时间：2023-04-03 10:01:57
序论：速发表网结合其深厚的文秘经验，特别为您筛选了11篇图像处理技术论文范文。如果您需要更多原创资料，欢迎随时与我们的客服老师联系，希望您能从中汲取灵感和知识！
计算机图像处理技术是通过计算机对图像分析处理达到需要的结果的一项技术。一般被称作数字图像处理，通过扫描、摄像机等设备经过数字化之后得到二维数组，就是像素。计算机图像处理技术主要包括以下三个部分：（1）图像增强与复原：由于需要改进图片的质量，这就需要对图片进行图像增强，通过低通滤波可以将图片中的噪音去掉；通过高通滤波可以将边缘等高频信号进行增强，使图片清晰。复原则是在已知模型的特定模糊和噪音程度情况下估计出原来图像的技术。（2）图像压缩：由于图像的数据比较巨大，对图片储存和传输都比较困难，因此，需要对图像进行压缩，以节省存储空间和减少传输时间。图像压缩分为对静态图像的不失真压缩方法和用于动态图像的近似压缩方法。（3）图像匹配、描述与识别：这是图像处理的主要目的，得到不再是具有随机分布性质的文件，而是具有明确意义的符号、数值构成的图形。
3计算机图像处理技术的主要应用领域
3.1计算机辅助设计与制造技术
这项技术学科交叉、知识比较密集、应用范围比较广泛，是综合性应用技术，由计算机与制造工程两个技术相互渗透，相互结合。是先进技术的重要组成部分，计算机辅助设计与制造技术是一个国家工业现代化与科技水平的主要衡量标准之一。这项技术在工业领域中最主要的代表就是CAD与CAM这两项实用工具。同时，在建筑设计、装潢设计等领域也应用广泛，也可以用来进行对飞机、汽车等工具的外形设计。当然，在其他方面也应用广泛，而且得到的效果非常好，比如：电路板的印刷、网络分析等等方面。
3.2遥感图像处理系统
遥感技术的发展推动了高质量的不同波段遥感数字图像被广泛运用于农林牧副渔等行业的科技现代化之中。图像处理在遥感技术领域有着十分重要的地位，将来会形成快速成像与信息自动化提取系统，而这个系统也是以图像处理为主。遥感图像处理技术功能将会不断完善，得到更大的发展。
4计算机图像处理技术的发展前景
现代科技的进步使计算机技术得到快速的发展，也就使计算机技术运用在图像处理中有了可能，并且在图像处理中产生了很重要的影响。现在人们对图像的要求越来越高，想要满足人们越来越高的要求，就必须不断进步、不断创新。计算机技术将会越来越广泛的运用于社会中，图像处理技术也会越来越依赖计算机。随着大量的成熟软件的不断被研发，既有专业软件，也有普通软件，可以满足所有人的要求。技术人员应该开发新技术来满足更多、更复杂的图像处理要求，使图像更加的丰富多彩。
0引言
全息技术是物理学中一重要发现，越来越多的应用于各个行业。伴随着CCD技术和计算机技术的发展，全息技术也得到一次质的飞跃，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涉得到全息照片来记录光的振幅和相位信息，而数字全息则用CCD记录物光和参考光的干涉，形成数字全息图，再通过计算机图像处理技术处理全息图。因此，影响数字全息技术发展有两个重要方面：CCD技术和计算机图像处理技术。本文将从计算机应用方面阐述图像处理技术在全息中的应用。
1图像处理技术
图像是现代社会人们获取信息的一个主要手段。人们用各种观测系统以不同的形式和手段获得图像，以拓展其认识的范围。图像以各种形式出现，可视的、不可视的，抽象的、实际的，计算机可以处理的和不适合计算机处理的。但究其本质来说，图像主要分为两大类：一类是模拟图像，包括光学图像、照相图像、电视图像等。它的处理速度快，但精度和灵活性差。另一类是数字图像。它是将连续的模拟图像离散化后处理变成为计算机能够辨识的点阵图像。从数字上看，数字图像就是被量化的二维采样数组。它是计算机技术发展的产物，具有精度高、处理方便和重复性好等特点。
图像处理就是将图像转化为一个数字矩阵存放在计算机中，并采用一定的算法对其进行处理。图像处理的基础是数学，最主要任务就是各种算法的设计和实现。目前，图像处理技术已经在很多方面有着广泛的应用。如通讯技术、遥感技术、生物医学、工业生产、计算机科学等等。根据应用领域的不同要求，可以将图像处理技术划分为许多分支，其中比较重要的分支有：①图像数字化：通过采样和量化将模拟图像变成便于计算机处理的数字形式。③图像的增强和复原：主要目的是增强图像中的有用信息，削弱干扰和噪声，使图像清晰或将转化为更适合分析的形式。③图像编码：在满足一定的保真条件下，对图像进行编码处理，达到压缩图像信息量，简化图像的目的。以便于存储和传输。④图像重建：主要是利用采集的数据来重建出图像。图像重建的主要算法有代数法、傅立叶反投影法和使用广泛的卷积反投影法等。⑤模式识别：识别是图像处理的主要目的。如：指纹鉴别、人脸识别等是模式识别的内容。当今的模式识别方法通常有三种：统计识别法、句法结构模式识别法和模糊识别法。⑥计算机图形学：用计算机将实际上不存在的，只是概念上所表示的物体进行图像处理和显现出来。
2计算机图像处理技术在全息学中的应用
图像处理技术在全息中的应用主要表现在：一是计算全息，基于计算机图形学将计算机技术与光全息技术结合起来，通过计算机模拟、计算、处理，制作出全息图。因此它可以记录物理上不存在的实物。二是利用图像的增强和复原，图像编码技术等对数字全息图像质进行提高以及实现的各种算法。它的应用大致可以分为两大类，即空域法和频域法：①空域法：这种方法是把图像看作是平面中各个像素组成的集合，然后直接对这一二维函数进行相应的处理。空域处理法主要有下面两大类:一是领域处理法。其中包括梯度运算(GradientAlgorithm)，拉普拉斯算子运算(LaplacianOperator)，平滑算子运算(SmoothingOperator)和卷积运算(ConvolutionAlgorithm)。二是点处理法。包括灰度处理(greyprocessing)，面积、周长、体积、重心运算等等。②频域法：数字图像处理的频域处理方法是首先对图像进行正交变换，得到变换频域系列阵列，然后再施行各种处理，处理后再反变换到空间域，得到处理结果。这类处包括:滤波、数据压缩、特征提取等处理。
3模拟实验
本文运用matlab软件，利用图像处理技术，编写了程序，以模拟计算全息和实现全息图像的滤波。图1是计算全息实现流程图。
本文将运用matlab程序设计语言实现计算全息的制作、再现过程。标有“涉”一字，图像尺寸为1024像素×1024像素；。模拟实验中用到的参数为：激光模拟了氦氖激光器，波长为638.2nm；再现距离为40cm；因为原始物图的尺寸用像素为单位表示，所以像素分辨率为1。
从模拟实验中可以看出，数字全息的处理过程其实就是计算机图像处理在全息技术的应用过程。利用计算机图像处理技术对全息图进行了记录，将物光和参考光干涉得到了全息图。并利用图像的增强和复原对图像进行了处理，以消除噪声，得到更好的全息再现象。
本文仅模拟了计算全息的实现和再现过程，其实，计算机图像处理在全息技术中的应用是全方位的，用实验方法得到的全息图中包含了更多的其他无用信息（噪声），图像处理技术在这里就显得尤为重要。随着计算机图像处理技术的进一步发展，全息技术必然会迎来新的一轮发展和飞跃。超级秘书网：
参考文献：
[1]周灿林，亢一澜.数字全息干涉法用于变形测量.光子学报，2004，13（2）：171－173.
