时辰：2023-04-03 10:01:57
序论：速颁发网连系其深挚的文秘经历，出格为您挑选了11篇图象处置手艺论文范文。若是您须要更多首创资料，接待随时与咱们的客服教员接洽，但愿您能从中罗致灵感和常识！
计较机图象处置手艺是经由进程计较机对图象阐发处置到达须要的功效的一项手艺。通俗被称作数字图象处置，经由进程扫描、摄像机等装备颠末数字化今后取得二维数组，便是像素。计较机图象处置手艺首要包罗以下三个局部：（1）图象加强与回复复兴：由于须要改良图片的品德，这就须要对图片停止图象加强，经由进程低通滤波能够或许或许或许或许或许或许或许或许将图片中的乐音去掉；经由进程高通滤波能够或许或许或许或许或许或许或许或许将边缘等高频旌旗灯号停止加强，使图片清楚。回复复兴则是在已知模子的特定恍惚和乐音水平情况下估量出本来图象的手艺。（2）图象紧缩：由于图象的数据比拟庞大，对图片贮存和传输都比拟坚苦，是以，须要对图象停止紧缩，以节流存储空间和削减传输时辰。图象紧缩分为对静态图象的不失真紧缩方式和用于静态图象的类似紧缩方式。（3）图象婚配、描写与辨认：这是图象处置的首要方针，取得不再是具备随机散布性子的文件，而是具备明白意思的标记、数值组成的图形。
3计较机图象处置手艺的首要操纵范畴
3.1计较机赞助设想与建造手艺
这项手艺学科穿插、常识比拟麋集、操纵规模比拟普遍，是综合性操纵手艺，由计较机与建造工程两个手艺彼此渗入，彼此连系。是前进前辈手艺的首要组成局部，计较机赞助设想与建造手艺是一个国度产业古代化与科技水平的首要衡量规范之一。这项手艺在产业范畴中最首要的代表便是CAD与CAM这两项合用东西。同时，在修建设想、装璜设想等范畴也操纵普遍，也能够或许或许或许或许或许或许或许或许用来停止对飞机、汽车等东西的外形设想。固然，在其余方面也操纵普遍，并且取得的功效很是好，比方：电路板的印刷、收集阐发等等方面。
3.2遥感图象处置体系
遥感手艺的生长鞭策了高品德的差别波段遥感数字图象被普遍操纵于农林牧副渔等行业的科技古代化当中。图象处置在遥感手艺范畴有着很是首要的地位，未来会组成疾速成像与信息主动化提取体系，而这个体系也是以图象处置为主。遥感图象处置手艺功效将会不时完美，取得更大的生长。
4计较机图象处置手艺的生长远景
古代科技的前进使计较机手艺取得疾速的生长，也就使计较机手艺操纵在图象处置中有了能够或许或许或许或许或许或许或许或许，并且在图象处置中产生了很首要的影响。此刻人们对图象的请求愈来愈高，想要知足人们愈来愈高的请求，就必须不时前进、不时立异。计较机手艺将会愈来愈普遍的操纵于社会中，图象处置手艺也会愈来愈依靠计较机。跟着大批的成熟软件的不时被研发，既有专业软件，也有通俗软件，能够或许或许或许或许或许或许或许或许知足一切人的请求。手艺职员应当开辟新手艺来知足更多、更庞杂的图象处置请求，使图象加倍的丰硕多彩。
0弁言
全息手艺是物理学中一首要发明，愈来愈多的操纵于各个行业。伴跟着CCD手艺和计较机手艺的生长，全息手艺也取得一次质的奔腾，从传统光学全息到数字全息。传统光学全息将物光和参考光干与取得全息照片来记实光的振幅和相位信息，而数字全息则用CCD记什物光和参考光的干与，组成数字全息图，再经由进程计较机图象处置手艺处置全息图。是以，影响数字全息手艺生长有两个首要方面：CCD手艺和计较机图象处置手艺。本文将从计较机操纵方面论述图象处置手艺在全息中的操纵。
1图象处置手艺
图象是古代社会人们取得信息的一个首要手腕。人们用各类察看体系以差别的情势和手腕取得图象，以拓展其熟悉的规模。图象以各类情势呈现，可视的、不可视的，笼统的、现实的，计较机能够或许或许或许或许或许或许或许或许处置的和不合适计较机处置的。但究实在质来讲，图象首要分为两大类：一类是摹拟图象，包罗光学图象、摄影图象、电视图象等。它的处置速率快，但精度和矫捷性差。别的一类是数字图象。它是将延续的摹拟图象团圆化后处置变成为计较机能够或许或许或许或许或许或许或许或许辨识的点阵图象。从数字上看，数字图象便是被量化的二维采样数组。它是计较机手艺生长的产物，具备精度高、处置便利和反复性好等特色。
图象处置便是将图象转化为一个数字矩阵寄存在计较机中，并接纳必然的算法对其停止处置。图象处置的底子是数学，最首要使命便是各类算法的设想和完成。今朝，图象处置手艺已在良多方面有着普遍的操纵。如通信手艺、遥感手艺、生物医学、产业出产、计较机迷信等等。根据操纵范畴的差别请求，能够或许或许或许或许或许或许或许或许将图象处置手艺别离为良多分支，其中比拟首要的分支有：①图象数字化：经由进程采样和量化将摹拟图象变成便于计较机处置的数字情势。③图象的加强和回复复兴：首要方针是加强图象中的有用信息，削弱搅扰和噪声，使图象清楚或将转化为更合适阐发的情势。③图象编码：在知足必然的保真条件下，对图象停止编码处置，到达紧缩图象信息量，简化图象的方针。以便于存储和传输。④图象重修：首要是操纵收罗的数据来重修出图象。图象重修的首要算法有代数法、傅立叶反投影法和操纵普遍的卷积反投影法等。⑤情势辨认：辨认是图象处置的首要方针。如：指纹辨别、人脸辨认等是情势辨认的内容。现今的情势辨认方式凡是有三种：统计辨认法、句法布局情势辨认法和恍惚辨认法。⑥计较机图形学：用计较机将现实上不存在的，只是观点上所表现的物体停止图象处置和闪现出来。
2计较机图象处置手艺在全息学中的操纵
图象处置手艺在全息中的操纵首要表此刻：一是计较全息，基于计较机图形学将计较机手艺与光全息手艺连系起来，经由进程计较机摹拟、计较、处置，建造出全息图。是以它能够或许或许或许或许或许或许或许或许记什物理上不存在的什物。二是操纵图象的加强和回复复兴，图象编码手艺等对数字全息图象质停止进步和完成的各类算法。它的操纵大抵能够或许或许或许或许或许或许或许或许分为两大类，即空域法和频域法：①空域法：这类方式是把图象看做是立体中各个像素组成的调集，而后间接对这一二维函数停止呼应的处置。空域处置法首要有下面两大类:一是范畴处置法。其中包罗梯度运算(GradientAlgorithm)，拉普拉斯算子运算(LaplacianOperator)，滑腻算子运算(SmoothingOperator)和卷积运算(ConvolutionAlgorithm)。二是点处置法。包罗灰度处置(greyprocessing)，面积、周长、体积、重心运算等等。②频域法：数字图象处置的频域处置方式是起首对图象停止正交变更，取得变更频域系列阵列，而后再实施各类处置，处置后再反变更到空间域，取得处置功效。这类处包罗:滤波、数据紧缩、特色提取等处置。
3摹拟测验考试
本文操纵matlab软件，操纵图象处置手艺，编写了法式，以摹拟计较全息和完成全息图象的滤波。图1是计较全息完成流程图。
本文将操纵matlab法式设想说话完成计较全息的建造、再现进程。标有“涉”一字，图象尺寸为1024像素×1024像素；。摹拟测验考试顶用到的参数为：激光摹拟了氦氖激光器，波长为638.2nm；再现间隔为40cm；由于原始物图的尺寸用像素为单位表现，以是像素分辩率为1。
从摹拟测验考试中能够或许或许或许或许或许或许或许或许看出，数字全息的处置进程实在便是计较机图象处置在全息手艺的操纵进程。操纵计较机图象处置手艺对全息图停止了记实，将物光和参考光干与取得了全息图。并操纵图象的加强和回复复兴对图象停止了处置，以消弭噪声，取得更好的全息再景象。
本文仅摹拟了计较全息的完成和再现进程，实在，计较机图象处置在全息手艺中的操纵是全方位的，用测验考试方式取得的全息图中包罗了更多的其余无用信息（噪声），图象处置手艺在这里就显得尤其首要。跟着计较机图象处置手艺的进一步生长，全息手艺必然会迎来新的一轮生长和奔腾。超等秘书网：
参考文献：
[1]周灿林，亢一澜.数字全息干与法用于变形丈量.光子学报，2004，13（2）：171－173.
