预设置

W32_Modify_Brightness(45);//设置亮度

W32_Set_HP_Value(945);//设置水平采集点数

wCurrent_Frame=1;//当前帧为1，获取的图像就是从这帧取得的

//设置采集信号源，仅对MPE1000有效

W32_Set_Input_Source(1);

W32_CACardParam(AD_SETHPFREQ,hpGrabFreq);

W32_Set_PAL_Range(1250,1024);//设置水平采集范围

W32_Set_VGA_Mode(1);

wGrabWinX1=0;//采集窗口的左上角的坐标

wGrabWinY1=0;

firstTime=TRUE;

bGrabMode=FRAME;

bZipMode=ZIPPLE;

/

lpDib=NULL;//存放获取的图像数据

}

CTestView::~CTestView()

{

W32_Close_MPE1000();//关闭采集卡

}

////显示采集的图象，双击鼠标采集停止

voidCTestView::OnGraboneframe()

{

//TODO:Addyourcommandhandlercodehere

wCurrent_Frame=1;

//设置采集目标为内存

W32_CACardParam(AD_SETGRABDEST,CA_GRABMEM);

//启动采集

if(lpDib!=NULL)

{

GlobalUnlock(hglbDIB);

GlobalFree(hglbDIB);

}

//分配内存

hglbDIB=GlobalAlloc(GHND,(DWORD)wImgWidth*(DWORD)wImgHeight);

lpDib=(BYTE*)GlobalLock(hglbDIB);

hdc=GetDC()->GetSafeHdc();

if(lpDib!=NULL)

{

cxDib=wImgWidth;

cyDib=wImgHeight;

SetLogicPal(hdc,cxDib,cyDib,8);

SetStretchBltMode(hdc,COLORONCOLOR);

bGrabMark=TRUE;

while(bGrabMark==TRUE)

{

if(msg.message==WM_LBUTTONDBLCLK)

bGrabMark=FALSE;

W32_ReadXMS2Buf(wCurrent_Frame,lpDib);

SetDIBitsToDevice(hdc,0,0,cxDib,cyDib,0,0,

0,cyDib,(LPSTR)lpDib,

bmi,

DIB_RGB_COLORS);

}

//停止采集

W32_CAStopCapture();

::ReleaseDC(GetSafeHwnd(),hdc);

return;

}

////将下面这个函数添加在视图类的CTestView::OnSize（）函数中，就可以对系统的调色板进行设置。

voidWINAPIInitLogicPal(HDChdc,shortwidth,shortheight,WORDbitCount)

{

intj,i;

shortcxDib,cyDib;

LOGPALETTE*pLogPal;

j=256

if((pLogPal=(LOGPALETTE*)malloc(sizeof(LOGPALETTE)+(j*sizeof(PALETTEENTRY))))==NULL)

return;

pLogPal->palVersion=0x300;

pLogPal->palNumEntries=j;

for(i=0;ipLogPal->palPalEntry[i].peRed=i;

pLogPal->palPalEntry[i].peGreen=i;

pLogPal->palPalEntry[i].peBlue=i;

pLogPal->palPalEntry[i].peFlags=0;

}

hPal=::CreatePalette(pLogPal);

deletepLogPal;

::SelectPalette(hdc,hPal,0);

::RealizePalette(hdc);

cxDib=width;cyDib=height;

if((bmi=(BITMAPINFO*)malloc(sizeof(BITMAPINFOHEADER)+j*sizeof(RGBQUAD)))==NULL)

return;

//bmi为全局变量，用于显示图像时用

bmi->bmiHeader.biSize=40;

bmi->bmiHeader.biWidth=cxDib;

bmi->bmiHeader.biHeight=cyDib;

bmi->bmiHeader.biPlanes=1;

bmi->bmiHeader.biBitCount=bitCount;

bmi->bmiHeader.biCompression=0;

bmi->bmiHeader.biSizeImage=0;

bmi->bmiHeader.biXPelsPerMeter=0;

bmi->bmiHeader.biYPelsPerMeter=0;

bmi->bmiHeader.biClrUsed=0;

bmi->bmiHeader.biClrImportant=0;

for(i=0;ibmi->bmiColors[i].rgbBlue=i;

bmi->bmiColors[i].rgbGreen=i;

bmi->bmiColors[i].rgbRed=i;

bmi->bmiColors[i].rgbReserved=0;

}

}

视频"画中画"技术

"画中画"这个概念类似与彩色电视机"画中画"，就是在一幅大的图像内显示另外一幅内容不同的小的图像，小图像的尺寸大小一般地说为大图像尺寸的1/4或1/9，显示位置在大图像的右上角。这种技术不仅在电视技术中，在可视电话系统也可以发现这种技术的身影，它们都是依靠硬件来实现的，但是如何在VC开发平台上用编程语言来将该功能添加到自己开发的视频监控软件，为使用者提供更大的信息量呢？也许读者最容易想到的是首先显示大图像，然后再在一个固定位置画第二幅小图像，这种技术技术如果对于静止图像当然没有问题，但是对于视频流，由于每一秒钟需要画25幀，即25幅图像，这样一来计算机需要不停的画不停的擦除，会给用户以闪烁的感觉，如何解决这个问题呢？有的参考书上将大小图像分快显示，这种方法要将待显示的图像数据与显示位置的关系对应起来，容易出错不说，而且麻烦，且速度慢，为此，我对该方法进行了改进，得到了满意的效果。实现的代码如下：

voidpictureinpicture()

{

………………………..

CBitmapbitmap,*oldmap;

pData1=(BYTE*)newchar[biWidth*biHeight*3];//biWidth和biHeight为视频采集卡获取//的图像尺寸。

Read(pData1,bih.biWidth*bih.biHeight*3);//该函数从采集卡中获取数据

CClientDCdc(this);

m_pBMI1=newBITMAPINFO;//自定义的BMP文件信息结构，用于后面的图像显示

m_pBMI1->bmiHeader.biBitCount=24;

m_pBMI1->bmiHeader.biClrImportant=0;

m_pBMI1->bmiHeader.biClrUsed=0;

m_pBMI1->bmiHeader.biCompression=0;

m_pBMI1->bmiHeader.biHeight=biHeight;

m_pBMI1->bmiHeader.biPlanes=1;

m_pBMI1->bmiHeader.biSize=40;

m_pBMI1->bmiHeader.biSizeImage=WIDTHBYTES(biWidth*8)*biHeight*3;

m_pBMI1->bmiHeader.biWidth=biWidth;

m_pBMI1->bmiHeader.biXPelsPerMeter=0;

m_pBMI1->bmiHeader.biYPelsPerMeter=0;

////////////////////////////////////////////////////////////////////////

pData2=(BYTE*)newchar[biWidth1*biHeight1*3];//申请存放小图像的缓冲区

Read(pData2,biWidth1*biHeight1*3);////向该缓冲区读数据

m_pBMI2=newBITMAPINFO;

m_pBMI2->bmiHeader.biBitCount=24;

m_pBMI2->bmiHeader.biClrImportant=0;

m_pBMI2->bmiHeader.biClrUsed=0;

m_pBMI2->bmiHeader.biCompression=0;

m_pBMI2->bmiHeader.biHeight=biHeight1;

m_pBMI2->bmiHeader.biPlanes=1;

m_pBMI2->bmiHeader.biSize=40;

m_pBMI2->bmiHeader.biSizeImage=WIDTHBYTES(biWidth1*8)*biHeight1*3;

m_pBMI2->bmiHeader.biWidth=biWidth1;

m_pBMI2->bmiHeader.biXPelsPerMeter=0;

m_pBMI2->bmiHeader.biYPelsPerMeter=0;

//下面实现画中画的显示

CDCMemDc;

MemDc.CreateCompatibleDC(&dc);

bitmap.CreateCompatibleBitmap(&dc,biWidth,biHeight);

oldmap=MemDc.SelectObject(&bitmap);

::StretchDIBits(MemDc.m_hDC,0,0,biWidth,biHeight,0,0,—biWidth,biHeight,pData1,m_pBMI1,DIB_RGB_COLORS,SRCCOPY);//首先将大图像画在内寸上下文中

::StretchDIBits(MemDc.m_hDC,20,20,biWidth1,biHeight1,_

0,0,biWidth1,biHeight1,pData2,m_pBMI2,DIB_RGB_COLORS,SRCCOPY);//再将小图像画在内寸上下文中

::StretchBlt(dc.m_hDC,0,0,bih.biWidth,bih.biHeight,_

MemDc.m_hDC,0,0,bih.biWidth,bih.biHeight,SRCCOPY);//将结果显示在屏幕上。

MemDc.SelectObject(oldmap);

deletepData1;

deletem_pBMI1;

第2篇

基于图像采集卡的视频图像处理系统

计算机图像处理系统从系统层次上可分为高、中、低档三个层次，目前一般比较普及的是低档次的系统，该系统由CCD（摄像头）、图像采集卡、计算机三个部分组成，其结构简单，应用方便，效果也比较不错，得到的图像较清晰。目前网上基于VC开发经验的文章不少，可是关于如何在VC开发平台上使用图像采集卡的文章确没发现，笔者针对在科研开发中积累的使用图像采集卡经验，介绍如何自己是如何将采集卡集成到图像开发系统中，希望能够给目前正需要利用图像采集卡开发自己的图像处理系统的朋友有所帮助。

使用的摄像机采用台湾BENTECHINDUSTRIAL有限公司生产的CV-155L黑白摄像机。该摄像机分辨率为752x582。图象采集卡我们采用北京中科院科技嘉公司开发的基于PCI总线的CA-MPE1000黑白图象采集卡。使用图像采集卡分三步，首先安装采集卡的驱动程序，并将虚拟驱动文件VxD.vxd拷贝到Windows的SYSTEM目录下；这时候就可以进入开发状态了，进入VC开发平台，生成新的项目，由于生产厂家为图像采集卡提供了以mpew32.dll、mpew32.lib命名的库文件，库中提供了初始硬件、采集图像等函数，为使用这些函数，在新项目上连接该动态库；最后一步就是采集图像并显示处理了，这一步要设置系统调色板，因为采集卡提供的是裸图形式，既纯图像数据，没有图像的规格和调色板信息，这些需要开发者自己规定实现，下面是实现的部分代码：

CTestView::CTestView()

{

W32_Init_MPE1000();//初始化采集卡

W32_Modify_Contrast(50);//下面的函数是为了对采集卡进行预设置

W32_Modify_Brightness(45);//设置亮度

W32_Set_HP_Value(945);//设置水平采集点数

wCurrent_Frame=1;//当前帧为1，获取的图像就是从这帧取得的

//设置采集信号源，仅对MPE1000有效

W32_Set_Input_Source(1);

W32_CACardParam(AD_SETHPFREQ,hpGrabFreq);

W32_Set_PAL_Range(1250,1024);//设置水平采集范围

W32_Set_VGA_Mode(1);

wGrabWinX1=0;//采集窗口的左上角的坐标

wGrabWinY1=0;

firstTime=TRUE;

bGrabMode=FRAME;

bZipMode=ZIPPLE;

/

lpDib=NULL;//存放获取的图像数据

}

CTestView::~CTestView()

