数字图像处理论文范文

数字图像处理论文篇1

关键词：数字图像处理 教学方法 信息科学类

中图分类号：G642 文献标识码：A 文章编号：1674-098X（2013）04（c）-0145-02

随着现代信息技术的快速发展，图像处理越来越广泛的应用于军事目标识别、智能交通、医学图像重建、社会事务管理、生物特征识别，以及互联网相关产业等诸多领域，越来越多的研究者更加关注图像处理领域的研究工作。而高等教育要与实际应用紧密联系，“数字图像处理”这们课程在高等学校信息类电子信息类专业也具有越来越重要的地位。

“数字图像处理”的教学目的是使学生了解和掌握数字图像处理的基本概念与主要内容，为今后的深入研究和开发工作打下良好的基础，基本教学内容包括图像增强、图像分割、图像复原、图像描述、图像识别等理论和方法[1]。该课程主要阐述了数字图像处理中的基本概念、基础理论和常用算法，介绍数字图像处理研究中的基本问题以及解决这些问题的原理和实现方法，使学生能够编程实现简单的图像处理算法，能够阅读利用图像处理文献以解决实际问题。

“数字图像处理”课程属交叉学科，其起点高、难度大，即有较强的理论性，又和实践结合紧密，历年来的教学效果及考试情况表明，学生对本课程往往心存畏惧，教学上存在许多问题。比如：学生兴趣不大、课堂效果不理想等等。因此，如何引导学生明确学习目的、转变思想观念，如何在教学过程中合理利用多重教学手段、灵活采用相宜的教学方法激发学生的学习兴趣，成为今后教学中必须解决的问题。

1 传统教学中存在的问题

总结过去几年的教学实践，笔者发现《数字图像处理》的传统教学模式存在着以下几个问题。

1.1 数字图像处理的课程体系尚不完备

图像处理学科本身为交叉学科。与信息编码、模式识别、信号分析多领域存在学术联系，而课程内在耦合性并不强，目前还没有一个完备的课程体系，许多教学实践难以组织。一般认为，数字图像处理包括图像增强、图像复原、彩色图像处理、图像压缩与编码、图像分割、图像描述与表达等章节，根据教材丰富程度的不同，可能还包括图像的数据结构、图像重建、图像识别、图像的小波分析，以及图像的数学形态学处理。图像处理内容庞杂，难度也偏大，在有限的教学时间内往往很难将全部内容讲透，传统的教学模式只能以理论介绍为主，忽视理论的实现步骤，造成学生在学习时普遍感到过于抽象，很难看到理论的实际应用效果。而且教师在课堂上讲授知识点时，由于和实践脱节，致使学生在一些繁杂的数学推导面前望而却步，从而逐渐丧失学习兴趣。

1.2 图像处理课程的理论讲授与应用实践难以兼顾

图像处理课程的许多内容，如图像变换、图像复原等章节，涉及到最优化问题、矩阵计算等相关理论。例如利用拉格朗日方法求矢量变量的条件极值问题、标量函数对矢量求导，虽然他们在高等数学、线性代数课程已学习过相关内容，但高等数学课程的教学实践中没有使用矢量表达方式。这些数学表达方式对于高年级本科生而言比较陌生，难以理解。而专业文献、教材中多使用矢量表达方式，对于这样的知识断裂带，本科生往往觉得相关数学知识过于深奥，从而产生畏难情绪，在教学实践中，往往需要连接相关的知识断点。

另一方面，图像处理的许多内容是与实际应用紧密结合的，如图像增强、图像分割等内容，其许多理论内容具有相当的抽象性，而相关算法实验结果却十分的直观，不仅有利于反映不同理论与方法的特点，也有利于学生对教授内容的理解。但在教学实践中我们发现，尽管学过相关程序编制课程，绝大部分学生仍不会编制程序，许多学生甚至没有掌握基本的编程概念。

因此，在“数字图像处理”的教学实践中，我们希望探索一种适合“数字图像处理”教学的、新颖的教学模式，引导学生通过课堂学习、课后练习，进行广泛的阅读、思考、讨论，并通过编程实践进行验证、实践，以掌握教学内容，从而进一步提高教学质量。

2 教学改革措施

针对以上的问题，笔者在教学工作中不断探索，分别从以下几个方法进行教学改革并在教学实践中取得了良好的效果。

2.1 将讲授内容与实际应用结合起来

目前，几乎不存在与数字图像处理无关的技术领域，而在其学科发展初始，就得益于实际应用的推动，可以说，数字图像处理是一门实践性非常强的学科，然而，在传统的工程技术人才的培养方式中，过分强调了专业知识的积累，使得学生形成了单一追求知识积累的习惯，对学习内容能够记忆，、理解并能模仿性地应用。毕业之后，能做一般性的科学技术工作，但创造能力较差。这种学习模式也使得学生对专业课的学习缺乏兴趣，从而产生厌学、逃课等学习现象。而我们知道，一切科学技术的探索和创新都起源于兴趣，因此，激发学生学习本课程的兴趣和热情是任课教师首先要解决的问题[2]。

数字图像处理这门学科与我们的生活结合的如此紧密，了解数字图像处理专业知识对于将来从事的工作的重要性，让书本上生硬枯燥的理论鲜活起来。比如，在数字图像处理绪论教学中，可以重点介绍数字图像处理在医学图像处理、智能交通监控、基于图像的工业检测、图像压缩在3G通信技术中的引用，不仅介绍其技术背景，还可介绍业内著名公司，简单说明其技术现状、发展前景以及薪酬水平等情况，以激起学生的学习兴趣。

另一方面，在讲授图像处理相关领域时，可结合相关应用，如在讲授图像压缩时， 可以将其与目前流行的3G通讯技术联系起来，介绍图像压缩在其中的应用情况及相关的技术特点；在讲授直方图均衡化时可以讲解它在相关技术领域，如指纹识别、人脸识别的图像预处理。课堂教学除了围绕基本理论和概念进行外，还可以穿插讲解在科研中需要注意的相关知识。

