第一篇：數(shù)字視頻圖像處理匯報論文

基于OpenCV的LBP人臉識別算法

季秋峰1

（1.南京師范大學(xué)，物理科學(xué)與技術(shù)學(xué)院）

摘要[1]：目前，生物特征識別技術(shù)主要利用人體自身具有的特征，包括生理特征和行為特征來進行來對人的身份進行認(rèn)證和識別，而生理特征（指紋、虹膜以及人臉）普遍被使用。在對人的身份的識別過程中，生物特征技術(shù)將信息技術(shù)與人的生理特征進行有效的結(jié)合，已經(jīng)慢慢取代傳統(tǒng)的身份認(rèn)證方法。相較于指紋和虹膜，人臉識別是一種非接觸性的識別技術(shù)，通過整體面部特征識別，具有更高的自然性、可接受性以及唯一性。并且人臉是最普遍的交流模式，在人與人的交往中具有十分重要的意義，使其成為生物特征識別技術(shù)的熱點研究領(lǐng)域。目前主要的基于人臉進行識別的算法包括：基于 PCA 的人臉識別算法、基于 Fisher線性判別的人臉識別算法以及基于 LBP 特征的人臉識別算法，這些算法在識別率、計算時間、數(shù)據(jù)存儲量以及可擴展性方面各有優(yōu)劣。本文主要介紹了OpenCV，PCA算法，F(xiàn)isher線性判別算法，LBP特征算法，并對LBP算法進行了編程實現(xiàn)。關(guān)鍵詞：人臉識別，OpenCV，PCA 算法，F(xiàn)isher 線性判別、LBP 特征

Abstract：Currently, the main use of biometric technology with the body's own characteristics, including physical characteristics and behavioral characteristics to come on identity authentication and identification, and physiological characteristics(fingerprint, iris and face)is commonly used.In recognition of the identity of the process, the biometric technology IT and physiological characteristics of an effective combination of people, has been slowly replacing traditional authentication methods.Compared to fingerprint and iris recognition is a non-contact identification technology, through the whole facial feature recognition, has a higher natural, acceptable and uniqueness.And the human face is the most common mode of communication, is of great significance in the interaction between people, and it has become a hot research field of biometric identification technology.At present, the identification algorithm based on human face include : PCA-based face recognition algorithm, face recognition algorithm based on Fisher 's linear discriminate and face recognition algorithm based on LBP features of these algorithms in the recognition rate, computational time, data storage capacity and scalability advantages and disadvantages.In this paper, OpenCV, PCA algorithm, Fisher linear discriminant algorithm, characteristics of LBP algorithm are mainly introduced, and and programming of LBP algorithm implementation.Keywords: Face recognition, OpenCV, PCA, Fisher linear discriminate, LBP features 引言 世紀(jì) 60 年代末，人們對人臉識別技術(shù)開展了廣泛的研究，之后的短短幾十年，這一技術(shù)取得了巨大的進展[1]。人臉識別技術(shù)的重要性眾所周知，它的突出貢獻不只是表現(xiàn)在生物特征識別領(lǐng)域中，更對其他學(xué)科帶來了促進的作用。

生物特征識別（Biometrics）是一種有效的身份驗證技術(shù)，它主要利用人本身具有的生理特征來識別人的身份，這種特征往往能夠唯一標(biāo)識公民的特征，因此具有唯一性；不容易被別人盜取，因此具有安全性；是人身體固有的，所以兼具便攜性。生理特征是指人類固有的唯一的且不會輕易改變的特征，例如指紋、掌紋、虹膜、人臉以及 DNA等等。一般情況下，這些特征不會被輕易的盜取以及偽造，并且每個人的生理特征都不相同，具有很高的可靠性。因此，人們對通過生物特征進行身份驗證的方法寄予很大的期望，希望通過這種方式能夠滿足從個人到社會以及國家的安全需求。OpenCV簡介[1][2][3]

2.1 什么是OpenCV

OpenCV的全稱是：Open Source Computer Vision Library。OpenCV是一個基于（開源）發(fā)行的跨平臺計算機視覺庫，可以運行在Linux、Windows和Mac OS操作系統(tǒng)上。它輕量級而且高效——由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，同時提供了Python、Ruby、MATLAB等語言的接口，實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法。

OpenCV用C++語言編寫，它的主要接口也是C++語言，但是依然保留了大量的C語言接口。該庫也有大量的Python, Java and MATLAB/OCTAVE(版本2.5)的接口。這些語言的API接口函數(shù)可以通過在線文檔獲得。如今也提供對于C#,Ch, Ruby的支持。

所有新的開發(fā)和算法都是用C++接口。一個使用CUDA的GPU接口也于2010年9月開始實現(xiàn)。

2.2 OpenCV特點

1)整個函數(shù)庫是開源的，基于 C/C++語言的，主要應(yīng)用于圖像處理領(lǐng)域。

2)使用時可移植，并且十分便利友好。

3)函數(shù)庫中的所有代碼均經(jīng)過優(yōu)化，在進行圖像處理時均能實時進行。

4)由于該函數(shù)庫主要用于圖像處理，因此對于圖像和視頻均能快速載入并且加入了圖像采集和保存的基本功能。

5)具有兩種 API 接口：低級和高級。

6)在使用過程中，為了提高程序的性能，OpenCV 中加入了面向 Intel IPP 的高效多媒體函數(shù)接口，能夠優(yōu)化程序本身的 Intel CPU 代碼。

2.3 OpenCV的應(yīng)用

1）圖像中物體分析

2）安全和入侵檢測系統(tǒng)

3）自動監(jiān)視和安全系統(tǒng)

4）醫(yī)學(xué)圖像去噪

5）產(chǎn)品質(zhì)量檢測系統(tǒng)

6）攝像機標(biāo)定

7）無人飛行器/汽車/水下機器人 人臉識別算法

3.1 PCA算法（主成分分析算法）[1][4][5]

PCA 技術(shù)是將人臉的特征空間進行降維的技術(shù)，是一種最優(yōu)正交變換，在構(gòu)造新的人臉特征空間的過程中，需要在原來的人臉中求的一組正交的向量，而新的人臉特征空間是由這組正交向量中重要的部分組成的。這些重要部分組成了特征臉，因其保留了人臉的形狀，因此能夠表征人臉的基本信息。具體的人臉識別步驟如下所示： 將人臉數(shù)據(jù)庫輸入到算法中K-L變換得到相應(yīng)的產(chǎn)生矩陣對圖像的本征值和本征向量進行計算對待識別樣本進行分類將訓(xùn)練集合和測試集合映射到特征空間中對特征值排序，特征向量與其一致，大的特征值表示輪廓，小的表示細(xì)節(jié)

主成分分析是一種基于特征臉的方法，找到使數(shù)據(jù)中最大方差的特征線性組合。這是一個表現(xiàn)數(shù)據(jù)的強大方法，但它沒有考慮類別信息，并且在扔掉主元時，同時許多有鑒別的信息都被扔掉。假設(shè)你數(shù)據(jù)庫中的變化主要是光照變化，那么PCA此時幾乎失效了。

3.2 基于Fisher線性判別的人臉識別方法[1][5][6]

線性鑒別分析在降維的同時考慮類別信息，為了找到一種特征組合方式，達到最大的類間離散度和最小的類內(nèi)離散度。這個想法很簡單：在低維表示下，相同的類應(yīng)該緊緊的聚在一起，而不同的類別盡量距離越遠(yuǎn)。

線性判別分析(Linear Discriminant Analysis)是統(tǒng)計模式識別的基本方法之一。應(yīng)用統(tǒng)計方法解決人臉識別問題時，經(jīng)常碰到的問題之一就是“維數(shù)災(zāi)難”的問題。在低維空間里解析上或計算上可行的辦法，在高維空間里可能變得毫無實際意義。因此，降低維數(shù)有時就成為處理實際問題的關(guān)鍵并發(fā)展了許多壓縮特征空間維數(shù)的方法。

Fisher最佳鑒別向量方法的基本思想是將原來高維的模式樣本投影到最佳鑒別向量空間，以達到抽取分類信息和壓縮特征空間維數(shù)的效果，投影后保證模式樣本在新的子空間有最大的類間距離和最小的類內(nèi)距離，即模式在該空間中有最佳的可分離性。因此它是一種有效的模式分析技術(shù)。這種方法的關(guān)鍵是如何求解最佳鑒別向量。

3.2.1 Fisher鑒別向量

多維空間進行分類有一種比較簡單的方法，即將空間中的所有數(shù)據(jù)映射到一維向量中，也就是映射到一條直線上。這條直線貫穿在整個空間中，如果選擇不當(dāng)，可能會造成一些樣本距離過小而重疊在一起，因此要選擇一條能夠使得映射在這條直線上的數(shù)據(jù)最大程度的區(qū)分開，這就是Fisher方法要解決的問題的核心。

Fisher鑒別向量使類間離散度與總類內(nèi)離散度之比達到最大，這樣就把高維模式樣本(Cn維問題)轉(zhuǎn)化為一維模式樣本(一維問題)，并在一維空間(直線)上保持最優(yōu)的鑒別能力，也就是說Fishe:鑒別向量能將高維模式以最優(yōu)的可分性指標(biāo)變換成一維模式。找到訓(xùn)練數(shù)據(jù)投影后的向量和待識別圖像投影后的向量最近的那個

3.2.2 最優(yōu)鑒別平面

最優(yōu)鑒別平面是由兩條向量構(gòu)成的，這兩條向量即最優(yōu)鑒別向量。最優(yōu)鑒別平面是將人臉的高維空間投影到一個平面上，這個平面需要將所有的樣本進行最大程度上的分類，因此它的選擇十分重要，而如何選擇最優(yōu)的鑒別平面，又是由鑒別向量決定的。這兩條向量是相互正交的。

兩條最優(yōu)鑒別向量和原點構(gòu)成了最優(yōu)鑒別平面，將高維空間的數(shù)據(jù)投影到最優(yōu)鑒別平面上，這個平面能夠?qū)颖具M行有效的分類，并且突出高維空間所有樣本的類別可分性。

3.3 基于LBP+SVM（局部二值模式直方圖）特征的人臉識別方法研究[1][5][7]

人臉識別的一個關(guān)鍵步驟就是人臉的特征提取，圖像的特征提取結(jié)果直接影響后續(xù)識別的準(zhǔn)確率。目前的特征提取主要面對光照、成像結(jié)果以及姿態(tài)等等方面的挑戰(zhàn)，針對這一系列的問題，有學(xué)者提出了基于局部模式的特征提取方法，因其相對于基于全局模式的特征提取方法有更好的魯棒性。

局部二值模式(Local Binary Pattern, LBP)是一種有效的紋理描述算子，它具有旋轉(zhuǎn)不變性和灰度不變性等顯著的優(yōu)點。能夠在圖像的局部的層級通過對圖像紋理特征的描繪達到描述圖像的目的，從整理上來看，它不需要很長的計算時間，也不需要多余的參數(shù)計算，而且在描繪的過程中能夠精確到很微小的細(xì)節(jié)方面的特征，從而提取出對于識別更加有利的特征，在圖像的檢索、識別以及分析方面有很突出的貢獻。

3.3.1 LBP算子簡介

這種算子的計算是在一個3x3的正方形上展開的，將正方形的中心點作為基點，在附近的區(qū)域內(nèi)找到所有的像素值與其進行對比，將這些對比結(jié)果進行量化。接下來就需要將這些量化結(jié)果進行處理，即根據(jù)不同的位置將這些值進行加權(quán)，并進行相加，最后得到的值就是中心點的局部二值模式對應(yīng)的值。顯然這個3x3的正方形是不足以滿足需要的，在之后的研究中，它被擴展到了更大范圍的鄰域中。

如圖所示，參數(shù)(P, R)代表著對圖像的描述精度，主要針對圖像的局部細(xì)節(jié)。P代表中心點附近的像素個數(shù)，這個值的大小對細(xì)節(jié)的描述精度起到了至關(guān)重要的作用;R代表的半徑的大小能夠?qū)A的大小進行度量，它能影響某一部分細(xì)節(jié)的分辨率。圖中選擇了不同的P和R值，若想得到的圖像有較高的分辨率，就需要提高P值，但是這樣就會提高計算復(fù)雜度。