2计算机图像处理技术在网页设计中的应用
在网页设计的过程中，图像的处理和美化是其中最重要的环节之一，在一些较为复杂的网页中，可能会包含一些动态的图像以及flash元素等，这些元素的存在无疑增加了网页的特色，同时，也会提高客户体验，为了保持这些元素的鲜明性就需要将计算机图像处理技术很好的应用到网页设计中，提高网页质量的同时，增加网页的特点。
2.1满足网页设计中对于图片格式的需求
满足网页设计中对图片格式的需求是网页设计过程中最基础的环节，在网页设计中，需要各种不同的元素来组成一个完整的、特色鲜明的网页，从而让浏览者瞬间获取自己所需要的信息和资源，同时，网页设计必须具有一定的便捷性，这样才能有效的增加用户体验，同时增强用户浏览体验的感受，由此可见，图像的处理是网页设计中最基础的内容，所以，计算机图像处理技术首先需要处理的就是网页设计中的图像问题，其中jpeg是最为常用的图片格式，而gif可以实现图像的动态效果，由于这两种的网络图像格式所需要的参数和规格是不尽相同的，所以在应用计算机图像处理技术时，应该满足其格式的不同需求。
2.2对网页设计中图像的大小进行控制
众所周知，计算机的长度和宽度是有限的，这在一定程度上就决定了网页设计的图像也应该是有一定的规格，同时，为了保障网页浏览的清晰度和流畅度，就需要对网页中的图像进行一些特定的处理来限制其图像的大小，由于图像的大小与其所展现的清晰度有直接关系，所以，需要借助计算机图像处理技术来进行处理，以此来缓解清晰度和图像大小之间的矛盾，在追求图片高清晰度的同时，提高网页加载的速度和质量，同时提高网页浏览的效果。计算机图像处理技术主要是一种针对jpeg图片进行处理来权衡加载速度和网页浏览效果的一种技术，从而提高网页设计的浏览效果和网页质量。
2.3对网页设计进行进一步的开发
只有综合运用计算机图像处理技术对网页设计进行进一步的开发和应用，才能从根本上提高网页设计效果，近年来，计算机图像处理技术主要是以软件为主，photoshop是目前最为常用的图片处理软件，但是，随着网页设计的不断普及和发展，出现了更多网页个体设计者，为了满足不同个体对网页设计的个性化需求，同时带动个体成为网页设计的主流，丰富网页的内容和色彩，就需要适当的降低计算机图像处理技术的技术水平，以此满足社会大众的需求，其中photoshop的图片处理功能相对强大，但是photoshop主要是针对专业的网页设计人员开发的一种技术处理软件，所以，对于那些非专业的网页设计者，这个软件具有一定的难度，这在一定程度上限制了网页设计的普及和发展，所以，为了满足更多网页开发者的设计体验，要不断开发出一些相对简单和实用的计算机图像处理技术，进而推动计算机图像处理技术的革新和技术升级。
医学图像处理技术包括很多方面,如:图像恢复、图像重建、图像分割、图像提取、图象融合、图象配准、图像分析、图像识别等等。进行医学图像处理的最终目的是实际应用于医学辅助、工业区生产、科学研究等方面,所以其具有较广泛的应用价值和研究意义。医学图像处理的对象是各种不同模态的医学影像。在医学临床的使用中,医学影像主要有超声波(UI)、X-射线(X-CT)、核磁共振成像(MRI)、核医学成像(NMI)等。随着计算机技术的发展,医学影像技术已成为一门新兴交叉学科,目前是计算技术与医学结合技术中发展最快的领域之一。借助有力的医学图像处理技术手段,极大的改善了医学影像的质量和显示方法,其成果使临床医生能更直接、更清晰地观察人体内部组织及病变部位,确诊率也得到了提高。这不仅使医学临床诊断水平在现有的医疗设备的基础上得到极大地提高,并且能使医学研究与教学、医学培训、计算机辅助临床外科手术等实现数字化应用,从而为医学研究与发展提供坚实的基础,在医学应用中具有不可估量的实用价值。
医学图像与普通图像相比,具有以下几方面的特点(1)医学图像具有灰度上的含糊性。表现为两方面:一方面是由于成像技术上的原因带来的噪声扰,往往使物体边缘的高频信号被模糊化;另一方面,由于人体组织的螺动等现象会造成图像在一定程度上产生模糊效应。(2)局部体效应。处于边界上的像素中,通常同时包含了边界和物质,使得难以精确地描述图像中物体的边缘、拐角及区域间的关系,加之假如出现病变组织,则其会侵袭周围正常组织,导致其边缘无法明确界定。
1.2论文的研究目标及工作
1.2.1论文主要涉及的三方面基础理论
论文主要涉及马尔科夫随机场(MRF)理论、模糊集理论及Dempster-shafe证据理论三个方面的基础理论,下面分别作介绍:1)马尔科夫随机场(MRF)理论基于随机场的图像分割方法是一类考虑像素点间的空间关联性的统计学方法。其实质是从统计学的角度出发,将图像中各像素点的灰度值看作是具有一定概率分布的随机变量,从而对数字图像进行建模。Cristian Lorenz等人,在医学图像分割中提出了一种可应用于任意拓扑结构的新型统计模型。根据马尔科夫随机场图像模型,利用最大后验概率准则(MAP),提出一种迭代松弛算法。MRF模型能够区分不同纹理的分布,其特别适用于纹理图像的分割。但使用MRF模型进行分割的关键问题在于参数估计,所以分割的效果往往取决于对参数估计的准确度。为此通常在分割与参数估计间进行轮流迭代计算,例如:先初始化参数,在此基础上分割,再利用分割的结果对参数进行进一步的估计,然后再分割,如此直到满足收敛条件。然而此类方法只能利用单一的图像信息,不能综合利用多种图像信息。
第二章马尔科夫随机场(MRF、理论及其应用
马尔科夫随机场简称,是英文Morkov Random Fields的缩写。它包含了两层意思:一个是马尔科夫(Morkov)性质;一个是随机场性质。它是基于统计学的分割方法在医学图像分割的应用中,最为常用的一种方法。图像具有高度的空间信息相关性,而马尔科夫随机场(肿)恰好具有有效描述空间信息相关性的特点,加之其具有完善的数学理论和性质,所以广泛的被应用于图像的处理中,如:图像的恢复、纹理的提取、模板的匹配和图像的分割等。娜于图像的分割,对噪声有很好的抑制作用;同时是基于模型的方法,所以容易与其它方法结合是它的优点。在本文中主要用于脑部—图像的预处理及前期的分割。下面介绍马尔科夫随机场(MRF )的基本理论及其在本文中的应用。
2.1马尔科夫随机场CMRF )基本理论
2.1.1一维马尔科夫(MARKOV)随机过程
过程(或系统)在Zg时刻(即? = /q)的状态己知,若过程在/Q后面的时刻,即的状态与过程在时刻之前(即
2.2图像中马尔科夫随机场、MRF )模型的建立
2.2.1邻域系统与势团(Cliques)