2.2 注意数字图像处理与先导课程的联系

数字图像处理是一门理论与实践结合紧密的课程，其学习研究需具备较为全面的数学基础，同时，我国目前的数学教学由于学时越来越少，内容愈来愈多，为完成教学任务，忽视了对现代数学表达的重要性，导致学生虽然能理解微积分、线性代数等工程数学的基本思想，但不熟悉不熟悉现代数学表达方法，从而不理解许多图像算法的理论推导，针对这一情况，笔者总结出以下的解决方法。

（1）在讲授需较深数学知识的相关内容时，预先讲述相关数学内容。尤其是许多数学表达方法与学生在大一学习的微积分、线性代数表达方法不一致的情形。例如，在讲述图像复原的过程中，我们发现同学们由于对向量变量操作的不熟悉，他们对基于多维向量的拉格朗日算法不理解，不理解其推导过程，也不明白算法的具体步骤。为此，我们通过对高等数学中偏导数、拉格朗日方法等数学知识的复习，并用向量形式重新表述，告诉学生对矢量求导，其实就是我们学习过的多元微积分的偏导数，对于标量对矢量求导的概念与方法，学生以前没有学习过，可以结合微积分与线性代数，通过数学推导的方法，让同学了解这种方法的实质与表达的便利。这种处理方法，不仅能充分说明图像复原的原理过程，同时也拓展了学生的数学视野，对学生进一步深造也有帮助。

（2）数字图像本身是一种二维数字信号，其里面的许多内容都可以在《数字信号处理》、《信号与系统》等先导课程里面找到相关的概念，例如在推导图像的退化模型时，我们发现其就是在信号与系统里面学习过的线性时不变系统，同时我们还能研究其物理意义，以及相关物理意义与数学抽象模型之间的关系，从而不仅更刻的理解《信号与系统》的相关内容，同时也学习了具体专业应用中，对影响模型表达的现实因素的取舍依据。

（3）对于某些内容可根据教学内容做适当取舍与调整，例如，对于数字图像直方图的表达，只需要理解直方图的定义与求法，对其繁琐的数学表达就不做要求了。对于图像分割，重点在于理解算法，对于其形式化表达就不做具体要求。

2.3 采用“互动式”教学方法

数字图像处理内容繁多，理论基础较深，存在较多的数学推导，传统“注入式”的教学方法使得课堂教学枯燥乏味，且收效甚微。为了解决这一问题，笔者在教学过程中不断摸索，总结出一种“互动式”教学法[3]。

一般来说，在课堂讲授中，可将整个课堂讲授分为若干相对独立的小节，每个小节讲授结束时，可要求学生提问，引导学生积极参与教学活动，给学生提供独立思考、亲身体验的机会，体验其中的乐趣和成就感，如果内容较为模型，学生提不出有价值问题是，也可以向学生提问，掌握学生的学习状态，再针对性的进行讲解。

其次，每次讲解新内容之前，以提问的方式对上一节的重点内容进行总结回顾，另外，在教学过程中根据教学重点有针对性的选取部分图像处理算法，如OTSU图像分割方法，鼓励学生毛遂自荐，在黑板上当堂完成伪码算法，同时可要求其余的同学对其算法进行点评，找出问题并给出修改意见。不仅活跃了课堂气氛，又锻炼了同学的编程能力，还加深了学生对重点和难点知识的理解和认识[4]。

3 结语

本文中，笔者根据《数字图像处理》的专业特点，针对传统教学中存在的问题，结合教学实践，提出了相应的教学改革的方法。有效的提高了学生的创新能力、科学研究能力，有助于扩大学生的就业面。以上对教学改革的一些探索和尝试，在教学过程中取得了良好的教学效果。但教学改革是一项系统工程，本文的探索还处于初期，在以后的工作中还有许多的问题有待解决，要在不断的探索与实践中得到完善和提高。

参考文献

[1] 冈萨雷斯.数字图像处理[M].3版.北京：电子工业出版社，2011.

[2] 刘咏梅，欧阳慧，张国印.“数字图像处理”双语教学中的几点体会[J].计算机教育，2009（6）：32-33.

[3] 胡伏原，王俭.数字图像处理教学改革探索[J].中国科技信息，2009（14）：248-249.

数字图像处理论文篇2

关键词：数字图像处理；课程改革；实践

一、引言

随着高等职业教育进入稳定发展状态，国家教育体制改革形势一片大好，教育规模不断扩大，为我国提供了大批人才，全社会对高职院校教育的认可度也越来越高。

数字图像处理技术是一门专业性很强的学科，许多知识必须通过努力学习及领悟才能正确掌握，动手能力在数字图像处理技术课程中非常重要，因此，实验教学环节的改革是数字图像处理技术教学改革的重中之重。

二、数字图像处理技术教学现状研究

1.数字图像处理技术课程分析

现阶段的数字图像处理技术迅猛发展，在各领域都有广泛应用，数字图像处理技术一体化人才，也越来越受到各行业青睐。

据河南省安阳市对全市15个行业59家企业不完全统计，目前相关企业对高级数字图像处理技术的人才需求占员工总数的10%，对中级数字图像处理的人才需求占员工总数的40%，对初级数字图像处理技术的人才需求占所有员工总数的50%。

据统计，在发达国家的企业中，高级数字图像处理技术的人才占企业员工比的40%，中级数字图像处理技术人才占企业员工比的60%。

目前我国存在的这种专业数字图像处理技术人才的缺失现象充分说明我国的高等教育培养方面对该学科的重视程度还不足，人才培养力度还不够大。我国数字图像处理技术专业人才培养的缺失，在一定程度上影响到我国经济的发展。

