数字图像处理毕业设计
学士学位毕业设计（论文）
图像深度信息提取的算法
研究
学生姓名：曲友丹
指导教师：许杰
所在学院：信息技术学院
专业：通信工程
中国·大庆
2011 年 5 月
黑龙江八一农垦大学
本科毕业设计（论文）任务书
学生姓名 曲友丹 所在班级 07通信<2>班 导师姓名
许杰 导师职称 副教授
论文题目 图像深度信息提取的算法研究
题目 分类
1．应用与非应用类：〇工程 〇科研 〇教学建设 〇理论分析〇模拟 2．软件与软硬结合类：〇软件〇硬件〇软硬结合〇非软硬件 （1、2类中必须各选一项适合自己题目的类型在〇内打√）
主要研究内容及指标：
主要参考文献：
[1](英)Ian Graham. Object-Oriented Methods: Princ iples&Practic e. Third Edition. Pearson
Educ ation. 2003
[2]李春葆等.Visual Basic 程序设计.北京：清华大学出版设.2005
阶段规划：
开题时间
完成论文时间
专家审定意见：
系主任签字：
年 月 日
注：1．任务书由指导教师填写后交给学生，要求学生妥善保存。
2．此任务书夹于论文扉页与论文一并装订，作为论文评分依据之。
√ √
摘要
摘要
作为一个多学科交叉的领域，计算机视觉的理论研究和实际应用都取得了飞速的发展。尤其是近年来，图像科学的发展和计算机信息处理能力的增强，为计算机视觉的研究和应用提供了良好的条件。因此，对计算机视觉的进一步研究，具有重要的理论意义和实用价值。
数字图像处理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。目的提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量，提取图像中所包含的某些特征或特殊信息,这些被提取的特征或信息往往为计算机分析图像提供便利，图像数据的变换、编码和压缩,以便于图像的存储和传输。
计算机立体视觉的主要研究内容是由多幅二维的平面图像恢复出被摄物体的深度信息，而其中基于两幅图像的双目视觉技术则是一个研究热点。双目立体视觉的基本原理是模仿人眼与人类视觉的立体感知过程，从两个视点观察同一景物，以获取不同视角下的图像，通过三角测量原理计算图像像素间的位置偏差，以获取景物的深度信息。
一个完整的双目视觉系统通常可分为图像获取、摄像机标定、特征提取、立体匹配、深度恢复和深度插值等六大部分。本论文以道路图像为研究对象，以图像预处理、特征提取、立体匹配为主要研究内容。
关键词：立体视觉摄像机标定特征提取
ABSTRACT
ABSTRACT
As a new Geld based on various interdiscip linary. the theory research and practical application of the Computer Vision make great progress, Especially in recent years, the development of image processing technology and high performance computer coming into
being provide favorable conditions for Computer Vision research and application. So, the further research to Computer Vision has much theory meaning and practicality value.
Digital image processing and called computer image processing, it is to point to will image signal converted into digital signals and using the computer to its processing process. Objective to improve the quality of image visual sense, such as image, enhance brightness and color transform, inhib ition of image is some ingredients, such as geometry transform, in order to improve the quality of image, image contains extracted some characteristics or special information, these are extracted features or information often provide convenience for the computer analysis, image data image of transformation, coding and compression in order to image storage and transmission.
Stereo Vsian is to restore the depth information o f an object from some of its two-dimensional images. Generally, one would like to restore the depth information with only two different view points. The fundamental principle of Computer Vision with dual-camera has a strong resemblance to the visual perception procedure of mankind. We can get different images with two different view points and then calculate the position deviation of images pixels based on triangular measure. Finally, we can attain the depth information of the object. The integrated binocular stereo vision system generally includes image acquisition, camera calibration, features extraction, stereo matching, depth restoration and depth interpolation, etc. The image preprocessing, the features extraction and the stereo matching is mainly discussed in the paper.
First, we elaborate the fundamental principle of measure distance in stereo vision based on the camera model. Second, the paper gives the elaborate analysis on image preprocessing and features extraction methods, a nd verifies the algorithms by examp les.
Keywords:stereo vision camera calibration feature extraction
目录
摘要............................................... I ABSTRACT .......................................... II 目录............................................. III 前言.............................................. IV 1 绪论 (1)
1.1引言 (1)
1.2图像处理概述 (1)
1.3立体视觉研究概况 (2)
1.4小结 (4)
2 图像预处理的原理及算法 (5)
2.1 引言 (5)
2.2图像平滑 (5)
2.2.1均值滤波法 (5)
2.2.2中值滤波法 (6)
2.2.3自适应平滑法 (7)
2.2.4三种平滑方法的比较 (8)
2. 3边缘检测 (9)
2.3.1图像的边缘 (9)
2.3.2几种边缘检测算子 (9)
2.4 小结 (13)
3 图像深度信息的提取算法 (14)
3.1视觉对深度的感知 (14)
3.2 立体视觉对深度的感知 (14)
3.3 摄像机标定技术 (15)
3.3.1 图像坐标系、摄像机坐标系和世界坐标系 (15)
3.3.2 针孔摄像机模型 (17)
3.3.3 传统摄像机标定方法 (19)
3.4 小结 (20)
结论 (21)
参考文献 (22)
致谢 (23)
前言
计算机双目立体视觉是仿照人类双目感知距离的方法，利用两个摄像机对同一景物从不同位置成像，运用三角测量原理，从视差中恢复目标距离，实现对深度信息感知的技术。
一个完整的双目立体视觉系统通常可分为图像获取、摄像机标定、特征提取、立体匹配、深度信息恢复和深度插值等六大部分。
本课题的任务是:以道路图像为研究对象，以前方车辆为深度信息恢复目标，进行图像预处理、图像分割和特征提取，通过立体匹配技术得到目标视差，达到恢复目标深度信息的目的。我们沿着“图像获取一摄像机标定一图像预处理一特征提取一立体匹配一一深度信息恢复”这条主线逐步开展研究工作，并把重点集中于图像预处理、特征提取与立体匹配三部分上
第一章，主要对计算机视觉与立体视觉的理论研究进行了简要的介绍，并总结了立体视觉的发展状况及今后的发展趋势，给出了本课题的研究背景和研究内容。
第二章，对立体视觉测距的基本原理及摄像机标定技术进行了研究和分析，给出了视差、基线等参数与深度值之间的关系，确立了立体视觉成像系统模型。
