毕业设计(论文)-零件尺寸测量中的数字图像处理技术.doc

《毕业设计(论文)-零件尺寸测量中的数字图像处理技术.doc》由会员分享，可在线阅读，更多相关《毕业设计(论文)-零件尺寸测量中的数字图像处理技术.doc（71页珍藏版）》请在沃文网上搜索。

1、 目 录摘要 4ABSTRACT 50 绪论 701 课题研究的目的和意义 702 课题的主要内容 703 课题研究领域 8031 基本概念 8032 发展概况 8033 研究内容 1004 课题研究的难点 121 基本的图像处理理论 1311 概述 1312 数字图像的基础 1413 空间图像增强 1714 图像复原 2015 图像分割 2216 本章小结 272 测量及分析软件 2721 概述 2722 .m文件，function定义 2723 如何编写自己的函数和程序，多文件程序 2824 如何从设备获取图像、保存图像及图像处理 3025 图像处理模块（工具箱） 3226 本章小结 34

2、3 程序编写及图像数据处理 3531 概述 3532 角度测量程序，操作流程框图 35321 灰度图像的边缘检测 36322 二值图像的边缘检测 3833 角度测量程序，操作流程框图 4134圆形测量程序，操作流程框图 4635 本章小结 504 实验结果和分析 5041 概述 5042 实验数据的记录和处理 5143 测量系统的误差分析 52431 图像采集过程中干扰的因素的影响 52432 目标分割过程中的影响因素 53433 系统误差 53434 量化误差 5344 本章小结 565 小结 566 参考文献 587 附录 608 译文 619 原文说明 71摘 要 图像测量技术广泛应用于

3、几何量的尺寸测量、精密复杂零件的微尺寸测量、航空等遥感测量，具有广泛的应用领域。本课题采用CCD成像系统，能够进行非接触式测量，是一种新式的测量方法，精度随着相机镜头的放大而提高，但是受到设备的限制。本课题研究高精度数字图像处理算法，并且满足高精度和大范围的同时，保证速度快，成本低，受环境影响小的要求，应用受到越来越广泛的欢迎。在实际操作过程中主要使用数码设备对被测物进行成像，由matlab对图像在数字环境中，根据需要算得本次试验中所需要的角度与半径值。使用matlab计算的图片，用数码相机CASIO EX2000进行拍摄（10次）。使用的分辨率为：10241024。图片中取图的最大测量范围是

4、50mm50mm。计算中使用的是线性插值法，其亚像素插值为：四分之一。测量精度为0.02mm。测量的权重系数约为0.00818mm/pixel。最后其角度的计算误差为0.5%左右，尺寸误差大约为3%左右。通过测试足以证明由数字图像技术来测得的尺寸数值有很高的精度。是值得在诸多领域广泛推广使用的。关键词：数字图像处理， matlab， 数码成像ABSTRACTImage measurement technology is widely used in geometry precision of measurement, the measurement of the complex compone

5、nts, aviation and remote sensing measurement, with wide application fields.This topic using CCD imaging system,which can undertake non-contact measurement. It is a new measurement method,whose precision with the camera, but it is limited by equipment. This research precision digital image processing

6、 algorithms, and meet the precision and ensure speed the, low cost, small requirements of environmental factors at the same time. So it has been more and more wide application.In the practical operation process ，digital equipment is mainly used for imaging to analyte in digital image. In the mathema

7、tic environment of matlab, we can calculate the needed angles and radius value. The images counted by matlb, with a digital camera CASIO EX2000, take a picture for 10 times. Use the resolution for 1024 x 1024. Pictures of the graph maximum range is 50mm50mm. Is used in calculating method of linear i

8、nterpolation, its pixel interpolated value is quarter. The accuracy is 0.02 mm of the measurement. The weighting conefficient is 0.00818 mm/pixel. Finally calculation error is about 0.5% of the angle, size error is about 3%.Through the test we proves that the size values measured by the digital imag

9、e processing is very precise and the technology is worth to widely used in many field. Key words: The digital image processing， Matlab， digital image零件尺寸测量中的数字图像处理技术於翔 0112062170 绪论01 课题研究的目的和意义基于传统的机械接触式外形尺寸测量系统受到环境等一系列因素的影响，本课题采用CCD成像系统，能够进行非接触式测量，是一种新式的测量方法，精度随着相机镜头的放大而提高，但是受到设备的限制。研究不同的高精度算法，并且满

