數(shù)字圖像處理概述

數(shù)字圖像處理DigitalImageProcessingUsingMatlabHowtolearn?如何學(xué)習(xí)本課程Lectures+Experimentsofsimulation1.掌握數(shù)字圖像的基本概念2.必要的數(shù)學(xué)基礎(chǔ)知識(shí)3.掌握數(shù)字圖像處理的基本方法4.掌握Matlab環(huán)境及其相關(guān)工具箱進(jìn)行數(shù)字圖像處理Reference主要參考文獻(xiàn)1.R.C.GonzalezandR.E.Woods,“DigitalImageProcessing”,3rdEd.,Prentice-Hall’20082.數(shù)字圖像處理阮秋琦等譯電子工業(yè)出版社3.AnyotherbookwithasimilartitleisfineGrading成績(jī)?cè)u(píng)定Regulargrade=answerquestions+computerassignmentsFinalExamgrade

第一章緒論一、研究背景：地球數(shù)字化帶來(lái)的任務(wù)，一方面要求處理對(duì)象的數(shù)字化，一方面要求處理時(shí)的直觀性。因此給我們帶來(lái)了許多的研究課題和研究方向。

二、數(shù)字圖像處理的概念什么是圖像“圖”是物體透射或反射光的分布，是客觀存在的?！跋瘛笔侨说囊曈X(jué)系統(tǒng)對(duì)圖在大腦中形成的印象或認(rèn)識(shí)，是人的感覺(jué)。

圖像（image）是圖和像的有機(jī)結(jié)合，既反映物體的客觀存在，又體現(xiàn)人的心理因素；是客觀對(duì)象的一種可視表示，它包含了被描述對(duì)象的有關(guān)信息。

圖像是“客觀”與“主觀”的結(jié)合。圖像的分類(lèi)根據(jù)圖像空間坐標(biāo)和幅度（亮度或色彩）的連續(xù)性可分為模擬（連續(xù)）圖像和數(shù)字圖像1模擬圖像模擬圖像是空間坐標(biāo)和幅度都連續(xù)變化的圖像2數(shù)字圖像數(shù)字圖像是空間坐標(biāo)和幅度均用離散的數(shù)字（一般是整數(shù)）表示的圖像。數(shù)字圖像可用二維矩陣表示。將物理圖象行列劃分后，每個(gè)小塊區(qū)域稱(chēng)為像素（pixel）

--每個(gè)像素包括兩個(gè)屬性：位置和灰度。對(duì)于單色即灰度圖像而言，每個(gè)象素的亮度用一個(gè)數(shù)值來(lái)表示，通常數(shù)值范圍在0到255之間，即可用一個(gè)字節(jié)來(lái)表示，0表示黑、255表示白，而其它表示灰度級(jí)別。物理圖像及對(duì)應(yīng)的數(shù)字圖像物理圖像19643灰度像素?cái)?shù)字圖像采樣列采樣行圖片像素行間隔采樣列間隔灰階黑灰白0128255灰度級(jí)灰度圖像(128x128)及其對(duì)應(yīng)的數(shù)值矩陣125,153,158,157,127,70,103,120,129,144,144,150,150,147,150,160,165,160,164,165,167,175,175,166,133,60,133,154,158,100,116,120,97,74,54,74,118,146,148,150,145,157,164,157,158,162,165,171,155,115,88,49,155,163,95,112,123,101,137,108,81,71,63,81,137,142,146,152,159,161,159,154,138,81,78,84,114,95,167,69,85,59,65,43,85,34,69,78,104,101,117,132,134,149,160,165,158,143,114,99,57,45,51,57,（僅列出一部分(26x31)）彩色圖象可以用紅、綠、藍(lán)三元組的二維矩陣來(lái)表示。

