數(shù)字圖像處理論文精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的數(shù)字圖像處理論文主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：數(shù)字圖像處理論文范文

論文摘要： 數(shù)字圖像處理是我校計算機和通信類專業(yè)的必修課程。針對這門課的特點和我校的實際情況從理論和實驗教學(xué)兩個方面對“數(shù)字圖像處理”的教學(xué)方法改革進行了實踐探討。教學(xué)實踐表明這項改革對于學(xué)生更好地掌握數(shù)字圖像處理技術(shù)，提高綜合素質(zhì)和培養(yǎng)創(chuàng)新能力起到的積極作用。

引言

數(shù)字圖像處理（Digital Image Processing）是信息技術(shù)中的一門新興綜合性學(xué)科。這門課主要研究圖像數(shù)字化處理過程的理論原理、方法技術(shù)和過程，該課程要求學(xué)生掌握數(shù)字圖像處理技術(shù)的基本概念、原理、算法及其處理技術(shù)； 這門課程的理論性強，需要較強的數(shù)學(xué)基礎(chǔ)和具備一定計算機方面功底，目前理工類或綜合類院校幾乎都開設(shè)了數(shù)字圖像處理的相關(guān)課程，我校也從2000年開始開設(shè)了這門課程，一般安排在本科三年級或四年級上半期開設(shè)。

1 數(shù)字圖像處理的課程特點

這門課程的傳統(tǒng)教學(xué)方法難以達到理想的教學(xué)效果，原因在于：學(xué)生面對諸多抽象的理論和煩瑣的數(shù)學(xué)公式往往無所適從；授課教師很難用現(xiàn)有的教學(xué)方式實時表達數(shù)字圖像處理前后的直觀效果，致使學(xué)生難以理解圖像變換實際的演變邏輯和演變過程，面對眾多繁雜的推演公式只能死記硬背，學(xué)習(xí)起來效果可想而知，因此，有必要對現(xiàn)有的教學(xué)方法進行改進。

2 課程教學(xué)改革實踐的探索

通過對數(shù)字圖像這門課多年來的實踐教學(xué)和經(jīng)驗總結(jié)，筆者認為應(yīng)該從理論和實驗兩個方面來對現(xiàn)有的教學(xué)方法進行兩方面著手：一是理論教學(xué)體系和教學(xué)方法；二是實驗教學(xué)的改進。兩者相輔相成都是數(shù)字圖像處理這門課的兩個重要環(huán)節(jié)，缺一不可。

2.1 理論教學(xué)方面

在理論教學(xué)方面應(yīng)著重于教學(xué)體系的選擇和教學(xué)形式的改革，具體體現(xiàn)為：第一，在教材的選擇和教學(xué)內(nèi)容的安排上，應(yīng)根據(jù)本校學(xué)生和教學(xué)的實際需要進行教材的精選和教授內(nèi)容的合理安排。第二，教學(xué)內(nèi)容的取舍上應(yīng)該貫徹“少而精”原則對課程內(nèi)容進行了適當(dāng)?shù)娜∩岷透隆Ｒ詫ｎ}形式向?qū)W生介紹最新的、前沿性的學(xué)科知識， 這不僅能滿足學(xué)生的獵奇感，而且在有意理論素養(yǎng)和應(yīng)用方面隊學(xué)生加以啟發(fā)和引導(dǎo)，讓學(xué)生不自覺地養(yǎng)成好的學(xué)習(xí)的習(xí)慣。第三，應(yīng)用形象化教學(xué)手段教學(xué)。數(shù)字圖像處理是以數(shù)字圖像為研究對象。針對數(shù)字圖像的圖像信息豐富，圖像處理前后的效果又無法用語言、文字等方式表達，因此，多媒體課件制作的好壞直接影響到學(xué)生學(xué)習(xí)這門課的最終效果。目前國內(nèi)尚無比較成熟的數(shù)字圖像處理CAI課件，我們針對性研制了相應(yīng)的教學(xué)課件和電子教案，讓學(xué)生在教學(xué)中直觀體會圖像變換前后的實際對比效果。同時在課堂教學(xué)中引入適當(dāng)?shù)膱D例分析和編程處理實例可以使原本很抽象的內(nèi)容變得生動具體。

2.2 實驗教學(xué)的改革

實踐教學(xué)實習(xí)是本課程不可或缺的重要教學(xué)環(huán)節(jié)。目前國內(nèi)還沒有公認比較實用和完善的實驗教學(xué)體系。我們對實驗教學(xué)體系和內(nèi)容的把握體現(xiàn)在以下幾點：

（1）實驗環(huán)境的選擇。數(shù)字圖像處理不同于用Photoshop等圖像處理軟件對圖像作現(xiàn)成的操作，它要求學(xué)生在掌握有關(guān)基礎(chǔ)理論、典型方法的基礎(chǔ)上，利用編程技巧實現(xiàn)圖像信息的各種處理，如圖像增強、圖像分割、圖像分析等。多數(shù)教師選擇MATLAB作為實驗語言，主要因為其功能強大的圖像圖形處理工具包。但大多數(shù)學(xué)生并不熟悉MATLAB，我們選擇了C++語言作為基本的編程語言，因為高年級學(xué)生已經(jīng)對C++比較熟悉并在今后又會經(jīng)常使用。

（2）精選實驗教學(xué)內(nèi)容。在“數(shù)字圖像處理”的實驗課教學(xué)中，突出強調(diào)理論知識和實踐能力的結(jié)合，為此，選擇圖像處理中幾個最典型的算法作為實驗課教學(xué)的主要內(nèi)容，包括圖像灰度增強、圖像壓縮、圖像域值分割、偽彩色處理等。實驗內(nèi)容包括圖像的讀取和顯示、直方圖均衡化、平滑和銳化濾波、膨脹和腐蝕等。這些實驗教學(xué)內(nèi)容有助于學(xué)生實踐掌握課上講授的知識，增強了學(xué)生自主完成任務(wù)的主動性和積極性，能夠有效提高學(xué)生的編程實踐能力。

（3）改革實習(xí)教學(xué)手段?！皵?shù)字圖像處理”實習(xí)內(nèi)容包括圖像處理軟件的選擇和使用、處理算法設(shè)計和實現(xiàn)等。針對往年已有的實習(xí)材料看，指導(dǎo)教師在實習(xí)前將較多的精力花在講解實習(xí)目的、原理、內(nèi)容和實習(xí)步驟等方面，而占用學(xué)生自己動手實習(xí)的時間偏離試驗的本來愿望。現(xiàn)在采用在實習(xí)前就分發(fā)給學(xué)生實習(xí)教學(xué)課件，讓學(xué)生在課件輔導(dǎo)下，課余時間理解消化實習(xí)內(nèi)容，騰出了更多時間探討算法，得出實習(xí)應(yīng)該有的正確結(jié)果，而不至于在實習(xí)中對結(jié)果是否正確茫然不知，從而提高了學(xué)生理論和獨立動手的能力。

2.3 開展第二課堂活動

為有效培養(yǎng)學(xué)生的實際動手能力，基于完成具體項目的教學(xué)策略是很多學(xué)生必走的一步，讓學(xué)生在實踐中錘煉，有助于較快地提高學(xué)生的理論認知水平和解決實際問題的能力。在上課之初將學(xué)生分組每組給出一個實際的學(xué)期項目。由于有充分的時間可以收集資料和模仿學(xué)習(xí)，有效提高學(xué)生的學(xué)習(xí)積極性。將課堂的實驗任務(wù)與學(xué)期項目有機結(jié)合起來，有助于學(xué)生發(fā)現(xiàn)學(xué)習(xí)內(nèi)容彼此之間的聯(lián)系，促進對知識的綜合掌握和靈活應(yīng)用。

3 考核手段的探索

以往的課程考核主要通過期終考試來考核學(xué)生對課堂所學(xué)內(nèi)容的理解和掌握程度，由分數(shù)來定結(jié)果，這種考核方式雖然能部分反映學(xué)生的學(xué)習(xí)能力但很難考核學(xué)生發(fā)現(xiàn)、分析和解決具體問題的能力差別，不利于發(fā)揮學(xué)生的主觀能動性以及創(chuàng)造能力的培養(yǎng)；還可能導(dǎo)致出現(xiàn)學(xué)生在學(xué)習(xí)過程中常出現(xiàn)平時不努力，考前突擊復(fù)習(xí)四處打聽考題的情況，為了加強學(xué)生能力的培養(yǎng)，我們將平時的聽講、回答問題、作業(yè)的情況等列入平時成績，還鼓勵學(xué)生就某一專題進行發(fā)言探討等多種學(xué)習(xí)形式。課程最終的考核成績綜合期末考試成績、實驗成績、專題成績和平時成績幾個部分加權(quán)平均得出。

4 結(jié)束語

經(jīng)過多年的探索，我們在《數(shù)字圖像處理》課程的教學(xué)過程中，通過對教學(xué)體系、實驗體系和考核方法和方式上的改進，有針對性地制作了大量圖像處理前后對比課件和現(xiàn)場演示相結(jié)合進行教學(xué)，通過形象化實例化教學(xué)，極大地提高了學(xué)生的學(xué)習(xí)積極性，教學(xué)效果很不錯，學(xué)生反響很好，同行評價也比較高。

參考文獻

[1] 賈永紅.“數(shù)字圖像處理” 課程的建設(shè)與教學(xué)改革[J].高等理科教育，2007（1）.

[2] 李熙瑩.“數(shù)字圖像處理” 課程設(shè)計與學(xué)生實踐動手能力的培養(yǎng)[J].計算機教育，2008（8）.

第2篇：數(shù)字圖像處理論文范文

[關(guān)鍵詞]圖像處理 去噪 方法 展望

一、引言

對于數(shù)字圖像處理的方法研究主要源于兩個應(yīng)用：一是為了方便人們分析而對圖像的信息進行必要的改進；二是為了使機器設(shè)備能自動理解而對圖像數(shù)據(jù)信息進行存儲、傳輸和顯示過程[1]。隨著人類生活信息化程度的不斷加深，圖像信息作為包含了大量信息的載體形式越來越體現(xiàn)出其強大的信息包含能力，由此引發(fā)的就是對圖像質(zhì)量的高要求。在實際的應(yīng)用中，系統(tǒng)獲取的圖像往往不是完美的，常常會受到外界的干擾，例如傳輸過程中的誤差、光照等因素的影響都會導(dǎo)致圖像的質(zhì)量不高，難以進行更深入的研究和處理，所以需要對其進行處理，便于提取我們感興趣的信息。在數(shù)字圖像處理過程中，由于受到成像方法和條件的限制以及外界干擾，數(shù)字圖像信號不可避免地要受到噪聲信號的污染。圖像中的研究目標(biāo)的邊緣、特征等重要的信息常被噪聲信號干擾甚至覆蓋，使原始圖像變得模糊，給圖像的后繼研究和處理，比如邊緣檢測、圖像分割、圖像識別等增加很大難度，因此對圖像進行去噪處理，恢復(fù)原始圖像是圖像預(yù)處理的重要任務(wù)和目標(biāo)。圖像去噪工作也被稱為圖像濾波或平滑。

二、圖像去噪技術(shù)的發(fā)展歷史和現(xiàn)狀

（一）圖像噪聲的定義和分類

所謂數(shù)字圖像處理就是利用計算機對圖像信息進行加工以滿足人的視覺心理或者應(yīng)用需求的行為。一幅圖像信息的生成難免或多或少都會伴隨有噪聲的產(chǎn)生。噪聲可以理解為“妨礙人們感覺器官對所接收的信源信息理解的因素”，在理論上可定義為“不可預(yù)測，只能用概率統(tǒng)計方法來認識的隨機誤差”[2]。它對圖像信息的采集、輸入以及處理的各個環(huán)節(jié)和最終的輸出結(jié)果都會產(chǎn)生一定的影響，特別是在圖像信息的輸入、采集和傳輸過程中，若輸入時伴隨有較大的噪聲，則必定會對其后的處理過程以及處理結(jié)果造成不利的影響。

常見的圖像噪聲分為5種[3]：

（1）加性噪聲：和輸入圖像信號無關(guān)，比如信道噪聲；

（2）乘性噪聲：與圖像信號有關(guān)，常隨著圖像信號的變化而變化，比如膠片中存在的顆粒噪聲；

（3）量化噪聲：與輸入圖像信號無關(guān)，是量化過程中產(chǎn)生的誤差，其大小可以衡量數(shù)字圖像與原始圖像的差異，這是數(shù)字圖像主要的噪聲源；

（4）椒鹽噪聲：由于圖像切割引起的噪聲，比如白圖像上的黑點噪聲；

（5）高斯噪聲：其概率密度函數(shù)服從正態(tài)高斯分布的噪聲，包括熱噪聲和散粒噪聲。

（二）去噪技術(shù)的發(fā)展歷史和現(xiàn)狀

圖像處理的出現(xiàn)始于20世紀(jì)50年代。當(dāng)時的電子計算機已經(jīng)發(fā)展到了一定的水平，人們開始使用計算機來完成簡單的圖形和圖像處理工作。數(shù)字圖像處理形成體系，形成一門學(xué)科約開始于20世紀(jì)60年代初期[4]。早期圖像處理的目的僅僅是為了改善圖像的質(zhì)量便于提高人的視覺效果。數(shù)字圖像處理過程中，輸入的是質(zhì)量較低的原始圖像，輸出的是改善過后有一定質(zhì)量的圖像。常用的圖像處理方法有圖像增強、復(fù)原、編碼和壓縮。早期由于數(shù)字圖像處理領(lǐng)域涉及的數(shù)學(xué)理論比較淺，在很長的一段時間里，某些在特定條件下的算法的正確性沒能得到很好的證明，使得數(shù)字圖像處理研究的發(fā)展緩慢。近年來，由于該領(lǐng)域研究者數(shù)學(xué)功底的不斷加強，同時該領(lǐng)域具有的巨大市場需求也吸引了越來越多的數(shù)學(xué)工作者的加入，使得該領(lǐng)域得到了前所未有的發(fā)展[5]。

