图像处理技术论文精品(七篇)

序论：写作是一种深度的自我表达。它要求我们深入探索自己的思想和情感，挖掘那些隐藏在内心深处的真相，好投稿为您带来了七篇图像处理技术论文范文，愿它们成为您写作过程中的灵感催化剂，助力您的创作。

篇(1)

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;

篇(2)

关键词：烟叶数字图像；边缘处理；形态学变换；特征抽取；智能识别

1引言

烟叶是烟草工业的基础原料， 对烟草工业生产质量和烟草行业经营效益具有举足轻重的作用。对烟叶生产过程的各个环节包括烟叶品质的智能识别进行技术创新，提高品质和效率，是一个前沿研究方向[1][5]。

当前这一方面的研究，主要集中在数字图像处理方面，把烟叶品质的数字图像处理与神经网络技术相结合，实现烟叶品质的智能识别，是一个极有价值的工作。以下在此方面作出一个系统的、较为完备的、易于实际操作的研究。

2主要技术手段

2．1 MAⅡAB图像处理工具箱

在MATLAB平台上，借助图像处理工具箱，可以简易明快地实现对烟叶数字图像的图像处理。在烟叶生产一线，用数码照相机对各种烟叶样本进行拍照，输入计算机，用MAT_LAB将它转换为各(．bmp；．jpeg；．gif；．png；．t 图片以便进行图像处理。成本低，精确度高，宜于普及推广。获取各种类型的烟叶数字图像以后，经阈值使用权图像二值化，可以当即辨识出这一图像是否具有何种类型的病虫害或品质异变。利用烟叶数字图像的边缘检测、轮廓提取等分析命令，获得待测烟叶的图像参数和特征，再由神经网络技术，完成对烟叶品质的智能识别。

2．2神经网络技术

神经网络是一个新的智能识别工具。毕业论文 经过训练的神经网络能够存储与过程有关的信息，能直接从历史数据中学习，经过用各种烟叶样本训练和学习的神经网络，能自动地识别出待测烟叶样本的品质类型。而且，神经网络具有滤除噪声及在有噪声情况下得出正确结论的能力。这一点对于烟叶生产实际中大量存在各种噪声信息的情况而言，特别重要。它特别适合在线识别。

3应用MATLAB图像处理工具箱和神经网络技术对烟叶品质智能识别的操作过程

3．1烟叶图片样本库的建立

用数码相机或其它数字图像采集工具，采集各种类型的烟叶的标准图片，分类归档，借助MATLAB图像变换功能，将各种类型的烟叶的标准图片，转换成各种图片形式：．bmp；．jpeg；．sir；．png；．tif等，以便随时调用。这些烟叶图片，有不同品质的样本；还有各种病虫害标本和变异标本。

3．2用直方图均衡来实现图像增强

当从生产一线采集的烟叶待测样本的图像对比度较低，硕士论文 即灰度直方图分布区间较窄时，可用直方图均衡实现灰度分布区间展宽而达到图像增强的效果。

3．3烟叶图像的边缘检测和特征提取

烟叶图像的基本特征之一是图像边缘。图像边缘是图像周围像素灰度有阶跃性变化或屋顶变化的像素的集合。烟叶的边缘是由灰度的不连续性所致，因此考察图像每个像素在某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律可以检测烟叶图像边缘。图像特征反映烟叶的几何结构，如面积、周长、分形分维数、孔洞数、欧拉数等等。图像特征的选择是图像识别的重要环节。运用二叉分类法在找出判别特征后，对不同的图像特征由分类阈值按二分的方法进行分类；运用相似距离分类方法把待判图像与一个标准图像相比，标准图像用样本图像特征向量的均值来表示。通过计算待判图像与标准图像之问的在相空间中的距离来判别图像和进行分类。这一过程还为用神经网络技术实现对烟叶品质进行智能识别作出必要的准备。