–通常，三元組的每個(gè)數(shù)值也是在0到255之間，0表示相應(yīng)的基色在該象素中沒(méi)有，而255則代表相應(yīng)的基色在該象素中取得最大值，這種情況下每個(gè)象素可用三個(gè)字節(jié)來(lái)表示。彩色圖象(128x128)及其對(duì)應(yīng)的數(shù)值矩陣（僅列出一部分(25x31)）(207,137,130)(220,179,163)(215,169,161)(210,179,172)(210,179,172)(207,154,146)(217,124,121)(226,144,133)(226,144,133)(224,137,124)(227,151,136)(227,151,136)(226,159,142)(227,151,136)(230,170,154)(231,178,163)(231,178,163)(231,178,163)(236,187,171)(236,187,171)(239,195,176)(239,195,176)(240,205,187)(239,195,176)(231,138,123)(217,124,121)(215,169,161)(216,179,170)(216,179,170)(207,137,120)(159,51,71)(189,89,101)(216,111,110)(217,124,121)(227,151,136)(227,151,136)(226,159,142)(226,159,142)(237,159,135)(237,159,135)(231,178,163)(236,187,171)(231,178,163)(236,187,171)(236,187,171)(236,187,171)(239,195,176)(239,195,176)(236,187,171)(227,133,118)(213,142,135)(216,179,170)(221,184,170)(190,89,89)(204,109,113)(204,115,118)(189,85,97)(159,60,78)(136,38,65)(160,56,75)(204109113)(227151136)(226159142)(237159135)(227151136)2.什么是數(shù)字圖像處理數(shù)字圖像處理就是利用計(jì)算機(jī)系統(tǒng)對(duì)數(shù)字圖像進(jìn)行各種目的的處理圖像處理（imageprocessing）就是對(duì)圖像信息進(jìn)行加工處理和分析，以滿(mǎn)足人的視覺(jué)心理需要和實(shí)際應(yīng)用或某種目的（如壓縮編碼或機(jī)器識(shí)別）的要求。圖像處理分為以下3類(lèi)：模擬圖像處理（analogueimageprocessing）數(shù)字圖像處理（digitalimageprocessing）光電結(jié)合處理（optoelectronicprocessing）模擬圖像處理也稱(chēng)光學(xué)圖像處理，它是利用光學(xué)透鏡或光學(xué)照相方法對(duì)模擬圖像進(jìn)行的處理，其實(shí)時(shí)性強(qiáng)、速度快、處理信息量大、分辨率高，但是處理精度低，靈活度差，難有判斷功能數(shù)字圖像處理即利用計(jì)算機(jī)對(duì)數(shù)字圖像進(jìn)行處理，它具有精度高、處理內(nèi)容豐富、方法易變、靈活度高等優(yōu)點(diǎn)。但是它的處理速度受到計(jì)算機(jī)和數(shù)字器件的限制，一般也是串行處理，因此處理速度較慢。光電結(jié)合處理：用光學(xué)方法完成運(yùn)算量巨大的處理（如頻譜變換等），而用計(jì)算機(jī)對(duì)光學(xué)處理結(jié)果（如頻譜）進(jìn)行分析判斷等處理。該方法是前兩種方法的有機(jī)結(jié)合，它集結(jié)了二者的優(yōu)點(diǎn)。光電結(jié)合處理是今后圖像處理的發(fā)展方向，也是一個(gè)值得關(guān)注的研究方向。三、數(shù)字圖像的表示方法圖像的數(shù)學(xué)表示：

一幅圖像所包含的信息首先表現(xiàn)為光的強(qiáng)度（intensity）,即一幅圖像可看成是空間各個(gè)坐標(biāo)點(diǎn)上的光強(qiáng)度I的集合，其普遍數(shù)學(xué)表達(dá)式為：

I=f(x，y，z，λ，t)，式中x,y,z是空間坐標(biāo)，λ是波長(zhǎng)，t是時(shí)間，I是光點(diǎn)(x,y,z)的強(qiáng)度（幅度）。

上式表示一幅運(yùn)動(dòng)的(t)

