俗话说，一图胜千言。质量上乘的SCI的图片表格无疑是论文的加分项，能极大得提高论文的质量。总体上还是建议大家先阅读目标期刊对图表投稿的具体要求，毕竟每个期刊对图表的要求都有略微的区别，这里给大家介绍一些图表的通用规则和注意要点，帮大家少走弯路。1.图表是放在正文中还是单独上传。绝大多数期刊要求正文、图片、表格、附加材料都单独上传；个别期刊要求正文里附带表格，图片另外上传；有的期刊要求将图表都添加到正文的末尾部分。2.期刊对彩色图表是否另外收费。3.版权问题。如果引用别人或者自己之前发表过的图表，要得到著作权持有者（各个作者、出版社）的许可，并说明图表的来源和用途。4.期刊对Figure legend要求是提倡详尽还是简略略写(是否需要写明缩写，图例，统计学差异等，对图表的描述是否要详细，还是体现在结果部分，还是把专业内学术常识部分省略，直接写图片要点)。最好参考已经发表的文献对图注的描述方法。5.图表的数量。大多数期刊对图表的数量没有要求，但小编也遇到有的期刊要求图表的数量总共不超过6个的情况，大家投稿前一定要按照期刊要求进行合理拼图或者删减不重要的图作为补充材料。6.图片格式。一般期刊更推荐作者提交矢量图。图片可提交的格式有：（1）矢量图格式.eps, .ai, .pdf, .svg,（2）用于位图的 .psd, .tiff, .jpeg, .png。.tiff格式的图片用PS处理后采用LZW格式无损压缩进行提交。（3） 没有格式影响可编辑的 .ppt最好将图表转换成图片时，就将图片格式设定为 .tiff或者.eps的矢量图格式。7.图片大小。出版社多采用分栏排版，分为左右两栏。一般排版的格式分为三种。图片左右最好不要留空白，或者仅留极少的空白。一般图片高度没有限制，不可过高超过20 cm；根据宽度分类，可分为三种：（1）半版图。图片总的宽度为8-9cm,（2）2/3版图。图片总宽度为12-15cm。（3）全版图。图片总宽度为17-19cm。8.图片色彩要求。RGB（red, green, blue)用于在线出版，CMYK(cyan, magenta, yellow, CMY) 为印刷业通用标准。如果期刊接受纸质出版，一般要求色彩模式为CMYK，现在越来越多期刊接受RGB模式的图片，一般不要求作者对色彩模式进行修改。如果文章按黑白模式印刷，应把所有的图片转化为灰度模式提交。9.图片的字体字号。英文标注大多使用和期刊正文相同的字体，一般是Arial, Times New Roman, Helvetica。图表上字体最大不能超过14号字，尽量使用8-12号字，尽量少使用6号以下的字体。同一张图内的字体大小尽量保持一致，如果不一致，相差字体的比例是否有要求。10.图片的标注方法，同一个大图不同小图的字母大小写；字母标注在图片内容的内部还是外部。11.图片分辨率。彩色图或者灰度图，分辨率要求300 dpi。复合型图，包括标注或者细线的图片，分辨率要求600 dpi。线条图，没有中间颜色的黑白图片，分辨率要求1200 dpi或者600 dpi。12.图片占内存容量。图片过大，会影响上传速度，有的期刊对单个附件的大小有要求。一般单张图片大小不可以超过10M。13.遵循统一和对齐原则。同一张大图的不同小图之间，尽量图片间水平和垂直对齐；相同类型的图片保持相同的规格。14.线条的粗细，一般在0.25-1.5pt之间。避免线条过粗影响美观或者线条过细出现裂痕。15.柱状图或者条形统计图的X轴、Y轴的legend部分的标注不要超过X轴和Y轴的边界两边的极值边界部分。16.图片中第一次出现的缩写、数字、字母、标注符号、不同的色彩，最好在图片的figure legend部分进行详细描述。
有时候为了避免论文查重系统，我们会将一些无法进行修改的内容使用图片进行替代，插入到论文之中，但是，要将它们插入正确的位置，对图片的大小没有过多的要求，只是需要让整个论文页面看起来更加美观、整洁和舒适。通常我们插入图片的时候，图片的宽度几乎和文字的宽度一样。当然，多张图片也可以排列在一起。
问题2：在论文中插入图片需要注意什么？
