摘要
随着计算机速度的不断提高,数字图像处理技术的发展越来越快。而基于数字图像处理的面粉麸星和白度的检测技术在国计民生中的应用也越来越广,提高面粉检测技术的速度与准确性显得越来越重要。面粉中麸星含量的多少及面粉的白度是评价面粉等级的重要指标。本文讲述了面粉麸星和白度的图像检测方法的研究。
麸星的识别和测量以及面粉白度的测定是建立在数字图像处理和模式识别相关理论基础上的。本文对图像灰度化、二值化、平滑滤波、纹理分析、边缘检测等多种数字图像处理技术进行了综合的比较研究,并参考模式识别的相关理论,提出了一种新的麸星快速识别和归一化的算法。同时,本文还详细介绍的色度学的相关知识,并对面粉白度的测定和计算进行了完整的陈述。
关键词:麸星检测;图像处理;CCD;白度测量
Abstract
With the improving constantly of speed of the computer,the development of Digital Image Process technology is faster and faster. The application in the national economy and the people’s livelihood of detection technique of wheat based on Digital Image Process is wider and wider too. The speed and accuracy of improving the detection technique of wheat seem more and more important. The number of bran specks contained in the flour is an import indicator to evaluate the rank of flour, which reflects the pros and cons of wheat varieties.This article describes the method of the image detection of the whiteness of flour and bran star.
The recognition and measurement of bran specks and the whiteness of flour is based on Digital Image Process technology and the theory of Pattern Recognition. The paper also implement a comprehensive comparative study with a variety of digital image processing technology ,such as, the image gray-based, binarization, smoothing filtering,texture analysis, edge detection and so on. After the reference to the relevant pattern recognition theory, a new bran specks rapid identification and normalization algorithm is presented. Meanwhile, this paper also details the knowledge of the Colorimetry .The measurement and calculation of the flour’s whiteness is described in detail.
Key word: bran specks measure, image process, CCD, measurement of whiteness of flour
目录
摘要
Abstract
目录
第一章绪论................................................. - 1 -
1.1本文的选题目的和背景 .......................................................................- 1 -
1.2面粉麸星检测技术的研究现状 ...........................................................- 3 - 第二章数字图像处理技术基础知识............................. - 5 -
2.1 数字图像相关概念 ..............................................................................- 5 -
2.1.1数字图像 .....................................................................................- 5 -
2.1.2图像处理 .....................................................................................- 6 -
2.1.3图像识别 .....................................................................................- 7 -
2.1.4图像理解 .....................................................................................- 7 -
2.2图像的获取、显示与表示 ...................................................................- 7 -
2.2.1图像的获取 .................................................................................- 8 -
2.2.2图像显示 .....................................................................................- 8 -
2.2.3图像表示 .....................................................................................- 9 - 第三章面粉麸星和白度图像检测的硬件设计及实现............. - 10 -
3.1 CCD检测原理与构成...................................................................... - 11 -
3.1万能数字摄像系统SV-1300 ............................................................. - 11 -
3.1.1 SV-300的用途 .......................................................................... - 12 -
3.1.2 SV-300的特点 .......................................................................... - 12 -
3.1.3 SV-300的技术参数 .................................................................. - 12 -
3.2 ZOOM-650型立体显微镜.................................................................. - 13 -
3.2.1 ZOOM-650型立体显微镜用途................................................ - 13 -
3.2.2 ZOOM-650型立体显微镜技术规格........................................ - 13 - 第四章基于数字图像处理技术的面粉麸星和白度的检测.......... - 15 -
4.1色度学基本原理 ................................................................................ - 15 -
4.1.1颜色定量表示方法-色度坐标 .............................................. - 15 -
4.1.2 色度坐标的计算 ......................................................................- 20 -
4.1.3面粉样品图像的获取及处理 .................................................. - 22 -
4.2面粉麸星的识别 ................................................................................ - 22 -
4.2.1数字图像的灰度化 .................................................................. - 22 -
4.2.2数字图像的二值化 .................................................................. - 23 -
4.2.3数字图像的滤波 ...................................................................... - 24 -
