【正文】 多關于 通用和專用 圖像處理軟件，各個軟件的應用目的和側重點 有所 不同。它作為目前世界上最優(yōu)秀的平面圖像處理軟件之一，其成功之處在于其操作界面簡單靈活和功能的不斷完善，此外，還增加了網(wǎng)頁圖片的制作功能，其捆綁發(fā)行的 ImageReady 可將用戶處理的圖像保存在網(wǎng)頁上進行發(fā)布，用戶還可輕松的制作網(wǎng)頁動畫。 Matlab Matlab 已成為國際公認的最優(yōu)秀的科 技應用軟件之一，具有編程簡單、數(shù)據(jù)可視化功能強、可操作性強等特點，而且配有功能強大、專業(yè)函數(shù)豐富的圖像處理工具箱，是進行圖像處理方面工作 的優(yōu)秀 軟件工具。 由于這些軟件在實際運用的時候都會產(chǎn)生這樣或那樣的問題， 因此可以自己開發(fā)一套數(shù)字圖像處理軟件系統(tǒng)，滿足數(shù)字圖像處理的基本需求。 2)處理精度高 按目前的技術，幾乎可將一幅模擬圖像數(shù)字化為任意大小的數(shù)組，這意味著圖像的數(shù)字化精度可以達到滿足應用需求。 4)靈活性高 2020屆電子信息工程 專業(yè) 畢業(yè)設計 （ 論文 ） 3 由于圖像的光學處理從原理上講只能進行線性運算，這極大地限制了光學圖像處理能實現(xiàn)的目標。 數(shù)字圖像處理應用領域 從 20世紀 60年代起，隨著計算機技術的不斷提高和普及，數(shù)字圖像處理學進入高速發(fā)展時期， 圖像處理的應用領域 已經(jīng) 涉及到人類生活和工作的方方面面。利用各類衛(wèi)星所獲取的圖像進行資源調(diào)查（如森林調(diào)查、海洋泥沙和漁業(yè)調(diào)查、水資源調(diào)查等），災害檢測（如病蟲害 檢測、水火檢測、環(huán)境污染檢測等），資源勘察（如石油勘查、礦產(chǎn)量探測、大型工程地理位置勘探分析等），農(nóng)業(yè)規(guī)劃（如土壤營養(yǎng)、水份和農(nóng)作物生長、產(chǎn)量的估算等），城市規(guī)劃（如地質(zhì)結構、水源及環(huán)境分析等）。通過醫(yī)用顯微圖像的處理分析，可以進行紅細胞、白細胞分類 ， 染色體分析 ， 癌細胞識別等。 3)工業(yè)和工程方面的應用 在 工業(yè)和工程領域中圖像處理技術有著廣泛的應用，大大提高了工作效率，如自動裝配線中質(zhì)量檢測 ， 對產(chǎn)品進行分類，印刷電路板疵病檢查，彈性力學照片的應力分析，流體力學圖片的阻力和升力分析，郵政信件的自動分揀，在一些有毒、放射性環(huán)境內(nèi)識別工件及物體的形狀和排列狀態(tài)，先進的設計和制造技術中采用工業(yè)視覺等。 張洪銘：基于 C的數(shù)字圖像處理系統(tǒng)的開發(fā) 4 第 2 章 數(shù)字圖像處理 理論 基礎 本章主要介紹 本軟件系統(tǒng)開發(fā)所需要用到的 圖像處理 理論知識，包括了數(shù)字圖像的表示，圖像的幾何變換、灰度變換、偽彩色增強，圖像的平滑去噪，圖像的邊緣檢測等相關理論知識的介紹。將一幅圖像進行數(shù)字化的過程就是在計算機內(nèi)生成一個二維矩陣的過程。掃描是按照一定的先后順序?qū)D像進行遍歷的過程，如按照優(yōu)先的順序進行遍歷掃描，像素是遍歷過程中最小的尋址單元。量化則是將采樣得到的灰度值通過模數(shù)轉(zhuǎn)器件轉(zhuǎn)換為離散的整數(shù)值。