翻译：
彩色转换
摘要
我们现在要介绍一种普适的方法，通过构建一幅作为颜色来源的彩色图（source）与一幅作为转移目标的灰度图（destination）之间的彩色转换，用来给灰度图进行着色。虽然面对如何能够将色度值加到灰度图中这一问题我们还没有一个准确客观彻底的解决方法，但是现在能够提供的是一个助于缩小实现该工程的工程量的方法。相比于从调色盘里选择RGB 颜色填到各个独立的色块，我们通过比较两个图像的亮度与纹理来转移色彩来源图(source)的全部颜色的“mood”到目标图像。现在我们仅选择转移其中的彩色信息而保持目标图的亮度信息不变。而且，通过允许用户自己对比两幅图像的某些矩形块可以使程序的进一步优化。我们认为当被提供了足够多的关于图像亮度与纹理的差异信息后，这个简单易懂的着色技术可以成功地运用于许多图像和视频领域。这种图像产生表明了我们提供的技术在各种不同应用领域中的巨大潜力与应用价值。
关键词：图像处理着色纹理合成视频
1，介绍
颜色分量可以被添加到灰度图像上用来增加图像的视觉感染力，诸如旧的黑白照片，经典电影或者科学插图。而且，通过发掘色度上与亮度上的变化，一些科学插图的信息内涵将会在感官上得到增强。
给灰度图着色的工作涉及将每个像素的三维（RGB）分量值赋给一个只包含一个一维分量（亮度或光强度）的图。由于不同的颜色可能含有相同的亮度值，于是在色相和饱和度上会有不同，故给灰度图着色存在一个没有所谓的正确结果的问题。正是由于存在这些棘手的事情，人的交互作用在着色过程中通常会充当一个很重要的角色。即使在这种自动标记亮度值到色度值的“假着色”情况，[Gonzalez and Wintz 1987]，彩色表的选择依旧主要取决于人的决定。
由于大多数用于电影产业的着色软件是属于私有的，有关描述处理过程的细节技术的文章大多都没有公开。然而，一些网上的文章提及那些软件必须需要人对于每个独立的图像块进行手动着色。比如，某一款软件包上描述到图像先被多边形处理化了，因而用户可以对每一个个体图像组成部分进行着色就像一本图画书一样。然后系统跟踪画面和转移颜色的多边形轨迹来减少用户必须要手动着色的图像数目。另外，照片可以通过照片编辑软件经过手动或自动的图片场景的组成选择来给图片着色。通过低透明度级别，这个区域然后被着以从调色板中选出的颜色。
也有一些应用程序可以对可视化信息中的颜色使用，例如，Gonzalez and Wintz[1987]
描述一个简单的途径来给机场X光扫描后的行李箱产生的灰度图进行伪着色。这个方法为每个彩色通道使用分离转换，结果使得用彩色标记各种不同的物品，用明亮的橘黄色标记爆炸物的密度分布，用蓝色色调标记其他的物品。而且，颜色可以添加到一系列的科学图片中用来说明论证与进行教育。在医学领域，图像形态仅仅是灰度图像，比如磁共振成像（MRI），X光和电脑断层扫描图像（CT）的着色可以对展示的效果提升。
伪着色是一种很普遍的技术，通常用于为类似于X光，磁共振成像，扫描电子显微镜成像以及那些图像成分中不存在彩色信息的灰度图片加以着色。Pratt [1991]形容此项方法为一种“图像增强”技术，因为此技术可以用于“增强图片自身的细节检测能力”。此方法的基本形式是，伪着色时一种T转换（[Pitas 1993]），有c(x, y) = T(f(x, y))，其中f(x, y)是原始的灰度图像，而c(x, y)是结果得到的RGB色度矢量式。此方法的一个简明的案例是对一个任意的彩色图的应用，将一个单独的总体的颜色矢量赋予到每个灰度分量上。这种方法的优势在
于它并没有改变原始数据的任何信息，因为事实上我们没有引进其他的数据信息。比如说，在一个伪着色后的磁共振成像（MRI）图中，虽然我们选取的颜色是随机的，但是这种密度与颜色的一一对应关系是存在的。然而，若是引用色图并不会使图像的亮度单一性得到增强，反而会导致一些视觉感知上的失真。研究已经发现面部图像的感知“真实性 与色图上的亮度的纯增加值有着很强的关联性[Rogowitz and Kalvin 2001]。
我们建立的图像与图像之间的颜色转换概念是从Reinhard等人[2001]年的关于两幅彩色图片的颜色转移的论述中得到启发。在他们的成果中，源图片（source）中的颜色通过一个简单但是出奇制胜的方式被转移到了另一幅彩色图片。这种基本算法匹配了图像的三维色度值分布，然后转换了目标图像的色度分布来匹配源图像。而且，已用过的色彩样板可以用于两幅图之间其他相似的区域。
在这个研究中，灰度图只被一个一维分量表示，因此两幅图之间只有亮度信道能被匹配。因为一个单独的亮度分量能代表一幅图像全部的不同部分，临近像素的统计被用于引导匹配的过程。当一个像素点被匹配，它的色彩信息将被移植，但是原始的亮度值会被保留。在相对复杂的情形下，一些样本可以用于帮助处理源图与目标图。当颜色在源图与目标色盘进行转换后，最终的颜色通过L2距离标准和灰度图与目标色盘的像素点匹配，再依次被分配给灰度图的每个像素点。因此，每个像素匹配点只是由在相同图像中的像素匹配决定的。我们还发现了这些采样对于很多图像种类都有很好的效果。而且，这些方法都能很方便地延伸到视频领域。现在这个着色程序起初只是适用于视频序列中的单帧。其他的帧然后通过是用一个原始帧的着色色板来决定的。我们还发现其他的那些帧中，物体没有发生很明显的变化，着色的工作出其意料的顺利。
2，彩色转换算法
在这一部分，我们描述彩色转换的核心算法；基本思想是扩展到样本的使用。主要的彩色转换的程序需要几个简单的步骤。首先，每幅图片要转换到lαβ彩色空间。我们用抖动采样的方法筛选出一个彩色图中的像素的子集作为样本。然后，我们按扫描顺序检查灰度图中的每个像素点，然后用临近统计选出彩色图中的最佳匹配样本。最佳匹配的部分是通过平均像素亮度的权值决定的。最佳匹配像素点的色度值（αβ）然后需要把颜色转移给灰度图从而形成最后的图像。利用样本的彩色转换涉及到相同的全局图像匹配过程，但是仅仅局限于源图与目标图的样本。目标样本中染色后的像素点之后要被用于源像素点通过一种纹理合成方式来给剩下的没有着色的像素点着色。更多的细节和调整将在下面提及。
2.1 全图匹配
彩色图（源图）和灰度图（目标图）的图像都要被转变成去相关的lαβ空间[Ruderman et al. 1998]以便于后面的分析。lαβ空间是为使色度空间坐标的三个坐标轴的相关度达到最小化而设计的。空间坐标提供了三个去相关的，主要的通道相当于一个消色差的亮度信道和两个色度信道α和β，可以粗糙反映黄-蓝和红-绿两个相对立的信道。因此，单色彩信道的改变可以最低限度地影响到其他信道的值的变化。lαβ彩色空间之所以被现有的程序引入的原因是它提供了一个去相关的非颜色的信道。这个可以允许我们有选择地从彩色图像到灰度图像中转换彩色信道αβ，同时不需要交叉信道的模块。转换的程序得益于Reinhard 等人[2001].
