【利用常見數(shù)字圖像處理方法對照片進行圖像的預(yù)處理探究（論文）8700字】

利用常見數(shù)字圖像處理方法對照片進行圖像的預(yù)處理研究摘要從照片中得到的物體三維信息是多個學科相互交叉并且范圍極其廣大的研究領(lǐng)域,它已經(jīng)廣泛地涉及到了門類眾多的基礎(chǔ)理論和學科,而根據(jù)圖像測距則是目前在這些研究領(lǐng)域中逐步發(fā)展起來的重要課題。經(jīng)過對于圖像中所有物體的辨識,用數(shù)字圖像分割等技術(shù)尋找得到物體的三維輪廓,再依靠幾何學的原理,對于照片中所有物體都進行三維輪廓重建來快速恢復(fù)一張照片中的目標或者是物體的三維輪廓信息。本文主要是利用常見數(shù)字圖像處理方法對照片進行圖像的預(yù)處理，如彩色照片灰度二值化、照片銳化、圖像平滑處理、腐蝕膨脹、濾波去除噪聲、輪廓提取等操作,對照片中的物體三維尺寸識別問題展開了技術(shù)性的探討。關(guān)鍵詞：邊緣檢測；輪廓提取；尺寸測量目錄第一章引言 第一章引言近年來，隨著計算機科學和計算機圖形學的發(fā)展，圖像處理倍受青睞，而照片之中由于攜帶著豐富的信息而深受研究者喜愛，在數(shù)字圖像處理這個龐大的領(lǐng)域之中，圖像處理技術(shù)在大小尺度測量和形態(tài)識別等技術(shù)上就有著廣泛的應(yīng)用前景。當照片從傳統(tǒng)的光學成像進步到現(xiàn)代化的傳感器成像，照片已經(jīng)不再是存儲在底片上的黑乎乎的灰度背影，而是演化成為了數(shù)字存儲在存儲器當中，隨著傳感器技術(shù)的不斷進步，照片的清晰度也越來越高，被數(shù)字化的圖像在存儲器中存儲為一個個的像素點，每一個像素點上保存著它的或灰度，或顏色，或明度等特征，最終再通過數(shù)模轉(zhuǎn)換投影到手機電腦顯示屏上提供給我們?nèi)祟惖囊曈X系統(tǒng)，也就是我們平時雙眼所看到的“像”，我們?nèi)搜劭吹降纳磉叺木拔?，那些或短暫或長期存留在我們大腦中的叫做模擬物像，而存儲在存儲器中的電子照片被稱作數(shù)字圖像。傳統(tǒng)的照片可以被認為是用小孔成像原理“拍”出來的，但是有了計算機和傳感器的出現(xiàn)，在近幾年它們的飛速發(fā)展之下，我們不得不說，我們的照片不再是被拍攝出來的，可以說是用傳感器的數(shù)字化感知計算得出的，計算機數(shù)字化進程的加快，物象越來越清晰，在拍攝技術(shù)和科學數(shù)字化發(fā)展的過程當中，數(shù)字化趨勢是顯而易見的。伴隨著計算機視覺等圖像數(shù)字化技術(shù)的發(fā)展，人們對物體尺寸信息的獲取越來越方便。傳統(tǒng)的三坐標測量機多采用的接觸式測量，雖然可以相對準確地獲得三維數(shù)據(jù)值，但是存在需要實地對物體進行操作，不利于測量，準確度較低而且速度也比較慢、這樣一來還特別容易破壞物體的完整性，總之是存在著非常多的人為破壞因素等缺點，如果知道拍攝照片時相機的拍攝焦距，通過照片就能夠測量出物體輪廓的三維尺寸，再通過物體輪廓的提取，坐標的建立，得出目標物體在照片中所占像素點多少，進而對所需要的特征尺寸進行估算，從而實現(xiàn)被攝物體的三維尺寸測量。