【正文】 類庫如OpenIL,FreeImage,PaintLib等等，它們可所謂是功能強大，齊全，沒有必要使用其它的類庫。 CxImage圖像操作類庫介紹 CxImage類庫是一個非常優(yōu)秀的圖像操作類庫。這種由孤立的單元材料所組成的整體單位叫做組塊，每一個組塊都是同時被感知的。 在人類圖像的識別系統(tǒng)中，對比較復雜圖像的識別往往要通過不同層次的信息加工才能得以實現(xiàn)。由此可見，在圖像的識別過程中，知覺機制必須排除輸入的其他多余信息,抽出關鍵的信息。對圖像識別時眼動的研究表明，視線總是集中在圖像的主要特征上，也就是集中在圖像的輪廓曲度最大或者輪廓方向突然改變的地方，這些地方的信息量是最大的。 圖像識別可能是以圖像的主要特征為識別基礎的。2 圖像識別 圖像識別介紹圖像識別，是運用計算機對圖像進行處理、分析和理解，以識別各種不相同模式的目標和對像的技術。本文主要介紹了圖像的輪廓識別，通過圖像輪廓的各種算法，例如：邊緣檢測、輪廓提取、種子填充、Hough變換、輪廓跟蹤等，結合微軟公司提供的VS2010編程軟件，利用CxImage圖像處理類庫和C++編程基礎知識，對計算機采集到的圖像進行輪廓識別?？梢灶A期，圖像的識別技術為人類生活創(chuàng)造了新的文化環(huán)境，成為提高生產的自動化水平、智能化水平的基礎科學之一。盡管計算機圖像識別面臨著非常巨大的困難，然而這一技術還是得到了很大的發(fā)展。數(shù)字圖像的處理技術在航空航天、工業(yè)生產、醫(yī)療的診斷、資源環(huán)境、氣象以及交通的監(jiān)測、文化教育等領域有著非常廣泛的應用，創(chuàng)造了巨額的社會價值；但同時還遠遠不能滿足社會的需求，自身也在不斷的完善和發(fā)展，有很多新的方面需要探索。圖像的處理技術和圖像的模式識別技術都是計算機應用與研究領域的重要分支，將兩者有機地并和諧地結合起來，能夠進一步地發(fā)揮原來單一技術的作用。 選題目的與意義圖像處理是信號與信息處理科學的一個部分，也是在計算機領域中最為活躍的領域之一?？梢灶A期，在21世紀初期，圖像技術將經(jīng)歷一個飛躍式發(fā)展的成熟階段，為深入人民生活創(chuàng)造了新的文化環(huán)境，成為提高生產自動化、智能化水平的基礎學科之一。很多戰(zhàn)略目標都沒有固定的模型，例如不同分辨率圖像中的港口、道路、橋梁、機場和交通樞紐等等，模型都是不相同的。像橋梁這樣的大型地面的目標識別也是以水上的橋梁居多，然而陸地橋梁方面的研究則是較為少見。 國內外研究現(xiàn)狀戰(zhàn)略目標無論是在軍事方面還是民用方面，都有著非常重大的意義，但是令人遺憾的是，經(jīng)過這么些年，各類有關文獻中關于遙感圖像的戰(zhàn)略目標識別的部分仍然少之又少。⑤軍事上有衛(wèi)星的偵察、航空遙感、微光夜視、導彈制導、目標的跟蹤、軍事圖像的通信等，例如一些國際組織發(fā)射了資源遙感衛(wèi)星和天空實驗室(如SKYLAB)。③自動化的儀器如自動售貨機、自動搬運機、監(jiān)視裝置等。目前，國內、國外已經(jīng)把圖像的識別技術應用到很多領域，其中最典型的應用領域有：①在光學信息處理上如光學文字識別、光學標記識別、光學圖形的識別、光譜能量的分析等。但在近二十多年間,隨著基于直方圖圖像分割和小波變換的圖像分割方法的研究計算技術、以及VLSI技術的迅速發(fā)展,有關圖像處理方面的研究取得了相當大的進展。從圖像的類型來分有:灰度圖像的分割、彩色圖像的分割和紋理圖像的分割等。圖像分割是圖像處理中的一項非常關鍵的技術,自20世紀70年代,其研究已經(jīng)經(jīng)歷幾十年的歷史,一直都受到人們的高度重視,至今借助于各種理論提出了數(shù)以千計的圖像分割算法,并且這方面的研究仍舊在積極地進行著。圖像識別問題的數(shù)學實質是屬于模式空間到類別空間的映射問題。它是以數(shù)字圖像的處理與識別為基礎的并結合人工智能、系統(tǒng)學等學科的研究方向,其研究的成果被廣泛應用于各種工業(yè)及探測機器人上。