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：數字圖像處理論文范文

論文摘要： 數字圖像處理是我校計算機和通信類專業的必修課程。針對這門課的特點和我校的實際情況從理論和實驗教學兩個方面對“數字圖像處理”的教學方法改革進行了實踐探討。教學實踐表明這項改革對于學生更好地掌握數字圖像處理技術，提高綜合素質和培養創新能力起到的積極作用。

引言

數字圖像處理（Digital Image Processing）是信息技術中的一門新興綜合性學科。這門課主要研究圖像數字化處理過程的理論原理、方法技術和過程，該課程要求學生掌握數字圖像處理技術的基本概念、原理、算法及其處理技術； 這門課程的理論性強，需要較強的數學基礎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了數字圖像處理的相關課程，我校也從2000年開始開設了這門課程，一般安排在本科三年級或四年級上半期開設。

1 數字圖像處理的課程特點

這門課程的傳統教學方法難以達到理想的教學效果，原因在于：學生面對諸多抽象的理論和煩瑣的數學公式往往無所適從；授課教師很難用現有的教學方式實時表達數字圖像處理前后的直觀效果，致使學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，學習起來效果可想而知，因此，有必要對現有的教學方法進行改進。

2 課程教學改革實踐的探索

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

2.1 理論教學方面

在理論教學方面應著重于教學體系的選擇和教學形式的改革，具體體現為：第一，在教材的選擇和教學內容的安排上，應根據本校學生和教學的實際需要進行教材的精選和教授內容的合理安排。第二，教學內容的取舍上應該貫徹“少而精”原則對課程內容進行了適當的取舍和更新。以專題形式向學生介紹最新的、前沿性的學科知識， 這不僅能滿足學生的獵奇感，而且在有意理論素養和應用方面隊學生加以啟發和引導，讓學生不自覺地養成好的學習的習慣。第三，應用形象化教學手段教學。數字圖像處理是以數字圖像為研究對象。針對數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生學習這門課的最終效果。目前國內尚無比較成熟的數字圖像處理CAI課件，我們針對性研制了相應的教學課件和電子教案，讓學生在教學中直觀體會圖像變換前后的實際對比效果。同時在課堂教學中引入適當的圖例分析和編程處理實例可以使原本很抽象的內容變得生動具體。

2.2 實驗教學的改革

實踐教學實習是本課程不可或缺的重要教學環節。目前國內還沒有公認比較實用和完善的實驗教學體系。我們對實驗教學體系和內容的把握體現在以下幾點：

（1）實驗環境的選擇。數字圖像處理不同于用Photoshop等圖像處理軟件對圖像作現成的操作，它要求學生在掌握有關基礎理論、典型方法的基礎上，利用編程技巧實現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。但大多數學生并不熟悉MATLAB，我們選擇了C++語言作為基本的編程語言，因為高年級學生已經對C++比較熟悉并在今后又會經常使用。

（2）精選實驗教學內容。在“數字圖像處理”的實驗課教學中，突出強調理論知識和實踐能力的結合，為此，選擇圖像處理中幾個最典型的算法作為實驗課教學的主要內容，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。這些實驗教學內容有助于學生實踐掌握課上講授的知識，增強了學生自主完成任務的主動性和積極性，能夠有效提高學生的編程實踐能力。

（3）改革實習教學手段。“數字圖像處理”實習內容包括圖像處理軟件的選擇和使用、處理算法設計和實現等。針對往年已有的實習材料看，指導教師在實習前將較多的精力花在講解實習目的、原理、內容和實習步驟等方面，而占用學生自己動手實習的時間偏離試驗的本來愿望。現在采用在實習前就分發給學生實習教學課件，讓學生在課件輔導下，課余時間理解消化實習內容，騰出了更多時間探討算法，得出實習應該有的正確結果，而不至于在實習中對結果是否正確茫然不知，從而提高了學生理論和獨立動手的能力。

2.3 開展第二課堂活動

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

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生對課堂所學內容的理解和掌握程度，由分數來定結果，這種考核方式雖然能部分反映學生的學習能力但很難考核學生發現、分析和解決具體問題的能力差別，不利于發揮學生的主觀能動性以及創造能力的培養；還可能導致出現學生在學習過程中常出現平時不努力，考前突擊復習四處打聽考題的情況，為了加強學生能力的培養，我們將平時的聽講、回答問題、作業的情況等列入平時成績，還鼓勵學生就某一專題進行發言探討等多種學習形式。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平均得出。

4 結束語

經過多年的探索，我們在《數字圖像處理》課程的教學過程中，通過對教學體系、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場演示相結合進行教學，通過形象化實例化教學，極大地提高了學生的學習積極性，教學效果很不錯，學生反響很好，同行評價也比較高。

參考文獻

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

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

第2篇：數字圖像處理論文范文

[關鍵詞]圖像處理 去噪 方法 展望

一、引言

對于數字圖像處理的方法研究主要源于兩個應用：一是為了方便人們分析而對圖像的信息進行必要的改進；二是為了使機器設備能自動理解而對圖像數據信息進行存儲、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出其強大的信息包含能力，由此引發的就是對圖像質量的高要求。在實際的應用中，系統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致圖像的質量不高，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，恢復原始圖像是圖像預處理的重要任務和目標。圖像去噪工作也被稱為圖像濾波或平滑。