4.2.4麸星的识别 ...............................................................................- 25 - 第五章实验结果处理........................................ - 27 -
5.1面粉白度的计算 ................................................................................. - 27 -
5.1.1 面粉白度测定实验的数据记录 .............................................. - 27 -
5.1.2面粉白度测定实验的数据处理 .............................................. - 28 -
5.2 面粉麸星的归一化算法 ................................................................... - 30 -
5.3 误差分析 ........................................................................................... - 34 - 参考文献................................................... - 35 - 致谢....................................................... - 37 -
第一章绪论
1.1本文的选题目的和背景
改革开放三十年来,人们的生活水平逐渐提高,特别是进入21世纪以后,随着中国经济的迅猛发展,人们的生活水平更是有了质的飞跃。当前人们不再追求吃什么更贵,而是追求吃什么更营养、更健康。在中国,尤其是在北方,面食是非常重要的主食,几乎是每个家庭平均三餐中必有一餐的主食是面食。因此,当下人们十分关注各种面粉的质量,高质量的面粉食品逐渐成为人们餐桌上必不可少的食物,而如何判定面粉的质量逐渐成为研究人员感兴趣的课题。
目前,用来评价面粉质量的参数众多,麸星和白度是非常重要的参考指标。首先,面粉麸星是指成品面粉中肉眼可见的、颜色上明显黑于面粉的斑点,其主要成分是小麦在加工成面粉的过程中未被分离出去的小麦麸皮,也有未清理干净的荞麦皮、草籽皮,甚至还有比重、大小与小麦相近的煤渣、黑石块等。面粉加工时混入少量麸星是允许的,麦麸实际上可食且对人体有益,但麸星过多则是不允许的。面粉中麸星的面积大小和数量多少会严重影响面粉的白度与纯度,同时还会会影响面粉生产工艺过程中其他相关重要指标,诸如:面粉等级、粉中含麸率、出粉率等。此外,还可以评价面粉生产过程中磨粉机搭配调整是否得当、及其清理是否干净、筛理匹配是否合理、面粉制粉工艺以及设备是否先进、操作是否规范等事项。另一方面,现代面制食品(如馒头、包子等)在产品质量方面要求有较好的外观白度,面粉麸星的大小和数量影响面粉的白度与等级。此外,麸星含量还反映了面粉加工精度,如小麦清理是否干净、水分调节是否合理、制粉工艺是否完善等由于面粉数星的面积小、数量多,虽然在白色的面粉中十分显眼,但我们却很难将其准确数量化。全国各地的面粉厂和面粉检验机构都是采用国家粮食检验方面的专家凭感官评出的等级面粉小样与要检验的面粉进行比较,给出某种面粉鼓星是否超标,进而确定该面粉的质量和等级。在面粉制粉过程中,面粉加工精度越高,出粉率越低,混入其中的麸皮就越少,颜色就越白,其商品价值就越高。因此,加工精度也是面粉最重要的指标之一,面粉加工精度直接影响面粉的产量和质量,影响面粉的市场价格,也影响面粉加工企业的经济效益。
面粉的白度,即将小麦制成一定粗细度的面粉,用面粉的白度或粉色来表示面的洁白程度。随着面粉市场竞争日趋激烈,制粉企业越来越重视面粉的白度指标,而面粉的白度与面粉的洁白程度有着十分密切的关系。目前,国家尚没有检验面粉白度的标准方法,许多制粉企业也仅凭小麦籽粒的色泽来确定面粉的白度
情况,以此指导生产搭配,这往往造成生产的面粉白度与标准粉样的白度之间有一定的差距。近年来,许多生产商家为了提高面粉的白度,在面粉加工的过程中添加面粉增白剂,以提高面粉的白度。常用的两种增白剂分别是过氧化苯甲酰和过氧化钙。但是,增白剂的使用会破坏面粉中营养素,而超过标准使用增白剂不仅对人体健康不利,还会使面粉的色泽变暗甚至变灰,反而达不到增白效果。今年年初,卫生部等多部门发公告,自2011年5月1日起,禁止生产、在面粉中添加食品添加剂过氧化苯甲酰、过氧化钙。过氧化苯甲酰俗称面粉增白剂。去年起,本报持续关注面粉增白剂的存废问题。去年12月,卫生部监督局网站对是否禁止使用面粉增白剂——过氧化苯甲酰和过氧化钙公开征求意见。这也使争论十年之久的“面粉增白剂”存废将有结果。征求意见稿显示,自2011年12月1日起,禁止在面粉生产中使用过氧化苯甲酰和过氧化钙。对于“拟设一年过渡期”,部分公众认为没有必要。根据卫生部发出的正式公告,自2011年5月1日起,禁止生产、在面粉中添加食品添加剂过氧化苯甲酰、过氧化钙。对于“缓刑期”
缩短,卫生部食品安全综合协调与卫生监督局副局长陈锐说,第一,这是一个重大的政策调整,要给方方面面留出准备时间;第二,社会上有很多声音要求缩短实施时间,卫生部与方方面面进行反复研究磋商,留出了两个月的过渡期,这也是国际上通行的做法。所以,现在制粉企业越来越重视原料面的选购,即采购白度符合企业标准规定的面粉,用以生产搭配,以满足客户对产品质量的要求。由此可见,面粉白度的检验对于指导面粉的生产具有十分重要的意义。
现如今,我国现行的国家标准面粉加工精度检验方法还是感官检验方法,经过人工搭粉或者是蒸馒头后,用目测的方式与实物标准样品进行比较其白度和麸星,这种方法操作繁琐并,且判断误差较大,结果表述往往不准确。由于国际方法测量带有一定的主观性,不能量化,生产企业在质量控制过程中,常采用灰分的含量间接表示面粉的加工精度。灰分含量测定方法虽然客观,其结果也可以数字化,但是,灰分含量测定所需的时间较长,并且由于小麦的品种不同或是种植条件不同,其灰分含量差异也较大。因此,用灰分含量表示面粉的加工精度仍有一定的局限性。对于面粉中麸星的检测,根据调查研究情况的显示,目前国内绝大多数与面粉制品有关的科研院所、生产厂家等检测机构仍然采用传统的人工方式检测面粉中的麸星。即:操作人员利用放大率为5倍或5倍以上的放大镜直接观察并查找统计视野中可见的麸星个数。但由于面粉中麸星的数量多而且面积较小,因此紧靠工人感官检测的方式所得到的数据结果往往达不到精度要求,而是只能对面粉等级作出一个定性的判定,并不能给出准确的定量的判定。同时,由于操作人员视觉疲劳、面粉质量的不同以及光线能见度等原因的影响,很多情况下,对于不同的检测人员对同一款面粉进行检测,得到的检测结果可能大不相同,而这些在实践过程中存在的缺点和不足严重制约了检测人员的工作效率。
随着计算机技术的飞速发展,尤其是数字图像处理技术在检测仪器中的应用,仪器自动化、智能化的程度不断提高。先进的检测仪器,不仅具有自动取样、自动控制测试、自动数据处理功能,同时还具有自校正、自诊断等功能,这种新型的智能化系统,代表了新一代分析检测仪器的发展方向。在这样的背景下,本文利用计算机数字图像处理技术对面粉麸星和白度的检测技术进行了深入的探究,在此基础上详细介绍面粉麸星和白度的图像检测技术。
1.2面粉麸星检测技术的研究现状
粮食制品的品质检验一直是粮食工作的重要组成部分,是采用科学的、系统的分析检测手段,依据相关理论和标准,对粮食及其加工品的品质、质量和卫生安全进行客观全面地分析、判断和评价的一门科学。粮食制品的品质检测既综合了各种现代分析技术,也有自己学科独特的分析方法和手段,从而形成了一套从内部到外部、从常量到微量、从单一指标到综合评价的完整检测方法和技术体系。
粮食是一种天然有机物质,组成、结构和生物化学变化复杂而多样,因而决定了粮油检验技术具有多样性、灵活性、系统性和发展性的特征。随着分析技术的进步,对粮食特性的认识,以及人们生活水平的不断提高,粮食品质的检验业也将会得到不断发展进步和完善。
粮食制品的品质检验贯穿于粮食加工、销售、居民供应和消费的整体过程,是开展粮食及其加工品质量管理的主要技术手段。通过检验粮食及其制品中营养物质的种类、含量和分布,色、香、味、形、口感、组织形态,以及卫生安全性指标,可以得出科学的、系统的、标准的检验及评价结果,这将对提高原粮及成品粮质量,合理利用粮食资源,确保粮食卫生安全起到关键性作用。
按照检验方法分类,粮食品质的常规检验可分为感官检验和仪器检验两种;按照检验指标分类,可分为粮食质量标准的全部指标和卫生标准中的粮食化学药剂残留量、过氧化值等指标;按照检验内容分类,可分为物理特性检验、流变学特性检验、化学成分分析等。
近年来,世界范围内围绕提高检验速度和精确度这个主题,发展较快的技术主要是近红外技术、图像处理技术,电子鼻技术等。其中,数字图像处理技术随着计算机的快速发展而得到飞跃式的提高,这就为实现用仪器对粮食作物及其制品进行快速品相判断提供了坚实的技术保障。
在这样的大背景下,用精密仪器进行快速视觉评价成为近年来国内外研究的热点课题,为了降低检验的主观误差,提高检验水平,各国都在积极开发客观的粮食质量分析技术和仪器。由于数字图像处理技术在检测、分级等方面具有速度快、精度高、信息量大、重现性好等优势,美国、加拿大、英国等发达国家以及中国等发展中国家都十分重视其在粮食品质检测中的应用研究。为此许多专家学者在运用图像处理技术进行快速视觉评价方面进行了大量研究。
从目前的研究现状来看,国内外的众多研究成果虽然在一定程度上解决了传统检测方法检测精度差、检测效率低等问题,但是这些研究成果仍然存在一定的缺点和不足:首先,国内大部分的研究尚处在软件层次并且检测精度有待进一步提高,而市场上现存的少数检测仪器也难以满足智能化、自动化以及多参数检测的要求。其次,国外检测仪器普遍价格昂贵,一旦损坏维护成本极高,不适合在国内推广使用;更需要着重指出的是,麸星检测对于检测环境的要求非常之高,只有在检测环境标准化也就是对光照度精确控制的前提下得到的检测结果才具有现实意义,这一点对于麸星检测标准的制定是至关重要的。但国内外现存的检测仪器全都缺少对于检测环境中光照度的实时检测控制功能,在这种情况下得到的检测结果并不具有完全的可靠性,也无法制定标准。综上所述,目前对于面粉麸星检测的研究尚处在起步探索阶段,并没有出现自动化、智能化较高的检测仪器。
