图像前处理（精选11篇）
图像前处理 篇1
1 数字图像处理的基本内容
1.1 把空间域处理转变成为变幻域处理
对于这一点, 我们知道, 图像列阵通常都比较大, 而且是在空间域中直接实行处理, 所以, 这里所涉及到的计算量会比较大, 在这样的情况下, 一般采用多种图像变换的方式来进行, 通过这些方式来把空间域的处理转斌成为变换域的处理, 从而使得计算量大大减少。
1.2 把图像编码压缩
对于图像的编码压缩技术来讲, 它主要就是用来把描述图像的数据量减少, 通过这一处理来使图像传输和处理的时间大大减少, 同时把所占用的存储器的容量大大减少。
1.3 通过图像的增强和复原来提升图像的质量
所谓的图像增强和复原主要包含了除去噪声以及把图像的清晰度提升等等, 对于图像的增强来讲, 在不对图像降质的原因进行考虑的情况下, 来把图像中所感兴趣的部分显现出来。对于图像的复原来讲, 相对就比较细致了, 它必须要对原图像降质的原因有一个大体的了解, 并建立起相关的降质模型, 通过此来使其恢复成原本的图像。
1.4 通过图像的分割来把特征部分提取出来
在数字图像处理技术中, 图像的分割是不容忽视的一个关键技术, 所谓的图像分割也就是把图像当中比较有意义的特征部分提取出来。
1.5 图像的描述
对于图像的描述来讲, 它主要就是为图像的识别做铺垫的, 它是对于简单的二维图像来讲, 我们可以通过其几何特征来对物体的特性进行描述, 通常有两种方式, 也就是边界描述以及区域描述。
1.6 图像的识别
对于图像的识别来讲, 主要就是图像在经过了某一些预处理之后, 在进行了图像的分割以及特征的提取之后, 来最终对图像作出分类。
2 膜图像处理中数字图像处理技术的应用
2.1 图像数字化预处理
图像数字化预处理是针对图片对比对不够强而提出来的, 它的具体流程是图像的剪切、图片灰度的变换、高斯滤波处理、中值滤波处理以及图像边缘的检测。那么, 具体来讲: (1) 第一步, 图像的剪切。我们知道, 对于膜结构来讲, 时存在相似性的, 所以, 在后续的分离过程当中, 只需要选择膜图片当中的一小块就行了, 通过Matlab图像处理当中的imcrop函数, 来实行图像的剪切。 (2) 第二步, 灰度的变换。通过灰度变化, 能够使得图像的动态范围得到大大的扩宽, 能够使得图像对比度得到扩展, 使得模糊的图像变得清晰化, 从而体现出明显的特征。 (3) 第三步, 图像的高斯滤波。对于滤波处理来讲主要就是针对膜断面的扫描电镜图像中存在噪声问题而提出来的, 采用滤波器进行滤波处理可以说是一种最直接的方式。 (4) 第四步, 图像的中值波滤波。我们知道, 对于膜断面的扫描电镜图像来讲, 总是存在有十分多的椒盐噪声, 在这时需要对其采用中值滤波处理的方式, 这是因为, 在一定的条件之下, 中值滤波能够把线性滤波所造成的图像细节模糊的这种现象解决掉, 从而不仅能够对图像的边缘起到保护作用, 而且还能够把噪声去除。 (5) 第五步, 图像边缘的检测。对于图像边缘的检测来讲, 这是图像的一个最最基本的特征, 我们额可以把边缘当中所包含的具有价值的目标边界信息用, 来进行图像的分析和识别。
2.2 标量图像矢量化
对于矢量图的绘制来讲, 我们知道, 膜断面的扫描电镜图像主要就是位图, 也就是说不能够直接用其来进行模型的建立, 所以, 需要进行矢量图的绘制, 对于矢量图的绘制来讲, 主要采用CAD就能够完成。
2.3 膜孔隙率及图像标尺的计算
首先, 对于膜孔隙率的计算来讲, 其主要公式就是:φ=Vp/Vb×100%, 其中Vp所表示的事多孔介质内的那些微小空隙的总体积, Vb所表示的事文章选取的多孔介质的总体积, 两者之间的比值也就是膜孔隙率。通过图像处理技术来把孔隙率计算出来, 这一步骤主要采用的是图像处理当中的二值化操作, 也就是把图像中的孔和图像的背景相脱离, 之后对孔的像素数进行统计, 计算孔隙率。
其次, 对于图像标尺的计算来讲, 主要公式就是:
标尺=像素点的个数
线段的实际长度
对于这一步, 我们需要做的就是先对膜的扫描电镜图像当中的线段实行而知化处理, 在得到了二值图像之后, 我们把横向灰度值为1的像素点的总个数统计出来, 从而, 根据公式把标尺计算出来。
总之, 通过把数字图像处理技术应用到膜图像处理当中, 我们可以得出具体的膜孔隙率以及膜图像的标尺, 在此基础上, 我们就可以结合标尺的大小, 来把膜的边界矢量图转变成为具体的尺寸, 从而就可以构建出和实际膜接近的几何模型, 这一处理技术所得到的几何模型具有了准确度高的特点, 所以是值得推广的技术。
图像处理谁最行 篇2
软件简介
美图秀秀
老牌软件，功能丰富，集美化、美容和拼图于一身，操作简单，可一键美化、美容和拼图，并可分享照片到流行的社交网络。
http：//apk.gfan.com/Product/App92460.html
百度魔图
一款好玩易用的掌上美图工具，集美化、美容、拼图和分享于一体，并集成百度相册。
http：//apk.gfan.com/Product/App23740.html
图像处理
美图秀秀分类合理 样式丰富
软件包括美化图片、人像美容、拼图和素材中心几部分。美化图片包括编辑、增强、特效、边框、文字和背景虚化，编辑分为裁剪、旋转和锐化。增强包括调色和智能补光，其中调色可以根据色彩饱和度、亮度和对比度进行调整。特效非常丰富，分为LOMO、影楼、时尚和艺术四个选项，其中每个选项又分为很多效果，如LOMO又分为胶片、复古、印象、HDR、老照片、牛皮纸、移轴等效果。边框分为简单边框和炫彩边框，其中简单边框分为经典边框、电影胶片等很多样式。文字包括会话气泡和文字样式，其中会话气泡有十几种样式。文字样式可以设置字体颜色、粗体和阴影等效果。背景虚化分为圆形虚化和直线虚化两种，可以以范围和大小进行虚化。
软件的本地素材比较丰富，而且还可以扩展，素材中心可以下载简单边框、炫彩边框、会话气泡、拼图边框和自由拼图背景，扩展性比较强。
百度魔图分类有待细化 样式较丰富
百变魔图包括美化、拼图、网络相册、特效相机和新素材几部分，其中美化包括编辑、美容、装饰、特效和相框几部分，编辑包括调色、裁剪、翻转和旋转、锐化、背景虚化。大部分功能和美图秀秀很相似。
小结：
美图秀秀把美化图片和人像美容分开，更合理。素材如特效和边框更丰富。百变魔图的特效和边框都较少，需要网上下载，用起来较麻烦。
美容、拼图和可玩性
美图秀秀边框丰富 可玩功能少
人像美容包括磨皮美白、祛斑祛痘、瘦脸瘦身、祛黑眼圈、眼睛放大。
拼图包括模板拼图、自由拼图和图片拼接三种，模板拼图所选边框很丰富，自由拼图以随机的样式拼图，方便快捷。
百度魔图边框、背景丰富 可玩功能多
美容包括瘦脸瘦身、眼睛放大、祛痘、美肤、眼线、腮红、局部美白，比美图秀秀功能要丰富一些。装饰包括饰品、恶搞、贴纸和文字泡泡，特效包括经典、情景和艺术三部分。饰品、恶搞和贴纸是美图秀秀所没有的，具有一定可玩性。相框包括普通相框和花边相框两种，样式很少，不过可以网上下载其他样式。
拼图包括模板、自由和拼接三种方式，可以手动选择布局，较方便。边框、模板和背景样式都较少，都可网上下载。
小结：
美图秀秀自有的边框和样式比较丰富，而百度魔图自有的边框、背景和模板很少，需要去网上下载，要麻烦一些。在可玩性方面，百度魔图有装饰、恶搞和贴纸等功能，可玩性要强一些。另外，拼图提供了布局选项，可以按照指定布局进行拼图。
总结
图像前处理 篇3
数字图像处理系统是利用图像采集信息,并实现处理和传输功能的装置[1,2],在多个领域发挥重要作用。随着图像采集处理系统逐渐成熟,各个领域对图像数据的可辨识性和适应性要求逐渐提高[3]。本文主要分析基于图像精确处理的数字图像处理系统设计与实现。
1 系统设计方案
1.1 系统设计总体方案
为了满足图像精确处理需求,本设计QR码识别系统架构如图1所示。本设计分为图像采集、系统整体框架设计图、图像处理和视频显示模块。为了满足精确处理需求,图像采集模块采用高清CMOS航空摄像头,视频图像采集模块采用DE2-70开发板实现[4,5],嵌入可编程芯片,视频显示模块使用液晶显示器输出视频。