第三章，分析了几种图像平滑去噪的方法，使用一种适合道路图像的改进的自适应平滑方法对道路图像进行去噪，取得了较好的效果。研究了图像的边缘检测方法，通过实验选择一种较优的边缘方法-L0G算子对道路图像进行处理，得到边缘增强了的道路图像。
最后，对本文进行了总结。
1 绪论
1.1引言
视觉是人类观察世界、认识世界的重要手段。科学研究和统计表明，人类从外界获得的信息约有75%是从视觉中得到的!’]。人类通过眼睛和大脑来获取、处理和理解视觉信息。周围环境中的物体在可见光的照射下，在人眼的视网膜上形成图像，由感光细胞转换成神经脉冲信号，经神经纤维传入大脑皮层进行处理和理解。
计算机视觉就是用计算机实现人的视觉功能，对客观世界的三维信息进行感知和解释的一门学科。计算机视觉的研究目的是要使计算机具有通过二维图像认知三维信息的能力，包括目标物体的形状、位置、姿态、运动等。计算机视觉研究的内容十分广泛，包括立体视觉、运动视觉、颜色视觉、主动视觉等。
立体视觉是计算机视觉的一个重要分支，而其中基于两幅图像的双目立体视觉是立体视觉的一个研究热点。双目立体视觉直接模拟人类双眼处理景物的方式，从两个视点观察同一景物，即由不同位置的两台或一台摄像机经过移动或旋转拍摄同一幅场景，通过三角测量的原理计算空间点在两幅图像像素间的视差来恢复目标物体的深度信息。
1.2图像处理概述
图像处理(image processing)，是指用计算机对图像进行分析，以达到所需结果的技术。又称图片处理、影像处理、照片处理、后期处理、P图、PS。
图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素其值为一整数，称为灰度值。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。图像处理一般指数字图像处理。虽然某些处理也可以用光学方法或模拟技术实现,但它们远不及数字图像处理那样灵活和方便,因而数字图像处理成为图像处理的主要方面。
《图像处理》内容简介：图像信息处理是一个多阶段、多途径、多目标的信息处理过程。深入系统地阐述和论证了图像信息处理中共性的和基础性的知识，以及有关前端的处理理论、方法和技术。《图像处理》涉及关于图像信息处理的概述，有关的数学知识，视觉知识，图像的数学描述，图像的数字化，图像变换，图像增强，图像恢复等内容。某些章节介绍的技术内容既可以作为独立的技术，产生用户所需的输出，满足用户的需求，也可以是后续的某些信息处理的预处理。
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。
图像分析从图像中抽取某些有用的度量、数据或信息。目的是得到某种数值结果，而不是产生另一个图像。图像分析的内容和模式识别、人工智能的研究领域有交叉，但图像分析与典型的模式识别有所区别。图像分析不限于把图像中的特定区域按固定数目的类别加以分类，它主要是提供关于被分析图像的一种描述。为此，既要利用模式识别技术，又要利用关于图像内容的知识库，即人工智能中关于知识表达方面的内容。图像分析需要用图像分割方法抽取出图像的特征，然后对图像进行符号化的描述。这种描述不仅能对图像中是否存在某一特定对象作出回答，还能对图像内容作出详细描述。图像处理的各个内容是互相有联系的。一个实用的图像处理系统往往结合应用几种图像处理技术才能得到所需要的结果。图像数字化是将一个图像变换为适合计算机处理的形式的第一步。图像编码技术可用以传输和存储图像。图像增强和复原可以是图像处理的最后目的，也可以是为进一步的处理作准备。通过图像分割得出的图像特征可以作为最后结果，也可以作为下一步图像分析的基础。图像匹配、描述和识别对图像进行比较和配准，通过分制提取图像的特征及相互关系，得到图像符号化的描述，再把它同模型比较，以确定其分类。图像匹配试图建立两张图片之间的几何对应关系，度量其类似或不同的程度。匹配用于图片之间或图片与地图之间的配准，例如检测不同时间所拍图片之间景物的变化，找出运动物体的轨迹。
以图片分析和理解为目的的分割、描述和识别将用于各种自动化的系统，如字符和图形识别、用机器人进行产品的装配和检验、自动军事目标识别和跟踪、指纹识别、X光照片和血样的自动处理等。在这类应用中，往往需综合应用模式识别和计算机视觉等技术，图像处理更多的是作为前置处理而出现的。多媒体应用的掀起，对图像压缩技术的应用起了很大的推动作用。图像，包括录像带一类动态图像将转为数字图像，并和文字、声音、图形一起存储在计算机内，显示在计算机的屏幕上。它的应用将扩展到教育、培训和娱乐等新的领域。
1.3立体视觉研究概况
20世纪80年代初，Marr首次从信息处理的角度综合了图像处理、心理学、神经生理学及临床精神病学的研究成果，提出了第一个较为完善的视觉系统框架。这一框架虽然存在大量不完备的方面，许多方面还有争论，但至今仍
是广大计算机视觉工作者接受的基本框架。计算机视觉这门学科的形成，与这一理论框架有密切的关系，下面从两个方面来描述这一理论。
Marr认为，计算机视觉研究包括三个层次:计算理论层次、表达与算法层次、硬件实现层次，计算理论层次解决的是系统各部分的计算目的与计算策略问题，即各部分的输入输出关系是什么，有什么变换约束。Marr对视觉系统的输入输出关系规定了一个总的目标，即输入是二维图像，输出是由二维图像重建出来的三维物体的位置与形状。表达与算法层次的研究是要给出各部分的输入、输出和内部信息的表达，以及实现计算理论层次所规定的一般性目的的算法。表达与算法是比计算理论低一层次的问题，不同的表达与算法，在计算理论层次上是可以相同的。硬件实现层次则是要解决如何用硬件实现以上算法的问题。目前计算机视觉的研究工作主要集中在计算理论和表达算法这两个层次上。对于硬件实现，目前有一些比较成熟的部分，如低层次图像处理中的去噪、边缘提取等。
Marr还认为，视觉可分为三个阶段:早期视觉、2.5维描述、三维阶段。第一阶段是早期视觉，其目的是拍取观察者周围景物表面的物理特性，如距离、表面方向、材料性质(反射系数、颜色、纹理)等，具体来说包括边缘检测、立体匹配、由阴影和纹理确定形状等。第二阶段是2.5维描述，它是在以观察者为中心的坐标系中描述表面的各种特性，根据这些描述，可以重建物体边界，按表面和体积分割景物，但在以观察者为中心的坐标系中只能得到可见表面的描述，得不到遮挡表面的描述，故称2.5维描述。第三阶段是三维阶段，是视觉信息处理的最后一个层次，是用25维描述中得到的表面信息建立适用于视觉识别的三维形状描述，这个描述应该与观察者的视角无关，也就是在以物体为中心的坐标系中，以各种符号关系和几何结构描述物体的三维结构和空间关系.
立体视觉的基本原理是从两个(或多个)视点观察同一景物，以获取在不同视角下的图像，通过三角测量原理计算图像像素间的位置偏差(即视差)来获取景物的三维信息，这一过程与人类视觉的立体感知过程是类似的。
一个典型的双目立体视觉系统中，两摄像机沿基线放置，其光轴相互平行，空间点在左右两个像平面上的投影位置的间距称为视差。由视差计算深度是非常容易的，但视差本身的计算是立体视觉中最困难的部分，它涉及到模型分析、摄像机标定、图像预处理、特征选取及立体匹配。在机器人双目立体视觉系统的硬件结构中，通常采用两个摄像机作为视频信号的采集设备，通过专用图像采集卡与计算机连接，把摄像机采集到的模拟信号经过采样、量化，提供给计算机。当摄像机光心平行于一条直线时，则构成平行双目立体视觉系统，这是最简单的一种情况。通过各部分几何关系的分析，我们可以获取目标的深度信息。
1.4小结
本章主要介绍了计算机视觉与立体视觉的理论研究情况，介绍了立体视觉的发展状况及今后的发展趋势。分析了立体视觉所包含的六大部分及其应该解决的主要问题及课题研究背景，确定了本课题的主要研究内容和研究重点。
2 图像预处理的原理及算法
2.1 引言
在获取和传输图像的过程中往往会发生图像的失真，所得到的图像和原始图像会有某种程度的差别。这种差别如果太大，就会影响人和机器对图像的理解。为了改善视觉效果和便于机器对图像的理解和分析，根据图像的特点或存在的问题采取的改善方法或者加强特征的措施称为图像预处理。图像预处理有两大类应用:一是改善图像的视觉效果，提高图像的清晰度;二是突出图像的特征，使之更便于计算机处理。
在立体视觉中，原始图像的预处理措施是否有效，关系到特征提取和立体匹配的质量。本课题的特征提取阶段主要是利用图像分割技术实现图像目标特征的提取，而对目标物分割提取结果影响最大的是图像中的背景阴影及杂散噪声等因素。因此，本课题首先对道路图像进行平滑处理，减少图像中噪声的干扰，然后对图像边缘进行增强，以利于特征提取和立体匹配。
2.2图像平滑
对图像进行平滑可以消除噪声影响，改善图像质量，得到适合特征提取的图像。常用的图像平滑技术有均值滤波和中值滤波等方法。
2.2.1均值滤波法
均值滤波法是一种图像局部空间处理的算法。设一副图像()j i f,为NX N的阵列，平滑后的图像为()j i g,，它的每个像素的灰度值由包含在()j i,的预定邻域的几个像素的灰度的平均值所决定，由下式可得平滑图像()j i g,:
()j i g,=
M
1∑
∈S
j
i
j i f
) , (
)
,((2-1)
式(2-1)中:j
i,=0,1,2,...N-1, S是以点()j i,为邻域中心的邻域像素的集合，M是S内坐标点的总数。用卷积的形式表示为:
()j i g,=∑
m ∑+
-
+
-
n
n
j
m
i
h
n
m
f)1
,1
(
)
,
((2-2)
式(2-2)中h为LXL阵列，称为卷积模板。
利用卷积模板进行卷积的步骤为:
(1)将模板在图像中漫游，并将模板中心与图像中某个像素位置重合;
(2)将模板上系数与模板下对应像素相乘;
(3)将所有乘积相加，将和赋给图像中对应模板中心位置的像素
常用的均值滤波法有以下几种: 1、四邻域平均法 四邻域平均法用公式表示为:
()j i g ,=
[]),1()1,()1,(),1(4
1j i f j i f j i f j i f ++++-+- (2-3)
式(2-3)的卷积模板为:
????
?
?????=01
0101
01041h (2-4)
2、其他常用的均值滤波法
常用于均值滤波法的卷积模板还有:
????
?
?????=11
1
101
111
811h ???????
?
????????=
00
1
011101101101110001001212h ???????
?