三、圖像去噪的典型方法

根據(jù)實際圖像的特點，存在的噪聲的頻譜分布規(guī)律和其統(tǒng)計特性，人們開發(fā)了各種圖像去噪方法，典型的方法有：

（一）均值濾波法（鄰域平均法）

均值濾波法也稱為鄰域平均法，該方法較適于去除通過掃描得到的圖象中的顆粒噪聲，具體做法是將一個像素及其鄰域的所有像素的平均值賦值給輸出圖像相應(yīng)的像素，以此達到濾波的效果。此方法能較有效地抑制噪聲，算法簡單，運算速度快，但由于平均會引起一定程度的圖像模糊現(xiàn)象，模糊程度與鄰域半徑成正比。

對于均值濾波法引起的圖像模糊現(xiàn)象，可通過選擇合適的鄰域大小、形狀和方向等加以改進。

（二）中值濾波法

中值濾波法是一種常用的基于排序統(tǒng)計理論的非線性平滑濾波法，其工作原理是先以某一像素為中心，確定一個稱為窗口的鄰域（通常為方形），取該窗口中各像素的灰度中間值替換中心像素的灰度值，從而消除孤立的噪聲點，減少圖像的模糊度。中值濾波可以比較有效地濾除圖像中的椒鹽噪聲。該方法既可以去除圖像中的噪聲，又能保護圖像的邊緣信息，而且在實際運算中不需要圖象的統(tǒng)計特性，算法簡單，實時性較好，但對于某些如點、線、尖頂?shù)燃毠?jié)較多的圖象不宜采用中值濾波的方法[6]。

（三）小波去噪

在圖像去噪領(lǐng)域，近年來，越來越多的學(xué)者青睞于小波去噪。因為該方法具有良好的多分辨率分析能力和時頻局部特性，并且能夠保留大部分的包含信號的小波系數(shù)，因而能較好地保護圖像細節(jié)。小波去噪法通常分為三個步驟：先對圖像信號進行小波分解，然后將經(jīng)過層次分解后的高頻系數(shù)進行閾值量化，最后利用二維小波重構(gòu)圖像信號[7]。

四、圖像去噪技術(shù)的發(fā)展前景展望

圖像是人們獲取信息和交換信息的主要來源，因此，圖像處理的相關(guān)應(yīng)用必定影響人們生活和工作的方方面面。隨著相關(guān)學(xué)科的不斷發(fā)展，數(shù)字圖像處理技術(shù)也將得到不斷地提高。圖像去噪這一最早應(yīng)用于軍事指揮和控制方面的技術(shù)，發(fā)展至今已成為了許多傳統(tǒng)學(xué)科和新興工程領(lǐng)域的結(jié)合體[8]，小波去噪法的出現(xiàn)更是使圖像預(yù)處理進入了一個新的階段。近年來小波變換與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合的去噪方法成為了研究的熱點：小波變換去噪能有效地抑制噪聲，且很好地保留圖像的原始特征，而神經(jīng)網(wǎng)絡(luò)具有良好的自適應(yīng)機制和自學(xué)習(xí)能力，兩者相結(jié)合的去噪方法必然成為主要的發(fā)展趨勢之一。

[參考文獻]

[1]武偉；王宏志.基于雙樹復(fù)小波變換與非線性擴散的圖像去噪[J]；長春工業(yè)大學(xué)學(xué)報（自然科學(xué)版）；2011年03期

[2]王文；康錫章；王曉東.基于小波域HMT的航空偵察圖像去噪方法[A]；'2003系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C]；2003年

[3]AGersho，BRamaurthi.ImagecodingusingvectorquantizationinProc.IEEEInt.Conf.Acost.Speechsinalpro-cessing.1982.5.430-432

[4]李康；高靜懷；王偉.基于Contourlet域HMT模型的圖像去噪方法研究[A]；全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議?？痆C]；2008年

[5]鄧超.基于改進神經(jīng)網(wǎng)絡(luò)的CCD圖像去噪方法研究[A]；武漢（南方九省）電工理論學(xué)會第22屆學(xué)術(shù)年會、河南省電工技術(shù)學(xué)會年會論文集[C]；2010年

[6]李偉.基于匹配跟蹤和自適應(yīng)字典的圖像去噪算法研究[D]；華北電力大學(xué)（北京）；2010年

[7]林德貴.基于邊緣檢測的提升小波圖像去噪[J]；長春大學(xué)學(xué)報；2011年08期

第3篇：數(shù)字圖像處理論文范文

論文關(guān)鍵詞：人臉識別，中值濾波，同態(tài)濾波

 

引言

隨著科學(xué)技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)的廣泛應(yīng)用，重要部門(機場、銀行、軍政機關(guān)、重點控制地區(qū))的進出需要可靠的身份鑒別。傳統(tǒng)身份識別方式的弊端日益彰顯，根據(jù)人體生理特征和行為特征來識別身份的生物特征識別日益興起。人臉識別是計算機模式識別研究領(lǐng)域中一項熱門的研究課題，人臉的面部特征是最自然的、方便的身份辨認手段，易為用戶所接受。隨著計算機技術(shù)和數(shù)字圖像技術(shù)的迅猛發(fā)展，人臉自動識別在技術(shù)上成為可能。

1圖像預(yù)處理

一個典型的人臉識別過程包括三個步驟：人臉檢測、特征提取與人臉識別。在實現(xiàn)過程中，首先要獲取圖像，然后進行人臉模塊檢測。如果檢測到人臉圖像，則進行特征點定位及歸一化處理，特征提取后送入分類器進行識別，最終獲得識別結(jié)果。

預(yù)處理是人臉識別過程中一個重要環(huán)節(jié)，其主要目的是消除圖像中的冗余信息，濾除干擾、噪聲，增強有關(guān)信息的可檢測性，從而提高識別的可靠性。在預(yù)處理階段，對圖像進行優(yōu)化，盡可能去除或者減小外部環(huán)境對預(yù)處理圖像的干擾，為后續(xù)處理提高質(zhì)量。

2預(yù)處理方法的研究

2.1 直方圖均衡化

直方圖是圖像的最基本的統(tǒng)計特征，它反映的是圖像的灰度值的分布情況。直方圖反映了圖像的明暗分布規(guī)律同態(tài)濾波，可以通過圖像變換進行直方圖調(diào)整，獲得較好的視覺效果。直方圖均衡化是在每個灰度級上都具有相同的象素點數(shù)的過程，目的是使圖像在整個灰度值動態(tài)變化范圍內(nèi)分布均勻化，改善圖像的亮度分布狀態(tài)，增強圖像的視覺效果。

均衡化處理的步驟為：

（1）對給定的待處理圖像統(tǒng)計其直方圖，求出

（2）根據(jù)統(tǒng)計出的直方圖采用累積分布函數(shù)做變換，,求變換后的新灰度；

（3）用新灰度代替舊灰度，求出，這一步是近似過程，應(yīng)根據(jù)處理的目的盡量做到合理，同時把灰度值相等或近似的合并到一起。

2.2 灰度拉伸

灰度拉伸又叫對比度拉伸，它是最基本的一種點操作，根據(jù)原始圖像中每個像素的灰度值，按照某種映射規(guī)則，將其變換為另一種灰度值。通過對原始圖像中每個像素賦一個新的灰度值來達到增強圖像的目的。一般有線性變換（最常用的是按比例線性變換和分段線性變換）和非線性變換（常用對數(shù)擴展和指數(shù)擴展）。

2.3中值濾波

中值濾波是一種非線性濾波方法，在一定條件下可以克服線性濾波器處理圖像細節(jié)模糊的問題，但是對點、線、尖頂?shù)燃毠?jié)較多的圖像，則會引起圖像信息的丟失。中值濾波的基本思想是把局部區(qū)域的像素按灰度等級進行排序，取該鄰域中灰度的中值作為當(dāng)前像素的灰度值。它對濾除脈沖干擾和圖像掃描噪聲非常有效論文范文。

中值濾波的步驟：

（1）將濾波模板在圖像中漫游，并將模板中心與圖中某個像素位置重合；

（2）讀取模板中各對應(yīng)像素的灰度值；

（3）將這些灰度值從小到大排列；

（4）取這一列數(shù)據(jù)的中間數(shù)據(jù)賦給對應(yīng)模板中心位置的像素；

由以上步驟可以看出，中值濾波對孤立的噪聲像素即椒鹽噪聲、脈沖噪聲具有良好的濾波效果。由于它不是簡單的取均值，所以產(chǎn)生的模糊比較少。

2.4 同態(tài)濾波

當(dāng)光源照射物體時，由于物體各部分的反射，通過視覺和其他感光面形成圖像。因此，圖像生成與光源的照射特性和物體的反射特性有關(guān)。

設(shè)光源的照度函數(shù)為，景物各點的反射系數(shù)為，則圖像的亮度函數(shù)為。上式表明，圖像各點亮度，決定于照射分量和反射系數(shù)的乘積。

同態(tài)濾波就是將圖像乘積形式的亮度模型（非可加性），變成可加形式，以便進行濾波增強處理。經(jīng)過同態(tài)濾波后其結(jié)果會改變圖像光強度和反射光強度的特性，因此可以做到同時降低圖像動態(tài)范圍，又增加對比度的結(jié)果。

同態(tài)濾波的步驟：

（1） 對亮度函數(shù)兩邊作對數(shù)變換，再取傅氏變換；

（2） 通過一濾波器；

（3） 對濾波器的輸出取傅氏飯變換，再取指數(shù)變換；

選取合適的濾波器，可以適當(dāng)壓縮照度分量的動態(tài)范圍，同時適當(dāng)提升反射度分量，可以改善圖像對比度，突出物體輪廓。

3 仿真實現(xiàn)

取一幅92*112的人臉圖像，通過matlab函數(shù)對其進行直方圖均衡化處理同態(tài)濾波，可以得到處理前后的直方圖對比。通過仿真我們可以清楚的看出，均衡化后圖像獲得了較好的視覺效果，圖像變的更加的清楚，圖像中的一些細節(jié)也突出了。如圖3-1所示。

圖3-1 處理前后的直方圖對比

對同一副人臉圖像進行灰度拉伸，仿真結(jié)果如圖3-2所示。

圖3-2 原始圖像以及灰度拉伸處理后的效果

由兩幅圖像處理前后的效果變化可以看出灰度拉伸后增強了圖像的對比度，使得圖像細節(jié)更加的突出。

同樣，對人臉圖像分別進行中值濾波和同態(tài)濾波進行預(yù)處理，其仿真圖分別如圖3-3和3-4所示。

圖3-3原始圖像與中值濾波后的效果圖

由原始圖像和中值濾波后的圖像對比可以看出，處理之后，人臉圖像中的斑點得到了去除。

圖3-4原始圖像與同態(tài)濾波后的效果圖

對圖像進行同態(tài)濾波處理之后，由兩幅圖像對比可以看出，圖像對比度得到增強，像素灰度的動態(tài)范圍也得到增強。處理之后圖像較暗的地方變得更清楚，圖像中的一些細節(jié)也更加突出。

結(jié)束語

本文主要針對人臉識別中圖像預(yù)處理進行研究，通過圖像預(yù)處理的一些方法，如直方圖均衡化、灰度拉伸、中值濾波、同態(tài)濾波，對讀入的人臉圖像進行處理。消除圖像中無關(guān)的信息，從而使圖像增強，細節(jié)突出，進一步改善了圖像質(zhì)量，為下一步圖像的特征提取、分割、匹配和識別打下可靠的基礎(chǔ)。

參考文獻：

[1]阮秋琦.數(shù)字圖像處理學(xué)[M].北京: 電子工業(yè)出版社, 2000.4

[2]王耀南.計算機圖像處理與識別技術(shù)[M]. 北京:高等教育出版社, 2001.6

[3]章毓晉.圖像工程[M].北京: 清華大學(xué)出版社, 2001.9

[4]羅良正.數(shù)字圖像處理[M].南京: 東南大學(xué)出版社, 1999.8

[5]周激流，張曄．人臉識別理論研究進展[J]．計算機輔助設(shè)計與圖形學(xué)學(xué)報．1993，

11(2)：180-184

第4篇：數(shù)字圖像處理論文范文

關(guān)鍵詞：3D計算；圖像處理；角點檢測方法

中圖分類號：TP311.52文獻標(biāo)識碼：A文章編號：1007-9599 (2012) 03-0000-02

The Algorithm Design of High-speed Graphics Converter in 3D Calculation

Li Huaqing

(96616 Troops, Beijing 100085 ,China)

Abstract: The characteristics of image analysis in image processing, the need to reach the feature extraction for the subsequent image processing and analysis. In the extraction process in the target image, the selected characteristics of corner features. Corner location and accurate image matching plays an important role in the three-dimensional reconstruction. Corner of the pixel relative to the mutation of the external value of the pixel gray or convex shape of the pixel is more concentrated. This paper analyzes the three-corner extraction: SUSAN corner detection method, the Harris corner detection method of multiple scales combined with Susan algorithm improvement, subpixel corner detection method, in order to meet the requirements of the system accuracy.