1.2 关键模块设计
视频图像处理模块是关键部分,承担图像的采集、处理以及识别,视频图像主要结构和控制信号如图2所示。数据从图像采集模块的摄像头接口进入,进行模数转换,自动监测信号。摄像头采用NTSC制式,将模拟信号解码为分量视频数据,将信号存储,完整后进入FPGA芯片进行图像处理。系统设计的数字图像处理系统主要是图像预处理、定位、数据采集的实现,然后是芯片的配置。
2 QR码图像识别系统算法
QR码编码步骤包括数据分析、编码、纠错、构造等,数据分析确定字符类型和模式,编码模式包括字符编码、汉字提取以及扩充解释等。QR码数据编码按照指定模式,将信息转换为二进制位流,将码字转换为序列。数字模式码字生成步骤如图3所示。举例说明字母数字模式,如将AB-43转换为码字序列,按照字母数字模数得到字符,每两个字符为一组,均转换为11位二进制数,连成一个序列。GB2312所规定的的汉字字符[6]共6 768个,每个字符均由2个字节表示,将汉字字符转换为13位二进制码。
采用QR码纠错算法生成纠错码字,在数据块后提取信息,减少数据丢失的情况。纠错共分为4个等级,对应4个容量,一般能够纠正拒读错误和替代错误[7]。掩膜设计主要是满足符号深色和浅色的调整,降低译码错误发生率,仅仅使用在编码图形中。根据各个掩膜图参考生成条件,进行异或操作,对每个掩膜进行评价。QR码符号由正方形模块构成,编码区域包括纠错编码和数据编码。
QR码识别给予CCD摄像头采集的图像,通过计算机去除图像噪声,数字图像由有限个元素组成,二维数字灰度图像均可以由函数表示。在QR码图像进行识别之前需要预处理,保证QR码完整性。本组设计中,采用空间滤波中值滤波方法,降低噪声[8],并进行Otsu算法二值化,完成QR码预处理工作。
采用硬件算法实现QR图像数据的采集,包括采样、定位以及提取等工作。图像预处理后,提取相关信息,有效定位,调整符号偏角,建立采样点,得到提取像素信息的位置坐标。QR码定位中,主要搜索位置探测图像。QR码图像滤波给予邻域处理,逐点移动掩膜。硬件实现非线性滤波器时,需要设计排序,求出较多逻辑资源,采用非线性滤波中值滤波器滤波。Matlab仿真采用传统处理器方法,代码如下:
根据模块长度网格化处理整个符号,一个模块对应一个数据,减少计算量,后续工作中均按照图像采集模块化坐标。掩膜时需要注意功能区域,考虑到图像探测、校正,因此不消除掩膜。数据编码中,数据位流基本格式为模式指示符、字符计数指示符、数据位流、终止符,模式指示符共4位,包括数字、字符数字、汉字、字节,字符计数则是由版本而确定,数据流部分也是根据版本而定。
3 软硬件设计与实现
系统硬件采用Altera公司EP2C70芯片,编辑单元68 416个,RAM容量15 200 b,4个PLL,622个用户pin数量。软件部分,使用DSP Builder处理数字信号。
在图像预处理模块中,硬件设计要求不仅需要满足输出功能,同时要能够达到实时处理,且逻辑资源尽可能少,又能监测滤波状态。设计采用中值滤波器,分为图像扫描和功能逻辑模块。扫描模块实现数组的采集,逻辑模块实现像素的计算。窗结构零数字电路设计中,需要满足扫描和滤波器逻辑模块,采用由左到右的扫描方式,窗结构包括9个寄存器,存储像素值,扫描过程中,每一个区域考虑相邻的像素提取。灰度直方图用来描述灰度级个数,采用FPGA片内存储资源实现,数据流为1~254数据集合,读入像素值后,RAM值加1,模块化代码如下:
FIFO设计中,利用FPGA内部存储资源,按照先进后出的原则读取数据,当输入时钟clk上升时,信号为高,缓存器存储数据。该模块内设置两个地址计数寄存器,每一次读或者写,寄存器数值加1。读写到最大值时,进入下一个值,不会超过存储空间。滤波器功能逻辑模块采用奇偶排序法进行逻辑设计,直方图统计模块采用灰度直方图函数,采用FPGA片内存储资源,数据范围为1~254数据集合,在像素值读入后,RAM地址数值加1。QR码定位模块是图像预处理后扫描,在规定误差内表示为探测图像咸蛋,提取模块长度和其他信息。定位模块包括累加模块、转换和提取模块,状态转换模块通过reset信号实现启动,时钟周期由高到低,进入初始模块,若累加像素动作完整,状态进入到模块长度计算。
4 系统分析
本系统中,由于能够直接使用滤波,二值化等检测,处理时间大大缩短,而且图像分辨率达到640×480,处理速度上具有很大优势。由QuartusⅡ编译报告分析资源使用情况,该设计系统使用11 347个LE,寄存器为7 169个,占到20%,资源使用率适中,有利于后端布局布线,实现物尽其用,节省资源。通过Modelsim仿真产生文件,分析FPGA片内功耗,SDRAM缓存器控制模块耗能较大。
QR码视频图像经过中值滤波处理之后,噪声可以经过过滤,大大减少,对后期定位有利,而且能够减少漏定,提高识别率。二值化方面,能够有效区分前景和背景最大的灰度阈值。QR码经过中值滤波、采样等检测后,信息寄存到SSRAM中,然后数据传输到片内存储器中,确定图形坐标,符号通过NIOS打印在Console上。
5 结语
综上所述,本文设计基于图像精确处理的数字图像处理系统,系统设计完整,完成各个模块的设计实现工作,提出给予结果反馈的二值化算法,优化和改进中值滤波硬件结构,并设计QR码定位模块,实现信息的提取,图像处理速度大大提高。
摘要：为了满足图像精确处理需求,利用现场可编程门列阵动态配置灵活性,采用高性能Cysclone系统芯片作为核心处理器,并配合1394总线链路层构建图像处理系统,实现图像数据采集和处理。系统方设计分为图像采集、存储、处理和传输等模块,先通过摄像头采集QR码图像,进行滤波等预处理工作,然后经定位、提取信息、检索纠错等得到字符信心。该系统采用图像处理技术,很好地解决了不同光照条件引起的识别不确定性,精确区分前景和背景,减少信息遗漏,设计硬件结构,提高系统速度和面积技能,优化系统硬件操作。在软件设计中,采用软核处理器,完整图像信息的提取。系统设计与传统二值化、滤波等检测方法相比,处理时间大大缩短,同时处理图像分辨率也得到提高。
关键词：图像处理,QR码,数字图像处理系统,结构设计
参考文献
[1]王迪.基于数字图像处理的图像分割系统的设计及实现[J].企业导报,2015(12):58.
[2]焦再强.基于Zynq-7000的购入式数字图像处理系统设计与实现[D].太原:太原理工大学,2015.
[3]张鑫,吴娱,平子良,等.基于Matlab GUI的数字图像处理实验平台设计[J].现代电子技术,2014,37(18):6-8.
[4]希仁娜·亚森,李湘.基于Internet的远程数字图像处理[J].现代电子技术,2014,37(14):114-116.
[5]张千宇,高青伟,徐海峰.数字图像处理的“炮身轴线偏移”检测系统设计与实现[J].火力与指挥控制,2014(12):149-152.
[6]孙凯旻.基于FPGA数字图像处理QR码识别系统的设计与实现[D].上海:上海师范大学,2013.
[7]王桢.数字图像处理系统设计与实现[J].计算机光盘软件与应用,2014(21):296.
[8]刘婧.基于Matlab的简单图像处理系统的实现[J].电子技术与软件工程,2014(9):112.
图像处理专业简历 篇4
户口所在： 茂名 国 籍： 中国
婚姻状况： 未婚 民 族： 汉族
培训认证： 未参加 身 高： 158 cm
诚信徽章： 未申请 体 重： 52 kg
人才测评： 未测评
我的特长：
求职意向
人才类型： 应届毕业生
应聘职位： 图书管理员/资料管理员：管理员，文秘/文员：文秘，导购员：采购员
工作年限： 0 职 称： 中级
求职类型： 实习可到职日期： 一个月
月薪要求： 1000--1500 希望工作地区： 广州,佛山,茂名
工作经历
高州市华高学校 起止年月：-06 ～ 2008-09
公司性质： 事业单位 所属行业：教育/培训/院校
担任职位： 文员
工作描述： 工作轻松，一天工作8小时，在那时学到了很多在学校没有学到的知识，为以后的工作打下一些基础和经验.