为了使数字图像处理技术更好地为经济建设服务，必须加强培养数字图像处理技术人员具有一定的专业基本理论知识和熟练的专业操作技能。

2.数字图像处理技术教学现状

（1）数字图像处理技术课程的教材问题。现阶段各高校的数字图像处理技术课程教材都是全国统一的，该类教材主要缺点是内容死板，包含大量的数学推导公式，没有考虑到现阶段高校学生的接受能力。这些数字图像处理课程教材内容太过深奥，学生提不起学习兴趣。笔者通过研究发现，数字图像处理技术教材存在以下具体问题。第一，现阶段的数字图像处理技术课程重基础课程理论和结果，不注重用人单位的实际工作需要。目前各高校使用的数字图像处理技术教材多是三至五年一更新，新内容虽然增加了许多，阐述更加简明扼要，但没有就具体操作过程采用数字处理技术作深入分析讲解，对真正实用的公式也没有重点标注讲解，每章节也没有关于实际操作的数字图像处理技术教学实例，导致数字图像处理技术教学课程缺乏实际意义，与社会发展极不相称；数字图像处理技术教材中实用案例太少，同时未对新科技元素加以足够的关注和重视。第二，在教材的编写过程中，只注重数字图像处理技术计算例题和习题的编写，没有将在实际工作中会出现的问题以及出现问题的解决办法写入教材，与实际脱轨。没有从企业真正的工作需要出发去考虑编写教材的实际内容，无法很好地为学生将来的工作打下基础。第三，数字图像处理技术注重面向教师编制教学内容，不注重面向学生。高职院校的学生自学能力普遍较弱，面对教材中的数字图像处理技术部分内容，学生难以理解；编写者在编写过程中着眼于学生兴趣的内容太少。第四，数字图像处理技术教材注重理论方面而忽略现场实习的教学。对数字图像处理技术课程教材编写的完整性考虑太多，而实际操作部分内容又太少，导致教材缺乏针对性，无法提高学生的学习兴趣。

（2）数字图像处理技术课程的教学问题。第一，各学校老师在教学过程中往往照本宣科，学习数字图像技术处理课程本来就很枯燥，同时学生文化基础较差，需要学习的相关知识又较多，加上课程安排紧，时间短，学生根本达不到理解数字图像处理技术的教学要求。第二，数字图像处理技术课教学方法呆板，老师教学手段过于简单，无法调动学生在课堂上的积极性，学生不能主动去学，与老师的互动配合不到位，更谈不上兴趣与爱好。

（3）数字图像处理技术课程实验中存在的问题。第一，学校对数字图像处理技术课程的实验资金投入不多，无法满足实验过程中对企业及现场环境的模拟需求；现有的实验室设备陈旧，建设方向与现阶段的社会需求不符，与社会结合不够紧密，许多教学仪器设备临近报废，无法保证教学质量。第二，优秀的教师资源严重不足，数字图像处理技术课程是一门专业性非常强的学科，好的老师是确保数字图像处理技术课程实验部分能够完成教学目标的首要条件。教师既要有较高的专业数字图像处理技术水平，又能与学生们打成一片。没有高素质的师资队伍，数字图像处理技术结合实际的实验部分就不能真正达到校企合作的目的，也就失去了实验的真正目的和意义。

三、数字图像处理技术教学方法改革研究

1.数字图像处理技术模块化课程体系的建立

数字图像处理技术课程体系改革是教学目标与企业实际工作情况相结合的体现。改革是将原来的数字图像处理技术知识进行优化，将课程与实践及企业的需要真正结合，让学生真正掌握数字图像处理技术知识并提高其应用能力，活学活用。所以，必须完善数字图像处理技术课程的教学大纲，将课程的理论部分、实践部分真正与实际需求相结合，将培养学生解决问题能力作为教学的重点。

数字图像处理论文篇3

【关键词】数字图像技术 数字图像处理 应用

一、数字图像的优点

（一）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，则数字图像处理过程始终能保持图像的再现[2] 。

（二）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。回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。

（三）适用面宽。图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像（例如X射线图像、射线图像、超声波图像或红外图像等）。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（彩色图像也是由灰度图像组合成的，例如RGB图像由红、绿、蓝三个灰度图像组合而成）组合而成，因而均可用计算机来处理。即只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。

（四）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。

二、数字图像处理的特点

（一）数字图像处理的信息大多是二维信息，处理信息量很大。如一幅256×256低分辨率黑白图像，要求约64kbit的数据量；对高分辨率彩色512×512图像，则要求768kbit数据量；如果要处理30帧/秒的电视图像序列，则每秒要求500kbit～22.5Mbit数据量。因此对计算机的计算速度、存储容量等要求较高[4]。

（二）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。如电视图像的带宽约5.6MHz，而语音带宽仅为4kHz左右。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。

（三）数字图像中各个像素是不独立的，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。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。

（四）由于图像是三维景物的二维投影，一幅图像本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。因此，要分析和理解三维景物必须作合适的假定或附加新的测量，例如双目图像或多视点图像。在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。

三、数字图像处理的应用

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，主要包括：

（一）航天和航空技术方面的应用。数字图像处理技术在航天和航空技术方面的应用，不仅应用于对月球、火星照片的处理，还应用机遥感和卫星遥感技术中。例如，LANDSAT系列陆地卫星，采用多波段扫描器（MSS），在900km高空对地球每一个地区以18天为一周期进行扫描成像，其图像分辨率大致相当于地面上十几米或100米左右。这些图像在空中先处理（数字化，编码）成数字信号存入磁带中，在卫星经过地面站上空时，再高速传送下来，然后由处理中心分析判读。这些图像无论是在成像、存储、传输过程中，还是在判读分析中，都必须采用很多数字图像处理方法。

（二）通信工程方面的应用。主要应用于声音、文字、图像和数据结合的多媒体通信。例如，将电话、电视和计算机以三网合一的方式在数字通信网上传输。

（三）军事应用。在军事方面图像处理和识别主要用于导弹的精确末制导，各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统，飞机、坦克和军舰模拟训练系统等。

