图像处理中的模糊算法与应用
图像处理中的模糊算法与模糊数学在图像处理中的应用学号：11003524 姓名：周思仲
摘要：图像处理技术是用计算机对图像进行分析，以达到所需结果的技术，又称影像处理。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。而目前，我国图像处理水平远远落后于世界先进水平，技术的发展需求迫在眉睫。基于以上原因，本文研究了以模糊信息处理技术为基础的图像处理算法及其实现,用一个简单的程序实践图像处理算法。用计算机来来处理医学CT图片已成为计算机未来研究的一个重要方向，基于模糊数学的图像处理技术是计算机图像处理中的重要计算。图像本质上具有模糊性，因此模糊信息处理技术在图像处理中的使用有其必然性。提出一种基于模糊数学的方法来融合多模医学图像。
关键词：计算机图像处理；模糊技术；模糊算法；面向对象；类库函数
引言：信息是自然界物质运动总体的一个重要方面，人们认识世界和改造世界就是要获得各种各样的信息。图像信息是人类获得外界信息的主要来源，因为大约有70%的信息是通过人眼获得的，而人眼获得的都是图像信息。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，人们越来越多地利用图像信息来认识和判断事物，解决实际问题。例如:由于空间技术的发展，人造卫星拍摄了大量的地面和空间的照片，人们可以利用照片获得地球资源、全球气象和污染情况等;在医学上，医生可以通过X射线层析照像，观察到人体各部位的断层图像;在工厂，技术人员可以利用电视图像管理生产，由此可见图像信息的重要性。获得图像信息非常重要，但目的不仅仅是为了获得图像，而更重要的是将图像信息进行处理，在大量复杂的图像中找出我们所需要的信息。因此图像信息处理在某种意义上讲，比获得图像更为重要，尤其是在当今科学技术迅速发展的时代，对图像信息处理提出了更高的要求，以便更加快速、准确、可靠地获得有用信息。图像是人们对所看到的客观世界中事物的一种描述和记录。数字图像处理实质上是计算机技术、信息论和信号处理相结合的综合性应用学科。它依靠现代电子技术来模拟人类的视觉系统，对图像进行分割、融合、配准分析处理，从而达到理解事物和认识事物的效果，已经成为人类获取信息的重要来源，而利用计算机图像处理中模糊信息处理技术，可以有效地分析与识别图像，进而描述和解释图像。
随着医学成像技术的发展，以及计算机技术与医学图像科学的互相渗透，使医学图像在现代医学诊断中的作用越来越重要。随之产生了基于模糊数学的医学图像处理的各种方法和应用。
正文：
一、图像是指景物在某种成像介质上再现的视觉信息
图像是具有特定信息的某种集合体，本质上可认为图像是数据的集合。为了研究和分析图像，需对图像进行必要的处理，常用的图像处理方法可分为下列几种:
（一）电学模拟处理把光强度信号转换成电信号，然后用电子学的方法，对信号进行加、减、乘、除、进行浓度分割、反差放大、彩色合成、光谱对比等。电视视频信号中常用它。近期发展较快的CCD 模拟处理方法，是根据CCD的特性，有三种处理功能;①模拟延迟，改变时钟脉冲频率就能实现模拟;②多路调制把并列输入的信号转换成串行的时序信号，或者建立它的反变换，可实现数据信息的重新排列:③它能作各响应的滤波器，而滤波器就是一个信号处理装置。CCD模数处理在设备、成本方面都有很大的优越性，在滤波技术方面较计算机更易于实现。
（二）光学一计算机混合处理混合处理一是先用光学办法对图像作预处理，再用数字方法做精处理。因而兼备了二者的优点，在某些场合得到应用。
二、模糊数学方法
模糊数学集合不同于经典集合，它是没有精确边界的集合，可以灵活地对普遍采用的语言变量进行建模。模糊集合表示的是元素属于集合的程度。因此，模糊集合特征函数的取值范围在0和1之间，以便表示元素属于一个给定集合的程度。
论域U中的模糊子集A，是以隶属函数μA为表征集合。即有映射μA：U—>[0,1]，确定论域U的一个模糊子集A。μA称为模糊子集的隶属函数，μA(u)称为U 对A的隶属度，它表示论域U中的元素u 属于其模糊子集A的程度。它在[0,1]闭区间内可连续取值，隶属度也可简记为A(u)。
隶属函数是模糊集合赖以建立的基石，由于造成模糊不确定性的原因是多种多样的，要确定恰当的隶属函数并不容易。在大多数场合下，隶属函数无法直接给出，它的建立需要对所描述的概念的足够的了解，一定的数学技巧，而且还包括心理测量的进行与结果的运用等各种因素。正如某一事件的发生与否有一定的不确定性一样，某一对象是否符合某一概念也有一定的不确定性。
三、图像处理技术基础
（一）图像处理技术。
图像处理技术是用计算机对图像进行分析，以达到所需结果的技术，又称影像处理。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。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。
图像压缩，由数字化得到的一幅图像的数据量十分巨大，一幅典型的数字图像通常由500×500或1000×1000个像素组成。如果是动态图像，是其数据量更大。因此图像压缩对于图像的存储和传输都十分必要[2]。
有两类压缩算法，即不失真的方法和近似的方法。最常用的不失真压缩取空间或时间上相邻像素值的差，再进行编码。游程码就是这类压缩码的例子。近似压缩算法大都采用图像交换的途径，例如对图像进行快速傅里叶变换或离散的余弦变换。著名的、已作为图像压缩国际标准的JPEG和MPEG均属于近似压缩算法。前者用于静态图像，后者用于动态图像。它们已由芯片实现。
图像增强和复原,图像增强的目标是改进图片的质量，例如增加对比度，去掉模糊和噪声，修正几何畸变等；图像复原是在假定已知模糊或噪声的模型时，试图估计原图像的一种技术。图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
（二）图像处理的应用
在社会生产和科研活动中,人们要频繁的接触到图像,例如照片、图画、书报、医学x光片和卫星遥感图像等。图像是人们认识客观世界的重要知识来源。随着计算机的高速化和大容量化，图像信息的处理已成为可能口另外，由于摄像设备的小型化和高精度化，图像的画质有了显著改善。随着这些技术的进步，图像处理在工作站及个人计算机的小型机上已可以实现。数字图像出来主要采用计算机来实现，随着计算机软硬件技术的突飞猛进，以及图像处理的长足发展，使得数字图像处理技术无论在科学研究、工业生产、军事国防及现代管理决策部门等各行各业都得到越来越多的应用，其应用场合广阔、内容众多、形式新颖、门类齐全，可以说是方兴未艾，正向着实时化、大型化、小型化、远程化等多方面迅猛发展。
四、数字图像处理技术和方法简介
所谓数字图像处理就是利用计算机实现，通过对图像信息进行加工以满足人的视觉心理或者应用需求的行为。数字图像处理技术随着计算机技术的发展而产生、发展和不断成熟起来的一个新技术领域，无论
在理论方面还是在实际应用方面都取得了巨大的成就。数字图像处理技术发展迅速，目前已成为计算机科学、信息科学、生物学、医学甚至社会科学等领域个科学之间学习和研究的对象。
利用计算机对图像信息的处理基本上分成两大类：
一类是以最终恢复原图像为前提的信息压缩和用于源图像相异的形式有效的表现和显示图像的图像变换处理。基于图像数据压缩的图像传输和存储，通过图像变换来改善图像的增强和恢复。