3.3.2 LBP算子的計算過程

如圖所示，(a)中是一個3x3矩陣，中間的像素值32代表中心點灰度值，而其余的8個像素點的灰度值分別為12, 40, 108, 89, 27, 67, 13, 5, 12;(b)圖對應(yīng)矩陣上的值是由(a)中該矩陣的灰度值與中心點灰度值比較得來的，若該點的灰度值大于中心點的灰度值，(b)中相應(yīng)位置就填寫為1，否則填寫問0;(c)中代表矩陣中相應(yīng)位置的權(quán)值;將(b)與(c)矩陣中對應(yīng)位置相乘并加和最終得到LBP算子值。

3.3.3 SVM算法[8][9][10][11]

支持向量機是一種基于分類邊界的方法。其基本原理是（以二維數(shù)據(jù)為例）：如果訓(xùn)練數(shù)據(jù)分布在二維平面上的點，它們按照其分類聚集在不同的區(qū)域?；诜诸愡吔绲姆诸愃惴ǖ哪繕?biāo)是，通過訓(xùn)練，找到這些分類之間的邊界（直線的――稱為線性劃分，曲線的――稱為非線性劃分）。對于多維數(shù)據(jù)（如N維），可以將它們視為N維空間中的點，而分類邊界就是N維空間中的面，稱為超面（超面比N維空間少一維）。線性分類器使用超平面類型的邊界，非線性分類器使用超曲面。

支持向量機是基于線性劃分的。但是可以想象，并非所有數(shù)據(jù)都可以線性劃分。如二維空間中的兩個類別的點可能需要一條曲線來劃分它們的邊界。支持向量機的原理是將低維空間中的點映射到高維空間中，使它們成為線性可分的。再使用線性劃分的原理來判斷分類邊界。在高維空間中，它是一種線性劃分，而在原有的數(shù)據(jù)空間中，它是一種非線性劃分。

3.3.4 基于LBP的人臉識別

算法流程圖

參考文獻

[1].基于OpenCV的人臉識別算法實驗平臺研究與實現(xiàn)_孫志

[2].http://baike.baidu.com/link?url=7lP-gMZIbAJGW67o5VIhBUkNIyKyg6yIhLcvRXEP6lQuRZxV3S8Y9WgdTbg0ApdUmL8uD5RPQ7Hi5YTmH5fG4K [3].http://wenku.baidu.com/link?url=IaUGbA_mE9Dbhdxz85LlqsJsT3cm1LuOUfMCVgrJoyGwfyVI0PdU2gv1QMPPAJQb6k8ZM-oyYxeGr8chciZdyTd72pNeryMnXqn6G8a9eM_ [4].Paul Viola, Michael Jones, Rapid Object Detection using a Boosted Cascade of SimpleFeatures,2001 [5].http://blog.csdn.net/guoming0000/article/details/8022197 [6].基于Fisher判別的人臉識別技術(shù)研究_洪玥 [7].基于LBP的人臉識別研究_黃非非

[8].http://baike.baidu.com/link?url=10KJqoHbEoYOa8uvsoj22mhF0LR5HD7gvm906eIaev-JkHnADdg5G_dhjqMs8CWnPbvlrZTfWYF6KKAyRPQKqK [9].http://wenku.baidu.com/link?url=o0CPVzuBDLJMt0_7Qph1T7TtdFOzu7O-apIpvaWbIYMz8ZWqBneGqI8LGtLdqpuKnaHhMxC0JhidqQUEo-fS0alyuamsAVJdvobUkHk0yHq [10].http://wenku.baidu.com/link?url=8rhhaoVshWCsSwlHovZuytqNAPLNtUJLCA89RRKoTAglU1GF0Gs-nvDKlbEqinLiGNyUaKrWE1rPG7SNRS8goGTKf0RcZYzEkQmM12edDcG [11].基于SVM的人臉識別技術(shù)研究_李麗

第二篇：圖像處理技術(shù)論文

圖像處理技術(shù)論文

在學(xué)習(xí)、工作中，大家都有寫論文的經(jīng)歷，對論文很是熟悉吧，論文是對某些學(xué)術(shù)問題進行研究的手段。還是對論文一籌莫展嗎？以下是小編整理的圖像處理技術(shù)論文，歡迎閱讀，希望大家能夠喜歡。

圖像處理技術(shù)論文1

摘要：數(shù)字圖像處理在汽車涂裝領(lǐng)域的應(yīng)用, 本文介紹了數(shù)字圖像處理基礎(chǔ)和數(shù)字圖像處理在自動車型識別, 易磨損部位檢測和預(yù)警以及車身表面質(zhì)量檢測的應(yīng)用。

關(guān)鍵詞：汽車涂裝;數(shù)字圖像處理;

1、引言

汽車行業(yè)本就是自動化程度較高的產(chǎn)業(yè), 但是目前的工業(yè)4.0和日益上漲的人力成本給汽車企業(yè)提出了更高的要求, 數(shù)字圖像處理在快速、高效的完成汽車涂裝生產(chǎn)和涂裝生產(chǎn)過程中的缺陷檢測方面有顯著優(yōu)勢。另外為實現(xiàn)高節(jié)奏的生產(chǎn)過程中, 高速運轉(zhuǎn)的設(shè)備故障預(yù)警, 數(shù)字圖像處理也提供了可行的解決方案。

2、數(shù)字圖像處理基礎(chǔ)

提到數(shù)字圖像處理, 首先要明確什么是數(shù)字圖像。一幅圖像可以定義為一個二維函數(shù)(x, y), 其中x和y是空間(平面)坐標(biāo), 而任何一對空間坐標(biāo)(x, y)處的幅值f稱為圖像在該點的強度或灰度。當(dāng)X, Y和灰度值f是有限的離散數(shù)值時, 我們稱該圖像為數(shù)字圖像。有了數(shù)字圖像, 我們可以對數(shù)字圖像進行處理, 對數(shù)字圖像處理可以分為初級處理、中級處理、高級處理三種方式, 初級處理就是對圖像進行簡單的處理, 例如我們平時用的ps和相機美顏功能, 都可以理解為對數(shù)字圖像進行了初級處理, 這種處理輸入的是圖像(原圖), 輸出是處理過的圖像(例如PS過的圖像)。中級處理, 在初級處理的基礎(chǔ)上, 輸入的是圖像, 輸出的則是從圖像處理中得到的信息, 例如小區(qū)停車場的攝像頭, 拍攝車牌號的圖像, 在圖像中提取出車牌號信息, 與數(shù)據(jù)庫中的信息進行比對, 從而實現(xiàn)身份進入、停車計時等功能。最后, 高級處理就涉及到計算機自主學(xué)習(xí)的功能, 例如對車身表面噴涂質(zhì)量的檢測, 就屬于對數(shù)字圖像的高級處理。詳細(xì)應(yīng)用將在下文闡述。

3、數(shù)字圖像處理在汽車涂裝領(lǐng)域的應(yīng)用

3.1、自動車型的識別

在汽車涂裝工藝中, 針對不同的車型, 設(shè)備需要設(shè)定不同的工藝參數(shù), 例如前處理自動加藥的加藥量, 電泳的電壓, 噴涂機器人的軌跡等等。針對這一應(yīng)用, 目前汽車廠大部分使用光電開關(guān), 針對不同車型的特征點進行檢測, 這種方式的有點在于成本低, 一般一到兩個光電開關(guān)就可以檢測2-3種車型, 但是這種檢測方式的缺點在于它檢測的車型必須有明顯的特征點或者尺寸差別, 這樣才能完成車型的識別。而針對尺寸差別不大或者沒有明顯特征點的車型, 光電開關(guān)就無能為力了。這時就該數(shù)字圖像處理出馬了。我們在固定位置拍照, 我們把目標(biāo)也就是車身標(biāo)為1, 把背景標(biāo)為0, 我們設(shè)定每個車型的1和0邊界, 通過計算機內(nèi)部算法對圖像進行邊界判定, 這樣就可以根據(jù)1和0的邊界樣式識別出是哪種車型。以上的方法是界定邊界法。或者, 我們可以使用另一種方法——骨架法。骨架法是界定邊界法的簡化形式, 我們在邊界選取一些特征點, 然后把特征點按一定順序連接起來, 這樣構(gòu)成的圖形, 就是這個圖形的邊界骨架, 只要選取的骨架點能反應(yīng)出不同的車型, 這種方法的計算量會小很多, 適合運算資源不夠的情況。選取的點的數(shù)量不同, 識別的精度也不相同。

3.2、易磨損部位的檢測及預(yù)警

汽車工廠里面的設(shè)備需要長時間高負(fù)荷運行, 有些易磨損部位的檢測就成了難題, 我們無法經(jīng)常性的停機檢查, 那樣會嚴(yán)重影響生產(chǎn), 另外我們也很不容易憑借肉眼來觀察出細(xì)微的磨損, 因此在線實時檢測易磨損部位的磨損情況就顯得十分重要。

首先一般我們需要觀察的易磨損部位周邊情況都比較復(fù)雜, 或者光線條件不好, 無法得到十分清晰的照片, 這樣就需要我們先對數(shù)字圖像進行一定程度的變換。首先要對圖像進行最簡單的灰度變換, 例如我們可以把過亮的圖像通過把整個圖像灰度變小實現(xiàn)圖像的變暗, 或者把過暗的圖像的整個灰度變大實現(xiàn)圖像的變量, 或者通過函數(shù), 把在一個很大范圍灰度的圖像的大范圍灰度映射到一個比較小的灰度范圍, 這樣可以在圖像中凸顯出目標(biāo)物體。另外常用的變換還有對數(shù)變換、伽馬變換、分段線性變換、平滑空間濾波變換、銳化空間濾波變換、混合空間變換等, 這些變換都是對圖像的灰度進行針對性的處理, 以達到預(yù)期的效果。

我們對灰度變換后的圖像, 獲取他的邊界, 與正常無磨損的部件邊界進行對比, 實時進行檢測。這樣我們還可以根據(jù)磨損的程度, 設(shè)定一個預(yù)警機制, 可以根據(jù)磨損速度, 預(yù)測該易磨損件的壽命, 制定維修計劃。在達到預(yù)測的壽命時可以直接更換該易損件, 或者增加關(guān)注度, 實時觀測磨損程度, 在磨損程度達到臨界值時再進行更換, 這樣可以大大節(jié)約成本。

3.3、車身表面質(zhì)量檢測

質(zhì)量是產(chǎn)品的生命, 對于汽車產(chǎn)品來說, 好的涂裝表面是車質(zhì)量最直接最外在的體現(xiàn), 所以, 每個汽車廠都對汽車車身表面質(zhì)量檢測十分嚴(yán)格, 目前大部分汽車廠都采用人工檢測, 通過在線人員的眼看、手摸來發(fā)現(xiàn)汽車車身表面存在的質(zhì)量問題。但是首先這種傳統(tǒng)的方式對在線的工人要求很高, 工人必須有豐富的經(jīng)驗才能應(yīng)對形形色色的車身質(zhì)量問題, 培養(yǎng)一個經(jīng)驗豐富的工人需要很長的時間, 由經(jīng)驗不豐富的工人進行檢查可能造成錯檢。其次, 工人很難在高負(fù)荷的連續(xù)生產(chǎn)下保持長時間的專注度, 往往可能在連續(xù)工作一段時間后由于注意力下降, 可能造成漏檢。另外, 這種檢測往往很難形成統(tǒng)一的技術(shù)規(guī)范、技術(shù)標(biāo)準(zhǔn), 例如工人覺得車身車門有色差, 這就是一個完全主觀的判斷, 沒有任何數(shù)據(jù)做支撐, 每個人對色彩的敏感程度不同就會做出不同的判斷。針對這些問題, 在車身表面質(zhì)量檢測過程中引入數(shù)字圖像處理技術(shù)的優(yōu)勢明顯。首先, 機器通過學(xué)習(xí)后學(xué)習(xí)的經(jīng)驗完全可復(fù)制到其他的機器中, 這樣就解決的經(jīng)驗豐富的問題, 機器可以通過不斷的學(xué)習(xí), 不斷的完善自己的知識庫, 同時把這些經(jīng)驗實時共享給其他的機器。其次, 機器是不知疲倦的, 也不會出現(xiàn)注意力不集中的問題, 無論工作多久都會保質(zhì)保量的完成工作。最后, 通過數(shù)字圖像處理, 完全可實現(xiàn)不同質(zhì)量缺陷的標(biāo)準(zhǔn)化, 例如計算機通過對圖片的數(shù)字化處理, 完全把車身的顏色數(shù)字化, 顏色在什么范圍認(rèn)為是沒有問題的, 超出范圍就認(rèn)為有色差, 這樣所有的車身都是一個標(biāo)準(zhǔn), 避免了主觀意識對質(zhì)量的影響。

