数字图像处理论文精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的数字图像处理论文主题范文，仅供参考，欢迎阅读并收藏。

第1篇：数字图像处理论文范文

论文摘要： 数字图像处理是我校计算机和通信类专业的必修课程。针对这门课的特点和我校的实际情况从理论和实验教学两个方面对“数字图像处理”的教学方法改革进行了实践探讨。教学实践表明这项改革对于学生更好地掌握数字图像处理技术，提高综合素质和培养创新能力起到的积极作用。

引言

数字图像处理（Digital Image Processing）是信息技术中的一门新兴综合性学科。这门课主要研究图像数字化处理过程的理论原理、方法技术和过程，该课程要求学生掌握数字图像处理技术的基本概念、原理、算法及其处理技术； 这门课程的理论性强，需要较强的数学基础和具备一定计算机方面功底，目前理工类或综合类院校几乎都开设了数字图像处理的相关课程，我校也从2000年开始开设了这门课程，一般安排在本科三年级或四年级上半期开设。

1 数字图像处理的课程特点

这门课程的传统教学方法难以达到理想的教学效果，原因在于：学生面对诸多抽象的理论和烦琐的数学公式往往无所适从；授课教师很难用现有的教学方式实时表达数字图像处理前后的直观效果，致使学生难以理解图像变换实际的演变逻辑和演变过程，面对众多繁杂的推演公式只能死记硬背，学习起来效果可想而知，因此，有必要对现有的教学方法进行改进。

2 课程教学改革实践的探索

通过对数字图像这门课多年来的实践教学和经验总结，笔者认为应该从理论和实验两个方面来对现有的教学方法进行两方面着手：一是理论教学体系和教学方法；二是实验教学的改进。两者相辅相成都是数字图像处理这门课的两个重要环节，缺一不可。

2.1 理论教学方面

在理论教学方面应着重于教学体系的选择和教学形式的改革，具体体现为：第一，在教材的选择和教学内容的安排上，应根据本校学生和教学的实际需要进行教材的精选和教授内容的合理安排。第二，教学内容的取舍上应该贯彻“少而精”原则对课程内容进行了适当的取舍和更新。以专题形式向学生介绍最新的、前沿性的学科知识， 这不仅能满足学生的猎奇感，而且在有意理论素养和应用方面队学生加以启发和引导，让学生不自觉地养成好的学习的习惯。第三，应用形象化教学手段教学。数字图像处理是以数字图像为研究对象。针对数字图像的图像信息丰富，图像处理前后的效果又无法用语言、文字等方式表达，因此，多媒体课件制作的好坏直接影响到学生学习这门课的最终效果。目前国内尚无比较成熟的数字图像处理CAI课件，我们针对性研制了相应的教学课件和电子教案，让学生在教学中直观体会图像变换前后的实际对比效果。同时在课堂教学中引入适当的图例分析和编程处理实例可以使原本很抽象的内容变得生动具体。

2.2 实验教学的改革

实践教学实习是本课程不可或缺的重要教学环节。目前国内还没有公认比较实用和完善的实验教学体系。我们对实验教学体系和内容的把握体现在以下几点：

（1）实验环境的选择。数字图像处理不同于用Photoshop等图像处理软件对图像作现成的操作，它要求学生在掌握有关基础理论、典型方法的基础上，利用编程技巧实现图像信息的各种处理，如图像增强、图像分割、图像分析等。多数教师选择MATLAB作为实验语言，主要因为其功能强大的图像图形处理工具包。但大多数学生并不熟悉MATLAB，我们选择了C++语言作为基本的编程语言，因为高年级学生已经对C++比较熟悉并在今后又会经常使用。

（2）精选实验教学内容。在“数字图像处理”的实验课教学中，突出强调理论知识和实践能力的结合，为此，选择图像处理中几个最典型的算法作为实验课教学的主要内容，包括图像灰度增强、图像压缩、图像域值分割、伪彩色处理等。实验内容包括图像的读取和显示、直方图均衡化、平滑和锐化滤波、膨胀和腐蚀等。这些实验教学内容有助于学生实践掌握课上讲授的知识，增强了学生自主完成任务的主动性和积极性，能够有效提高学生的编程实践能力。

（3）改革实习教学手段。“数字图像处理”实习内容包括图像处理软件的选择和使用、处理算法设计和实现等。针对往年已有的实习材料看，指导教师在实习前将较多的精力花在讲解实习目的、原理、内容和实习步骤等方面，而占用学生自己动手实习的时间偏离试验的本来愿望。现在采用在实习前就分发给学生实习教学课件，让学生在课件辅导下，课余时间理解消化实习内容，腾出了更多时间探讨算法，得出实习应该有的正确结果，而不至于在实习中对结果是否正确茫然不知，从而提高了学生理论和独立动手的能力。

2.3 开展第二课堂活动

为有效培养学生的实际动手能力，基于完成具体项目的教学策略是很多学生必走的一步，让学生在实践中锤炼，有助于较快地提高学生的理论认知水平和解决实际问题的能力。在上课之初将学生分组每组给出一个实际的学期项目。由于有充分的时间可以收集资料和模仿学习，有效提高学生的学习积极性。将课堂的实验任务与学期项目有机结合起来，有助于学生发现学习内容彼此之间的联系，促进对知识的综合掌握和灵活应用。

3 考核手段的探索

以往的课程考核主要通过期终考试来考核学生对课堂所学内容的理解和掌握程度，由分数来定结果，这种考核方式虽然能部分反映学生的学习能力但很难考核学生发现、分析和解决具体问题的能力差别，不利于发挥学生的主观能动性以及创造能力的培养；还可能导致出现学生在学习过程中常出现平时不努力，考前突击复习四处打听考题的情况，为了加强学生能力的培养，我们将平时的听讲、回答问题、作业的情况等列入平时成绩，还鼓励学生就某一专题进行发言探讨等多种学习形式。课程最终的考核成绩综合期末考试成绩、实验成绩、专题成绩和平时成绩几个部分加权平均得出。

4 结束语

经过多年的探索，我们在《数字图像处理》课程的教学过程中，通过对教学体系、实验体系和考核方法和方式上的改进，有针对性地制作了大量图像处理前后对比课件和现场演示相结合进行教学，通过形象化实例化教学，极大地提高了学生的学习积极性，教学效果很不错，学生反响很好，同行评价也比较高。

参考文献

[1] 贾永红.“数字图像处理” 课程的建设与教学改革[J].高等理科教育，2007（1）.

[2] 李熙莹.“数字图像处理” 课程设计与学生实践动手能力的培养[J].计算机教育，2008（8）.

第2篇：数字图像处理论文范文

[关键词]图像处理 去噪 方法 展望

一、引言

对于数字图像处理的方法研究主要源于两个应用：一是为了方便人们分析而对图像的信息进行必要的改进；二是为了使机器设备能自动理解而对图像数据信息进行存储、传输和显示过程[1]。随着人类生活信息化程度的不断加深，图像信息作为包含了大量信息的载体形式越来越体现出其强大的信息包含能力，由此引发的就是对图像质量的高要求。在实际的应用中，系统获取的图像往往不是完美的，常常会受到外界的干扰，例如传输过程中的误差、光照等因素的影响都会导致图像的质量不高，难以进行更深入的研究和处理，所以需要对其进行处理，便于提取我们感兴趣的信息。在数字图像处理过程中，由于受到成像方法和条件的限制以及外界干扰，数字图像信号不可避免地要受到噪声信号的污染。图像中的研究目标的边缘、特征等重要的信息常被噪声信号干扰甚至覆盖，使原始图像变得模糊，给图像的后继研究和处理，比如边缘检测、图像分割、图像识别等增加很大难度，因此对图像进行去噪处理，恢复原始图像是图像预处理的重要任务和目标。图像去噪工作也被称为图像滤波或平滑。

二、图像去噪技术的发展历史和现状

（一）图像噪声的定义和分类

所谓数字图像处理就是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为。一幅图像信息的生成难免或多或少都会伴随有噪声的产生。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”，在理论上可定义为“不可预测，只能用概率统计方法来认识的随机误差”[2]。它对图像信息的采集、输入以及处理的各个环节和最终的输出结果都会产生一定的影响，特别是在图像信息的输入、采集和传输过程中，若输入时伴随有较大的噪声，则必定会对其后的处理过程以及处理结果造成不利的影响。

常见的图像噪声分为5种[3]：

（1）加性噪声：和输入图像信号无关，比如信道噪声；

（2）乘性噪声：与图像信号有关，常随着图像信号的变化而变化，比如胶片中存在的颗粒噪声；

（3）量化噪声：与输入图像信号无关，是量化过程中产生的误差，其大小可以衡量数字图像与原始图像的差异，这是数字图像主要的噪声源；

（4）椒盐噪声：由于图像切割引起的噪声，比如白图像上的黑点噪声；

（5）高斯噪声：其概率密度函数服从正态高斯分布的噪声，包括热噪声和散粒噪声。

（二）去噪技术的发展历史和现状

图像处理的出现始于20世纪50年代。当时的电子计算机已经发展到了一定的水平，人们开始使用计算机来完成简单的图形和图像处理工作。数字图像处理形成体系，形成一门学科约开始于20世纪60年代初期[4]。早期图像处理的目的仅仅是为了改善图像的质量便于提高人的视觉效果。数字图像处理过程中，输入的是质量较低的原始图像，输出的是改善过后有一定质量的图像。常用的图像处理方法有图像增强、复原、编码和压缩。早期由于数字图像处理领域涉及的数学理论比较浅，在很长的一段时间里，某些在特定条件下的算法的正确性没能得到很好的证明，使得数字图像处理研究的发展缓慢。近年来，由于该领域研究者数学功底的不断加强，同时该领域具有的巨大市场需求也吸引了越来越多的数学工作者的加入，使得该领域得到了前所未有的发展[5]。

