图像增强综述
XXX
（长沙理工大学电路与系统学号：0000000000）
摘要：本文介绍了数字图像增强的国内外应用状况，对图像增强的目的与意义进行了阐述，对图像增强的两种主要算法做了简单介绍，介绍了图像增强在航空航天、生物医学、工业生
产、公共安全等领域的应用情况。
关键字：图像增强；空间域；频率域；算法
An Overview of Image Enhancement
Abstract:This paper introduces the application state of digital image enhancement at home and abroad,the purpose of image enhancement and significance of image enhancement are described,the two main algorithm of image enhancement are introduced in brief,introduces the application of image enhancement in aerospace, biological medicine, industrial production, public security and other areas.
Keywords:image enhancement;spatial domain;frequency domain;algorithm
1 图像增强技术的国内外发展现状
20世纪20年代图片第一次通过海底电缆从伦敦传往纽约。当时人们通过字符模拟得到中间色调的方法来还原图像。早期的图像增强技术往往涉及硬件参数的设置，如打印过程的选择和亮度等级的分布等问题[1-3]。到20世纪60年代早期第一台可以执行数字图像处理任务的大型计算机制造出来了，这标志着利用计算机技术处理数字图像时代的到来。20世纪60年代末和20世纪70年代初有学者开始将图像增强技术用于医学图像、地球遥感监测和天文学等领域。20世纪70年代Godfrey N. Hounsfield 先生和Allan M. Cormack教授共同发明计算机轴向断层技术。到了20世纪80年代以后，各种硬件的发展使得人们不仅能够处理二维图像，而且开始处理三维图像。许多能获得三维图像的设备和分析处理三维图像的系统已经研制成功了，图像处理技术得到了广泛的应用。进入20世纪90年代，图像增强技术已经逐步涉及人类生活和社会发展的各个方面。
在借鉴国外相对成熟理论体系和技术应用体系的条件下，国内的增强技术和应用也有了很大的发展。总体来说，图像增强技术的发展大致经历了初创期、发展期、普及期和应用期4个阶段。初创期开始于20世纪60年代，当时的图像采用像素型光栅进行扫描显示，大多采用中、大型机对其进行处理。20世纪70年代进入了发展期，开始大量采用中、大型机进行处理，图像处理也逐渐改用光栅扫描显示方式，特别是
出现了CT和卫星遥感图像，对图像增强处理提出了一个更高的要求。到了20世纪80年代，图像增强技术进入普及期，此时的计算机已经能够承担起图形图像处理的任务。20世纪90年代进入了应用期，数字图像增强技术在生物医学工程、工业、农业、工程、公共安全等领域，得到了广泛的应用。
2 图像增强的目的与意义
人类传递信息的主要媒介是语言和图像。据统计在人类接受的各种信息中视觉信息占80%，所以图像信息是十分重要的信息传递媒体和方式。图像传递系统包括图像采集、图像压缩、图像编码、图像存储、图像通信、图像显示这六个部分。但在实际应用中每个部分都有可能导致图像的品质变差，使图像传递的信息无法被正常读取和识别，因此研究图像增强技术具有非常重要的实现意义[2]。
图像增强是图像处理的基本内容之一。图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息的处理方法。其主要目的是使处理后的图像对某种特定的应用，比原始图像更适合，处理的结果使图像更适合于人的视觉特性或机器的识别系统。图像增强可归纳为两方面: (l)消除噪声;(2)边缘增强和结构信息的保护。
3 图像增强的算法介绍
由于图像增强技术现在还没有通用的算法，因此图像增强技术根据各种不同目的而产生了多种算法，最常用的即“空间域方法”和“频率域方法”[1-4]。随着数学各分支在理论和应用上的逐步深入，使得数学形态学、模糊数学、遗传算法、小波理论等在图像增强技术中的应用取得了很大进展，产生了不少新的算法。如数学形态滤波器，基于模糊数学的滤波方法，基于遗传算法的滤波方法，小波滤波器等。本文只介绍空间域与频域法。
3.1 空间域法
空间域增强是指在图像所在的二维空间进行增强处理，即增强构成图像的像素。空间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[5]。
3.1.1 灰度变换增强
灰度变换可调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。它是将原图中的灰度f(x,y)经过一个变换函数g=T[f] 转化成一个新的灰度g(x,y)即：
g(x,y)=T[f(x,y)]
灰度变换可使灰度动态范围加大，根据变换函数的形式，灰度变换分为线性变换，分段性变换和非线性变换。
图1 线性变换示意图
采用线性变换对图像每一个像素灰度作线性拉伸，可有效地改善图像视觉效果。令图像f (i,j)的灰度范围为[a,b]，线性变换后图像g (i,j)的范围为[a′,b′]，如图1所示，g (i,j)与f (i,j)之间的关系式为：
g(i,j)='a +)),((''a j i f a
b a b --- 为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。图2为分段线性的示意图，设原图像f(x,y)在[0，Mf],感兴趣目标的灰度范围在[a,b],欲使其灰度范围拉伸到[c,d],则对应的分段线性变换表达式为：
图2分段线性的示意图
当用某些非线性函数如对数函数、指数函数等，作为映射函数时，可实现图像灰度的非线性变换。
3.1.2直方图增强
灰度直方图反映了数字图像中每一灰度级与其出现频率间的关系,它能描述该图像的概貌。通过修改直方图的方法增强图像是一种实用而有效的处理技术。直方图修正法包括直方
图均衡化及直方图规定化两类。
为了改善图像质量，可以对灰度分布进行变换改变，其中一种方法称为直方图均衡化处理。直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。假定变换函数为：
s=T(r)=d P r
r
ωω)(0
? 式中ω是积分变量，而T(r)就是r 的累积分布函数。这里，累积分布函数是r 的函数，并且单调地从0增加到1，所以这个变换函数满足T(r)在0≤r≤1内单值单调增加。可以证明，用r 的累积分布函数作为变换函数可产生一幅灰度级分布具有均匀概率密度的图像。其结果扩展了像素取值的动态范围。通常把为得到均匀直方图的图像增强技术叫做直方图均衡化处理或直方图线性化处理。
在某些情况下，人们并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。直方图规定化方法就是针对上述思想提出来的。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法,其基本思想。直方图规定化是在运用均衡化原理的基础上,通过建立原始图像和期望图像之间的关系,选择地控制直方图,使原始图像的直方图变成规定的形状,从而弥补了直方图均衡化不具备交互作用的特性人们希望增强后的图像,其灰度级的分布不是均匀的，而是具有规定形状的直方图,这样可突出感兴趣的灰度范围。令Pr(r)和 Pz(z) 分别为原始图像和期望图像的灰度概率函数，对两者均作直方图均衡化处理，应有：
S=T(r)=d P r r
r
r )(0
? Z=G -1(V)
V=G(Z)= d P Z Z Z Z )(0?