另一类是对图像的处理，主要是提取特征信息，其处理的最终目的是为了识别。处理时，对于那些用于判别景物的特征信息给予提取，而其他信息则尽量予以舍弃，达到高度的信息压缩，并根据提取的特征信息进行分类和识别。
4.1、结论
总而言之，图像是指景物在某种成像介质上再现的视觉信息。图像是具有特定信息的某种集合体，本质上可认为图像是数据的集合。为了研究和分析图像，需对图像进行必要的处理。
图像处理是一项具有挑战性的课题，具有重要的理论意义和实际应用价值。本文在分析了图像处理技术的基础上，有利用模糊设计算法的思想，详细阐述了图像处理中的模糊算法以及其实现，应用实例来讲述一种较为简单的处理图像的方法，系统地分析了图像处理的基本知识，基本上掌握了在科学研究中获取知识的方法与途径。但是，也必须清楚地知道的是，我们对于图像处理的技术还处于很初级的水平，还有很多很多我们尚未解决的科研技术问题等待着我们去攻克，对于图像处理技术的研究工作任重而道远。
五、数字图像处理与医学图像处理结合和发展
计算机技术的迅速发展，为医学诊断带来了深刻的变革，医学图像已经成为诊断疾病的重要手段之一。医学成像技术的发展，以及计算机和通讯技术与医学影像科学的相互渗透，使医学影像在现代医学诊断中的作用越来越重要。医学研究和临床诊断所需要医学影像是多种多样的，主要分为结构影像技术和功能影像技术两大类。
医学图像处理技术包括很多方面，图像分割就是把图像中具有的特殊涵义的不同区域分开来。图像分割已在边缘检测分割法、区域跟踪分割法的基础上结合的理论上具有了更进一步的发展。医学图像配准是通过寻找某种空间变换。使两幅图像的对应点达到空间位置和解剖结构上的完全一致。在临床应用中，单一模态的图像往往不能提供医生所需要的足够信息，通常需要讲不同模态的图像融合在一起，以便得到更丰富的信息来了解病变组织或器官的综合情况，这就是图像融合技术。
六、基于模糊数学的数字图像处理的应用
在图像处理的过程中，图像处理的最终观察者是人，因此在对图像进行处理和识别的过程中，必须充分考虑图像自身的特点和人的视觉特性。图像的成像过程是一种多到一的映射过程，由此决定了图像本身存在许多不确定性和不精确性，即模糊性。这种不确定性和不精确性主要体现在图像灰度的不确定性、几何形状的不确定性和不确定性的认识，是经典数学理论很难解决的，并且这种不确定性不完全是随机的，因而很难用概率论来解决。
经过数字图像处理与模糊数学理论不断渗透，图像的模糊处理技术获得了极大的发展。模糊数学理论最初被引入图像处理理论领域，其主要是应用于高级计算机视觉和模式识别当中。其中一些模糊数学理论的分支在图像处理中得到成功的应用，典型的又FIRE算法、模糊聚类算法、模糊神经网络、模糊推理系统、模糊识别以及几种方法的综合应用。有其是它们在图像滤波、图像增强和图像融合中的应用，所取得效果要好于传统的图像处理方法。基于模糊理论在图像处理中应用取得了长足的发展。
七、基于模糊对比度的图像增强方法
图像增强要解决的首要问题就是如何增强边缘，而对于灰度图像来说就是要增强边缘区的对比度。传统的对比度增强算
法主要是通过调整图像的灰度动态范围和矫正图像的直方图分布来实现的。
对比度增强时图像处理和分析中的重要问题之一。基于模糊对比度的图像增强方法大致过程是先把图像从空间域映射到模糊域，在模糊域内通过定义一个局部对比度算子，然后通过对凸函数的增强来放大像素领域的各像素之间的差异。由于这个局部对比度定义为该像素与其领域像素灰度隶属度均值之差的绝对值，因此具有较强的几何意义。最后将图像映射回空间域，从而完成增强的过程。
模糊边缘提取法主要是采用模糊数学的方法，建立隶属函数，并对图像进行模糊增强，来提取边缘。
这里定义一个M×N矩阵I代表一幅灰值图像，它所对应的模糊举证I为：
u11 u12 (1)
I = u21 u22 (2)
………
uM1 uM2 … uMN
矩阵中的元素Umn，表示图像像素(m,n)的灰度级lmn相对于某个特定灰度级l′的隶属度，通常取l′为最大灰度级L-1在灰度图中L为256。隶属度函数定义为：
Umn=G(lmn)=lmn/(L-1)
所以有：Umn∈[0,1]
然后对图像进行模糊增强。模糊增强是对Umn进行非线性变换，其结果是增大或减少Umn的值。方法如下：
U′mn=Tr(Umn)=T1(Tr-1(Umn)),r=1,2,……
其中
0≤umn≤ui≤1
由递推公式显然有：
0≤umn≤ui≤1
式中lc称为度越点，去uc=G(lc)=0.5 在对模糊增强后的图像作相应的逆变换 = ( )=(L-1)×，然后再使用下式的Min算子对所得的图像进行处理。
=| -min{ }|， (i,j)∈Q
在这里Q取以坐标(m,n)为中心的3×3窗口，min{ }是Q范围内的所有的最小值。
对图像进行了模糊边缘提取后，选取t= ，并用下式对图像进行二值化：
随着计算机技术的不断发展和新技术的不断涌现，基于模糊数学的数字图像处理技术的应用越来越广泛。
八、基于模糊数学方法理论的图像滤波技
术的研究
对数字图像的处理往往是从图像预处
理开始的，对图像的滤波恢复是图像预处
理领域的一个重要内容，图像滤波是计算
机视觉中最基本、最重要的研究内容，是
成功进行边界提取、图像分析、图像理解
和图像描述的关键技术。图像滤波技术简
单的说就是对受噪声污染的图像信号设计
一种适合的滤波算法，使得滤波输出后的
图像信号能最佳逼近原始图像信号的技
术。
随着模糊技术的迅速发展，将模糊技
术引入到图像滤波中，形成了一个比较完
善的图像模糊滤波算法体系，并得到了较
好的滤波效果。图像模糊滤波算法很多，
从与模糊技术相结合程度划分，可以分为
模糊技术与传统技术相结合的模糊滤波算
法与完全基于模糊加权均值的纯模糊滤波
算法。并且两种方法的相互结合在图像滤
波取得了很多研究效果。
近年来，国内外在医学图像融合方面
的研究较多，但实际上多数方法只是图像
的叠加，即两幅图像配准之后将其中一幅
作为模板或者以透明方式覆盖在另一幅
上。图像叠加操作繁琐、不直观，对后期
图像处理会带来不利影响。用模糊数学的
方法可以很好的克服这一缺点，并且对抗
配准偏差能力较强。
一般认为医学图像时不确定的像素组合，即某个像素对某一个特定灰度有一个
隶属度，而这个特定灰度是某一特定组织的标志性灰度。
设U 为模糊论域，X 是在U 上取值的变量，F 是U 上的一个模糊集。当F 对X 取值起一种可伸缩的约束作用，则F 为X 的F 约束。F(u)是F 对X 取值u 是的约束程度。
X=u:F(u)
当然，F 集本身不是一个F 约束，只有当它对X 的取值进行限制时，才产生了一个对这个F 集相应的F 约束。
这个关系可以表示为：
R(X)=F
如果与变量X 有关的可能性分布为PIx ，就可假定等于R(X)，也就是：
PIx= R(X)
如此，便可以推论出以下定义：设F 是模糊论域U 上的F 集，而F(u)可解释为u 与标以F 概念的相容度。此时，与X 有关的可能性分布函数用x π来表述，并在数值上等于F 的隶属数，即：
x π(u)=F(u)
由于可能性x π(u)在数值上等于F 的隶属数，则可能性x π(u)数值运算也可等价F(u)的数值运算。即：
(1)当要保留两幅图像的最大信息时，用融合算子“∨”表示“并”，其值为： x π(A) ∨x π(B)≥max(x π(A), x
π
(B))
(2)当要保留两幅图像的最小信息时，用融合算子“∧”表示“交”，其值为：
x π(A) ∧x π(B)≥min(x π(A), x
π
(B))
(3)当要保留两幅图像的中等信息时，用融合算子“⊕”，其值为;