為了實現(xiàn)車身表面質(zhì)量的檢測, 首先要對車身表面的照片進行處理。這些處理包括:圖像降噪處理、圖像色彩分層、圖像的點線邊緣檢測。處理過的圖像我們還需要對圖像進行壓縮, 因為圖像中包含了很多我們不需要的信息, 而計算機的存儲和運算速度有限, 我們要把資源用在刀刃上, 所以對數(shù)字圖像進行壓縮也是必須的。最后我們需要對圖像進行頻率域變換, 這是數(shù)字處理的重中之重, 數(shù)字計算和快速傅里葉變換算法(FFT)是人們對數(shù)字圖像處理的關(guān)鍵技術(shù)。之后我們需要對數(shù)字圖像進行全局閾值處理, 這種處理的目的在于突出我們的目標(biāo)區(qū)域, 而使其他的“背景”完全“消失”, 這樣我們可以更清楚的實現(xiàn)對圖像的處理。

在我們收集了足夠多的處理過的數(shù)字圖像后, 我們可以開始進行機器學(xué)習(xí)了, 我們設(shè)定不同的分類器, 每個分類器對應(yīng)一種缺陷, 然后我們把收集的數(shù)字圖像隨機分為三個集合:訓(xùn)練集、驗證集、測試集。然后我們用訓(xùn)練集訓(xùn)練一個分類器, 然后再用驗證集和測試集來測試分類器的準(zhǔn)確性。在訓(xùn)練過程中, 可能會出現(xiàn)欠擬合或者過擬合, 欠擬合就是模型擬定的太嚴(yán)謹(jǐn), 不符合現(xiàn)實情況。過擬合就是算法不但學(xué)習(xí)了數(shù)據(jù), 還把噪聲學(xué)習(xí)了這樣的算法無法推廣。我們需要尋找到一個平衡點, 既能完成對缺陷的處理又能保證正常合格車身的通過率。

4、結(jié)語

數(shù)字圖像處理技術(shù)在汽車涂裝自動化領(lǐng)域的運用, 必將對改善車身質(zhì)量, 降低人力成本起到積極作用。并且, 隨著數(shù)字圖像處理技術(shù)的進一步發(fā)展, 和數(shù)字處理算法的進一步優(yōu)化, 數(shù)字圖像處理將更快更準(zhǔn)確的尋找和發(fā)現(xiàn)汽車涂裝表面缺陷。隨著數(shù)字圖像處理在汽車涂裝領(lǐng)域的應(yīng)用進一步深入, 通過數(shù)字圖像處理來指導(dǎo)生產(chǎn), 發(fā)現(xiàn)生產(chǎn)中存在的問題的水平將近一步的提高, 同時隨著計算機硬件成本的降低和技術(shù)的發(fā)展, 數(shù)字圖像處理在汽車涂裝領(lǐng)域的應(yīng)用將會持續(xù)增長。

參考文獻

[1]阮秋琦, 阮宇智.等數(shù)字圖像處理學(xué)[M]第三版.北京:電子工業(yè)出版社, 20xx.6.[2]學(xué)習(xí)Open CV(中文版)/(美)布拉德司機(Bradski.G.),(美)科勒(Kaehler.A.)著;于仕琪, 劉凱禎譯.北京:清華大學(xué)出版社, 20xx.10.[3]趙立興, 基于模糊算法的數(shù)字圖像處理技術(shù)研究[D].秦皇島;燕山大學(xué), 20xx, 22-39.[4]Andrews, H.C.and Hunt, B.R.[1997].Digital Image Restoration, Prentice Hall, Englewood Cliffs, N.J.

圖像處理技術(shù)論文2

摘要：隨著當(dāng)代電子信息技術(shù)的迅速發(fā)展，智能交通成為交通運輸領(lǐng)域重要的研究課題，圖像處理技術(shù)由于自身重要的理論和應(yīng)用價值使得它在智能交通中的應(yīng)用研究占有重要的地位。通過對數(shù)字圖像處理技術(shù)在智能交通領(lǐng)域?qū)嚺谱R別起到的作用和存在問題的的分析，提出了相應(yīng)的解決對策。

關(guān)鍵詞：智能交通；數(shù)字圖像處理；車牌識別；車輛的跟蹤與檢測

智能交通ITS（Intelligent Transport System）最早出現(xiàn)在二十世紀(jì)九十年代初期，作為世界電子信息技術(shù)的前沿，將這項技術(shù)應(yīng)用到交通管理中，實現(xiàn)了交通的智能化。ITS主要是將先進的電子技術(shù)、IT、AI、GIS影像等技術(shù)進行全面集成，建立起準(zhǔn)確實時的地面交通系統(tǒng)。主要應(yīng)用于APTIS（Advanced Public Traffic Infor-mation System）、APTS（Advanced Public TransportationSystems）、AVCS（Advanced Vehicle Control System）、CVO（Commercial Vehicle Operations）、ETC（electronicToll Collection）、EMS（Emergency Management System）等方面。Intelligent Transport System有兩個由于面的含義，一是智能； 二是交通。交通技術(shù)的核心就是智能，智能技術(shù)源于電子通信、計算機與人工智能。在交通管理過程中借用當(dāng)代的信息技術(shù)，對車輛道路進行全面的監(jiān)控，實現(xiàn)交通的智能化管理。

一、數(shù)字圖像處理技術(shù)在智能交通領(lǐng)域中的作用

（一）數(shù)字圖像處理技術(shù)的主要工作步驟

一是利用計算機和其他電子設(shè)備完成的，其主要內(nèi)容包括圖像的采集與獲取、對采集的信息進行編碼與存儲、圖像的合成。合成之后對圖像進行繪制，并最終輸出，利用新技術(shù)對其進行恢復(fù)與重建。因此數(shù)字圖像處理的主要目的是： 首先，對圖像做灰度變化，保存有效信息，這種方法可以增強圖像可讀性，有利于原圖的恢復(fù)；其次，利用特殊手段對圖像中所包含的特殊且重要的信息進行提取，并詳細(xì)分析圖像中所包含的特征，這種方法主要是為了提取其中包含的特殊信息，對圖像進行分割識別； 其三，對獲取到的數(shù)據(jù)進行壓縮，并保持其特有的清晰度，方便圖像后期的傳送與保存。

（二）數(shù)字圖像處理技術(shù)在車牌識別當(dāng)中發(fā)揮的重要作用

車牌識別技術(shù)（LPR）作為智能交通的重要管理策略，被廣泛應(yīng)用在高速收費站、失竊車輛查找、停車場的車輛管理、監(jiān)控車輛的違紀(jì)情況等方面，大大提高了工作效率，節(jié)省了人力資源。

數(shù)字圖像處理技術(shù)在智能交通領(lǐng)域中發(fā)揮著極大的作用，如監(jiān)控車輛交通安全、統(tǒng)計交通擁堵情況等，最為出色的地方是車牌識別。數(shù)字圖像處理技術(shù)在智能交通方面有著不可忽視的作用，在智能交通領(lǐng)域的研究中占有一席之地。

一個完整的車牌識別過程，應(yīng)該是先獲取到車牌的圖像，計算機設(shè)備對獲取到的圖片信息進行識別，然后對圖片進行預(yù)處理。根據(jù)獲取到的圖片信息，通過渡波、邊緣增強等辦法對其進行車牌定位。

二、我國拍照識別系統(tǒng)存在問題及原因

首先，我國的車牌組成比較復(fù)雜，由漢字、英文和阿拉伯?dāng)?shù)字共同構(gòu)成。漢字的相似，對車牌識別的難度增加； 其次，我國車牌的顏色比較多，有白色、藍(lán)色、紅色等，識別起來比較麻煩； 第三，由于人為、道路、天氣等原因，使得車牌上粘有水漬、泥土之類的污漬，導(dǎo)致車牌模糊不清，難以識別； 第四，車牌格式繁多，如民用、軍用、公安警車、武警專用、外交車輛、特種車輛、消防專用、救護車等。民用車又分為多種，導(dǎo)致識別起來更加麻煩； 第五，車牌懸掛的地方不一致。要解決上述問題，必須提高圖像處理的算法，使得拍照識別系統(tǒng)更加有效。

三、應(yīng)用數(shù)字圖像處理技術(shù)解決拍照識別系統(tǒng)存在問題的對策

（一）車牌定位要從復(fù)雜的背景中提取出有價值的信息，并進行分割

因為自身不利因素的影響，所以增加了LPR對車牌定位的難度。良好的提取算法，是在保證有效信息不丟失的前提下，盡可能多的踢掉沒價值的信息，準(zhǔn)確的將車牌信息給抽取出來。判斷算法是否精確，有以下三個方法： 其一，為了保證其實時性，必須要盡量減少算法； 其二，在復(fù)雜的環(huán)境下依然具有高度的定位效果，必須有一定的抗干擾性，第三，在保證有效信息不丟失的前提下，盡可能的多的踢掉沒價值的信息為提高圖像的質(zhì)量奠定基礎(chǔ)。車牌具有紋理，顏色與形狀三個主要的特征。紋理主要是因為車牌的字符與車牌背景顏色的一個對比。顏色主要是由于汽車牌照的字符顏色與背景的組合，一般分為白字藍(lán)底（民用轎車）,黑字黃底（大型汽車）,白字黑底（使、領(lǐng)館汽車）,黑字白底（警用汽車）四種。現(xiàn)階段車牌定位的處理辦法主要要兩種，一是灰度圖像處理，其主要優(yōu)勢是速度快，內(nèi)存少；二是基于彩色圖像處理，其主要優(yōu)勢是彩色的圖像從視覺上極占優(yōu)勢，尤其是隨著計算機的迅速發(fā)展，運行速度飛快，內(nèi)存也隨之增大。而顏色也是車牌的主要區(qū)分模式，所以基于顏色的分割定位在當(dāng)今的使用更為廣泛。

（二）基于模板匹配的車牌字符分割

在車牌得到準(zhǔn)確的定位后，字符分割水平影響到字符的識別精確度。字符的分割算法主要有： 一是直接取得原始車牌的垂直投影，將投影后的峰值作為分割的黃金點。在車牌嚴(yán)重受到損壞的情況下，直接分割往往會產(chǎn)生極大的錯誤，所以很難找到分割的黃金點； 二是分割即精分割與細(xì)分割。這種方法的最大優(yōu)勢就是包括在車牌遭到嚴(yán)重?fù)p壞的情況下，也可以保持極好的分割效果，但是算法較為復(fù)雜、費時，較難保證實時性。由于一些客觀條件的影響，使得以上算法都不能滿足，所以提出了一種新的分割算法，這種方法既能克服車牌損壞的影響，又沒有過多的增加字符分割的時間。

在此也講一下改進的MSR算法對車牌圖像進行預(yù)處理，由于車牌的圖像不是很大，所以完全可以滿足實時性要求。因為我們提取出來的車牌不能直接進行分割，必須先將其進行二值化處理。所謂二值化處理就是將原始圖像經(jīng)過技術(shù)轉(zhuǎn)成二值圖像。因為車牌圖像的邊緣信息是最終圖像識別結(jié)果的重要影響因素，所以要在進行二值化處理的過程中要保留其邊緣信息。我們經(jīng)常見到的車牌應(yīng)該是一個方方正正的矩形，然而在實際中，車牌會發(fā)生傾斜，我們可以把它看作為一個平行四邊形來處理。對于其傾斜車牌的校正，我們需要找到傾斜的角度，然后進行旋轉(zhuǎn)變化，使得轉(zhuǎn)變成一個矩形。對于傾斜的車牌進行校正，一般情況就是先水平校正，再垂直校正。

