数字图像处理论文结论

数字图像处理论文结论

　　你的论文准备往什么方向写，选题老师审核通过了没，有没有列个大纲让老师看一下写作方向？

　　写论文之前，一定要写个大纲，这样老师，好确定了框架，避免以后论文修改过程中出现大改的情况！！

　　排版一定要遵循学校格式模板要求，否则参考文献、字体间距格式不对，要发回来重改，老师还会说你不认真

　　希望可以帮到你，有什么不懂的可以问我，下面对论文写作提供一些参考建议仅供参考：
　　
　　论文题目

　　论文题目应该简短、明确、有概括性。读者通过题目，能大致了解论文的内容、专业的特点和学科的范畴。但字数要适当，一般不宜超过24字。必要时可加副标题。

　　摘要与关键词

　　论文摘要
　　论文摘要应概括地反映出毕业设计(论文)的目的、内容、方法、成果和结论。摘要中不宜使用公式、图表，不标注引用文献编号。摘要以300～500字为宜。

　　关键词

　　关键词是供检索用的主题词条，应采用能覆盖论文主要内容的通用技术词条（参照相应的技术术语标准）。关键词一般为3～5个，按词条的外延层次排列（外延大的排在前面）。

　　目录按章、节、条三级标题编写，要求标题层次清晰。目录中的标题要与正文中标题一致。目录中应包括绪论、论文主体、结论、致谢、参考文献、附录等。

　　论文正文是毕业设计(论文)的主体和核心部分，一般应包括绪论、论文主体及结论等部分。

　　绪论一般作为第一章，是毕业设计(论文)主体的开端。绪论应包括：毕业设计的背景及目的；国内外研究状况和相关领域中已有的研究成果；课题的研究方法；论文构成及研究内容等。绪论一般不少于1千字。

　　论文主体是毕业设计(论文)的主要部分，应该结构合理，层次清楚，重点突出，文字简练、通顺。论文主体的内容应包括以下各方面：
　　(1) 毕业设计(论文)总体方案设计与选择的论证。
　　(2) 毕业设计(论文)各部分（包括硬件与软件）的设计计算。
　　(3) 试验方案设计的可行性、有效性以及试验数据的处理及分析。
　　(4) 对本研究内容及成果应进行较全面、客观的理论阐述，应着重指出本研究内容中的创新、改进与实际应用之处。理论分析中，应将他人研究成果单独书写，并注明出处，不得将其与本人提出的理论分析混淆在一起。对于将其他领域的理论、结果引用到本研究领域者，应说明该理论的出处，并论述引用的可行性与有效性。
　　(5) 自然科学的论文应推理正确，结论清晰，无科学性错误。
　　(6) 管理和人文学科的论文应包括对研究问题的论述及系统分析，比较研究，模型或方案设计，案例论证或实证分析，模型运行的结果分析或建议、改进措施等。

　　结论
　　学位论文的结论单独作为一章排写，但不加章号。
　　结论是毕业设计(论文)的总结，是整篇论文的归宿。要求精炼、准确地阐述自己的创造性工作或新的见解及其意义和作用，还可进一步提出需要讨论的问题和建议。

　　致谢
　　致谢中主要感谢导师和对论文工作有直接贡献及帮助的人士和单位。

　　参考文献
　　按论文正文中出现的顺序列出直接引用的主要参考文献。
　　毕业设计(论文)的撰写应本着严谨求实的科学态度，凡有引用他人成果之处，均应按论文中所出现的先后次序列于参考文献中。并且只应列出正文中以标注形式引用或参考的有关著作和论文。一篇论著在论文中多处引用时，在参考文献中只应出现一次，序号以第一次出现的位置为准。

　　附录
　　对于一些不宜放入正文中、但作为毕业设计(论文)又是不可缺少的部分，或有重要参考价值的内容，可编入毕业设计(论文)的附录中。例如，过长的公式推导、重复性的数据、图表、程序全文及其说明等。

数字图像处理(四) 数字增强

本节主要目的是介绍图像增强的一些基本概念。来源于东北大学 魏颖教授的数字图像课程笔记。

将图像中像素亮度（灰度级别）看成是一个随机变量， 则其分布情况反映了图像的统计特性，这可用Probability Density Function (PDF)来刻画和描述，表现为 灰度直方图 （Histogram）。   灰度直方图是灰度级的函数，表示图像中 具有某种灰度级的像素的个数 ，反映了图像中每种灰度出现的频率。   灰度直方图的 横坐标是灰度级 ， 纵坐标是该灰度级出现的频度 ，它是图像最基本的统计特征。