三、图像去噪的典型方法

根据实际图像的特点，存在的噪声的频谱分布规律和其统计特性，人们开发了各种图像去噪方法，典型的方法有：

（一）均值滤波法（邻域平均法）

均值滤波法也称为邻域平均法，该方法较适于去除通过扫描得到的图象中的颗粒噪声，具体做法是将一个像素及其邻域的所有像素的平均值赋值给输出图像相应的像素，以此达到滤波的效果。此方法能较有效地抑制噪声，算法简单，运算速度快，但由于平均会引起一定程度的图像模糊现象，模糊程度与邻域半径成正比。

对于均值滤波法引起的图像模糊现象，可通过选择合适的邻域大小、形状和方向等加以改进。

（二）中值滤波法

中值滤波法是一种常用的基于排序统计理论的非线性平滑滤波法，其工作原理是先以某一像素为中心，确定一个称为窗口的邻域（通常为方形），取该窗口中各像素的灰度中间值替换中心像素的灰度值，从而消除孤立的噪声点，减少图像的模糊度。中值滤波可以比较有效地滤除图像中的椒盐噪声。该方法既可以去除图像中的噪声，又能保护图像的边缘信息，而且在实际运算中不需要图象的统计特性，算法简单，实时性较好，但对于某些如点、线、尖顶等细节较多的图象不宜采用中值滤波的方法[6]。

（三）小波去噪

在图像去噪领域，近年来，越来越多的学者青睐于小波去噪。因为该方法具有良好的多分辨率分析能力和时频局部特性，并且能够保留大部分的包含信号的小波系数，因而能较好地保护图像细节。小波去噪法通常分为三个步骤：先对图像信号进行小波分解，然后将经过层次分解后的高频系数进行阈值量化，最后利用二维小波重构图像信号[7]。

四、图像去噪技术的发展前景展望

图像是人们获取信息和交换信息的主要来源，因此，图像处理的相关应用必定影响人们生活和工作的方方面面。随着相关学科的不断发展，数字图像处理技术也将得到不断地提高。图像去噪这一最早应用于军事指挥和控制方面的技术，发展至今已成为了许多传统学科和新兴工程领域的结合体[8]，小波去噪法的出现更是使图像预处理进入了一个新的阶段。近年来小波变换与神经网络技术相结合的去噪方法成为了研究的热点：小波变换去噪能有效地抑制噪声，且很好地保留图像的原始特征，而神经网络具有良好的自适应机制和自学习能力，两者相结合的去噪方法必然成为主要的发展趋势之一。

[参考文献]

[1]武伟；王宏志.基于双树复小波变换与非线性扩散的图像去噪[J]；长春工业大学学报（自然科学版）；2011年03期

[2]王文；康锡章；王晓东.基于小波域HMT的航空侦察图像去噪方法[A]；'2003系统仿真技术及其应用学术交流会论文集[C]；2003年

[3]AGersho，BRamaurthi.ImagecodingusingvectorquantizationinProc.IEEEInt.Conf.Acost.Speechsinalpro-cessing.1982.5.430-432

[4]李康；高静怀；王伟.基于Contourlet域HMT模型的图像去噪方法研究[A]；全国第二届信号处理与应用学术会议专刊[C]；2008年

[5]邓超.基于改进神经网络的CCD图像去噪方法研究[A]；武汉（南方九省）电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C]；2010年

[6]李伟.基于匹配跟踪和自适应字典的图像去噪算法研究[D]；华北电力大学（北京）；2010年

[7]林德贵.基于边缘检测的提升小波图像去噪[J]；长春大学学报；2011年08期

第3篇：数字图像处理论文范文

论文关键词：人脸识别，中值滤波，同态滤波

 

引言

随着科学技术的飞速发展，互联网的广泛应用，重要部门(机场、银行、军政机关、重点控制地区)的进出需要可靠的身份鉴别。传统身份识别方式的弊端日益彰显，根据人体生理特征和行为特征来识别身份的生物特征识别日益兴起。人脸识别是计算机模式识别研究领域中一项热门的研究课题，人脸的面部特征是最自然的、方便的身份辨认手段，易为用户所接受。随着计算机技术和数字图像技术的迅猛发展，人脸自动识别在技术上成为可能。

1图像预处理

一个典型的人脸识别过程包括三个步骤：人脸检测、特征提取与人脸识别。在实现过程中，首先要获取图像，然后进行人脸模块检测。如果检测到人脸图像，则进行特征点定位及归一化处理，特征提取后送入分类器进行识别，最终获得识别结果。

预处理是人脸识别过程中一个重要环节，其主要目的是消除图像中的冗余信息，滤除干扰、噪声，增强有关信息的可检测性，从而提高识别的可靠性。在预处理阶段，对图像进行优化，尽可能去除或者减小外部环境对预处理图像的干扰，为后续处理提高质量。

2预处理方法的研究

2.1 直方图均衡化

直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。直方图反映了图像的明暗分布规律同态滤波，可以通过图像变换进行直方图调整，获得较好的视觉效果。直方图均衡化是在每个灰度级上都具有相同的象素点数的过程，目的是使图像在整个灰度值动态变化范围内分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。

均衡化处理的步骤为：

（1）对给定的待处理图像统计其直方图，求出

（2）根据统计出的直方图采用累积分布函数做变换，,求变换后的新灰度；

（3）用新灰度代替旧灰度，求出，这一步是近似过程，应根据处理的目的尽量做到合理，同时把灰度值相等或近似的合并到一起。

2.2 灰度拉伸

灰度拉伸又叫对比度拉伸，它是最基本的一种点操作，根据原始图像中每个像素的灰度值，按照某种映射规则，将其变换为另一种灰度值。通过对原始图像中每个像素赋一个新的灰度值来达到增强图像的目的。一般有线性变换（最常用的是按比例线性变换和分段线性变换）和非线性变换（常用对数扩展和指数扩展）。

2.3中值滤波

中值滤波是一种非线性滤波方法，在一定条件下可以克服线性滤波器处理图像细节模糊的问题，但是对点、线、尖顶等细节较多的图像，则会引起图像信息的丢失。中值滤波的基本思想是把局部区域的像素按灰度等级进行排序，取该邻域中灰度的中值作为当前像素的灰度值。它对滤除脉冲干扰和图像扫描噪声非常有效论文范文。

中值滤波的步骤：

（1）将滤波模板在图像中漫游，并将模板中心与图中某个像素位置重合；

（2）读取模板中各对应像素的灰度值；

（3）将这些灰度值从小到大排列；

（4）取这一列数据的中间数据赋给对应模板中心位置的像素；

由以上步骤可以看出，中值滤波对孤立的噪声像素即椒盐噪声、脉冲噪声具有良好的滤波效果。由于它不是简单的取均值，所以产生的模糊比较少。

2.4 同态滤波

当光源照射物体时，由于物体各部分的反射，通过视觉和其他感光面形成图像。因此，图像生成与光源的照射特性和物体的反射特性有关。

设光源的照度函数为，景物各点的反射系数为，则图像的亮度函数为。上式表明，图像各点亮度，决定于照射分量和反射系数的乘积。

同态滤波就是将图像乘积形式的亮度模型（非可加性），变成可加形式，以便进行滤波增强处理。经过同态滤波后其结果会改变图像光强度和反射光强度的特性，因此可以做到同时降低图像动态范围，又增加对比度的结果。

同态滤波的步骤：

（1） 对亮度函数两边作对数变换，再取傅氏变换；

（2） 通过一滤波器；

（3） 对滤波器的输出取傅氏饭变换，再取指数变换；

选取合适的滤波器，可以适当压缩照度分量的动态范围，同时适当提升反射度分量，可以改善图像对比度，突出物体轮廓。

3 仿真实现

取一幅92*112的人脸图像，通过matlab函数对其进行直方图均衡化处理同态滤波，可以得到处理前后的直方图对比。通过仿真我们可以清楚的看出，均衡化后图像获得了较好的视觉效果，图像变的更加的清楚，图像中的一些细节也突出了。如图3-1所示。

图3-1 处理前后的直方图对比

对同一副人脸图像进行灰度拉伸，仿真结果如图3-2所示。

图3-2 原始图像以及灰度拉伸处理后的效果

由两幅图像处理前后的效果变化可以看出灰度拉伸后增强了图像的对比度，使得图像细节更加的突出。

同样，对人脸图像分别进行中值滤波和同态滤波进行预处理，其仿真图分别如图3-3和3-4所示。

图3-3原始图像与中值滤波后的效果图

由原始图像和中值滤波后的图像对比可以看出，处理之后，人脸图像中的斑点得到了去除。

图3-4原始图像与同态滤波后的效果图

对图像进行同态滤波处理之后，由两幅图像对比可以看出，图像对比度得到增强，像素灰度的动态范围也得到增强。处理之后图像较暗的地方变得更清楚，图像中的一些细节也更加突出。

结束语

本文主要针对人脸识别中图像预处理进行研究，通过图像预处理的一些方法，如直方图均衡化、灰度拉伸、中值滤波、同态滤波，对读入的人脸图像进行处理。消除图像中无关的信息，从而使图像增强，细节突出，进一步改善了图像质量，为下一步图像的特征提取、分割、匹配和识别打下可靠的基础。

参考文献：

[1]阮秋琦.数字图像处理学[M].北京: 电子工业出版社, 2000.4

[2]王耀南.计算机图像处理与识别技术[M]. 北京:高等教育出版社, 2001.6

[3]章毓晋.图像工程[M].北京: 清华大学出版社, 2001.9

[4]罗良正.数字图像处理[M].南京: 东南大学出版社, 1999.8

[5]周激流，张晔．人脸识别理论研究进展[J]．计算机辅助设计与图形学学报．1993，

11(2)：180-184

第4篇：数字图像处理论文范文

关键词：3D计算；图像处理；角点检测方法

中图分类号：TP311.52文献标识码：A文章编号：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、目标图像的预处理

