当前位置：文档视界 › (完整版)图像处理本科毕业设计

(完整版)图像处理本科毕业设计

摘要

本文以VC++6.0做为编程语言，对图像降噪技术进行研究。本文通过介绍位图的基本操作以及在图像中加入椒盐噪声的操作，从而进一步引出几种降噪方法。

本文分别介绍“均值滤波”、“中值滤波”以及“傅里叶降噪”和“小波降噪”四种算法，实现图像降噪。详细介绍了其基本原理、实现方法以及具体算法，并对降噪效果加以比较与分析。

“均值滤波”把每个像素都用周围的8个像素来做均值操作，可以平滑图像，速度快，算法简单。“中值滤波”是常用的非线性滤波方法,也是图像处理技术中最常用的预处理技术。同时在“低通滤波”及“小波降噪”中分别引入“快速傅里叶变换”和“Mallat 算法”，使得其取得更快速的计算，有效地解决了其计算量太大，运算时间过长的弊端，从而达到更好的综合降噪效果。

关键词：图像降噪；滤波；傅里叶降噪；小波降噪

Abstract

Taking VC++6.0 as the programming language, this paper is a study about image noise reduction technology. Furthermore, introducing several noise reducing measures through the introduction of the basic processing and the operation to put the salt and pepper noise into the image.

The paper introduces Averaging Filter, Median Filter,Fourier Lowpass Filtering and Wavelet Filter to achieve image noise reducing. Here we introduce the basic principles, implement methods, detailed arithmetic, and make comparison and analysis the noise reducing effects.

Averaging Filter operates every pixel by using 8 pixels meanly. It can make the images smoothing, fast and easy to calculate. Median Filter Fourier is a common nonlinear filtering way and also common preprocessing technique when processing images. Introducing FFT and Mallat Algorithm separately into Lowpass Filtering and Wavelet Filter, and then we can make faster calculating and solve the massive calculating more efficiently. Therefore, we can have a more effective noise reducing.

Keywords：Image Noise Reduction；Filter；Fourier Filter；Wavelet filter

毕业设计（论文）原创性声明和使用授权说明

原创性声明

本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。

作者签名：日期： -指导教师签名：日期：

使用授权说明

本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前

提下，学校可以公布论文的部分或全部内容。作者签名：日期：

1 绪论......................................................................................................................................

1.1 VC++6.0简介 ...........................................................................................................

1.2 数字图像处理基本概念 ...........................................................................................

1.3 图像降噪技术研究背景及意义 ...............................................................................

1.4 图像降噪的国内外研究现状 ...................................................................................

1.5 关于图像噪声............................................................................................................

2 位图操作基本知识 .............................................................................................................

2.1 CDIB类的介绍.........................................................................................................

2.2 位图操作....................................................................................................................

2.2.1 图像读取..........................................................................................................

2.2.2 图像显示..........................................................................................................

2.3程序源代码...................................................................................................................

2.3.1 图像读取..........................................................................................................

2.3.2 图像保存..........................................................................................................

3 噪声的添加 (1)

3.1 基本原理 (1)

3.2 实现步骤 (1)

3.3 程序源代码 (1)

3.3.1 添加响应函数 (1)

3.3.2 添加成员函数 (1)

3.4 输出结果 (1)

4 均值滤波 (2)

4.1 基本原理 (2)

4.2实现方法 (2)

4.3程序源代码 (2)

4.3.1 添加响应函数 (2)

4.3.2 添加成员函数 (2)

4.4 结果输出及分析 (2)

4.4.1 结果输出 (2)

4.4.2 结果分析 (2)

5 中值滤波 (2)

5.1 基本原理 (2)

5.2 实现方法 (2)

5.3 程序源代码 (2)

5.3.1 添加响应函数 (2)

5.3.2 添加成员函数 (2)

5.4结果输出及分析 (3)

5.4.1结果输出 (3)

5.4.2结果分析 (3)

6 傅立叶降噪 (3)

6.1 基本概念 (3)

6.1.1 二维傅里叶变换 (3)

6.1.2 二维离散傅里叶变换 (3)

6.1.3 快速傅里叶变换 (3)

6.2 相关原理 (3)

6.3 程序源代码 (3)

6.3.1 快速傅里叶变换 (3)

6.3.2快速傅里叶逆变换 (4)

6.3.3低通滤波 (4)

6.4 结果输出及分析 (4)

6.4.1 结果输出 (4)

6.4.2结果分析 (5)

7 小波降噪 (5)

7.1 基本概念 (5)

7.1.1 二维离散小波变换 (5)

7.2.2 Mallat算法 (5)

7.2 相关原理 (5)

7.3 程序源代码 (5)

7.3.1 LPass_Filter函数 (5)

7.3.2 HPass_Filter函数 (6)

7.3.3 DWT_Inverse函数 (6)

7.4 结果输出及分析 (6)

7.4.1 结果输出 (6)

7.4.2 结果分析 (6)

结论 (6)

致谢 (6)

参考文献 (7)

附录A 英文原文 (7)

附录B 中文翻译 (8)

1 绪论

1.1 VC++6.0简介

VC++6.0是Microsoft公司推出的一个基于Windows系统平台、可视化的集成开发环境，它的源程序按C++语言的要求编写，并加入了微软提供的功能强大的MFC(Microsoft Foundation Class)类库。MFC中封装了大部分Windows API函数和Windows控件，它包含的功能涉及到整个Windows操作系统。MFC不仅给用户提供了Windows图形环境下应用程序的框架，而且还提供了创建应用程序的组件，这样，开发人员不必从头设计创建和管理一个标准Windows应用程序所需的程序，而是从一个比较高的起点编程，故节省了大量的时间。另外，它提供了大量的代码，指导用户编程时实现某些技术和功能。因此，使用VC++提供的高度可视化的应用程序开发工具和MFC类库，可使应用程序开发变得简单。

1.2 数字图像处理基本概念

数字图像处理（DigitalImageProcessing）是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展（特别是离散数学理论的创立和完善）；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。

