图像增强简易系统

数字图像处理图像增强简易系统

计算机学院

信计0901班

实验目的

?提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。

?熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。

实验原理

图像的灰度拉伸它的原理是作用在图像的灰度值上面，对于给定的灰度值

f x,y通过公式(,)[(,)]

g x y T f x y

得到新的灰度值。其中，f x,y为原数字图像，g(x,y )为变换后的图像，T定义了某种操作，在数字图像处理时，指的是图像相邻的领域，它可以用中心在ｆx,y的正方型或长方形区域表示。图像的灰度拉伸包括线性灰度变化和非线性灰度变化，线性灰度变换的公式为

ｇｘ，ｙ＝ｄ?ｃ

ｂ?ａ

ｆｘ，ｙ?ａ＋ｃ，ａ≤ｆ（ｘ，ｙ）≤ｂｆｘ，ｙ，其他

ａ，ｂ为原数字图像的灰度值取舍范围，ｃ，ｄ为变化后的数字图像灰度值范围。该方法将大量的有用信息进行变化，而将其他少量信息保存为原灰度值。

图像的直方图均衡化和规定化直方图均衡化的原理是将数字图像在每个灰度值上的个数进行累加，然后得出其灰度值的整体概率分布，根据灰度值对应的概率则可以画出直方图。并根据累计概率分布和一定的映射规则将原直方图灰度级进行拓宽，得出新的直方图，它使得图片的对比度增强。而图像的直方图的定化和均衡化类似，不同之处在于直方图规定化事先规定了一个映射矩阵，将原来的灰度直方图改造成所希望的灰度直方图。

图像的噪声叠加在图像的传输过程中，由于电磁波的干扰，会对传输的信息有损。假设噪声函数为ｎ（ｘ，ｙ），则噪声图像表示为ｇ（ｘ，ｙ）＝ｆ（ｘ，ｙ）＋ｎ（ｘ，ｙ）。在MATLAB中，各种噪声的表达有guassian（高斯噪声）,speckle （随机噪声）,salt & pepper(椒盐噪声)等，通过imnoise函数可以将噪声与数字图像进行叠加，生成噪声图像。

图像的平滑常用的图像平滑方法有均值滤波，中值滤波，最大值滤波，最小值滤波和维纳滤波。均值滤波方法的原理是构造一个全1的模板，并将噪声图像与其模板进行卷积运算，得出在模板范围内图像的灰度平均值。中值滤波的原理和均值滤波相似，它也是首先构造一个模板，求原图像在模板范围内的灰度中值，在MATLAB中所用到的函数为medfilt函数。最大值滤波的方法原理则是在模板内取灰度值最大的灰度作为需要的灰度值，而最小值滤波与之相反，它取的是模板内最小的灰度值。维纳滤波根据最小均方误差准则，即滤波器的输入信号和需要的输出信号误差最小，MATLAB中提供了wiener2函数，用来自适应的对噪声图像进行滤波。图像的锐化它的原理是根据图像的灰度值求出它与相邻像素间的梯度变化值，或者是直接根据模板进行运算。常用的图像锐化算子有拉普拉斯算子、索贝尔算子和prewitt算子。在ＭＡＴＬＡＢ中，提供了fspecail函数生成滤化模板，然后再根据filter2和imfilter函数进行二维滤波操作。

图像的低通和高通它的实验原理是对原图f(x,y)进行傅里叶变化F(x,y)，得到它的频谱图，然后选择合适的滤波器H(x,y)，对它的频谱成分进行处理，最后经过傅

里叶逆变化恢复其为空域信息内的增强图。它的过程可用下面的图的表示：

将空域内的数字图像转化为频率内的频谱图像，所用的函数为fft2(二维离散傅里叶变换)。低通滤波就是根据截断频率使得小于截断频率的频谱通过，而阻断高于截断频率的频谱信息。高通滤波则相反，它能够抑制低频信息而保留高频信息。但是这种理想的低通或高通滤波方法在物理上无法实现，因为物理设备不可能完全将频率信息截断，而且这种方法会产生振铃现象，即边缘模糊，出现同心圆环，同心圆环半径反比于截断频率。所以，另外一种低通滤波器是巴特沃斯滤波器，它在物理上可以实现。

由于带通和带阻之间没有明显的连续性，所以在用巴特沃斯低通和高通滤波器在抑制噪声的同时，图像边缘的模糊现象大大减小。

功能操作

文件打开：Imread(‘cameraman.tif’);

文件保存：Imwrite(I,’E:\matlab\images\test.tif’)

功能模块

1.图像的灰度拉伸

1.1ＭＡＴＬＡＢ函数

J=imadjust(I,[low_in,high_in],[low_out,high_out],gamma)

输入图像为Ｉ，Ｊ为输出图像灰度，它实现的功能是将[low_in,high_in]之间的灰度值映射到[low_out,high_out]灰度区间内，而low_in之前的灰度和high_in之后的灰度值都被剪切掉了，它们的默认值为［0 1］。ｇａｍｍａ参数指定了映射曲线的形状，若ｇａｍｍａ＞１，表示图像灰度减小；若ｇａｍｍａ＜１，表示图像灰度值增加；若ｇａｍｍａ＝１，则为线性变化，图像的灰度值不发生改变。

1.2步骤

（１）用imread函数读入图片。

（２）取不同的ｇａｍｍａ值，对原数字图像求反。再用subplot函数分割显示区域，并用imshow 函数显示变化的结果。

图1 图像灰度拉伸

1.3结果评价

当gamma取值为２时，图像反而更暗，而当gamma取值为０．５时，结果图像整体偏亮，这与映射取反有关。在未取反之前，gamma〉１，图像变暗；gamma<1，结果偏两。而现在进行图像的取反之后，灰度值小的增大，灰度值大的减小，这也使得偏暗的图像整体偏亮，而使得原本偏亮的图像变暗。

2.图像的直方图均衡化和规定化

2.1MATLAB函数

Imhist(I,n);计算和显示I的直方图，并按照规定的灰度级数目进行显示，n亦可省略。

J=histeq(I);对原始图像I进行直方图均衡化

g=histeq(I,hgram);对原始图像进行直方图规定化，hgram为指定的映射向量，使输出的图像具有length(hgram)个灰度级，即与用户需要匹配。

2.2步骤

（1）用imread函数读入图像，若输入的图像为真彩色，则需要将其转化为灰

度图像。所用到的函数为RGB=imread('C:\Documents and Settings\Administrator\桌面\d.jpg');

I=rgb2gray(RGB);

（2）用histeq和imhist函数对原始图像分别进行直方图均衡化操作。

（3）显示图像均衡化处理结果。

（4）初始化hgram参数，用histeq(I，hgram)对原始图像进行图像规定化，并用imhist函数显示规定化图像直方图。

图2 直方图均衡化

2.3评价

（1）可以看出，原始直方图的灰度区域主要集中在中低部分，在200以上的高灰度区没有原始图像的灰度概率分布。在均衡化处理之后，灰度级的跨度是比较大的，从0变化到256色之间，而且均衡化之后的图像整体对比度增强，黑白分明，而且图像的细节部分更加的突出，效果图相比原图更加的清晰。