第二章数字图像处理技术基础知识
数字图像处理(Digital Image Processing)又称为计算机图像处理,它是指利用计算机对图像信号进行处理的过程。数字图像处理技术起源于20世纪20年代,当时通过海底电缆从英国的伦敦到美国的纽约采用数字压缩技术传输了第一幅数字照片。此后,由于遥感等领域的应用,使数字图像处理技术逐步受到关注并得到相应的发展。第3代计算机问世后,数字图像处理技术开始得到普遍应用,其中比较突出的成就是CT的发明与应用,获得了诺贝尔奖。目前,数字图像处理科学与技术发展迅速,成为很多领域和学科的学习和研究对象。
2.1 数字图像相关概念
2.1.1数字图像
数字图像是由像素组成的二维矩阵。对于单色即灰度图像而言,每个像素的亮度用一个数值来表示,通常数值范围在0—255之间,即可以用一个字节来表示,0表示黑、255表示白,而其他表示灰度。
一般来说从客观景物得到的图像是二维的,可以用一个二维数组f(x,y)来表示,这里x与y表示二维空间中一个坐标点的位置,而f(x,y)则是代表图像在点(x,y)的某种性质的数值。为了能用计算机对图像进行加工,需要把连续的图像在坐标空间(x,y)和性质空间F都离散化,这种离散化以后的图像就是数字图像,图像中的每个基本单元叫做图像元素,简称像素。一幅图像必须在空间和灰度上都离散化才能被计算机处理,空间坐标的离散化叫做空间采样。假设用一个m×n维的数组中等距的采样来近似表示一幅连续图像f(x,y),即:
f(x,y)=(2-1)
其中每个元素都是一个离散变量,式(2-1)等号右侧的矩阵代表数字图像,数组的每个元素即对应像素。由此可见,计算机对图像的处理实际上是对组成图像的像素进行操作。
彩色图像可以用红、绿、蓝三元组的二维矩阵来表示。通常,三元组的每个数值也是在0—255之间,0表示相应的基色在该像素中不存在,而255则代表相应的基色再改像素中取得最大值,这种情况下每个像素可用3个字节来表示。
数字图像在计算机中进行存储时有多种存储格式,比较常见的有BMP、JPG、GIF、TGA、TIF等格式。其中BMP文件是windows操作系统推荐使用的图像文件格式并且被广泛使用,它是将内存或显示器的图像数据不经过压缩而直接按位存储,故而称为位图文件。从客观景物得到的图像在计算机中存储时都是默认存储为BMP格式,其它格式的图片都是将BMP文件通过压缩等变换后转化而来的,因此BMP文件被称为图像处理的基础格式文件。由于BMP文件是采用位映射方式进行存储,除了图像深度可选以外,不进行其它任何形式的压缩,因此BMP 文件所占用的内存空间较大。但是这种特殊的存储方式非常有利于对图像进行各种形式的处理,所以本系统采集的图像都是以BMP格式进行存储。
BMP文件由位图文件头、位图信息和像素数据3部分组成,位图信息又是由位图信息头和调色板组成,如图2-1所示。其中,位图文件头、位图信息头是固定长度,分别为14和40字节,调色板数据的多少与图像所用的色彩数有关,它的字节数是色彩数的4倍,但真彩色图像的BMP文件中没有调色板数据。每个调色板单元的前3字节分别表示彩色的蓝、绿、红分量,第4字节备用。像素数据则存储在最后面。
图2-1 BMP文件图像结构
在实际使用中,BMP文件又分为DDB格式和DIB格式两种。DDB格式,即Device Dependent Bitmap,是与设备有关的文件格式,用其存储与某个显示设备或打印设备内存兼容的不压缩图像,但由于其依赖于硬件设备,因此并不常用;DIB格式,即Device Independent Bitmap,是与设备无关的文件格式,它本身自带有颜色信息,颜色表管理非常容易,具有极强的通用性。
2.1.2图像处理
在研究图像时,首先要对获得的图像信息进行预处理,包括滤去干扰、噪声,做几何及色彩校正等,这样可以提高图像的信噪比。为了从图像中找到需要识别
的东西,还得对图像进行分割,也就是进行定位和分离,以分出不同的东西。有时由于信息微弱,无法识别,还需要进行增强。增强的作用是提供一个能满足一定要求的图像,或对图像进行变换,以便人机分析。同时,为了给观察者以清晰的图像,还要对图像进行改善,即进行复原处理,它是把已经退化了的图像加以重建或恢复,以便改善图像的保真度。在实际处理中,由于图像信息量非常大,在存储及传送时,可能还需要对图像信息进行压缩。
上述这些工作必须用计算机进行,因而还要进行编码工作。编码的作用是用最少数量的编码位(亦称比特)表示单色和彩色图像,以便能更有效地传输和存储图像。
以上所叙述的都属于图像处理的范畴。概括起来,图像处理包括图像编码、图像增强、图像分割、图像复原、图像压缩等内容。对图像处理环节来说,输入的是图像,经过处理,输出的也是图像。图像处理的目的主要是在于解决两个问题:一是判断图像中有无所需要的信息;二是确定这些信息是什么。
2.1.3图像识别
图像识别是对处理后的图像进行分类,确定类别名称。它可在分割的基础上选择需要提取的特征,并对某些参数进行测量,再提取这些特征,最后根据测量结果做分类。为了更好地识别图像,还要对整个图像作结构上的分析和描述,以便对图像的主要信息得到解释和理解,并通过许多对象相互间的结构关系加深对图像的理解,以便更好地帮助识别。所以图像识别是在上述分割后的每个部分中,找出它的形状和纹理特征(即特征抽取,有时候也包括图像分割),以便对图像进行分类,并对整个图像做结构上的分析。对图像识别环节来说,输入的是图像(一般是经过上述处理后的图像),输出的是类别和图像的结构分析,而结构分析的结果则是对图像的描述,也是对图像重要信息的理解和解释。
这里要注意的是,图像分割不一定完全在图像处理是进行,对有些问题,要一面进行分割,一面进行识别。所以说,图像处理和图像识别是相互交叉的。
2.1.4图像理解
图像理解是一个总成。上述图像处理的最终目的就在于对图像作描述和解释,以便最终理解它是什么图像。图像理解是在图像处理和图像识别的基础上,再根据分类作结构语法分析,去描述图像和解释图像。因而图像理解包括图像处理、图像识别和图像结构分析等内容。
2.2图像的获取、显示与表示
图像获取是图像的数字化过程,显示则是将数字图像转化为适合人们使用的格式。
2.2.1图像的获取
图像获取就是图像的数字化过程,也是将图像采集到计算机中的过程,它主要涉及成像及模数转换(A/D Converter)技术。随着计算机与微电子特别是固体城乡设备即电耦合设备CCD(Charge Coupled Devices)的快速发展,使得图像获取设备的成本显著降低,因而越来越普及,不久的将来也可能将成为高档微机的内置设备。
以CCD技术为核心,目前图像获取设备有黑白摄像机、彩色摄像机、扫描仪、数码相机等,性能与价格主要取决于CCD的规格尺寸等。除了这些常见的设备外,目前有许多厂商提供各种其他的专用设备,如显微摄像设备、红外摄像机、告诉摄像机、胶片扫描仪等。此外,遥感卫星、激光雷达等设备也能提供其他类型的数字图像。
目前,图像的数字化设备可分为两类,一类是基于图像采集卡或是图像卡将模拟制式的视频信号(RS170/CCIR黑白电视信号、PAL/NTSC彩色电视信号、S-Video 视频信号等)采集到计算机,另一类是摄像机本身带有数字化部件可以直接将数字图像通过计算机端口(如并口、USB接口)或标准设备(如磁盘驱动器)传送给计算机。
图像卡仍是目前专业中常用的图像数字化设备,目前低端的图像采集卡一般不具有图像帧存体,二是直接将图像采集到计算机的内存中以供处理,高端的图像卡是集采集和处理于一身的非标准配件,具有帧存体和数字信号处理器DSP
及邻域处理器NOA,用于开发高速或实时处理应用。此外,还有一类普及型的多媒体视频采集卡。最后,还应提到的是一类多媒体应用中使用的压缩卡。
近年来,数码相机及数码摄像机技术迅猛发展,由于不需要其他数字化设备的支持,且具有更高的分辨率及编辑、使用方便等特点,有望逐步取代目前模拟摄像机的地位。
下面列出图像中的若干专业术语:
1、CCD:电荷耦合器件,可看成间隔很小的MOS电容器、单片阵列构成的移位寄存器,它通过充电积累电荷。
2、A/D、采样、量化。
3、Video信号、同步、信噪比SNR。
4、电视制式、帧、场、隔行(Interlace)扫描、宽高比(Aspect Ratio)。
5、扫描仪:分辨率dip (dot per inch)。
2.2.2图像显示
图像显示是将数字图像转化为适合人们使用的形式,便于人们观察和理解。早期的图像处理设备一般都有专门的图像监视器供显示专用,目前一般直接用计
算机的图像终端显示图像,图像窗口只是图形用户界面的一个普通的窗口。为方便处理,通常图像都表现为矩形区域的位图形式。
2.2.3图像表示
1、分辨率
分辨率用来描述数字图像所表示的空间细节的程度(高或低),如与设备无关的分辨率表示,像素的个数M×N,以及与设备有关的表示,如dpi。
2、亮度和对比度
亮度是人眼感知物体的主观度量,它通常用照度度量,而对比度与物体相对于背景的亮度差别有关,一般用物体亮度与背景的亮度的比值来衡量。
3、彩色图像
通常真彩色用3字节的R、G、B来表示,及8:8:8,共24位。
第三章面粉麸星和白度图像检测的硬件设计及实现
本论文所设计的系统的硬件是由光源、测试台、CCD摄像机、图像采集卡以及PC机组成(见下图3-1)。
本论文所采用的方法选用低功率的钨卤素灯作为光源。整个光学通路的工作原理是,入射光投射到聚光镜上,经聚光后形成平行光束,再经滤光镜照射到被测试面粉样品上,入射光线的轴线与被测面粉样品表面的法线成45°夹角,夹角是为了避免光泽度影响面粉白度测量结果。试样表面的漫反射光线由CCD摄像机拍照,摄像机将采集的照片通过同轴电缆传送到图像采集卡,该图像采集卡安装在PC机插槽上。(图)
图3-1 系统硬件组成
1-滤光镜,2-聚光镜,3-光源,4-SV1300-CCD摄像机,
5-ZOOM-650型立体显微镜,6-图像采集卡,7-PC机,8-面粉样品
图3-2 白度检测系统方框图
3.1 CCD检测原理与构成