20世纪20年代，图像处理首次应用于改善伦敦和纽约之间海底电缆发送的图片质量。到20世纪50年代，数字计算机发展到一定的水平后，数字图像处理才真正引起人们的兴趣。1964年美国喷气推进实验室用计算机对“徘徊者七号”太空船发回的大批月球照片进行处理,收到明显的效果。20世纪60年代末，数字图像处理具备了比较完整的体系，形成了一门新兴的学科。20世纪70年代，数字图像处理技术得到迅猛的发展，理论和

方法进一步完善，应用范围更加广泛。在这一时期,图像处理主要和模式识别及图像理解系统的研究相联系，如文字识别、医学图像处理、遥感图像的处理等。20世纪70年代后期到现在，各个应用领域对数字图像处理提出越来越高的要求，促进了这门学科向更高级的方向发展。特别是在景物理解和计算机视觉（即机器视觉）方面，图像处理已由二维处理发展到三维理解或解释。近年来，随着计算机和其它各有关领域的迅速发展，例如在图像表现、科学计算可视化、多媒体计算技术等方面的发展，数字图像处理已从一个专门的研究领域变成了科学研究和人机界面中的一种普遍应用的工具。

1.3 图像降噪技术研究背景及意义

随着计算机科学和图像处理技术的迅速发展，图像在医学成像、模式识别等方面取得了广泛应用。但是，图像在形成、传输过程中，不可避免会受到噪声的干扰，而且有些图像的噪声非常严重，图像中的噪声往往和信号交织在一起，会使图像本身的细节如边界轮廓、线条等变的模糊不清。引起噪声的原因很多，噪声的种类也很多。因此，需要对图像进行降噪处理，便于更高层次的图像分析与理解。如何既对图像中出现的噪声进行合理的抑制、衰减以及去除不需要的信息，又能使有用的信息得到加强，从而便于目标区分或对象解释，是图像去噪主要研究的主要任务。

1.4 图像降噪的国内外研究现状

图像降噪是图像处理的一个重要环节。目前图像噪声的取出在数字图像处理技术中的重要性愈加明显。近年来，在小波基础上发展起来的图像去噪仍是一个值得关注的问题,在理论和实践上都具有重大的研究意义。其中，基于中值滤波和小波变换的图像去噪小波变换是近年来兴起的信号处理技术，它具有良好的局部化分析特性和多分辨率分析特性，非常适合于

图像处理。

1.5 关于图像噪声

噪声是不可预测的随机信号，通常采用概率统计方法对其进行分析。噪声对图像处理十分重要，它影响图像处理的、采集、处理的各个环节以及输出结果的全过程。特别是图像的输入、采集噪声的抑制是十分关键的问题，若输入伴有较大的噪声，必然影响处理全过程及输出的结果。噪声可以理解为“妨碍人们感觉器官，对所接收的信源信息理解的因素”。噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。因此将图像噪声看成是多维随机过程是合适的，因而描述噪声的方法完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数。但在很多情况下，这样的描述方法是很复杂的，甚至是不可能的。而实际应用往往也不必要。通常是用其数字特征，即均值方差，相关函数等。因为这些数字特征都可以从某些方面反映出噪声的特征。除此之外，噪声的灰度值与其周围的灰度之间有着明显的灰度差，也正式这些明显的灰度差才造成了视觉障碍。因此一个良好的图像处理系统，不论是模拟处理还是用计算机进行的数字处理，无不把减少最前一级的噪声作为主攻目标。特此根据噪声性质的不同，消除噪声的方法也不同，本文将介绍“均值滤波”、“中值滤波”、“傅里叶降噪”、“小波变换”四种降噪方法。

根据噪声产生的来源，大致可以分为外部噪声和内部噪声两大类。

外部噪声是指从处理系统外来的影响，如天线干扰或电磁波从电源线窜入系统的噪声。内部噪声则有一下几种最常见形式：

（1）由光和电的基本性质引起的噪声。例如电流可看作电子或空穴运动，这些例子运动产生随机散粒噪声，导体中电子流动的热噪声，光量子运动的光量子噪声等。

（2）由机械运动引起的噪声。例如，接头振动使电流不稳，磁头或磁

带、磁盘抖动等。

（3）元器件期检噪声。如光学底片的颗粒噪声，磁带、磁盘缺陷噪声，光盘的疵点噪声等。

（4）系统内部电流的噪声。

从噪声的分类方法来看是多种多样的。但综合来说，噪声是随机产生的量，所以又可以从统计数学的观点来定义噪声。凡是统计特性不随时间变化的噪声称为平稳的噪声，而统计特性随时间变化的噪声称作非平稳噪声。

以上所讨论的各种类型的噪声反映在图像画面上，大致可以分为两种经典的图像噪声。若噪声的幅值基本相同，但是噪声出现的位置是随意的，称这类噪声为椒盐噪声。若从噪声幅值大小的分布统计来看，其密度函数有高斯型、瑞利型，分别称为高斯噪声和瑞利噪声，又如频谱均匀分布的噪声称为白噪声等等。

本文着重讨论椒盐噪声。

2 位图操作基本知识

2.1 CDIB类的介绍

大多数图像处理都是基于与设备无关位图（DIB）来进行讨论的，而MFC中没有处理DIB位图的类，这就给编程带来了很大困难。所以需要建立一个处理DIB位图的专用类，CDIB类，在其中封装必要而有效的处理函数，该类具有的功能如下：