图3 直方图规定化

（2）在图像的规定化直方图中，可以看出它的灰度级跨度也是在0到256之间。

相比于上面的均衡化直方图，它的灰度级个数要少得多，这可能是因为所选取的映射图样的灰度个数有关，使得规定化后数字图像的灰度级个数减少。

3.图像的噪音叠加

3.1函数说明

J=Imnoise(I,type,parameter);type为要添加的噪声那个类型可选的噪声类型包括

4.图像的各种平滑与锐化处理

4.1图像的平滑

4.1.1函数

（1）中值滤波。medfilt2(J,[m n]);用m*n大小的模板对噪声图像J进行中值滤波。默认的窗口模板为3*3

（2）均值滤波。在ＭＡＴＬＡＢ里，均值模板比较好创建，它可以用一个全１的矩阵代替，设其为Ｈ＝ones(m)/n,m为方阵的阶数，ｎ为矩阵元素之和。得到了模板，将它与原始图像进行卷积，就可以实现均值滤波器的效果。所对应的函数为conv2(I,J,’same’)。

（３）最小值滤波和最大值滤波。MATLAB还提供了二维统计顺序滤波ordfilt2，它的函数使用的方法为J=ordfilt2(I,order,domain)，在给定的domain区域内，对图像的灰度值进行排序，并且将第order个非零的元素替换图像I内的所有元素。由此可以看出，若order指的是domain内的最大一个数值，那么该函数就能够变成最大值滤波器，它阻止了灰度值较小的值，却使得值较大的灰度值通过，由此也可以推断出，过滤之后的图像变亮。相反的，若order指代domain域内的最小值，则为最小值滤波器，滤波后整体图像会变暗。而若order为domain域内的中值，此函数又可以变成一个中值滤波器。

（4）维纳滤波器。[I，noise]=wiener2(J,[m n]);[m n]为指定的维纳滤波器的窗口，它在对图像J进行滤波的同时，返回了噪声功率的估计值，并送至noise中。

4.1.2步骤

（1）用imread读入原始图像，再用imnoise函数加噪。在这里，为了比较不同的滤波器优缺点，我选择了椒盐噪声进行处理。

（2）分别使用3*3和7*7的模板对噪声图像进行均值和中值滤波，再用ordfilt和wiener2函数分别进行最小值、最大值和维纳滤波处理。

（3）用subplot划分画布，显示各种滤波后的图像。

图4 椒盐噪声下各种图像平滑结果

4.1.3平滑结果评价

椒盐噪声，它只包含灰度最大的盐噪声和灰度值最小的椒噪声。图像不是特别的清楚，但是对于椒盐噪声，中值滤波和均值滤波的平滑效果比较好。但是两者的缺点是模板越大，图像越模糊，而在两者之间相比较而言，中值滤波比均值滤波保留了更多的细节部分。最大值滤波和最小值滤波对椒盐噪声的滤波效果不是很好，最大值滤波器去除了椒噪声，但是没有去除盐噪声。最小值滤波器消除了盐噪声，但是椒噪声还依然存在。而维纳滤波器对椒盐噪声的消除有一点点的效果。

从整体上来看，他们都是通过模糊图像的方法达到去噪的作用。

4.2图像的锐化

4.2.1函数说明

fspecial(type);生成二维滤化模板type为模板类型，ＭＡＴＬＡＢ提供的模板类型包括'average'均值滤波，'laplacian'二维拉普拉斯算子，'motion'运动滤波以及'prewitt'和'sobel'索贝尔算子

filter2(h,I);二维滤波器

图5 图像锐化

4.3结果评价

索贝尔锐化和prewitt锐化把图像的边缘（即灰度发生明显变化的地方）凸显出来，而拉普拉斯锐化出来的图像边缘效果不是很明显。

5.图像的低通与高通处理

我们可以根据低通和高通滤波的公式，用for循环编写程序。为了方便研究不同的截断频率半径的取值对低通和高通滤波的效果差异，因此，可以设定D=15和D=45两个截断频率。对于高通滤波，它的滤波效果还和阶数有关，因此，对于高通

滤波，在截断频率不变的情况下，分别设定阶数n=1,n=2和n=4.理想低通滤波公式为

H u,v=1 ,D u,v≤D0 0 ,D u,v>D0

D u,v=(u2+v2)1 2

巴特沃斯低通公式为

Ｈｕ，ｖ＝

１

１＋［Ｄｕ，ｖ

Ｄ

０

］

２ｎ

理想高通滤波公式为

H u,v=0 ,D u,v≤D0

1 ,D u,v>D0

巴特沃斯高通公式为

Ｈｕ，ｖ＝

１

１＋（

Ｄ

０

Ｄｕ，ｖ

）

２ｎ

D0为截断频率，D（u,v）为频谱平面中中心圆点到（u,v）的距离，n为阶数，H(u,v)为所得频率信息。

5.3结果图与评价

图6 低通滤波

对于截断频率D=15和D=45来说，截断频率越大，结果图像更接近原图，但是对噪声的消除作用减弱；截断频率越小，去噪效果增强，但是图像越模糊。而且对于理想低通滤波，截断频率越小，反而产生了明显的振铃现象。这里可以看出，巴特沃斯低通滤波优于理想低通滤波。

图7 截断频率D=15和D=45下的高通滤波图（n=2）

图像几乎都是暗色，这说明高通滤波抑制了低频信息，保留了高频信息。低频代表的是图像值较大的灰度值，而高频代表值较小的灰度值。对于不同的截断频率，截断频率值越大，图像的边缘部分更细小。

实验心得

因为这次是自己一个人完成，这让我觉得这次实验已经不仅仅是一次实验，它更是一次计划。我必须计划着怎样合理处理好考研复习和实验作业之间的时间安排。在实验途中还是会遇到很多问题，但是因为有了以前的基础，实现起来也比较容易，只是在用ＭＡＴＬＡＢ编程的时候，很多的函数都未曾见过，基本上是边学边操作。遇到的问题就是矩阵维数不匹配，后来查资料发现可以用rgb2gray函数解决。这次实验，我最大的失败就是没有机会做界面设计，搞不懂MATLAB模块问题，我在主界面输入GUIDE就会出现异常，或者点击GUIDE图标也会出现错误提示，所以我只好用imread,imwrite函数代替操作打开、写入操作了。