Keywords: 3D calculation; Image processing; Corner detection method

一、目標(biāo)圖像的預(yù)處理

在馬爾計算機視覺理論體系中，二維圖像的預(yù)處理的第一步是在于三維視覺。圖像預(yù)處理的主要目的是改善圖像的視覺效果，提高圖像的清晰度，圖像轉(zhuǎn)換成一種更為適合的分析和處理模式，提高了系統(tǒng)的精度。有許多種類的圖像預(yù)處理方式，例如圖像平滑和銳化等。在這一部分簡要介紹線性濾波和非線性濾波，以及直方圖均衡化，以提高圖像的對比度。

（一）圖像平滑。圖像平滑是一個非常實用的數(shù)字圖像處理技術(shù)，主要目的是為了減少圖像的噪聲，以及降低噪聲的圖像處理效果。一般來說，在空間域可以使用線性平滑濾波或順序統(tǒng)計濾波器降低噪音；在頻域可用于各種形式的低通濾波降低噪聲也應(yīng)用于在高頻波段。其中，常見的有空間平滑濾波與均值濾波和中值濾波。

1.均值濾波。均值濾波器也被稱為線性濾波，主要手段是鄰域平均法。線性濾波理論是在檢測像素周圍形成建筑模板，模板像素值計算代替了原始圖像中的每個像素值，即對當(dāng)前像素點選擇一個模板，該模板為附近的一個像素的多元化并為模板中的所有像素的平均值，然后通過價值分配的當(dāng)前像素的像素值，作為用作處理圖像中的灰度，即：

均值濾波算法，它會使圖像模糊，原因是它對所有像素都一視同仁，并對噪聲點進行評估，同時，現(xiàn)場的邊界點也給予評估。為了改善這種狀況，必須改變?yōu)V波器的設(shè)計思想，設(shè)計一個濾波器，它可以消除噪聲，而且還可以使圖像模糊，中值濾波是一種有效的方法。

2.中值濾波。中值濾波是基于順序統(tǒng)計量理論有效抑制噪聲的非線性信號處理技術(shù)，中值濾波的基本原理在于數(shù)字圖像像素的像素值在一個數(shù)字區(qū)域的每個樣本的位數(shù)，從而借此消除孤立噪聲點。選擇一個模板，模板根據(jù)像素的像素值的大小排序，形成一個單調(diào)遞增或遞減的順序，選擇序列的中值為模板中心像素所代表的像素值。

均值濾波去噪圖像邊緣模糊而產(chǎn)生的負面影響，與中值濾波去除噪聲后同時保持圖像的邊緣細節(jié)，效果明顯比均值濾波器為佳。因此在系統(tǒng)中圖像處理的中值濾波，并在后來的實驗中證明，這種圖像處理中值濾波值最應(yīng)值得考慮。

（二）直方圖均衡化。直方圖均衡化圖像對比度的方法介紹如下。直方圖具有灰色的水平功能，它表示圖像具有灰度的像素數(shù)量，反應(yīng)在每個圖像灰度出現(xiàn)頻率過程中。對于數(shù)字圖像，直方圖是一個離散函數(shù)：

直方圖均衡化的具體步驟如下：

（1）列出了原始圖像的灰度級，并統(tǒng)計原始圖像中的像素灰度數(shù)；

（2）根據(jù)公式計算原始圖像直方圖；

（3）根據(jù)計算的累積直方圖；

（4）根據(jù) 對 取整，確定映射關(guān)系 ；

（5）統(tǒng)計直方圖的灰度的像素數(shù)量，并計算新的直方圖。

二、對象的圖像特征點提取的研究與實現(xiàn)

特征提取是圖像處理和分析下一步的前提和基礎(chǔ)，重點在于圖像匹配。有許多種類的圖像特征，包括點，線，區(qū)，邊界，外形，顏色和其他數(shù)字或符號說明。本文的雙目視覺系統(tǒng)是用角點特征。角點特征的圖像匹配，攝像機標(biāo)定，三維重建和其他地區(qū)有重要的應(yīng)用意義。在本文側(cè)重為角點提取方法，并分析了該方法的優(yōu)缺點，提出改進的方法。

（一）角和角點提取算法要求概述。角點是圖像非常重要的局部特征，其直觀的定義在于至少2個方向的圖像灰度變換相對大點。對各種圖像的特征，具有旋轉(zhuǎn)不變性角而不是光照條件和變化的優(yōu)點。由于角可以減少大量的數(shù)據(jù)參與計算，在不損失重要信息和灰度圖像以及圖像匹配的前提條件下，角點特征匹配可以大大提高匹配速度。因此，研究一種快速以及有效的角點提取的方法以提高圖像匹配的速度和匹配率有重要的意義。

目前的角點檢測方法主要分為2大類：一是基于圖像邊緣角點提取算法，另一類是直接基于灰度的角點檢測?；谶吘壧崛〉慕屈c檢測算法的基本思想是：第一個角點上的邊緣，是一種特殊的邊界點。這種算法常常用來來檢測圖像的邊緣，并進行邊緣檢測在圖像的點作為測點，如典型Rresonfeld提出的k-曲率法，熱拉爾?莫狄奧尼提出的樣條曲線擬合方法?；谶吘壧崛〉慕屈c檢測算法的主要缺點是對邊緣提取算法提取邊緣高度依賴，如果發(fā)生錯誤，或邊緣線中斷的情況發(fā)生，則會對角點提取結(jié)果會造成巨大的影響。直接圖像的角點檢測的基礎(chǔ)在于提取的角是局部范圍內(nèi)的灰色和梯度最大值點。所以這類算法主要是通過計算梯度與曲率角檢測，因為它不需要進行邊緣提取，所以在實踐中得到了廣泛的應(yīng)用。因此，在使用該系統(tǒng)時是基于圖像的角點提取算法。以下幾種經(jīng)典的基于灰度的角點檢測算法已經(jīng)進行了研究與實驗。本文選擇的不同圖像的角點檢測分析和比較分析，比對各種方法的優(yōu)缺點，并結(jié)合各種方法的優(yōu)缺點作為哈里斯檢測方法的改進。

（二）蘇珊角點提取算法的研究和實現(xiàn)。蘇珊（最小univalue段吸收核）角點檢測算子是由牛津大學(xué)和布雷迪?史密斯提出的。他們所提出的1997個角點檢測算法，不需要濾波去噪處理，具有較強的抗噪聲能力。其基本原理是，每個圖像點相關(guān)的局部地區(qū)有相同的亮度。如果一個窗口內(nèi)的每個像素的亮度值和窗口中心像素的亮度值相同或相似的，窗戶則會進入核相似的地區(qū)――“蘇珊（univalue段吸收核）”。

蘇珊算法用一個圓窗為模板，模板中心檢測像素點稱為核心點。在一個背景灰度值小于檢測區(qū)域的灰度圖像，如下圖所示，一個圓形模板放置在四方不同的位置，由公式為模板中的每一個點與核心點的灰度值進行比較。

圖像目標(biāo)與背景的對比度一般在10~25之間選擇的選擇，但也應(yīng)考慮在圖像噪聲和特征點的性質(zhì)。

圓形模板的圖像，使圓形模板內(nèi)的像素與中心元素確定中心元素相同或相似的區(qū)域，是為像素區(qū)。蘇珊算法是將使用的模板中的圖像的區(qū)域劃分為各種模板元素的外部以及內(nèi)部，邊界點或角。模板元素的值和中心確定后，比較結(jié)果的積累。

（三）角點提取算法的研究和實現(xiàn)。角點檢測算法是1988年克里斯與麥克斯蒂芬斯提出，是基于圖像特征的提取算法，也被稱為中國的角點檢測算法。據(jù)C .施密德報告，為目前最好的角點提取方法的角點檢測算法，它不影響相機姿態(tài)和光照的影響。

圖像通常是用來描述局部自相關(guān)函數(shù)的圖像灰度變化的程度，和圖像的角和自相關(guān)函數(shù)的曲率的關(guān)系。我們把本地窗口矩形形狀說假設(shè)成其沿任意方向移動的距離，所以可得它的自相關(guān)函數(shù)公式：

具體的方法如下：

1.如果兩者曲率值很小，證明了局部自相關(guān)函數(shù)是非常平坦的，檢測出區(qū)的面積單位；

2.如果兩者曲率較大，另一個是小的，然后點的可能為邊緣點；

3.如果兩者曲率大，局部自相關(guān)函數(shù)由一個峰值，然后則為點角；

（四）蘇珊和角點檢測結(jié)果比較。根據(jù)蘇珊算子和、算子理論和編程步驟的角點檢測，首先，稍有鋸齒狀邊緣圖像的角點檢測。角點檢測結(jié)果如下：

通過蘇珊算法和算子在同一網(wǎng)站上呈鋸齒狀邊緣圖像的角點檢測結(jié)果，可知蘇珊角點檢測算法在邊緣效果理想的結(jié)果，和哈里斯算法在邊緣效果不理想的結(jié)果，如上圖所示。通過蘇珊算法和算子在同一稍有鋸齒狀邊緣圖像的角點檢測結(jié)果，可知蘇珊角算法的邊緣檢測效果比哈里斯算法的檢測效果理想。

在上圖中分析了算法在邊緣地區(qū)的探測效果，隨著邊緣光滑立體塊圖像的角點檢測，角點檢測算法比較了蘇珊和角點檢測算法檢測效果，并進行了對比。

但是，在塊圖像的角點檢測方面，角點檢測算法的檢測角點超過蘇珊算法檢測角點，以及誤差角點比蘇珊算法誤差角明顯少很多。對建筑進行角點檢測，根據(jù)統(tǒng)計數(shù)據(jù)，建立形象，角點檢測的對數(shù)比蘇珊算法來檢測的數(shù)字接近和正確率高。

在蘇珊算法和算子進行了不同的特征圖像的角點檢測實驗，并將兩者比較。蘇珊算法和哈里斯算法魯棒性分析中，建筑塊圖像高斯噪聲用蘇珊的角點檢測算法和角點檢測算法，加入高斯噪聲圖像的角點檢測。

基于圖像的噪聲，分別使用蘇珊的角點檢測算法和角點檢測算法的角點檢測，蘇珊角點檢測算法抗噪性能優(yōu)于的角點檢測算法，對噪聲的免疫力更為強大。

為了更準(zhǔn)確地提取所需的角點，本論文結(jié)合了多尺度分析蘇珊算法和算子，算子并且進了改進。

綜上所述，本文用蘇珊算子以及算子分別對不同圖像的角點檢測，蘇珊角算子也有許多缺點，但邊界效果好，并具有一定的抗噪聲，角點檢測算子正確率明顯高于蘇珊角點檢測算子，但有輕微鋸齒狀邊緣檢測效果不如蘇珊角點檢測算子，且無噪音。另一點，角點檢測原理從中可以看出算子可以只在一個單一的規(guī)模，這就是角點檢測的特性。一般來說，在較大規(guī)模能可靠地消除錯誤檢測，但角定位不夠準(zhǔn)確，只在較小規(guī)模的角位置更準(zhǔn)確，但錯誤率將增加。

參考文獻：

[1]岡薩雷斯.數(shù)字圖像處理（第二版）[M].北京:電子工業(yè)出版社,2003

[2]李偉.立體視覺若干基本問題的研究[D].昆明昆明大學(xué),2005

第5篇：數(shù)字圖像處理論文范文

關(guān)鍵詞:邊緣檢測；圖像處理；邊緣檢測算子；梯度；圖像邊緣

中圖分類號：TP18文獻標(biāo)識碼：A文章編號：1009-3044(2012)07-1604-05

Analysis and Comparison for Several of Typical Image Edge Detection Algorithms

TAN Yan，WANG Yu-jun,LI Fei-long,GE Geng-yu

(College of Computer and Information Science,SouthWest University,Chongqing 400715,China)

Abstract：Image edge detection is one of the most important part of computer vision and digital image processing and so on,because the image edge include that the image’s the most important information,it mainly exists between in goal and target,target and background,region and region.The paper mainly analysis for several of typical image edge detection algorithms,and uses MATLAB to evaluate these edge detection algorithms,including two kinds of cases of no noise and added a gaussian noise,then comparison and analysis the result of the various detection algorithms in that both cases, finally we can know its characterist ics and suitable application of these various algorithms.