????????=
11
1
1
1
11111110111111111111
2413h (2-5)
均值滤波法算法简单，计算速度快。但它的主要缺点是在降低噪声的同时
使图像产生模糊，特别是在边缘轮廓处。由于边缘往往是图像中含有重要信息的部分，所以在均值滤波法中要解决的主要矛盾是如何做到既能消除噪声，又
能保持边缘轮廓尽可能不模糊。
2.2.2中值滤波法
中值滤波是一种非线性图像平滑技术，它可以在过滤噪声的同时，很好的
保护边缘轮廓信息。中值滤波是基于图像的这样一种特性:噪声往往以孤立点的形式出现，这些点对应的像素数很少，而图像则是由像素数较多、面积较大的小块构成。
中值滤波原理非常简单:用一个窗口W 在图像上扫描，把窗口内包含的像素按灰度值升序或降序排列，取灰度值居中的像素灰度为窗口中心像素的灰度，便完成了中值滤波，用公式表示为:
()j i g ,=Median }{W
l k l j k i f ?--),(),,( (2-6)
通常窗口内像素数目为奇数，以便有中间像素值，若窗口内像素数目为偶
数，则中值取中间两像素灰度的平均值。
中值滤波可以消除孤立的噪声点，又可以让图像产生较少的模糊。同时中
值滤波不需要做乘除运算，所有它具有处理速度快的优点。但是，由于中值滤波的输出像素是由邻域图像的中间值决定的，所以对极限像素值（与周围像素灰度值差别较大的像素)不如均值滤波敏感。
2.2.3自适应平滑法
均值滤波和中值滤波各有优劣，本课题把两者结合起来，使用一种改进的
自适应图像平滑算法，以达到消除噪声的同时，尽量不模糊边缘轮廓的目的。
对某一像素()j i ,，考察其周围四个区域(设为MXN 窗口W)的灰度情况，如图2-1所示。考虑到如果在某一区域中存在有图像的边缘轮廓时，其各像素灰度的分散度就较大这事实，在A, B,C,D 四个区域中选取灰度分散度最小的一个区域，求出其灰度平均值，作为像素()j i ,的灰度值。
图2-1:自适应平滑法示意图
首先估计出像素的局部矩阵均值μ和方差2σ，然后估计出灰度值()j i g ,:
∑
=
jeW
i j i f MN
,),(1μ (2-7)
2
σ
=
2
,2),(1μ-∑
j i f MN
jeW
i (2-8)
()j i g ,=[]μσ
υ
σ
μ--+
),(2
2
2
j i f (2-9)
式(2-9)中2υ是整幅图像的方差。
自适应平滑法根据图像的局部方差来调整滤波器的输出，是一种自适应的滤波器。它比均值滤波法和中值滤波法等线性滤波器有更好的选择性，可以更好地保存图像的边缘和高频细节信息。
下图所示道路图像进行自适应平滑滤波后的图像。
图所示自适应平滑结果
2.2.4三种平滑方法的比较
下图是上述三种平滑技术对图像进行处理得到结果的直方图比较:(a)为原图的直方图，(b)为均值滤波后图像的直方图，(c)为中值滤波后图像的直方图，(d)为自适应平滑滤波后图像的直方图
上述各种方法对原图平滑之后，噪声都有一定程度的减少，各直方图中的双峰相对更明显了。
在上述三种平滑方法中，经过均值滤波处理的图像相对有些模糊;而中值
滤波对消除孤立的噪声效果较好，但当图像中噪声较大时，中值滤波将失效，并且有时会失掉图像中的细线:自适应平滑法比均值滤波法和中值滤波法等线性滤波器有更好的选择性，在消除噪声的同时，可以更好地保护图像的边缘和高频细节信息，较适合道路图像的去噪。
2. 3边缘检测
2.3.1图像的边缘
图像的边缘具有重要的意义，人们能通过一个粗糙的边缘轮廓识别物体。边缘可以被定义为在局部区域内图像特征的差别。
边缘是图像中最重要的特征，是提取图像特征做进一步分析和处理的基础。边缘是灰度值不连续的结果，图像上的边缘可能对应不同的物理意义，主要有以几种:
1.面的不连续线。这些边缘线为两个不同曲面或平面的交线，在该边缘处物体表面的法线方向不连续，从而导致在边缘线的两边，图像的灰度值有明显的变化。
2.不同材料或不同颜色产生的边缘。不同材料或相同材料但不同颜色的物体对光的反射系数不同，使它们的图像灰度值不同。
3.物体与背景的分界线产生的边缘。从一定视角看物体时，这类边缘处于物体上可见与不可见部分的交界处，或者说物体与背景的交界处。由于物体与背景在光照条件与材料反射系数等各方面的差异都很大，因此在这类边缘两侧，图像的灰度有很大的差异。
4.阴影引起的边缘。由于物体表面某一部分被另一物体遮挡，使它得不到光源的照射，从而引起边缘两侧灰度值有较大差异。
虽然图像边缘产生的原因不同，但它们都是图像上灰度的小连续，或灰度变化剧烈的地方。这种不连续性可利用求导检测到，一般常用一级和二阶级导数来检测边缘。在图3-6中，第1排是一些具有边缘的图像示例，第2排是沿图像水平方向的1个剖面图，第3和第4排分别为剖面的一级和二阶导数。第1列和第2列是阶梯状边缘，第3列是脉冲状边缘，第4列是屋顶状边缘。
2.3.2几种边缘检测算子
微分算子类边缘检测是最基本的边缘检测方法，这类方法较为简洁，计算量较少，并且十分有效。微分算子具有突出灰度变化的作用，对图像运用微分算
子，灰度变化较大处微分值较高，因此可将这些微分值作为相应点的边缘强度来提取图像边缘。
常用的边缘检测微分算子有: 1. Robert 算子
Robert 算子是一种一阶微分算子，在边缘灰度值过渡比较尖锐且图像中噪声比较小时,工作效果较好。
设图像的灰度函数为()y x f ,, x 和y 分别为像素所在行和列的坐标，如果在()y x ,力处有边缘，利用f (x, y)在x 和y 方向上的变化率，可以算出其变化最快的方向，即梯度方向，边缘的方向垂直于这个梯度方向。用差分代替微分，有:
),1(),(y x f y x f x
f --=?? （2-10）
)1,(),(--=??y x f y x f y
f （2-11）
其中式(2-10)用于检测垂直边缘，式(2-11)用于检测水平边缘。在实际
中常用小区域模板进行卷积来近似计算，对
x
f ??和
x
f ??须各用一个模板，所以需
要用两个模板组合起来以构成一个梯度算子，它是一个2X2的模板，如图2-7所示。
图为Robert 算子
利用Robert 算子来检测边缘是一种较好的方法，它不仅具有位移不变性，还具有各向同性。下面给出Robert 算子提取图像边缘的试验结果。图2-8(a)为经过中值滤波后的道路图像，图(b)是由Robert 算子进行边缘检测的结果。
1
-1
1 -1
图2-8 Robert 算子边缘检测结果
2. Sobel 算子
Sobel 算子也是一种一阶微分算子。对于数字图像()j i f ,的每一个像素点，邻像素点灰度的加权和为()j i g ,，如下式:
()
j i g ,=
[][])1,1(),1(2)1,1()1,1(),1(2)1,1(+++++-+-+-+
-+--j i f j i f j i f j i f j i f j i f
由上面的公式可得Sobel 算子的模板，如图2-9所示。
图2-9 Sobel 算子
图2-10为使用Sobel 算子得到的边缘检测结果。
从实验结果可以看出Sobel 算子得出的边缘比Robert 算子连续得多，更加突出体现了背景与路面亮度值变化的特点。
图2-10 Sobel 算子边缘检测
3. Prewitt 算子
Robert 算子由于窗口小，平滑噪声作用也小。为此，人们作了适当的改进，提出了不同的算子。Prewitt 算子是其中最常见的一种，它对有噪声的阶跃型边缘的检测能力比Robert 算子好。图2-11是Prewitt 的模板。
1
-1
1 0 -1
2 0 2 1
-1
图2-11 Prew itt 算子
图2-12为使用Prewitt 算子得到的边缘检测结果。
4. LOG 算子
LOG 算子是在Laplacian 算子的基础上实现的，它得益于对人的视觉机理的研究，具有一定的生物学和生理学意义。
考虑Laplacian 算子对噪声的敏感性，为了减少噪声的影响，可先对待检测图像进行平滑后再运用拉普拉斯算子。由于在成像时，一个给定像素点所对应场景周围点对该点的光强贡献呈正态分布，所以平滑函数也应对距给定像素点远近不同的周围点以不同的平滑，具有正态分布的平滑函数可用式(2-13)定义:
()y x h ,= exp ???