在我們的現(xiàn)實世界中，除了各種可以由規(guī)則的幾何學表達的物體外，還存在著大量不規(guī)則或者說不容易計算尺寸的形狀，如工業(yè)零件中的圓、曲線和曲面等，這些都屬于不好計算尺寸的部件，更有甚者，自然界中存在的各種不規(guī)則物體，如石頭，樹葉等，這一類就屬于及其不利于計算尺寸的物體了，但是沒有什么不是可以用矩形將其框入的，正如阿基米德所說只要一個支點就能夠翹的動地球，那么在這一領(lǐng)域，只要我們能夠通過圖像處理得到物體的輪廓，沒有什么不是矩形可以包容的，即使是圓、橢圓和形狀及不規(guī)則形狀的物體，在矩形中依然可以利用幾何學中的性質(zhì)將它們的圓心，焦點等位置算出，要想更好地獲得一張照片中的對象或者是物體的三維輪廓信息,就必須針對不止一張的照片和數(shù)據(jù)庫進行一系列的分析和處理,因此對這些不規(guī)則物體的尺寸進行測量具有十分重要而深遠的意義。另外，雖然這一研究可以這么做，去根據(jù)物象去計算出其尺寸，但它也有非?？量痰那疤釛l件，即獲得物體的盡可能多的清晰的照片，這樣才能夠比較精確的得出它們的尺寸，也就是說，圖片中的物體必須是完整的，確定的形狀，并且拍攝條件還需要足夠的清晰，防止許多噪聲和不利于研究分析圖像的干擾。本文作者水平有限，利用數(shù)字圖像處理技術(shù)對照片中的顯性物體進行處理，盡最大可能提取其二維輪廓，得出物體本身所具有的，并對其三維尺寸的測量方法進行探討，愿意與各位研究者分享其方法。第二章圖像預(yù)處理相關(guān)技術(shù)圖像處理是個很廣泛的概念，有時候我們僅僅需要對一幅圖像做一些簡單的處理，即按照我們的需求將它加工成我們想要得效果的圖像，比如圖像的降噪和增強、灰度變換等等。更多時候我們想要從一幅圖像中獲取更高級的結(jié)果，比如圖像中的目標檢測與識別。如果我們將輸出圖像中更高級的結(jié)果視為目的的話，那么我們可以把輸入輸出都是一幅圖像看作是整個處理流程中的預(yù)處理。預(yù)處理過程幾乎是每一項科學研究或者實驗都需要用到的一種方法，它的目的在于確定和篩選輸入數(shù)據(jù)或者過程的有效性，在圖像處理這一領(lǐng)域中，預(yù)處理可以說是存在于其領(lǐng)域的方方面面，這樣不僅有助于我們?nèi)?shù)據(jù)進行更深層次的提取或者分析，也有利于掃除在后面研究時所引發(fā)的一些障礙。這種預(yù)處理的目的就是為了改善圖像的質(zhì)量，使的圖像的質(zhì)量變得更明顯，細節(jié)更明顯，也就是使的人們對所要處理的特征值較其他特征更加凸顯，方便人們對圖像接下來的處理。2.1圖像增強與去噪2.1.1濾波器的設(shè)計方法我們可以在頻域用函數(shù)來保留或減弱去除相應(yīng)頻率分量，再變換回空間域，得到頻域濾波[1]的結(jié)果，而空間濾波和頻域濾波有著一定的聯(lián)系。濾波器在圖像增強[2]方面有著相當?shù)目煽啃浴ｎl域濾波就是在表述一系列的空間像素也就是所謂的平滑和銳化，就是對某個特定的頻率的顏色變化信息的處理，同時要保持對其他顏色信息不加以處理而保持不變?？臻g濾波器的實現(xiàn)要在頻域濾波器的基礎(chǔ)上進行。