Key words：edge detection；image processing；edge detection operator；gradient；image edge

圖像邊緣包含了圖像最重要的信息，圖像邊緣檢測是計算機視覺和數(shù)字圖像處理等領(lǐng)域研究的重要內(nèi)容之一。邊緣是指圖像周圍像素灰度有階躍變化或屋頂變化的那些像素的集合，它存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域、基元與基元之間，是圖像最基本的特征，以及圖像分析與識別的重要環(huán)節(jié)[1]。邊緣檢測的實質(zhì)是采用某種算法來提取出圖像中對象與背景間的交界線。我們將邊緣定義為圖像中灰度發(fā)生急劇變化的區(qū)域邊界，圖像灰度的變化情況可以用圖像灰度分布的梯度來反映，因此可以用局部圖像微分來獲得邊緣檢測算子[2]。該文主要分析了幾種典型的邊緣檢測算子，Roberts邊緣檢測算子、Prewitt邊緣檢測算子、Sobel邊緣檢測算子、LOG邊緣檢測算子、Canny邊緣檢測算子，并用Matlab對這幾種算法分別進行了仿真，并且還在對灰度圖加入高斯噪聲后這幾種算法的仿真，以便能更清楚地看出這幾種算法對含有噪聲的圖像的抑制情況，然后分別對得到的各種效果圖進行比較分析，為人們在實際情況中選擇適當(dāng)?shù)乃阕犹峁﹨⒖肌?/p>

1幾種經(jīng)典的邊緣檢測算法

圖像邊緣檢測算法是根據(jù)圖像邊緣存在的突變性質(zhì)來檢測的。主要分為兩種類型[3,4]：一種是以一階微分為基礎(chǔ)的邊緣檢測算子，通過計算一階導(dǎo)數(shù)局部最大值來檢測圖像邊緣，如：Roberts算子、Prewitt算子、Sobel算子、Canny算子；另一種是以二階微分為基礎(chǔ)的邊緣檢測算子，通過尋求二階導(dǎo)數(shù)中的過零點來檢測邊緣，如：LOG算子。

1.1一階微分算子

基于一階微分的算子是通過計算圖像的梯度值來檢測圖像邊緣的，利用梯度去尋找一幅圖像f的(x,y)位置處邊緣的強度和方向，梯度用?f來表示，用向量定義為[2]：

收稿日期：2011-12-29

作者簡介：譚艷（1987-），女，重慶人，在讀碩士研究生，主要研究方向為圖像處理；王宇?。?966-），男，教授，主要研究方向為人工智能，機器人學(xué)，工業(yè)機器人，被動機器人等。

為了得到一幅圖像的梯度，在圖像的每一個像素位置處都需要計算偏導(dǎo)數(shù)?f?x和?f?y，因此，可以使用小區(qū)域模板卷積來進行近似計算[5]。于是研究者們根據(jù)這個模板大小及其元素值選擇的不同提出了許多不同的邊緣檢測算子，它們對邊緣檢測的效果有不同的特性。主要包括了Roberts算子、Prewitt算子、Sobel算子，以及Canny[5]在其碩士論文中提出的基于一階微分濾波器的三條最優(yōu)化準(zhǔn)則的Canny算子。

1.1.1 Roberts算子

Roberts算子是利用局部圖像像素中交叉對角線方向的相鄰兩像素之差來近似梯度幅值檢測圖像邊緣。該算子定義為：

gx=

該算子的梯度方向可以由公式(3)算出。由于該算子沒有對圖像進行平滑，因此對噪聲的抑制能力不強。另外，該算子檢測到的圖像邊緣比較細，但是連續(xù)性較弱。

1.1.2 Prewitt算子

Prewitt算子由Roberts算子2×2大小的模板擴展為3×3大小的模板來計算差分算子，它是利用像素點上下、左右鄰點的灰度差，在邊緣處達到最大值來檢測邊緣[6,11]。該算子利用兩個方向的模板，即檢測水平邊緣的模板和檢測垂直邊緣的模板，圖像中的每個像素點都要用這兩個模板做卷積，最后輸出兩個卷積中的最大值。該算子的定義為：

[gx=

其梯度幅值由公式(2)算出，梯度方向由公式(3)算出。

1.1.3 Sobel算子

Sobel算子與Prewitt算子很相似，不同之處在于Sobel算子只是在中心系數(shù)上使用了一個權(quán)值2。該算子的兩個模板為：

1.1.4 Canny算子

Canny算子也是一種基于一階微分的邊緣檢測方法，但它所擁有的三條最優(yōu)化準(zhǔn)則使其性能優(yōu)于其他方法。它的基本原理是首先用高斯濾波器平滑圖像，再用一階偏導(dǎo)的有限差分來計算梯度的幅值和方向，接著對梯度幅值進行非極大值抑制，最后用雙閾值算法檢測和連接邊緣[8]。

假設(shè)原圖像為f(x,y)，高斯函數(shù)為G(x,y),平滑后的圖像為h(x,y),則

h(x,y)=G(x,y)*f(x,y)

(10)

其中，?為卷積符號，G(x,y)=e-

1.2二階微分算子

基于二階微分的算子是通過計算二階導(dǎo)數(shù)中過零的點來檢查圖像邊緣的，在一階微分算子中，當(dāng)所求的一階導(dǎo)數(shù)高于某一閾值時，就確定該點為邊緣點，但是，這樣的檢測結(jié)果有時并不是唯一的。對于階躍邊緣，其二階導(dǎo)數(shù)在邊緣點出現(xiàn)零交叉，即邊緣兩旁二階導(dǎo)數(shù)取異號。這樣尋找圖像灰度的二階導(dǎo)數(shù)的零交叉就能找到精確邊緣點。二階微分算子中主要用于邊緣檢測的是LOG算子。

LOG算子，即高斯-拉普拉斯算子，它是先用高斯濾波器將灰度圖像進行平滑處理，然后再用拉普拉斯算子對平滑后的圖像進行變換，根據(jù)二階導(dǎo)數(shù)的過零點來檢測圖像的邊緣。

首先，假設(shè)原圖像為f(x,y),高斯濾波函數(shù)為G(x,y)，拉普拉斯算子為?2，輸出的圖像為g(x,y)，則LOG算子的推導(dǎo)如下[7]：

g()

2實驗結(jié)果比較分析

2.1原圖像灰度化及加噪聲

該文是調(diào)用Matlab中集成的各種算子對一幅圖像進行邊緣提取，然后對各種算法性能進行比較分析。首先對原圖像進行灰度化處理，因為各種邊緣檢測算子只能對灰度圖像進行操作。然后再給灰度圖加入均值為0、方差為0.002的高斯噪聲，為后面各種邊緣檢測算法準(zhǔn)備好輸入圖像。下面給出載入原圖像及灰度化和加噪聲的程序。

I=imread(’g:\fruits.jpg’);%載入原圖像

subplot(1,3,1);

imshow(I),title(’原圖像’)%顯示原圖像

I1=rgb2gray(I);%將原圖像進行灰度化

subplot(1,3,2);

imshow(I1),title(’灰度圖像’)%顯示灰度圖像

I2=imnoise(I1, ’gaussian’,0,0.002);%對灰度圖像加入均值為0，方差為0.002的高斯噪聲

subplot(1,3,3);

imshow(I2),title(’加高斯噪聲后的圖像’)%顯示加噪聲后的圖像

輸出結(jié)果如圖1所示。圖1原圖像、灰度圖像及加噪聲后的圖像

2.2對灰度圖像仿真結(jié)果

利用上面灰度化后的圖像進行各種算法仿真，Matlab程序如下：BW1=edge(I1,’roberts’,’both’);%用Roberts算子檢測邊緣

subplot(2,3,1);

imshow(BW1),title(’用roberts算子’)

BW2=edge(I1,’prewitt’,’both’);%用Prewitt算子檢測邊緣

subplot(2,3,2);

imshow(BW2),title(’用prewitt算子’)

BW3=edge(I1,’sobel’,’both’);%用Sobel算子檢測邊緣

subplot(2,3,3);

imshow(BW3),title(’用sobel算子’)

BW4=edge(I1,’log’,’both’);%用LOG算子檢測邊緣

圖2幾種算子對灰度圖像的檢測結(jié)果

2.3對加了高斯噪聲后的圖像進行仿真

將上面2.1中的I2圖像作為各種邊緣檢測算子的輸入圖像，Matlab程序跟2.2中的程序類似，此處不再贅述。其輸出結(jié)果如圖3所示。

圖3在人為加入高斯噪聲情況下幾種算子的檢測結(jié)果。

2.4仿真結(jié)果比較

對圖2和圖3（即在沒有加噪聲和加了噪聲的情況下）各種邊緣檢測算子檢測出的結(jié)果進行比較分析，可以看出：噪聲對圖像邊緣檢測的影響很大；二階微分算子比一階微分算子對噪聲更敏感；Roberts算子檢測出的圖像邊緣較細，但是由于沒有對圖像進行平滑，不能抑制噪聲，也容易丟失一部分邊緣，但它檢測陡峭的低噪聲圖像效果比較好；Prewitt算子和Sobel算子檢測出的結(jié)果幾乎一樣，圖像邊緣都較粗，對噪聲有一定的抑制能力，但是它們還是有一定的模糊度，并且Sobel算子不能將圖像的主題和背景嚴(yán)格地區(qū)分開來；Log算子對噪聲的敏感度很強，它檢測邊緣的效果與其高斯函數(shù)中的均方差有關(guān)，抗噪能力與均方差成反比，即均方差越大，抗噪能力越小，從而檢測到的邊緣細節(jié)越多，偽邊緣也就越多；Canny算子不易受噪聲的干擾，檢測到的邊緣比較連續(xù)，也比較清楚，能檢測到真正的弱邊緣。因此，Canny算子是這幾種典型邊緣檢測算法中檢測效果最好的。

3結(jié)論

該文對幾種經(jīng)典圖像邊緣檢測算子的理論進行了分析，并且用Matlab對這幾種算子進行了仿真實驗，最后對比分析檢測出的效果圖，對各種算子進行比較分析得出結(jié)論，指出了它們各自的優(yōu)缺點。但是這些傳統(tǒng)的邊緣檢測算子還是存在一些缺點，近年來隨著數(shù)學(xué)理論及人工智能的發(fā)展，又涌現(xiàn)出了許多新的邊緣檢測算法，比如小波變換邊緣檢測、基于形態(tài)學(xué)邊緣檢測、基于神經(jīng)網(wǎng)絡(luò)邊緣檢測、基于遺傳算法邊緣檢測等等[9,10]。無論哪種算法都不能滿足所有的圖像，因為各種算法都有它自己的特點，而不同圖像的特征也不同，只有在實際應(yīng)用中根據(jù)需要達到的要求而選擇不同的算法，有時候也可能會將幾種算法結(jié)合起來運用。

參考文獻:

[1]孫紅艷,張海英.圖像邊緣檢測算法的比較與分析[J].菏澤學(xué)院學(xué)報,2010,32(2):49-52.

[2] (美)岡薩雷斯,阮秋琦.數(shù)字圖像處理[M].3版.北京:電子工業(yè)出版社,2011:445-466.

[3] Kenncth R.Castleman.Digital Image Processing[M].Prentice HallInternational,Inc;北京:清華大學(xué)出版社,1997:389-391.

[4]徐獻靈,林亦水.圖像邊緣檢測算法比較與分析[J].自動化與信息工程,2007,(3):44-46.

[5] Canny.Finding Edges and Lines in Images[R].MIT Technical Report,Rep,1983:720.

[6]沈麗蓉.圖像邊緣檢測算法比較研究[J].福建電腦,2011(5):5-7.

[7]賀強,晏立.基于LOG和Canny算子的邊緣檢測算法[J].計算機工程,2011,37(3):210-212.

[8]陳勝勇,劉勇,等.基于OpenCV的計算機視覺技術(shù)實現(xiàn)[M].北京:科學(xué)出版社,2008:135-136.

[9]羅夢貞.傳統(tǒng)的圖像邊緣檢測算法的分析與比較[J].電腦知識與技術(shù),2011,7(16):3907-3909.

第6篇：數(shù)字圖像處理論文范文

    1990年,南開大學(xué)機器智能探究所開發(fā)出中國第一個在國際市場銷售的Windows平臺貿(mào)易軟件;1992年,開發(fā)出中國第一個進進國際市場的Macintosh貿(mào)易軟件,以及跨多個平臺的文字識別軟件開發(fā)工具包OpenRTK,這些軟件產(chǎn)品獲得美、英、澳等幾十家產(chǎn)業(yè)雜志的百篇好評,并在國際上最嚴(yán)格的OCR技術(shù)評選中戰(zhàn)勝國外最優(yōu)秀的對手Xerox、Caere和Catera等,在1992、1993、1994年連續(xù)三年被評為世界上最優(yōu)秀的OCR軟件。

    近日,本刊記者專程采訪了南開大學(xué)信息技術(shù)科學(xué)學(xué)院青年教師史廣順,他1994年進進南開大學(xué)計算機和系統(tǒng)科學(xué)系學(xué)習(xí),2003年畢業(yè)于南開大學(xué)機器智能探究所,并留校任教。請他為我們先容了南開大學(xué)機器智能探究所發(fā)展的相關(guān)情況。

    記者摘要:我國目前正在推進創(chuàng)新型國家建設(shè),提出將科學(xué)技術(shù)進步作為國家發(fā)展戰(zhàn)略的核心,智能探究所可以說是創(chuàng)新發(fā)展成功的典范,給我們先容一下探究所的沿革好嗎?