（三）對于字符的識別

字符識別的原理是利用數(shù)字圖像處理技術(shù)，對車牌中分隔處理的字符進行識別，字符識別系統(tǒng)的工作過程： 首先，對所需識別數(shù)據(jù)獲取。圖像數(shù)據(jù)的獲取只有通過輸入設(shè)備來實現(xiàn)，比如我們通常使用的攝像機、攝像頭等等一些圖像采集設(shè)備。它們主要的任務(wù)就是將景物反射的信號轉(zhuǎn)換成可以識別的模擬信號，再經(jīng)過A/D轉(zhuǎn)換，將轉(zhuǎn)換后的模擬信號轉(zhuǎn)換成數(shù)字圖像信息。性能好、分辨率高、噪聲較小、轉(zhuǎn)換速度比較快的電信號線做優(yōu)先的選擇。只有達到這個標(biāo)準(zhǔn)的轉(zhuǎn)換電信號線才是上乘選擇，對圖像的識別水平也較高。轉(zhuǎn)換后的圖像信息要進行進一步的預(yù)處理。其主要目的就是為了去掉原始圖像的噪音與其他變形問題的干擾，保留并增強有效信息。其次，進行預(yù)處理的過程也比較復(fù)雜，要進過濾液、復(fù)原、提取邊緣、圖像分割等預(yù)處理方式，提高圖像的可讀性與清晰度，為下一步進行特征的提取提供了便利，奠定了基礎(chǔ)。第三，提取特征。是根據(jù)預(yù)處理后得到的結(jié)果，對其進行分析、辨別真?zhèn)巍⑻蕹裏o效信息、保留有效信息的一個過程。鑒于原始圖像數(shù)據(jù)信息量比較大，需要在這龐大的數(shù)據(jù)中提取出有價值的信息，并進行歸類，這就是特征的提取。在對特征進行提取之后，才能對其進行分類決策。其主要的目的就是對在分類提取過程中所得到的樣本進行分析和判斷，當(dāng)然在判斷的過程需要遵循某個規(guī)則，將分類提所引起的錯誤識別概率降到最低，保證其具有較高的精準(zhǔn)度。

字符識別常用的方法有三種： 統(tǒng)計識別法； 句法結(jié)構(gòu)模式識別； 模糊模式識別法。

（四）先采取攝像頭拍攝的方式，再通過圖像處理來進行數(shù)據(jù)的采集

在我國的公共道路交通管理系統(tǒng)中，為了獲取更多的車輛的運動數(shù)據(jù)，之前通常采用感應(yīng)線圈等方法，但是這種方法要求設(shè)置在路面上并且對路面造成一定程度的損壞，安裝困難，影響交通。所以現(xiàn)在都是采取攝像頭拍攝，再通過圖像處理來進行數(shù)據(jù)的采集。隨著科技的發(fā)展與進步，現(xiàn)在只需要在路段相應(yīng)的位置安裝攝像頭，攝像頭所獲取到的視頻與圖像就會通過壓縮之后傳輸?shù)娇刂浦行摹１O(jiān)控中心只需要根據(jù)上述視頻與圖像進行提取，就可以對車輛進行實時跟蹤。運作跟蹤是車輛識別的一部分，其主要分為背景的提取、運動點團的提取，運動點團位置的提取和運動物體的跟蹤。近幾年，經(jīng)過技術(shù)人員的不斷鉆研，針對每個點都提出各自相應(yīng)的算法，使得車輛跟蹤更為直觀、精確。

本文中詳細(xì)描述了數(shù)字圖像處理技術(shù)在ITS中的應(yīng)用。ITS技術(shù)在車牌識別，車輛的跟蹤等方面應(yīng)用廣泛。由于信息技術(shù)的逐步完善，使得數(shù)字處理技術(shù)在智能交通領(lǐng)域中得到極大的應(yīng)用。經(jīng)過各方的不懈努力，無論是硬件還是軟件，都在不斷的進步與發(fā)展，使得數(shù)字圖像處理取得一個又一個突破性的進步。

參考文獻：

[1]黃衛(wèi)，陳里得。智能運輸系統(tǒng)（ITS）概論[M].北京： 人民交通出版社。20xx.[2]高建平，張小東，蔣 銳?；趫D像處理的交通信息采集[J].重慶交通大學(xué)，20xx（1）:103-106.[3]石紅蘭?；趫D像處理的車牌識別系統(tǒng)的研究與實現(xiàn)[J].現(xiàn)代制造，20xx（21）:178.[4]王洪建。數(shù)字圖像處理技術(shù)在智能交通中的應(yīng)用與研究[D].重慶： 重慶大學(xué)，20xx.

圖像處理技術(shù)論文3

【摘要】在網(wǎng)絡(luò)技術(shù)蓬勃發(fā)展的今天，網(wǎng)絡(luò)被大面積應(yīng)用在社會生活的不同領(lǐng)域，依托網(wǎng)絡(luò)所成立的遠(yuǎn)程教育等愈發(fā)依賴網(wǎng)站，且專業(yè)人員也更加關(guān)注網(wǎng)頁設(shè)計制作。本文依照往期的工作經(jīng)驗，首先介紹圖形圖像處理技術(shù)，然后分析網(wǎng)頁設(shè)計制作，最后通過實例闡述圖形圖像處理技術(shù)在網(wǎng)頁設(shè)計制作活動的應(yīng)用。

【關(guān)鍵詞】網(wǎng)頁設(shè)計制作;圖形圖像;處理技術(shù)

網(wǎng)頁制作是一門常用的編程、圖像處理技術(shù)，媒體是其主要存在形式，擁有濃厚的藝術(shù)氣息和強烈的影響力，由文字、圖片與超鏈接共同組成。在具體的設(shè)計過程中，應(yīng)全面分析各個要素，合理歸納，認(rèn)真研究各個要素的邏輯關(guān)系與前后順序，進而組建一個統(tǒng)一的整體。

一、圖形圖像處理技術(shù)

(一)應(yīng)用的必要性。

在網(wǎng)頁設(shè)計制作中，圖形圖像處理是一種較為常用的處理技術(shù)，主要通過處理軟件，從整體層面來改進圖片［1］。對于網(wǎng)頁制作而言，分割與編碼等是最為常用的圖像處理手段，參照網(wǎng)頁制作要求，對原始圖像進行最大程度的改進，構(gòu)建網(wǎng)頁制作。分析網(wǎng)頁制作實踐可知，PS與火狐是最為常用的處理軟件，以需求者的內(nèi)心活動為切入點，明確需求者的視覺標(biāo)準(zhǔn)，有效傳遞網(wǎng)頁信息，提升處理效率。例如，比較網(wǎng)站整體，圖像質(zhì)量優(yōu)良的網(wǎng)頁通常為首選，人們在查閱網(wǎng)頁時，率先選擇文字和圖形共同構(gòu)成的網(wǎng)站，其中圖像越清晰、效果越好，則停留時間也將會越長，并可引導(dǎo)人們科學(xué)讀取網(wǎng)站內(nèi)容，而這為網(wǎng)頁制作開辟了新的渠道，有利于網(wǎng)頁制作的全面發(fā)展。

(二)優(yōu)勢。

1．提升網(wǎng)頁質(zhì)量。從整體層面提升制作水平，優(yōu)化整體構(gòu)造，提高圖像處理效果，改善網(wǎng)頁的質(zhì)量，有效發(fā)揮清晰、優(yōu)良圖像的價值，擴大網(wǎng)頁制作的感染力，系統(tǒng)彰顯網(wǎng)頁優(yōu)勢，以此來創(chuàng)造更多的網(wǎng)頁價值。

2．改進網(wǎng)頁運行。借助技術(shù)所處理的圖像，其指標(biāo)參數(shù)均符合網(wǎng)頁制作要求，滿足規(guī)范標(biāo)準(zhǔn)，更不會對網(wǎng)頁運行空間產(chǎn)生影響，確保搜索質(zhì)量。待用戶經(jīng)由搜索引擎尋找網(wǎng)頁時，清晰、優(yōu)良的圖像能夠加快下載速度，增加網(wǎng)頁的順暢性，除可有效展現(xiàn)給用戶外，還可提升點擊率，推動網(wǎng)頁競爭排名。

二、構(gòu)圖設(shè)計

網(wǎng)頁屬于一種獨特的文件，借助瀏覽器來顯示，網(wǎng)頁構(gòu)圖應(yīng)依照網(wǎng)站種類、風(fēng)格與服務(wù)對象等因素來確定。借助頁面構(gòu)圖，利用版面設(shè)計可規(guī)范、合理設(shè)置欄目，完全、清晰展現(xiàn)欄目內(nèi)容，有效彰顯設(shè)計人員的設(shè)計理念，完美闡述主題思想。

(一)網(wǎng)頁設(shè)計中使用圖片的優(yōu)勢。

1．視覺優(yōu)勢。從版面構(gòu)成要素層面而言，圖片的合理使用能夠賦予網(wǎng)頁別樣的風(fēng)格，有效吸引廣大用戶;從網(wǎng)頁設(shè)計層面而言，圖片擁有一定的設(shè)計彈性，能夠協(xié)調(diào)網(wǎng)頁內(nèi)部的其余視覺元素，進而讓網(wǎng)頁設(shè)計可適應(yīng)設(shè)計目標(biāo)規(guī)劃，達到統(tǒng)一、協(xié)調(diào)。

2．認(rèn)知優(yōu)勢。圖片的使用能夠讓無論來自哪個國家的人均可準(zhǔn)確理解圖片內(nèi)涵，因此，可以降低閱讀障礙和瀏覽障礙。即便用戶不識字，也可借助類似方法明確圖片的內(nèi)涵，擁有認(rèn)知優(yōu)勢。

(二)構(gòu)圖方式。

1．縱向式構(gòu)圖。縱向式構(gòu)圖指代沿著垂直方向來排列網(wǎng)頁中所包含的所有要素。此種構(gòu)圖不僅滿足當(dāng)代人的視覺習(xí)慣，而且能夠清晰、直觀展現(xiàn)頁面，主要被應(yīng)用到廣告設(shè)計和子頁設(shè)計活動中。另外，應(yīng)用此種構(gòu)圖時，還可選擇不對稱設(shè)計，進而獲得突破，營造別樣的視覺效果。

2．水平式構(gòu)圖。水平式構(gòu)圖指代網(wǎng)頁中的所有要素沿著水平方向進行排列。此種構(gòu)圖可給人一種莊嚴(yán)、穩(wěn)定、厚實的感覺，與人們的審美標(biāo)準(zhǔn)相符，滿足瀏覽習(xí)慣。它主要被應(yīng)用于政府機構(gòu)、私營企業(yè)、學(xué)校教育等網(wǎng)站中，具體應(yīng)用在主頁設(shè)計環(huán)節(jié)。應(yīng)用此種構(gòu)圖開展頁面制作工作時，需要靈活運用色彩，尤其在導(dǎo)航條與文字中，規(guī)避單一畫面，增強網(wǎng)頁的嚴(yán)謹(jǐn)性和莊重感。

3．中心式構(gòu)圖。中心式構(gòu)圖是指將頁面中的關(guān)鍵要素編排在畫面的中心位置，集中形象、強調(diào)重點，視覺沖擊力明顯。在網(wǎng)頁設(shè)計中，上述三種構(gòu)圖是最常用的構(gòu)圖方式，針對不同類型的商品與差異化的個人網(wǎng)頁，在開展設(shè)計制作工作時也可選用不規(guī)則構(gòu)圖，進而完全彰顯獨特的、個性化色彩［2］。

三、色彩搭配

色彩是網(wǎng)頁設(shè)計中的基本元素，網(wǎng)頁制作一定包含色彩設(shè)計，合理、有效的色彩運用通常能提升創(chuàng)意效果，但若只是進行機械組合，則無法獲得理想的效果。同時，網(wǎng)頁設(shè)計中所遵循的色彩搭配原則與圖形圖像處理相同，都應(yīng)參照適用性原則。主要包含用戶滿意率、整體協(xié)調(diào)性、清晰指數(shù)。另外，網(wǎng)頁中所采用的顏色圖像應(yīng)盡可能采用ＲGB模式，這是因為當(dāng)前所使用的顯示器主要為32位以上，無需考慮瀏覽器安全色，在具體的選擇過程應(yīng)全面考慮色彩統(tǒng)一標(biāo)準(zhǔn)［3］。在具體的網(wǎng)頁配色過程，一是確定一種顏色，并調(diào)整透明度，改進飽和度，簡單來說是指深化或者淺化原有色彩，進而形成新色彩，然后應(yīng)用到網(wǎng)頁中;二是設(shè)計網(wǎng)頁時，若無法有效把控色彩表現(xiàn)力，則應(yīng)盡可能不要使用對比鮮明的色彩。