10、足高精度和大范围的同时，保证速度快，成本低，受环境影响小的要求，应用受到越来越广泛的欢迎。本课题可以让学生初步地全面了解和掌握高精度数字图像处理系统的算法理论、操作编程、实际数据处理等一系列过程，为毕业后的进行相关实际工作打下基础。02 课题的主要内容学生通过实际采集到的数字图像数据进行操作软件编程，包括界面编程和算法编程，操作界面使用Matlab，图像算法包括二值化、投影、插值，拟合等算法，主要工作如下。了解matlab软件的运行环境，学习matlab的基础操作、数据分析、程序设计、文件操作、绘图等相关内容，并根据课程要求进行matlab软件程序的编制。了解基础的数字图像处理的几个方面及其基

11、本原理：图像数字化，图像变换，图像增强，图像复原，图像分割，图像描述和分析，图像数据压缩，图像分类，图像重建。并根据课程要求对部分功能进行实践操作。动手编写测量软件，根据课程要求对实验数据进行处理分析，已达到完成零件尺寸的测量任务。03 课题研究领域的发展概况031 基本概念数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展;二是数学的发展(特别是离散数学理论的创立和完善)；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的

12、增长。032 发展概况数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器

13、徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射

14、线计算机断层摄影装置，也就是通常所说的CT（Computer Tomograph）。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类做出了划时代的贡献。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开始，随着

15、计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。033 研究内容数字图像处理主要研究的内容有

16、以下几个方面。图像变换由于图像阵列很大，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。 图像编码压缩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，它在图像处

17、理技术中是发展最早且比较成熟的技术。图像增强和复原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。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

18、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。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。 图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类

19、和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。除以上的研究内容外，今后还有许多需要进一步研究的内容。自20世纪60年代第三代数字计算机问世以后，数字图像处理技术出现了空前的发展，在该领域中需要进一步研究的问题主要有如下五个方面：在进一步提高精度的同时着重解决处理速度问题；加强软件研究，开发新的处理方法，特别要注意移植和借鉴其他学科的技术和研究成果，创造新的处理方法；加强边缘学科的研究工作，促进图像处理技术的发展；加强理论研究，逐步形成处理科学自身的理论体系；时刻注意图像处理领域的标准化问题。04 课题研究的难点图像感知和获取：人们感兴

20、趣的各类图像都是由“照射”源和形成图像的“场景”元素对光能的反射或吸收相结合而产生的。把“照射”和“场景”加上引号为了强调是比人们所熟悉的情况（即，可见光源照射各种三维场景）更一般的事实。例如照射可能由电磁能源引起，如雷达、红外线或X射线能源。但是，正如前面指出的，照射也可以由非传统光源，如超声波，甚至由计算机产生的照射模式产生。类似地场景可能是熟悉的物体，但是它们也可能是分子、沉淀岩或人类大脑，甚至可以对一个光源成像，如获得太阳的图像。根据光源的性质，照射能量可以从物体反射或从物体投射。因此，用何种方式获取何种类型的图像是本课题中的一个难点。图像增强：图像增强的通用理论是不存在的。当图像为视

21、觉解释而进行处理时，由观察者最后判断特定方法的效果。图像质量的视觉评价是一个高度主观的过程，因此，定义一个“理想图像”标准，通过这个标准去比较算分的性能。所以在选择特定的图像增强方法前，需要一个实验误差的特定量。噪声去除：数字图像的噪声主要来源于图像的获取（数字化过程）和传输过程。图像传感器的工作情况受各种因素的影响，图像在传输过程中主要由于所用的阐述信道的干扰收到噪声污染。如何去除这些噪声亦是本课题所面临的问题。图像分割：异常图像的分割时图像处理中最困难的任务之一。精确的分割决定着计算分析过程的成败。1 基本的图像处理理论11 概述在社会生活和科研生产活动中，人们随时随地的都要接触图像。图像

22、信息是人类认识世界的重要知识来源，其他任何形式的信息都没有图像信息丰富和真切。图像是物理透射或反射的光信号，通过人的视觉系统的接收后，在人的大脑中形成的印象或认识。所以，“图像”是客观存在的二维、三维灰度或彩色“图”在让你的感觉中产生的“像”。一般来说，凡是能为人类视觉系统所感知的有形信息，或人们心中的有形想象都统称为图像，因此，图像处理有时要考虑人的心理因素。所谓图像处理，就是通过某些数学运算对图像信息进行加工和处理，以满足人的视觉心理和实际应用需求。图像处理可以应用光学方法，也可以应用数学方法。光学图像处理方法已有很长的历史，在激光全息技术出现后得到进一步发展。尽管光学处理理论日臻完善，且