式子表明可以由均衡化后的灰度变量v 获得期望图像的灰度变量z ,这就意味着可以由原始图像均衡化后的图像灰度值来计算期望图像的灰度值。因为对原始图像和期望图像都进行了均衡化处理, 所以Ps( s) 和Pv( v) 具有相同的概率密度,直方图规定化处理后的新图像将具有事先规定的概率密度Pz( z) ,从而达到预期处理效果。
3.1.3 图像平滑
一幅原始图像在获取和传愉过程中会受到各种噪声的干扰, 使图像质量下降,时分析图像不利。这些噪声干扰使图像退化, 质量下降。表现为图像模糊, 特征淹没, 对图像分析不利为了抑制噪声、改善图像质童, 要时图像进行平滑处理。
在空间域平滑滤波有很多种算法, 其中最常见的有线性平滑、非线性平滑、自适应平滑。
（1）线性平滑就是对每一个像素的灰度值用它的邻域值来代替, 其邻域的大小为N×N,
N一般取奇数。经过线性平滑滤波, 相当于图像经过了一个二维的低通滤波器, 可是虽然是降低了噪声, 但同时也模糊了图像边缘和细节, 这是这类滤波器存在的通病。
（2）非线性平滑是对线性平滑的一种改进, 即不对所有像素都用它的邻域平均值来代替, 而是取一个闭值, 当像素灰度值与其邻域平均值之间的差值大于已知值时才以均值代替当像素灰度值与其邻域平均值之间的差值不大于闭值时取其本身的灰度值。非线性平滑可消除一些孤立的噪声点, 对图像的细节影响不大, 但对物体的边缘会带来一定的失真。
（3）自适应平滑是一种根据当时、当地情况来尽量不模糊边缘轮廓为目标进行控制的方法, 所以这种算法要有一个适应的目标。根据目的的不同, 可以有各种各样的自适应图像处理方法。
3.1.4 图像锐化
图像锐化(image sharpening)就是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰。
图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算）就可以使图像变的清晰。
3.2 频率域法
频率域增强是利用图像变换方法将原来的图像空间中的图像以某种形式转换到其它空间中，然后利用该空间的特有性质方便地进行图像处理，最后再转换回原来的图像空间中，从而得到处理后的图像。例如,先对图像进行傅里叶变化到频域，再对图像的频谱进行某种滤波修正，最后将修正后的图像进行傅里叶反变化到空域，以此增强图像。可用图3来描述该过程。
图3 频域处理流程
图中f(x,y)为原始图像，F(u,v)为变换到频域的图像，G(u,v)为修正后的图像，g(x,y)为逆变换到空间域的图像，修正函数H(U,V)为滤波器函数。根据不同的应用场合，所采用的滤波函数H(U,V)也有所不同。
图像在传递过程中，由于随机噪声主要集中在高频部分，为去除噪声改善图像质量，采用低通滤波器函数H(u,v)来抑制或减弱高频成分，通过低频成分，然后再进行逆变换获得滤波图像，就可达到平滑图像的目的。常见的频率域低通滤波器有：理想低通滤波器、巴特沃斯（Butterworth）低通滤波器、指数低通滤波器、梯形低通滤波器。
图像的边缘、细节主要位于高频部分，而图像的模糊是由于高频成分比较弱产生的。采用高通滤波器可以对图像进行锐化处理，是为了消除模糊，突出边缘。因此采用高通滤波器
让高频成分通过，使低频成分削弱，再经逆变换得到边缘锐化的图像。常见的频率域高通滤波器有：理想高通滤波器、巴特沃斯（Butterworth）高通滤波器、指数高滤波器、梯形高滤波器。
在某些情况下，信号或图像中的有用成分和希望除掉的的成分主要分别出现在频谱的不同频段，这时允许或阻止特定频段通过的滤波函数就非常有用。例如遥感图像传送到地面时，常有网状干扰信号，这种干扰信号用频谱分析的观点看是原图像和另一干扰图像的叠加。若在频率域中设法把这些频带去掉或者阻挡掉，再逆变换到空间域，就可以把空域网络图像干扰去掉。这就叫带阻滤波器。与带阻滤波器相反的是带通滤波器。
4 图像增强技术的应用概况
数字图像处理发展到今天，已迅速发展成一门独立的有强大生命力的学科，图像增强技术已逐步涉及人类生活和社会生产的各个方面，下面我们仅就几个方面的应用举些例子。
4.1 航空航天领域的应用
早在60年代初期，第3代计算机的研制成功和快速傅里叶变换的提出，使图像增强技术可以在计算机上实现。1964美国喷气推进实验室(JPL)的科研人员使用
IBM7094计算机以及其它设备，采用集合校正、灰度变换、去噪声、傅里叶变换以及二维线性滤波等方法对航天探测器“徘徊者7号”发回的几千张月球照片成功的进行了处理。随后他们又对“徘徊者8号”和“水手号”发回地球的几万张照片进行了较为复杂地数字图像处理，使图像质量得到进一步的提高，从此图像增强技术进入了航空航天邻域的研究与应用。同时图像增强技术的发展也推动了硬件设备的提高，比如1983
年LANDSAT-4的分辨率为30m，而如今发射的卫星分辨率可达到3-5m的范围内。图像采集设备性能的提高，使采集图像的质量和数据的准确性和清晰度得到了极大地提高。
4.2 生物医学领域的应用
图像增强技术在生物医学方面的应用有两类，其中一类是对生物医学的显微光学图像进行处理和分析，比如对红细胞、白细胞、细菌、虫卵的分类计数以及染色体的分析；另一类应用是对X射线图像的处理，其中最为成功的是计算机断层成像。1973年英国的EMI公司在制造出第一台X射线断层成像装置。由于人体的某些组织，比如心脏、乳腺等软组织对X射线的衰减变化不大，导致图像灵敏度不强。由此图像增强技术在生物医学图像中得到广泛的应用。
4.3 工业生产领域的应用
图像增强在工业生产的自动化设计和产品质量检验中得到广泛应用，比如机械零部件的检查和识别、印刷电路板的检查、食品包装出厂前的质量检查、工件尺寸测量、集成芯片内部电路的检测等等。此外计算机视觉也可以应用到工业生产中，将摄像机
拍摄图片经过增强处理、数据编码、压缩送入机器人中，通过一系列的控制和转换可以确定目标的位置、方向、属性以及其它状态等，最终实现机器人按照人的意志完成特殊的任务。
4.4 公共安全领域的应用
在社会安全管理方面，图像增强技术的应用也十分广泛，如无损安全检查、指纹、虹膜、掌纹、人脸等生物特征的增强处理等等。图像增强处理也应用到交通监控中，通过电视跟踪技术锁定目标位置，比如对有雾图像、夜视红外图像、交通事故的分析等等。
5 结束语
图像处理内容涉及光学、微电子学、信息学、统计学、数学、计算机科学等领域，是一门综合性很强的交叉学科，其中任何一门学科的发展都将推动图像处理的进一步发展。近年来随着计算机技术、人工智能、视觉心理研究的迅速发展以及处理器硬件上的不断升级，图像处理向更高、更深层次发展，因此带动图像增强技术的长足进步，其应用的需求也随之越来越广泛。由于对图像质量的要求越来越高，单一的图像增强算法往往难以满足实际需求，因此几种算法相结合、取长补短、优势互补是图像增强算法发展必然趋势。与此同时，新的图像增强方法不断出现。随着科学技术的进步以及人类需求的不断增长，图像处理科学无论是在理论上还是实践上，均会取得更大的发展。
参考文献：
[1] 李斯娜.图像增强基本理论综述[J].价值工程,2010,(10):124.