3．4数字图像矩阵数据的显示及其傅立叶

变换这一变换的目的是为提取特征、进行神经网络模式识别等作出必要的准备。

转贴于 3．5直方图均匀化

这是使烟叶图像性质更为优良而采取的一个技术操作，源代码如下：

I=imread ("yangshuo．tif')；imshow (I)；

figure，imhist(I)；

[J，T]=histeq (I，64)；

％图像灰度扩展到0-255，但是只有64个灰度级

figure，imshow (J)；

figure，imhist(J)；

figure，Dlot((0：255)／255，T)；％转移函数的变换曲线

J=histeq (I，32)；

figure，imshow 0)；

％图像灰度扩展到0～255，但是只有32个灰度级

figure，imhist(J)；

3．6采用二维中值滤波函数对受椒盐噪声干扰的图像滤波

MATLA图像处理工具箱具有强大的功能，能够对噪声干扰的烟叶图片进行消噪处理，模拟源代码如下：

I=imread ("eight．tif')；

imshow (I)；

J2=imnoise (I，"salt&pepper ，0．04)；

％叠加密度为0．04 的椒盐噪声

figure，imshow 02)；

I_Filterl=medfdt2 （J2，[3 ，3])；

％窗口大小为3x3

figure．imshow (I Fiher1)；

I_Filter 2=medfdt2 （J2，[5， 5])；

％窗口大小为5x5

figure，imshow (I_Filter2)；

I_Filter3=medf'dt2 （J2，[7， 7])；

％窗口大小为7x7

figure，imshow (I_Filter3)；

3．7用神经网络技术对烟叶图像进行智能识别

神经网络作为一种自适应的模式识别技术，并不需要预选给定有关模式的经验知识和判别函数，它能通过自身的学习机制自动形成所要求的决策区域。网络的我由其拓朴结构、神经元特性、学习和训练规则所决定，它可以充分利用状态信息，对不同状态一一进行训练而获得某种映射关系，并且，网络可以连续学习，即使环境变异，这咱映射关系可以自适应调整。在上面各节获取烟叶图像特征基础之上，可以用神经网络技术进行图像模式识别。例如，基于概率神经网络PNN的烟叶品质智能识别，它的主要优点是：快速训练，训练时问仅略大于读取数据时间；无论分类多么复杂，只要有足够的训练数据(而这是烟叶生产一线可以做到的)，就可以保证获得贝斯叶准则下的最优解，允许增加或减少训练数据而无需重新进行长时间训练。这一神经网络对于烟叶品质的图像识别，具有重要意义。 4结论

基于计算机视觉和神经网络技术的烟叶品质识别的数字图像处理方法，医学论文 是烟叶生产环节的一种技术创新，它可以在烟叶生产一线普及推广，简便易行，能够较大地提高烟叶品质检测的效率和质量，以及自动化程度和智能化水平。

参考文献

[1]于润伟．基于图像处理的稻米垩白自动检测研究[J]．中国粮油学报，2007，1：122—124．

篇(3)

Abstract: In order to improve the accuracity of the recognition research of Asphalt-aggregate ratio for asphalt mixture ,the MATLAB digital image processing were used to study the asphalt-aggregate ratio for asphalt mixture AC-13C and the researches mainly include 3 respects: the mixing proportion design and the image collection of asphalt mixture, the research of digital image processing technology, the asphalt-aggregate ratio recognition of asphalt mixture. The results show that there is a good linear functional correlation between the real asphalt-aggregate ratios and the recognition asphalt-aggregate ratios. The linear fitting function was created as Pay = 1.6872Pax-5.4606, and the correlation coefficient R2 is 0.9617.

关键词:数字图像处理;沥青混合料;油石比;识别

Key words: digital image processing;asphalt mixture;asphalt-aggregate ratio;recognition

中图分类号:TU535 文献标识码:A文章编号:1006-4311(2010)13-0093-02

0引言

随着交通运输业的迅速发展,必须要提高沥青混合料性能,开发新型沥青路面结构材料。沥青含量是沥青混合料配合比设计和施工控制的重要指标,在很大程度上决定了沥青路面的质量品质,国内外现行的沥青混合料配合比检测一般采用的是试验方法,进行离心抽提或燃烧沥青,检测过程复杂,耗时长,不利于及时对路面状况做出评价,指导生产。近年来,数字图像处理技术被引入沥青混合料研究领域,为有效解决传统研究方法的缺陷提供了可能,国内外也陆续进行了采用图像处理技术对沥青混合料内部形态的研究,国内外现阶段进行的研究表明,数字图像处理技术具有无破损、方便性、经济性,而且能快速全面反映形态特性以及空间分布的特点。为此,在本研究中,通过大量室内对比试验,主要研究不同油石比的沥青混合料AC-13C的识别油石比,以建立识别油石比和实际油石比之间的线性关系,用于指导生产实践。