2计较机图象处置手艺在网页设想中的操纵
在网页设想的进程中，图象的处置和丑化是其中最首要的关头之一，在一些较为庞杂的网页中，能够或许或许或许或许或许或许或许或许会包罗一些静态的图象和flash元素等，这些元素的存在无疑增添了网页的特色，同时，也会进步客户休会，为了坚持这些元素的光鲜性就须要将计较机图象处置手艺很好的操纵到网页设想中，进步网页品德的同时，增添网页的特色。
2.1知足网页设想中对图片格局的须要
知足网页设想中对图片格局的须要是网页设想进程中最底子的关头，在网页设想中，须要各类差别的元素来组成一个完整的、特色光鲜的网页，从而让阅读者刹时取得自身所须要的信息和资本，同时，网页设想必须具备必然的便利性，如许才能有用的增添用户休会，同时加强用户阅读休会的感触感染，因而可知，图象的处置是网页设想中最底子的内容，以是，计较机图象处置手艺起首须要处置的便是网页设想中的图象题目，其中jpeg是最为经常操纵的图片格局，而gif能够或许或许或许或许或许或许或许或许完成图象的静态功效，由于这两种的收集图象格局所须要的参数和规格是不尽不异的，以是在操纵计较机图象处置手艺时，应当知足其格局的差别须要。
2.2对网页设想中图象的巨细停止节制
尽人皆知，计较机的长度和宽度是无限的，这在必然水平上就决议了网页设想的图象也应当是有必然的规格，同时，为了保障网页阅读的清楚度和流利度，就须要对网页中的图象停止一些特定的处置来限定其图象的巨细，由于图象的巨细与其所揭示的清楚度有间接干系，以是，须要借助计较机图象处置手艺来停止处置，以此来减缓清楚度和图象巨细之间的抵触，在寻求图片高清楚度的同时，进步网页加载的速率和品德，同时进步网页阅读的功效。计较机图象处置手艺首要是一种针对jpeg图片停止处置来衡量加载速率和网页阅读功效的一种手艺，从而进步网页设想的阅读功效和网页品德。
2.3对网页设想停止进一步的开辟
只要综合操纵计较机图象处置手艺对网页设想停止进一步的开辟和操纵，才能从底子上进步网页设想功效，比来几年来，计较机图象处置手艺首要是以软件为主，photoshop是今朝最为经常操纵的图片处置软件，可是，跟着网页设想的不时进步和生长，呈现了更多网页个体设想者，为了知足差别个体对网页设想的特色化须要，同时动员个体成为网页设想的支流，丰硕网页的内容和色采，就须要恰当的降落计较机图象处置手艺的手艺水平，以此知足社会公共的须要，其中photoshop的图片处置功效绝对壮大，可是photoshop首要是针对专业的网页设想职员开辟的一种手艺处置软件，以是，对那些非专业的网页设想者，这个软件具备必然的难度，这在必然水平下限定了网页设想的进步和生长，以是，为了知足更多网页开辟者的设想休会，要不时开辟出一些绝对简略和合用的计较机图象处置手艺，进而鞭策计较机图象处置手艺的改革和手艺进级。
医学图象处置手艺包罗良多方面,如:图象规复、图象重修、图象朋分、图象提取、图象融会、图象配准、图象阐发、图象辨认等等。停止医学图象处置的终究方针是现实操纵于医学赞助、产业区出产、迷信研讨等方面,以是其具备较普遍的操纵代价和研讨意思。医学图象处置的东西是各类差别模态的医学影象。在医学临床的操纵中,医学影象首要有超声波(UI)、X-射线(X-CT)、核磁共振成像(MRI)、核医学成像(NMI)等。跟着计较机手艺的生长,医学影象手艺已成为一门新兴穿插学科,今朝是计较手艺与医学连系手艺中生长最快的范畴之一。借助无力的医学图象处置手艺手腕,极大的改良了医学影象的品德和显现方式,其功效使临床大夫能更间接、更清楚地察看人体外部构造及病变部位,确诊率也取得了进步。这不只使医学临床诊断水平在现有的医疗装备的底子上取得极大地进步,并且能使医学研讨与讲授、医学培训、计较机赞助临床内科手术等完成数字化操纵,从而为医学研讨与生长供给坚固的底子,在医学操纵中具备不可估量的合用代价。
医学图象与通俗图象比拟,具备以下几方面的特色(1)医学图象具备灰度上的迷糊性。表现为两方面:一方面是由于成像手艺上的缘由带来的噪声扰,常常使物体边缘的高频旌旗灯号被恍惚化;别的一方面,由于人体构造的螺动等景象会组成图象在必然水平上产生恍惚效应。(2)局部体效应。处于边境上的像素中,凡是同时包罗了边境和物资,使得难以切确地描写图象中物体的边缘、拐角及地区间的干系,加上假定呈现病变构造,则其会侵袭四周通俗构造,致使其边缘没法明白界定。
1.2论文的研讨方针及任务
1.2.1论文首要触及的三方面底子现实
论文首要触及马尔科夫随机场(MRF)现实、恍惚集现实及Dempster-shafe证据现实三个方面的底子现实,下面别离作先容:1)马尔科夫随机场(MRF)现实基于随机场的图象朋分方式是一类斟酌像素点间的空间联系干系性的统计学方式。实在质是从统计学的角度动身,将图象中各像素点的灰度值看做是具备必然几率散布的随机变量,从而对数字图象停止建模。Cristian Lorenz等人,在医学图象朋分中提出了一种可操纵于肆意拓扑布局的新型统计模子。根据马尔科夫随机场图象模子,操纵最大后验几率准绳(MAP),提出一种迭代败坏算法。MRF模子能够或许或许或许或许或许或许或许或许辨别差别纹理的散布,其出格合用于纹理图象的朋分。但操纵MRF模子停止朋分的关头题目在于参数估量,以是朋分的功效常常取决于对参数估量的切确度。为此凡是在朋分与参数估量间停止轮番迭代计较,比方:先初始化参数,在此底子上朋分,再操纵朋分的功效对参数停止进一步的估量,而后再朋分,如斯直到知足收敛条件。可是此类方式只能操纵单一的图象信息,不能综合操纵多种图象信息。
第二章马尔科夫随机场(MRF、现实及其操纵
马尔科夫随机场简称,是英文Morkov Random Fields的缩写。它包罗了两层意思:一个是马尔科夫(Morkov)性子;一个是随机场性子。它是基于统计学的朋分方式在医学图象朋分的操纵中,最为经常操纵的一种方式。图象具备高度的空间信息相干性,而马尔科夫随机场(肿)刚好具备有用描写空间信息相干性的特色,加上其具备完美的数学现实和性子,以是普遍的被操纵于图象的处置中,如:图象的规复、纹理的提取、模板的婚配和图象的朋分等。娜于图象的朋分,对噪声有很好的抑建造用;同时是基于模子的方式,以是轻易与别的方式连系是它的长处。在本文中首要用于脑部—图象的预处置及前期的朋分。下面先容马尔科夫随机场(MRF )的根基现实及其在本文中的操纵。
2.1马尔科夫随机场CMRF )根基现实
2.1.1一维马尔科夫(MARKOV)随机进程
进程(或体系)在Zg时辰(即? = /q)的状况己知,若进程在/Q前面的时辰,即的状况与进程在时辰之前(即
2.2图象中马尔科夫随机场、MRF )模子的成立
2.2.1邻域体系与势团(Cliques)
由本文2.1.2末节中马尔科夫随机场(娜)的界说中,任何知足条件1)非负性的几率都由条件2)中的描写马尔科夫(MARKOV)性的条件几率所独一肯定。条件2)中的条件几率所描写的也称为随机场F (本文中也即数字图象)的局部特色。而条件2)中的条件几率的间接求得是很坚苦的,由几率论中条件几率的公式可知请求的尸C/i 须要晓得即须要晓得随机场的连系散布,而马尔科夫随机场)是用条件几率来界说的,不能很好反映的连系散布。也就象征着由马尔科夫随机场(MRF )的局部特色来界说全部场的全局特色是存在坚苦的。以上题方针处置要归功于Hammersley-Clifford定理,该定理给出了马尔科夫随机场随机场(MRF )与吉布斯随机场(GRF )的等价干系,从而能够或许或许或许或许或许或许或许或许用吉布斯(Gibbs)散布来求解中的几率散布题目。