在马尔计算机视觉理论体系中，二维图像的预处理的第一步是在于三维视觉。图像预处理的主要目的是改善图像的视觉效果，提高图像的清晰度，图像转换成一种更为适合的分析和处理模式，提高了系统的精度。有许多种类的图像预处理方式，例如图像平滑和锐化等。在这一部分简要介绍线性滤波和非线性滤波，以及直方图均衡化，以提高图像的对比度。

（一）图像平滑。图像平滑是一个非常实用的数字图像处理技术，主要目的是为了减少图像的噪声，以及降低噪声的图像处理效果。一般来说，在空间域可以使用线性平滑滤波或顺序统计滤波器降低噪音；在频域可用于各种形式的低通滤波降低噪声也应用于在高频波段。其中，常见的有空间平滑滤波与均值滤波和中值滤波。

1.均值滤波。均值滤波器也被称为线性滤波，主要手段是邻域平均法。线性滤波理论是在检测像素周围形成建筑模板，模板像素值计算代替了原始图像中的每个像素值，即对当前像素点选择一个模板，该模板为附近的一个像素的多元化并为模板中的所有像素的平均值，然后通过价值分配的当前像素的像素值，作为用作处理图像中的灰度，即：

均值滤波算法，它会使图像模糊，原因是它对所有像素都一视同仁，并对噪声点进行评估，同时，现场的边界点也给予评估。为了改善这种状况，必须改变滤波器的设计思想，设计一个滤波器，它可以消除噪声，而且还可以使图像模糊，中值滤波是一种有效的方法。

2.中值滤波。中值滤波是基于顺序统计量理论有效抑制噪声的非线性信号处理技术，中值滤波的基本原理在于数字图像像素的像素值在一个数字区域的每个样本的位数，从而借此消除孤立噪声点。选择一个模板，模板根据像素的像素值的大小排序，形成一个单调递增或递减的顺序，选择序列的中值为模板中心像素所代表的像素值。

均值滤波去噪图像边缘模糊而产生的负面影响，与中值滤波去除噪声后同时保持图像的边缘细节，效果明显比均值滤波器为佳。因此在系统中图像处理的中值滤波，并在后来的实验中证明，这种图像处理中值滤波值最应值得考虑。

（二）直方图均衡化。直方图均衡化图像对比度的方法介绍如下。直方图具有灰色的水平功能，它表示图像具有灰度的像素数量，反应在每个图像灰度出现频率过程中。对于数字图像，直方图是一个离散函数：

直方图均衡化的具体步骤如下：

（1）列出了原始图像的灰度级，并统计原始图像中的像素灰度数；

（2）根据公式计算原始图像直方图；

（3）根据计算的累积直方图；

（4）根据 对 取整，确定映射关系 ；

（5）统计直方图的灰度的像素数量，并计算新的直方图。

二、对象的图像特征点提取的研究与实现

特征提取是图像处理和分析下一步的前提和基础，重点在于图像匹配。有许多种类的图像特征，包括点，线，区，边界，外形，颜色和其他数字或符号说明。本文的双目视觉系统是用角点特征。角点特征的图像匹配，摄像机标定，三维重建和其他地区有重要的应用意义。在本文侧重为角点提取方法，并分析了该方法的优缺点，提出改进的方法。

（一）角和角点提取算法要求概述。角点是图像非常重要的局部特征，其直观的定义在于至少2个方向的图像灰度变换相对大点。对各种图像的特征，具有旋转不变性角而不是光照条件和变化的优点。由于角可以减少大量的数据参与计算，在不损失重要信息和灰度图像以及图像匹配的前提条件下，角点特征匹配可以大大提高匹配速度。因此，研究一种快速以及有效的角点提取的方法以提高图像匹配的速度和匹配率有重要的意义。

目前的角点检测方法主要分为2大类：一是基于图像边缘角点提取算法，另一类是直接基于灰度的角点检测。基于边缘提取的角点检测算法的基本思想是：第一个角点上的边缘，是一种特殊的边界点。这种算法常常用来来检测图像的边缘，并进行边缘检测在图像的点作为测点，如典型Rresonfeld提出的k-曲率法，热拉尔・莫狄奥尼提出的样条曲线拟合方法。基于边缘提取的角点检测算法的主要缺点是对边缘提取算法提取边缘高度依赖，如果发生错误，或边缘线中断的情况发生，则会对角点提取结果会造成巨大的影响。直接图像的角点检测的基础在于提取的角是局部范围内的灰色和梯度最大值点。所以这类算法主要是通过计算梯度与曲率角检测，因为它不需要进行边缘提取，所以在实践中得到了广泛的应用。因此，在使用该系统时是基于图像的角点提取算法。以下几种经典的基于灰度的角点检测算法已经进行了研究与实验。本文选择的不同图像的角点检测分析和比较分析，比对各种方法的优缺点，并结合各种方法的优缺点作为哈里斯检测方法的改进。

（二）苏珊角点提取算法的研究和实现。苏珊（最小univalue段吸收核）角点检测算子是由牛津大学和布雷迪・史密斯提出的。他们所提出的1997个角点检测算法，不需要滤波去噪处理，具有较强的抗噪声能力。其基本原理是，每个图像点相关的局部地区有相同的亮度。如果一个窗口内的每个像素的亮度值和窗口中心像素的亮度值相同或相似的，窗户则会进入核相似的地区――“苏珊（univalue段吸收核）”。

苏珊算法用一个圆窗为模板，模板中心检测像素点称为核心点。在一个背景灰度值小于检测区域的灰度图像，如下图所示，一个圆形模板放置在四方不同的位置，由公式为模板中的每一个点与核心点的灰度值进行比较。

图像目标与背景的对比度一般在10~25之间选择的选择，但也应考虑在图像噪声和特征点的性质。

圆形模板的图像，使圆形模板内的像素与中心元素确定中心元素相同或相似的区域，是为像素区。苏珊算法是将使用的模板中的图像的区域划分为各种模板元素的外部以及内部，边界点或角。模板元素的值和中心确定后，比较结果的积累。

（三）角点提取算法的研究和实现。角点检测算法是1988年克里斯与麦克斯蒂芬斯提出，是基于图像特征的提取算法，也被称为中国的角点检测算法。据C .施密德报告，为目前最好的角点提取方法的角点检测算法，它不影响相机姿态和光照的影响。

图像通常是用来描述局部自相关函数的图像灰度变化的程度，和图像的角和自相关函数的曲率的关系。我们把本地窗口矩形形状说假设成其沿任意方向移动的距离，所以可得它的自相关函数公式：

具体的方法如下：

1.如果两者曲率值很小，证明了局部自相关函数是非常平坦的，检测出区的面积单位；

2.如果两者曲率较大，另一个是小的，然后点的可能为边缘点；

3.如果两者曲率大，局部自相关函数由一个峰值，然后则为点角；

（四）苏珊和角点检测结果比较。根据苏珊算子和、算子理论和编程步骤的角点检测，首先，稍有锯齿状边缘图像的角点检测。角点检测结果如下：

通过苏珊算法和算子在同一网站上呈锯齿状边缘图像的角点检测结果，可知苏珊角点检测算法在边缘效果理想的结果，和哈里斯算法在边缘效果不理想的结果，如上图所示。通过苏珊算法和算子在同一稍有锯齿状边缘图像的角点检测结果，可知苏珊角算法的边缘检测效果比哈里斯算法的检测效果理想。

在上图中分析了算法在边缘地区的探测效果，随着边缘光滑立体块图像的角点检测，角点检测算法比较了苏珊和角点检测算法检测效果，并进行了对比。

但是，在块图像的角点检测方面，角点检测算法的检测角点超过苏珊算法检测角点，以及误差角点比苏珊算法误差角明显少很多。对建筑进行角点检测，根据统计数据，建立形象，角点检测的对数比苏珊算法来检测的数字接近和正确率高。

在苏珊算法和算子进行了不同的特征图像的角点检测实验，并将两者比较。苏珊算法和哈里斯算法鲁棒性分析中，建筑块图像高斯噪声用苏珊的角点检测算法和角点检测算法，加入高斯噪声图像的角点检测。

基于图像的噪声，分别使用苏珊的角点检测算法和角点检测算法的角点检测，苏珊角点检测算法抗噪性能优于的角点检测算法，对噪声的免疫力更为强大。

为了更准确地提取所需的角点，本论文结合了多尺度分析苏珊算法和算子，算子并且进了改进。

综上所述，本文用苏珊算子以及算子分别对不同图像的角点检测，苏珊角算子也有许多缺点，但边界效果好，并具有一定的抗噪声，角点检测算子正确率明显高于苏珊角点检测算子，但有轻微锯齿状边缘检测效果不如苏珊角点检测算子，且无噪音。另一点，角点检测原理从中可以看出算子可以只在一个单一的规模，这就是角点检测的特性。一般来说，在较大规模能可靠地消除错误检测，但角定位不够准确，只在较小规模的角位置更准确，但错误率将增加。