、彩色/多光譜的(λ)、立體的(x,y,z)圖像。靜止圖像，與時(shí)間t無(wú)關(guān)；單色圖像（也稱(chēng)灰度圖像）波長(zhǎng)λ為一常數(shù)平面圖像，則與坐標(biāo)z無(wú)關(guān)。在每一種情況下圖像的表示可省略掉一維，即(1)靜止圖像：I=f(x,y,z,λ)(2)灰度圖像：I=f(x,y,z,t)(3)平面圖像：I=f(x,y,λ,t)而對(duì)于平面上的靜止灰度圖像，其數(shù)學(xué)表達(dá)式可簡(jiǎn)化為：I=f(x,y)運(yùn)動(dòng)圖像可用（靜止）圖像序列表示；彩色圖像可分解成三基色圖像三維圖像可由二維重建。因此，一般的圖像處理算法主要針對(duì)平面上的靜止灰度圖像進(jìn)行論述。圖像的特點(diǎn)

1）空間有界:

人的視野有限，一幅圖像的大小也有限。2）幅度（強(qiáng)度）有限

即對(duì)于所有的x，y都有0≤f(x,y)≤Bm其中Bm為有限值。數(shù)字圖像處理的基本步驟

圖像信息的獲?。翰捎脠D像掃描儀等將圖像數(shù)字化。圖像信息的存儲(chǔ)：對(duì)獲取的數(shù)字圖像、處理過(guò)程中的圖像信息以及處理結(jié)果存儲(chǔ)在計(jì)算機(jī)等數(shù)字系統(tǒng)中。圖像信息的處理：即數(shù)字圖像處理，它是指用數(shù)字計(jì)算機(jī)或數(shù)字系統(tǒng)對(duì)數(shù)字圖像進(jìn)行的各種處理圖像信息的傳輸：要解決的主要問(wèn)題是傳輸信道和數(shù)據(jù)量的矛盾問(wèn)題。一方面要改善傳輸信道，提高傳輸速率，另外要對(duì)傳輸?shù)膱D像信息進(jìn)行壓縮編碼，以減少描述圖像信息的數(shù)據(jù)量。圖像信息的輸出和顯示：用可視的方法進(jìn)行輸出和顯示數(shù)字圖像處理的內(nèi)容和方法

圖像數(shù)字化：將非數(shù)字形式的圖像信號(hào)通過(guò)數(shù)字化設(shè)備轉(zhuǎn)換成數(shù)字圖像，包括采樣和量化。圖像變換：對(duì)圖像信息進(jìn)行變換以便于在頻域?qū)D像進(jìn)行更有效的處理。圖像增強(qiáng)：增強(qiáng)圖像中的有用信息，削弱干擾和噪聲，提高圖像的清晰度，突出圖像中所感興趣的部分。圖像恢復(fù)（復(fù)原）：對(duì)退化的圖像進(jìn)行處理，使處理后的圖像盡可能地接近原始（清晰）圖像。圖像壓縮編碼：對(duì)待處理圖像進(jìn)行壓縮編碼以減少描述圖像的數(shù)據(jù)量。圖像分割：根據(jù)選定的特征將圖像劃分成若干個(gè)有意義的部分，這些選定的特征包括圖像的邊緣、區(qū)域等。圖像分析與描述：主要是對(duì)已經(jīng)分割的或正在分割的圖像各部分的屬性及各部分之間的關(guān)系進(jìn)行分析表述。圖像識(shí)別分類(lèi)：根據(jù)從圖像中提取的各目標(biāo)物的特征，與目標(biāo)物固有的特征進(jìn)行匹配、識(shí)別，以作出對(duì)各目標(biāo)物類(lèi)屬的判別。yx對(duì)連續(xù)圖像f（x，y）進(jìn)行數(shù)字化空間上，圖像抽樣幅度上，灰度級(jí)量化x方向，抽樣M行y方向，每行抽樣N點(diǎn)整個(gè)圖像共抽樣M×N個(gè)像素點(diǎn)一般取M=N=2n=64，128，256，512，1024，2048數(shù)字圖像常用矩陣來(lái)表示：x=0,1,???,N-1y=0,1,???,N-1f(i,j)=0~255，（灰度級(jí)為256，設(shè)灰度量化為8bit）