1.1论文研讨的方针和意思………………1
1.1.1医学图象处置的特色及首要性……………… 1
1.1.2医学图象朋分中存在的题目、近况及生长………2
1.1.3医学图象朋分的方式………………
1.2论文的研讨方针及任务………………6
1.3本文构造布局………………9
第二章马尔科夫随机场(MRF、现实及其操纵………………11
2.1马尔科夫随机场、MRF )根基现实……………… 11
2.2图象中马尔科夫随机场QMRF )模子的成立………12
2.3估量准绳与优化算法………………16
1弁言
烟叶是烟草产业的底子质料， 对烟草产业出产物德和烟草行业运营效益具备无足轻重的感化。对烟叶出产进程的各个关头包罗烟叶品德的智能辨认停止手艺立异，进步品德和效力，是一个前沿研讨标的方针[1][5]。
今后这一方面的研讨，首要调集在数字图象处置方面，把烟叶品德的数字图象处置与神经收集手艺相连系，完成烟叶品德的智能辨认，是一个极有代价的任务。以下在此方面作出一个体系的、较为完整的、易于现实操纵的研讨。
2首要手艺手腕
2．1 MAⅡAB图象处置东西箱
在MATLAB平台上，借助图象处置东西箱，能够或许或许或许或许或许或许或许或许简略单纯明快地完成对烟叶数字图象的图象处置。在烟叶出产一线，用数码摄影机对各类烟叶样本停止摄影，输出计较机，用MAT_LAB将它转换为各(．bmp；．jpeg；．gif；．png；．t 图片以便停止图象处置。本钱低，切确度高，宜于进步推行。取得各类范例的烟叶数字图象今后，经阈值操纵权图象二值化，能够或许或许或许或许或许或许或许或许立即辨识出这一图象是不是具备何品种型的病虫害或品德异变。操纵烟叶数字图象的边缘检测、外表提取等阐发号令，取得待测烟叶的图象参数和特色，再由神经收集手艺，完成对烟叶品德的智能辨认。
2．2神经收集手艺
神经收集是一个新的智能辨认东西。毕业论文 颠末练习的神经收集能够或许或许或许或许或许或许或许或许存储与进程有关的信息，能间接从汗青数据中进修，颠末用各类烟叶样本练习和进修的神经收集，能主动地辨认出待测烟叶样本的品德范例。并且，神经收集具备滤除噪声及在有噪声情况下得出切确论断的才能。这一点对烟叶出产现实中大批存在各类噪声信息的情况而言，出格首要。它出格合适在线辨认。
3操纵MATLAB图象处置东西箱和神经收集手艺对烟叶品德智能辨认的操纵进程
3．1烟叶图片样本库的成立
用数码相机或别的数字图象收罗东西，收罗各类范例的烟叶的规范图片，分类归档，借助MATLAB图象变更功效，将各类范例的烟叶的规范图片，转换成各类图片情势：．bmp；．jpeg；．sir；．png；．tif等，以便随时挪用。这些烟叶图片，有差别品德的样本；另有各类病虫害标本和变异标本。
3．2用直方图平衡来完成图象加强
当从出产一线收罗的烟叶待测样本的图象对照度较低，硕士论文 即灰度直方图散布区间较窄时，可用直方图平衡完成灰度散布区间展宽而到达图象加强的功效。
3．3烟叶图象的边缘检测和特色提取
烟叶图象的根基特色之一是图象边缘。图象边缘是图象四周像素灰度有阶跃性变更或屋顶变更的像素的调集。烟叶的边缘是由灰度的不延续性而至，是以考查图象每一个像素在某个邻域内灰度的变更，操纵边缘临近一阶或二阶标的方针导数变更纪律能够或许或许或许或许或许或许或许或许检测烟叶图象边缘。图象特色反映烟叶的多少布局，如面积、周长、分形分维数、孔洞数、欧拉数等等。图象特色的挑选是图象辨认的首要关头。操纵二叉分类法在找出辨别特色后，对差别的图象特色由分类阈值按二分的方式停止分类；操纵类似间隔分类方式把待判图象与一个规范图象比拟，规范图象用样本图象特色向量的均值来表现。经由进程计较待判图象与规范图象之问的在相空间中的间隔来辨别图象和停止分类。这一进程还为用神经收集手艺完成对烟叶品德停止智能辨认作出须要的筹办。
3．4数字图象矩阵数据的显现及其傅立叶
变更这一变更的方针是为提取特色、停止神经收集情势辨认等作出须要的筹办。
转贴于 3．5直方图均匀化
这是使烟叶图象性子加倍杰出而接纳的一个手艺操纵，源代码以下：
I=imread ("yangshuo．tif')；imshow (I)；
figure，imhist(I)；
[J，T]=histeq (I，64)；
％图象灰度扩大到0-255，可是只要64个灰度级
figure，imshow (J)；
figure，imhist(J)；
figure，Dlot((0：255)／255，T)；％转移函数的变更曲线
J=histeq (I，32)；
figure，imshow 0)；
％图象灰度扩大到0～255，可是只要32个灰度级
figure，imhist(J)；
3．6接纳二维中值滤波函数对受椒盐噪声搅扰的图象滤波
MATLA图象处置东西箱具备壮大的功效，能够或许或许或许或许或许或许或许或许对噪声搅扰的烟叶图片停止消噪处置，摹拟源代码以下：
I=imread ("eight．tif')；
imshow (I)；
J2=imnoise (I，"salt&pepper ，0．04)；
％叠加密度为0．04 的椒盐噪声
figure，imshow 02)；
I_Filterl=medfdt2 （J2，[3 ，3])；
％窗口巨细为3x3
figure．imshow (I Fiher1)；
I_Filter 2=medfdt2 （J2，[5， 5])；
％窗口巨细为5x5
figure，imshow (I_Filter2)；
I_Filter3=medf'dt2 （J2，[7， 7])；
％窗口巨细为7x7
figure，imshow (I_Filter3)；
3．7用神经收集手艺对烟叶图象停止智能辨认
神经收集作为一种自顺应的情势辨认手艺，并不须要预选给定有关情势的经历常识和辨别函数，它能经由进程自身的进修机制主动组成所请求的决议计划地区。收集的我由其拓朴布局、神经元特色、进修和练习法则所决议，它能够或许或许或许或许或许或许或许或许充实操纵状况信息，对差别状况逐一停止练习而取得某种映照干系，并且，收集能够或许或许或许或许或许或许或许或许延续进修，即便情况变异，这咱映照干系能够或许或许或许或许或许或许或许或许自顺应调剂。在下面各节取得烟叶图象特色底子之上，能够或许或许或许或许或许或许或许或许用神经收集手艺停止图象情势辨认。比方，基于几率神经收集PNN的烟叶品德智能辨认，它的首要长处是：疾速练习，练习时问仅略大于读取数据时辰；不管分类何等庞杂，只要有充足的练习数据(而这是烟叶出产一线能够或许或许或许或许或许或许或许或许做到的)，便能够或许或许或许或许或许或许或许或许保障取得贝斯叶准绳下的最优解，许可增添或削减练习数据而无需从头停止永劫候练习。这一神经收集对烟叶品德的图象辨认，具备首要意思。 4论断