参考文献：

[1]冈萨雷斯.数字图像处理（第二版）[M].北京:电子工业出版社,2003

[2]李伟.立体视觉若干基本问题的研究[D].昆明昆明大学,2005

第5篇：数字图像处理论文范文

关键词:边缘检测；图像处理；边缘检测算子；梯度；图像边缘

中图分类号：TP18文献标识码：A文章编号：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

图像边缘包含了图像最重要的信息，图像边缘检测是计算机视觉和数字图像处理等领域研究的重要内容之一。边缘是指图像周围像素灰度有阶跃变化或屋顶变化的那些像素的集合，它存在于目标与背景、目标与目标、区域与区域、基元与基元之间，是图像最基本的特征，以及图像分析与识别的重要环节[1]。边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。我们将边缘定义为图像中灰度发生急剧变化的区域边界，图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此可以用局部图像微分来获得边缘检测算子[2]。该文主要分析了几种典型的边缘检测算子，Roberts边缘检测算子、Prewitt边缘检测算子、Sobel边缘检测算子、LOG边缘检测算子、Canny边缘检测算子，并用Matlab对这几种算法分别进行了仿真，并且还在对灰度图加入高斯噪声后这几种算法的仿真，以便能更清楚地看出这几种算法对含有噪声的图像的抑制情况，然后分别对得到的各种效果图进行比较分析，为人们在实际情况中选择适当的算子提供参考。

1几种经典的边缘检测算法

图像边缘检测算法是根据图像边缘存在的突变性质来检测的。主要分为两种类型[3,4]：一种是以一阶微分为基础的边缘检测算子，通过计算一阶导数局部最大值来检测图像边缘，如：Roberts算子、Prewitt算子、Sobel算子、Canny算子；另一种是以二阶微分为基础的边缘检测算子，通过寻求二阶导数中的过零点来检测边缘，如：LOG算子。

1.1一阶微分算子

基于一阶微分的算子是通过计算图像的梯度值来检测图像边缘的，利用梯度去寻找一幅图像f的(x,y)位置处边缘的强度和方向，梯度用?f来表示，用向量定义为[2]：

收稿日期：2011-12-29

作者简介：谭艳（1987-），女，重庆人，在读硕士研究生，主要研究方向为图像处理；王宇俊（1966-），男，教授，主要研究方向为人工智能，机器人学，工业机器人，被动机器人等。

为了得到一幅图像的梯度，在图像的每一个像素位置处都需要计算偏导数?f?x和?f?y，因此，可以使用小区域模板卷积来进行近似计算[5]。于是研究者们根据这个模板大小及其元素值选择的不同提出了许多不同的边缘检测算子，它们对边缘检测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]在其硕士论文中提出的基于一阶微分滤波器的三条最优化准则的Canny算子。

1.1.1 Roberts算子

Roberts算子是利用局部图像像素中交叉对角线方向的相邻两像素之差来近似梯度幅值检测图像边缘。该算子定义为：

gx=

该算子的梯度方向可以由公式(3)算出。由于该算子没有对图像进行平滑，因此对噪声的抑制能力不强。另外，该算子检测到的图像边缘比较细，但是连续性较弱。

1.1.2 Prewitt算子

Prewitt算子由Roberts算子2×2大小的模板扩展为3×3大小的模板来计算差分算子，它是利用像素点上下、左右邻点的灰度差，在边缘处达到最大值来检测边缘[6,11]。该算子利用两个方向的模板，即检测水平边缘的模板和检测垂直边缘的模板，图像中的每个像素点都要用这两个模板做卷积，最后输出两个卷积中的最大值。该算子的定义为：

[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算子与Prewitt算子很相似，不同之处在于Sobel算子只是在中心系数上使用了一个权值2。该算子的两个模板为：

1.1.4 Canny算子

Canny算子也是一种基于一阶微分的边缘检测方法，但它所拥有的三条最优化准则使其性能优于其他方法。它的基本原理是首先用高斯滤波器平滑图像，再用一阶偏导的有限差分来计算梯度的幅值和方向，接着对梯度幅值进行非极大值抑制，最后用双阈值算法检测和连接边缘[8]。

假设原图像为f(x,y)，高斯函数为G(x,y),平滑后的图像为h(x,y),则

h(x,y)=G(x,y)*f(x,y)

(10)

其中，?为卷积符号，G(x,y)=e-

1.2二阶微分算子

基于二阶微分的算子是通过计算二阶导数中过零的点来检查图像边缘的，在一阶微分算子中，当所求的一阶导数高于某一阈值时，就确定该点为边缘点，但是，这样的检测结果有时并不是唯一的。对于阶跃边缘，其二阶导数在边缘点出现零交叉，即边缘两旁二阶导数取异号。这样寻找图像灰度的二阶导数的零交叉就能找到精确边缘点。二阶微分算子中主要用于边缘检测的是LOG算子。

LOG算子，即高斯-拉普拉斯算子，它是先用高斯滤波器将灰度图像进行平滑处理，然后再用拉普拉斯算子对平滑后的图像进行变换，根据二阶导数的过零点来检测图像的边缘。

首先，假设原图像为f(x,y),高斯滤波函数为G(x,y)，拉普拉斯算子为?2，输出的图像为g(x,y)，则LOG算子的推导如下[7]：

g()

2实验结果比较分析

2.1原图像灰度化及加噪声

该文是调用Matlab中集成的各种算子对一幅图像进行边缘提取，然后对各种算法性能进行比较分析。首先对原图像进行灰度化处理，因为各种边缘检测算子只能对灰度图像进行操作。然后再给灰度图加入均值为0、方差为0.002的高斯噪声，为后面各种边缘检测算法准备好输入图像。下面给出载入原图像及灰度化和加噪声的程序。

I=imread(’g:\fruits.jpg’);%载入原图像

subplot(1,3,1);

imshow(I),title(’原图像’)%显示原图像

I1=rgb2gray(I);%将原图像进行灰度化

subplot(1,3,2);

imshow(I1),title(’灰度图像’)%显示灰度图像

I2=imnoise(I1, ’gaussian’,0,0.002);%对灰度图像加入均值为0，方差为0.002的高斯噪声

subplot(1,3,3);

imshow(I2),title(’加高斯噪声后的图像’)%显示加噪声后的图像

输出结果如图1所示。图1原图像、灰度图像及加噪声后的图像

2.2对灰度图像仿真结果

利用上面灰度化后的图像进行各种算法仿真，Matlab程序如下：BW1=edge(I1,’roberts’,’both’);%用Roberts算子检测边缘

subplot(2,3,1);

imshow(BW1),title(’用roberts算子’)

BW2=edge(I1,’prewitt’,’both’);%用Prewitt算子检测边缘

subplot(2,3,2);

imshow(BW2),title(’用prewitt算子’)

BW3=edge(I1,’sobel’,’both’);%用Sobel算子检测边缘

subplot(2,3,3);

imshow(BW3),title(’用sobel算子’)

BW4=edge(I1,’log’,’both’);%用LOG算子检测边缘

图2几种算子对灰度图像的检测结果

2.3对加了高斯噪声后的图像进行仿真

将上面2.1中的I2图像作为各种边缘检测算子的输入图像，Matlab程序跟2.2中的程序类似，此处不再赘述。其输出结果如图3所示。

图3在人为加入高斯噪声情况下几种算子的检测结果。

2.4仿真结果比较

对图2和图3（即在没有加噪声和加了噪声的情况下）各种边缘检测算子检测出的结果进行比较分析，可以看出：噪声对图像边缘检测的影响很大；二阶微分算子比一阶微分算子对噪声更敏感；Roberts算子检测出的图像边缘较细，但是由于没有对图像进行平滑，不能抑制噪声，也容易丢失一部分边缘，但它检测陡峭的低噪声图像效果比较好；Prewitt算子和Sobel算子检测出的结果几乎一样，图像边缘都较粗，对噪声有一定的抑制能力，但是它们还是有一定的模糊度，并且Sobel算子不能将图像的主题和背景严格地区分开来；Log算子对噪声的敏感度很强，它检测边缘的效果与其高斯函数中的均方差有关，抗噪能力与均方差成反比，即均方差越大，抗噪能力越小，从而检测到的边缘细节越多，伪边缘也就越多；Canny算子不易受噪声的干扰，检测到的边缘比较连续，也比较清楚，能检测到真正的弱边缘。因此，Canny算子是这几种典型边缘检测算法中检测效果最好的。

3结论

该文对几种经典图像边缘检测算子的理论进行了分析，并且用Matlab对这几种算子进行了仿真实验，最后对比分析检测出的效果图，对各种算子进行比较分析得出结论，指出了它们各自的优缺点。但是这些传统的边缘检测算子还是存在一些缺点，近年来随着数学理论及人工智能的发展，又涌现出了许多新的边缘检测算法，比如小波变换边缘检测、基于形态学边缘检测、基于神经网络边缘检测、基于遗传算法边缘检测等等[9,10]。无论哪种算法都不能满足所有的图像，因为各种算法都有它自己的特点，而不同图像的特征也不同，只有在实际应用中根据需要达到的要求而选择不同的算法，有时候也可能会将几种算法结合起来运用。

参考文献:

[1]孙红艳,张海英.图像边缘检测算法的比较与分析[J].菏泽学院学报,2010,32(2):49-52.

[2] (美)冈萨雷斯,阮秋琦.数字图像处理[M].3版.北京:电子工业出版社,2011:445-466.

[3] Kenncth R.Castleman.Digital Image Processing[M].Prentice HallInternational,Inc;北京:清华大学出版社,1997:389-391.

[4]徐献灵,林亦水.图像边缘检测算法比较与分析[J].自动化与信息工程,2007,(3):44-46.

[5] Canny.Finding Edges and Lines in Images[R].MIT Technical Report,Rep,1983:720.

[6]沈丽蓉.图像边缘检测算法比较研究[J].福建电脑,2011(5):5-7.

[7]贺强,晏立.基于LOG和Canny算子的边缘检测算法[J].计算机工程,2011,37(3):210-212.

[8]陈胜勇,刘勇,等.基于OpenCV的计算机视觉技术实现[M].北京:科学出版社,2008:135-136.

[9]罗梦贞.传统的图像边缘检测算法的分析与比较[J].电脑知识与技术,2011,7(16):3907-3909.