（1）頻域濾波使用二維離散傅里葉變換[3](DFT)變換到頻域，由式(2-1)給出：(2-1)使用二維離散傅里葉反變換(IDFT)變換到空間域，由式(2-2)給出：(2-2)在圖像處理的實際應(yīng)用中，由于該過程時間復(fù)雜度過高，通常會使用快速傅里葉變換(FFT)來加速這個過程。必須了解的是，圖片中灰度變化劇烈的地方即細節(jié)部分對應(yīng)著頻率分布出現(xiàn)較高的分量，照片中變化較少的地方對應(yīng)著頻率分布出現(xiàn)較低的分量。圖像中的周期性噪聲對應(yīng)著某一個頻率區(qū)域，那么在頻域使用合適的濾波器就能去除相應(yīng)的頻率分量，再使用傅里葉反變換就能得到我們實際想要的結(jié)果。(2)空間濾波空間濾波的基礎(chǔ)便是卷積，實現(xiàn)過程中可以用一個濾波器對圖像做卷積。卷積的離散定義如下，由式(2-3給出)：(2-3)所以，空間濾波就是將圖片依據(jù)像素點大小分塊，再利用使用設(shè)計好的濾波器去逐像素塊掃描圖像，對圖像的每一處都進行卷積操作，計算得到的結(jié)果就是經(jīng)過濾波后的圖像。我們必須知道，關(guān)于空間濾波器的設(shè)計有著很明顯的意義，在空間濾波器沒那么容易直接設(shè)計的時候，其實它的設(shè)計是和頻域濾波密切相關(guān)的。首先我們介紹一下卷積定理，由式(2-4給出)：(2-4)式中雙箭頭代表傅里葉變換對，即兩個函數(shù)在空間里的卷積的傅里葉變換等價于它們各自傅里葉變換的乘積。由卷積定理可以知道，在頻域進行濾波的時候，濾波的結(jié)果等于頻域濾波器的傅里葉反變換在空間域?qū)D像進行卷積。也就是說我們可以通過頻域的濾波器得到相應(yīng)的空間濾波器。在這個對應(yīng)的過程中，需要對相應(yīng)的空間函數(shù)進行取樣，并保證模板中的系數(shù)之和為零。2.1.2圖像平滑（1）均值濾波均值濾波是非常典型的一種線性濾波算法，是將模板賦予所要求的圖像，這種模板是以相似的像素來代替所要求的像素，同時要對相似的像素求其平均值，這個平均值就是所謂的均值濾波算法的產(chǎn)物。均值濾波算法的原理是將所要求的像素點周圍的像素點通過遍歷使其相加，同時設(shè)定一個變量通過自加來作為遍歷數(shù)，再將遍歷過的像素點的值相加的值除以遍歷數(shù)，所求出的這個值就是所謂的均值。求均值的時候，并不是一定要嚴格的算術(shù)平均值，鄰域內(nèi)像素點可以有不同的權(quán)值，但要系數(shù)之和為1。（2）中值濾波所謂的中值濾波就是將像素灰度值通過排序，然后用像素灰度值排序中的中位數(shù)來代替原先的像素灰度值。中值濾波算法的原理就是先通過緩沖區(qū)將所要處理的圖像的像素點，通過排序算法使其周圍的像素點從小到大排序，然后循環(huán)遍歷排序之后，將周圍所有的像素點求出之后，用其中值數(shù)來代替所要求的像素點的值。中值濾波是一種非線性平滑濾波器，能將與周圍差別過大的像素值替代成為與周圍像素值相似的值，可以有效去除椒鹽噪聲。（3）雙邊濾波雙邊濾波就是將像素求其加權(quán)平均數(shù)，然后用加權(quán)平均數(shù)來代替某個像素值，這種濾波處理可以有效的達到對圖像處理之后保持邊緣，降噪平滑的效果。