图像处理技术论文
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇图像处理技术论文范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
图像处理技术论文范文第1篇
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]刘诚，李银柱，李良钰等.数字全息测量技术中消除零级衍射像的方法[J].中国激光，2001，A28(11)：1024-1026.
图像处理技术论文范文第2篇
关键词：烟叶数字图像；边缘处理；形态学变换；特征抽取；智能识别
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
[1]于润伟．基于图像处理的稻米垩白自动检测研究[J]．中国粮油学报，2007，1：122—124．
图像处理技术论文范文第3篇
Abstract: In order to improve the accuracity of the recognition research of Asphalt-aggregate ratio for asphalt mixture ,the MATLAB digital image processing were used to study the asphalt-aggregate ratio for asphalt mixture AC-13C and the researches mainly include 3 respects: the mixing proportion design and the image collection of asphalt mixture, the research of digital image processing technology, the asphalt-aggregate ratio recognition of asphalt mixture. The results show that there is a good linear functional correlation between the real asphalt-aggregate ratios and the recognition asphalt-aggregate ratios. The linear fitting function was created as Pay = 1.6872Pax-5.4606, and the correlation coefficient R2 is 0.9617.
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.
[2] 肖彭.基于MATLAB7.0的沥青混合料最佳油石比优化设计[J].交通标准化,2005,17(11):73-75.
图像处理技术论文范文第4篇
【关键词】FPGA 图像处理 实时高速 平滑算法
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.
[2]宇野麻由子.FPGA规模快速增大[J].电子设计应用，2008（10）
图像处理技术论文范文第5篇
关键词:多媒体课件;图形;图像;处理;加工
中图分类号:TP75文献标识码:A文章编号:1009-3044(2009)35-10087-03
Multimedia Courseware Image Processing and Graphics Processing Technology
LIN Han
(Florida Vocational and Technical College, Sichuan Machinery and Electronic and Information Engineering, Dazhou 653000, China)
Abstract: In the multi-media courseware creation,preparation of multimedia material is a very important part.Multimedia material,including text,images,graphics,animation,sound,video and so on. In these types of material,the graphic image is a multi-media courseware application of the most basic,the most important and most of the material,its handling and processing are also the most complex,the following response to this problem were discussed.
Key words: CAI; graphics; image; treatment; processing
由于多媒体技术的不断发展,对于多媒体课件的质量要求是越来越高,多媒体辅助教学已经广泛应用,这是利用计算机技术和网络技术来组织教学的一种新型教学手段,它带来了课堂教学的新革命。
多媒体课件需具备以下特点: 1) 丰富的表现力;2) 良好的交互性;3) 极大的共享性。多媒体课件在教学中的使用,改善了教学媒体的表现力和交互性、促进了课堂教学内容、教学方法、教学过程的全面优化,提高了教学效果。一个好的多媒体课件需要多媒体素材来点缀
1 图形图像的概念
1)图形图像格式
图形图像格式主要有:BMP格式、GIF格式、JPEG格式、JPEG2000格式、TIFF格式、PSD格式、PNG格式、SWF格式、SVG格式等。其它非主流图形图像格式:PCX格式、DXF格式、WMF格式、EMF格式、LIC(FLI/FLC)格式、EPS格式、TGA格式等。比较常用的有BMP格式、JPEG格式、GIF格式等等,所以我们在进行图形图像处理以前,首先要对图形图像的格式要有清晰的认识,只有在此基础上才可以进行进一步的开发处理。
2)图形图像素材的获取
多媒体课件中的图形图像,按其用途分,一般有三种,一是背景图,二是按钮图,三是与教学内容相关图。一般情况下,图形图像素材的获取进入昵图网可以找到很多行业的图片,找到需要的图片后保存图片,若网页设置为不能保存,可以用复制粘贴的方法保存图片。对于一些素材原创,可以在相应的图形图像处理软件中进行创作。主要获取方法:利用扫描仪、数码相机从外部采集图形图像数据;经过Photoshop等图象处理软件处理、利用抓图工具来抓取屏幕上显示的图像等这些都是最常用的;还可以通过从网上下载、从电视节目中录制、从课件中截取、从资源光盘或资源库中获取、从VCD片中获取等几种方法。
图形素材也可以自己进行绘制,课件工具中都有相应的绘制工具,可直接用绘图工具进行绘制。
2 图形图像区别
1)存储方式的区别:图形存储的是画图的函数;图像存储的则是像素的位置信息和颜色信息以及灰度信息。
2)缩放的区别:图形在进行缩放时不会失真,可以适应不同的分辨率;图像放大时会失真,可以看到整个图像是由很多像素组合而成的。
3)处理方式的区别:对图形,可以旋转、扭曲、拉伸等等;而对图像,可以进行对比度增强、边缘检测等等。
4)算法的区别:对图形,我们可以用几何算法来处理;对图像,可以用滤波、统计的算法。
5)其他:图形不是主观存在的,是根据客观事物而主观形成的;图像则是对客观事物的真实描述。
3 图像的处理
自从20世纪60年代出现了计算机图像处理技术,为图像处理提供了一种精确、灵活、通用的工具,从而极大拓展了图像处理的应用领域。
1)图像处理的发展
虽然图像处理起源比图形学早30多年,但是它的应用却比图形学足足晚了10多年,原因就是数字图像比图形所含的信息量大很多,只有当计算机发展到一定水平才能进入大规模的实用阶段。
1921年,第一个数字图像传输系统――巴特兰电缆图片传输系统横跨大西洋传输图像成功;1929年,第一次实现15级灰度的图像编码并引进了一套用编码穿孔纸袋来调制光束进而使底片感光的图像输出设备;1952年,哈夫曼发表关于最小冗余度编码的论文《构造最小冗余度编码的一种方法》;1964年,在阿波罗载人登月计划中首次采用计算机对月球图片进行处理;1980年代中期,开始对图像处理进行大规模应用研究;自从数字图像处理这门学科诞生以来,图像处理作为一门基础学科,得到重大的发展。
2)图像处理的概述
图像处理一般指数字图像处理,用计算机对图像进行分析,以达到所需结果的技术。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。
①图像数字化
通过取样和量化过程将一个以自然形式存在的图像变换为适合计算机处理的数字形式。图像在计算机内部被表示为一个数字矩阵,矩阵中每一元素称为像素。图像数字化需要专门的设备,常见的有各种电子的和光学的扫描设备,还有机电扫描设备和手工操作的数字化仪。
②图像编码
对图像信息编码,以满足传输和存储的要求,编码能压缩图像的信息量,但图像质量几乎不变。编码方法有对图像逐点进行加工的方法,也有对图像施加某种变换或基于区域、特征进行编码的方法。
③图像压缩
由数字化得到的一幅图像的数据量十分巨大,图像压缩对于图像的存储和传输都十分必要。有两类压缩算法,即不失真的方法和近似的方法。前者用于静态图像,后者用于动态图像。
④图像增强和复原
图像增强的目标是改进图片的质量,使图像清晰或将其转换为更适合人或机器分析的形式,所用方法可分成频率域法和空间域法,它们可用于去除或减弱噪声。图像复原常用二种方法,一是建立退化源的数学模型;二是建立原始图像的模型。