max(x π(A), x π(B)) ≥x π(A) ⊕x π(B)
≥min(x π(A), x π(B))
图像在精确配准之后，即可进行图像融合。对于想要重点突出的组织，就要保留它们的最大信息，用“∨”算子；对于想忽略的组织，就要保留它们的最小信息，用“∧”算子。将算子按一定顺序组合，就可以得到融合后图像。
九、在社会生产和科研活动中,人们要频繁的接触到图像,例如照片、图画、书报、医学x 光片和卫星遥感图像等。图像是人们认识客观世界的重要知识来源。随着计算机的高速化和大容量化，图像信息的处理已成为可能口另外，由于摄像设备的小型化和高精度化，图像的画质有了显著改善。随着这些技术的进步，图像处理在工作站及个人计算机的小型机上已可以实现。数字图像出来主要采用计算机来实现，随着计算机软硬件技术的突飞猛进，以及图像处理的长足发展，使得数字图像处理技术无论在科学研究、工业生产、军事国防及现代管理决策部门等各行各业都得到越来越多的应用，其应用场合广阔、内容众多、形式新颖、门类齐全，可以说是方兴未艾，正向着实时化、大型化、小型化、远程化等多方面迅猛发展。
9.1、结论
总而言之，图像是指景物在某种成像介质上再现的视觉信息。图像是具有特定信息的某种集合体，本质上可认为图像是数据的集合。为了研究和分析图像，需对图像进行必要的处理。
图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大，随之产生的图像处理技术也在不断发展。相应的模糊数学理论将会在未来图像处理技术中应用将会显示其优越性，为图像处理提供更多经典数学解决不了的问题，模糊数学理论和方法应用领域将会越来越广泛，在未来日常生活、经济发展中充当越来越重要的角色。 图像处理是一项具有挑战性的课题，具有重要的理论意义和实际应用价值。本文在分析了图像处理技术的基础上，有利用模糊设计算法的思想，详细阐述了图像处理中的模糊算法以及其实现，应用实例来讲述一种较为简单的处理图像的方法，系
统地分析了图像处理的基本知识，基本上
掌握了在科学研究中获取知识的方法与途径。但是，也必须清楚地知道的是，我们
对于图像处理的技术还处于很初级的水
平，还有很多很多我们尚未解决的科研技
术问题等待着我们去攻克，对于图像处理
技术的研究工作任重而道远。
参考文献:
陈建军.陈武凡彩色图像的模糊增强研究1995(12)
郭桂容.庄钊文信息处理中模糊技术 1993
李均利.陈刚.吴炯锋基于模糊积分的一类图像度量[期刊论文]-高校应用数学学报A 辑 2001(01)
李介谷.施鹏飞.刘重庆图像处理技术1988
陈天华.《数字图像处理》，清华大学出版社，2007年6月。
数字图像复原技术中运动模糊图像相关问题研究
数字图像复原技术中运动模糊图像相关问题研究【摘要】随数字图像复原处理技术是当前数字图像处理领域的重要研究课题之一，运动模糊图像的复原是数字图像复原处理技术中较常见也是较难解决的一类问题。本论文的研究工作正是围绕运动模糊图像复原技术展开。分析运动模糊图像的成因以及成像过程；建立运动模糊退化模型；用维纳滤波复原方法对模糊图像进行复原；根据维纳滤波运动模糊图像复原方法中的不足之处，引入介绍了一种新的方法，降低了原有算法的复杂度，改进了维纳滤波。本文主要研究了维纳滤波复原方法并对其进行了改进，其他复原方法有待我们进一步研究。 【关键词】数字图像复原处理技术；运动模糊图像复原；维纳滤波复原；改进维纳滤波复原 图像成像的过程中存在很多的退化源，数字图像在获取、传输和存储过程中受各种原因的影响，会造成图像质量的退化，典型的表现有图像模糊、失真、有噪声等。运动模糊图像是由于相机和被拍摄对象之间的相对运动而造成的模糊现象，这一现象在日常生活中经常遇到，因此运动模糊图像复原技术便成为目前图像复原技术的研究热点之一，运动模糊图像复原是数字图像处理中的一个重要课题。它研究的主要目的是改善给定的图像质量并尽可能复原图像。图像复原的目的就是尽可能恢复被退化图像的本来面目。 运动模糊图像的复原方法研究非常具有现实意义。无论在日常生
活还是在国防军工领域，运动造成图像模糊现象普遍存在，这给人们生活和航空侦察等造成很多不便，所以很有必要对运动模糊图像的恢复做深入研究。在交通系统、刑事取证中图像的关键信息至关重要，但是在交通、公安、银行、医学、工业监视、军事侦查和日常生活中常常由于摄像设备的光学系统的失真、调焦不准或相对运动等造成图像的模糊，使得信息的提取变得困难。通过对于运动模糊图像的复原，使图像变的清晰，便于更好地提取相应信息。因此对于运动模糊图像的复原技术研究更具有重要的现实意义。 一、图像复原的基本概念 图像复原技术，也称为图像去卷积技术，它是按着图像模糊的反过程进行，其目的是获取清晰的，未被污染的图像的近似值，从而我们可以使用相关信息来正确解读图像所包含的有效信息。要想复原图像，其中必须要知道的是模糊是空域不变的还是空域变化的：空域不变意味着模糊和位置无关。也就是说，一个模糊的物体无论从图像的那个位置看都是一样的。空域变化意味着模糊和位置有关。也就是说，模糊图像中的物体因位置变化而看起来有所不同。 二、维纳滤波图像复原 从噪声中提取信号波形的各种估计方法中，维纳滤波是一种最基本的方法，适用于需要从噪声中分离出的有用信号是整个信号，而不只是它的几个参量。 设维纳滤波器的输入为含噪声的随机信号。期望输出与实际输出
基于模糊控制的智能车寻迹算法研究
基于模糊控制的智能车寻迹算法研究 摘要：与传统的自动控制相比，模糊控制不用建立在被控对象准确的数学模型的基础上。这一特点在非常适用于实际运用中影响因素很多、结构十分复杂系统。其系统有易于接受，设计简单，维护方便，而且比常规控制系统稳定性好，鲁棒性高等特点。因其与本设计实际条件相似，所以选其做智能小车的寻迹算法研究。 关键词智能小车；模糊控制；寻迹算法 ABSTRACT Compared with the traditional automatic control，fuzzy control without based on a accurate mathematical model of controlled object. This feature is suitable for the systems which have many influencing factors and a very complex structure in the practical application. There are many feature in this system:such as easy to accept, the design is simple, convenient maintenance, more stability and robustness than conventional control system，and so on. Because it is similar to the actual conditions of our design, so we choose it for the smart car tracing algorithm. KEY WORDS smart car；fuzzy control；tracing algorithm
浅谈数字图像处理中的图像分割技术