离职原因： 回校
广州市番禺区榄核镇工业区光大有限公司 起止年月：-06 ～ 2007-09
公司性质： 国有企业 所属行业：石油/化工/矿产/地质
担任职位： 生产工人
工作描述： 在哪里工作很辛苦，一天工作12个小时，有时还要加班2个小时，里面很热，在哪里认识了很多不同地区的人，体会到了工作的`辛苦，懂得要不停的向困难挑战，不断的超越自我.
离职原因： 回校
广州市番禺区钟村镇肥佬球美食店 起止年月：-06 ～ 2005-09
公司性质： 事业单位 所属行业：服务业
担任职位： 服务员
工作描述： 在哪里能苦中作乐，在哪里的工作一天12小时，像一个专业跑腿一样马不停蹄跑来跑去，那里的老板和蔼可亲，待人处事公平公正从不偏坦任何人.
离职原因： 回校
志愿者经历
教育背景
毕业院校： 广东茂名农垦技工学校
最高学历： 中专 获得学位: 毕业日期： -04
专 业 一： 图像处理 专 业 二： 文秘与财会
起始年月 终止年月 学校(机构) 所学专业 获得证书 证书编号
2007-09 2009-04 广东茂名农垦技工学校 高级文秘与财会 电脑证书 未知
语言能力
外语： 其他 良好 粤语水平： 精通
其它外语能力：
国语水平： 精通
工作能力及其他专长
熟练WORD.EXCEL.图像处理.CORWIDAWR.会计做账.错账更正.结账的操作.
详细个人自传
浅谈中职图像处理技能教学 篇5
图像处理技能教学可以分为三个阶段，每个阶段都有相应的目标。
1.初级目标
图像处理技能课程的初级阶段需要30课时左右，主要以Photoshop软件基本功能的介绍、界面的了解、各种工具的使用等为目标。在这个阶段主要让学生熟练掌握Photoshop各种工具的使用，并能利用工具完成简单的几何图形的临摹或制作，例如光盘制作、卡通人物临摹、商标制作等。这些内容主要是为后续的知识做铺垫。
2.中级目标
图像处理技能课程的中级阶段需要50课时左右，在这个阶段主要以掌握图像调整、色彩、蒙板、滤镜、通道等为目标。利用知识完成图像处理，例如色彩处理、明暗处理、透明化处理、抠像、文字特殊效果等。达到这一阶段目标的学生，已经能胜任与之相关的绝大多数工作岗位，也达成了计算机网络类与之相关的教学目标，但与计算机多媒体类的教学目标还存有差距。
3.高级目标
图像处理技能课程的高级阶段需要80课时左右，使学生能够综合运用图像处理知识进行平面设计，如婚纱影集设计、儿童影集设计、文字设计、企业标志设计、广告海报设计、广告喷绘写真设计、商品包装设计等。这些设计在我们的生活中很常见，学生掌握这些知识确定了自己的专业方向，同时也可以为以后提供更大的就业空间。
二、教学方法
根据图像处理学科特点，笔者在技能教学中主要采用任务驱动法和项目教学法。
任务驱动法主要适用于图像处理技能教学的初、中级阶段。所谓“任务驱动”就是在学习过程中，学生在教师的帮助下，紧紧围绕一个共同的任务活动中心，在强烈的问题动机的驱动下，通过对学习资源的积极主动应用，进行自主探索和互动协作的学习，并在完成既定任务的同时，引导学生自主学习的一种学习实践活动。
项目教学法主要用于图像技能教学的高级阶段。项目教学法又称为跨专业课程，它是通过“项目”的形式进行教学。为了使学生在解决问题中习惯于一个完整的方式，所设置的“项目”包含多门课程的知识。项目教学法就是在老师的指导下,将一个相对独立的项目交由学生自己处理、信息的收集、方案的设计、项目实施及最终评价,都由学生自己负责,学生通过该项目的进行,了解并把握整个过程及每一个环节中的基本要求。
三、教学反思
1.学习目标
学生学习图像处理是为了就业或创业，而不是艺术性的创作。所以在初、中级阶段，完成效果即可視为目标达成。而在高级阶段，完成作品之后还需要进行师生评价、生生评价，在评价中提升学生的自身素质，提高实际操作能力，此阶段目标达成的前提是综合能力的增强。
2.开展专题训练以促进目标达成
图像处理天赋并非每位学生都具有。为理解、巩固某一知识，必须展开专题训练。笔者认为需在初级阶段进行造型能力专题训练，中级阶段进行色彩运用专题训练，高级阶段进行案例制作专题训练。
（1）造型能力专题训练。在造型能力专题训练中，通过选区的各种模式制作出优美的图形图案，以强化选区的知识。使用钢笔工具进行图形图像绘制、抠图等操作，充分理解钢笔工具的原理，强化学生的造型能力。将点、线、面基本元素进行排列组合，并将这些基本元素转换成具体的图形元素。
（2）色彩运用专题训练。图像处理中的色彩非常重要。对于美术基础较弱、发散性思维比较差的学生，可以展开这方面的专题训练。
（3）案例制作专题训练。在案例制作中综合运用所学知识，活学活用，多看多做多想。作品完成后进行评价，先由学生进行自我评价，再由教师点评或其他学生点评，让学生明确自己的优点，更好地激发学生的学习积极性，同时了解自身存在的不足，以便更好地完成以后的作品。具体评价内容包括：技术运用的合理与熟练、构图美观、色彩搭配、设计思路清晰等。
3.建设学科网站以推进目标达成
（1）综合归纳教学资源。学科网站既包含教师所要讲授的各个知识点(教学案例)及相关素材(如源文件、文字、图片等资料)，也包含教师搜集的大量相关教学资源(包括各种链接)。可以说学科网站就是一个资料库，学生所需要的相关知识都可体现在网站之中。
（2）便捷高效的交流平台。网络技术的应用特别是动态网页技术在学科网站中的应用．使教师和学生之间、学生和学生之间的交流成为一件很容易实现的事。
（3）充分发挥网络功能。网络的普及使学生的学习有了很多新的手段。如果把学科知识上传到互联网上，学生可以在家中访问学科网站，上交作业，通过论坛、留言板等与他人交流，学习方式极为灵活。
4.参加技能大赛促使目标达成
技能大赛可以公平、公开、全方位地检阅学生的知识掌握程度。学生通过技能大赛能够互相切磋，取长补短，在巩固自身知识的同时也能提升自身素质。参加技能大赛的选手需经过层层筛选，其选拔过程极具挑战性。能成为技能大赛的选手，是职校学生的一种追求，这种激励作用远胜于获奖本身。能在技能大赛中获奖的学生，即可认为达到了学习目标。
(作者单位：义乌市国际商贸学校)
图像前处理 篇6
数字图像处理又称为计算机图像处理, 是指将模拟图像信号转换成数字形式并利用计算机对其进行加工、编辑和处理的过程。由于数字图像的广泛适用性, 印刷、出版和包装领域也开始应用图像处理技术。数字图像处理系统的基本流程如图1所示。
图1数字图像处理基本流程数字图像处理技术具有以下特点:
定量化:数字图像处理易于得到定量的结果;适应性:数字图像处理既适用于可见光图像, 又适用于其他波谱图像;既可处理静态图像, 又可处理动态图像;精度高:数字图像处理的精度随着图像像素数和量化级数增加而提高;再现性:只要输入图像和处理方法不变, 数字图像的处理结果也不会变, 具有很好的再现性;灵活性:对同一幅图像, 只要处理程序稍作改变或补充, 就可得到不同的处理结果;存储容量大:数据信息的积累是不断增加的, 久而久之将形成一个庞大的信息库。
2 数字图像获得
原稿分为模拟原稿与数字原稿。扫描模拟原稿是获得数字图像的重要手段, 即使在数字摄影技术已发展得相当成熟, 扫描原稿仍然占据着数字图像来源的重要地位。
2.1 数字化与扫描
