数字图像处理结课论文

《数字图像处理》

结课论文

姓名： 王晓蒙 学号： S12081002014 专业： 信号与信息处理 时间： 2013.1.3

摘要

数字图像处理，就是利用计算机和其他高速、大规模集成数字硬件，对从图像信息转换来的数字电信号进行某些数字运算或处理，以期提高图像的质量或达到人们所预期的结果。数字图像处理技术发展迅速，其优点是处理精度高，处理内容丰富，可进行复杂的非线性处理，有灵活的变通能力。困难主要在处理速度上，特别是进行复杂的处理。伪彩色处理是指将黑白图像转化为彩色图像，或者是将单色图像变换成给定彩色分布图像。由于人眼对彩色的分辨能力远远高于对灰度的分辨能力，所以将灰度图像转化成彩色表示，就可以提高对图像细节的辨别力。为提高人眼对图像细节的分辨能力，以达到图像增强的目的，在数字图像处理中的伪色彩处理技术得到了广泛应用。

1

一、数字图像处理技术及其应用技术

数字图像处理亦称计算机图像处理，指将图像信号转换成数字格式并利用计算机进行处理的过程。这项技术最早出现于20世纪50年代，当时的数字计算机已经发展到一定的水平，人们开始利用计算机来处理图像信息。而数字图像处理作为一门科学则可追溯到20世纪60年代初期。1964年，美国喷气推进实验室(Jet Propulsion Laboratory)利用计算机对太空船发回的月球图像信息进行处理，收到明显的效果。不久，一门称为“数字图像处理”的新学科便从信息处理、自动控制、计算机科学、数据通信、电视技术等学科中脱颖而出，成为专门研究图像信息的崭新学科。

数字图像处理技术涉及数学、计算机科学、模式识别、人工智能、信息论、生物医学等多种学科，是一门多半科交叉应用技术。图像技术内容十分丰富，例如图像获取、图像编码压缩、图像存储与传输、图像变换、图像合成、图像增强、图像复原与重建、图像分割、目标检测、图像表示与描述、图像配准、图像分类与识别、图像理解、场景分析与理解、图像数据库的建立、索引与检索以及综合利用等。近20年来，随着各相关学科领域的发展，对图像处理提出了越来越高的要求，因此，对数字图像处理技术的研究也越来越深入、广泛，发展也更迅速。

1、图像获得和输出技术 数字图像的获得与输出依然是目前数字图像处理中重要的研究方向。它的主要目的是把模拟图像信号转化为计算机所能接受的数字形式，并把数字图像用所需要的形式显示出来，扫描仪等常见的图像获取设备，二打印机、显示器和投影仪则是常见的图像输出设备。

2、图像编码压缩技术 图像编码压缩技术可减少描述图像的数据量（即比特数），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

2

处理技术中是发展最早且比较成熟的技术。

3、图像增强和复原技术 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。

4、图像变换技术 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，如傅立叶变换、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（如傅立叶变换可在频域中进行数字滤波处理）。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。

5、图像分割技术 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。

6、图像描述技术 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。

7、图像识别和检测技术 图像识别和检测主要是经过某些预

3

处理后，对图像进行分割和特征提取，以利于计算机对图像进行识别、理解或解释，进而解决图像中是否含有目标，以及目标的所在单位等问题。

数字图像处理的应用越来越广，已经渗透到工程、工业、医疗保健、航空航天、军事、安全保卫等各个方面，在国计民生及国民经济中发挥越来越大的作用。下面仅就几个方面的应用举例说明。

1、医学上的应用

图像处理在医学界的应用非常广泛，无论是在临床诊断还是病理研究都大量采用图像处理技术。它的直观、无创伤、安全方便的优点受到普遍的欢迎。其主要应用可举出众多例子，如X射线CT（X-ray Computed Tomography）。1968年-1972年英国的EMI公司的Hounsfeld研制了头部CT，1975年又研制了全身CT。配接X光机的图像处理系统可进行导管定标、血管造影及血管动态分析。通过对X光图像的处理，如关节等部分的细节不在难以分辨。

2、遥感

在遥感的发展和大事记中，我们可以看到大量的与图像处理密切相关的技术。从世界上出现第一幅照片、意大利人乘飞机拍摄了第一张照片、苏联及美国发射第一颗人造地球卫星等都为遥感技术的发展奠定了坚实基础。遥感图像处理的用处越来越大，效率及分辨力也越来越高，如土地测绘、资源调查、气象监控、环境污染检测等。当前，在遥感图像处理中主要解决数据量大和处理速度的矛盾。