四、结语

随着数字技术、成像技术、计算机技术的不断研制和开发，其模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。数字图像处理技术，在今后的国家现代化建设、航天航空、通信、军事应用等领域，必将发挥更大的作用

参考文献：

[1]王继军，张显全，张军洲，韦月琼.一种新的数字图像分存方法[J].计算机工程应用，2007，31：79～81

[2]郭武，张鹏，王润生.独立分量分析及其在图像处理中的应用现状[J].计算机工程应用，2008，23：172～177

[3]秦晴，杨晓元，王育民，王志刚.一种新的数字图像隐秘检测方案[J].计算机工程应用，2004，32：73～75

数字图像处理论文篇4

关键词:数学形态学;加权平均;均值滤波;中值滤波;形态学滤波

中图分类号:TP391

0 引 言

近年来,字符识别技术已发展成为当今一个热门的主要研究领域,在许多领域都需要对字符做识别操作,例如:车牌字符识别、手写体字符识别、运动工件上的字符识别等。字符图像往往会受到各种噪声的污染,以及字符笔划断裂情况等,这些都会严重影响字符识别的准确度。许多学者针对消噪提出了一些解决方案,如:基于直方图特性的图像去噪方法,基于数学形态学的图像去噪方法,基于小波变换和中值滤波的图像去噪方法等。该类方法为消除图像噪声,以及桥接笔画断裂字符提出了一些效果好,可行的算法。

1 理论基础

文中用到的理论知识主要包括数学形态学、图像的代数运算以及图像滤波处理技术。

1.1 数学形态学方法原理

数学形态学是建立在积分几何和随机集论等严格数学理论基础上的一门密切联系实际的学科。它用于图像处理的基本思想是利用一个称作结构元素的“探针”,收集待处理图像的信息,探针在图像中不断移动,即可考察图像物体间的相互关系,提取出有用的特征。所有的形态学处理过程都是基于填充结构元素的概念。二值形态学中的运算对象是集合,通常给出一个图像集合和一个结构元素集合,利用结构元素集合对图像进行操作。

膨胀和腐蚀分别用数学符号“”和“”表示,若A,B是Z中的集合,h为空集,则A被结构元素B膨胀和腐蚀的定义

1.2 图像的代数运算

代数运算是指对两幅输入图像进行点对点的加、减、乘和除计算而得到输出图像的运算。图像相加的┮桓霆重要应用是对同一场景的多幅图像加权求取平均值,以达到消除加性随机噪声的目的。

式中:f(x,y)是静止图像;ni(x,y)是加性随机噪声。┦(3)表明对N幅图像平均可把噪声方差减少N倍,N越大,g(x,y)就越接近于f(x,y),г肷的影响逐步减少。[JP]

1.3 滤波处理

滤波处理主要用于平滑图像、消除图像噪声的目的,最常用的祛除噪声方法是用滤波器进行滤波处理。可以根据不同的需要构造不同的空域滤波器,如均值滤波器、中值滤波器、维纳滤波器等。

1.3.1 中值滤波

中值滤波是基于排序的非线性平滑滤波器,它既可消除噪声,又能保护图象的细节[9]。中值滤波步骤为:

(1) 将模板在图像中漫游,并将模板中心与图中掣霆像素位置重合;

(2) 读取模板下各对应像素的灰度值;

(3) 将这些灰度值从小到大排成一列;

(4) 找出这些值中排在中间的一个;

(5) 将这个中间值赋给对应模板中心位置的像素。

[BT4]1.3.2 均值滤波

均值滤波是将一个像元及其邻域中所有像元的平均值赋给输出图像中相应的相元,从而达到平滑的目的。

2 算法实现

本文采用加权平均、形态学腐蚀以及均值滤波相结合的方法实现了消噪,并且有效地实现了比划断裂字符的桥接功能。同时将新算法的处理结果与过去常用的算法处理结果做了比较。

2.1 新算法设计并仿真实现

本文称这种算法为组合滤波桥接算法,算法设计步骤:

(1) 对噪声图像如图1所示做加权平均操作,得到加权平均图像,如图2所示,在本文中加权次数取为100即可;

(2) 选取一个结构元素对加权平均图像做膨胀操作,获得膨胀图像如图3所示;

(3) 对膨胀图像做均值滤波得到组合滤波桥接图像,如图4所示。

算法步骤说明,在经过步骤(1)后,由于加权平均消噪的原理可知,通过试探选择合适的叠加次数,仅完全消除了黑色背景上的盐噪声,而白色字体上的椒噪声仍然存在,并且从图中可以看到由于椒噪声的存在,使得字符笔划不连通,产生了间断。因此对加权平均图像做膨胀操作,膨胀结构元素通过试探的方式选取,本文经试探选取的结构元素SE=[0,1,0;1,1,1;0,1,0]。从图3可见,通过膨胀操作后,字符断裂的笔划被桥接上,但是其边缘仍存在部分噪声。所以需进行第(3)步的操作。可以看到,通过组合滤波桥接算法运算后,噪声基本被消除,笔划断裂的字符被桥接上。可见,对图4进行字符识别,可以大大提高其识别正确度,并且不再需要考虑字符笔划断裂的情况,因此用普通的字符识别算法就可得到很高的识别准确率。

2.2 组合滤波桥接算法与其他滤波桥接算法效果展示

数字图像处理论文篇5

    【论文摘 要】全息技术是物理学中的重大发现,近年来在各个行业得到广泛的应用。作为全息技术中的两个重要部分——CCD和计算机图像处理技术,在推动数字全息新一轮发展中起到至关重要的作用。本文将着重从计算机应用方面阐述图像处理技术在全息中的应用。

    全息技术是物理学中一重要发现,越来越多的应用于各个行业。伴随着CCD技术和计算机技术的发展,全息技术也得到一次质的飞跃,从传统光学全息到数字全息。传统光学全息将物光和参考光干涉得到全息照片来记录光的振幅和相位信息,而数字全息则用CCD记录物光和参考光的干涉,形成数字全息图,再通过计算机图像处理技术处理全息图。因此,影响数字全息技术发展有两个重要方面:CCD技术和计算机图像处理技术。