{

W32_Close_MPE1000();//关闭采集卡

}

////显示采集的图象，双击鼠标采集停止

voidCTestView::OnGraboneframe()

{

//TODO:Addyourcommandhandlercodehere

wCurrent_Frame=1;

//设置采集目标为内存

W32_CACardParam(AD_SETGRABDEST,CA_GRABMEM);

//启动采集

if(lpDib!=NULL)

{

GlobalUnlock(hglbDIB);

GlobalFree(hglbDIB);

}

//分配内存

hglbDIB=GlobalAlloc(GHND,(DWORD)wImgWidth*(DWORD)wImgHeight);

lpDib=(BYTE*)GlobalLock(hglbDIB);

hdc=GetDC()->GetSafeHdc();

if(lpDib!=NULL)

{

cxDib=wImgWidth;

cyDib=wImgHeight;

SetLogicPal(hdc,cxDib,cyDib,8);

SetStretchBltMode(hdc,COLORONCOLOR);

bGrabMark=TRUE;

while(bGrabMark==TRUE)

{

if(msg.message==WM_LBUTTONDBLCLK)

bGrabMark=FALSE;

W32_ReadXMS2Buf(wCurrent_Frame,lpDib);

SetDIBitsToDevice(hdc,0,0,cxDib,cyDib,0,0,

0,cyDib,(LPSTR)lpDib,

bmi,

DIB_RGB_COLORS);

}

//停止采集

W32_CAStopCapture();

::ReleaseDC(GetSafeHwnd(),hdc);

return;

}

////将下面这个函数添加在视图类的CTestView::OnSize（）函数中，就可以对系统的调色板进行设置。

voidWINAPIInitLogicPal(HDChdc,shortwidth,shortheight,WORDbitCount)

{

intj,i;

shortcxDib,cyDib;

LOGPALETTE*pLogPal;

j=256;

if((pLogPal=(LOGPALETTE*)malloc(sizeof(LOGPALETTE)+(j*sizeof(PALETTEENTRY))))==NULL)

return;

pLogPal->palVersion=0x300;

pLogPal->palNumEntries=j;

for(i=0;ipLogPal->palPalEntry[i].peRed=i;

pLogPal->palPalEntry[i].peGreen=i;

pLogPal->palPalEntry[i].peBlue=i;

pLogPal->palPalEntry[i].peFlags=0;

}

hPal=::CreatePalette(pLogPal);

deletepLogPal;

::SelectPalette(hdc,hPal,0);

::RealizePalette(hdc);

cxDib=width;cyDib=height;

if((bmi=(BITMAPINFO*)malloc(sizeof(BITMAPINFOHEADER)+j*sizeof(RGBQUAD)))==NULL)

return;

//bmi为全局变量，用于显示图像时用

bmi->bmiHeader.biSize=40;

bmi->bmiHeader.biWidth=cxDib;

bmi->bmiHeader.biHeight=cyDib;

bmi->bmiHeader.biPlanes=1;

bmi->bmiHeader.biBitCount=bitCount;

bmi->bmiHeader.biCompression=0;

bmi->bmiHeader.biSizeImage=0;

bmi->bmiHeader.biXPelsPerMeter=0;

bmi->bmiHeader.biYPelsPerMeter=0;

bmi->bmiHeader.biClrUsed=0;

bmi->bmiHeader.biClrImportant=0;

for(i=0;ibmi->bmiColors[i].rgbBlue=i;

bmi->bmiColors[i].rgbGreen=i;

bmi->bmiColors[i].rgbRed=i;

bmi->bmiColors[i].rgbReserved=0;

}

}

视频"画中画"技术

"画中画"这个概念类似与彩色电视机"画中画"，就是在一幅大的图像内显示另外一幅内容不同的小的图像，小图像的尺寸大小一般地说为大图像尺寸的1/4或1/9，显示位置在大图像的右上角。这种技术不仅在电视技术中，在可视电话系统也可以发现这种技术的身影，它们都是依靠硬件来实现的，但是如何在VC开发平台上用编程语言来将该功能添加到自己开发的视频监控软件，为使用者提供更大的信息量呢？也许读者最容易想到的是首先显示大图像，然后再在一个固定位置画第二幅小图像，这种技术技术如果对于静止图像当然没有问题，但是对于视频流，由于每一秒钟需要画25幀，即25幅图像，这样一来计算机需要不停的画不停的擦除，会给用户以闪烁的感觉，如何解决这个问题呢？有的参考书上将大小图像分快显示，这种方法要将待显示的图像数据与显示位置的关系对应起来，容易出错不说，而且麻烦，且速度慢，为此，我对该方法进行了改进，得到了满意的效果。实现的代码如下：

voidpictureinpicture()

{

………………………..

CBitmapbitmap,*oldmap;

pData1=(BYTE*)newchar[biWidth*biHeight*3];//biWidth和biHeight为视频采集卡获取//的图像尺寸。

Read(pData1,bih.biWidth*bih.biHeight*3);//该函数从采集卡中获取数据

CClientDCdc(this);

m_pBMI1=newBITMAPINFO;//自定义的BMP文件信息结构，用于后面的图像显示

m_pBMI1->bmiHeader.biBitCount=24;

m_pBMI1->bmiHeader.biClrImportant=0;

m_pBMI1->bmiHeader.biClrUsed=0;

m_pBMI1->bmiHeader.biCompression=0;

m_pBMI1->bmiHeader.biHeight=biHeight;

m_pBMI1->bmiHeader.biPlanes=1;

m_pBMI1->bmiHeader.biSize=40;

m_pBMI1->bmiHeader.biSizeImage=WIDTHBYTES(biWidth*8)*biHeight*3;

m_pBMI1->bmiHeader.biWidth=biWidth;

m_pBMI1->bmiHeader.biXPelsPerMeter=0;

m_pBMI1->bmiHeader.biYPelsPerMeter=0;

////////////////////////////////////////////////////////////////////////

pData2=(BYTE*)newchar[biWidth1*biHeight1*3];//申请存放小图像的缓冲区

Read(pData2,biWidth1*biHeight1*3);////向该缓冲区读数据

m_pBMI2=newBITMAPINFO;

m_pBMI2->bmiHeader.biBitCount=24;

m_pBMI2->bmiHeader.biClrImportant=0;

m_pBMI2->bmiHeader.biClrUsed=0;

m_pBMI2->bmiHeader.biCompression=0;

m_pBMI2->bmiHeader.biHeight=biHeight1;

m_pBMI2->bmiHeader.biPlanes=1;

m_pBMI2->bmiHeader.biSize=40;

m_pBMI2->bmiHeader.biSizeImage=WIDTHBYTES(biWidth1*8)*biHeight1*3;

m_pBMI2->bmiHeader.biWidth=biWidth1;

m_pBMI2->bmiHeader.biXPelsPerMeter=0;

m_pBMI2->bmiHeader.biYPelsPerMeter=0;

//下面实现画中画的显示

CDCMemDc;

MemDc.CreateCompatibleDC(&dc);

bitmap.CreateCompatibleBitmap(&dc,biWidth,biHeight);

oldmap=MemDc.SelectObject(&bitmap);

::StretchDIBits(MemDc.m_hDC,0,0,biWidth,biHeight,0,0,—biWidth,biHeight,pData1,m_pBMI1,DIB_RGB_COLORS,SRCCOPY);//首先将大图像画在内寸上下文中

::StretchDIBits(MemDc.m_hDC,20,20,biWidth1,biHeight1,_

0,0,biWidth1,biHeight1,pData2,m_pBMI2,DIB_RGB_COLORS,SRCCOPY);//再将小图像画在内寸上下文中

::StretchBlt(dc.m_hDC,0,0,bih.biWidth,bih.biHeight,_

MemDc.m_hDC,0,0,bih.biWidth,bih.biHeight,SRCCOPY);//将结果显示在屏幕上。

MemDc.SelectObject(oldmap);

deletepData1;

deletem_pBMI1;

deletepData2;

第3篇

随着社会发展，计算机图像处理技术的重要性逐渐被人们发现，将主要朝以下几个方面发展：（1）未来的计算机图像处理技术将会向自动化、智能化、高清晰度、高速传输、三维立体成像等方向发展。（2）计算机图像处理技术将会朝两个方面发展：一是注重实际操作，二是注重运用便捷。向图像处理功能的集中化发展。（3）注重研究先进的算法和理论作为指导。理论是实践的基础，先进的理论可以使未来计算机图像处理技术在实际运用中得到更广泛的发展，所以，必须注重及时对先进理论和方法的研究与开发，这样才能保证计算机图像处理技术的更好应用。先进理论和方法主要包括小波分析、遗传算法、分形几何等方面。

2计算机图像处理技术的组成

计算机图像处理技术是通过计算机对图像分析处理达到需要的结果的一项技术。一般被称作数字图像处理，通过扫描、摄像机等设备经过数字化之后得到二维数组，就是像素。计算机图像处理技术主要包括以下三个部分：（1）图像增强与复原：由于需要改进图片的质量，这就需要对图片进行图像增强，通过低通滤波可以将图片中的噪音去掉；通过高通滤波可以将边缘等高频信号进行增强，使图片清晰。复原则是在已知模型的特定模糊和噪音程度情况下估计出原来图像的技术。（2）图像压缩：由于图像的数据比较巨大，对图片储存和传输都比较困难，因此，需要对图像进行压缩，以节省存储空间和减少传输时间。图像压缩分为对静态图像的不失真压缩方法和用于动态图像的近似压缩方法。（3）图像匹配、描述与识别：这是图像处理的主要目的，得到不再是具有随机分布性质的文件，而是具有明确意义的符号、数值构成的图形。

3计算机图像处理技术的主要应用领域

3.1计算机辅助设计与制造技术

这项技术学科交叉、知识比较密集、应用范围比较广泛，是综合性应用技术，由计算机与制造工程两个技术相互渗透，相互结合。是先进技术的重要组成部分，计算机辅助设计与制造技术是一个国家工业现代化与科技水平的主要衡量标准之一。这项技术在工业领域中最主要的代表就是CAD与CAM这两项实用工具。同时，在建筑设计、装潢设计等领域也应用广泛，也可以用来进行对飞机、汽车等工具的外形设计。当然，在其他方面也应用广泛，而且得到的效果非常好，比如：电路板的印刷、网络分析等等方面。

3.2遥感图像处理系统

遥感技术的发展推动了高质量的不同波段遥感数字图像被广泛运用于农林牧副渔等行业的科技现代化之中。图像处理在遥感技术领域有着十分重要的地位，将来会形成快速成像与信息自动化提取系统，而这个系统也是以图像处理为主。遥感图像处理技术功能将会不断完善，得到更大的发展。

4计算机图像处理技术的发展前景

现代科技的进步使计算机技术得到快速的发展，也就使计算机技术运用在图像处理中有了可能，并且在图像处理中产生了很重要的影响。现在人们对图像的要求越来越高，想要满足人们越来越高的要求，就必须不断进步、不断创新。计算机技术将会越来越广泛的运用于社会中，图像处理技术也会越来越依赖计算机。随着大量的成熟软件的不断被研发，既有专业软件，也有普通软件，可以满足所有人的要求。技术人员应该开发新技术来满足更多、更复杂的图像处理要求，使图像更加的丰富多彩。