第6篇：数字图像处理论文范文

    1990年,南开大学机器智能探究所开发出中国第一个在国际市场销售的Windows平台贸易软件;1992年,开发出中国第一个进进国际市场的Macintosh贸易软件,以及跨多个平台的文字识别软件开发工具包OpenRTK,这些软件产品获得美、英、澳等几十家产业杂志的百篇好评,并在国际上最严格的OCR技术评选中战胜国外最优秀的对手Xerox、Caere和Catera等,在1992、1993、1994年连续三年被评为世界上最优秀的OCR软件。

    近日,本刊记者专程采访了南开大学信息技术科学学院青年教师史广顺,他1994年进进南开大学计算机和系统科学系学习,2003年毕业于南开大学机器智能探究所,并留校任教。请他为我们先容了南开大学机器智能探究所发展的相关情况。

    记者摘要:我国目前正在推进创新型国家建设,提出将科学技术进步作为国家发展战略的核心,智能探究所可以说是创新发展成功的典范,给我们先容一下探究所的沿革好吗?

    史广顺摘要:南开大学机器智能探究所成立于1990年9月,主要从事模式识别、人工智能、计算机软件方法和技术等方向的科学探究、系统开发和探究生培养工作。设有计算机软件和理论、模式识别和智能控制、计算机应用3个专业的硕士点和控制理论和控制工程博士点。 目前拥有专职教师5人,硕博探究生40余人。

    机器智能探究所致力于把科研成果转化为产品,并推向国际市场。1990年,由智能所探究生构成的一支研发队伍就迁到硅谷,以技术转让的形式和美国ExperVision公司合作,同年就开发出中国第一个在国际市场上销售的视窗贸易OCR软件TypeReader,1992年开发出中国第一个Macintosh贸易软件,以及跨多个平台的文字识别软件开发工具包OpenRTK。这些软件产品获得美、英、澳等几十家产业杂志的百篇好评,并在国际上最严格的OCR技术评选中战胜国外最优秀的对手Xerox、Caere和Catera等,在1992、1993、1994年连续三年被评为世界上最优秀的OCR软件。

    记者摘要:那么在自主研发的同时,智能所是否还完成了其他的工程项目?

第7篇：数字图像处理论文范文

关键词：教改；遥感；农业院校

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2013）09-0059-03

遥感是农业高等院校一些专业（如资源环境与城乡规划、土地资源管理、农业资源与环境、环境科学等）的本科生必修的专业核心课程。遥感技术已经广泛应用于社会生产的各个领域，培养遥感应用型的高级技术人才非常重要，但目前农业院校的遥感课程的教学体系、教学内容和教学方式难以适应遥感技术的快速发展，存在不少问题，使培养的人才与社会产生脱节。

一、农业院校遥感教学存在的主要问题

1.遥感课程理论多而杂、抽象化等特点，抑制了学生的学习兴趣。遥感技术具有理论抽象、知识点庞杂的特点，其多学科交叉，基础知识面广而杂，技术性和实践性较强且多应用于大型项目。农业院校的本科生一般是第一次接触，缺乏与课程相关的预备基础知识和背景知识，学习遥感课程太抽象，实际生活中也很难接触到遥感应用方面的项目，这样会导致学生觉得遥感课程“遥不可测”，具有一定的距离感和陌生感。另外，遥感课程在农业类院校中一般属于专业基础性学科，得不到足够的重视，以及学时不多等原因都在一定程度上抑制了学生的学习兴趣。

2.教材内容过于突出前沿科学，忽略了其应用性。现在的农业院校遥感教材已经采用国家农林类普通高等教育“十一五”、21世纪规划教材，虽然教学内容进行了更新，基本上不存在以前的内容过于陈旧的问题，但仍然出现不少问题。主要存在教学内容过于突出其前沿科学以及发展趋势，导致部分教学内容或过于深奥，或与农业类等相关专业的结合性不大，在农业院校等相关领域中几乎应用不到；如“微波遥感原理”深奥难懂，在农业院校相关专业几乎很少用到；又如“高光谱的影像分析”过于深奥，对于遥感课程学时很有限的农业院校本科生关联系不多且过于深奥。现在国民生产的各领域中广泛应用的遥感技术或结合性较强的教学内容，很少有教材提及或提及极少。如近年在灾害监测中广泛应用高分辨率的QUICKBIRD、WORLDVIEW卫星数据WORLDVIEW；又如在农业中应用较多的测定地物光谱仪的设备和我国“北京一号”小卫星在北京近郊农业监测中应用等内容却无体现。脱离生产实践与应用的前沿技术，就像是没有方向的深海之舟，与农业类院校本科生的教学宗旨与教学目标背道而驰。

3.教学手段不够丰富，学生参与不够，缺乏学习热情。农业院校遥感课程虽然普遍使用了多媒体教学技术，但仍是以教师讲授为核心，缺乏形象教学必要的教学手段与辅助教学资料，很少有本科生参与教师的科研项目或大型的工程应用项目。由于时间等种种原因，也很少本科生参加课内外的遥感应用的体验与交流报告，缺乏学习遥感课程的源动力与热情。

4.现有的考试制度抑制了学生的创新。现有的考试制度以考试为主，侧重卷面成绩，试卷考核方式很难考验学生对理论体系的系统性掌握、知识点的内在联系以及实际技能的掌握程度与应用程度。农业院校的遥感实验课程学时设置少，实验个数少，实验成绩占课程成绩的比重不大，一般隶属于遥感课程理论教学的一部分，很少单独开设，实践环节教学得不到足够的重视，且多侧重实验报告成绩，忽视了实践环节学生能力的表现。现有的课程成绩构成缺乏讨论、专题制作、文献检索、学习报告等多手段，在一定程度上抑制了学生参与的积极性和主观能动性，导致学生自主学习的热情不够，缺乏创新的激情。

5.实践学时偏少，缺乏针对农业院校的上机教材。遥感实践课程少，难以培养学生的感性认识，动手能力的提高更是无从谈起。目前，与遥感课程配套上机的教材多是针对高等院校测绘类专业，缺乏与农业院校遥感课程配套的上机实验教材，市场上偶见农业院校专用教程，在内容的设置上与上机实验数据或样例数据方面却与测绘类专业并无多大区别。农业院校类本科生感觉不到遥感实践与专业的相关性或结合性，无法满足农业院校专业学生的实践教学的需求。

二、教学改革的基本内容与途径

1.教学内容的完善与改革。（1）教学内容的设置应重点突出。在农林院校遥感课程学时很有限，而遥感技术体系本身内容非常庞杂，教学内容与学时的设置除了体现理论的系统性，一定要注重各部分内容的内在的逻辑联系，突出主要内容和重要内容，必要时，应进行取舍。使学生对整个教学有一个比较宏观、层次清晰的印象，能够抓住遥感主要的原理和难点内容。农业院校的遥感课程主要内容包括航空像片与遥感相关的基本概念、地物的反射光谱特性、航空摄影测量的基础知识、遥感图像的像点误差、航空摄影测量的内外业、卫星传感器数据、遥感图像的目视判读与调绘、遥感数字图像处理原理与操作技能，以及遥感技术的应用案例，尤其是在农业领域的应用实例。（2）根据应用情况对前沿性内容取舍。现在很多教学改革过于突出课程的前沿性内容，但受到学时的限制，很难与生产实践或专业联系起来，学生感觉很陌生、很抽象，教学效果甚不理想。农林院校的遥感课程学时一般都很有限，在突出课程内容的系统性和重点内容的前提下，对于前沿性的内容，可结合授课专业情况进行灵活调整。若在相应专业领域中很少应用的可略讲或不讲（如微波遥感、高光谱）；若在相应专业领域实践中有应用或应用较多的（如在农业和土壤学科应用较多的便携式地物波谱仪），可侧重于先进的仪器以及在科研或生产实践中的作用与功能。这样学生既不会感到深奥难懂，又会觉得该课程很贴合实际需求，这样就可在有限的学时取得较好的教学效果。（3）实验内容的调整。遥感课程实验内容的设置应与基本理论、基本方法相呼应，突出其主要技能、实践技能，平衡传统方法与现代作业方法，采用的实验器材或软件应与当地生产部门基本保持一致，若有条件应尽量将实验课单独开设。遥感技术在实际作业中，数据源以及产品都是采用遥感数字图像，因此，传统的遥感课程实验内容应根据行业发展情况适当地删除过时的实验，保留主要的遥感实验外，应尽量根据授课对象的就业方向、科研情况以及学时情况选择性地增加设置遥感数字图像处理的实验内容与课时数，如“熟悉ERDAS或ENVI遥感图像处理软件的基本操作”、“遥感数字图像的增强处理”、“遥感数字图像的几何处理”、“遥感数字图像的计算机自动分类”。

