圖像處理技術論文精品(七篇)

序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇圖像處理技術論文范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

基于圖像采集卡的視頻圖像處理系統

計算機圖像處理系統從系統層次上可分為高、中、低檔三個層次，目前一般比較普及的是低檔次的系統，該系統由CCD（攝像頭）、圖像采集卡、計算機三個部分組成，其結構簡單，應用方便，效果也比較不錯，得到的圖像較清晰。目前網上基于VC開發經驗的文章不少，可是關于如何在VC開發平臺上使用圖像采集卡的文章確沒發現，筆者針對在科研開發中積累的使用圖像采集卡經驗，介紹如何自己是如何將采集卡集成到圖像開發系統中，希望能夠給目前正需要利用圖像采集卡開發自己的圖像處理系統的朋友有所幫助。

使用的攝像機采用臺灣BENTECHINDUSTRIAL有限公司生產的CV-155L黑白攝像機。該攝像機分辨率為752x582。圖象采集卡我們采用北京中科院科技嘉公司開發的基于PCI總線的CA-MPE1000黑白圖象采集卡。使用圖像采集卡分三步，首先安裝采集卡的驅動程序，并將虛擬驅動文件VxD.vxd拷貝到Windows的SYSTEM目錄下；這時候就可以進入開發狀態了，進入VC開發平臺，生成新的項目，由于生產廠家為圖像采集卡提供了以mpew32.dll、mpew32.lib命名的庫文件，庫中提供了初始硬件、采集圖像等函數，為使用這些函數，在新項目上連接該動態庫；最后一步就是采集圖像并顯示處理了，這一步要設置系統調色板，因為采集卡提供的是裸圖形式，既純圖像數據，沒有圖像的規格和調色板信息，這些需要開發者自己規定實現，下面是實現的部分代碼：

CTestView::CTestView()

{

W32_Init_MPE1000();//初始化采集卡

W32_Modify_Contrast(50);//下面的函數是為了對采集卡進行預設置

W32_Modify_Brightness(45);//設置亮度

W32_Set_HP_Value(945);//設置水平采集點數

wCurrent_Frame=1;//當前幀為1，獲取的圖像就是從這幀取得的

//設置采集信號源，僅對MPE1000有效

W32_Set_Input_Source(1);

W32_CACardParam(AD_SETHPFREQ,hpGrabFreq);

W32_Set_PAL_Range(1250,1024);//設置水平采集范圍

W32_Set_VGA_Mode(1);

wGrabWinX1=0;//采集窗口的左上角的坐標

wGrabWinY1=0;

firstTime=TRUE;

bGrabMode=FRAME;

bZipMode=ZIPPLE;

/

lpDib=NULL;//存放獲取的圖像數據

}

CTestView::~CTestView()

{

W32_Close_MPE1000();//關閉采集卡

}

////顯示采集的圖象，雙擊鼠標采集停止

voidCTestView::OnGraboneframe()

{

//TODO:Addyourcommandhandlercodehere

wCurrent_Frame=1;

//設置采集目標為內存

W32_CACardParam(AD_SETGRABDEST,CA_GRABMEM);

//啟動采集

if(lpDib!=NULL)

{

GlobalUnlock(hglbDIB);

GlobalFree(hglbDIB);

}

//分配內存

hglbDIB=GlobalAlloc(GHND,(DWORD)wImgWidth*(DWORD)wImgHeight);

lpDib=(BYTE*)GlobalLock(hglbDIB);

hdc=GetDC()->GetSafeHdc();

if(lpDib!=NULL)

{

cxDib=wImgWidth;

cyDib=wImgHeight;

SetLogicPal(hdc,cxDib,cyDib,8);

SetStretchBltMode(hdc,COLORONCOLOR);

bGrabMark=TRUE;

while(bGrabMark==TRUE)

{

if(msg.message==WM_LBUTTONDBLCLK)

bGrabMark=FALSE;

W32_ReadXMS2Buf(wCurrent_Frame,lpDib);

SetDIBitsToDevice(hdc,0,0,cxDib,cyDib,0,0,

0,cyDib,(LPSTR)lpDib,

bmi,

DIB_RGB_COLORS);

}

//停止采集

W32_CAStopCapture();

::ReleaseDC(GetSafeHwnd(),hdc);

return;

}

////將下面這個函數添加在視圖類的CTestView::OnSize（）函數中，就可以對系統的調色板進行設置。

voidWINAPIInitLogicPal(HDChdc,shortwidth,shortheight,WORDbitCount)

{

intj,i;

shortcxDib,cyDib;

LOGPALETTE*pLogPal;

j=256;

if((pLogPal=(LOGPALETTE*)malloc(sizeof(LOGPALETTE)+(j*sizeof(PALETTEENTRY))))==NULL)

return;

pLogPal->palVersion=0x300;

pLogPal->palNumEntries=j;

for(i=0;ipLogPal->palPalEntry[i].peRed=i;

pLogPal->palPalEntry[i].peGreen=i;

pLogPal->palPalEntry[i].peBlue=i;

pLogPal->palPalEntry[i].peFlags=0;

}

hPal=::CreatePalette(pLogPal);

deletepLogPal;

::SelectPalette(hdc,hPal,0);

::RealizePalette(hdc);

cxDib=width;cyDib=height;

if((bmi=(BITMAPINFO*)malloc(sizeof(BITMAPINFOHEADER)+j*sizeof(RGBQUAD)))==NULL)

return;

//bmi為全局變量，用于顯示圖像時用

bmi->bmiHeader.biSize=40;

bmi->bmiHeader.biWidth=cxDib;

bmi->bmiHeader.biHeight=cyDib;

bmi->bmiHeader.biPlanes=1;

bmi->bmiHeader.biBitCount=bitCount;

bmi->bmiHeader.biCompression=0;

bmi->bmiHeader.biSizeImage=0;

bmi->bmiHeader.biXPelsPerMeter=0;

bmi->bmiHeader.biYPelsPerMeter=0;

bmi->bmiHeader.biClrUsed=0;

bmi->bmiHeader.biClrImportant=0;

for(i=0;ibmi->bmiColors[i].rgbBlue=i;

bmi->bmiColors[i].rgbGreen=i;

bmi->bmiColors[i].rgbRed=i;

bmi->bmiColors[i].rgbReserved=0;