    1.图像处理技术。图像是现代社会人们获取信息的一个主要手段。人们用各种观测系统以不同的形式和手段获得图像,以拓展其认识的范围。图像以各种形式出现,可视的、不可视的,抽象的、实际的,计算机可以处理的和不适合计算机处理的。但究其本质来说,图像主要分为两大类:一类是模拟图像,包括光学图像、照相图像、电视图像等。它的处理速度快,但精度和灵活性差。另一类是数字图像。它是将连续的模拟图像离散化后处理变成为计算机能够辨识的点阵图像。从数字上看,数字图像就是被量化的二维采样数组。它是计算机技术发展的产物,具有精度高、处理方便和重复性好等特点。

    图像处理就是将图像转化为一个数字矩阵存放在计算机中,并采用一定的算法对其进行处理。图像处理的基础是数学,最主要任务就是各种算法的设计和实现。目前,图像处理技术已经在很多方面有着广泛的应用。如通讯技术、遥感技术、生物医学、工业生产、计算机科学等等。根据应用领域的不同要求,可以将图像处理技术划分为许多分支,其中比较重要的分支有:①图像数字化:通过采样和量化将模拟图像变成便于计算机处理的数字形式。③图像的增强和复原:主要目的是增强图像中的有用信息,削弱干扰和噪声,使图像清晰或将转化为更适合分析的形式。③图像编码:在满足一定的保真条件下,对图像进行编码处理,达到压缩图像信息量,简化图像的目的。以便于存储和传输。④图像重建:主要是利用采集的数据来重建出图像。图像重建的主要算法有代数法、傅立叶反投影法和使用广泛的卷积反投影法等。⑤模式识别:识别是图像处理的主要目的。如:指纹鉴别、人脸识别等是模式识别的内容。当今的模式识别方法通常有三种:统计识别法、句法结构模式识别法和模糊识别法。⑥计算机图形学:用计算机将实际上不存在的,只是概念上所表示的物体进行图像处理和显现出来。

    2.计算机图像处理技术在全息学中的应用。图像处理技术在全息中的应用主要表现在:一是计算全息,基于计算机图形学将计算机技术与光全息技术结合起来,通过计算机模拟、计算、处理,制作出全息图。因此它可以记录物理上不存在的实物。二是利用图像的增强和复原,图像编码技术等对数字全息图像质进行提高以及实现的各种算法。它的应用大致可以分为两大类,即空域法和频域法:①空域法:这种方法是把图像看作是平面中各个像素组成的集合,然后直接对这一二维函数进行相应的处理。空域处理法主要有下面两大类:一是领域处理法。其中包括梯度运算(Gradient Algorithm),拉普拉斯算子运算(Laplacian Operator) ,平滑算子运算(Smoothing Operator)和卷积运算(Convolution Algorithm)。二是点处理法。包括灰度处理 (grey processing),面积、周长、体积、重心运算等等。②频域法:数字图像处理的频域处理方法是首先对图像进行正交变换,得到变换频域系列阵列,然后再施行各种处理,处理后再反变换到空间域,得到处理结果。这类处包括:滤波、数据压缩、特征提取等处理。

    3.模拟实验。本文运用matlab软件,利用图像处理技术,编写了程序,以模拟计算全息和实现全息图像的滤波。

    本文将运用matlab程序设计语言实现计算全息的制作、再现过程。标有“涉”一字,图像尺寸为1024像素×1024像素;。模拟实验中用到的参数为:激光模拟了氦氖激光器,波长为638.2nm;再现距离为40cm;因为原始物图的尺寸用像素为单位表示,所以像素分辨率为1。

    从模拟实验中可以看出,数字全息的处理过程其实就是计算机图像处理在全息技术的应用过程。利用计算机图像处理技术对全息图进行了记录,将物光和参考光干涉得到了全息图。并利用图像的增强和复原对图像进行了处理,以消除噪声,得到更好的全息再现象。

    参考文献:

    [1]周灿林,亢一澜.数字全息干涉法用于变形测量.光子学报,2004,13(2):171-173。

    [2]刘诚,李银柱,李良钰等.数字全息测量技术中消除零级衍射像的方法[J].中国激光,2001,A28(11):1024-1026。

    [3]戴福隆等.现代光测力学.科学出版社,1990。

数字图像处理论文篇6

【关键词】：数字图像处理；实验；创新

【引言】：数字图像处理是一门迅速发展的新兴学科，发展的历史并不长。由于图像是视觉的基础，而视觉又是人类重要的感知手段，故数字图像成为心理学、生理学、计算机科学等诸多方面学者研究视觉感知的有效工具【1】。“数字图像处理”是高校电子信息类本科生的重要专业课，在信号处理系列课程中扮演重要角色，它的任务是为相关硕士博士点培养专业研究人才打下坚实基础，它是一门理论性和实践性都很强的课程，如何培养学生扎实的专业理论基础和实践创新能力，成为一个亟待研究的课题。

1 “数字图像处理”课程的教学体系结构

“数字图像处理”课程的前置课程除了“高等数学”等公共基础课，还包括信息与通信工程学科方向的“信号与系统”、“数字信号处理”、“信息论与编码”等专业基础课。瑞典布莱金格理工学院对这些前置课程与学生的接受能力之间的关系M行了研究[2]。通过本课程数字图像及成像基础、二维数字信号处理基本理论、灰度及彩色图像压缩、增强、分割等基本处理算法的学习，学生熟悉并掌握数字图像处理方面的基本知识、基本理论和基本技能，重点掌握基于图像变换理论的图像增强、图像压缩和图像分割等处理算法，它为深入学习数字图像处理及其在专业中的应用打下了基础。在教学实践中，我们将“数字图像处理”的教学体系结构分为三个模块[5-6]：1）绪论部分：这一部分主要介绍数字图像处理的发展历史、研究内容和基本概念，力争帮助同学把握学科发展沿革和应用方向，了解整体架构，建立研究和实践的兴趣。2）理论部分：按照空域处理（包括直方图、点处理、代数处理、几何处理）、频域处理（傅立叶等离散正交变换、滤波器处理）、统计模型方法的顺序进行讲解。在这一部分，我们遵循系统深入的原则，基于图像处理的例子，帮助学生系统复结并领会各种理论方法之间的逻辑顺序与本质。由于图像处理具有理论性和可视化强的特点，在这个部分教学中，我们希望加强学生对前置课程所学基本理论和方法的深入理解，使其充分认识理论知识在实际应用中的指导意

