【正文】 算機分析圖像提供便利。隨著圖像處理研究的深入發(fā)展，已經(jīng)開始進行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法【2】。因此，對圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點之一。圖像復(fù)原要求對圖像降質(zhì)的原因有一定的了解，一般講應(yīng)根據(jù)降質(zhì)過程建立降質(zhì)模型，再采用某種濾波方法，恢復(fù)或重建原來的圖像。編碼是壓縮技術(shù)中最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進行數(shù)字濾波處理）。在實際應(yīng)用中，我們的系統(tǒng)獲得的原始圖像不是完美的，例如對于系統(tǒng)獲得的原始圖像，由于噪聲、光照等原因，圖像的質(zhì)量不高，所以需要進行預(yù)處理，以有利于提取我們感興趣的信息，圖像的增強包括圖像增強、平滑濾波、圖像銳化等內(nèi)容【1】。撰寫論文，答辯。用VC++語言編制圖像處理程序，進行信號高通和低通濾波。得到影像的灰度直方圖，進行灰度直方圖匹配變換和灰度直方圖均衡化。設(shè)計時域自適應(yīng)濾波器，對時域信號進行自適應(yīng)濾波分析。設(shè)計二維圖象信號的影像邊沿檢測算法，對影像的邊緣結(jié)構(gòu)進行信息提取；得到影像的灰度直方圖，進行灰度直方圖匹配變換和灰度直方圖均衡化，用以修正原圖像像元的灰度分布。 參考資料荊仁杰等，計算機圖像處理，浙江大學(xué)出版社，1999，朱正剛譯，數(shù)字圖像處理，電子出版社，1998胡廣書，數(shù)字信號處理—理論、算法與實現(xiàn)，清華大學(xué)出版社，1999阮秋琦，數(shù)字圖像處理學(xué)，電子出版社，2001周 次1—4周5—8周9—12周13—16周17—18周應(yīng)完成的內(nèi)容搜集資料，查閱書籍，自學(xué)數(shù)字圖像處理學(xué)以及VC++編程語言。中期檢查。指導(dǎo)教師：付煒 職稱：教授 2011年3月4 日系級教學(xué)單位審批： 年 月 日摘要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(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面。本文介紹的是利用VC++編程實現(xiàn)對數(shù)字圖像進行處理，包括預(yù)處理及進一步的處理。目前新興研究的小波變換在時域和頻域中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應(yīng)用。 3) 圖像增強和復(fù)原圖像增強和復(fù)原的目的是為了提高圖像的質(zhì)量，如去除噪聲，提高圖像的清晰度等。 4) 圖像分割圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一。 5) 圖像描述圖像描述是圖像識別和理解的必要前提。 6) 圖像分類（識別）圖像分類（識別）屬于模式識別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預(yù)處理（增強、復(fù)原、壓縮）后，進行圖像分割和特征提取，從而進行判決分類。提取特征或信息的過程是模式識別或計算機視覺的預(yù)處理。 數(shù)字圖像處理的常用方法1）圖像變換：由于圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進行。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節(jié)明顯；如強化低頻分量可減少圖像中噪聲影響。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒有一種普遍適用于各種圖像的有效方法。對于特殊的紋理圖像可采用二維紋理特征描述。方面研究。許多國家每天派出很多偵察飛機對地球上有興趣的地區(qū)進行大量的空中攝影。