二、圖像去噪技術的發展歷史和現狀

（一）圖像噪聲的定義和分類

所謂數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“不可預測，只能用概率統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節和最終的輸出結果都會產生一定的影響，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，比如信道噪聲；

（2）乘性噪聲：與圖像信號有關，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，是量化過程中產生的誤差，其大小可以衡量數字圖像與原始圖像的差異，這是數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：其概率密度函數服從正態高斯分布的噪聲，包括熱噪聲和散粒噪聲。

（二）去噪技術的發展歷史和現狀

圖像處理的出現始于20世紀50年代。當時的電子計算機已經發展到了一定的水平，人們開始使用計算機來完成簡單的圖形和圖像處理工作。數字圖像處理形成體系，形成一門學科約開始于20世紀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量便于提高人的視覺效果。數字圖像處理過程中，輸入的是質量較低的原始圖像，輸出的是改善過后有一定質量的圖像。常用的圖像處理方法有圖像增強、復原、編碼和壓縮。早期由于數字圖像處理領域涉及的數學理論比較淺，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，使得數字圖像處理研究的發展緩慢。近年來，由于該領域研究者數學功底的不斷加強，同時該領域具有的巨大市場需求也吸引了越來越多的數學工作者的加入，使得該領域得到了前所未有的發展[5]。

三、圖像去噪的典型方法

根據實際圖像的特點，存在的噪聲的頻譜分布規律和其統計特性，人們開發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計特性，算法簡單，實時性較好，但對于某些如點、線、尖頂等細節較多的圖象不宜采用中值濾波的方法[6]。

（三）小波去噪

在圖像去噪領域，近年來，越來越多的學者青睞于小波去噪。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，因而能較好地保護圖像細節。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，然后將經過層次分解后的高頻系數進行閾值量化，最后利用二維小波重構圖像信號[7]。

四、圖像去噪技術的發展前景展望

圖像是人們獲取信息和交換信息的主要來源，因此，圖像處理的相關應用必定影響人們生活和工作的方方面面。隨著相關學科的不斷發展，數字圖像處理技術也將得到不斷地提高。圖像去噪這一最早應用于軍事指揮和控制方面的技術，發展至今已成為了許多傳統學科和新興工程領域的結合體[8]，小波去噪法的出現更是使圖像預處理進入了一個新的階段。近年來小波變換與神經網絡技術相結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，而神經網絡具有良好的自適應機制和自學習能力，兩者相結合的去噪方法必然成為主要的發展趨勢之一。

[參考文獻]

[1]武偉；王宏志.基于雙樹復小波變換與非線性擴散的圖像去噪[J]；長春工業大學學報（自然科學版）；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系統仿真技術及其應用學術交流會論文集[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用學術會議專刊[C]；2008年

[5]鄧超.基于改進神經網絡的CCD圖像去噪方法研究[A]；武漢（南方九省）電工理論學會第22屆學術年會、河南省電工技術學會年會論文集[C]；2010年

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

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

第3篇：數字圖像處理論文范文

論文關鍵詞：人臉識別，中值濾波，同態濾波

 

引言

隨著科學技術的飛速發展，互聯網的廣泛應用，重要部門(機場、銀行、軍政機關、重點控制地區)的進出需要可靠的身份鑒別。傳統身份識別方式的弊端日益彰顯，根據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。隨著計算機技術和數字圖像技術的迅猛發展，人臉自動識別在技術上成為可能。

1圖像預處理

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，最終獲得識別結果。

預處理是人臉識別過程中一個重要環節，其主要目的是消除圖像中的冗余信息，濾除干擾、噪聲，增強有關信息的可檢測性，從而提高識別的可靠性。在預處理階段，對圖像進行優化，盡可能去除或者減小外部環境對預處理圖像的干擾，為后續處理提高質量。

2預處理方法的研究

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律同態濾波，可以通過圖像變換進行直方圖調整，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的過程，目的是使圖像在整個灰度值動態變化范圍內分布均勻化，改善圖像的亮度分布狀態，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計其直方圖，求出

（2）根據統計出的直方圖采用累積分布函數做變換，,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，應根據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，根據原始圖像中每個像素的灰度值，按照某種映射規則，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（常用對數擴展和指數擴展）。

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模糊的問題，但是對點、線、尖頂等細節較多的圖像，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）取這一列數據的中間數據賦給對應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，所以產生的模糊比較少。

2.4 同態濾波

當光源照射物體時，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。

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

同態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。經過同態濾波后其結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范圍，又增加對比度的結果。

同態濾波的步驟：

（1） 對亮度函數兩邊作對數變換，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，再取指數變換；

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

3 仿真實現

取一幅92*112的人臉圖像，通過matlab函數對其進行直方圖均衡化處理同態濾波，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，使得圖像細節更加的突出。

同樣，對人臉圖像分別進行中值濾波和同態濾波進行預處理，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原始圖像與同態濾波后的效果圖

對圖像進行同態濾波處理之后，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，圖像中的一些細節也更加突出。

結束語

本文主要針對人臉識別中圖像預處理進行研究，通過圖像預處理的一些方法，如直方圖均衡化、灰度拉伸、中值濾波、同態濾波，對讀入的人臉圖像進行處理。消除圖像中無關的信息，從而使圖像增強，細節突出，進一步改善了圖像質量，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。