参考资料

库向阳等，数字图像处理实验指导书，西安科技大学

刘刚等，ＭＡＴＬＡＢ数字图像处理，机械工业出版社，２０１０年

基于图像处理的运动目标自动跟踪系统研究

基于图像处理的运动目标自动跟踪系统研究 摘要：介绍了基于图像处理的智能目标跟踪系统的实现步骤。通过图像处理、图像计算等技术判断物体进入监视区域，计算出物体的移动速度和移动方向，根据计算结果调整监视设备跟踪物体的运动，从而达到智能跟踪运动物体的目的。 关键词：图像处理自动跟踪图像计算图像序列 1 引言 运动目标检测是计算机视觉、视频信息处理等领域的重要研究内容，它的研究对象是视频图像序列。随着多媒体技术的发展和计算机性能的提高，近年来基于图像处理的物体检测在各个行业中得到了广泛的应用。因此研究运动物体的检测和跟踪问题具有很大的现实意义和使用价值。 目前，视频信号的智能化处理需求日益增加，但是智能检测跟踪物体的技术还不成熟，因此本文提出了一种解决目标检测和跟踪的方法。 2 解决的方案 本系统采用数字摄像头作为监视设备，并直接用数据线与计算机连接。摄像头安装在一个可以灵活转动的云台上，由云台来带动摄像头旋转以达到跟踪目标的目的。此外，计算机的运算速度要比快，以适应图像处理的运算量。 本系统通过图像处理技术检测是否有物体进入监视范围。如果有则计算出该物体的运动速度和方向，再根据得到的速度和方向控制云台旋转，使监视设备自动跟踪物体的运动。因此本系统分为三大模块：图像识别模块，物体检测模块，物体跟踪模块。下面分别介绍各个模块的设计思想和关键技术。 2.1图像获取模块 本模块的主要功能是检测是否有物体进入监视范围。主要进行如下操作：1）得到背景模板。首先得到没有任何物体的背景图像K作为模板，它是判别是否有物体进入监视范围的基准，是进行图像处理的先决条件。 图1 图像序列 2）定时获取图像信息。定时从监视设备得到的视频图像序列中抽出静态图像，该图像反映当前监视范围内的具体情况，如上图1所示。本系统设定一秒取2幅图像，如果监视的响应速度要求高，那么一秒内可以多取几幅图像，反之可以延长间隔时间。

图像大小和分辨率解析

图像大小和分辨率 与数码照片有关的工作中一个比较复杂的话题，就是对图像大小与分辨率之间的关系的理解。作为照片处理者，你随时都会遇见ppi值（每英寸像素的数量）、像素大小以及输出大小。要想获得精确的图像效果，尤其是打印后的图像效果，把这两个概念整理清楚是非常必要的。 图像大小 图像文件的两个重要特征是它的图像大小（不要与图像文件的大小混淆了）以及它的分辨率。图像大小涉及的是图像中点的数量。以像素乘以像素来说明，第二个像素值指的是垂直方向的像素数量。例如一个图像的大小可以是4368×2912像素，也就是共有12719616或者取整为1200万个图像点，也就是1200万像素。图像文件大小则与它所需的存储空间有关，以字节为单位。 一个图像的像素越大，所含的图像信息就越多，被清楚还原的尺寸也就越大。在输出大小相同的情况下，像素越大，单个细节就显示得越清楚，就越会形成清晰的视觉效果。但这里的视觉图像大小只是一个非实体的、虚拟的值，单独这个值既不能以厘米计算纸上的图片大小，也不能说明显示器上的图像大小。为了对图像上的大小进行确切的描述，还需要另外一个值，那就是分辨率，因为只有通过介质的显示，数字的像素信息才能有一个实际的载体。 分辨率 分辨率是用来表示一定长度的线段上的图像点数量的参数，用每英寸像素（ppi）来表示。它描述的是一个特定的输出介质在一个区域内所能显示的像素数量，同时也表明了在这个介质上正确展示一张照片的最低要求。每个输出介质的分辨率都是不同的。

你可以把一个图像想象成一个大的马赛克，每个像素中都含有关于各个马赛克“小石子儿”所应有的色彩信息。输出介质决定着单颗小石子儿的大小——显示器上的单颗小石子儿较大，而打印照片时相纸上的单颗小石子儿较小。因此在平铺面积相同的情况下，相纸所能容纳的小石子儿要比显示器容纳的多。也可以说，显示器在相同面积中所需要的小石子儿较少。相应的，在小石子儿数量相同的情况下，在显示器上所铺出来的面积就更大。但是在这两种显示介质前，在与这两个马赛克保持相应距离时，你会看到同样的图像。 此外，比较难以理解的是，分辨率这个概念也被应用于其他与摄影相关的情况，但是不同情况下的所指少有不同。 ——镜头分辨率描述的是这个镜头将黑白相间的细线条分辨开来成像的能力，即解像能力 ——相机的感光元件用分辨率来描述垂直方向和水平方向上的测量像素的数量，也就是可以成像的测量像素的总量（通常用“百万像素”表示） ——与相机的感光元件非常相似的是，显示器把垂直方向和水平方向上所可能显示的像素的总量也口语化地叫做分辨率，虽然这更多地是在描述显示器的大小（在这个意义上，更接近“图像大小”的概念） 但是一张照片的分辨率并没有说出这个图像文件中真正的像素数量。在一个特定的输出介质上，一张大图和一张小图的显示分辨率是完全相同的，但是大图要比小图显得大得多。为了理解这其中的关联，请你在后面的叙述中想象一下两个不同的图片文件，它们展示的是同一个主题：照片1的图像大小是6048×4032像素，照片2只有300×200像素。这两张照片将在显示器上和相纸上被展示出来。

智能跟踪系统使用说明

HXT智能图像 定位跟踪切换系统V1.0 使用说明

目录 前言 ...................................................................................................................... I I 第一章外观及硬件 . (3) 1.1外观及硬件说明 (3) 1.1.1 开箱须知 (3) 1.1.2 主机规格 (3) 1.1.3 定位摄像机规格 (4) 1.2接口说明 (4) 1.3跟踪机实物 (5) 1.4跟踪机指示灯说明 (5) 1.5跟踪机线缆连接说明 (6) 1.5.1 定位摄像机图像输入连接 (6) 1.5.2 其他接口连接 (7) 第二章软件操作说明 (8) 2.1配置概述 (8) 2.1.1 特别说明 (8) 2.1.2 概述说明 (8) 2.2软件配置 (9) 2.2.1 详细配置 (9) 2.2.2 配置向导 (17) 2.2.3 高级配置 (21) 2.2.4 专业云台配置 (26) 2.2.5 网络设置 (27) 2.2.6 图像跟踪调试 (28) 2.2.7 手动导播控制 (29) 第三章附录 (30) 3.1VISCA RS-232C规格 (30)

前言 感谢您使用智能图像跟踪系统！ 本手册将帮助您对智能图像跟踪系统的安装及使用进行了解；帮助您排除智能图像跟踪系统在使用过程中的常见故障。在使用该系统之前，请仔细阅读本手册，这将有助于您更好地使用它。请将本手册保存好，以备随时查阅。 本手册在编排时力求清晰、全面，但因各种原因，未曾意识到的疏漏在所难免，如果您在使用手册的过程中发现错误或不明确的地方，请速与产品经销商联系。 为了最大可能地满足您的需求，同时能很好地适应市场发展的需要，我们将会不断地对硬件和软件作相应的升级和改动。当硬件和软件作相应的升级和改动出现实际情况与本手册不一致的地方，请您及时向经销商咨询，恕不另行通知。 感谢您对智能图像跟踪系统及相关产品的信任！