23、处理速度快，信息容量大，分辨率高，但处理精度不高，稳定性差，设备笨重，操作不便，对各种所需的处理不如数字处理灵活，且受实际工艺和设备材料的限制等，这些因素限制了它的发展速度。数字图像处理的优缺点恰好与光学方法相反。它最突出的优点是灵活方便，改变软件程序即可改变处理方法，达到所求的处理效果；最大的缺点是处理速度慢，尤其是大信息量的图像运算。近年来，由于军事上的迫切应用需求，光学处理技术正在迅速发展，因为它的快速运算（理论上接近光速）优点可以满足实时处理要求。目前在应用上的发展研究侧重于光数混合处理，美国在这方面已取得很大进步，其目的在于发扬各自的优点，以满足多方面的应用要求。12 数字图像的基础

24、数字图像处理是指使用数字计算机来加工，处理图像。就其处理目的而言可以分为：恢复退化图像的本来面目，改善人的视觉效果，突出图像中目标物的某些特征，提取目标物的特征参数。数字图像信息有以下几个特点，信息量大。一幅大小为512512的二维图像的信息量为：512512=2097152bit，这就对计算机的速度和内存容量提出了要求。相关度大。常常有大批像素具有相同或接近的灰度。据统计，就电视画面而言，相邻行或列间的像素，其相关系数可达0.9以上；而通常相邻两帧间的相关性比帧内相关性还要大。因此，图像信息压缩的潜力很大。占用频带较宽。如电视图像的带宽约为5.6MHz，而语言的带宽仅为4KHz左右。这对频带

25、压缩技术提出了很高的要求。数字图像处理学科所涉及的知识面非常广泛，具体的方法种类繁多，应用也极为普遍，但从科学研究内容上可以分为以下几个方面。图像数字化：其目的是将模拟形成的图像通过数字化设备变为数字计算机可用的离散的图像数据。图像变换：为了便于后续的工作，改变图像的表示域和表示数据。图像复原：按照严格的计算模型和计算方程式，对退化的图像进行处理，是处理结果尽量接近原始的未失真的图像。复原是对图像的整体考虑，处理时必须追求图像退化的原因，以便应用相应的数学模型做有针对性的处理。图像增强：改善图像的质量和视觉效果，或突出感兴趣的部分，以便于人或机器分析，理解图像内容。增强往往考虑图像的某方面效果

26、，而不追求其退化的原因。图形分割：根据灰度或几何特性选定的特征，将图像划分成几个有意义的部分，从而使原图像在内容表达上更简单明了。对分割出的有意义的部分进行处理分析，从中提取有用的信息，以便进一步用作模式识别，机器视觉等处理。图像描述和分析：也称图像理解，是对给定的或已分割的图像区域的属性及各区域之间的关系用更为简单明确的数值、符号或图像称为图像特征，他们反映原图像的重要信息和主要特征，有利于人或机器对原图像的分析和理解。用这些特征表征图像称为图像描述。图像数据压缩：减少图像数据量（bit数），以便节省传输和处理时间以及存储容量。压缩可以在不失真的前提下获取，也可以在允许的失真限度内进行，编码

27、是压缩技术中重要且比较成熟的方法。图像分类：分类是图像处理的深入和发展，也可以认为是模式识别的一个分支。其主要内容是在图像经过某些预处理（如几何校正、大气辐射光谱校正、大气模糊复原和压缩等）后，再进行特征提取、分割，进而安一定的判据进行判决分类。图像重建：重建是图像处理的另一个发展方向。它利用射线、X射线或超声波仔三维物体中的透射或散射信息，应用一定的算法（如Radon变换）来构造物体某断层面的二维图像或由多个断面构造的三维图像。最成功的实际应用例子是计算机断层扫描成像技术，俗称CT（computer tomography）技术。数字图像处理系统的三个基本部件是：处理图像的计算机，图像数字化仪

28、器和图像显示设备。一幅图像在用计算机处理前必须先被转化为数字形式，即用一个数字阵列来表示一个物理图像。这样，一个屋里图像被划分为许多个小区域，最常见的划分方案是方形采样网络。一个网络称之为一个像素（pixel），赋予每个像素位置的数值反应了屋里图像上对应点的亮度。图像的这种转化过程称之为数字化，即在每个像素位置，图像的亮度被采样和量化，从而得到图像对应点上表示其亮暗程度的一个整数值。因为，每个像素具有两个属性：位置和灰度。对所用的像素都完成上述转化（数字化）后，图像就被表示成一个整数矩阵。于是，此数字矩阵就可以作为计算机处理对象了。一个完整的图像处理系统的工作过程是这样的：数字化器产生的数字图