数字化总是相对模拟对象而言的, 因此这一概念描述从模拟信号到数字信号的转换, 模拟对象包含的信号可以是光信号、电信号、超声波信号、红外信号或X线信号等。在图像处理时使用数字化这一概念是将模拟对象从原来的形式转化为数字形式的处理过程, 通常采用扫描的方法。扫描是模拟原稿实现数字化的处理过程。
2.2 原稿数字化的数字描述
图像的数字化包含两个方面的内容, 它们是空间位置的离散和数字化以及亮度的离散和数字化。从不很精确的角度叙述, 可以空间位置的离散称为抽样, 而亮度的数字化则称为量化。假定一幅连续调的模拟原稿在二维方向上被图像数字化设备分成M×N个网格, 每个网格用一个亮度值 (灰度值) 来表示, 这个过程称为抽样 (如图2所示) 。
图像的数字化过程
抽样的先后次序与图像处理系统的设计特点有关, 例如某些数字图像处理系统是先获得模拟图像信号, 再来抽样, 这种系统称为模拟图像系统。在通常情况下, 模拟图像系统是用扫描方式把二维原稿转化为一维随时间而变化的信号, 原稿用若干距离相等的行来分割, 然后作逐行信号变化。
3 数字图像分类
经抽样和量化后得到的数字图像是一个用灰度值表示的二维数组, 如果用来表示这样的二维数组, 则其含义是位于抽样点阵排列处的像素值 (灰度值) 。根据灰度层次、光谱轴与时间轴上组合方式的不同, 数字图像可分为如下六类。
二值图像在所有图像类型中最为简单, 可用下式表示:
上式说明, 二值图像只能从0或1中取值, 物理上对应黑和白两种状态。
灰度图像, 对应于人们日常生活或工作中遇到的黑白照片, 表现为黑色的不同浓淡层次和不同程度的灰色, 可用下式表示:
式中的n是灰度量化的位数, 取决于图像数字化设备的能力。
彩色图像是一种以不同颜色 (主色) 通道组合而成的图像, 可以用下式表示:
式中之k表示组成彩色图像的独立主色通道数。
图像由多种光谱成分组成时称为多光谱图像, 同样可用式 (3) 表示, 到此时的k一般在4-8之间。遥感图像是它的例子。
所谓的立体图像不是指图像是立体的, 而是从两幅二维的图像可以计算出对象的三维形状, 这一方法称为立体成像或计算机视觉。得到两幅图像后再用相关算法求得该对象的三维形状, 可以表示为:
运动图像描述在一个时间序列中被研究对象的运动特点, 摄得的每一幅图像与某一刻相关联, 用于动态分析和动画制作等, 可以用带时间参数的像素序列表示:
4 图像输入设备和扫描参数
现今的图像输入设备已发展到以扫描仪和数码相机为主, 后者的进展速度尤其迅速, 已成为主流图像输入设备。
4.1 扫描仪硬件构成及其性能
图像数字化设备包括采样光孔、扫描机构、光电转换元件、量化器和存储器五个部分。图像数字化设备的性能主要有以下几点决定。
像素大小取决于采样光孔尺寸和两个相邻像素的间距, 它们是图像数字化设备的两个重要性能指标。图像输入设备另一个重要参数是允许输入原稿的幅面大小, 通常有A4和A3两种。
线性度也是衡量图像输入设备的重要性能指标。原稿的反射或透射光强度转换成数字信息时, 应当知道量化后的灰度值正比于原稿实际亮度的精确程度, 因为非线性的数字化会影响后续图像处理的效果。图像输入设备能量化的灰度级数 (即位分辨率或色调分辨率) 通常为用户所关注。一般量化位数取8, 高精度的扫描仪可以把这一参数提高到12位甚至16位。图像数字化设备的固有噪声是导致图像质量下降的根源之一, 噪声水平是衡量扫描仪的重要性能指标, 应小于原稿内部的反差 (对比度) 。本实验选用ESPON平板彩色2580型扫描仪, 其参数如表1所示。
4.2 扫描参数设置
为了得到质量较高的数字图像, 本实验采用专业扫描模式。一般需要根据扫描意图指定适当的分辨率, 一般设置为300dpi, 为了得到更好的加工效果, 本实验选择600dpi, 在保证扫描图像质量的前提下, 亦能满足数据大小的增加。
(1) 从扫描图像中去除波纹图案。波纹容易在半色调区域产生, 例如:皮肤色。 (2) 增加图像清晰度。如果原始图像的轮廊不够清晰, 可以在专业模式中使用此功能增强扫描图像的清晰度。使用增加图像清晰度的功能后, 图像质量得到改善。 (3) 翻新褪色的彩色图像。色彩翻新是一种扫描仪软件功能, 可翻新在胶片和照片上的褪色色彩。选择色彩翻新复选框可进行调整翻新色彩。 (4) 去除胶片上的灰尘。使用此功能去除胶片上的灰尘, 提高扫描图像的质量。在调整中选择去除灰尘复选框。
4.3 扫描后处理
经过一系列的处理可以很好地增强图像的质量, 但一般得到的初步数字图像质量还存在一些问题, 这就需要在图像处理的后期工作中加入图像的去噪声处理。去除噪声的方法有很多, 如图像平滑、中值滤波、图像锐化等。本实验选用中值滤波的方法减少图像噪声。模拟图像原稿经扫描后的原始数字图像和经过处理后的数字图像分别如图所示。
5 小结
对模拟图像的数字化处理, 主要是数字扫描。通过在扫描过程中选择合适的参数得到初步的数字图像, 然后经过中值滤波的处理, 得到符合数控加工的数字图像。其特征信息用灰度值来表示。
参考文献
[1]霍宏涛.数字图像处理.机械工业出版社.2006.
[2]孙即祥.图像分析.科学出版社2004.
[3]陈天华.数字图像处理.清华大学出版社.2007.
[4]金杨.数字化印前处理原理与技术.化学工业出版社.2006.
高清解析处理图像技术 篇7
该项目以核心技术“劣化影像还原技术”为依托, 开发和销售以下产品:
(1) 将劣质图像 (影像) 进行还原处理的高性能图像还原软件及设备;
(2) 运用“斑点检测法”检测LCD (液晶显示屏) 斑点的设备;
(3) 利用图像还原技术处理相片及动画的软件;
(4) 此外, 还开发销售运用了数学理论的加密软件。
本技术不仅可以应用于科学研究, 还可广泛应用于航天航空、宇宙开发、医疗、生化、IT半导体产业等诸多领域, 也可运用于刑侦等特殊领域。市场前景极佳。
紫外图像处理方法 篇8
关键词：紫外图像,随机噪声,多帧平均,递归滤波
紫外成像技术的发展不仅拓宽人的视觉范围, 增强人类对自然的认识, 而且还产生重要的经济、军事、科研应用价值[1]。特别是工作在“日盲区”波段的紫外探测器件, 由于其低背景辐射、高灵敏度的优势, 愈来愈受到人们重视, 成为研究的热点问题。由于大气对“日盲”紫外波段辐射衰减强烈, 信号极其微弱 (一般在n W级) , 要进行有效的信号探测, 紫外成像器件的增益必须较高。在这种情形下, 系统噪声将对图像产生严重的干扰。因此研究紫外成像系统、分析噪声干扰产生的原因, 并对紫外图像进行有效地处理, 对研究紫外成像问题有重要意义。
1 典型紫外成像系统及噪声分析
紫外成像以光—电子图像信息接收、转换、增强、处理、显示等物理过程及其实现方法为基础, 具有内增益的外光电效应器件 (光电倍增管、像增强器等) 是紫外成像的理想选择。目前市场上主导的紫外成像系统是以MCP为核心的紫外ICCD成像组件。紫外ICCD的典型结构如图1所示[2], 主要由入射窗、光电阴极、微通道板 (MCP) 、荧光屏、耦合光纤、可见光CCD等部分组成。ICCD基本工作原理为:从入射窗入射的光子经滤波后照射到光电阴极上, 按一定的量子转换效率转化为光电子, 在加速电场的作用下光电子进入MCP进行倍增, 然后聚焦到荧光屏激发出可见光, 通过光纤光锥将图像耦合到可见光CCD上, 最后由电路读出, 完成从入射光到电子图像的转换。