5结语

第4篇

1.1加强对Photoshop图像处理应用

案例分析总结就是一种间接的自我学习，通过案例分析总结可以让自己展开丰富的想象力，加强对Photoshop图像处理应用。这是一组人居环境适宜的景观设计效果处理前后变化展示，前一张图片是用3Dmax配合V-ray插件进行渲染的最终效果，为了进一步美化效果图，这是就需要Photoshop图像处理，结合中间这一张照片，采用图层处理、素材插入、调整图层、图层蒙版、创建亮度\对比度调整层等方式最终合成想要的效果。在案例分析过的成中，应注意多观察多总结多思考，设计最终效果的高低，一方面是和自己所拥有的知识水平有关，另一方面还和自己的审美能力高低有关，这就需要告诫我们平时多注意学习，学习不仅仅局限在书本上，还应该多参观欣赏较好的作品，从中得到审美能力的提高。

1.2模仿和创造相结合，提高Photoshop图像处理动手能力

模仿是人的本能天性，是人类进行各种学习活动的最基本方法。在平时的Photoshop图像处理模仿使用中，通常就是通过网上视频，如金鹰视频来自己分析Photoshop软件的各个功能。在视频观看的过程，可以根据视频中的实例操作，最终达到理解，这个过程就是模仿。例如：模仿给图片添加阴影效果，通常情况下，可以选择Photoshop菜单栏图层—图层样式—阴影就可以完成。而通过视频模仿，就可以快速的通过浮动图层菜单，选定此图片图层，并把鼠标快速放到缩略蓝色区域双击就可以打开图层样式浮动菜单完成阴影效果。在提高Photoshop图像处理动手能力上，还要发挥自己的创造能力。例如给此图片添加完阴影后，图层样式还有内外阴影、内外发光、光泽、斜面和浮雕、颜色叠加等方式，我们尝试可以根据图片实际情况试着添加，达到最佳效果。这里就需要发挥创造性对图片处理创新性在里面。

1.3结合科研项目，带动Photoshop图像处理实践能力

如在科研项目：西部山地型小城市人居环境问题及保护策略研究——以商洛市商州区为例上，需要收集大量的本地环境有关的图片素材并进行美化处理，这就可以亲自参与商州区大气质量恶化、丹江主要河流体固体废物污染、交通混乱等图片的处理，

1.4参与企业设计，增强Photoshop图像处理灵活性

参与企业设计，就是参与设计公司的工作。例如：在商洛市西街片区的旧城改造过程中，学生负责收集照片，并对旧城的原始照片进行处理规范化。

2小结

第5篇

[关键词]嵌入式系统；数字图像处理；技术探讨

现今，伴随着信息技术的迅速发展与用户需求的逐年提高，嵌入式系统的应用逐年扩大，已经逐渐的融入到了国民生产的诸多方面。嵌入式系统具体讲，就是一种拥有特定功能的计算机系统。嵌入式系统与网络技术、通信技术有机结合，有效的提高了通信的智能性与灵活性。应用嵌入式系统对图像进行处理，可以显著的提高图像处理系统的数据处理、通信等能力，进而有效的扩大图像处理技术的使用范围，以及对于不同要求与环境的适应能力。应用嵌入式系统进行图像处理，是进行图像处理的新的途径之一。当前图像处理技术应用范围十分广泛，涉及仪表检测安全、消费电子、工业自动化、医学等领域，因此图像处理技术具有十分广泛的应用前景。

1嵌入式图像处理系统特点

1）图像处理系统，具有系统专用的图形用户界面，同时具备运行速度快、简单易用与功能强大的特点。2）图像基础数据库的建立，可以为智能化模式识别技术，诸如图像匹配等提供支持。3）改变了原有的对待处理图像的处理策略与算法，可以依据具体的待处理图像的不同特点，提供有效的图像处理算法，进而提高图像处理的效率与速度。4）对于外部图像的总线结构与输入输出设备等都是采取专用的设备，进而有效的提高了外部图像输入输出设备、中央计算单元的数据交换速度。5）改变了原有的计算机体系结构，应用了嵌入式的专用平台，同时应用图像高速处理器，使图像处理的速度有效的提高，同时也提高了图像处理任务的实时性。

2图像处理系统总体设计

2.1嵌入式图像处理系统

嵌入式图像处理系统，具体由嵌入式操作系统、图像处理算法的应用软件与硬件平台构成。系统的组成结构图具体如图1所示。硬件平台可以为图像处理提供显示、存储器与计算支持，主要采用的是MagicARM2410嵌入式开发平台，同时包括图像存储模块；显示模块；通信模块；嵌入式处理器S3C2410、SDRAM等。

2.2图像处理过程

嵌入式操作系统，可以为底层硬件提供有效的技术支持与管理，诸如可以进行图像处理任务管理；中断管理；内存管理；任务管理；驱动支持等。首先，在系统启动后，经由引导程序启动操作系统，进而完成硬件的初始化。其次，经由操作系统的任务管理模块，进行内存的分配，同时将图像信息存储在存储器的视频缓冲区中。第三，经由软件算法，将显示缓冲区的图像信息，写入到LCD缓冲区，进而实现图像的实时显示。第四，通过图像处理的算法，进行图像的编码与处理，同时进行存储。应用软件可以实现图像处理算法，其主要是针对目标要求编写的专用程序。

2.3系统的功能设计

嵌入式图像处理可以有效的解决在嵌入式环境下实现图像的处理。具体的主要应用模块化设计的方式，将需要系统完成的任务进行功能模块化的设计。在每一个模块中，都包含一类图像处理的操作方法，而且在进行执行时都会调用对应的算法。系统功能模块具体如图2所示，主要分为形态运算；几何变换；图像分析；图像增强。其中图像增强的模块具体又包括：灰度变换调整；直方图修正法；直方图等，具体如图3所示。各大系统模块的下面都会细分图像的处理操作，其余的三个模块的设计形式与图像增强模块的设计具有相似性。

3图像处理系统发展趋势

1）在图像处理系统的内部，主要进行集成软件的开发，对于用户而讲，可以依据自己的需求开发相应的图像处理算法，可以显著的提高系统的效率。2）图像处理系统与网络的结合性逐渐提高，进而实现了图像的远程传输与采集。3）图形处理系统的功能不再完全借助PC与多种辅助设备，而是会集成在一个方便使用的电子设备上。4）伴随硬件设备的进步，图像处理系统的性能逐年提高，因而价格也会逐年下降。

4结语

在嵌入式系统的图像处理技术的基础上，使得图像处理领域中出现了人机用户界面、多种通信模式与网络接口的便捷性。图像处理技术的应用范围越来越广泛，因此，在未来的发展道路上，其必然会朝着网络化、便携性、多任务与多功能的方向发展。伴随着嵌入式操作系统的强大功能，图像处理技术的发展方向必定会更加宽广。

[参考文献]

[1]崔磊,董守平,马红莲.数字图像处理技术的发展现状与展望[M].北京:中国石油大学出版社,2003.

[2]刘禾.数字图像处理及应用[M].北京:中国电力出版社,2005.

[3]杨永敏.嵌入式图像处理系统的研制[D].哈尔滨工业大学硕士学位论文,2006.

[4]杨柯.嵌入式图像处理技术研究及其应用[D].西北工业大学硕士学位论文,2003.

[5]宋延昭.嵌入式操作系统介绍及选型原则[J].工业控制计算机,2005.

[6]严丽平,甘岚.基于嵌入式平台的图像处理系统的研制[J].微计算机信息,2008.

第6篇

    1.1.1医学图像处理的特点及重要性

    医学图像处理技术包括很多方面,如:图像恢复、图像重建、图像分割、图像提取、图象融合、图象配准、图像分析、图像识别等等。进行医学图像处理的最终目的是实际应用于医学辅助、工业区生产、科学研究等方面,所以其具有较广泛的应用价值和研究意义。医学图像处理的对象是各种不同模态的医学影像。在医学临床的使用中,医学影像主要有超声波(UI)、X-射线(X-CT)、核磁共振成像(MRI)、核医学成像(NMI)等。随着计算机技术的发展,医学影像技术已成为一门新兴交叉学科,目前是计算技术与医学结合技术中发展最快的领域之一。借助有力的医学图像处理技术手段,极大的改善了医学影像的质量和显示方法,其成果使临床医生能更直接、更清晰地观察人体内部组织及病变部位,确诊率也得到了提高。这不仅使医学临床诊断水平在现有的医疗设备的基础上得到极大地提高,并且能使医学研究与教学、医学培训、计算机辅助临床外科手术等实现数字化应用,从而为医学研究与发展提供坚实的基础,在医学应用中具有不可估量的实用价值。

    医学图像与普通图像相比,具有以下几方面的特点(1)医学图像具有灰度上的含糊性。表现为两方面:一方面是由于成像技术上的原因带来的噪声扰,往往使物体边缘的高频信号被模糊化;另一方面,由于人体组织的螺动等现象会造成图像在一定程度上产生模糊效应。(2)局部体效应。处于边界上的像素中,通常同时包含了边界和物质,使得难以精确地描述图像中物体的边缘、拐角及区域间的关系,加之假如出现病变组织,则其会侵袭周围正常组织,导致其边缘无法明确界定。

    1.2论文的研究目标及工作

    1.2.1论文主要涉及的三方面基础理论

    论文主要涉及马尔科夫随机场(MRF)理论、模糊集理论及Dempster-shafe证据理论三个方面的基础理论,下面分别作介绍:1)马尔科夫随机场(MRF)理论基于随机场的图像分割方法是一类考虑像素点间的空间关联性的统计学方法。其实质是从统计学的角度出发,将图像中各像素点的灰度值看作是具有一定概率分布的随机变量,从而对数字图像进行建模。Cristian Lorenz等人,在医学图像分割中提出了一种可应用于任意拓扑结构的新型统计模型。根据马尔科夫随机场图像模型,利用最大后验概率准则(MAP),提出一种迭代松弛算法。MRF模型能够区分不同纹理的分布,其特别适用于纹理图像的分割。但使用MRF模型进行分割的关键问题在于参数估计,所以分割的效果往往取决于对参数估计的准确度。为此通常在分割与参数估计间进行轮流迭代计算,例如:先初始化参数,在此基础上分割,再利用分割的结果对参数进行进一步的估计,然后再分割,如此直到满足收敛条件。然而此类方法只能利用单一的图像信息,不能综合利用多种图像信息。

    第二章马尔科夫随机场(MRF、理论及其应用

    马尔科夫随机场简称,是英文Morkov Random Fields的缩写。它包含了两层意思:一个是马尔科夫(Morkov)性质;一个是随机场性质。它是基于统计学的分割方法在医学图像分割的应用中,最为常用的一种方法。图像具有高度的空间信息相关性,而马尔科夫随机场(肿)恰好具有有效描述空间信息相关性的特点,加之其具有完善的数学理论和性质,所以广泛的被应用于图像的处理中,如:图像的恢复、纹理的提取、模板的匹配和图像的分割等。娜于图像的分割,对噪声有很好的抑制作用;同时是基于模型的方法,所以容易与其它方法结合是它的优点。在本文中主要用于脑部—图像的预处理及前期的分割。下面介绍马尔科夫随机场(MRF )的基本理论及其在本文中的应用。