3、工业自动化、工业检测方面的应用

利用图像处理技术，可以进行器件的内部结构分析、失效分析和可靠性筛选。在制造钮电容的过程中，人眼直接看不到钮电容的内部结构，而依靠图像处理，就可以清楚地再现钮电容的内部图。利用高速图像处理技术，可以在秒量级甚至在更短的时间

4

置时，被该探测器探知，它立即启动摄像装置，在一定的角度、集中拍摄下车牌的图像。在这样的图像上，由于车辆处于运动状态以及污损等原因，车牌画面往往不够清晰，难以从中摄取需要的信息。因此，图像首先要经过一定的加工处理，使其达到足够的清晰度然后再进行识别。初步的识别将辩认出车牌的大小形状和颜色等特征。如果在最初设计时，车牌的这些特征的不同值就对应了不同的车辆类型，那么由此就可以对车辆进行分类。对车牌的进一步识别将读出车牌上的具体号码根据这个号码，可以在相关的资料（如车辆牌照的登记记录）中搜索得到车辆类型的信息。车牌识别的目的在于正确获取整个图像中车牌的区域，并识别出车牌号，是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的图像处理及模式识别技术。

车辆牌照字符识别有两个关键点：特征的选取和识别器的构成。特征分为全局特征和结构特征。结构特征描述字符的拓扑结构，如：边缘、比划、字符轮廓等；全局特征一般是统计特征如：交叉点数、重心、网格数等。结构特征充分利用了字符内在的结构，对字符的适度变形有较好的适应性，但抗噪声能力差。全局特征易于检测，局部失真小，有较好的抗噪性，但是没有利用字符的结构特征。识别系统框图如下：

10

车牌自动识别系统的研究步骤如下图所示，大致分为以下几个模块：

图像采集图像处理车牌定位字符分割字符识别图 车牌自动识别系统步骤图

第一，图像处理模块。需要采集的图像进行增强、恢复、变换，目的是突出车牌的最主要特征，以便更好地提取车牌。

第二，车牌定位和提取模块。从人眼视觉的角度出发，并根据车牌的字符目标区域的特点，在灰度图像的基础上提取相应的特征。车牌定位是车辆牌照自动识别系统中的关键和难点，实际图像中的噪声、复杂的背景等干扰都会使定位十分困难。车辆牌照的分离是一个寻找最符合牌照特征区域的过程。从本质上讲，就是一个在参量空间里寻找最优定位参量的问题，需要用最优化方法予以实现。

原理框图如下：

导入原始图像强图效像预果处图理像增边缘提取对图算像开闭运车牌定位 第三，车牌字符分割模块。字符分割即是对获得的牌照分离出单个字符（包括汉字、字母和数字等），以便于字符识别。考虑到车牌上的字符一般除了一个汉字外，其它的都是字母或数字，也即在理想状态下是“全”连通的，因此可以使用特定的方法进行字符分割。完成牌照区域的定位后，再将牌照区域分割成单个

11

字符，然后进行识别。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。

原理框图如下：

行计车算牌水水平平投校影正进去掉车牌的框架到分每析位个垂置字直符投中影心找按左出右字宽符度切割 第四，车牌字符识别模块。识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化,并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。基于人工神经元网络的算法有两种：一种是先对待识别字符进行特征提取，然后用所获得特征来训练神经网络分配器；另一种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。实际应用中，牌照识别系统的识别率与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照等等；实际拍摄过程也会受到环境亮度、拍摄亮度、车辆速度等等因素的影响。这些影响因素不同程度上降低了牌照识别的识别率，也正是牌照识别系统的困难和挑战所在。为了提高识别率，除了不断的完善识别算法，还应该想办法克服各种光照条件，使采集到的图像最利于识别。

原理框图如下：

12

切割入出库的中字符送与数相据减库的图片分图析片之是差哪最张小的示字误符片差依名最次字小分的析图显 车牌照识别系统是智能交通领域研究中的重要组成部分，随着经济的不断发展，车辆在人们工作、生活中占据着越来越重要的地位，车辆数目的增多给车辆管理提出了更高的要求，车辆自动识别系统将有着广泛的应用前景。

13

本文来源：https://www.bwwdw.com/article/etmx.html