数字图像处理系统毕业设计论文(编辑修改稿)

数字图像处理系统毕业设计论文(编辑修改稿)内容摘要：

自身的特点以及影响其的一系列因素，个人认为图像处理未来的发展可能会有以下几个方向： （ 1）数字图像处理技术的发展将向着高速、高分辨率、立体化、多媒体、智能化和标准化方向发展 （ 2）进一步加强软件研究、开发新的软硬件图像处理方法。 （ 3）加强基础学科、边缘学科的研究工作，促进数字图像处理技术的进一步发展。 （ 4）逐步完善数字图像处理科学自身的理论体系。 （ 5）图像、图形相结合朝着三维成像或多维成 像的方向发展 （ 6）新理论与新算法研究 .近年来在图像处理领域引入了一些新的理论并提出了一些新的算法，如 :Wavelet、 Fractal、 Morphology、遗传算法、神经网络等。 Fractal 广泛用于图像处理、图形处理、纹理分析，同时还可以用于数学、物理、生物、神经和音乐等方面，有人认为 Fractal 把杂乱无章、随意性很强的事物能用数学方法加以规范和描述，它在分析和描绘自然现象上具有独到之处。 这些理论在未来图像处理理论与技术上的作用应给予充分的注意，并积极地加以研究 （ 7）图像处理芯片化。 目前，结合多媒体 技术的研究，硬件芯片越来越多。 如 Thomson 公司 ST13220采用 SyStO11C 结构，作运动预测器。 INMOS公司的 IMSA 121，采用流水线结构 ， CCUbe 公司 CL550 把 JPEG 做到一个芯片上，更便于推广应用。 总之把图像处理的众多功能固化在芯片上将会有更加广阔的应用领域。 （ 8）虚拟现实。 计算机的运算速度发展到今天，已为虚拟现实提供了可能。 网上虚拟现实、可视电话及会议系统等方面的发展及应用都为数字图像处理技术中北大学 2020 届毕业设计说明书 第 8 页 共 45 页 的发展提供了新的机遇。 （ 9）机器人视觉 .随着各种相关技术和相关学科研究的不断发展， 机器人视觉将由 2D 向 3D，由低速响应向高速响应发展。 本文章节简介 本文共分为六章。 第一章绪论，主要介绍数字图像处理的现状，基本概念，以及内容分布。 第二章图像处理理论，对图像处理技术中经常用到的一些理论与方法进行比较详细的介绍。 第三章需求分析， 该数字图像处理系统进行可行性分析，并且就所使用的嵌入式平台进行介绍。 第四章概要设计，这一章是整个系统的设计思路 以及一些算法的简单分析。 第五章进行系统的具体实现，包括硬件电路的设计与软件程序的编写。 第六章是系统的最后调试以及功能使用说明部分。 第二章 图像处理理论 图像信息的基 本知识 视觉研究与图像处理的关系 （ 1）图像质量评价与视觉心里。 目前把图像信息看成二维平面上具有亮暗色彩变化的若干单个像素信息的集合是非常初步的认识。 应该说， 对图像的认识或理解是由感觉和心理状态决定的， 也就是说，与图像内容和观察者的心理因素有关。 由此启发人们去研究建立包括人的因素在内的信息理论。 （ 2）画面组成和心理视觉。 人的视野相当宽广，左右视角约为 ，上下月 ，但如此宽广的视野中视力好的部位仅限于。 那么 ，人是如何转动眼球使视线移动 ，从而适应大的画面和立体景象的呢。 人眼中心视力分辨率强，可以进行图像细节的认识，但只能认识图像的一小部分；而周边视力分辨率差，但可以认识图像的全貌， 而且可以将所视目标特征部分检出，利用检出的目标图像中北大学 2020 届毕业设计说明书 第 9 页 共 45 页 特征去控制眼球运动，必要时可以再用中心视力来进一步认识这一部分图像。 对于大画面图像，充分利用周边视力产生较强的临场感；而小画面临场感弱，为了产生充分的临场感，画面尺寸一般应有 以上的视野。 宽银幕和球幕电影的视觉效果好的原因也就是这个道理 [2]。 （ 3）主观亮度感觉。 实验表明，人的视觉系统感 觉到的景物亮度并不直接由景物本身的亮度所决定。 其主观亮度感觉 S 与光强度 B 的对数呈线性关系，这一规律称为韦伯 弗赫涅尔（ WeberFechner）定律，即为下式所示： 式中 k、 为常数。 （ 4）同时对比效应和马赫带效应 在某些情况下，人的感觉不是简单的光强度函数，还可以从人的两个视觉特性，即同时对比效应和马赫带效应得到说明。 图 二 1 同时对比效应 同时对 比效应（如 上图 所示）。 