Void LoadFile(Cstring m_fileName)；//装载BMP位图文件

Char*GetFileName()；//返回位图文件名

DWORD GetSize()；//返回位图文件的大小

UINT GetWidth()；//返回位图的宽度

UINT GetHeight()；//返回位图的高度

UINT GetNumberOfColors()；//返回位图颜色数目

RGBQUAD*GetRGB()；//返回颜色表首地址

BITMAPINFO*GetInfo()；//返回图像信息结构首地址

BYTE*GetData()；//返回图像数据首地址

根据对DIB操作的分析，以及参照Cbitmap的功能设计，CDIB类的基本操作功能应包括：

（1）DIB文件的读写操作；

（2）提供位图宽度、高度、颜色数目等位图相关信息；

（3）提供有关位图占据内存空间的信息，包括：图像数据区首地址、颜色表首地址、位图信息结构首地址等信息。

2.2 位图操作

2.2.1 图像读取

图2.1 图像读取流程图

2.2.2 图像显示

图2.2 图像显示流程图

2.3程序源代码

2.3.1 图像读取

通过ReadDIBFile()函数实现对函数的读取，参数CFile& file，返回值HDIB。

HDIB CDIB::ReadDIBFile(CFile& file)

{

BITMAPFILEHEADER bmfHeader;

HDIB hDIB;

LPBYTE lpDIB;

// 获取DIB（文件）长度（字节）

DWORD dwBitsSize = file.GetLength();

// 尝试读取DIB文件头

if (file.Read((LPBYTE)&bmfHeader, sizeof(bmfHeader)) !=

sizeof(bmfHeader))

{

// 大小不对，返回NULL。

return NULL;

}

// 判断是否是DIB对象，检查头两个字节是否是"BM"

if (bmfHeader.bfType != DIB_HEADER_MARKER)

{

// 非DIB对象，返回NULL。

return NULL;

}

// 为DIB分配内存

hDIB = (HDIB) ::GlobalAlloc(GMEM_MOVEABLE | GMEM_ZEROINIT, dwBitsSize);

if (hDIB == 0)

{

// 内存分配失败，返回NULL。

return NULL;

}

// 锁定

lpDIB = (LPBYTE) ::GlobalLock((HGLOBAL) hDIB);

// 读象素

if (file.ReadHuge(lpDIB, dwBitsSize -

sizeof(BITMAPFILEHEADER)) !=

dwBitsSize - sizeof(BITMAPFILEHEADER) ) {

// 大小不对。

// 解除锁定

::GlobalUnlock((HGLOBAL) hDIB);

// 释放内存

::GlobalFree((HGLOBAL) hDIB);

// 返回NULL。

return NULL;

}

// 解除锁定

::GlobalUnlock((HGLOBAL) hDIB);

// 返回DIB句柄

return hDIB;

}

2.3.2 图像保存

通过ReadDIBFile()函数实现将DIB保存到指定文件中，参数HDIB hDib、CFile& file，返回值BOOL.

BOOL CDIB::SaveDIB(HDIB hDib, CFile& file)

{

// Bitmap文件头

BITMAPFILEHEADER bmfHdr;

// 指向BITMAPINFOHEADER的指针

LPBITMAPINFOHEADER lpBI;

if (hDib == NULL)

{

// 如果DIB为空，返回FALSE

return FALSE;

}

// 读取BITMAPINFO结构，并锁定

lpBI = (LPBITMAPINFOHEADER) ::GlobalLock((HGLOBAL) hDib);

if (lpBI == NULL)

{

// 为空，返回FALSE

return FALSE;

}

// 判断是否是WIN3.0 DIB

if (!IS_WIN30_DIB(lpBI))

{

// 不支持其它类型的DIB保存

// 解除锁定

::GlobalUnlock((HGLOBAL) hDib);

// 返回FALSE

return FALSE;

}

// 填充文件头

// 文件类型"BM"

bmfHdr.bfType = DIB_HEADER_MARKER;

// 计算DIB大小时，最简单的方法是调用GlobalSize()函数。但是全局内存大小并

// 不是DIB真正的大小，它总是多几个字节。这样就需要计算一下DIB的真实大小。

// 文件头大小＋颜色表大小

// （BITMAPINFOHEADER和BITMAPCOREHEADER结构的第一个DWORD都是该结构的大小）

DWORD dwDIBSize = *(LPDWORD)lpBI +

PaletteSize((LPBYTE)lpBI);

// 计算图像大小

if ((lpBI->biCompression == BI_RLE8) || (lpBI->biCompression ==

BI_RLE4))

{

// 对于RLE位图，没法计算大小，只能信任biSizeImage内的值

dwDIBSize += lpBI->biSizeImage;

}

else

{

// 大小为Width * Height

DWORD dwBmBitsSize =

WIDTHBYTES((lpBI->biWidth)*((DWORD)lpBI->biBitCount)) *

lpBI->biHeight;

// 计算出DIB真正的大小

dwDIBSize += dwBmBitsSize;

// 更新biSizeImage（很多BMP文件头中biSizeImage的值是错误的）

lpBI->biSizeImage = dwBmBitsSize;

}

// 计算文件大小：DIB大小＋BITMAPFILEHEADER结构大小

bmfHdr.bfSize = dwDIBSize + sizeof(BITMAPFILEHEADER);

// 两个保留字

bmfHdr.bfReserved1 = 0;

bmfHdr.bfReserved2 = 0;

// 计算偏移量bfOffBits，它的大小为Bitmap文件头大小＋DIB头大小＋颜色表大小

bmfHdr.bfOffBits = (DWORD)sizeof(BITMAPFILEHEADER) +

lpBI->biSize + PaletteSize((LPBYTE)lpBI);

// 尝试写文件

TRY

{

图像检索系统的设计与实现本科生毕业设计论文

毕业设计（论文）说明书题目：图像检索系统的设计与实现

毕业设计（论文）任务书题目：图像检索系统的设计与实现

毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作者签名：日期：指导教师签名：日期：使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名：日期：