数字图像处理算法汇总

形态学运算：基本思想是具用一定结构形状的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。 腐蚀运算：将结构元素中心遍历整个图像，当图像完全包含结构元素时的中心点的轨迹即为腐蚀后的图像，图像变细。腐蚀运算可用于滤波，选择适当大小和形状的结构元素，可以滤除掉所有不能完全包含结构元素的噪声点。当然利用腐蚀滤除噪声有一个缺点，即在去除噪声的同时，对图像中前景物体形状也会有影响，但当我们只关心物体的位置或者个数时，则影响不大。 膨胀运算：将结构元素中心遍历整个图像边缘，中心点的轨迹即为腐蚀后的图像，图像整体变粗。通常用于将图像原本断裂开来的同一物体桥接起来，对图像进行二值化之后，很容易是一个连通的物体断裂为两个部分，而这会给后续的图像分析造成干扰,此时就可借助膨胀桥接断裂的缝隙。 开运算：先腐蚀后膨胀，可以使图像的轮廓变得光滑，还能使狭窄的连接断开和消除细毛刺；但与腐蚀运算不同的是，图像大的轮廓并没有发生整体的收缩，物体位置也没有发生任何变化。可以去除比结构元素更小的明亮细节，同时保持所有灰度级和较大亮区特性相对不变，可用于补偿不均匀的背景亮度。与腐蚀运算相比，开运算在过滤噪声的同时，并没有对物体的形状轮廓造成明显的影响，但是如果我们只关心物体的位置或者个数时，物体形状的改变不会给我们带来困扰，此时腐蚀滤波具有处理速度上的优势。 闭运算：先膨胀后腐蚀，可以去除比结构元素更小的暗色细节。开闭运算经常组合起来平滑图像并去除噪声。可使轮廓变的平滑，它通常能弥合狭窄的间断，填补小的孔洞。腐蚀运算刚好和开运算相反，膨胀运算刚好和闭运算相反，开闭运算也是对偶的，然而与腐蚀、膨胀不同的是，对于某图像多次应用开或闭运算的效果相同。 击中击不中运算：先由结构元素腐蚀原图像，再将结构元素取反去腐蚀原图像的取反图，最后将两幅处理后的图像取交。主要用于图像中某些特定形状的精确定位。 顶帽变换：原图像减去开运算以后的图像。当图像的背景颜色不均匀时，使用阈值二值化会造成目标轮廓的边缘缺失，此时可用开运算（结构元素小于目标轮廓）对整个图像背景进行合理估计，再用原图像减去开运算以后的图像就会是整个图像的灰度均匀，二值化后的图像不会有缺失。 Sobel算子： Prewitt算子： LOG算子： Canny算子：力图在抗噪声干扰和精确定位之间尊求折中方案，主要步骤如下所示： 1、用高斯滤波器平滑图像； 2、用一阶偏导的有限差分来计算梯度的幅值和方向； 3、对梯度幅值进行非极大值抑制； 4、用双阈值算法检测和连接边缘。 Hough变换： 边缘检测：

图像视频跟踪系统

图像视频跟踪系统 摘要：通过对图像进行阈值处理（图像分割），再对分割后的图像求取形心，以对目标图像进行定位，并最后找到各幅帧图像的目标位置的方法，从而实现对200帧视频图像的实时跟踪。 关键词：阈值处理；视频序列目标跟踪；形心估计 1 引言 视频序列目标跟踪是指对传感器摄取到的图像序列进行处理与分析，充分利用传感器采集得到信息来对目标进行稳定跟踪的过程。一旦目标被确定，就可获得目标的位置、速度、加速度等运动参数，进而获得目标的特征参数。在军事上，视频序列目标跟踪技术广泛应用于精确制导、战场机器人自主导航、无人机着降，靶场光电跟踪等领域。在民用上，该技术在智能视频监控、智能交通管制、医疗影像诊断等方面也有很重要的应用。 视频跟踪目前在国内外都有较广泛的研究和应用，比如2005年，美国中央佛罗里达大学计算机视觉实验室开发出了基于MATLAB的COCOA系统，用于无人机低空航拍视频图像的目标检测与跟踪处理。 2 基于MATLAB的图像跟踪算法 2.1 200帧视频图像的读取 由于视频是由200帧图像通过连续播放从而达到视频的效果的，所以要达到视频放映的效果，应首先对200帧图像序列进行顺序读取。200帧图像存储在MATLAB的默认路径中，文件名为00000xxx.bmp。要达到读取它们的目的，需要使用循环算法。算法由一个名为read_seqim(i)的函数实现，以下是函数的源程序： function I=read_seqim(i) if nargin==0 i=1;min=00000001; end

name=num2str(i); if i<=9 min=strcat('0000000',name,'.bmp'); elseif i<=99 min=strcat('000000',name,'.bmp'); else min=strcat('00000',name,'.bmp'); end I=imread(min); 其中i为读取图像的序号，通过以上的函数可以很方便的实现对200帧图像中任意一帧的读取，从而为后面的处理提供方便。 2.2 图像的阈值处理（图像分割） 阈值(Threshold)，也叫门限。阈值化(Thresholding),即按给定阈值进行图像的二值化处理。阈值分割法可分为以下几种： ?简单阈值分割法; ?多阈值分割法; ?最大类间方差法; ?最佳阈值法。 许多情况，图像是由具有不同灰度级的几类区域组成。如文字与纸张、地物与云层（航空照片）等，阈值分割是利用同一区域的具有某种共同灰度特性进行分割。而用阈值分割法分割图像就是选取一个适当的灰度阈值，然后将图像中的每个像素和它进行比较，将灰度值超过阈值的点和低于阈值的点分别指定一个灰度值，就可以得到分割后的二值图像，此时目标和背景已经得到了分割。阈值分割法简单，快速，特别适用于灰度和背景占据不同灰度级范围的图像。这里我们使用多阈值分割法。 多阈值分割法就是假设一幅图像包含两个以上的不同类型的区域，可以使用几个 门限来分割图象。分割函数如下：2.2.1阈值的确定 01 112 22 ,(,) (,),(,) ,(,) f f x y T g x y f T f x y T f f x y T ≤ ? ? =<≤ ? ?> ?