四、圖形圖像處理技術(shù)在網(wǎng)頁中的實際應(yīng)用

網(wǎng)頁制作是一種把文字、圖片、背景和視頻等統(tǒng)一整合的過程，我們應(yīng)大力增加網(wǎng)頁中所包含的信息量，不斷提升網(wǎng)頁的藝術(shù)氣息［4］。圖形圖像處理是一種必不可少的網(wǎng)頁設(shè)計制作技術(shù)，通常待落實頁面構(gòu)圖后，則應(yīng)設(shè)計導(dǎo)航條與文字背景，同時進行特效處理。例如，設(shè)計人力資源測評網(wǎng)時，主要通過Photoshop軟件進行網(wǎng)頁制作，本文將以此為例，闡述圖形圖像處理在網(wǎng)頁設(shè)計方面的應(yīng)用。

(一)頁面構(gòu)圖。

因人力資源測評網(wǎng)自身較為鄭重和莊嚴(yán)，為突顯這一特點，并吸引瀏覽者的注意力，主要選擇水平與中心式相融合的構(gòu)圖。測試與評估是一項緊張的工作，因此，選取白色充當(dāng)網(wǎng)頁背景色，藍(lán)色為主色調(diào)，合理調(diào)節(jié)透明度與飽和度，組建藍(lán)色系。這是因為白色不僅能渲染紅色等亮色，還可營造一種溫和、融洽、深遠(yuǎn)和平穩(wěn)的感覺。

(二)LOGO制作。

LOGO代表著網(wǎng)站，它是一種標(biāo)志，至關(guān)重要。在設(shè)計LOGO時，應(yīng)遵循簡單、顯眼的原則，利用有限的空間，展現(xiàn)特定形象，傳達某些信息，同時，確保美觀、鮮明。本文中的測評網(wǎng)站選用了大寫字母Ｒ，輔以藍(lán)色背景的LOGO，簡單、大方;還可將其設(shè)計成進入準(zhǔn)備階段的運動員。

(三)導(dǎo)航條制作。

網(wǎng)上瀏覽應(yīng)堅持便利、快捷的原則，導(dǎo)航條通?？蓭椭鸀g覽者有效找到目標(biāo)內(nèi)容。在網(wǎng)頁主頁中設(shè)計導(dǎo)航條，充當(dāng)頂級目錄，可與子頁面形成鏈接，便于查閱和瀏覽［5］。在具體的設(shè)計環(huán)節(jié)，應(yīng)結(jié)合網(wǎng)站的具體特點與基本功能來明確，在保證外表美觀的同時，還應(yīng)滿足實用性要求。同時，確保導(dǎo)航條所選用的色彩滿足網(wǎng)頁的整體色調(diào)，主要設(shè)置在正文之上，而子頁則可通過列表進行導(dǎo)航，相應(yīng)的導(dǎo)航條可設(shè)置在正文兩側(cè)。以水平式導(dǎo)航條為例，在人力資源測評網(wǎng)的制作過程中，可將水平式導(dǎo)航條設(shè)計為柱狀浮雕效果，且具有漸變色，操作步驟如下所述:其一，重新建立圖層，借助矩形選框工具設(shè)立矩形選區(qū);其二，改動漸變色彩，構(gòu)建漸變色條;其三，點擊編輯，然后點擊描邊，進而為選區(qū)構(gòu)建描邊效果;其四，利用快捷鍵來撤回選擇，點擊圖層，然后點擊圖層樣式，以此來設(shè)置斜面與浮雕圖層相結(jié)合的效果，具體是指在默認(rèn)狀態(tài)中對樣式、深度、方向、大小和方法等進行調(diào)整;其六，再次借助投影樣式，以此來增強漸變效果。變動參數(shù)，直到出現(xiàn)三維效果，再增設(shè)導(dǎo)航菜單項等基本選項便可。

五、結(jié)語

網(wǎng)頁除以媒體形式進行存在外，還涵蓋多種內(nèi)容，藝術(shù)氣息濃厚，而圖形圖像處理在網(wǎng)頁設(shè)計中占據(jù)重要位置，較為常用。圖形圖像處理主要依托特殊功能，全面展現(xiàn)設(shè)計人員的構(gòu)思，完全彰顯個人情感，同時，輔以文字和圖片等要素，巧妙運用色彩，進而為瀏覽者提供一個色彩鮮明、內(nèi)涵豐富、結(jié)構(gòu)清晰的網(wǎng)頁。

【參考文獻】

［1］郝邊遠(yuǎn)．視覺傳達功能在網(wǎng)頁設(shè)計中的表現(xiàn)［J］．才智，20xx，8:300

［2］鄧焱．基于交互動畫的網(wǎng)站設(shè)計與應(yīng)用［D］．山東大學(xué)，20xx

［3］趙志江．基于任務(wù)驅(qū)動的《網(wǎng)頁設(shè)計制作》課程教學(xué)改革探討［J］．卷宗，20xx，4:29

［4］簡海斌．用網(wǎng)頁設(shè)計制作桌面應(yīng)用程序界面探討［J］．職業(yè)，20xx，15:61～62

［5］朱鳳明．網(wǎng)頁設(shè)計與制作中DreamweaverCs5的功能應(yīng)用與發(fā)展趨勢［J］．電腦知識與技術(shù)，20xx，24:5428～5429

圖像處理技術(shù)論文4

摘要：隨著現(xiàn)代化醫(yī)學(xué)影像技術(shù)的快速性發(fā)展, 在醫(yī)學(xué)影像技術(shù)應(yīng)用中, 已經(jīng)實現(xiàn)了現(xiàn)代化圖像處理技術(shù)整合, 通過現(xiàn)代化圖像處理技術(shù)的應(yīng)用有效的實現(xiàn)了醫(yī)學(xué)影像發(fā)展技術(shù)的創(chuàng)新性應(yīng)用, 保障了現(xiàn)代醫(yī)學(xué)影像技術(shù)應(yīng)用中的計算機應(yīng)用技術(shù)能力提升。鑒于此, 本文針對現(xiàn)代醫(yī)學(xué)影像技術(shù)中計算機圖像處理技術(shù)的應(yīng)用進行了專門的分析, 希望通過本文的分析能夠為現(xiàn)代醫(yī)學(xué)發(fā)展中的影像技術(shù)應(yīng)用提供技術(shù)發(fā)展支持, 以便于在技術(shù)應(yīng)用支持下, 實現(xiàn)技術(shù)發(fā)展的創(chuàng)新性轉(zhuǎn)變。

關(guān)鍵詞：醫(yī)學(xué)影像;計算機;圖像處理技術(shù);應(yīng)用研究;

在現(xiàn)代化醫(yī)學(xué)發(fā)展中, 由于科學(xué)技術(shù)的發(fā)展和融入, 使得很多的醫(yī)學(xué)技術(shù)在處理過程中, 需要借助影像進行患者的病情分析, 比如CT影像以及X射片影像處理等, 這些影像處理需要借助計算機圖像處理技術(shù)進行專門的影像還原分析, 將影像中表現(xiàn)的病變位置在計算機圖像處理技術(shù)的應(yīng)用下, 實現(xiàn)圖像的高清化處理, 進而為患者的治療提供參考性建議。本文通過對現(xiàn)代醫(yī)學(xué)影像技術(shù)中計算機圖像處理技術(shù)的應(yīng)用研究, 能夠在研究過程中, 找到適合醫(yī)學(xué)影像和計算機圖像處理技術(shù)結(jié)合的關(guān)鍵點, 這對于提升醫(yī)學(xué)影像圖片處理能力而言, 具有重要性研究意義。醫(yī)學(xué)影像技術(shù)常用的計算機圖像處理技術(shù)

醫(yī)學(xué)影像技術(shù)是現(xiàn)代化醫(yī)學(xué)發(fā)展中, 經(jīng)常運用到的一項技術(shù), 在該技術(shù)的應(yīng)用下, 注重的是對應(yīng)用中的圖像成像分析, 通過對圖像成像分析, 進而找到適合診斷患者的治療方式。就目前我國醫(yī)學(xué)發(fā)展現(xiàn)狀來看, 很多醫(yī)學(xué)在患者的治療過程中, 都已經(jīng)實現(xiàn)了患者治療中的醫(yī)學(xué)影像技術(shù)應(yīng)用。比如, CT片、X射線拍攝已經(jīng)彩超和B超的處理等, 都需要借助在醫(yī)學(xué)影像技術(shù)上進行應(yīng)用, 通過醫(yī)學(xué)影像技術(shù)的應(yīng)用能夠?qū)崿F(xiàn)患者病變部位的清晰化成像反饋, 但是要想做到患者診斷的醫(yī)學(xué)影像成像技術(shù)清晰化反饋, 就應(yīng)該注重對影像技術(shù)應(yīng)用的自身性因素管理控制, 通過管理控制, 從而實現(xiàn)醫(yī)學(xué)影像技術(shù)發(fā)展的效率提升和呈像清晰度提升。這種情況下, 計算機圖像處理技術(shù)中的PS技術(shù)、MAYA技術(shù)以及一些其他的計算機圖像處理技術(shù)在醫(yī)學(xué)影像發(fā)展中的應(yīng)用也就越來越廣泛。計算機圖像處理技術(shù)在醫(yī)學(xué)影像技術(shù)中的應(yīng)用

2.1 圖像去噪

醫(yī)學(xué)影像在傳輸過程中, 一直受到聲音噪點干擾, 這種情況下, 就會造成傳輸?shù)挠跋駡D片出現(xiàn)了明顯的噪點, 影像診治醫(yī)生對患者病情的判斷, 因此, 在這種情況下, 需要運用計算機圖像處理技術(shù)進行醫(yī)學(xué)影像技術(shù)應(yīng)用的噪點處理, 通過對醫(yī)學(xué)影像技術(shù)應(yīng)用中的`圖像技術(shù)處理, 能夠?qū)崿F(xiàn)影像自身的噪點下降, 并且保障了影像噪點的處理, 能夠滿足基本的影像應(yīng)用需求。所以在現(xiàn)實影像技術(shù)的處理中, 為了保障影像處理效果, 所以需要對影像處理中的噪點清除, 通過對電子元件的干擾分析, 明確在醫(yī)學(xué)影像應(yīng)用中, 其噪點出現(xiàn)的根源, 按照其根源進行影像處理實施, 保障在影像處理根源的實施中, 能夠?qū)崿F(xiàn)圖像的高清化成像。例如, 通過均值濾波、中值濾波等多種形式, 將醫(yī)學(xué)影像中的噪點清除。

2.2 圖像增強

圖像增強是現(xiàn)代醫(yī)學(xué)影像技術(shù)發(fā)展中, 較為常見的一種圖像處理技術(shù), 在該圖像處理技術(shù)的應(yīng)用中, 注重的是對圖像的清晰度以及圖像的分辨率提升。按照現(xiàn)代醫(yī)學(xué)影像技術(shù)應(yīng)用的要求, 在現(xiàn)實圖像的處理中, 需要對醫(yī)學(xué)影像自身呈現(xiàn)的圖像進行還原, 只有還原醫(yī)學(xué)影像本身, 相關(guān)的患者診斷病癥, 才能夠在醫(yī)學(xué)影像中, 及時的被分析出來。所以在這種情況下, 很多學(xué)者在進行醫(yī)學(xué)影像處理中, 需要將影像自身的色彩以及影響自身的飽和度和其他一些與影像相關(guān)的因素, 全部的排除好, 這樣才能保障最終的影像應(yīng)用效果, 實現(xiàn)醫(yī)學(xué)影像應(yīng)用和現(xiàn)代化醫(yī)療技術(shù)發(fā)展的雙向性整合, 同時在現(xiàn)代化醫(yī)學(xué)影像技術(shù)的應(yīng)用和發(fā)展中, 由于圖像增強技術(shù)的應(yīng)用和實施, 能夠保障醫(yī)學(xué)影像技術(shù)在發(fā)展中, 能夠借助計算機圖像處理技術(shù), 將其應(yīng)用中的圖像顯示效果增強, 保障最終的應(yīng)用效果。