CCD(Charge Coupled Device)即电荷耦合器件,是一种能够把光学影像转化为数字信号的半导体装置。它的基本结构单元是mos(金属-氧化物-半导体)结构,若干个mos结构排列在一起构成一个CCD单元。每个mos结构可以独立感受照射在其上的光强并按光的强弱将其成比例的转换为电荷储存在mos结构中,故mos结构的基本功能是完成光电荷的转换与储存。CCD摄像机的核心是CCD器件,它是由具有光电转换功能的半导体器件组成的一个线阵或面阵单元,每个半导体器件能够存储随景物变化而感受到的信号的电荷量,并能够在控制信号的作用下,将存储的信号按一定顺序输出,形成数字图像信号。
CCD是一种新型的固体成像器件,借助于必要的光学系统和处理电路可将图像的光照度或颜色色彩转换为电信号并进行传输、储存和此后的处理。被检测对象在一定光源照射情况下,反射光线通过光学系统进入CCD面,CCD感光传感器将入射光的强度转化成一定比例的电荷量。在时钟电路、逻辑电路和驱动电路的作用下将这些电量以标准模拟视频信号的方式传输出来,最后将视频信号放大并经由A/D转换器转换成数字信号送入计算机系统进行处理。CCD 系统方框如下图所示。
图3-3 CCD系统方框图
3.1万能数字摄像系统SV-1300
图3-3万能数字摄像系统
3.1.1 SV-300的用途
SV1300 彩色数字摄像系统是该系列摄像机采用帧曝光CCD作为传感器,并具有高品质彩色。图像质量高,颜色还原性好。以IEEE 1394 作为输出,信号稳定,CPU 资源占用少。无论是静态采集还是动态采集,均可以得到无变形的高质图像.可广泛的应用于计算机图像采集、人像及人体生物特征采集、模式识别、工业检测、医学显微图像以及交通管理和机器视觉等领域。该产品提供SDK 和Demo 程序源码,可以很灵活的进行二次开发。
3.1.2 SV-300的特点
SV-300具有以下特点:
1、数字面阵CCD逐行扫描,分辨率可以达到1280×1024;最大分辨率时帧率:7.5帧/s;
2、IEEE 1394a接口标准镜头接口(CS及C口);软件控制图像窗口无级缩放;
3、彩色:8bit Bayer格式数据输出;色彩还原好;外触发:边缘曝光,电平曝光;
4、获得的图像稳定,所有摄像机均经过长时间测试;正常供电12V; 软件调整增益、对比度;
5、可控电子快门,全局曝光,无需附加机械快门;
6、编程环境:彩色:Win2000/XP;黑白:Win2000/XP,LINUX;
7、开发包:VC SDK、DirectX、 Twain接口。
3.1.3 SV-300的技术参数
表3-1 SV-300的技术参数表
3.2 ZOOM-650型立体显微镜
3.2.1 ZOOM-650型立体显微镜用途
立体显微镜在观察物体时能产生正立的三维空间影像。立体感强,成像清晰和宽阔,又具有长工作距离,并是适用范围非常广泛的常规显微镜。其主要特点如下:
1、立体视显微镜具备无比清晰的图像质量,超宽的视觉效果,是最佳选择。
2、高性能、高品质,同时又有着很高的性价比。
3、产品长期的质量保证-采用“五防”设计,防尘、防油、防水污染、防霉、防静电,可根据不同用户的使用环境及条件特殊定制。
4、可广泛用于高校和研究所在自然科学方面的培训和教育;医疗机构的日常检查;生物工程和科学研究;工业上装配、测试、以及品质控制,尤其是IT 产业的检。
5、它操作方便、直观、检定效率高,它可连接计算机或数码相机 ,它将实物的图像放大后显示在计算机的屏幕上,可以将图片保存,放大,打印。配测量软件可以测量各种数据。
3.2.2 ZOOM-650型立体显微镜技术规格
1、目镜
2、物镜变倍范围0.8-5;放大倍数8-50(标配)。
3、显微镜为连续变倍,变倍比为6.3:1。
4、双瞳距调节范围为55-75mm。
5、移动工作距离为95mm。
6、工作距离:115mm(标配);选配AL0.5X时:211mm;选配AL2X时,43.5mm。
7、总放大倍数: 7—360(以17寸显示器,2倍大物镜为例)。
8、可以直接电视机或电脑上观察实物图像。
第四章基于数字图像处理技术的面粉麸星和白度的检测
4.1色度学基本原理
在日常生活中,人们习惯把颜色归属于某一物体的本身,把它作为某一物体所具有的属于自身的基本性质。比如人们所常讲的那是一块红布,那是一张白纸等等。但在实际上,人们在眼中所看到的颜色,除了物体本身的光谱反射特性之外,主要和照明条件所造成的现象有关。如果一个物体对于不同波长的可视光波具有相同的反射特性,我们则称这个物体是白色的。而这物体是白色的结论是在全部可见光同时照射下得出的。同样是这个物体,如果只用单色光照射,那这个物体的颜色就不再是白色的了。同样的道理,一块红布如果是我们在白天日光下得出的结论,那同样是这块布在红光的照射下,在人们眼中反映出的颜色就不再是红色的而是白色的。这些现象说明,在人们眼中所反映出的颜色,不单取决于物体本身的特性,而且还与照明光源的光谱成分有着直接的关系。所以说在人们眼中反映出的颜色是物体本身的自然属性与照明条件的综合效果。我们用色度学来评价的结论就是这种综合效果。
计算机测量面粉的白度是遵循色度学原理的。色度学是以物理光学、视觉生理和心理物理等学科为基础的,它的建立使研究和运用颜色有了统一的标准,可对颜色进行定量描述和控制。在食品、造纸、化工、印染、纺织、家用电器等行业都要涉及颜色的测量。此外,在无机非金属材料中,诸如彩色水泥、彩色陶瓷制品、彩色玻璃制品以及搪瓷用彩色珐琅等行业也同样需要对颜色进行测定。1931年国际照明委员会(CIE)规定了一套标准色度系统,称为CIE标准色度系统。本本论文通过举例一个近代色度学的基础实验,学习和了解色度学的相关知识,掌握反射光的色度、透射光色度测量的方法,掌握样品主波长的测量的方法。
4.1.1颜色定量表示方法-色度坐标
任何色彩的显示,实际上都是色光刺激人们的视觉神经而产生感觉,我们把这种感觉称之为色觉。在色度学中通常使用明度、色调、色纯度(通常也称为饱和纯度)这三个特征量来描述颜色。通常将色调、色彩明度和色饱合纯度称为“色彩三要素”。
明度是用来表示颜色的明暗程度,颜色越亮,说明其明度值就越高;每一种颜色在不同强弱的照明光线下都会产生明暗差别,我们知道,物体的各种颜色,必须在光线的照射下,才能显示出来。这是因为物体所呈现的颜色,取决于物体表面对光线中各种色光的吸收和反射性能。前面提到的红布之所以呈现红色,是
由于它只反射红光,吸收了红光之外的其余色光。白色的纸之所以呈现白光,是由于它将照射在它表面上的光的全部成分完全反射出来。如果物体表面将光线中各色光等量的吸收或全部吸收,物体的表现将呈现出灰色或黑色。同一物体由于照射在它表面的光的能量不同,反射出的能量也不相同,因此就产生了同一颜色的物体在不同能量光线的照射下呈现出明暗的差别。白颜料属于高反射率物质,无什么颜色掺入白颜料,可以提高自身的明度。黑颜料属于反射率极低的物质,因此在各种颜色的同一颜色中(黑除外)掺黑越多明度越低。在摄影中,正确处理色彩的明度很重要,如果只有色别而没有明度的变化,就没有纵深感和节奏感,也就是我们常说的没层次。
色调是彩色借以相互区分的主要特征,色彩所具有的最显著特征就是色调,也称色别。它是指各种颜色之间的差别。从表面现象来讲,例如一束平行的白光透过一个三棱镜时,这束白光因折射而被分散成一条彩色的光带,形成这条光带的红、橙、黄、绿、青、蓝、紫等颜色,就是不同的色调。从物理光学的角度上来讲,各种色调是由射入人眼中光线的光谱成分所决定的,色调即色相的形成取决于该光谱成分的波长。我们所讲的光是电磁波谱中的一小部分,波长范围大约为400~700纳米,在这个范围内各种波长的光呈现出各种不同的色彩。在自然界中所呈现出的各种色彩大都是由不同波长和强度的光波混合在一起而显示出来的,有的则是某个单一波长的固有特性色彩。彩色物体的色调决定与在光照明下反射光的光谱成分。例如,某物体在日光下呈现绿色是因为它反射的光中绿色成分占优势,而其它成分被吸收掉了。对于透射光,其色调则由透射光的波长分布或光谱所决定。总之,色调就是指不同颜色之间质的差别,它们是可见光谱中不同波长的电磁波在视觉上的特有标志。
色饱和纯度则是指彩色浓淡不同的程度,它表示颜色中所含彩色成分的比例。彩色比例越大,该色彩的饱和度越高,反之则饱和度越低。从实质上讲,饱和度的程度就是颜色与相同明度有消色的相差程度,所包含消色成分越多,颜色越不饱和。色彩饱和度与被摄物体的表面结构和光线照射情况有着直接的关系。同一颜色的物体,表面光滑的物体比表面粗糙的物体饱和度大;强光下比阴暗的光线下饱和度高。不同的色调在视觉上也有不同的饱和度,红色的饱和度最高,绿色的饱和度最低,其余的颜色饱和度适中。在照片中,高饱和度的色彩能使人产生强烈、艳丽亲切的感觉;饱和度低的色彩则易使人感到淡雅中包含着丰富。光谱色的色纯度为1,白色的色纯度为0。光谱色混入的白光越多,其纯度越低。
现实中,用三种不同颜色的单色光按照一定比例混合,就能得到自然界中绝大多数的彩色。我们把具有这种特性的三个单色光成为三基色光,而这一发现也被总结成为著名的三基色定理,其主要内容如下:(1)自然界中绝大多数彩色都可以由三基色按照一定比例混合而得;反之,这些彩色也一定可以分解成为三基
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:
文献综述 理论背景 数字图像中的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础,图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的,也就是指图像局部亮度变化最显着的部分,例如灰度值的突变、颜色的突变、纹理结构的突变等,同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性,通常沿边缘的走向灰度变化平缓,垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点,图像边缘可分为阶跃型、房顶型和凸缘型。 、图像边缘检测技术研究的目的和意义 数字图像边缘检测是伴随着计算机发展起来的一门新兴学科,随着计算机硬件、软件的高度发展,数字图像边缘检测也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像边缘检测和计算机视觉等领域最基本的技术,如何快速、精确的提取图像边缘信息一直是国内外研究的热点,然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测,就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像,排除外界的干扰,后者则是为我们的边缘检测提供图像特征更加明显的图片,即加大图像特征。两者虽然在图像边缘检测中都有重要地位,但本次研究主要是针对图像边缘检测的研究,我们最终所要达到的目的是为了处理速度更快,图像特征识别更准确。早期的经典算法有边缘算子法、曲面拟合法、模版匹配法、门限化法等。 早在1959年Julez就曾提及边缘检测技术,Roberts则于1965年开始了最早期的系统研究,从此有关边缘检测的理论方法不断涌现并推陈出新。边缘检测最开始都是使用一些经验性的方法,如利用梯度等微分算子或特征模板对图像进行卷积运算,然而由于这些方法普遍存在一些明显的缺陷,导致其检测结果并不尽如人意。20世纪80年代,Marr和Canny相继提出了一些更为系统的理论和方法,逐渐使人们认识到边缘检测的重要研究意义。随着研究的深入,人们开始注意到边缘具有多分辨性,即在不同的分辨率下需要提取的信息也是不同的。通常情况下,小尺度检测能得到更多的边缘细节,但对噪声更为敏感,而大尺度检测
Matlab做图像边缘检测的多种方法 1、用Prewitt算子检测图像的边缘 I = imread('bacteria.BMP'); BW1 = edge(I,'prewitt',0.04); % 0.04为梯度阈值 figure(1); imshow(I); figure(2); imshow(BW1); 2、用不同σ值的LoG算子检测图像的边缘 I = imread('bacteria.BMP'); BW1 = edge(I,'log',0.003); % σ=2 imshow(BW1);title('σ=2') BW1 = edge(I,'log',0.003,3); % σ=3 figure, imshow(BW1);title('σ=3') 3、用Canny算子检测图像的边缘 I = imread('bacteria.BMP'); imshow(I); BW1 = edge(I,'canny',0.2); figure,imshow(BW1); 4、图像的阈值分割 I=imread('blood1.tif'); imhist(I); % 观察灰度直方图,灰度140处有谷,确定阈值T=140 I1=im2bw(I,140/255); % im2bw函数需要将灰度值转换到[0,1]范围内 figure,imshow(I1); 5、用水线阈值法分割图像 afm = imread('afmsurf.tif');figure, imshow(afm); se = strel('disk', 15); Itop = imtophat(afm, se); % 高帽变换 Ibot = imbothat(afm, se); % 低帽变换 figure, imshow(Itop, []); % 高帽变换,体现原始图像的灰度峰值 figure, imshow(Ibot, []); % 低帽变换,体现原始图像的灰度谷值 Ienhance = imsubtract(imadd(Itop, afm), Ibot);% 高帽图像与低帽图像相减,增强图像figure, imshow(Ienhance); Iec = imcomplement(Ienhance); % 进一步增强图像
数字图像处理实验报告 题目:图像的阈值分割及边缘检测技术 班级: 姓名: 学号:
图像的阈值分割及边缘检测技术 一、实验目的 1、了解图像的分割技术,掌握图像的全局阈值分割技术并通过MATLAB实现; 2、了解图像的边缘检测,掌握梯度算子图像边缘检测方法。 二、实验内容 1、基于直方图的全局阈值图像分割方法; 2、Edge命令(roberts,perwitt,sobel,log,canny),实现边缘检测。 三、实验原理 1、全局阈值是最简单的图像分割方法。其中,直方图法的原理如下:想做出图 像的直方图,若其直方图呈双峰且有明显的谷底,则可以讲谷底点所对应的灰度值作为阈值T,然后根据该阈值进行分割,九可以讲目标从图像中分割出来。这种方法是用于目标和背景的灰度差较大且直方图有明显谷底的情况。 2、用于边缘检测的梯度算子主要有Roberts算子、Prewitt算子、Sobel算子。 这三种检测算子中,Roberts算子定位精度较高,但也易丢失部分边缘,抗噪声能力差,适用于低噪声、陡峭边缘的场合。Prewitt算子、Sobel算子首先对图像做平滑处理,因此具有一定的抑制噪声的能力,但不能排除检测结果中的虚假边缘,易出现多像素宽度。
四、实验步骤 1、全局阈值分割: ①读取一张图像; ②生成该图像的直方图; ③根据直方图双峰产生的低谷估计阈值T; ④依次读取图像各个点的像素,若大于阈值,则将像素改为255,若小于 阈值,则将该像素改为0; 实验代码如下: I=imread('cameraman.tif'); %读取一张图像 subplot(221);imshow(I); %显示该图像 subplot(222);imhist(I); %生成该图像的直方图 T=60; %根据直方图估计阈值T为60 [m,n]=size(I); %取图像的大小为【m,n】 for i=1:m %依次读取图像各个点的像素,若大于阈 值,则将像素改为255,若小于阈值, 则将该像素改为0 for j=1:n if I(i,j)>=T I(i,j)=255; else I(i,j)=0; end end
第31卷第3期2005年5月 光学技术 OP T ICA L T ECHN IQ U E V ol.31No.3 M ay 2005 文章编号:1002-1582(2005)03-0415-05 图像边缘检测方法研究综述 段瑞玲,李庆祥,李玉和 (清华大学精密仪器及机械学系,北京 100084) 摘 要:图像的边缘是图像最基本也是最重要的特征之一。边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。图像分析和理解的第一步常常是边缘检测。边缘检测的目的是去发现图像中关于形状和反射或透射比的信息,是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。对一些传统的边缘检测方法和近年来广泛收到关注的边缘检测算法进行了简单介绍。综述中只涉及到检测方面,而没有讨论滤波、边缘定位、算法的复杂程度和边缘检测器性能的评价。 关键词:图像处理;边缘检测;梯度算法;差分边缘检测 中图分类号:T P751 文献标识码:A Summary of image edge detection DU AN Rui_ling,LI Qin g_xiang,LI Yu_he (Department of P recisio n I nstrument and M echanology,Tsing hua University,Beijing 100084,China) Abstract:Edg e is one of the most fundamental and sig nificant features.Edge detection is alw ay s one of the most classical studying projects o f computer vision and image processing field.T he fist step of image analy sis and understanding is edg e de tec-tion.T he g oal of edge detection is to recover information about shapes and reflectance o r transmittance in an image.I t is one of the fundamental steps in image processing,mage analy sis,image patter recognition,and computer vision,as well as in human vision.T he correctness and reliability of its results affect directly the comprehension machine system made fo r objective w orld. T he summary for basic edge de tection metho ds was made.It involv ed the detection methods only but no t filtering,edge loca-tion,analy sis of algorithm complexity and functional evaluation about a detecto r. Key words:image processing;imag e detection;gradient arithmetic; 1 引 言 早在本世纪初,人类为了用图片及时传输世界各地发生的新闻事件,便开始了对图像处理技术的研究。用计算机进行图像处理,改善图像质量的有效应用开始于1964年美国喷气推进实验室对太空传回的大批月球照片进行处理,并收到了明显的效果。然而,图像处理技术的真正发展还是在上世纪60年代末,其原因一方面是由于受到航天技术发展的刺激,另一方面是作为图像处理工具的数字计算机和各种不同类型的数字化仪器及显示器的突飞猛进发展。迄今为止,数字图像作为一门崭新的学科,日益受到人们的重视,并且在科学研究、工农业生产、军事技术和医疗卫生等领域发挥着越来越重要的作用。 机器视觉主要是利用计算机实现人类的视觉功能,对客观世界的三维场景的感知、识别和理解。边缘是图像的最基本特征,边缘检测通常是机器视觉系统处理图像的第一个阶段,是机器视觉领域内经典的研究课题之一,其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。 2 图像边缘定义 图像的大部分信息都存在于图像的边缘中,主要表现为图像局部特征的不连续性,即图像中灰度变化比较剧烈的地方。因此,我们把边缘定义为图像中灰度发生急剧变化的区域边界。根据灰度变化的剧烈程度,通常将边缘划分为阶跃状和屋顶状两种类型[1]。阶跃边缘两边的灰度值变化明显,而屋顶边缘位于灰度值增加与减少的交界处。那么,对阶跃边缘和屋顶边缘分别求取一阶、二阶导数就可以表示边缘点的变化。因此,对于一个阶跃边缘点,其灰度变化曲线的一阶导数在该点达到极大值,二阶导数在该点与零交叉;对于一个屋顶边缘点,其灰 415 收稿日期:2004-06-01;收到修改稿日期:2004-10-20 E-mail:duanrl03@mails.ts https://www.doczj.com/doc/0111918994.html, 作者简介:段瑞玲(1979_),女,山西人,清华大学博士研究生,从事装配系统及微观图像处理研究。