为了从源中转移色度分量到目标，每个灰度图的像素点必须要和一个彩色如的像素点相对应。比较是基于亮度分量和该像素点的邻近统计。亮度分量是由lαβ空间的l信道决定的。为了解释两幅图全部亮度差异，我们需要执行一个亮度重测图[Hertzmann et al. 2001]。来线性的改变和观测源图的亮度直方图以便于适应目标图的对应直方图。这个帮助了我们建立一个更好的两幅图间的亮度统一，但是没有改变目标图的亮度值。
邻近统计是预先计算的，由邻近像素点的亮度标准偏差组成的。我们已经得知一个5×5的邻近矩阵就足以在大部分的图像上十分有效了。对于某些有问题的图像我们会采取更大的邻近矩阵。
既然大部分像素值的明显视觉差异变化归因于亮度差异，我们可以限制作为源彩色像素样本的数量同时仍获得一个重要的图像颜色差异范围。这个允许了我们去减少每个灰度图的像素点的比较数量，从而减少了估算时间。我们已经发现在随机的抖动的网格取大概200个采样点就足够了。然后对于每一个按扫描线顺序的灰度图像像素点最佳的匹配颜色样本基于亮度的平均权重为50%和标准偏差权重为50%被选出。我们还加入了邻近的平均，和改变其他权重的比率，但是在结果中没有发现比较大的偏差。一旦最佳的匹配像素点被找到，α和β彩色分量将被传输到目标像素中，而原始的亮度分量将被保留。
这个自动的，全局匹配过程当相对应的彩色区域具有相近的亮度值时，反映到图像的效果比较给力。然而，目标图像的区域若和对应的源图区域没有一个比较近似的亮度关联，那么结果将不尽如人意。图示2c显示的是一个通过全图匹配的彩色转换结果。这里发现，天空和树木匹配的较好，然而目标图中的公路部分在源图中没有找到对应的匹配。
2.2 手动采样
为了提高结果质量同时使更多的用户参与到这个彩色转换的过程中，手动采样将被用于两幅图片区域的进一步匹配。图2a,b,d阐明了基本的思想。首先是用自动匹配过程描述上述彩色转换信息。这个可以使得用户有选择的将目标图与源图之间的区域进行彩色转换。我们也期待利用个性的手动选择使得结果上的进一步完善，因为不同的彩色区域会有很少的亮度重叠。我们在自动匹配中做亮度重测，不仅仅是在相匹配的区域之间。而且，我们用随机的抖动采样在每个样本上大概有50个采样点。第二步类似于一个质地综合算法[Efros and Leung 1999; Efros and Freeman 2001]，在这篇文章中，L2距离被用于寻找质地纹理的匹配。我们用灰度图临近的N g和染色后的样本N s之间的度量标准L2定义错误的距离E，公式如下：
这里的I是灰度图像，S是染色后的样本的亮度分量，然后P是这些临近点的坐标。
注意，眼下我们不再寻找彩色图来进行纹理匹配，仅仅是用来匹配目标图的着色后的样本。这一方法的优点是第一阶段我们有选择的把彩色转换到了样本中，防止了具有相近临近统计却是来自错误区域的像素点污染目标彩色样本。它也允许用户通过任何一个选择的区域进行彩色转换，虽然两个相匹配的区域在纹理与亮度级别上差异很大。另一方面，既然我们期待在一幅图内相比于两幅不同的图存在更多的纹理关联性，我们期待那些与着色后的目标彩色样本在纹理上有这相似性的像素点被相似的着色。
2.3 视频处理
对于视频的彩色化处理可以利用上面描述的着色方案进行自动处理。为了使画面的每一帧进行着色，我们首先从源图中采集颜色，把它转换到一个单独的目标帧中。然后视频中的每一帧序列可以用在这个单独帧中同样的染好色的目标样本区域进行着色。如果这个单独的帧成功的着色了，那么包含相同物体的那些帧就会像这个单独的帧一样进行相似的着色处理。三个利用视频处理的例子将在之后提及。
3．处理结果
图例3表明了该算法应用于图像领域的最终效果。图3a-c显示了着色后的叶子，人脸和风景图。该技术在那些图像被分割成许多亮度差异明显区域或者每一个图像区域都有明显
的纹理差异的情形中应用效果十分突出。然而，总的来说，当前的技术在人脸着色方面仍存在瓶颈。虽然颜色可以很好的在样本之间进行转换，但是L2并不是一个很好的尺度量用来区分皮肤和嘴唇，有时还包括衣服和头发的区别。
图3d-f说明了该算法在不同的种类的科学数据中的应用。虽然这个技术起初不是用于临床诊断的医疗图像，但是它卓越的效果却可以令其应用于诸多相关领域，比如解剖学上的说明或者用于增强某些学术成果的展示效果。
虽然我们说明了此算法在许多图像领域上的卓越效果，但我们无法保证该技术会在绝大多数的图像上效果依旧突出。首先应该澄清的是，我们的算法只是考虑一个像素点周围小范围的亮度分布，而这事实上很难判定这个点到底是属于哪一个纹理区域的。然而，通过高分辨率的图像或者利用大范围的临近统计，我们能够得到更佳的结果。更进一步的说，我们也坚信在基本的算法的基础上，在一定高效的处理时间内利用更好的纹理区分算法，可以处理更多的图像。
利用此算法在一台奔腾三900Mhz的处理器上利用MATLAB着色一张图的运行时间大概是从14s到4分钟不等。运行时间将取决于比较的采样点的个数，样本个数，临近统计的大小，和图片的大小。大多数的图还是能在一分钟之内完成着色的。
4．结论
在这篇论文中，我们阐明了一种新的，通用的，迅速的以及友好的途径来解决灰度图片着色的问题。这项工作的标准解决方式是通过全部彩色图的匹配像素点与灰度图的像素点进行匹配，我们的此项技术允许用户参与选择一个合适的彩色图像作为颜色采集，然后将该图像的颜色传递到灰度图中。我们有意地保持了算法的简单度，同时不要求图像之间的记录联系或者空间上的信息合并。我们的技术可以被用于更大规模的图片通过加入少量的用户指示。在这个模式下，用户首先从一系列指定的彩色图样本区域选取渴望得到的颜色到对应的灰度图区域中。然后，在之后的着色进程中，已经着色的样本被利用，通过一个纹理合成方式，来给灰度图中剩下的像素点着色。目前，L2距离用于测量图像之间的纹理相似度。未来，我们相信该技术在更加复杂精确地纹理相似度的算法下将会得到更有实质性的进步。
这项利用一个样本彩色图给一个灰度图填充颜色的技术对于需求日益增长的网络图像搜索引擎以及出现频率集中与可以索引的图像的收集是十分具有吸引力的。最后，我们也可以利用一个基本纹理样本的数据库，服务于在着色过程中用户指导平台的彩色转换。
鸣谢
此项工作由NSF Career Grant ACI-0093157提供资金支持。