由本文2.1.2小节中马尔科夫随机场(娜)的定义中,任何满足条件1)非负性的概率都由条件2)中的描述马尔科夫(MARKOV)性的条件概率所唯一确定。条件2)中的条件概率所描述的也称为随机场F (本文中也即数字图像)的局部特性。而条件2)中的条件概率的直接求得是很困难的,由概率论中条件概率的公式可知要求的尸C/i 需要知道即需要知道随机场的联合分布,而马尔科夫随机场)是用条件概率来定义的,不能很好反映的联合分布。也就意味着由马尔科夫随机场(MRF )的局部特性来定义整个场的全局特性是存在困难的。以上问题的解决要归功于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 )的等价关系,从而可以用吉布斯(Gibbs)分布来求解中的概率分布问题。
1.1论文研究的目的和意义………………1
1.1.1医学图像处理的特点及重要性……………… 1
1.1.2医学图像分割中存在的问题、现状及发展………2
1.1.3医学图像分割的方法………………
1.2论文的研究目标及工作………………6
1.3本文组织结构………………9
第二章马尔科夫随机场(MRF、理论及其应用………………11
2.1马尔科夫随机场、MRF )基本理论……………… 11
2.2图像中马尔科夫随机场QMRF )模型的建立………12
2.3估计准则与优化算法………………16
1引言
烟叶是烟草工业的基础原料， 对烟草工业生产质量和烟草行业经营效益具有举足轻重的作用。对烟叶生产过程的各个环节包括烟叶品质的智能识别进行技术创新，提高品质和效率，是一个前沿研究方向[1][5]。
当前这一方面的研究，主要集中在数字图像处理方面，把烟叶品质的数字图像处理与神经网络技术相结合，实现烟叶品质的智能识别，是一个极有价值的工作。以下在此方面作出一个系统的、较为完备的、易于实际操作的研究。
2主要技术手段
2．1 MAⅡAB图像处理工具箱
在MATLAB平台上，借助图像处理工具箱，可以简易明快地实现对烟叶数字图像的图像处理。在烟叶生产一线，用数码照相机对各种烟叶样本进行拍照，输入计算机，用MAT_LAB将它转换为各(．bmp；．jpeg；．gif；．png；．t 图片以便进行图像处理。成本低，精确度高，宜于普及推广。获取各种类型的烟叶数字图像以后，经阈值使用权图像二值化，可以当即辨识出这一图像是否具有何种类型的病虫害或品质异变。利用烟叶数字图像的边缘检测、轮廓提取等分析命令，获得待测烟叶的图像参数和特征，再由神经网络技术，完成对烟叶品质的智能识别。
2．2神经网络技术
神经网络是一个新的智能识别工具。毕业论文 经过训练的神经网络能够存储与过程有关的信息，能直接从历史数据中学习，经过用各种烟叶样本训练和学习的神经网络，能自动地识别出待测烟叶样本的品质类型。而且，神经网络具有滤除噪声及在有噪声情况下得出正确结论的能力。这一点对于烟叶生产实际中大量存在各种噪声信息的情况而言，特别重要。它特别适合在线识别。
3应用MATLAB图像处理工具箱和神经网络技术对烟叶品质智能识别的操作过程
3．1烟叶图片样本库的建立
用数码相机或其它数字图像采集工具，采集各种类型的烟叶的标准图片，分类归档，借助MATLAB图像变换功能，将各种类型的烟叶的标准图片，转换成各种图片形式：．bmp；．jpeg；．sir；．png；．tif等，以便随时调用。这些烟叶图片，有不同品质的样本；还有各种病虫害标本和变异标本。
3．2用直方图均衡来实现图像增强
当从生产一线采集的烟叶待测样本的图像对比度较低，硕士论文 即灰度直方图分布区间较窄时，可用直方图均衡实现灰度分布区间展宽而达到图像增强的效果。
3．3烟叶图像的边缘检测和特征提取
烟叶图像的基本特征之一是图像边缘。图像边缘是图像周围像素灰度有阶跃性变化或屋顶变化的像素的集合。烟叶的边缘是由灰度的不连续性所致，因此考察图像每个像素在某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律可以检测烟叶图像边缘。图像特征反映烟叶的几何结构，如面积、周长、分形分维数、孔洞数、欧拉数等等。图像特征的选择是图像识别的重要环节。运用二叉分类法在找出判别特征后，对不同的图像特征由分类阈值按二分的方法进行分类；运用相似距离分类方法把待判图像与一个标准图像相比，标准图像用样本图像特征向量的均值来表示。通过计算待判图像与标准图像之问的在相空间中的距离来判别图像和进行分类。这一过程还为用神经网络技术实现对烟叶品质进行智能识别作出必要的准备。
3．4数字图像矩阵数据的显示及其傅立叶
变换这一变换的目的是为提取特征、进行神经网络模式识别等作出必要的准备。
转贴于 3．5直方图均匀化
这是使烟叶图像性质更为优良而采取的一个技术操作，源代码如下：
I=imread ("yangshuo．tif')；imshow (I)；
figure，imhist(I)；
[J，T]=histeq (I，64)；
％图像灰度扩展到0-255，但是只有64个灰度级
figure，imshow (J)；
figure，imhist(J)；
figure，Dlot((0：255)／255，T)；％转移函数的变换曲线
J=histeq (I，32)；
figure，imshow 0)；
％图像灰度扩展到0～255，但是只有32个灰度级
figure，imhist(J)；
3．6采用二维中值滤波函数对受椒盐噪声干扰的图像滤波
MATLA图像处理工具箱具有强大的功能，能够对噪声干扰的烟叶图片进行消噪处理，模拟源代码如下：
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])；
％窗口大小为3x3
figure．imshow (I Fiher1)；
I_Filter 2=medfdt2 （J2，[5， 5])；
％窗口大小为5x5
figure，imshow (I_Filter2)；
I_Filter3=medf'dt2 （J2，[7， 7])；
％窗口大小为7x7
figure，imshow (I_Filter3)；
3．7用神经网络技术对烟叶图像进行智能识别
神经网络作为一种自适应的模式识别技术，并不需要预选给定有关模式的经验知识和判别函数，它能通过自身的学习机制自动形成所要求的决策区域。网络的我由其拓朴结构、神经元特性、学习和训练规则所决定，它可以充分利用状态信息，对不同状态一一进行训练而获得某种映射关系，并且，网络可以连续学习，即使环境变异，这咱映射关系可以自适应调整。在上面各节获取烟叶图像特征基础之上，可以用神经网络技术进行图像模式识别。例如，基于概率神经网络PNN的烟叶品质智能识别，它的主要优点是：快速训练，训练时问仅略大于读取数据时间；无论分类多么复杂，只要有足够的训练数据(而这是烟叶生产一线可以做到的)，就可以保证获得贝斯叶准则下的最优解，允许增加或减少训练数据而无需重新进行长时间训练。这一神经网络对于烟叶品质的图像识别，具有重要意义。 4结论
