java像素级图像处理与识别方法
2008-06-21 19:00
转载，挺不错的文章
朋友要求帮忙做一个图片识别的小程序，因为要用在特定的环境下，所以决定采用java语言实现。首先用matlab实现了识别算法的仿真，因为只是对特定的数字组合的识别，所以非常的简单，放弃采用比较复杂的识别算法，采用最普通的像素比较的识别算法。（如果背景噪声比较复杂，可以考虑先滤波后识别）在写java程序的时候发现一些问题，网上关于图片像素级操作的资料不是太多，有的还不是太正确，特此写出自己的成果与大家分享。
核心类：BufferedImage，ImageIO
ImageIO类提供图象读写接口，可以对URL，InputStream等操作，得到图像信息十分的方便。
ImageIO在.*的包中，属于jdk中的标准类。提供的方法有:
read() 例：BufferedImage imd=(new File(file));
write() 例：(imd, "JPEG", new File("C:\\test"+k+".gif"));
etRGB(j,i);
现在我们得到了像素，可以看出像素是一个一维数组，你如果不习惯可以考虑保存在一个二维的数组中，然后就来实施你的看家算法，什么小波变换，拉普拉斯算子，尽管来吧。怎么样是不是很方便呢什么你好像看不太懂，好给你一些源程序好了，包括像素分解和识别算法。
源代码
/*
* Created on 2005-11-29
*
* TODO To change the template for this generated file go to
* Window - Preferences - Java - Code Style - Code Templates
*/
package .*;
import
import
import .*;
import
import
import .*;
public class MyImage{
?? BufferedImage imd;mp");if"));
=newim[k].getWidth(null);
=newim[k].getHeight(null);
pix=new int[iw*ih];
etRGB(j,i);
?? if(pix[i*(iw)+j]==-1)
??? pix[i*(iw)+j]=0;
?? else pix[i*(iw)+j]=1; ??
?? x[k]=x[k]+pix[i*(iw)+j]; }
}
//得到像匹配的数字。
int r=(pix);
(r);
"x="+x[k]);
}
?? }catch(Exception e){ ??? ();
?? }
return ();
}
//数字模板 0-9
static int[][] value={ ?? //num 0;
?? {0,0,0,0,0,0,0,0,0,0, ??? 0,0,0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0,
0,0,0,0,1,1,0,0,0,0,
0,0,1,1,1,1,1,0,0,0,
0,0,1,1,0,0,1,1,0,0,
0,1,1,0,0,0,0,1,1,0,
0,1,1,0,0,0,0,1,1,0,
0,1,1,0,0,0,0,1,1,0,
0,1,1,0,0,0,0,1,1,0,
0,0,1,1,0,0,1,1,0,0,
0,0,0,1,1,1,1,0,0,0,
0,0,0,0,1,1,0,0,0,0,
0,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0
??? },
?? //num 1
?? {0,0,0,0,0,0,0,0,0,0, ?? 0,0,0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,1,1,0,0,0,
0,0,0,0,1,1,1,0,0,0,
0,0,0,1,1,1,1,0,0,0,
0,0,0,0,0,1,1,0,0,0,
0,0,0,0,0,1,1,0,0,0,
0,0,0,0,0,1,1,0,0,0,
0,0,0,0,0,1,1,0,0,0,
0,0,0,0,0,1,1,0,0,0,
0,0,0,0,0,1,1,0,0,0,
1,1,1,1,1,1,1,1,1,0,
0,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0
},
//num2
,
//num3
,
//num4
,
//num5
,
//num6
,
//num7
,
//num8
,
//num9
};
//图像像素相减取绝对值得到最小熵的结果。public int getMatchNum(int[] pix){
?? int result=-1;
?? int temp=100;
?? int x;
?? for(int k=0;k<=9;k++){
???? x=0;
??? for(int i=0;i
???? x=x+(pix[i]-value[k][i]);
???
??? }
??? /*for(int a=0;a<18;a++){ ???? for(int b=0;b<10;b++){ ????? "-"+value[k][a*10+b]+"|"); ????
???? }
????
???
??? }*/
???
??? if(x
??? {
???? temp=x;
???? result=k;
??? }
???