[2] 段竹,吴镝.图像增强方法研究[J].商场现代化,2009.(1):63-65.
[3] 盛道清.图像增强算法的研究[D].武汉:武汉科技大学,2007.
[4] 杨乐.图像增强算法及其实现[J].现代电子技术,2007.(16):131-141.
[5] Fatma T. Arslan, Artyom M. Grigoryan. Method of image enhancement by splitting-signals[J]. IEEE Acoustics, Speech, and Signal Processing. 2005.4: 177-180.
[6] 龚声蓉,刘纯平等.数字图像处理与分析[M].北京:清华大学出版社,2006.
[7] Shen-Chuan Tai, Yi-Ying Chang, Ting-Chou Tsai.Analysis and Evaluation of Contrast Enhancement methods in Digital Images[J].Fifth International Conference on Information Assurance and Security,2009,1:551-554.
[8] Pal SK, King RA. Image enhancement using smoothingwith fuzzy sets[J]. IEEET rans Systems,Manand Cybernetics, 1981, 11(7):494-501.
图像识别技术研究现状综述 简介： 图像识别是指图形刺激作用于感觉器官，人们辨认出它是经验过的某一图形的过程,也叫图像再认。在图像识别中,既要有当时进入感官的信息,也要有记忆中存储的信息。只有通过存储的信息与当前的信息进行比较的加工过程，才能实现对图像的再认。图像识别技术是以图像的主要特征为基础的，在图像识别过程中，知觉机制必须排除输入的多余信息,抽出关键的信息。在人类图像识别系统中，对复杂图像的识别往往要通过不同层次的信息加工才能实现。对于熟悉的图形,由于掌握了它的主要特征，就会把它当作一个单元来识别，而不再注意它的细节了。这种由孤立的单元材料组成的整体单位叫做组块，每一个组块是同时被感知的。图像在人类的感知中扮演着非常重要的角色，人类随时随处都要接触图像。随着数字图像技术的发展和实际应用的需要，出现了另一类问题，就是不要求其结果输出是一幅完整的图像，而是将经过图像处理后的图像，再经过分割和描述提取有效的特征，进而加以判决分类，这就是近20年来发展起来的一门新兴技术科学一图像识别。它以研究某些对象或过程的分类与描述为主要内容，以研制能够自动处理某些信息的机器视觉系统，代替传统的人工完成分类和辨识的任务为目的。 图像识别的发展大致经历了三个阶段：文字识别、图像处理和识别及物体识别：文字识别的研究是从1950年开始的，一般是识别字母、数字和符号，并从印刷文字识别到手写文字识别，应用非常广泛，并且已经研制了许多专用设备。图像处理和识别的研究，是从1965年开始的。过去人们主要是对照相技术、光学技术的研究，而现在则是利用计算技术、通过计算机来完成。计算机图像处理不但可以消除图像的失真、噪声，同时还可以进行图像的增强与复原，然后进行图像的判读、解析与识别，如航空照片的解析、遥感图像的处理与识别等，其用途之广，不胜枚举。物体识别也就是对三维世界的认识，它是和机器人研究有着密切关系的一个领域，在图像处理上没有特殊的难点，但必须知道距离信息，并且必须将环境模型化。在自动化技术已从体力劳动向部分智力劳动自动化发展的今天，尽管机器人的研究非常盛行，还只限于视觉能够观察到的场景。进入80年代，随着计算机和信息科学的发展，计算机视觉、人工智能的研究已成为新的动向 图像识别与图像处理的关系： 在研究图像时，首先要对获得的图像信息进行预处理（前处理）以滤去干扰、噪声，作几何、彩色校正等，以提供一个满足要求的图像。图像处理包括图像编码，图像增强、图像压缩、图像复原、图像分割等。对于图像处理来说，输入是图像，输出（即经过处理后的结果）也是图像。图像处理主要用来解决两个问题：一是判断图像中有无需要的信息；二是确定这些信息是什么。图像识别是指对上述处理后的图像进行分类，确定类别名称，它可以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，然后根据测量结果做出分类。为了更好地识别图像，还要对整个图像做结构上的分析，对图像进行描述，以便对图像的主要信息做一个好的解释，并通过许多对象相互间的结构关系对图像加深理解，以便更好帮助和识别。故图像识别是在上述分割后的每个部分中，找出它的形状及纹理特征，以便对图像进行分类，并对整个图像做结构上的分析。因而对图像识别环节来说，输入是图像（经过上述处理后的图像），输出是类别和图像的结构分析，而结构分析的结果则
红外图像增强算法研究 安阳，胡耀祖 武汉理工大学信息学院，武汉 (430070) E-mail：alen1983@https://www.doczj.com/doc/7e13200252.html, 摘要：本文根据红外图像的特点介绍了几种经典的图像增强算法，讨论算法的效果，提出对算法的一些改进，给出了一些改进后的效果。 关键词：红外图像，直方图，锐化 1.引言 红外技术是二战后兴起的一项红外信息转换与处理技术。它研究红外辐射的发射、传输和接收的规律及其应用原理，而红外成像技术是其应用最广泛的方面。随着科技的不断发展，红外热成像技术在军事、科研、工农业生产、医疗卫生等领域的应用越来越广泛，与此同时图像实时处理的研究也得到了迅速发展[1]。 随着红外成像技术的广泛应用，人们对红外图像成像质量的要求越来越高，要提高红外图像的质量可以有两种途径：一是不断研究更高性能的红外探测器;另一个就是要进行红外图像的预处理，从而改善图像质量。 目前随着材料技术的突破，美国，西欧等发达国家在红外成像阵列的研制取得了巨大的发展，高密度，高灵敏度，快响应的红外焦平面阵列在军事上已经得到了应用，非制冷焦平面阵列也得到了快速的发展。 但是由于材料器件的限制，仅仅依靠红外探测器的提高不能完全达到我们所期望的图像质量，而且高精度的探测器件的研制所花费的人力物力是十分巨大的。而解决这个问题的一个有效的手段就是对红外图像进行实时图像预处理。实时图像处理技术能在现有的条件下不仅能提高红外图像质量，而且在较短的时间内迅速改善和提高红外热像仪的各项性能指标。 2.红外图像对比度增强算法 2.1 红外图像的特点 红外成像的目标和背景的红外辐射需经过大气传输、光学成像、光电转换和电子处理等过程，才被转换成为红外图像。所以从红外图像的产生过程分析，红外图像主要有以下特点：1）空间相关性强，对比度低；2）表征对象的温度分布，是灰度图像，分辨率较低，图像比较模糊；3）噪声干扰较大，噪声比较复杂，信噪比低；4）存在器件性的非均匀性等。 我们可以看出红外图像存在很多缺陷，对人眼来说其最显著的特点就是对比度很低，图像很模糊，所以本文主要从对比度提升和图像锐化两个方面进行增强算法的研究。 2.2 红外图像的直方图均衡化及改进 红外图像直方图的特点是像素相对比较集中，灰度值变化不大，使得图像的对比度很低，视觉效果很差。直方图均衡的作用是改变图像中灰度概率分布，使其均匀化。使图像中灰度概率密度较大的像素向附近灰度级扩展，因而灰度层次拉开，而概率密度较小的像素的灰度级收缩，从而让出原来占有的部分灰度级，这样的处理使图像充分有效地利用各个灰度级，因而增强了图像对比度。