1沥青混合料配合比设计及图像采集

本研究中采用的沥青为埃索A级70号沥青,选用沥青路面的表面层AC-13C的级配,最终确定的沥青混合料合成级配见表1。

在本研究中,沥青混合料AC-13C分别采用五个不同油石比4.0%、4.5%、5.0%、5.5%和6.0%,用马歇尔击实仪成型马歇尔试件,在成型后的试件中随机抽取3个试件进行水平两分法的切割,并采用数码相机进行图像的采集工作,在进行油石比的识别中为了计算简便将图像剪切为1400×1400像素。

2沥青混合料数字图像处理

由于照相机与目标间的相对运动、大气扰动等原因使图像质量下降,造成了图像退化的现象。所以在图像处理之前要先进行图像复原,在MATLAB图像处理系统中,选择Lucy-Richardson复原方法,通过处理减少了图像中产生的噪声,忽略了某些退化后坏了的像素。对复原后的RGB彩色图像进行灰度变换,获得沥青混合料水平截面的灰度图像。

3沥青混合料油石比的识别

以油石比为5.5的沥青混合料RGB图像为例,对剪切后的图像进行复原、转换灰度图像处理,处理后的灰度图像的直方图见图1。

根据图1可以看到,由于沥青混合料图像中存在集料和沥青两大类,在图像上形成了两个峰,这两者都近似服从正态分布,最左边的波峰代表沥青的灰度分布,我们可以根据沥青混合料图像的直方图,动态选取两个波峰之间的谷底值,将最左边的波峰单独切取出来,见图2。对这个波峰进行拟合,经过多次尝试,选择采用两个正态分布拟合这个波峰,相关系数达到0.998,其中一个正态分布峰顶对应的灰度值与单独切取出来的波峰峰顶对应的灰度值非常接近,可以认为两者的灰度值是相同的,另外一个正态分布是对前者的修正,拟合效果见图2。

通过MATLAB编程计算可以得到,沥青灰度分布波峰峰顶对应的灰度值为0.30,第一个小峰服从正态分布,参数为0.29997和0.047629,通过多次实验在峰值灰度值左侧设定2.5,右侧设定的范围内为沥青的灰度分布范围,计算得到沥青的灰度分布范围为46.14至88.65,提取沥青灰度范围内的像素点,图像内所有的像素点数目与沥青的像素点数目之差为集料的像素点数目,得到油石比即沥青像素点数目与集料像素点数目之比,计算得到这张实际油石比为5.5的图像,识别油石比为6.43。同理,可以按照相同的方法求得其余沥青混合料图像的识别油石比,并计算均值,见表2,对得到的识别油石比用EXCEL进行线性拟合,见图3。

从表2中可以看出,识别油石比的变异系数在0.18以下,通过线性相关性分析可得到识别油石比Pax与实际油石比Pay的线性关系为:Pay=1.6872Pax-5.4606,式中,Pax为识别油石比,%;Pay为实际油石比,%。两者相关系数R2为0.9617,表明采用图像处理技术对沥青混合料进行油石比识别具有较高的识别精度,可以用于沥青路面油石比的快速检测。

4结论

通过选取表面层普通沥青混合料AC-13C进行马歇尔试验,对试件进行水平截面图像的分析,在沥青混合料图像灰度直方图中,对沥青分布波峰左侧2.5倍σ和右侧σ范围内提取沥青像素数目,并计算集料像素数目和识别油石比,结果表明,动态的选取沥青灰度范围识别油石比的方法能够较好地反映实际油石比,得到的识别油石比与实际油石比较为接近,得到的变异系数在0.18以下,证明识别油石比的离散程度较小,数据可靠。并且实际油石比Pay和识别油石比Pax存在线性关系,通过线性拟合后,建立函数Pay =1.6872 Pax 5.4606,计算得到相关系数R2为0.9617,具有良好的相关性。因此,建议采用此线性函数对识别得到的油石比进行修正。

参考文献:

[1] 杨浩.沥青混合料的数字图像特征研究[D]:[硕士学位论文].哈尔滨:哈尔滨工业大学,2006.

[2] 肖彭.基于MATLAB7.0的沥青混合料最佳油石比优化设计[J].交通标准化,2005,17(11):73-75.