?? }
?? return result;
}
}
计算机视觉与图像处理、模式识别、机器学习学科之间的关系 在我的理解里，要实现计算机视觉必须有图像处理的帮助，而图像处理倚仗与模式识别的有效运用，而模式识别是人工智能领域的一个重要分支，人工智能与机器学习密不可分。纵观一切关系，发现计算机视觉的应用服务于机器学习。各个环节缺一不可，相辅相成。 计算机视觉（computer vision），用计算机来模拟人的视觉机理获取和处理信息的能力。就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理成为更适合人眼观察或传送给仪器检测的图像。计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。机器视觉需要图象信号，纹理和颜色建模，几何处理和推理，以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起。 图像处理（image processing），用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本内容图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。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。图像处理一般指数字图像处理。 模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类（Supervised Classification）和无监督的分类(Unsupervised Classification)两种。模式还可分成抽象的和具体的两种形式。前者如意识、思想、议论等,属于概念识别研究的范畴,是人工智能的另一研究分支。我们所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。模式识别研究主要集中在两方面,一是研究生物体(包括人)是如何感知对象的，属于认识科学的范畴,二是在给定的任务下,如何用计算机实现模式识别的理论和方法。应用计算机对一组事件或过程进行辨识和分类，所识别的事件或过程可以是文字、声音、图像等具体对象，也可以是状态、程度等抽象对象。这些对象与数字形式的信息相区别，称为模式信息。模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系。它与人工智能、图像处理的研究有交叉关系。 机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。机器学习在人工智能的研究中具有十分重要的地位。一个不具有学习能力的智能系统难以称得上是一个真正的智能系统，但是以往的智能系统都普遍缺少学习的能力。随着人工智能的深入发展，这些局限性表现得愈加突出。正是在这种情形下，机器学习逐渐成为人工智能研究的核心之一。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促进。
目录 引言 (4) 第一章绪论 (5) 1.1.1 计算机图形图像学的发展简史 (5) 1.1.2现有图形图像处理软件 (5) 1.2课题研究的目的及意义 (6) 第二章图形图像处理软件开发技术基础 (7) 2.1 Java Swing 简介 (7) 2.1.1 Swing的特性 (7) 2.1.2 Swing程序包和类 (8) 2.2 MVC体系结构 (9) 2.2.1 模型 (9) 2.2.2 视图 (9) 2.2.3 控制器 (10) 第三章图形图像软件的设计 (11) 3.1图形处理模块的设计 (11) 3.1.1结构设计 (11) 3.1.2功能描述 (11) 3.1.3图形处理模块结构图 (11) 3.1.4主要类设计.................................................................... 错误！未定义书签。 3.2 图像处理模块的设计 (12) 3.2.1结构设计 (12) 3.2.3结构图 (13) 4.1 绘图功能的详细设计与实现 (15) 4.1.1 菜单栏 (15) 4.1.2工具栏 (16) 4.1.3画图区 (16) 4.1.4状态栏 (17) 4.2 图像编辑的详细设计与实现 (18) 4.3滤镜处理的详细设计与实现 (19) 4.3.1 图像增强 (19) 4.3.2图像边缘检测 (21) 4.3.3 图像平滑处理 (23) 4.3.4 系统测试 (24) 结论 (26) 致谢 (27)
图形图像处理软件的设计与实现 摘要：随着计算机技术的迅速发展，图形图图像技术在各个领域的研究和应用日益深入和广泛。由于图形图像各种算法的实现，使得其处理速度越来越快，能更好的为人们服务。图形图像处理的信息量很大，对处理速度的要求也比较高。Java 强大的运算和图像展示功能，使图像处理变得更加的简单和直观。同时系统所有的操作设计得十分简单方便，无需具备有专业的知识，也能实现图像图像处理。 Java是一种完全面向对象的语言，Java语言的设计集中于对象及其接口，它提供了简单的类机制以及动态的接口模型。本文基于Java的图形图像处理环境，设计并实现了以图形图像处理系统，展示如何通过利用Java实现对图形图像的各种处理。 关键词：Java 绘图板图形图像编辑滤镜处理边缘处理
