浅谈学习数字图像处理技术的认识.docx

浅谈学习数字图像处理技术的认识.docx

《浅谈学习数字图像处理技术的认识.docx》由会员分享，可在线阅读，更多相关《浅谈学习数字图像处理技术的认识.docx（12页珍藏版）》请在冰豆网上搜索。

浅谈学习数字图像处理技术的认识

数字图像处理结课论文

姓名：

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。

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

Digitalimageprocessingtechnologyisakeeperimagesignalsintodigitalsignalsandprocessedbycomputertechnology.Imagesareamajorsourceofhumanaccesstooutsideinformation,becausesome70%ofinformationwasobtainedthroughhumaneyes,aretheimageinformationobtainedbythehumaneye.Bymeansofdigitalimageprocessingtechnologytoobtainimageinformationprocessingtomeetorachievepeople'svariousneeds.Insomeways,imageinformationprocessingevenmoreimportantthantheimageitself,especiallyintherapiddevelopmentofscienceandtechnologyofthe21stcentury.

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,数字图像处理的内容，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。

2.0再现性好

数字图像处理技术与模拟图像处理技术的有着根本的不同，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，则数字图像处理过程始终能保持图像的真实再现。

这极大地方便了人们在日常生活中对于数字图像的存储，传输，和使用，而不用担心图像发生任何变化。

3.0灵活性高

图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。

由于图像的光学处理从原理上讲只能进行线性运算，这极大地限制了光学图像处理能实现的目标。

而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。

4.0适用面宽

图像可以来自多种信息源。

从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。

这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像组合而成，因而均可用计算机来处理。

5.0信息压缩的潜力大

在信息论里面，数据压缩被称为信源编码。

数字图像中各个像素点之间有着很大的相关性。

在图像画面上，经常有很多像素有相同或接近的灰度。

就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达0.9以上，而相邻两帧之间的相关性比帧内相关性一般说还要大些。

因此，图像处理中信息压缩的潜力很大。

通过对数字图像的压缩，可以减少存储数据所需要的空间和信息传输所需要的时间。

二、数字图像处理的分类

图像处理技术基本可以分成两大类：

模拟图像处理（AnalogImageProcessing）和数字图像处理（DigitalImageProcessing），数字图像处理是指将图像信号转换成数字信号并利用计算机进行处理的过程。

数字图像处理技术主要包括如下内容：

几何处理（GeometricalProcessing）、算术处理（Arithmeticprocessing）、图像增强（ImageEnhancement）、图像复原（ImageRestoration）、图像重建（ImageReconstruction）、图像编码（ImageEncoding）、图像识别（ImageRecognition）、图像理解（Imageunderstanding）。

三、数字图像处理的研究内容

1．几何处理

几何处理主要包括坐标变换，图像的放大、缩小、旋转、移动，多个图像配准，全景畸变校正，扭曲校正，周长、面积、体积计算等。

2．算数处理

算数图像处理主要对图像施以加、减、乘、除等算数运算。

3.图像变换

由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。

因此，往往采用各种图像变换的方法，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可以使得图像的处理更有效。

4.图像增强

图像增强的目的在于

：

采用一系列技术改善图像的视觉效果，提高图像的清晰度；

:

将图像转换成一种更适合于人或者机器进行分析或者处理的方式。

通过处理，突出某些人们感兴趣的信息，或者抑制某些无用的信息，以提高图像的使用价值。

从作用域出发，图像增强可以分为空间域增强和频率域增强。

前者是对图像像数灰度直接进行操作，后者是在傅里叶变换处理的基础上再对图像像数灰度直接进行操作。

5.图像复原

图像在形成、传输、记录的过程中，由于各种各样的原因，都会导致图像质量的下降，称为图像的退化。

其典型表现为图像模糊、失真、有噪声等等。

而图像复原的主要目的是去除干扰、模糊和图像畸变，恢复图像的本来面目，它是沿着图像退化的逆过程恢复图像。

实际上，人们先建立一个退化模型，然后再以此模型为基础，运用各种逆退化的方法进行恢复，来使退化的图像得到改善。

6.图像分割

图像分割是指把图像分成互不重叠的区域并提取出感兴趣目标的技术。

常用的分割方法有边缘检测、边缘跟踪、区域分割、区域增长和合并—分裂分割法等等。

所研究的方向有：

提取有效的属性；

寻求更好的分割途径和分割质量评价体系；

分割自动化。

7.图像重建

几何处理、图像增强、图像复原都是从图像到图像的处理，即输入的原始数据是图像，处理后输出的也是图像，而重建处理则是从数据到图像的处理，也就是说输入的是某种数据，而处理结果得到的是图像。

