【正文】 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地應用。壓縮可以在不失真前提下獲得，也可以在允許的失真條件下進行。3）圖像增強和復原圖像增強和復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。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；如強調(diào)低頻分量可以減少圖像中噪聲影響。4）圖像分割圖像分割時數(shù)字圖像處理中的關鍵技術之一。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處理的有效方法。5） 圖像描述圖像描述是圖像識別和理解的必要前提。一般圖像描述方法采用二維形狀描述，有邊界描述和區(qū)域描述兩類方法。在計算機視覺中要進行三維物體描述的研究，為此，提出了體積描述、表面描述、廣義圓柱體描述等方法。圖像分類常采用經(jīng)典的模式識別方法，有統(tǒng)計模式分類和句法（結(jié)構(gòu)）模式分類，近年來新發(fā)展起來的模糊模式識別、人工神經(jīng)網(wǎng)絡模式分類以及支撐向量機方法在圖像識別中也越來越受到重視。 數(shù)字圖像處理現(xiàn)狀分析數(shù)字圖像處理技術的應用越來越廣，己經(jīng)滲透到工程、工業(yè)、醫(yī)療保健、航空航天、軍事、科研、安全保衛(wèi)等各個方面，在國計民生及國民經(jīng)濟中發(fā)揮著越來越大的作用。圖像處理技術由于本身所具有的特點導致它又很容易受到一些因素的制約。在數(shù)字圖像處理中，一幅圖像可看成是由圖像矩陣中的像素（pixel）組成的，每個像素的灰度級至少要用6bit（單色圖像）來表示，一般采用8bit（彩色圖像），高精度可用12bit或16bit甚至更高。（2）圖像處理綜合性強。一般來說涉及通信技術、計算機技術、電子技術、電視技術，至于涉及到的數(shù)學、物理學等方面的基礎知識。（3）圖像信息理論與通信理論密切相關。此后，信息理論便滲透到了各個領域。從當今的理論發(fā)展看，可以說圖像信息論是在通信理論研究的發(fā)展起來的?？傊?，通信中的一維問題都可推廣到二維，盡管有些理論尚不完全貼切，但對圖像自身理論體系的形成有極大的借鑒意義。（5）內(nèi)容豐富，通過編寫不同的軟件程序可以實現(xiàn)對圖像的不同處理，如增強、濾波、恢復和壓縮等，其處理內(nèi)容十分豐富。數(shù)字圖像處理不僅能完成線性運算，且能實現(xiàn)非線性處理，即凡是可以用數(shù)學公式或邏輯關系來表達的一切運算均可用數(shù)字圖像處理實現(xiàn)。數(shù)字圖像處理與模擬圖像處理的根本不同在于，它不會因圖像的存儲、傳輸或復制等一系列變換操作而導致圖像質(zhì)量的退化。（8）適用面廣。從圖像反映的客觀實體尺度看，可以小到電子顯微鏡圖像，大到航空照片、遙感圖像甚至天文望遠鏡圖像。（9）占用頻帶寬，信息壓縮的潛力大。就電視畫面而言，同一行中相鄰兩個像素或相鄰兩行間的像素，而相鄰兩幀之間的相關性比幀內(nèi)相關性一般說還要大些。由此造成圖像處理會受到一些因素的制約：（1）知識的綜合性強，需要掌握多方面的知識。（3）處理寬頻帶難度大。與音頻信息相比，占用的頻帶要大幾個數(shù)量級。（4）二維到三維的轉(zhuǎn)換難度大。（5）人為因素。鑒于圖像處理自身的特點以及影響其的一系列因素，個人認為圖像處理未來的發(fā)展可能會有以下幾個方向：（1）數(shù)字圖像處理技術的發(fā)展將向著高速、高分辨率、立體化、多媒體、智能化和標準化方向發(fā)展（2）進一步加強軟件研究、開發(fā)新的軟硬件圖像處理方法。