1. 判断题（在题目后面的括号中填入T或F，分别代表正确或错误）。 (1) 灰度直方图是灰度级的函数，描述的是图像中具有该灰度级像素的个数，其纵坐标是灰度级，横坐标是该灰度出现的频率。（ F ） (2) 中值滤波是一种线性滤波，它在实际应用中需要图像的统计特性。（F ） (3) 图像经频域变换后其特点是变换结果能量分布向高频成分方向集中，图像上的边缘、线条等信息在低频成分上得到反映。（ F ） (4) 观察直方图可以看出不适合的数字化。（T ） 2. 单选题（每题只有一个选项是正确的） (1) 锐化（高通）滤波器的作用：A A 能减弱或削除傅立叶空间的低频分量，但不影响高频分量。 B 能减弱或削除傅立叶空间的高频分量，但不影响低频分量。 C 对傅立叶空间的低、高频分量均有减弱或削除作用。 D 对傅立叶空间的低、高频分量均有增强作用。 (2) 下列说法不正确的是 C A 点运算是对一副图像的灰度级进行变换。 B 线性点运算仅能拉伸或压缩直方图，以及使之左移或右移。 C 点运算可以改变图形内的空间关系。 D 点运算以预定的方式改变一幅图像的灰度直方图。 (3) 在所有颜色模型中，最常用于彩色图像的是：D A GMY B YIQ C HSV D HSI (4) 以下说法正确的是：B A 用数学形态学处理一些图像时，膨胀运算会收缩图像，腐蚀运算会扩大图像。 B 用数学形态学处理一些图像时，开运算和闭运算都可以平滑图像的轮廓。 C 在形态算法设计中，结构元的选择非常重要，它可以在几何上比原图像复杂，且 无界。 D 在形态算法设计中，用非凸子集作为结构元也是可以的。 (5) 数字图像的灰度直方图的横坐标表示：A A 灰度级 B 出现这种灰度的概率 C 像素数 D 像素值 (6) 以下说法正确的是 C A 先膨胀后腐蚀的运算称为开运算。 B 先腐蚀后膨胀的运算称为闭运算。 C 细化是将一个曲线型物体细化为一条单像素宽的线，从而图形化的显示出其拓扑 性质。 D 消除连续区域内的小噪声点，可以通过连续多次使用开闭运算。 (7) 下列描述正确的有 D A 只有傅立叶变换才能够完成图像的频率变换。 B 图像经频域变换后，变换结果是能量分布向高频方向集中，图像上的边缘、线条
数字图像处理技术在识别领域的应用 1、定义 数字图像处理是利用计算机对图像进行处理，常用的方法技术有去除噪声、复原、增强、分割、提取特征等。数字图像发展初期，主要应用于提高图片质量，第一次应用该技术是对伦敦和纽约之间海底电缆发送的图片进行改善。图像处理的应用领域涉及到人类生活的方方面面。 2、数字图像处理的优点 数字图像处理应用于人类依靠图像获取外界的信息经过处理，具有如下优点：①重现性能好，数字图像处理在进行传输、存储、复制等处理从而用来服务于生活。 ②数字化处理精度高。 ③数字信号处理技术适用面宽。 ④数字图像处理的灵活性高。 3、主要研究内容 数字图像处理技术是利用计算机图像处理系统对图像进行输入、加工和输出，主要研究的内容包括以下几项：图像变换；图像增强和复原；图像编码压缩；图像分割。 因为数字图像处理技术应用太过广泛，我在这里仅探究它在识别领域的应用，从这里认识数字图像处理技术的方方面面。 4、数字图像处理在识别领域的应用： （一）数字图像处理在指纹识别中的应用 传统的利用密码、证件作为身份识别的方式具有易遗忘、易破解、易丢失、易伪造等特点，已不再符合现代数字社会的需求。指纹，作为人体独一无二的生理特征，虽然只是人体皮肤的一小部分，但是它的纹理复杂度可以提供用于识别的足够特征，具有极高的安全性，并且指纹还具有易获取、无侵犯性、唯一性和不变性等优点，使其成为生物识别技术中的焦点。 为了弥补指纹图像的质量缺陷，保证指纹后处理算法对指纹图像具有足够的鲁棒性，图像增强是十分必要的，采用数字图像处理则可以实现图像的增强。指纹图像增强目的是为了消除噪声，增强脊线和谷线的对比度，将断裂的脊线和谷线连接起来，消除由于噪声、变形等带来的粘连及由于油污等产生的毛刺等，改善图像质量，保证特征信息提取的准确性和可靠性。指纹图像的增强由图像规格化、图像再处理、滤波几个部分组成。
摘要 随着计算机技术的迅速发展，数字图像处理技术在医学领域的研究和应用日益深入和广泛。现代医学已越来越离不开医学图像处理技术。医学图像处理技术在临床诊断、教学科研等方面发挥了重要的作用。计算机图像处理技术与影像技术的结合从根本上改变了医务人员进行诊断的传统方式。充分地利用这些技术可以提高诊断的正确性和准确性，提高诊断效率，降低医疗成本，可以更加充分地发挥各种医疗设备的功能。而且，随着数字化、智能化进程的深人，图像处理技术在医疗卫生领域将会有更加广阔的应用前景。 Java是Sun公司推出的一种面向对象编程语言。Java非常适合于企业网络和Internet 环境，现已成为Internet中最受欢迎、最有影响的编程语言之一。目前国内使用Java语言开发的图像处理系统比较少，这也增加了这方面的研究价值。 本文首先对图像增强和图像分割中的几种算法进行了介绍，包括线性灰度变换，伪彩色处理，平滑处理，中值滤波，阈值分割，边缘检测等。然后用Java语言对上述各算法编程实现，并设计Java GUI（图形用户界面）用来显示图像处理的结果，以及创建一个数据库用于存储医学图像。 关键词：医学图像；图像增强；图像分割；面向对象
Abstract As the computer technique’s quickly development, the image process technique having been more deeply and widely in the use and study of medical science. The modern medical science can not work well without the medical image processing technology; it has made an important use in clinical diagnosis and education study. The combination of the image processing technique and imaging technique has changed the way that traditional diagnosis. Make adequately use of this techniques will be increase accuracy, increase