图像灰度变换报告 一.实验目的 1.学会使用Matlab ； 2.学会用Matlab 软件对图像进行灰度变换，观察采用各种不同灰度变换发法对最终图像效果的影响； 二.实验内容 1.熟悉Matlab 中的一些常用处理函数 读取图像：img=imread('filename'); //支持TIF,JPEG,GIF,BMP,PNG 等文件格式。 显示图像：imshow(img,G); //G 表示显示该图像的灰度级数，如省略则默认为256。 保存图片：imwrite(img,'filename'); //不支持GIF 格式，其他与imread 相同。 亮度变换：imadjust(img,[low_in,high_in],[low_out,high_out]); //将low_in 至high_in 之间的值映射到low_out 至high_out 之 间，low_in 以下及high_in 以上归零。 绘制直方图：imhist(img); 直方图均衡化：histeq(img,newlevel); //newlevel 表示输出图像指定的灰度级数。 2.获取实验用图像：rice.jpg. 使用imread 函数将图像读入Matlab 。 3 .产生灰度变换函数T1，使得： 0.3r r < 0.35 s = 0.105 + 2.6333(r – 0.35) 0.35 ≤ r ≤ 0.65 1 + 0.3(r – 1) r > 0.65 用T1对原图像rice.jpg 进行处理，使用imwrite 函数保存处理后的新图像。 4.产生灰度变换函数T2，使得： s = 5.用T2imwrite 保存处理后的新图像。 6.分别用 s = r 0.6; s = r 0.4; s = r 0.3 对kids.tiff 图像进行处理。为简便起见，使用Matlab 中的imadjust 函数，最后用imwrite 保存处理后的新图像。 7.对circuit.jpg 图像实施反变换（Negative Transformation ）。s =1－r; 使
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：
成绩评定表
课程设计任务书
摘要 空域增强在数字图像处理中起到对图像灰度的拉伸、压缩变换的作用，目前这种方法在处理图像灰度值方面得到广泛的运用。MATLAB这种语言可移植性好、可扩展性强，再加上其中有丰富的图像处理函数，所以利用MATLAB软件来对图像进行空域增强在数字图像处理的应用中具有很大的优势。 图像变换增强是利用一系列的变换方法使图像的对比度得到提升,也就达到了增强图像的目的--更便于观察,更容易区分不同灰度的图像。根据函数的性质，灰度变换的方法有线性灰度变换、分段线性灰度变换、非线性灰度变换。对于灰度局限在某一个很小范围内的数字图像，如果用线性函数对图像的每一个像素进行线性扩展，扩大像素的对比度，将有效地改善视觉效果。本文利用MATLAB软件对灰度图像分别进行了线性灰度变换增强，非线性灰度增强和分段线性灰度增强，达到了提高图像对比度，增强图像效果的目的，证明了图像变换增强在数字图像处理中的重要作用。 关键词：MATLAB；灰度图像；线性变换；非线性变换
目录 1设计目的 (1) 2设计方案 (1) 2.1 灰度变换增强的概念 (1) 2.2 灰度变换增强流程 (2) 3设计内容 (3) 3. 1 线性灰度变换的概述 (3) 3. 2 分段线性灰度变换的概述 (3) 3. 3非线性灰度变换的概述 (4) 4程序代码设计 (5) 4.1线性灰度变换增强 (5) 4.1.1线性变换增强流程 (5) 4.1.2线性变换增强设计 (5) 4.2分段线性灰度变换程序代码 (6) 4.2.1分段线性变换增强流程 (6) 4.2.2分段线性变换增强设计 (6) 4.3非线性灰度变换程序代码 (8) 4.3.1非线性变换增强流程 (8) 4.3.2非线性变换增强设计 (8) 5仿真结果与分析 (10) 5.1线性灰度变换仿真结果 (10) 5.2分段线性灰度变换仿真结果 (11) 5.3非线性灰度变换仿真结果 (12) 5.4结果分析 (12) 结论 (14) 参考文献 (15)
摘要 随着计算机技术的飞速发展，图像边缘检测已成为图像处理的重要内容，它是图像分析的基本问题，是图像分割、特征提取和图像识别的前提。本文的主要内容如下。 首先，介绍了数字图像处理的概念及其应用领域、边缘检测研究的背景意义，历史现状，以及边缘检测的一些基本概念。 然后，分别介绍了经典的图像边缘检测算子，如Robert算子、Sobel算子、Prewitt算子等的基本原理，接着概述了几种新的边缘检测方法，如小波理论、数学形态学、模糊理论等。并通过理论分析和仿真计算比较了经典边缘检测算子各自的优缺点及适用性。 最后，通过matlab-GUI编程，设计出一个图形界面，整合了canny算子和log算子等的边缘检测，增加了整个程序的实用性。 关键词: 边缘检测；Canny算法；log算法；Robert算法； I
ABSTRACT The image edge detection has become one of the most important parts of image processing with the development of computer technology. Image edge detection is the first step of image analysis, also the basis of image segmentation, feature extraction and image recognition. The main content of this dissertation is described as follows. Firstly, digital image processing and its applications are introduced. Then, the background, the significance and also the development status of the image edge detection technique are introduced, next to this, some basic knowledge of the image edge detection are discussed. Secondly, introduced the classical edge detection operator, such as the Robert operator, Sobel operator, Prewitt operator, etc. The basic principle, then outlined several new edge detection methods, such as wavelet theory, mathematical morphology, fuzzy theories. And through theoretical analysis and simulation comparison of classical edge detection operator and the applicability of their advantages and disadvantages. Finally, use matlab-GUI programming, design a graphical interface, integrated operator log and canny edge detection operator, increasing the practicality of the whole process. Key words: edge detection; Canny algorithm; log algorithm;Robert algorithm II