如LANDSAT系列陸地衛(wèi)星，采用多波段掃描器（MSS），在900km高空對地球每一個地區(qū)以18天為一周期進行掃描成像，其圖像分辨率大致相當(dāng)于地面上十幾米或100米左右（如1983年發(fā)射的LANDSAT4，分辨率為30m）【6】。我國也陸續(xù)開展了以上諸方面的一些實際應(yīng)用，并獲得了良好的效果。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(yī)學(xué)診斷方面都廣泛地應(yīng)用圖像處理技術(shù)【8】。要將這樣高速率的數(shù)據(jù)實時傳送出去，必須采用編碼技術(shù)來壓縮信息的比特量。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(nóng)業(yè)生產(chǎn)帶來新的激勵，目前已在工業(yè)生產(chǎn)中的噴漆、焊接、裝配中得到有效的利用。第2章 數(shù)字圖像的傅里葉變換 傅里葉變換的定義及基本概念傅里葉變換能將滿足一定條件的某個函數(shù)表示成三角函數(shù)（正弦和/或余弦函數(shù)）或者它們的積分的線性組合。F(ω)叫做f(t)的象函數(shù)，f(t)叫做 　　F(ω)的象原函數(shù)。而根據(jù)該原理創(chuàng)立的傅立葉變換算法利用直接測量到的原始信號，以累加方式來計算該信號中不同正弦波信號的頻率、振幅和相位【11】。最后還可以利用傅立葉反變換將這些頻域信號轉(zhuǎn)換成時域信號。在數(shù)學(xué)領(lǐng)域，盡管最初傅立葉分析是作為熱過程的解析分析的工具，但是其思想方法仍然具有典型的還原論和分析主義的特征。5. 離散形式的傅立葉的物理系統(tǒng)內(nèi),頻率是個不變的性質(zhì),從而系統(tǒng)對于復(fù)雜激勵的響應(yīng)可以通過組合其對不同頻率正弦信號的響應(yīng)來獲取。在形式上，變換兩端（時域和頻域上）的序列是有限長的，而實際上這兩組序列都應(yīng)當(dāng)被認為是離散周期信號的主值序列。效果：連續(xù)信號離散化使得信號的頻譜被周期延拓。(3) 時域周期延拓：目的：要使頻率離散，就要使時域變成周期信號。(4) 經(jīng)抽樣、截斷和延拓后，信號時域和頻域都是離散、周期的。(iii) 時域的離散時間間隔(或周期)與頻域的周期(或離散間隔)互為倒數(shù)【13】。DFT正逆變換的對應(yīng)關(guān)系是唯一的，或者說它們是互逆的。(ii) 共扼對稱性：如果為實序列，則其N點的DFT關(guān)于原點和N/2都具有共軛對稱性【15】。EXP(實奇)。(6) 頻移性：(7) 時域離散圓卷積定理：(i) 圓卷積：周期均為N的序列與之間的圓卷積為仍是n的序列，周期為N。其中表示按k進行DFT運算。(3) 如果稱離散譜經(jīng)過IDFT所得到的序列為重建信號，則重建信號是離散的周期函數(shù)，周期為(對應(yīng)離散譜的離散間隔的倒數(shù))、離散間隔為(對應(yīng)離散譜周期的倒數(shù))。(6) 在時域和頻域范圍內(nèi)的N點分別是各自的主值區(qū)間或主值周期【16】。 對圖像進行傅里葉變換的意義圖像的頻率是表征圖像中灰度變化劇烈程度的指標(biāo)，是灰度在平面空間上的梯度。從物理效果看，傅立葉變換是將圖像從空間域轉(zhuǎn)換到頻率域，其逆變換是將圖像從頻率域轉(zhuǎn)換到空間域。為什么要提梯度？因為實際上對圖像進行二維傅立葉變換得到頻譜圖，就是圖像梯度的分布圖，當(dāng)然頻譜圖上的各點與圖像上各點并不存在一一對應(yīng)的關(guān)系，即使在不移頻的情況下也是沒有。對頻譜移頻到原點以后，可以看出圖像的頻率分布是以原點為圓心，對稱分布的。（3）行列順序依次讀取數(shù)據(jù)區(qū)的值，存儲到開辟的復(fù)數(shù)存儲區(qū)。（7）將計算結(jié)果轉(zhuǎn)換成可顯示圖像，并將坐標(biāo)原點移至圖像中心位置，使得圖像可以現(xiàn)實整個周期頻譜。由于成像系統(tǒng)、傳輸介質(zhì)和記錄設(shè)備等的不完善，數(shù)字圖像在其形成、傳輸記錄過程中往往會受到多種噪聲的污染。