篇(4)

【关键词】FPGA 图像处理 实时高速 平滑算法

1 数字图像处理及FPGA技术简介

1.1 数字图像处理原理简介

图像处理技术是本世纪信息科学方面成长最迅速的方向之一，数字图像处理的技术具有实际的研究价值。数字图像处理技术是指利用图像信号转化为数字信号并进行数字化处理这一手段把输入图像转换成具有所希望特征的另一幅图像的过程，通过转化，使得图像的信息数字化，可计算化，协调适应现在的各种数字化系统。近年来，随着图像传感器趋于高集成度和低成本以及数字硬件的迅速发展，高质量、高速度、高实时性的数字图像处理技术越来越受到欢迎。专用集成电路ASIC和数字信号处理器DSP，在两种方面突破研究，一是改变图像处理算法，简化算法提高处理速度；二是改变实现算法的手段。DSP处理速度较之前的数字芯片有了大幅改进，但其体系仍是串行指令系统，其固定算法仍不能满足众多算法的需要。

1.2 现场可编程门阵列（FPGA）器件技术

现在较为流行的一种半定制的数字芯片是现场可编程门阵列（FPGA）器件，它是一种高密度可编程逻辑器件，由大量逻辑宏单元构成，通过各种程序参数的配置，能够发挥这些逻辑单元的各自效果，组合出期望的整体效果和功能，这些配置数据存放在片内的SRAM中或者是片外的EPROM或其他存储体中，设计者可以现场修改器件的逻辑顺序，而且静态编程和动态系统重置功能也得到了充分的发挥也应用，基于组合逻辑下的功能让硬件模块可以像软件代码一样方便修改调试。

2 基于FPGA的数字图像处理算法研究

2.1 实时图像处理算法

实时图像处理系统和图像处理的主要算法有4类：图像数据的预处理，图像智能识别，对象检测和运动对象检测。在实时图像处理系统的后台处理中，比分析环境简单、静态图像难度要更具有复杂性，如在数字图像信号的传送过程，中间过程传感器和传输信道的噪声的频繁产生，这让暂未得到处理的原始图像信号变的更为难以分析，而且本身存在一定程度的噪声。一般图像信号的锐化技术处理也将引入噪声，有时会加强原始图像的噪声。因此，有必要在图像分析处理以前以及过程中对图像的噪声进行滤除，并对图像特征进行加强，消除噪声和增强图像这两大关键步骤即为数字信号图像的预处理过程。

2.2 图像空域平滑算法

图像平滑处理的的主要目的是为了降低噪音干扰，目前主流的两种算法是的空间域平均算法以及中值滤波算法。对于含有噪声的原始图像的每个像素都采取了对应的邻域，将计算出的平均值作为平均空间域中图像像素值进行图像处理。空间域平均算法对于高斯噪声消噪效果较好，但处理脉冲噪声降噪效果很差。中值滤波的实质是一种非线性处理方法，主要的原理应用了顺序统计思路，这种方法的原理是在第一步骤中赋予一个像素作为邻域的中心，选择方形邻域后，第二步骤就是对范围内各像素灰度值进行排序处理，排序之后获得数列的中间值，此中间修正值被记为中心像素的灰度值，在实际应用中个，中值滤波算法消除脉冲噪声具有更好的效果。

2.3 图像空域锐化算法

图像锐化的主要目的是使原图像轮廓模糊或者显示边缘不明显的变得清晰，突出细节。进行锐化处理的前提基础是：原始图像必须具有有较高的信噪比，若没有较高信噪比，经过图像锐化处理后，图像信噪比会大大降低，这非常不利于图像的清晰显示处理。通常的做法是先去除或降低噪声，使得图像具有更高的信噪比后，再进行后期的锐化处理。

图像锐化处理目前主流有两种方法：高通滤波法和微分法。微分法属于图像空域锐化，目前常用的两种方法是梯度锐化和拉普拉斯锐化。

2.3.1 梯度锐化

梯度锐化原则：图像变化速度值小的对应于一个较小的梯度，整体会显得比较暗。因此，梯度锐化的常规思路是利用门限方法来判定，从而进行梯度锐化优化，也就是先赋予一个预定的阈值，如果该节点的梯度小于阈值时，原始灰度被保持恒定；若大于阈值时，在这一点上的灰度校正值可以用微分法处理得到。