解读电视的分辨率和清晰度

解读电视的分辨率和清晰度 2005-1-23 16:31:48 来源：家庭影院技术作者：不详 家庭影院的图像显示设备的种类、性能和功能永远是一个新鲜话题，但其有关的基础知识，或更确切的说是有关电视、电视机和其它视频播放设备的基础知识的话题，却是一个古老而有趣的话题，也是许多家庭影院爱好者一致关心和感兴趣的话题。由于对电视、电视机和其它视频播放设备的基础知识并非每个家庭影院爱好者都明白，对现在正在蓬勃发展着的新技术、新设备的特点也不能正确地理解。不但如此，即使就是现在自己正在使用着的设备，也不懂得如何去将它的性能充分发挥出来，不懂得如何去将它的功能充分利用起来。笔者作为一个普通家庭影院爱好者，在这里希望能从探讨的角度出发，和大家一起来解读有关家庭影院图像技术和显示设备的一系列常用的、实用的和重要的基本知识，其中还包括设备的使用和调整等方面的知识。在目前五彩纷呈的显示技术和显示设备中，我们拟从电视说起，在电视中，又打算从大家都最关心的分辨率和清晰度问题说起。 一、分辨率和清晰度还用得着讨论吗？ 说起电视的分辨率和清晰度，似乎是尽人皆知、谁人都懂的问题，好像没有什么值得可谈的，更没有必要作专文加以讨论。 在与清晰度有关的用语中，除了清晰度一词以外，我们经常还可以见到分辨力、分辨率、解析力、解析度、解像力、解像度这些词语。对于这些词语分别的含义和所指的具体内容是什么，怎样使用才合适，目前流行的看法是很不统一的，归纳起来主要有3种不见的看法。 第一种：分辨率就是清晰度 这是一种最普遍的看法。这种看法认为，这些词语的意义是一样的或者说是一致的，有的人习惯于用分辨力（率）、分解力、解析力（度）和解像力（度）这一类词，而另一些人习惯于用清晰度这一个词。或者说，这些词的意义是一样的，但在习惯上对不同的对象使用不同的词汇，如习惯于将清晰度一词用于电视机，将分辨率一词用于计算机之类的显示器。 第二种：分辨率和清晰度是两回事 这种意见认为清晰度与分辨率（还包括分辨力、解析度、解像度等几个词语）有着本质的区别，它们所指的具体内容本来就不一样。具体说来，清晰度是指人眼宏观看到的图像的清晰程度，是由系统和设备的客观性能的综合结果造成的人们对最终图像的主

一种实时图像目标搜索与跟踪系统设计

一种实时图像目标搜索与跟踪系统设计 一种实时图像目标搜索与跟踪系统设计 1前言 电视图像跟踪器是一种具有简单智能的图像跟踪装置，由于需要逐场(20ms)处理视场中的数据，因此处理的数据量大、算法复杂度高,传统的处理器一般不能满足速度要求，本系统选择美国TI公司TMS320C5416信号处理器为核心，实现了实时采集视场中的图像数据并完成相应的图像处理算法运算的任务。TMS320C5416主频可达160MHz，片内总存储空间为128M×16bit，是一款高性能低功耗通用数字信号处理芯片。该系统能处理50场/秒的，图像分辨率可调的标准电视图像信号。 2.系统硬件框图 图1系统硬件整体结构框图 系统采用双DSP+CPLD构架，系统有两路输入，一路接数字视频信号输入，另外一路从摄像机输入PAL制式的视频信号。双DSP中一个为主DSP，负责处理跟踪算法以及与上位机通信，另外一个从DSP负责实时产生模拟高斯噪声用以检测各种噪声条件下跟踪算法的效果。两个DSP之间通过一个共享双口RAM或HPI进行通信。在场正程图像数据存储到图像SRAM中，主DSP在场逆程从图像双口RAM中读取图像数据到DSP 内部，场正程开始时主DSP开始进行图像处理算法，在下一场逆程主DSP 将处理的结果以及相关数据写入图形显示双口RAM同时开始从SRAM读入下一场数据，DSP处理完成以后在时序电路和视频复合电路配合下将处

理结果显示到监视器上，完成实时图像处理任务。 2.1图像采集模块 图像采集模块的主要功能是获取输入视频信号中的灰度数据和同步时钟，它是后续处理的基准。系统采用同步分离和锁相技术设计，采用分立元件。具体实现是信号从CCD出来后分为两路，一路经同步分离同步分离器LM1881,输出复合同步HS，场同步VS作为后面电路的控制信号，另一路经篏位和直流恢复，然后放大，将图像信号调整到A/D转换器的参考电压范围之内。对行同步信号进行锁相倍频即可得到像素时钟信号，锁相环芯片采用74HC4046。输入视频信号经锁相环锁相输出系统象素时钟提供给A/D变换器使用，得到数字图像数据。 2.2时序电路模块 时序模块主要由一片CPLD(Xilinx公司的95288XL)实现，包括锁相计数、标准视频行场信号生成、DSP的外接存储器接口片选读写信号生成以及部分存储器地址生成、实现图形信号的并串转换、用户自定义I/O等。 2.3通讯接口模块 本系统用到一个异步串口接收PC发送的调试命令，并向PC返回运算结果。 5416提供的串口是一种同步串行接口，并不支持通用异步接收器/发送器(UART)标准，本系统使用MAXIM公司的MAX3100芯片实现同步串口到异步串口的转换。5416使用FSR和FSX作为每次传输的同步信号，FSX作为MAX3100的选通信号。同步接收时钟CLKR和同步发送时钟CLKX在本系统中使用内部的时钟源，并且把CLKX作为MAX3100的同

基于matlab的数字图像增强算法研究与实现

基于matlab的数字图像增强算法研究与实现 摘要图像在获取和传输过程中，会受到各种噪声的干扰，使图像退化质量下降，对分析图像不利。图像的平滑或去噪一直是数字图像处理技术中的一项重要工作。为此，论述了在空间域中的各种数字图像平滑技术方法。 关键字：数字图像；图像增强；平滑处理

目录 第一章、概述 2 1.1 图像平滑意义 2 1.2图像平滑应用 2 1.3噪声模 型 (3) 第二章 、图像平滑方法 5 2.1 空域低通滤波 5 2.1.1 均值滤波器 6 2.1.2 中值滤波器 6 2.2 频域低通滤波 7 第三章、图像平滑处理与调试 9 3.1 模拟噪声图像 9 3.2均值滤波法 11 3.3 中值滤波法 14 3.4 频域低通滤波法 17 第四章、总结与体会 19 参考文献 20 第一章、概述 1.1图像平滑意义 图像平滑（S m o o t h i n g）的主要目的是减少图像噪声。图像噪声来自于多方面，有来自于系统外部的干扰（如电磁波或经