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   式中： 是积分变量，而 就是 的累积分布函数。   累积分布函数是 的函数，并且单调地从0增加到1， 所以这个变换函数满足关于 在 内单值单调增加。在 内有 的两个条件。可以推导出，变换后的变量s的定义域内的概率密度是均匀分布的。   用 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。

考虑到灰度变换不影响像素的位置分布，也不会增减像素数目。所以有   应用到离散灰度级，设一幅图像的像素总数为 ，分 个灰度级。

第 个灰度级出现的频数。第 个灰度级出现的概率 其中 ， 。形式为：

直方图均衡化，力图使 等长区间 内出现的像素数接近相等。

图像由像素组成，视觉效果与像素的灰度有关。从而可以通过改变像素灰度值来改变图像的视觉效果。 灰度变换 是一种点操作，赋予每个像素新的灰度值，关键在于设计变换函数（映射规则）。本节主要介绍三种灰度变换方法： 线性灰度变换 ； 分段线性变换 ； 非线性变换 。

1. 线性灰度变换

当图象成象时曝光不足或过度, 或由于成象设备的非线性和图象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，使图象中的细节分辨不清。这时可将灰度范围线性扩展。   设 灰度范围为 ， 灰度范围为 。

假定原图像 的灰度范围为 ，希望变换后图像 的灰度范围扩展至 ，则线性变换可表示为：

为了突出感兴趣的目标或灰度区间，相对抑制不感兴趣的灰度区域，可采用分段线性变换。常用的三段线性变换法数学表达式如下：

噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。例如，一幅黑白图像，其亮度分布假定为 ， 那么对其起干扰作用的亮度分布 便称为图像噪声。

噪声在理论上可以定义为“不可预测， 只能用概率统计方法来认识的随机误差”。将图像噪声看成是多维随机过程是合适的，描述噪声的方法完全可以借用随机过程及其概率分布函数和概率密度函数。   但在很多情况下，这种描述方法很复杂，甚至不可能，而且实际应用往往也不必要，通常是用其 数字特征 ， 即均值方差 、 相关函数 等进行处理。

图像噪声按其产生的原因可分为 外部噪声 和 内部噪声 。外部噪声是指系统外部干扰从电磁波或经电源传进系统内部而引起的噪声，如电气设备、天体放电现像等引起的噪声。主要外部干扰如下： （1） 由光和电的基本性质所引起的噪声。 （2） 电器的机械运动产生的噪声。如, 各种接头因抖动引起的电流变化所产 生的噪声；磁头、磁带抖动引起的抖动噪声等。 （3） 元器件材料本身引起的噪声。如, 磁带、 磁盘表面缺陷所产生的噪声 （4） 系统内部设备电路所引起的噪声。如, 电源系统引入的交流噪声，偏转 系统和箝位电路引起的噪声等。

图像噪声从 统计特性 可分为 平稳噪声 和 非平稳噪声 两种。统计特性不随时间变化的噪声称为平稳噪声；统计特性随时间变化的噪声称为非平稳噪声。   另外，按噪声和信号之间的关系可分为 加性噪声 和 乘性噪声 。   假定信号为 ，噪声为 ，如果混合叠加波形是 形式，则称其为加性噪声；如果叠加波形为 形式， 则称其为乘性噪声。   为了分析处理方便，往往将乘性噪声近似认为加性噪声，而且总是 假定信号和噪声是互相独立 的。

（1）高斯噪声 ：

高斯噪声是一种源于电子电路噪声和由低照明度或高温带来的传感器噪声。高斯噪声也常称为正态噪声，符合高斯分布。是自然界中最常见的噪声。高斯噪声可以通过空域滤波的平滑滤波方法来消除。

椒盐噪声又称双极脉冲噪声，其概率密度函数为：

椒盐噪声是指图像中出现的噪声只有两种灰度值，分别为a和b，通常情况下脉冲噪声总是数字化为允许的最大或最小值，所以负脉冲以黑点(类似胡椒)出现在图像中，正脉冲以白点(类似盐)出现在图像中。