增强现实技术综述 摘要：增强现实技术，它是一种将真实世界信息和虚拟世界信息“无缝”集成的新技术，是把原本在现实世界的一定时间空间范围内很难体验到的实体信息(视觉信息,声音,味道,触觉等),通过电脑等科学技术，模拟仿真后再叠加，将虚拟的信息应用到真实世界，被人类感官所感知，从而达到超越现实的感官体验。本文先介绍了增强现实技术的概念，进而描述其未来发展趋势以及应用场景 关键词：增强现实技术投影技术3D技术跟踪注册技术前景展望 一、增强现实技术简介 增强现实（Augmented Reality，简称 AR），是一种实时地计算摄影机影像的位置及角度并加上相应图像的技术，这种技术的目标是在屏幕上把虚拟世界 套在现实世界并进行互动。 AR是一种将真实世界信息和虚拟世界信息无缝集成的新技术,是把原本在现实世界的一定时间空间范围内很难体验到的实体信息,通过计算机视觉等科 学技术,应用到真实世界,被人类感官所感知,从而达到超越现实的感官体验。通 过AR技术,真实的环境和虚拟环境叠加到同一画面或空间。 这种技术最早于1990年提出。随着随身电子产品运算能力的提升，增强现实的用途越来越广。 二、增强现实技术的基本原理及特征 （一）工作原理简介 移动式增强现实系统的早期原型增强现实的基本理念是将图像、声音和其他感官增强功能实时添加到真实世界的环境中。听起来十分简单。而且，电视 网络通过使用图像实现上述目的不是已经有数十年的历史了吗？的确是这样， 但是电视网络所做的只是显示不能随着摄像机移动而进行调整的静态图像。增 强现实远比您在电视广播中见到的任何技术都要先进，尽管增强现实的早期版 本一开始是出现在通过电视播放的比赛和橄榄球比赛中，例如Racef/x和添加 的第一次进攻线，它们都是由SporTVision创造的。这些系统只能显示从一个 视角所能看到的图像。下一代增强现实系统将显示能从所有观看者的视角看到 的图像。 在各类大学和高新技术企业中，增强现实还处于研发的初级阶段。最终，可能到这个十年结束的时候，我们将看到第一批大量投放市场的增强现实系统。
Photoshop 教学大纲 一、课程概述 1.课程性质、任务与目的 课程主要任务是介绍PHOTOSHOP CS3版工作界面，图像设计基本操作，选区的创建、编辑与应用，图像的填充、绘制与修饰，路径、形状的绘制与应用，色彩艺术，文字魅力，图层的应用，蒙版与通道的应用，神奇滤镜，动作和输入、输出等，最后通过综合实战演练的方式进行案例实训。学习Photoshop的目的在于使学生熟练掌握现代化的设计工具的使用技巧，进行各种公益广告设计、商业广告设计、商业包装设计、网页设计，提高设计效率，适应社会要求，能够顺利的走上社会，并为以后独立的设计打下坚实的基础。 2.教学基本要求 (1)能够了解数字图像的基本理论、有关色彩理论和颜色模式的理论知识。 (2)熟练掌握PHOTOSHOP CS3的工作界面以及一些基础操作，例如：对图像 文件的新建、打开和保存操作，以及使用PHOTOSHOP CS中的各种辅助 工具等。 (3)" (4)能够熟练利用PHOTOSHOP CS3中的工具和命令创建、编辑和保存选区； 熟练掌握创建、编辑路径的方法与技巧。 (5)熟练掌握图层的一些概念、基本操作。 (6)对通道与蒙版的概念有一个清晰的认识，轻松掌握通道与蒙版的操作方 法与技巧。 (7)掌握滤镜的一些基础的操作。 3.课程特点 《计算机图形图像处理Photoshop CS3实用教程》是一门实践性很强的课程,必须通过大量的上机实例操作才能熟练掌握所学的知识，在上课的全过程必须保证大部分的时间来上机。 ` 二、教学内容和要求 1、教学内容 项目一Photoshop CS3快速入门 项目二制作滑稽小狗 项目三制作圣诞电子卡片 项目四制作完美婚纱照 项目五制作时尚皮包宣传页 项目六制作舞会门票 ； 项目七制作时尚照片 项目八制作室内装饰效果图 项目九制作学院网站首页
图像增强算法研究综述 刘璐璐 宁波工程学院电子与信息工程学院计算机科学与技术071班，邮编:(315100) E-mail:375212239@https://www.doczj.com/doc/7e13200252.html, 摘要：本文简要介绍图像增强的概念和图像增强算法的分类，从图像的直方图均衡化处理方法，直方图规定化处理方法和图像平滑处理方法三方面对图像增强算法进行讨论和研究，并说明了图像增强技术的应用和前景展望。 关键词：图像增强直方图均衡化直方图规定化平滑处理 近年来，随着电子计算机技术的进步，计算机图像处理得到了飞跃的发展，己经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。对图像进行处理时，经常运用图像增强技术以改善图像的质量增强对某种信息的辨识能力，以更好的应用于现代各种科技领域，图像增强技术的快速发展同它的广泛应用是分不开的，发展的动力来自稳定涌现的新的应用，我们可以预料，在未来社会中图像增强技术将会发挥更为重要的作用。在图像处理过程中，图像增强是十分重要的一个环节。 1.图像增强概念及现实应用 1.1 图像增强技术 图像增强是数字图像处理的基本内容之一。图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息。这类处理是为了某种应用目的去改善图像质量，处理的结果更适合于人的视觉特性或机器识别系统，图像增强处理并不能增加原始图像的信息，而只能增强对某种信息的辨识能力，使处理后的图像对某些特定的应用比原来的图像更加有效。 1.2图像增强技术的现实应用 目前，图像增强处理技术的应用己经渗透到医学诊断、航空航天、军事侦察、纹识别、无损探伤、卫星图片的处理等领域，在国民经济中发挥越来越大的作用。其中最典型的应用主要体现以下方面。 1
医学图像配准技术 罗述谦综述 首都医科大学生物医学工程系(100054) 吕维雪审 浙江大学生物医学工程研究所(310027) 摘要医学图像配准是医学图像分析的基本课题,具有重要理论研究和临床应用价 值。本文较全面地介绍了医学图像配准的概念、分类、配准原理、主要的配准技术及评 估方法。 关键词医学图像配准多模 1 医学图像配准的概念 在做医学图像分析时,经常要将同一患者的几幅图像放在一起分析,从而得到该患者的多方面的综合信息,提高医学诊断和治疗的水平。对几幅不同的图像作定量分析,首先要解决这几幅图像的严格对齐问题,这就是我们所说的图像的配准。 医学图像配准是指对于一幅医学图像寻求一种(或一系列)空间变换,使它与另一幅医学图像上的对应点达到空间上的一致。这种一致是指人体上的同一解剖点在两张匹配图像上有相的空间位置。配准的结果应使两幅图像上所有的解剖点,或至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。 医学图像配准技术是90年代才发展起来的医学图像处理的一个重要分支。涉及“配准”的技术名词除registration外,mapping、matching、co-registration、integration、align-ment和fusion 等说法也经常使用。从多数文章的内容看,mapping偏重于空间映射;fu-sion指图像融合,即不仅包括配准,而且包括数据集成后的图像显示。