the efficiency of diagnosis, decrease the cost of medical treatment and make the most use of function with medical treatment equipments. Moreover, as the deeply with the arithmetic figure and the intelligence, the image processing technique will have a more wonderful future. Java is a kind of object-oriented programming language from the company of Sun. The Java is becoming a most welcome and influence programming language which suits for the business network and the environment of internet. Currently, use Java language to developed image processing system is not very frequency in our country. So, this is a cause of increasing the value of study. This project introduces some kinds of algorithms in image enhancement and image segmentation. It includes linear grey level transformation, pseudo-color processing, smooth processing, median filter, threshold segmentation, edge detection and so on. Then, use Java to program and realize. And show the result of image processing using Java GUI (Graphical User Interface), as well as create a database to stock medical image. Key Words: medical image; image enhancement; image segmentation; object-oriented
研究生课程考核试卷 （适用于课程论文、提交报告） 科目：数字图像处理教师：黄鸿 姓名：潘世强学号：20110802096 专业：仪器科学与技术类别：（学术）上课时间：2011年10月至2012年01月 考生成绩： 阅卷评语： 阅卷教师(签名) 重庆大学研究生院制
CHONGQING UNIVERSITY 数字图像处理 ——基于内容的图像检索系统 学院：光电工程学院 姓名：潘世强 学号：20110802096 指导教师：黄鸿 时间： 2012年01月08日
基于内容的图像检索系统 摘要：随着多媒体技术的迅速发展，图像数据库也急剧膨胀起来，如何高效、快速地从像资源中获取有用的图像成了信息检索技术研究的热点。 本文主要针对基于内容的图像检索技术（CBIR）做了相关的介绍，对基于图像检索技术中的特征提取技术进行了较为详细的阐述，研究了图像颜色的提取方法，以及图像间相似性度量方法。本文运用的特征值提取方法为颜色直方图的方法，对图像提取颜色特征，并根据这些特征对目标图片与图片库中的图片进行了相似度排序，最后运用Matlab软件对上述方法进行验证，得到图像检索结果，从而实现基于内容的图像检索。 关键词：直方图HIS彩色空间基于内容图像检索 1．引言 图像是对客观对象的一种相似性的、生动性的描述或写真。或者说图像是客观对象的一种表示，它包含了被描述对象的有关信息。它是人们最主要的信息源。据统计，一个人获取的信息大约有75%来自视觉。俗话说“百闻不如一见”，“一目了然”，都反映了图像在信息传递中的独特效果。所谓基于图像内容检索，即从图像库中查找含有特定目标的图像，也包括从连续的视频图像中检索含有特定目标的视频片段。它区别于传统的图像检索手段，融合了图像理解技术，从而可以提供更有效的检索手段。 本文主要针对基于内容的图像检索技术中的特征提取方法展开论述，简要地介绍了近年来基于内容的图像检索中颜色、纹理、形状及语义特征的描述方法，并对颜色特征的描述方法以及特征相似性做了详细的论述。
import com.sun.media.jai.widget.DisplayJAI; import java.awt.GridLayout; import javax.media.jai.JAI; import javax.media.jai.PlanarImage; import javax.swing.BorderFactory; import javax.swing.JScrollPane; import javax.swing.border.TitledBorder; /* * PieceWise.java * 版权所有- 贺向前 * 邮件：hexiangqian@https://www.doczj.com/doc/f217262916.html, * QQ: 910019784 * 未经授权，不得复制、传播。 */ /** * * @author Administrator */ public class PieceWise extends javax.swing.JFrame { /** Creates new form PieceWise */ public PieceWise() { initComponents(); setTitle("分段线性拉伸"); setLayout(new GridLayout(2,2)); } private PlanarImage loadImage(String fileName){ PlanarImage im=JAI.create("fileload",fileName); return im; } private void showImage(PlanarImage im,String str){ DisplayJAI dj=new DisplayJAI(im); JScrollPane jp=new JScrollPane(dj); TitledBorder titledBorder=BorderFactory.createTitledBorder(str); jp.setBorder(titledBorder); add(jp); } /** This method is called from within the constructor to * initialize the form. * WARNING: Do NOT modify this code. The content of this method is
第十一章图形图像处理 在前边的章节的图形用户界面的处理中，已经看到了图像的应用。本章将简要介绍如何在用户屏幕上绘制图形以及如何显示图像。 图形 在前边我们已经介绍了用户屏幕和容器的概念，也看到了如何在容器中添加组件。一般来说，在用户屏幕上绘制图形其实就是在容器组件上绘制图形。因此需要注意以下两点：1）组件中的坐标系统 容器组件的坐标系统类似于屏幕的坐标系统，坐标原点（0，0）在容器的左上角，正x 轴方向水平自左向右，正y轴方向垂直自上向下。 在java中，不同的图形输出设备拥有自己的设备坐标系统，该系统具有与默认用户坐标系统相同的方向。坐标单位取决于设备，比如，显示的分辨率不同，设备坐标系统就不同。一般来说，在显示屏幕上的计量单位是像素（每英寸大约90个像素），在打印机上是点（每英寸大约600个点）。Java系统自动将用户坐标转换成输出设备专有的设备坐标系统。 2）图形环境（graphics context） 由于在组件上绘制图形使用的用户坐标系统被封装在Graphics2D类的对象中，所以Graphics2D被称之为图形环境。它提供了丰富的绘图方法，包括绘制直线、矩形、圆、多边形等。 下边我们先介绍与绘制图形相关的类，再介绍绘制图形的方法和步骤。 11.1.1 绘制图形的类 与绘制图形有关的类的层次结构如下： |- | |- |-
Graphics 类是所有图形类的抽象基类，它允许应用程序可以在组件（已经在各种设备上实现）上进行图形图像的绘制。Graphics 对象封装了 Java 支持的基本绘制操作所需的状态信息，其中包括组件对象、绘制和剪贴坐标的转换原点、当前剪贴区、当前颜色、当前字体、当前的逻辑像素操作方法（XOR 或 Paint）等等。 Graphics2D类是从早期版本（）中定义设备环境的Graphics类派生而来的，它提供了对几何形状、坐标转换、颜色管理和文本布局更为复杂的控制。它是用于在Java(tm)平台上绘制二维图形、文本和图像的基础类。 GraphicsDevice类定义了屏幕和打印机这类可用于绘制图形的设备。 GraphicsEnvironment类定义了所有可使用的图形设备和字体设备。 GraphicsConfiguration类定义了屏幕或打印机这类设备的特征。在图形绘制过程中，每个 Graphics2D 对象都与一个定义了绘制位置的目标相关联。GraphicsConfiguration 对象定义绘制目标的特征（如像素格式和分辨率等）。在Graphics2D对象的整个生命周期中都使用相同的绘制标准。 Griphics和Graphics2D类都是抽象类，我们无法直接创建这两个类的对象，表示图形环境的对象完全取决于与之相关的组件，因此获得图形环境总是与特定的组件相关。 创建Graphics2D 对象时，GraphicsConfiguration 将为Graphics2D 的目标(Component 或 Image）指定默认转换，所有 Graphics2D 方法都采用用户空间坐标。 一般来说，图形的绘制过程分为四个阶段：确定绘制内容、在指定的区域绘制、确定绘制的颜色、将颜色应用于绘图面。有三种绘制操作：几何图形、文本和图像。 绘制过程中，Graphics2D对象的6个重要属性如下： Paint 颜料属性决定线条绘制的颜色。它也定义填充图形的颜色和模式，系统默认的颜料属性是组件的颜色。 Font 字体属性定义了绘制文本时所使用的字体，系统默认的字体是组件的字体设置。 Stroke 画笔属性确定线型，如实线、虚线或点划线等。该属性也决定线段端点的形状。系统默认的画笔是方形画笔，绘制线宽为1的实线，线的末端为方形，斜角线段接口为45度斜面。 Transform 转换属性定义渲染过程中应用的转换方法。可以使绘制的图形平移、旋转和
上海交通大学图象处理与模式识别专业 考研 本学科创建于80年代初，是国内首批有权授予硕士学位、博士学位并设有博士后流动站的重点学科，也是国家“211工程”资助学科。1998年该学科改名为模式识别与智能系统。本学科点的创建人是我国著名图像处理和模式识别专家、美国匹兹堡大学访问学者李介谷教授。他的研究方向是模式识别和计算机视觉。 本学科依托图象处理与模式识别研究所，主要从事数字图象（图形）分析、文本信息处理、模式识别、机器视觉、自然语言理解、智能技术和系统等信息技术领域中前沿性的应用基础研究，具有基于数字信号处理器的硬件开发工具和网络环境下的工作站，个人机及专用的图象输入输出设备。包括序列图像分析，三维图像重构理论及应用，远程医疗和诊断；模式识别和计算机视觉是该学科的一个研究特色，已取得重大研究成果的项目有动态目标识别，字符和人脸识别，机器人视觉；计算机图形学和虚拟现实，多媒体技术和计算可视化；智能中文信息处理，中（英）文全文检索，基于内容的网上检索；人工智能和智能系统，主要从事人工神经网理论及应用，机器学习和推理、智能交通指挥系统等。