出现位置是随机的，但噪声的幅值是基本相同的。

出现在位置是一定的（每一点上），但噪声的幅值是随机的。

改善降质图像的方法有两类： 图像增强 和 图像复原

（1） 图像增强 ：不考虑图像降质的原因， 只将图像中感兴趣的部分加以处理或突出有用的图像特征，故改善后的图像并不一定要去逼近原图像。主要目的是要提高图像的可懂度。（2） 图像复原 ：针对图像降质的具体原因，设法补偿降质因素，使改善后的图像尽可能地逼近原始图像。

图像增强处理的方法基本上可分为 空间域法 和 频域法 两大类。

（1） 空间域法   在原图像上直接进行数据运算，对像素的灰度值进行处理。它又分为两类：点运算和局部运算点运算：对图像作逐点运算局部运算：在与处理像点邻域有关的空间域上进行运算。

（2） 频域法   在图像的变换域上进行处理， 增强感兴趣的频率分量， 然后进行反变换，得到增强了的图像。

线性滤波器是线性系统和频域滤波概念在空域的自然延伸。其特征是结果像素值的计算由下列公式定义：

其中： 是模板的系数 是被计算像素及其邻域像素的值。就是利用模板（滤波器）进行的卷积运算。

主要线性空域滤波器 ：主要包括 低通滤波器 、 高通滤波器 、 带通滤波器 。 低通 滤波器主要用于：钝化图像、去除噪声； 高通 滤波器 主要用于边缘增强、边缘提取； 带通 滤波器主要用于删除特定频率。

非线性滤波器的定义 ：使用模板进行结果像素值的计算，结果值直接取决于像素邻域的值，而 不使用乘积和 的计算。 主要非线性滤波器有 ：中值滤波、最大值滤波、最小值滤波。

线性平滑滤波器： 均值滤波器

分别采用 像素的方形均值滤波器得到的平滑结果。

模板尺寸越大，图像越模糊，图像细节丢失越多

低通空域滤波的缺点和问题如果图像处理的目的是去除噪声，那么，线性平滑低通滤波在 去除噪声的同时也钝化了边和尖锐的细节 。

统计滤波器是非线性滤波 ：滤波器模板包围的图像区域中像素排序，统计排序结果代替中心像素的值； 中值滤波器是应用最广泛的统计滤波器 ；中值滤波对一定类型的随机噪声（如椒盐噪声）提供了优秀的去噪能力，比小尺寸的线性平滑滤波器的模糊程度明显低。

中值滤波的原理

用模板区域内像素的中值，作为结果值 ；强迫突出的亮点（暗点）更象它周围的值，以消除孤立的亮点（暗点）

中值滤波算法的实现

在去除噪声的同时，可以比较好地保留边的锐度和图像的细节。对于椒盐噪声，中值滤波效果比均值滤波效果好；对于高斯噪声，均值滤波效果比中值滤波效果好。

最大值滤波可以去除图像中的暗斑，同时也会使亮斑增大；最小值滤波可以去除图像中的亮斑 ，同时也会增大暗斑。

图像边缘是图像的基本特征之一，它包含对人类视觉和机器识别有价值的物体图像边缘信息。

边缘是图像中特性（如像素灰度、纹理等）分布的 不连续处 ，图像周围特性有阶跃变化或屋脊状变化的那些像素集合。图像边缘存在于目标与背景、目标与目标、基元与基元的边界，它标示出目标物体或基元的实际含量，是图像识别信息最集中的地方。

图像锐化就是要 突出图像边缘 ， 抑制图像中非边缘信息 ， 使图像轮廓更加清晰 。由于边缘占据图像的高频成分，所以边缘增强通常属于 高通滤波 。

这里介绍三个方法：(1) 基本高通滤波模板；(2) 高频补偿滤波；(3) 图像微分，包括：一阶微分—梯度法；二阶微分—拉普拉斯算子；

(1) 基本高通滤波模板

我们先介绍高通滤波模板： 图像锐化是要增强图像频谱中的高频部分 ，就相当于 从原图像中减去它的低频分量 ，即原始图像经平滑处理后所得的图像。选择不同的平滑方法，会有不同的图像锐化结果。