基于计较机视觉和神经收集手艺的烟叶品德辨认的数字图象处置方式，医学论文 是烟叶出产关头的一种手艺立异，它能够或许或许或许或许或许或许或许或许在烟叶出产一线进步推行，简练易行，能够或许或许或许或许或许或许或许或许较大地进步烟叶品德检测的效力和品德，和主动化水平和智能化水平。
参考文献
在产业出产中，丈量是停止品德办理的手腕，是贯彻品德规范的手艺保障。机械整机的尺寸检测作为产物加工的一个关头关头，其检测功效不只影响产物的品德，并且对后续整机的再加工和拆卸产生决议性的感化。今朝，惯例的整机尺寸丈量手腕首要接纳游标卡尺、激光丈量仪和外表仪等完成检测关头。以上整机尺寸丈量方式要末受丈量东西限定，其丈量精度无限；要末检测仪器过于高贵且操纵庞杂，同时其切确率常常受报酬身分的影响。
鉴于今后机械视觉手艺的疾速生长和其在产业检测方面的胜利操纵，论文构思操纵摄像机替换人眼，让计较机替换人脑，从而研制出一套针对整机惯例尺寸的主动化y量体系。
1 体系概述
在充实遵守体系的完整性、靠得住性、经济性和及时性等准绳的底子上，本文设想出了一套基于机械视觉的整机惯例尺寸丈量体系。该丈量体系首要由图象摄取、图象处置、图象特色提取和阐发、图象惯例尺寸丈量和功效输出几局部组成。其任务道理图如图1所示。
2 硬件设想
基于机械视觉的整机惯例尺寸丈量体系的硬件首要包罗：照明装配、摄像机、计较机和通明任务台。各部件的首要功效是：照明装配首要为整机图象收罗供给合适的光照情况；摄像机用来收罗整机数字图象并传递到计较机，而后保管为呼应图片格局；计较机经由进程体系软件完成对整机图象的预处置、边境提取、特色提取、相机标定和惯例尺寸计较；通明任务台用来承载被测整机。
3 算法设想
图象处置算法对机械视觉丈量体系会产生决议性的影响。为了能知足整机尺寸丈量的请求，针对整机产物图象的特色，咱们设想了一套公道的图象处置算法流程。其流程图如图2所示。
起首对取得的整机图象停止预处置，包罗图象灰度化、图象去噪、图象朋分和边境提取；而后提取整机的多少特色；最初经由进程对体系的标定，完成了整机图象惯例尺寸的丈量和功效显现。
3.1 图象预处置
3.1.1 图象灰度化
颠末摄像机收罗到的整机图象是24位真玄色RGB图象，该图象中的每一个像素由R、G、B三个份量决议，而灰度图象的每一个像素由一个值肯定。为了削减后续操纵进程中的计较量，须要对收罗到的整机图象停止灰度化处置。
3.1.2 图象去噪
收罗体系取得的待检整机图象由于受照明水平、情况温度、电源变更、电磁辐射和振动等随机身分的搅扰，图象会包罗大批的噪声，表现为图象恍惚、失真和大批雀斑等。为了消弭和按捺噪声对整机图象后续处置的影响，必须对图象停止滤波处置。由于中值滤波既能消弭噪声又能坚持图象的细节，合适本体系检测的须要。
3.1.3 图象朋分
在所收罗到的整机图象中，咱们只对整机地区自身感乐趣，对图象中的其余因素则要尽能够或许或许或许消弭。图象朋分便是指把图象分红各具特色的地区，并提掏出感乐趣方针的手艺和进程。颠末大批的测验考试考证，本文接纳迭代阈值朋分法完成对整机图象的朋分，到达了预期的处置功效。
3.1.4 边境提取
外表是对物体外形的无力描写，对图象阐发和辨认很是有用，而经由进程边境提取算法便能够或许或许或许或许或许或许或许或许取得物体的边境外表。方针图象边境提取的方式良多，首要包罗链码表现法、标记图法和多边形类似法等。论文接纳8连通链码法看待测整机停止了边境提取，为后续整机尺寸的检测奠基了很好的底子。
3.2 图象阐发
3.2.1 特色检测
要丈量整机的尺寸，起首应当检测出整机所包罗的直线和圆等根基的多少特色。今朝经常操纵的多少特色检测方式有Hough变更法、拟合法和模板婚配法等。本文接纳最小二乘法完成了对直线和圆的拟合，其拟合详细进程以下：
（1）接纳最小二乘法完成对直线的拟合。
（2）接纳最小二乘法完成对圆和圆弧的拟合。
接纳最小二乘法对圆和圆弧的拟合进程与直线的拟合求解进程类似。设所求拟合圆的方程为：。根据最小二乘法应知足的条件，能够或许或许或许或许或许或许或许或许求出拟合圆的三个参数：u、v和r。
如许，经由进程基于最小二乘法的直线和圆拟合方式，能够或许或许或许或许或许或许或许或许顺遂检测到直线和圆弧多少特色，为后续整机尺寸的丈量奠基了底子。
3.2.2 体系的标定
相机拍摄到的图象是以像素为单位的，要取得待检整机的现实尺寸，须要将像素尺寸转换为长度尺寸，这个进程称为体系的标定。本文操纵0级精怀抱块，接纳二次标定法完成了对体系的标定进程。被测整机的现实尺寸L与像素尺寸N之间应知足以下干系式：L=KN+b
式中，b为体系偏差，K为标定系数；
在摄像机牢固的情况下，求取参数K和b值的详细步骤以下：
（1）在被测地位安排一长度为L1的规范量块；
（2）对规范量块停止扫描、处置，取得对应的像素尺寸N1；
（3）在被测地位安排别的一长度为L2的规范量块，反复步骤2，取得对应像素尺寸N2；
（4）求取参数值：
4 软件设想
本着稳定、靠得住、公道、高效、简练和易于操纵的准绳，咱们接纳面向东西的Matlab法式说话，完成了基于Matlab GUI的丈量体系软件的设想。
本丈量体系软件首要包罗用户登录模块、文件办理模块、图象处置模块、参数设置模块、数据阅读模块和赞助模块等。其中，用户登录模块能够或许或许或许或许或许或许或许或许完成用户的注册、登岸、暗码点窜和账号办理；文件办理模块首要包罗待测整机图象的翻开、封闭和保管等功效；图象处置模块不只包罗文中所触及到的算法，还增添了其余算法功效；参数设置模块能够或许或许或许或许或许或许或许或许完成对摄像机、整机和图象参数的设置；数据阅读模块能够或许或许或许或许或许或许或许或许完成对及时数据、汗青数据和操纵记实的查抄；软件赞助模块首要用来讲明软件的操纵和体系的更新题目。
5 测验考试功效
为了考证丈量体系的顺应性、稳定性和靠得住性，本文选用任务面间隔为1.49mm的0级量块和直径为2.03mm的规范环规对体系停止了靠得住性测试。测验考试的丈量功效如表1所示。
接纳几率与数理统计的方式对丈量功效停止了处置。由处置功效能够或许或许或许或许或许或许或许或许看到，接纳本丈量体系，其丈量精度能够或许或许或许或许或许或许或许或许到达微米级，能够或许或许或许或许或许或许或许或许知足在线及时丈量的须要。
6 论断
作者设想了一套基于机械视觉的整机多少尺寸在线检测体系，降服今后野生检测的缺乏，进步了产物的检测精度。同时，完成了体系硬件、软件和图象处置算法的设想。测验考试功效标明：该丈量体系的丈量精度能够或许或许或许或许或许或许或许或许到达2um以下，知足整机尺寸非打仗在线丈量请求，具备很好的操纵远景。
参考文献
[1]王保军.基于机械视觉的药瓶封装缺点检测体系研讨[D].沈阳：西南大学（硕士学位论文），2014.
[2]李岩，花国梁.紧密丈量手艺[M].北京：中国计量出书社，2001.
[3]章毓晋.图象工程（上册）――图象处置和阐发[M].北京：清华大学出书社，1999，5-120.
[4]张铮，王艳平，薛桂香.数字图象处置与机械视觉[M].北京：国民邮电出书社，2012（12）：63-160.