虽然在成像过程之前也可以采取一些措施减小由身体移动等因素引起的空间位置误差,提高配准精度(称作数据获取前的配准preacquisition),但医学图像配准技术主要讨论的是数据获取后的(post-acquisition)配准,也称作回顾式配准(retrospective registration)。当前,国际上关于医学图像配准的研究集中在断层扫描图像( tomographic images,例如CT、MRI、SPECT、PET等)及时序图像(time seriesimages,例如fMRI及4D心动图像)的配准问题。 2 医学图像基本变换 对于在不同时间或/和不同条件下获取的两幅图像I1(x1,y1,z1)和I2(x2,y2,z2)配准,就是寻找一个映射关系P:(x1,y1,z1) (x2,y2,z2),使I1的每一个点在I2上都有唯一的点与之相对应。并且这两点应对应同一解剖位置。映射关系P表现为一组连续的空间变换。常用的空间几何变换有刚体变换(Rigid body transformation)、仿射变换(Affine transformation)、投影变换(Projec-tive transformation)和非线性变换(Nonlin-ear transformation)。 (1)刚体变换: 所谓刚体,是指物体内部任意两点间的距离保持不变。例如,可将人脑看作是一个刚体。 处理人脑图像,对不同方向成像的图像配准常使用刚体变换。刚体变换可以分解为旋转和平移:P(x)=Ax+b(1) x=(x,y,z)是像素的空间位置;A是3×3的旋转矩阵,b是3×1的平移向量。
机器视觉技术发展现状 人类认识外界信息的80%来自于视觉，而机器视觉就是用机器代替人眼来做 测量和判断，机器视觉的最终目标就是使计算机像人一样，通过视觉观察和理解 世界，具有自主适应环境的能力。作为一个新兴学科，同时也是一个交叉学科，取“信息”的人工智能系统，其特点是可提高生产的柔性和自动化程度。目前机器视觉技术已经在很多工业制造领域得到了应用，并逐渐进入我们的日常生活。 机器视觉是通过对相关的理论和技术进行研究，从而建立由图像或多维数据中获机器视觉简介 机器视觉就是用机器代替人眼来做测量和判断。机器视觉主要利用计算机来模拟人的视觉功能，再现于人类视觉有关的某些智能行为，从客观事物的图像中提取信息进行处理，并加以理解，最终用于实际检测和控制。机器视觉是一项综合技术，其包括数字处理、机械工程技术、控制、光源照明技术、光学成像、传感器技术、模拟与数字视频技术、计算机软硬件技术和人机接口技术等，这些技术相互协调才能构成一个完整的工业机器视觉系统[1]。 机器视觉强调实用性，要能适应工业现场恶劣的环境，并要有合理的性价比、通用的通讯接口、较高的容错能力和安全性、较强的通用性和可移植性。其更强调的是实时性，要求高速度和高精度，且具有非接触性、实时性、自动化和智能 高等优点，有着广泛的应用前景[1]。 一个典型的工业机器人视觉应用系统包括光源、光学成像系统、图像捕捉系统、图像采集与数字化模块、智能图像处理与决策模块以及控制执行模块。通过 CCD或CMOS摄像机将被测目标转换为图像信号，然后通过A/D转换成数字信号传送给专用的图像处理系统，并根据像素分布、亮度和颜色等信息，将其转换成数字化信息。图像系统对这些信号进行各种运算来抽取目标的特征，如面积、 数量、位置和长度等，进而根据判别的结果来控制现场的设备动作[1]。 机器视觉一般都包括下面四个过程：
增强现实技术及相关问题研究 摘要：为了实现虚拟技术的不断发展，对增强现实 技术进行研究已经逐渐成为最为重要的内容。文章围绕增强现实技术中存在的相关问题，对技术在安卓系统以及其他相关系统中的运用展开了探讨，从而进一步实现增强现实技术的有效应用。 关键词：增强现实；技术；智能手机 所谓增强现实技术，即应用于虚拟世界中的一种研究技术，现阶段，受信息技术、传感技术等影音图形处理技术发展的影响，在移动端中逐渐实现了GPS定位、重力感应等智能功能，在此基础上，增强现实技术的应用也逐渐得到了重视。在移动端中，增强现实技术的应用也可以被叫做移动增强现实技术，较之传统的增强现实技术，在移动端应用的增强现实更具移动性，客户在使用的同时更加便捷，并且在其具体应用中范围更广，以此实现了增强现实技术的不断提升。为此，文章中笔者针对增强现实技术，对其应用进行了分析。 一、增强现实技术基本内涵 现阶段对于增强现实技术的定义不同的学者具有不同 的认识，在相关的国际大会中，一些学者对其展开了讨论，目前，能够达成一致的部分主要在于增强现实技术的元素构
成，然而在其定义方面仍然存在一些出入。现阶段，在虚拟行业中，对于增强现实技术定义的限定，主要以Azuma的 定义为准，即在信息技术的基础上，将虚拟与现实世界结合，并为进行实施互动。 增强现实技术也就是在移动终端对于增强显示技术的 使用，是脱离实验室等指定条件下的增强现实体系。一般情况下，增强现实技术所涉及到的相关技术形式主要包含以下几种：即全球跟踪定位系统、在位置的基础上实行的计算服务以及无线通信等几种技术。 二、增强现实技术的应用策略 1.应用于数字营销中 在数字营销中应用增强现实技术，不仅对技术的应用范围进行了拓展，同时也为数字营销提供了更加新颖的形式，在其应用的同时，客户可以发现更加新鲜的视角对产品进行体验，例如，在安卓的移动设备中，我们可以利用移动终端屏幕将产品的虚拟信息投放于周边的物体表面，更显高科技，同时也能够起到激发客户积极性的作用，让客户通过增强现实技术更加了解该产品，从而实现产品销售量提升的基础目标。另外，在进行产品外观展示时，也可以利用增强现实技术，结合3D模型通过展示台的形式将产品的外观、性能等 进行展示，让客户全面位立体的了解产品功能，提高客户体验率。针对现阶段一些能够人体识别的高科技产品，我们可
毕业设计文献综述 题目：基于matlab的图像预处理技术研究 专业：电子信息工程 1前言部分 众所周知，MATLAB在数值计算、数据处理、自动控制、图像、信号处理、神经网络、优化计算、模糊逻辑、小波分析等众多领域有着广泛的用途，特别是MATLAB的图像处理和分析工具箱支持索引图像、RGB 图像、灰度图像、二进制图像，并能操作*.bmp、*.jpg、*.tif等多种图像格式文件如。果能灵活地运用MATLAB提供的图像处理分析函数及工具箱，会大大简化具体的编程工作，充分体现在图像处理和分析中的优越性。 图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用与人眼而产生视觉的实体。视觉是人类从大自然中获取信息的最主要的手段。拒统计，在人类获取的信息中，视觉信息约占60%，听觉信息约占20%，其他方式加起来才约占20%。由此可见，视觉信息对人类非常重要。同时，图像又是人类获取视觉信息的主要途径，是人类能体验的最重要、最丰富、信息量最大的信息源。通常，客观事物在空间上都是三维的(3D)的，但是从客观景物获得的图像却是属于二维(2D)平面的。 图像存在方式多种多样，可以是可视的或者非可视的，抽象的或者实际的，适于计算机处理的和不适于计算机处理的。 图像处理它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在 1964 年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动