（4）逐步完善數(shù)字圖像處理科學自身的理論體系。Fractal廣泛用于圖像處理、圖形處理、紋理分析，同時還可以用于數(shù)學、物理、生物、神經(jīng)和音樂等方面，有人認為Fractal把雜亂無章、隨意性很強的事物能用數(shù)學方法加以規(guī)范和描述，它在分析和描繪自然現(xiàn)象上具有獨到之處。目前，結(jié)合多媒體技術的研究，硬件芯片越來越多。INMOS公司的IMSA 121，采用流水線結(jié)構(gòu)，CCUbe公司CL550把JPEG做到一個芯片上，更便于推廣應用。（8）虛擬現(xiàn)實。網(wǎng)上虛擬現(xiàn)實、可視電話及會議系統(tǒng)等方面的發(fā)展及應用都為數(shù)字圖像處理技術的發(fā)展提供了新的機遇。 本文章節(jié)簡介本文共分為六章。第二章圖像處理理論，對圖像處理技術中經(jīng)常用到的一些理論與方法進行比較詳細的介紹。第四章概要設計，這一章是整個系統(tǒng)的設計思路以及一些算法的簡單分析。第六章是系統(tǒng)的最后調(diào)試以及功能使用說明部分。目前把圖像信息看成二維平面上具有亮暗色彩變化的若干單個像素信息的集合是非常初步的認識。由此啟發(fā)人們?nèi)パ芯拷ㄈ说囊蛩卦趦?nèi)的信息理論。人的視野相當寬廣，左右視角約為180176。但如此寬廣的視野中視力好的部位僅限于2176。那么，人是如何轉(zhuǎn)動眼球使視線移動，從而適應大的畫面和立體景象的呢？人眼中心視力分辨率強，可以進行圖像細節(jié)的認識，但只能認識圖像的一小部分；而周邊視力分辨率差，但可以認識圖像的全貌，而且可以將所視目標特征部分檢出，利用檢出的目標圖像特征去控制眼球運動，必要時可以再用中心視力來進一步認識這一部分圖像。以上的視野。（3）主觀亮度感覺。其主觀亮度感覺S與光強度B的對數(shù)呈線性關系，這一規(guī)律稱為韋伯弗赫涅爾（WeberFechner）定律，即為下式所示：S=klogB+k0式中k、k0為常數(shù)。圖 二1 同時對比效應同時對比效應（如上圖所示）。圖 二2 馬赫帶效應圖中各個條帶的客觀亮度不同，但每個條帶本身的客觀亮度是相同的。 圖像數(shù)字化一幅黑白靜止平面圖像中各點的灰度值可用其位置坐標x，y的函數(shù)fx，y來描述。這種用連續(xù)函數(shù)表示的圖像無法用計算機進行處理，也無法再各種數(shù)字系統(tǒng)中傳輸或存儲，必須將代表圖像的連續(xù)（模擬）信號轉(zhuǎn)變?yōu)殡x散（數(shù)字）信號。采樣和量化。采樣的方法有兩類：一類是直接對表示圖像的二維函數(shù)值進行采樣，即讀取各離散點上的信號值，所得結(jié)果就是一個樣點值陣列，所以也稱為點陣采樣；另一類是先將圖像函數(shù)進行某種正交變換，用其變換系數(shù)作為采樣值，故稱為正交系數(shù)采樣。也就是對每個樣點值數(shù)字化，使其只和有限個可能電平數(shù)中的一個對應，即使圖像的灰度值離散化[3]。因為都要取整，故量化也常稱為整量或整量化過程。圖像噪聲按其產(chǎn)生的原因可分為：（1）外部噪聲：是指系統(tǒng)外部干擾從電磁波或經(jīng)電源串進系統(tǒng)內(nèi)部而引起的噪聲，如電氣設備、天體放電現(xiàn)象等引起的噪聲。從統(tǒng)計理論觀點圖像噪聲可分為平穩(wěn)和非平穩(wěn)噪聲兩種。還可以按噪聲幅度分布形狀來定義，如其幅度分布是按高斯分布的就稱其為高斯噪聲，而按雷利分布的就稱其為雷利噪聲。 圖像質(zhì)量評價圖像質(zhì)量的含義包含兩個方面，一個是圖像的保真度（fidelity），另一個是圖像的可懂度（inteligibility）。目前對圖像質(zhì)量在定量評價上一般采用均方誤差表示的客觀保真度準則，而圖像的可懂度定量測量還是很困難。