    史廣順摘要:南開大學(xué)機器智能探究所成立于1990年9月,主要從事模式識別、人工智能、計算機軟件方法和技術(shù)等方向的科學(xué)探究、系統(tǒng)開發(fā)和探究生培養(yǎng)工作。設(shè)有計算機軟件和理論、模式識別和智能控制、計算機應(yīng)用3個專業(yè)的碩士點和控制理論和控制工程博士點。 目前擁有專職教師5人,碩博探究生40余人。

    機器智能探究所致力于把科研成果轉(zhuǎn)化為產(chǎn)品,并推向國際市場。1990年,由智能所探究生構(gòu)成的一支研發(fā)隊伍就遷到硅谷,以技術(shù)轉(zhuǎn)讓的形式和美國ExperVision公司合作,同年就開發(fā)出中國第一個在國際市場上銷售的視窗貿(mào)易OCR軟件TypeReader,1992年開發(fā)出中國第一個Macintosh貿(mào)易軟件,以及跨多個平臺的文字識別軟件開發(fā)工具包OpenRTK。這些軟件產(chǎn)品獲得美、英、澳等幾十家產(chǎn)業(yè)雜志的百篇好評,并在國際上最嚴(yán)格的OCR技術(shù)評選中戰(zhàn)勝國外最優(yōu)秀的對手Xerox、Caere和Catera等,在1992、1993、1994年連續(xù)三年被評為世界上最優(yōu)秀的OCR軟件。

    記者摘要:那么在自主研發(fā)的同時,智能所是否還完成了其他的工程項目?

第7篇：數(shù)字圖像處理論文范文

關(guān)鍵詞：教改；遙感；農(nóng)業(yè)院校

中圖分類號：G642.0 文獻標(biāo)志碼：A 文章編號：1674-9324（2013）09-0059-03

遙感是農(nóng)業(yè)高等院校一些專業(yè)（如資源環(huán)境與城鄉(xiāng)規(guī)劃、土地資源管理、農(nóng)業(yè)資源與環(huán)境、環(huán)境科學(xué)等）的本科生必修的專業(yè)核心課程。遙感技術(shù)已經(jīng)廣泛應(yīng)用于社會生產(chǎn)的各個領(lǐng)域，培養(yǎng)遙感應(yīng)用型的高級技術(shù)人才非常重要，但目前農(nóng)業(yè)院校的遙感課程的教學(xué)體系、教學(xué)內(nèi)容和教學(xué)方式難以適應(yīng)遙感技術(shù)的快速發(fā)展，存在不少問題，使培養(yǎng)的人才與社會產(chǎn)生脫節(jié)。

一、農(nóng)業(yè)院校遙感教學(xué)存在的主要問題

1.遙感課程理論多而雜、抽象化等特點，抑制了學(xué)生的學(xué)習(xí)興趣。遙感技術(shù)具有理論抽象、知識點龐雜的特點，其多學(xué)科交叉，基礎(chǔ)知識面廣而雜，技術(shù)性和實踐性較強且多應(yīng)用于大型項目。農(nóng)業(yè)院校的本科生一般是第一次接觸，缺乏與課程相關(guān)的預(yù)備基礎(chǔ)知識和背景知識，學(xué)習(xí)遙感課程太抽象，實際生活中也很難接觸到遙感應(yīng)用方面的項目，這樣會導(dǎo)致學(xué)生覺得遙感課程“遙不可測”，具有一定的距離感和陌生感。另外，遙感課程在農(nóng)業(yè)類院校中一般屬于專業(yè)基礎(chǔ)性學(xué)科，得不到足夠的重視，以及學(xué)時不多等原因都在一定程度上抑制了學(xué)生的學(xué)習(xí)興趣。

2.教材內(nèi)容過于突出前沿科學(xué)，忽略了其應(yīng)用性?，F(xiàn)在的農(nóng)業(yè)院校遙感教材已經(jīng)采用國家農(nóng)林類普通高等教育“十一五”、21世紀(jì)規(guī)劃教材，雖然教學(xué)內(nèi)容進行了更新，基本上不存在以前的內(nèi)容過于陳舊的問題，但仍然出現(xiàn)不少問題。主要存在教學(xué)內(nèi)容過于突出其前沿科學(xué)以及發(fā)展趨勢，導(dǎo)致部分教學(xué)內(nèi)容或過于深奧，或與農(nóng)業(yè)類等相關(guān)專業(yè)的結(jié)合性不大，在農(nóng)業(yè)院校等相關(guān)領(lǐng)域中幾乎應(yīng)用不到；如“微波遙感原理”深奧難懂，在農(nóng)業(yè)院校相關(guān)專業(yè)幾乎很少用到；又如“高光譜的影像分析”過于深奧，對于遙感課程學(xué)時很有限的農(nóng)業(yè)院校本科生關(guān)聯(lián)系不多且過于深奧?，F(xiàn)在國民生產(chǎn)的各領(lǐng)域中廣泛應(yīng)用的遙感技術(shù)或結(jié)合性較強的教學(xué)內(nèi)容，很少有教材提及或提及極少。如近年在災(zāi)害監(jiān)測中廣泛應(yīng)用高分辨率的QUICKBIRD、WORLDVIEW衛(wèi)星數(shù)據(jù)WORLDVIEW；又如在農(nóng)業(yè)中應(yīng)用較多的測定地物光譜儀的設(shè)備和我國“北京一號”小衛(wèi)星在北京近郊農(nóng)業(yè)監(jiān)測中應(yīng)用等內(nèi)容卻無體現(xiàn)。脫離生產(chǎn)實踐與應(yīng)用的前沿技術(shù)，就像是沒有方向的深海之舟，與農(nóng)業(yè)類院校本科生的教學(xué)宗旨與教學(xué)目標(biāo)背道而馳。

3.教學(xué)手段不夠豐富，學(xué)生參與不夠，缺乏學(xué)習(xí)熱情。農(nóng)業(yè)院校遙感課程雖然普遍使用了多媒體教學(xué)技術(shù)，但仍是以教師講授為核心，缺乏形象教學(xué)必要的教學(xué)手段與輔助教學(xué)資料，很少有本科生參與教師的科研項目或大型的工程應(yīng)用項目。由于時間等種種原因，也很少本科生參加課內(nèi)外的遙感應(yīng)用的體驗與交流報告，缺乏學(xué)習(xí)遙感課程的源動力與熱情。

4.現(xiàn)有的考試制度抑制了學(xué)生的創(chuàng)新?，F(xiàn)有的考試制度以考試為主，側(cè)重卷面成績，試卷考核方式很難考驗學(xué)生對理論體系的系統(tǒng)性掌握、知識點的內(nèi)在聯(lián)系以及實際技能的掌握程度與應(yīng)用程度。農(nóng)業(yè)院校的遙感實驗課程學(xué)時設(shè)置少，實驗個數(shù)少，實驗成績占課程成績的比重不大，一般隸屬于遙感課程理論教學(xué)的一部分，很少單獨開設(shè)，實踐環(huán)節(jié)教學(xué)得不到足夠的重視，且多側(cè)重實驗報告成績，忽視了實踐環(huán)節(jié)學(xué)生能力的表現(xiàn)。現(xiàn)有的課程成績構(gòu)成缺乏討論、專題制作、文獻檢索、學(xué)習(xí)報告等多手段，在一定程度上抑制了學(xué)生參與的積極性和主觀能動性，導(dǎo)致學(xué)生自主學(xué)習(xí)的熱情不夠，缺乏創(chuàng)新的激情。

5.實踐學(xué)時偏少，缺乏針對農(nóng)業(yè)院校的上機教材。遙感實踐課程少，難以培養(yǎng)學(xué)生的感性認識，動手能力的提高更是無從談起。目前，與遙感課程配套上機的教材多是針對高等院校測繪類專業(yè)，缺乏與農(nóng)業(yè)院校遙感課程配套的上機實驗教材，市場上偶見農(nóng)業(yè)院校專用教程，在內(nèi)容的設(shè)置上與上機實驗數(shù)據(jù)或樣例數(shù)據(jù)方面卻與測繪類專業(yè)并無多大區(qū)別。農(nóng)業(yè)院校類本科生感覺不到遙感實踐與專業(yè)的相關(guān)性或結(jié)合性，無法滿足農(nóng)業(yè)院校專業(yè)學(xué)生的實踐教學(xué)的需求。

二、教學(xué)改革的基本內(nèi)容與途徑

1.教學(xué)內(nèi)容的完善與改革。（1）教學(xué)內(nèi)容的設(shè)置應(yīng)重點突出。在農(nóng)林院校遙感課程學(xué)時很有限，而遙感技術(shù)體系本身內(nèi)容非常龐雜，教學(xué)內(nèi)容與學(xué)時的設(shè)置除了體現(xiàn)理論的系統(tǒng)性，一定要注重各部分內(nèi)容的內(nèi)在的邏輯聯(lián)系，突出主要內(nèi)容和重要內(nèi)容，必要時，應(yīng)進行取舍。使學(xué)生對整個教學(xué)有一個比較宏觀、層次清晰的印象，能夠抓住遙感主要的原理和難點內(nèi)容。農(nóng)業(yè)院校的遙感課程主要內(nèi)容包括航空像片與遙感相關(guān)的基本概念、地物的反射光譜特性、航空攝影測量的基礎(chǔ)知識、遙感圖像的像點誤差、航空攝影測量的內(nèi)外業(yè)、衛(wèi)星傳感器數(shù)據(jù)、遙感圖像的目視判讀與調(diào)繪、遙感數(shù)字圖像處理原理與操作技能，以及遙感技術(shù)的應(yīng)用案例，尤其是在農(nóng)業(yè)領(lǐng)域的應(yīng)用實例。（2）根據(jù)應(yīng)用情況對前沿性內(nèi)容取舍?，F(xiàn)在很多教學(xué)改革過于突出課程的前沿性內(nèi)容，但受到學(xué)時的限制，很難與生產(chǎn)實踐或?qū)I(yè)聯(lián)系起來，學(xué)生感覺很陌生、很抽象，教學(xué)效果甚不理想。農(nóng)林院校的遙感課程學(xué)時一般都很有限，在突出課程內(nèi)容的系統(tǒng)性和重點內(nèi)容的前提下，對于前沿性的內(nèi)容，可結(jié)合授課專業(yè)情況進行靈活調(diào)整。若在相應(yīng)專業(yè)領(lǐng)域中很少應(yīng)用的可略講或不講（如微波遙感、高光譜）；若在相應(yīng)專業(yè)領(lǐng)域?qū)嵺`中有應(yīng)用或應(yīng)用較多的（如在農(nóng)業(yè)和土壤學(xué)科應(yīng)用較多的便攜式地物波譜儀），可側(cè)重于先進的儀器以及在科研或生產(chǎn)實踐中的作用與功能。這樣學(xué)生既不會感到深奧難懂，又會覺得該課程很貼合實際需求，這樣就可在有限的學(xué)時取得較好的教學(xué)效果。（3）實驗內(nèi)容的調(diào)整。遙感課程實驗內(nèi)容的設(shè)置應(yīng)與基本理論、基本方法相呼應(yīng)，突出其主要技能、實踐技能，平衡傳統(tǒng)方法與現(xiàn)代作業(yè)方法，采用的實驗器材或軟件應(yīng)與當(dāng)?shù)厣a(chǎn)部門基本保持一致，若有條件應(yīng)盡量將實驗課單獨開設(shè)。遙感技術(shù)在實際作業(yè)中，數(shù)據(jù)源以及產(chǎn)品都是采用遙感數(shù)字圖像，因此，傳統(tǒng)的遙感課程實驗內(nèi)容應(yīng)根據(jù)行業(yè)發(fā)展情況適當(dāng)?shù)貏h除過時的實驗，保留主要的遙感實驗外，應(yīng)盡量根據(jù)授課對象的就業(yè)方向、科研情況以及學(xué)時情況選擇性地增加設(shè)置遙感數(shù)字圖像處理的實驗內(nèi)容與課時數(shù)，如“熟悉ERDAS或ENVI遙感圖像處理軟件的基本操作”、“遙感數(shù)字圖像的增強處理”、“遙感數(shù)字圖像的幾何處理”、“遙感數(shù)字圖像的計算機自動分類”。