}

}

視頻"畫中畫"技術

"畫中畫"這個概念類似與彩色電視機"畫中畫"，就是在一幅大的圖像內顯示另外一幅內容不同的小的圖像，小圖像的尺寸大小一般地說為大圖像尺寸的1/4或1/9，顯示位置在大圖像的右上角。這種技術不僅在電視技術中，在可視電話系統也可以發現這種技術的身影，它們都是依靠硬件來實現的，但是如何在VC開發平臺上用編程語言來將該功能添加到自己開發的視頻監控軟件，為使用者提供更大的信息量呢？也許讀者最容易想到的是首先顯示大圖像，然后再在一個固定位置畫第二幅小圖像，這種技術技術如果對于靜止圖像當然沒有問題，但是對于視頻流，由于每一秒鐘需要畫25幀，即25幅圖像，這樣一來計算機需要不停的畫不停的擦除，會給用戶以閃爍的感覺，如何解決這個問題呢？有的參考書上將大小圖像分快顯示，這種方法要將待顯示的圖像數據與顯示位置的關系對應起來，容易出錯不說，而且麻煩，且速度慢，為此，我對該方法進行了改進，得到了滿意的效果。實現的代碼如下：

voidpictureinpicture()

{

………………………..

CBitmapbitmap,*oldmap;

pData1=(BYTE*)newchar[biWidth*biHeight*3];//biWidth和biHeight為視頻采集卡獲取//的圖像尺寸。

Read(pData1,bih.biWidth*bih.biHeight*3);//該函數從采集卡中獲取數據

CClientDCdc(this);

m_pBMI1=newBITMAPINFO;//自定義的BMP文件信息結構，用于后面的圖像顯示

m_pBMI1->bmiHeader.biBitCount=24;

m_pBMI1->bmiHeader.biClrImportant=0;

m_pBMI1->bmiHeader.biClrUsed=0;

m_pBMI1->bmiHeader.biCompression=0;

m_pBMI1->bmiHeader.biHeight=biHeight;

m_pBMI1->bmiHeader.biPlanes=1;

m_pBMI1->bmiHeader.biSize=40;

m_pBMI1->bmiHeader.biSizeImage=WIDTHBYTES(biWidth*8)*biHeight*3;

m_pBMI1->bmiHeader.biWidth=biWidth;

m_pBMI1->bmiHeader.biXPelsPerMeter=0;

m_pBMI1->bmiHeader.biYPelsPerMeter=0;

////////////////////////////////////////////////////////////////////////

pData2=(BYTE*)newchar[biWidth1*biHeight1*3];//申請存放小圖像的緩沖區

Read(pData2,biWidth1*biHeight1*3);////向該緩沖區讀數據

m_pBMI2=newBITMAPINFO;

m_pBMI2->bmiHeader.biBitCount=24;

m_pBMI2->bmiHeader.biClrImportant=0;

m_pBMI2->bmiHeader.biClrUsed=0;

m_pBMI2->bmiHeader.biCompression=0;

m_pBMI2->bmiHeader.biHeight=biHeight1;

m_pBMI2->bmiHeader.biPlanes=1;

m_pBMI2->bmiHeader.biSize=40;

m_pBMI2->bmiHeader.biSizeImage=WIDTHBYTES(biWidth1*8)*biHeight1*3;

m_pBMI2->bmiHeader.biWidth=biWidth1;

m_pBMI2->bmiHeader.biXPelsPerMeter=0;

m_pBMI2->bmiHeader.biYPelsPerMeter=0;

//下面實現畫中畫的顯示

CDCMemDc;

MemDc.CreateCompatibleDC(&dc);

bitmap.CreateCompatibleBitmap(&dc,biWidth,biHeight);

oldmap=MemDc.SelectObject(&bitmap);

::StretchDIBits(MemDc.m_hDC,0,0,biWidth,biHeight,0,0,—biWidth,biHeight,pData1,m_pBMI1,DIB_RGB_COLORS,SRCCOPY);//首先將大圖像畫在內寸上下文中

::StretchDIBits(MemDc.m_hDC,20,20,biWidth1,biHeight1,_

0,0,biWidth1,biHeight1,pData2,m_pBMI2,DIB_RGB_COLORS,SRCCOPY);//再將小圖像畫在內寸上下文中

::StretchBlt(dc.m_hDC,0,0,bih.biWidth,bih.biHeight,_

MemDc.m_hDC,0,0,bih.biWidth,bih.biHeight,SRCCOPY);//將結果顯示在屏幕上。

MemDc.SelectObject(oldmap);

deletepData1;

deletem_pBMI1;

deletepData2;

篇(2)

關鍵詞：煙葉數字圖像；邊緣處理；形態學變換；特征抽取；智能識別

1引言

煙葉是煙草工業的基礎原料， 對煙草工業生產質量和煙草行業經營效益具有舉足輕重的作用。對煙葉生產過程的各個環節包括煙葉品質的智能識別進行技術創新，提高品質和效率，是一個前沿研究方向[1][5]。

當前這一方面的研究，主要集中在數字圖像處理方面，把煙葉品質的數字圖像處理與神經網絡技術相結合，實現煙葉品質的智能識別，是一個極有價值的工作。以下在此方面作出一個系統的、較為完備的、易于實際操作的研究。

2主要技術手段

2．1 MAⅡAB圖像處理工具箱

在MATLAB平臺上，借助圖像處理工具箱，可以簡易明快地實現對煙葉數字圖像的圖像處理。在煙葉生產一線，用數碼照相機對各種煙葉樣本進行拍照，輸入計算機，用MAT_LAB將它轉換為各(．bmp；．jpeg；．gif；．png；．t 圖片以便進行圖像處理。成本低，精確度高，宜于普及推廣。獲取各種類型的煙葉數字圖像以后，經閾值使用權圖像二值化，可以當即辨識出這一圖像是否具有何種類型的病蟲害或品質異變。利用煙葉數字圖像的邊緣檢測、輪廓提取等分析命令，獲得待測煙葉的圖像參數和特征，再由神經網絡技術，完成對煙葉品質的智能識別。