參考文獻：

[1]阮秋琦.數字圖像處理學[M].北京: 電子工業出版社, 2000.4

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

[3]章毓晉.圖像工程[M].北京: 清華大學出版社, 2001.9

[4]羅良正.數字圖像處理[M].南京: 東南大學出版社, 1999.8

[5]周激流，張曄．人臉識別理論研究進展[J]．計算機輔助設計與圖形學學報．1993，

11(2)：180-184

第4篇：數字圖像處理論文范文

關鍵詞：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、目標圖像的預處理

在馬爾計算機視覺理論體系中，二維圖像的預處理的第一步是在于三維視覺。圖像預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，圖像轉換成一種更為適合的分析和處理模式，提高了系統的精度。有許多種類的圖像預處理方式，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字圖像處理技術，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，現場的邊界點也給予評估。為了改善這種狀況，必須改變濾波器的設計思想，設計一個濾波器，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計量理論有效抑制噪聲的非線性信號處理技術，中值濾波的基本原理在于數字圖像像素的像素值在一個數字區域的每個樣本的位數，從而借此消除孤立噪聲點。選擇一個模板，模板根據像素的像素值的大小排序，形成一個單調遞增或遞減的順序，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，效果明顯比均值濾波器為佳。因此在系統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量，反應在每個圖像灰度出現頻率過程中。對于數字圖像，直方圖是一個離散函數：

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，并統計原始圖像中的像素灰度數；

（2）根據公式計算原始圖像直方圖；

（3）根據計算的累積直方圖；

（4）根據 對 取整，確定映射關系 ；

（5）統計直方圖的灰度的像素數量，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

特征提取是圖像處理和分析下一步的前提和基礎，重點在于圖像匹配。有許多種類的圖像特征，包括點，線，區，邊界，外形，顏色和其他數字或符號說明。本文的雙目視覺系統是用角點特征。角點特征的圖像匹配，攝像機標定，三維重建和其他地區有重要的應用意義。在本文側重為角點提取方法，并分析了該方法的優缺點，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，具有旋轉不變性角而不是光照條件和變化的優點。由于角可以減少大量的數據參與計算，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。基于邊緣提取的角點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。基于邊緣提取的角點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，如果發生錯誤，或邊緣線中斷的情況發生，則會對角點提取結果會造成巨大的影響。直接圖像的角點檢測的基礎在于提取的角是局部范圍內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用。因此，在使用該系統時是基于圖像的角點提取算法。以下幾種經典的基于灰度的角點檢測算法已經進行了研究與實驗。本文選擇的不同圖像的角點檢測分析和比較分析，比對各種方法的優缺點，并結合各種方法的優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。蘇珊（最小univalue段吸收核）角點檢測算子是由牛津大學和布雷迪?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，每個圖像點相關的局部地區有相同的亮度。如果一個窗口內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――“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。

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

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

（三）角點提取算法的研究和實現。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，它不影響相機姿態和光照的影響。

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

具體的方法如下：

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

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，局部自相關函數由一個峰值，然后則為點角；

（四）蘇珊和角點檢測結果比較。根據蘇珊算子和、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。角點檢測結果如下：

通過蘇珊算法和算子在同一網站上呈鋸齒狀邊緣圖像的角點檢測結果，可知蘇珊角點檢測算法在邊緣效果理想的結果，和哈里斯算法在邊緣效果不理想的結果，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，根據統計數據，建立形象，角點檢測的對數比蘇珊算法來檢測的數字接近和正確率高。

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于的角點檢測算法，對噪聲的免疫力更為強大。

為了更準確地提取所需的角點，本論文結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模，這就是角點檢測的特性。一般來說，在較大規模能可靠地消除錯誤檢測，但角定位不夠準確，只在較小規模的角位置更準確，但錯誤率將增加。

參考文獻：

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

[2]李偉.立體視覺若干基本問題的研究[D].昆明昆明大學,2005

第5篇：數字圖像處理論文范文

關鍵詞: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字圖像處理等領域研究的重要內容之一。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，它存在于目標與背景、目標與目標、區域與區域、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節[1]。邊緣檢測的實質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生急劇變化的區域邊界，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的算子提供參考。

1幾種經典的邊緣檢測算法

圖像邊緣檢測算法是根據圖像邊緣存在的突變性質來檢測的。主要分為兩種類型[3,4]：一種是以一階微分為基礎的邊緣檢測算子，通過計算一階導數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的邊緣檢測算子，通過尋求二階導數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；王宇俊（1966-），男，教授，主要研究方向為人工智能，機器人學，工業機器人，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數?f?x和?f?y，因此，可以使用小區域模板卷積來進行近似計算[5]。于是研究者們根據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化準則的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上使用了一個權值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化準則使其性能優于其他方法。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]。

假設原圖像為f(x,y)，高斯函數為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數中過零的點來檢查圖像邊緣的，在一階微分算子中，當所求的一階導數高于某一閾值時，就確定該點為邊緣點，但是，這樣的檢測結果有時并不是唯一的。對于階躍邊緣，其二階導數在邊緣點出現零交叉，即邊緣兩旁二階導數取異號。這樣尋找圖像灰度的二階導數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，根據二階導數的過零點來檢測圖像的邊緣。

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

g()

2實驗結果比較分析

2.1原圖像灰度化及加噪聲

該文是調用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果。

2.4仿真結果比較

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格地區分開來；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中的均方差有關，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，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結論

該文對幾種經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論，指出了它們各自的優缺點。但是這些傳統的邊緣檢測算子還是存在一些缺點，近年來隨著數學理論及人工智能的發展，又涌現出了許多新的邊緣檢測算法，比如小波變換邊緣檢測、基于形態學邊緣檢測、基于神經網絡邊緣檢測、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，只有在實際應用中根據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].菏澤學院學報,2010,32(2):49-52.