图像边缘检测方法比较研究 作者:关琳琳孙媛 来源:《现代电子技术》2008年第22期 摘要:边缘检测在数字图像处理中有着重要的作用。系统分析目前具有代表性的边缘检测方法,并用IDL6.3软件实现各种算法。实验结果表明,各种方法均有各自的优缺点和适用条件,在做图像边缘检测之前,应对图像进行分析,针对图像的特点和应用需求选用合适的方法。 关键词:边缘检测;检测算子;高通滤波;小波变换 中图分类号:TP391文献标识码:A 文章编号:1004-373X(2008)22-096-03 Comparison of Image Edge Detection Methods GUAN Linlin1,SUN Yuan2 (1.Department of Resource Science and Technology,Beijing Normal University,Beijing,100875,China; 2.96656 Unit of Second Artillery F orces,Chinese People′s Liberation Army,Beijing,100820,China) Abstract:Edge detection plays an important role in digital image processing.This paper comprehensively analyze the representative methods of edge detection at present,and realizes each algorithm with the IDL6.3 software.Results indicate that each method has some advantages and limitations.It should be carefully selected according to the characteristics of the image as well as application needs before conducting edge detection. Keywords:edge detection;detective operators;high-pass filtering;wavelet transform 1 引言 边缘检测技术是图像特征提取中的重要技术之一,也是图像分割、目标区域识别、区域形状提取等图像分析方法的基础。近年来,边缘检测技术被广泛地应用在各个领域,例如工程技术中零件检查[1]、医学中器官病变状况观察[2]、遥感图像处理中道路等典型地物的提取[3]以及估算遥感平台的稳定精度[4]等。这使得如何快速、准确地获得边缘信息成为国内外研究的热点。边缘检测方法在空间域和频域中均可以实现,而且不断涌现出新技术新方法。这些方法
课程设计报告 设计题目:数字图像处理中的边缘检测技术学院: 专业: 班级:学号: 学生姓名: 电子邮件: 时间:年月 成绩: 指导教师:
数字图像处理中的边缘检测技术课程设计报告I 目录 1 前言:查阅相关文献资料,了解和掌握基本原理、方法和研究现状,以及实际应用的背景意义 (1) 1.1理论背景 (1) 1.2图像边缘检测技术研究的目的和意义 (1) 1.3国内外研究现状分析 (2) 1.4常用边缘检测方法的基本原理 (3) 2 小波变换和小波包的边缘检测、基于数学形态学的边缘检测法算法原理 (7) 2.1 小波边缘检测的原理 (7) 2.2 数学形态学的边缘检测方法的原理 (7) 3 算法实现部分:程序设计的流程图及其描述 (9) 3.1 小波变换的多尺度边缘检测程序设计算法流程图 (9) 3.2 数学形态学的边缘检测方法程序设计算法描述 (10) 4实验部分:对所给的原始图像进行对比实验,给出相应的实验数据和处理结果 (11) 5分析及结论:对实验结果进行分析比较,最后得出相应的结论 (15) 参考文献 (17) 附录:代码 (18)
1前言 查阅相关文献资料,了解和掌握基本原理、方法和研究现状,以及实际应用的背景意义 1.1 理论背景 图像处理就是对图像信息加工以满足人的视觉心理或应用需求的方法。图像处理方法有光学方法和电子学方法。从20世纪60年代起随着电子计算机和计算技术的不断提高和普及,数字图像处理进入了高速发展时期,而数字图像处理就是利用数字计算机或其它的硬件设备对图像信息转换而得到的电信号进行某些数学处理以提高图像的实用性。 图像处理在遥感技术,医学领域,安全领域,工业生产中有着广泛的应用,其中在医学应用中的超声、核磁共振和CT等技术,安全领域的模式识别技术,工业中的无损检测技术尤其引人注目。 计算机进行图像处理一般有两个目的:(1)产生更适合人观察和识别的图像。 (2)希望能由计算机自动识别和理解图像。数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础,图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的,也就是指图像局部亮度变化最显著的部分,例如灰度值的突变、颜色的突变、纹理结构的突变等,同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性,通常沿边缘的走向灰度变化平缓,垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点,图像边缘可分为阶跃型、房顶型和凸缘型。 1.2 图像边缘检测技术研究的目的和意义 数字图像处理是伴随着计算机发展起来的一门新兴学科,随着计算机硬件、软件的高度发展,数字图像处理也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像处理和计算机视觉等领域最基本的技术,如何快速、精确的提取图像边缘信息一直是国内外研究的热点,然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测,就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像,排除外界的干扰,后者则是为我们的边缘检测提供图像特征更加明显的图片,即加大图像特征。两者虽然在图像处理中都有重要地位,但本次研究主要是针对图像边缘检测的研究,我们最终所要达到的目的是为了处理速
图像边缘检测算法体验步骤 图像边缘检测算法体验步骤(Photoshop,Matlab)1. 确定你的电脑上已经安装了Photoshop和Matlab2. 使用手机或其他任何方式,获得一张彩色图像(任何格式),建议图像颜色丰富,分辨率比较高,具有比较明显的图像边界(卡通图像,风景图像,桌面图像)3. 将图像保存到一个能够找到的目录中,例如img文件夹(路径上没有汉字)4. 启动Photoshop,打开img文件夹中的图像5. 在工具箱中选择“矩形选择”工具,到图面上选择一个区域(如果分辨率比较高,建议不要太大,否则计算过程比较长)6. 点击下拉菜单【文件】-【新建】,新建一个与矩形选择框同样尺寸的Photoshop图像,不要求保存该图像7. 将该彩色图像转换为亮度图像,即点击下拉菜单【图像】-【模式】-【灰度】,如提示是否合并,选择“Yes”8. 将该单色的亮度图像另存为Windows的BMP文件,点击下拉菜单【文件】-【存储为】,在“存储为”窗口中,为该文件起一个名字,例如test1(保存为test1.bmp)9. 启动Matlab,将当期路径(Current Directory)定位到图像文件夹,例如这里的img文件夹10. 使用imread命令读入该图像,在命令行输入:>> f = imread(test1.bmp);11. 在Matlab中显示该图像,在命令行输入:>> figure, imshow(f)12. 然后,分别使用Matlab图像工具箱中的Edge函数,分别使用Sobel算法,高斯-拉普拉斯(Log)算法和Canny算法得到的边缘图像:在命令行输入:>> g_sobel = edge(f, sobel, 0.05); >> g_log = edge(f, log, 0.003, 2.25); >> g_canny = edge(f, canny, [0.04 0.10], 1.5);13 得到边缘图像计算结果后,显示这些边缘图像: >> figure, imshow(g_sobel) >> figure, imshow(g_log) >> figure, imshow(g_canny)14 可以用不同的图像做对比,后续课程解释算法后,可以变换不同的阈值,得到不同的边缘图像
Canny边缘检测分析毕业论文 目录 引言 (1) 第一章图像分割与边缘检测 (2) 1.1图像分割简介 (2) 1.2图像分割定义 (2) 1.3图像分割基本原理 (3) 第二章基于边界的分割——边缘检测 (6) 2.1边缘的类型 (6) 2.2边缘的类型 (6) 2.3边缘的判定 (7) 第三章常见边缘检测算法的研究与分析 (9) 3.1边缘检测过程概述 (9) 3.2典型一阶边缘检测算子 (9) 3.2.1梯度算子 (10) 3.2.2 Roberts边缘算子 (10) 3.2.3 Sobel算子 (11) 3.2.4 Prewitt算子 (13) 3.3 典型二阶边缘检测算子 (14) WORD版本.