目前正在进行的科研项目有国家高科技863项目，国家自然科学基金，国家教委博士点科研基金项目。省、部、市重大科技开发和国际合作项目。 模式识别和智能系统学科拥有设备先进的图像工程实验室。1978年恢复招收研究生来，已培养硕士、博士生216名，主要在国内外大学、科研机构和高新技术产业从事教学、科研及高新技术的开发研究工作。该学科有广泛的国际合作和交流，招收国内外访问学者和国外留学生。本学科所从事的研究项目曾多次荣获过国家科技进步一等奖、省部级的奖励，并有着广泛的国际合作和交流。 研究方向 a.数字图象处理 b.计算机模式识别 c.计算机图形学与CAD技术 d.人工智能与专家系统 e.计算机视觉 f.语音识别及机器翻译 g.人工神经网络 h.虚拟现实 i.算法理论与分析 j.网络信息处理 k.文本信息处理 l.网上三维图象重建 m.城市交通监控与管理系统 n.生物信息特征识别 o.网络信息智能处理 p.自然语言理解与人机界面 q.成像光谱技术与遥感 r.三维空间信息处理与分析 s.多媒体与网络信息智能处理 t.智能理论与系统。 本学科依托图象处理与模式识别研究所，主要从事数字图象（图形）分析、文本信息处理、模式识别、机器视觉、自然语言理解、智能技术和系统等信息技术领域中前沿性的应用基础研究，具有基于数字信号处理器的硬件开发工具和网络环境下的工作站，个人机及专用的图象输入输出设备。包括序列图像分析，三维图像重构理论及应用，远程医疗和诊断；模式识别和计算机视觉是该学科的一个研究特色，已取得重大研究成果的项目有动态目标识别，字符和人脸识别，机器人视觉；计算机图形学和虚拟现实，多媒体技术和计算可视化；
树叶分类数字图像处理 在树叶识别中的应用 TTA standardization office【TTA 5AB- TTAK 08- TTA 2C】
数字图像处理研究报告 数字图像处理在树叶识别中的应用 侯杰：土木系 侯晓鹏：林科院 苏东川：航院 张伟：精仪 指导教师：马慧敏教授 日期：数字图像处理在树叶识别中的应用 一、课题意义及背景 1 课题背景 植物的识别与分类对于区分植物种类，探索植物间的亲缘关系，阐明植物 系统的进化规律具有重要意义。因此植物分类学是植物科学乃至整个生命科学 的基础学科。然而，由于学科发展和社会等原因，全世界范围内目前从事经典 分类（即传统的形态分类）的人数急剧下降，且呈现出明显的老龄化趋势，后 继乏人，分类学已经成为一个“濒危学科”(Buyck,1999)。这不仅对于植物分类学 本身，而且对整个植物科学和国民经济的发展带来重大的不利影响。目前植物 识别和分类主要由人工完成。然而地球上仅为人所知的有花植物就有大约25万 种，面对如此庞大的植物世界，任何一个植物学家都不可能知道所有的物种和 名称，这就给进一步的研究带来了困难。在信息化的今天，我们提出的一种解
决方案是：建立计算机化的植物识别系统，即利用计算机及相关技术对植物进行识别和管理[1]。 2 课题意义[2-3] （1）人工进行植物叶形的分类难度很大。这种传统的判别方法要求操作者具有丰富的分类学知识和长期的实践经验,才能开展工作。要做到准确和快速地识别手中的植物是非常困难。并且相应人才极为短缺。 （2）仅为人所知的有花植物就有大约25万种，面对如此庞大的植物世界，任何一个植物学家都不可能知道所有的物种和名称。建立植物识别系统和数据库十分必要。 （3）植物学研究人员在野外考察时, 时常需要获取植物叶片面积等参数。（4）叶子面积大小对植物的生长发育、作物产量以及栽培管理都具有十分重要的意义。 因此，基于计算机图像处理识别技术的树叶图像识别技术对于植物学，农业科学等都具有重大意义。 二、相关理论综述 1 图像预处理 （1）边缘检测[4] 图像的边缘是指图像局部亮度变化最显着的部分，即在灰度级上发生急剧变化的区域。从空域角度看，二维图像上的边缘相邻像素灰度从某一个值跳变
java像素级图像处理与识别方法 2008-06-21 19:00 转载，挺不错的文章 朋友要求帮忙做一个图片识别的小程序，因为要用在特定的环境下，所以决定采用java语言实现。首先用matlab实现了识别算法的仿真，因为只是对特定的数字组合的识别，所以非常的简单，放弃采用比较复杂的识别算法，采用最普通的像素比较的识别算法。（如果背景噪声比较复杂，可以考虑先滤波后识别）在写java程序的时候发现一些问题，网上关于图片像素级操作的资料不是太多，有的还不是太正确，特此写出自己的成果与大家分享。 核心类：BufferedImage，ImageIO ImageIO类提供图象读写接口，可以对URL，InputStream等操作，得到图像信息十分的方便。 ImageIO在.*的包中，属于jdk中的标准类。提供的方法有: read() 例：BufferedImage imd=(new File(file)); write() 例：(imd, "JPEG", new File("C:\\test"+k+".gif")); etRGB(j,i); 现在我们得到了像素，可以看出像素是一个一维数组，你如果不习惯可以考虑保存在一个二维的数组中，然后就来实施你的看家算法，什么小波变换，拉普拉斯算子，尽管来吧。怎么样是不是很方便呢什么你好像看不太懂，好给你一些源程序好了，包括像素分解和识别算法。 源代码 /* * Created on 2005-11-29 * * TODO To change the template for this generated file go to * Window - Preferences - Java - Code Style - Code Templates */ package .*;
××大学2013-2014学年第二学期课程考核 《图像处理》综合设计报告 基于数字图像处理技术的答题卡识别方法 学号 姓名 班级 日期 本人郑重声明：本人认真、独立完成了查找资料、编写程序、撰写报告等考核任务。 签字： 日期：