由上面的分析可知, ICCD是一个复杂的光电成像系统, 在进行光电转换的各个环节均会引入不同程度的噪声[3]。其主要的噪声源有: (1) 信号内在噪声:也称为输入噪声或光子噪声, 指光信号辐射过程中出现的光量子随机起伏; (2) 暗电子发射噪声:由于温度的影响及材料本身的性质, 即使在无光照的情况下光电阴极也会有暗电子逸出; (3) 读出噪声:指从可见光CCD读出信号、量化过程中引入的噪声, 如产生—复合噪声、复位噪声等。此外光锥与CCD的配合工艺等因素也会引入不同程度的噪声。在ICCD系统中, MCP的电子增益倍数很高, 单级在103~104之间, 而用于“日盲”成像探测的ICCD多采用两级V型结构, 增益高达106。在这样高的增益作用下, 进入到MCP之前引入的噪声对信号的影响将是主要因素, 而其他噪声的影响则可以忽略不计。
2 紫外点目标场景图像模型
鉴于大气层内中紫外面源的稀有, 绝大多数的探测事件对成像探测系统的张角为一个或不足一个单元视场, 因此紫外成像一般理解为对点源探测的应用[4]。根据以上对紫外成像干扰原因的分析, 点目标紫外场景图像f (x, y) 可以描述为
式中, fT (x, y) 为目标点灰度值;fB (x, y) 为背景图像;n (x, y) 为噪声图像。
背景图像fB (x, y) 通常都有较长的相关长度, 所占的灰度级很低, 它占据了场景图像fT (x, y) 空间频率中的低频信息。同时, 由于场景分布和传感器固有响应的不均匀性, 背景图像fB (x, y) 是一个非平稳过程, 图像中局部灰度值可能会有较大的变化。另外, fB (x, y) 也包含部分空间频域中的高频分量, 它们主要分布在背景图像中各个同质区的边缘处, 如图2所示。
噪声图像n (x, y) 是场景及电路产生的各类噪声的总和, 像素间不相关, 在空间频域表现有和点目标类似的高频特征, 但空间分布是随机的, 帧间的空间分布没有相关性。
依上述分析得出, 目标点像素fT (x, y) 和噪声图像n (x, y) 在单帧图像目标检测阶段无法区分开, 但在多帧相关检测阶段可利用其帧间的不同特征区分[5]。而背景图像f (x, y) 则在单帧目标检测阶段就表现为与目标点像素f (x, y) 和噪声图像n (x, y) 不同的特点。因此可利用其相关长度长、灰度级低的特点, 选用适当的背景抑制算法, 比如门限法, 抑制在图像灰度分布统计中占主要成分的背景图像的作用, 提高目标与背景的信噪比。在多帧图像处理中去除噪声, 准确检测出目标。
3 紫外图像处理
3.1 图像均值处理
一系列连续图像的平均运算处理可以在图像采集中去除噪声, 检测出目标[6]。设有一副混入噪声的图像g (x, y) , 它由原始图像fT (x, y) 和噪声图n (x, y) 叠加生成的
假设各点的噪声是不相关的, 且有零均值。在这种情况下, 可以通过将一系列图像{gi (x, y) }相加取均值来消除噪声。设将N幅图像相加取平均获得一幅图像, 即
那它们的期望值和方差为
式中, σf2ˉ (x, y) 与σ2n (x, y) 分别是fˉ与e的方差。因此考虑新图像和噪声图像的各自均方差间的关系, 有
由此可见, 随着平均图像数N的增加, 在各个 (x, y) 位置上的噪声的影响会逐步减小。图3、图4分别为对连续3幅和连续6幅图像进行均值运算处理后的效果。
从图像输出结果可以看出, 多幅图像均值处理对降低图像噪声, 准确检测出目标有很好的效果, 并且图像帧数越多, 效果越明显, 但是随之带来的运算量也越大。
3.2 时域递归滤波
时域递归滤波[6,7]的数学表达式为
式中, I0为前一帧图像;I1为当前帧图像;I1^为滤波过后的当前帧;K为滤波系数, K∈ (0, 1) 。这种滤波器在时间上是递归的。在具体实现时, 就是把当前帧的像素与前一帧的经过降噪处理的像素 (经过一帧的延时得到) 按照一定的比例相叠加, 实质上就是和前若干帧的图像加权平均。而不同的是, 这里给不同的帧间误差以不同的权重, 距离自己最近的给予最大的权重系数, 而距离自己越远则权重越小。这样就可忽略对当前帧影响很小的量, 使得计算更为简化和精确。图5是递归滤波的简化原理图。从原理图上可以看出, 递归滤波只需要一帧的延时, 硬件上只需要两个帧存储器, 这使得硬件实现递归滤波成为可能, 同时在运算上也可以达到实时处理。当开始采集到的两帧图像进入缓存以后, 开始进行递归滤波。后一帧图像 (当前帧) 与前一帧图像之差再乘上滤波系数K即K (I0-I1) , 然后再将其叠加到当前帧, 就得到了当前帧的滤波图像, 把滤波过后的当前帧图像放在缓存中作为前一帧, 把第三帧作为当前帧再进行滤波处理, 然后一直循环滤波下去。
式 (6) 实际上是一个自回归差分方程, 可以求出其传递函数为
式中, K就是滤波系数;Z-1表示一帧的延时, 其幅频特性为
由图6可以得出, 递归滤波实际上就是一个低通滤波器, 对于含有随机噪声的图像来说, 噪声相对于背景而言变换的快得多, 也就是说, 背景在时间上具有低频特性, 而噪声却具有高频特性。将含有噪声的图像通过递归滤波之后, 就相当于加入了一个低通滤波器, 因此也就可以抑制随机噪声。
对时域递归滤波算法来说, 关键在于确定滤波算法中的系数K, 它的选择对于滤波的效果有显著的影响。从图6中同样能看出, K越大, 低通滤波器的带宽则越窄, 对于噪声信号应该有更好的抑制作用。递归滤波器的信噪比改善程度P用分贝可表示为
用关系曲线可表示成图7所示。可见, 滤波系数K越大, 信噪比改善得越多, 特别是K>0.8以后, 信噪比改善量增长很快, 对降噪很有利。
图8和图9是对连续20帧图像分别在滤波系数K=0.3和K=0.8时使用时域递归滤波算法降噪处理的结果。从中不难得出, 随着滤波系数的增大, 滤波效果明显增强, 信噪比显著改善。K=0.3时滤波效果比较差。K=0.8时滤波效果非常好, 几乎没有随机噪声。
4 结论
从处理结果中可以看出:多幅图像平均和时域递归滤波算法二者在不同程度上抑制了紫外图像中的随机噪声, 提高了图像的信噪比, 增强了目标, 弱化了噪声。多幅图像平均法的不足之处就是随着图像帧数的增加, 运算量会增加, 目标边缘也开始变得有些模糊。所以在实际应用中帧数不宜选择太多, 一般以3~4帧为宜。相比多幅图像平均的方法而言, 如果选择合适的滤波系数K值, 基于递归滤波的降噪效果更好些。递归滤波降噪可滤除紫外图像中的大多数随机噪声, 并且处理后的图像中目标和噪声的对比度明显增强, 且此算法有利于实时处理。总体看来, 多帧平均法和时域递归算法比较适合日盲紫外图像中随机噪声的消除, 特别是时域递归滤波算法。
参考文献
[1]刘榴娣, 倪国强, 钟生东, 等.紫外线的应用、探测及其新发展[J].光学技术, 1998, 24 (2) :87-89.
[2]张闻文.基于噪声特性的电子倍增CCD最佳工作模式研究[D].南京:南京理工大学, 2009.
[3]闫丰, 于子江, 于晓, 等.电晕探测紫外ICCD相机图像噪声分析与处理[J].光学精密工程, 2006, 14 (4) :0709-0713.
[4]许强.军用紫外探测技术及应用[M].北京:北京航空航天大学出版社, 2010.
[5]张德峰.详解MATLAB数字图像处理[M].北京:电子工业出版社, 2010.
[6]赵玉环, 闫丰, 隋永新, 等.紫外序列图像中目标的提取[J].光电工程, 2007, 34 (11) :0010-0013.