2．2神經網絡技術

神經網絡是一個新的智能識別工具。畢業論文 經過訓練的神經網絡能夠存儲與過程有關的信息，能直接從歷史數據中學習，經過用各種煙葉樣本訓練和學習的神經網絡，能自動地識別出待測煙葉樣本的品質類型。而且，神經網絡具有濾除噪聲及在有噪聲情況下得出正確結論的能力。這一點對于煙葉生產實際中大量存在各種噪聲信息的情況而言，特別重要。它特別適合在線識別。

3應用MATLAB圖像處理工具箱和神經網絡技術對煙葉品質智能識別的操作過程

3．1煙葉圖片樣本庫的建立

用數碼相機或其它數字圖像采集工具，采集各種類型的煙葉的標準圖片，分類歸檔，借助MATLAB圖像變換功能，將各種類型的煙葉的標準圖片，轉換成各種圖片形式：．bmp；．jpeg；．sir；．png；．tif等，以便隨時調用。這些煙葉圖片，有不同品質的樣本；還有各種病蟲害標本和變異標本。

3．2用直方圖均衡來實現圖像增強

當從生產一線采集的煙葉待測樣本的圖像對比度較低，碩士論文 即灰度直方圖分布區間較窄時，可用直方圖均衡實現灰度分布區間展寬而達到圖像增強的效果。

3．3煙葉圖像的邊緣檢測和特征提取

煙葉圖像的基本特征之一是圖像邊緣。圖像邊緣是圖像周圍像素灰度有階躍性變化或屋頂變化的像素的集合。煙葉的邊緣是由灰度的不連續性所致，因此考察圖像每個像素在某個鄰域內灰度的變化，利用邊緣鄰近一階或二階方向導數變化規律可以檢測煙葉圖像邊緣。圖像特征反映煙葉的幾何結構，如面積、周長、分形分維數、孔洞數、歐拉數等等。圖像特征的選擇是圖像識別的重要環節。運用二叉分類法在找出判別特征后，對不同的圖像特征由分類閾值按二分的方法進行分類；運用相似距離分類方法把待判圖像與一個標準圖像相比，標準圖像用樣本圖像特征向量的均值來表示。通過計算待判圖像與標準圖像之問的在相空間中的距離來判別圖像和進行分類。這一過程還為用神經網絡技術實現對煙葉品質進行智能識別作出必要的準備。

3．4數字圖像矩陣數據的顯示及其傅立葉

變換這一變換的目的是為提取特征、進行神經網絡模式識別等作出必要的準備。

轉貼于 3．5直方圖均勻化

這是使煙葉圖像性質更為優良而采取的一個技術操作，源代碼如下：

I=imread ("yangshuo．tif')；imshow (I)；

figure，imhist(I)；

[J，T]=histeq (I，64)；

％圖像灰度擴展到0-255，但是只有64個灰度級

figure，imshow (J)；

figure，imhist(J)；

figure，Dlot((0：255)／255，T)；％轉移函數的變換曲線

J=histeq (I，32)；

figure，imshow 0)；

％圖像灰度擴展到0～255，但是只有32個灰度級

figure，imhist(J)；

3．6采用二維中值濾波函數對受椒鹽噪聲干擾的圖像濾波

MATLA圖像處理工具箱具有強大的功能，能夠對噪聲干擾的煙葉圖片進行消噪處理，模擬源代碼如下：

I=imread ("eight．tif')；

imshow (I)；

J2=imnoise (I，"salt&pepper ，0．04)；

％疊加密度為0．04 的椒鹽噪聲

figure，imshow 02)；

I_Filterl=medfdt2 （J2，[3 ，3])；

％窗口大小為3x3

figure．imshow (I Fiher1)；

I_Filter 2=medfdt2 （J2，[5， 5])；

％窗口大小為5x5

figure，imshow (I_Filter2)；

I_Filter3=medf'dt2 （J2，[7， 7])；

％窗口大小為7x7

figure，imshow (I_Filter3)；

3．7用神經網絡技術對煙葉圖像進行智能識別

神經網絡作為一種自適應的模式識別技術，并不需要預選給定有關模式的經驗知識和判別函數，它能通過自身的學習機制自動形成所要求的決策區域。網絡的我由其拓樸結構、神經元特性、學習和訓練規則所決定，它可以充分利用狀態信息，對不同狀態一一進行訓練而獲得某種映射關系，并且，網絡可以連續學習，即使環境變異，這咱映射關系可以自適應調整。在上面各節獲取煙葉圖像特征基礎之上，可以用神經網絡技術進行圖像模式識別。例如，基于概率神經網絡PNN的煙葉品質智能識別，它的主要優點是：快速訓練，訓練時問僅略大于讀取數據時間；無論分類多么復雜，只要有足夠的訓練數據(而這是煙葉生產一線可以做到的)，就可以保證獲得貝斯葉準則下的最優解，允許增加或減少訓練數據而無需重新進行長時間訓練。這一神經網絡對于煙葉品質的圖像識別，具有重要意義。 4結論

基于計算機視覺和神經網絡技術的煙葉品質識別的數字圖像處理方法，醫學論文 是煙葉生產環節的一種技術創新，它可以在煙葉生產一線普及推廣，簡便易行，能夠較大地提高煙葉品質檢測的效率和質量，以及自動化程度和智能化水平。

參考文獻

[1]于潤偉．基于圖像處理的稻米堊白自動檢測研究[J]．中國糧油學報，2007，1：122—124．

篇(3)

Abstract: In order to improve the accuracity of the recognition research of Asphalt-aggregate ratio for asphalt mixture ,the MATLAB digital image processing were used to study the asphalt-aggregate ratio for asphalt mixture AC-13C and the researches mainly include 3 respects: the mixing proportion design and the image collection of asphalt mixture, the research of digital image processing technology, the asphalt-aggregate ratio recognition of asphalt mixture. The results show that there is a good linear functional correlation between the real asphalt-aggregate ratios and the recognition asphalt-aggregate ratios. The linear fitting function was created as Pay = 1.6872Pax-5.4606, and the correlation coefficient R2 is 0.9617.