2.3.2 拉普拉斯运算

拉普拉斯运算是偏导数运算的线性组合，拉普拉斯算子是一种各向同性的微分算子，其特性包括旋转不变性。拉普拉斯运算完全可以转换成模板运算，而且对图像中的孤立点和短点反应较为敏感，比如在较暗的图像中出现的个别亮点，这些亮点处灰度发生跳变，通过拉普拉斯运算将会使这些亮点亮度增强，这一效果常用于边缘检测。当然，拉普拉斯运算同梯度锐化一样，在增强图像的同时会增强噪声，因此在锐化前可以先进行图像平滑处理。

3 总结

本文以基于FPGA的高速图像处理算法为研究主体，对图像处理中技术的流水线实现、图像空域平滑算法、图像空域锐化算法进行对比分析。图像平滑算法减少噪声的效果要更加优化，平滑算法的中值滤波算法在消除脉冲噪声中效果更为突出。空间域平均算法主要对高斯噪声的消噪效果较好，对脉冲噪声消噪效果一般。图像空域锐化算法可以是原本边缘模糊的图像清晰化，前提需要有较高信噪比，所以一般是先进行去除噪声，提高信噪比之后进行锐化处理，锐化算法中的梯度锐化、拉普拉斯运算算法都在基于FPGA的数字图像处理的系统算法中效果明显。

参考文献

[1]李冬.基于FPGA的数字图像处理的研究[D].安徽理工大学硕士学位论文，2009.

[2]宇野麻由子.FPGA规模快速增大[J].电子设计应用，2008（10）

篇(5)

关键词:多媒体课件;图形;图像;处理;加工

中图分类号:TP75文献标识码:A文章编号:1009-3044(2009)35-10087-03

Multimedia Courseware Image Processing and Graphics Processing Technology

LIN Han

(Florida Vocational and Technical College, Sichuan Machinery and Electronic and Information Engineering, Dazhou 653000, China)

Abstract: In the multi-media courseware creation,preparation of multimedia material is a very important part.Multimedia material,including text,images,graphics,animation,sound,video and so on. In these types of material,the graphic image is a multi-media courseware application of the most basic,the most important and most of the material,its handling and processing are also the most complex,the following response to this problem were discussed.

Key words: CAI; graphics; image; treatment; processing

由于多媒体技术的不断发展,对于多媒体课件的质量要求是越来越高,多媒体辅助教学已经广泛应用,这是利用计算机技术和网络技术来组织教学的一种新型教学手段,它带来了课堂教学的新革命。

多媒体课件需具备以下特点: 1) 丰富的表现力;2) 良好的交互性;3) 极大的共享性。多媒体课件在教学中的使用,改善了教学媒体的表现力和交互性、促进了课堂教学内容、教学方法、教学过程的全面优化,提高了教学效果。一个好的多媒体课件需要多媒体素材来点缀

1 图形图像的概念

1)图形图像格式

图形图像格式主要有:BMP格式、GIF格式、JPEG格式、JPEG2000格式、TIFF格式、PSD格式、PNG格式、SWF格式、SVG格式等。其它非主流图形图像格式:PCX格式、DXF格式、WMF格式、EMF格式、LIC(FLI/FLC)格式、EPS格式、TGA格式等。比较常用的有BMP格式、JPEG格式、GIF格式等等,所以我们在进行图形图像处理以前,首先要对图形图像的格式要有清晰的认识,只有在此基础上才可以进行进一步的开发处理。

2)图形图像素材的获取

多媒体课件中的图形图像,按其用途分,一般有三种,一是背景图,二是按钮图,三是与教学内容相关图。一般情况下,图形图像素材的获取进入昵图网可以找到很多行业的图片,找到需要的图片后保存图片,若网页设置为不能保存,可以用复制粘贴的方法保存图片。对于一些素材原创,可以在相应的图形图像处理软件中进行创作。主要获取方法:利用扫描仪、数码相机从外部采集图形图像数据;经过Photoshop等图象处理软件处理、利用抓图工具来抓取屏幕上显示的图像等这些都是最常用的;还可以通过从网上下载、从电视节目中录制、从课件中截取、从资源光盘或资源库中获取、从VCD片中获取等几种方法。