2.3 圖像分割

圖像分割是現(xiàn)代化醫(yī)學(xué)影像技術(shù)發(fā)展中經(jīng)常運用到的一種技術(shù), 在該技術(shù)的應(yīng)用下, 注重的是對技術(shù)應(yīng)用中的圖像分割處理, 確保在圖像分割處理中, 能夠?qū)崿F(xiàn)計算機處理技術(shù)應(yīng)用的圖像差異化處理, 保障了在現(xiàn)實醫(yī)學(xué)影像技術(shù)應(yīng)用中, 能夠通過分割將醫(yī)學(xué)影像技術(shù)應(yīng)用中的圖像進行分解, 同時在圖像分解過程中, 還能夠運用計算機圖像處理技術(shù), 將醫(yī)學(xué)影像技術(shù)應(yīng)用中對于患者診斷的區(qū)域性診斷因素進行詳細(xì)的分析和總結(jié), 便于醫(yī)生在針對患者的診斷中, 能夠?qū)⒎指顖D像作為診斷技術(shù)處理的依據(jù)進行分析和應(yīng)用, 實現(xiàn)了患者治療中的影像技術(shù)應(yīng)用需求, 滿足了患者治療的影像條件應(yīng)用需求。結(jié)語

綜上所述, 在現(xiàn)代化科學(xué)技術(shù)發(fā)展應(yīng)用下, 我國的計算機圖像處理技術(shù)發(fā)展已經(jīng)相當(dāng)成熟, 作為醫(yī)學(xué)診斷中常用的技術(shù)之一, 醫(yī)學(xué)影像技術(shù)在整個醫(yī)學(xué)患者臨床診斷中, 占據(jù)著重要的位置, 要想保障醫(yī)學(xué)臨床診斷效果的準(zhǔn)確性, 就應(yīng)該注重對臨床醫(yī)學(xué)影像研究中的影像處理技術(shù)進行專門的分析, 確保在臨床影像技術(shù)的應(yīng)用處理中, 能夠?qū)崿F(xiàn)影像技術(shù)應(yīng)用的效率性提升。通過本文的研究將現(xiàn)代醫(yī)學(xué)影像技術(shù)中計算機圖像處理技術(shù)應(yīng)用研究歸納為以下幾點:

(1)圖像去噪;

(2)圖像增強;

(3)圖像分割。

只有處理好以上幾點技術(shù)應(yīng)用, 才能夠?qū)崿F(xiàn)現(xiàn)代醫(yī)學(xué)影像技術(shù)應(yīng)用的快速性提升。

參考文獻

[1]孫云, 金家貴, 曹東亮等.現(xiàn)代醫(yī)學(xué)影像技術(shù)在冠心病診斷中的應(yīng)用[J].成都醫(yī)學(xué)院學(xué)報, 20xx, 10(04):483-486.[2]龍然.數(shù)字化影像技術(shù)在現(xiàn)代醫(yī)學(xué)中的應(yīng)用分析[J].中外醫(yī)學(xué)研究, 20xx, 36(06):149-151.[3]唐輝, 俞璐, 王嵇等.現(xiàn)代醫(yī)學(xué)影像技術(shù)放射技師具備的綜合素質(zhì)探討[J].繼續(xù)醫(yī)學(xué)教育, 20xx, 25(02):3-4.[4]李越.計算機圖像處理技術(shù)在醫(yī)學(xué)影像中的進展與應(yīng)用[J].電腦知識與技術(shù), 20xx, 12(30):238-240.

圖像處理技術(shù)論文5

計算機圖像處理技術(shù)在實際中的應(yīng)用

計算機圖像處理技術(shù)在實際中的應(yīng)用范圍很廣泛,它的實現(xiàn)主要依賴與計算機的功能輔助。計算機在實際應(yīng)用中具有處理速度快、真實準(zhǔn)確度高、保存功能強大等特點,因此運用計算機進行圖像處理的技術(shù)也具有非常多的優(yōu)勢。下文將針對計算機圖像處理技術(shù)在農(nóng)業(yè)、工業(yè)、道路交通、遙感處理以及工程圖紙中的實際應(yīng)用進行詳細(xì)敘述。計算機圖像處理技術(shù)在農(nóng)產(chǎn)品加工中的應(yīng)用計算機圖像處理技術(shù)子在農(nóng)產(chǎn)品加工及收獲上的應(yīng)用主要表現(xiàn)在在農(nóng)產(chǎn)品加工中利用計算機進行圖像相關(guān)技術(shù)的處理后,實現(xiàn)在農(nóng)產(chǎn)品采摘或者加工的機器自動化操作,減輕人力負(fù)擔(dān)。現(xiàn)在,計算機圖像處理技術(shù)在農(nóng)產(chǎn)品加工和收獲上的應(yīng)用在我國的現(xiàn)代信息科技中已經(jīng)得到實現(xiàn),例如我國研發(fā)的蘑菇自動化采摘系統(tǒng),它就是利用計算機的視覺相關(guān)系統(tǒng)控制機器人進行蘑菇采摘的相關(guān)操作,不僅實現(xiàn)采摘速度上的提升,還實現(xiàn)了在采摘中控制對蘑菇造成損傷以及發(fā)生的最低化。在國外,計算機圖像處理技術(shù)在農(nóng)產(chǎn)品加工、采摘中的應(yīng)用也早有實現(xiàn)。像外國的人研發(fā)的鮮蝦加工操作控制系統(tǒng),就是利用計算機圖像處理技術(shù)結(jié)合鮮蝦的形體特征進行自動化切割加工處理的。計算機圖像處理技術(shù)在工業(yè)生產(chǎn)中的應(yīng)用實現(xiàn)工業(yè)自動化生產(chǎn)是工業(yè)發(fā)展中的關(guān)鍵,而工業(yè)自動化的實現(xiàn)離不開計算機信息技術(shù)的幫助,因此計算機圖像處理技術(shù)實現(xiàn)在工業(yè)自動化生產(chǎn)中應(yīng)用是必然的,并且計算機圖像處理技術(shù)在工業(yè)自動化中應(yīng)用范圍也是十分廣泛的。像在工業(yè)自動化生產(chǎn)中所需要的一些機器設(shè)備及其相關(guān)零部件構(gòu)成圖以及生產(chǎn)線的的識別系統(tǒng)裝置,它們都是利用計算機圖像處理技術(shù)通過對相關(guān)系統(tǒng)構(gòu)成進行識別處理,然后將準(zhǔn)確的控制或者理想結(jié)構(gòu)圖傳遞給機器控制系統(tǒng)或者機器人,從而實現(xiàn)生產(chǎn)線的自動化生產(chǎn)的。計算機圖像處理技術(shù)在道路交通中的應(yīng)用計算機圖像處理技術(shù)在道路交通中的應(yīng)用相信很多人在日常生活中其實已經(jīng)親眼見證過,它其實就是道路交通的攝像監(jiān)控系統(tǒng),就是我們通常所說的紅綠燈攝像頭或者高速公路上的監(jiān)控系統(tǒng)等,這些都比較常見。在道路交通運行中,紅綠燈攝像頭將檢測到的一些交通違章行為的圖像通過攝像頭拍攝記錄下來,傳送到計算機的相關(guān)系統(tǒng)中進行儲存保護起來。這其中紅綠燈攝像頭對道路交通中的違章行為進行自動檢測識別以及拍攝保存的過程就是計算機圖像處理技術(shù)在道路交通中的一個實際應(yīng)用的過程。計算機圖像處理技術(shù)在遙感技術(shù)中的應(yīng)用主要是通過遙感技術(shù)實現(xiàn)計算機主機對某領(lǐng)域的具體情況進行監(jiān)控操作。過程中計算機的監(jiān)控以及遙感技術(shù)對某領(lǐng)域信息情況的收集等,這些都是計算機圖像處理技術(shù)在遙感技術(shù)中應(yīng)用的體現(xiàn)。計算機圖像處理技術(shù)字工程圖紙中的應(yīng)用主要體現(xiàn)在通過計算機圖像處理等軟件實現(xiàn)對工程圖紙的設(shè)計繪制、信息轉(zhuǎn)換等過程,它是工程圖紙設(shè)計的一種常用技術(shù),對工程圖紙設(shè)計有著重要的作用。

計算機圖像處理技術(shù)的發(fā)展前景

就計算機圖像處理技術(shù)目前在實際中的應(yīng)用廣泛程度來講,計算機圖像處理技術(shù)在將來的發(fā)展前景也是十分可觀的。在未來計算機圖像處理技術(shù)將不僅會在圖像處理的清晰度、真實度以及其他的圖像因素的技術(shù)手法上越來越純熟,還將在圖像的分辨率、傳輸率以及多維成像等方面有所成就。其次計算機圖像處理技術(shù)在工業(yè)工程制圖、在技術(shù)自身裝置的簡化應(yīng)用等方面都會朝著越來越精準(zhǔn)化越方便化的方面發(fā)展。這樣一來,計算機圖像處理技術(shù)也將普遍化被應(yīng)用。

結(jié)語

總之,計算機圖像處理技術(shù)在實際生活中的應(yīng)用是非常廣泛的,因此,給予計算機圖像處理及相關(guān)應(yīng)用技術(shù)更多的科研領(lǐng)域的關(guān)注與研究也是十分必要的,只要將相關(guān)應(yīng)用技術(shù)提高到一定的水平,那么工業(yè)、農(nóng)業(yè)以及更多領(lǐng)域的科技生產(chǎn)水平必然也將隨之提升。

第三篇：matlabGUI圖像處理

圖像處理

一、實習(xí)任務(wù)

利用MATLAB里面的一些特定函數(shù)和GUI可視化圖形界面設(shè)計一個屬于自己的photoshop,使其完成簡易的放大、縮小、截圖以及直方圖統(tǒng)計等功能。

二、實習(xí)內(nèi)容

1、布局設(shè)計

2、程序設(shè)計 %文件打開

[name,path]=uigetfile({'*.*';'*.bmp';'*.tif';'*.png';'*.gif';'*.jpg'},'載入圖像');if isequal(name,0)|isequal(path,0)errordlg('沒有選中文件','出錯');return;else x=imread([path,name]);axes(handles.axes1);imshow(x);handles.img=x;handles.noise_img=x;guidata(hObject,handles)end

%文件保存

[filename,pathname] = uiputfile({'*.*';'*.bmp';'*.tif';'*.png';'*.gif';'*.jpg'},'圖片保存為');if isequal([filename,pathname],[0,0])errordlg('沒有保存','出錯');return;else file=strcat(pathname,filename);(handles.axes2);i=getimage(gca);imwrite(i,file);end

%文件退出 clc;close all;close(gcf);

%灰度處理

axes(handles.axes2);if isrgb(handles.img)y=rgb2gray(handles.img);%RGB?????????? imshow(y);else msgbox('這已經(jīng)是灰度圖像','轉(zhuǎn)換失敗');end %截圖

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);y=imcrop(handles.img);imshow(y);handles.Timage=y;

%雙線性縮小

axes(handles.axes2);prompt={'輸入放大倍數(shù):'};defans={'0.2'};p=inputdlg(prompt,'輸入放大倍數(shù)',1,defans);p1=str2num(p{1});y=imresize(handles.img,p1,'bilinear');%法縮小 imshow(y);

%雙線放大

axes(handles.axes2);prompt={'輸入放大倍數(shù):'};defans={'2'};p=inputdlg(prompt,'輸入放大倍數(shù)',1,defans);p1=str2num(p{1});y=imresize(handles.img,p1,'bilinear');%值法放大 imshow(y);

%上下翻轉(zhuǎn)

最近鄰插值最近鄰插axes(handles.axes2);x=(handles.img);if isrgb(handles.img)for k=1:3 y(:,:,k)=flipud(x(:,:,k));%上下翻轉(zhuǎn)函數(shù) end imshow(y);else x=(handles.img);y=flipud(x);imshow(y);end

%左右翻轉(zhuǎn)

axes(handles.axes2);if isrgb(handles.img)x=(handles.img);for k=1:3 y(:,:,k)=fliplr(x(:,:,k));%左右翻轉(zhuǎn)函數(shù) end imshow(y);else x=(handles.img);y=fliplr(x);imshow(y);end

%左轉(zhuǎn)90度

axes(handles.axes2);x=(handles.img);y=imrotate(x,90);imshow(y);