图像前处理 篇9
近年来,数字技术和微电子技术的迅猛发展给数字图像处理提供了先进的技术手段,数字图像处理也就从信息处理、自动控制系统论等学科中脱颖而出,成为研究图像信息的获取、传输、存储、变换、显示、理解与综合利用的一门崭新学科[1]。
数字图像处理所包含的内容是相当丰富的,根据抽象程度不同,数字图像处理可分为三个层次:图像处理、图像分析和图像理解。图像分割是由图像处理过渡到图像分析的关键步骤,在图像技术中占据重要的位置。一方面,它是目标表达的基础,对特征测量有重要的影响。另一方面,图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式,使得更高层的图像分析和理解成为可能。
图像分割多年来一直得到人们的高度关注,至今已提出了上千种类型的分割方法[2]。图像分割技术在实际中也得到了广泛的应用,例如在工业自动化,在线产品检验,生产过程控制,文档图像处理等方面。可以这么说,在各种图像应中,只要需对图像目标进行提取、测量等,都离不开图像分割。
1 图像分割技术
在图像的研究和应用中,人们往往只对一幅图像中的某些部分感兴趣,这些感兴趣的部分一般对应图像中特定的、具有特殊性质的区域,称之为目标或前景,其它部分称为图像的背景。为了辨识和分析目标,需要把目标从一幅图像中孤立出来,这就是图像分割要研究的问题。
1.1 基本原理
图像分割从广义上来讲,是根据图像的某些特征或特征集合(包括灰度、颜色、纹理等)的相似性准则对图像像素进行分组聚类,把图像平面划分成若干个具有某些一致性的不重叠区域。分割出来的区域须同时满足均匀性和连通性的条件。
从集合的角度出发,图像分割定义如下:设集合R代表整个图像区域。根据选定的一致性准则P,R被划分为互不重叠的非空子集(或子区域):{R1,R2,…Rn},这些子集必须满足下述条件[2,3]:
(2)对所有的i和j,i≠j,有Ri∩Rj=空集。
(3)对i=1,2,…,n,有P(Ri)=True。
(4)对i≠j,有P(Ri∪Rj)=False。
(5)对i=1,2,…,n,Ri是连通的区域。
其中,P(Ri)为作用于Ri中所有象素的形似性逻辑谓词。上述条件(1)指出分割后的全部子区域的总和包含图像中所有元素。条件(2)指出各个子区域相互不重叠。条件(3)指出属于同一区域中的元素应该具有某种相同特性。条件(4)指出分割后得到的相邻两个区域中的元素具有某种不同的特性。条件(5)要求同一个子区域内的元素的连通性。上述数学条件说明了图像分割的一些特点,凡不符合以上特点的图像处理算法则不能称为图像分割算法。
1.2 图像分割的分类
图像分割的方法很多,依据不同的分类准则,可以对图像分割进行不同的分类[4,5,6]:根据应用目的不同,可分为粗分割和细分割;根据分割对象的属性,可被分为灰度图像分割和彩色图像分割;根据分割对象的状态,可被分为静态图像分割和动态图像分割;根据被分割图像的维数,可分为二维、三维和四维图像分割;根据分割对象的应用领域可分为医学图像分割、工业图像分割、安全图像分割、军事图像分割、交通图像分割等;根据用知识的特点与层次,又可分为数据驱动与模型驱动;根据图像分割方法,图像分割可粗略分为基于直方图的分割技术和基于邻域的分割技术。
1.3 常用的图像分割方法
(1) 基于直方图的分割方法
基于直方图的分割方法又包含阈值分割和聚类等。其中阈值分割法是用一个或几个阈值将图像的灰度直方图分为几个类,认为图像中灰度值在同一类中的像素属于同一物体。由于直接利用了图像的灰度特征,因此计算方便简明、实用性强。而阈值设定受到噪声和光照度的影响一直是阈值分割方法中的关键。最优阈值分割就是将图像的直方图用两个或多个正态分布的概率密度函数来近似,阈值取为最小概率处的灰度值,这样被错误分割的像素数目最小。这种方法不需要人为地选定阈值,而是直接利用被处理的图像确定阈值[7]。自适应阈值分割法适应于由于照明不均匀,有突发噪声,或者背景灰度变化比较大时,整幅图像分割将没有合适的单一门限情况,此时对图像每一块分别选一个阈值进行分割,这种方法,称为自适应阈值方法。这类算法的时间复杂度和空间复杂度比较大,但是抗噪声能力比较强,对采用全局阈值不容易分割的图像有较好的效果[8]。灰度图像的二维Otsu 自动阈值分割法建立了既能反映像素点的灰度分布又能体现像素点与其邻域空间相关信息的灰度均值二维直方图,最佳的阈值是在一个二维的类间方差测度准则取最大值时得到的一个二维矢量, 并以此二维矢量作为分割门限进行图像分割,从而提高了Otsu 法的抗噪声能力[9]。
聚类是指对灰度图像和彩色图像中相似灰度或色度合并的方法,通过聚类将图像表示为不同区域即所谓的聚类分割方法。此方法的实质是将图像分割问题转化为模式识别的聚类分析,如k均值、参数密度估计、非参数密度估计等方法都能用于图像分割。基于像素空间聚类分割是聚类的一种,其主要思想在于在某些特定的尺度上观察图像,以使图像的信息得到更好的表达[10]。
(2) 基于邻域的分割方法
基于邻域的分割方法又包含边缘检测、区域增长等,其中基于边缘检测的图像分割方法是一种经典的分割方法,这种分割方法的依据是相当直观的。一般而言,当人看一个有边缘存在的物体时,首先感觉到的便是边缘。灰度或结构等信息的突变处称为边缘,它是一个区域的结束,也是另一个区域的开始。利用该特征可以分割图像。
Sobel算子是边缘检测的一组方向算子,从不同的方向检测边缘。该算子加强了中心像素上下左右四个方向像素的权重,使得检出边缘细微,结果图像中不仅边缘的亮度较大,视觉效果明显,而且对孤立噪声有一定的抑制作用[11]。Hough变换方法是利用图像全局特性而直接检测目标轮廓,即可将边缘像素连接起来组成区域封闭边界的一种常见方法。在预先知道区域形状的条件下,利用Hough变换可以方便地得到边界曲线而将不连续的边缘像素点连接起来。Hough变换的基本思想是点、线的对偶性。图像变换前在图像空间,变换后在参数空间。通过图像空间和参数空间的转化关系可知,图像空间中共线的点对应在参数空间里相交的线。反过来,在参数空间中相交于同一个点的所有直线在图像空间里都有共线的点对应。这就是点线的对偶性。根据此性质,当给定图像空间中的直线检测问题转换到参数空间里对点的检测问题,通过在参数空间里进行简单的累加统计完成检测任务[12]。snake模型(动态轮廓模型)从另一个角度探讨了边缘检测问题。首先,给出一条封闭曲线作为初始的边缘轮廓。此后,一方面使用象梯度场这样的图形信息作为外力,让曲线尽量靠近真实边缘;另一方面使用曲线长度、平滑程度等作为内力,约束曲线的形变。在这两种力量的共同作用下,最终得到精确的、连续的物体边缘。这种方法省去了对边缘的繁琐的后处理,但是这却是以提供初始轮廓为代价的。由于图形信息所提供的外力场是很微弱的,所以初始轮廓应当比较接近真实边缘,否则,算法可能无法收敛到真实边缘[13]。
区域生长的基本原理是将具有相似性质的像素集合起来构成区14具体地讲,是先对每个需要分割的区域找一个种子像素作为生长的起点,然后将种子像素周围邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域中。将这些新像素当作新的种子像素继续进行上面的过程,直到再没有满足条件的像素被包括进来为止[2]。
2 图像分割技术的应用
2.1 机车检测方面的应用
(1)对轮毂裂纹图像的分割
火车轮毂是车辆行驶中直接承受载荷与钢轨冲击的重要部分,轮毂裂纹如不及时发现,直接影响到列车的行车安全。而轮毂图像具有多种干扰,目标和背景之间的对比度并不是很高,故采用图1所示的分割处理:首先利用形态学处理对sobel边缘检测的结果进行相应的处理,再用最优阈值分割的方法对频域滤波的结果进行分割,最后对以上两个结果进行逻辑与操作,并利用模板进行空间滤波,以去除图像中的噪声点,提取目标[14]。
(2) 受电弓滑板磨耗图像的分割
电力机车通过其受电弓滑板与接触导线的滑动接触而取得电能的,随着机车的运行,受电弓不断的与接触导线进行滑动摩擦,从而产生滑动磨耗和电气磨耗。使用一种基于遗传算法的二维OTSU算法进行滑板磨耗图像的分割,这种算法不仅结合了OTSU双阈值算子考虑灰度信息、考虑邻域空间的相关信息的优点,还结合了遗传算法大大提高运算速度的优点,使得计算量变小、处理速度变快。适用范围扩大。其主要有5个步骤:产生初始群体、二进制编码、适应度函数、赌轮式选择、双点交叉和变异[15]。
(3) 在钢轨表面缺陷图像的分割