图形素材也可以自己进行绘制,课件工具中都有相应的绘制工具,可直接用绘图工具进行绘制。

2 图形图像区别

1)存储方式的区别:图形存储的是画图的函数;图像存储的则是像素的位置信息和颜色信息以及灰度信息。

2)缩放的区别:图形在进行缩放时不会失真,可以适应不同的分辨率;图像放大时会失真,可以看到整个图像是由很多像素组合而成的。

3)处理方式的区别:对图形,可以旋转、扭曲、拉伸等等;而对图像,可以进行对比度增强、边缘检测等等。

4)算法的区别:对图形,我们可以用几何算法来处理;对图像,可以用滤波、统计的算法。

5)其他:图形不是主观存在的,是根据客观事物而主观形成的;图像则是对客观事物的真实描述。

3 图像的处理

自从20世纪60年代出现了计算机图像处理技术,为图像处理提供了一种精确、灵活、通用的工具,从而极大拓展了图像处理的应用领域。

1)图像处理的发展

虽然图像处理起源比图形学早30多年,但是它的应用却比图形学足足晚了10多年,原因就是数字图像比图形所含的信息量大很多,只有当计算机发展到一定水平才能进入大规模的实用阶段。

1921年,第一个数字图像传输系统――巴特兰电缆图片传输系统横跨大西洋传输图像成功;1929年,第一次实现15级灰度的图像编码并引进了一套用编码穿孔纸袋来调制光束进而使底片感光的图像输出设备;1952年,哈夫曼发表关于最小冗余度编码的论文《构造最小冗余度编码的一种方法》;1964年,在阿波罗载人登月计划中首次采用计算机对月球图片进行处理;1980年代中期,开始对图像处理进行大规模应用研究;自从数字图像处理这门学科诞生以来,图像处理作为一门基础学科,得到重大的发展。

2)图像处理的概述

图像处理一般指数字图像处理,用计算机对图像进行分析,以达到所需结果的技术。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。

①图像数字化

通过取样和量化过程将一个以自然形式存在的图像变换为适合计算机处理的数字形式。图像在计算机内部被表示为一个数字矩阵,矩阵中每一元素称为像素。图像数字化需要专门的设备,常见的有各种电子的和光学的扫描设备,还有机电扫描设备和手工操作的数字化仪。

②图像编码

对图像信息编码,以满足传输和存储的要求,编码能压缩图像的信息量,但图像质量几乎不变。编码方法有对图像逐点进行加工的方法,也有对图像施加某种变换或基于区域、特征进行编码的方法。

③图像压缩

由数字化得到的一幅图像的数据量十分巨大,图像压缩对于图像的存储和传输都十分必要。有两类压缩算法,即不失真的方法和近似的方法。前者用于静态图像,后者用于动态图像。

④图像增强和复原

图像增强的目标是改进图片的质量,使图像清晰或将其转换为更适合人或机器分析的形式,所用方法可分成频率域法和空间域法,它们可用于去除或减弱噪声。图像复原常用二种方法,一是建立退化源的数学模型;二是建立原始图像的模型。

篇(6)

关键词:棒材 计数 图像

棒材自动计数分隔一直是未能彻底解决的问题,目前我国棒材生产企业普遍采用人工计数方法。该方法劳动强度大,工作效率低,系统生产能力有限,而且准确性难以保证。针对这种情况,我们想通过采用现代化手段和技术创新,能否开发出适合我国钢铁企业的棒材自动计数系统,以有效提高劳动生产率,把工人从繁重的体力劳动和恶劣环境中解放出来,力求为企业提供高科技设备,现从以下方面论证自动计数系统可行性。

针对轧钢厂棒材生产工艺现状,为了实现标准化打捆包装要求,我们希望利用综合图像识别、机械系统、光电检测和控制技术,实现棒材生产线计数定支环节机械化和自动化操作。

轧钢厂中,生产线上的棒材在进行打捆包装之前需要计数,每种规格的每捆数量是不同的,计数必须按不同规格的棒材要求在线完成。当棒材从传输辊道上移送到计数链条台架上时,有重叠和交叉现象,尤其是对φ6mm～φ14mm小规模棒材更是如此,这就使棒材的分离工作难度增加,也给计数工作带来了一定的误差。所以需要特定的执行机构对棒材进行处理。下面浅谈一下棒材自动计数系统的思路和原理。

棒材在线自动计数分隔系统可由振动装置、阻挡振动平铺振动装置、光电计数、分离装置、图像处理和控制系统几部分组成,如图1所示。

图像处理系统包括软件和硬件部分,通过对棒材分散程度进行辨别确定是否符合平铺前要求。振动装置用来振动直径较小的多层棒材的情况。棒材阻挡振动平铺装置是一个齿臂结构,其上有主齿臂和副齿臂,可以调整齿形的大小。光电计数利用光纤传感器检测棒材通过,可编程控制器进行计数累加。控制系统以目前在工业现场应用。