對于數(shù)字圖像信號，噪聲表為或大或小的極值，這些極值通過加減作用于圖像象素的真實灰度值上，在圖像造成亮、暗點干擾，極大降低了圖像質(zhì)量，影響圖像復(fù)原、分割、特征提取、圖識別等后繼工作的進行。而非線性濾波器是基于對輸入信號的一種非線性映射關(guān)系，?？梢园涯骋惶囟ǖ脑肼暯频赜成錇榱愣Ａ粜盘柕囊卣?，因而其在一定程度上能克服線性濾波器的不足之處。另一方中值濾波的濾波效果常受到噪聲強度以及濾波窗口的大小和形狀等因素的制約了使中值濾波器具有更好的細節(jié)保護特性及適應(yīng)性，人們提出了許多中值濾波器的改進算法!標(biāo)準(zhǔn)中值濾波算法的基本思想是將濾波窗口內(nèi)的最大值和最小值均視為噪聲，用濾波窗口內(nèi)的中值代替窗口中心像素點的灰度，在一定程度上抑制了噪聲。 形態(tài)學(xué)濾波器隨著數(shù)學(xué)各分支在理論和應(yīng)用上的逐步深入，以數(shù)學(xué)形態(tài)學(xué)為代表的非線性濾波在保護圖像邊緣和細節(jié)方面取得了顯著進展。而閉運算則會填充那些圖像上與結(jié)構(gòu)元素不相吻合的相對暗的分布結(jié)構(gòu)，同時保留那些相吻合的部分。這是一個經(jīng)典方法(如線性卷積濾波、中值濾波)所不具備的性質(zhì)。雖然用低通濾波器進行平滑處理可以使噪聲偽輪廓的寄生效應(yīng)減低到不顯眼的程度，但是由于低通濾波器對噪聲等寄生成分濾除的同時，對有用的高頻成分也濾除，因此，這種去除噪聲的美化處理是以犧牲清晰度為代價。濾波的目的有兩個:一是抽出對象的特征作為圖像識別的特征模式。圖像的濾波方法很多，主要可以分為頻率域法和空間域法兩大類。圖像在變換具有的這些內(nèi)在特性可被用于圖像濾波。 H (u, v)一為傳遞函數(shù)，也稱轉(zhuǎn)移函數(shù)（即低通濾波器）。 G (u, v)一為經(jīng)低通濾波后輸出圖像的傅立葉變換。 H濾波濾去高頻成分，而低頻信息基本無損失地通過。circular Iowpassfilter)、巴特沃思(Butterworth)低通濾波器、指數(shù)低通濾波器及梯形低通濾波器。類似的，如果在頻域采取高通濾波，即對低頻成分進行抑制而使高頻部分全部通過，那么會產(chǎn)生截然相反的效果，使圖像得到銳化。 運行結(jié)果圖 圖33原圖 圖34理想高通處理后的圖 高通效果分析由于高頻分量主要決定圖像的邊緣，因此經(jīng)過高通濾波器后圖像的低頻分量被濾掉，邊緣部分將被保留，非邊緣部分將被過濾。這樣的濾波器就稱之為自適應(yīng)濾波器【23】。 當(dāng)輸入信號的統(tǒng)計特性未知，或者輸入信號的統(tǒng)計特性變化時,自適應(yīng)濾波器能夠自動地迭代調(diào)節(jié)自身的濾波器參數(shù)，以滿足某種準(zhǔn)則的要求,從而實現(xiàn)最優(yōu)濾波。但是,由于非線性自適應(yīng)濾波器的計算較復(fù)雜,實際用得最多的仍然是線性自適應(yīng)濾波器。 LMS自適應(yīng)濾波算法由Widrow 和Hoff 提出的最小均方誤差(LMS)算法,因其具有計算量小、易于實現(xiàn)等優(yōu)點而在實踐中被廣泛采用. 基于最速下降法的最小均方誤差(LMS) 算法的迭代公式如下:e ( n) = d ( n) XT( n) W( n) ,W( n + 1) = W( n) + 2μe ( n) X( n)其中: W( n) 為自適應(yīng)濾波器在時刻n 的權(quán)矢量,X( n) 為時刻n 的輸入信號矢量, d ( n) 為期望輸出值, v ( n) 為干擾信號, e ( n) 是誤差信號, L 是自適應(yīng)濾波器的長度,μ是步長因子. LMS 算法收斂的條件為:0 μ 1/λmax ,、時變系統(tǒng)跟蹤能力及穩(wěn)態(tài)失調(diào)是衡量自適應(yīng)濾波算法優(yōu)劣的三個最重要的技術(shù)指標(biāo). 覃景繁等分析了最小均方誤差(LMS) 算法的收斂性能. 