2.教學(xué)手段與教學(xué)方法的改革。（1）從興趣點或生產(chǎn)應(yīng)用入手展開教學(xué)。由于遙感課程理論知識點多而雜，在教學(xué)內(nèi)容的組織上可從學(xué)生感興趣的知識點入手，適當(dāng)引用遙感在測繪、國土、農(nóng)業(yè)等重要部門的一些視頻資料。闡述基本原理與基本方法時注重加強學(xué)生思維的引導(dǎo)，主要內(nèi)容與重點內(nèi)容可采用精講、細講，生產(chǎn)中不常用的原理與方法采取學(xué)生課外自主學(xué)習(xí)為主，遙感在實踐中應(yīng)用可采取具體案例分析，這樣既可保證激發(fā)學(xué)生學(xué)習(xí)的興趣，在面上對遙感有全面的把握，又可在重點內(nèi)容上有所深入。除了現(xiàn)代常用的多媒體教授的教學(xué)方法，可布置與課程內(nèi)容相關(guān)且很有趣的課外小作業(yè)，如可通過讓學(xué)生在Google Earth上查找校舍或旅游目的地的方式對衛(wèi)星遙感數(shù)據(jù)的認識。（2）制作遙感教學(xué)輔助材料。遙感教學(xué)輔助材料包括航空圖像與衛(wèi)星遙感圖像樣片的制作、各類教學(xué)視頻的制作、試題庫與習(xí)題庫的制作、遙感精品課程在線網(wǎng)址的收集，完善各種網(wǎng)絡(luò)教學(xué)資源庫的建設(shè)等。將生澀難懂且方便用于直觀教學(xué)的遙感圖像的分類與遙感圖像的解譯標(biāo)志等內(nèi)容制作教學(xué)樣片，如可將全色圖像、紅外、彩紅外、多光譜等航空像片與各種常用的衛(wèi)星遙感數(shù)據(jù)制作樣片，形象而直觀，易于理解與記憶。對于比較抽象、生活中接觸較少的知識點用于制作1～5分鐘的輔助視頻，如航空拍攝的過程、衛(wèi)星遙感以及傳感器的工作原理等。將近年來遙感技術(shù)應(yīng)用于現(xiàn)實生活中有影響力的重大事件的新聞視頻片段制作教學(xué)視頻資料，如“國土部：用衛(wèi)星遙感圖片嚴(yán)查違法用地”、“我國‘北京一號’、‘小衛(wèi)星’監(jiān)測北京近郊農(nóng)作物長勢”、“汶川地震前后遙感圖像前后對比”等新聞視頻片段。教學(xué)輔助材料在有些教學(xué)內(nèi)容方面可發(fā)揮很大的教學(xué)作用與效果。（3）重視遙感技術(shù)應(yīng)用案例分析。一般農(nóng)業(yè)院校的遙感技術(shù)的應(yīng)用所占學(xué)時極少，與專業(yè)結(jié)合性不夠。一般只是泛泛地提到或者一帶而過，沒有具體的案例或應(yīng)用視頻，學(xué)生缺乏對遙感技術(shù)實際應(yīng)用情況的了解?？筛鶕?jù)授課對象與專業(yè)方向選擇教學(xué)輔助材料，根據(jù)授課對象及專業(yè)方向播放其相關(guān)內(nèi)容，重點分析應(yīng)用案例。如面向土管專業(yè)授課時可側(cè)重土地資源調(diào)查與土地執(zhí)法的案例分析；面向農(nóng)資專業(yè)時，可側(cè)重農(nóng)作物長勢監(jiān)測與估產(chǎn)、光譜反射率的野外測定與分析等案例分析，面向環(huán)境類專業(yè)，可側(cè)重環(huán)境監(jiān)測與災(zāi)害監(jiān)測的案例分析。（4）實現(xiàn)教學(xué)手段的多元化，激發(fā)學(xué)生學(xué)習(xí)熱情。除了常用的多媒體教學(xué)與板書等教授方式外，還可適當(dāng)采取學(xué)生教學(xué)的方式，加強與學(xué)生互動交流，提高學(xué)生自主學(xué)習(xí)的能力。利用課前與課間的時間或借助網(wǎng)絡(luò)平臺，與學(xué)生進行充分交流，及時掌握他們的興趣、學(xué)習(xí)難點以及就業(yè)意向等，因材施教。利用國家、省和校級精品課程建設(shè)的成果，建立網(wǎng)絡(luò)實踐教學(xué)平臺，實現(xiàn)網(wǎng)絡(luò)互動式教學(xué)，設(shè)置“課件下載”、“實驗報告上載”、“答疑”、“FTP”等功能?？山柚c測量學(xué)等課程的重疊交叉知識，進行觸類旁通式的教學(xué)。通過小型專題報告的形式，促使學(xué)生課外收集文獻資料學(xué)習(xí)實踐應(yīng)用性強、與專業(yè)結(jié)合緊密的內(nèi)容，擇優(yōu)以多媒體的形式課堂交流并點評，并作為學(xué)生課程考核的一部分，有意識地將教學(xué)內(nèi)容與科研、就業(yè)與生產(chǎn)項目管理等結(jié)合起來，引導(dǎo)學(xué)生自主學(xué)習(xí)，激發(fā)學(xué)習(xí)的創(chuàng)造性。

3.建立考試制度的改革，提高其學(xué)習(xí)的積極性。進行課程考試制度的改革，改進考核方法，建立考察學(xué)生全面素質(zhì)的考核體系、建立科學(xué)的考察學(xué)生綜合知識、綜合素質(zhì)、綜合能力的實踐考核體系，采取靈活多樣的考試方式。在課程考試構(gòu)成增加小型專題報告制作、文獻檢索與總結(jié)等，理論環(huán)節(jié)可增加課堂互動環(huán)節(jié)（如提問、討論等）考核的比重；實踐環(huán)節(jié)可強化動手實踐與儀器操作的考核，淡化實驗報告等書面成績。通過建立考試制度的改革，促進學(xué)生積極學(xué)習(xí)。

三、教改效果分析

近年來遙感課程改革探索初步取得較為明顯的成效，具體表現(xiàn)在以下幾個方面。

1.學(xué)習(xí)態(tài)度的改變。學(xué)生對教學(xué)內(nèi)容的興趣和注意力明顯提高，課堂互動變得更為積極，課外自主學(xué)習(xí)的激情提高，教學(xué)氛圍良好，“教與學(xué)”變成了一件較為愉快的教學(xué)活動，學(xué)生對遙感方向的學(xué)術(shù)報告與畢業(yè)論文選題感興趣的人數(shù)明顯增加。

2.學(xué)生對遙感教學(xué)的評價。每學(xué)期都對全部遙感課程進行教學(xué)評估，學(xué)生無記名網(wǎng)上評教，結(jié)果表明總體優(yōu)良。說明學(xué)生對于教學(xué)內(nèi)容與教學(xué)形式是認可與肯定的。

3.學(xué)生的收獲。國土資源管理、農(nóng)業(yè)資源與環(huán)境等專業(yè)分別成立了興趣小組，在老師的指導(dǎo)下能夠獨立完成校級創(chuàng)新型實驗項目。學(xué)生的動手實踐能力明顯得到鍛煉與提高，有機會參與到多項遙感技術(shù)應(yīng)用的工程項目，特別優(yōu)秀的學(xué)生能在測繪遙感相關(guān)的事業(yè)單位就業(yè)。也有本科生在國內(nèi)的學(xué)術(shù)期刊上公開發(fā)表遙感領(lǐng)域內(nèi)的科研論文。

雖然筆者針對農(nóng)業(yè)類院校的遙感課程實踐教學(xué)改革進行了探索與實踐，然而，許多問題有待進一步探討，諸如教學(xué)平臺的完善、教學(xué)形式的改進、產(chǎn)學(xué)研實習(xí)基地建立、專業(yè)實踐素材庫的建立等。面向未來，我們需要更好地根據(jù)社會需求，積極進行遙感教學(xué)課程改革，為社會培養(yǎng)出更多的遙感應(yīng)用型的高級人才。

參考文獻：

[1]尹占娥.現(xiàn)代遙感導(dǎo)論[M].北京：科學(xué)出版社，2008.

[2]鄧良基.遙感基礎(chǔ)與應(yīng)用[M].北京：中國農(nóng)業(yè)出版社，2009.

[3]常慶瑞，蔣平安，周勇.遙感技術(shù)導(dǎo)論[M].北京：科學(xué)出版社，2004.

[4]彭望.遙感概論[M].北京：高等教育出版社，2010.

第8篇：數(shù)字圖像處理論文范文

關(guān)鍵詞：人臉識別；圖像預(yù)處理；同態(tài)濾波

中圖分類號：TP14文獻標(biāo)識碼：A文章編號：1007-9599 (2012) 03-0000-02

Homomorphic Filtering Application Stusy on Face Recognition

Lin Junxiong

(Southern Power Grid Shantou Power Supply Bureau,Shantou515000,China)

Abstract:Firstly,face recognition,the face recognition system that the importance of pretreatment in face recognition.And then gave a detailed description of existing face recognition preprocessing method,and comparison of methods.Finally,the impact of illumination on the face images homomorphic filtering method in the preprocessing stage to eliminate the impact of illumination on human face images,experimental results show that,this method can improve the recognition rate.

Keywords:Face recognition;Image pre-processing;Homomorphic filtering

一、引言

隨著計算機技術(shù)的不斷發(fā)展和網(wǎng)絡(luò)的普及，一些重要部門（銀行、機場、軍政機關(guān)、重點控制地區(qū)）的進出、重要信息的存儲與提取，都需要可靠的人身鑒別。人臉識別是指利用人臉部的特征信息，通過分析比較得出每個人獨有的特征信息，然后根據(jù)這些獨有的特征信息進行身份鑒別的計算機技術(shù)。與其他身份識別技術(shù)相比，人臉識別具有友好、自然等優(yōu)點，因此研究人臉識別的自動身份認證具有重要的理論意義和實用價值。近幾十以來，人臉識別技術(shù)有了長足的發(fā)展，并且逐步走向?qū)嶋H應(yīng)用階段?，F(xiàn)在已經(jīng)有比較成熟的人臉識別應(yīng)用系統(tǒng)進入市場?？梢灶A(yù)言，在今后的幾十年內(nèi)，隨著人臉識別技術(shù)進一步發(fā)展，人臉識別技術(shù)將應(yīng)用到更多的領(lǐng)域，例如視覺監(jiān)控，娛樂應(yīng)用，智能卡，自動身份驗證，銀行安全等，這些已有的以及潛在的應(yīng)用領(lǐng)域?qū)⑼苿尤四樧R別技術(shù)不斷發(fā)展。由于微電子技術(shù)、計算機技術(shù)的迅猛發(fā)展，數(shù)字圖像技術(shù)與模式識別學(xué)科的日益完善，使得人臉自動識別在技術(shù)上與經(jīng)濟上才成為可能。論文首先對人臉識別進行了介紹，通過對人臉識別系統(tǒng)的分析指出預(yù)處理在人臉識別中的重要性。然后對已有的人臉識別預(yù)處理法作了詳細的介紹，并對各種方法進行比較。最后針對光照對人臉圖像的影響還提出了同態(tài)濾波的方法。

二、人臉識別

（一）人臉識別概況。近年來，人臉識別是計算機技術(shù)研究領(lǐng)域的熱點問題，它屬于生物特征識別技術(shù)，是利用人本身的生物特征來區(qū)分不同個體。但是，由于人與人之間的區(qū)別較小，每個人的臉部結(jié)構(gòu)很相似，人臉器官的結(jié)構(gòu)外形也相似；人有不同的表情，在不同表情下或者不同角度觀察人，同一個人的圖像相差很大；另外，光照也會影響人臉圖像，白天和夜晚、室內(nèi)和室外獲取的同一個人的人臉圖像相差很大；遮蓋物也會影響人臉圖像，口罩、墨鏡、頭發(fā)、胡須等會使同一個人的人臉圖像不同；年齡在一定程度上也會影響人臉圖像。由于上述影響因素的存在，導(dǎo)致了人臉識別的準(zhǔn)確率與其他生物特征識別相比并不是很高，人臉識別技術(shù)的研究存在很多困難，但是很有挑戰(zhàn)性。

（二）人臉識別的過程。一個典型的人臉識別系統(tǒng)處理過程如圖2.1所示。一般包括人臉檢測、人臉特征提取、人臉識別與驗證三個步驟。

圖2.1 人臉識別技術(shù)處理流程圖

（三）預(yù)處理過程。預(yù)處理是人臉識別過程中的一個重要環(huán)節(jié)。預(yù)處理是在圖像分析中，對輸入圖像進行特征抽取、分割和匹配前所進行的處理。輸入圖像由于圖像采集環(huán)境的不同，如光照明暗程度以及設(shè)備性能的優(yōu)劣等，往往存在有噪聲，對比度不夠等缺點。另外，距離遠近，焦距大小等又使得人臉在整幅圖像中間的大小和位置不確定。為了保證人臉圖像中人臉大小，位置以及人臉圖像質(zhì)量的一致性，必須對圖像進行預(yù)處理。圖像預(yù)處理的目的是消除圖像中無關(guān)信息，濾除干擾、噪聲，恢復(fù)有用的真實信息，從而改進特征抽取、圖像分割、匹配和識別的可靠性。

在預(yù)處理階段，對圖像進行優(yōu)化，盡可能去除或者減小光照、成像系統(tǒng)、外部環(huán)境等對待處理圖像的干擾，為后續(xù)處理提高質(zhì)量。人臉圖像的預(yù)處理主要包括人臉圖像的增強。人臉圖像增強是為了改善人臉圖像的質(zhì)量，使圖像更利于計算機的處理與識別。

三、人臉圖像預(yù)處理方法

無論是直接獲取的灰度圖像，還是由彩色圖像轉(zhuǎn)換得到的灰度圖像，不可避免的存在噪聲。噪聲對圖像質(zhì)量有很大的影響，為提高后續(xù)圖像處理的精確度，需要對圖像進行去噪和增強等預(yù)處理。

（一）直方圖均衡化。直方圖均衡化是將一已知灰度概率密度分布的圖像，經(jīng)過某種變換，變成一幅具有均勻灰度概率分布的新圖像，其結(jié)果是擴展了像元取值的動態(tài)范圍，從而達到了增強圖像整體對比度的效果。均衡化處理的步驟：對給定的待處理圖像統(tǒng)計其直方圖，求出 ；根據(jù)統(tǒng)計出的直方圖采用累積分布函數(shù)做變換， ，求變換后的新灰度；用新灰度代替就灰度，求出 ，這一步是近似過程，應(yīng)根據(jù)處理的目的盡量做到合理，同時把灰度值相等或近似的合并到一起。