29、像，按一定格式的图像文件方式，先进行一个适当装置的缓存中：在执行程序中的图像处理程序时，输入图像被逐行的读入并赋予一个数组，然后对该数组进行相应计算处理：处理后的数组被计算机按一定格式逐像素的输入为一副新生成的图像，并将其逐行送入缓存，然后由一个与数字化相反的过程显示出来。显示时，图像像素点的亮度决定于对应像素的灰度。这样，处理后的结果又转化成可视的和可供人们解释的图形了。图像原本是连续的，可以由连续函数来更好的描述它，即使图像被数字化，人们也不能忽略它的连续本源。然而，在大多数情况下人们采用离散技术来处理连续图像，当处理的结果和用连续函数表示的结果有显著不同时，人们称之为采样效应（sampl

30、ing effect）。所以，人们在作处理时要始终注意：首先，人们希望能过刻画对连续图像实施数字化后所产生的影响，希望能够预测采样效应；第二，人们要寻求在“数/模”和“模/数”转换过程中，其内容不明显丢失的方法；第三，在采样效应发生时能够识别出来，并能采取有效地步骤消除他们或将其将低到可以容忍的地步。当遵循上述做法时，人们可以采用数字方法实现原来经物理处理过程才能产生的效果，使人们所处理的数字图像在本质上等价于它所表示的连续图像。实际上物体从被摄像到成像于胶片，到显像成负片，在经过数字化器采样成数字图像，经过处理后再经过相反的过程直至形成结果图像，其中的每一步都有产生图像退化的可能。为了尽量减

31、少退化，每一步都要经过仔细的设计和恰当的控制。上述分析使人们看到，一个有效地通用图像处理系统应该满足以下要求：（1）处理算法经常假定图像函数是连续的，如果采用不恰当的空域采样和不恰当的灰度量化，系统性能将受到显著影响，将会违纪问题的成功解决。（2）图像分析不仅需要高质量的数字化设备，还需要高质量的图像显示设备，应为系统噪声水平可以足以使图像退化到很难成功处理的地步。（3）程序库应保持丰富性和可扩充性，使系统能力不断增强。当面向通用处理时，软件系统应该用逻辑性强的方式通过菜单选择处理和分析程序。13 空间图像增强增强的首要目标是处理图像，使其比原始图像更适合特定应用。这里的“特定”很重要，因为它

32、一开始就确立了本技术所要面临的问题。图像增强的方法可分为两大类：空间域方法和频域方法。“空间域”一词是指图像平面自身，这类方法是以对图像的像素直接处理为基础的。“频域”处理技术是以修改图像的傅氏变换为基础的。以这两类方法的各种结合为基础的增强技术是不常见的。图像增强的通用理论是不存在的。当图像为视觉解释而进行处理时，由观察者最后判断特定方法的效果。图像质量的视觉评价是一种高度主观的过程，因此，定义一个“理想图像”标准，通过这个标准去比较算法的性能。当为机器感知而处理图像时，这个评价任务就会容易一些。例如，在一个特征识别的应用中，不考虑计算要求这些问题，最好的图像处理方法是一种能得到最好的机器可

33、识别结果的方法。不论则样，甚至在把一个明确的性能标准加于这个问题的情况下，在选定特定的图像增强方法之前，常常需要一个实验和误差的特定量。常用的灰度变换有以下几种。图像反转。灰度级范围为 0，L-1 ，用这种方式倒转图像的强度产生图像反转的对等图像。这种处理尤其适用于增强嵌入于图像暗色区域的白色或灰色细节，特别是当黑色面积占主导地位时。对数变换。对数变换一般表达式： （1.1）其中c 是一个常数。此种变换使一窄带低灰度输入图像值映射为一个宽带输出值。相对的是输入灰度的高调整值。可以利用这种变换来扩展被压缩的高值图像中的暗像素。相对的是反对数变换的调整值。对数函数有它重要的特征，就是它在很大程度上