一、原始依据（包括设计或论文的工作基础、研究条件、应用环境、工作目的等。）随着互联网的飞速发展，网络上的图片信息呈爆炸式增长，这使得人们在网上找到所需的图片越来越困难，图片检索技术成为当今非常热门的研究话题。图像检索一直是信息检索领域的一个主流问题，涉及到图像处理、图像分割、模式识别及机器学习等多个方面。检索的智能化和自动化是图像检索的目标。目前主流的图像检索方法大致可以分为两大类,即基于文本的图像检索(TBIR)和基于内容的图像检索(CBIR)。在检索原理上，无论是基于文本的图像检索还是基于内容的图像检索，主要包括三方面：一方面对用户需求的分析和转化，形成可以检索索引数据库的提问；另一方面，收集和加工图像资源，提取特征，分析并进行标引，建立图像的索引数据库；最后一方面是根据相似度算法，计算用户提问与索引数据库中记录的相似度大小，提取出满足阈值的记录作为结果，按照相似度降序的方式输出。而搜集图片和建立索引又是实现图像检索技术的非常重要的一个环节。网络爬虫程序就是用来搜集网页和图片的程序。本文的研究重点在于使用网络爬虫框架Heritrix进行扩展，从网络上下载所需网页及图片并利用HTMLParser进行网页分析和图片相关信息提取。完成上述工作后，再将图片的目录位置和提取的信息存入数据库。并建立一个图片检索系统的Web工程，实现检索功能。开发语言为Java, 开发工具为MyEclipse和MySQL及Tomcat. 二、参考文献 [1]Ritendra Datta, Dhiraj Joshi, Jia Li et al. Image Retrieval: Ideas, Influences, and Trends of the New Age[J].ACM Comput. Surv. 40, 2, Article 5 .April 2008. [2]李晓明，闫宏飞，王继民. 搜索引擎-原理,技术与系统[M].北京：科学出版社,2004. [3]马自萍.形状和颜色特征的混合图像检索[D].银川：北方民族大学,2010.7. [4]陈剑雄，张蓓．简析图像检索中的CBIR技术[J].情报探索（第7期）,2010.7. [5]Rafael C.Gonzalez and Richard E.Woods．Digital Image Processing Second Edition [M]．Prentice Hall, 2003-3． [6]沈兰荪，张箐，李晓光。图像检索与压缩域处理技术的研究[M].北京：人名邮电出版社,2008.12. [7]周明全，耿国华，韦娜.基于内容图像检索技术[M].北京：清华大学出版社，2007.7. [8]李向阳, 庄越挺, 潘云鹤. 基于内容的图像检索技术与系统[J]. 计算机研究与发展

数字图像处理毕业论文

毕业论文声明本人郑重声明： 1．此毕业论文是本人在指导教师指导下独立进行研究取得的成果。除了特别加以标注地方外，本文不包含他人或其它机构已经发表或撰写过的研究成果。对本文研究做出重要贡献的个人与集体均已在文中作了明确标明。本人完全意识到本声明的法律结果由本人承担。 2．本人完全了解学校、学院有关保留、使用学位论文的规定，同意学校与学院保留并向国家有关部门或机构送交此论文的复印件和电子版，允许此文被查阅和借阅。本人授权大学学院可以将此文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本文。 3．若在大学学院毕业论文审查小组复审中，发现本文有抄袭，一切后果均由本人承担，与毕业论文指导老师无关。 4.本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果。论文中凡引用他人已经发布或未发表的成果、数据、观点等，均已明确注明出处。论文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究成果做出重要贡献的个人和集体，均已在论文中已明确的方式标明。学位论文作者（签名）：年月

关于毕业论文使用授权的声明本人在指导老师的指导下所完成的论文及相关的资料（包括图纸、实验记录、原始数据、实物照片、图片、录音带、设计手稿等），知识产权归属华北电力大学。本人完全了解大学有关保存，使用毕业论文的规定。同意学校保存或向国家有关部门或机构送交论文的纸质版或电子版，允许论文被查阅或借阅。本人授权大学可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存或编汇本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单位为大学。本人毕业后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为大学。本人完全了解大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存或汇编本学位论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入学校有关数据库和收录到《中国学位论文全文数据库》进行信息服务。在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。论文作者签名：日期：指导教师签名：日期：

数字图像处理系统毕业设计论文

毕业设计说明书基于ARM的嵌入式数字图像处理系统设计学生姓名：张占龙学号： 0905034314 学院：信息与通信工程学院专业：测控技术与仪器指导教师：张志杰 2013年 6月

摘要简述了数字图像处理的应用以及一些基本原理。使用S3C2440处理器芯片，linux内核来构建一个简易的嵌入式图像处理系统。该系统使用u-boot作为启动引导程序来引导linux内核以及加载跟文件系统，其中linux内核与跟文件系统均采用菜单配置方式来进行相应配置。应用界面使用QT制作，系统主要实现了一些简单的图像处理功能，比如灰度话、增强、边缘检测等。整个程序是基于C++编写的，因此有些图像变换的算法可能并不是最优化的，但基本可以满足要求。在此基础上还会对系统进行不断地完善。关键词：linnux 嵌入式图像处理边缘检测 Abstract This paper expounds the application of digital image processing and some basic principles. The use of S3C2440 processor chip, the Linux kernel to construct a simple embedded image processing system. The system uses u-boot as the bootloader to boot the Linux kernel and loaded with file system, Linux kernel and file system are used to menu configuration to make corresponding configuration. The application interface is made using QT, system is mainly to achieve some simple image processing functions, such as gray, enhancement, edge detection. The whole procedure is prepared based on the C++, so some image transform algorithm may not be optimal, but it can meet the basic requirements. On this basis, but also on the system constantly improve. Keywords:linux embedded system image processing edge detection

电子科技大学-数字图像处理-课程设计报告

电子科技大学数字图像处理课程设计课题名称数字图像处理院（系）通信与信息工程学院专业通信工程姓名学号起讫日期指导教师

2015年12月15日目录摘要： (03) 课题一：图像的灰度级分辨率调整 (04) 课题二：噪声的叠加与频域低通滤波器应用 (06) 课题三：顶帽变换在图像阴影校正方面的应用 (13) 课题四：利用Hough变换检测图像中的直线 (15) 课题五：图像的阈值分割操作及区域属性 (20) 课题六：基于MATLAB?的GUI程序设计 (23)

结束语： (36) 参考文献： (37)