义，并体会理论本身的魅力。3）应用部分：在这一部分教学中，我们充分发挥图像处理应用性强的特点，选择基础性和典型性强的图像压缩、图像增强、边缘提取与图像分割、图像特征提取等应用，重点讲述应用基础理论和方法解决实际问题的常用系统与方法，进一步训练同学的动手实践能力，激发学生学习兴趣【3】。

2、实验实践教学体系特点：

2.1从基础的电子电路和集成电路的分析、设计和测试等“微观”视角入手，不断递进推广到包含完整的通信网络等“宏观”视角，使得学生可以建立起完整的信息与通信知识体系，了解本学科领域的最新前沿技术【4】。

2.2从相对独立的电路、器件、芯片等“点”入手，到电磁场与微波、无线、光纤和卫星等“线”为脉络，再推广网络与交换、多媒体通信、广播电视和传感网等“面”的体系，构建了完整的“点-线-面”结构和具有“全程全网”特色现代信息通信网络实验环境【5】。

3、分组实验

实验是数字图像处理课程必修的环节，实验阶段学生要完成两个内容： 综述报告和编程实验。在综述报告部分，教师根据图像处理的发展前沿和应用领域给出综述报告的题目，学生也可根据自己感兴趣的领域自拟题目；对于编程实验，各组根据实验任务书的内容完成相应的任务要求【6】。这两个实验内容学生是以组为单位完成的，各组由组长负责根据各自的情况完成实验任务的分工。由于实验课时数的限制，大部分实验任务是学生在课下时间完成的。

结语

实验教学在具体实施过程中仍有诸多问题有待解决，如指导老师工作量的认定，学生提交作品创新程度的鉴定等。开展创新型实验对于学生和老师都是一个新的挑战，只有对教学实践进行改革，选择适当的实验内容，有组织地执行预定实验计划，才能探索出一条适合从教学向教学研究过渡的实践教学体系。

【参考文献】：

[1]于猛，单亦先. 构建完善的实践教学体系[J]. 实验室研究与探索，2009， 28（ 5） ： 126-128， 139.

[2]潘清林，黄继武，徐国富，等.材料科学与工程实验教学中心的改革与实践[J].实验室研究与探索，2009，28（1）：108-111.

[3]叶国荣，陈达强. 高校本科生教育中研究型教学模式探讨[J]. 中国高教研究， 2009（ 3） ： 90-91.

[4] 卢德馨. 关于研究型教学的进一步探讨[J]. 中国高等教育， 2004（ 21） ： 24-24.

[5]吴国卿，张平，陈海燕.关于高校实验教学中心建设的研究与思考[J].安徽农学通报，2007，13（15）：175-176.

数字图像处理论文篇7

关键词：数字图像处理 教学模式 教学改革

中图分类号：G642

文献标识码：A

文章编号：1004-4914（2013）05-216-02

一、引言

随着电子和信息技术的迅速发展，数字图像处理已成为当今信息处理技术中发展很快且应用面很广的新兴学科之一。“数字图像处理”课程也成为了高校本科计算机与信息类专业的一门专业核心课程。但由于数字图像处理学科所涉及的知识面广，理论复杂，对数学基础的要求高，实践环节动手能力要求强，其课程内容也在不断更新丰富。在以往传统教学过程中呈现出了以下弊端：（1）教材中大量理论和算法推导给学生的学习带来困难；（2）单一的单机版多媒体教学，无法满足学生对新知识、新技术、新应用的了解和深入学习；（3）没有完善系统的实验指导书，促使学生学习的积极性下降，导致实验效果不佳；（4）没有实际项目作为应用锻炼，造成理论与实践脱钩，无法激发学生的学习动力和兴趣等。

针对数字图像处理教学过程中出现的上述问题，国内很多教学专家和学者，结合自己的实际教学过程，各抒己见，陆续提出了很多宝贵的改革建议和方案，取得了相应的教学改革成果。如山东工商学院的魏广芬和王永强等于2009年针对“数字图像处理”课程和学生特点，介绍了教学过程中实施的一些改革措施，包括采用现代化教学手段，“设问-思考-引导-尝试-总结”的教学模式和学生分组的学习方式，加强实验和课程设计教学环节以及完善评分机制等方面。并对教学过程中发现的相关问题进行探讨。西北民族大学的李向群和王书文于2010年从教学内容建设、教学手段改革、实验环境建立、考核方式改革等方面入手进行了深入细致的探讨，并将这些方法应用到实际教学过程中，收到了较好的效果。中国传媒大学的吕朝辉也于2010年根据数字图像处理课程的特点，探讨了本门课程的教学改革和实践，经过五年来的教学实施，取得了良好的教学效果。南通大学的赵敏于2011年，针对该课程的特点，论述了在教学中引入案例教学法的可行性和具体实施方案。

通过对上述数字教学改革的学习和研究，结合我校“大德育，大工程，大实践”的办学理念和信息与计算科学专业“3+1”教育模式（本专业“3+1”教育模式是指3年在学校完成理论课学习，1年在软件实习公司等完成工程实训、生产实习、毕业实习和毕业设计等实践环节，以培养应用型人才为培养目标）及本科生的特点。对本专业数字图像处理课程的教学进行了改革研究和实践。建立了一个以学生为主体，以现代网络多媒体教学为平台，以大学生科研立项为载体，以大学生就业或考研深造为目标的一套较为完善的数字图像处理课程教学体系结构。