本科及研究生学术论文参考文献格式 （Bibliography, Works Citied, References） 一.文学、翻译方向：MLA （一）说明 1. 文献类别标识 （1）常用文献类型用单字母标识 专著——[M]（monograph）；期刊文章——[J]（journal）；专著、论文集中的析出文献——[A]（article）；论文集——[C]（collected papers）；学位论文——[D]（dissertation）；专利——[P]（patent）；技术标准——[S]（standardization）；报纸——[N]（newspaper article）；科技报告——[R]（report）；其他未说明的文献类型，如字典——[Z] （2）电子文献载体类型用双字母标识 磁带——[MT]（magnetic tape）；磁盘——[DK]（disk）；光盘——[CD]（CD-ROM）；联机网络——[OL]（online）； （3）电子文献载体类型的参考文献类型标识（文献类型标识/载体类型标识） 联机网上数据库——[DB/OL]（data base online）；磁带数据库——[DB/MT]（data base on magnetic tape）；光盘图书——[M/CD]（monograph on CD-ROM）；磁盘软件——[CP/DK]（computer program on disk）；）网上期刊——[J/OL]（serial online）；网上电子公告——[EB/OL]（electronic bulletin board online） 2. 文献排序 （1）先外文，后中文。 （2）所有文献均按作者的姓（或机构名称）的字母顺序排列。
附录1 课程实验报告格式 每个实验项目包括：1)设计思路，2)程序代码，3）实验结果，4）实验中出现的问题及解决方法。 实验一：直方图灰度变换 A：读入灰度图像‘debye1.tif’，采用交互式操作，用improfile绘制一条线段的灰度值。 imread('rice.tif'); imshow('rice.tif'),title('rice.tif'); improfile,title('主对角线上灰度值')
B：读入RGB图像‘flowers.tif’，显示所选线段上红、绿、蓝颜色分量的分布imread('flowers.tif'); imshow('flowers.tif'),title('flowers.tif'); improfile,title('主对角线红绿蓝分量') C：图像灰度变化 f=imread('rice.png'); imhist(f,256); %显示其直方图 g1=imadjust(f,[0 1],[1 0]); %灰度转换，实现明暗转换(负片图像) figure,imshow(g1)%将0.5到0.75的灰度级扩展到范围[0 1] g2=imadjust(f,[0.5 0.75],[0 1]); figure,imshow(g2) 图像灰度变换处理实例： g=imread('me.jpg'); imshow(g),title('原始图片'); h=log(1+double(g)); %对输入图像对数映射变换 h=mat2gray(h); %将矩阵h转换为灰度图片
h=im2uint8(h); %将灰度图转换为8位图 imshow(h),title('转换后的8位图'); 运行后的结果： 实验二：直方图变换 A：直方图显示 I=imread('cameraman.tif'); %读取图像 subplot(1,2,1),imshow(I) %输出图像 title('原始图像') %在原始图像中加标题 subplot(1,2,2),imhist(I) %输出原图直方图 title('原始图像直方图') %在原图直方图上加标题运行结果如下：
本科生毕业论文（设计） 题目: 基于数字图像处理的车牌识别设 计 姓 名: 周金鑫 学 院: 数理与信息工程学院 专 业: 电子信息工程 班 级: 111 学
号: 指导教师: 刘纯利职称: 教授 2014 年 12 月 24 日 安徽科技学院教务处制 目录 摘要 ....................................................................关键词 .................................................................. 1、设计目的 ............................................................. 2、设计原理: ............................................................ 3、设计步骤: ............................................................ 4、实行方案 ............................................................. 4.1. 总体实行方案:................................................... 4.2. 各模块的实现:................................................... 4.2.1输入待处理的原始图像: ....................................... 4.2.2图像的灰度化并绘制直方图: ...................................