關鍵詞:數字圖像處理;瀝青混合料;油石比;識別

Key words: digital image processing;asphalt mixture;asphalt-aggregate ratio;recognition

中圖分類號:TU535 文獻標識碼:A文章編號:1006-4311(2010)13-0093-02

0引言

隨著交通運輸業的迅速發展,必須要提高瀝青混合料性能,開發新型瀝青路面結構材料。瀝青含量是瀝青混合料配合比設計和施工控制的重要指標,在很大程度上決定了瀝青路面的質量品質,國內外現行的瀝青混合料配合比檢測一般采用的是試驗方法,進行離心抽提或燃燒瀝青,檢測過程復雜,耗時長,不利于及時對路面狀況做出評價,指導生產。近年來,數字圖像處理技術被引入瀝青混合料研究領域,為有效解決傳統研究方法的缺陷提供了可能,國內外也陸續進行了采用圖像處理技術對瀝青混合料內部形態的研究,國內外現階段進行的研究表明,數字圖像處理技術具有無破損、方便性、經濟性,而且能快速全面反映形態特性以及空間分布的特點。為此,在本研究中,通過大量室內對比試驗,主要研究不同油石比的瀝青混合料AC-13C的識別油石比,以建立識別油石比和實際油石比之間的線性關系,用于指導生產實踐。

1瀝青混合料配合比設計及圖像采集

本研究中采用的瀝青為埃索A級70號瀝青,選用瀝青路面的表面層AC-13C的級配,最終確定的瀝青混合料合成級配見表1。

在本研究中,瀝青混合料AC-13C分別采用五個不同油石比4.0%、4.5%、5.0%、5.5%和6.0%,用馬歇爾擊實儀成型馬歇爾試件,在成型后的試件中隨機抽取3個試件進行水平兩分法的切割,并采用數碼相機進行圖像的采集工作,在進行油石比的識別中為了計算簡便將圖像剪切為1400×1400像素。

2瀝青混合料數字圖像處理

由于照相機與目標間的相對運動、大氣擾動等原因使圖像質量下降,造成了圖像退化的現象。所以在圖像處理之前要先進行圖像復原,在MATLAB圖像處理系統中,選擇Lucy-Richardson復原方法,通過處理減少了圖像中產生的噪聲,忽略了某些退化后壞了的像素。對復原后的RGB彩色圖像進行灰度變換,獲得瀝青混合料水平截面的灰度圖像。

3瀝青混合料油石比的識別

以油石比為5.5的瀝青混合料RGB圖像為例,對剪切后的圖像進行復原、轉換灰度圖像處理,處理后的灰度圖像的直方圖見圖1。

根據圖1可以看到,由于瀝青混合料圖像中存在集料和瀝青兩大類,在圖像上形成了兩個峰,這兩者都近似服從正態分布,最左邊的波峰代表瀝青的灰度分布,我們可以根據瀝青混合料圖像的直方圖,動態選取兩個波峰之間的谷底值,將最左邊的波峰單獨切取出來,見圖2。對這個波峰進行擬合,經過多次嘗試,選擇采用兩個正態分布擬合這個波峰,相關系數達到0.998,其中一個正態分布峰頂對應的灰度值與單獨切取出來的波峰峰頂對應的灰度值非常接近,可以認為兩者的灰度值是相同的,另外一個正態分布是對前者的修正,擬合效果見圖2。

通過MATLAB編程計算可以得到,瀝青灰度分布波峰峰頂對應的灰度值為0.30,第一個小峰服從正態分布,參數為0.29997和0.047629,通過多次實驗在峰值灰度值左側設定2.5,右側設定的范圍內為瀝青的灰度分布范圍,計算得到瀝青的灰度分布范圍為46.14至88.65,提取瀝青灰度范圍內的像素點,圖像內所有的像素點數目與瀝青的像素點數目之差為集料的像素點數目,得到油石比即瀝青像素點數目與集料像素點數目之比,計算得到這張實際油石比為5.5的圖像,識別油石比為6.43。同理,可以按照相同的方法求得其余瀝青混合料圖像的識別油石比,并計算均值,見表2,對得到的識別油石比用EXCEL進行線性擬合,見圖3。

從表2中可以看出,識別油石比的變異系數在0.18以下,通過線性相關性分析可得到識別油石比Pax與實際油石比Pay的線性關系為:Pay=1.6872Pax-5.4606,式中,Pax為識別油石比,%;Pay為實際油石比,%。兩者相關系數R2為0.9617,表明采用圖像處理技術對瀝青混合料進行油石比識別具有較高的識別精度,可以用于瀝青路面油石比的快速檢測。

4結論

通過選取表面層普通瀝青混合料AC-13C進行馬歇爾試驗,對試件進行水平截面圖像的分析,在瀝青混合料圖像灰度直方圖中,對瀝青分布波峰左側2.5倍σ和右側σ范圍內提取瀝青像素數目,并計算集料像素數目和識別油石比,結果表明,動態的選取瀝青灰度范圍識別油石比的方法能夠較好地反映實際油石比,得到的識別油石比與實際油石比較為接近,得到的變異系數在0.18以下,證明識別油石比的離散程度較小,數據可靠。并且實際油石比Pay和識別油石比Pax存在線性關系,通過線性擬合后,建立函數Pay =1.6872 Pax 5.4606,計算得到相關系數R2為0.9617,具有良好的相關性。因此,建議采用此線性函數對識別得到的油石比進行修正。

參考文獻:

[1] 楊浩.瀝青混合料的數字圖像特征研究[D]:[碩士學位論文].哈爾濱:哈爾濱工業大學,2006.

[2] 肖彭.基于MATLAB7.0的瀝青混合料最佳油石比優化設計[J].交通標準化,2005,17(11):73-75.