數(shù)字圖像處理的三個(gè)層次從計(jì)算機(jī)處理的角度可以由高到低將數(shù)字圖像分為三個(gè)層次。這三個(gè)層次覆蓋了圖像處理的所有應(yīng)用領(lǐng)域

圖像工程的示意圖

數(shù)字圖像處理的三個(gè)層次1.圖像處理：對(duì)圖像進(jìn)行各種加工，以改善圖像的視覺(jué)效果；

強(qiáng)調(diào)圖像之間進(jìn)行的變換；圖像處理是一個(gè)從圖像到圖像的過(guò)程。2.圖像分析：對(duì)圖像中感興趣的目標(biāo)進(jìn)行提取和分割，獲得目標(biāo)的客觀信息（特點(diǎn)或性質(zhì)），建立對(duì)圖像的描述；以觀察者為中心研究客觀世界；圖像分析是一個(gè)從圖像到數(shù)據(jù)的過(guò)程。3.圖像理解：研究圖像中各目標(biāo)的性質(zhì)和它們之間的相互聯(lián)系；得出對(duì)圖像內(nèi)容含義的理解及原來(lái)客觀場(chǎng)景的解釋?zhuān)灰钥陀^世界為中心，借助知識(shí)、經(jīng)驗(yàn)來(lái)推理、認(rèn)識(shí)客觀世界，屬于高層操作（符號(hào)運(yùn)算）?？梢?jiàn)，圖像處理、圖像分析和圖像理解是處在三個(gè)抽象程度和數(shù)據(jù)量各有特點(diǎn)的不同層次上。圖像處理是比較低層的操作，它主要在圖像像素級(jí)上進(jìn)行處理，處理的數(shù)據(jù)量非常大。圖像分析則進(jìn)入了中層，分割和特征提取把原來(lái)以像素描述的圖像轉(zhuǎn)變成比較簡(jiǎn)潔的非圖像形式的描述。圖像理解主要是高層操作，基本上是對(duì)從描述抽象出來(lái)的符號(hào)進(jìn)行運(yùn)算，其處理過(guò)程和方法與人類(lèi)的思維推理有許多類(lèi)似之處。根據(jù)本課程的任務(wù)和目標(biāo)，本書(shū)重點(diǎn)放在圖像處理上，并學(xué)習(xí)圖像分析的基本理論和方法。

圖像工程與相關(guān)學(xué)科的聯(lián)系和區(qū)別圖像工程是一門(mén)交叉學(xué)科研究方法上，與數(shù)學(xué)、物理學(xué)（光學(xué)）、生理學(xué)、心理學(xué)、電子學(xué)、計(jì)算機(jī)科學(xué)相互借鑒；研究范圍上，與計(jì)算機(jī)圖形學(xué)、模式識(shí)別、計(jì)算機(jī)視覺(jué)相互交叉。圖像工程與相關(guān)學(xué)科的聯(lián)系和區(qū)別

四、數(shù)字圖像處理的起源上世紀(jì)20年代，紐約－倫敦海底電纜傳輸數(shù)字化的新聞圖片。傳遞時(shí)間從一個(gè)多星期減少到3個(gè)小時(shí)歷史1921年電報(bào)打印機(jī)采用特殊字符在編碼紙帶打印。輸出設(shè)備從通用在到專(zhuān)用1922年兩次穿越大西洋，穿孔紙得到圖像檢測(cè)誤差。圖像通信系統(tǒng)信源編碼和信道編碼1929年從倫敦到紐約15級(jí)色調(diào)通過(guò)電纜傳遞照片。從早期5個(gè)灰度到15灰度?，F(xiàn)在的網(wǎng)絡(luò)、移動(dòng)通信再次歷經(jīng)這個(gè)過(guò)程。