基于计算机视觉和神经网络技术的烟叶品质识别的数字图像处理方法，医学论文 是烟叶生产环节的一种技术创新，它可以在烟叶生产一线普及推广，简便易行，能够较大地提高烟叶品质检测的效率和质量，以及自动化程度和智能化水平。
参考文献
在工业生产中，测量是进行质量管理的手段，是贯彻质量标准的技术保证。机械零件的尺寸检测作为产品加工的一个关键环节，其检测结果不仅影响产品的质量，而且对后续零件的再加工和装配产生决定性的作用。目前，常规的零件尺寸测量手段主要采用游标卡尺、激光测量仪和轮廓仪等完成检测环节。以上零件尺寸测量方法要么受测量工具限制，其测量精度有限；要么检测仪器过于昂贵且操作复杂，同时其准确率往往受人为因素的影响。
鉴于当前机器视觉技术的快速发展以及其在工业检测方面的成功应用，论文构想利用摄像机替代人眼，让计算机替代人脑，从而研制出一套针对零件常规尺寸的自动化y量系统。
1 系统概述
在充分遵循系统的完整性、可靠性、经济性和实时性等原则的基础上，本文设计出了一套基于机器视觉的零件常规尺寸测量系统。该测量系统主要由图像摄取、图像处理、图像特征提取和分析、图像常规尺寸测量和结果输出几部分组成。其工作原理图如图1所示。
2 硬件设计
基于机器视觉的零件常规尺寸测量系统的硬件主要包括：照明装置、摄像机、计算机和透明工作台。各部件的主要功能是：照明装置主要为零件图像采集提供合适的光照环境；摄像机用来采集零件数字图像并传送到计算机，然后保存为相应图片格式；计算机通过系统软件实现对零件图像的预处理、边界提取、特征提取、相机标定和常规尺寸计算；透明工作台用来承载被测零件。
3 算法设计
图像处理算法对机器视觉测量系统会产生决定性的影响。为了能满足零件尺寸测量的要求，针对零件产品图像的特点，我们设计了一套合理的图像处理算法流程。其流程图如图2所示。
首先对获取的零件图像进行预处理，包括图像灰度化、图像去噪、图像分割和边界提取；然后提取零件的几何特征；最后通过对系统的标定，实现了零件图像常规尺寸的测量和结果显示。
3.1 图像预处理
3.1.1 图像灰度化
经过摄像机采集到的零件图像是24位真彩色RGB图像，该图像中的每个像素由R、G、B三个分量决定，而灰度图像的每个像素由一个值确定。为了减少后续操作过程中的计算量，需要对采集到的零件图像进行灰度化处理。
3.1.2 图像去噪
采集系统获取的待检零件图像由于受照明程度、环境温度、电源变化、电磁辐射和振动等随机因素的干扰，图像会包含大量的噪声，表现为图像模糊、失真和大量斑点等。为了消除和抑制噪声对零件图像后续处理的影响，必须对图像进行滤波处理。由于中值滤波既能消除噪声又能保持图像的细节，符合本系统检测的需求。
3.1.3 图像分割
在所采集到的零件图像中，我们只对零件区域本身感兴趣，对于图像中的其他要素则要尽量消除。图像分割就是指把图像分成各具特性的区域，并提取出感兴趣目标的技术和过程。经过大量的实验验证，本文采用迭代阈值分割法实现对零件图像的分割，达到了预期的处理效果。
3.1.4 边界提取
轮廓是对物体形状的有力描述，对图像分析和识别十分有用，而通过边界提取算法就可以得到物体的边界轮廓。目标图像边界提取的方法很多，主要包括链码表示法、标记图法以及多边形近似法等。论文采用8连通链码法对待测零件进行了边界提取，为后续零件尺寸的检测奠定了很好的基础。
3.2 图像分析
3.2.1 特征检测
要测量零件的尺寸，首先应该检测出零件所包含的直线和圆等基本的几何特征。目前常用的几何特征检测方法有Hough变换法、拟合法和模板匹配法等。本文采用最小二乘法实现了对直线和圆的拟合，其拟合具体过程如下：
（1）采用最小二乘法实现对直线的拟合。
（2）采用最小二乘法实现对圆和圆弧的拟合。
采用最小二乘法对圆和圆弧的拟合过程与直线的拟合求解过程类似。设所求拟合圆的方程为：。根据最小二乘法应满足的条件，可以求出拟合圆的三个参数：u、v和r。
这样，通过基于最小二乘法的直线和圆拟合方法，可以顺利检测到直线和圆弧几何特征，为后续零件尺寸的测量奠定了基础。
3.2.2 系统的标定
相机拍摄到的图像是以像素为单位的，要得到待检零件的实际尺寸，需要将像素尺寸转换为长度尺寸，这个过程称为系统的标定。本文使用0级精度量块，采用二次标定法实现了对系统的标定过程。被测零件的实际尺寸L与像素尺寸N之间应满足如下关系式：L=KN+b
式中，b为系统误差，K为标定系数；
在摄像机固定的情况下，求取参数K和b值的具体步骤如下：
（1）在被测位置放置一长度为L1的标准量块；
（2）对标准量块进行扫描、处理，得到对应的像素尺寸N1；
（3）在被测位置放置另一长度为L2的标准量块，重复步骤2，得到对应像素尺寸N2；
（4）求取参数值：
4 软件设计
本着稳定、可靠、合理、高效、简洁和易于操作的原则，我们采用面向对象的Matlab程序语言，实现了基于Matlab GUI的测量系统软件的设计。
本测量系统软件主要包括用户登录模块、文件管理模块、图像处理模块、参数设置模块、数据浏览模块和帮助模块等。其中，用户登录模块可以完成用户的注册、登陆、密码修改和账号管理；文件管理模块主要包括待测零件图像的打开、关闭和保存等功能；图像处理模块不仅包含文中所涉及到的算法，还增加了其他算法功能；参数设置模块可以实现对摄像机、零件和图像参数的设置；数据浏览模块可以完成对实时数据、历史数据和操作记录的查看；软件帮助模块主要用来说明软件的使用和系统的更新问题。
5 实验结果
为了验证测量系统的适应性、稳定性和可靠性，本文选用工作面距离为1.49mm的0级量块和直径为2.03mm的标准环规对系统进行了可靠性测试。实验的测量结果如表1所示。
采用概率与数理统计的方法对测量结果进行了处理。由处理结果可以看到，采用本测量系统，其测量精度可以达到微米级，可以满足在线实时测量的需要。
6 结论
作者设计了一套基于机器视觉的零件几何尺寸在线检测系统，克服当前人工检测的不足，提高了产品的检测精度。同时，完成了系统硬件、软件和图像处理算法的设计。实验结果表明：该测量系统的测量精度可以达到2um以下，满足零件尺寸非接触在线测量要求，具有很好的应用前景。
参考文献
[1]王保军.基于机器视觉的药瓶封装缺陷检测系统研究[D].沈阳：东北大学（硕士学位论文），2014.