其算法原理就是所求的像素是由其周圍像素的值所決定的，也就是將所求像素值分別賦予不同的高斯權(quán)重值，并且將其求出的加權(quán)平均值來代替所求的像素值。雙邊濾波器比較于經(jīng)典的低通濾波器來說，具有保持邊緣細節(jié)的最大優(yōu)點，同時有不錯的圖像去噪能力。2.2圖像銳化圖像在某些具體的操作之后，某些特征值會變得模糊，為了減少這種模糊，人們就引入了一個新的概念，即圖像銳化[4]技術(shù)，這種技術(shù)的引入大大地改善了上面所發(fā)現(xiàn)的問題，使的圖像變得更加的清晰。主要的銳化技術(shù)處理方法有兩種，一種是空間域[7]處理，一種是頻域處理。雖然說這是兩種方法，但是這兩種方法是同一個目的，就是減少圖像的模糊，使得圖像的特征值更加明顯，也就是突出圖像上物體的輪廓，以及某些特定要素的像素值。這就是所謂的圖像銳化技術(shù)[5]，這種技術(shù)的出現(xiàn)，使得人們能夠處理更多現(xiàn)實生活中的問題。最貼合身邊的例子，就是在照相館中，我們照完照，照相師會利用Photoshop工具，將照片進行銳化處理之后，拍出的照片明顯比未處理的照片更加好看。這次我所做的圖像的三維立體識別，就是要將圖像經(jīng)過銳化處理，使得圖像更加清晰以方便后面的操作。主要采取的處理方法，就是通過調(diào)用空間域處理方法函數(shù)來對圖像進行處理。2.3圖像特征提取在數(shù)字圖像處理中，要想對一幅圖像做更高級的處理，即不再是輸入輸出都是圖像的話，就需要對圖像轉(zhuǎn)換成利于計算機處理的形式。最基本的思想是將圖像的特征提取[6]出來，這一個個特征值組合成一個特征向量，用以標識一幅圖像。檢測形狀的時候，通常是通過找到邊緣輪廓來確定對象的輪廓，輪廓基本上是輪廓找到了物體的形狀或者形式，檢測多個形狀每個形狀有多少個輪廓點和幾個角點。值得一提的是，在特征提取的過程中，其所用的方法一般是基于問題的，也就是說，某種問題的最優(yōu)求解方法似乎就只有那么幾種，例如在汽車的車型識別過程中，就可以通過識別其本身具有的規(guī)格，也就是長寬的比值來確定車型；在指紋識別中，指紋所特有的特征就成了我們所關(guān)注的焦點問題；在人臉識別中，其特征值又發(fā)生了變化，一種最簡單的辦法便是直接選取鼻尖所在的位置，嘴角，耳朵和眼球這些顯而易見的特診點；識別一個物體是不是蘋果，那么可以選取它的形狀，紋理，顏色等等諸如此類額特征?？偟膩碚f，在解決一系列圖像問題的時候，就需要用具體的方法去求解具體的問題。第三章圖像處理的實現(xiàn)3.1圖像讀取和顯示數(shù)據(jù)來自手機拍攝的墨水瓶圖像，該圖像拍攝時為一倍焦距，鏡頭距基準面25厘米，如圖3-1是對墨水瓶的正面、側(cè)面、頂面以及底面的拍攝結(jié)果，雖然說是彩色圖像，在分析研究過程中盡量采用目標物體和圖像的背景對比度較大的照片，這樣有利于數(shù)據(jù)的處理和對數(shù)據(jù)整體性的把握和分析。圖3-1圖像讀取和顯示3.2圖像處理3.2.1圖像的預(yù)處理（1）彩色圖像的預(yù)處理成像體系獲得的圖像因為受到了林林總總隨機燈號的滋擾，從而惡化了圖像的質(zhì)量，使圖像變的恍惚和不清晰，甚至有大概覆沒圖像的主要特點，給背面的闡發(fā)帶來堅苦，以是，為了獲得較好的圖像處置結(jié)果，在圖像處置前必要舉行圖像預(yù)處置，其目標是改良圖像數(shù)據(jù)，按捺不必要的變形或加強某些對后續(xù)處置有效的圖像特征。