    2.1马尔科夫随机场CMRF )基本理论

    2.1.1一维马尔科夫(MARKOV)随机过程

    过程(或系统)在Zg时刻(即? = /q)的状态己知,若过程在/Q后面的时刻,即的状态与过程在时刻之前(即

    2.2图像中马尔科夫随机场、MRF )模型的建立

    2.2.1邻域系统与势团(Cliques)

    由本文2.1.2小节中马尔科夫随机场(娜)的定义中,任何满足条件1)非负性的概率都由条件2)中的描述马尔科夫(MARKOV)性的条件概率所唯一确定。条件2)中的条件概率所描述的也称为随机场F (本文中也即数字图像)的局部特性。而条件2)中的条件概率的直接求得是很困难的,由概率论中条件概率的公式可知要求的尸C/i    需要知道即需要知道随机场的联合分布,而马尔科夫随机场)是用条件概率来定义的,不能很好反映的联合分布。也就意味着由马尔科夫随机场(MRF )的局部特性来定义整个场的全局特性是存在困难的。以上问题的解决要归功于Hammersley-Clifford定理,该定理给出了马尔科夫随机场随机场(MRF )与吉布斯随机场(GRF )的等价关系,从而可以用吉布斯(Gibbs)分布来求解中的概率分布问题。

    1.1论文研究的目的和意义………………1

    1.1.1医学图像处理的特点及重要性………………       1

    1.1.2医学图像分割中存在的问题、现状及发展………2

    1.1.3医学图像分割的方法………………

    1.2论文的研究目标及工作………………6

    1.3本文组织结构………………9

    第二章马尔科夫随机场(MRF、理论及其应用………………11

    2.1马尔科夫随机场、MRF )基本理论………………    11

    2.2图像中马尔科夫随机场QMRF )模型的建立………12

    2.3估计准则与优化算法………………16

    2.4本章小结………………19

第7篇

【关键词】图像处理 偏微分方程 模型构建 处理步骤

一、图像处理的基本方式

（一）信号分析处理

信号处理的方式是利用空间变化的思路，空间变换的方法就是从早期的频域变换发展而来形成了小波变换。小波变换在时域同时有良好的的局部分析特征，可以实现在多个尺寸上的多分辨特性。小波变换在图像压缩中获得了较好的效果。

（二）随机建模的处理

数字图像在形成的过程中有随机性，所以二维的图形实际是一个随机的场。所及建模的方式是按照随机场对图像域建模，以此描述图像域邻域像素的分布情况，从而完成对图形的描述。通常采用的随机建模方式有高斯混合模型等。随机场模型可以对图形的纹理进行细致描述。

（三）偏微分处理

偏微分方程是一种数学方式，对数字影像进行处理，利用空间域内的像素灰度值进行微分处理，利用二阶方程表征图形中区域边界的特征。微分方程具有各项异性的扩展特征，在不同的图像特征上显示的扩展性能也就不同，所以利用方程迭代处理图形可最大限度的保持边缘特征，同时获得重建的平滑区域。

二、偏微分方程和图像处理的应用

当前利用物理学和力学的变分和偏分方程方法的图像处理技术在计算机图形处理领域已经开辟了新的领域，基于偏分方程的图形处理方式已经获得了重视和良好的效果。其基本的思路就是在一个偏微分方程模型中发展一个图形，一条曲线、一个曲面等，利用求解这个偏微分方程来获得图形处理的期望值。变分和偏微分方程使得数字图像处理进入了一个新的领域。

（一）偏微分方程处理的主要领域

对图形进行去噪处理：图形去噪的典型分析与计算方法是高斯低通滤波器，也即是热扩散方程，因为高斯滤波器在去找的过程中不能保持良好的边缘特征，所以多数研究都是对该特征进行改进，其中较为有效的方式就是由Perona 和 Malik 提出的 P-M 方程，公式如下：

公式中，迭代步长dt，It是迭代项，ΔI则是拉普拉斯算子，c则代表传导系数。其中div是散度算子，代表梯度算子， Δ是拉普拉斯斯算子。在实际的应用中为了保证模型的收敛性，通常利用经验值，取迭代步长dt值为0.25。在此基础上，PDE去噪的基本思路如下：1）在图像相同质量特征的区域内进行减弱噪声扩散的处理；2）控制区域边界未知不扩散，并保持边缘的基本特征。因为P-M是一个病态问题，所以有研究提出对梯度值正则化处理，然后获得相对稳定的P-M方程。有人提出直接使用扩散张量作为扩散项，从而实现张量偏微分的方程模型。这个模型可以在一个方向上获得快速扩散，而在正交的另一个方向缓慢扩散，由此获得边缘去噪的效果。

图形的放大处理：对图像进行插值放大，获得超分辨率的分析。偏微分方程可以按照图像边缘、水平曲线等几何特征实现插值放大。所以偏微分方程可以最大限度的保持边缘的细节特征，同时可以减弱噪声的影响。在研究中提出基于偏微分方程拟合水平集曲线的图形像素重构。也就研究提出了一种复扩散偏微分方程被放大模式，在减弱锯齿效应的同时，可以锐化边缘的特征。

图形的分割处理：图形的分割也是图像处理的重要内容，计算机和图像处理按照使用的图像特征进行分类处理，可以分为基于边界的分割、基于区域的方法，以及混合分割的方法。如按照使用数学工具和模型，其主要的方法有：基于聚类的方法；基于统计学的方法；基于数学形态的方法；基于偏微分方程的方法，主要有蛇形模型等；基于Graph cut的方法。

（二）图像处理的偏微分模型

在图形处理中，偏微分方程模式有很多种，其中一种是在变分原理的基础上对函数进行优化，这个方式首先对一个特定的图形处理模式，通过变分原理实现对能量函数模型的优化，这样就可得到偏微分方程，通过对偏微分方程数值求解由此完成图形的处理任务。如：整体变分能量泛函

利用此模式就可完成对函数的优化。

三、基于偏微分方程的图形处理的步骤

作为图像处理的一个重要工具，在变分和偏微分方程的图像处理的基本框架和基本步骤如下：1）明确实际问题的出现和处理思路建立，因为不同的应用问题有不同的处理思路和特征，因此采用的处理方式也就不同，所以在处理图像问题时应先掌握问题的关键。2）构建相关数学模型，这一步骤是处理图像的重要步骤，其影响的是处理的过程和结果，数学模型构建将直接影响处理的效果，对微分方程、变分方法、微分几何等进行合理选择与组合，以此获得较好的处理结果，提高处理的有效性。3）模型分析：主要是对模型的适应性进行分析，了解模型解是否存在、解是否唯一、方法是否稳定等，4）分析计算：利用数学模式进行求解，进行微分方程的数值分析，利用有限差分、有限元、迭代法等进行计算，这一步骤会影响相关数学求解的收敛性、稳定性、计算量等。5）程序实现：这个步骤是解决问题的最终步骤，这一步骤的一些问题可以导致前面工作的重新修改，必须慎重操作。

四、结束语

偏微分方程是一种高效的数学处理工具，在图像处理中也获得了较好的效果。连续区域上建立模型，方便对实际问题的处理和数值计算。数学上丰富的偏微分方程处理理论和计算方式，对图形处理的理论分析和算法都给予了较大的帮助，同时不断完善的计算和处理方式将帮助偏微分方程提高图像处理的效果。

参考文献：

[1]李艳霞.基于变分偏微分方程的图像分解研究与应用[D].中国海洋大学学位论文，2009.

第8篇

【论文摘 要】全息技术是物理学中的重大发现，近年来在各个行业得到广泛的应用。作为全息技术中的两个重要部分——CCD和计算机图像处理技术，在推动数字全息新一轮发展中起到至关重要的作用。本文将着重从计算机应用方面阐述图像处理技术在全息中的应用。

全息技术是物理学中一重要发现，越来越多的应用于各个行业。伴随着CCD技术和计算机技术的发展，全息技术也得到一次质的飞跃，从传统光学全息到数字全息。传统光学全息将物光和参考光干涉得到全息照片来记录光的振幅和相位信息，而数字全息则用CCD记录物光和参考光的干涉，形成数字全息图，再通过计算机图像处理技术处理全息图。因此，影响数字全息技术发展有两个重要方面：CCD技术和计算机图像处理技术。

1.图像处理技术。图像是现代社会人们获取信息的一个主要手段。人们用各种观测系统以不同的形式和手段获得图像，以拓展其认识的范围。图像以各种形式出现，可视的、不可视的，抽象的、实际的，计算机可以处理的和不适合计算机处理的。但究其本质来说，图像主要分为两大类：一类是模拟图像，包括光学图像、照相图像、电视图像等。它的处理速度快，但精度和灵活性差。另一类是数字图像。它是将连续的模拟图像离散化后处理变成为计算机能够辨识的点阵图像。从数字上看，数字图像就是被量化的二维采样数组。它是计算机技术发展的产物，具有精度高、处理方便和重复性好等特点。

图像处理就是将图像转化为一个数字矩阵存放在计算机中，并采用一定的算法对其进行处理。图像处理的基础是数学，最主要任务就是各种算法的设计和实现。目前，图像处理技术已经在很多方面有着广泛的应用。如通讯技术、遥感技术、生物医学、工业生产、计算机科学等等。根据应用领域的不同要求，可以将图像处理技术划分为许多分支，其中比较重要的分支有：①图像数字化：通过采样和量化将模拟图像变成便于计算机处理的数字形式。③图像的增强和复原：主要目的是增强图像中的有用信息，削弱干扰和噪声，使图像清晰或将转化为更适合分析的形式。③图像编码：在满足一定的保真条件下，对图像进行编码处理，达到压缩图像信息量，简化图像的目的。以便于存储和传输。④图像重建：主要是利用采集的数据来重建出图像。图像重建的主要算法有代数法、傅立叶反投影法和使用广泛的卷积反投影法等。⑤模式识别：识别是图像处理的主要目的。如：指纹鉴别、人脸识别等是模式识别的内容。当今的模式识别方法通常有三种：统计识别法、句法结构模式识别法和模糊识别法。⑥计算机图形学：用计算机将实际上不存在的，只是概念上所表示的物体进行图像处理和显现出来。

2.计算机图像处理技术在全息学中的应用。图像处理技术在全息中的应用主要表现在：一是计算全息，基于计算机图形学将计算机技术与光全息技术结合起来，通过计算机模拟、计算、处理，制作出全息图。因此它可以记录物理上不存在的实物。二是利用图像的增强和复原，图像编码技术等对数字全息图像质进行提高以及实现的各种算法。它的应用大致可以分为两大类，即空域法和频域法：①空域法：这种方法是把图像看作是平面中各个像素组成的集合，然后直接对这一二维函数进行相应的处理。 空域处理法主要有下面两大类:一是领域处理法。其中包括梯度运算(Gradient Algorithm)，拉普拉斯算子运算(Laplacian Operator) ，平滑算子运算(Smoothing Operator)和卷积运算(Convolution Algorithm)。二是点处理法。包括灰度处理 (grey processing)，面积、周长、体积、重心运算等等。②频域法：数字图像处理的频域处理方法是首先对图像进行正交变换，得到变换频域系列阵列，然后再施行各种处理，处理后再反变换到空间域，得到处理结果。这类处包括:滤波、数据压缩、特征提取等处理。