顯然這種評價方法容易受到很大認為因素的影響。色調(diào)是彩色的最重要的屬性，是決定顏色本質(zhì)的基本特性；色飽和度是指一個顏色鮮明程度，飽和度越高，顏色越深；亮度是指光波中作用于感受器所發(fā)生的效應，其大小由反射系數(shù)決定，反射系數(shù)越大，物體的亮度越高。人眼大概能識別128種不同的色調(diào)和130種不同的色澤（色飽和度）。因此，人眼可以識辨出大約12813016=266240種不同的顏色。彩色模型。RGB（紅、綠、藍）模型主要用于彩色監(jiān)視器和彩色視頻攝像機；CMY（青、深紅、黃）模型用于彩色打印機；HSI（色調(diào)、飽和度、亮度）模型更符合人描述和解釋顏色的方式。RGB和CMY的轉(zhuǎn)化。使用RGB模型生成顏色時，用于產(chǎn)生顏色的原基色比例系數(shù)出現(xiàn)負值，使用起來十分不便。XYZ顏色把彩色光表示為：C=XX+YY+ZZ。XYZ表色系統(tǒng)須滿足如下3個條件：三色比例系數(shù)X、Y、Z皆大于零；Y的數(shù)值正好是彩色光的亮度；當X=Y=Z時仍然表示標準白光。但對于圖像處理的運算來說，由于圖像陣列很大，如果沒有有效地算法，計算上很麻煩且費時，往往采用各種圖像變換方法，如傅里葉變換、沃爾什變換等間接處理技術，可獲得更有效地處理。 離散傅里葉變換離散傅里葉變換（Discrete Fourier Transform——簡稱DFT）在數(shù)字信號處理和數(shù)字圖像處理中應用十分廣泛，它建立了離散時域和離散頻域之間的聯(lián)系。因此，一般可采用DFT方法，將輸入的數(shù)字信號首先進行DFT變換，在頻域中進行各種有效地處理，然后進行DFT反變換，恢復為時域信號。DFT還有一個明顯的優(yōu)點是有快速算法，即FFT（Fast Fourier Transform）算法，它可大大減少計算次數(shù)，使計算量減少到只是直接用DFT所需計算量的一小部分[7]。fx變?yōu)殡x散函數(shù)，可用下圖所示序列fx0，fx0+?x，fx0+2?x，?，fx0+N1?x表示。圖 二3 一維連續(xù)函數(shù)fx的采樣經(jīng)取樣后的一維離散函數(shù)fx的傅里葉變換對由下式表示：Fu=1Nx=0N1fxexpj2πux/Nfx=1Nu=0N1Fuexpj2πux/N式中x=0，1，2，?，N1；u=0，1，2，?，N1。最后應指出，離散傅里葉變換總是存在的，它不必考慮連續(xù)傅里葉變換所需的可積的條件要求。二維離散傅里葉變換對由下式給出Fu，v=1MNx=0M1y=0N1fx，yexpj2πuxM+vy/N式中：u=0，1，2，?，M1；v=0，1，2，?，N1。二維連續(xù)函數(shù)的取樣是在二維的取樣間隔上進行的，對空域的取樣間隔為?x和?y，對頻域的取樣間隔為?u和?v。在數(shù)字圖像處理中，圖像一般取樣為方形陣列，則M=N，那么二維DFT可表示為Fu，v=1N2x=0N1y=0N1fx，yexpj2πux+vy/N式中：u=0，1，2，?，N1；v=0，1，2，?，N1。需要指出的是上述變換對并不是通用的表示式，常用的是正、反變換式中常數(shù)項均去1/N，這不影響問題的本質(zhì)。（1）線性傅里葉變換是一種線性算子。（2）可分離性顯然傅里葉變換公式中指數(shù)項可分成只含x、u和y、v的二項乘積，其相應的二維離散傅里葉變換對可分離成兩部分之積：Fu，v1N2x=0N1expj2πux/Ny=0N1fx，yexpj2πvy/Nfx，y=u=0N1expj2πux/Ny=0N1Fu，vexpj2πvy/N式中，u、v、x、y均取0，1，2，?，N1。