篇(4)

【關鍵詞】FPGA 圖像處理 實時高速 平滑算法

1 數字圖像處理及FPGA技術簡介

1.1 數字圖像處理原理簡介

圖像處理技術是本世紀信息科學方面成長最迅速的方向之一，數字圖像處理的技術具有實際的研究價值。數字圖像處理技術是指利用圖像信號轉化為數字信號并進行數字化處理這一手段把輸入圖像轉換成具有所希望特征的另一幅圖像的過程，通過轉化，使得圖像的信息數字化，可計算化，協調適應現在的各種數字化系統。近年來，隨著圖像傳感器趨于高集成度和低成本以及數字硬件的迅速發展，高質量、高速度、高實時性的數字圖像處理技術越來越受到歡迎。專用集成電路ASIC和數字信號處理器DSP，在兩種方面突破研究，一是改變圖像處理算法，簡化算法提高處理速度；二是改變實現算法的手段。DSP處理速度較之前的數字芯片有了大幅改進，但其體系仍是串行指令系統，其固定算法仍不能滿足眾多算法的需要。

1.2 現場可編程門陣列（FPGA）器件技術

現在較為流行的一種半定制的數字芯片是現場可編程門陣列（FPGA）器件，它是一種高密度可編程邏輯器件，由大量邏輯宏單元構成，通過各種程序參數的配置，能夠發揮這些邏輯單元的各自效果，組合出期望的整體效果和功能，這些配置數據存放在片內的SRAM中或者是片外的EPROM或其他存儲體中，設計者可以現場修改器件的邏輯順序，而且靜態編程和動態系統重置功能也得到了充分的發揮也應用，基于組合邏輯下的功能讓硬件模塊可以像軟件代碼一樣方便修改調試。

2 基于FPGA的數字圖像處理算法研究

2.1 實時圖像處理算法

實時圖像處理系統和圖像處理的主要算法有4類：圖像數據的預處理，圖像智能識別，對象檢測和運動對象檢測。在實時圖像處理系統的后臺處理中，比分析環境簡單、靜態圖像難度要更具有復雜性，如在數字圖像信號的傳送過程，中間過程傳感器和傳輸信道的噪聲的頻繁產生，這讓暫未得到處理的原始圖像信號變的更為難以分析，而且本身存在一定程度的噪聲。一般圖像信號的銳化技術處理也將引入噪聲，有時會加強原始圖像的噪聲。因此，有必要在圖像分析處理以前以及過程中對圖像的噪聲進行濾除，并對圖像特征進行加強，消除噪聲和增強圖像這兩大關鍵步驟即為數字信號圖像的預處理過程。

2.2 圖像空域平滑算法

圖像平滑處理的的主要目的是為了降低噪音干擾，目前主流的兩種算法是的空間域平均算法以及中值濾波算法。對于含有噪聲的原始圖像的每個像素都采取了對應的鄰域，將計算出的平均值作為平均空間域中圖像像素值進行圖像處理。空間域平均算法對于高斯噪聲消噪效果較好，但處理脈沖噪聲降噪效果很差。中值濾波的實質是一種非線性處理方法，主要的原理應用了順序統計思路，這種方法的原理是在第一步驟中賦予一個像素作為鄰域的中心，選擇方形鄰域后，第二步驟就是對范圍內各像素灰度值進行排序處理，排序之后獲得數列的中間值，此中間修正值被記為中心像素的灰度值，在實際應用中個，中值濾波算法消除脈沖噪聲具有更好的效果。

2.3 圖像空域銳化算法

圖像銳化的主要目的是使原圖像輪廓模糊或者顯示邊緣不明顯的變得清晰，突出細節。進行銳化處理的前提基礎是：原始圖像必須具有有較高的信噪比，若沒有較高信噪比，經過圖像銳化處理后，圖像信噪比會大大降低，這非常不利于圖像的清晰顯示處理。通常的做法是先去除或降低噪聲，使得圖像具有更高的信噪比后，再進行后期的銳化處理。

圖像銳化處理目前主流有兩種方法：高通濾波法和微分法。微分法屬于圖像空域銳化，目前常用的兩種方法是梯度銳化和拉普拉斯銳化。

2.3.1 梯度銳化

梯度銳化原則：圖像變化速度值小的對應于一個較小的梯度，整體會顯得比較暗。因此，梯度銳化的常規思路是利用門限方法來判定，從而進行梯度銳化優化，也就是先賦予一個預定的閾值，如果該節點的梯度小于閾值時，原始灰度被保持恒定；若大于閾值時，在這一點上的灰度校正值可以用微分法處理得到。

2.3.2 拉普拉斯運算

拉普拉斯運算是偏導數運算的線性組合，拉普拉斯算子是一種各向同性的微分算子，其特性包括旋轉不變性。拉普拉斯運算完全可以轉換成模板運算，而且對圖像中的孤立點和短點反應較為敏感，比如在較暗的圖像中出現的個別亮點，這些亮點處灰度發生跳變，通過拉普拉斯運算將會使這些亮點亮度增強，這一效果常用于邊緣檢測。當然，拉普拉斯運算同梯度銳化一樣，在增強圖像的同時會增強噪聲，因此在銳化前可以先進行圖像平滑處理。

3 總結

本文以基于FPGA的高速圖像處理算法為研究主體，對圖像處理中技術的流水線實現、圖像空域平滑算法、圖像空域銳化算法進行對比分析。圖像平滑算法減少噪聲的效果要更加優化，平滑算法的中值濾波算法在消除脈沖噪聲中效果更為突出?？臻g域平均算法主要對高斯噪聲的消噪效果較好，對脈沖噪聲消噪效果一般。圖像空域銳化算法可以是原本邊緣模糊的圖像清晰化，前提需要有較高信噪比，所以一般是先進行去除噪聲，提高信噪比之后進行銳化處理，銳化算法中的梯度銳化、拉普拉斯運算算法都在基于FPGA的數字圖像處理的系統算法中效果明顯。

參考文獻

[1]李冬.基于FPGA的數字圖像處理的研究[D].安徽理工大學碩士學位論文，2009.

[2]宇野麻由子.FPGA規?？焖僭龃骩J].電子設計應用，2008（10）

篇(5)

關鍵詞:多媒體課件;圖形;圖像;處理;加工

中圖分類號:TP75文獻標識碼:A文章編號:1009-3044(2009)35-10087-03

Multimedia Courseware Image Processing and Graphics Processing Technology

LIN Han

(Florida Vocational and Technical College, Sichuan Machinery and Electronic and Information Engineering, Dazhou 653000, China)

Abstract: In the multi-media courseware creation,preparation of multimedia material is a very important part.Multimedia material,including text,images,graphics,animation,sound,video and so on. In these types of material,the graphic image is a multi-media courseware application of the most basic,the most important and most of the material,its handling and processing are also the most complex,the following response to this problem were discussed.