学术论文参考文献格式 （Bibliography, Works Citied, References） 一.文学、翻译方向：MLA （一）说明 1. 文献类别标识 （1）常用文献类型用单字母标识 专著——[M]（monograph）；期刊文章——[J]（journal）；专著、论文集中的析出文献——[A]（article）；论文集——[C]（collected papers）；学位论文——[D]（dissertation）；专利——[P]（patent）；技术标准——[S]（standardization）；报纸——[N]（newspaper article）；科技报告——[R]（report）；其他未说明的文献类型，如字典——[Z] （2）电子文献载体类型用双字母标识 磁带——[MT]（magnetic tape）；磁盘——[DK]（disk）；光盘——[CD]（CD-ROM）；联机网络——[OL]（online）； （3）电子文献载体类型的参考文献类型标识（文献类型标识/载体类型标识） 联机网上数据库——[DB/OL]（data base online）；磁带数据库——[DB/MT]（data base on magnetic tape）；光盘图书——[M/CD]（monograph on CD-ROM）；磁盘软件——[CP/DK]（computer program on disk）；）网上期刊——[J/OL]（serial online）；网上电子公告——[EB/OL]（electronic bulletin board online） 2. 文献排序 （1）先外文，后中文。 （2）所有文献均按作者的姓（或机构名称）的字母顺序排列。 3. 多加注意标点符号与字句之间的空格、标点符号类型 （二）外文著录格式 为对应起见，本格式全部规则说明中的标点符号均为Times New Roman格式。为醒目之便，这里用红色标识出来。 1. 独著 姓, 名. 书名. 出版地: 出版社, 出版年代. Adams, Hazard. Critical Theory Since Plato. Boston: Heinle & Heinle Publisher, 2004. Showalter, Elaine. A Literature of Their Own: British Women Novelists from Bronte to Lessing. London: Virago Press Ltd, 2009. 2. 两至三名作者 姓, 名, 名姓, 名姓, and 名姓. 书名. 出版地: 出版社, 出版年代. Atwan, Robert, Donald Mcquade, and John Wright. Edsels, Luckies, and Frigidaires: Advertising the American Way. New York: Dell, 1979. Horton, Rod W., and Herbert W. Edwards. Backgrounds of American Literary Thought. New York:
实验一Matlab图像处理基础及图像灰度变换 一、实验目的 了解Matlab平台下的图像编程环境，熟悉Matlab中的DIP (Digital Image Processing)工具箱；掌握Matlab中图像的表示方法，图像类型、数据类型的种类及各自的特点，并知道怎样在它们之间进行转换。掌握Matlab环境下的一些最基本的图像处理操作，如读图像、写图像、查看图像信息和格式、尺寸和灰度的伸缩等等；通过实验掌握图像直方图的描绘方法，加深直方图形状与图像特征间关系间的理解；加深对直方图均衡算法的理解。 二、实验内容 1．从硬盘中读取一幅灰度图像； 2．显示图像信息，查看图像格式、大小、位深等内容； 3．用灰度面积法编写求图像方图的Matlab程序，并画图； 4．把第3步的结果与直接用Matlab工具箱中函数histogram的结果进行比较，以衡量第3步中程序的正确性。 5．对读入的图像进行直方图均衡化，画出处理后的直方图，并比较处理前后图像效果的变化。 三、知识要点 1.Matlab6.5支持的图像图形格式 TIFF, JEPG, GIF, BMP, PNG, XWD (X Window Dump)，其中GIF不支持写。 2.与图像处理相关的最基本函数 读：imread; 写：imwrite; 显示：imshow; 信息查看：imfinfo; 3.Matlab6.5支持的数据类 double, unit8, int8, uint16, int16, uint32, int32, single, char (2 bytes per element), logical. 4.Matlab6.5支持的图像类型 Intensity images, binary images, indexed images, RGB image 5.数据类及图像类型间的基本转换函数 数据类转换：B = data_class_name(A);
实验三图像增强—灰度变换 一、实验目的： 1、了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。 2、学会对图像直方图的分析。 3、掌握直接灰度变换的图像增强方法。 二、实验原理及知识点 术语‘空间域’指的是图像平面本身，在空间域内处理图像的方法是直接对图像的像素进行处理。空间域处理方法分为两种：灰度级变换、空间滤波。空间域技术直接对像素进行操作其表达式为： g(x,y)=T[f(x,y)] 其中f(x,y)为输入图像，g(x,y)为输出图像，T是对图像f进行处理的操作符，定义在点(x,y)的指定领域内。 定义点(x,y)的空间邻近区域的主要方法是，使用中心位于(x,y)的正方形或长方形区域。此区域的中心从原点(如左上角)开始逐像素点移动，在移动的同时，该区域会包含不同的领域。T应用于每个位置(x,y)，以便在该位置得到输出图像g。在计算(x,y)处的g值时，只使用该领域的像素。 灰度变换T的最简单形式是使用领域大小为1×1，此时,(x,y)处的g值仅由f在该点处的亮度决定，T也变为一个亮度或灰度级变化函数。当处理单设(灰度)图像时，这两个术语可以互换。由于亮度变换函数仅取决于亮度的值，而与(x,y)无关，所以亮度函数通常可写做如下所示的简单形式： s=T(r) 其中，r表示图像f中相应点(x,y)的亮度，s表示图像g中相应点(x,y)的亮度。 核心函数是imhist，其基本语法为： h=imhist(f,b) 其中，f为输入图像，h为其直方图h()，b是用于形成直方图像的灰度级的个数。如果b未包含在此变量中，则默认值为256.如要处理一幅uint8