2.教学手段与教学方法的改革。（1）从兴趣点或生产应用入手展开教学。由于遥感课程理论知识点多而杂，在教学内容的组织上可从学生感兴趣的知识点入手，适当引用遥感在测绘、国土、农业等重要部门的一些视频资料。阐述基本原理与基本方法时注重加强学生思维的引导，主要内容与重点内容可采用精讲、细讲，生产中不常用的原理与方法采取学生课外自主学习为主，遥感在实践中应用可采取具体案例分析，这样既可保证激发学生学习的兴趣，在面上对遥感有全面的把握，又可在重点内容上有所深入。除了现代常用的多媒体教授的教学方法，可布置与课程内容相关且很有趣的课外小作业，如可通过让学生在Google Earth上查找校舍或旅游目的地的方式对卫星遥感数据的认识。（2）制作遥感教学辅助材料。遥感教学辅助材料包括航空图像与卫星遥感图像样片的制作、各类教学视频的制作、试题库与习题库的制作、遥感精品课程在线网址的收集，完善各种网络教学资源库的建设等。将生涩难懂且方便用于直观教学的遥感图像的分类与遥感图像的解译标志等内容制作教学样片，如可将全色图像、红外、彩红外、多光谱等航空像片与各种常用的卫星遥感数据制作样片，形象而直观，易于理解与记忆。对于比较抽象、生活中接触较少的知识点用于制作1～5分钟的辅助视频，如航空拍摄的过程、卫星遥感以及传感器的工作原理等。将近年来遥感技术应用于现实生活中有影响力的重大事件的新闻视频片段制作教学视频资料，如“国土部：用卫星遥感图片严查违法用地”、“我国‘北京一号’、‘小卫星’监测北京近郊农作物长势”、“汶川地震前后遥感图像前后对比”等新闻视频片段。教学辅助材料在有些教学内容方面可发挥很大的教学作用与效果。（3）重视遥感技术应用案例分析。一般农业院校的遥感技术的应用所占学时极少，与专业结合性不够。一般只是泛泛地提到或者一带而过，没有具体的案例或应用视频，学生缺乏对遥感技术实际应用情况的了解。可根据授课对象与专业方向选择教学辅助材料，根据授课对象及专业方向播放其相关内容，重点分析应用案例。如面向土管专业授课时可侧重土地资源调查与土地执法的案例分析；面向农资专业时，可侧重农作物长势监测与估产、光谱反射率的野外测定与分析等案例分析，面向环境类专业，可侧重环境监测与灾害监测的案例分析。（4）实现教学手段的多元化，激发学生学习热情。除了常用的多媒体教学与板书等教授方式外，还可适当采取学生教学的方式，加强与学生互动交流，提高学生自主学习的能力。利用课前与课间的时间或借助网络平台，与学生进行充分交流，及时掌握他们的兴趣、学习难点以及就业意向等，因材施教。利用国家、省和校级精品课程建设的成果，建立网络实践教学平台，实现网络互动式教学，设置“课件下载”、“实验报告上载”、“答疑”、“FTP”等功能。可借助与测量学等课程的重叠交叉知识，进行触类旁通式的教学。通过小型专题报告的形式，促使学生课外收集文献资料学习实践应用性强、与专业结合紧密的内容，择优以多媒体的形式课堂交流并点评，并作为学生课程考核的一部分，有意识地将教学内容与科研、就业与生产项目管理等结合起来，引导学生自主学习，激发学习的创造性。

3.建立考试制度的改革，提高其学习的积极性。进行课程考试制度的改革，改进考核方法，建立考察学生全面素质的考核体系、建立科学的考察学生综合知识、综合素质、综合能力的实践考核体系，采取灵活多样的考试方式。在课程考试构成增加小型专题报告制作、文献检索与总结等，理论环节可增加课堂互动环节（如提问、讨论等）考核的比重；实践环节可强化动手实践与仪器操作的考核，淡化实验报告等书面成绩。通过建立考试制度的改革，促进学生积极学习。

三、教改效果分析

近年来遥感课程改革探索初步取得较为明显的成效，具体表现在以下几个方面。

1.学习态度的改变。学生对教学内容的兴趣和注意力明显提高，课堂互动变得更为积极，课外自主学习的激情提高，教学氛围良好，“教与学”变成了一件较为愉快的教学活动，学生对遥感方向的学术报告与毕业论文选题感兴趣的人数明显增加。

2.学生对遥感教学的评价。每学期都对全部遥感课程进行教学评估，学生无记名网上评教，结果表明总体优良。说明学生对于教学内容与教学形式是认可与肯定的。

3.学生的收获。国土资源管理、农业资源与环境等专业分别成立了兴趣小组，在老师的指导下能够独立完成校级创新型实验项目。学生的动手实践能力明显得到锻炼与提高，有机会参与到多项遥感技术应用的工程项目，特别优秀的学生能在测绘遥感相关的事业单位就业。也有本科生在国内的学术期刊上公开发表遥感领域内的科研论文。

虽然笔者针对农业类院校的遥感课程实践教学改革进行了探索与实践，然而，许多问题有待进一步探讨，诸如教学平台的完善、教学形式的改进、产学研实习基地建立、专业实践素材库的建立等。面向未来，我们需要更好地根据社会需求，积极进行遥感教学课程改革，为社会培养出更多的遥感应用型的高级人才。

参考文献：

[1]尹占娥.现代遥感导论[M].北京：科学出版社，2008.

[2]邓良基.遥感基础与应用[M].北京：中国农业出版社，2009.

[3]常庆瑞，蒋平安，周勇.遥感技术导论[M].北京：科学出版社，2004.

[4]彭望.遥感概论[M].北京：高等教育出版社，2010.

第8篇：数字图像处理论文范文

关键词：人脸识别；图像预处理；同态滤波

中图分类号：TP14文献标识码：A文章编号：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

随着计算机技术的不断发展和网络的普及，一些重要部门（银行、机场、军政机关、重点控制地区）的进出、重要信息的存储与提取，都需要可靠的人身鉴别。人脸识别是指利用人脸部的特征信息，通过分析比较得出每个人独有的特征信息，然后根据这些独有的特征信息进行身份鉴别的计算机技术。与其他身份识别技术相比，人脸识别具有友好、自然等优点，因此研究人脸识别的自动身份认证具有重要的理论意义和实用价值。近几十以来，人脸识别技术有了长足的发展，并且逐步走向实际应用阶段。现在已经有比较成熟的人脸识别应用系统进入市场。可以预言，在今后的几十年内，随着人脸识别技术进一步发展，人脸识别技术将应用到更多的领域，例如视觉监控，娱乐应用，智能卡，自动身份验证，银行安全等，这些已有的以及潜在的应用领域将推动人脸识别技术不断发展。由于微电子技术、计算机技术的迅猛发展，数字图像技术与模式识别学科的日益完善，使得人脸自动识别在技术上与经济上才成为可能。论文首先对人脸识别进行了介绍，通过对人脸识别系统的分析指出预处理在人脸识别中的重要性。然后对已有的人脸识别预处理法作了详细的介绍，并对各种方法进行比较。最后针对光照对人脸图像的影响还提出了同态滤波的方法。

二、人脸识别

（一）人脸识别概况。近年来，人脸识别是计算机技术研究领域的热点问题，它属于生物特征识别技术，是利用人本身的生物特征来区分不同个体。但是，由于人与人之间的区别较小，每个人的脸部结构很相似，人脸器官的结构外形也相似；人有不同的表情，在不同表情下或者不同角度观察人，同一个人的图像相差很大；另外，光照也会影响人脸图像，白天和夜晚、室内和室外获取的同一个人的人脸图像相差很大；遮盖物也会影响人脸图像，口罩、墨镜、头发、胡须等会使同一个人的人脸图像不同；年龄在一定程度上也会影响人脸图像。由于上述影响因素的存在，导致了人脸识别的准确率与其他生物特征识别相比并不是很高，人脸识别技术的研究存在很多困难，但是很有挑战性。

（二）人脸识别的过程。一个典型的人脸识别系统处理过程如图2.1所示。一般包括人脸检测、人脸特征提取、人脸识别与验证三个步骤。

图2.1 人脸识别技术处理流程图

（三）预处理过程。预处理是人脸识别过程中的一个重要环节。预处理是在图像分析中，对输入图像进行特征抽取、分割和匹配前所进行的处理。输入图像由于图像采集环境的不同，如光照明暗程度以及设备性能的优劣等，往往存在有噪声，对比度不够等缺点。另外，距离远近，焦距大小等又使得人脸在整幅图像中间的大小和位置不确定。为了保证人脸图像中人脸大小，位置以及人脸图像质量的一致性，必须对图像进行预处理。图像预处理的目的是消除图像中无关信息，滤除干扰、噪声，恢复有用的真实信息，从而改进特征抽取、图像分割、匹配和识别的可靠性。

在预处理阶段，对图像进行优化，尽可能去除或者减小光照、成像系统、外部环境等对待处理图像的干扰，为后续处理提高质量。人脸图像的预处理主要包括人脸图像的增强。人脸图像增强是为了改善人脸图像的质量，使图像更利于计算机的处理与识别。

三、人脸图像预处理方法

无论是直接获取的灰度图像，还是由彩色图像转换得到的灰度图像，不可避免的存在噪声。噪声对图像质量有很大的影响，为提高后续图像处理的精确度，需要对图像进行去噪和增强等预处理。

（一）直方图均衡化。直方图均衡化是将一已知灰度概率密度分布的图像，经过某种变换，变成一幅具有均匀灰度概率分布的新图像，其结果是扩展了像元取值的动态范围，从而达到了增强图像整体对比度的效果。均衡化处理的步骤：对给定的待处理图像统计其直方图，求出 ；根据统计出的直方图采用累积分布函数做变换， ，求变换后的新灰度；用新灰度代替就灰度，求出 ，这一步是近似过程，应根据处理的目的尽量做到合理，同时把灰度值相等或近似的合并到一起。

图3.1直方图均衡化

由图3.1可以看出，原图像的灰度值非常集中，其对比度效果较差，直方图均衡化处理之后，灰度值重新分配，直方图的范围增加，原来分布较密的部分被拉伸，分布稀疏的部分被压缩，使图像的对比度得到增强，处理之后图像的一些细节也突出了。

（二）中值滤波。中值滤波是一种非线性处理技术，能抑制图像中的噪声。进行中值滤波不仅可以去除孤点噪声，而且可以保持图像的边缘特性，不会使图像产生显著的模糊，比较适合于实验中的人脸图像。中值滤波的步骤如下：