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

[3] Kenncth R.Castleman.Digital Image Processing[M].Prentice HallInternational,Inc;北京:清華大學出版社,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的計算機視覺技術實現[M].北京:科學出版社,2008:135-136.

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

第6篇：數字圖像處理論文范文

    1990年,南開大學機器智能探究所開發出中國第一個在國際市場銷售的Windows平臺貿易軟件;1992年,開發出中國第一個進進國際市場的Macintosh貿易軟件,以及跨多個平臺的文字識別軟件開發工具包OpenRTK,這些軟件產品獲得美、英、澳等幾十家產業雜志的百篇好評,并在國際上最嚴格的OCR技術評選中戰勝國外最優秀的對手Xerox、Caere和Catera等,在1992、1993、1994年連續三年被評為世界上最優秀的OCR軟件。

    近日,本刊記者專程采訪了南開大學信息技術科學學院青年教師史廣順,他1994年進進南開大學計算機和系統科學系學習,2003年畢業于南開大學機器智能探究所,并留校任教。請他為我們先容了南開大學機器智能探究所發展的相關情況。

    記者摘要:我國目前正在推進創新型國家建設,提出將科學技術進步作為國家發展戰略的核心,智能探究所可以說是創新發展成功的典范,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等方向的科學探究、系統開發和探究生培養工作。設有計算機軟件和理論、模式識別和智能控制、計算機應用3個專業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化為產品,并推向國際市場。1990年,由智能所探究生構成的一支研發隊伍就遷到硅谷,以技術轉讓的形式和美國ExperVision公司合作,同年就開發出中國第一個在國際市場上銷售的視窗貿易OCR軟件TypeReader,1992年開發出中國第一個Macintosh貿易軟件,以及跨多個平臺的文字識別軟件開發工具包OpenRTK。這些軟件產品獲得美、英、澳等幾十家產業雜志的百篇好評,并在國際上最嚴格的OCR技術評選中戰勝國外最優秀的對手Xerox、Caere和Catera等,在1992、1993、1994年連續三年被評為世界上最優秀的OCR軟件。

    記者摘要:那么在自主研發的同時,智能所是否還完成了其他的工程項目?

第7篇：數字圖像處理論文范文

關鍵詞：教改；遙感；農業院校

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

遙感是農業高等院校一些專業（如資源環境與城鄉規劃、土地資源管理、農業資源與環境、環境科學等）的本科生必修的專業核心課程。遙感技術已經廣泛應用于社會生產的各個領域，培養遙感應用型的高級技術人才非常重要，但目前農業院校的遙感課程的教學體系、教學內容和教學方式難以適應遙感技術的快速發展，存在不少問題，使培養的人才與社會產生脫節。

一、農業院校遙感教學存在的主要問題

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

2.教材內容過于突出前沿科學，忽略了其應用性。現在的農業院校遙感教材已經采用國家農林類普通高等教育“十一五”、21世紀規劃教材，雖然教學內容進行了更新，基本上不存在以前的內容過于陳舊的問題，但仍然出現不少問題。主要存在教學內容過于突出其前沿科學以及發展趨勢，導致部分教學內容或過于深奧，或與農業類等相關專業的結合性不大，在農業院校等相關領域中幾乎應用不到；如“微波遙感原理”深奧難懂，在農業院校相關專業幾乎很少用到；又如“高光譜的影像分析”過于深奧，對于遙感課程學時很有限的農業院校本科生關聯系不多且過于深奧。現在國民生產的各領域中廣泛應用的遙感技術或結合性較強的教學內容，很少有教材提及或提及極少。如近年在災害監測中廣泛應用高分辨率的QUICKBIRD、WORLDVIEW衛星數據WORLDVIEW；又如在農業中應用較多的測定地物光譜儀的設備和我國“北京一號”小衛星在北京近郊農業監測中應用等內容卻無體現。脫離生產實踐與應用的前沿技術，就像是沒有方向的深海之舟，與農業類院校本科生的教學宗旨與教學目標背道而馳。

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

4.現有的考試制度抑制了學生的創新。現有的考試制度以考試為主，側重卷面成績，試卷考核方式很難考驗學生對理論體系的系統性掌握、知識點的內在聯系以及實際技能的掌握程度與應用程度。農業院校的遙感實驗課程學時設置少，實驗個數少，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的一部分，很少單獨開設，實踐環節教學得不到足夠的重視，且多側重實驗報告成績，忽視了實踐環節學生能力的表現。現有的課程成績構成缺乏討論、專題制作、文獻檢索、學習報告等多手段，在一定程度上抑制了學生參與的積極性和主觀能動性，導致學生自主學習的熱情不夠，缺乏創新的激情。

5.實踐學時偏少，缺乏針對農業院校的上機教材。遙感實踐課程少，難以培養學生的感性認識，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，缺乏與農業院校遙感課程配套的上機實驗教材，市場上偶見農業院校專用教程，在內容的設置上與上機實驗數據或樣例數據方面卻與測繪類專業并無多大區別。農業院校類本科生感覺不到遙感實踐與專業的相關性或結合性，無法滿足農業院校專業學生的實踐教學的需求。