34、压缩了图像像素值的动态范围，其应用的一个典型例子就是傅里叶频谱，它的像素值有很大的动态范围。幂次变换。幂次变换的基本形式是：（1.2）其中c和为正常数。又是考虑到偏移量（即当输入为0时的可测量输出）也可写成：（1.3）如对数变换的情况一样，幂次曲线中的部分值把输入窄带暗值映射到宽带输出值。相反，输入高值时也成立。然而，不像对数函数，人们注意到这里随着值的变化将简单地得到一族变换曲线。如果涉及到计算机屏幕上的精确显示图像，伽马校正时很重要的。不恰当的图像校正会被漂白或变得更暗。试图精确再现颜色也需要伽马校正的一些知识，这是因为伽马校正值不仅可以更改亮度，还可以改变红绿蓝的比率。随着数字图像在in

35、ternet上商业应用的增多，在过去几年里伽马校正变得越来越重要。对于成百上千的网民浏览的流行网站，为其创作图像是经常的事。有些计算机系统甚至配有部分伽马校正。同时，目前的图像标准没有包括创作图像的伽马校正值，因此，问题更加复杂化了。由于这些限制，当在网站中存储图像时，一个可能的方法就是用伽马值对图像进行预处理，此伽马值表示了在开放的市场中，在任意给定时间点，各种型号的监视器的计算机系统所被期望的“平均值”。分段线性变换函数。相对于前三种函数的主要优势就是它的形式可以任意合成。事实上，可以立即看到，有些重要边喊得实际应用可由分段线性函数描述。分段线性函数的主要缺点是其需要更多的用户输入。对比拉

36、伸。最简单的分段线性函数之一是对比拉伸变换。低对比度图像可由照明不足、成像传感器动态范围太小，甚至在图像获取过程中透镜光圈设置错误引起的。对比拉伸的思想史提高图像处理时灰度级的动态范围。灰度切割。在图像中提高特定灰度范围的亮度通常是必要的，其应用包括增强特征和增强X射线图中的缺陷。有许多方法可以进行灰度切割，但是，他们中的大多数是两种基本方法的变换。其一就是在所关心的范围内为所有灰度指定一个较高值，而为其他灰度指定一个较低值。位图切割。代替提高灰度范围的亮度，而通过对特定位提高亮度，对整幅图质量仍然是有贡献的。设图像中每一个像素都由8bit表示，假设图像是由8个1bit平面组成，其范围从最低有

37、效位的位平面0到最高有效的位平面7.在8bit字节中，平面0包含图像中像素的最低位，而平面7则包含最高位。直方图是多种空间域处理技术的基础。直方图操作能有效地用于图像增强。除了提供有用的图像统计资料，直方图还有其固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。直方图在软件中易于计算，也适用于商务硬件设备，因此他们成为了实时图像处理的一个流行工具。图像中的算术/逻辑增强操作主要以像素对像素为基础在两幅或多幅图像间进行（其中不包括逻辑“非”操作，它在单一影像中进行）。例如，两幅图像相减产生一幅新图像，这幅图像在坐标（x，y）处的像素值与那两幅进行相减处理的图像中同一位置的像素值有所

38、不同。通过使用硬件和软件，就可以实现对图像像素的算术/逻辑操作，这种操作可以一次处理一个点，也可以并行进行，即全部操作同时进行。图像相减处理。两幅图像f(x,y)与h(x,y)的差异表示为：（1.4）图像的差异是通过计算着两幅图像所用对应像素点的差异而得出的。减法处理最主要的作用就是增强两幅图的差异。14 图像复原如图像增强中那样，图像复原技术的最终目的是改善给定的图像。尽管图像增强和图像复原有相交叉的领域，但图像增强主要是一个主观的过程，而图像复原的大部分过程是一个客观过程。图像复原试图利用退化现象的某种先验知识来重建或复原被退化的图像。因而，复原技术就是把退化模型化，并且采用相反的过程进行

39、处理，以便复原出原图像。这些方法通常都会涉及到设立一个最佳的准则，它将会产生期望结果的最佳估计。对此而言，图像增强技术基本上是一个探索性过程，为了人类视觉系统的生理接受特点而设计一种改善图像的方法。例如，增强技术被认为是一种对比度拉伸，因为它主要提供观看者喜欢接受的图像，而通过过去模糊函数去除图像模糊则认为是图像复原技术。图像退化/复原过程的模型。其中的退化过程可以被模型化为一个退还函数和一个加性噪声项，处理一幅输入图像f（x，y）产生一幅退化图像g(x，y)。给定g(x，y)和关于退化函数H的一些知识以及外加噪声项，图像复原的目的是获得关于原始图像的近似估计f（x，y）。通常人们希望这一估计