基于MATLAB?的数字图像处理课题设计摘要本文首先对数字图像处理的相关定义、概念、算法与常用变换进行了介绍；并通过七个课题实例，借助MATLAB?的图像处理工具箱（Computer Vision System Toolbox）对这些案例逐一实现，包括图像的灰度值调整、图像噪声的叠加、频域低通滤波器、阈值分割、Hough变换等，常用的图像变化与处理；然后通过MATLAB?的GUI程序设计，对部分功能进行模块化整合，设计出了数字图像处理的简易软件；最后给出了软件的帮助文件以及该简易程序的系统结构和m代码。关键词：灰度值调整噪声图像变换 MATLAB? GUI设计

课题一：图像的灰度级分辨率调整设计要求： 128,64,32,16,8,4,2，并在同一个figure窗将图像的灰度级分辨率调整至{} 口上将它们显示出来。设计思路：灰度级分辨率又称色阶，是指图像中可分辨的灰度级的数目，它与存储灰度级别所使用的数据类型有关。由于灰度级度量的是投射到传感器上的光辐射值的强度，所以灰度级分辨率又称为辐射计量分辨率。随着图像灰度级分辨率的的逐渐降低，图像中所包含的颜色数目将变得越来越少，从而在颜色维度造成图像信息量的退化。 MATLAB?提供了histeq函数用于图像灰度值的改变，调用格式如下： J = histeq(I,n) 其中J为变换后的图像，I为输入图像，n为变换的灰度值。依次改变n的值为 128、64、32、16、8、4、2 就可以得到灰度值分辨率为128、64、32、16、8、4、2 的输出图像。利用MATLAB?的subplot命令可以将不同灰度的图像放在同一个figure中方便对比。课题实现：该思路的MATLAB?源代码如下： in_photo=imread('lena.bmp'); %读入图片“lena.bmp”，位置在matlab当前工作区路径下D:\TempProject\Matlab\Works for i = [128,64,32,16,8,4,2] syms(['out_photo',num2str(i)]); %利用for循环定义7个变量，作为不同灰度值分辨率的输出变量 eval(['out_photo',num2str(i), '=histeq(in_photo,i)',';']); %histeq函数用于改变图像灰度值，用eval函数给变量循环赋值

数字图像处理作业 1

数字图像处理作业 1 1.基本问题 a.什么是数字图像处理，英语全称是什么？数字图像处理：对图像进行一些列的操作，以达到预期目的的技术，可分为模拟图像处理和数字图像处理两种方式。英文全称：Image Processing b.数字图像处理与什么领域的发展密切相关？数字图像处理与数字计算机的发展，医学，遥感，通信，文档处理和工业自动化等许多领域的发展密切相关。 c.人类主要通过什么来感知获取信息的？主要通过人的视觉、味觉、嗅觉、触觉、听觉以及激光、量子通信、现代计算机网络、卫星通信、遥感技术、数码摄影、摄像等来获取信息。 d.数字图像处理技术与哪些学科领域密切相关？与数学、物理学、生理学、心理学、电子学、计算机科学等学科密切相关 e.数字图像处理在哪些领域得到广泛应用？数字图像处理的应用越来越广泛，已渗透到工程、工业、医疗保健、航空航天、军事、科研、安全保卫等各个领域。 f.数字图像处理起源于什么年代？ 20世纪20年代 g.现代大规模的图像处理需要具备哪些计算机能力？需要具备图像处理、图像分析、图像理解计算机能力 h.根据人的视觉特点，图像可分为哪两种图像？分为可见图像和不可见图像。 i.根据光的波段，图像可分为哪几种图像？分为单波段、多波段和超波段图像。 j.图像数字与模拟图像的本质区别是什么？区别：模拟图像：空间坐标和明暗程度都是连续变化的、计算机无法直接处理。数字图像：空间的坐标和灰度都不连续、用离散的数字表示，能被计算机处理。 2.通过互联网，查下数字图像处理有哪些应用？选一个应用范例即可。具体描绘如何通过数字图像处理技术来实现其应用。要有图像范例说明。数字图像处理主要应用领域有：生物医学，遥感领域，工业方面，军事公安领域，通信领域，交通领域等。我就生物医学领域做一个简单介绍。自伦琴1895年发现X射线以来，在医学领域可以用图像的形式揭示更多有用的医学信息医学的诊断方式也发生了巨大的变化。随着科学技术的不断发展，现代医学已越来越离不开医学图像的信息处理，医学图像在临床诊断、教学科研等方面有重要的作用。目前的医学图像主要包括CT (计算机断层扫描) 图像、MRI( 核磁共振)图像、B超扫描图像、数字X 光机图像、X 射线透视图像、各种电子内窥镜图像、显微镜下病理切片图像等。医学图像处理跨计算机、数学、图形学、医学等多学科研究领域，医学图像处理技术包括图像变换、图像压缩、图像增强、图像平滑、边缘锐化、图像分割、图像识别、图像融合等等。在此联系数字图像处理的相关理论知识和步骤设计规划系统采集和处理的具体流程同时充分考虑到图像采集设备的拍摄效果以及最终处理结果的准确性。下面是关于人体微血管显微图像的采集实例。

基于Matlab的数字图像处理系统毕业设计论文

论文（设计）题目：基于MATLAB的数字图像处理系统设计姓名宋立涛学号２０１２１１８６７学院信息学院专业电子与通信工程年级２０１２级２０１３年６月１６日

基于MATLAB的数字图像处理系统设计摘要 MATLAB 作为国内外流行的数字计算软件，具有强大的图像处理功能，界面简洁，操作直观，容易上手，而且是图像处理系统的理想开发工具。笔者阐述了一种基于MATLAB的数字图像处理系统设计，其中包括图像处理领域的大部分算法，运用MATLAB 的图像处理工具箱对算法进行了实现，论述了利用系统进行图像显示、图形表换及图像处理过程，系统支持索引图像、灰度图像、二值图像、RGB 图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG 等图像文件格式的读，写和显示。上述功能均是在MA TLAB 语言的基础上，编写代码实现的。这些功能在日常生活中有很强的应用价值，对于运算量大、过程复杂、速度慢的功能，利用MATLAB 可以既能快速得到数据结果，又能得到比较直观的图示。关键词：MATLAB 数字图像处理图像处理工具箱图像变换