如果想利用谷歌来翻译英文文献，简便方法是直接将英文文献名输入谷歌搜索栏 可以看到第三个结果就是我们要阅读的那篇文章，标题下面有“翻译此页”，点击即可翻译全文，优点是可以像论文页面那样看，缺点是无法与原文对应着看，结果如下：
通常我用更细致的翻译方法，步骤如下： 1.谷歌在线翻译网址：https://https://www.doczj.com/doc/3b8701801.html,/ 界面如下： 左边是待翻译文字，右边是翻译结果。 左边方框上面一行最好选择“检测语言”，这样就不用管输入的是什么语言了；右边选中文（简体） 2.取一段待翻译内容从原文复制粘贴到上图左边空白方框中，结果自动出现在右边浅灰色方框 将鼠标光标放在翻译结果的一个词上，那个词会变成黄色，同时它对应的英文也在左边方框变成黄色。这时如果觉得这个词翻译的不正确，就鼠标左键单击它一下，会出现这个词的其他涵义，可以看看其他涵义怎么样，如下图：“本文认为”---》“本文重在探讨”。另：这里谷歌把class都翻译成了类而不是阶级。
还有一个用法即上图黑底白字方框显示的可以拖动翻译结果中的一个词，使文章重新排序。我觉得这个没必要，因为句子顺序不对不影响理解。 3.小工具 上图最下边一行左边有一个小图标，右边有四个小图标，用法如下： 1）左下角那个是全选，可以把翻译结果全选中后复制粘贴到其他地方。 2）右下角第一个小喇叭图标是朗读（这个学术用处不大，但是可供娱乐）如： 选择翻译德语到德语→复制黏贴下列字段到翻译框: pv zk pv pv zk pv zk kz zk pv pv pv zk pv zk zk pzk pzk pvzkpkzvpvzk kkkkkk bsch→点击翻译结果框的“朗读”→可以听到吭哧吭哧的音乐～～ 3）右边第二个图标是显示字词的用法，很好用的～～但是不能在翻译一段话时使用，只能翻译一个词时用，如： 直接从网上找出例句
图像灰度变换增强 摘要：灰度变换是基于点操作的增强方法，它将每一个像素的灰度值按照一定的数学变换公式转换为一个新的灰度值，如增强处理中的对比度增强。对比度增强可以采用线性拉伸和非线性拉伸。线性拉伸可以将原始输入图像中的灰度值不加区别地扩展。如果要求对局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理时，采用分段线性拉伸。非线性拉伸常采用对数扩展和指数扩展。对数扩展拉伸低亮度去，压缩高亮度区；指数扩展拉伸了高亮区，压缩了低亮度区。 关键词：图像增强，灰度变换，线性变换，分段线性变换，非线性变换 一． 概述 影响系统图像清晰程度的因素很多，例如室外光照度不够均匀就会造成图像灰度过于集中；由CCD （摄像头）获得的图像经过A/D （数/模转换，该功能在图像系统中由数字采集卡来实现）转换、线路传送都会产生噪声污染等等。因此图像质量不可避免的降低了，轻者表现为图像不干净，难于看清细节；重者表现为图像模糊不清，连概貌也看不出来。因此，在对图像进行分析之前，必须要对图像质量进行改善，一般情况下改善的方法有两类：图像增强和图像复原。图像增强不考虑图像质量下降的原因，只将图像中感兴趣的特征有选择的突出，而衰减不需要的特征，它的目的主要是提高图像的可懂度。图像复原技术与增强技术不同，它需要了解图像质量下降的原因，首先要建立"降质模型"，再利用该模型，恢复原始图像。 根据图像增强处理过程所在的空间不同，图像增强可分为空余增强法和频域增强法两大类。频域增强是在图像的某种变换域内，对图像的变换系数值进行运算，即作某种修正，然后通过逆变换获得增强了的图像。空域增强则是指直接在图像所在的二维空间进行增强处理，既增强构成图像的像素。空域增强法主要有灰度变换增强，直方图增强，图像平滑和图像锐化等。 图像的灰度变换处理是图像增强处理技术中一种非常基础，直接的空间域图像处理法，也是图像数字化软件和图像显示软件的一个重要组成部分。灰度变换是指根据某种目标条件按一定变换关系逐点改变原图像中每一个像素灰度值的方法。目的是为了改善画质，使图像的显示效果更加清晰。 二． 灰度变换处理 灰度变换的过程可表示为：)],([),(y x f T y x g ，它是指将输入图像中每个像素
计算机视觉和图像理解毕业论文 1.导言 在社会机器人的新兴领域，人类–机器人相互作用通过手势是一个重要的研究课题。人类进行交际的手势中，指向手势的互动与机器人特别有趣。他们开放的直观指示对象和位置的可能性，是特别有用的机器人的命令。指向手势也可结合语音识别指定的口头述和位置参数，还提供了一个明确的输入语音识别时发生歧义。这种类型的一个例子的情况是指向手势引导机器人到一个特定的对象或使用地点。机器人必须能够检测的指向手势和估计目标位置，从而指出，主要的问题出现，有关最近在这一领域的研究视野[1–4,8]。一些最重要的挑战是相关的实时计算，得到的精度和运行在困难的杂乱环境可能遮挡，光照和不同的背景。另一个共同的要求是，指向手势必须认识到，无论规模大小，大指向手势是指进行全臂延伸而小的指向手势只减少前臂和手的运动[ 3,4 ]。 基于这一事实，对于大多数应用程序，它是指目标而不是实际的指向，这是非常重要的，我们制定了一个新的方法，与现有的指向手势识别的方法，也考虑到可能指出目标位置的先验信息。假设的指示语的手势，最常见的类型例如，一个涉及食指指向对象的利益和用户的目光指向同一目标[ 5,6 ] 我们制定我们的方法使用单眼设置高精度跟踪下飞机头部旋转，同时识别手指的手势。这两种输入流被组合在一起推导出指向目标使用的配方是基于Dempster-Shafer理论的证据[7]。一种区别我们的方法来自使用相机基本的方法，多数使用立体声或多摄像机设置。然而，本文的主要容在于基于Dempster-Shafer理论输入端的组合，让该方法在一种或两种输入数据流丢失的情况下能妥善处理（例如手指向的来自遮挡了的可见光）；也就是，使用的输入的信号缺乏，实现了令人印象深刻的结果，这是当代概率融合方法不可能得到的来源[1,8]。此外，本文所提出的制定的信念被分配到设置尖锐的目标而不是个人提出的目标。Dempster的组合规则有助于这些信念相结合，而不需要将他们的个人目标的分别观测指出，假如没有明确的建议。在下面的章节中对相关工作（第2节）和提出的方法（第3节）进行了论述。手指的手势识别的简要讨论在第4节而人脸姿势识别在第5节进行了阐述。人脸姿态和手指的融合，是本文的重点，在第6节进行了分析。在模拟环境下的实验结果及其使用的地面真实数据的结果在第7节。本文的结论与讨论在第8节。 2相关的工作 手势识别的研究近年来受到越来越多的关注，也超越了人类–机器人互动的区域，例如在情感计算和身临其境的游戏技术。第一次尝试解决手势解读导致的机械装置，直接测量手或手臂的关节角度和空间位置，所谓的手套设备[ 9 ]。随着计算机视觉技术及快速处理器可用性的最新研究进展，在基于视觉的非接触式接口增加了可穿戴设备，克服阻碍缓解作用的弊端。最近基于视觉的手势识别技术作了较全面的介绍[ 11 ]而且大部分的努力都集中在手势识别[12,6]以及手语翻译[ 13,14 ]。