二、课程改革内容

结合传统教学中存在的问题，和现代网络多媒体教学建设的需要。本课题研究内容主要将通过教学内容、教学方法、教学手段和考核机制来探索和实施。

1.优化教学内容。数字图像处理课程的基本内容包括图像处理的基础知识、图像增强、图像变换、图像分割、图像复原、图像特征提取与选取以及图像压缩编码等知识。但随着信息化时代知识的加快更新、技术快速革新，数字图像处理课程已成为模式识别和计算机视觉等新学科的基础，并根据学生就业需求的主线要求。通过对教学内容的深入研究，在本专业新版教学大纲中，对授课内容中要求以基础理论知识为基础，把相关的科研项目和实际项目渗透到授课中。例如在介绍图像处理的基础知识的时候，我们可以结合案例驱动来讲述图像处理的过程；将车牌识别、人脸识别、笔记识别等实际项目穿插到图像增强、图像分割、频域处理以及特征提取与选取中。同时，我们把信息熵、模糊数学和小波分析等概念渗透到部分章节中，并给出该理论解决问题的结果，以提高学生学习新理论的兴趣，促使部分同学自学新的理论，培养学生的自学能力。在讲述专业基础知识的过程中，我们将适时地增强相关的软件的学习和资源库的介绍，例如通过实验和实训的教学加强学生对Matlab和VC++等语言的学习和实践。通过CNKI和IEEE Tran文章的介绍，提高学生对最新科研成果的了解，激发学生学习的兴趣，培养学生对新事物的学习能力。鼓励学生进行大学生参加校内科研立项，引导学生分析问题和解决实际问题的能力，进一步提高学生的综合素质能力。

2.丰富教学方法。在以往的教学过程中，数字图像处理课程的教学主要以“填鸭式”教学方法为主，只注重对学生的教，而忽视了学生的学和做，没能产生良好的教学效果。通过对当前主要教学方法的研究与探索，我们丰富了数字图像处理课程的教学方法，以“启发式”教学方法为主，以综合运用讲授法、研究法、讨论法、实验法等教学法，把“教、学和做”很好地穿插起来，发挥各种方法的优势，引导学生积极参与教学，实现教与学深层次互动。促进学生对数字图像处理基本知识和方法的掌握及动手能力的培养。

3.提升教学手段。针对该门课程理论性强、乏味单调的特点，应用现代网络多媒体教学手段，借鉴当前较为流行的CDIO教学模式，进行教学手段的提升。结合教学内容的组合的优化和教学方法的丰富，在教学中以现代网络多媒体为教学媒体，通过制作多媒体课件，以“少而精”和“图文并茂”为原则，并结合Matlab和VC++等软件编程实例的案例教学，在课堂教学中适时引入前沿热点图例分析和编程处理实例，引导学生进行理论知识的学习，使学生体会到易学、乐学和会做。

4.改善考核机制。摒弃了以往“一考定乾坤”的考核方式，将平时出勤与课堂表现情况、作业和实验成绩等进行量化，纳入最终成绩的综合评核。并结合“3+1”创新教育模式对学生实践能力和CDIO培养大纲对学生素质进行全面考核的要求。侧重学生对基础知识的把握、个体实践能力、团队协作能力的考核。

三、实践效果

通过数字图像处理教学内容、教学方法、教学手段和考核机制等四方面的改革研究与实践，近几年本专业每年都有10%左右的学生选择数字图像处理的相关研究内容作为本科毕业论文选题，并取得了较好的成绩。通过对毕业生的跟踪调查发现，考研深造的部分学生也把图像处理及新兴相关学科前沿方向作为自己的学术研究方向，工作就业的部分学生也从事了与数字图像处理相关的研究工作领域。

四、结束语

本文对以往数字图像处理课程教学过程中存在的主要问题进行了简要的介绍，并对主要相关学者的教学改革内容进行了阐述。结合我校的教学理念以及本专业的“3+1”教学改革模式，针对本专业本科生的特点，进行了数字图像处理教学的改革研究和实践。实践表明，此次教学改革提高了教学效果，得到了学生的认可和好评。完成了对本专业学生在知识、能力与素质等方面要求的综合培养。

[基金项目：黑龙江省教育科学“十二五”规划研究课题（GBC1212076）；黑龙江科技学院教学研究项目]

参考文献：

1.魏广芬，王永强，丁昕苗，何爱香.“数字图像处理”课程教学改革的尝试.电气电子教学学报，2009（6）

2.李向群，王书文.《数字图像处理》课程的教学改革初探.微计算机信息，2010（3-2）

3.吕朝辉.数字图像处理课程教学改革与实践.高教论坛，2010（11）

4.赵敏.MATLAB用于数字图像处理的教学实践研究.电脑知识与技术，2012（31）

5.查建中.CDIO：颠覆性的工科教育模式改革[J].中国远程教育，2009（3）

（作者单位：黑龙江科技学院 黑龙江哈尔滨 150027 通讯作者：高志军）

数字图像处理论文篇8

【关键词】最小距离法；近邻法；K-近邻法；BP神经网络

1.引言

模式识别是人类的一项基本智能，人们每时每刻都在进行着“模式识别”。随着计算机技术的普及和发展，让计算机拥有识别能力收到越来越多的研究学者的重视，也是人工智能和机器人技术发展的前提。

模式识别是指对表征事物或现象的各种形式的（数值的、文字的和逻辑关系的）信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分[1]。生活中最简单的事物无过于简单的数字0-9，同时，数字在各个方向领域应用广泛，如：车牌识别，邮政编码识别等。因此，数字字符识别是一项有实际应用的课题。