四、數(shù)字圖像處理的起源

數(shù)字圖像處理的歷史與數(shù)字計(jì)算機(jī)的發(fā)展密切相關(guān)，它必須依靠數(shù)字計(jì)算機(jī)及數(shù)據(jù)存儲(chǔ)、顯示和傳輸?shù)认嚓P(guān)技術(shù)的發(fā)展。五十年代中期在太空計(jì)劃的推動(dòng)下開(kāi)始這項(xiàng)技術(shù)的研究。重要標(biāo)志是1964年美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室（JPL）正式使用數(shù)字計(jì)算機(jī)對(duì)“徘徊者7號(hào)”太空船送回的四千多張?jiān)虑蛘掌M(jìn)行了處理。

四、數(shù)字圖像處理的起源進(jìn)行太空應(yīng)用的同時(shí)，數(shù)字圖像處理技術(shù)在20世紀(jì)60年代末和70年代初開(kāi)始用于醫(yī)學(xué)圖像、地球遙感監(jiān)測(cè)和天文學(xué)等領(lǐng)域。1895年倫琴發(fā)現(xiàn)X射線(xiàn)，獲1901年諾貝爾物理學(xué)獎(jiǎng)。1975年GodfreyN.Hounsfield和AllanM.Cormack發(fā)明了計(jì)算機(jī)斷層技術(shù)（CT），獲1979年諾貝爾醫(yī)學(xué)獎(jiǎng)。在今天引領(lǐng)這圖像處理某些最活躍的應(yīng)用領(lǐng)域。

五、數(shù)字圖像處理的應(yīng)用實(shí)例數(shù)字圖像處理的應(yīng)用領(lǐng)域多種多樣。最主要的圖像源是電磁能譜，其他主要的能源包括聲波、超聲波和電子（用于電子顯微鏡）?，F(xiàn)狀1.5.1伽馬射線(xiàn)成像伽馬射線(xiàn)成像的主要用途包括醫(yī)學(xué)和天文觀測(cè)。1.5.2X射線(xiàn)成像

X射線(xiàn)在醫(yī)學(xué)診斷上的應(yīng)用（a）X光片（b）血管照相術(shù)（c）頭部CAT切片圖像X射線(xiàn)是最早用于成像的電磁輻射源之一1.5.2X射線(xiàn)成像

X射線(xiàn)在工業(yè)和天文學(xué)上的應(yīng)用（a）電路板（b）天鵝座星環(huán)

1.5.3紫外波段成像紫外光的應(yīng)用多種多樣。平板印刷技術(shù)工業(yè)檢測(cè)顯微鏡方法激光生物圖像天文觀測(cè)普通谷物被“真菌”感染的谷物天鵝星座環(huán)

1.5.4可見(jiàn)光及紅外波段成像

這一波段的應(yīng)用最為廣泛

電視和多媒體光顯微鏡涉及的范圍從藥物到材料特性的檢測(cè)（a）紫杉酚（b）膽固醇（c）微處理器

（d）鎳氫化物薄片（e）音頻CD的表面（f）有機(jī)超導(dǎo)1.5.4可見(jiàn)光及紅外波段成像遙感美國(guó)華盛頓區(qū)域的衛(wèi)星遙感圖像1.5.4可見(jiàn)光及紅外波段成像

天文天氣觀測(cè)與預(yù)報(bào)是衛(wèi)星多光譜圖像的主要應(yīng)用領(lǐng)域1.5.4可見(jiàn)光及紅外波段成像工業(yè)檢測(cè)可見(jiàn)光譜中主要成像領(lǐng)域是生產(chǎn)產(chǎn)品的自動(dòng)視覺(jué)檢測(cè)1.5.4可見(jiàn)光及紅外波段成像拇指指紋圖像識(shí)別指紋識(shí)別、人臉識(shí)別車(chē)牌號(hào)碼的識(shí)別紅外圖象