电源窜进系统内部的外部噪声），也有来自于系统内部的干扰（如摄像机的热噪声，电器机械运动而产生的抖动噪声内部噪声）。实际获得的图像都因受到干扰而有噪声，噪声产生的原因决定了噪声分布的特性及与图像信号的关系。减少噪声的方法可以在空间域或在频率域处理。在空间域中进行时，基本方法就是求像素的平均值或中值；在频域中则运用低通滤波技术。 图像中的噪声往往是和信号交织在一起的，尤其是乘性噪声，如果平滑不当，就会使图像本身的细节如边缘轮廓，线条等模糊不清，从而使图像降质。图像平滑总是要以一定的细节模糊为代价的，因此如何尽量平滑掉图像的噪声，又尽量保持图像的细节，是图像平滑研究的主要问题之一。 1.2图像平滑应用 图像平滑主要是为了消除被污染图像中的噪声,这是遥感图像处理研究的最基本内容之一,被广泛应用于图像显示、传 输、分析、动画制作、媒体合成等多个方面。该技术是出于人类视觉系统的生理接受特点而设计的一种改善图像质量的方法。处理对象是在图像生成、传输、处理、显示等过程中受到多种因素扰动形成的加噪图像。在图像处理体系中,图像平滑是图像复原技术针对“一幅图像中唯一存在的退化是噪声”时的特例。 1.3噪声模型 1.3.1噪声来源 一幅图像可能会受到各种噪声的干扰，而数字图像的实质就是光电信息，因此图像噪声主要可能来源于以下几个方面：光电传感器噪声、大气层电磁暴、闪电等引起的强脉冲干扰、

机器视觉的辅助驾驶系统的视频中行人检测跟踪

机器视觉的辅助驾驶系统的视频中行人 实时检测识别研究文献综述 1机器视觉发展 国外机器视觉发展的起点难以准确考证，其大致的发展历程是：20世纪50年代提出机器视觉概念，20世纪70年代真正开始发展，20世纪80年代进入发展正轨，20世纪90年代发展趋于成熟，20世纪90年代后高速发展。在机器视觉发展的历程中，有3个明显的标志点，一是机器视觉最先的应用来自“机器人”的研制，也就是说，机器视觉首先是在机器人的研究中发展起来的；二是20世纪70年代CCD图像传感器的出现，CCD摄像机替代硅靶摄像是机器视觉发展历程中的一个重要转折点；三是20世纪80年代CPU、DSP等图像处理硬件技术的飞速进步，为机器视觉飞速发展提供了基础条件。 国内机器视觉发展的大致历程：真正开始起步是20世纪80年代，20世纪90年代进入发展期，加速发展则是近几年的事情。中国正在成为世界机器视觉发展最活跃的地区之一，其中最主要的原因是中国已经成为全球的加工中心，许许多多先进生产线己经或正在迁移至中国，伴随这些先进生产线的迁移，许多具有国际先进水平的机器视觉系统也进入中国。对这些机器视觉系统的维护和提升而产生的市场需求也将国际机器视觉企业吸引而至，国内的机器视觉企业在与国际机器视觉企业的学习与竞争中不断成长。 未来机器视觉的发展将呈现下列趋势: （1）技术方面的趋势是数字化、实时化、智能化 图像采集与传输的数字化是机器视觉在技术方面发展的必然趋势。更多的数字摄像机，更宽的图像数据传输带宽，更高的图像处理速度，以及更先进的图像处理算法将会推出，将会得到更广泛的应用。这样的技术发展趋势将使机器视觉系统向着实时性更好和智能程度更高的方向不断发展。 （2）产品方面：智能摄像机将会占据市场主要地位 智能摄像机具有体积小、价格低、使用安装方便、用户二次开发周期短的优点，非常适合生产线安装使用，越来越受到用户的青睐，智能摄像机所采用的许多部件与技术都来自IT行业，其价格会不断降低，逐渐会为最终用户所接受。因此，

数字图像处理图像增强实验报告

实验报告 班级：08108班 姓名：王胤鑫 09号 学号：08210224 一、实验内容 给出噪声图像，请选择合适的图像增强算法，给出你认为最优的增强后的图像。 可以使用Matlab - Image Processing Toolbox 中的处理函数。 原始图像如下： 二、算法分析 对于给出的图像中有灰色的噪声，因此首先处理灰色的线条，根据其方差的大小来判断其所在行。对于两条白色的噪声，根据与前后两行的对比来判断其所在位置。程序中设定灰色线条处理的均方差门限为，白线处理的标准为与前后两行的差值超过（转换为double型）。滤除噪声之后再通过中值滤波、拉普拉斯图像增强等方式对图像进行处理。

三、matlab 源程序 clear all;clc; f=imread(''); figure,imshow(f),title('原始图像'); [m,n]=size(f); f0= im2double(f); % 整型转换为 double 类 f1=f0; std_i=zeros(1,m-2); %灰线处理 for i=2:m-1 %灰线处理 std_i(i-1)=std(f0(i,:)); if(std_i(i-1)< for j=1:m f0(i,j)=(f0(i-1,j)+f0(i+1,j))/2; end end end figure,imshow(f0),title('滤除灰线后的图像'); fz=f0-f1; [r,c]=find(fz~=0);%寻找灰线噪声的位置 f2=f0; change=0; count=0; for i=3:m-2 %白线处理 for j=1:m if(abs(f0(i,j)-f0(i-1,j))>&&abs(f0(i,j)-f0(i+1,j))> count=count+1; end if(count>n* count=0; change=1; break; end end if(change==1) for k=1:m f0(i,k)=(f0(i-1,k)+f0(i+1,k))/2; end change=0; count=0; end end

数字图像增强算法分析

数字图像增强算法分析 马 琳,于 宁 (哈尔滨市勘察测绘研究院,黑龙江哈尔滨150000) 摘 要:在阐明图像增强处理基本方法基础上,对几种有代表性的图像增强算法(基于直方图均衡化图像增强算法,基于模糊集理论的图像增强算法,基于小波变换的图像增强算法,基于人眼视觉特性的彩色图像增强算法及基于神经网络的图像增强算法)做简单介绍,对现有直方图的均衡化算法进行分析、对比,综合多种算法对现有直方图均衡化算法做改进,得出一种新的直方图均衡化方法。关键词:图像增强;直方图均衡化;M AT LA B;对比度增强 中图分类号:P 211 文献标识码:A 文章编号:1008 5696(2011)01 0122 04 Analysis of Digital Image Enhancement Algorithm M A Lin,YU Ning (H arbin City P ro specting and M apping Resear ch I nstit ute,Har bin 150000,China) Abstract:Based on the ex po sitio n for the fundam ental methods o f im ag e enhancem ent pr ocessing ,it sim ply introduces sever al kinds of representative image enhancement alg orithm (im ag e enhancement algo rithm based on histo gram equalization,image enhancement algorithm based on fuzzy set theor y,im ag e enhance m ent alg orithm based on w avelet transform ,image enhancem ent algor ithm based on hum an visual property and image enhancement algo rithm based on artificial neural netw o rk).Carries o n the analysis and contr ast to the ex isting histog ram equalization algo rithm.Finally,w e synthesize m any kinds of algor ithms to make som e improvements to the ex isting histog ram equalization alg orithm and o btain one new histog ram equali zing method. Key words:im age enhancement;histog ram equalizatio n;M AT LAB;contr ast enhancem 收稿日期:2010 09 10 作者简介:马 琳(1982-),女,助工,研究方向:测绘工程. 1 研究目的和意义 图像增强的目的是改善图像的视觉效果,针对给定图像的应用场合,有目的地强调图像的整体或局部特性,扩大图像中不同物体特征之间的差别,满足某些特殊分析的需要。其方法是通过一定手段对原图像附加一些信息或变换数据,有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征,使图像与视觉响应特性相匹配。在图像增强过程中,不分析图像降质的原因,处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同,分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算,基于频域的算法是在图像的某 种变换域内对图像的变换系数值进行某种修正,是一种间接增强算法 [1] 。 2 直方图与直方图均衡化 2.1 直方图 1)直方图又称质量分布图,是一种几何形图表,它是根据从生产过程中收集来的质量数据分布情况,画成以组距为底边、以频数为高度的一系列连接起来的直方型矩形图。 2)图像的直方图。以灰度图为例,假设图中一共只有0、1、2、3、4、5、6、78种灰度,0代表黑色,7代表白色,其它数字代表0~7之间不同深浅的灰度,见图1。 统计的结果如下,横轴标示灰度级别(0~7),纵轴标示每种灰度的数量,见图2。 Photoshop(PS)中的显示,见图3。