二、教學改革的基本內容與途徑

1.教學內容的完善與改革。（1）教學內容的設置應重點突出。在農林院校遙感課程學時很有限，而遙感技術體系本身內容非常龐雜，教學內容與學時的設置除了體現理論的系統性，一定要注重各部分內容的內在的邏輯聯系，突出主要內容和重要內容，必要時，應進行取舍。使學生對整個教學有一個比較宏觀、層次清晰的印象，能夠抓住遙感主要的原理和難點內容。農業院校的遙感課程主要內容包括航空像片與遙感相關的基本概念、地物的反射光譜特性、航空攝影測量的基礎知識、遙感圖像的像點誤差、航空攝影測量的內外業、衛星傳感器數據、遙感圖像的目視判讀與調繪、遙感數字圖像處理原理與操作技能，以及遙感技術的應用案例，尤其是在農業領域的應用實例。（2）根據應用情況對前沿性內容取舍。現在很多教學改革過于突出課程的前沿性內容，但受到學時的限制，很難與生產實踐或專業聯系起來，學生感覺很陌生、很抽象，教學效果甚不理想。農林院校的遙感課程學時一般都很有限，在突出課程內容的系統性和重點內容的前提下，對于前沿性的內容，可結合授課專業情況進行靈活調整。若在相應專業領域中很少應用的可略講或不講（如微波遙感、高光譜）；若在相應專業領域實踐中有應用或應用較多的（如在農業和土壤學科應用較多的便攜式地物波譜儀），可側重于先進的儀器以及在科研或生產實踐中的作用與功能。這樣學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時取得較好的教學效果。（3）實驗內容的調整。遙感課程實驗內容的設置應與基本理論、基本方法相呼應，突出其主要技能、實踐技能，平衡傳統方法與現代作業方法，采用的實驗器材或軟件應與當地生產部門基本保持一致，若有條件應盡量將實驗課單獨開設。遙感技術在實際作業中，數據源以及產品都是采用遙感數字圖像，因此，傳統的遙感課程實驗內容應根據行業發展情況適當地刪除過時的實驗，保留主要的遙感實驗外，應盡量根據授課對象的就業方向、科研情況以及學時情況選擇性地增加設置遙感數字圖像處理的實驗內容與課時數，如“熟悉ERDAS或ENVI遙感圖像處理軟件的基本操作”、“遙感數字圖像的增強處理”、“遙感數字圖像的幾何處理”、“遙感數字圖像的計算機自動分類”。

2.教學手段與教學方法的改革。（1）從興趣點或生產應用入手展開教學。由于遙感課程理論知識點多而雜，在教學內容的組織上可從學生感興趣的知識點入手，適當引用遙感在測繪、國土、農業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生思維的引導，主要內容與重點內容可采用精講、細講，生產中不常用的原理與方法采取學生課外自主學習為主，遙感在實踐中應用可采取具體案例分析，這樣既可保證激發學生學習的興趣，在面上對遙感有全面的把握，又可在重點內容上有所深入。除了現代常用的多媒體教授的教學方法，可布置與課程內容相關且很有趣的課外小作業，如可通過讓學生在Google Earth上查找校舍或旅游目的地的方式對衛星遙感數據的認識。（2）制作遙感教學輔助材料。遙感教學輔助材料包括航空圖像與衛星遙感圖像樣片的制作、各類教學視頻的制作、試題庫與習題庫的制作、遙感精品課程在線網址的收集，完善各種網絡教學資源庫的建設等。將生澀難懂且方便用于直觀教學的遙感圖像的分類與遙感圖像的解譯標志等內容制作教學樣片，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星遙感數據制作樣片，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、衛星遙感以及傳感器的工作原理等。將近年來遙感技術應用于現實生活中有影響力的重大事件的新聞視頻片段制作教學視頻資料，如“國土部：用衛星遙感圖片嚴查違法用地”、“我國‘北京一號’、‘小衛星’監測北京近郊農作物長勢”、“汶川地震前后遙感圖像前后對比”等新聞視頻片段。教學輔助材料在有些教學內容方面可發揮很大的教學作用與效果。（3）重視遙感技術應用案例分析。一般農業院校的遙感技術的應用所占學時極少，與專業結合性不夠。一般只是泛泛地提到或者一帶而過，沒有具體的案例或應用視頻，學生缺乏對遙感技術實際應用情況的了解。可根據授課對象與專業方向選擇教學輔助材料，根據授課對象及專業方向播放其相關內容，重點分析應用案例。如面向土管專業授課時可側重土地資源調查與土地執法的案例分析；面向農資專業時，可側重農作物長勢監測與估產、光譜反射率的野外測定與分析等案例分析，面向環境類專業，可側重環境監測與災害監測的案例分析。（4）實現教學手段的多元化，激發學生學習熱情。除了常用的多媒體教學與板書等教授方式外，還可適當采取學生教學的方式，加強與學生互動交流，提高學生自主學習的能力。利用課前與課間的時間或借助網絡平臺，與學生進行充分交流，及時掌握他們的興趣、學習難點以及就業意向等，因材施教。利用國家、省和校級精品課程建設的成果，建立網絡實踐教學平臺，實現網絡互動式教學，設置“課件下載”、“實驗報告上載”、“答疑”、“FTP”等功能。可借助與測量學等課程的重疊交叉知識，進行觸類旁通式的教學。通過小型專題報告的形式，促使學生課外收集文獻資料學習實踐應用性強、與專業結合緊密的內容，擇優以多媒體的形式課堂交流并點評，并作為學生課程考核的一部分，有意識地將教學內容與科研、就業與生產項目管理等結合起來，引導學生自主學習，激發學習的創造性。