數(shù)字圖像與模擬圖像相比具有存儲、傳送方便可壓縮、傳輸過程中不容易失真、處理方便等巨大優(yōu)勢,這些都為圖像的識別技術的發(fā)展提供了強大的動力。文字識別階段的研究是從1950年開始的,一般是用來識別字母、數(shù)字和符號的,從印刷文字識別再到手寫文字識別,應用非常廣泛,并且已經(jīng)研制成功了好多專用設備。圖像的識別與圖像的分割是圖像處理領域研究最多的課題之一,但它們依然是大多數(shù)研究人員的研究重心, 因為己經(jīng)取得的成果遠沒有待解決問題多。畢業(yè)設計題 目 彩色顆粒顯微圖像識別系統(tǒng) 顆粒圖像識別模塊 1 前言 選題的背景圖像識別技術已經(jīng)應用到了人類社會的各個領域，從指紋的識別、車輛的檢測、醫(yī)學研究到軍事的影像目標識別、匹配及典型目標打擊效果評估，深深地影響著人類的生活。圖像識別技術逐漸向高智能、非人工干預的方向發(fā)展。圖像識別的發(fā)展大致經(jīng)歷了三個階段:文字識別階段、數(shù)字圖像處理階段與識別、物體識別階段。數(shù)字圖像的處理和數(shù)字圖像的識別的研究開始于1965年。物體的識別主要指對三維世界的客體及環(huán)境的感知和認識,屬于高級計算機視覺范疇?，F(xiàn)代圖像識別技術的一個不足之處就是自適應性能較差,一旦目標圖像被較強的噪聲感染或是目標圖像有較大的殘缺往往就得不到理想的結果。目前,在圖像識別的發(fā)展過程中,主要有以下三種識別方法:統(tǒng)計模式識別、結構模式識別、模糊模式識別?，F(xiàn)有的圖像分割的方法有好多種,有閾值分割方法,邊緣檢測方法,區(qū)域提取方法,以及結合特定理論工具的分割方法等。早在1965年就有人提出了邊緣檢測算子,使得邊緣檢測產生了許多經(jīng)典算法。圖像分割方法結合了一些特定理論、原理、方法和工具,如基于數(shù)學形態(tài)學的圖像分割、基于小波變換的圖像分割、基于遺傳算法的圖像分割等。②在醫(yī)療儀器上的樣本檢查分析、眼球運動的檢測、X射線的攝像、胃鏡、腸鏡的攝像等。④工業(yè)自動檢測上如零件尺寸的動態(tài)檢查、產品質量、包裝、形狀識別，表面缺陷的檢測等。⑥在人工智能方面有機器人的視覺、無人自動的駕駛、郵件自動的分檢、指紋識別、人臉識別等，如中科院計算所自主研制的“面像檢測與識別的核心技術”。相對比而言，道路目標識別的部分較多，但很少作用于軍事用途，而是用于GIS(地理信息系統(tǒng)的導航)或者其它測繪的需求。機場識別的大部分也僅能夠檢測出直線特征明顯的主副跑道，而對于機場的其它附屬設施的識別則是很少涉及到的。這些目標不像那些戰(zhàn)術目標(飛機、艦船、車輛等)可以提取很多不變特征，如Hu矩和小波矩的特征等，所以大型戰(zhàn)略目標的分割與檢測都需要先驗知識的指導。圖像技術的基礎性研究，尤其是結合人工智能和視覺處理的新算法，從更高水平獲取圖像信息的豐富內涵，成為人類運算量最大、直觀性也最強，并與現(xiàn)實世界直接聯(lián)系的視覺和“形象思維”這一智能的模擬和復現(xiàn)，是一個很艱難并且非常重要的任務。圖像的識別是對處理后的圖像進行分類處理，確定所屬類別。利用圖像的處理技術處理包含數(shù)字字符的圖像， 模式識別是進一步地識別處理后的圖像， 從而使兩者很好地結合起來； 實際應用這一技術會有很好的收益效果。它必將先向更深入的更完善的方向發(fā)展：向處理算法更優(yōu)化，處理速度加快，實現(xiàn)圖形的智能化生成、處理、識別以及理解。綜觀圖像識別技術近幾十年來的發(fā)展和變化，不難看出一些優(yōu)越特點：圖像識別技術將經(jīng)歷一個飛速發(fā)展的階段，立體視覺和人工智能仍舊是計算機圖像識別今后的發(fā)展方向；短期內實現(xiàn)全自動化通用性計算機視覺系統(tǒng)可能性不大，今后應當結合各種實際應用以開發(fā)各種計算機圖像目標識別系統(tǒng)。圖像識別的基礎性研究，尤其是結合人工智能與視覺處理的新算法，從更高水平獲取圖像信息的豐富內涵。