（1）将模板在图中漫游，并将模板中心与图中某个像素位置重合；

（2）读取模板下各对应像素的灰度值；

（3）将这些灰度值从小到大排成一列；

（4）找出这些值里排在中间的一个；

（5）将这个中间值赋给对应模板中心位置的像素。

由以上步骤可以看出，中值滤波的主要功能就是让与周围像素灰度值的差比较大的像素改取与周围像素值接近的值，所以它对孤立的噪声像素的消除能力是很强的。由于它不是简单的取均值，所产生的模糊比较少，中因此值滤波即能消除噪声又能保持图像的细节。

（三）同态滤波。同态滤波增强是把频率过滤和灰度变换结合起来的一种处理方法。它是把图像的照明反射为频域处理的基础，利用压缩灰度范围和增强对比度来改善图像的一种处理技术。

一幅图像 可以用它的照射分量 及反射分量 的乘积来表示，即

经过同态滤波后其结果会改变图像光强度和反射光强度的特性，因此我们可以做到同时降低图像动态范围，又增加对比度的结果。

图3.2 原始图像与同态滤波后的效果图

由图3.2，图像对比度得到增强，像元灰度的动态范围也得到增强，图像中的一些细节更加突出。

四、同态滤波在人脸预处理中的应用

（一）人脸数据库。人脸数据库主要是为在人脸表情(自然、微笑、愤怒、冷酷)、光照(左光源、右光源和双侧光源)环境变化条件下，测试人脸识别试验。

图4.1 人脸库中的部分人脸图像

（二）识别率分析。光照变化条件下对人脸识别带来了一定的影响，这也是图像处理中的热点和难点问题，本文采用同态滤波的方法读人脸图像进行预处理，提高人脸图像的识别率。

表4.1：训练样本个数变化时各种人脸预处理方法识别率（%）的比较（AR人脸库）

训练样本个数 150 175 200 225 250 300 325

直方图均衡化 89.09 94.36 96.07 96.10 96.24 97.30 97.09

同态滤波 92.71 96.62 97.28 97.35 97.62 97.72 98.03

由表可以看出对图像进行预处理后人脸识别率增高，而且同态滤波保持较高的识别率。

五、结束语

本文主要针对人脸识别中图像预处理进行研究，使用直方图均衡化、灰度拉伸、中值滤波和同态滤波的方法对读入的人脸图像进行预处理，从而消除图像中无关信息，增强人脸图像细节，为后续处理做好准备。本文针对光照对人脸图像的影响，提出了同态滤波的方法，在预处理阶段消除光照对人脸图像的影响，实验结果表明预处理之后人脸识别率得到了一定的提高。

参考文献：

[1]龚声荣,刘纯平.数字图像处理与分析[M].北京:清华大学出版社,2006.7

第9篇：数字图像处理论文范文

关键词：印制电路板；图像处理；机器视觉；PCB裸板；自动光学检测；缺陷检测 文献标识码：A

中图分类号：TP391 文章编号：1009-2374（2016）09-0010-05 DOI：10.13535/ki.11-4406/n.2016.09.005

我国是全球第一大PCB生产基地，作为电子产品承载体的电路板，其集成度和产量不断在提高。为了保证电子产品的性能，电路板缺陷检测技术已经成为电子行业中非常关键的技术。建立在图像处理算法基础上的机器视觉检测技术与传统的人工检测技术相比，提高了缺陷检测的效率和准确度。因此，设计一种高效精准的机器视觉检测电路板缺陷的系统，具有非常重要的现实意义。评估印刷电路板质量的一个重要因素就是表观检测，PCB的表观质量对产品性能及成品使用安全有着极大的重要性。而伴随着近年来在工业生产领域崛起的计算机视觉，当前表观缺陷检测和分类识别的研究方向已经转向了利用计算机视觉技术来实现。计算机图像处理识别技术这种基于计算机视觉的检测技术成功取代了传统的PCB缺陷检测方法，在自动光学检测系统众多应用中占据了相对重要的地位，一跃成为PCB生产业表观缺陷的主要检测方法。

图1 系统框图

因此本文通过设计AOI自动光学检测系统，搭建较为简单的PCB缺陷自动检测系统的实验平台，对PCB中四类较为关键、常见的缺陷进行检测、分析、识别、判定，为研究推广PCB缺陷自动检测系统开拓应用前景，如能实现工业上的产业化检测，将有高额的经济收益。本文侧重对PCB中的四类较为关键、常见的缺陷进行检测、分析、识别、判定，并且仅搭建了较为简单的PCB缺陷自动检测系统的实验平台，即通过复杂算法对采集到的图像进行处理、配准、对比，从而得出PCB缺陷类型及对其进行标识。如图1所示。

1 硬件设计方案

PCB缺陷检测的总体系统设计方案主要是基于自动光学检测技术来搭建PCB缺陷检测系统，硬件设计是使用CNC-T程控光源高精度影像测试系统操作台，对待测电路板进行图像采集，再通过VS2010软件所编写程序处理，得出待测电路板的缺陷种类。整个系统主要分为运动控制、光源、图像采集、图像处理四个模块，分模块简要阐述了实验过程、所需设备以及软件算法，搭建了一个相对完整的系统工作平台。

图2 CNC-T程控光源影像操作台

该设备具有测量元素种类齐全、手动测量、自动对焦等多种功能，使用该设备采集图像进行二维检测，测量软体为YR-CNC，将图像储存至电脑后便由VS软件进行图像处理。实验组成如图3所示：

图3 实验系统框图

1.1 运动控制模块

本系统运动流程为：被检测的PCB在检测台上，通过步进电机XY轴运动到摄像机拍摄区域，CCD摄像机固定在工作台上方（Z轴），通过Z轴的运动实现聚焦。如图4所示：

图4 平台运动示意图

设备工作台台面尺寸为746mm×506mm，承载玻璃面尺寸为452mm×354mm，有效测量行程为400×300×200。本装置既可通过软件驱动自动采集图像，也可以通过手动控制，移动并聚焦采集待测PCB的图像。

1.2 光源模块

辅助光照――采用的是正向和背向光源这两种辅助光照。其中正光源和摄像头同侧，均位于Z轴上，正光源主要用于检测待测物体的表面特征。背光源位于检测台面下方，与正光源处于同轴反向关系，背光源能突出待测物体的轮廓特征，常用于检测物体轮廓尺寸。

图像采集：分别利用正光源突出PCB表面如走线、过孔和焊盘等主要特征，而下光源主要使PCB的轮廓尺寸和过孔产生强烈的轮廓对比。

光源：使用的是高度集中照明光源中心的LDR系列，由于该光源的伞状结构紧密排列着LED且采用了CCS独创的柔性板，使之成为LED照明系统的标准模式。照明系统如图5所示：

图5 照明系统

1.3 图像采集模块

图像采集模块是由图像采集卡、相机和镜头组成的，该模块是图像配准阶段的硬件基础。计算机采集图像的媒介就是相机，而相机按照不同原理又分为多种，常见的有CCD（Charge Coupled Device）和CMOS（Complementary Metal Oxide Semiconductor）两类。本系统采用的是CCD 1/2英寸43万像素彩色摄像头和高清晰度0.7～4.5X变焦倍率镜头，显示分辨率为0.001mm。

1.4 图像处理模块

通常获得的图像将受到工业现场环境、光照等条件的干扰，计算机所获得的图像质量多数参差不齐，图像的清晰度不一致，大大增加了PCB缺陷检测的难度，所以在利用复杂算法检测、识别PCB缺陷前要先对图像进行预处理。

本图像处理模块主要通过VS软件在OpenCV计算机视觉库的基础上，通过一系列算法对图像进行处理对比。

2 系统软件设计

2.1 OpenCV

OpenCV（Open Source Computer Vision Library）是一个跨平台的可以运行在Linux、Windows和Mac OS操作系统上的基于（开源）发行的计算机视觉库。它重量轻而高效，开放了多种接口如MATLAB、Ruby和Python等，并且在计算机视觉和图像处理中大多数通用的算法都是被允许的。OpenCV可用于开发实时图像处理、计算机视觉和模式识别方案，它提供了多种函数，实现了大量的计算机视觉算法，算法涵盖了从最基础的滤波至以高级的物体检测。OpenCV实际上是一堆C和C++语言源代码文件，许多常见的计算机视觉算法由这些源代码文件实现。如C接口函数cvCanny（）实现Canny边缘检测算法。它可直接加入到我们自己的软件项目编程中，而无需去编写自己的Canny算子代码，就是没有必要重复“造轮子”。

根据OpenCV中源代码文件巨多的特点，以算法的功能为基准，将这些源文件分到多个模块中，如core、imgproc、highgui等。将每个模块中的源文件编译成一个库文件（如opencv_core.lib、opencv_imgproc.lib、opencv_highgui.lib等），用户在使用时，仅需在自己的项目中添加要用的库文件，与自己的源文件一起连接成可执行程序即可。

OpenCV计算机视觉库的出现，是为了使人们利用方便快捷的计算机视觉框架，在计算机视觉领域可以更加轻松地设计出更为复杂的应用程序。OpenCV涵盖了多种计算机视觉应用区域，如用户界面、信息安全、医学影像学、工厂产品检验、立体视觉、机器人和摄像机标定等，约有500多个函数。因为计算机视觉与机器学习是相辅相成的，所以OpenCV也开放了MLL（Machine Learning Library）机器学习库。MLL除了在视觉任务相关中使用，也可以很容易地应用到其他机器学习中。

2.2 Microsoft Visual Studio2010

Visual Studio是微软公司推出的开发环境，是同行业中目前最流行的Windows平台应用程序开发环境。Visual Studio 2010于2010年4月12日，其集成开发环境（IDE）已被重新设计和组织，变得更简单了。