3.模拟实验。本文运用matlab软件，利用图像处理技术，编写了程序，以模拟计算全息和实现全息图像的滤波。

本文将运用matlab程序设计语言实现计算全息的制作、再现过程。标有“涉”一字，图像尺寸为1024像素×1024像素；。模拟实验中用到的参数为：激光模拟了氦氖激光器，波长为638.2nm；再现距离为40cm；因为原始物图的尺寸用像素为单位表示，所以像素分辨率为1。

从模拟实验中可以看出，数字全息的处理过程其实就是计算机图像处理在全息技术的应用过程。利用计算机图像处理技术对全息图进行了记录，将物光和参考光干涉得到了全息图。并利用图像的增强和复原对图像进行了处理，以消除噪声，得到更好的全息再现象。

参考文献

[1]周灿林，亢一澜.数字全息干涉法用于变形测量.光子学报，2004，13（2）：171－173。

[2]刘诚，李银柱，李良钰等.数字全息测量技术中消除零级衍射像的方法[J].中国激光，2001，A28(11)：1024-1026。

第9篇

关键词：计算机视觉技术；C# ；；作物无损检测；软件设计

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）15-3640-03

数字农业和农业物联网技术作为现代农业最前沿的发展领域之一，是当今世界发展农业信息化，实现农业可持续发展的关键和核心技术。数字农业要求快速、实时、准确和定位化的获取植物生长信息，而农业物联网技术要求植物信息可实时动态感知，显然，传统的实验室测量分析和信息获取方法已经不能满足数字农业和农业物联网技术的发展要求。因此，研究和开发植物生命信息快速无损检测技术和传感仪器等软硬件平台已经成为现代农业承待解决的关键问题[1]。

目前，国内在作物无损检测方面的研究仪器主要是依赖进口，而相应的软件也是伴随着仪器而购买。此类软件，一般价格昂贵，而且在自主研究平台中，因为无法取得源代码而无法使用或升级，从而出现研究瓶颈。在各类无损化检测技术中，随着计算机视觉技术越来越广泛的应用，对应的软件系统的开发迫在眉睫[2]。

正是基于这样的背景，我们通过对目前应用比较广泛的C#进行研究，利用C#强大的数据处理能力和良好的用户界面开发，并结合强大的图像处理能力，进行作物实时检测软件平台的自主设计与开发。

1 计算机视觉技术简介

计算机视觉也称机器视觉，是采用摄像机或者数码相机将被检测图像转化为数字信号，再采用先进的计算机软件技术对图像信号进行处理，从而得到所需要的各种目标图像特征值。并由此实现模式识别，坐标计算等功能。然后再根据其结果输出数据，发出指令，再配合执行机构完成好坏筛选，位置调整，数据统计等自动化流程。与人工视觉相比较，计算机视觉的最大的优点是快速、精确、可靠，以及数字化。

随着数字农业和农业物联网技术的发展，计算机视觉技术将越来越广泛的应用于农业生产中，而构成计算机视觉系统的软件系统是整个计算机视觉系统的灵魂。随着硬件技术的不断发展完善，计算机视觉系统其功能是否强大，可以说完全取决于软件系统的能力。

2 软件系统设计

2.1 C#与

C#是由微软公司开发的一种面向对象的新型编程语言，它是从C和C++ 中派生出来的，保留了C/C++原有的强大功能，并且继承了C/C++的灵活性。同时由于是MicroSoft公司的产品，它又同Visual Basic一样具有简单的语法结构和高效的开发能力，可以使程序员快速的编写出基于.NET平台的应用程序。

一个基于C#框架，专门为C#开发者和研究者设计和开发的，这个框架提供了丰富的类库资源，包括图像处理，神经网络，模糊系统，遗传算法，人工智能和机器人控制等领域。该框架架构合理，易于扩展，涉及多个较前沿的技术模块，为相关开发人员或科研人员的工作提供了极大的便利。本系统就是采用C#程序设计语言，通过调用该框架来实现作物无损检查系统的开发。

2.2 系统设计与实现

本软件系统是在数码相机拍摄的作物图像的基础上，采用图像处理方法进行特征提取与分析，从而实现作物的无损检测。主要分为图像输入，图像预处理，特征提取，特征分析几个模块。

1） 图像输入

将要分析处理的图像读取到系统中来，为后面图像处理作准备。C#提供了三个最重要的图像处理类，即Bitmap类、BitmapData类和Graphics类。三种图像处理的方法，即提取像素法、内存法和指针法。从执行效率和实现难度综合考虑，本系统的开发采用内存法。

2） 图像预处理

图像预处理主要包括图像的大小调整，形态矫正，平滑和去噪等，以降低环境对拍摄照片造成的不利影响。提供了多个类，可以对图像进行平滑去噪等操作，本系统中采用了中值滤波算方法，对应中的Median类。

3） 特征提取

特征提取分析，是整个系统的核心所在，需要选取合适的图像分割算法，对图像进行处理，提取目标区域，为特征分析作准备。在本系统中采用了阈值分割技术，因为这种算法相对来说比较直接并且易于实现。

采用阈值分割技术，首先，必需确定一个阈值作为图像分割的阈值，在本系统中，采用自适应阈值法，由用户在软件的操作过程中进行设定，并且可以根据需要进行调整。然后，根据这个阈值对图像进行分割，并将其转化为二值图，如图（b）所示。从图中我们可以看到二值图像中存在大量的小孔，这种太小的孔洞对我们进行图像分析没有实际意义，并且会干扰结果的正确性，因此我们需要采用腐蚀和膨胀的形态学方法来进行填充孔洞，结果如图（C）所示。最后，我们需要根据需要提取目标区，涉及到连通区域的提取问题。最后，输出结果。

4） 特征分析

对图像分割结果进行分析，用于指导生产实践。我们可以对通过图像处理得到的目标区域进行分析，比如可以根据叶片颜色的变化判断叶绿素含量，进而推算出作物的营养状况，根据色素区域的大小计算出叶面积，根据不同区域的形状、大小判断病虫害等。

3 实验结果及分析

软件运行后主界面如图3所示。

为验证本系统的有效性，我们通过设定不同的阈值进行图像分割，并跟photoshop cs4软件中魔棒的工具作对比，来提取图片中的目标区域。测试图片大小为800px×610px，取特征点坐标P（310，70），该点的RGB值为（29，92，0），获取目标区域的总像素和绿色分量平均值，数据如表1所示。

从上述表中我们可以看出，本软件在图像处理目标区域的提取方面，提取到的目标区域较photoshop 提取的小，绿色分量平均值较photoshop更接近特征点数值，由此看出用本软件做图像分割准确性更高。

4 结束语与展望

计算机视觉具有非破坏性、快速、高效、信息量大等特点，目前已在主要的农作物和经济作物的养分诊断，植物病虫害的快速检测及预警预报等方面有了广泛应用，取得了较好的效果。随着计算机视觉技术和图像处理技术的发展，计算机视觉技术将更多的应用于植物长势预测、产量估计等方面。

通过本次研究，开发了一个交互界面良好的色素分量检测系统，能对图像在RGB分量上实现阈值分割，并实现目标区域的获取分析。该文主要提倡一种软件开发的理念，所设计开发的软件的针对性较强，还存在着很多的局限和不足，要作为计算机视觉类的通用软件，系统的稳定性和功能都还有待进一步提升。

参考文献：

[1] 刘飞.基于光谱和多光谱成像技术的油菜生命信息快速无损检查机理和方法研究[D].浙江：浙江大学博士学位论文，2011.

[2] 朱哲燕，陈红.基于MATLAB的作物信息光谱分析平台的设计与开发[J].科技资讯，2012（16）.

[3] 蒋丽华.基于计算机视觉技术的叶绿素含量检测系统[D].苏州：苏州大学硕士学位论文，2009.

[4] 赵春江.C#数字图像处理算法典型实例[M].北京：人民邮电出版社，2009.

[5] 何勇，刘飞，聂鹏程. 数字农业与农业物联网技术[J].农机论坛，2012（1）.

[6] 张起丽.基于数学形态学的彩色图像处理研究[D].西安：西北大学硕士学位论文，2009

[7] 冀高.基于数字图像处理的棉花群体特征提取[D].北京：北京邮电大学硕士学位论文，2007.

第10篇

关键词：PBL模式 数字图像处理 实践教学

中图分类号：TP399 文献标识码：A 文章编号：1007-9416（2013）03-0242-01

在高校教学体系中，数字图像处理成为了包括理工科、农医科在内专业必选课程或者重点选修课程。作为一门理论知识丰富、实践性非常强的高校课程，当前PBL模式已经成为了包括美国在内的多个国家的主要教学模式。

1 PBL模式与数字图像处理结合探索背景

PBL模式作为一种较为先进的教学模式，英文名称Problem-Based Learning，其含义为问题式教学模式或者基于问题的学习模式，PBL模式的主要思路是以问题为前提进行教学的展开活动，这一教学方法的特点在于在教师的直接参与和指导之下，将学生放在主体地位，通过小组讨论的方式，通过以某一具体问题为中心的研究讨论和加强学习的过程，将教学的焦点放在某学科的重要原理以及关键概念之上，通过帮助学生自己构建知识体系的过程，养成学习独立学习、独立思考的基本能力，数字图像处理具有其本身独特的特色。

其一，该门课程的理论知识丰富，知识点较为深奥难懂[1]；其二，日常生活中，应用到的数字图像处理相关课程知识点较多，对学生综合能力要求较高，尤其在工科专业的基础知识学习中要求较高，需要对计算机、数学等学科知识进行综合运用，例如，湖南省某学院部分专业在开设这门课程时，每一学期的课时量为30至40课时，该学院部分立刻专业设置了选修课程的的课时量。依靠传统的教学模式进行数字图像处理已经不适宜当前的教学实际，须对高校包括机械制造专业、自动化等专业的数字图像处理能力进行要求，才能全面提升学生的综合能力。

2 基于PBL模式的实践教学改革方案探索

2.1 对数字图像处理实践教学方式方法的研究

以上述湖南某城市学院为例，为推进数字图像处理的PBL模式改革，该校自行编撰了验证性课程指导实践用书，该书的主要内容包括了30多个实践项目，涵盖了图像分析、图像滤波、数字处理软件的使用以及图像分割等多个板块知识点，该学院学生中计算机普及程度广，所以在进行图像处理实践时可自行下载相关的支持软件。改变以往该课程集中实践方式，升级成分散与集中结合的模式，即第一步学生利用业余时间或者在专门实验室内完成数字图像处理分散实验，第二步教师对学生教学实践中产生的问题进行一对一面谈解决或者利用网络通讯工具解决问题，第三步，通过多次的分散式课程实践活动，利用4个至6个课时进行集中式教学。

2.2 突破数字图像处理理论教学模式

其一，确保在对数字图像处理完整性以及整体性进行维护前提下，在实践教学课堂中尽量避免对数字处理相关公式的重复推导[2]，主要对相关算法以及关键原理进行说明，如在对均衡处理数字图像知识点进行讲解过程中，直接引用推导公式，利用均衡化图像的原理以及关键算法进行处理技术的编程；其二，在对相关的信息进行筛选之后重点对处理图像的算法进行编程和实践应用，在对图像处理边缘检测知识进行运用过程中，可以将Hough的变换、路经检测加强联系，更好进行编程；其三，在解决实践问题的过程中，多进行实例的例举，可利用2至3个课时对实践教学的背景、已有的实践教学成果的、重要技术流程、重要算法进行演示等。