我們給圖像添加了均值為0，方差為0.02的高斯噪聲之后圖像如下圖3-2所示：圖3-2添加高斯噪聲后的墨水瓶分面圖本文為了能有效的在圖像中提取出輪廓，采用了圖像平滑技術(shù)對圖像進行預(yù)處理，使圖像中墨水瓶的像素連續(xù)均勻。由于噪聲源眾多，所采用的平滑方法也不盡相同，綜合比較了各種平滑算法，本文采用了3*3均值濾波。采用均值濾波后墨水瓶各面的圖像如下圖3-3所示：圖3-3均值濾波后各二維平面圖(2)彩色圖像轉(zhuǎn)為灰度圖如上中得到是RGB彩色圖像，它的視覺效果比較好，但是它的數(shù)據(jù)量大，需要的存儲空間較大，對其處理時的速度也慢。所以在不要丟失主要信息的情況下，可以縮小它的數(shù)據(jù)量。這時灰度圖像比較符合我們的要求，所以將彩色照片轉(zhuǎn)化為灰度圖像。轉(zhuǎn)化結(jié)果如圖3-4所示：圖3-4彩色圖轉(zhuǎn)為灰度圖3.2.2圖像的銳化與邊緣檢測（1）圖像的銳化本次試驗針對墨水瓶的特點用Sobel算子銳化[8]的結(jié)果如下圖3-5所示，可以看出雖然采用Sobel算子[9]可以增強了目標的邊緣[10]，從處理之后的圖像效果來看，整體上已符合預(yù)期的效果?？梢宰鳛樘幚淼哪０?，但是不足之處就是背景與目標的分界線仍然不夠明顯，圖像效果一般，故需要進一步處理。通過進一步的銳化處理之后，圖像的邊緣已經(jīng)可以看出明顯的效果，在灰度值上的對比度顯示效果也欲見明顯。圖3-5Sobel算子銳化結(jié)果（2）圖像的邊緣檢測邊緣檢測可以在高斯濾波后采用Prewitt算子和Canny算子[11]，其中使用Prewitt算子結(jié)果如圖3-6所示，再用canny算子進行邊緣檢測的結(jié)果如圖3-7所示圖3-6prewitt邊緣檢測結(jié)果盡管可以利用Matlab自帶的邊緣檢測函數(shù)得到墨水瓶的大體輪廓，但是目標的輪廓需要更加準確才能對接下來的三維重建有幫助，因此我們需要繼續(xù)尋找其他解決辦法即利用二值圖像提取墨水瓶輪廓。圖3-7canny邊緣檢測結(jié)果3.2.3灰度圖像的二值化所謂灰度圖像的二值化就是在一步步的濾波過程中，對灰度圖像的閾值[12]T進行最佳的選擇。根據(jù)灰度圖像的直方圖灰度分布，如圖3-8所示，我們可以直觀地看出目標灰度大概在180，背景灰度大概在90左右，所以論文中選取的閾值T均為125。大于T的像素直接置換為255，即為目標物體區(qū)域，小于T的像素直接置換為0，即為背景區(qū)域。圖像二值化的結(jié)果由圖3-9給出。圖3-8墨水瓶各分面的直方圖圖3-9圖像二值化的結(jié)果3.2.4二值圖像的處理結(jié)合到本文中的側(cè)面圖與背面圖來看，圖中均有多個個連通域可能被標記，而且連通域中最大的一個為目標物體，所以針對這幅圖也像上面的步驟那樣進行連通域的濾波。濾波之后，僅僅保留像素最大的一個連通域，連通域標記示意圖到濾波完成的效果分別如下圖3-10和3-11所示，可見效果并不太理想。