Visual Studio 2010同时带来了NET Framework 4.0、Microsoft Visual Studio 2010 CTP（Community Technology Preview――CTP），并且支持开发面向Windows 7的应用程序。除了Microsoft SQL Server外，它还支持IBM DB2和Oracle数据库。目前有专业版、高级版、旗舰版、学习版和测试版五个版本。Visual Studio的用处十分广泛，不仅可被用来基于Windows平台创建Windows应用程序和Web应用程序，还可被用来创建智能设备、Office插件和Web服务等应用程序。微软的Visual Studio 2010将成为一个版本的经典，这是相当于6.0版本。该版本可以自定义开始页，新功能还包括：（1）C# 4.0中的动态类型和动态编程；（2）多显示器支持；（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增强；（8）使用Visual C++ 2010创建Ribbon界面；（9）新增基于.NET平台的语言F#。本课题将基于OpenCV计算机视觉库使用Microsoft Visual Studio2010开发环境，通过编辑算法实现PCB缺陷检测。

3 图像预处理

要使用计算机对图像进行处理，所得到的连续图像就必须被转换为离散的数据集，这是因为计算机只能处理离散度数据，这一过程我们称之为图像采集。图像采集由图像采集系统实现，如图6所示。图像采集系统的三个主要模块是成像系统、采样系统和量化器。

图6

将整理出的字符图像交予识别模块来识别，被称为图像的预处理。PCB的图像预处理包括灰度化、增强、滤波、二值化、配准等，处理后的PCB输出的图像质量将得到改善，在很大程度上使得该图像特征更直观，方便计算机分析和处理。PCB的图像预处理为整个PCB缺陷检测系统的核心部件，很大程度上决定了检测的准确性。图像预处理流程如图7所示：

图7 图像预处理流程图

4 PCB缺陷检测

本文针对四种常见缺陷：断路、短路、毛刺（凸起）、缺损（凹陷）进行检测研究。在这四种缺陷中，最为严重的缺陷类型是断路和短路，它们将会使整块板子失去本来的功能；而凸起、凹陷也可能影响到PCB在使用过程中的稳定性能。如图8所示为几种常见的缺陷：

图8 常见电路板缺陷

4.1 PCB缺陷的检测方法

常用的PCB缺陷检测方法有参考法和非参考法两种。要是从概念理解和电路难易程度看，参考法明显更加具有概念直观、电路简单的优势；要是从检测所需要的条件来看，非参考法则在不需要待测PCB与标准PCB进行准确对准这一点上优于参考法。

本课题采用参考法进行PCB缺陷检测。

使用参考法对PCB缺陷进行检测的流程为：（1）确定标准的PCB图像并放入参考库；（2）通过成像设备采集待测PCB图像，进行图像预处理之后，再二值化PCB待测图像，并对其进行连通域提取；（3）然后将处理结果与标准图像进行对比，利用图像相减来判断PCB可能存在的缺陷；（4）进行分类，确定缺陷类型。

4.2 图像连通域

像素是图像中最小的单位，每个像素周围有8个邻接像素，常见的邻接关系有两种：4邻接与8邻接。4邻接一共4个点，即上下左右。包括对角线位置的点，8邻接的点一共有8个，如图9所示：

图9 领域示图

如果像素点A与B邻接，我们称A与B连通，即有如下的结论：

如果A与B连通、B与C连通，则A与C连通。在视觉上看来，点与点相互连通，形成一个区域，而不是连通的点形成不同的区域。这种相互立体的所有的点，我们称为连通区域。连通区域标记常用的方法有Two-Pass（两遍扫描法）和Seed Filling（种子填充法）两种方法，本课题主要介绍第二种。

Seed Filling来源于计算机图形学，通常应用在填充图形上。思路：以一个前景像素当作种子，而后在处于同一像素值且位置相邻的连通区域，把和种子相邻的前景像素融合到同一组像素中，结果将是获得一个像素集，即连通区域。接下来介绍使用种子填充法实现的连通区域分析法：

第一，重复扫描图像，当得到当前像素点B（x，y）=1时停止：（1）赋予B（x，y）一个label，并将像素位置作为种子，接着将所有位于该种子周围的前景像素都压入栈中；（2）将栈顶像素赋以相同的label值并弹出，接着将全部位于栈顶像素周边的前景像素都压入栈中；（3）重复（2）步骤，直到栈为空。此时，图像B中的一个像素值被标记为label的连通区域便被找到了。

第二，在扫描结束前，重复第一个步骤，由此可以获得图像B中所有的连通区域在扫描结束后。

扫描所得的连通域如图10所示：

图10 图像连通域提取

4.3 缺陷识别

缺陷识别具体特征如表1所示：

表1 缺陷特征

缺陷种类 二值图像面积 连通区域数

断路 减少 增加

短路 增加 减少

凸起 增加 不变

凹陷 减少 不变

第一，短路和断路。在出现短路缺陷时，待测图像与标准图像相比，其所包含的连通区域数将会减少。同理可得，在出现断路缺陷时，待测图像与标准图像相比，其所包含的连通区域数将会增多。因此，断路和短路缺陷便可利用比较连通区域数来判定和识别。

第二，凸起和凹陷。凸起缺陷将导致导线和导线、导线和其他导体间的间隙变小，而凹陷缺陷将导致导线和导线、导线和其他导体间的间隙变大，二者均会导致PCB使用过程中出现不稳定状态。而观察可知，这两种缺陷的连通区域相同，差别在于各自二值化面积的大小，所以可以通过计算该待测图像的连通区域面积来识别凸起、凹陷缺陷。

识别过程：将经过图像预处理的待测PCB图像与标准图像进行对比后，通过算法找出缺陷。比较二者的连通区域数，若前者大于后者，则标定该缺陷点为断路，反之则为短路；若二者连通区域数相同，则比较二值化图像面积，若前者大于后者，则标定该缺陷点为凸起，反之则为凹陷。检测流程如图11所示：

图11 PCB缺陷检测流程图

5 系统实验

本文使用CNC-T程控光源高精度影像测试系统操作台，结合VS2010软件基于OpenCV计算机视觉库的算法编程来实现PCB的缺陷检测。整体实验过程为：手动控制操作台捕捉、聚焦、采集待测PCB的图像，采集到的图像与标准图像进行对比、识别，得出缺陷种类并显示结果。

本课题一共就所研究缺陷类型，做了40组实验，通过实验结果计算正确率。如表2所示：

表2 实验结果统计

缺陷类型 实验次数 正确率

断路 10 100%

短路 10 100%

凸起 10 100%

凹陷 10 100%

针对不同电路板图中出现的同种断路类型进行检测，效果如图12a、图12b、图12c所示，可准确检测出缺陷存在。

图12

针对不同电路板图中出现的同种短路类型进行检测，效果如图13a、图13b、图13c所示，可准确检测出缺陷存在。

图13

针对不同电路板图中出现的同种凸起类型进行检测，效果如图14a、图14b、图14c所示，可准确检测出缺陷存在。

图14

针对不同电路板图中出现的同种凹陷类型进行检测，效果如图15a、图15b、图15c所示，可准确检测出缺陷存在。

图15

6 结语

PCB板面向体积越来越小、密度越来越高的方向发展。在检测产品价格方面，国外AOI检测产品价格普遍偏高，而由于经济原因，在国内PCB板生产制造商多数仍采用人工目测等传统检测方法检测。随着经济的发展，数字图像处理研究的深入，自动光学检测系统也开始频繁活跃在人们视线中，但在PCB缺陷检测方面的应用却还有待完善。因此，本论文建立在深入掌握工控系统结构并从PCB板的质量标准、图像特点、缺陷特征及检测要求的分析基础上，对以图像处理为基础的PCB缺陷检测技术进行了深入研究。由于PCB缺陷自动检测系统的研究涉及多个领域的知识，其研究过程十分耗时、繁琐，由此，本论文仅仅对PCB缺陷检测中较为常见的问题进行了较深入研究，并且仅搭建了较为简单的PCB缺陷自动检测系统的实验平台，对PCB中的四类较为关键、常见的缺陷进行检测、分析、识别、判定。虽然还未实现真正实现工业上产业化检测，但是在未来几十年中，研究推广的PCB缺陷自动检测系统将有十分良好的应用前景，也将有高额的经济收益。

参考文献

[1] 陈胜勇，刘盛，等.基于OpenCV的计算机视觉技术实现[M].北京：科学出版社，2008.

[2] Gary Bradski，Adrian Kaebler，于仕琪，等.学习OpenCV[M].北京：清华大学出版社，2009.

[3] 周长发.精通Visual C++图像处理编程（第3版）

[M].北京：电子工业出版社，2006.

[4] 党振.中国大陆PCB产业的现状与未来[J].印制电路信息，2006，32（1）.

[5] 胡跃明，谭颖.自动光学检测在中国的应用现状和发展[J].微计算机信息，2006，（4）.

[6] 李汉，何星，等.印刷电路板的自动光学检测系统

[J].无损检测，2004，26（6）.

[7] 张利，高永英，等.PCB板检测中的定位研究[J].中国图像图形学，1999，4（8）.

[8] 姚立新，张武学，等.AOI系统在PCB中的应用[J].电子工业专用备，2004，（5）.

[9] 范小涛，夏雨人.一种基于图像处理的PCB检测算法研究[J].计算机工程与应用，2004，（13）.

[10] 傅莉.印制电路板的发展及前景[J].电脑与电信，2010，（5）.

[11] 张明轩.基于视频序列的人脸检测与跟踪算法研究[D].中北大学，2011.

[12] 张驰.基于机器视觉的智能控制与图像识别问题研究[D].兰州理工大学，2009.

[13] 谢飞.基于计算机视觉的自动光学检测关键技术与应用研究[D].南京大学，2013.

[14] 张静.PCB表观缺陷的自动光学检测理论与技术

[D].电子科技大学，2013.

[15] 俞玮.AOI技术在PCB缺陷检测中的应用研究[D].电子科技大学，2007.