因此對一幅圖像數(shù)字化所得到的最終結果是一個二位整數(shù)矩陣，即數(shù)字圖像。簡單的來講，就是用一個網(wǎng)絡 (如圖 所示 )把待處理的圖像覆蓋，然后把每一小格上模擬圖像的各個亮度取平均值，作為該小方格中點的值；或者把方格的交叉點處模擬圖像的亮度值作為該方格交叉點上的值。這個網(wǎng)絡稱為采樣網(wǎng)絡，其意義是以網(wǎng)絡為基礎，采用某種形式 抽取模擬圖像代表點的值 。 ???????????????????)1,1()1,1()0,1()1,1()1,1()0,1()1,0()1,0()0,0(),(NMfNfMfnfffnfffyxf??????? 式（ 21） 其中每個元素為圖像 f(x,y)的離散采樣值，稱之為像元或像素。采樣間隔的大小選取要依據(jù)原圖像中包 含的細微濃淡變化來決定。 2)量化 采樣使連續(xù)圖像在空間離散化，但采樣所得的像素值 (即灰度值 )仍是連續(xù)量。簡單的說，量化使圖像灰度坐標的離散化，它決定了圖像的灰度分辨率。分層量化是把每一個離散樣本的連續(xù)灰度值只分成有限多的層次。一副圖像在采樣時，行列的采樣點與量 化時每個像素量化的級數(shù)，既影響數(shù)字圖像的質(zhì)量，也影響該數(shù)字圖像數(shù)據(jù)量的大小。 用有限個離散灰度值表示無窮多 個連續(xù)灰度必然會引起誤差，稱為量化誤 差 。采樣點數(shù)越多，圖像質(zhì)量越好 。同樣，當圖像的采樣點數(shù)一定時，采用不同量化級數(shù)的圖像質(zhì)量也不一樣，量化級數(shù)越多，圖像質(zhì)量越好，當量化級數(shù)越少時，圖像質(zhì)量越差，量化級數(shù)最小的極端情況就是二值圖像。設原像素點的坐標為 (x,y)，變換后的像素點坐標為 (x1,y1)。 2)縮放原理 對于圖像的縮小， 使圖像在 x 軸方向縮小 c 倍，在 y 軸方向上縮小 d 倍 ， 其變換公式為： cxx /1? ； dyy /1? ；對于圖像的放大，則需要進行插值。 4)鏡像原理： 圖像的鏡像變換分為兩種：一種是水平鏡像，另一種是垂直鏡像。鏡像變換后圖的高和寬都不變。垂直鏡像變換公式為： xhx ??? 11 ， yy?1 ；其中 h為圖像的高度。它是圖像增強的重要手段之一?；叶茸儞Q不改變圖像內(nèi)的空間關系，除了灰度級的改變是根據(jù)特定的灰度函數(shù)變換進行之外，可以看作是 “ 從像素到像2020屆電子信息工程 專業(yè) 畢業(yè)設計 （ 論文 ） 7 素 ” 復制操作，基于點運算的灰度變換可表示為： )],([),( yxfTyxg ? 。一旦灰度變換函數(shù)確定，該灰度變換就被完全確 定下來。 (2)分段線性灰度變換 。 分段線性灰度變換 為了突出圖像中感興趣的目標或者灰度區(qū)間，將圖像灰度區(qū)間分成兩段乃至多段分別做線性變換稱之為分段線性變換，如圖 所示 。采用分段線性法，可將需要的圖像細節(jié)灰度級拉伸，增強對比度，將不需要的細節(jié)灰 度級壓縮。用橫坐標表示灰度級，縱坐標表示頻數(shù) (也有用相對頻數(shù)即頻率表示的 )。 也就是說對每個灰度值，求出在圖像中該灰度值的 像素數(shù)的圖形稱為灰度值直方圖，或簡稱直方圖。在灰度級中， r=0 代表黑， r=1 代表黑。也就是說， r 是一個隨機變量。代表原 始圖像的灰度分布。