电大理工 2011年12月Study of Science and Engineering at RTVU. 第4期总第249期 浅谈数字图像处理中的图像分割技术 郑洪涛 朝阳广播电视大学（ 朝阳 122500 ） 摘 要 数字图像处理科学迅速发展并得到广泛应用。图像分割是其中重要的中间技术。它依托图像数字处理底层技术，为模式识别等高层应用服务。本文简要介绍了图像分割的概念范畴和常见的分割 技术的方法描述。掌握图像分割技术有助于系统理解数字图像处理技术的层次。 关键词 数字图像处理 图像分割 阈值 数字图像处理技术，简单地说就是借助计算机的帮助对数字图像进行特定算法运算处理来满足众多应用需要的技术。它涵盖了众多图像处理方式，图像分割是其中一项重要的技术环节。 1 图像分割的范畴 图像分割处理技术属于数字图像处理技术中的图像分析范畴，是图像分析的中间层处理技术。图像分割的目的是把经过底层处理的数字图像空间分成若干有意义的区域，后期的一些高层应用如模式识别等将在这些分割的区域基础上进行。分割的依据建立在这些由像素组成的区域满足相似性和非连续性的基本概念上。 2 图像分割的方法 图像分割一般没有唯一的、标准的分割方法，也没有规定分割成功的准则。一般从以下几方面分割、描述方法： 2.1 灰度阈值法实现图像分割 阈值法主要利用直方图，设定合适的阈值来分辨物体与背景。简单地说就是在图像的灰度值中选一合适的阈值，若小于阈值则判断为背景，若大于阈值则判断为物体。这种方法适合与物体和背景之间有明显区域分界且边界封闭的情况。亦即数字图像中物体与背景的灰度值有明显差异，可较好的分割物体与背景。 (1)整体阈值 就是对整幅图像选定一固定灰度值，以此去做图像分类找出图像的物体。在物体与背景单纯且亮暗分明下才会有较好效果。 (2)适应性阈值 在不同的区域有不同的阈值，即自适性阈值。 2.2 区域法实现图像分割 区域法实现分割是以某种规则为约束（如子区域全部像素灰度相同、子区域不重合且相连接等），直接找取区域的方式实现分割。 (1)像素类聚区域成长法 此方法从一种子（seed）像素开始，通过平均灰度、组织纹理及色彩等性质的检视，将具有类似性质的像素逐一纳入所考虑的区域中，使其逐渐成长，形成子区域的方法。这种方法实际应用中至少要考虑种子像素的选择和聚类的相似性选择等因素。 (2)区域分割与合并法 首先将图像分割成不重叠的区域或子图像，
数字图像处理中的边缘检测技术
课程设计报告 设计题目：数字图像处理中的边缘检测技术学院： 专业： 班级：学号： 学生姓名： 电子邮件： 时间：年月 成绩： 指导教师：
数字图像处理中的边缘检测技术课程设计报告I 目录 1 前言:查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 (1) 1.1理论背景 (1) 1.2图像边缘检测技术研究的目的和意义 (1) 1.3国内外研究现状分析 (2) 1.4常用边缘检测方法的基本原理 (3) 2 小波变换和小波包的边缘检测、基于数学形态学的边缘检测法算法原理 (7) 2.1 小波边缘检测的原理 (7) 2.2 数学形态学的边缘检测方法的原理 (7) 3 算法实现部分：程序设计的流程图及其描述 (9) 3.1 小波变换的多尺度边缘检测程序设计算法流程图 (9) 3.2 数学形态学的边缘检测方法程序设计算法描述 (10) 4实验部分：对所给的原始图像进行对比实验，给出相应的实验数据和处理结果 (11) 5分析及结论：对实验结果进行分析比较，最后得出相应的结论 (15) 参考文献 (17) 附录：代码 (18)
1前言 查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 1.1 理论背景 图像处理就是对图像信息加工以满足人的视觉心理或应用需求的方法。图像处理方法有光学方法和电子学方法。从20世纪60年代起随着电子计算机和计算技术的不断提高和普及，数字图像处理进入了高速发展时期，而数字图像处理就是利用数字计算机或其它的硬件设备对图像信息转换而得到的电信号进行某些数学处理以提高图像的实用性。 图像处理在遥感技术，医学领域，安全领域，工业生产中有着广泛的应用，其中在医学应用中的超声、核磁共振和CT等技术，安全领域的模式识别技术，工业中的无损检测技术尤其引人注目。 计算机进行图像处理一般有两个目的：(1)产生更适合人观察和识别的图像。 (2)希望能由计算机自动识别和理解图像。数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 1.2 图像边缘检测技术研究的目的和意义 数字图像处理是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像处理也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像处理和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像处理中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速
C实现模糊控制算法
由于项目需要，需要模糊控制算法，之前此类知识为0，经过半个多月的研究，终于有的小进展。开始想从强大的互联网上搜点c代码来研究下，结果搜遍所有搜索引擎都搜不到，以下本人从修改的模糊控制代码，经过自己修改后可在 vc6.0，运行！输入e表示输出误差，ec表示误差变化率，经过测试具有很好的控制效果，对于非线性系统和数学模型难以建立的系统来说有更好的控制效果！现将其公开供大家学习研究！ #include
模糊控制算法的研究
模糊控制算法的研究 0842812128夏中宇 模糊控制概述 “模糊”是人类感知万物,获取知识,思维推理,决策实施的重要特征。“模糊”比“清晰”所拥有的信息容量更大,内涵更丰富,更符合客观世界。 在日常生活中,人们的思维中有许多模糊的概念,如大、小、冷、热等,都没有明确的内涵和外延,只能用模糊集合来描述。人们常用的经验规则都是用模糊条件语句表达,例如,当我们拧开水阀往水桶里注水时,有这样的经验:桶里没水或水较少时,应开大水阀;桶里水较多时,应将水阀关小些;当水桶里水快满时,则应把阀门关得很小;而水桶里水满时应迅速关掉水阀。其中,“较少”、“较多”、“小一些”、“很小”等,这些表示水位和控制阀门动作的概念都具有模糊性。即有经验的操作人员的控制规则具有相当的模糊性。模糊控制就是利用计算机模拟人的思维方式,按照人的操作规则进行控制,实现人的控制经验。 模糊控制理论是由美国著名的学者加利福尼亚大学教授Zadeh·L·A于1965年首先提出,它以模糊数学为基础,用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策略。 1974年,英国伦敦大学教授Mamdani·E·H研制成功第一个模糊控制器,充分展示了模糊技术的应用前景。 模糊控制概况 模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。1965年，美国的L.A.Zadeh 创立了模糊集合论；1973年他给出了模糊逻辑控制的定义和相关的定理。1974年，英国的E.H.Mamdani首先用模糊控制语句组成模糊控制器，并把它应用于锅炉和蒸汽机的控制，在实验室获得成功。这一开拓性的工作标志着模糊控制论的诞生。 模糊控制实质上是一种非线性控制，从属于智能控制的范畴。模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。