[2]李岩，花国梁.精密测量技术[M].北京：中国计量出版社，2001.
[3]章毓晋.图像工程（上册）――图像处理和分析[M].北京：清华大学出版社，1999，5-120.
[4]张铮，王艳平，薛桂香.数字图像处理与机器视觉[M].北京：人民邮电出版社，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技术作为现代农业最前沿的发展领域之一，是当今世界发展农业信息化，实现农业可持续发展的关键和核心技术。数字农业要求快速、实时、准确和定位化的获取植物生长信息，而农业物联网技术要求植物信息可实时动态感知，显然，传统的实验室测量分析和信息获取方法已经不能满足数字农业和农业物联网技术的发展要求。因此，研究和开发植物生命信息快速无损检测技术和传感仪器等软硬件平台已经成为现代农业承待解决的关键问题[1]。
目前，国内在作物无损检测方面的研究仪器主要是依赖进口，而相应的软件也是伴随着仪器而购买。此类软件，一般价格昂贵，而且在自主研究平台中，因为无法取得源代码而无法使用或升级，从而出现研究瓶颈。在各类无损化检测技术中，随着计算机视觉技术越来越广泛的应用，对应的软件系统的开发迫在眉睫[2]。
正是基于这样的背景，我们通过对目前应用比较广泛的C#进行研究，利用C#强大的数据处理能力和良好的用户界面开发，并结合强大的图像处理能力，进行作物实时检测软件平台的自主设计与开发。
1 计算机视觉技术简介
计算机视觉也称机器视觉，是采用摄像机或者数码相机将被检测图像转化为数字信号，再采用先进的计算机软件技术对图像信号进行处理，从而得到所需要的各种目标图像特征值。并由此实现模式识别，坐标计算等功能。然后再根据其结果输出数据，发出指令，再配合执行机构完成好坏筛选，位置调整，数据统计等自动化流程。与人工视觉相比较，计算机视觉的最大的优点是快速、精确、可靠，以及数字化。
随着数字农业和农业物联网技术的发展，计算机视觉技术将越来越广泛的应用于农业生产中，而构成计算机视觉系统的软件系统是整个计算机视觉系统的灵魂。随着硬件技术的不断发展完善，计算机视觉系统其功能是否强大，可以说完全取决于软件系统的能力。
2 软件系统设计
2.1 C#与
C#是由微软公司开发的一种面向对象的新型编程语言，它是从C和C++ 中派生出来的，保留了C/C++原有的强大功能，并且继承了C/C++的灵活性。同时由于是MicroSoft公司的产品，它又同Visual Basic一样具有简单的语法结构和高效的开发能力，可以使程序员快速的编写出基于.NET平台的应用程序。
一个基于C#框架，专门为C#开发者和研究者设计和开发的，这个框架提供了丰富的类库资源，包括图像处理，神经网络，模糊系统，遗传算法，人工智能和机器人控制等领域。该框架架构合理，易于扩展，涉及多个较前沿的技术模块，为相关开发人员或科研人员的工作提供了极大的便利。本系统就是采用C#程序设计语言，通过调用该框架来实现作物无损检查系统的开发。
2.2 系统设计与实现
本软件系统是在数码相机拍摄的作物图像的基础上，采用图像处理方法进行特征提取与分析，从而实现作物的无损检测。主要分为图像输入，图像预处理，特征提取，特征分析几个模块。
1） 图像输入
将要分析处理的图像读取到系统中来，为后面图像处理作准备。C#提供了三个最重要的图像处理类，即Bitmap类、BitmapData类和Graphics类。三种图像处理的方法，即提取像素法、内存法和指针法。从执行效率和实现难度综合考虑，本系统的开发采用内存法。
2） 图像预处理
图像预处理主要包括图像的大小调整，形态矫正，平滑和去噪等，以降低环境对拍摄照片造成的不利影响。提供了多个类，可以对图像进行平滑去噪等操作，本系统中采用了中值滤波算方法，对应中的Median类。
3） 特征提取
特征提取分析，是整个系统的核心所在，需要选取合适的图像分割算法，对图像进行处理，提取目标区域，为特征分析作准备。在本系统中采用了阈值分割技术，因为这种算法相对来说比较直接并且易于实现。
采用阈值分割技术，首先，必需确定一个阈值作为图像分割的阈值，在本系统中，采用自适应阈值法，由用户在软件的操作过程中进行设定，并且可以根据需要进行调整。然后，根据这个阈值对图像进行分割，并将其转化为二值图，如图（b）所示。从图中我们可以看到二值图像中存在大量的小孔，这种太小的孔洞对我们进行图像分析没有实际意义，并且会干扰结果的正确性，因此我们需要采用腐蚀和膨胀的形态学方法来进行填充孔洞，结果如图（C）所示。最后，我们需要根据需要提取目标区，涉及到连通区域的提取问题。最后，输出结果。
4） 特征分析
对图像分割结果进行分析，用于指导生产实践。我们可以对通过图像处理得到的目标区域进行分析，比如可以根据叶片颜色的变化判断叶绿素含量，进而推算出作物的营养状况，根据色素区域的大小计算出叶面积，根据不同区域的形状、大小判断病虫害等。
3 实验结果及分析
软件运行后主界面如图3所示。
为验证本系统的有效性，我们通过设定不同的阈值进行图像分割，并跟photoshop cs4软件中魔棒的工具作对比，来提取图片中的目标区域。测试图片大小为800px×610px，取特征点坐标P（310，70），该点的RGB值为（29，92，0），获取目标区域的总像素和绿色分量平均值，数据如表1所示。
从上述表中我们可以看出，本软件在图像处理目标区域的提取方面，提取到的目标区域较photoshop 提取的小，绿色分量平均值较photoshop更接近特征点数值，由此看出用本软件做图像分割准确性更高。
4 结束语与展望
计算机视觉具有非破坏性、快速、高效、信息量大等特点，目前已在主要的农作物和经济作物的养分诊断，植物病虫害的快速检测及预警预报等方面有了广泛应用，取得了较好的效果。随着计算机视觉技术和图像处理技术的发展，计算机视觉技术将更多的应用于植物长势预测、产量估计等方面。
通过本次研究，开发了一个交互界面良好的色素分量检测系统，能对图像在RGB分量上实现阈值分割，并实现目标区域的获取分析。该文主要提倡一种软件开发的理念，所设计开发的软件的针对性较强，还存在着很多的局限和不足，要作为计算机视觉类的通用软件，系统的稳定性和功能都还有待进一步提升。
参考文献：
[1] 刘飞.基于光谱和多光谱成像技术的油菜生命信息快速无损检查机理和方法研究[D].浙江：浙江大学博士学位论文，2011.