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
虚拟现实增强技术综述 曾玮峰 中南大学信息科学与工程学院 摘要随着近年来计算机三维处理能力的增长和低成本传感显示元件的出现,虚拟现实得到了快速发展,特别是与现实世界产生了越来越多的结合技术,从虚拟和现实的两个角度对虚拟现实进行增强。论文重点围绕近几年的发展趋势,论述了增强现实与增强虚拟环境的技术特点,介绍了虚拟现实增强技术的相关硬件设备发展;然后分别介绍了增强现实和增强虚拟环境技术的发展现状,讨论了移动互联网上的虚实增强技术与应用,最后进行总结并提出需要解决的问题。 关键词增强虚拟环境增强现实虚实增强混合现实 1引言 虚拟现实技术建立人工构造的三维虚拟环境,用户以自然的方式与虚拟环境中的物体进行交互作用、相互影响,极大扩展了人类认识世界,模拟和适应世界的能力。虚拟现实技术从20世纪60～70年代开始兴起,90年代开始形成和发展,在仿真训练、工业设计、交互体验等多个应用领域解决了一些重大或普遍性需求,目前在理论技术与应用开展等方面都取得了很大的进展。虚拟现实的主要科学问题包括建模方法、表现技术、人机交互及设备这三大类,但目前普遍存在建模工作量大,模拟成本高,与现实世界匹配程度不够以及可信度等方面的问题。 图1虚拟现实、增强现实和混合现实搜索量统计对比(来源: Google trends, 2004。01～2014。 06) 针对这些问题,已经出现了多种虚拟现实增强技术,将虚拟环境与现实环境进行匹配合成以实现增强,其中将三维虚拟对象叠加到真实世界显示的技术称为增强现实,将真实对象的信息叠加到虚拟环境绘制的技术称为增强虚拟环境。这两类技术可以形象化地分别描述为“实中有虚”和“虚中有实”。虚拟现实增强技术通过真实世界和虚拟环境的合成降低了三维建模的工作量,借助真实场景及实物提高了用户体验感和可信度,促进了虚拟现实技术的进一步发展。
红外增强算法综述 在图像形成、传输或变换的过程中，由于受到其它客观因素诸如系统噪声、曝光不足或过量、相对运动等影响，获取图像往往会与原始图像之间产生某种差异(称为降质或退化)。退化后的图像通常模糊不清或者经过机器提取的信息量减少甚至错误，因此必须对其采取一些手段进行改善。图像增强技术正是在此意义上提出的，目的就是为了改善图像的质量。图像增强根据图像的模糊情况采用各种特殊的技术突出图像中的某些信息，削弱或消除元关信息，达到强调图像的整体或局部特征的目的。图像增强尚没有统一的理论方法，常用的图像增强技术有直方图修改、图像平滑滤波、图像锐化等。下面将由红外图像的直方图出发，介绍相关的增强算法。 一、红外图像的直方图及其特点 1、红外图像的直方图 图像的基本描述有灰度、分辨率、信噪比、频谱等等。灰度直方图是用于表达图像灰度分布情况的统计图表，有一维直方图和二维直方图之分。其中最常用的是一维直方图，其定义是：对于数字图像()y x f ,，设图像灰度值为0r 、1r ......1-L r ，则概率密度函数()i r P 为： ()()....3,2,1== i r r P i i 图像上总的像素数的像素数灰度级为 且有()110 =∑-k i r P ，由于i r 取值离散，故直方图习惯画成灰度级—像素数（图1） 的形式。 图1：典型直方图 直方图具有以下性质: 1) 只表示图像中每一灰度级出现的频数，而失去了具有该灰度级的像素的位置信息； 2) 图像与直方图之间是多对一的映射关系；
3) 一副图像各子区直方图之和等于该图像的全图直方图。 在图像处理中，直方图是很有用的决策和评价工具。直方图可以提供下列信息： 1) 每个灰度级像素数出现的频数； 2) 图像像素值的动态范围； 3) 整幅图像的大致平均亮度； 4) 图像的整体对比度情况。 直方图统计在对比度拉伸，灰度级修正、动态范围调整、图像亮度调整、模型化等图像处理方法中发挥了很大作用，在本文后面的讨论中将可以看到直方图的意义。 2、红外直方图的特点 对红外图像直方图与可见光图像直方图进行对比研究可以发现，红外图像相对于可见光图像有着其特有的规律和特点： 1) 像素灰度值动态范围小，很少能覆盖整个灰度级空间。而可见光图像的像素则几乎分布于几乎整个灰度级空间。 2) 绝大部分像素集中于某些相邻的灰度级范围内，在这些范围内以外的灰度级上的像素数量很少，而可见光的像素分布则相对比较均匀。 3) 直方图中有明显的峰存在，很多情况下为单峰或者双峰（分为主峰、次峰），而可见光图像直方图的峰不是很明显，并且峰的数量一般多于两个。 但要注意的是，上述三点是大多数红外图像直方图所具备的特点。由于具体的气候条件、环境温度等因素的影响，不同季节不同时间段内各种物体的热辐射呈现不同的特点，物体越热，红外成像的亮度越高，物体温度越低，其红外成像的亮度就越低，所以实际当中的红外图像往往呈现出各自的特点，并不一定与上述特点完全一致。 二、通常的红外图像增强算法 图像增强是一种基本的图像预处理手段，对图像的某些特征，如对比度、边缘等进行增强或突显，便于后续分析和处理。它并不意味着能增加原始图像的信息，有时甚至会损失一些信息。但图像增强的结果却能加强对某些特定信息的识别能力，使图像中我们感兴趣的特征得以加强，从而使这些特征的检测和识别变得更加容易。 1、红外图像增强算法的分类 图像增强的处理技术从增强的作用域出发，可以分为空间域的方法和变换域的方法两大类，如图2所示。空间域法直接对图像像素进行操作，主要的空间域法有直方图均衡化、直方图规定化、灰度窗口和空域滤波等技术；而频率域法是首先将图像从空间域按照某种变换模型（如傅立叶变换）变换到频率域，然后对图像进行处理，再将其反变换到空间域，获得增强图像，这是一种间接地方法，频域方法有高通滤波、低通滤波、带通和带阻滤波等技术。 图像增强算法的优劣不是绝对的，由于具体用的目的和要求不同，所需要的具体的增强技术也大不相同，因此没有图像增强的通用标准，观察者才是某种增强方法优劣的最终判断者。增强算法处理的效果，除了与算法本身有一定关系外，还与图像的数据特征直接相关。实际应用中应当根据图像数据的特点和工作的要求来选择合理的图像增强处理方法。 由于红外图像的成像机理以及红外成像系统自身的原因，红外图像与可见光图像相比，大多有图像对比度低、图像较模糊、噪声大等特点。为了有利于后续
增强现实综述 引言 增强现实（Augmented Reality，简称AR），也被称之为混合现实。它是把原本在现实世界的一定时间空间范围内很难体验到的实体信息(视觉信息，声音，味道，触觉等)，通过科学技术模拟仿真后再叠加到现实世界被人类感官所感知，从而达到超越现实的感官体验。与传统虚拟现实所要达到的完全沉浸的效果不同，增强现实技术致力于将计算机生成的信息同真实世界中的场景结合起来，它可以为医疗和工程用户提供准确、高效的辅助操作界面，也能够为教育或娱乐程序构造引人入胜的交互环境。增强现实技术在工业设计、机械制造、建筑、教育和娱乐等领域都有着广泛的应用前景，而且它提供了一种更容易时间的虚拟现实的方法，更代表了下一代更易使用的人机界面的发展趋势。 增强现实的发展进程与研究现状综述 发展进程 增强现实 (AugmentedReality，简称AR)技术可以将虚拟的三维物体融合到现实场景中，并能支持用户与其进行交互，它己经成为虚拟现实研究中的一个重要领域，同时也是人机界面技术发展的一个重要方向。 AR技术始于二十世纪六十年代，美国哈佛大学 IvanSutherland教授发明了光学透明头盔显示器(see一 throughHead一 MountedDisplay，简称STHMD)显示计算机生成的3D图形[7]。20世纪80年代到90年代，AR的发展较为成熟，一些公司和高校不断研制出完善的AR系统，其中比较好的有: 1986年，Furness研制的vCAss系统采用头盔显示器将射程、射击目标等作战信息显示在飞行员的视野上。 1986年，美国北卡大学 (LJNCatChaPelHill)研制出用于实现生物化学和建筑可视化的STHMD系统。 1993年，美国哥伦比亚大学的Feine:教授等人设计了一个基于知识的AR系统。该系统用于指导机械维修，可以将有关技术说明叠加在激光打印机上，辅助技术人员完成维修工作，这样，技术人员再也不用带着大量笨重的资料在身边，边进行维修工作，边查阅身边的资料，一旦出现难题、紧急情况，就会不知所措了。