紅外圖象1.5.5微波波段成像雷達(dá)在雷達(dá)圖像中，看到的只是反射到雷達(dá)天線(xiàn)的微波能量航天器拍攝的西藏東南山區(qū)雷達(dá)圖像1.5.6無(wú)線(xiàn)電波成像無(wú)線(xiàn)電波段成像主要應(yīng)用在醫(yī)學(xué)和天文學(xué)在醫(yī)學(xué)中，無(wú)線(xiàn)電波用于磁共振成像（MRI)1.5.7其他圖像模式應(yīng)用的實(shí)例超聲波成像系統(tǒng)（應(yīng)用醫(yī)學(xué)如婦產(chǎn)科）

超聲波圖像產(chǎn)生的步驟：1.超聲波系統(tǒng)向身體傳輸高頻（1～5MHz）聲脈沖。2.聲波傳入體內(nèi)并碰撞組織間的邊緣，聲波的一部分返回到探頭，一部分繼續(xù)傳播直到另一邊界并被反射回來(lái)。3.反射波被探頭收集起來(lái)并傳給計(jì)算機(jī)。4.計(jì)算機(jī)根據(jù)聲波在組織中的傳播速度和每個(gè)回波返回的時(shí)間計(jì)算從探頭到組織或者器官邊界的距離。5.系統(tǒng)在屏幕上顯示回波的距離和亮度形成的二維圖像。超聲圖象

電子顯微鏡成像過(guò)熱損壞的鎢絲（250倍）損壞的IC電路（2500倍）

現(xiàn)狀

七十年代以來(lái)迅猛發(fā)展。?1：主觀需求：人類(lèi)從外界獲取得信息60～70％通過(guò)眼睛的圖象信息。?2：計(jì)算機(jī)技術(shù)的發(fā)展和通信手段的發(fā)展提供客觀可能；以FFT為代表的數(shù)字信號(hào)處理算法和現(xiàn)代信號(hào)處理方法的精確性，靈活性與通用性。?3：數(shù)學(xué)化的特點(diǎn)是該學(xué)科成熟的一個(gè)標(biāo)志?！耙环N科學(xué)只有在成功地運(yùn)用數(shù)學(xué)時(shí)，才算真正達(dá)到了完美的地步”(分析，代數(shù)，幾何）?總之：是一門(mén)在理論研究和應(yīng)用開(kāi)發(fā)兩方面獲得極大統(tǒng)一的學(xué)科。

發(fā)展趨勢(shì)

1：結(jié)合網(wǎng)絡(luò)和Internet技術(shù)需求而發(fā)展起來(lái)的新技術(shù)，比如網(wǎng)上圖像、視頻的傳輸、點(diǎn)播和新的瀏覽、查詢(xún)手段。

2：高級(jí)圖像處理技術(shù)，結(jié)合最新的數(shù)學(xué)進(jìn)展，諸如小波、分形、形態(tài)學(xué)等技術(shù)。

3：智能化，圖象自動(dòng)分析、識(shí)別與理解。

六、數(shù)字圖像處理系統(tǒng)概要

數(shù)字圖象處理系統(tǒng)簡(jiǎn)介

數(shù)字圖象處理系統(tǒng)由圖象數(shù)字化設(shè)備、圖象處理計(jì)算機(jī)和圖象輸出設(shè)備組成。掃描儀、數(shù)碼相機(jī)、攝象機(jī)與圖象采集卡等PC、工作站等打印機(jī)、繪圖儀等輸入及數(shù)字化設(shè)備?攝象機(jī)?鼓式掃描器?平臺(tái)式光密度計(jì)?視頻卡?掃描儀?數(shù)碼相機(jī)?DV顯示及記錄設(shè)備?圖象顯示器?鼓式掃描器?圖象拷貝機(jī)?繪圖儀?激光打印機(jī)?噴墨打印機(jī)

圖象記錄介質(zhì)