這條曲線在概率論中就是分布密度函數(shù)，如圖 所示。例如，從圖 (a)和圖(b)的兩個灰度密度函數(shù)中可以看出，圖 (a)的大多數(shù)像素灰度值取在較暗的區(qū)域，所以這幅圖像肯定較暗，一般在攝影過程中曝光過強就會造成這種結果；而圖(b)的圖像像素灰度值集中在亮區(qū)，因 此，該圖像的特性將偏亮。當圖像的直方圖為一均勻分布時，圖像包含的信息量最大，圖像看起來就顯得清晰。它對整幅圖像進行同一個變換，也稱為全局直方圖均衡化。 直方圖均衡 化的具體步驟有如下三步 ： 第一步，根據(jù)公式計算原圖像的灰度直方圖或 )(krP )。 第二步，根據(jù)公式 計算原圖像的灰度累計分布函數(shù)，并根據(jù)公式 求出灰度變換表 。 第三步，根據(jù)灰度變換表，將原圖像各灰度級映射為新的灰度級，即可完成直方圖均衡化。采用直方圖均衡化后可使圖像的灰度間距拉開或使灰度均勻分布，從而增大反差，使圖像細節(jié)清晰，達到增強的目的。 最后再把該灰度值 P 分別賦予 R、 G 和 B?；叶葓D像中，如果相鄰像素點的灰度相差不大，但包含了豐富的信息的話，人眼則無法從圖像中提取相應的信息，因為人眼分辨灰度的能力很差，一般只有幾十個數(shù)量級，但是人眼對彩色信號的分辨率卻很強，這樣將黑白圖像轉(zhuǎn)換為彩色圖像人眼可以提取更多的信息量。變換后所獲得的偽彩色圖像的顏色與原始物體的顏色不存在一致關系。 RGB 彩色模型可以用一個三維的立方體來描述 ，如圖 所示?？陀^世界中的所有顏色都可以由紅(Red)、綠 (Green)、藍 (Blue)三原色組合而成，簡稱 RGB 三原色。針對含有紅色成分的多少，可以分成 0 到 255 共256 個等級， 0 級表示不含紅色成分， 255 級表示含 100％紅色成分。這樣，根據(jù)紅、綠、藍各種不同的組合 我們就能表示出256256256（約 1600 萬）種顏色。 2020屆電子信息工程 專業(yè) 畢業(yè)設計 （ 論文 ） 11 調(diào)色板 調(diào)色板就是圖像每一點 RGB 值在內(nèi)存中存儲的表，比如 640480 像素，顏色數(shù)為 16 的彩色圖，每一個像素都用 R、 G、 B 三個分量表示 ，有 2 種方法： 方法一：由于每個分量有 256 個級別，需要一個字節(jié)（ byte）來表示，所以每個像素需要用 3 個字節(jié)，整個圖像要用 6404803，為 900K 字節(jié)的內(nèi)存空間。 這樣當我們表示一個像素的顏色時，只需要指出該顏色在表中的索引值即可。 這樣計算一下： 16 種顏色可以用 4 位二進制數(shù)表示，一個像素只要用半個字節(jié)。很明顯，節(jié)省了很多存儲空間。 而 對于真彩色圖像，顏色為 256256256= 242 種，每個像素的顏色要用 3 個字節(jié)表示，即（ R、 G、 B） 3 個分量，即表示一個像素要用 24 位。 偽彩色實現(xiàn)方法 由色度學原理可知，各種彩色均可由紅、綠、藍這三種基色按適當?shù)谋壤铣?。為此，對原始圖像 f(x,y)的像素，按某一給定的函數(shù)逐點進行三個獨立的映射變換，得到相應的三基色分量 ( , )Rxy ， ( , )Gxy ， ( , )Bxy (分別表示紅、綠、藍分量 )。式中， RT ， GT ， BT 分別為產(chǎn)生 R、 G、 B 三基色分量的映射變換函數(shù)。 