钢轨表面的缺陷会加快车轮的磨耗,形成剥落等缺陷,同时也增加了脱轨的可能性,因此对钢轨表面的检测是保证铁路运营安全性和路轨畅通的重大问题。钢轨表面缺陷图像的分割步骤如图2所示:有钢轨缺陷的位置会造成钢轨图像灰度的变化,使用自适应sobel边缘检测算法,不仅结构简单、速度快,而且可以增强这种灰度变化。在完成边缘检测以后,图片中的大部分非缺陷图像都已经被滤除,但仍有部分多余信息被保留。由分析可知,结果中一般存在3类信息,包括缺陷信息,轨道边缘变化部分,细小坑洞,且通过研究分析,发现边缘变化部分有接近直线的特点,而缺陷一般没有,所以选择Hough变换[16]的方法,将信息中的直线特性(大于一定长度的直线)的点滤除[17],处理结果如图3所示。
2.2 生物医学工程方面的应用
(1)改进的GVF模型的脑部图像分割
脑部图像包含大量的深度凹陷,而应用传统Snake 模型对具有深度凹陷的目标区域医学图像进行分割时,当模型向深度凹陷的对象边缘弯曲时,容易遇到困难,导致模型收敛于错误边界。梯度向量流方法(GVF),通过构造出一个新的外力场解决可解决这一问题。一些研究着提出了一种利用改进的GVF 模型对脑部图像进行分割的方法,该方法通过引入轮廓中心的概念,定义出一种新的距离势能,使新模型具有较大的搜索范围,再将改进的GVF 作为图像能量,利用贪婪算法加快收敛速度,可以较好的处理图像中的凹陷区域,获得较好的分割效果和分割速度[18]。
(2)肝脏CT图像分割
肝脏CT 图像分割就是把肝脏从CT图像中提取出来,为临床治疗和病理学研究提供可靠依据。区域生长法是根据预先定义的标准提取图像中相连接区域的方法。区域生长法弥补了阈值分割法没有或很少考虑空间关系的不足,但它的主要缺陷是每一个需要提取的区域都必须人工给出1个种子点,这样由多个区域就必须给出相应的种子个数。此法对噪声也很敏感,会造成孔状甚至是根本不连续的区域。相反的,局部且大量的影响还会使本来分开的区域连接起来。为了减少这些缺点,文献[19]利用变形模型来指导区域生长,用于肝脏CT 图像分割。
2.3 遥感工程方面的应用
(1)油库目标的遥感光学图像分割
油库及类似目标检测定位,在城市规划和军事上有着重要的意义。在光学遥感图像中,油罐的识别特征十分明显,通常呈现颜色均一的椭圆形状。因此,在实现油库的自动检测定位时,可以采用的方法是先检测出椭圆,然后根据油库内油罐相对集中分布的先验知识,将椭圆进行聚类,从而自动定位油库区域。
传统的聚类方法在检测椭圆的同时,会使不为油管的椭圆目标检测出来,使油库定位不准确,油库区域扩大。而利用油罐目标相对集中而虚假目标相对较离散的分布特点,使用基于区域生长原理的聚类方法,可以有效的提高油库检测定位的准确率。其中心思想在于在:由检测出的椭圆定位油库的过程中,引用了区域生长原理,把椭圆看成是图像分割中的像素,目的就是把聚集在一起的椭圆通过区域生长聚成一类。结果表明本文提出的聚类方法能有效地将油罐目标聚类定位油库区域,又能自动去除虚假油罐目标,准确率较高,计算速度快[20]。
(2)机场的遥感图像分割
机场附属区域的图像分割可以从机场跑道的两个特征入手:机场跑道在各个波段具有的不同灰度特征以及机场跑道的直线特征。基于统计方法的Hough变换法在机场遥感图像分割中进行如下操作:利用跑道的灰度特征先对整幅图像进行二值化,然后对所得结果进行Hough变换。利用机场跑道的长度信息与其在该幅图像分辨率下所应占有的线的长度,对Hough变换进行统计,画出机场跑道主干。在此基础上对机场图像进行分割,通过二次区域生长,分割出机场附属设施区域。实验表明该算法是可行而有效的[21]。
3 结束语
由于图像分割问题本身的困难性,从上世纪80年代至今,图像分割理论并没有多少实质性的进展。但通过与其他学科理论的结合,例如分形理论、模糊数学、人工智能、小波变换、形态学等,还是有不少新的分割算法产生。本文比较全面地总结了有代表性的各种图像分割方法,在这个基础之上,介绍了在机车检测领域、生物医学领域和遥感图像领域中这些图像分割方法的应用。好的图像分割应全面考虑到图像多方面的特点,因此,图像分割的发展趋势应具有这些特点:一是多种分割方法的结合;二是人工智能技术的应用;三是人机交互式的分割方法。在这些趋势下,图像分割理论会发展的更加完善。
数字图像处理实验平台的设计 篇10
关键词： 数字图像处理 实验平台 Matlab GUI
数字图像处理是信息科学中一个发展迅速的研究方向，是模式识别、计算机视觉、图像通讯、多媒体技术等学科的基础，是一门涉及多领域的交叉学科，具有很强的理论性和实践性[1]。该课程的主要任务是通过对数字图像处理基本概念、理论和算法的学习，培养学生对数字图像的实践编程处理能力，为学生从事图像处理工程师工作奠定基础。该课程涉及内容比较宽广，课程起点高，难度系数较大，如何在教学过程中提高学生的学习兴趣和后续实践能力一直是该课程研究的重点[2]。
为促使学生更深入地学习数字图像处理课程，在学习过程中更熟练地掌握数字图像处理的基本理论和基本方法，并有效提高学生的实践动手能力和创新能力。本文利用Matlab的图形用户界面环境（GUI）设计了一个数字图像处理实验平台。该实验平台采用模块化设计的方式，通过对窗口及控件的控制函数的设计，较好地实现数字图像处理算法一体化集成的功能。通过该平台可以实现助教、助学、实践创新及考核等功能，帮助学生理解和掌握数字图像处理的基本技能。
1.数字图像处理实验平台的总体设计
数字图像处理实验平台总体设计如图1所示，在该实验平台上主要集中了数字图像处理中常用的基本操作及算法，通过该平台的窗口界面对象操作就能够实现相应的数字图像处理功能，主要操作包括文件对象操作、图像格式转换、直方图修正、图像转置、图像旋转、空间域图像滤波、灰度图像二值化处理、图像边缘检测、图像变换操作、图像代数运算、亮度对比度调节、图像缩放操作和形态学操作等。该平台可以操作者提供了一个方便快捷的数字图像处理实践环境，适合实现对数字图像进行基本处理[3]。
2.实验平台界面的设计
在数字图像处理系统实验平台的设计过程中，主要利用Matlab提供的GUI向导设计控件而完成，图形用户界面包含的图形对象有图形窗口、菜单、控件、文本等，本文设计改变传统的菜单式设计，将所有的图像处理操作采用窗口或控件的方式直接放于平台窗口界面上。设计时在GUIDE开发环境中设计好GUI后会自动生成相应的FIG文件和M文件，其中在FIG文件中实现数字图像处理窗口界面，包括有图像界面窗口和静态界面中所有序列化的图形对象[4][5]。根据数字图像处理系统的系统框图，将要实现的功能全部集中体现在界面上，进行合理布局，界面设计结果如图2所示：
3.实验平台的模块功能实现
在各平台模块功能实现中，我们主要通过对界面上的相应控件对象编写回调函数，激活相应控件以实现图像处理功能，在GUIDE开发环境中自动生成的M文件中包括界面窗口中自动生成的函数框架、控制函数及自定义图形对象的回调函数。例如在文件操作模块中，设计了载入图像、保存图像、撤销、退出的触控按钮。在设计时，载入图像时采用对话框的方式，uigetfile函数显示一个对话框用选择图像，当前路径下的文件和目录将在带对话框内显示[8];保存图像触控按钮的实现主要应用uiputfile（）标准写盘处理对话框实现，将处理后的图像写入相应路径下的磁盘中;撤销操作是指对当前对象的上一步操作的取消，图像的处理后显示区显示的是原始图像;退出即退出当前操作界面;其他模块的设计方式类似。
如图3所示，我们对输入的lena图像进行了边缘检测，采用的边缘检测算子为canny算子，在图形输出窗口直接看到的输出结果，如果想要改变算子就可以直接点击不同的算子按钮即可实现图像处理。通过验证该实验平台的控件选择方式比菜单式的数字图像处理平台更直观、方便，可以实现教学演示、实训练习等，帮助学生更深入理解和掌握数字图像处理课程的基本知识。
4.结语
本文基于MatlabGUI实现了一个数字图像处理实验平台，该平台将数字图像处理基本算法集成于一个界面中，所有功能实现通过点击界面中相应的控件完成，部分操作还可以自定义参数，经处理的图像能够直观、形象地展示在数字图像处理实验平台上。该平台使得数字图像处理的教学过程更方便、直观，对学生学习了解数字图像处理具有一定的辅助作用，同时也可将该平台应用于学生实践创新能力的培养。
参考文献：
[1]史彩娟，刘利平，李志刚.“数字图像处理”课程多层次实践教学体系研究[J].中国电力教育，2014，（307）：133-134.
[2]杨淑莹，张桦."数字图像处理"教学软件的开发设计[J].天津师范大学学报，2009，（4）：76-80.
[3]梁原.基于MATLAB的数字图像处理系统研究[D].长春理工大学.2008.
[4]陈超等编著.MATLAB应用实例精讲-图像处理与GUI设计篇[M].北京：电子工业出版社，2011.