该处理的典型应用就是CT技术，早期为X射线CT，后来发展的有ECT、超声CT、核磁共振（NMR）等。

图像重建的主要算法有代数法、迭代法、傅立叶反投影法、卷积反投影法等，其中以卷积反投影法运用最为广泛，因为它的运算量小、速度快。

值得注意的是三维重建算法发展得很快，而且由于与计算机图形学相结合，把多个二维图像合成三维图像，并加以光照模型和各种渲染技术，能生成各种具有强烈真实感及纯净的高质量图像。

三维重建技术也是当今颇为热门的虚拟现实和科学可视化技术的础。

8.图像编码

图像编码研究属于信息论中信源编码范畴，其主要宗旨是根据人类视觉的生理学及心理学特性利用图像信号的统计特性对图像信号进行高效编码，即研究数据压缩技术，以解决数据量大的矛盾。

一般来说，图像编码的目的有3个：

（1）减少数据存储量，以便于存储；

（2）减低数据率以利于传输；（3）压缩信息量，便于特征提取，为识别做准备。

9.模式识别

模式识别是数字图像处理的又一研究领域。

当今，模式识别方法大致3种，即统计识别法、句法结构模式识别法和模糊识别法。

统计识别法侧重于特征，句法结构识别侧重于结构和基元，而模糊识别法是把模糊数学的一些概念和理论用于识别处理。

10.图像理解

图像理解是由模式识别发展起来的方法。

该处理输入的是图像，输出的是一种描述。

这种描述并不仅是单纯的用符号做出详细的描绘，而且要利用客观世界的知识使计算机进行联想、思考及推论，从而理解图像所表现的内容。

四：

数字图像处理的具体实验举例

当我做了几次数字图像处理技术实验之后，才发现，原来数字图像处理有这么多好玩的地方，知道了日常生活中处处都有着有关与数字图像处理这方面的应用。

这学期，在老师的带领下，我们一共做了六大次数字图像处理实验，包括:

:

直方图的统计。

直方图是用于表达图象灰度分布情况的统计图表。

它反映不同灰度值象素占整幅图象的比例。

直方图没有位置信息，从它可以看出图象整体的性质且直方图可叠加。

通常，直方图必须经过修改以适应各种图象的应用领域。

：

图象的线性拉伸。

一般图象看不清楚,多数是由于图象相邻象元的灰度级太接近,使得人眼的灰度分辨能力受限制。

图象的线性拉伸,就是根据直方图把背景的灰度压缩而目标的灰度拉伸,从而使得目标的细节清晰,达到图象增强的效果。

具体方法：

统计出图象中的最大灰度值和最小灰度值,然后通过比例映射到0-255的范围内。

：

图象的二值化增强。

二值化处理是在图中选择某一灰度值T作为门限，凡是超过这个门限灰度大的象元，使之映射灰度为1，即最强，低于T的象元映射为0，即最暗，设图象f（X，Ｙ）增强后为g（X，Y）