圖3-10連通域標記示意圖圖3-11連通域濾波3.3提取墨水瓶分面的輪廓坐標3.3.1四個分面的二維坐標系提取出輪廓后，只是直觀地得到了墨水瓶分面的輪廓線，要想在后續(xù)工作中進行三維重建[13]，就必須得到墨水瓶分面的輪廓像素點坐標，而在一系列的圖像處理后，得到的僅僅是輪廓的二維坐標[14]，從二維到三維的變化，需要將墨水瓶四個分面分別建立坐標系，并根據(jù)這四個二維坐標系，從而推導(dǎo)出墨水瓶整體輪廓的三維坐標。本論文中，使用MATLAB[]建立坐標系，那么墨水瓶正面坐標系的建立過程如下圖3-12與圖3-13所示。圖3-12正面和側(cè)面的二維坐標系圖3-13正面和頂面的二維坐標系3.3.2四個分面的三維坐標系建立坐標系后，需要根據(jù)二維坐標系映射出三維坐標系，這一步驟是根據(jù)以下思想來實現(xiàn)的：墨水瓶從頂面到正面再到底面其坐標系是分別逆時針旋轉(zhuǎn)90°和180°，墨水瓶四個分面的三維坐標系關(guān)系如下圖3-14所示。圖3-14墨水瓶四個分面的三維坐標系3.3.3提取特征點及尺寸計算建立好坐標系后，需要根據(jù)坐標系求出其特征點即所謂角點的坐標，本論文中選取部分特征點進行研究，便可以推導(dǎo)出墨水瓶輪廓各點的三維坐標。各個面的特征點提取如圖3-15，圖3-16，圖3-17，圖3-18分別描繪如下。圖3-15正面特征點的選取圖3-16側(cè)面特征點的選取圖3-17頂面特征點的選取圖3-18底面特征點的選取選好特征點后，使用MATLAB中的[x,y]=ginput(n)函數(shù)求出其二維坐標，在本論文中，各方位的視圖均選用50個特征點。得到二維坐標后，即可利用上圖中四個三維坐標系的關(guān)系即可確定出墨水瓶輪廓的三維像素點的個數(shù)[15]，即三維像素點坐標值的差值，進而根據(jù)焦距值計算出墨水瓶實際的三維尺寸，另一種辦法便是利用已知參考物體在圖像中所占的像素和其在實際中對應(yīng)的長度或者寬度，利用相似比便可以計算求得目標物體在實際中所占的尺寸。第四章誤差分析與處理4.1儀器產(chǎn)生的誤差4.1.1拍攝設(shè)備產(chǎn)生的誤差由于手機是電子設(shè)備，那么它就必然受工作溫度和環(huán)境因素的多重影響，這就不可避免地出現(xiàn)誤差，即使攝影設(shè)備再怎么先進，它畢竟是電子產(chǎn)品，在數(shù)模和模數(shù)轉(zhuǎn)換的過程中就不免會有能量損耗和噪聲污染。即使是使用多種濾波方法去降低圖片的噪聲，這種客觀因素導(dǎo)致的誤差帶來的影響依舊是不可避免的。4.1.2光源導(dǎo)致的誤差顧名思義，自計算機產(chǎn)生以來，它的發(fā)展超乎我們?nèi)祟惖南胂?，傳統(tǒng)的光成像原理被徹底改變，取而代之的是數(shù)字化的趨勢，但無論如何，任何精密儀器所能呈現(xiàn)的光學物象無疑都深受拍攝時光源環(huán)境的影響，即使在科學領(lǐng)域已經(jīng)證明了光具有波粒二象性，光是由磁場和電場的疊加，各種成像設(shè)備層出不窮，例如紅外成像，遙感，各種射線等數(shù)以千計的成像方式，無疑它們的成像原理都是在電磁波的頻率之間做出相應(yīng)的調(diào)節(jié)，但是就本文而言，是放在大眾化的角度下做的研究，用的拍攝儀器均是比較常見的設(shè)備，拍出的物象自然也是我們?nèi)丝梢浴白x”的懂的，并且在拍攝時還有可能出現(xiàn)黑色的背影，解決方法便是在測試環(huán)節(jié)中設(shè)置相對穩(wěn)定的光源系統(tǒng)，采集圖像時必須保證拍攝的角度不至于出現(xiàn)背影，盡可能的使照射到物體的光線均勻，以消除由光源引起的誤差。