3 基于PBL模式的数字图像处理教学方案设计

仍以湖南某城市学院信息学院为例，从PBL模式出发，针对于数字图像处理建立了处理库，这一项目中涵盖处理图像、分析图像、识别图像等多类别项目，例如“门禁系统视觉识别系统”、“指纹识别”、“二维码检测”等，学院每学期建立了不低于36个的项目，学生可在这些项目中进行选修，另外，以40个课时为标准，数字图形处理理论课程教学学时为30个，实践性教学课时为10个，每周保证3个学时，总共教学时长为13个教学周。

第一，在进行教学的前两个周内，将数字图像处理课程PBL模式实践考察和教学方式进行明确和推介，并将以往的学生实践教学成果进行分享，为学生在选修过程中提供参考，学生进行是否选修的决策；第二，在3至4周，拟定学生课程选修名单，进行实践性教学任务的布置，确定36个以上的实践项目给学生，学生自动组成项目合作，保持每组在3个人左右，学生自行数字图像处理选择题目，对实践项目进行图像加文字型的介绍，尽快确定目标，尽快对实践应用难度进行确定以及评分；第三，在5至6周的时候确定数字图像处理实践目标书，确定相关参考资料；第四，在7周至12周时间内实施实践项目，学生利用课余时间完成分散型实验，这段时间内适当安排集中型实验，对实践项目进行验证，在这一过程中，特别注意积极提出实践项目存在的问题，及时检查问题解决的进度，教师有针对地进行问题解答，帮助实践小组完成任务目标；第五，在第13周时，组成专业或者班级为小组的实践项目答辩，实践项目的成果进行答辩与说明；最后，数字图像处理课程教师完成总结，学生对实践项目进行报告，教师根据实际情况对学生进行打分。

4 结语

基于PBL模式的数字图像处理的教学形式，能帮助高校学生快速了解和吸收处理数字化图像过程中必要的技术、方法与原理等知识点[3]，还能帮助学生掌握数字图像处理实践项目的实践研究方法和思路，提升学生利用图像处理的基础知识灵活解决生活实际问题能力，提升学生的学习积极性以及创新、实践能力，对于全面提升数字图像处理相关课程的教学质量具有重要作用。

参考文献

[1]何林锦，翟云波，李彩亭.项目式实验教学模式及其可行性评价方法[J].实验室研究与探索，2010，29（2）：94-96.

第11篇

关键词：MATLAB，图像增强，边缘检测

 

0 引言

MATLAB是MathsWorks公司的商业软件。从1984年推出至今,经过不断的完善与发展,已成为覆盖多个学科的国际公认优秀的数值计算仿真软件。许多复杂的计算问题只需短短几行代码就能在MATLAB中实现。论文格式。作为一个跨平台软件,MATLAB已推出 Unix, Windows,和 Mac等十多个操作系统的版本,大大方便了在不同操作系统平台下的研究工作,目前基于Windows系统的最新版本是MATLAB7.0,它秉承以往版本的优点并且人机界面友好,非常容易使用。MATLAB语法结构简单，具有高质量的图形可视化效果和强大的界面设计能力，因而在数字图像处理中有着其他语言所无法比拟的优势，已成为近几年来国内外处理图像使用最为广泛的优秀科技软件之一。论文格式。本文在MATLAB7.0及其图象处理工具箱的基础上,介绍MATLAB在图象处理与研究中的应用。

1 MATLAB概述

MATLAB是Matrix Laboratory的缩写,事实上MATLAB既表示一种交互式的数值计算软件,又表示一门高级科学计算语言。MATLAB语言是一种直译式语言,其语法规则非常类似BASIC语言,有编程基础的人很快就可以熟悉并使用它[1]。它把计算、图示和编程集成到一个易用的交互式环境中,用大家熟悉的数学表达式来描述问题和求解方法从而使许多用C或FOR-TRAN实现起来十分复杂费时的问题用MATLAB可以轻松解决。

MATLAB的典型应用包括:数学计算、算法研究、数据分析和可视化、建模与仿真等。其最重要的功能就是进行矩阵的数值运算,它的数值分析、模拟与运算功能非常强大,而且程序结构完整,具有很强的平行移植性。因此,在图像处理、自动控制、语音处理、信号分析等工业领域,MATLAB是研究、开发和分析首选的计算工具。其图像处理工具箱( ImageProcessing Toolbox)提供了将近200种最基本的图像处理函数,利用这些图像处理工具箱,结合其强大的数据处理能力,我们可不必关心图像文件的格式、读写、显示等细节,而把精力集中在算法研究上,大大提高了工作效率。同时,在测试这些算法时既可方便地得到统计数据,又可得到直观图示。

2 利用MATLAB实现图像增强

图像增强技术主要有空域增强和频域增强技术两种：

2.1 空域增强技术

空域法是在原图像上直接进行数据运算,主要是对图像中的各个像素点进行操作。常用的空域增强方法有灰度变换、灰度直方图均衡化。

1.灰度变换

灰度变换是对图像像素灰度值进行修正，使图像灰度值动态范围加大,对比度扩展,成像均匀清晰,达到改善图像质量的目的。用Matlab编程,可以将图像的灰度值调整到一个指定的范围。对图pout.tif进行灰度变换的程序[2]如下

%读入并显示原始图像

I=imread ('pout.tif');

imshow(I);I=double(I);[M,N]=size(I);

%进行线性灰度变换

for i=1:M

for j=1:N

if I(i,j)<=30

I(i,j)=I(i,j);

else if I(i,j)<=150

I(i,j)=(200-30)/(150-30)*(I(i,j)-30)+30;

else

I(i,j)=(255-200)/(255-150)*(I(i,j)-150)+200;

end

end

end

%显示变换后的结果

figure(2);imshow(I);

运行结果如图1所示

（a）原图（b）灰度变换后

图1 Pout原图与灰度变换后的图像

2.灰度直方图均衡化

灰度直方图(histogram)是灰度级的函数,描述图像中每种灰度级像素的个数,反映图像中每种灰度出现的频率。横坐标是灰度级,纵坐标是灰度级出现的频率。用均衡化的方法把原始图像不均衡的直方图变换为均匀分布的形式，增加灰度值的动态范围，达到增强图像整体对比度的效果。以原图circuit.tif为例，执行灰度直方图均衡化的代码如下：

I=imread('circuit.tif');

figure; subplot(221);imshow(I);subplot(222);imhist(I)

I1=histeq(I);

figure;subplot(221);imshow(I1);subplot(222);imhist(I1)

执行后的效果如图2所示

图2 直方图均衡化

2.2 频域增强技术

频域法是从另外一个角度来分析图像信号的特性。即首先将图像从空间域变换到频域,然后进行各种各样的处理,再将所得到的结果进行反变换,从而达到图像处理的目的。

1.采用巴特沃斯低通滤波器去噪。一般图像的边缘和噪声对应与傅立叶变换中的高频部分,所以能够让低频信息通过同时滤掉高频分量,因而此技术能够平滑图像,去除噪声。论文格式。

2.采用巴特沃斯高通滤波器对图像锐化处理。由于图像中灰度发生骤变的部分与其频谱高频分量相对应,可以采用高通滤波器衰减或抑制低频分量,使高频分量畅通并能够对图像进行锐化处理。所以低通滤波后让高频信息通过,在像面上显示了图像的细节,图像边缘部分得到加强。

3.利用小波变换获得图像增强。利用小波变换对图像进行二尺度分解,对感兴趣的部分进行增强。对低频系数进行放大,对高频系数进行缩小,可以有效去除图像的噪声、增强图像轮廓。

对加入椒盐噪声的图像eight.tif作巴特沃斯低通滤波，程序如下

I=imread ('eight.tif');

J=imnoise(I,'salt & pepper',0.02); %给原图像加入椒盐噪声，如图（a）所示

subplot(121);imshow(J);title('含有椒盐噪声的图像');J=double(J);

%采用傅立叶变换

f=fft2 (J);

%数据矩阵平衡

g=fftshift(f);[M,N]=size(f);n=3;d0=20;n1=floor(M/2);n2=floor(N/2);

for i=1:M

forj=1:N

d=sqrt((i-n1)^2-(j-n2)^2);

h=1/(1+(d/d0)^(2*n));

g(i,j)=h*g(i,j);

end

end

g=ifftshift(g);g=uint8(real(ifft2(g)));

subplot(122);imshow(g);

处理结果如图3所示，可以看出巴特沃斯低通滤波对于滤除图像的椒盐噪声非常有效，在噪声图像上的椒盐噪声斑点全部被去除，达到了图像增强的目的。

（a）eight含有椒盐噪声的图像 （b）eight经巴特沃斯低通滤波后的图像

图3 加噪声和经巴特沃斯低通滤波后的图像

3 利用MATLAB实现图像边缘检测

通常不同区域之间的边缘上像素灰度值的变化往往比较剧烈,这是边缘检测方法得以实现的主要假设之一。可以使用累计直方图计算两个阈值,大于高阈值的一定是边缘,小于低阈值的一定不是边缘,介于之间的,看这个像素的邻接像素中有没有超过高阈值的边缘像素,如果有的话那么它就是边缘了,否则它就不是边缘。边缘检测的基本思想首先是利用边缘增强算子,突出图像中的局部边缘,然后定义象素的“边缘强度”,通过设置阈值的方法提取边缘点集。由于噪声和模糊的存在,监测到的边界可能会变宽或在某点处发生间断。因此,边界检测包括两个基本内容:

1.用边缘算子提取出反映灰度变化的边缘点集。

2.在边缘点集合中剔除某些边界点或填补边界间断点,并将这些边缘连接成完整的线。

常用的检测算子有微分算子、拉普拉斯高斯算子和canny算子[3]。MATLAB工具箱提供的edge()函数,可针对Roberts算子、sobel算子、perwitt算子和canny算子实现边缘检测的功能。下面使用这四种算子对图像cameraman.tif进行边缘检测。程序代码如下，效果图如图4所示。

f=imread('cameraman.tif');

subplot(2,2,1);imshow(f);title('原始图像');

[g,t]=edge(f,'roberts',[],'both');

subplot(2,2,2);imshow(g);title('Roberts算子分割的结果');

[g,t]=edge(f,'sobel',[],'both');

subplot(2,2,3);imshow(g);title('sobel算子分割的结果');

[g,t]=edge(f,'prewitt',[],'both');

subplot(2,2,4);imshow(g);title('prewitt算子分割的结果');

(a)原始图像(b)Roberts算子分割结果

(c)sobel算子分割结果(d)perwitt算子分割结果 (e)canny算子割结果

4 结语

MATLAB具有多种强大功能,语言自然,界面友好,开放性强,易学易用,使得它在各行各业的应用范围越来越广,尤其在图像处理方面。总之，MTALAB作为一个强大的数据处理软件为我们进行科学研究提供了极大的方便。

参考文献

[1].张智星MATLAB程序设计与应用[M]清华大学出版社 北京 2002.4

[2].周广芬 李　鹏杨久义 利用MATLAB图像处理工具箱进行图形数字化的研究 [J] 河北科技大学学报 2005.12

[3].魏弘博 吕振肃 蒋田仔 刘新艳 图像分割技术纵览 [J] 甘肃科学学报 第16卷第2期2004.6

第12篇

关键词：视频图像；多项式拟合；简支梁模型；模态参数；振动测试

中图分类号：TN911.7；TU311文献标识码：A 文章编号：

Abstract: The video image vibration testing technique, based on common USB digital camera and PC, is introduced in the paper. The first order modal parameters of the simple beam model is identified adopting the video image vibration testing technique, and comparing the result with the DASP and traditional vibration test Method. Based on Matlab software, the program is developed to obtain structural vibration displacement curves. And the simple beam model of the natural frequencies, damping ratios and mode shapes is determined using modal analysis. The test results show that the vibration testing technique is feasible for low frequency vibration system.