通過對圖像輪廓識別的研究達到人類對圖像識別的經(jīng)一步研究。地理學中是指將遙感圖像進行分類的技術。每個圖像都有它的特征,例如字母A有個尖，P有個圈、而Y的中心有個銳角等。并且眼睛的掃描路線也總是依次從一個特征轉到另外一個特征上。于此同時,在大腦里必有一個負責整合信息的機制，它能把分階段獲得的信息量整理成一個比較完整的知覺映像。對于熟悉的圖形,由于掌握了它的基本特征，就會把它當作一個單元來識別，而不再注意它的細節(jié)問題了。在文字材料的識別中，人們不但可以一個漢字的筆劃或者偏旁等單元組成一個組塊，而且能夠把經(jīng)常在一起出現(xiàn)的字或者詞組成組塊單位來加以識別。它可以方便快捷地存取、顯示、轉換各種圖像。但我要說，這些類庫基本上是沒有免費的，使用這些類庫，你要被這樣或者那樣的許可協(xié)議所要束縛。另外，在使用上述類庫時，你會遇到很多麻煩。而CxImage類庫在這方面做得是相當好的。與那些封裝好的圖形庫和GDI+來說相比較，這一點使我們可以進一步的學習各種編解碼技術，而不再浮于各種技術的表面。作者只是在位圖結構上添加了一些起存儲信息作用的成員變量。每個層只有在需要時才會分配相應的緩沖區(qū)。在這三個特殊層面的基礎上，你可以增加一些額外的層，這些層可以存儲在CxImage::pLayers中。因此，你可以構造很復雜的嵌套層。 //包含文件頭，調色板等等BITMAPINFOHEADER head。 //擴展了的信息BYTE* pSelection。 //alpha通道CxImage** pLayers。 //DWORD 掃描線寬BYTE* pImage。 //if this is a ghost, pGhost point to the bodyDWORD dwType。 //出錯信息long nProgress。 //跳出標志long nBkgndIndex。 //RGB三原色透明度BYTE nQuality。 //TIF, GIF, MNG使用 :實際的幀數(shù)long nNumFrames。 //GIF, MNG使用long xDPI。 //垂直分辨率RECT rSelectionBox。 //陰影的最大不透明度bool bAlphaPaletteEnabled。 //打開繪圖函數(shù)long xOffset。DWORD dwEncodeOption。 //一些優(yōu)化選項BYTE last_c_index。long nNumLayers。} CXIMAGEINFO。利用計算機進行圖像處理有兩個目的：一是產生更適合人們觀察和識別的圖像；二是希望能夠由計算機自動識別和理解圖像。特征是指圖像場中可用來作為標志的屬性。圖像的統(tǒng)計特征是指一些認為所定義的特征，通過變換才能得到的，如直方圖、矩、頻譜等等；圖像的視覺特征是指人的視覺可以直接感覺到的自然特征，如區(qū)域的亮度、紋理或輪廓等等。邊緣是圖像的最基本的特征。邊緣廣泛存在于物體和背景之間、物體和物體之間、基元和基元之間，它是圖像分割所依賴的很重要的特征。比較經(jīng)典的邊緣提取方法是考察圖像的每個像素在某個鄰域內灰度值的變化，也可以是描述為亮度的變化，運用邊緣鄰近一階或二階方向導數(shù)變化規(guī)律，用簡單的方法進行邊緣檢測。類別可以分為兩種：一種稱為階躍性邊緣，它兩邊的像素的灰度值有著非常顯著的不同；即不連續(xù)性，比如圖像的邊緣；另一種稱為屋頂狀邊緣，它是位于灰度值從增加到減少的變化轉折點，可以根據(jù)事先制訂的準則將圖像分割為相似的區(qū)域，比如門限處理、區(qū)域生長、區(qū)域分離和聚合等等；像素落在圖像中某一個物體的邊界上，那么它的鄰域將成為一個灰度級的變化帶。檢測算子檢查每個像素的鄰域并對灰度變化率進行量化，也包括方向的確定。（1）圖像灰度變換VC代碼int CVidCapDlg::MobanEdge3(int mm[3][3]) { int w,h。 h=imageGetHeight()。 ImgSetGrayPalette()。ih。jw。 int temp = 0。ii3。jj3。 i