%右轉(zhuǎn)90度

axes(handles.axes2);x=(handles.img);y=imrotate(x,-90);imshow(y);

%任意角度旋轉(zhuǎn) axes(handles.axes2);prompt={'輸入?yún)?shù)1:'};defans={'30'};p=inputdlg(prompt,'輸入?yún)?shù)',1,defans);p1=str2num(p{1});y=imrotate(handles.img,p1);imshow(y);

%亮度處理

prompt={'輸入?yún)?shù)1','輸入?yún)?shù)2','輸入gamma'};defans={'[0 0.7]','[0 1]','1'};p=inputdlg(prompt,'輸入?yún)?shù)',1,defans);p1=str2num(p{1});p2=str2num(p{2});p3=str2num(p{3});gamma=p3;x=(handles.img);y=imadjust(x,p1,p2,gamma);axes(handles.axes2);imshow(y);%G直方圖

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)x=imhist(handles.img(:,:,2));%直方圖統(tǒng)計 x1=x(1:10:256);horz=1:10:256;bar(horz,x1);set(handles.axes2,'xtick',0:50:255);else msgbox('這是灰度圖像','旋轉(zhuǎn)失敗');end %R直方圖

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);x=imhist(handles.img(:,:,1));%統(tǒng)計

x1=x(1:10:256);horz=1:10:256;bar(horz,x1);set(handles.axes2,'xtick',0:50:255);%B直方圖

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)

直方圖x=imhist(handles.img(:,:,3));%直方圖統(tǒng)計

x1=x(1:10:256);horz=1:10:256;bar(horz,x1);%axis([0 255 0 150000]);set(handles.axes2,'xtick',0:50:255);%set(handles.axes2,'ytick',0:2000:15000);else msgbox('這是灰度圖像','旋轉(zhuǎn)失敗');end

%直方圖均衡

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)a=histeq(handles.img(:,:,1));b=histeq(handles.img(:,:,2));c=histeq(handles.img(:,:,3));k(:,:,1)=a;k(:,:,2)=b;k(:,:,3)=c;imshow(k);else h=histeq(handles.img);%直方圖均衡 imshow(h);end

3、效果圖

三、遇到的問題及解決方法

1、遇到的問題

最開始在Command里面用imread打開圖片是可行的，但到了GUI里面之后，會出現(xiàn)一些錯誤，主要就是提示說：找不到對應(yīng)的地方。還有就是在編寫完程序之后，放大感覺沒有任何變化。

2、解決方法

在查詢資料后發(fā)現(xiàn)，在GUI里面打開圖片是需要編寫圖片的地址以及格式的，要先判斷你要操作的圖片是否存在，如果不存在，應(yīng)該提示你不存在的錯誤；在不能放大這個問題上，后來發(fā)現(xiàn)是axes2不夠大，也就是畫布不夠大，再放大了畫布后，放大就明顯多了，縮小的時候也是這樣。

四、主要收獲和心得體會

在倆周的自動化軟件實訓(xùn)里面，最大的感觸就是MATLAB很強大，不但可以用自己自帶的函數(shù)，還可以和C語言Java等語言連接共用，在處理圖像上有自己獨特的優(yōu)勢，在編輯菜單之后再進行相應(yīng)的編程，做出來的界面和網(wǎng)頁一樣好看，這倆周特別快，不過收獲很多，在很大程度上鍛煉了我們的設(shè)計能力。

第四篇：圖像處理 實驗報告

摘要：

圖像處理，用計算機對圖像進行分析，以達到所需結(jié)果的技術(shù)。又稱影像處理?；緝?nèi)容 圖像處理一般指數(shù)字圖像處理。數(shù)字圖像是指用數(shù)字?jǐn)z像機、掃描儀等設(shè)備經(jīng)過采樣和數(shù)字化得到的一個大的二維數(shù)組，該數(shù)組的元素稱為像素，其值為一整數(shù)，稱為灰度值。圖像處理技術(shù)的主要內(nèi)容包括圖像壓縮，增強和復(fù)原，匹配、描述和識別3個部分。圖像處理一般指數(shù)字圖像處理。

數(shù)字圖像處理的目的是改善圖像的質(zhì)量，它以人為對象，以改善人的視覺效果為目的。目前，圖像處理演示系統(tǒng)應(yīng)用領(lǐng)域廣泛醫(yī)學(xué)、軍事、科研、商業(yè)等領(lǐng)域。因為數(shù)字圖像處理技術(shù)易于實現(xiàn)非線性處理，處理程序和處理參數(shù)可變，故是一項通用性強，精度高，處理方法靈活，信息保存、傳送可靠的圖像處理技術(shù)。本圖像處理演示系統(tǒng)以數(shù)字圖像處理理論為基礎(chǔ)，對某些常用功能進行界面化設(shè)計，便于初級用戶的操作。設(shè)計要求

可視化界面，采用多幅不同形式圖像驗證系統(tǒng)的正確性；

合理選擇不同形式圖像，反應(yīng)各功能模塊的效果及驗證系統(tǒng)的正確性 對圖像進行灰度級映射，對比分析變換前后的直方圖變化；

1.課題目的與要求 目的：

基本功能：彩色圖像轉(zhuǎn)灰度圖像

圖像的幾何空間變換：平移，旋轉(zhuǎn)，剪切，縮放 圖像的算術(shù)處理：加、減、乘

圖像的灰度拉伸方法（包含參數(shù)設(shè)置）； 直方圖的統(tǒng)計和繪制；直方圖均衡化和規(guī)定化； 要求：

1、熟悉圖像點運算、代數(shù)運算、幾何運算的基本定 義和常見方法；

2、掌握在MTLAB中對圖像進行點運算、代數(shù)運算、幾何運算的方法

3、掌握在MATLAB中進行插值的方法

4、運用MATLAB語言進行圖像的插值縮放和插值旋轉(zhuǎn)等

5、學(xué)會運用圖像的灰度拉伸方法

6、學(xué)會運用圖像的直方圖設(shè)計和繪制；以及均衡化和規(guī)定化

7、進一步熟悉了解MATLAB語言的應(yīng)用，將數(shù)字圖像處理更好的應(yīng)用于實際

2.課題設(shè)計內(nèi)容描述

1>彩色圖像轉(zhuǎn)化灰度圖像：

大部分圖像都是RGB格式。RGB是指紅，綠，藍(lán)三色。通常是每一色都是256個級。相當(dāng)于過去攝影里提到了8級灰階。

真彩色圖像通常是就是指RGB。通常是三個8位，合起來是24位。不過每一個顏色并不一定是8位。比如有些顯卡可以顯示16位，或者是32位。所以就有16位真彩和32位真彩。

在一些特殊環(huán)境下需要將真彩色轉(zhuǎn)換成灰度圖像。1單獨處理每一個顏色分量。

2.處理圖像的“灰度“，有時候又稱為“高度”。邊緣加強，平滑，去噪，加銳度等。

3.當(dāng)用黑白打印機打印照片時，通常也需要將彩色轉(zhuǎn)成灰白，處理后再打印 4.攝影里，通過黑白照片體現(xiàn)“型體”與“線條”，“光線”。2>圖像的幾何空間變化：

圖像平移是將圖像進行上下左右的等比例變化，不改變圖像的特征，只改變位置。

圖像比例縮放是指將給定的圖像在x軸方向按比例縮放fx倍，在y軸按比例縮放fy倍，從而獲得一幅新的圖像。如果fx=fy，即在x軸方向和y軸方向縮放的比率相同，稱這樣的比例縮放為圖像的全比例縮放。如果fx≠fy，圖像的比例縮放會改變原始圖象的像素間的相對位置，產(chǎn)生幾何畸變。

旋轉(zhuǎn)。一般圖像的旋轉(zhuǎn)是以圖像的中心為原點，旋轉(zhuǎn)一定的角度，也就是將圖像上的所有像素都旋轉(zhuǎn)一個相同的角度。旋轉(zhuǎn)后圖像的的大小一般會改變，即可以把轉(zhuǎn)出顯示區(qū)域的圖像截去，或者擴大圖像范圍來顯示所有的圖像。圖像的旋轉(zhuǎn)變換也可以用矩陣變換來表示。3>圖像的算術(shù)處理：

圖像代數(shù)運算是指對兩幅或兩幅以上輸入圖像對應(yīng)的像素逐個進行和差積商運算以產(chǎn)生增強效果的圖像。圖像運算是一種比較簡單有效的增強處理手段是圖像處理中常用方法。三種圖像處理代數(shù)運算的數(shù)學(xué)表達式如下： C(x,y)=A(x,y)+B(x,y)C(x,y)=A(x,y)-B(x,y)C(x,y)=A(x,y)*B(x,y)4>圖像的灰度拉伸方法：

灰度拉伸又叫對比度拉伸，它是最基本的一種灰度變換，使用的是最簡單的分段線性變換函數(shù)，它的主要思想是提高圖像處理時灰度級的動態(tài)范圍。可以有選擇的拉伸某段灰度區(qū)間以改善輸出圖像。如圖，所示的變換函數(shù)的運算結(jié)果是將原圖在a到b之間的灰度拉伸到c到d之間。如果一幅圖像的灰度集中在較暗的區(qū)域而導(dǎo)致圖像偏暗，可以用灰度拉伸功能來拉伸(斜率>1)物體灰度區(qū)間以改善圖像；同樣如果圖像灰度集中在較亮的區(qū)域而導(dǎo)致圖像偏亮，也可以用灰度拉伸功能來壓縮(斜率<1)物體灰度區(qū)間以改善圖像質(zhì)量。

5>直方圖設(shè)計和繪制；以及均衡化和規(guī)定化：

灰度直方圖是將數(shù)字圖像的所有像素，按照灰度值的大小，統(tǒng)計其所出現(xiàn)的頻度。通常，灰度直方圖的橫坐標(biāo)表示灰度值，縱坐標(biāo)為半個像素個數(shù)，也可以采用某一灰度值的像素數(shù)占全圖像素數(shù)的百分比作為縱坐標(biāo)。

直方圖均衡方法的基本原理是：對在圖像中像素個數(shù)多的灰度值（即對畫面起主要作用的灰度值）進行展寬，而對像素個數(shù)少的灰度值（即對畫面不起主要作用的灰度值）進行歸并。從而達到清晰圖像的目的。

3.總體方案設(shè)計

1> GUI圖像處理平臺的總體設(shè)計

圖像處理平臺設(shè)計的目的是能夠?qū)D像處理的各個獨立算法集成到一個平臺內(nèi)，方便用戶選用多種方法對圖像進行處理.平臺基于ＭatlabGUI設(shè)計，實現(xiàn)圖像處理過程的交互和可視化，并為用戶二次開發(fā)提供平臺接口，提高圖像處理算法的綜合利用效率

2>平臺總體功能設(shè)計 根據(jù)一體化的設(shè)計思想，平臺主要實現(xiàn)算法集成、交互可視化和提供二次開發(fā)接口等功能.其中算法集成分為已有算法集成和新算法集成.具體功能描述如下：

（1）已有算法集成是對Ｍatlab圖像處理工具

包中提供的算法進行集成，可以通過使用函數(shù)名加參數(shù)的方式直接調(diào)用.依據(jù)功能進行分類，將同類算法集成到同一菜單項內(nèi)，如將傅里葉變換、小波變換、離散變換等算法歸類到圖像變換中，進行集成.（2）新算法集成是指對自主開發(fā)的算法進行集成，如改進水平集算法[12]、交互式圖割算法[13]、細(xì)胞自動機分割算法[14]等均為自主開發(fā)的圖像分割算法，同已有算法集成方式類似，集成到平臺中，便于綜合運用和算法分析與對比.（3）交互式可視化是指對圖像處理過程及結(jié)果的可視化顯示，并提供用戶交互區(qū).（4）二次開發(fā)接口是指通過調(diào)用集成模板方式，為用戶提供一個將自己算法集成到平臺中的一個接口

3>總體布局設(shè)計

一個高性能的圖像處理平臺應(yīng)該為用戶提供

方便快捷的操作.平臺設(shè)計中通過菜單和按鈕實現(xiàn)快捷操作，其中菜單項提供平臺的整體功能，快捷按鈕顯示具體的獨立功能.圖像處理平臺的布局設(shè)計如圖1所示.利用ＭatlabGUI提供的工具包和底層代碼，可以實現(xiàn)菜單功能區(qū)、快捷按鈕功能區(qū)、DEMO顯示區(qū)、可視化效果顯示區(qū)和用戶交互區(qū)的布局設(shè)計