Key words: CAI; graphics; image; treatment; processing

由于多媒體技術的不斷發展,對于多媒體課件的質量要求是越來越高,多媒體輔助教學已經廣泛應用,這是利用計算機技術和網絡技術來組織教學的一種新型教學手段,它帶來了課堂教學的新革命。

多媒體課件需具備以下特點: 1) 豐富的表現力;2) 良好的交互性;3) 極大的共享性。多媒體課件在教學中的使用,改善了教學媒體的表現力和交互性、促進了課堂教學內容、教學方法、教學過程的全面優化,提高了教學效果。一個好的多媒體課件需要多媒體素材來點綴

1 圖形圖像的概念

1)圖形圖像格式

圖形圖像格式主要有:BMP格式、GIF格式、JPEG格式、JPEG2000格式、TIFF格式、PSD格式、PNG格式、SWF格式、SVG格式等。其它非主流圖形圖像格式:PCX格式、DXF格式、WMF格式、EMF格式、LIC(FLI/FLC)格式、EPS格式、TGA格式等。比較常用的有BMP格式、JPEG格式、GIF格式等等,所以我們在進行圖形圖像處理以前,首先要對圖形圖像的格式要有清晰的認識,只有在此基礎上才可以進行進一步的開發處理。

2)圖形圖像素材的獲取

多媒體課件中的圖形圖像,按其用途分,一般有三種,一是背景圖,二是按鈕圖,三是與教學內容相關圖。一般情況下,圖形圖像素材的獲取進入昵圖網可以找到很多行業的圖片,找到需要的圖片后保存圖片,若網頁設置為不能保存,可以用復制粘貼的方法保存圖片。對于一些素材原創,可以在相應的圖形圖像處理軟件中進行創作。主要獲取方法:利用掃描儀、數碼相機從外部采集圖形圖像數據;經過Photoshop等圖象處理軟件處理、利用抓圖工具來抓取屏幕上顯示的圖像等這些都是最常用的;還可以通過從網上下載、從電視節目中錄制、從課件中截取、從資源光盤或資源庫中獲取、從VCD片中獲取等幾種方法。

圖形素材也可以自己進行繪制,課件工具中都有相應的繪制工具,可直接用繪圖工具進行繪制。

2 圖形圖像區別

1)存儲方式的區別:圖形存儲的是畫圖的函數;圖像存儲的則是像素的位置信息和顏色信息以及灰度信息。

2)縮放的區別:圖形在進行縮放時不會失真,可以適應不同的分辨率;圖像放大時會失真,可以看到整個圖像是由很多像素組合而成的。

3)處理方式的區別:對圖形,可以旋轉、扭曲、拉伸等等;而對圖像,可以進行對比度增強、邊緣檢測等等。

4)算法的區別:對圖形,我們可以用幾何算法來處理;對圖像,可以用濾波、統計的算法。

5)其他:圖形不是主觀存在的,是根據客觀事物而主觀形成的;圖像則是對客觀事物的真實描述。

3 圖像的處理

自從20世紀60年代出現了計算機圖像處理技術,為圖像處理提供了一種精確、靈活、通用的工具,從而極大拓展了圖像處理的應用領域。

1)圖像處理的發展

雖然圖像處理起源比圖形學早30多年,但是它的應用卻比圖形學足足晚了10多年,原因就是數字圖像比圖形所含的信息量大很多,只有當計算機發展到一定水平才能進入大規模的實用階段。

1921年,第一個數字圖像傳輸系統――巴特蘭電纜圖片傳輸系統橫跨大西洋傳輸圖像成功;1929年,第一次實現15級灰度的圖像編碼并引進了一套用編碼穿孔紙袋來調制光束進而使底片感光的圖像輸出設備;1952年,哈夫曼發表關于最小冗余度編碼的論文《構造最小冗余度編碼的一種方法》;1964年,在阿波羅載人登月計劃中首次采用計算機對月球圖片進行處理;1980年代中期,開始對圖像處理進行大規模應用研究;自從數字圖像處理這門學科誕生以來,圖像處理作為一門基礎學科,得到重大的發展。

2)圖像處理的概述

圖像處理一般指數字圖像處理,用計算機對圖像進行分析,以達到所需結果的技術。常見的處理有圖像數字化、圖像編碼、圖像增強、圖像復原、圖像分割和圖像分析等。

①圖像數字化

通過取樣和量化過程將一個以自然形式存在的圖像變換為適合計算機處理的數字形式。圖像在計算機內部被表示為一個數字矩陣,矩陣中每一元素稱為像素。圖像數字化需要專門的設備,常見的有各種電子的和光學的掃描設備,還有機電掃描設備和手工操作的數字化儀。

②圖像編碼

對圖像信息編碼,以滿足傳輸和存儲的要求,編碼能壓縮圖像的信息量,但圖像質量幾乎不變。編碼方法有對圖像逐點進行加工的方法,也有對圖像施加某種變換或基于區域、特征進行編碼的方法。

③圖像壓縮

由數字化得到的一幅圖像的數據量十分巨大,圖像壓縮對于圖像的存儲和傳輸都十分必要。有兩類壓縮算法,即不失真的方法和近似的方法。前者用于靜態圖像,后者用于動態圖像。

④圖像增強和復原

圖像增強的目標是改進圖片的質量,使圖像清晰或將其轉換為更適合人或機器分析的形式,所用方法可分成頻率域法和空間域法,它們可用于去除或減弱噪聲。圖像復原常用二種方法,一是建立退化源的數學模型;二是建立原始圖像的模型。

篇(6)

關鍵詞:棒材 計數 圖像

棒材自動計數分隔一直是未能徹底解決的問題,目前我國棒材生產企業普遍采用人工計數方法。該方法勞動強度大,工作效率低,系統生產能力有限,而且準確性難以保證。針對這種情況,我們想通過采用現代化手段和技術創新,能否開發出適合我國鋼鐵企業的棒材自動計數系統,以有效提高勞動生產率,把工人從繁重的體力勞動和惡劣環境中解放出來,力求為企業提供高科技設備,現從以下方面論證自動計數系統可行性。

針對軋鋼廠棒材生產工藝現狀,為了實現標準化打捆包裝要求,我們希望利用綜合圖像識別、機械系統、光電檢測和控制技術,實現棒材生產線計數定支環節機械化和自動化操作。

軋鋼廠中,生產線上的棒材在進行打捆包裝之前需要計數,每種規格的每捆數量是不同的,計數必須按不同規格的棒材要求在線完成。當棒材從傳輸輥道上移送到計數鏈條臺架上時,有重疊和交叉現象,尤其是對φ6mm～φ14mm小規模棒材更是如此,這就使棒材的分離工作難度增加,也給計數工作帶來了一定的誤差。所以需要特定的執行機構對棒材進行處理。下面淺談一下棒材自動計數系統的思路和原理。