学术论文题目的英文翻译方法 题目（title）是论文内容的高度概括，它对读者具有影响力，可使读者首先明确论文研究的主题。其特点是简明扼要，严密朴实，生动醒目，突出主题。为了适应学术论文传播现代化的需要，扩大学术交流，如今国内正式出版的学术期刊和毕业论文一般都要求附有论文的英文题目，有的还需附英文摘要和关键词。 有些作者由于很少进行中译英的实践，常常觉得有些陌生、为难。笔者在此结合自己的工作经验，对论文题目的英译谈几点看法。 1 、论文题目英译应注意的问题 在翻译汉语论文题目时，除了做到忠实原文，言简意赅，还应注意以下几个问题。 1.1抓住中心词。 汉语论文题目的特点是先冠以一大堆修饰语，用作题目的词组通常采用偏正结构，最后点出中心词。而英语中则往往是先突出其中心词，然后附加一些修饰语。因此，在英译论文题目时，首先要找到中心词，并将其放在突出的位置上，然后找出与这中心词有关的词和词组，并用连词或介词连结，使之成为一个短语。例如： （1）翻译教材中译例的编选原则 Principles of Illustrative Examples in Com-piling Translation Textbooks 这个题目的中心词是“原则”,英译时首先将中心词principles译出，属于译例的原则，即principles of Illustrative Examples,然后说明附加语“编写翻译教材中”,即in compiling trans-lation textbooks. （2）法律英语的词语特色 Vocabulary Characteristics of Legal Eng-lish （3）接收信号频率的精确再生 Precise Reproducing of the Frequency ofReceived Signals （4）汉语习语的翻译 C_E Translation of Idioms 1.2力求简明扼要。 许多论文题目常有“… …的研究”、“… …一瞥”、“漫谈… …”、“试论… …”、“浅说… …”、“… …初探”等词，这是作者行文谦逊，也是在科学上留有余地的表现。英译时为了做到言简意赅，往往都可以省略不译。这样，既符合英语题目的惯例，又可使题目更加简洁、醒目。例如： （5）关于鲁迅广州时期的研究
实验二 图像的灰度变换 一、实验目的 1、 理解数字图像处理中点运算的基本作用； 2、 掌握对比度调整与灰度直方图均衡化的方法。 二、实验原理 1、对比度调整 如果原图像f (x , y )的灰度范围是[m , M ]，我们希望对图像的灰度范围进行线性调整，调整后的图像g (x , y )的灰度范围是[n , N ]，那么下述变换： []n m y x f m M n N y x g +---=),(),(就可以实现这一要求。 MATLAB 图像处理工具箱中提供的imadjust 函数，可以实现上述的线性变换对比度调整。imadjust 函数的语法格式为： J = imadjust(I,[low_in high_in], [low_out high_out]) J = imadjust(I, [low_in high_in], [low_out high_out])返回原图像I 经过直方图调整后的新图像J ，[low_in high_in]为原图像中要变换的灰度范围，[low_out high_out]指定了变换后的灰度范围，灰度范围可以用 [ ] 空矩阵表示默认范围，默认值为[0, 1]。 不使用imadjust 函数，利用matlab 语言直接编程也很容易实现灰度图像的对比度调整。但运算的过程中应当注意以下问题，由于我们读出的图像数据一般是uint8型，而在MATLAB 的矩阵运算中要求所有的运算变量为double 型（双精度型）。因此读出的图像数据不能直接进行运算，必须将图像数据转换成双精度型数据。 2、直方图均衡化 直方图均衡化的目的是将原始图像的直方图变为均衡分布的形式，即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密度分布的新图像，从而改善图像的灰度层次。 MATLAB 图像处理工具箱中提供的histeq 函数，可以实现直方图的均衡化。 三、实验内容及要求 1、 用MATLAB 在自建的文件夹中建立example2.m 程序文件。在这个文件的程序中，将girl2.bmp 图像文件读出，显示它的图像及灰度直方图（可以发现其灰度值集中在一段区
一. 实验名称：空间图像增强（一） 一．实验目的 1．熟悉和掌握利用matlab工具进行数字图像的读、写、显示、像素处理等数字图像处理的基本步骤和流程。 2．熟练掌握各种空间域图像增强的基本原理及方法。 3．熟悉通过灰度变换方式进行图像增强的基本原理、方法和实现。 4．熟悉直方图均衡化的基本原理、方法和实现。 二．实验原理 （一）数字图像的灰度变换 灰度变换是图像增强的一种经典而有效的方法。灰度变换的原理是将图像的每一个像素的灰度值通过一个函数，对应到另一个灰度值上去从而实现灰度的变换。常见的灰度变换有线性灰度变换和非线性灰度变换，其中非线性灰度变换包括对数变换和幂律（伽马）变换等。 1、线性灰度变换 1）当图像成像过程曝光不足或过度，或由于成像设备的非线性和图像记录设备动态范围太窄等因素，都会产生对比度不足的弊病，使图像中的细节分辨不清，图像缺少层次。这时，可将灰度范围进行线性的扩展或压缩，这种处理过程被称为图像的线性灰度变换。对灰度图像进行线性灰度变换能将输入图像的灰度值的动态范围按线性关系公式拉伸扩展至指定范围或整个动态范围。 2）令原图像f(x,y)的灰度范围为[a,b]，线性变换后得到图像g(x,y)，其灰度范围为[c,d]，则线性灰度变换公式可表示为