摘要 背景： 随着科技的发展，电子与计算机技术的进步，答题卡的出现大大减轻教学工作者们批改试卷的工作量。答题卡是光标阅读机输入信息的载体，是配套光标阅读机的各种信息录入表格的总称。答题卡将用户需要的信息转化为可选择的选项，供用户涂写。OMR是用光学扫描的方法来识别按一定格式印刷或书写的标记，并将其转换为计算机能接受的电信号的设备，并根据信息点的涂与未涂和格式文件设置将信息还原。因此，如何将答题卡填涂的黑色区域识别出来并使用计算机进行处理是极为关键的。本论文探索了有效识别答题卡的方法，以matlab为工具，基于数字图像处理技术对答题卡填涂区域进行了识别，并对识别的结果进行了处理，得到了结果。本论文利用Hough 变换的直线检测技术检测图像的倾斜度，判断图像是否倾斜，对存在倾斜的图像进行旋转校正。最终实现答题卡答案的定位和检测。论文使用像素统计方法进行识别，利用黑白颜色灰度值的巨大差异对二值图像的灰度值进行累加并进行阈值判定，识别错误效率极低，能够准确的识别答题卡的涂卡标记。 关键词：Hough变换，答题卡识别，matlab，
一、设计任务、目的和要求 本设计以matlab为工具利用数字图像处理技术对答题卡进行了识别，并对识别结果进行了处理。注意到答题卡在采集图像的过程中由于各种原因可能会产生图像倾斜、水平或垂直错位，要进行正确识别首先必须对其进行校正，再依据像素检索技术进行识别。 二、总体方案设计 说明系统运行环境，编程软件平台，编码算法原理，算法流程图设计 本系统运行在当今主流的Windows7系统，使用较新的MATLAB2012b进行设计。在进行旋转校正时，先使用Hough变换检测出答题卡边缘直线，调用lines函数的参数得到倾斜角度并进行旋转变换从而消除答题卡倾斜状态。将扫描部分分为7个扫描区域，分别使用像素检索技术，对各个检索区域内的灰度值进行累加，并对累加和进行阈值判定，从而得出检索区域颜色，完成判定。最后再与标准答案进行比对，得出成绩。 流程图：
西安邮电大学 （计算机学院） 课内实验报告 实验名称：图形用户界面 专业名称：计算机科学与技术 班级：计科1405班 学生姓名：高宏伟 学号：04141152 指导教师：刘霞林 实验日期：一、实验目的 了解图形用户界面基本组件窗口、按钮、文本框、选择框、滚动条等的使用方法，了解如何使用布局管理器对组件进行管理，以及如何使用Java 的事件处理机制。 二、实验要求 1. 掌握使用布局管理器对组件进行管理的方法。
2. 理解Java 的事件处理机制，掌握为不同组件编写事件处理程序的方法。 3. 掌握编写独立运行的窗口界面的方法。 4. 掌握组件的使用方法。 5. 了解对话框的使用方法。 三、实验内容 （一）算术测试。 实验要求： 编写一个算术测试小软件，用来训练小学生的算术能力。程序由3个类组成，其中Teacher类对象负责给出算术题目，并判断回答者的答案是否正确； ComputerFrame类对象负责为算术题目提供视图，比如用户可以通过 ComputerFrame类对象提供的GUI界面看到题目，并通过该GUI界面给出题目的答 案；MainClass是软件的主类。 程序模板： public class Teacher { int numberOne,numberTwo; String operator=""; boolean right; public int giveNumberOne(int n) { numberOne=(int)()*n)+1; return numberOne; } public int giveNumberT wo(int n) { numberTwo=(int)()*n)+1; return numberTwo; } public String giveOperator() { double d=(); if(d>= operator="+"; else operator="-"; return operator; } public boolean getRight(int answer) { if("+")) { if(answer==numberOne+numberTwo) right=true; else right=false; }
图像处理与模式识别 实验手册 统计与计算科学系 2012年2月
实验一Matlab图像处理工具箱 实验目的与要求： 1. 回顾Matlab开发环境； 2. 初步熟悉Matlab图像处理工具箱函数。 作业： 在6.28.22:22/download/图像素材下载图像，熟悉图像工具箱中各命令并能完成matlab的基本编程。 实验二BMP位图的读写 实验目的与要求： 1. 初步熟悉VC＋＋6.0开发环境； 2. 了解VC＋＋6.0环境下BMP图像的读写过程，进而了 解BMP图像的文件结构。 作业： 在 6.28.22:22/download/图像素材下载图像，在VC＋＋6.0中读入BMP图像，熟悉其全部过程，将上面读入的图像进行反色等常用图像处理操作后保存。 实验三图像的几何变换 实验目的与要求：
1. 熟悉Matlab图像处理工具箱中有关几何变换的函数； 2. 通过具体的应用实例进一步理解和熟悉图像的几何变换。 作业： 在6.28.22:22/download/图像素材下载图像，自己编写算法完成图像的平移、旋转、放大和缩小，并与图像工具箱命令结果作比较。 实验四图像的频域变换 实验目的与要求： 1. 通过实例熟悉和理解图像的傅立叶变换和逆变换； 2. 通过实例熟悉和理解图像的离散余弦变换和逆变换。 作业： 在6.28.22:22/download/图像素材下载图像，自己编写算法完成图像的Fourier变换、反变换快速、Fourier变换和其他可分离变换算法，并与图像工具箱命令结果作比较。 1237a63231126edb6f1a103a.html 实验五图像增强与平滑 实验目的与要求： 1. 熟悉图像的直方图，了解图像的直方图均衡化；