?
??+-2222σy x (2-13)
其中σ是高斯分布的均方差。这样，对待检测图像f (x, y)的平滑结果为:
()()()
y x f y x h y x g ,,,?=
(3-14)
式中?代表卷积。对这样平滑后的图像再运用Laplacian 算子，如果令r 是离
原点的距离，222y x r +=，则将式((3-13)代入式(3-14)，可得:
[]),(2exp ),(),(22
4
2
22
2
y x f r r y x f y x h g ????
?
?
?-???? ?
?-=??=?σσσ
(2-14) 利用二阶导数算子过零点的性质可确定图像中阶梯状边缘的位置。式
(3-15)中的g 2?称为高斯拉普拉斯(Laplacian-of-Gaussian, LOG)算子，也称为
-1 0 1 -1 0 1 -1
1
1 1 1 0 0 0 -1
-1
-1
“墨西哥草帽”。Log 算子的平均值为零，如果将它与图像卷积不会改变图像的整体动态范围。
对于数字图像的差分形式，LOG 算子表示为:
),(21),(2
222)(2
j i f e
j i g j i *=
'+-σ
πσ
(2-15)
),(2),(2222)(2
2
22
j i f e j
i j i g j i *???
? ??+--=?'+-σσ (2-16) Loc 算子的检测效果要优于上面三种算子，特别是边缘较完整，位置较准确。数学上己经证明l ，Log 算子是按零交叉检测阶跃边缘的最佳算子。 对图2-8(a)的图像用LOG 算子得到的边缘检测结果如图2-13所示。
图2-13 LOG 算子边缘检测结果
2.4 小结
本章分析了几种图像平滑去噪的方法，均值滤波法和中值滤波法各有优缺点，自适应平滑法则把两者有机结合起来，适合道路图像的平滑去噪。 本章还研究了图像的边缘检测方法。Robert 算子·Sobel 算子和Prewitt 算子等都是以各自的模板对图像的小区域做卷积运算得出的边缘检测结果。LOG 算子则是先对图像做平滑处理，然后再利用Laplacian 算子对图像的边缘做提取。通过实验，我们对以上的几种较有代表性的边缘检测方法从感官和客观土做了评价，得出的结论是LOG 算子是边缘检测算法中较优的方法，适合道路图像的边缘检测。我们将在后续的特征提取阶段采用LOG 算子得到的边缘图像做进一步的分析，从中提取有效的特征。
3 图像深度信息的提取算法
3.1视觉对深度的感知
对生物视觉在深度感知上的研究有助于对计算机视觉系统的研究，计算机视觉关心的核心问题之一是空间知觉，也就是深度知觉。对于心理学研究者而言，他们感兴趣的是:视网膜是平面的，为何能产生立体的深度？如果说深度知觉是双眼的协调作用，单眼为何也能产生深度感?由此心理学的解释是:深度知觉既可以来自双眼线索，也可以来自单眼线索。
3.2 立体视觉对深度的感知
双目立体视觉的视差原理如图2-1所示:系统采用双相机平行光轴成像，图中l I ，R I 分别表示左右像平面，b 是左右图像坐标系的原点L O ,R O 间的距离，称为体视基线。假设两摄像机的焦距均为f ,光轴平行，X 轴互相重合。L P 和R P 分别表示三维空间中的一点()z y x P ,,在左右像平面上的投影像点，投影线L PO 和R PO 所确定的平面被称为核心平面，该平面与左右像平面的交线称为核心线，又称为极线。由于光轴与像平面垂直，Y 轴互相平行，左相机沿h 轴平移基线长度后，两相机完全重合，所以，左图中核心线上的一点，其右图中的对应点也在核心线上。这样，可以很容易的给出视差定义，并使匹配过程简化。为了便于理解，我们将右像平面坐标系平移到左像平面坐标系，则R P 在左平面坐标系上成为R P '.视差d 即为L P 和R P '之间的距离，即:R
L P P d '-=.
在理想情况下可设两摄像机光学参数和位置完全一样，则由三角形相似定理可导出p 点在Z 方向的坐标(深度)为:
'L R
bf bf Z d P P
=
=
-
上述摄像机模型称为平行双目立体视觉系统，是最典型的立体视觉模型，本课题选用这种理想模型进行立体视觉各阶段的研究。
数字图像处理课程心得
数字图像处理课程心得 本学期，我有幸学习了数字图像处理这门课程，这也是我大学学习中的最后一门课程，因此这门课有着特殊的意义。人类传递信息的主要媒介是语音和图像。据统计，在人类接受的信息中，听觉信息占20%,视觉信息占60%，其它如味觉、触觉、嗅觉信息总的加起来不过占20%。可见图像信息是十分重要的。通过十二周的努力学习，我深刻认识到数字图像处理对于我的专业能力提升有着比较重要的作用，我们可以运用Matlab对图像信息进行加工，从而满足了我们的心理、视觉或者应用的需求，达到所需图像效果。 数字图像处理起源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约采用数字压缩技术传输了第一幅数字照片。此后，由于遥感等领域的应用，使得图像处理技术逐步受到关注并得到了相应的发展。第三代计算机问世后，数字图像处理便开始迅速发展并得到普遍应用。由于CT的发明、应用及获得了备受科技界瞩目的诺贝尔奖，使得数字图像处理技术大放异彩。目前数字图像处理科学已成为工程学、计算机科学、信息科学、统计学、物理、化学、生物学、医学甚至社会科学等领域中各学科之间学习和研究的对象。随着信息高速公路、数字地球概念的提出以及Internet的广泛应用，数字图像处理技术的需求与日俱增。其中，图像信息以其信息量大、传输速度快、作用距离远等一系列优点成为人类获取信息的重要来源及利用信息的重要手段，因此图像处理科学与技术逐步向其他学科领域渗透并为其它学科所利用是必然的。 数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展（特别是离散数学理论的创立和完善）;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。图像处理科学是一门与国计民生紧密相联的应用科学，它给人类带来了巨大的经济和社会效益，不久的将来它不仅在理论上会有更深入的发展，在应用上亦是科学研究、社会生产乃至人类生活中不可缺少的强有力的工具。它的发展及应用与我国的现代化建设联系之密切、影响之深远是不可估量的。在信息社会中，数字图象处理科学无论是在理论上还是在实践中都存在着巨大的潜力。近几十年，数字图像处理技术在数字信号处理技术和计算机技术发展的推动下得到了飞速的发展，正逐渐成为其他科学技术领域中不可缺少的一项重要工具。数字图像处理的应用领域越来越广泛，从空间探索到微观研究，从军事领域到工农业生产，从科学教育到娱乐游戏，越来越多的领域用到了数字图像处理技术。 虽然通过一学期的课程学习我们还没有完全掌握数字图像处理技术，但也收获了不少，对于数字图像处理方面的知识有了比较深入的了解，当然也更加理解了数字图像的本质，即是一些数字矩阵，但灰度图像和彩色图像的矩阵形式是不同的。对于一些耳熟能详的数字图像相关术语有了明确的认识，比如常见的：像素（衡量图像的大小）、分辨率（衡量图像的清晰程度）、位图（放大后会失真）、矢量图（经过放大不会失真）等大家都能叫上口却知识模糊的名词。也了解图像处理技术中一些常用处理技术的实质，比如锐化处理是使模糊的图像变清晰，增强图像的边缘等细节。而平滑处理是的目的是消除噪声，模糊图像，在提取大目标之前去除小的细节或弥合目标间的缝隙。对常提的RGB图像和灰度图像有了明确的理解，这对大家以后应用Photoshop等图像处理软件对图像进行处理打下了
关于数字图像处理论文的题目
长春理工大学——professor——景文博——旗下出品 1基于形态学运算的星空图像分割 主要内容： 在获取星图像的过程中，由于某些因素的影响，获得的星图像存在噪声，而且星图像的背景经常是不均匀的，为星图像的分割造成了极大的困难。膨胀和腐蚀是形态学的两个基本运算。用形态学运算对星图像进行处理，补偿不均匀的星图像背景，然后进行星图像的阈值分割。 要求： 1> 图像预处理：对原始星空图像进行滤波去噪处理； 2> 对去噪后的图像进行形态学运算处理； 3> 选取自适应阈值对形态学运算处理后的图像进行二值化； 4> 显示每步处理后的图像； 5> 对经过形态学处理后再阈值的图像和未作形态学处理后再阈值的图像进行对比分析。 待分割图像直接分割图像处理后的分割图像 2基于数字图像处理的印刷电路板智能检测方法 主要内容： 通过对由相机实时获取的印刷电路板图像进行焊盘识别，从而提高电子元件的贴片质量，有效提高电路板的印刷效率。 要求： 1> 图像预处理：将原始彩色印刷电路板图像转成灰度图像，对灰度图像进行背景平滑和滤波去噪； 2> 对去噪后的图像进行图像增强处理，增强边缘提取的效果。 3> 对增强后的图像进行边缘提取（至少两种以上的边缘提取算法）； 4> 显示每步处理后的图像（原始电路板图像可自行查找）； 5> 图像处理后要求能对每个焊盘进行边缘提取，边缘清晰。 3静止背景下的移动目标视觉监控 主要内容：