二值化门限的确定方法如下：

（1）P参数法

（2）双峰形的直方图（3）灰度变化率法（4）方差分类法（5）分区阀值法

：

图象的平滑去噪声。

噪声分为两大类，一类是点状尖峰状颗粒噪声；另一类是分布的噪声，如高斯噪声等。

对于点状噪声最有效的方法就是图象平滑技术。

在此次实验中，就用到了高通滤波和低通滤波技术。

：

图象的边缘提取。

图象的边缘是图象中灰度变化率最大的地方，为了把轮廓抽取出来，就是要找一种方法把图象的最大灰度变化处找出来。

实验中采用Roberts梯度法，即：

GR=|f（x,y）－f（x+1,y+1）|+|f（x+1,y）—f（x,y+1）|

这种梯度实践证明比梯度法更有效。

Roberts梯度显然也应有一个阀值作为门限T才可得到较好处理效果。

：

图象的中值滤波。

中值滤波能去除点状尖峰干扰而边缘不会变坏，但对高斯分布噪声效果差。

中值滤波对噪声延续距离小于W/2的噪声抑制效果好，既保持边缘的陡度又去掉噪声，但是中值滤波对图象的细节也产生影响，因此它适用于散粒状噪声而细节不太多的图象。

这六次实验课，给我提供了一个良好的实践机会，使得我我了解了更多的有关于数字图像处理方面的知识，学到了很多重要的知识，对MATLAB软件的操作更加的熟练了。

遇到不懂的问题，知道了要及时查阅相关资料，以及如何从浩如烟海的资料中找到自己需要的知识点。

课后，我自己又下载了PHOTOSHOP软件，做了几个小的简单的图像处理，以验证自己在前几次实验中的学习效果。

.比如说图像的锐化

锐化前的图像锐化后的图像再次锐化后的图像

由上面的锐化图像可知：

图像锐化后，原始图像中的细节更加突出，一些被模糊了的细节得到增强。

边缘检测前的图像边缘检测后的图像

由图可知：

经过边缘检测处理之后，原始图像的边缘更加显而易见，轮廓更加清晰，对于一些有着特殊需要的作业来说，有着特殊的功用。

但是缺点也是显而易见的，整体图像变得模糊了。

曲线拉伸前的图像曲线拉伸后的图像

经过曲线拉伸处理后，图像的主体部分得到极大的增强，颜色更加鲜明，更加突出，而背景则得到了忽略。

不同色阶阀值处理下的图像

与原始图像相比，通过调整图像的色阶阀值，使得图像的明暗发生了较大程度的改变。

这个是关于图像的挤压。

可以随意的放大或者缩小图像中你想要得到改变的地方。

这只是几个简单的小操作，实现了数字图像处理的基本变换，达到了验证实验效果的基本目的。

为以后更加深入的学习，也为以后的工作奠定了坚实的基础。

PHOTOSHOP是一个平面图形处理软件，处理图像的功能特别强大，实现的效果也是丰富多彩。

虽然只是几个小小的小实践，但是提高了自己的动手操作能力，也锻炼了实践能力，提高了审美观念。

呵呵。

。

五、数字图像处理技术在日常生活中的一点应用

数字图像处理技术存在于我们日常生活中的方方面面，若是没有数字图像处理技术，我们的日常生活简直不可想象。

从小的方面来说。

就拿手机啦，相机啦，电视电脑啦等等电子产品来说，普通的RGB（红绿蓝）三原色像素，是对通过镜头射入的光线分别进行感光，以此获得每个像素该有的颜色，最终拼凑成一张图片，由于像素间存在间隔，还必须通过逆向估计的方法补全最终的数码照片。

但在这个过程中，由于像素排列方式的问题，三原色周围一定会空缺一个像素，一般会用一个绿色像素对其进行填充，这是因为人眼对于绿色最为敏感。

而在RGBW中，上面填充用的绿色像素便被白色像素所取代，形成红、绿、蓝、白四色像素，白色像素可以让光更好的透过，因此RGBW能够显著提升所拍摄画面的亮度，更利于提升低光环境下的拍照品质。

但RGBW也不是没有缺点，它会使得单色的纯度、以及饱和度都有所下降、偶尔可见偏白问题。

比如我们手机的相机拍照界面：

还有我们将常玩的游戏，游戏的界面很是好看，立体效果很强，场景很是逼真，人物的动作如同真人再现，这些图像的渲染都是在各种各样的软件的支持下完成的，而他们又是在数字图像处理技术的基础上开发出来的。

还有各种各样的动漫视频，这一切的一切，都离不开数字图像处理技术的支持。

若是没有数字图像处理技术的大面积应用，我们的世界或许就不会这么五彩缤纷。

参考文献：