紙膠片照片縮微膠片幻燈片錄象帶磁盤(pán)光盤(pán)電影

七、數(shù)字圖像處理的主要研究?jī)?nèi)容1.圖像變換傅立葉變換沃爾什變換離散余弦變換小波變換……采用各種圖像變換方法對(duì)圖像進(jìn)行間接處理。有利于減少計(jì)算量并進(jìn)一步獲得更有效的處理。

七、數(shù)字圖像處理的主要研究?jī)?nèi)容2.圖像壓縮編碼圖像壓縮編碼技術(shù)可以減少描述圖像的數(shù)據(jù)量，以便節(jié)約圖像存儲(chǔ)的空間，減少圖像的傳輸和處理時(shí)間。圖像壓縮有無(wú)損壓縮和有損壓縮兩種方式，編碼是壓縮技術(shù)中最重要的方法，在圖像處理技術(shù)中是發(fā)展最早和應(yīng)用最成熟的技術(shù)。主要方法：熵編碼，預(yù)測(cè)編碼，變換編碼，二值圖像編碼、分形編碼……

七、數(shù)字圖像處理的主要研究?jī)?nèi)容3.圖像的增強(qiáng)和復(fù)原圖像增強(qiáng)和復(fù)原的目的是為了改善圖像的視覺(jué)效果，如去除圖像噪聲，提高圖像的清晰度等。圖像增強(qiáng)不考慮圖像降質(zhì)的原因，突出圖像中感興趣的部分。圖像復(fù)原要求對(duì)圖像降質(zhì)的原因有所了解，根據(jù)圖像降質(zhì)過(guò)程建立“退化模型”，然后采用濾波的方法重建或恢復(fù)原來(lái)的圖像。主要方法：灰度修正、平滑、幾何校正、圖像銳化、濾波增強(qiáng)、維納濾波……

七、數(shù)字圖像處理的主要研究?jī)?nèi)容4.圖像分割圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一。圖像分割將圖像中有意義的特征提取出來(lái)（物體的邊緣、區(qū)域），它是進(jìn)行進(jìn)一步圖像識(shí)別、分析和圖像理解的基礎(chǔ)。雖然目前已研究出了不少邊緣提取、區(qū)域分割的方法，但還沒(méi)有一種普遍適用于各種圖像的有效方法。對(duì)圖像分割的研究還在不斷的深入中，是目前圖像處理研究的熱點(diǎn)方向之一。

主要方法：圖像邊緣檢測(cè)、灰度閾值分割、基于紋理分割、區(qū)域增長(zhǎng)……

七、數(shù)字圖像處理的主要研究?jī)?nèi)容

5.圖像描述圖像描述是圖像分析和理解的必要前提。圖像描述是用一組數(shù)量或符號(hào)（描述子）來(lái)表征圖像中被描述物體的某些特征。

主要方法：二值圖像的幾何特征、簡(jiǎn)單描述子、形狀數(shù)、傅立葉描述子，紋理描述……

七、數(shù)字圖像處理的主要研究?jī)?nèi)容6.圖像識(shí)別圖像識(shí)別是人工智能的一個(gè)重要領(lǐng)域，是圖像處理的最高境界。一副完整的圖像經(jīng)預(yù)處理、分割和描述提取有效特征之后，進(jìn)而由計(jì)算機(jī)系統(tǒng)對(duì)圖像加以判決分類(lèi)。

七、數(shù)字圖像處理的主要研究?jī)?nèi)容8.圖像隱藏是指媒體信息的相互隱藏。數(shù)字水印圖像的信息偽裝八、數(shù)字圖像處理在紡織上的應(yīng)用1.織物疵點(diǎn)檢測(cè)2.紋理檢測(cè)AutomaticfabricdefectdetectiontechniquesWhyweneedtoimplementAFDDT?Qualityinspectionisanimportantaspectofmodernindustrialmanufacturing.

