图像处理课程设计报告

图像处理课程设计报告

导语：设计是把一种设想通过合理的规划周密的计划通过各种感觉形式传达出来的过程。以下是XX整理图像处理课程设计报告的资料，欢迎阅读参考。

图像处理课程设计报告1 摘要：图像处理技术从其功能上可以分为两大类：模拟图像处理技术、和数字图像处理技术。数字图像处理技术指的是将图像信号直接转换成为数字信号，并利用计算机进行处理的过程，其主要的特点在于处理的精度高、处理的内容丰富、可以进行复杂、难度较高的处理内容。当其不在于处理的速度比较缓慢。当前图像处理技术主要的是体现在数字处理技术上，本文说阐述的图像处理技术也是以数字图像处理技术为主要介绍对象。数字图像处理又称为计算机图像处理，它是指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过程。近年来, 图像处理技术得到了快速发展, 呈现出较为明显的发展趋势, 了解和掌握这些发展趋势对于做好目前的图像处理工作具有前瞻性的指导意义。本文总结了现代图像处理技术的三点发展趋势。

对图像进行处理(或加工、分析)的主要目的有三个方面: (1)提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。(2)提取图像中所包含的某些特征或特殊信息,这些被提

取的特征或信息往往为计算机分析图像提供便利。提取特征或信息的过程是计算机或计算机视觉的预处理。提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。

(3)图像数据的变换、编码和压缩,以便于图像的存储和传输。不管是

何种目的的图像处理,都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出。

数字图像处理主要研究的内容有以下几个方面：

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，如傅里叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。

图像编码压缩图像编码压缩技术可减少描述图像的数据量，以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。

图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立"降质模型"，再采用某种滤波方法，恢复或重建原来的图像。

图像分割图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。

图像描述图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述

方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。

图像分类图像分类属于模式识别的范畴，其主要内容是

图像经过某些预处理后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法模式分类，近年来新发展起来的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。

发展趋势：

一、图像处理的网络化

图像处理系统的发展大致可分为3 个阶段。早期的图像处理系统比较昂贵, 多以小型机为主机,且多人轮流使用一台设备, 这时的图像处理系统可称为图像大系统。

这个阶段为第 1 阶段, 这一阶段的图像处理系统具有以图像帧存储为中心的系统结构。随着微机性能的提高和价格的大幅下降, 在图像处理实验室里, 一人一机不再是奢侈的配置, 图像处理系统得到了极大的普及, 这时的图像处理系统可称为图像小系统。

这个阶段为第 2 阶段, 这一阶段的图像处理系统具有以计算机内存为中心的系统结构。随着网络数据库的发展, 系统走出了一人一机的圈子, 服务器/客户机、Internet、浏览器、网络数据库图像处理系统似乎变大了, 资源也增多了。计算机编程语言、操作系统出现了多样化,多CPU 的服务器开始走进普通实验室, 分布式计算系统被

用来构造指纹识别系统和人面像识别系统,图像处理系

统越来越大型化, 这时的图像处理系统可称为超级图像系统。

这个阶段为第 3 阶段, 这一阶段的图像处理系统具有以网络为中心的系统结构。图像处理技术和计算机技术密不可分, 随着计算机技术的超高速发展, 图像处理系统的更新换代速度也明显加快。例如一些在DOS 操作系统下运行的应用软件, 随着Windows 的出现而面临着升级的压力; 原来建筑在ISA 总线上的图像卡, 随着PCI总线的出现而趋于淘汰, PCI 图像卡则应运而生。落后与先进、淘汰与新生, 同一应用领域出现多个版本的竞争, 新的知识不断涌现, 这无疑使图像界既充满活力, 同时又面临着诸多挑战。在众多新技术中, 图像处理网络化的影响无疑是巨大的。知识的挖掘、图像的浏览、基于内容的查询、以网络为中心的系统结构等挑战性的新课题不断涌现, 网络化使图像处理技术提高到了一个新高度。

二、图像处理的复杂化

图像处理的疑难问题很多且极其复杂, 如文字识别技术。目前, 印刷体汉字的识别率高达99%以上, 基本达到了实用程度, 但手写体汉字的识别却处在限定型手写体汉字识别的水平上, 其识别率还有待提高, 而自然手写体汉字的识别仍处在艰难的研究中。

图像压缩是近十年来研究的热点, JPEG,MPEGI, MPEGⅡ

已经获得了应用, 业界又提出了对MPEG4, MPEG7, JPEGXX 的研究。可以这样认为, 超低码率的图像编解码技术是目前需要攻克的难题, 而模糊图像的复原是需要长期研究的课题。由于散焦和运动模糊图像对图像的

损伤较大, 给图像复原造成了很大困难, 特别是集散焦、运动、高噪声、低清晰度于一身的复合型模糊图像, 其复原的难度使研究人员望而却步。面对银行、宾馆、汽车收费站监控系统使用的录像机录制的模糊图像,有关部门急需一种针对性强的模糊图像复原系统,但目前的技术水平难以胜任; 在指纹识别中, 大数据量指纹库中的识别速度以及模糊指纹的复原、变形指纹的校正都是亟待解决的问题; 在人面像识别中, 人的年龄、表情、姿态都对人面像识别有重大影响, 海量人面像识别不仅存在识别率的问题, 而且存在查询识别速度的问题。图像界对现存的这些复杂问题已进行了多年探索并积累了一定经验, 相信随着图像处理技术的快速发展, 这些复杂问题将会出现新突破。