图中所有的中心方块都有相同的光强度，但在人的视觉感觉就不同，这种与背景光强度有关的视觉主观感觉称为同时对比效应。 中北大学 2020 届毕业设计说明书 第 10 页 共 45 页 图 二 2 马赫带效应 图中各个条带的客观亮度不同，但每个条带本身的客观亮度是相同的。 但在人的视觉中， 对每个条带感觉都是不均匀分布的，感到所有条带的右边比左边亮些，出现的这些毛边带（特别是靠边界处）称为马赫带效应。 图像数字化 一幅 黑白静止平面图像中各 点的灰度值可用其位置坐标 的函数来描述。 显然， 是二维连续函数，有无穷多个值。 这种用连续函数表示的图像无法用计算机进行处理，也无法再各种数字系统中传输或存储，必须将代表图像的连续（模拟）信号转变为离散（数字）信号。 这样的变换过程称为图像 数字化，主要包括采样和量化两步。 采样和量化。 图像在空间上的离散化 成为采样，其约束条件是：由采样点，通过某种方法可以正确的重建原图像。 采样的方法有两类：一类是直接对表示图像的二维函数值进行采样，即读取各 离散点上的信号值，所得结果就是一个样点值阵列，所以也称为点阵采样；另一类 是先将图像函数进行某种正交变换，用其变换系数作为采样值，故称为正交系数采样。 对样点灰度值的离散化过程称为量化。 也就是对每个样点值数字化，使其只和 有限个可能电平数中的一个对应，即使图像的灰度值离散化 [3]。 量化也可以分为两种，一种是将样点灰度值等间隔分档取整，称为均匀量化；另一种是不等间隔分档取整，称为分均匀量化。 因为都要取整，故量化也常称为整量或整量化过程。 图像的噪声分析 中北大学 2020 届毕业设计说明书 第 11 页 共 45 页 图像噪声在数字图像处理技术中的重要性已越来越明显，如高放大倍数 航片的判读、 X 射线图像系统中的噪声去除等都已成为不可缺少的技术。 图像噪声按其产生的原因可分为： （ 1）外部噪声：是指系统外部干扰从电磁波或经电源串进系统内部而引起的噪声，如电气设备、天体放电现象等引起的噪声。 （ 2）内部干扰一般可分为四种：由光和电的基本性质所引起的噪声、电器的机械运动产生的噪声、元器件材料本身引起的噪声、系统内部设备电路所引起的噪声。 从统计理论观点图像噪声可分为平稳和非平稳噪声两种。 不严格的讲，这两种噪声可以理解为 :其统计特性不随时间变化的噪声称为平稳噪声 ；其统计特性随时间 变化而变化的 称为非平稳噪声。 还可以按噪声幅度分布形状来定义，如其幅度分布是按高斯分布的就称其为高斯噪声，而按雷利分布的就称其为雷利噪声。 当然也有按噪声频谱形状来命名的，如频谱均匀分布的噪声称其为白噪声，频谱与频率成反比的称为 噪声，而与频率平方成正比的称其为三角噪声等等 [4]。 图像质量评价 图像质量的含义包含两个方面，一个是图像的保真度（ fidelity），另一个是图像的可懂度（ inteligibility）。 所谓图像保真度是描述被评价图像与标准图像的偏离程度；而图像的可懂度则是表示图像能向人 或机器提供信息的能力。 目前对图像质量在定量评价上一般采用均方误差表示的客观保真度准则，而图像的可懂度定量测量还是很困难。 目前对图像质量评价往往还是采用主观保真度准则，它是由一批图像评价专家按主观感觉来定性地评价图像质量 [5]。 显然这种评价方法容易受到很大认为因素的影响。 彩色图像基本知识 为了定量的描述颜色对人眼的视觉作用，可以用亮度（ brightness）、色调（ hue）、色饱和度（ saturation）这 3 个与视觉特征有关的量来计算描述，这 3中北大学 2020 届毕业设计说明书 第 12 页 共 45 页 个量称为颜色的 3 个基本属性。 色调是彩色的最重要的属性，是决定 颜色本质的基本特性；色饱和度是指一个颜色鲜明程度，饱和度越高，颜色越深；亮度是指光波中作用于感受器所发生的效应，其大小由反射系数决定，反射系数越大，物体的亮度越高。 实际应用中，一般将色调和色饱和度称为彩色，颜色便用彩色和亮度表征 [6]。 人眼大概能识别 128 种不同的色调和 130 种不同的色泽（色饱和度）。 根据不同的色调，还可以识别若干种明暗。 因此，人眼可以识辨出大约种不同的颜色。 对于数字图像处理来说， 128 种不同的色调和 8 种不同的色饱和度， 16 种明暗级基本上可满足应用需求。 彩色模型。 为了能使用 RGB 三基色描述各种色彩，根据实际应用和需要提出了一些彩色模型。 