棒材在線自動計數分隔系統可由振動裝置、阻擋振動平鋪振動裝置、光電計數、分離裝置、圖像處理和控制系統幾部分組成,如圖1所示。

圖像處理系統包括軟件和硬件部分,通過對棒材分散程度進行辨別確定是否符合平鋪前要求。振動裝置用來振動直徑較小的多層棒材的情況。棒材阻擋振動平鋪裝置是一個齒臂結構,其上有主齒臂和副齒臂,可以調整齒形的大小。光電計數利用光纖傳感器檢測棒材通過,可編程控制器進行計數累加?？刂葡到y以目前在工業現場應用。

圖1 棒材在線自動計數分隔系統的組成

阻擋振動平鋪裝置是本系統的一個最重要的組件,安裝在二段傳送鏈之間的軋道上。該裝置為一個齒臂機構放在一個振動平臺上,上有主齒臂和副齒臂,可以調節齒的大小,該裝置結構簡單,并且具有振動功能,能夠適應現場復雜狀況,不會出現堵死現象。此機構在擋住棒材的同時,又進行圖像處理的計數。當計數值超過設定值時,齒臂機構升起,對棒材進行平鋪處理,只有實現了平鋪,后面的光電計數裝置才有意義。其結構簡圖如圖2所示。

設計齒臂時,應考慮以下因素:

(1)齒臂的數量不宜過多或過少。齒臂安置過多,會使整個系統龐大、笨重,并且增加制造成本造成浪費。(2)將齒臂安裝在棒線材平鋪于傳送鏈條上時撓度最大的位置（即兩鏈條的中間處）,以減少棒材可能出現交叉情況的點,同時,也便于安裝。(3)齒形設計。齒的深度應保證棒線材落如齒槽后,高點與齒的上表面在同一水平面上,以減小下滑棒材與齒臂間的摩擦系數,便于棒材滑落。齒槽間距過窄可能導致計數分離環節的分離手無法準確開要分離的棒材,因此,最小齒間距應足夠寬。(4)為了滿足不同直徑棒材批量生產的需要將齒槽寬設計成可調整,可以有效降低系統的生產、安裝成本,并避免由于拆換齒臂造成的生產效率降低。

分離裝置是系統重要的執行機構,是實現棒材自動分離的關鍵設備,也是機械系統設計的另一個重點和難點。

分離系統可以采用汽缸裝置組成。當計數值達到定支數時,可編程控制器發出信號,鏈條停止運動,分離系汽缸升起,以擋住后面的棒材,鏈條運動,把棒材自動分離開來,而前面的棒材由傳送鏈輸送到收集槽中,進行捆扎打包。

圖像采集區:齒臂正上方即為圖像采集區。當傳送鏈將棒材運送致齒臂上方時,齒臂前端的擋板將阻礙棒線材繼續向前運動,從而使棒材處于圖像采集區,便于攝像頭準確采集棒線材端面圖像。

振動平鋪:當圖像處理計數裝置記錄的棒材數目超過設定值時,齒臂將緩慢傾斜至臨界角度,使齒臂上棒材分為兩部分。一部分將落入臂齒;另一部分將沿傾斜的臂齒滑下。

本論文在分析現有棒材計數方法的基礎上,對比國內外目前同類棒材自動計數方法,提出了一種利用圖像處理和識別技術實現工業生產線上棒材自動計數的新方法,對于小直徑棒材,圖像處理方法顯示出其優越性;提出了一種棒材在線自動計數分隔方法,包括機械系統、圖像處理、光電檢測以及控制系統,為棒材計數開辟了一條新途徑;結合工業現場環境,設計了一套機械系統包括振動裝置、阻擋振動平鋪裝置、分離裝置,能夠實現棒材的平鋪和分離,并分析了振動模型的運動仿真,為棒材在線自動計數分隔系統的實現奠定了基礎;通信的可靠實現是系統運行的關鍵。本論文中,從軟、硬件兩方面給出了PLC與變頻器通信設計方案和具體實現。該種通信設計經濟實用,實現方便。

棒材在線計數分隔是一個非常復雜的系統,本文的計數方案是基于現有的圖像處理技術,充分考慮了現場因素對系統的影響,具有很強的實用價值。

參考文獻

[1]章家巖.棒材自動計數系統的設計與應用[J].全國第二屆特種電源與元器件學術年會論文集,2002.

[2]王培珍.圖像邊緣檢測融合方案初探[J].安徽工業大學學報,2001.

篇(7)

關鍵詞：數字圖像 圖像處理 數字技術 應用

一、數字圖像處理綜述

數字圖像處理（Digital Image Processing）又稱為計算機圖像處理，它是指將圖像信號轉換成數字信號并利用計算機對其進行處理的過程。

數字圖像處理最早出現于20世紀50年代，當時的電子計算機已經發展到一定水平，人們開始利用計算機來處理圖形和圖像信息，數字圖像處理作為一門學科大約形成于20世紀60年代初期，早期的圖像處理的目的是改善圖像的質量，它以人為對象，以改善人的視覺效果為目的。圖像處理中，輸入的是質量低的圖像，輸出的是改善質量后的圖像，常用的圖像處理方法有圖像增強、復原、編碼、壓縮等。

首次獲得實際成功應用的是美國噴氣推進實驗室（JPL），他們對航天探測器徘徊者7號在1964年發回的幾千張月球照片使用了圖像處理技術，如幾何校正、灰度變換、去除噪聲等方法進行處理，并考慮了太陽位置和月球環境的影響，由計算機成功地繪制出月球表面地圖，獲得了巨大的成功。隨后又對探測飛船發回的近十萬張照片進行更為復雜的圖像處理，以致獲得了月球的地形圖、彩色圖及全景鑲嵌圖，獲得了非凡的成果，為人類登月創舉奠定了堅實的基礎，也推動了數字圖像處理這門學科的誕生。在以后的宇航空間技術，醫學技術中數字圖像處理技術都發揮了巨大的作用。