由于主輸入端不可避免地存在干擾噪聲,自適應(yīng)濾波算法將產(chǎn)生參數(shù)失調(diào)噪聲. 干擾噪聲v ( n) 越大,則引起的失調(diào)噪聲就越大. 減少步長因子μ 可減少自適應(yīng)濾波算法的穩(wěn)態(tài)失調(diào)噪聲,提高算法的收斂精度. 然而步長因子μ的減少將降低算法的收斂速度和跟蹤速度. 因此, 固定步長的自適應(yīng)濾波算法在收斂速度、時變系統(tǒng)跟蹤速度與收斂精度方面對算法調(diào)整步長因子μ的要是相互矛盾的. 為了克服這一矛盾, 人們提出了許多變步長自適應(yīng)濾波算法. R. D. Gitlin曾提出了一種變步長自適應(yīng)濾波算法,其步長因子μ( n) 隨迭代次數(shù)n 的增加而逐漸減小. Yasukawa 等提出了使步長因子μ正比于誤差信號e ( n) 等提出了一種時間平均估值梯度的自適應(yīng)濾波算法. 葉華等提出了另一種變步長自適應(yīng)濾波算法,步長因子μ與e ( n) 和x ( n) 的互相關(guān)函數(shù)的估值成正比. 吳光弼等通過對誤差信號線性處理,得到了L. E LMS 變步長自適應(yīng)濾波算法,該算法較為復(fù)雜.在分析了上述變步長自適應(yīng)濾波算法之后,文提出了變步長自適應(yīng)濾波算法的步長調(diào)整原則. 即在初始收斂階段或未知系統(tǒng)參數(shù)發(fā)生變化時,步長應(yīng)比較大, 以便有較快的收斂速度和對時變系統(tǒng)的跟蹤速度。在使用攝像機采集圖像的過程中，觀察到有兩種噪聲源對圖像質(zhì)量的影響最大。而對于椒鹽噪聲，則采用中值濾波的方法解決。針對這兩種噪聲的特點，提出了一種基于內(nèi)容的圖像自適應(yīng)濾波算法。 運行效果圖圖36原圖 圖37加上隨機噪聲和椒鹽噪聲后的圖像 圖38進行自適應(yīng)濾波后效果圖 效果分析 比較圖圖37和圖38可看出，受到隨機噪聲和椒鹽噪聲污染的圖像經(jīng)過自適應(yīng)濾波后圖像的直來那個已經(jīng)得到了明顯的好轉(zhuǎn)，雖然圖像的觀賞效果與原圖像相比受到了一定影響，但與處理前相比已經(jīng)得到了很大改觀，雖然經(jīng)過濾波的圖像的某系特性受到了一定影響，但是這些影響是可以接受的。圖象的邊緣有方向和幅度兩個特性。邊緣點也存在于這樣一隊對鄰點之間即一個在較亮的區(qū)域內(nèi)部，另一個在外部。（4）邊緣強度；沿邊緣法線方向圖象局部的變化強度的量度。對這種變化最有用的兩個特征是灰度的變化率和方向，在灰度變化突變處進行微分，將產(chǎn)生高值。圖象經(jīng)過梯度運算能靈敏的檢測出邊界線，這種微分邊緣檢測算子運算簡單易行，但有方向性。邊緣能勾劃出目標(biāo)物體，使觀察者一目了然；邊緣蘊涵了豐富的內(nèi)在信息（如方向、階躍性質(zhì)、形狀等），是圖像識別中抽取圖像特征的重要屬性。所以，從這個意義上說，提取邊緣的算法就是檢出符合邊緣特性的邊緣像素的數(shù)學(xué)算子。邊緣檢測技術(shù)對于處理數(shù)字圖像非常重要，因為邊緣是所要提取目標(biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開來。邊緣檢測的方法大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。需要指出，大多數(shù)濾波器在降低噪聲的同時也導(dǎo)致了邊緣強度的損失，因此，增強邊緣和降低噪聲之間需要折中。 ③檢測：在圖像中有許多點的梯度幅值比較大，而這些點在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來確定哪些點是邊緣點。這是因為大多數(shù)場合下，僅僅需要邊緣檢測器指出邊緣出現(xiàn)在圖像某一像素點的附近，而沒有必要指出邊緣的精確位置或方向。經(jīng)典的邊緣檢測方法，是通過對原始圖像中像素的某小鄰域構(gòu)造邊緣檢測算子來達到檢測邊緣這一目的的【27】。111212211121圖43 Sobel算子模板 用各種算子實現(xiàn)的運行結(jié)果圖 Sobel邊緣檢測算法： 圖44原圖