[5]邢文博，蒋敬.基于Matlab开发数字图像处理GUI[J]，电气电子教学学报，2013，35（6）：107-108.
医学图像处理技术综述 篇11
医学图像处理的对象是各种不同成像机理的医学影像，临床广泛使用的医学成像模式主要分为X-射线成像（X-CT）、核磁共振成像（MRI）、核医学成像（NMI）和超声波成像（UI）四类。在目前的影像医疗诊断中，主要是通过观察一组二维切片图象去发现病变体，这往往需要借助医生的经验来判定。利用计算机图象处理技术对二维切片图象进行分析和处理，实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示，可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析，从而大大提高医疗诊断的准确性和可靠性；在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用。医学图像处理技术包括很多方面，本文主要从图像分割、图像配准、图像融合技术方面进行介绍。
1、图像分割
医学图像分割就是一个根据区域间的相似或不同把图像分割成若干区域的过程。目前，主要以各种细胞、组织与器官的图像作为处理的对象。传统的图像分割技术有基于区域的分割方法和基于边界的分割方法，前者依赖于图像的空间局部特征，如灰度、纹理及其它象素统计特性的均匀性等，后者主要是利用梯度信息确定目标的边界。结合特定的理论工具，图象分割技术有了更进一步的发展。比如基于三维可视化系统结合FastMarching算法和Watershed变换的医学图象分割方法，能得到快速、准确的分割结果[1]。
近年来，随着其它新兴学科的发展，产生了一些全新的图像分割技术。如基于统计学的方法、基于模糊理论的方法、基于神经网络的方法、基于小波分析的方法、基于模型的snake模型 (动态轮廓模型) 、组合优化模型等方法。虽然不断有新的分割方法被提出，但结果都不是很理想。目前研究的热点是一种基于知识的分割方法，即通过某种手段将一些先验的知识导入分割过程中，从而约束计算机的分割过程，使得分割结果控制在我们所能认识的范围内而不至于太离谱[2]。比如在肝内部肿块与正常肝灰度值差别很大时，不至于将肿块与正常肝看成2个独立的组织。
医学图像分割方法的研究具有如下显著特点：现有任何一种单独的图像分割算法都难以对一般图像取得比较满意的结果，要更加注重多种分割算法的有效结合；由于人体解剖结构的复杂性和功能的系统性，虽然已有研究通过医学图像的自动分割区分出所需的器官、组织或找到病变区的方法[3]，但目前现成的软件包一般无法完成全自动的分割，尚需要解剖学方面的人工干预[4]。在目前无法完全由计算机来完成图像分割任务的情况下，人机交互式分割方法逐渐成为研究重点；新的分割方法的研究主要以自动、精确、快速、自适应和鲁棒性等几个方向作为研究目标，经典分割技术与现代分割技术的综合利用 (集成技术) 是今后医学图像分割技术的发展方向。
2、图像配准
图象配准是图象融合的前提, 是公认难度较大的图象处理技术, 也是决定医学图象融合技术发展的关键技术。在临床诊断中, 单一模态的图像往往不能提供医生所需要的足够信息，常需将多种模式或同一模式的多次成像通过配准融合来实现感兴趣区的信息互补。在一幅图像上同时表达来自多种成像源的信息，医生就能做出更加准确的诊断或制定出更加合适的治疗方法。医学图像配准包括图像的定位和转换, 即通过寻找一种空间变换使两幅图像对应点达到空间位置和解剖结构上的完全一致。要求配准的结构能使两幅图象上所有的解剖点，或至少是所有具有诊断意义以及手术区域的点都达到匹配[5]。1993年Petra等综述了二维图像的配准方法, 并根据配准基准的特性, 将图像配准的方法分为基于外部特征的图象配准 (有框架) 和基于图象内部特征的图象配准 (无框架) 两种方法。后者由于其无创性和可回溯性, 已成为配准算法的研究中心。
近年来, 医学图像配准技术有了新的进展, 在配准方法上应用了信息学的理论和方法, 例如应用最大化的互信息量作为配准准则进行图像的配准, 基于互信息的弹性形变模型也逐渐成为研究热点[6]。在配准对象方面从二维图像发展到三维多模医学图像的配准。一些新算法，如基于小波变换的算法、统计学参数绘图算法、遗传算法等，在医学图像上的应用也在不断扩展。向快速和准确方面改进算法, 使用最优化策略改进图像配准以及对非刚性图像配准的研究是今后医学图像配准技术的发展方向。
3、图像融合
图像融合的主要目的是通过对多幅图像间的冗余数据的处理来提高图像的可读性，对多幅图像间的互补信息的处理来提高图像的清晰度。多模态医学图像的融合把有价值的生理功能信息与精确的解剖结构结合在一起，可以为临床提供更加全面和准确的资料。融合图像的创建分为图像数据的融合与融合图像的显示两部分来完成。目前，图像数据融合主要有以像素为基础的方法和以图像特征为基础的方法。前者是对图像进行逐点处理, 把两幅图像对应像素点的灰度值进行加权求和、灰度取大或者灰度取小等操作，算法实现比较简单, 不过实现效果和效率都相对较差，融合后图像会出现一定程度的模糊。后者要对图像进行特征提取、目标分割等处理, 用到的算法原理复杂，但是实现效果却比较理想。融合图像的显示常用的有伪彩色显示法、断层显示法和三维显示法等。伪彩色显示一般以某个图像为基准用灰度色阶显示, 另一幅图像叠加在基准图像上, 用彩色色阶显示。断层显示法常用于某些特定图像, 可以将融合后的三维数据以横断面、冠状面和矢状面断层图像同步地显示, 便于观察者进行诊断。三维显示法是将融合后数据以三维图像的形式显示，使观察者可更直观地观察病灶的空间解剖位置，这在外科手术设计和放疗计划制定中有重要意义。
在图像融合技术研究中, 不断有新的方法出现，其中小波变换、基于有限元分析的非线性配准以及人工智能技术在图像融合中的应用将是今后图像融合研究的热点与方向。随着三维重建显示技术的发展, 三维图像融合技术的研究也越来越受到重视，三维图像的融合和信息表达, 也将是图像融合研究的一个重点。
在计算机辅助图像处理的基础上，开发出综合利用图像处理方法，结合人体常数和部分疾病的影像特征来帮助或模拟医生分析、诊断的图像分析系统成为一种必然趋势。目前已有一些采用人机交互定点、自动测量分析的图像分析软件[7]，能定点或定项地完成一些测量和辅助诊断的工作，但远远没有达到智能分析和专家系统的水平；全自动识别标志点并测量分析以及医学图像信息与文本信息的融合，是计算机辅助诊断技术今后的发展方向。
4、结束语
随着医疗技术和计算机科学的蓬勃发展，对医学图象处理提出的要求也越来越高。有效地提高医学图象处理技术的水平，与多学科理论的交叉融合，医务人员和理论技术人员之间的交流就显得越来越重要。医学图象处理技术作为提升现代医疗诊断水平的有力依据, 使实施风险低、创伤性小的手术方案成为可能，必将在医学信息研究领域发挥更大的作用[8]。
摘要：医学影像已成为医学技术中发展最快的领域之一, 临床医生在医学图象处理技术的帮助下, 对人体内部病变部位的观察更直接、更清晰, 确诊率也更高。本文对图像分割、图像配准和图像融合等医学图像处理技术的现状和发展进行了综述。
关键词：医学图像处理,图像分割,图像配准,图像融合
参考文献
[1].朱付平, 田捷.一种基于虚拟人体的分割方法[D].第九届全国医药信息学大会CM IA, 02论文集, 2002:365～368.
[2].Vickers JP, Burnham KJ, Dil A.Knowledge-based organ segmen-hation inlow constrast medical computed tomography images[A].Proceedings of the International Comference on Systems Science[C], 2001 (3) :381～388
[3].李传富, 周康源, 黄丹, 等.基于先验知识的颅脑CT图像自动化分割[J].中国医疗器械杂志, 2004, 28 (3) :168～171
[4].Lee JM, Yoon U, Nam SH, et al.Evaluation of automated and semi-auto-mated skull-stripping algorithms using similarity index and segmentation er-ror[J].Computers in Biology and Medicine, 2003, 33 (6) :495～507
[5].周永新, 罗述谦.一种人机交互式快速脑图象配准系统[J].北京生物医学工程, 2002;21 (1) :11～14
[6].杨虎, 马斌荣, 任海萍.基于互信息的人脑图象配准研究[J].中国医学物理学杂志, 2001;18 (2) :69～73
[7].汪家旺, 愈同福, 姜晓彤, 等.肺部孤立性结节定量研究[J].中国医学影像技术, 2003, 19 (9) :1218～1219