從70年代中期開始，隨著計算機技術和人工智能、思維科學研究的迅速發展，數字圖像處理向更高、更深層次發展，人們已開始研究如何用計算機系統解釋圖像，實現類似人類視覺系統理解外部世界，這被稱為圖像理解或計算機視覺。很多國家，特別是發達國家投入更多的人力、物力到這項研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的視覺計算理論，這個理論成為計算機視覺領域其后十多年的主導思想。圖像理解雖然在理論方法研究上已取得不小的進展，但它本身是一個比較難的研究領域，存在不少困難，因人類本身對自己的視覺過程還了解甚少，因此計算機視覺是一個有待人們進一步探索的新領域。

二、國內外研究現狀

目前，國內圖像識別的算法研究多是關于數字、文字、人臉、以及醫用病理方面的較多，對產品內表圖像進行分析識別、分類的還很少。國內已研制出了具有先進水平的高精度內表檢測系統和裝置，如何對產品零部件的外形，尺寸進行較高精度測量的激光在線檢測系統等，但迄今為止，尚無能對生產出的產品內表面進行自動檢測和識別的系統。應用CCD、電子、計算機技術檢測內表面的實時自動檢測技術在國內正處于剛剛起步的階段，對內表面圖像進行分析識別、分類的軟件系統還沒有十分完善，現在的識別算法對圖像中的疵病部分定位不是很準確，對疵病的范圍、大小、方位不能做定量分析，只能作定性分析，精度低，采用的傳統的最小距離等分類器在圖像復雜且類別多時，很難表示和提取特征，進行圖像識別十分困難。

國外關于圖像識別中的圖像分割，特征信號提取，邊緣檢測，紋理識別等的算法已經取得了一定的成果，提出了一些新方法，如利用直線分割來識別三維人臉，通過子圖匹配法在相鄰區域間識別不同目標，用雙值微波仿射不變函數識別二維形形狀等等，近年來，國外基于圖像識別與分類技術的圖像檢索，人臉識別，字體識別發展十分迅速。

在國外，為提高自動目標識別能力而開發的算法現在正被引入許多偵測和成像系統之中，圖像分割、特征信號探測和析取、靜止目標的模式識別等方面已取得了很大進步，這一自動目標識別能力大大減輕了操作人員的工作負擔。如美國正在加緊自動檢測能力與自動目標識別的研究工作，并在硬件能力的基礎上開發多種用于信號圖像處理的算法和開展各種算法軟件的研制，包括相關法（匹配濾波器技術）、自適應多維處理法、基于模型的方法等。

三、數字圖像處理的應用

圖像是人類獲取和交換信息的主要來源，因此，圖像處理的應用領域必然涉及到人類生活和工作的方方面面，隨著人類活動范圍的不斷擴大，圖像處理的應用領域也將隨之不斷擴大。

1、航天和航空技術方面的應用

數字圖像處理技術在航天和航空技術方面的應用，除了JPL對月球、火星照片的處理之外，另一方面的應用是在飛機遙感和衛星遙感技術中。現在世界各國都在利用陸地衛星所獲取的圖像進行資源調查，災害檢測，資源勘察，農業規劃，城市規劃，我國也陸續開展了以上諸方面的一些實際應用，并獲得了良好的效果。在氣象預報和對太空其它星球研究方面，數字圖像處理技術也發揮了相當大的作用。

2、生物醫學工程方面的應用

數字圖像處理在生物醫學工程方面的應用十分廣泛，而且很有成效。除了一般的CT技術之外，還有一類是對醫用顯微圖像的處理分析，如紅細胞、白細胞分類，染色體分析，癌細胞識別等，此外，在X光肺部圖像增晰、超聲波圖像處理、心電圖分析、立體定向放射治療等醫學診斷方面都廣泛地應用圖像處理技術。

3、通信工程方面的應用

當前通信的主要發展方向是聲音、文字、圖像和數據結合的多媒體通信。具體地講是將電話、電視和計算機以三網合一的方式在數字通信網上傳輸。其中以圖像通信最為復雜和困難，因圖像的數據量十分巨大，如傳送彩色電視信號的速率達100Mbit/s以上，要將這樣高速率的數據實時傳送出去，必須采用編碼技術來壓縮信息的比特量。在一定意義上講，編碼壓縮是這些技術成敗的關鍵。除了已應用較廣泛的熵編碼、DPCM編碼、變換編碼外，目前國內外正在大力開發研究新的編碼方法，如分行編碼、自適應網絡編碼、小波變換圖像壓縮編碼等。

4、工業和工程方面的應用

在工業和工程領域中圖像處理技術有著廣泛的應用，如自動裝配線中檢測零件的質量、并對零件進行分類，印刷電路板疵病檢查，彈性力學照片的應力分析，流體力學圖片的阻力和升力分析，郵政信件的自動分揀，在一些有毒、放射性環境內識別工件及物體的形狀和排列狀態，先進的設計和制造技術中采用工業視覺等等。其中值得一提的是研制具備視覺、聽覺和觸覺功能的智能機器人，將會給工農業生產帶來新的激勵，目前已在工業生產中的噴漆、焊接、裝配中得到有效的利用。

5、軍事公安方面的應用

在軍事方面圖像處理和識別主要用于導彈的精確末制導，各種偵察照片的判讀，具有圖像傳輸、存儲和顯示的軍事自動化指揮系統，飛機、坦克和軍艦模擬訓練系統等；公安業務圖片的判讀分析，指紋識別，人臉鑒別，不完整圖片的復原，以及交通監控、事故分析等。目前已投入運行的高速公路不停車自動收費系統中的車輛和車牌的自動識別都是圖像處理技術成功應用的例子。

6、文化藝術方面的應用

目前這類應用有電視畫面的數字編輯，動畫的制作，電子圖像游戲，紡織工藝品設計，服裝設計與制作，發型設計，文物資料照片的復制和修復，運動員動作分析和評分等等，現在已逐漸形成一門新的藝術——計算機美術。

參考文獻：

[1]孫即祥 圖像壓縮與投影重建 北京：科學出版社；2005.7：第一章：1～2，63～64.

[2]韓金姝.基于分形的植物形態模擬與圖像壓縮技術研究：[碩士論文]. 青島：中國海洋大學信號與信息處理專業，2005.