基于视觉的人的运动分析最有前景的潜在应用之一是视觉监控。视觉监控系统的需求主要来自那些对安全要求敏感的场合，如银行、商店、停车场、军事基地等。通过对静止背景下的目标识别，来提醒监测人员有目标出现。 要求： 1>对原始参考图和实时图像进行去噪处理； 2>对去噪后的两幅图像进行代数运算，找出目标所在位置，提取目标，并将背景置黑； 3> 判断目标大小，若目标超过整幅图像的一定比例时，说明目标进入摄像保护区域，系统对监测人员进行提示（提示方式自选）。 4>显示每步处理后的图像； 5>分析此种图像监控方式的优缺点。 背景目标出现目标提取 4车牌识别图像预处理技术 主要内容： 车辆自动识别涉及到多种现代学科技术，如图像处理、模式识别与人工智能、计算机视觉、光学、机械设计、自动控制等。汽车作为人类生产、生活中的重要工具被广泛的使用，实现自动采集车辆信息和智能管理的车牌自动识别系统具有十分重要的意义: 要求： 1>对原始车牌图像做增强处理； 2>对增强后的彩色图像进行灰度变换； 3>对灰度图像进行直方图均衡处理； 4>选取自适应的阈值，对图像做二值化处理； 5>显示每步处理后的图像； 6>分析此种图像预处理的优缺点及改进措施，简要叙述车牌字符识别方法 原始车牌图像处理后的车牌图像 5医学细胞图像细胞分割图像增强算法研究 主要内容： 医学图象处理利用多种方法对各种图像数据进行处理，以期得到更好的显示效果以便医生根据细胞的外貌进行病变分析。 要求： 1>通过对图像的灰度变换调整改变细胞图像的灰度，突出感兴趣的细胞和细胞核区域。 2>通过直方图修改技术得到均衡化或规定化等不同的处理效果。 3>采用有效的图像平滑方法对细胞图像进行降噪处理，消除图像数字化和传输时所混入的噪声，提高图像的视觉效果。 4>利用图像锐化处理突出细胞的边缘信息，加强细胞的轮廓特征。 5>显示每步处理图像，分析此种细胞分割图像预处理方法的优缺点。 原始细胞图像 图像处理后的细胞图像 6瓶子灌装流水线检测是否液体灌装满瓶体 当饮料瓶子在罐装设备后要进行液体的检测，即：进行判断瓶子灌装流水线是否灌装满瓶体的检测，如液面超过瓶颈的位置，则装满，否则不满，如果不满则灌装液体不合格，需重新进行灌装。 具体要求： 1）将原进行二值化 2）二值化后的图像若不好，将其滤波再进行膨胀处理,并重新进行二值化
数字图像处理 课程设计报告
数字图像处理 课程设计报告 姓名： 学号： 班级： 设计题目：图像处理 教师：赵哲老师 提交日期： 12月29日
一、设计内容： 主题：《图像处理》 详细说明：对图像进行处理（简单滤镜，模糊，锐化，高斯模糊等），对图像进行处理（上下对称，左右对称，单双色显示，亮暗程度调整等），对图像进行特效处理（反色，实色混合，色彩平衡，浮雕效果，素描效果，雾化效果等）， 二、涉及知识内容： 1、二值化 2、各种滤波 3、算法等 三、设计流程图 四、实例分析及截图效果： 运行效果截图： 第一步：读取原图,并显示 close all;clear;clc; % 清楚工作窗口clc 清空变量clear 关闭打开的窗口close all I=imread(''); % 插入图片赋给I imshow(I);% 输出图I I1=rgb2gray(I);%图片变灰度图 figure%新建窗口 subplot(321);% 3行2列第一幅图 imhist(I1);%输出图片
title('原图直方图');%图片名称 一，图像处理模糊 H=fspecial('motion',40); %% 滤波算子模糊程度40 motion运动 q=imfilter(I,H,'replicate');%imfilter实现线性空间滤波函数，I图经过H滤波处理，replicate反复复制q1=rgb2gray(q); imhist(q1); title('模糊图直方图'); 二，图像处理锐化 H=fspecial('unsharp');%锐化滤波算子，unsharp不清晰的 qq=imfilter(I,H,'replicate'); qq1=rgb2gray(qq); imhist(qq1); title('锐化图直方图'); 三，图像处理浮雕(来源网络) %浮雕图 l=imread(''); f0=rgb2gray(l);%变灰度图 f1=imnoise(f0,'speckle',; %高斯噪声加入密度为的高斯乘性噪声 imnoise噪声污染图像函数 speckle斑点 f1=im2double(f1);%把图像数据类型转换为双精度浮点类型 h3=1/9.*[1 1 1;1 1 1;1 1 1]; %采用h3对图像f2进行卷积滤波 f4=conv2(f1,h3,'same'); %进行sobel滤波 h2=fspecial('sobel'); g3=filter2(h2,f1,'same');%卷积和多项式相乘 same相同的 k=mat2gray(g3);% 实现图像矩阵的归一化操作 四，图像处理素描(来源网络) f=imread(''); [VG,A,PPG] = colorgrad(f); ppg = im2uint8(PPG); ppgf = 255 - ppg; [M,N] = size(ppgf);T=200; ppgf1 = zeros(M,N); for ii = 1:M for jj = 1:N if ppgf(ii,jj) 毕业论文声明 本人郑重声明： 1．此毕业论文是本人在指导教师指导下独立进行研究取得的成果。除了特别加以标注地方外，本文不包含他人或其它机构已经发表或撰写过的研究成果。对本文研究做出重要贡献的个人与集体均已在文中作了明确标明。本人完全意识到本声明的法律结果由本人承担。 2．本人完全了解学校、学院有关保留、使用学位论文的规定，同意学校与学院保留并向国家有关部门或机构送交此论文的复印件和电子版，允许此文被查阅和借阅。本人授权大学学院可以将此文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本文。 3．若在大学学院毕业论文审查小组复审中，发现本文有抄袭，一切后果均由本人承担，与毕业论文指导老师无关。 4.本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果。论文中凡引用他人已经发布或未发表的成果、数据、观点等，均已明确注明出处。论文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究成果做出重要贡献的个人和集体，均已在论文中已明确的方式标明。 学位论文作者（签名）： 年月 关于毕业论文使用授权的声明 本人在指导老师的指导下所完成的论文及相关的资料（包括图纸、实验记录、原始数据、实物照片、图片、录音带、设计手稿等），知识产权归属华北电力大学。本人完全了解大学有关保存，使用毕业论文的规定。同意学校保存或向国家有关部门或机构送交论文的纸质版或电子版，允许论文被查阅或借阅。本人授权大学可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存或编汇本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单位为大学。本人毕业后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为大学。本人完全了解大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存或汇编本学位论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入学校有关数据库和收录到《中国学位论文全文数据库》进行信息服务。在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。 论文作者签名：日期： 指导教师签名：日期： 二○一四～二○一五学年第一学期电子信息工程系 实验报告书 班级：电子信息工程（DB）1102班姓名 学号： 课程名称：数字图像处理 二○一四年十一月一日 实验一图像直方图处理及灰度变换（2学时） 实验目的： 1. 掌握读、写、显示图像的基本方法。 2. 掌握图像直方图的概念、计算方法以及直方图归一化、均衡化方法。 3. 掌握图像灰度变换的基本方法，理解灰度变换对图像外观的改善效果。 实验内容： 1. 读入一幅图像，判断其是否为灰度图像，如果不是灰度图像，将其转化为灰度图像。 2. 完成灰度图像的直方图计算、直方图归一化、直方图均衡化等操作。 3. 完成灰度图像的灰度变换操作，如线性变换、伽马变换、阈值变换（二值化）等，分别使用不同参数观察灰度变换效果（对灰度直方图的影响）。 实验步骤： 1. 将图片转换为灰度图片,进行直方图均衡，并统计图像的直方图： I1=imread('pic.jpg'); %读取图像 I2=rgb2gray(I1); %将彩色图变成灰度图 subplot(3,2,1); imshow(I1); title('原图'); subplot(3,2,3); imshow(I2); title('灰度图'); subplot(3,2,4); imhist(I2); %统计直方图 title('统计直方图'); subplot(3,2,5); J=histeq(I2); %直方图均衡 imshow(J); title('直方图均衡'); subplot(3,2,6); imhist(J); title('统计直方图'); 原 图 灰度图 01000 2000 3000统计直方图 100200直方图均衡 0统计直方图 100200 仿真分析： 将灰度图直方图均衡后，从图形上反映出细节更加丰富，图像动态范围增大，深色的地方颜色更深，浅色的地方颜色更前，对比更鲜明。