模糊控制的发展最初在西方遇到了较大的阻力；然而在东方尤其是在日本，却得到了迅速而广泛的推广应用。近20多年来，模糊控制不论从理论上还是技术上都有了长足的进步，成为自动控制领域中一个非常活跃而又硕果累累的分支。其典型应用的例子涉及生产和生活的许多方面，例如在家用电器设备中有模糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等；在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等的模糊控制；在专用系统和其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊控制等。 模糊控制的基本理论 所谓模糊控制,就是在控制方法上应用模糊集理论、模糊语言变量及模糊逻辑推理的知识来模拟人的模糊思维方法,用计算机实现与操作者相同的控制。该理论以模糊集合、模糊语言变量和模糊逻辑为基础,用比较简单的数学形式直接将人的判断、思维过程表达出来,从而逐渐得到了广泛应用。应用领域包括图像识别、自动机理论、语言研究、控制论以及信号处理等方面。在自动控制领域,以模糊集理论为基础发展起来的模糊控制为将人的控制经验及推理过程纳入自动控制提供了一条便捷途径。 1.知识库
模糊图像处理解决方案。。。
造成图像模糊的原因有很多，且不同原因导致的模糊图像需要不同的方法来进行处理。从技术方面来讲，模糊图像处理方法主要分为三大类，分别是图像增强、图像复原和超分辨率重构。本文将从这三方面切入剖析。 智能化设备管理技术是利用系统管理平台软件的设备管理服务，对所有的监控设备包括摄像机、云台、编码器和系统服务器进行不间断的实时监测，当发现故障时能及时通过各种方式告警，提示维护人员及时处置。一个系统可以按照网络拓扑结构部署多台设备管理服务器，分区域对设备进行实时的巡检，这样可以大大提高系统的维护效率，尽可能做到在设备 发生故障时，在不超过10分钟的时间内被监测到并告警。 建设目标 本方案拟应用先进的机器学习和计算机视觉技术，仿真人类的视觉系统，针对某市公共安全图像资源前端摄像头出现的雪花、滚屏、模糊、偏色、画面冻结、增益失衡和云台失控等常见摄像头故障以及恶意遮挡和破坏监控设备的不法行为做出准确判断，并自动记录所有的检测结果，生成报表。以便用户轻松维护市公共安全图像资源系统。 技术路线 将视频故障分成视频信号缺失、视频清晰度异常、视频亮度异常、视频噪声、视频雪花、视频偏色、画面冻结、PTZ运动失控八种类型。其中视频信号缺失、随着“平安城市”的 广泛建设，各大城市已经建有大量的视频监控系统，虽然监控系统己经广泛地存在于银行、商场、车站和交通路口等公共场所，但是在公安工作中，由于设备或者其他条件的限制，案情发生后的图像回放都存在图像不清晰，数据不完整的问题，无法为案件的及时侦破提供有效线索。经常出现嫌疑人面部特征不清晰、难以辨认、嫌疑车辆车牌模糊无法辨认等问题，这给公安部门破案、法院的取证都带来了极大的麻烦。随着平安城市的推广、各地各类监控系统建设的进一步推进，此类问题将会越来越凸显。 模糊图像产生的原因 造成图像模糊的原因很多，聚焦不准、光学系统的像差、成像过程中的相对运动、大气湍流效应、低光照、环境随机噪声等都会导致图像模糊。另外图像的编解码、传输过程都可能导致图像的进一步模糊。总体来说，造成图像模糊的主要原因如下： ·镜头聚焦不当、摄像机故障等; ·传输太远、视频线老化、环境电磁干扰等; ·摄像机护罩视窗或镜头受脏污、受遮挡等;
模糊控制的应用
模糊控制的应用 学院实验学院 专业电子信息工程 姓名 指导教师黄静 日期 2011 年 9 月 20 日
在自动控制中，包括经典理论和现代控制理论中有一个共同的特点，即控制器的综合设计都要建立在被控对象准确的数学模型(如微分方程等)的基础上，但是在实际工业生产中，很多系统的影响因素很多，十分复杂。建立精确的数学模型特别困难，甚至是不可能的。这种情况下，模糊控制的诞生就显得意义重大，模糊控制不用建立数学模型，根据实际系统的输入输出的结果数据，参考现场操作人员的运行经验，就可对系统进行实时控制。模糊控制实际上是一种非线性控制，从属于智能控制的范畴。现代控制系统中的的控制能方便地解决工业领域常见的非线性、时变、在滞后、强耦合、变结构、结束条件苛刻等复杂问题。可编程控制器以其高可靠性、编程方便、耐恶劣环境、功能强大等特性很好地解决了工业控制领域普遍关心的可靠、安全、灵活、方便、经济等问题，这两者的结合，可在实际工程中广泛应用。 所谓模糊控制，其定义是是以模糊数学作为理论基础，以人的控制经验作为控制的知识模型，以模糊集合、模糊语言变量以及模糊逻辑推理作为控制算法的一种控制。模糊控制具有以下突出特点： (1)模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现 场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用 (2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对 那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。 (3)基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易 导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。 (4)模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控 制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。(5)模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱， 尤其适合于非线性、时变及纯滞后系统的控制。 由于有着诸多优点，模糊理论在控制领域得到了广泛应用。下面我们就以下示例介绍模糊控制在实际中的应用： 电机调速控制系统见图1，模糊控制器的输入变量为实际转速与转速给定值 ，输出变量为电机的电压变化量u。图2为电机调试之间的差值e及其变化率e c 输出结果，其横坐标为时间轴，纵坐标为转速。当设定转速为2 000r／s时，电机能很快稳定运行于2 000r／s；当设定转速下降到1 000r／s时，转速又很快下降到1 000r／s稳定运行。 图1
浅谈学习数字图像处理技术地认识
数字图像处理结课论文 ：X.X.X 学号：0.0.0.0.0.0.0.0专业：通信工程