3.3.1 Laplacian算子 (14) 3.3.2 LOG算子 (16) 3.4 各边缘检测算子的仿真结果分析 (18) 第四章 Canny边缘检测算子 (20) 4.1 Canny边缘检测基本原理: (20) 4.2 Canny边缘算子评价指标: (20) 4.2.1 Canny提出检测三准则【5】 (20) 4.2.2边缘检测滤波器对性能指标的影响【10】 (22) 4.2.3 尺度对性能指标的影响【10】 (23) 4.3 Canny边缘检测流程 (24) 4.4 Canny边缘检测仿真结果及分析 (28) 第五章 Canny算子改进 (29) 5.1对传统Canny算法局限性分析 (29) 5.2滤波改进 (30) 5.3阈值改进——自适应的阈值 (31) 5.3.1最大熵原算法过程 (31) 5.3.2最大熵算法的改进 (32) 5.4改进的Canny算法的仿真实验 (33) 第六章本实验结果及展望 (36) 6.1 本算法的实验结果 (36) WORD版本.
第 42 卷增刊 1 中南大学学报(自然科学版) V ol.42 Suppl. 1 2011 年 9 月 Journal of Central South University (Science and Technology) Sep. 2011 图像边缘检测技术综述 王敏杰 1 ,杨唐文 1, 3 ,韩建达 2 ,秦勇 3 (1. 北京交通大学 信息科学研究所,北京,100044; 2. 中国科学院沈阳自动化研究所 机器人学国家重点实验室,辽宁 沈阳,110016; 3. 北京交通大学 轨道交通控制与安全国家重点实验室,北京,100044) 摘要:边缘检测是图像处理与分析中最基础的内容之一。首先介绍了几种经典的边缘检测方法,并对其性能进行 比较分析;然后,综述了近几年来出现的一些新的边缘检测方法;最后,对边缘检测技术的发展趋势进行了展望。 关键词:数字图像;边缘检测;综述 中图分类号:TP391.4 文献标志码:A 文章编号:1672?7207(2011)S1?0811?06 Review on image edge detection technologies W ANG Min-jie 1 , Y ANG Tang-wen 1,3 , HAN Jian-da 2 ,QIN Y ong 3 (1.Institute of Information Science,Beijing Jiaotong University, Beijing 100044, China? 2.State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academic of Science,Shenyang 110016, China? 3.State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing 100044, China) Abstract: Edge detection is one of the most fundamental topics in the research area of image processing and analysis. First, several classical edge detection methods were introduced, and the performance of these methods was compared? then, several edge detection methods developed in the latest years were reviewed? finally, the trend of the research of the image edge detection in the future was discussed. Key words:digital image?edge detection?review 图像是人们从客观世界获取信息的重要来源 [1?2] 。 图像信息最主要来自其边缘和轮廓。所谓边缘是指其 周围像素灰度急剧变化的那些象素的集合,它是图像 最基本的特征。边缘存在于目标、背景和区域之 间 [3?4] ,它是图像分割所依赖的最重要的依据。边缘检 测 [5?8] 是图像处理和计算机视觉中的基本问题, 图像边 缘检测是图像处理中的一个重要内容和步骤,是图像 分割、目标识别等众多图像处理的必要基础 [9?10] 。因 此,研究图像边缘检测算法具有极其重要的意义。 边缘检测是计算机视觉和图像处理领域的一项基 本内容。准确、高效地提取出边缘信息一直是该领域 研究的重点内容 [11] 。最初的经典算法可分为边缘算子 法、曲面拟合法、模板匹配法、门限化法等。近年来, 随着数学理论和人工智能的发展,又出现了一些新的 边缘检测的算法 [12?13] ,如基于数学形态学的边缘检 测 [14] 、小波变换和小波包变换的边缘检测法 [15] 、基于 模糊理论的边缘检测法 [16?17] 、基于神经网络的边缘检 测法 [18] 、基于分形几何的边缘检测算法 [19] 、基于遗传 算法的边缘检测法 [20?21] 、漫射边缘的检测方法 [22] 、多 尺度边缘检测技术 [23] 、亚像素边缘的定位技术 [24] 、 收稿日期:2011?04?15;修回日期:2011?06?15 基金项目:轨道交通控制与安全国家重点实验室开放基金资助项目(RCS2010K02);机器人学国家重点实验室开放基金资助项目(RLO200801);北 京交通大学基本科研业务费资助项目(2011JBM019) 通信作者:王敏杰(1988-), 女, 黑龙江五常人, 硕士研究生, 从事图像处理和计算机视觉研究; 电话: 010-51468132; E-mail: wangminjie1118@https://www.doczj.com/doc/0111918994.html,
图像边缘检测方法的研究与实现刘法200832800066
青岛大学专业课程设计 院系: 自动化学院 专业: 电子信息工程 班级: 08级电子信息工程3班学生姓名: 刘法 指导教师: 王汉萍庄晓东 日期: 2011年12月23日
题目:图像边缘检测方法的研究与实现 一、边缘检测以及相关概念 1.1边缘,边缘检测的介绍 边缘(edge)是指图像局部强度变化最显著的部分.边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间,是图像分割、纹理特征和形状特征等图像分析的重要基础.图像分析和理解的第一步常常是边缘检测(edge detection). 边缘检测是指使用数学方法提取图像像元中具有亮度值(灰度)空间方向梯度大的边、线特征的过程。 在讨论边缘算子之前,首先给出一些术语的定义: 边缘点:图像中具有坐标] ,[j i且处在强度显著变化的位置上的点.边缘段:对应于边缘点坐标] i及其方位 ,边缘的方位可能是梯度角. ,[j 边缘检测器:从图像中抽取边缘(边缘点和边缘段)集合的算法. 轮廓:边缘列表,或是一条表示边缘列表的拟合曲线. 边缘连接:从无序边缘表形成有序边缘表的过程.习惯上边缘的表示采用顺时针方向序. 边缘跟踪:一个用来确定轮廊的图像(指滤波后的图像)搜索过程. 边缘点的坐标可以是边缘位置像素点的行、列整数标号,也可以在子像素分辨率水平上表示.边缘坐标可以在原始图像坐标系上表示,但大多数情况下是在边缘检测滤波器的输出图像的坐标系上表示,因为滤波过程可能导致图像坐标平移或缩放.边缘段可以用像素点尺寸大小的小线段定义,或用具有方位属性的一个点定义.请注意,在实际中,边缘点和边缘段都被称为边缘.边缘连接和边缘跟踪之间的区别在于:边缘连接是把边缘检测器产生的无序边缘集作为输入,输出一个有序边缘集;边缘跟踪则是将一幅图像作为输入,输出一个有序边缘集.另外,边缘检测使用局部信息来决定边缘,而边缘跟踪使用整个图像信息来决定一个像素点是不是边缘. 1.2 边缘检测算子 边缘检测是图像特征提取的重要技术之一, 边缘常常意味着一个区域的终结和另一个区域的开始. 图像的边缘包含了物体形状的重要信息,它不仅在分析图像时大幅度地减少了要处理的信息量,而且还保护了目标的边界结构. 因此,边缘检测可以看做是处理许多复杂问题的关键. 边缘检测的实质是采用某种算法来提取出图像中对对象与背景间的交界线。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技术来获取边缘检测算子。经典的边缘检测方法是对原始图像中的像素的某个邻域来构造边缘检测算子。以下是对几种经典的边缘检测算子进行理论分析,并对各自的性能特点做出比较和评价。 边缘检测的原理是:由于微分算子具有突出灰度变化的作用,对图像进行微分运算,在图像边缘处其灰度变化较大,故该处微分计算值教高,可将这些微分值作为相应点的边缘强度,通过阈值判别来提取边缘点,即如果微分值大于阈值,则为边缘点。