Intextileindustry,thecurrentinspectiontaskisprimarilyperformedbyhumaninspectors.Disadvantage:

Intensivelabourcannotalwaysgiveconsistentevaluationofproducts.

Inefficienciesinindustrialprocessesarecostlyintermsoftime,moneyandconsumersatisfaction.Asaresult,intelligentvisualinspectionsystemstoensurethehighqualityofproductsinproductionlinesareinincreasingdemand.AsshowninFig.1,theautomationproblemsforwebinspectionfallsintotwogeneralcategoriesbasedonthetypesofwebmaterials.Thefirstcategoryisassociatedwithuniformwebmaterialssuchasmetals,film,paper,etc..Defectdetectioninthesewebmaterialsnormallyreliesuponidentificationofregionsthatdifferfromauniformbackground.Thesecondcategoryofwebinspectionproblemsisassociatedwithtexturedmaterialssuchastextile,ceramics,plastics,etc..Thecharacterizationofdefectsintexturedmaterialsisgenerallynotclearlydefined.Therefore,thevisualinspectionoftexturedmaterialsconsistsofgradingthematerialsbasedontheoveralltexturecharacteristicssuchasmaterialisotropy,homogeneity,andtexturecoarseness.ClassificationofFabricDefectTherearemanykindsoffabricdefects.Muchofthemarecausedbymachinemalfunctionsandhavetheorientationalongpickdirection(brokenpickyarns（斷頭）ormissingpickyarns（缺紗）),theytendtobelongandnarrow.Otherdefectsarecausedbyfaultyyarnsormachinespoils.Slubs（粗節(jié)）areoftenappearedaspointdefects;machineoilspoils（油漬）areoftenalongwiththewarpdirection,andtheyarewideandirregular.Fig.1-Fabricdefectsamples:

(a)Doubleyarn;(b)Missingyarn;(c)Brokenyarn;(d)VariationofyarnAUTOMATIONFORINSPECTIONTraditionalInspectionTherearetwodistinctpossibilitiesforfabricdefectdetection.Thefirstpossibilityistheprocessinspectioninwhichtheweavingprocess(oritsparameters)canbeconstantlymonitoredfortheoccurrenceofdefects.Processinspectionisapreventiveinspection,andisgenerallynotperformedinthetextileindustriesduetothecomplexityoftheweavingprocess.Thesecondpossibilityistheproduct(end)inspectioninwhichthemanufacturedfabrichastobeinspectedforthedefects.TechniquesofFabricDefectDetectionDefectdetectiontechniqueshavebeenclassifiedintothreecategories:Statisticalspectralandmodel-based1.StatisticalApproachesTheobjectiveofdefectdetectionistoseparatetheinspectionimageintoregionsofdistinctstatisticalbehavior.Thedefectdetectionmethodsemployingtexturefeaturesextractedfromfractaldimension(FD),first-orderstatistics,

crosscorrelation,edgedetection,morphologicaloperations,cooccurrencematrix,eigenfilters,andmanylocallineartransformshavebeencategorizedintothisclass.DefectdetectionbasedonstatisticalblockprocessingDefectDetectionUsingNeural-NetworksNeuralnetworksareamongthebestclassifiersusedforfaultdetectionduetotheirnonparametricnatureandabilitytodescribecomplexdecisionregions.fabricdefectsegmentationusingfeedforwardneuralnetworks(FFNs)

.linearneuralnetworkstheback-propagationneuralnetwork,withthefuzzificationtechnique(fuzzylogic),

theself-organizingmap-basedclassifier2.SpectralApproachesThehighdegreeofperiodicityofbasictextureprimitives,suchasyarnsinthecaseoftextilefabric,permitstheusageofspectralfeaturesforthedetectionofdefects.Spectralapproachesarenotsuitableforthedetectionofdefectsinrandomtexturedmaterials.Thepsychophysicalresearchhasalsoindicatedthatthehumanvisualsystemanalyzestexturedimagesinspatial-frequencydomain.UsingDi