浅谈学习数字图像处理技术的认识 摘要 数字图像处理技术是一门将图像信号转换成数字信号并利用计算机对其进行 处理的技术。图像信息是人类获得外界信息的主要来源，因为大约有70%的信息是通过人眼获得的，而人眼获得的都是图像信息。i通过数字图像处理技术对获得的图像信息进行处理来满足或者实现人们的各种需要。从某些方面来说，对图像信息的处理甚至比图像信息本身更重要，尤其是在这个科技迅猛发展的21世纪。 Abstract Digital image processing technology is a keeper image signals into digital signals and processed by computer technology. Images are a major source of human access to outside information, because some 70% of information was obtained through human eyes, are the image information obtained by the human eye. By means of digital image processing technology to obtain image information processing to meet or achieve people's various needs.In some ways, image information processing even more important than the image itself, especially in the rapid development of science and technology of the 21st century. 关键词 数字图像、处理、应用 引言 经过一个学期的学习，我对数字图像处理技术有了一个更加深刻的了解，做了几次MATLAB数字信号处理实验，知道了如何利用MATLAB编程来实现数字图像处理技术的一些基本方法，以及如何使用PHOTOSHOP软件来做一些简单的图像处理。 本文主要研究数字图像处理的特点，数字图像处理的分类, 数字图像处理的容，数字图像处理的实例，数字图像处理的具体实验举例，以及数字图像处理技术在日常生活中的一点应用 一、数字图像处理的特点 1.0处理精度高 按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16 位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。对计算机而言，不论数组大小，也不论每个像素的位数多少，其处理程序几乎是一样的。换言之，从原理上讲不论图像的精度有多高，处理总是能实现的，只要在处理时改变程序中的数组参数就可以了。试想一下图像的模拟处理，为了要把处理精度提高一个数量级，就要大幅度地改进处理装置，这在经济上是极不合算的。
基于MATLAB的运动模糊图像处理
基于 MATLAB 的运动模糊图像处理 提醒： 我参考了文献里的书目和网上的一些代码而完成的，所以误差会比较大，目前对于从网上下载的模糊图片的处理效果很不好，这是我第一次上传自己完成的实验的文档，希望能帮到一些人吧。 研究目的 在交通系统、刑事取证中图像的关键信息至关重要，但是在交通、公安、银行、医学、工业监视、军事侦察和日常生活中常常由于摄像设备的光学系统的失真、 调焦不准或相对运动等造成图像的模糊，使得信息的提取变得困难。但是相对于散焦模糊，运动模糊图像的复原在日常生活中更为普遍，比如高速运动的违规车辆的车牌辨识，快速运动的人群中识别出嫌疑人、公安刑事影像资料中提 取证明或进行技术鉴定等等，这些日常生活中的重要应用都需要通过运动模糊 图像复原技术来尽可能地去除失真，恢复图像的原来面目。因此对于运动模糊图像的复原技术研究更具有重要的现实意义。 图像复原原理 本文探讨了在无噪声的情况下任意方向的匀速直线运动模糊图像的复原问题， 并在此基础上讨论了复原过程中对点扩散函数 (PSF)的参数估计从而依据自动鉴别 出的模糊方向和长度构造出最为近似的点扩散函数，构造相应的复原模 型，实现运动模糊图像的复原；在模糊图像自动复原的基础上，根据恢复效果图的纹理特征和自动鉴别出的模糊长度和角度，人工调整模糊方向和长度参 数，使得复原效果达到最佳。 实验过程 模糊方向的估计： 对图 1(a)所示的原始图像‘车牌’图像做方向= 30，长度 L=20像素的匀速直线运动模糊，得到退化图像如图1(b)
1(a)1(b) j=imread('车牌 1.jpg');len=20; theta=30; figure(1),imshow(j);psf=fspecial('motion',len,theta); title(' 原图像');j1=imfilter(j,psf,'circular','conv'); figure,imshow(j1); title('PSF模糊图像'); 图 1(c)和 1(d)分别为原图像和模糊图像的二次傅里叶变化
离散化 Pid 模糊控制算法
论文标题: 设计PID ，离散化，模糊化控制器 PID 控制器设计 一 PID 控制的基本原理和常用形式及数学模型 具有比例-积分-微分控制规律的控制器，称PID 控制器。这种组合具有三种基本规律各自的特点，其运动方程为： dt t de dt t e t e t m K K K K K d p t i p p )()()()(0 ++=? 相应的传递函数为： ???? ??++=S S s K K K d i p c 1)(D S S S K K K d i p 12++? = 二 数字控制器的连续化设计步骤 假想的连续控制系统的框图
1 设计假想的连续控制器D（s） 由于人们对连续系统的设计方法比较熟悉，对由上图的假想连续控制系统进行设计，如利用连续系统的频率的特性法，根轨迹法等设计出假想的连续控制器D（S）。 2 选择采样周期T 香农采样定理给出了从采样信号到恢复连续信号的最低采样频率。在计算机控制系统中，完成信号恢复功能一般有零阶保持器H（s)来实现。零阶保持器的传递函数为 3将D（S）离散化为D（Z） 将连续控制器D（S）离散化为数字控制器D（Z）的方法很多，如双线性变换法，后向差分法，前向差分法，冲击响应不变法，零极点匹配法，零阶保持法。 双线性变换法 然后D（S）就可以转化离散的D（Z) 三Matlab仿真实验 直接试探法求PID 根据这个框图，求出该传递函数的P=0.35 I=0 D=0
根据 ???? ??++=S S s K K K d i p c 1)(D D （Z ）=0.35 T=0.01 数字连续话PID 控制器设计MA TLAB 仿真框图 实验结果 没有经过调节的结果为
非线性系统模糊控制算法研究
非线性系统模糊控制算法研究 摘要：随着社会科技的进步，系统自动化越来越强，而要强化系统的自动化，就需要对系统控制进行深入的研究。系统控制是我国目前科学研究的一个重要方向，通过基本结构的建立和仿真实验，控制分析的深度会有明显的增加。在系统控制当中，非线性系统的模糊控制是一项重要的内容，通过对此中控制的算法进行分析和研究，可以提供非线性系统模糊控制的有效性。该文就非线性系统控制算法进行研究，旨在分析此系统算法的应用优势，从而强化其在实践中的应用水平。 关键词：非线性系统模糊控制算法研究 中图分类号：TP273.4 文献标识码：A 文章编号：1672-3791（2017）04（c）-0196-02 在控制研究中，比较典型的基于受控对象精确模型的控制是古典控制和状态空间模型控制。在实际研究中发现，除去受控对象比较精确的控制外，还存在比较复杂的控制，这种控制的受控对象不明确，所以数学模型的建立相对困难。为了对这种控制进行有效的利用，采用模糊控制算法进行数学模型的建立是主要的方法。因此，积极的对非线性系统模糊控制算法进行研究意义重大。