3.建立考試制度的改革，提高其學習的積極性。進行課程考試制度的改革，改進考核方法，建立考察學生全面素質的考核體系、建立科學的考察學生綜合知識、綜合素質、綜合能力的實踐考核體系，采取靈活多樣的考試方式。在課程考試構成增加小型專題報告制作、文獻檢索與總結等，理論環節可增加課堂互動環節（如提問、討論等）考核的比重；實踐環節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，促進學生積極學習。

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，具體表現在以下幾個方面。

1.學習態度的改變。學生對教學內容的興趣和注意力明顯提高，課堂互動變得更為積極，課外自主學習的激情提高，教學氛圍良好，“教與學”變成了一件較為愉快的教學活動，學生對遙感方向的學術報告與畢業論文選題感興趣的人數明顯增加。

2.學生對遙感教學的評價。每學期都對全部遙感課程進行教學評估，學生無記名網上評教，結果表明總體優良。說明學生對于教學內容與教學形式是認可與肯定的。

3.學生的收獲。國土資源管理、農業資源與環境等專業分別成立了興趣小組，在老師的指導下能夠獨立完成校級創新型實驗項目。學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應用的工程項目，特別優秀的學生能在測繪遙感相關的事業單位就業。也有本科生在國內的學術期刊上公開發表遙感領域內的科研論文。

雖然筆者針對農業類院校的遙感課程實踐教學改革進行了探索與實踐，然而，許多問題有待進一步探討，諸如教學平臺的完善、教學形式的改進、產學研實習基地建立、專業實踐素材庫的建立等。面向未來，我們需要更好地根據社會需求，積極進行遙感教學課程改革，為社會培養出更多的遙感應用型的高級人才。

參考文獻：

[1]尹占娥.現代遙感導論[M].北京：科學出版社，2008.

[2]鄧良基.遙感基礎與應用[M].北京：中國農業出版社，2009.

[3]常慶瑞，蔣平安，周勇.遙感技術導論[M].北京：科學出版社，2004.

[4]彭望.遙感概論[M].北京：高等教育出版社，2010.

第8篇：數字圖像處理論文范文

關鍵詞：人臉識別；圖像預處理；同態濾波

中圖分類號：TP14文獻標識碼：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

隨著計算機技術的不斷發展和網絡的普及，一些重要部門（銀行、機場、軍政機關、重點控制地區）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，然后根據這些獨有的特征信息進行身份鑒別的計算機技術。與其他身份識別技術相比，人臉識別具有友好、自然等優點，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，人臉識別技術有了長足的發展，并且逐步走向實際應用階段。現在已經有比較成熟的人臉識別應用系統進入市場。可以預言，在今后的幾十年內，隨著人臉識別技術進一步發展，人臉識別技術將應用到更多的領域，例如視覺監控，娛樂應用，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用領域將推動人臉識別技術不斷發展。由于微電子技術、計算機技術的迅猛發展，數字圖像技術與模式識別學科的日益完善，使得人臉自動識別在技術上與經濟上才成為可能。論文首先對人臉識別進行了介紹，通過對人臉識別系統的分析指出預處理在人臉識別中的重要性。然后對已有的人臉識別預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研究領域的熱點問題，它屬于生物特征識別技術，是利用人本身的生物特征來區分不同個體。但是，由于人與人之間的區別較小，每個人的臉部結構很相似，人臉器官的結構外形也相似；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、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，導致了人臉識別的準確率與其他生物特征識別相比并不是很高，人臉識別技術的研究存在很多困難，但是很有挑戰性。

（二）人臉識別的過程。一個典型的人臉識別系統處理過程如圖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 人臉識別技術處理流程圖

（三）預處理過程。預處理是人臉識別過程中的一個重要環節。預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境的不同，如光照明暗程度以及設備性能的優劣等，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量的一致性，必須對圖像進行預處理。圖像預處理的目的是消除圖像中無關信息，濾除干擾、噪聲，恢復有用的真實信息，從而改進特征抽取、圖像分割、匹配和識別的可靠性。

在預處理階段，對圖像進行優化，盡可能去除或者減小光照、成像系統、外部環境等對待處理圖像的干擾，為后續處理提高質量。人臉圖像的預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量，使圖像更利于計算機的處理與識別。

三、人臉圖像預處理方法

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

（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，其結果是擴展了像元取值的動態范圍，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計其直方圖，求出 ；根據統計出的直方圖采用累積分布函數做變換， ，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，應根據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也突出了。

（二）中值濾波。中值濾波是一種非線性處理技術，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。

（三）同態濾波。同態濾波增強是把頻率過濾和灰度變換結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，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。

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

經過同態濾波后其結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范圍，又增加對比度的結果。

圖3.2 原始圖像與同態濾波后的效果圖

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

四、同態濾波在人臉預處理中的應用

（一）人臉數據庫。人臉數據庫主要是為在人臉表情(自然、微笑、憤怒、冷酷)、光照(左光源、右光源和雙側光源)環境變化條件下，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，本文采用同態濾波的方法讀人臉圖像進行預處理，提高人臉圖像的識別率。