在轉(zhuǎn)換過程中，經(jīng)常采用的技術是灰度級 —— 彩色變 換，意思就是對黑白圖像上的每一個像素點，取得該點的灰度值并送入三個通道經(jīng)過實施不同的變換，產(chǎn)生相應的 R、 G、 B 的亮度值，即所求彩色圖像對應像素點的彩色值，具體變換公式很多， 本軟件 采用的是最常用的一種，變換曲線 如圖 所示。圖像平滑處理在消除或減弱圖像噪音和假輪廓的同時，對圖像細節(jié)也有一定的衰減作用。就同一平滑方法而言，去除或衰減噪音和假輪廓的效果越好，圖像就越模糊，因而圖像的細節(jié)損失越大。 噪聲模型 數(shù)字圖像的噪聲主要來源于圖像的獲取 (數(shù)字化過程 )和傳輸過程。例如，使用 CCD 攝像機獲取圖像，光照程度和傳感器溫度是生成圖像中產(chǎn)生大量噪聲的主要因素。噪聲一般是不可預測的隨機信號，通常采用概率統(tǒng)計方法對其進行分析。 這些噪聲的存在影響著人們對圖像的觀察，干擾人們對圖像信息的理解。顯然對圖像進行去噪處理，是正確識別圖像信息的必要保證。如果對一幅含有噪聲的圖像進行特征提取配準或者圖像融合等處理其結果肯定不能令人滿意，所以圖像去噪是必需的。高斯噪聲模型在數(shù)學上比較容易處理，許多分布接近高斯分布的噪聲也常用高斯噪聲模型近似地來處理，其概率密度函數(shù) (PDF)為： ]2 )(e xp [21)( 22???? ??? zzp 式 () 其中， z 表示灰度值， ? 表示 z 的平均值或期望值， ? 表示 z 的標準差。高斯函數(shù)的曲線如圖 所示 ： 當 z 服從 式 ()的分布時，其值有 70%落在 )](),[( ???? ?? 范圍內(nèi)，且有 95%落在 )]2(),2[( ???? ?? 范圍內(nèi)。若Pa 或 Pb 為零，則脈沖噪聲稱為單極脈沖。由于這個原因，雙極脈沖噪聲也稱為椒鹽噪聲。 圖 脈沖噪聲概率密度函數(shù)曲線 空間域圖像的平滑處理 1)均值濾波 均值濾波是典型的線性濾波算法，它是指在圖像上對目標像素給一個模板，該模板包括了其周圍的臨近像素 (以目標像素為中心的周圍 8 個像素，構成一 個濾波模板，即去掉目標像素本身 )。 均值濾波采用的主要方法為鄰域平均法。即 ( , )1( , ) ( , )i j Sg x y f i jM ?? ?. 式 () 式 ()中， S 是預先確定的鄰域 (不包括 (, )xy )， M 為鄰域 S 中像素的點數(shù)。半徑越大，則圖像的模糊程度也越大。為此，對上述算法稍加改進， 將一個像素及其鄰域內(nèi)的所有像素的加權平均灰度值賦給平滑圖像中對應的像素， 即加權平滑線性濾波。 常用的 3X3 領域的模板 h 有： ?????????????????9191919191919191911h；?????????????????1011011011011021011011011012h；?????????????????16181161814181161811613h 式 () 2)中值濾波： 中值濾波是一種非線性濾波，它是將相鄰像素的灰度值值從小到大排序后，用中間位置灰度值代替原灰度值。 xyststsgm e d ia nyxf ?? ),( )},({),(? 式 () 3)最大值濾波 : 選取某像素鄰域內(nèi)的所有像素灰度中的最大值賦給平滑圖像中對應的像素，得到最大值濾波器。 xyststsgyxf ?? ),( )},(m a x {),(? 式 ()