图1 棒材在线自动计数分隔系统的组成

阻挡振动平铺装置是本系统的一个最重要的组件,安装在二段传送链之间的轧道上。该装置为一个齿臂机构放在一个振动平台上,上有主齿臂和副齿臂,可以调节齿的大小,该装置结构简单,并且具有振动功能,能够适应现场复杂状况,不会出现堵死现象。此机构在挡住棒材的同时,又进行图像处理的计数。当计数值超过设定值时,齿臂机构升起,对棒材进行平铺处理,只有实现了平铺,后面的光电计数装置才有意义。其结构简图如图2所示。

设计齿臂时,应考虑以下因素:

(1)齿臂的数量不宜过多或过少。齿臂安置过多,会使整个系统庞大、笨重,并且增加制造成本造成浪费。(2)将齿臂安装在棒线材平铺于传送链条上时挠度最大的位置（即两链条的中间处）,以减少棒材可能出现交叉情况的点,同时,也便于安装。(3)齿形设计。齿的深度应保证棒线材落如齿槽后,高点与齿的上表面在同一水平面上,以减小下滑棒材与齿臂间的摩擦系数,便于棒材滑落。齿槽间距过窄可能导致计数分离环节的分离手无法准确开要分离的棒材,因此,最小齿间距应足够宽。(4)为了满足不同直径棒材批量生产的需要将齿槽宽设计成可调整,可以有效降低系统的生产、安装成本,并避免由于拆换齿臂造成的生产效率降低。

分离装置是系统重要的执行机构,是实现棒材自动分离的关键设备,也是机械系统设计的另一个重点和难点。

分离系统可以采用汽缸装置组成。当计数值达到定支数时,可编程控制器发出信号,链条停止运动,分离系汽缸升起,以挡住后面的棒材,链条运动,把棒材自动分离开来,而前面的棒材由传送链输送到收集槽中,进行捆扎打包。

图像采集区:齿臂正上方即为图像采集区。当传送链将棒材运送致齿臂上方时,齿臂前端的挡板将阻碍棒线材继续向前运动,从而使棒材处于图像采集区,便于摄像头准确采集棒线材端面图像。

振动平铺:当图像处理计数装置记录的棒材数目超过设定值时,齿臂将缓慢倾斜至临界角度,使齿臂上棒材分为两部分。一部分将落入臂齿;另一部分将沿倾斜的臂齿滑下。

本论文在分析现有棒材计数方法的基础上,对比国内外目前同类棒材自动计数方法,提出了一种利用图像处理和识别技术实现工业生产线上棒材自动计数的新方法,对于小直径棒材,图像处理方法显示出其优越性;提出了一种棒材在线自动计数分隔方法,包括机械系统、图像处理、光电检测以及控制系统,为棒材计数开辟了一条新途径;结合工业现场环境,设计了一套机械系统包括振动装置、阻挡振动平铺装置、分离装置,能够实现棒材的平铺和分离,并分析了振动模型的运动仿真,为棒材在线自动计数分隔系统的实现奠定了基础;通信的可靠实现是系统运行的关键。本论文中,从软、硬件两方面给出了PLC与变频器通信设计方案和具体实现。该种通信设计经济实用,实现方便。

棒材在线计数分隔是一个非常复杂的系统,本文的计数方案是基于现有的图像处理技术,充分考虑了现场因素对系统的影响,具有很强的实用价值。

参考文献

[1]章家岩.棒材自动计数系统的设计与应用[J].全国第二届特种电源与元器件学术年会论文集,2002.

[2]王培珍.图像边缘检测融合方案初探[J].安徽工业大学学报,2001.