作者简介
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）15-3640-03
数字农业和农业物联网手艺作为古代农业最前沿的生长范畴之一，是现当代界生长农业信息化，完成农业可延续生长的关头和焦点手艺。数字农业请求疾速、及时、切确和定位化的取得动物生长信息，而农业物联网手艺请求动物信息可及时静态感知，较着，传统的测验考试室丈量阐发和信息取得方式已不能知足数字农业和农业物联网手艺的生长请求。是以，研讨和开辟动物性命信息疾速无损检测手艺和传感仪器等软硬件平台已成为古代农业承待处置的关头题目[1]。
今朝，国际在作物无损检测方面的研讨仪器首要是依靠入口，而呼应的软件也是伴跟着仪器而采办。此类软件，通俗价钱高贵，并且在自立研讨平台中，由于没法取得源代码而没法操纵或进级，从而呈现研讨瓶颈。在各类无损化检测手艺中，跟着计较机视觉手艺愈来愈普遍的操纵，对应的软件体系的开辟燃眉之急[2]。
恰是基于如许的背景，咱们经由进程对今朝操纵比拟普遍的C#停止研讨，操纵C#壮大的数据处置才能和杰出的用户界面开辟，并连系壮大的图象处置才能，停止作物及时检测软件平台的自立设想与开辟。
1 计较机视觉手艺简介
计较机视觉也称机械视觉，是接纳摄像机或数码相机将被检测图象转化为数字旌旗灯号，再接纳前进前辈的计较机软件手艺对图象旌旗灯号停止处置，从而取得所须要的各类方针图象特色值。并由此完成情势辨认，坐标计较等功效。而后再根据其功效输出数据，收回指令，再共同履行机构完成口角挑选，地位调剂，数据统计等主动化流程。与野生视觉比拟拟，计较机视觉的最大的长处是疾速、切确、靠得住，和数字化。
跟着数字农业和农业物联网手艺的生长，计较机视觉手艺将愈来愈普遍的操纵于农业出产中，而组成计较机视觉体系的软件体系是全部计较机视觉体系的魂灵。跟着硬件手艺的不时生长完美，计较机视觉体系其功效是不是壮大，能够或许或许或许或许或许或许或许或许说完整取决于软件体系的才能。
2 软件体系设想
2.1 C#与
C#是由微软公司开辟的一种面向东西的新型编程说话，它是从C和C++ 中派生出来的，保留了C/C++本来的壮大功效，并且担当了C/C++的矫捷性。同时由于是MicroSoft公司的产物，它又同Visual Basic一样具备简略的语法布局和高效的开辟才能，能够或许或许或许或许或许或许或许或许使法式员疾速的编写出基于.NET平台的操纵法式。
一个基于C#框架，特地为C#开辟者和研讨者设想和开辟的，这个框架供给了丰硕的类库资本，包罗图象处置，神经收集，恍惚体系，遗传算法，野生智能和机械人节制等范畴。该框架架构公道，易于扩大，触及多个较前沿的手艺模块，为相干开辟职员或科研职员的任务供给了极大的便利。本体系便是接纳C#法式设想说话，经由进程挪用该框架来完成作物无损查抄体系的开辟。
2.2 体系设想与完成
本软件体系是在数码相机拍摄的作物图象的底子上，接纳图象处置方式停止特色提取与阐发，从而完成作物的无损检测。首要分为图象输出，图象预处置，特色提取，特色阐发几个模块。
1） 图象输出
将要阐发处置的图象读取到体系中来，为前面图象处置作筹办。C#供给了三个最首要的图象处置类，即Bitmap类、BitmapData类和Graphics类。三种图象处置的方式，即提取像素法、内存法和指针法。从履行效力和完成难度综合斟酌，本体系的开辟接纳内存法。
2） 图象预处置
图象预处置首要包罗图象的巨细调剂，外形改正，滑腻和去噪等，以降落情况对拍摄照片组成的倒霉影响。供给了多个类，能够或许或许或许或许或许或许或许或许对图象停止滑腻去噪等操纵，本体系中接纳了中值滤波算方式，对应中的Median类。
3） 特色提取
特色提取阐发，是全部别系的焦点地点，须要拔取合适的图象朋分算法，对图象停止处置，提取方针地区，为特色阐发作筹办。在本体系中接纳了阈值朋分手艺，由于这类算法绝对来讲比拟间接并且易于完成。
接纳阈值朋分手艺，起首，必需肯定一个阈值作为图象朋分的阈值，在本体系中，接纳自顺应阈值法，由用户在软件的操纵进程中停止设定，并且能够或许或许或许或许或许或许或许或许根据须要停止调剂。而后，根据这个阈值对图象停止朋分，并将其转化为二值图，如图（b）所示。从图中咱们能够或许或许或许或许或许或许或许或许看到二值图象中存在大批的小孔，这类太小的孔洞对咱们停止图象阐发不现实意思，并且会搅扰功效的切确性，是以咱们须要接纳侵蚀和收缩的外形学方式来停止添补孔洞，功效如图（C）所示。最初，咱们须要根据须要提取方针区，触及到连通地区的提取题目。最初，输出功效。
4） 特色阐发
对图象朋分功效停止阐发，用于指点出产现实。咱们能够或许或许或许或许或许或许或许或许对经由进程图象处置取得的方针地区停止阐发，比方能够或许或许或许或许或许或许或许或许根据叶片色彩的变更鉴定叶绿素含量，进而推算出作物的营养状况，根据色素地区的巨细计较出叶面积，根据差别地区的外形、巨细鉴定病虫害等。
3 测验考试功效及阐发
软件运转后主界面如图3所示。
为考证本体系的有用性，咱们经由进程设定差别的阈值停止图象朋分，并跟photoshop cs4软件中魔棒的东西作对照，来提取图片中的方针地区。测试图片巨细为800px×610px，取特色点坐标P（310，70），该点的RGB值为（29，92，0），取得方针地区的总像素和绿色份量均匀值，数据如表1所示。
从上述表中咱们能够或许或许或许或许或许或许或许或许看出，本软件在图象处置方针地区的提取方面，提取到的方针地区较photoshop 提取的小，绿色份量均匀值较photoshop更靠近特色点数值，由此看出用本软件做图象朋分切确性更高。
4 竣事语与瞻望
计较机视觉具备非粉碎性、疾速、高效、信息量大等特色，今朝已在首要的农作物和经济作物的营养诊断，动物病虫害的疾速检测及预警预告等方面有了普遍操纵，取得了较好的功效。跟着计较机视觉手艺和图象处置手艺的生长，计较机视觉手艺将更多的操纵于动物长势展望、产量估量等方面。
经由进程本次研讨，开辟了一个交互界面杰出的色素份量检测体系，能对图象在RGB份量上完成阈值朋分，并完成方针地区的取得阐发。该文首要倡导一种软件开辟的理念，所设想开辟的软件的针对性较强，还存在着良多的规模和缺乏，要作为计较机视觉类的通用软件，体系的稳定性和功效都另有待进一步晋升。
参考文献：
[1] 刘飞.基于光谱和多光谱成像手艺的油菜性命信息疾速无损查抄机理和方式研讨[D].浙江：浙江大学博士学位论文，2011.
[2] 朱哲燕，陈红.基于MATLAB的作物信息光谱阐发平台的设想与开辟[J].科技资讯，2012（16）.
[3] 蒋丽华.基于计较机视觉手艺的叶绿素含量检测体系[D].姑苏：姑苏大学硕士学位论文，2009.
[4] 赵春江.C#数字图象处置算法典范实例[M].北京：国民邮电出书社，2009.
[5] 何勇，刘飞，聂鹏程. 数字农业与农业物联网手艺[J].农机服装论坛t.vhao.net，2012（1）.