1 模糊控制的数学描述 模糊控制是控制研究中的重要类别，这种控制不仅是一种实时控制，而且不依赖于受控对象的精确模型，所以说它是一种打破了传统束缚的新型计算机控制。此种控制的产生为解决更加复杂的计算机问题带来了全新的方法。从特征上来看，此种方法对于模型的要求比较低，而且在实际利用中的计算非常简便，控制性能也比较优良。该文在非线性系统中进行模糊控制算法的研究，为了使得研究简便，利用了一个非线性系统的式子： 在这个式子当中，u表示的是输入量，而y则表示输出量，整个式子代表是就是工程实际当中难于建模的一大类复杂受控对象。根据这个式子，确定合适的参考轨迹，控制公式便可以得到书写。 2 模糊控制的算法原理 模糊控制的算法原理是研究的重点内容，在实际分析的过程中主要包括了四个方面：第一是进行非线性系统的模糊模型建立，然后对其进行规范化，使其转变为参数辨识问题。比如在考虑一个SISO非线性系统的时候，将系统的输入空间和输出空间按照精度进行分别的量化，那么系统的特性便会转变为一个特定的公式，整个公式反应了系统的条件，也构成了系统的模糊模型。第二是对模型的在线递推进行修正。为了使得整个控制测算更加的精确，利用全新的信息结
浅谈数字图像处理技术的基本原理[1]
ＩＳＳＮ１００９－３０４４ ＣｏｍｐｕｔｅｒＫｎｏｗｌｅｄｇｅａｎｄＴｅｃｈｎｏｌｏｇｙ电脑知识。ｉ技术 Ｖ０１．６，Ｎｏ．６，Ｆｅｂｒｕａｒｙ２０１０，ＰＰ．１４５２—１４５３，１４６０ 浅谈数字图像处理技术的基本原理 潘振赣ｕ。龚声蓉１ （１．苏州大学计算机科学与技术学院，汀苏苏州２１５００６；２．苏州科技学院网络中心，江苏苏州２１５００９） Ｅ—ｍａｉｌ：ｅｄｕｆ＠ｃｃｃｃ．ｎｅｔ．ｃｎ ｈｔｔｐ：／／ｗｗｗ．ｄｉｉｚｓ．ｎｅｔ．ｃｒｌＴｅｌ：＋８６—５５ｌ一５６９０９６３５６９０９６４ 摘要：原始资料因为时间原因变得模糊不清．人眼无法识别相关内容．把这些原始资料变为数字图象输入计算机，运用数字图象处理技术对这些数字图像进行去除噪声、增强、复原、分割等处理，将其还原达到人眼可以看清的效果，可以保存资料和进行历史研究。 关键词：识别；图象处理；去噪；增强：复原；分割 中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１００９－３０４４（２０１０）０６一１４５２—０２ ＡＳｕｒｖｅｙｏｆｔｈｅＢａｓｉｃＰｒｉｎｃｉｐｌｅｓｉｎＤｉｇｉｔａｌＩｍａｇｅＰｒｏｃｅｓｓｉｎｇＴｅｃｈｎｏｌｏｇｙ ＰＡＮＺｈｅｎ—ｇａｎ”．ＧＯＮＧＳｈｅｎｇ—ｒｏｎ９１ （１．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｎｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ＳｏｏｃｈｏｗＵＭｖｅｒｓｉＷ，Ｓｕｚｈｏｕ２１５００６，Ｃｈｉｎａ；２．ＣｅｒｔｅｒｏｆＮｅｔｗｏｒｋ，ＳｕｚｈｏｕＵｍｖｅｍｉｔｙｏｆＳｃｉｎｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｓｕｚｈｏｕ２１５００９，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｆｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｃｏｎｔｅｎｔｓｏｆｂｌｕａ－ｙ，ＫＯＵＴＣＣｍａｔｅｒｉａｌｓａｒｅｄｉｆｆｉｃｕｌｔｆｏｒｎａｋｅｄ ｅｙｅ ｔｏｉｄｅｎｔｉｆｙ．ｉｔｉｓｆｅａｓｉｂｌｅｔＯｐｒｅｓｅｒｖｅｔｈｅｍａｔｅｒｉ—ａｌｓａｎｄｃａｒｒｙＯＵｔｈｉｓｔｏｒｙｒｅｓｅａｒｃｈｂｙｉｎｐｕｔｔｉｎｇｔｈｅｄｉｇｉｔａｌｉｍａｇｅｓｏｆｓｏｕｒｃｅｍａｔｅｒｉａｌｓｉｎｔｏａｃｏｍｐｕｔｅｒ，ｄｉｓｐｏｓｉｎｇｔｈｅｉｍａｇｅｓｗｉｔｈｔｈｅｔｅｃｈｎｏｔ—ｏｇｙｏｆｎｏｉｓｅｒｅｍｏｖａｌ，ｅｎｈａｎｃｅｍｅｎｔ，ｒｅｓｔｏｒａｔｉｏｎ，ｓｅｇｍｅｎｔａｔｉｏｎａｎｄｒｅｖｅｒｔｉｎｇｔｈｅｍｔＯｔｈｅｅｆｆｅｃｔｏｆｖｉｓｉｂｉｌｉｔｙ． Ｋｅｙｗｏｒｄｓ：ｉｄｅｎｔｉｆｆ；ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ；ｎｏｉｓｅｒｅｍｏｖａｌ；ｅｎｈａｎｃｅｍｅｎｔ；ｒｅｓｔｏｒａｔｉｏｎ；ｓｅｇｍｅｎｔａｔｉｏｎ 一些历史档案和资料具有很高的研究价值，对于研究该地区当时的经济和文化背景有很大的作用，但是因为年代久远．其纸质或布质的材质冈为时间原因，使得写在上面的图案和义字资料都模糊不清，有砦肉眼已经很难分辨出具体内容，对于历史和研究都是很大的损失，用数码相机将这些纸质或布质材质的资料拍摄下来输入计算机，将原始的资料变为数字图象，再用数字图象处理的方法将其处理还原，以达到人眼可以看清内容，进行研究的效果。 用计算机进行图像处理的前提是图像必须以数字格式存储到计算机中，以数字格式存放的图像称为数字图像（ｄｉｇｉｔａｌｉｍａｇｅ）。数字图像处理（ｄｉｇｉｔａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ），就足利用计算机对数字图像进行去除噪声、增强、复原、分割、特征提取等理论、方法和技术，将原始资料清晰化，改善图象的质量，使人的肉眼可以看清这些图象，从而得以保存和研究的目的。由于图像处理是利用计算机硬件和软件实现的．因此也被称为计算机罔像处理（ｃｏｍｐｕｔｅｒｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ）。 数字图象处理一般有两种基本的方法：一种方法是在图象的空间域中处理．即红罔象空间中对图象本身直接进行各种处理优化，达到改善图象质量的目的；另一种疗法是把空间网象进行某些转化，从空间域转到频率域巾。再在频率域中进行各种处理，然后再变叫到图象的空间域，形成处理后的图象，从而达到改善图象质量的目的。 １去除噪声 原始实体资料变为数字图象在计算机中进行处理的时候，可能会产生各种各样的噪声，这些噪声可能是在进行数字转换过程中，因为输入设备的原因产生，也可能在对数字图象的处理中产生，噪声不一定是真实的声音，可以理解为影响人的视觉器官或系统传感器对所接收图象源信息进行理解或分析的各种因素。不同原因产生的噪声，其分布特性也不完全相同，根据噪声和信号的关系可将其分为两种形式：１）加性噪声，此类噪声与输入图象信号无关，含噪图象表示为ｑｘ，ｙ）＝ｇ（ｘ，ｙ）＋ｎ（ｘ，ｙ）；２）乘性噪声，此类噪声与图象信号有关，含噪图象表示为ｆ（ｘ，ｙ）＝ｇ（ｘ，ｙ）＋ｎ（ｘ，ｙ）ｇ（ｘ，ｙ）。噪声对罔象处理卜分重要，如果图象伴有较大噪声，它会直接影响到图象处理的输入、采集、处理的各个环节以及输出的全过程甚至输出结果，因此。在进行数字图象处理的时候，首先需要对目标图象进行去除噪声的工作。 １．１均值滤波器 采用邻域平均法的均值滤波器适用于去除通过扫描得到的图象中的颗粒噪声。邻域平均法是空间域平滑技术。对于给定的图象ｆ（ｘ，ｙ）中的每个像点（ｘ，ｙ），取其邻域Ｓｘｙ，设Ｓｘｙ含有Ｍ个像素，取其平均值作为处理后所得图像像点（ｘ，ｙ）处的灰度。 １－２自适应维纳滤波器 它能根据图象的局部方差来调整滤波器的输出，局部方差越大，滤波器的平滑作用越强。它的最终目标是使恢复图像ｆ＾（ｘ，ｙ）与原始图像ｆ（ｘ，ｙ）的均方误差ｅ２＝Ｅ［（ｆｆｘ，ｙ）一ｆ＾（ｘ，ｙ））２１最小。 １．３中值滤波器 基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的ｒＩｉ值代换。其主要功能是让周嗣象索灰度值的差 收稿日期：２００９—１２—２７ 作者简介：潘振赣ｆ１９７６一），男，江苏兴化人，苏州科技学院工程师，苏州大学在职研究生，研究方向为模式识别，数字图象处理，龚声蓉（１９６６一）苏州大学计算机科学与技术学院教授，研究生导师。 １４５２－－人工■■夏识勇怕Ｅ术本栏目责任编辑：唐一东