从直方图上反应，暗部到亮部像素分布更加均匀。 2. 将图片进行阈值变换和灰度调整，并统计图像的直方图： I1=imread('rice.png'); I2=im2bw(I1,0.5); %选取阈值为0.5 I3=imadjust(I1,[0.3 0.9],[]); %设置灰度为0.3-0.9 subplot(3,2,1); imshow(I1); title('原图'); subplot(3,2,3); imshow(I2); title('阈值变换'); subplot(3,2,5); imshow(I3); title('灰度调整'); subplot(3,2,2); imhist(I1); title('统计直方图'); subplot(3,2,4); 数字图像处理应用论文数字图像处理技术论文 关于数字图像处理及其应用的研究 摘要：首先对数字图像处理的关键技术以及相应的处理设备进行详细的探讨，然后对数字图像处理的应用领域以及发展趋势进行详尽论述。 关键词：数字图像处理：关键技术；应用领域 0 引言 人类通过眼、耳、鼻、舌、身接受信息，感知世界。约有75％的信息是通过视觉系统获取的。数字图象处理是用数字计算机处理所获取视觉信息的技术，上世纪20年代Bartlane电缆图片传输系统(纽约和伦敦之间海底电缆)传输一幅图片所需的时间由一周多减少到小于3个小时；上世纪50年代，计算机的发展，数字图像处理才真正地引起人们的巨大兴趣；1964年，数字图像处理有效地应用于美国喷气推进实验室(J.P.L)对“徘徊者七号”太空船发回的大批月球照片的处理；但是直到上世纪六十年代末至七十年代扔，由于离散数学理论的创立和完善，使之形成了比较完整的理论体系，成为一门新兴的学科。数字图像处理的两个主要任务：如何利用计算机来改进图像的品质以便于人类视觉分析；对图像数据进行存储、传输和表示，便于计算机自动化处理。图像处理的范畴是一个受争论的话题，因此也产生了其他的领域比如图像分析和计算机视觉等等。 1 数字图像处理主要技术概述 不论图像处理是基于什么样的目的，一般都需要通过利用计算机图像处理对输入的图像数据进行相关的处理，如加工以及输出，所以关于数字图像处理的研究，其主要内容可以分为以下几个过程。图像获取：这个过程基本上就是把模拟图像通过转换转变为计算机真正可以接受的数字图像，同时，将数字图像显示并且体现出来(例如彩色打印)。数据压缩和转换技术：通过数据压缩和数据转换技术的研究，减少数据载体空间，节省运算时间，实现不同星系遥感数据应用的一体化。图像分割：虽然国内外学者已提出很多种图像分割算法，但由于背景的多变性和复杂性，至今为止还没有一种能适用于各种背景的图像分割算法。当前提出的小波分析、模糊集、分形等新的智能信息处理方法有可能找到新的图像分割方法。图像校正：在理想情况下，卫星图像上的像素值只依赖于进入传感器的辐射强度；而辐射强度又只与太阳照射到地面的辐射强度和地物的辐射特性(反射率和发射率)有关，使图像上灰度值的差异直接反映了地物目标光谱辐射特性的差异，从而区分地物目标。图像复原，以图像退化的数学模型为基础，来改善图像质量表达与描述，图像分割后，输出分割标记或目标特征参数；特征提取：计算描述目标的特征，如目标的几何形状特征、统计特征、矩特征、纹理特征等。图像增强：显示图像中被模糊的细节。或是突出图像中感兴趣的特征。图像识别：统计模式识别、模糊模式识别、人工神经网络等。 集中稀疏表示的图像恢复 董伟胜中国西安电子科技大学电子工程学院wsdong@https://www.wendangku.net/doc/856619116.html, 张磊香港理工大学计算机系cslzhang@https://www.wendangku.net/doc/856619116.html,.hk 石光明中国西安电子科技大学电子工程学院gmshi@https://www.wendangku.net/doc/856619116.html, 摘要 本文对于图像恢复任务提出了一种新的称为集中稀疏表示(CSR)的稀疏表示模型。为了重建高还原度的图像，通过给定的字典，退化图像的稀疏编码系数预计应该尽可能接近那些未知的原始图像。然而，由于可用的数据是原始图像的退化版本(如噪声、模糊和/或者低采样率)，正如许多现有的稀疏表示模型一样，如果只考虑局部的稀疏图像，稀疏编码系数往往不够准确。为了使稀疏编码更加准确，通过利用非局部图像统计，引入一个集中的稀疏性约束。为了优化，局部稀疏和非局部稀疏统一到一个变化的框架内。大量的图像恢复实验验证了我们的CSR模型在以前最先进的方法之上取得了令人信服的改进。 1、介绍 图像恢复（IR）目的是为了从，比如说通过一个低端摄像头或者在有限条件下得到图像的图像退化版本（例如噪声、模糊和/或者低采样率），来恢复一副高质量的图像。对于观察的图像y，IR问题可以表示成： y = Hx + v (1) 其中H是一个退化矩阵，x是原始图像的矢量，v是噪声矢量。由于IR的病态特性，尝试把观察模型和所需解决方案的先验知识合并到一个变分公式的正则化技术，已经被广泛地研究。对于正则方法，对自然图像适当的先验知识进行寻找和建模是最重要的关注点之一，因此学习自然图像先验知识的各种方法已经被提出来了【25,5,6,12】。 近年来，对于图像恢复基于建模的稀疏表示已经被证明是一种很有前途的模型【9,5,13,20,16,21,27,15,14】。在人类视觉系统【23,24】的研究中，已经发现细胞感受区域使用少量的从一个超完备的编码集中稀疏选出的结构化基元来编码自然图像。在数学上，一个x ∈ R N的信号可以表示为一个字典Φ中的几个原子的线性组合，例如，X ≈Φα,用|0 最小化： 上数字图像处理技术的心得我一直对PS挺感兴趣的，虽然我去图书馆借了许多书，可是有很多地方解释不清楚也没有素材，我都快崩溃了。单我发现这门课立即就报了它。我的最初目的不是要去学数字图像处理技术，而是冲着学photoshop去的。 刚开始上第一节课时，老师您并没有讲PS，而是讲一些关于数字图像处理技术的原理知识。我本以为我可能不会喜欢这种类型的课。但是出于一个理科生的本能反应，我挺喜欢这些内容。我发觉我的几个选修都正好符合我的兴趣爱好。我第一次接触数字图像处理技术，才知道图像的原理竟然一些数字矩阵。不愧叫数字图像处理技术。 但老师开始讲PS的时候，我自然是更加高兴了。因为这是我主要的学习目的。图像处理技术只是碰巧撞上。说实话，我对PS上的一些工具及使用方法还不是很了解。老师能从基本知识讲起正和我心意。虽然有很多我以前都会了。 我现在来讲讲我从在这门选修课中学到最主要的两项知识。 其一就是老师最希望我们了解的数字图像处理技术。我们现在都知道一张像数码相机照出来的照片（数字图像）是由一大堆数字矩阵组成。黑白与彩色图像的矩阵又有一些不同。老师用北京邮电大学的那个软件给我们演示一下PS里面的图像处理原理是怎样形成的。比如模糊，锐化等等。还有很多的图像处理通过PS来说明解释。后面主要就是介绍压缩技术。当然也涉及到一些视频音频的压缩。图像 压缩老师您也介绍了很多不同的方法。可我想不起来了，但是起码我们知道了它的压缩原理。知道原图像与压缩后所占存储量的巨大差异。我在这里也和老师一样用画图做一个。有一点失真，这就是有损压缩。 另外那个无损压缩从视觉上是抗不出来的，就不用做了。 其二，就是在photosop的操作上。老师您举了许许多多的操作例子来提高我们对数字图像处理技术的兴趣，尤其是在图层和滤镜的学习，我都学到很多在书上看不懂的方法技能。下面我也简简单单做一张，就当做是作业来完成吧！ 如下三张图：通过第一张图中草地，山与第二张的天空合成第三张图。 第一章数字图像处理概论 *图像是对客观存在对象的一种相似性的、生动性的描述或写真。 *模拟图像 空间坐标和明暗程度都是连续变化的、计算机无法直接处理的图像 *数字图像 空间坐标和灰度均不连续的、用离散的数字（一般整数）表示的图像（计算机能处理）。是图像的数字表示，像素是其最小的单位。 *数字图像处理（Digital Image Processing） 利用计算机对数字图像进行（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从而获得某种预期的结果的技术。（计算机图像处理） *数字图像处理的特点（优势） （1）处理精度高，再现性好。（2）易于控制处理效果。（3）处理的多样性。（4）图像数据量庞大。（5）图像处理技术综合性强。 *数字图像处理的目的 （1）提高图像的视感质量，以达到赏心悦目的目的 a.去除图像中的噪声； b.改变图像的亮度、颜色； c.增强图像中的某些成份、抑制某些成份； d.对图像进行几何变换等，达到艺术效果； （2）提取图像中所包含的某些特征或特殊信息。 a.模式识别、计算机视觉的预处理 （3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 **数字图像处理的主要研究内容 （1）图像的数字化 a.如何将一幅光学图像表示成一组数字，既不失真又便于计算机分析处理 b.主要包括的是图像的采样与量化 （2*）图像的增强 a.加强图像的有用信息，消弱干扰和噪声 （3）图像的恢复 a.把退化、模糊了的图像复原。