篇(7)

关键词：数字图像 图像处理 数字技术 应用

一、数字图像处理综述

数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。

数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息，数字图像处理作为一门学科大约形成于20世纪60年代初期，早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。

首次获得实际成功应用的是美国喷气推进实验室（JPL），他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，医学技术中数字图像处理技术都发挥了巨大的作用。

从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展，人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。

二、国内外研究现状

目前，国内图像识别的算法研究多是关于数字、文字、人脸、以及医用病理方面的较多，对产品内表图像进行分析识别、分类的还很少。国内已研制出了具有先进水平的高精度内表检测系统和装置，如何对产品零部件的外形，尺寸进行较高精度测量的激光在线检测系统等，但迄今为止，尚无能对生产出的产品内表面进行自动检测和识别的系统。应用CCD、电子、计算机技术检测内表面的实时自动检测技术在国内正处于刚刚起步的阶段，对内表面图像进行分析识别、分类的软件系统还没有十分完善，现在的识别算法对图像中的疵病部分定位不是很准确，对疵病的范围、大小、方位不能做定量分析，只能作定性分析，精度低，采用的传统的最小距离等分类器在图像复杂且类别多时，很难表示和提取特征，进行图像识别十分困难。

国外关于图像识别中的图像分割，特征信号提取，边缘检测，纹理识别等的算法已经取得了一定的成果，提出了一些新方法，如利用直线分割来识别三维人脸，通过子图匹配法在相邻区域间识别不同目标，用双值微波仿射不变函数识别二维形形状等等，近年来，国外基于图像识别与分类技术的图像检索，人脸识别，字体识别发展十分迅速。

在国外，为提高自动目标识别能力而开发的算法现在正被引入许多侦测和成像系统之中，图像分割、特征信号探测和析取、静止目标的模式识别等方面已取得了很大进步，这一自动目标识别能力大大减轻了操作人员的工作负担。如美国正在加紧自动检测能力与自动目标识别的研究工作，并在硬件能力的基础上开发多种用于信号图像处理的算法和开展各种算法软件的研制，包括相关法（匹配滤波器技术）、自适应多维处理法、基于模型的方法等。

三、数字图像处理的应用

图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面，随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。

1、航天和航空技术方面的应用

数字图像处理技术在航天和航空技术方面的应用，除了JPL对月球、火星照片的处理之外，另一方面的应用是在飞机遥感和卫星遥感技术中。现在世界各国都在利用陆地卫星所获取的图像进行资源调查，灾害检测，资源勘察，农业规划，城市规划，我国也陆续开展了以上诸方面的一些实际应用，并获得了良好的效果。在气象预报和对太空其它星球研究方面，数字图像处理技术也发挥了相当大的作用。

2、生物医学工程方面的应用

数字图像处理在生物医学工程方面的应用十分广泛，而且很有成效。除了一般的CT技术之外，还有一类是对医用显微图像的处理分析，如红细胞、白细胞分类，染色体分析，癌细胞识别等，此外，在X光肺部图像增晰、超声波图像处理、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像处理技术。

3、通信工程方面的应用

当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。具体地讲是将电话、电视和计算机以三网合一的方式在数字通信网上传输。其中以图像通信最为复杂和困难，因图像的数据量十分巨大，如传送彩色电视信号的速率达100Mbit/s以上，要将这样高速率的数据实时传送出去，必须采用编码技术来压缩信息的比特量。在一定意义上讲，编码压缩是这些技术成败的关键。除了已应用较广泛的熵编码、DPCM编码、变换编码外，目前国内外正在大力开发研究新的编码方法，如分行编码、自适应网络编码、小波变换图像压缩编码等。

4、工业和工程方面的应用

在工业和工程领域中图像处理技术有着广泛的应用，如自动装配线中检测零件的质量、并对零件进行分类，印刷电路板疵病检查，弹性力学照片的应力分析，流体力学图片的阻力和升力分析，邮政信件的自动分拣，在一些有毒、放射性环境内识别工件及物体的形状和排列状态，先进的设计和制造技术中采用工业视觉等等。其中值得一提的是研制具备视觉、听觉和触觉功能的智能机器人，将会给工农业生产带来新的激励，目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。

5、军事公安方面的应用

在军事方面图像处理和识别主要用于导弹的精确末制导，各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统，飞机、坦克和军舰模拟训练系统等；公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等。目前已投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别都是图像处理技术成功应用的例子。

6、文化艺术方面的应用

目前这类应用有电视画面的数字编辑，动画的制作，电子图像游戏，纺织工艺品设计，服装设计与制作，发型设计，文物资料照片的复制和修复，运动员动作分析和评分等等，现在已逐渐形成一门新的艺术——计算机美术。

参考文献：

[1]孙即祥 图像压缩与投影重建 北京：科学出版社；2005.7：第一章：1～2，63～64.

[2]韩金姝.基于分形的植物形态模拟与图像压缩技术研究：[硕士论文]. 青岛：中国海洋大学信号与信息处理专业，2005.