第一章绪论 1.1 研究目的及意义图像信息是人类获得外界信息的主要来源，近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题，由此可见图像信息的重要性，数字图像处理技术将会伴随着未来信息领域技术的发展，更加深入到生产和科研活动中，成为人类生产和生活中必不可少的内容。 MATLAB 软件不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，是近几年来在国内外广泛流行的一种可视化科学计算软件。MATLAB 语言是一种面向科学与工程计算的高级语言，允许用数学形式的语言来编写程序，比Basic、Fortan、C 等高级语言更加接近我们书写计算公式的思维方式，用MATLAB 编写程序犹如在演算纸上排列出公式与求解问题一样。它编写简单、编程效率高并且通俗易懂。 1.2 国内外研究现状 1.2.1 国内研究现状国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。 TDB-IDK 系列产品是一款基于TMS320C6000 DSP 数字信号处理器的高级视频和图像系统，也是一套DSP 的完整的视频、图像解决方案，该系统适合院校、研究所和企业进行视频、图像方面的实验与开发。该软件能够完成图像采集输入程序、图像输出程序、图像基本算法程序。可实现对图像信号的实时分析，图像数据相对DSP独立方便开发人员对图像进行处理，该产品融合DSP 和FPGACPLD 两个高端技术，可以根据用户的具体需求合理改动，可以分析黑白和彩色信号，可以完成图形显示功能。南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件可实现数字图像的采集、传输与处理。可利用软件及图像采集与传输设备，采集图像并实现点对点的数字图像传输，可以观察理解多种图像处理技术的效果和差别，

(完整版)基于matlab的数字图像处理毕业设计论文

优秀论文审核通过未经允许切勿外传摘要数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文介绍了MATLAB 语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像处理，并通过一些例子来说明利用MATLAB图像处理工具箱进行图像处理的方法。主要论述了利用MATLAB实现图像增强、二值图像分析等图像处理。关键词：MATLAB，数字图像处理，图像增强，二值图像

Abstract Digital image processing is an emerging technology, with the development of computer in various areas on the processing speed requirement is relatively ），线性量化（liner quantization ），对数量化，MAX 量化，锥形量化（tapered quantization ）等。 3. 采样、量化和图像细节的关系上面的数字化过程，需要确定数值N 和灰度级的级数K 。在数字图像处理中，一般都取成2的整数幂，即: (2.1) (2.2) 一幅数字图像在计算机中所占的二进制存储位数b 为: *log(2)**()m N N b N N m bit == (2.3) 例如，灰度级为256级(m=8)的512×512的一幅数字图像，需要大约210万个存储位。随着N 和m 的增加，计算机所需要的存储量也随之迅速增加。由于数字图像是连续图像的近似，从图像数字化的过程可以看到。这种近似的程度主要取决于采样样本的大小和数量(N 值)以及量化的级数K(或m 值)。N 和K 的值越大，图像越清晰。 2.2 数字图像处理概述 2.2.1 基本概念数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展(特别是离散数学理论的创立和完善)；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的

简单数字图像处理系统

数字图像课程设计简单数字图像处理系统 function varargout = untitled(varargin) % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @untitled_OpeningFcn, ... 'gui_OutputFcn', @untitled_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT % --- Executes just before untitled is made visible. function untitled_OpeningFcn(hObject, eventdata, handles, varargin) %界面初始化函数 setappdata,'I',0); % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to untitled (see VARARGIN) % Choose default command line output for untitled = hObject;

数字图像处理大作业

大作业指导书题目：数字图像处理院（系）：物联网工程学院专业: 计算机班级：计算机1401-1406 指导老师：学号：姓名：设计时间： 2016-2017学年 1学期

摘要 (3) 一、简介 (3) 二、斑点数据模型 .参数估计与解释 (4) 三、水平集框架 (5) 1.能量泛函映射 (5) 2.水平集传播模型 (6) 3.随机评估方法 (7) 四、实验结果 (8) 五、总结 (11)

基于水平集方法和G0模型的SAR图像分割 Abstract（摘要）这篇文章提出了一种分割SAR图像的方法，探索利用SAR数据中的统计特性将图像分区域。我们假设为SAR图像分割分配参数，并与水平集模型相结合。分布属于G分布中的一种，处于数据建模的目的，它们已经成功的被用于振幅SAR图像中不同区域的建模。这种统计数据模型是驱动能量泛函执行区域映射的基础，被引用到水平集传播数值方案中，将SAR 图像分为均匀、异构和极其异构区域。此外，我们引入了一个基于随机距离和模型的评估过程，用于量化我们方法的鲁棒性和准确性。实验结果表明，我们的算法对合成和真实SAR 数据都具有准确性。+ 简介 1、Induction（简介）合成孔径雷达系统是一种成像装置，采用相干照明比如激光和超声波，并会受到斑点噪声的影响。在SAR图像处理过程中，返回的是斑点噪声和雷达切面建模在一起的结果。这个积性模型（文献[1]）因包含大量的真实SAR数据，并且在获取过程中斑点噪声被建模为固有的一部分而被广泛应用。因此，SAR图像应用区域边界和目标检测变得更加困难，可能需要斑点去除。因此，斑点去除是必需的，有效的方法可以在文献[2][3][4][5][6][7][8][9][10]中找到。对于SAR图像分割，水平集方法构成一类基于哈密顿-雅克比公式的重要算法。水平集方法允许有效的分割标准公式，从文献[12]中讨论的传播函数项可以得到。经典方法有着昂贵的计算成本，但现在的水平集的实现配置了有趣的低成本的替换。水平集方法的一个重要方面，比如传播模型，可以用来设计SAR图像的分割算法。这个传播函数能够依据伽马和伽马平方根法则将斑点统计进行整合，函数已经被广泛地应用于SAR图像中的均质区域分割。Ayed等基于伽马分布任意建模，设计方案将SAR图像分成多个均质区域。尽管多区分割问题已经解决，该方案人需要一定数量的区域作为输入。Shuai 和Sun在文献[16]中提出对这个方法进行了改进，他们使用了一个有效的传播前收敛判断。Marques等引入了一个类似于含有斑点噪声图像中目标检测的框架，将基于本地区域的斑点噪声统计融合进去。这些作者采用伽马平方根对均质区域进行建模并用一个自适应窗口方案检测本地的同质性。最近，新的SAR数据模型比如K，G，显示出了优势。经典法则受限于均质区域特性的描述，而最近的法则展现出了在数据建模中更有吸引力的特性。法则允许同构、异构和高度异构幅度SAR数据的建模。这个分布族提供了一组参数，可以描述SAR图像中的不同区域。分布的参数信息，可以被广泛的应用于设计SAR图像处理和分类技术。在文献[21]中，Mejail 等人介绍了SAR监督数据分类器，它基于其参数映射并实现了有趣的结果。Gambini等人在文献[22]中使用这个分布的一个参数来量化SAR数据的粗糙度，通过活动轮廓和B样条差值来检测边缘。然而，这种技术需要一个初始分割步骤，并受拓扑限制。一般来说，活动轮廓方法不能解决不连续区域分割的问题。本文介绍了一种新的水平集算法来实现SAR图像中均质、异构和极其异构区域分割的目标。由于分布能够描述SAR图像的同质性和规模，我们的方法采用分布对斑点数据进行建模。这些分布参数基于每一个域点进行估计，通过这些信息，我们可以在水平集分割框架内得到一个能量泛函来驱动向前传播(front propagation)。该泛函以最大化不同区域平均能量间的差异作为结束。最终水平集阶段以能量带作为依据得到SAR图像的分割结果。