圖3.1直方圖均衡化

由圖3.1可以看出，原圖像的灰度值非常集中，其對比度效果較差，直方圖均衡化處理之后，灰度值重新分配，直方圖的范圍增加，原來分布較密的部分被拉伸，分布稀疏的部分被壓縮，使圖像的對比度得到增強，處理之后圖像的一些細節(jié)也突出了。

（二）中值濾波。中值濾波是一種非線性處理技術(shù)，能抑制圖像中的噪聲。進行中值濾波不僅可以去除孤點噪聲，而且可以保持圖像的邊緣特性，不會使圖像產(chǎn)生顯著的模糊，比較適合于實驗中的人臉圖像。中值濾波的步驟如下：

（1）將模板在圖中漫游，并將模板中心與圖中某個像素位置重合；

（2）讀取模板下各對應(yīng)像素的灰度值；

（3）將這些灰度值從小到大排成一列；

（4）找出這些值里排在中間的一個；

（5）將這個中間值賦給對應(yīng)模板中心位置的像素。

由以上步驟可以看出，中值濾波的主要功能就是讓與周圍像素灰度值的差比較大的像素改取與周圍像素值接近的值，所以它對孤立的噪聲像素的消除能力是很強的。由于它不是簡單的取均值，所產(chǎn)生的模糊比較少，中因此值濾波即能消除噪聲又能保持圖像的細節(jié)。

（三）同態(tài)濾波。同態(tài)濾波增強是把頻率過濾和灰度變換結(jié)合起來的一種處理方法。它是把圖像的照明反射為頻域處理的基礎(chǔ)，利用壓縮灰度范圍和增強對比度來改善圖像的一種處理技術(shù)。

一幅圖像 可以用它的照射分量 及反射分量 的乘積來表示，即

經(jīng)過同態(tài)濾波后其結(jié)果會改變圖像光強度和反射光強度的特性，因此我們可以做到同時降低圖像動態(tài)范圍，又增加對比度的結(jié)果。

圖3.2 原始圖像與同態(tài)濾波后的效果圖

由圖3.2，圖像對比度得到增強，像元灰度的動態(tài)范圍也得到增強，圖像中的一些細節(jié)更加突出。

四、同態(tài)濾波在人臉預(yù)處理中的應(yīng)用

（一）人臉數(shù)據(jù)庫。人臉數(shù)據(jù)庫主要是為在人臉表情(自然、微笑、憤怒、冷酷)、光照(左光源、右光源和雙側(cè)光源)環(huán)境變化條件下，測試人臉識別試驗。

圖4.1 人臉庫中的部分人臉圖像

（二）識別率分析。光照變化條件下對人臉識別帶來了一定的影響，這也是圖像處理中的熱點和難點問題，本文采用同態(tài)濾波的方法讀人臉圖像進行預(yù)處理，提高人臉圖像的識別率。

表4.1：訓(xùn)練樣本個數(shù)變化時各種人臉預(yù)處理方法識別率（%）的比較（AR人臉庫）

訓(xùn)練樣本個數(shù) 150 175 200 225 250 300 325

直方圖均衡化 89.09 94.36 96.07 96.10 96.24 97.30 97.09

同態(tài)濾波 92.71 96.62 97.28 97.35 97.62 97.72 98.03

由表可以看出對圖像進行預(yù)處理后人臉識別率增高，而且同態(tài)濾波保持較高的識別率。

五、結(jié)束語

本文主要針對人臉識別中圖像預(yù)處理進行研究，使用直方圖均衡化、灰度拉伸、中值濾波和同態(tài)濾波的方法對讀入的人臉圖像進行預(yù)處理，從而消除圖像中無關(guān)信息，增強人臉圖像細節(jié)，為后續(xù)處理做好準(zhǔn)備。本文針對光照對人臉圖像的影響，提出了同態(tài)濾波的方法，在預(yù)處理階段消除光照對人臉圖像的影響，實驗結(jié)果表明預(yù)處理之后人臉識別率得到了一定的提高。

參考文獻：

[1]龔聲榮,劉純平.數(shù)字圖像處理與分析[M].北京:清華大學(xué)出版社,2006.7

第9篇：數(shù)字圖像處理論文范文

關(guān)鍵詞：印制電路板；圖像處理；機器視覺；PCB裸板；自動光學(xué)檢測；缺陷檢測 文獻標(biāo)識碼：A

中圖分類號：TP391 文章編號：1009-2374（2016）09-0010-05 DOI：10.13535/ki.11-4406/n.2016.09.005

我國是全球第一大PCB生產(chǎn)基地，作為電子產(chǎn)品承載體的電路板，其集成度和產(chǎn)量不斷在提高。為了保證電子產(chǎn)品的性能，電路板缺陷檢測技術(shù)已經(jīng)成為電子行業(yè)中非常關(guān)鍵的技術(shù)。建立在圖像處理算法基礎(chǔ)上的機器視覺檢測技術(shù)與傳統(tǒng)的人工檢測技術(shù)相比，提高了缺陷檢測的效率和準(zhǔn)確度。因此，設(shè)計一種高效精準(zhǔn)的機器視覺檢測電路板缺陷的系統(tǒng)，具有非常重要的現(xiàn)實意義。評估印刷電路板質(zhì)量的一個重要因素就是表觀檢測，PCB的表觀質(zhì)量對產(chǎn)品性能及成品使用安全有著極大的重要性。而伴隨著近年來在工業(yè)生產(chǎn)領(lǐng)域崛起的計算機視覺，當(dāng)前表觀缺陷檢測和分類識別的研究方向已經(jīng)轉(zhuǎn)向了利用計算機視覺技術(shù)來實現(xiàn)。計算機圖像處理識別技術(shù)這種基于計算機視覺的檢測技術(shù)成功取代了傳統(tǒng)的PCB缺陷檢測方法，在自動光學(xué)檢測系統(tǒng)眾多應(yīng)用中占據(jù)了相對重要的地位，一躍成為PCB生產(chǎn)業(yè)表觀缺陷的主要檢測方法。

圖1 系統(tǒng)框圖

因此本文通過設(shè)計AOI自動光學(xué)檢測系統(tǒng)，搭建較為簡單的PCB缺陷自動檢測系統(tǒng)的實驗平臺，對PCB中四類較為關(guān)鍵、常見的缺陷進行檢測、分析、識別、判定，為研究推廣PCB缺陷自動檢測系統(tǒng)開拓應(yīng)用前景，如能實現(xiàn)工業(yè)上的產(chǎn)業(yè)化檢測，將有高額的經(jīng)濟收益。本文側(cè)重對PCB中的四類較為關(guān)鍵、常見的缺陷進行檢測、分析、識別、判定，并且僅搭建了較為簡單的PCB缺陷自動檢測系統(tǒng)的實驗平臺，即通過復(fù)雜算法對采集到的圖像進行處理、配準(zhǔn)、對比，從而得出PCB缺陷類型及對其進行標(biāo)識。如圖1所示。

1 硬件設(shè)計方案

PCB缺陷檢測的總體系統(tǒng)設(shè)計方案主要是基于自動光學(xué)檢測技術(shù)來搭建PCB缺陷檢測系統(tǒng)，硬件設(shè)計是使用CNC-T程控光源高精度影像測試系統(tǒng)操作臺，對待測電路板進行圖像采集，再通過VS2010軟件所編寫程序處理，得出待測電路板的缺陷種類。整個系統(tǒng)主要分為運動控制、光源、圖像采集、圖像處理四個模塊，分模塊簡要闡述了實驗過程、所需設(shè)備以及軟件算法，搭建了一個相對完整的系統(tǒng)工作平臺。

圖2 CNC-T程控光源影像操作臺

該設(shè)備具有測量元素種類齊全、手動測量、自動對焦等多種功能，使用該設(shè)備采集圖像進行二維檢測，測量軟體為YR-CNC，將圖像儲存至電腦后便由VS軟件進行圖像處理。實驗組成如圖3所示：

圖3 實驗系統(tǒng)框圖

1.1 運動控制模塊

本系統(tǒng)運動流程為：被檢測的PCB在檢測臺上，通過步進電機XY軸運動到攝像機拍攝區(qū)域，CCD攝像機固定在工作臺上方（Z軸），通過Z軸的運動實現(xiàn)聚焦。如圖4所示：

圖4 平臺運動示意圖

設(shè)備工作臺臺面尺寸為746mm×506mm，承載玻璃面尺寸為452mm×354mm，有效測量行程為400×300×200。本裝置既可通過軟件驅(qū)動自動采集圖像，也可以通過手動控制，移動并聚焦采集待測PCB的圖像。

1.2 光源模塊

輔助光照――采用的是正向和背向光源這兩種輔助光照。其中正光源和攝像頭同側(cè)，均位于Z軸上，正光源主要用于檢測待測物體的表面特征。背光源位于檢測臺面下方，與正光源處于同軸反向關(guān)系，背光源能突出待測物體的輪廓特征，常用于檢測物體輪廓尺寸。

圖像采集：分別利用正光源突出PCB表面如走線、過孔和焊盤等主要特征，而下光源主要使PCB的輪廓尺寸和過孔產(chǎn)生強烈的輪廓對比。

光源：使用的是高度集中照明光源中心的LDR系列，由于該光源的傘狀結(jié)構(gòu)緊密排列著LED且采用了CCS獨創(chuàng)的柔性板，使之成為LED照明系統(tǒng)的標(biāo)準(zhǔn)模式。照明系統(tǒng)如圖5所示：

圖5 照明系統(tǒng)

1.3 圖像采集模塊

圖像采集模塊是由圖像采集卡、相機和鏡頭組成的，該模塊是圖像配準(zhǔn)階段的硬件基礎(chǔ)。計算機采集圖像的媒介就是相機，而相機按照不同原理又分為多種，常見的有CCD（Charge Coupled Device）和CMOS（Complementary Metal Oxide Semiconductor）兩類。本系統(tǒng)采用的是CCD 1/2英寸43萬像素彩色攝像頭和高清晰度0.7～4.5X變焦倍率鏡頭，顯示分辨率為0.001mm。

1.4 圖像處理模塊

通常獲得的圖像將受到工業(yè)現(xiàn)場環(huán)境、光照等條件的干擾，計算機所獲得的圖像質(zhì)量多數(shù)參差不齊，圖像的清晰度不一致，大大增加了PCB缺陷檢測的難度，所以在利用復(fù)雜算法檢測、識別PCB缺陷前要先對圖像進行預(yù)處理。

本圖像處理模塊主要通過VS軟件在OpenCV計算機視覺庫的基礎(chǔ)上，通過一系列算法對圖像進行處理對比。

2 系統(tǒng)軟件設(shè)計

2.1 OpenCV

OpenCV（Open Source Computer Vision Library）是一個跨平臺的可以運行在Linux、Windows和Mac OS操作系統(tǒng)上的基于（開源）發(fā)行的計算機視覺庫。它重量輕而高效，開放了多種接口如MATLAB、Ruby和Python等，并且在計算機視覺和圖像處理中大多數(shù)通用的算法都是被允許的。OpenCV可用于開發(fā)實時圖像處理、計算機視覺和模式識別方案，它提供了多種函數(shù)，實現(xiàn)了大量的計算機視覺算法，算法涵蓋了從最基礎(chǔ)的濾波至以高級的物體檢測。OpenCV實際上是一堆C和C++語言源代碼文件，許多常見的計算機視覺算法由這些源代碼文件實現(xiàn)。如C接口函數(shù)cvCanny（）實現(xiàn)Canny邊緣檢測算法。它可直接加入到我們自己的軟件項目編程中，而無需去編寫自己的Canny算子代碼，就是沒有必要重復(fù)“造輪子”。

根據(jù)OpenCV中源代碼文件巨多的特點，以算法的功能為基準(zhǔn)，將這些源文件分到多個模塊中，如core、imgproc、highgui等。將每個模塊中的源文件編譯成一個庫文件（如opencv_core.lib、opencv_imgproc.lib、opencv_highgui.lib等），用戶在使用時，僅需在自己的項目中添加要用的庫文件，與自己的源文件一起連接成可執(zhí)行程序即可。

OpenCV計算機視覺庫的出現(xiàn)，是為了使人們利用方便快捷的計算機視覺框架，在計算機視覺領(lǐng)域可以更加輕松地設(shè)計出更為復(fù)雜的應(yīng)用程序。OpenCV涵蓋了多種計算機視覺應(yīng)用區(qū)域，如用戶界面、信息安全、醫(yī)學(xué)影像學(xué)、工廠產(chǎn)品檢驗、立體視覺、機器人和攝像機標(biāo)定等，約有500多個函數(shù)。因為計算機視覺與機器學(xué)習(xí)是相輔相成的，所以O(shè)penCV也開放了MLL（Machine Learning Library）機器學(xué)習(xí)庫。MLL除了在視覺任務(wù)相關(guān)中使用，也可以很容易地應(yīng)用到其他機器學(xué)習(xí)中。

2.2 Microsoft Visual Studio2010

Visual Studio是微軟公司推出的開發(fā)環(huán)境，是同行業(yè)中目前最流行的Windows平臺應(yīng)用程序開發(fā)環(huán)境。Visual Studio 2010于2010年4月12日，其集成開發(fā)環(huán)境（IDE）已被重新設(shè)計和組織，變得更簡單了。