基于VC的太阳光斑图像识别跟踪系统设计与实现

龙源期刊网 https://www.wendangku.net/doc/9c9411559.html, 基于VC的太阳光斑图像识别跟踪系统设计与实现 作者：孙雷孙庆苏 来源：《软件导刊》2018年第02期 摘要：塔式太阳能聚光发电系统，在实际运用中由于天气、温度和镜子的执行传动结构 等因素产生误差，太阳光不一定能够按照理想的情况反射到聚光位置。为使定日镜能够准确跟踪太阳和反射太阳热能，提出一种基于VC的太阳光斑图像识别跟踪系统，使用视频捕捉和图像处理技术，获取太阳光斑的误差偏移距离，并将这个修正数据通过串口发送给控制系统。根据定日镜自动跟踪太阳轨迹、反射光斑并进行图像修正的试验，结果显示能够计算确定图像中光斑的位置，获取实际偏差，并且在监视器上清晰看见每面定日镜的轮廓及其反射的光斑。系统采用图像匹配算法，具有精度高等特点，能够有效实现太阳光斑的识别与跟踪。 关键词：太阳光斑；识别；跟踪；定日镜场； VC DOIDOI：10.11907/rjdk.172320 中图分类号：TP317.4 文献标识码：A 文章编号：1672-7800（2018）002-0205-03 0 引言 太阳能是最丰富、持久的能源，但因能量密度低，使其被提取需要聚光，目前主要的太阳能聚光发电系统有塔式、槽式，其中，塔式是太阳能热发电系统中具有吸引力的一种方式[1]。 由于太阳东升西落，定日镜场中的每一面镜子也必须由东向西，同时由下而上、再由上而下运动，才能保证每一面镜子对阳光的反射聚集到塔上的吸热器上。根据每一面镜子与吸热器的相对位置、时间、地点等，可以计算出每一面镜子在任何时刻的方位角和仰角[2]，但是， 由于大气折射、机械误差、热胀冷缩、材料老化等原因，将引起反射的偏差，影响发电效率。 图像识别系统可作为控制系统的负反馈，及时调整每一面镜子的方位角和仰角，使每一面镜子对阳光的反射永远对准吸热器，提高发电效率。具体方法是安装高清晰摄像头，实时采集定日镜反射的图片，进行图像识别，找出图像中的太阳光斑（即太阳的位置）与标准图片进行比对，如果所拍摄光斑X、Y向偏差与标准太阳光斑位置偏离，发出修正信息对镜子设定值进行修正[3]，同时记录或报警。 1 系统设计

数字图像处理实验报告 空域图像增强技术

课程名称： 实验项目： 实验地点： 专业班级：学号：学生姓名： 指导教师： 2012年月日

实验一 空域图像增强技术 一、 实验目的 1结合实例学习如何在视频显示程序中增加图像处理算法； 2理解和掌握图像的线性变换和直方图均衡化的原理和应用； 3了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法； 4 了解噪声模型及对图像添加噪声的基本方法。 二、 实验原理 1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。 )],([),(y x f T y x g = ?? ???<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ),(),(y x f b g b y x f b y x f a g a y x f a y x f y x f y x g b a γβα n y m x ,2,1 ,,,2,1== 2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。按照图像概率密度函数PDF 的定义： 1,...,2,1,0 )(-==L k n n r p k k r 通过转换公式获得： 1,...,2,1,0 )()(00-====∑∑==L k n n r p r T s k j k j j j r k k 3 均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。将模板中的全体像素的均值（中值）来代替原来像素值的方法。 4 拉普拉斯算子如下： ???? ??????--------111181111 拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。 三、 实验步骤 1 启动MATLAB 程序，对图像文件分别进行灰度线性变换（参考教材57页，例4.1）、直方图均衡化、均值滤波、中值滤波和梯度锐化操作。添加噪声，重复上述过程观察处理结果。 2记录和整理实验报告

数字图像处理简答题及答案..

数字图像处理简答题及答案 简答题 1、数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。 2、什么是图像识别与理解？ 3、简述数字图像处理的至少3种主要研究内容。 4、简述数字图像处理的至少4种应用。 5、简述图像几何变换与图像变换的区别。 6、图像的数字化包含哪些步骤？简述这些步骤。 7、图像量化时，如果量化级比较小会出现什么现象？为什么？ 8、简述二值图像与彩色图像的区别。 9、简述二值图像与灰度图像的区别。 10、简述灰度图像与彩色图像的区别。 11、简述直角坐标系中图像旋转的过程。 12、如何解决直角坐标系中图像旋转过程中产生的图像空穴问题？ 13、举例说明使用邻近行插值法进行空穴填充的过程。 14、举例说明使用均值插值法进行空穴填充的过程。 15、均值滤波器对高斯噪声的滤波效果如何？试分析其中的原因。 16、简述均值滤波器对椒盐噪声的滤波原理，并进行效果分析。 17、中值滤波器对椒盐噪声的滤波效果如何？试分析其中的原因。 18、使用中值滤波器对高斯噪声和椒盐噪声的滤波结果相同吗？为什么会出现这种现象？