[6] 张起丽.基于数学外形学的玄色图象处置研讨[D].西安：东南大学硕士学位论文，2009
关头词:数字图象处置;沥青夹杂料;油石比;辨认
Key words: digital image processing;asphalt mixture;asphalt-aggregate ratio;recognition
中图分类号:TU535 文献标识码:A文章编号:1006-4311(2010)13-0093-02
0弁言
跟着交通运输业的敏捷生长,必须要进步沥青夹杂料机能,开辟新型沥青路面布局资料。沥青含量是沥青夹杂料共同比设想和施工节制的首要方针,在很大水平上决议了沥青路面的品德品德,国际外现行的沥青夹杂料共同比检测通俗接纳的是尝试方式,停止离心抽提或熄灭沥青,检测进程庞杂,耗时长,倒霉于及时对路面状况做出评估,指点出产。比来几年来,数字图象处置手艺被引入沥青夹杂料研讨范畴,为有用处置传统研讨方式的缺点供给了能够或许或许或许或许或许或许或许或许,国际外也连续停止了接纳图象处置手艺对沥青夹杂料外部外形的研讨,国际外现阶段停止的研讨标明,数字图象处置手艺具备无粉碎、便利性、经济性,并且能疾速周全反映外形特色和空间散布的特色。为此,在本研讨中,经由进程大批室内对照尝试,首要研讨差别油石比的沥青夹杂料AC-13C的辨认油石比,以成立辨认油石比和现实油石比之间的线性干系,用于指点出产现实。
1沥青夹杂料共同比设想及图象收罗
本研讨中接纳的沥青为埃索A级70号沥青,选用沥青路面的外表层AC-13C的级配,终究肯定的沥青夹杂料分解级配见表1。
在本研讨中,沥青夹杂料AC-13C别离接纳五个差别油石比4.0%、4.5%、5.0%、5.5%和6.0%,用马歇尔击实仪成型马歇尔试件,在成型后的试件中随机抽取3个试件停止水平两分法的切割,并接纳数码相机停止图象的收罗任务,在停止油石比的辨认中为了计较简练将图象剪切为1400×1400像素。
2沥青夹杂料数字图象处置
由于摄影机与方针间的绝对活动、大气扰动等缘由使图象品德降落,组成了图象退步的景象。以是在图象处置之前要前进前辈行图象回复复兴,在MATLAB图象处置体系中,挑选Lucy-Richardson回复复兴方式,经由进程处置削减了图象中产生的噪声,疏忽了某些退步后坏了的像素。对回复复兴后的RGB玄色图象停止灰度变更,取得沥青夹杂料水平截面的灰度图象。
3沥青夹杂料油石比的辨认
以油石比为5.5的沥青夹杂料RGB图象为例,对剪切后的图象停止回复复兴、转换灰度图象处置,处置后的灰度图象的直方图见图1。
根据图1能够或许或许或许或许或许或许或许或许看到,由于沥青夹杂料图象中存在集料和沥青两大类,在图象上组成了两个峰,这两者都类似从命正态散布,最左边的波峰代表沥青的灰度散布,咱们能够或许或许或许或许或许或许或许或许根据沥青夹杂料图象的直方图,静态拔取两个波峰之间的谷底值,将最左边的波峰零丁切掏出来,见图2。对这个波峰停止拟合,颠末屡次测验考试,挑选接纳两个正态散布拟合这个波峰,相干系数到达0.998,其中一个正态散布峰顶对应的灰度值与零丁切掏出来的波峰峰顶对应的灰度值很是靠近,能够或许或许或许或许或许或许或许或许以为两者的灰度值是不异的,别的一个正态散布是对前者的批改,拟合功效见图2。
经由进程MATLAB编程计较能够或许或许或许或许或许或许或许或许取得,沥青灰度散布波峰峰顶对应的灰度值为0.30,第一个小峰从命正态散布,参数为0.29997和0.047629,经由进程屡次测验考试在峰值灰度值左边设定2.5,右边设定的规模内为沥青的灰度散布规模,计较取得沥青的灰度散布规模为46.14至88.65,提取沥青灰度规模内的像素点,图象内一切的像素点数量与沥青的像素点数量之差为集料的像素点数量,取得油石比即沥青像素点数量与集料像素点数量之比,计较取得这张现实油石比为5.5的图象,辨认油石比为6.43。同理,能够或许或许或许或许或许或许或许或许按摄影同的方式求得其余沥青夹杂料图象的辨认油石比,并计较均值,见表2,对取得的辨认油石比用EXCEL停止线性拟合,见图3。
从表2中能够或许或许或许或许或许或许或许或许看出,辨认油石比的变异系数在0.18以下,经由进程线性相干性阐发可取得辨认油石比Pax与现实油石比Pay的线性干系为:Pay=1.6872Pax-5.4606,式中,Pax为辨认油石比,%;Pay为现实油石比,%。两者相干系数R2为0.9617,标明接纳图象处置手艺对沥青夹杂料停止油石比辨认具备较高的辨认精度,能够或许或许或许或许或许或许或许或许用于沥青路面油石比的疾速检测。
4论断
经由进程拔取外表层通俗沥青夹杂料AC-13C停止马歇尔尝试,对试件停止水平截面图象的阐发,在沥青夹杂料图象灰度直方图中,对沥青散布波峰左边2.5倍σ和右边σ规模内提取沥青像素数量,并计较集料像素数量和辨认油石比,功效标明,静态的拔取沥青灰度规模辨认油石比的方式能够或许或许或许或许或许或许或许或许较好地反映现实油石比,取得的辨认油石比与现实油石比拟为靠近,取得的变异系数在0.18以下,证实辨认油石比的团圆水平较小,数据靠得住。并且现实油石比Pay和辨认油石比Pax存在线性干系,经由进程线性拟合后,成立函数Pay =1.6872 Pax 5.4606,计较取得相干系数R2为0.9617,具备杰出的相干性。是以,倡议接纳此线性函数对辨认取得的油石比停止批改。
参考文献:
[1] 杨浩.沥青夹杂料的数字图象特色研讨[D]:[硕士学位论文].哈尔滨:哈尔滨产业大学,2006.
1 弁言
噪声首要在数字图象的取得和传输进程中产生，通俗是不可展望的随机旌旗灯号，只能用几率统计的方式去辨认。噪声对图象处置很是首要，其会影响图象处置的输出、收罗、处置的各个关头和输出功效的全进程。其中，椒盐噪声通俗是由于传输偏差或比特丧失组成的。椒盐噪声与其余的像素点有较着的区分，通俗是邻域中的像素值的极值点。可是极值点并不必然是噪声点。椒盐噪声在图象上表现出口角相间的亮暗点，会严峻影响图象的品德。传统中值滤波算法（SMF）[1]能够或许或许或许或许或许或许或许或许削弱或消弭傅里叶空间的高频份量，可是同时会影响低频份量。由于高频份量对应图象中的边沿灰度值具备较大较快变更的局部，以是SMF算法可将这些份量滤除，使图象滑腻，粉碎图象的边缘和细节。
文献[2]提出了恍惚开关中值滤波算法（FSM），FSM算法处置功效比SMF算法要好一点。文献[3]提出了自顺应恍惚开关中值滤波（NAFSM）算法。文献[4]提出了EDPA算法。文献[5]和文献[6]提出基于神经收集的恍惚中值滤波算法，对受密度噪声净化的图象取得了不错的功效，可是计较量很大。文献[7]、文献[8]、文献[9]、文献[10]提出了一种自顺应恍惚中值滤波算法（AFM）。AFM算法对傅里叶空间的低频份量具备较好的滤除功效，但对高频份量的处置功效不是很好，首要是不斟酌椒盐噪声对图象的净化水平。以是本文在AFM的底子上提出了一种双阈值恍惚中值滤波算法，该算法能很好地掩护图象的细节，具备高效地处置椒盐噪声的才能。
2 算法的根基思惟和完成
2.1 成立恍惚体系
操纵恍惚体系（如图1所示），计较输出参数的恍惚系数权值。由于处置的是椒盐噪声，以是只要输出滤波窗口华夏值与中值的差，最初经由进程去模函数去恍惚化，滤波输出。
图1 恍惚滤波体系设想
滤波窗口S由w×w（w默许值为3，通俗为奇数）的方阵组成。对S里的像素点值停止快排序，可得滤波窗口中像素的最小值为Smin，最大值为Smax，中值为Smed，均值为Smean。x（i，j）表现噪声图象在（i，j）的灰度值。恍惚体系起首是计较参数S1（i，j）=x（i，j）-Smed。在图象处置的时辰通俗对像素的净化水平停止阈值的设置。这里假定最小阈值为Tmin，最大阈值为Tmax，同时设置参数S2=|x（i，j）-Smean|。当S2Tmax时，以为像素点严峻净化，这时候就用比来邻域已处置的像素点求均值取代。
设今后像素的灰度值为x（i，j），滤波后的像素的灰度值为y（i，j），恍惚滤波系数为P。则恍惚附属函数为：
（1）
若是S2
y（i，j）=S（i，j） （2）
若是Tmin≤S2≤Tmax时，则：
y（i，j）=P×S（i，j）+（1-P）×Smed （3）
若是S2>Tmax时，则：
， i=0，j=0 （4）
，i>0，j=0 （5）
，i=0，j>0 （6）
，
i>0，j>0 （7）
2.2 算法完成
界说S（i，j）是以点（i，j）为中间，巨细为w×w的方形窗口，可表现为S（i，j）={（k，l）||k-i|
详细方式以下：
设最大窗口为wmax×wmax，输出图象为y（i，j）。自顺应双阈值恍惚中值滤波算法的根基思惟是经由进程鉴定窗口中间点是不是为噪声来调理窗口的巨细，以降服中值滤波对细节的粉碎。
详细算法以下：
初始化窗口巨细，令w=3。
计较窗口S（i，j）中像素的最小值Smin，最大值Smax，中值Smed及均值Smean。
若是Smin
若是w≤wmax跳到第2步，不然申明是噪声点，用邻域已处置点灰度值均值代取y（i，j）。
若是Smin
2.3 测验考试完成与阐发
在win7体系和vs2010+opencv情况下，颠末大批的仿真测验考试，终究取得Tmin=5，Tmax=13能够或许或许或许或许或许或许或许或许到达很好的去噪功效。测验考试别离对插手30%、80%的椒盐噪声的Lena.jpg停止处置。详细如图2、图3、图4所示：
图2 无噪声的原图
察看图3（a～e）到图4（a～e）能够或许或许或许或许或许或许或许或许发明，噪声轻度净化时各算法去噪才能不较着差别；当噪声严峻净化时SMF根基不能掩护图象的细节，AFM、FSM能够或许或许或许或许或许或许或许或许恰当地掩护图象的细节，可是噪声点还是良多，论文算法能够或许或许或许或许或许或许或许或许很好地掩护图象细节并去除噪声。
接纳峰值信噪比（PSNR）归一化均方偏差（NMSE）怀抱处置图象功效的口角，界说以下：
（8）
（9）
式中y（i，j）表现去噪后的图象各像素点的灰度值，I（i，j）表现原始无噪图象各像素点的灰度值。M、N别离表现图象的高和宽。表1为几种算法的NMSE比拟，表2为几种算法的PSNR的比拟。