40、尽可能接近原始输入图像。并且H和的信息知道的越多，所得到的f（x，y）就越接近f（x，y）。如图1.1所示： g(x,y)复原函数退化函数Hf(x,y)f（x,y）退化 噪声 复原图1.1 图像退化/复原过程的模型噪声模型。数字图像的噪声主要来源于图像的获取（数字化过程）和传输过程。图像传感器的工作情况受各种因素的影响，如图像获取中的环境条件和传感元器件自身的质量。例如，使用CCD摄像机获取图像，光照程度和传感器温度是生成图像中产生大量噪声的主要因素。图像在传输过程中主要由于所用的传输信道德干扰收到噪声污染。比如，通过无线网络传输的图像可能因为光或其他大气因素的干扰被污染。图像处理应用中常见的

41、PDF：高斯噪声、瑞利噪声、伽马（爱尔兰）噪声、指数分布噪声、均匀分布噪声、脉冲噪声（椒盐噪声）。使用滤波器的方法。均值滤波器：算术均值滤波器、几何均值滤波器、谐波均值滤波器、逆谐波均值滤波器。顺序统计滤波器：中值滤波器、最大值和最小值滤波器、中点滤波器、修正后的阿尔法均值滤波器。自适应滤波器（比上述滤波器滤波功能更优秀，但滤波器的结构也更复杂）：自适应/局部噪声消除滤波器、自适应中值滤波器。15 图像分割分割将图像细分为构成它的子区域或对象。分割的程度取决于要解决的问题。就是说在应用中，当感兴趣的对象已经被分离出来时，就停止分割。例如，在电子元件的自动检测方面，人们关注的是分析产品的图像，客

42、观地检测是否存在特定的异常状态，比如，缺失的元件或断裂的链接线路。超过识别这些元件所需的分割是没有意义的。异常图像的分割是图像处理中最困难的任务之一。精确的分割决定着计算分析过程的成败。因此，应该对提高稳定分割的可能性给予特别的关注。在某些情况下，比如工业检测应用，至少对环境进行适度控制的检测有时是可能的。有经验的图像处理系统统计师总是将相当大的注意力放在这类可能性上。在其他应用方面，比如自动目标采集，系统设计者无法对环境进行控制。所以，通常的方法是将注意力集中于传感器类型的选择上，这样可以增强获取所关注对象的能力，从而减少图像无关细节的影响。一个很好的例子就是，军方利用红外线图像发现有很强热

43、信号的目标，比如移动中的装备部队。图像分割算法一般是基于亮度值的两个基本特性之一：不连续性和相似性。第一类性质的应用途径是基于亮度的不连续变化分割图像，比如图像的边缘。第二类的主要应用途径是依据事先制定的准则将图像分割为相似的区域。门限处理、区域生长、区域分离和聚合都是这类方法的实力。第一类方法是根据区域间灰度不连续通过搜寻区域之间的边界来处理问题。局部处理：连续边缘点最简单的方法之一是分析图像中每一个点（x,y）的一个小邻域（如33或55）内像素的特点，改点是用前节中讨论的某一种技术标记了的边缘。将所有依据事先预定的准则和被认为是相似的点连接起来，形成由共同满足这些准则的像素组成的一条边缘。

44、在这种分析过程中确定边缘像素相似性的两个主要性质是：用于生成边缘像素的梯度算子的响应强度：（1.5）梯度向量的方向：（1.6）如果大小和方向准则得到满足，则在前面定义的（x,y）邻域中的点就与位于（x,y）的像素连接起来。在图像中的每个位置重复这一操作。当邻域的中心从一个像素转移到另一个像素时，这两个相连接点必须记录下来。通过霍夫变换进行整体处理：这已处理方法相较于局部处理更强调的是像素之间的整体关系。考虑一个点和一条直线的斜截式方程通过点的直线有无数条，且对不同的a值和b值，他们都满足这个等式，然而将等式写成的形式并参考ab平面（也叫参考平面）将得到对于定点的唯一直线方程。再有，在参数空间中，第2个点也有与之相关的一条直线，且这条线与相关的直线相交于点。这里是斜率，是xy平面上包含点和的直线的截距。实际上在参数空间中这条直线所包含的所有点都有过电的线。通过图论技术进行全局处理：这种表示提供了一种在有噪声环境下效能很好的抗干扰途