2.数字识别基本步骤

数字识别是通过读取所需识别的数字图片的特征值输入到某个已经定义好的识别算法中进行识别，并输出识别结果，其基本步骤如图2-1所示。

如图2-1所示，数字识别步骤主要有：数据提取、数据预处理、特征值提取和选择以及分类器和分类决策。下面分别对这几个步骤进行分析。

2.1 数据提取

本文所处理的为0-9的灰度图片，总共有400组图片，分为0-9的数字十组，每组40个，分为30个训练样本和10个测试样本。本文借助matlab软件自带的imread函数和dir函数对“数字”文件夹下的所有图片进行读取，获得一个包含图片数据的36*20*40*10的四维数组。每幅图片的数据为36*20的数据矩阵。

2.2 预处理

图像预处理要根据实际图像进行相应操作，以便使处理时间和正确率两者结合起来。一般而言，预处理的目的是为了去除图像中所包含的干扰噪声，增强有用信息，对退化的信息进行复原。图像预处理包含以下一系列操作：图像去噪处理、图像二值化处理、分割处理和归一化处理等。具体步骤如图2-2所示。

2.2.1 二值化

一般设备读取得到的数字图像均为灰度图像，需对其进行二值化处理，使之变为仅含黑（1）、白（0）两种颜色的二值图像，这对于加强图像对比具有很好的效果。二值化后的图像其字符与背景对比更为强烈，更加突显字符的结构特征。对灰度图像二值化能减小数据存储的容量，降低处理的复杂性。对数字字符图像二值化，要求二值化后的图像能真实地再现原本数字，要求笔画中不出现空白点，并且二值化的笔画基本保持原来文字的结构特征。本文采用matlab自带的二值化处理函数：im2bw，阙值选择0.5。

2.2.2 去噪处理

噪声的存在恶化了图像质量，使图像模糊，更严重的甚至是图像的特征完全被淹没，以致于给图像识别和分析带来了困难。因此，对图像进行去噪处理是为了去除图像中包含的干扰噪声，加强图像有用信息的对比，为获取更好的特征值打下良好的基础。

2.2.3 分割和归一化

为了得到每个图像的特征，需要对二值矩阵进行分割和归一化。图像分割算法一般是基于亮度值的两个基本特性之一：不连续性和相似性。第一类性质的应用途径是基于亮度的不连续变化分割图像，比如图像的边缘。第二类性质的主要应用途径是依据事先制定的准则将图像分割为相似的区域。图像分割是大多数识别步骤中的一个基本的预备性步骤。选择一种分割技术而不选择另一种主要是由所面对问题的特点决定的[2]。本文针对数字图像的特性：阿拉伯数字不存在左右型和上下型结构，每个数字都是独立的个体，所以在分割时可先进行行切分，再进行列切分。初次切分是把矩阵按行分成两部分，列分成两部分。针对错误率后期再进行优化。

2.3 特征值提取与选择

特征值的提取与选择主要是针对已经分割好的矩阵块进行特征值的统计，其主要目的是从分析数字的拓扑结构入手，把它的某些结构特征提取出来，使数字的位移、大小变化、字形畸变等干扰相对减小，而把那些反映数字特征的关键信息提供给分类器。特征的选择一般有以下原则：首先是充分性原则，即所抽取的特征要能充分保持原模式的信息量；其次在满足充分性的基础上，尽量减小特征维数；此外，抽取特征时所花费的计算量不能太大，否则将影响识别速度。本文就实际情况，统计分割后的每个矩阵块中的黑像素的数量作为该矩阵块的特征值，并以此作为表征该图像的特征值。

3.数字识别方法

从模式识别作为一项学科开始至今，研究学者们提出了各种各样的识别方法。本文主要针对最小距离法、近邻法、K-近邻法和BP神经网络进行了理论研究，并通过matlab进行实验分析。

3.1 最小距离法

最小距离法是一种简单的模式识别方法，它基于对模式的采样来估计各类模式的统计参数并完全由各类的均值和方差确定。当两类均值间的距离比类中对应均值的分布要大时，最小距离分类器能很好地工作。

最小距离法在程序实现中可以直接求取待测试样本与各模式样本均值之间的距离，并将待测样本归为距离最小的一类模式中。

3.2 近邻法

3.3 K-近邻法

3.4 BP神经网络

由BP（Back Propagation）神经网络的英文名称可以看出BP神经网络的主要思想：输入学习样本，使用反向传播算法对网络的权值和偏差进行反复的调整训练，使输出的向量与期望向量尽可能的接近，当网络输出层的误差平方和小于指定的误差时训练完成，保存网络的权值和偏差。并运用保存的权值和偏差对待测样本进行测试。

神经网络网络的输入、输出应根据应用的具体要求来设定。输入层节点数目取决于数据的维数，采用的输入数据为已经提取的特征数据，输入训练样本的特征数据为9*4*30*10的矩阵，转换成36*1*300的矩阵，因此神经网络输入神经元数目为36。要识别0-9这10个数字，本文采用8421码来识别，即对于输出“0”，采用（0，0，0，0）主要的目标向量来表示，对于输入“1”，采用（0，0，0，1）这样的输出向量来表示，以此类推，对于输入“9”，采用（1，0，0，1）这样的输出向量来表示。因此，就可以确定输出层的神经元数目为4，也就是输出向量的维数[4]。

4.结果和结论

参考文献

[1]杨光正，吴岷，张晓莉等.模式识别[M].合肥：中国科学技术大学出版社，2001，7.

[2]王勃飞.基于Pseudo-Zernike矩的数字识别研究[D].武汉：华中科技大学，2007.

[3]边肇祺，张学工等.模式识别[M].北京：清华大学出版社，1999，12.

[4]卜富清，王茂芝，于庆刚.基于BP神经网络的数字识别[J].长江大学学报，2009，6（6）：293-294.

作者简介：

吴元林（1989—），女，安徽黄山人，华北电力大学自动化系硕士研究生。