各类算法的NMSE如图5所示，各类算法的PSNR如图6所示。
从表1、表2、图5和图6能够或许或许或许或许或许或许或许或许看出论文算法去噪和其余算法比拟上风很是较着。在插手小于40%的噪声时各算法的去噪功效差别不是很大。跟着噪声的加大，其余算法处置才能较着降落，可是论文算法却到达一种趋衡的状况。
表1 几种算法的NMSE比拟
噪声密度/
% 差别算法处置的NMSE
SMF AFM EDPA 论文算法
10 0.0022 0.0006 0.0012 0.0006
20 0.0048 0.0014 0.0021 0.0011
30 0.0171 0.0022 0.0029 0.0021
40 0.0457 0.0042 0.0066 0.0041
50 0.1096 0.0097 0.0149 0.0042
60 0.2156 0.0267 0.0271 0.0043
70 0.3673 0.0712 0.0734 0.0044
80 0.5661 0.1791 0.1578 0.0047
90 0.7968 0.4175 0.3785 0.0051
表2 几种算法的PSNR的比拟
噪声密度/
% 差别算法的PSNR
SMF AFM EDPA 论文算法
10 32.2789 37.4440 36.7873 37.4440
20 28.8538 34.3215 33.2178 35.2321
30 23.3064 32.2061 30.1963 32.2624
40 19.0506 29.4123 27.2338 29.4182
50 15.2454 25.7989 23.7133 29.4086
60 12.3090 21.3828 20.7634 29.3226
70 9.99450 17.1203 17.2960 29.1659
80 8.11600 13.1141 13.4691 28.9376
90 6.63180 9.43800 10.2843 28.5508
图5 各类算法的NMSE
图6 各类算法的PSNR
3 竣事语
本文在AFM算法的底子上提出了一种自顺应双阈值恍惚中值滤波算法。和其余去噪算法比拟，论文算法具备极强的去噪性，同时很好地掩护了图象的细节，并且算法具备稳定性，是去除椒盐噪声的好算法。
参考文献：
[1] Pitas I， Venetsanopoulos A N. Order statistics in digital image processing[J]. Proceeding of the IEEE， 1992，80（12）： 1893-1921.
[2] H Ibrahim， K K V Toh， M N Mahyuddin. Salt-and-pepper noise detection and reduction using fuzzy switching median filter[J]. IEEE Transaction on Consumer Electronics， 2008，54（4）： 1956-1961.
[3] K K V Toh， N A M Isa. Noise Adaptive Fuzzy Switching Median Filter for Salt-and-Pepper Noise Reduction[J]. IEEE Signal Processing Letters， 2010，17（3）： 281-284.
[4] Nibong Tebal， Penang. Fuzzy Multipass Filter for Impulse Noise Removal in Digital Images[C]. Signals and Information Technology， 2013.
[5] M E Yuksel. A hybrid neuro-fuzzy filter for edge preserving restoration of images corrupted by impulse noise[J]. IEEE Transactions on Image Processing， 2006，15（4）： 928-936.
[6] S Schulte， M Nachtegael， V D Witte， et al. A fuzzy impulse noise detection and reduction method[J]. IEEE Transactions on Image Processing， 2006，15（5）： 1153-1162.
[7] T Palabas， A Gangal. Salt and pepper noise reduction in images using adaptive fuzzy filter[C]. SIU， 2012： 1-4.
中图分类号：TN911.7；TU311文献标识码：A 文章编号：
Abstract: The video image vibration testing technique, based on common USB digital camera and PC, is introduced in the paper. The first order modal parameters of the simple beam model is identified adopting the video image vibration testing technique, and comparing the result with the DASP and traditional vibration test Method. Based on Matlab software, the program is developed to obtain structural vibration displacement curves. And the simple beam model of the natural frequencies, damping ratios and mode shapes is determined using modal analysis. The test results show that the vibration testing technique is feasible for low frequency vibration system.
朗诵
显现对应的拉丁字符的拼音
Key words: digital video; polynomial fitting; simply supported beam model; modal parameter;vibration testing
图象丈量手艺[1]表现出其非打仗式、无装备消耗、外表全标准、反复可比性好、情况顺应性强、无负载效应等长处，不只合适静态丈量，也可知足静态丈量请求，对布局可完成全域高密度检测。数字图象丈量手艺比来几年来生长敏捷，其对布局边缘辨认精度可到达0.05像素，如刘敏提出辨认布局一维大变形的数字图象边缘检测法[2]，袁茂发提出的一维DIC法检测布局边缘变形[3]，胡朝辉提出布局振动测试的视频图象手艺测试方式 [4]。
本文以数字图象丈量手艺为现实根据，接纳通俗数码摄像头和PC机作为硬件装备与matlab软件相连系而成的视频图象振动测试的体系[5]，操纵该测试体系在测验考试室停止简支梁模子的振动丈量尝试，功效标明对低频布局的振动丈量接纳该测振体系是可行和可托的。
视频图象振动测试体系简介
视频图象停止振动丈量的道理是：操纵通俗USB摄像头及时拍摄并记实被测东西振动状况下的时辰序列图象，对图象用数字图象处置手艺处置，取得测试东西准静态的变形序列，进而取得被测东西的振动轨迹。详细测试流程如图1所示：
图1测试流程图
模子尝试及功效阐发
2.1 尝试Ⅰ
接纳梁长L=2.1m等截面匀质资料，两头铰支，单位长品德为160g/ m，抗弯刚度EI=21.5N.m2；梁体外表滑腻平坦，色彩为纯玄色，背景色彩取为红色，拍摄光阴照条件杰出，以有利于边缘辨认。尝试简图如图2所示。
图2尝试Ⅰ简图
振动尝试起头后，对梁停止鼓励，收罗振动稳定后振动状况，采样时辰为5s，操纵matlab法式处置图象序列[5]，取得各像素点的振动旌旗灯号，局部功效列于表1中。
表1 实测振动频次与阻尼比
简支梁模子的现实固有频次： ，用数字图象丈量所取得的梁的一阶频次为4.1016，偏差为0.7%，故数字图象法在桥梁测试中的数据是实在可托的。
2.2 尝试Ⅱ
梁长L=2.1m等截面匀质资料，两头铰支，单位长品德为160g/ m，抗弯刚度EI=21.5N.m2；同时接纳DASP能源测试体系停止数据收罗和处置，尝试简图如图3所示。测试功效比拟如表2及图4―图7所示。
图3尝试Ⅱ简图
表2 视频图象和传统测试实测频次对照表（Hz）
图4视频图象测试拟合差别像素点的一阶图5传统测试前三阶的振型图
本次尝试经由进程用接纳DASP能源测试体系来考证数字图象法，两者功效很附近，梁的一阶频次功效比值仅为1.038，详细如表2所示。
论断与倡议
简支梁模子动载尝试功效标明：
（1）对静态位移的丈量，尝试数据均较公道，简支梁模子的二次尝试均测出了布局的一阶模态参数，经由进程考证，丈量功效也实在可托，是以以为数字图象振动手艺可用于低频振动布局的测试；
（2）可是二次尝试均未测出二阶模态参数，经阐发以为能够或许或许或许或许或许或许或许或许的缘由有：呼应谱对应二阶频次处的幅值太小和鼓励点拔取地位不恰当乃至未能鼓励出其二阶模态，通俗摄像头信噪比低而没法辨认也是缘由之一。
（3）经由进程与传统的DASP能源测试体系尝试对照，申明绝对传统测试方式，数字图象振动测试手艺精度较好；可是传统方式可测得前三阶模态，申明该方式测试分辩率与传统方式有必然的差异；故对高频、高阶的布局振动测试，能经由进程高速、高清的图象收罗装备，进步其测试分辩率 。
参考文献：
[1] 张红娜,王祁.图象丈量手艺及其操纵[J].电测与仪表，2003，451(40):19-22.