(完整版)基于数字图像处理的车牌识别本科毕业论文

本科生毕业论文（设计）题目: 基于数字图像处理的车牌识别设计姓名: 周金鑫学院: 数理与信息工程学院专业: 电子信息工程班级: 111 学

号: 指导教师: 刘纯利职称: 教授 2014 年 12 月 24 日安徽科技学院教务处制目录摘要 ....................................................................关键词 .................................................................. 1、设计目的 ............................................................. 2、设计原理: ............................................................ 3、设计步骤: ............................................................ 4、实行方案 ............................................................. 4.1. 总体实行方案:................................................... 4.2. 各模块的实现:................................................... 4.2.1输入待处理的原始图像: ....................................... 4.2.2图像的灰度化并绘制直方图: ...................................

数字图像处理基础知识总结

第一章数字图像处理概论 *图像是对客观存在对象的一种相似性的、生动性的描述或写真。 *模拟图像空间坐标和明暗程度都是连续变化的、计算机无法直接处理的图像 *数字图像空间坐标和灰度均不连续的、用离散的数字（一般整数）表示的图像（计算机能处理）。是图像的数字表示，像素是其最小的单位。 *数字图像处理（Digital Image Processing）利用计算机对数字图像进行（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从而获得某种预期的结果的技术。（计算机图像处理） *数字图像处理的特点（优势）（1）处理精度高，再现性好。（2）易于控制处理效果。（3）处理的多样性。（4）图像数据量庞大。（5）图像处理技术综合性强。 *数字图像处理的目的（1）提高图像的视感质量，以达到赏心悦目的目的 a.去除图像中的噪声； b.改变图像的亮度、颜色； c.增强图像中的某些成份、抑制某些成份； d.对图像进行几何变换等，达到艺术效果；（2）提取图像中所包含的某些特征或特殊信息。 a.模式识别、计算机视觉的预处理（3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 **数字图像处理的主要研究内容（1）图像的数字化 a.如何将一幅光学图像表示成一组数字，既不失真又便于计算机分析处理 b.主要包括的是图像的采样与量化（2*）图像的增强 a.加强图像的有用信息，消弱干扰和噪声（3）图像的恢复 a.把退化、模糊了的图像复原。模糊的原因有许多种，最常见的有运动模糊，散焦模糊等（4*）图像的编码 a.简化图像的表示，压缩表示图像的数据，以便于存储和传输。（5）图像的重建 a.由二维图像重建三维图像（如CT）（6）图像的分析 a.对图像中的不同对象进行分割、分类、识别和描述、解释。（7）图像分割与特征提取 a.图像分割是指将一幅图像的区域根据分析对象进行分割。 b.图像的特征提取包括了形状特征、纹理特征、颜色特征等。（8）图像隐藏 a.是指媒体信息的相互隐藏。 b.数字水印。 c.图像的信息伪装。（9）图像通信

数字图像处理系统论文

研究生数字图像处理作业

一、编写程序完成不同滤波器的图像频域降噪和边缘增强的算法并进行比较，得出结论。频域降噪。对图像而言，噪声一般分布在高频区域，而图像真是信息主要集中在低频区，所以，图像降噪一般是利用低通滤波的方法来降噪。边缘增强。图像的边缘信息属于细节信息，主要由图像的高频部分决定，所以，边缘增强一般采取高通滤波，分离出高频部分后，再和原频谱进行融合操作，达到边缘增强，改善视觉效果，或者为进一步处理奠定基础的目的。 1频域降噪，主程序如下： I=imread('lena.bmp'); %读入原图像文件 J=imnoise(I,'gaussian',0,0.02);%加入高斯白噪声 A=ilpf(J,0.4);%理想低通滤波 figure,subplot(222);imshow(J);title('加噪声后的图像'); subplot(222);imshow(A);title('理想低通滤波'); B=blpf(J,0.4,4);%巴特沃斯低通滤波 subplot(223);imshow(B);title('巴特沃斯低通滤波'); C=glpf(J,0.4);%高斯低通滤波 subplot(224);imshow(C);title('高斯低通滤波'); 用到的滤波器函数的程序代码如下： function O=ilpf(J,p) %理想低通滤波，p是截止频率 [f1,f2]=freqspace(size(J),'meshgrid'); hd=ones(size(J)); r=sqrt(f1.^2+f2.^2); hd(r>p)=0; y=fft2(double(J)); y=fftshift(y); ya=y.*hd; ya=ifftshift(ya); ia=ifft2(ya); O=uint8(real(ia)); function O=blpf(J,d,n) %巴特沃斯低通滤波器，d是截止频率，n是阶数[f1,f2]=freqspace(size(J),'meshgrid'); hd=ones(size(J)); r=f1.^2+f2.^2; for i=1:size(J,1) for j=1:size(J,2) t=r(i,j)/(d*d); hd(i,j)=1/(t^n+1); end end y=fft2(double(J)); y=fftshift(y); ya=y.*hd;