模糊的原因有许多种，最常见的有运动模糊，散焦模糊等（4*）图像的编码 a.简化图像的表示，压缩表示图像的数据，以便于存储和传输。 （5）图像的重建 a.由二维图像重建三维图像（如CT） （6）图像的分析 a.对图像中的不同对象进行分割、分类、识别和描述、解释。 （7）图像分割与特征提取 a.图像分割是指将一幅图像的区域根据分析对象进行分割。 b.图像的特征提取包括了形状特征、纹理特征、颜色特征等。 （8）图像隐藏 a.是指媒体信息的相互隐藏。 b.数字水印。 c.图像的信息伪装。 （9）图像通信 华东交通大学理工学院课程设计报告书 所属课程名称数字图像处理期末论文分院电信分院专业班级14 计科 学号20140210440214 学生姓名习俊 指导教师熊渊 2016 年12 月13 日 摘要 数字图像处理是用计算机对图像信息进行处理的一门技术，主要是为了修改图形，改善图像质量，或是从图像中提起有效信息，还有利用数字图像处理可以对图像进行体积压缩，便于传输和保存。本文论述了用Matlab编程对数字图像进行图像运算的基本方法。图像运算涵盖了MA TLAB程序设计、图像点运算、代数运算、几何运算等基本知识及其应用（点运算是图象处理的一个重要运算）。以及对图像加入噪声、图像缩放和图像旋转。 关键词图像点运算；代数运算；几何运算；图像缩放；图像旋转 目录 绪论 第一章图像运算 2.1点运算 2.2代数运算 2.3几何运算 第二章程序设计与调试 结束语 参考文献 绪论 早期的计算机无论在计算速度或存储容量方面，难于满足对庞大图像数据进行实时处理的要求。随着计算机硬件技术及数字化技术的发展，计算机、内存及外围设备的价格急剧下降，而其性能却有了大幅度的提高。 图像信息是人类获得外界信息的主要来源，数字图像处理技术越来越多的应用于人们日常工作、学习和生活中。和传统图像处理相比，它具有精度高、再观性好、通用性和灵活性强等特点。在近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中也得到了广泛应用。 近几年来，随着计算机和各个相关领域研究的迅速发展，科学计算可视化、多媒体技术等研究和应用的兴起，数字图像处理从1个专门领域的学科，变成了1种新型的科学研究和人机界面的工具。数字图像作为一门新兴技术，它是二十一世纪五十年代数字计算机发展到相当水平后开拓出来的计算机应用新领域，它把图像转换成数据矩阵存放于计算机中，并进行滤波、增强、删除等处理，包括图像输入输出技术、图像分析、变换于处理技术以及图像识别和特征提取等方面。六十到七十年代数字处理技术的理论和方法更加完善，其准确性、灵活性和通用性逐步提高。 在日常生活中，电脑人像艺术，电视中的特殊效果，自动售货机钞票的识别，邮政编码的自动识别和利用指纹、虹膜、面部等特征的身份识别等均是图像处理的广泛应用。 进行数字图像处理时主要涉及数字图像点运算处理，针对图像的像素进行加、减、乘、除等运算，有效地改变了图像的直方图分布。 数字图像处理 课程设计报告 课设题目：彩色图像增强软件学院：信息科学与工程学院专业：电子与信息工程 班级： 1002501 姓名：曾小路 学号： 100250131 指导教师：赵占峰 哈尔滨工业大学（威海） 2013 年12月27日 目录 目录 .......................................................................................................................... I 一. 课程设计任务 (1) 二. 课程设计原理及设计方案 (2) 2.1 彩色图像基础 (2) 2.2 彩色模型 (2) 三. 课程设计的步骤和结果 (6) 3.1 采集图像 (6) 3.2 图像增强 (7) 3.3 界面设计 (9) 四. 课程设计总结 (12) 五. 设计体会 (13) 六. 参考文献 (14) 哈尔滨工业大学（威海）课程设计报告 一. 课程设计任务 1.1设计内容及要求： （1）、独立设计方案，根据所学知识，对由于曝光过度、光圈过小或图像亮度不均匀等情况下的彩色图像进行增强，提高图像的清晰度（通俗地讲，就是图像看起来干净、对比度高、颜色鲜艳）。 （2）、参考photoshop 软件，设计软件界面，对处理前后的图像以及直方图等进行对比显示； （3）、将实验结果与处理前的图像进行比较、分析。总结设计过程所遇到的问题。 1.2参考方案 1、实现图像处理的基本操作 学习使用matlab 图像处理工具箱，利用imread（）语句读入图像，例如image=imread（flower.jpg），利用彩色图像模型转换公式，将RGB 类型图像转换为HSI 类型图像，显示各分量图像(如imshow（image）)，以及计算和显示各分量图像直方图。 2、彩色图像增强实现 对HSI彩色模型图像的I分量进行对比度拉伸或直方图均衡化等处理，提高亮度图像的对比度。对S分量图像进行适当调整，使图像色彩鲜艳或柔和。 H 分量保持不变。将处理后的图像转换成RGB 类型图像，并进行显示。分析处理图像过程和结果存在的问题。 3、参照“photoshop”软件，设计图像处理软件界面 可设计菜单式界面，在功能较少的情况下，也可以设计按键式界面，视 功能多少而定；参考matlab 软件中GUI 设计，学习软件界面的设计 - 1 - 数字图像处理课程综合实习 实习报告 学院 班级 学号 姓名 日期 指导教师 一、实习目的和意义 本实习内容旨在让同学们通过用VC等高级语言编写数字图像处理的一些基本算法程序，来巩固和掌握图像处理技术的基本技能，提高实际动手能力，并通过实际编程了解图像处理软件的实现的基本原理。为学生进一步学习数字摄影测量、遥感和地理信息系统等专业课程以及应用图像处理解决实际问题奠定基础。 二、实习原理和方法 实习一实现RAW->BMP格式的转换 RAW格式：文件按照数字图像组成的二维矩阵，将像素按行列号顺序存储在文件中。这种文件只含有图像像素数据，不含有信息头，因此，在读图像时，需要根据文件大小，计算图像所包含的行列号，或者需要事先知道图像大小（矩阵大小）。但这种文件读取和保存简单。 RAW文件按图像上行到下行、左列到右列顺序存储，而BMP文件数据区按图像上下行到上行、左列列到右列顺序存储到数据区。 实现RAW文件到BMP文件的转换，需要为BMP文件生成文件头、信息头、颜色表、数据区，将RAW文件数据区赋值到BMP文件数据区。 实习二灰度线性变换 点运算是指像素值（即像素点上的灰度值）通过运算改变之后，可以改善图象的显示效果。这是一种像素的逐点运算，是旧图象与新图象之间的映射关系，是一种简单但却十分有效的一种图象处理手段。常用方法有灰度线性变换、直方图均衡、对比度调整、直方图规定化、对数变换、指数变换、密度分割等方法。 灰度的线性变换就是指图像的中所有点的灰度按照线性灰度变换函数进行变换。灰度变换方程如下： D0=f(Di)=a*Di+b 该方程为线性方程。式中参数Di为输入图像的像素的灰度值，参数D0为输出图像的灰度，a和b由给定条件确定。 实习三图像局部处理：高通滤波和低通滤波 数字图像处理结课作业 --数字图像频域增强方法 及在matlab中的实现 学生姓名： 学号： 学院：理学院 班级：电科班 指导教师： 摘要:图像增强的目的是使处理后的图像更适合于具体的应用，即指按一定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息，使之改善图像质量，加强图像判读和识别效果的处理技术。从总体上可以分为两大类:空域增强和频域增强。频域处理时将原定义空间中的图像以某种形式转换到其他空间中，利用该空间的特有性质方便的进行图像处理。而空域增强是在图像空间中借助模板对图像进行领域操作，处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制，同时保证其他分量不变，从而改变输出图像的频率分布，达到增强图像的目的。本文主要从空域展开图像增强技术，重点阐明数字图像增强处理的基本方法，介绍几种空域图像增强方法。 关键词：图像增强 MATLAB 空域增强锐化空间滤波平滑空间滤波 目录： 1、何为数字图像处理及MATLAB的历史 2、空间域图像增强技术研究的目的和意义 3、空间域的增强 3.1 背景知识 3.2 空间域滤波和频域滤波之间的对应关系 3.3 锐化滤波 3.4 平滑滤波 4、结论 1、何为数字图像处理及MATLAB的历史 数字图像处理（digital image processing）,就是利用数字计算机或者其他数字硬件,对从图像信息转换而得到的电信号进行某些数学运算,以提高图像的实用性。例如从卫星图片中提取目标物的特征参数,三维立体断层图像的重建等。总的来说,数字图像处理包括运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。目前数字图像处理的应用越来越广泛,已经渗透到工业、医疗保健、航空航天、军事等各个领域,在国民经济中发挥越来越大的作用。 MATLAB是由美国Math Works公司推出的软件产品。MATLAB是“Matric Laboratory”的缩写,意及“矩阵实验室”。MATLAB是一完整的并可扩展的计算机环境,是一种进行科学和工程计算的交互式程序语言。