数字图像处理期中论文 图像增强技术综述 学院信息工程学院 专业电子信息工程 方向信息处理方向 姓名何娜娜 学号200710113081 中国传媒大学 2010 年11 月27 日
图像增强技术综述 内容摘要 数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。图像增强是数字图像处理的过程中经常采用的一种方法，它对提高图像质量起着重要的作用。本文先对图像增强的原理进行概述，然后对图像增强的方法分类并给出直方图增强、对比度增强、平滑和锐化等几种常用的增强方法的理论基础，通过Matlab实验得出的实际处理效果来对比各种算法的优缺点，讨论不同的增强算法的技术要点，并对其图像增强方法进行性能评价。 关键词：图像增强直方图增强对比度增强平滑锐化彩色图像增强 Abstract Digital image processing is the procedures of converting image signal into digital format, then using the computer to process it. Image enhancement is digital image processing process often use a method to improve image quality, it plays an important role. This article first introduces the principle of image enhancement and classification，and then focus on several methods to study such as and histogram enhancement, contrast enhancement, smoothing and sharpening, and other commonly used in learning the basic digital image With the approach, through Matlab experiment that the actual effect of various algorithms to compare the advantages and disadvantages to discuss the different enhancement algorithm. The application of occasions, and its image enhancement method of performance evaluation. Keywords:Image Enhancement histogram enhancement contrast enhancement smoothing sharpening 1 图像增强概述 1.1 图像增强背景及意义 在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降，即图像失真。在摄影时由于光照条件不足或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为质量问题。图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚
毕业设计(论文)开题报告 题目：基于Matlab的数字图像处理 学生姓名：学号： 专业：通信工程 指导教师： 2011年 3 月 13 日
一．文献综述： 随着人类社会的进步和科学技术的发展，人们对信息处理和信息及交流的要求越来越高。人们传递信息的主要媒介是语音和图像。在接受的信息中，听觉信息占20%，视觉信息占60%，其它如味觉，嗅觉，触觉总的加起来不超过20%。图像信息处理是人们视觉延续的重要手段。人的眼睛只能看到波长为380到780nm的可见光部分，而迄今为止人类发现可成像的射线已有很多种，他们扩大了人类认识客观世界的能力。 数字图像处理是一个跨科学的前沿科技领域，在工程学，计算机科学，信息学，统计学，物理，化学，生物医学，地址，海洋，气象，农业，冶金等许多科学中的应用取得了巨大的成功和显著地经济效益。 图像是当光辐射能量照在物体上，经过他的反射或透射，或有发光物体本身发出的光能量，在人的视觉器官中所重现出的物体的视觉信息。图像一般用Image表示，是视觉景物的某种形式的标记和记录。通俗的说，图像是指利用技术手段把目标原封不动的再现。由于图像感知的主题是人类，所以不仅可以将图像看作是二维平面上或三维立体空间中具有明暗或颜色变化的分布，还可以包括人的心理因素对图像接收和理解所产生的影像。 一般认为图片是图像的一种类型，在一些教科书中将其定义为“经过核实的光照后可见物体的分布”，图片强调了现实世界中的可见物体。图形是指人为的图形，如图画，动画等人造的二维或三维图形，他强调应用一定的数学模型生成图形。图形学是研究应用计算机生成，处理和显示图形的一门学科。它涉及利用计算机将有概念或数学描述所表示的物体图像进行处理和现实的过程，侧重点在于根据给定的物体描述数学模型，光照及想象中的摄像机的成像几何，生成一幅图像的过程。 而图像处理进行的却是与其相反的过程，提示基于画面进行二维或三维物体模型的重建，这在很多场合是十分重要。 从20世纪60年代起，随着电子计算机技术的进步，数字图像处理技术得到了飞跃发展。数字信号处理（DSP）技术通常是指利用采集，滤波，检测，均衡，变换，调制，压缩，去噪，估计等处理，已得到符合人们需要的信号形式。图像信号的数字处理是指将图像作为图像信号的数学处理技术，按照人们通常的习惯，也成为数字图像处理技术。最常见的使用计算机对图像进行处理，他是在以计算机为中心的包括各种输入，输出，存储及显示设备内的数学图像处理系统上进行的。