[2] 朱哲燕，陈红.基于MATLAB的作物信息光谱分析平台的设计与开发[J].科技资讯，2012（16）.
[3] 蒋丽华.基于计算机视觉技术的叶绿素含量检测系统[D].苏州：苏州大学硕士学位论文，2009.
[4] 赵春江.C#数字图像处理算法典型实例[M].北京：人民邮电出版社，2009.
[5] 何勇，刘飞，聂鹏程. 数字农业与农业物联网技术[J].农机论坛，2012（1）.
[6] 张起丽.基于数学形态学的彩色图像处理研究[D].西安：西北大学硕士学位论文，2009
关键词:数字图像处理;沥青混合料;油石比;识别
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引言
随着交通运输业的迅速发展,必须要提高沥青混合料性能,开发新型沥青路面结构材料。沥青含量是沥青混合料配合比设计和施工控制的重要指标,在很大程度上决定了沥青路面的质量品质,国内外现行的沥青混合料配合比检测一般采用的是试验方法,进行离心抽提或燃烧沥青,检测过程复杂,耗时长,不利于及时对路面状况做出评价,指导生产。近年来,数字图像处理技术被引入沥青混合料研究领域,为有效解决传统研究方法的缺陷提供了可能,国内外也陆续进行了采用图像处理技术对沥青混合料内部形态的研究,国内外现阶段进行的研究表明,数字图像处理技术具有无破损、方便性、经济性,而且能快速全面反映形态特性以及空间分布的特点。为此,在本研究中,通过大量室内对比试验,主要研究不同油石比的沥青混合料AC-13C的识别油石比,以建立识别油石比和实际油石比之间的线性关系,用于指导生产实践。
1沥青混合料配合比设计及图像采集
本研究中采用的沥青为埃索A级70号沥青,选用沥青路面的表面层AC-13C的级配,最终确定的沥青混合料合成级配见表1。
在本研究中,沥青混合料AC-13C分别采用五个不同油石比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个试件进行水平两分法的切割,并采用数码相机进行图像的采集工作,在进行油石比的识别中为了计算简便将图像剪切为1400×1400像素。
2沥青混合料数字图像处理
由于照相机与目标间的相对运动、大气扰动等原因使图像质量下降,造成了图像退化的现象。所以在图像处理之前要先进行图像复原,在MATLAB图像处理系统中,选择Lucy-Richardson复原方法,通过处理减少了图像中产生的噪声,忽略了某些退化后坏了的像素。对复原后的RGB彩色图像进行灰度变换,获得沥青混合料水平截面的灰度图像。
3沥青混合料油石比的识别
以油石比为5.5的沥青混合料RGB图像为例,对剪切后的图像进行复原、转换灰度图像处理,处理后的灰度图像的直方图见图1。
根据图1可以看到,由于沥青混合料图像中存在集料和沥青两大类,在图像上形成了两个峰,这两者都近似服从正态分布,最左边的波峰代表沥青的灰度分布,我们可以根据沥青混合料图像的直方图,动态选取两个波峰之间的谷底值,将最左边的波峰单独切取出来,见图2。对这个波峰进行拟合,经过多次尝试,选择采用两个正态分布拟合这个波峰,相关系数达到0.998,其中一个正态分布峰顶对应的灰度值与单独切取出来的波峰峰顶对应的灰度值非常接近,可以认为两者的灰度值是相同的,另外一个正态分布是对前者的修正,拟合效果见图2。
通过MATLAB编程计算可以得到,沥青灰度分布波峰峰顶对应的灰度值为0.30,第一个小峰服从正态分布,参数为0.29997和0.047629,通过多次实验在峰值灰度值左侧设定2.5,右侧设定的范围内为沥青的灰度分布范围,计算得到沥青的灰度分布范围为46.14至88.65,提取沥青灰度范围内的像素点,图像内所有的像素点数目与沥青的像素点数目之差为集料的像素点数目,得到油石比即沥青像素点数目与集料像素点数目之比,计算得到这张实际油石比为5.5的图像,识别油石比为6.43。同理,可以按照相同的方法求得其余沥青混合料图像的识别油石比,并计算均值,见表2,对得到的识别油石比用EXCEL进行线性拟合,见图3。
从表2中可以看出,识别油石比的变异系数在0.18以下,通过线性相关性分析可得到识别油石比Pax与实际油石比Pay的线性关系为:Pay=1.6872Pax-5.4606,式中,Pax为识别油石比,%;Pay为实际油石比,%。两者相关系数R2为0.9617,表明采用图像处理技术对沥青混合料进行油石比识别具有较高的识别精度,可以用于沥青路面油石比的快速检测。
4结论
通过选取表面层普通沥青混合料AC-13C进行马歇尔试验,对试件进行水平截面图像的分析,在沥青混合料图像灰度直方图中,对沥青分布波峰左侧2.5倍σ和右侧σ范围内提取沥青像素数目,并计算集料像素数目和识别油石比,结果表明,动态的选取沥青灰度范围识别油石比的方法能够较好地反映实际油石比,得到的识别油石比与实际油石比较为接近,得到的变异系数在0.18以下,证明识别油石比的离散程度较小,数据可靠。并且实际油石比Pay和识别油石比Pax存在线性关系,通过线性拟合后,建立函数Pay =1.6872 Pax 5.4606,计算得到相关系数R2为0.9617,具有良好的相关性。因此,建议采用此线性函数对识别得到的油石比进行修正。
参考文献:
[1] 杨浩.沥青混合料的数字图像特征研究[D]:[硕士学位论文].哈尔滨:哈尔滨工业大学,2006.