它的基本数据单元是不需要指定维数的矩阵,它可直接用于表达数学的算式和技术概念,而普通的高级语言只能对一个个具体的数据单元进行操作。它还是一种有利的教学工具,它在大学的线性代数课程以及其它领域的高一级课程的教学中,已成为标准的教学工具。 《数字图像处理》心得体会 图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展,其应用空间将会更加广泛。数字图像处理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。数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果，操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。 由于数字图像处理的方便性和灵活性，因此数字图像处理技术已经成为了图像处理领域中的主流。数字图像处理技术主要涉及到的关键技术有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。? 图像的采集与数字化：就是通过量化和取样将一个自然图像转换为计算机能够处理的数字形式。? 图像编码：图像编码的目的主要是来压缩图像的信息量，以便能够满足存储和传输的要求。? 图像的增强：图像的增强其主要目的是使图像变得清晰或者将其变换为机器能够很容易分析的形式，图像增强方法一般有：直方图处理、灰度等级、伪彩色处理、边缘锐化、干扰抵制。? 图像的恢复：图像恢复的目的是减少或除去在获得图像的过程中因为各种原因而产生的退化，可能是由于光学系统的离焦或像差、被摄物与摄像系统两者之间的相对运动、光学或电子系统的噪声与介于被摄像物跟摄像系统之间的大气湍流等等。? 图像的分割：图像分割是将图像划分为一些互相不重叠的区域，其中每一个区域都是像素的一个连续集，通常采用区域法或者寻求区域边界的境界法。? 图像分析：图像分析是指从图像中抽取某些有用的信息、数据或度量,其目的主要是想得到某种数值结果。图像分析的内容跟人工智能、模式识别的研究领域有一定的交叉。? 数字图像处理的特点主要表现在以下几个方面：? 1）?数字图像处理的信息大多是二维信息，处理信息量很大。因此对计算机的计算速度、存储容量等要求较高。? 2）?数字图像处理占用的频带较宽。与语言信息相比,占用的频带要大几个数量级。所以在成像、传输、存储、处理、显示等各个环节的实现上技术难度较大，成本亦高。这就对频带压缩技术提出了更高的要求。? 3）?数字图像中各个像素不是独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。所以，图像处理中信息压缩的潜力很大。?图像受人的因素影响较大，因为图像一般是给人观察和评价的。? 数字图像处理的优点主要表现在4个方面。? 1）?再现性好。数字图像处理与模拟图像处理的根本不同在于它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，那么数字图像处理过程始终能保持图像的再现。? 2）?处理精度高。将一幅模拟图像数字化为任意大小的二维数组，主要取决于 安徽工程大学 论文题目：数字图像处理图像增强算法的研究 学院：计算机与信息学院 班级：软件141 姓名：程健 学号：3140704135 指导老师：卢桂馥 2017年6月9日 摘要 在我们的实际生活、生产中，人们直接获得的原始图像并不能够直接运用到生活、生产中，因为原始图像在生成、传输和转换过程中可能会受到多种因素的影响，如各种各样的噪声、通道带宽等，往往会出现清晰度下降、对比度偏低等降质现象，为了使得处理后的图像对某种特定的应用比原始图像更合适，往往需要提高图像质量。图像增强是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要信息的处理方法，其目的是使得处理后的图像对某种特定的应用比原始图像更合适。 本文研究了图像增强的一些常用方法，包括空域图像增强、频率域图像增强，并用MATLAB 编程设计了相应的实验，对图像增强效果进行了验证。 关键字：图像增强；图像；算法；空域增强；频率增强 Abstract In our daily life and production, people often can't used the raw image directly, because of the generation and transformation of the original image, it may be affected by many factors, such as a variety of kinds of noise and channel bandwidth. The sharpness and contrast is decreasing and have low qualities. in order to make the image more suitable for some particular application after processing than the original, we often need to improve image quality. Images enhance is in a particular need to highlight a picture in the information, and weaken or remove certain need of information in the process, its purpose is to make the image of a specific application is better than the original image. This paper studies the image of some common method, including airspace images enhance and increase the frequency domain, and images matlab programming, design corresponding to picture to enhance the effect of the verification. Key words:Image enhancement; the airspace strengthened; the frequency domain enhancement 《数字图像处理》课程学习心得 导读：本文《数字图像处理》课程学习心得，仅供参考，如果能帮助到您，欢迎点评和分享。 《数字图像处理》课程学习心得（一） 在这一学期，我选修了《数字图像处理基础》这门课程，同时，老师还讲授了一些视频处理的知识。在这里，梳理一下这学期学到的知识，并提出一些我对这门课程的建议。 图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展，其应用空间将会更加广泛。数字图像处理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。数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果，操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。目前，随着计算机技术的不断发展，计算机的运算速度得到了很大程度的提高。在短短的历史中，它 却广泛应用于几乎所有与成像有关的领域，在理论上和实际应用上都取得了巨大的成就。 1、数字图像处理需用到的关键技术 由于数字图像处理的方便性和灵活性，因此数字图像处理技术已经成为了图像处理领域中的主流。数字图像处理技术主要涉及到的关键技术有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。 图像的采集与数字化：就是通过量化和取样将一个自然图像转换为计算机能够处理的数字形式。 图像编码：图像编码的目的主要是来压缩图像的信息量，以便能够满足存储和传输的要求。 图像的增强：图像的增强其主要目的是使图像变得清晰或者将其变换为机器能够很容易分析的形式，图像增强方法一般有：直方图处理、灰度等级、伪彩色处理、边缘锐化、干扰抵制。 图像的恢复：图像恢复的目的是减少或除去在获得图像的过程中因为各种原因而产生的退化，可能是由于光学系统的离焦或像差、被摄物与摄像系统两者之间的相对运动、光学或电子系统的噪声与介于被摄像物跟摄像系统之间的大气湍流等等。 图像的分割：图像分割是将图像划分为一些互相不重叠的区域，其中每一个区域都是像素的一个连续集，通常采用区域法或者寻求区域边界的境界法。 图像分析：图像分析是指从图像中抽取某些有用的信息、数据或数字图像处理毕业论文
武汉科技大学 数字图像处理实验报告
数字图像处理应用论文数字图像处理技术论文
数字图像处理技术应用课程报告
上数字图像处理技术的心得
数字图像处理基础知识总结
数字图像处理论文
2013数字图像处理课程设计报告
武汉大学数字图像处理课程综合实习实习报告
数字图像处理结课论文
数字图像处理心得体会
数字图像处理论文
《数字图像处理》课程学习心得