图像处理毕业设计题目

图像处理毕业设计题目篇一：数字图像处理论文——各种题目长春理工大学——professor——景文博——旗下出品1基于形态学运算的星空图像分割主要内容：在获取星图像的过程中，由于某些因素的影响，获得的星图像存在噪声，而且星图像的背景经常是不均匀的，为星图像的分割造成了极大的困难。膨胀和腐蚀是形态学的两个基本运算。用形态学运算对星图像进行处理，补偿不均匀的星图像背景，然后进行星图像的阈值分割。要求： 1> 图像预处理：对原始星空图像进行滤波去噪处理； 2> 对去噪后的图像进行形态学运算处理； 3> 选取自适应阈值对形态学运算处理后的图像进行二值化； 4> 显示每步处理后的图像； 5> 对经过形态学处理后再阈值的图像和未作形态学处理后再阈值的图像进行对比分析。待分割图像直接分割图像处理后的分割图像2基于数字图像处理的印刷电路板智能检测方法主要内容：通过对由相机实时获取的印刷电路板图像进行焊盘识

别，从而提高电子元件的贴片质量，有效提高电路板的印刷效率。要求： 1> 图像预处理：将原始彩色印刷电路板图像转成灰度图像，对灰度图像进行背景平滑和滤波去噪； 2> 对去噪后的图像进行图像增强处理，增强边缘提取的效果。 3> 对增强后的图像进行边缘提取（至少两种以上的边缘提取算法）； 4> 显示每步处理后的图像（原始电路板图像可自行查找）； 5> 图像处理后要求能对每个焊盘进行边缘提取，边缘清晰。 3静止背景下的移动目标视觉监控主要内容：基于视觉的人的运动分析最有前景的潜在应用之一是视觉监控。视觉监控系统的需求主要来自那些对安全要求敏感的场合，如银行、商店、停车场、军事基地等。通过对静止背景下的目标识别，来提醒监测人员有目标出现。要求： 1> 对原始参考图和实时图像进行去噪处理； 2> 对去噪后的两幅图像进行代数运算，找出目标所在位置，提取目标，并将背景置黑；

本科毕业设计论文--基于matlab数字图像处理gui设计

目录摘要 (2) 一．数字图像概述 (3) 1.1 数字图像处理的意义 (4) 1.2 数字图像处理技术的发展 (5) 二．matlab图像处理简介 (6) 2.1 matlab简介 (6) 2.2 matlab图像界面GUI简介 (7) 三．数字图像处理软件的设计 (7) 3.1软件的总体设计 (7) 3.1.1整体界面设计 (8) 3.1.2菜单栏设计 (8) 3.2文件的读入与显示 (8) 3.3图像的保存 (9) 3.4图像的灰度处理 (9) 3.5图像二值化 (10) 3.6图像R直方图 (11) 3.7图像G直方图 (11) 3.8图像B直方图 (12) 3.9直方图均衡 (12) 3.10图像的腐蚀 (13) 四．exe文件的生成 (14) 参考文献 (15)

摘要数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文介绍了MATLAB 语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像处理，并通过一些例子来说明利用MATLAB图像处理工具箱进行图像处理的方法。主要论述了利用MATLAB的GUI实现图像二值化分析等图像处理。关键词：MATLAB，数字图像处理，GUI，二值图像

数字图像处理车牌识别课程设计matlab实现附源代码

基于matlab的车牌识别系统一、目的与要求目的：利用matlab实现车牌识别系统，熟悉matlab应用软件的基础知识，了解了基本程序设计方法，利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，并把所学的知识系统、高效的贯穿到实践中来，避免理论与实践的脱离，巩固理论课上知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论基础，有助于自身综合能力的提高。要求： 1.理解各种图像处理方法确切意义。 2.独立进行方案的制定，系统结构设计要合理。 3．在程序开发时，则必须清楚主要实现函数的目的和作用，需要在程序书写时说明做适当的注释。如果使用matlab来进行开发，要理解每个函数的具体意义和适用范围，在写课设报告时，必须要将主要函数的功能和参数做详细的说明。 4、通过多幅不同形式的图像来检测该系统的稳定性和正确性。二、设计的内容学习MATLAB程序设计，利用MATLAB函数功能，设计和实现通过设计一个车牌识别系统。车牌识别系统的基本工作原理为：将手机拍摄到的包含车辆牌照的图像输入到计算机中进行预处理，再对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单个字符，然后将其逐个与创建的字符模板中的字符进行匹配，匹配成功则输出，最终匹配结束则输出则为车牌号码的数字。车牌识别系统的基本工作原理图如图1所下所示：

三、总体方案设计车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割和单个字符识别两个模块。为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。但由于是采用智能手机在开放的户外环境拍照，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。因此，需要将拍出的车牌进行处理，在这个过程中，我采用画图工具，将汽车图像的车牌部分进行裁剪，并将车牌的蓝色部分过亮的地方颜色加深，还将车牌中的一个白色的原点抹去，另外还将车牌上的铆钉使用车牌的蓝色背景覆盖，这样分割出的字符更加准确。车牌识别的最终目的就是对车牌上的文字进行识别。主要应用的为模板匹配方法。因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU要求主频在600HZ及以上，内存在128MB 及以上。系统可以运行于Windows7、Windows2000或者Windows XP操作系统下，程序调试时使用matlabR2011a。四、各个功能模块的主要实现程序（一）首先介绍代码中主要的函数功能及用法：