19、使用均值滤波器对高斯噪声和椒盐噪声的滤波结果相同吗？为什么会出现这种现象？ 20、写出腐蚀运算的处理过程。 21、写出膨胀运算的处理过程。 22、为什么YUV表色系适用于彩色电视的颜色表示？ 23、简述白平衡方法的主要原理。 24、YUV表色系的优点是什么？ 25、请简述快速傅里叶变换的原理。 26、傅里叶变换在图像处理中有着广泛的应用，请简述其在图像的高通滤波中的应用原理。 27、傅里叶变换在图像处理中有着广泛的应用，请简述其在图像的低通滤波中的应用原理。 28、小波变换在图像处理中有着广泛的应用，请简述其在图像的压缩中的应用原理。 29、什么是图像的无损压缩？给出2种无损压缩算法。 2、对于扫描结果：aaaabbbccdeeeeefffffff，若对其进行霍夫曼编码之后的结果是：f=01 e=11 a=10 b=001 c=0001 d=0000。若使用行程编码和霍夫曼编码的混合编码，压缩率是否能够比单纯使用霍夫曼编码有所提高？ 31、DCT变换编码的主要思想是什么？ 32、简述DCT变换编码的主要过程。 33、什么是一维行程编码？简述其与二维行程编码的主要区别。 34、什么是二维行程编码？简述其与一维行程编码的主要区别。 35、简述一维行程编码和二维行程编码的异同。 36、压缩编码算法很多，为什么还要采用混合压缩编码？请举例说明。 37、对于扫描结果：aaaabbbccdeeeeefffffff，若对其进行霍夫曼编码之后的结果是：f=01 e=11 a=10 b=001 c=0001 d=0000。若使用行程编码和霍夫曼编码的混合编码，压缩率是否能够比单纯使用行程编码有所提高？ 38、连续图像和数字图像如何相互转换？

基于图像识别的目标跟踪系统(论文)

基于图像识别的目标跟踪系统 周立建1茅正冲2 （江南大学，江苏省无锡市 214122） 摘要：研究了在简单的背景下实现对图像的识别和跟踪。系统以ARM微处理器STM32为主控制器。在分析了驱 动电机和目标环境等因素的基础上，选择摄像头捕捉、采集图像并跟踪目标，通过合适的图像识别算法正确地处 理图像信息、识别目标。通过对水平和垂直驱动电机的控制，实现三维目标跟踪。能够实现系统对目标的大范围， 高精度的自动跟踪。 关键词：图像采集；图像信息处理；目标识别；目标跟踪 Target Tracking Based on Image Recognition System (IOT Engineering School of Jiangnan University,Wuxi Jiangsu Province ,214122) Abstract：Studied in the context of a simple implementation of image recognition and tracking. STM32 ARM microprocessor-based system controller. In the analysis of the drive motor and objectives on the basis of environmental factors, select the camera capture, image acquisition and target tracking, image recognition algorithm by an appropriate image processing information correctly, identify the target.Through horizontal and vertical drive motor control, to achieve three-dimensional tracking. System to achieve the target of large-scale, high-precision automatic tracking. Key words：Image acquisition；Image information processing；Target identification；Target tracking 1引言 图像处理技术的高速发展，相应地促进目标识别和跟踪技术的发展。尤其是在不同的环境下，如何实现目标识别和跟踪的稳定，具有很重要的理论价值和实际意义。 嵌入式平台集成度高,支持实时多任务操作系统,符合实时性和小型化的要求，同时克服了基于桌面pc机图像处理系统体积庞大，不具有实时特性等不足，可以面对日益复杂的应用。所以基于嵌入式平台的图像处理系统是未来图像处理系统的发展趋势。随着现代高速处理器的迅猛发展，图像处理技术也日益成熟。其中，移动目标的视频检测与跟踪是图像处理、分析应用的一个重要领域，是当前相关领域的研究前沿。移动目标视频检测与跟踪技术在诸多经济和军事领域有很广泛的应用，发挥重要的作用。 在最近二十几年间，随着计算机技术、VLSI技术和高分辨率传感器技术的迅速更新，图像识别方法已经有了更广泛的应用，如工业上的工业过程控制、自主运载器导航等等，尤其是它具有的许多突出的优点：可获得大量的目标信息(为其他形式的跟踪手段所无法相比)、抗电子干扰能力强、测量(角、面)精度高、保密性好、低空跟踪范围大、使用多种传感器(可见光、红外、微光等)、全天候工作能力强等。利用先进的数字图像处理技术去除许多自然及人为的干扰，加上预测等技术配合使用，可以实现记忆跟踪以及对瞬间丢失的目标再捕获。这种方法大量的运用在军事上的火控、导航、特别是制导方面。然而由于这一课题的发展历史较短而且内容又涉及到图像处理、模式识别和人工智能等多个新兴学科，其理论还很不完善，一些重要的问题尚未解决，新的方法和技巧还有待开发。因此进行有关图像目标识别与跟踪的研究无疑是一项既有理论意义又有实用价值的课题。 本文介绍了一种在简单背景下实现对图像目标的捕捉与跟踪。本系统设计应用了以ARM微处理器STM32为主控制器的嵌入式系统，使用OV7670图像处理器，尽可能达到了实时性与可靠性的要求。系统的工作流程如图1：

实时视频图像的清晰度检测算法研究教案

实时视频图像的清晰度检测算法研究 2010-12-18 17:11:42 来源:微型机与应用 关键字：实时视频图像背景提取Sobel算子清晰度检测 实时视频图像的质量分析已成为众多应用领域性能好坏的关键因素之一，因此实时视频图像的清晰度检测变得尤为重要。目前针对实时视频图像清晰度检测的研究较少，图像清晰度检测算法的研究对象主要针对静止的图像。现有的图像清晰度检测算法大致分为空域和频域两类。在空域中多采用基于梯度的算法，如拉普拉斯(Laplace)算法、差分平方和(SPSMD)算法、Sobel算子等。此类算法计算简洁、快速、抗噪性能好、可靠性较高。在频域中多采用图像的FFT变换(或其他变换)，如功率谱(Power-spectra)算法等[1-2]。此类算法的检测效果好，但计算复杂度高、计算时间长，不适合应用在基于软件实现的实时检测系统中。 当前对实时视频图像的一种重要应用是对运动目标的检测，常用的目标检测方法有帧差法、背景减法、光流法及运动能量法[3]，其中最简单而又快捷的方法是背景差法。其基本思想是通过对输入图像与背景图像进行比较来分割运动目标，关键环节是背景图像的提取。目前常用的背景提取方法有多帧图像平均法、灰度统计法、中值滤波法、基于帧差的选择方法、单高斯建模等。参考文献[4]中对以上算法做了充分的研究。 本文是针对实时视频图像的清晰度检测，基于实时视频图像背景基本保持不变的环境。通过比较上述算法，针对实时视频图像的特点，提出一种基于背景提取与Sobel算子相结合的实时视频图像的清晰度检测算法。 1 实时视频图像的清晰度检测算法原理 当视频播放画面超过24帧/s时，根据视觉暂留原理，人眼无法辨别每幅单独的静态画面，看上去是平滑连续的视觉效果。视频中的事物通常分为静止和运动两类，连续多帧画面中保持静止的物体可视为静止的背景，连续多帧画面中位置变化的物体可视为运动的前景。因此，实时视频图像中的每帧图像都可以划分为静止的背景和运动的前景两类区域。由于视频序列图像中运动的前景区域随机变化，引起图像像素点梯度值的随机改变，使得实时视频图像的清晰度检测较难实现。因此，本文的算法是利用实时视频图像中静止的背景区域检测视频序列图像的清晰度，即由背景提取和清晰度检测两部分组成。 1.1 实时视频图像的背景提取