4.程序?qū)崿F(xiàn)和測試

4.1各個功能模塊的主要實現(xiàn)程序 基本功能：彩色圖像轉(zhuǎn)灰度圖像

I=imread('C:MATLAB7toolboximagesimdemospeppers.png','png');x=rgb2gray(I);figure(1);subplot(121);imshow(I);title('原始圖像');subplot(122);imshow(x);title('灰度圖像');實驗結(jié)果：

圖像的幾何空間變換：平移，旋轉(zhuǎn)，剪切，縮放

img1=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');img1=rgb2gray(img1);figure,imshow(img1);imwrite(img1,'a1.jpg');%%%%%%平移

se=translate(strel(1),[20 20]);img2=imdilate(img1,se);figure,imshow(img2);imwrite(img2,'a2.jpg');%%%%%%旋轉(zhuǎn) img3=imrotate(img1,90);figure,imshow(img3);imwrite(img3,'a3.jpg');% %%%%%縮放 img4=imresize(img1,2);figure,imshow(img4);imwrite(img4,'a4.jpg');

原始圖像：

平移圖像：

旋轉(zhuǎn)圖像：

縮放圖像：

圖像的算術(shù)處理：加、減、乘

加法

A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(1,3,1);imshow(A);title('圖像1');subplot(1,3,2);imshow(B);title('圖像2');C=imadd(A,B);subplot(1,3,3);imshow(C);title('相加后的圖像')

減法

A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(2,3,1);imshow(A);title('圖像1');subplot(2,3,2);imshow(B);title('圖像2');C=imsubtract(A,B);subplot(2,3,3);imshow(C);title('相減后的圖像')

乘法

A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(1,3,1);imshow(A);title('圖像1');subplot(1,3,2);imshow(B);title('圖像2');C=immultiply(A,B);subplot(1,3,3);imshow(C);title('相乘后的圖像')

圖像的灰度拉伸方法（包含參數(shù)設(shè)置）；

img=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');figure(1);imshow(img);title('原圖');[m,n]=size(img);%測量圖像尺寸參數(shù)

GreyHist=zeros(1,256);%預(yù)創(chuàng)建存放灰度出現(xiàn)概率的向量 for k=0:255 GreyHist(k+1)=length(find(img==k))/(m*n);%計算每級灰度出現(xiàn)的概率，將其存入GreyHist中相應(yīng)位置

end figure(2);bar(0:255,GreyHist)%繪制直方圖 title('原直方圖')xlabel('灰度值')ylabel('出現(xiàn)概率')%灰度拉伸 imggrey=img;prompt={'請輸入系數(shù)a','請輸入系數(shù)b'};words='請輸入線性拉伸函數(shù):';answer = inputdlg(prompt,words,1,{'0.5','2'});a=str2double(answer(1));b=str2double(answer(2));for i=1:m for j=1:n img(i,j)=a*img(i,j)+b;end end figure(3);imshow(img);title('灰度拉伸');GreyHist=zeros(1,256);%預(yù)創(chuàng)建存放灰度出現(xiàn)概率的向量 for k=0:255

直方圖的統(tǒng)計和繪制；直方圖均衡化和規(guī)定化；

%一，圖像的預(yù)處理，讀入彩色圖像將其灰度化

img=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');%讀入JPG彩色圖像文件

imshow(img)%顯示出來 title('輸入的彩色JPG圖像')imwrite(rgb2gray(img),'PicSampleGray.jpg');%將彩色圖片灰度化并保存 img=rgb2gray(img);%灰度化后的數(shù)據(jù)存入數(shù)組 %二，繪制直方圖

[m,n]=size(img);%測量圖像尺寸參數(shù)

GP=zeros(1,256);%預(yù)創(chuàng)建存放灰度出現(xiàn)概率的向量 for k=0:255 GP(k+1)=length(find(img==k))/(m*n);%計算每級灰度出現(xiàn)的概率，將其存入GP中相應(yīng)位置 end figure,bar(0:255,GP,'g')%繪制直方圖 title('原圖像直方圖')xlabel('灰度值')ylabel('出現(xiàn)概率')%三，直方圖均衡化 S1=zeros(1,256);for i=1:256 for j=1:i S1(i)=GP(j)+S1(i);%計算Sk end end S2=round((S1*256)+0.5);%將Sk歸到相近級的灰度 for i=1:256 GPeq(i)=sum(GP(find(S2==i)));%計算現(xiàn)有每個灰度級出現(xiàn)的概率 end figure,bar(0:255,GPeq,'b')%顯示均衡化后的直方圖 title('均衡化后的直方圖')xlabel('灰度值')ylabel('出現(xiàn)概率')%四，圖像均衡化 PA=img;for i=0:255 PA(find(img==i))=S2(i+1);%將各個像素歸一化后的灰度值賦給這個像素 end figure,imshow(PA)%顯示均衡化后的圖像 title('均衡化后圖像')imwrite(PA,'PicEqual.jpg');

4.3.問題說明和總結(jié)：對在調(diào)試中發(fā)現(xiàn)的問題和解決方法做說明。

圖像處理，是對圖像進行分析、加工、和處理，使其滿足視覺、心理以及其他要求的技術(shù)。圖像處理是信號處理在圖像域上的一個應(yīng)用。目前大多數(shù)的圖像是以數(shù)字形式存儲，因而圖像處理很多情況下指數(shù)字圖像處理。

進行程序調(diào)試的過程中，最重要的是輸入圖像，剛開始是為了找到原始圖像耗費了很多時間，一般的條件書上有，但要對其進行磨合。程序編寫時，應(yīng)該注意大小寫。應(yīng)該注意最后的輸出部分，保證輸出條件與輸入條件相同。

5．總結(jié)與體會 這次使用MATALB進行圖像處理的編寫，是我對MATALB軟件有了更深入的了解，對其的應(yīng)用能力也有了相應(yīng)的提高，更深入的了解到MATALB作為繪圖軟件的方便與快捷。在進行程序調(diào)試的過程中，最重要的是輸入圖像，只有找到圖像的原始位置，才能進行下面的程序編碼。編碼程序時，應(yīng)該在MATLAB原始文檔的位置先行輸入，輸入時應(yīng)該注意大小寫。程序應(yīng)該盡可能地簡單，只要能達到目的就行，程序越復(fù)雜，運行時的錯誤就越多。以上是我的程序編碼經(jīng)驗與感受。

6．參考文獻

《數(shù)字圖像處理實驗指導(dǎo)書》 厙向陽 曹穎超 編著 《MATLAB與數(shù)學(xué)實驗》 艾冬梅 李艷晴 編著 《圖像處理和分析技術(shù)》 章毓晉 編著 《MATLAB實用教程》 鄭阿奇 編著

第五篇：圖像處理說課稿

圖像處理

一、教材分析和教學(xué)地位分析

本節(jié)課是浙江教育出版社必修教材中第三章第三節(jié)第一課時的內(nèi)容，主要介紹了圖像處理的基本概念：分辨率、位圖和矢量圖、顏色、文件格式，以及常用的圖像編輯工具的簡單介紹。本節(jié)課是高二選修教材《多媒體技術(shù)應(yīng)用》中圖像加工部分的的基礎(chǔ)，是用于激發(fā)和發(fā)現(xiàn)學(xué)生對多媒體技術(shù)應(yīng)用的興趣的基礎(chǔ)內(nèi)容，是為學(xué)生高二選修合適內(nèi)容奠定基礎(chǔ)的一節(jié)課。

二、學(xué)情分析

本節(jié)課的教學(xué)對象是高一學(xué)生，他們具備了初步的審美意識，并且在日常生活中對于圖像處理有了基本的體驗，如智能手機上的美顏相機軟件，簡單的圖像處理工具美圖秀秀等，但對于圖像處理當(dāng)中的一些基本概念，如分辨率，圖像格式和分類等仍然處于模糊的狀態(tài)，對于圖像處理的高級工具Photoshop也一般是只聞其名，并沒有多少實質(zhì)性的體驗。因此，本節(jié)課從實際出發(fā)，創(chuàng)設(shè)適當(dāng)?shù)膶W(xué)習(xí)情境，引發(fā)學(xué)生對圖像處理的學(xué)習(xí)興趣，通過學(xué)生的自身體驗，由淺入深，由抽象到具體得幫助學(xué)生掌握基本概念，并且掌握圖像處理工具Photshop的幾個基本功能。

三、教學(xué)目標(biāo)分析

根據(jù)教材的結(jié)構(gòu)和內(nèi)容分析以及新課標(biāo)要求，結(jié)合高一學(xué)生的認(rèn)知結(jié)構(gòu)及其心理特點，我擬定了以下的教學(xué)目標(biāo)。知識與技能：

1、掌握Photshop中仿制圖章工具的用法。

2、掌握畫布修改的方法。

3、掌握圖像的一些基本概念：分辨率、圖像分類及格式。過程與方法：

1、通過體驗仿制圖章工具的使用，體會圖像處理的神奇及樂趣。

2、通過畫布修改的前后對比，從感官上上升對分辨率概念的認(rèn)識。

3、通過對顏色設(shè)置中對于紅綠藍(lán)的分量調(diào)整，體驗二進制理論在色彩當(dāng)中的應(yīng)用。情感態(tài)度和價值觀

通過本節(jié)課的學(xué)習(xí)，激發(fā)學(xué)生對于圖像處理的興趣，培養(yǎng)基本的審美情趣。

四、教學(xué)重難點

基于以上的教學(xué)目標(biāo)，我指定了以下的重難點。

重點：分辨率以及圖像分類及格式。

難點：二進制理論在色彩當(dāng)中的運用。

五、教法和學(xué)法

根據(jù)本節(jié)課的內(nèi)容和特點，主要采用以下幾種教學(xué)方法。

1、演示法：演示仿制圖章的使用。

2、活動探究和任務(wù)驅(qū)動：引導(dǎo)學(xué)生參與活動和任務(wù)，發(fā)揮學(xué)生的主觀能動性，培養(yǎng)學(xué)生的動手能力。

3、集體討論：畫布修改的前后對比

六、教學(xué)過程

最后我具體談?wù)勥@堂課的教學(xué)過程，本節(jié)課設(shè)計了5個教學(xué)環(huán)節(jié)。

1、示范演示，激發(fā)興趣。

選擇一副果樹圖片，通過給學(xué)生演示PS中仿制圖章的使用，激發(fā)學(xué)生對圖像處理的學(xué)習(xí)興趣。

任務(wù)：通過學(xué)習(xí)網(wǎng)站當(dāng)中對于仿制圖章工具的使用介紹，完成另一幅圖片的處理要求。

2、自身體驗，探索新知

活動探究一：通過學(xué)習(xí)網(wǎng)站中對于畫布修改的操作，完成畫布的修改，并且集體討論回答以下問題：

（1）畫布修改之后圖像有什么變化？

（2）將修改后的畫布放大到和原來一樣大，圖像質(zhì)量發(fā)生了什么變化

根據(jù)學(xué)生回答，引申分辨率的概念，以及位圖和矢量圖的概念，并且演示矢量圖編輯工具Coraldraw。

3、理論深入

活動探究

二、調(diào)整PS中的色彩工具欄中的分量調(diào)整，思考標(biāo)準(zhǔn)紅綠藍(lán)所對應(yīng)的二進制代碼。

根據(jù)學(xué)生回答并補充，引申真彩色的定義。補充文件格式及擴展名。

4、實踐體驗

根據(jù)自己愛好，選擇一副圖片，通過網(wǎng)站當(dāng)中對于PS的濾鏡介紹，體驗濾鏡效果。

5、小結(jié)。

七、教學(xué)反思

以上教學(xué)設(shè)計均是我個人的教學(xué)預(yù)設(shè)，在實際的教學(xué)過程中，我會根據(jù)學(xué)生的具體反饋做出相應(yīng)的調(diào)整，做到因材施教，真正的實現(xiàn)以學(xué)生為中心的教學(xué)，為學(xué)生的長遠(yuǎn)發(fā)展負(fù)責(zé)，使信息技術(shù)教學(xué)更好的為生活生產(chǎn)服務(wù)。