中国科学:信息科学2015年第45卷第2期:157–180 https://www.doczj.com/doc/7e13200252.html, 虚拟现实增强技术综述 周忠x*,周颐x,肖江剑y x北京航空航天大学虚拟现实技术与系统国家重点实验室,北京100191 y中国科学院宁波工业技术研究院,宁波315201 *通信作者.E-mail:zz@https://www.doczj.com/doc/7e13200252.html, 收稿日期:2014–04–08;接受日期:2014–07–07;网络出版日期:2014–12–16 国家自然科学基金(批准号:61170188,61273276)和国家高技术研究发展计划(“863”计划)(批准号:2012AA011801,2012AA01 1803)资助项目 摘要随着近年来计算机三维处理能力的增长和低成本传感显示元件的出现,虚拟现实得到了快速发展,特别是与现实世界产生了越来越多的结合技术,从虚拟和现实的两个角度对虚拟现实进行增强.论文重点围绕近几年的发展趋势,论述了增强现实与增强虚拟环境的技术特点,介绍了虚拟现实增强技术的相关硬件设备发展;然后分别介绍了增强现实和增强虚拟环境技术的发展现状,讨论了移动互联网上的虚实增强技术与应用,并结合作者参与ISO/IEC的工作,介绍了相关国际标准制定最新情况;最后进行总结并提出需要解决的问题. 关键词增强虚拟环境增强现实虚实增强混合现实 1引言 虚拟现实技术建立人工构造的三维虚拟环境,用户以自然的方式与虚拟环境中的物体进行交互作用、相互影响,极大扩展了人类认识世界,模拟和适应世界的能力.虚拟现实技术从20世纪60～70年代开始兴起,90年代开始形成和发展,在仿真训练、工业设计、交互体验等多个应用领域解决了一些重大或普遍性需求,目前在理论技术与应用开展等方面都取得了很大的进展.虚拟现实的主要科学问题包括建模方法、表现技术、人机交互及设备这三大类,但目前普遍存在建模工作量大,模拟成本高,与现实世界匹配程度不够以及可信度等方面的问题[1]. 针对这些问题,已经出现了多种虚拟现实增强技术,将虚拟环境与现实环境进行匹配合成以实现增强,其中将三维虚拟对象叠加到真实世界显示的技术称为增强现实,将真实对象的信息叠加到虚拟环境绘制的技术称为增强虚拟环境.这两类技术可以形象化地分别描述为“实中有虚”和“虚中有实”.虚拟现实增强技术通过真实世界和虚拟环境的合成降低了三维建模的工作量,借助真实场景及实物提高了用户体验感和可信度,促进了虚拟现实技术的进一步发展. 搜索热度代表了大众对于该词的关注程度,一般来说,新技术会引起搜索高潮,然后慢慢下降,在技术取得突破或出现某热点事件时激增,最终趋于稳定.我们使用Google trends对比了虚拟现实,增强现实,增强虚拟环境和混合现实等词的全球搜索热度,为了有所参照,以人机交互(HCI)作为参考,搜索结果对比如图1所示.可以看出,和人机交互一样,虚拟现实的搜索热度逐渐下降并趋于稳定,这说
文献综述 1 引言 在计算机视觉和模式识别领域，人脸识别技术（Face Recognition Technology，简称FRT）是极具挑战性的课题之一。近年来，随着相关技术的飞速发展和实际需求的日益增长，它已逐渐引起越来越多研究人员的关注。人脸识别在许多领域有实际的和潜在的应用，在诸如证件检验、银行系统、军队安全、安全检查等方面都有相当广阔的应用前景。人脸识别技术用于司法领域，作为辅助手段，进行身份验证，罪犯识别等;用于商业领域，如银行信用卡的身份识别、安全识别系统等等。正是由于人脸识别有着广阔的应用前景，它才越来越成为当前模式识别和人工智能领域的一个研究热点。 虽然人类能够毫不费力的识别出人脸及其表情，但是人脸的机器自动识别仍然是一个高难度的课题。它牵涉到模式识别、图像处理及生理、心理等方面的诸多知识。与指纹、视网膜、虹膜、基因、声音等其他人体生物特征识别系统相比，人脸识别系统更加友好、直接，使用者也没有心理障碍。并且通过人脸的表情/姿态分析，还能获得其他识别系统难以获得的一些信息。 自动人脸识别可以表述为：对给定场景的静态或视频序列图像，利用人脸数据库验证、比对或指认校验场景中存在的人像，同时可以利用其他的间接信息，比如人种、年龄、性别、面部表情、语音等，以减小搜索范围提高识别效率。自上世纪90年代以来，人脸识别研究得到了长足发展，国内外许多知名的理工大学及TT公司都成立了专门的人脸识别研究组，相关的研究综述见文献[1-3]。 本文对近年来自动人脸识别研究进行了综述，分别从人脸识别涉及的理论，人脸检测与定位相关算法及人脸识别核心算法等方面进行了分类整理，并对具有典型意义的方法进行了较为详尽的分析对比。此外，本文还分析介绍了当前人脸识别的优势与困难。 2 人脸识别相关理论 图像是人们出生以来体验最丰富最重要的部分，图像可以以各种各样的形式出现，我们只有意识到不同种类图像的区别，才能更好的理解图像。要建立一套完整的人脸识别系统(Face Recognetion System，简称FRS)，必然要综合运用以下几大学科领域的知识： 2.1 数字图像处理技术 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机
增强现实技术的发展与应用 增强现实技术将虚拟世界叠加在现实世界上，使体验者在虚实融合的世界进行互动，是近年来的研究热点。文章首先综述了增强现实技术的国内外研究现状，然后详细介绍了跟踪注册技术、3D显示技术和人机交互技术三项关键技术，最后对增强现实技术的应用发展进行阐述，并展望了其进一步的研究和发展。 标签：增强现实；跟踪注册技术；3D显示技术；人机交互技术 1 概述 增强现实技术是虚拟现实技术的一个重要分支领域，是近些年来各大高校和研究机构的研究热点。与虚拟现实技术使用户完全沉浸在虚拟世界环境中不同，增强现实技术将虚拟世界与现实世界相结合，把虚拟世界疊加在现实世界并进行互动，通过诸如各种成像眼镜、头戴光学透视显示器、投影仪等多种设备，为用户提供一个由虚拟信息和真实景物构成的混合式场景。1997年，北卡大学的罗纳德·阿祖玛从三个方面的内容：虚拟物体与现实环境结合、三维显示和实时交互定义了增强现实。因此，增强现实技术是一种将计算机产生的数字图形动画等信息实时叠加显示到现实的场景中，并使用户可以在虚实混合的场景中进行自然互动的人机交互技术。增强现实技术提供了更加自然的交互能力，让人们能够以全新的方式去体验和认知周围的事物，并能帮助我们完成一些复杂的工作，在现阶段增强现实技术比虚拟现实技术具有更广泛的应用空间。 2 国内外研究情况 最早关于增强现实技术的研究可以追溯至1968年，美国麻省理工学院研发了世界上第一台光学透视头戴式显示器，该设备可以将计算机生成的图形实时与真实场景叠加、融合，掀开了增强现实技术的面纱。1999年，美国华盛顿大学和日本广岛城市大学成功联合开发了基于标识的增强现实系统开发包ARToolKit 并维护至今，极大地推动了增强现实技术的普及，进而涌现出更多相关的软件应用和开发系统。现阶段，增强现实技术的核心算法、人机交互方法和软硬件基础平台是各大研究机构的研究重点。主导基于自然平面图像与立体物体识别追踪三维注册算法的瑞士洛桑理工学院计算机视觉实验室[1]、专注于基于增强现实技术的人机交互技术研究的新加坡国立大学多媒体交互实验室[2]以及正在研发增强现实辅助汽车机械维修的德国宝马实验室[3]都是增强现实技术领域的翘楚，被公认为代表业内的领先水平。随着硬件设备技术的不断发展以及增强现实技术的日益成熟，原有的研究领域已拓展到许多新的领域。 国内关于增强现实技术的研究较国外起步较晚，主要的研究机构大都分布在各大高校，如北京理工大学、浙江大学、北京航天航空大学等，研究的领域比较单一、涉及面比较窄。随着增强现实技术的发展，我国开始对增强现实技术逐渐重视，并将增强现实技术列为国家科学技术发展规划的一个重点研究方向。