1 引言
噪声主要在数字图像的获取和传输过程中产生，一般是不可预测的随机信号，只能用概率统计的方法去识别。噪声对图像处理十分重要，其会影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程。其中，椒盐噪声一般是由于传输误差或比特丢失造成的。椒盐噪声与其他的像素点有明显的区别，一般是邻域中的像素值的极值点。但是极值点并不一定是噪声点。椒盐噪声在图像上表现出黑白相间的亮暗点，会严重影响图像的质量。传统中值滤波算法（SMF）[1]能够减弱或消除傅里叶空间的高频分量，但是同时会影响低频分量。由于高频分量对应图像中的边沿灰度值具有较大较快变化的部分，所以SMF算法可将这些分量滤除，使图像平滑，破坏图像的边缘和细节。
文献[2]提出了模糊开关中值滤波算法（FSM），FSM算法处理效果比SMF算法要好一点。文献[3]提出了自适应模糊开关中值滤波（NAFSM）算法。文献[4]提出了EDPA算法。文献[5]和文献[6]提出基于神经网络的模糊中值滤波算法，对于受密度噪声污染的图像取得了不错的效果，但是计算量很大。文献[7]、文献[8]、文献[9]、文献[10]提出了一种自适应模糊中值滤波算法（AFM）。AFM算法对傅里叶空间的低频分量具有较好的滤除效果，但对高频分量的处理效果不是很好，主要是没有考虑椒盐噪声对图像的污染程度。所以本文在AFM的基础上提出了一种双阈值模糊中值滤波算法，该算法能很好地保护图像的细节，具有高效地处理椒盐噪声的能力。
2 算法的基本思想和实现
2.1 建立模糊系统
利用模糊系统（如图1所示），计算输入参数的模糊系数权值。因为处理的是椒盐噪声，所以只需输入滤波窗口中原值与中值的差，最后通过去模函数去模糊化，滤波输出。
图1 模糊滤波系统设计
滤波窗口S由w×w（w默认值为3，一般为奇数）的方阵组成。对S里的像素点值进行快排序，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）表示噪声图像在（i，j）的灰度值。模糊系统首先是计算参数S1（i，j）=x（i，j）-Smed。在图像处理的时候一般对像素的污染程度进行阈值的设置。这里假设最小阈值为Tmin，最大阈值为Tmax，同时设置参数S2=|x（i，j）-Smean|。当S2Tmax时，认为像素点严重污染，这时就用最近邻域已处理的像素点求均值代替。
设当前像素的灰度值为x（i，j），滤波后的像素的灰度值为y（i，j），模糊滤波系数为P。则模糊隶属函数为：
（1）
如果S2
y（i，j）=S（i，j） （2）
如果Tmin≤S2≤Tmax时，则：
y（i，j）=P×S（i，j）+（1-P）×Smed （3）
如果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 算法实现
定义S（i，j）是以点（i，j）为中心，大小为w×w的方形窗口，可表示为S（i，j）={（k，l）||k-i|
具体方法如下：
设最大窗口为wmax×wmax，输出图像为y（i，j）。自适应双阈值模糊中值滤波算法的基本思想是通过判断窗口中心点是否为噪声来调节窗口的大小，以克服中值滤波对细节的破坏。
具体算法如下：
初始化窗口大小，令w=3。
计算窗口S（i，j）中像素的最小值Smin，最大值Smax，中值Smed及均值Smean。
如果Smin
如果w≤wmax跳到第2步，否则说明是噪声点，用邻域已处理点灰度值均值代取y（i，j）。
如果Smin
2.3 实验实现与分析
在win7系统和vs2010+opencv环境下，经过大量的仿真实验，最终得到Tmin=5，Tmax=13可以达到很好的去噪效果。实验分别对加入30%、80%的椒盐噪声的Lena.jpg进行处理。具体如图2、图3、图4所示：
图2 无噪声的原图
观察图3（a～e）到图4（a～e）可以发现，噪声轻度污染时各算法去噪能力没有明显差别；当噪声严重污染时SMF基本不能保护图像的细节，AFM、FSM能够适当地保护图像的细节，但是噪声点还是很多，论文算法能够很好地保护图像细节并去除噪声。
采用峰值信噪比（PSNR）归一化均方误差（NMSE）度量处理图像效果的好坏，定义如下：
（8）
（9）
式中y（i，j）表示去噪后的图像各像素点的灰度值，I（i，j）表示原始无噪图像各像素点的灰度值。M、N分别表示图像的高和宽。表1为几种算法的NMSE比较，表2为几种算法的PSNR的比较。
各种算法的NMSE如图5所示，各种算法的PSNR如图6所示。
从表1、表2、图5和图6可以看出论文算法去噪和其他算法相比优势非常明显。在加入小于40%的噪声时各算法的去噪效果差别不是很大。随着噪声的加大，其他算法处理能力明显下降，但是论文算法却达到一种趋衡的状态。
表1 几种算法的NMSE比较
噪声密度/
% 不同算法处理的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的比较
噪声密度/
% 不同算法的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 各种算法的NMSE
图6 各种算法的PSNR
3 结束语
本文在AFM算法的基础上提出了一种自适应双阈值模糊中值滤波算法。和其他去噪算法相比，论文算法具有极强的去噪性，同时很好地保护了图像的细节，并且算法具有稳定性，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.
朗读
显示对应的拉丁字符的拼音
Key words: digital video; polynomial fitting; simply supported beam model; modal parameter;vibration testing
图像测量技术[1]表现出其非接触式、无设备损耗、表面全尺度、重复可比性好、环境适应性强、无负载效应等优点，不仅适合静态测量，也可满足动态测量要求，对结构可实现全域高密度检测。数字图像测量技术近年来发展迅速，其对结构边缘识别精度可达到0.05像素，如刘敏提出识别结构一维大变形的数字图像边缘检测法[2]，袁向荣提出的一维DIC法检测结构边缘变形[3]，胡朝辉提出结构振动测试的视频图像技术测试方法 [4]。
本文以数字图像测量技术为理论依据，采用普通数码摄像头和PC机作为硬件设备与matlab软件相结合而成的视频图像振动测试的系统[5]，使用该测试系统在实验室进行简支梁模型的振动测量试验，结果表明对低频结构的振动测量采用该测振系统是可行和可信的。
视频图像振动测试系统简介
视频图像进行振动测量的原理是：使用普通USB摄像头实时拍摄并记录被测对象振动状态下的时间序列图像，对图像用数字图像处理技术处理，得到测试对象准静态的变形序列，进而获得被测对象的振动轨迹。具体测试流程如图1所示：
图1测试流程图
模型试验及结果分析
2.1 试验Ⅰ
采用梁长L=2.1m等截面匀质材料，两端铰支，单位长质量为160g/ m，抗弯刚度EI=21.5N.m2；梁体表面光滑平整，颜色为纯黑色，背景颜色取为白色，拍摄时光照条件良好，以有利于边缘识别。试验简图如图2所示。
图2试验Ⅰ简图
振动试验开始后，对梁进行激励，采集振动稳定后振动状态，采样时间为5s，利用matlab程序处理图像序列[5]，获取各像素点的振动信号，部分结果列于表1中。
表1 实测振动频率与阻尼比
简支梁模型的理论固有频率： ，用数字图像测量所得到的梁的一阶频率为4.1016，误差为0.7%，故数字图像法在桥梁测试中的数据是真实可信的。
2.2 试验Ⅱ
梁长L=2.1m等截面匀质材料，两端铰支，单位长质量为160g/ m，抗弯刚度EI=21.5N.m2；同时采用DASP动力测试系统进行数据采集和处理，试验简图如图3所示。测试结果比较如表2及图4―图7所示。
图3试验Ⅱ简图
表2 视频图像和传统测试实测频率对比表（Hz）
图4视频图像测试拟合不同像素点的一阶图5传统测试前三阶的振型图
本次试验通过用采用DASP动力测试系统来验证数字图像法，二者结果很相近，梁的一阶频率结果比值仅为1.038，具体如表2所示。
结论与建议
简支梁模型动载试验结果表明：
（1）对于动态位移的测量，试验数据均较合理，简支梁模型的二次试验均测出了结构的一阶模态参数，通过验证，测量结果也真实可信，因此认为数字图像振动技术可用于低频振动结构的测试；
（2）但是二次试验均未测出二阶模态参数，经分析认为可能的原因有：响应谱对应二阶频率处的幅值太小以及激励点选取位置不适当以致未能激励出其二阶模态，普通摄像头信噪比低而无法识别也是原因之一。
（3）通过与传统的DASP动力测试系统试验对比，说明相对于传统测试方法，数字图像振动测试技术精度较好；但是传统方法可测得前三阶模态，说明该方法测试分辨率与传统方法有一定的差距；故对于高频、高阶的结构振动测试，能通过高速、高清的图像采集设备，提高其测试分辨率 。
参考文献：
[1] 张红娜,王祁.图像测量技术及其应用[J].电测与仪表，2003，451(40):19-22.