4.2數(shù)字圖像處理過程中的誤差4.2.1彩色圖轉(zhuǎn)為灰度圖產(chǎn)生的誤差由于物體和拍攝時背景的灰度相似，所以導(dǎo)致了RGB圖像灰度化以后出現(xiàn)了背景和目標物體相互連通的情況，從而使得目標物體識別邊界不清楚，對邊緣提取形成了干擾，不能形成封閉的圖形。我們在直方圖中也可以清晰的看到，每副圖像中都有兩個峰值，那么閾值的選取便有了一定的困難，而且這是造成圖像邊緣提取不準確，形成誤差的重要來源。可以通過增強圖像的對比度來減小輪廓提取相應(yīng)的誤差，這就需要我們對同一幅圖像多次實驗尋找到其最佳閾值。4.2.2圖像平滑、銳化過程中產(chǎn)生的誤差實際上圖像的平滑以及銳化本身就是消除或者減小噪聲的圖像處理方法，但是即便如此，平滑過程中使用的均值濾波以及中值濾波均會使圖像模糊，這樣對在后續(xù)處理中，邊界提取時就需要增強邊緣，這樣就會累積誤差。4.2.3邊緣檢測以及輪廓提取中的誤差在利用Canny算子和Sobel算了進行邊緣檢測時，圖像的邊緣出現(xiàn)了斷斷續(xù)續(xù)的情況，這是由于算子本身模板的局限造成的。同樣，在對二值圖像進行輪廓提取時，也會在視覺上出現(xiàn)斷斷續(xù)續(xù)的情況，這就需要在后續(xù)工作中通過其他辦法進行彌補?？梢試L試一下其他的邊緣檢測算子使用，或者調(diào)整模板，盡量使圖像在視覺上美觀而且突出所要研究區(qū)域的特征。第五章總結(jié)與展望本論文基于照片確定物體輪廓的三維尺寸，其實質(zhì)便是以照片為中心，采用數(shù)字圖像處理技術(shù)對已有的照片進行一系列可操作處理的過程，其中所采用的技術(shù)和方法均已成熟。借用數(shù)字圖像處理的技術(shù)方法，深入來了解其底層原理，對圖像的輪廓提取，邊緣檢測和圖像銳化，以及各種算子的使用方法和原理都有了更深入的了解，利用相似比和特征點求得物體的相關(guān)尺寸，在計算機視覺和視覺測量的技術(shù)上又邁出了新的一步。隨著數(shù)據(jù)的爆炸式增長，圖像數(shù)據(jù)也在日益增多，而圖像的種類更是紛繁復(fù)雜，而僅僅依靠人力去提取照片中人能夠認知到得信息是遠遠不夠的，不止是照片中的物體和它的三維尺寸，其中所包含的種種信息和資源都是我們研究者需要不斷去攻克和挖掘的。雖然已經(jīng)利用了相關(guān)的技術(shù)研究和掌握了一些基本的原理，利用代碼實現(xiàn)了對圖像的一系列操作處理，最終可以計算出物體輪廓的三維尺寸，總體來看，對處理方法和技術(shù)的掌握是有效的，但在有些高難度的理論和實踐面前還存在著許多不足之處。如：對較難的理論理解的不夠透徹，或許解決這一尺寸問題不止有這一種做法，在解決問題時利用了不太合理的技術(shù)和方法，在科學研究的過