RGB（红、绿、蓝）模型主要用于彩色监视器和彩色视频摄像机； CMY（青、深红、黄）模型用于彩色打印机； HSI（色调、饱和度、亮度）模型更符合人描述和解释颜色的方式。 此外，还有常用的国际照明委员会 CIE 提出的 CIEXYZ 模型和美国国家电视系统 委员会（ national television system CommitteeNTSC）提出的 YIQ 彩色模型。 RGB 和 CMY 的转化。 假设 RGB 在三维坐标系中为 R（ 1， 0， 0）、 G（ 0， 1，0）、 B（ 0， 0， 1），则二者关系为： CIEXYZ 模型。 使用 RGB 模型生成颜色时，用于产生颜色的原基色比例系数出现负值，使用起来十分不便。 同时，不同研究者所用的三基色和标准白色不同，使得研究结果很难比较。 XYZ 颜色把彩色光表示为：。 其中 、 、 是 XYZ 颜色模型的基色量， X、 Y、 Z 为三色比例系数。 XYZ 表色系统须满足如下 3 个条件：三色比例系数 X、 Y、 Z 皆大于零； Y 的数值正好是彩色光 的亮度；当 X=Y=Z 时仍然表示标准白光。 由此得到二者转化关系为： RGB 和 NTSCYIQ 彩色模型转化： 中北大学 2020 届毕业设计说明书 第 13 页 共 45 页 当采用 PAL 电视制式时公式应为 图像变换 一般数字图像处理的计算方法本质上都可看为线性 的 ， 处理后的输出图像阵列可看为输入图像阵列的各个元素经加权线性组合而得到，这种空间线性处理要比非线性处理简单。 但对于图像处理的运算来说，由于图像阵列很大，如果没有有效地算法，计算上很麻烦且费时，往往采用各种图像变换方法，如傅里叶变换、沃尔什变换等间接处理技术，可获得更有效地处理。 下面对 几种常用的图像处理变换一一介绍。 离散傅里 叶变换 离散傅里叶变换（ Discrete Fourier Transform—— 简称 DFT） 在数字信号处理和数字图像处理中应用十分广泛 ，它建立了离散时域和离散频域之 间的联系。 如果直接应用卷积和相关运算在时域 中处理，计算量将随着取样点数 N 的平方而增加，这使计算机的计算量加大，费时，很难达到实时处理的要求。 因此，一般可采用 DFT 方法，将输入的数字信号首先进行 DFT 变换，在频域中进行各种有效地处理，然后进行 DFT 反变换，恢复为时域信号。 这种用计算机对变换后的信号进行频域处 理，比在时域中直接处理更加方便，计算量也大大减少，提高了处理速度。 DFT 还有一个明显的优点是有快速算法，即 FFT（ Fast Fourier Transform）算法，它可大大减少计算次数，使计算量减少到只是直接用 DFT 所需计算量的一小部分 [7]。 一维离散傅里叶变换 ：如果去 N 个间隔为 取样增量的方法将一维连续函数 进行离散化。 变为离散函数， 可用下图所示序列表示。 它可表示为：中北大学 2020 届毕业设计说明书 第 14 页 共 45 页 ，式中 ，为离散值。 0xyf ( x 0 )f ( x )f ( X 0 + Δ x )f ( x 0 + 2 Δ x )f ( x 0 + （ N 1 ） Δ x ) 图 二 3 一维连续函数 的采样 经取样后的一维离散函数 的傅里叶变换对由下式表示： 式中 ；。 要知道，这里是准确值而不是近似值。 最后应指出，离散傅里叶变换总是存在的，它不必考虑连续傅里叶变换所需的可积的条件要求。 二维离散傅 里叶变换： 只要考虑两个变量就很容易将一维离散傅里叶变换推广到二维。 二维离散傅里叶变换对由下式给出 式中： ；。 式中： ；。 二维连续函数的取样是在二维的取样间隔上进行的，对空域的取样间隔为中北大学 2020 届毕业设计说明书 第 15 页 共 45 页 和 ，对频域的取样间隔为 和。 它们的相互关系为： ，。 在数字图 像处理中，图像一般取样为方形阵列，则 M=N，那么二维 DFT 可表示为 式中： ；。 式中： ；。 需要指出的是 上述变换对并不是通用的表示式，常用的是正、反变换式中常数项均去 ，这不影响问题的 本质。 接下来介绍二维离散傅里叶变换的几种常用的性质。 （ 1）线性 傅里叶变换是一种线性算子。 设 和 分别为二维离散函数和 的离散傅里叶变换，则 式中 a， b 是常数。 （ 2）可分离性 显然傅里叶变换。