著名的摩尔定律(Moore law) 指出: 微处理器的集成度每18 个月将翻一番, 即CPU 以18 个月为一个更新换代周期; 新摩尔定律提出全球因特网流量每6 个月翻一番。当然, 摩尔定律的成立是界定于某一个时期的。作为计算机重要应用的图像处理技术, 在处理速度上将呈现出什么样的发展规律,目前还未见相关的研究报道。不言而喻, 图像处理的

速度受多方面条件的制约, 其水平也是针对特定环境、特定时期而言的。按照习惯划分, 图像处理可分为软件处理和硬件处理。硬件处理系统中含有软件处理或软件介入。

图像处理课程设计报告2 概述

数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。通过总结目前数字图像处理技术的应用及发展，我们不难发现数字图像技术的应用领域十分广泛。例如通信方面、医学方面、生物特征识别方面、军事方面等。数字图像处理技术，在今后的现代化社会的总体建设和日常生活当中必将发挥更大的作用。数字图像处理不仅仅限于IT领域，在日常生活中我们都有应用到数字图像处理技术。

例如在我们实验室研究方向核磁共振成像上的应用。核磁共振成像据所释放的能量在物质内部不同结构环境中不同的衰减，通过外加梯度磁场检测所发射出的电磁波，即可得知构成这一物体原子核的位置和种类，据此可以绘制成物体内部的结构图像。在计算机系统上由射频接收器送来的信号经A/D转换器，把模拟信号转换成数字信号，根据与观察层面各体素的对应关系，经计算机处理，得出层面图像数据，再经D/A转换器，加到图像显示器上，按NMR的大小，用不同的灰度等级显示出欲观察层面的图像。这里用到数字图像处理就是将医学图像转换到空间域用变换域法处理得到清

晰的MRI图像，大大提高医生的诊断效率。利用数字图像处理理论对被噪声污染的图像进行降噪处理也是MRI图像处理一个重要任务。

例如在人脸识别的应用上。人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术，它是基于人的脸部特征，对输入的人脸图象或者视频流首先判断其是否存在人脸 , 如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。在这个过程中，就会利用到数字图像处理技术对输入图像或者视频流进行预处理，并且从中提取人像特征点，进行识别匹配。此外，由于图像质量的好坏会直接影响到识别的效果，所以利用图像处理技术进行图像增强、噪声去除也显得很有必要。

例如在车牌识别中的应用。车辆牌照自动识别系统是智能交通系统的基础环节和重要组成部分,广泛应用于大型停车场、收费站、交通违章管理等领域。数字图像处理技术能将输入的车辆图像通过处理和识别,转换为车牌号的字符串形式,为后续的计算机处理奠定基础,在车辆识别中发挥了关键的作用。。随着计算机技术、数字信号处理技术的发展,数字图像处理技术将能更好地应用于车牌识别中,为国民经济的发展做出更大贡献。

例如在多目标跟踪领域的应用。多目标跟踪在很多领域如军事领域、民用领域都具有广泛的应用价值，。要进行目标跟踪，首先必须要进行目标检测，常

用的方法有高斯背景建模、帧差法，光流法，但是不论运用哪种方法，都必须利用到滤波及形态学处理技术，以减少干扰和目标内部空洞。而在利用数据关联进行多目标跟踪的时候，由于获得的目标观测值都是带有噪声干扰的，所以在获得数据关联结果之后还需要利用统计滤波处理技术，以得到较为准确的状态估计。总结：图像处理是在近30年来在计算机和大规模集成电路发展基础上发展起来的新兴学科。由于它的出现和发展，使人们观察自然界的视野更加开阔，改善自然界的能力更加增强。从1964年美国喷气推进实验室为进行太空探测研究月球表面，用计算机处理了从卫星发送回来的月球表面照片，校正了从飞船上的电视摄像机传送回来照片中各种形式的图像畸变和干扰，首次进行了计算机图像处理的研究；到70年代计算机图像处理在遥感技术的发展中得到重要应用和发展，1972年计算机断层x光照相技术(即CT技术)的研究成功，使得人们可以利用图像处理技术窥测到人体内部机体断层内图像，以及一般方法无法观察到的图像内容，这使得医学图像处理的研究开始取得了迅速的进展。70年代末期，开始了具有视觉功能的机器人的研究，计算机视觉作为图像处理学科一个新的重要分支开始

形成和发展。在80年代，数字图像处理学科进入了成熟发展阶段．尤其随着大规模集成电路技术的发展，大容量存储芯片的容量大幅度增加，价格的大大下降，计算机的存储容量和运算速度以每年20％的比率迅速提高，这些都为图像处理技术的发展提供良好的物质基础，使图像处理不仅得以迅速发展而且得到愈来愈广泛的应用。同时，图像处理在实际的应用与发展中又大大地推动了这一学科的发展，但是和人类视觉能力相联系相比较，图像处理的发展还相差甚远、为此我们还需进行更多得研究工作。社会的需要是我们研究发展的强大推动力之一，我们相信图像处理技术将得到更快速的发展、给社会的信息发展提供更有力的支持。