為說明問題，以二維傅里葉正變換為例，設其后面的求和項為Fx，v，即Fx，v=N1N2y=0N1fx，yexpj2πuy/N此式表示對每一個x值，fx，y先沿每一行進行一次一維傅里葉變換。二維離散傅里葉反變換的分離過程完全與上述相似，所不同的只是指數(shù)項為正，這里就不再重復了。平移性告訴我們一個感興趣的事實：當空域中fx，y產(chǎn)生移動時，在頻域只發(fā)生相移，而傅里葉變換的幅值不變，因為Fu，vexpj2πux0+vy0/N=Fu，v反之，當頻域中Fu，v產(chǎn)生移動時，相應的fx，y在空域中也只發(fā)生相移，而幅值不變。要做到此點，只需令u0=v0=N2則expj2πu0x+v0y/N=ejπx+y=1x+y，根據(jù)歐拉公式，代入ejπ=cosπ+jsinπ=1而得。這說明，如果需要將圖像頻譜的原點從起始點0，0移到圖像的中心點N2，N2，只要fx，y乘上1x+y因子進行傅里葉變換即可實現(xiàn)。傅里葉變換對的周期性可表示為：Fu，v=Fu+aN，v+bNfx，y=fx+aN，y+bN式中：a，b=0，177。2，?共軛對稱性可表示為Fu，v=F*u，vFu，v=Fu，v離散傅里葉變換的周期性說明正變換后得到的Fu，v或反變換后得到的fx，y都是具有周期為N的周期性重復離散函數(shù)。也就是說要在頻域中完全確定Fu，v，只需要變換一個周期。共軛對稱性說明變換后的幅值是以原點為中心對稱。（5）旋轉(zhuǎn)不變性若引入極坐標x=rcosθy=rsinθ u=ωcosφv=ωsinφ則fx，y和Fu，v分別變?yōu)閒r，θ和Fω，φ。（6）分配性和比例性傅里葉變換的分配性表明傅里葉變換和反變換對于加法可以分配，對乘法則不行。（7）平均值二維離散函數(shù)的平均值定義如下：fx，y=1N2x=0N1y=0N1fx，y將u=v=0代入二維離散傅里葉定義式，可得F0，0=1N2x=0N1y=0N1fx，y比較上面兩個式子可以看出：fx，y=F0，0因此，若要求離散信號fx，y的平均值，只需算出相應的傅里葉變換Fu，v在原點值F0，0即可。（9）卷積定理卷積定理和相關定理都是研究兩個函數(shù)的傅里葉變換之間的關系，這也構(gòu)成了空間域和頻域之間的基本關系。x≤Ａ１　?。啊埽埽拢?　　　　?。痢埽埽停薄　。隆埽埽危保鏴x，y=ｇx，y, ?。啊躠mp。（10）相關定理在離散情況下，與離散卷積一樣，須用增補零的方法擴充fx，y和gx，y為fex，y和gex，y。gx，y Fu，v?G*u，vfx，y?g*x，y Fu，v176。首先，需計算復數(shù)而不是實數(shù)，進行復數(shù)運算比較費時。 離散沃爾什哈達瑪變換（DWTDHT）沃爾什（Walsh）變換是由兩個數(shù)值，即+1或1的基本函數(shù)的級數(shù)展開而成的，它和傅里葉變換一樣具備完備正交特性。設N=2n，一維離散沃爾什變換表示為Wu=1Nx=0N1fxi=0n11bixbn1iu式中u、x均取0，1，2，?，N1。同時正反變換的任何算法都可直接用來求反變換，這時只需將算法結(jié)果乘以N即可[8]。二維沃爾什正變換核和反變換核為gx，y，u，v=1Ni=1n11bixbn1iu+biybn1ivhx，y，u，v=1Ni=1n11bixbn1iu+biybn1iv此處，為使正、反變換核有相同形式，取相同的常數(shù)項1N，則所對應的二維離散沃爾什正、反變換為Wu，v=1Nx=0N1y=0N1fx，yi=1n11bixbn1iu+biybn1ivfx，y=1Nx=0N1y=0N1Wu，vi=1n11bixbn1iu+biybn1iv二維沃爾什變換也可以分成兩步一維沃爾什變換來進行。一維離散余弦變換的正向變換核為gx，0=1Ngx，u=2Ncos2x+1uπ2N式中：x=0，1，2，?，N1；u=1，