朗读

显示对应的拉丁字符的拼音

Key words: digital video; polynomial fitting; simply supported beam model; modal parameter;vibration testing

图像测量技术[1]表现出其非接触式、无设备损耗、表面全尺度、重复可比性好、环境适应性强、无负载效应等优点，不仅适合静态测量，也可满足动态测量要求，对结构可实现全域高密度检测。数字图像测量技术近年来发展迅速，其对结构边缘识别精度可达到0.05像素，如刘敏提出识别结构一维大变形的数字图像边缘检测法[2]，袁向荣提出的一维DIC法检测结构边缘变形[3]，胡朝辉提出结构振动测试的视频图像技术测试方法 [4]。

本文以数字图像测量技术为理论依据，采用普通数码摄像头和PC机作为硬件设备与matlab软件相结合而成的视频图像振动测试的系统[5]，使用该测试系统在实验室进行简支梁模型的振动测量试验，结果表明对低频结构的振动测量采用该测振系统是可行和可信的。

视频图像振动测试系统简介

视频图像进行振动测量的原理是：使用普通USB摄像头实时拍摄并记录被测对象振动状态下的时间序列图像，对图像用数字图像处理技术处理，得到测试对象准静态的变形序列，进而获得被测对象的振动轨迹。具体测试流程如图1所示：

图1测试流程图

模型试验及结果分析

2.1 试验Ⅰ

采用梁长L=2.1m等截面匀质材料，两端铰支，单位长质量为160g/ m，抗弯刚度EI=21.5N.m2；梁体表面光滑平整，颜色为纯黑色，背景颜色取为白色，拍摄时光照条件良好，以有利于边缘识别。试验简图如图2所示。

图2试验Ⅰ简图

振动试验开始后，对梁进行激励，采集振动稳定后振动状态，采样时间为5s，利用matlab程序处理图像序列[5]，获取各像素点的振动信号，部分结果列于表1中。

表1 实测振动频率与阻尼比

简支梁模型的理论固有频率： ，用数字图像测量所得到的梁的一阶频率为4.1016，误差为0.7%，故数字图像法在桥梁测试中的数据是真实可信的。

2.2 试验Ⅱ

梁长L=2.1m等截面匀质材料，两端铰支，单位长质量为160g/ m，抗弯刚度EI=21.5N.m2；同时采用DASP动力测试系统进行数据采集和处理，试验简图如图3所示。测试结果比较如表2及图4―图7所示。

图3试验Ⅱ简图

表2 视频图像和传统测试实测频率对比表（Hz）

图4视频图像测试拟合不同像素点的一阶图5传统测试前三阶的振型图

本次试验通过用采用DASP动力测试系统来验证数字图像法，二者结果很相近，梁的一阶频率结果比值仅为1.038，具体如表2所示。

结论与建议

简支梁模型动载试验结果表明：

（1）对于动态位移的测量，试验数据均较合理，简支梁模型的二次试验均测出了结构的一阶模态参数，通过验证，测量结果也真实可信，因此认为数字图像振动技术可用于低频振动结构的测试；

（2）但是二次试验均未测出二阶模态参数，经分析认为可能的原因有：响应谱对应二阶频率处的幅值太小以及激励点选取位置不适当以致未能激励出其二阶模态，普通摄像头信噪比低而无法识别也是原因之一。

（3）通过与传统的DASP动力测试系统试验对比，说明相对于传统测试方法，数字图像振动测试技术精度较好；但是传统方法可测得前三阶模态，说明该方法测试分辨率与传统方法有一定的差距；故对于高频、高阶的结构振动测试，能通过高速、高清的图像采集设备，提高其测试分辨率 。

参考文献：

[1] 张红娜,王祁.图像测量技术及其应用[J].电测与仪表，2003，451(40):19-22.

[2] 刘敏.数字图像处理技术在桥梁结构检测中的应用研究[D].广州大学硕士论文，2009.

第13篇

论文摘要：针对硕士研究生在学习“数字图像处理与模式识别”课程中面临的理论与实际脱节、书本知识陈旧和教学手段单一等问题，本文从教材选择、讲授内容和手段、讲授形式和考核方法等方面进行了教学改革的探讨，通过在教学活动中不断实践探索，使学生在学习中不仅学到了丰富的理论知识，而且通过开放的实验环节找到理论应用到实际之中的关键所在，同时带领学生放眼于本领域的热点技术，激发了大家的研究兴趣。本课题已获得“211工程”三期的资助。

1 绪论

学生刚从本科阶段走入研究生阶段，都怀着极大的热情要投身于科学研究中，他们需要通过更多更专业的课程来夯实自身的理论基础，以便使他们能够在科学研究工作中充分发挥自身才华，所以研究生阶段的文化课程具有更强的针对性和实用性。可反观研究生课程现状，选用的教材往往是五年甚至十年之前出版的，其内容已非常陈旧，与信息时代的要求相差甚远；学生反映学到的知识不知如何在实际科研中应用，不了解本领域最新发展方向，学习过程单调枯燥，没有达到研究生课程应有的效果。针对这些问题，作者在多年的教学过程中不断总结原因，不断进行教学改革探索，并在国家“211工程”资助下，开展了研究生“数字图像处理与模式识别”课程的教学改革课题研究。

2 教学改革内容

“数字图像处理与模式识别”课程面对的授课对象包括电子、自动化、计算机、光电、机械、车辆等各个专业的硕士研究生，他们在各自的研究领域都将面临图像处理及识别的实际问题，为了培养学生掌握该领域的基础知识，并能迅速地在研究工作中发挥作用，必须学习本课程，并能灵活应用到各自的研究工作中。本课程从数字图像处理技术的整体知识框架出发，对图像进行一系列处理技术的讨论，经过参数分析与模式识别，使数字图像处理与模式识别技术融为一体，为各个应用领域的理论研究和实际应用奠定基础。

2.1为学生量身打造教材

目前图像处理领域发展非常迅速：3D图像处理技术、3G可视化图像通信技术、高速公路不停车收费技术等都在日常生活中得到广泛的应用，可研究生教材中涉及的教学内容还停留在上世纪90年代的水平，远远不能满足当今社会的需求。为此，作者所在的课题组三位老师撰写的国家“十一五”规划教材《数字图像处理及模式识别（第二版）》，教材更新了一些经典算法，同时根据我们课题组近年在图像处理领域的最新科研成果，将新算法新技术融合到教材当中，使学生能够接触到本领域的前沿技术。另外作为教材的最后一章，作者将一个实际科研项目作为典型实例编入教材中，向学生展示了如何把教材中涉及的理论方法应用到实际工程之中。通过学习本教材，既可掌握经典的图像处理算法，又接触到目前比较先进的图像处理算法，同时又可根据教材提供的很多应用实例和算法源代码，促进学生掌握理论知识与实际问题的结合方法，尽快地运用学到的理论知识进行创新性科学研究。该教材也于2008年获得北京市高等学校精品教材称号。

另外教材附带了一套自主开发的实验软件系统，为学生提供实验平台，包含六个实验：图像的二维傅里叶变换及性质、图像的编码、图像的参数分析、图像的平滑与锐化、图像的运动模糊及去模糊、图像的匹配识别。该软件界面友好，通用性强，结构开放，可二次开发，可以激发学生在完成实验的基础上积极动脑去完善现有实验，开发新的实验。

2.2改进授课内容

根据研究生的特点，课堂上除了讲授基础的理论知识以外，主要针对当前比较热门和先进的数字图像处理方法，以及学生们比较感兴趣的知识点，以专题研讨的形式进行研究和讨论。例如针对预防犯罪分子进行犯罪活动方面，可以通过人脸识别的方法在可视频监控的区域进行自动人脸特征提取，并用犯罪分子图库进行比对。大家对这个技术很感兴趣，对技术细节进行了热烈的讨论，各抒己见，通过这种专题讨论，活跃了课堂气氛，增加了学生主动参与的机会，激发了学生的学习热情和创造灵感。

同时教学中注重设计了一些新颖的课题，留给学生课后思考、调研，课上教师与学生进行研究和讨论，增强教与学的双向互动和交流，避免被动式灌输知识，激发学生的学习积极性、主动性和创造性。

结合实际科研成果，将一些数字图像处理系统的实例引入教学。例如将嵌入式多通道数字图像采集处理系统作为例子，讲解系统实现的原理、图像处理算法的应用及编程实现过程等等，这样既避免了抽象知识的讲授，又满足了学生对数字图像处理系统的软、硬件平台设计方法的掌握，真正达到学以致用。 　2.3讲授手段综合应用

除了常规的教学手段以外，更多地应用现代多媒体技术来授课，包括展示图片、播放视频。恰巧多媒体教学技术本身就是多种数字图像处理技术的一个综合应用，所以利用多媒体教学技术来讲课就是本门课程涉及的各种技术在实际生产生活中的一个很好的应用实例。目前教学主要采用课堂讲授，电子课件与板书相结合，课内实验与课外实验相辅助，摒弃灌输式教学方法，倡导启发式教育，讲授课本知识的同时注意拓宽学生知识面，加强学生创新能力的培养，使学生的理论基础和实践应用能力同步得到提高，取得了较好的教学效果，几位教师的学生评价结果皆为优秀。

通过搭建一些算法平台，给学生提供可选择、有侧重、可设计的实验环境，弥补本课程没有专门实验的缺点，通过这些平台可以开启学生的创新研究和实践欲望。实践环节提供自主开发的图像采集与跟踪系统软硬件实验，学生可自己对实验进行设计并实时验证，另外提供一些比较新颖的实验题目供学生选做，在学习同时通过实验加深对知识的理解和掌握。同时将相关课件、资料等放置到网络，供学生访问下载，并提供Email信箱与学生答疑和沟通。

2.4讲授人员因需而变

除了授课教师外，根据当前研究热点和学生感兴趣的方向，邀请具有专门科研经验和知识的博士生，以研讨的形式进行某个知识点的讨论，以拓展学生的知识面，实现宽泛的知识教育，同时使学生了解最前沿的学科方向。

2008年邀请了张健博士做了“H.264转换编码研究与改进”的专题讲座；2009年邀请了姜薇博士做了“人脸识别算法研究”专题讲座。通过博士生的讲座，大家了解了研究生阶段的科研工作，极大带动了学生的求知欲，课堂讨论热烈，很多同学与两位博士课下进行了多次交流，为他们在学术上起到启迪作用。同时，大胆地邀请了一名同年级的硕士生站到讲台上，就“基于四元数FFT的水印嵌入算法”进行了专题讨论，面对这个全新的领域，很多同学被深深震撼了，同时感到了压力和差距，触动学生从主观意识上对本门课产生兴趣，掀起理论课程联系实际项目的学习热潮。

2.5教学思想的讨论与转变

研究生教学的目的不是要学生只掌握书本的知识，也不是必须进行卷面考核。特别是本门课程的实践性很强，所以本课程通过提供几个具有综合性、设计性的命题，结合我们提供的一些平台，让学生自己完成方案设计、命题的实现，更鼓励同学自己提出命题来进行研究实现，以期使学生真正融会贯通本门课程的思想精髓，更好地解决理论知识和科研能力的衔接，也真正实现本门课程的以素质为基础、知识为手段、实践为中介、能力为目标的教学宗旨。

3 教学改革总结

由于本课题组教师在“数字图像处理与模式识别”这门课中一直贯穿着先进的教育理念，得到了全校学生的认可，教学效果良好，2010年听课人数达到了169人，并有不同专业的多名博士生进行了旁听。

经过了几位教师的努力，本门课的教学改革已见成效，使“教”与“学”达到了有机的平衡和统一，教师知道学生想学什么，学生知道理论知识如何应用，真正达到学以致用，并会在实际科研工作中总结问题，运用理论知识来解决实际问题，也达到了研究生教学改革的目的。

参考文献：

[1]冈萨雷斯.数字图像处理[M].第2版.北京：电子工业出版社，1998.