或：

为原象， 为平滑后图像 为输出图像。

设计模板系数的原则：1）中心系数为正值，外围为负值；2）系数之和为0

基本高通空域滤波的缺点和问题 ：高通滤波在增强了边的同时，丢失了图像的层次和亮度。

(2) 高频补偿滤波（提升滤波） ：

弥补高通滤波的缺陷，在增强边和细节的同时，不丢失原图像的低频成分。

高频补偿比高通的优点是很明显的，即增强了边缘，又保留了层次。噪声对结果图像的视觉效果有重要的影响，高频补偿在增强了边的同时也增强了噪声。

(3) 图像微分

均值产生钝化 的效果，而 均值与积分 相似，由此而联想到， 微分 能不能产生相反的效果，即 锐化 的效果呢？结论是肯定的。图像微分主要有一阶微分和二阶微分。

Roberts交叉梯度算子 ：

采用梯度微分锐化图像，同时会使噪声、条纹等得到增强，Sobel算子则在一定程度上克服了这个问题。

（1） 对图像中的随机噪声有一定的平滑作用。 （2） 边缘两侧元素得到了增强，边缘显得 粗而亮 。

对数字图像来讲， 的二阶偏导数可表示为：

采用拉普拉斯算子对图像的增强的基本方法可表示为：

频率 平面与图像 空域 特性的 关系 。

图像 变化平缓的部分 靠近频率平面的圆心，这个区域为 低频区域 ；图像中的 边、噪声、变化陡峻的部分 ，以放射方向离开频率平面的圆心，这个区域为 高频区域 。

(1) 用 乘以给定的图像 ，计算出它的傅立叶变换 。 (2) 选择一个变换函数 （频域滤波器）乘以 。 (3) 计算(2)的反DFT: (4) 取(3)的实部 (5)用 乘以(4)的结果

频域增强与空域增强的关系：1. 在实践中，小的空间模板比傅立叶变换用得多得多，因为它们易于实现。2. 对于很多在空域上难以表述清楚的问题，对频域概念的理解就显得十分重要。在图像压缩中更体会到。

这里我们介绍频域滤波器的三种滤波器：1）低通滤波；2）高通滤波；3）同态滤波。

（1）平滑（低通）滤波 ：

频域低通滤波的基本思想 ， 是需要钝化图像的傅立叶变换形式, 是选取的一个滤波器变换函数 是通过 减少 的高频部分,来得到的结果运用傅立叶逆变换得到钝化后的图像。

理想低通滤波器的定义 ：

平滑（低通）滤波—理想低通滤波 ：

（1）整个能量的92%被一个半径为5的小圆周包含,大部分尖锐的细节信息都存在于被去掉的8%的能量中。（2）小的边界和其它尖锐细节信息被包含在频谱的至多0.5%的能量中。（3）被钝化的图像被一种非常严重的振铃效果——理想低通滤波器的一种特性所影响。

理想低通滤波器的平滑作用非常明显，但由于变换有一个陡峭的波形，它的反变换 有强烈的振铃特性，使滤波后图像产生模糊效果。因此这种理想低通滤波实用中不能采用。

数字图像处理的主要方法

数字图像处理的工具可分为三大类：

第一类包括各种正交变换和图像滤波等方法，其共同点是将图像变换到其它域（如频域）中进行处理（如滤波）后，再变换到原来的空间（域）中。

第二类方法是直接在空间域中处理图像，它包括各种统计方法、微分方法及其它数学方法。

第三类是数学形态学运算，它不同于常用的频域和空域的方法，是建立在积分几何和随机集合论的基础上的运算。

由于被处理图像的数据量非常大且许多运算在本质上是并行的，所以图像并行处理结构和图像并行处理算法也是图像处理中的主要研究方向。

扩展资料

1、数字图像处理包括内容：

图像数字化；图像变换；图像增强；图像恢复；图像压缩编码；图像分割；图像分析与描述；图像的识别分类。

2、数字图像处理系统包括部分：

输入（采集）；存储；输出（显示）；通信；图像处理与分析。

3、应用

图像是人类获取和交换信息的主要来源，因 此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。

主要应用于航天和航空、生物医学工程、通信   工程、工业和工程、军事公安、文化艺术、机器人视觉、视频和多媒体系统、科学可视化、电子商务等方面。

参考资料来源：百度百科-数字图像处理