1 数字图象处置及FPGA手艺简介
1.1 数字图象处置道理简介
图象处置手艺是本世纪信息迷信方面生长最敏捷的标的方针之一，数字图象处置的手艺具备现实的研讨代价。数字图象处置手艺是指操纵图象旌旗灯号转化为数字旌旗灯号并停止数字化处置这一手腕把输出图象转换成具备所但愿特色的别的一幅图象的进程，经由进程转化，使得图象的信息数字化，可计较化，调和顺应此刻的各类数字化体系。比来几年来，跟着图象传感器趋于高集成度和低本钱和数字硬件的敏捷生长，高品德、高速率、高及时性的数字图象处置手艺愈来愈遭到接待。公用集成电路ASIC和数字旌旗灯号处置器DSP，在两种方面冲破研讨，一是转变图象处置算法，简化算法进步处置速率；二是转变完成算法的手腕。DSP处置速率较之前的数字芯片有了大幅改良，但其体系还是串行指令体系，其牢固算法仍不能知足浩繁算法的须要。
1.2 现场可编程门阵列（FPGA）器件手艺
此刻较为风行的一种半定制的数字芯片是现场可编程门阵列（FPGA）器件，它是一种高密度可编程逻辑器件，由大批逻辑宏单位组成，经由进程各类法式参数的设置装备摆设，能够或许或许或许或许或许或许或许或许阐扬这些逻辑单位的各自功效，组合出希冀的全体功效和功效，这些设置装备摆设数据寄存在片内的SRAM中或是片外的EPROM或其余存储体中，设想者能够或许或许或许或许或许或许或许或许现场点窜器件的逻辑挨次，并且静态编程和静态体系重置功效也取得了充实的阐扬也操纵，基于组合逻辑下的功效让硬件模块能够或许或许或许或许或许或许或许或许像软件代码一样便利点窜调试。
2 基于FPGA的数字图象处置算法研讨
2.1 及时图象处置算法
及时图象处置体系和图象处置的首要算法有4类：图象数据的预处置，图象智能辨认，东西检测和活动东西检测。在及时图象处置体系的背景处置中，比阐发情况简略、静态图象难度要更具备庞杂性，如在数字图象旌旗灯号的传递进程，中间进程传感器和传输信道的噪声的频仍产生，这让暂未取得处置的原始图象旌旗灯号变的加倍难以阐发，并且自身存在必然水平的噪声。通俗图象旌旗灯号的锐化手艺处置也将引入噪声，偶然会加强原始图象的噪声。是以，有须要在图象阐发处置之前和进程中对图象的噪声停止滤除，并对图象特色停止加强，消弭噪声和加强图象这两大关头步骤即为数字旌旗灯号图象的预处置进程。
2.2 图象空域滑腻算法
图象滑腻处置的的首要方针是为了降落乐音搅扰，今朝支流的两种算法是的空间域均匀算法和中值滤波算法。对含有噪声的原始图象的每一个像素都接纳了对应的邻域，将计较出的均匀值作为均匀空间域中图象像素值停止图象处置。空间域均匀算法对高斯噪声消噪功效较好，但处置脉冲噪声降噪功效很差。中值滤波的本色是一种非线性处置方式，首要的道理操纵了挨次统计思绪，这类方式的道理是在第一步骤中付与一个像素作为邻域的中间，挑选方形邻域后，第二步骤便是对规模内各像素灰度值停止排序处置，排序今后取得数列的中间值，其中间批改值被记为中间像素的灰度值，在现实操纵中个，中值滤波算法消弭脉冲噪声具备更好的功效。
2.3 图象空域锐化算法
图象锐化的首要方针是使原图象外表恍惚或显现边缘不较着的变得清楚，凸起细节。停止锐化处置的条件底子是：原始图象必须具备有较高的信噪比，若不较高信噪比，颠末图象锐化处置后，图象信噪比会大大降落，这很是倒霉于图象的清楚显现处置。凡是的做法是先去除或降落噪声，使得图象具备更高的信噪比后，再停止前期的锐化处置。
图象锐化处置今朝支流有两种方式：高通滤波法和微分法。微分法属于图象空域锐化，今朝经常操纵的两种方式是梯度锐化和拉普拉斯锐化。
2.3.1 梯度锐化
梯度锐化准绳：图象变更速率值小的对应于一个较小的梯度，全体会显得比拟暗。是以，梯度锐化的惯例思绪是操纵门限方式来鉴定，从而停止梯度锐化优化，也便是先付与一个预约的阈值，若是该节点的梯度小于阈值时，原始灰度被坚持恒定；若大于阈值时，在这一点上的灰度校订值能够或许或许或许或许或许或许或许或许用微分法处置取得。
2.3.2 拉普拉斯运算
拉普拉斯运算是偏导数运算的线性组合，拉普拉斯算子是一种各向异性的微分算子，其特色包罗扭转稳定性。拉普拉斯运算完整能够或许或许或许或许或许或许或许或许转换成模板运算，并且对图象中的伶仃点和短点反映较为敏感，比方在较暗的图象中呈现的个体亮点，这些亮点处灰度产生跳变，经由进程拉普拉斯运算将会使这些亮点亮度加强，这一功效经常操纵于边缘检测。固然，拉普拉斯运算同梯度锐化一样，在加强图象的同时会加强噪声，是以在锐化前能够或许或许或许或许或许或许或许或许前进前辈行图象滑腻处置。
3 总结
本文以基于FPGA的高速图象处置算法为研讨主体，对图象处置中手艺的流水线完成、图象空域滑腻算法、图象空域锐化算法停止对照阐发。图象滑腻算法削减噪声的功效要加倍优化，滑腻算法的中值滤波算法在消弭脉冲噪声中功效加倍凸起。空间域均匀算法首要对高斯噪声的消噪功效较好，对脉冲噪声消噪功效通俗。图象空域锐化算法能够或许或许或许或许或许或许或许或许是本来边缘恍惚的图象清楚化，条件须要有较高信噪比，以是通俗是前进前辈行去除噪声，进步信噪比今后停止锐化处置，锐化算法中的梯度锐化、拉普拉斯运算算法都在基于FPGA的数字图象处置的体系算法中功效较着。
参考文献
[1]李冬.基于FPGA的数字图象处置的研讨[D].安徽理工大学硕士学位论文，2009.