第14篇

论文摘要： 数字图像处理是我校计算机和通信类专业的必修课程。针对这门课的特点和我校的实际情况从理论和实验教学两个方面对“数字图像处理”的教学方法改革进行了实践探讨。教学实践表明这项改革对于学生更好地掌握数字图像处理技术，提高综合素质和培养创新能力起到的积极作用。

引言

数字图像处理（Digital Image Processing）是信息技术中的一门新兴综合性学科。这门课主要研究图像数字化处理过程的理论原理、方法技术和过程，该课程要求学生掌握数字图像处理技术的基本概念、原理、算法及其处理技术； 这门课程的理论性强，需要较强的数学基础和具备一定计算机方面功底，目前理工类或综合类院校几乎都开设了数字图像处理的相关课程，我校也从2000年开始开设了这门课程，一般安排在本科三年级或四年级上半期开设。

1 数字图像处理的课程特点

这门课程的传统教学方法难以达到理想的教学效果，原因在于：学生面对诸多抽象的理论和烦琐的数学公式往往无所适从；授课教师很难用现有的教学方式实时表达数字图像处理前后的直观效果，致使学生难以理解图像变换实际的演变逻辑和演变过程，面对众多繁杂的推演公式只能死记硬背，学习起来效果可想而知，因此，有必要对现有的教学方法进行改进。

2 课程教学改革实践的探索

通过对数字图像这门课多年来的实践教学和经验总结，笔者认为应该从理论和实验两个方面来对现有的教学方法进行两方面着手：一是理论教学体系和教学方法；二是实验教学的改进。两者相辅相成都是数字图像处理这门课的两个重要环节，缺一不可。

2.1 理论教学方面

在理论教学方面应着重于教学体系的选择和教学形式的改革，具体体现为：第一，在教材的选择和教学内容的安排上，应根据本校学生和教学的实际需要进行教材的精选和教授内容的合理安排。第二，教学内容的取舍上应该贯彻“少而精”原则对课程内容进行了适当的取舍和更新。以专题形式向学生介绍最新的、前沿性的学科知识， 这不仅能满足学生的猎奇感，而且在有意理论素养和应用方面队学生加以启发和引导，让学生不自觉地养成好的学习的习惯。第三，应用形象化教学手段教学。数字图像处理是以数字图像为研究对象。针对数字图像的图像信息丰富，图像处理前后的效果又无法用语言、文字等方式表达，因此，多媒体课件制作的好坏直接影响到学生学习这门课的最终效果。目前国内尚无比较成熟的数字图像处理CAI课件，我们针对性研制了相应的教学课件和电子教案，让学生在教学中直观体会图像变换前后的实际对比效果。同时在课堂教学中引入适当的图例分析和编程处理实例可以使原本很抽象的内容变得生动具体。

2.2 实验教学的改革

实践教学实习是本课程不可或缺的重要教学环节。目前国内还没有公认比较实用和完善的实验教学体系。我们对实验教学体系和内容的把握体现在以下几点：

（1）实验环境的选择。数字图像处理不同于用Photoshop等图像处理软件对图像作现成的操作，它要求学生在掌握有关基础理论、典型方法的基础上，利用编程技巧实现图像信息的各种处理，如图像增强、图像分割、图像分析等。多数教师选择MATLAB作为实验语言，主要因为其功能强大的图像图形处理工具包。但大多数学生并不熟悉MATLAB，我们选择了C++语言作为基本的编程语言，因为高年级学生已经对C++比较熟悉并在今后又会经常使用。

（2）精选实验教学内容。在“数字图像处理”的实验课教学中，突出强调理论知识和实践能力的结合，为此，选择图像处理中几个最典型的算法作为实验课教学的主要内容，包括图像灰度增强、图像压缩、图像域值分割、伪彩色处理等。实验内容包括图像的读取和显示、直方图均衡化、平滑和锐化滤波、膨胀和腐蚀等。这些实验教学内容有助于学生实践掌握课上讲授的知识，增强了学生自主完成任务的主动性和积极性，能够有效提高学生的编程实践能力。

（3）改革实习教学手段。“数字图像处理”实习内容包括图像处理软件的选择和使用、处理算法设计和实现等。针对往年已有的实习材料看，指导教师在实习前将较多的精力花在讲解实习目的、原理、内容和实习步骤等方面，而占用学生自己动手实习的时间偏离试验的本来愿望。现在采用在实习前就分发给学生实习教学课件，让学生在课件辅导下，课余时间理解消化实习内容，腾出了更多时间探讨算法，得出实习应该有的正确结果，而不至于在实习中对结果是否正确茫然不知，从而提高了学生理论和独立动手的能力。

2.3 开展第二课堂活动

为有效培养学生的实际动手能力，基于完成具体项目的教学策略是很多学生必走的一步，让学生在实践中锤炼，有助于较快地提高学生的理论认知水平和解决实际问题的能力。在上课之初将学生分组每组给出一个实际的学期项目。由于有充分的时间可以收集资料和模仿学习，有效提高学生的学习积极性。将课堂的实验任务与学期项目有机结合起来，有助于学生发现学习内容彼此之间的联系，促进对知识的综合掌握和灵活应用。

3 考核手段的探索

以往的课程考核主要通过期终考试来考核学生对课堂所学内容的理解和掌握程度，由分数来定结果，这种考核方式虽然能部分反映学生的学习能力但很难考核学生发现、分析和解决具体问题的能力差别，不利于发挥学生的主观能动性以及创造能力的培养；还可能导致出现学生在学习过程中常出现平时不努力，考前突击复习四处打听考题的情况，为了加强学生能力的培养，我们将平时的听讲、回答问题、作业的情况等列入平时成绩，还鼓励学生就某一专题进行发言探讨等多种学习形式。课程最终的考核成绩综合期末考试成绩、实验成绩、专题成绩和平时成绩几个部分加权平均得出。

4 结束语

经过多年的探索，我们在《数字图像处理》课程的教学过程中，通过对教学体系、实验体系和考核方法和方式上的改进，有针对性地制作了大量图像处理前后对比课件和现场演示相结合进行教学，通过形象化实例化教学，极大地提高了学生的学习积极性，教学效果很不错，学生反响很好，同行评价也比较高。

参考文献

[1] 贾永红.“数字图像处理” 课程的建设与教学改革[J].高等理科教育，2007（1）.

[2] 李熙莹.“数字图像处理” 课程设计与学生实践动手能力的培养[J].计算机教育，2008（8）.

第15篇

关键词：图像增强，均值滤波，中值滤波，维纳滤波

 

1 引言

获取和传输图像的过程往往会发生图像失真，所得到图像和原始图像有某种程度的差别。这种差异如果太大，就会影响人和机器对于图像的理解，在许多情况下，人们不清楚引起图像降质的具体物理过程及其数学模型，但却能根据经验估计出使图像降质的一些可能原因，针对这些原因采取简便有效的方法，改善图像质量。图像增强的目的是要增强视觉效果，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，以达到改善图像质量、丰富信息量的目的，并加强图像判读和识别效果的图像处理方法。

其方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制（掩盖）图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像质量降低的原因，处理后的图像不一定逼近原始图像。

2 图像增强典型方法

图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算。基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。平滑技术用于平滑图像中的噪声。。平滑噪声可以在空间域中进行，基本方法是求像素灰度的平均值或中值。为了既平滑噪声又保护图像信号，也有一些改进的技术，比如在频域中运用低通滤波技术。

2.1 均值滤波

采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声（如椒盐噪声）。领域平均法有力地抑制了噪声，同时也由于平均而引起了模糊现象，模糊程度与领域半径成正比。几何均值滤波器所达到的平滑度可以与算术均值滤波器相比，但在滤波过程中会丢失更少的图像细节。谐波均值滤波器对盐噪声效果更好，但是不适用于胡椒噪声。它善于处理像高斯噪声那样的其他噪声。。。逆谐波均值滤波器更适合于处理脉冲噪声，但它有个缺点，就是必须要知道噪声是暗噪声还是亮噪声，以便于选择合适的滤波器阶数符号，如果阶数符号选择错了可能会引起灾难性的后果。

2.2 中值滤波

它是一种常用的非线性平滑滤波器，其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点，所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘，从而获得较满意的复原效果，而且，在实际运算过程中不需要图像的统计特性，这也带来不少方便，但对一些细节多，特别是点、线、尖顶细节较多的图像不宜采用中值滤波的方法。

2.3 自适应维纳滤波

它能根据图像的局部方差来调整滤波器的输出，局部方差越大，滤波器的平滑作用越强。它的最终目标是使恢复图像与原始图像的均方误差最小。该方法的滤波效果比均值滤波器效果要好，对保留图像的边缘和其他高频部分很有用，不过计算量较大。维纳滤波器对具有白噪声的图像滤波效果最佳。

3 仿真结果

图1 不同增强方法的仿真结果

4 结论

在对比了多种去噪方法之后，本文发现经典的图像去噪方法如：维纳滤波和中值滤波，一直存在着去噪之后导致图像模糊的问题。对于椒盐噪声和高斯噪声，均值滤波的效果相对其他滤波效果较好，其次为中值滤波，但是中值滤波对一些如点、线、尖顶细节等处理效果较差。一次维纳滤波及二次维纳滤波对高斯噪声的处理比对椒盐噪声处理的好。

参考文献：

1. 陈扬,等.MATLAB 6.x图形编程与图像处理[M].西安:西安电子科技大学出版社,2002.10

2. 王家文，李仰军.MATLAB7.0图形图像处理.北京：国防工业出版社，2006

3. 朱喜军.MATLAB在信号与图像处理中的应用.北京：电子工业出版社，2009