目录 第一章绪论 (2) 1.1 研究背景 (2) 1.2 人脸图像识别的应用前景 (3) 1.3 本文研究的问题 (4) 1.4 识别系统构成 (4) 1.5 论文的内容及组织 (5) 第二章图像处理的Matlab实现 (6) 2.1 Matlab简介 (6) 2.2 数字图像处理及过程 (6) 2.2.1图像处理的基本操作 (6) 2.2.2图像类型的转换 (7) 2.2.3图像增强 (7) 2.2.4边缘检测 (8) 2.3图像处理功能的Matlab实现实例 (8) 2.4 本章小结 (11) 第三章人脸图像识别计算机系统 (11) 3.1 引言 (11) 3.2系统基本机构 (12) 3.3 人脸检测定位算法 (13) 3.4 人脸图像的预处理 (18) 3.4.1 仿真系统中实现的人脸图像预处理方法 (19) 第四章基于直方图的人脸识别实现 (21) 4.1识别理论 (21) 4.2 人脸识别的matlab实现 (21) 4.3 本章小结 (22) 第五章总结 (22) 致谢 (23) 参考文献 (24) 附录 (25)
第一章绪论 本章提出了本文的研究背景及应用前景。首先阐述了人脸图像识别意义；然后介绍了人脸图像识别研究中存在的问题；接着介绍了自动人脸识别系统的一般框架构成；最后简要地介绍了本文的主要工作和章节结构。 1.1 研究背景 自70年代以来.随着人工智能技术的兴起.以及人类视觉研究的进展.人们逐渐对人脸图像的机器识别投入很大的热情，并形成了一个人脸图像识别研究领域，.这一领域除了它的重大理论价值外，也极具实用价值。 在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人类一样的思考能力，以及识别事物、处理事物的能力，因此从解剖学、心理学、行为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机制，并努力将这些机制用于实践，如各种智能机器人的研制。人脸图像的机器识别研究就是在这种背景下兴起的，因为人们发现许多对于人类而言可以轻易做到的事情，而让机器来实现却很难，如人脸图像的识别，语音识别，自然语言理解等。如果能够开发出具有像人类一样的机器识别机制，就能够逐步地了解人类是如何存储信息，并进行处理的，从而最终了解人类的思维机制。 同时，进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。现在己有实用的计算机自动指纹识别系统面世，并在安检等部门得到应用，但还没有通用成熟的人脸自动识别系统出现。人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性，因为它取样方便，可以不接触目标就进行识别，从而开发研究的实际意义更大。并且与指纹图像不同的是，人脸图像受很多因素的干扰:人脸表情的多样性;以及外在的成像过程中的光照，图像尺寸，旋转，姿势变化等。使得同一个人，
武汉理工大学 模式识别及其在图像处理中的应用 学院（系）：自动化学院 课程名称：模式识别原理 专业班级：控制科学与工程1603班 任课教师：张素文 学生姓名：王红刚 2017年1月3日
模式识别及其在图像处理中的应用 摘要:随着计算机和人工智能技术的发展,模式识别在图像处理中的应用日益广泛。综述了模式识别在图像处理中特征提取、主要的识别方法(统计决策法、句法识别、模糊识别、神经网络)及其存在的问题, 并且对近年来模式识别的新进展———支持向量机与仿生模式识别做了分析和总结, 最后讨论了模式识别亟待解决的问题并对其发展进行了展望。 关键词:模式识别;图像处理;特征提取;识别方法 Pattern Recognition and Its Application in Image Processing Abstract:With the development of computer and artificial intelli-gence , pattern recognition is w idely used in the image processing in-creasingly .T he feature extraction and the main methods of pattern recognition in the image processing , w hich include statistical deci-sion, structural method , fuzzy method , artificial neural netw ork aresummarized.T he support vector and bionic pattern recognition w hich are the new developments of the pattern recognition are also analyzed .At last, the problems to be solved and development trends are discussed. Key words:pattern recognition ;image processing ;feature extrac-tion;recognition methods
数字图像处理知识点总结 第一章导论 1.图像：对客观对象的一种相似性的生动性的描述或写真。 2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段）， 按空间坐标和亮度的连续性（模拟和数字）。 3.图像处理：对图像进行一系列操作，以到达预期目的的技术。 4.图像处理三个层次：狭义图像处理、图像分析和图像理解。 5.图像处理五个模块：采集、显示、存储、通信、处理和分析。 第二章数字图像处理的基本概念 6.模拟图像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0
相关主题
文本预览