基于matlab的图像边缘检测算法研究和仿真 目录 第1章绪论 1 1.1 序言 1 1.2 数字图像边缘检测算法的意义 1 第2章传统边缘检测方法及理论基础 2 2.1 数字图像边缘检测的现状与发展 2 2.2 MATLAB和图像处理工具箱的背景知识 3 2.3 数字图像边缘检测关于边缘的定义 4 2.4 基于一阶微分的边缘检测算子 4 2.5 基于二阶微分的边缘检测算子 7 第3章编程和调试 10 3.1 edge函数 10 3.2 边缘检测的编程实现 11 第4章总结 13 第5章图像边缘检测应用领域 13 附录参考文献 15
第1章绪论 §1.1 序言 理解图像和识别图像中的目标是计算机视觉研究的中心任务,物体形状、物体边界、位置遮挡、阴影轮廓及表面纹理等重要视觉信息在图像中均有边缘产生。图像边缘是分析理解图像的基础,它是图像中最基本的特征。在Marr的计算机视觉系统中,图像边缘提取占据着非常重要位置,它位于系统的最底层,为其它模块所依赖。图像边缘提取作为计算机视觉领域最经典的研究课题,长期受到人们的重视。 图像边缘主要划分为阶跃状和屋脊状两种类型。阶跃状边缘两侧的灰度值变化明显,屋脊状边缘则位于灰度增加与减少的交界处。传统的图像边缘检测方法大多是从图像的高频分量中提取边缘信息,微分运算是边缘检测与提取的主要手段。由于传统的边缘检测方法对噪声敏感,所以实际运用效果有一定的局限性。近年来,越来越多的新技术被引入到边缘检测方法中,如数学形态学、小波变换、神经网络和分形理论等。 Canny于1986年提出基于最优化算法的边缘检测算子,得到了广泛的应用,并成了与其它实验结果作比较的标准。其原因在于他最先建立了优化边缘检测算子的理论基础,提出了迄今为止定义最为严格的边缘检测的三个标准。另外其相对简单的算法使得整个过程可以在较短的时间实现。实验结果也表明,Canny算子在处理受加性高斯白噪声污染的图像方面获得了良好的效果[1]。 §1.2 数字图像边缘检测算法的意义 数字图像处理是控制领域的重要课题,数字图像边缘检测是图像分割、目标区域识别和区域形状提取等图像分析领域十分重要的基础,是图像识别中提取图像特征的一个重要方法。边缘中包含图像物体有价值的边界信息,这些信息可以用于图像理解和分析,并且通过边缘检测可以极降低后续图像分析和处理的数据量。图像理解和分析的第一步往往就是边缘检测,目前它已成为机器视觉研究领域最活跃的课题之一,在工程应用中占有十分重要的地位。 图像的边缘检测技术是数字图像处理技术的基础研究容,是物体识别的重要基础。边缘特征广泛应用于图像分割、运动检测与跟踪、工业检测、目标识别、双目立体视觉等领域。现有边缘检测技术在抑制噪声方面有一定的局限性,在阈值参数选取方面自适
数字图像处理实验报告 学生姓名王真颖 学生学号L0902150101 指导教师梁毅雄 专业班级计算机科学与技术1501 完成日期2017年11月06日
计算机科学与技术系信息科学与工程学院
目录 实验一.................................................................................................. 错误!未定义书签。 一、实验目的.................................................................................................... 错误!未定义书签。 二、实验基本原理 ........................................................................................... 错误!未定义书签。 三、实验内容与要求....................................................................................... 错误!未定义书签。 四、实验结果与分析....................................................................................... 错误!未定义书签。实验总结............................................................................................... 错误!未定义书签。参考资料.. (3) 实验一图像分割与边缘检测 一.实验目的 1. 理解图像分割的基本概念; 2. 理解图像边缘提取的基本概念; 3. 掌握进行边缘提取的基本方法;
毕业论文(设计) 题目: 图像处理中的边缘提取算 法及其实现
原创性声明 本人郑重声明: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。毕业论文中凡引用他人已经发表或未发表的成果、数据、观点等,均已明确注明出处。除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科研成果。对本文的研究成果做出重要贡献的个人和集体,均已在文中以明确方式标明。 本声明的法律责任由本人承担。 论文作者签名:日期:
关于毕业论文使用授权的声明 本人在指导老师指导下所完成的论文及相关的资料(包括图纸、试验记录、原始数据、实物照片、图片、录音带、设计手稿等),知识产权归属XXX。本人完全了解XXX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和电子版,允许论文被查阅和借阅;本人授权XXX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和汇编本毕业论文。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XXX。本人离校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XXX。 论文作者签名:日期: 指导老师签名:日期:
XXX本科毕业设计 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:
文献综述 1.1理论背景 数字图像中的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础,图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的,也就是指图像局部亮度变化最显著的部分,例如灰度值的突变、颜色的突变、纹理结构的突变等,同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性,通常沿边缘的走向灰度变化平缓,垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点,图像边缘可分为阶跃型、房顶型和凸缘型。 1.2、图像边缘检测技术研究的目的和意义 数字图像边缘检测是伴随着计算机发展起来的一门新兴学科,随着计算机硬件、软件的高度发展,数字图像边缘检测也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像边缘检测和计算机视觉等领域最基本的技术,如何快速、精确的提取图像边缘信息一直是国内外研究的热点,然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测,就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像,排除外界的干扰,后者则是为我们的边缘检测提供图像特征更加明显的图片,即加大图像特征。两者虽然在图像边缘检测中都有重要地位,但本次研究主要是针对图像边缘检测的研究,我们最终所要达到的目的是为了处
理速度更快,图像特征识别更准确。早期的经典算法有边缘算子法、曲面拟合法、模版匹配法、门限化法等。
早在1959年Julez就曾提及边缘检测技术,Roberts则于1965年开始了最早期的系统研究,从此有关边缘检测的理论方法不断涌现并推陈出新。边缘检测最开始都是使用一些经验性的方法,如利用梯度等微分算子或特征模板对图像进行卷积运算,然而由于这些方法普遍存在一些明显的缺陷,导致其检测结果并不尽如人意。20世纪80年代,Marr和Canny相继提出了一些更为系统的理论和方法,逐渐使人们认识到边缘检测的重要研究意义。随着研究的深入,人们开始注意到边缘具有多分辨性,即在不同的分辨率下需要提取的信息也是不同的。通常情况下,小尺度检测能得到更多的边缘细节,但对噪声更为敏感,而大尺度检测则与之相反。1983年Witkin首次提出尺度空间的思想,为边缘检测开辟了更为宽广的空间,繁衍出了很多可贵的成果。随着小波理论的发展,它在边缘检测技术中也开始得到重要的应用。MALLAT造性地将多尺度思想与小波理论相结合,并与LoG, Canny算子相统一,有效地应用在图像分解与重构等许多领域中。 这些算子现在依然应用于计算几何各个现实领域中,如遥感技术、生物医学工程、机器人与生产自动化中的视觉检验、零部件选取及过程控制等流程、军事及通信等。在图像边缘检测的过程中老算法也出现了许多的问题。经过多年的发展,现在已经出现了一批新的图像边缘检测算法。如小波变换和小波包的边缘检测、基于形态学、模糊理论和神经网络的边缘检测等,这些算法扩展了图像边缘检测技术在原有领域中的运用空间,同时也使它能够适应更多的运用需要。