基于MATLAB的运动模糊图像恢复技术
基于MATLAB的运动模糊图像恢复技术 王洪珏 （温州医学院，浙江，温州） 摘要：MATLAB是当今流行的科学计算软件，它具有很强的数据处理能力。在其图像处理工具箱中有四个图像复原函数，本文就这些函数的算法原理、运用和恢复处理效果结合实力效果作简要对比讨论。 0前言 图像复原时图像处理中一个重要的研究课题。图像在形成、传输和记录的过程中，由于传感器的噪声、摄像机未对好焦、摄像机与物体相对运动、系统误差、畸变、噪声等因素的影响，使图像往往不是真实景物的完善影像。这种图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像质量下降的过程称为图像的退化。图像复原就是通过计算机处理，对质量下降的图像加以重建或恢复的过程。 图像复原过程一般为：找退化原因→建立退化模型→反向推演→图像复原 1算法产生概述 开发算法时，首先要创建图像退化的线性数学模型，接着选择准则函数，并以适当的数学形式表达，然后进行数学推演。推演过程中通常要进行表达形式（即空域形式、频域形式、矩阵-矢量形式或变换域形式）的相互转换，最后得到图像复原算式。 退化数学模型的空域、频域、矢量-矩阵表达形式分别是： g(x,y)=d(x,y)*f(x,y)+n(x,y) G(u,v)=D(u,v)〃F(u,v)+N(u,v) g=HF+n 其中：g(x,y)、d(x,y)、f(x,y)、n(x,y)分别为观测的退化图像、模糊函数、原图像、加性噪声，*为卷积运算符，（x=0,1,2，…，M-1），（y=0,1,2，…，N-1）。 2运动模糊的产生 景物与相机之间的相对运动通常会使相机所成的像存在运动模糊。对于线性移不变模糊，退化图像u0可以写成，u0=h*u+n，其中h为模糊核，*表示卷积，n为加性噪声。 由du/dt=0,文献[5]将这种运动模糊过程描述为波动方程：
模糊控制算法研究报告
《智能控制》 课程设计报告 专业：自动化 班级：学号： 学生： 时间：13年12月30日～13年1月3日 ―――――――以下指导教师填写――――― 分项成绩：出勤设计报告 总成绩： 指导教师：
设计报告要求和成绩评定 1 报告容 设计任务书（设计计划），正文，参考资料。 设计任务书（设计计划）由学生所在系安排指导教师编写，容包括设计地点、时间、安排和设计容和要求等。 正文容一般包括：（1）设计简述（设计时间、设计地点，设计方式等）；（2）设计容叙述；（3）设计成品(图纸、表格或计算结果等)；（4）设计小结和建议。 参考资料包括参考书和现场技术资料等。 2 书写用纸 A4复印纸；封面、设计任务书要求双面打印。 3 书写要求 正文容手工双面或单面书写，字迹清楚，每页20行左右，每行30字左右，排列整齐；页码居中写在页面下方；纸面上下左右4侧边距均为2厘米。 公式单占一行居中书写；插图要有图号和图题，图号和图题书写在插图下方；表格要有表号和表题，表号和表题在表格上方书写；物理量单位和符号、参考文献引用和书写以及图纸绘制要符合有关标准规定；有关细节可参考我院《毕业设计成品规》。 4 装订 装订顺序：封面，设计任务书，正文及参考资料，封底；左边为装订边，三钉装订，中间钉反向装订。 5 成绩评定 设计成绩一般由出勤（10分）、报告书写规性及成品质量（50分）、考核（40分）三部分成绩合成后折合为优秀（90－100分）、良好（80－89分）、中（70－79分）、及格（60－69分）或不及格（60分以下）。设计考核可采取笔试、机试或其它合适的方式；不参加考核或不交报告者成绩为零分。
图像处理之三种常见双立方插值算法
图像处理之三种常见双立方插值算法 图像处理之三种常见双立方插值算法双立方插值计算 涉及到16个像素点，其中(i’, j’)表示待计算像素点在源图像 中的包含小数部分的像素坐标，dx表示X方向的小数坐标，dy表示Y方向的小数坐标。具体可以看下图： 根据上述图示与双立方插值的数学表达式可以看出，双立方插值本质上图像16个像素点权重卷积之和作为新的像素值。其中R(x)表示插值表达式，可以根据需要选择的表达式不同。常见有基于三角取值、Bell分布表达、B样条曲线表达式。1. 基于三角形采样数学公式为 最简单的线性分布，代码实现如下：[java] view plain copy private double triangleInterpolation( double f ) { f = f / 2.0; if( f < 0.0 ) { return ( f + 1.0 ); } else { return ( 1.0 - f ); } } 2.基于Bell分布采样的数学公式如下： Bell分布采样数学公式基于三次卷积计算实现。代码实现如下：[java] view plain copy private double bellInterpolation( double x ) { double f = ( x / 2.0 ) * 1.5; if( f > -1.5 && f < -0.5 ) { return( 0.5 * Math.pow(f + 1.5, 2.0)); } else if( f > -0.5 && f < 0.5 )
基于MATLAB的运动模糊图像处理
基于MATLAB的运动模糊图像处理 提醒： 我参考了文献里的书目和网上的一些代码而完成的，所以误差会比较大，目前对于从网上下载的模糊图片的处理效果很不好，这是我第一次上传自己完成的实验的文档，希望能帮到一些人吧。 研究目的 在交通系统、刑事取证中图像的关键信息至关重要，但是在交通、公安、银行、医学、工业监视、军事侦察和日常生活中常常由于摄像设备的光学系统的失真、调焦不准或相对运动等造成图像的模糊，使得信息的提取变得困难。但是相对于散焦模糊，运动模糊图像的复原在日常生活中更为普遍，比如高速运动的违规车辆的车牌辨识，快速运动的人群中识别出嫌疑人、公安刑事影像资料中提取证明或进行技术鉴定等等，这些日常生活中的重要应用都需要通过运动模糊图像复原技术来尽可能地去除失真，恢复图像的原来面目。因此对于运动模糊图像的复原技术研究更具有重要的现实意义。 图像复原原理 本文探讨了在无噪声的情况下任意方向的匀速直线运动模糊图像的复原问题，并在此基础上讨论了复原过程中对点扩散函数(PSF)的参数估计从而依据自动鉴别出的模糊方向和长度构造出最为近似的点扩散函数，构造相应的复原模型，实现运动模糊图像的复原；在模糊图像自动复原的基础上，根据恢复效果图的纹理特征和自动鉴别出的模糊长度和角度，人工调整模糊方向和长度参数，使得复原效果达到最佳。 实验过程 模糊方向的估计： 对图1(a)所示的原始图像‘车牌’图像做方向θ=30?，长度L=20像素的匀速直线运动模糊，得到退化图像如图1(b)
1(a) 1(b) j=imread('车牌1.jpg'); figure(1),imshow(j); title('原图像'); len=20; theta=30; psf=fspecial('motion',len,theta); j1=imfilter(j,psf,'circular','conv'); figure,imshow(j1); title('PSF 模糊图像'); 图1(c)和1(d)分别为原图像和模糊图像的二次傅里叶变化