表4.1：訓練樣本個數變化時各種人臉預處理方法識別率（%）的比較（AR人臉庫）

訓練樣本個數 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處理后人臉識別率增高，而且同態濾波保持較高的識別率。

五、結束語

本文主要針對人臉識別中圖像預處理進行研究，使用直方圖均衡化、灰度拉伸、中值濾波和同態濾波的方法對讀入的人臉圖像進行預處理，從而消除圖像中無關信息，增強人臉圖像細節，為后續處理做好準備。本文針對光照對人臉圖像的影響，提出了同態濾波的方法，在預處理階段消除光照對人臉圖像的影響，實驗結果表明預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.數字圖像處理與分析[M].北京:清華大學出版社,2006.7

第9篇：數字圖像處理論文范文

關鍵詞：印制電路板；圖像處理；機器視覺；PCB裸板；自動光學檢測；缺陷檢測 文獻標識碼：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生產基地，作為電子產品承載體的電路板，其集成度和產量不斷在提高。為了保證電子產品的性能，電路板缺陷檢測技術已經成為電子行業中非常關鍵的技術。建立在圖像處理算法基礎上的機器視覺檢測技術與傳統的人工檢測技術相比，提高了缺陷檢測的效率和準確度。因此，設計一種高效精準的機器視覺檢測電路板缺陷的系統，具有非常重要的現實意義。評估印刷電路板質量的一個重要因素就是表觀檢測，PCB的表觀質量對產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生產領域崛起的計算機視覺，當前表觀缺陷檢測和分類識別的研究方向已經轉向了利用計算機視覺技術來實現。計算機圖像處理識別技術這種基于計算機視覺的檢測技術成功取代了傳統的PCB缺陷檢測方法，在自動光學檢測系統眾多應用中占據了相對重要的地位，一躍成為PCB生產業表觀缺陷的主要檢測方法。

圖1 系統框圖

因此本文通過設計AOI自動光學檢測系統，搭建較為簡單的PCB缺陷自動檢測系統的實驗平臺，對PCB中四類較為關鍵、常見的缺陷進行檢測、分析、識別、判定，為研究推廣PCB缺陷自動檢測系統開拓應用前景，如能實現工業上的產業化檢測，將有高額的經濟收益。本文側重對PCB中的四類較為關鍵、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缺陷自動檢測系統的實驗平臺，即通過復雜算法對采集到的圖像進行處理、配準、對比，從而得出PCB缺陷類型及對其進行標識。如圖1所示。

1 硬件設計方案

PCB缺陷檢測的總體系統設計方案主要是基于自動光學檢測技術來搭建PCB缺陷檢測系統，硬件設計是使用CNC-T程控光源高精度影像測試系統操作臺，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、所需設備以及軟件算法，搭建了一個相對完整的系統工作平臺。

圖2 CNC-T程控光源影像操作臺

該設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 實驗系統框圖

1.1 運動控制模塊

本系統運動流程為：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域，CCD攝像機固定在工作臺上方（Z軸），通過Z軸的運動實現聚焦。如圖4所示：

圖4 平臺運動示意圖

設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，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構緊密排列著LED且采用了CCS獨創的柔性板，使之成為LED照明系統的標準模式。照明系統如圖5所示：

圖5 照明系統

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，該模塊是圖像配準階段的硬件基礎。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現場環境、光照等條件的干擾，計算機所獲得的圖像質量多數參差不齊，圖像的清晰度不一致，大大增加了PCB缺陷檢測的難度，所以在利用復雜算法檢測、識別PCB缺陷前要先對圖像進行預處理。

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上，通過一系列算法對圖像進行處理對比。

2 系統軟件設計

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操作系統上的基于（開源）發行的計算機視覺庫。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通用的算法都是被允許的。OpenCV可用于開發實時圖像處理、計算機視覺和模式識別方案，它提供了多種函數，實現了大量的計算機視覺算法，算法涵蓋了從最基礎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。如C接口函數cvCanny（）實現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“造輪子”。

根據OpenCV中源代碼文件巨多的特點，以算法的功能為基準，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行程序即可。

OpenCV計算機視覺庫的出現，是為了使人們利用方便快捷的計算機視覺框架，在計算機視覺領域可以更加輕松地設計出更為復雜的應用程序。OpenCV涵蓋了多種計算機視覺應用區域，如用戶界面、信息安全、醫學影像學、工廠產品檢驗、立體視覺、機器人和攝像機標定等，約有500多個函數。因為計算機視覺與機器學習是相輔相成的，所以OpenCV也開放了MLL（Machine Learning Library）機器學習庫。MLL除了在視覺任務相關中使用，也可以很容易地應用到其他機器學習中。

2.2 Microsoft Visual Studio2010

Visual Studio是微軟公司推出的開發環境，是同行業中目前最流行的Windows平臺應用程序開發環境。Visual Studio 2010于2010年4月12日，其集成開發環境（IDE）已被重新設計和組織，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），并且支持開發面向Windows 7的應用程序。除了Microsoft SQL Server外，它還支持IBM DB2和Oracle數據庫。目前有專業版、高級版、旗艦版、學習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平臺創建Windows應用程序和Web應用程序，還可被用來創建智能設備、Office插件和Web服務等應用程序。微軟的Visual Studio 2010將成為一個版本的經典，這是相當于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中的動態類型和動態編程；（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開發環境，通過編輯算法實現PCB缺陷檢測。