a y x f b y x f a b y x f c c a y x f a b c d d y x g <≤≤>?????+---=),(),(),(, ,]),([,),( (1) 由(1)式可知，对于介于原图像f (x,y )的最大和最小灰度值之间的灰度值，可通过线性变换公式，一一对应到灰度范围[c,d]之间，其斜率为(d-c)/(b-a)；对于小于原图像的最小灰度值或大于原图像的最大灰度值的灰度值，令其分别恒等于变换后的最小和最大灰度值。变换示意图如图1所示。 图1 线性灰度变换示意图 当斜率大于一时，变换后的灰度值范围得到拉伸，图像对比度得到提高；当斜率小于一时，变换后的灰度值范围被压缩，最小与最大灰度值的差变小，图像对比度降低；当斜率等于一时，相当于对图像不做变换。 3）由上述性质可知，线性灰度变换能选择性地加强或降低特定灰度值范围内的对比度，故线性灰度变换同样也可做分段处理：对于有价值的灰度范围，将斜率调整为大于一，用于图像细节；对于不重要的灰度范围，将图像压缩，降低对比度，减轻无用信息的干扰。最常用的分段线性变换的方法是分三段进行线性变换。 在原图像灰度值的最大值和最小值之间设置两个拐点，在拐点处，原图像的灰度值分别为r 1，r 2，该拐点对应的变换后的图像的灰度值分别为s 1，s 2，另外，取原图像灰度的最小值为r 0,最大值为r m ，对应的变换后的灰度值分别为s 0，s m 。
Q260046902 专业做论文 西南科技大学 毕业设计（论文）题目名称：车辆牌照图像识别算法研究与实现
车辆牌照图像识别算法研究与实现 摘要：近年来随着国民经济的蓬勃发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高。因此，汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义。本文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究。对车牌定位，本文采用投影法对车牌进行定位；在字符分割方面，本文使用阈值规则进行字符分割；针对车牌图像中数字字符识别的问题，本文采用了基于BP神经网络的识别方法。在学习并掌握了数字图像处理和模式识别的一些基本原理后，使用VC++6.0软件利用以上原理针对车牌识别任务进行编程。实现了对车牌的定位和车牌中数字字符的识别。 关键词：车牌定位；字符分割；BP神经网络；车牌识别；VC++
Research and Realization of License Plate Recognition Algorithm Abstract:In recent years, with the vigorous development of the national economy，there are more and more construct in the domestic expressway, urban road, and parking area. The requisition on the traffic control, safety management improves day by day. Therefore, license plate recognition technology has the particularly important practical application value in the public security and the traffic control. In the paper, a preliminary research was made on the license location, characters segment and characters recognition of the license plate recognition. On the license location，the projection was used to locate the license plate; On the characters segmentation, the liminal rule was used to divide the characters; In order to solve the problem of the digital characters recognition in the plate, BP nerve network was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition was programmed with VC++ 6.0 using above principles. The license location and the digital characters recognition in the license plate were implemented. Keywords: license location, characters segmentation, BP nerve network, license plate recognition, VC++
成都翻译公司学术论文翻译拨--打【4000-537-407】 精诚翻译公司全网最低5元百字起（市场价格10元，比传统翻译机构低40%左右，互联网+时代，省去中间的环节，价格低于翻译行业任何家翻译机构，5年经验保证，首推先翻译后付费模式，无效免单，免费试译，免费修改，为很多的大型外企和国企翻译过许多专业文件!五周年庆，五折优惠中，可以通过以上方式咨询！ 译题一：With the NBA’s last two MVPs facing each other on Christmas Day,The Race wonders where exactly that honor fits into the pantheon of accomplishments for Los Angeles Lakers star Kobe Bryant,particularly since he is playing at a level that regularly prompts the Staples Center faithful to chant in unison for him.Apparently,winning the award means more to the fans than it does to Bryant.采集者退散 看过几位网友的翻译，觉得总体上看不错，有的译文甚至相当精彩。比如第一段里，把facing each other翻译成“对决”，把The Race wonders翻译成“比赛的悬念”，在此类文章中都十分恰当。但有的理解太流于字面上的意思。比较典型的例子是把Pantheon of accomplishments翻译成“众神之厅”、“最高成就的众神庙”等，显然不妥。我们大家都知道，Pantheon特指“万神殿”——罗马圆形神庙，供奉所有的神。它和NBA显然没有任何联系。而Pantheon 还有一个意思，那就是“(集团、个人、运动、党派等推崇的)英雄人物”。紧随其后的accomplishments则是“成就,完成,技艺”的意思。如果我们的思路朝这个方向发展，这句话是否可以翻译成：“比