1 数字图像处理及FPGA技术简介
1.1 数字图像处理原理简介
图像处理技术是本世纪信息科学方面成长最迅速的方向之一，数字图像处理的技术具有实际的研究价值。数字图像处理技术是指利用图像信号转化为数字信号并进行数字化处理这一手段把输入图像转换成具有所希望特征的另一幅图像的过程，通过转化，使得图像的信息数字化，可计算化，协调适应现在的各种数字化系统。近年来，随着图像传感器趋于高集成度和低成本以及数字硬件的迅速发展，高质量、高速度、高实时性的数字图像处理技术越来越受到欢迎。专用集成电路ASIC和数字信号处理器DSP，在两种方面突破研究，一是改变图像处理算法，简化算法提高处理速度；二是改变实现算法的手段。DSP处理速度较之前的数字芯片有了大幅改进，但其体系仍是串行指令系统，其固定算法仍不能满足众多算法的需要。
1.2 现场可编程门阵列（FPGA）器件技术
现在较为流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，由大量逻辑宏单元构成，通过各种程序参数的配置，能够发挥这些逻辑单元的各自效果，组合出期望的整体效果和功能，这些配置数据存放在片内的SRAM中或者是片外的EPROM或其他存储体中，设计者可以现场修改器件的逻辑顺序，而且静态编程和动态系统重置功能也得到了充分的发挥也应用，基于组合逻辑下的功能让硬件模块可以像软件代码一样方便修改调试。
2 基于FPGA的数字图像处理算法研究
2.1 实时图像处理算法
实时图像处理系统和图像处理的主要算法有4类：图像数据的预处理，图像智能识别，对象检测和运动对象检测。在实时图像处理系统的后台处理中，比分析环境简单、静态图像难度要更具有复杂性，如在数字图像信号的传送过程，中间过程传感器和传输信道的噪声的频繁产生，这让暂未得到处理的原始图像信号变的更为难以分析，而且本身存在一定程度的噪声。一般图像信号的锐化技术处理也将引入噪声，有时会加强原始图像的噪声。因此，有必要在图像分析处理以前以及过程中对图像的噪声进行滤除，并对图像特征进行加强，消除噪声和增强图像这两大关键步骤即为数字信号图像的预处理过程。
2.2 图像空域平滑算法
图像平滑处理的的主要目的是为了降低噪音干扰，目前主流的两种算法是的空间域平均算法以及中值滤波算法。对于含有噪声的原始图像的每个像素都采取了对应的邻域，将计算出的平均值作为平均空间域中图像像素值进行图像处理。空间域平均算法对于高斯噪声消噪效果较好，但处理脉冲噪声降噪效果很差。中值滤波的实质是一种非线性处理方法，主要的原理应用了顺序统计思路，这种方法的原理是在第一步骤中赋予一个像素作为邻域的中心，选择方形邻域后，第二步骤就是对范围内各像素灰度值进行排序处理，排序之后获得数列的中间值，此中间修正值被记为中心像素的灰度值，在实际应用中个，中值滤波算法消除脉冲噪声具有更好的效果。
2.3 图像空域锐化算法
图像锐化的主要目的是使原图像轮廓模糊或者显示边缘不明显的变得清晰，突出细节。进行锐化处理的前提基础是：原始图像必须具有有较高的信噪比，若没有较高信噪比，经过图像锐化处理后，图像信噪比会大大降低，这非常不利于图像的清晰显示处理。通常的做法是先去除或降低噪声，使得图像具有更高的信噪比后，再进行后期的锐化处理。
图像锐化处理目前主流有两种方法：高通滤波法和微分法。微分法属于图像空域锐化，目前常用的两种方法是梯度锐化和拉普拉斯锐化。
2.3.1 梯度锐化
梯度锐化原则：图像变化速度值小的对应于一个较小的梯度，整体会显得比较暗。因此，梯度锐化的常规思路是利用门限方法来判定，从而进行梯度锐化优化，也就是先赋予一个预定的阈值，如果该节点的梯度小于阈值时，原始灰度被保持恒定；若大于阈值时，在这一点上的灰度校正值可以用微分法处理得到。
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同性的微分算子，其特性包括旋转不变性。拉普拉斯运算完全可以转换成模板运算，而且对图像中的孤立点和短点反应较为敏感，比如在较暗的图像中出现的个别亮点，这些亮点处灰度发生跳变，通过拉普拉斯运算将会使这些亮点亮度增强，这一效果常用于边缘检测。当然，拉普拉斯运算同梯度锐化一样，在增强图像的同时会增强噪声，因此在锐化前可以先进行图像平滑处理。
3 总结
本文以基于FPGA的高速图像处理算法为研究主体，对图像处理中技术的流水线实现、图像空域平滑算法、图像空域锐化算法进行对比分析。图像平滑算法减少噪声的效果要更加优化，平滑算法的中值滤波算法在消除脉冲噪声中效果更为突出。空间域平均算法主要对高斯噪声的消噪效果较好，对脉冲噪声消噪效果一般。图像空域锐化算法可以是原本边缘模糊的图像清晰化，前提需要有较高信噪比，所以一般是先进行去除噪声，提高信噪比之后进行锐化处理，锐化算法中的梯度锐化、拉普拉斯运算算法都在基于FPGA的数字图像处理的系统算法中效果明显。
参考文献
[1]李冬.基于FPGA的数字图像处理的研究[D].安徽理工大学硕士学位论文，2009.