3 圖像預處理

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

圖6

將整理出的字符圖像交予識別模塊來識別，被稱為圖像的預處理。PCB的圖像預處理包括灰度化、增強、濾波、二值化、配準等，處理后的PCB輸出的圖像質量將得到改善，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的圖像預處理為整個PCB缺陷檢測系統的核心部件，很大程度上決定了檢測的準確性。圖像預處理流程如圖7所示：

圖7 圖像預處理流程圖

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與標準PCB進行準確對準這一點上優于參考法。

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）確定標準的PCB圖像并放入參考庫；（2）通過成像設備采集待測PCB圖像，進行圖像預處理之后，再二值化PCB待測圖像，并對其進行連通域提取；（3）然后將處理結果與標準圖像進行對比，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，形成一個區域，而不是連通的點形成不同的區域。這種相互立體的所有的點，我們稱為連通區域。連通區域標記常用的方法有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，通常應用在填充圖形上。思路：以一個前景像素當作種子，而后在處于同一像素值且位置相鄰的連通區域，把和種子相鄰的前景像素融合到同一組像素中，結果將是獲得一個像素集，即連通區域。接下來介紹使用種子填充法實現的連通區域分析法：

第一，重復掃描圖像，當得到當前像素點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（2）步驟，直到棧為空。此時，圖像B中的一個像素值被標記為label的連通區域便被找到了。

第二，在掃描結束前，重復第一個步驟，由此可以獲得圖像B中所有的連通區域在掃描結束后。

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 連通區域數

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。在出現短路缺陷時，待測圖像與標準圖像相比，其所包含的連通區域數將會減少。同理可得，在出現斷路缺陷時，待測圖像與標準圖像相比，其所包含的連通區域數將會增多。因此，斷路和短路缺陷便可利用比較連通區域數來判定和識別。

第二，凸起和凹陷。凸起缺陷將導致導線和導線、導線和其他導體間的間隙變小，而凹陷缺陷將導致導線和導線、導線和其他導體間的間隙變大，二者均會導致PCB使用過程中出現不穩定狀態。而觀察可知，這兩種缺陷的連通區域相同，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域面積來識別凸起、凹陷缺陷。

識別過程：將經過圖像預處理的待測PCB圖像與標準圖像進行對比后，通過算法找出缺陷。比較二者的連通區域數，若前者大于后者，則標定該缺陷點為斷路，反之則為短路；若二者連通區域數相同，則比較二值化圖像面積，若前者大于后者，則標定該缺陷點為凸起，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 系統實驗

本文使用CNC-T程控光源高精度影像測試系統操作臺，結合VS2010軟件基于OpenCV計算機視覺庫的算法編程來實現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，采集到的圖像與標準圖像進行對比、識別，得出缺陷種類并顯示結果。

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

表2 實驗結果統計

缺陷類型 實驗次數 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的同種斷路類型進行檢測，效果如圖12a、圖12b、圖12c所示，可準確檢測出缺陷存在。

圖12

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

圖13

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

圖14

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

圖15

6 結語

PCB板面向體積越來越小、密度越來越高的方向發展。在檢測產品價格方面，國外AOI檢測產品價格普遍偏高，而由于經濟原因，在國內PCB板生產制造商多數仍采用人工目測等傳統檢測方法檢測。隨著經濟的發展，數字圖像處理研究的深入，自動光學檢測系統也開始頻繁活躍在人們視線中，但在PCB缺陷檢測方面的應用卻還有待完善。因此，本論文建立在深入掌握工控系統結構并從PCB板的質量標準、圖像特點、缺陷特征及檢測要求的分析基礎上，對以圖像處理為基礎的PCB缺陷檢測技術進行了深入研究。由于PCB缺陷自動檢測系統的研究涉及多個領域的知識，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缺陷自動檢測系統的實驗平臺，對PCB中的四類較為關鍵、常見的缺陷進行檢測、分析、識別、判定。雖然還未實現真正實現工業上產業化檢測，但是在未來幾十年中，研究推廣的PCB缺陷自動檢測系統將有十分良好的應用前景，也將有高額的經濟收益。

參考文獻

[1] 陳勝勇，劉盛，等.基于OpenCV的計算機視覺技術實現[M].北京：科學出版社，2008.

[2] Gary Bradski，Adrian Kaebler，于仕琪，等.學習OpenCV[M].北京：清華大學出版社，2009.

[3] 周長發.精通Visual C++圖像處理編程（第3版）

[M].北京：電子工業出版社，2006.

[4] 黨振.中國大陸PCB產業的現狀與未來[J].印制電路信息，2006，32（1）.

[5] 胡躍明，譚穎.自動光學檢測在中國的應用現狀和發展[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檢測系統

[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，1999，4（8）.

[8] 姚立新，張武學，等.AOI系統在PCB中的應用[J].電子工業專用備，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].計算機工程與應用，2004，（13）.

[10] 傅莉.印制電路板的發展及前景[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，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，2009.

[13] 謝飛.基于計算機視覺的自動光學檢測關鍵技術與應用研究[D].南京大學，2013.

[14] 張靜.PCB表觀缺陷的自動光學檢測理論與技術

[D].電子科技大學，2013.

[15] 俞瑋.AOI技術在PCB缺陷檢測中的應用研究[D].電子科技大學，2007.