Visual Studio 2010同時帶來了NET Framework 4.0、Microsoft Visual Studio 2010 CTP（Community Technology Preview――CTP），并且支持開發(fā)面向Windows 7的應(yīng)用程序。除了Microsoft SQL Server外，它還支持IBM DB2和Oracle數(shù)據(jù)庫。目前有專業(yè)版、高級版、旗艦版、學(xué)習(xí)版和測試版五個版本。Visual Studio的用處十分廣泛，不僅可被用來基于Windows平臺創(chuàng)建Windows應(yīng)用程序和Web應(yīng)用程序，還可被用來創(chuàng)建智能設(shè)備、Office插件和Web服務(wù)等應(yīng)用程序。微軟的Visual Studio 2010將成為一個版本的經(jīng)典，這是相當(dāng)于6.0版本。該版本可以自定義開始頁，新功能還包括：（1）C# 4.0中的動態(tài)類型和動態(tài)編程；（2）多顯示器支持；（3）使用Visual Studio 2010的特性支持TDD；（4）支持Office；（5）Quick Search特性；（6）C++ 0x新特性；（7）IDE增強；（8）使用Visual C++ 2010創(chuàng)建Ribbon界面；（9）新增基于.NET平臺的語言F#。本課題將基于OpenCV計算機視覺庫使用Microsoft Visual Studio2010開發(fā)環(huán)境，通過編輯算法實現(xiàn)PCB缺陷檢測。

3 圖像預(yù)處理

要使用計算機對圖像進行處理，所得到的連續(xù)圖像就必須被轉(zhuǎn)換為離散的數(shù)據(jù)集，這是因為計算機只能處理離散度數(shù)據(jù)，這一過程我們稱之為圖像采集。圖像采集由圖像采集系統(tǒng)實現(xiàn)，如圖6所示。圖像采集系統(tǒng)的三個主要模塊是成像系統(tǒng)、采樣系統(tǒng)和量化器。

圖6

將整理出的字符圖像交予識別模塊來識別，被稱為圖像的預(yù)處理。PCB的圖像預(yù)處理包括灰度化、增強、濾波、二值化、配準(zhǔn)等，處理后的PCB輸出的圖像質(zhì)量將得到改善，在很大程度上使得該圖像特征更直觀，方便計算機分析和處理。PCB的圖像預(yù)處理為整個PCB缺陷檢測系統(tǒng)的核心部件，很大程度上決定了檢測的準(zhǔn)確性。圖像預(yù)處理流程如圖7所示：

圖7 圖像預(yù)處理流程圖

4 PCB缺陷檢測

本文針對四種常見缺陷：斷路、短路、毛刺（凸起）、缺損（凹陷）進行檢測研究。在這四種缺陷中，最為嚴(yán)重的缺陷類型是斷路和短路，它們將會使整塊板子失去本來的功能；而凸起、凹陷也可能影響到PCB在使用過程中的穩(wěn)定性能。如圖8所示為幾種常見的缺陷：

圖8 常見電路板缺陷

4.1 PCB缺陷的檢測方法

常用的PCB缺陷檢測方法有參考法和非參考法兩種。要是從概念理解和電路難易程度看，參考法明顯更加具有概念直觀、電路簡單的優(yōu)勢；要是從檢測所需要的條件來看，非參考法則在不需要待測PCB與標(biāo)準(zhǔn)PCB進行準(zhǔn)確對準(zhǔn)這一點上優(yōu)于參考法。

本課題采用參考法進行PCB缺陷檢測。

使用參考法對PCB缺陷進行檢測的流程為：（1）確定標(biāo)準(zhǔn)的PCB圖像并放入?yún)⒖紟欤唬?）通過成像設(shè)備采集待測PCB圖像，進行圖像預(yù)處理之后，再二值化PCB待測圖像，并對其進行連通域提取；（3）然后將處理結(jié)果與標(biāo)準(zhǔn)圖像進行對比，利用圖像相減來判斷PCB可能存在的缺陷；（4）進行分類，確定缺陷類型。

4.2 圖像連通域

像素是圖像中最小的單位，每個像素周圍有8個鄰接像素，常見的鄰接關(guān)系有兩種：4鄰接與8鄰接。4鄰接一共4個點，即上下左右。包括對角線位置的點，8鄰接的點一共有8個，如圖9所示：

圖9 領(lǐng)域示圖

如果像素點A與B鄰接，我們稱A與B連通，即有如下的結(jié)論：

如果A與B連通、B與C連通，則A與C連通。在視覺上看來，點與點相互連通，形成一個區(qū)域，而不是連通的點形成不同的區(qū)域。這種相互立體的所有的點，我們稱為連通區(qū)域。連通區(qū)域標(biāo)記常用的方法有Two-Pass（兩遍掃描法）和Seed Filling（種子填充法）兩種方法，本課題主要介紹第二種。

Seed Filling來源于計算機圖形學(xué)，通常應(yīng)用在填充圖形上。思路：以一個前景像素當(dāng)作種子，而后在處于同一像素值且位置相鄰的連通區(qū)域，把和種子相鄰的前景像素融合到同一組像素中，結(jié)果將是獲得一個像素集，即連通區(qū)域。接下來介紹使用種子填充法實現(xiàn)的連通區(qū)域分析法：

第一，重復(fù)掃描圖像，當(dāng)?shù)玫疆?dāng)前像素點B（x，y）=1時停止：（1）賦予B（x，y）一個label，并將像素位置作為種子，接著將所有位于該種子周圍的前景像素都壓入棧中；（2）將棧頂像素賦以相同的label值并彈出，接著將全部位于棧頂像素周邊的前景像素都壓入棧中；（3）重復(fù)（2）步驟，直到棧為空。此時，圖像B中的一個像素值被標(biāo)記為label的連通區(qū)域便被找到了。

第二，在掃描結(jié)束前，重復(fù)第一個步驟，由此可以獲得圖像B中所有的連通區(qū)域在掃描結(jié)束后。

掃描所得的連通域如圖10所示：

圖10 圖像連通域提取

4.3 缺陷識別

缺陷識別具體特征如表1所示：

表1 缺陷特征

缺陷種類 二值圖像面積 連通區(qū)域數(shù)

斷路 減少 增加

短路 增加 減少

凸起 增加 不變

凹陷 減少 不變

第一，短路和斷路。在出現(xiàn)短路缺陷時，待測圖像與標(biāo)準(zhǔn)圖像相比，其所包含的連通區(qū)域數(shù)將會減少。同理可得，在出現(xiàn)斷路缺陷時，待測圖像與標(biāo)準(zhǔn)圖像相比，其所包含的連通區(qū)域數(shù)將會增多。因此，斷路和短路缺陷便可利用比較連通區(qū)域數(shù)來判定和識別。

第二，凸起和凹陷。凸起缺陷將導(dǎo)致導(dǎo)線和導(dǎo)線、導(dǎo)線和其他導(dǎo)體間的間隙變小，而凹陷缺陷將導(dǎo)致導(dǎo)線和導(dǎo)線、導(dǎo)線和其他導(dǎo)體間的間隙變大，二者均會導(dǎo)致PCB使用過程中出現(xiàn)不穩(wěn)定狀態(tài)。而觀察可知，這兩種缺陷的連通區(qū)域相同，差別在于各自二值化面積的大小，所以可以通過計算該待測圖像的連通區(qū)域面積來識別凸起、凹陷缺陷。

識別過程：將經(jīng)過圖像預(yù)處理的待測PCB圖像與標(biāo)準(zhǔn)圖像進行對比后，通過算法找出缺陷。比較二者的連通區(qū)域數(shù)，若前者大于后者，則標(biāo)定該缺陷點為斷路，反之則為短路；若二者連通區(qū)域數(shù)相同，則比較二值化圖像面積，若前者大于后者，則標(biāo)定該缺陷點為凸起，反之則為凹陷。檢測流程如圖11所示：

圖11 PCB缺陷檢測流程圖

5 系統(tǒng)實驗

本文使用CNC-T程控光源高精度影像測試系統(tǒng)操作臺，結(jié)合VS2010軟件基于OpenCV計算機視覺庫的算法編程來實現(xiàn)PCB的缺陷檢測。整體實驗過程為：手動控制操作臺捕捉、聚焦、采集待測PCB的圖像，采集到的圖像與標(biāo)準(zhǔn)圖像進行對比、識別，得出缺陷種類并顯示結(jié)果。

本課題一共就所研究缺陷類型，做了40組實驗，通過實驗結(jié)果計算正確率。如表2所示：

表2 實驗結(jié)果統(tǒng)計

缺陷類型 實驗次數(shù) 正確率

斷路 10 100%

短路 10 100%

凸起 10 100%

凹陷 10 100%

針對不同電路板圖中出現(xiàn)的同種斷路類型進行檢測，效果如圖12a、圖12b、圖12c所示，可準(zhǔn)確檢測出缺陷存在。

圖12

針對不同電路板圖中出現(xiàn)的同種短路類型進行檢測，效果如圖13a、圖13b、圖13c所示，可準(zhǔn)確檢測出缺陷存在。

圖13

針對不同電路板圖中出現(xiàn)的同種凸起類型進行檢測，效果如圖14a、圖14b、圖14c所示，可準(zhǔn)確檢測出缺陷存在。

圖14

針對不同電路板圖中出現(xiàn)的同種凹陷類型進行檢測，效果如圖15a、圖15b、圖15c所示，可準(zhǔn)確檢測出缺陷存在。

圖15

6 結(jié)語

PCB板面向體積越來越小、密度越來越高的方向發(fā)展。在檢測產(chǎn)品價格方面，國外AOI檢測產(chǎn)品價格普遍偏高，而由于經(jīng)濟原因，在國內(nèi)PCB板生產(chǎn)制造商多數(shù)仍采用人工目測等傳統(tǒng)檢測方法檢測。隨著經(jīng)濟的發(fā)展，數(shù)字圖像處理研究的深入，自動光學(xué)檢測系統(tǒng)也開始頻繁活躍在人們視線中，但在PCB缺陷檢測方面的應(yīng)用卻還有待完善。因此，本論文建立在深入掌握工控系統(tǒng)結(jié)構(gòu)并從PCB板的質(zhì)量標(biāo)準(zhǔn)、圖像特點、缺陷特征及檢測要求的分析基礎(chǔ)上，對以圖像處理為基礎(chǔ)的PCB缺陷檢測技術(shù)進行了深入研究。由于PCB缺陷自動檢測系統(tǒng)的研究涉及多個領(lǐng)域的知識，其研究過程十分耗時、繁瑣，由此，本論文僅僅對PCB缺陷檢測中較為常見的問題進行了較深入研究，并且僅搭建了較為簡單的PCB缺陷自動檢測系統(tǒng)的實驗平臺，對PCB中的四類較為關(guān)鍵、常見的缺陷進行檢測、分析、識別、判定。雖然還未實現(xiàn)真正實現(xiàn)工業(yè)上產(chǎn)業(yè)化檢測，但是在未來幾十年中，研究推廣的PCB缺陷自動檢測系統(tǒng)將有十分良好的應(yīng)用前景，也將有高額的經(jīng)濟收益。

參考文獻

[1] 陳勝勇，劉盛，等.基于OpenCV的計算機視覺技術(shù)實現(xiàn)[M].北京：科學(xué)出版社，2008.

[2] Gary Bradski，Adrian Kaebler，于仕琪，等.學(xué)習(xí)OpenCV[M].北京：清華大學(xué)出版社，2009.

[3] 周長發(fā).精通Visual C++圖像處理編程（第3版）

[M].北京：電子工業(yè)出版社，2006.

[4] 黨振.中國大陸PCB產(chǎn)業(yè)的現(xiàn)狀與未來[J].印制電路信息，2006，32（1）.

[5] 胡躍明，譚穎.自動光學(xué)檢測在中國的應(yīng)用現(xiàn)狀和發(fā)展[J].微計算機信息，2006，（4）.

[6] 李漢，何星，等.印刷電路板的自動光學(xué)檢測系統(tǒng)

[J].無損檢測，2004，26（6）.

[7] 張利，高永英，等.PCB板檢測中的定位研究[J].中國圖像圖形學(xué)，1999，4（8）.

[8] 姚立新，張武學(xué)，等.AOI系統(tǒng)在PCB中的應(yīng)用[J].電子工業(yè)專用備，2004，（5）.

[9] 范小濤，夏雨人.一種基于圖像處理的PCB檢測算法研究[J].計算機工程與應(yīng)用，2004，（13）.

[10] 傅莉.印制電路板的發(fā)展及前景[J].電腦與電信，2010，（5）.

[11] 張明軒.基于視頻序列的人臉檢測與跟蹤算法研究[D].中北大學(xué)，2011.

[12] 張馳.基于機器視覺的智能控制與圖像識別問題研究[D].蘭州理工大學(xué)，2009.

[13] 謝飛.基于計算機視覺的自動光學(xué)檢測關(guān)鍵技術(shù)與應(yīng)用研究[D].南京大學(xué)，2013.

[14] 張靜.PCB表觀缺陷的自動光學(xué)檢測理論與技術(shù)

[D].電子科技大學(xué)，2013.

[15] 俞瑋.AOI技術(shù)在PCB缺陷檢測中的應(yīng)用研究[D].電子科技大學(xué)，2007.