(1)要插入的图片必须高清。否则打印出来后看不到图片上有什么；
(2)图片的对比度也要合适；
(3)插入图片时，要尽可能使用电脑，便于及时修改调整图片；
(4)如果插入的图片需要标注文字和符号，一定要注意格式；
(5)实物照片涉及尺寸时，需要将比例尺寸同时插入相应的位置。
画面的图像格式，像素密度尺寸大小，拍照转换格式。
以在联想小新PAD PRO11.5英寸电脑、WIN专业版、photo shop cc版本为例，图片的分辨率需要设置为600，可以通过PS软件来实现。在打开该软件以后，新建一个画布，将其DPS分辨率设置为600。然后将图片拖移到新建的画布并进行保存即可。具体操作方法如下：
1、在电脑上双击打开该PS软件进入。
2、进入到该PS软件以后，点击左上角的文件，选择新建。
3、在出现的新建画布中输入需要的大小，然后在分辨率中输入600并点击确定。
4、画布新建完成以后点击文件，选择打开按钮。
5、在出现的对话框中选择需要的图片，点击打开按钮。
6、打开该图片以后，选择箭头工具，将该图片拖移到新建的画布上。
7、此时可以点击软件菜单栏的编辑按钮，选择自由变换。
8、在图片出现边框以后，沿着对角拉伸或者缩小图片并将其摆放到合适位置。
9、此时点击软件左上角的文件，选择存储为按钮。
10、在出现的保存对话框中选择存储位置以及图片格式，点击保存按钮。
11、找到文件的存储位置，点击右键选择属性。
12、此时在打开的图片属性对话框中点击详细信息，即可看到已经获得了600DPI的图片了。
《漫友》：黑白擂台要求：1、画稿最佳尺寸为A4(210*297mm)。需要退稿者请自备贴足邮票写好地址的回邮信封，否则来稿一律不退。2、电子投稿要求黑白稿分辨率位图1200dpi以上，灰度400dpi以上，上述文件最好以TIFF或PSD格式存储，若用JPEG，压缩率请勿低于8。若在网上投递，请先发小样，待获得录用通知后再投寄合乎规格的文件。超新星要求：1、来稿请务必在画稿背面或电子邮件内注明真实姓名、笔名、有效联系地址和邮码，QQ、MSN、Email等网络联系方式。2、画稿最佳尺寸为A4——210*297mm。3、电子投稿要求图片分辨率300dpi以上，文件最好以JPEG格式存储，压缩率请勿低于8。CF新人王投稿要求：1、实物投稿：漫画画稿尺寸为A4（210×297mm）左右原件、打印或复印件。2、网投的投稿方法：A4大小为佳电子彩稿300dpi分辨率黑白600dpi分辨率3、附带一点：四格、故事漫画（故事漫画的页数最好是四的倍数，如4P、8P、16P......然后漫友一般比较推荐新人投16P短篇漫画）、绘本、脚本皆可。无截稿日期。请在文件名上注明“CF新人王参赛作品”及自己的姓名，并在emial文档内附自己联系地址、电话或QQ、MSN等有效联系方式。（注意：如有QQ，请一定要写上您的Q号，因为这是编辑和画手目前最主要的联系和沟通方式。）因人力有限，所有来稿均不退稿，所以请作者自留底稿~其它杂志的要求可能也就大同小异吧~希望这个回答令你满意~
300万以上……
学号：20011210350 姓名：吕敬武【嵌牛导读】 SCI论文通常对图片的分辨率要求很高，比如SCI 1区杂志 NeuroImage 要求图片的分辨率为100dpi以上，在这种背景下，如何生成符合SCI论文投稿要求的高清图方法？ 【嵌牛鼻子】SCI；高清图片 【嵌牛正文】 【问题背景】SCI论文通常对图片的分辨率要求很高，比如SCI 1区杂志 NeuroImage 要求图片的分辨率为100dpi以上 。 【解决方法】 使用 Adobe acroba 软件 （以生成高清TIF格式图片为例） 第一步：在PPT中组合好图片后，打印为PDF文件（高质量打印）第二步：在adobe acrobat 打开pdf，选择编辑PDF，并裁剪掉多余的空白部分第三步，保存为TIFF格式的图片，设置满足期刊要求的分辨率
TIFF: Colour or greyscale photographs (halftones): always use a minimum of 300 dpi. TIFF: Bitmapped line drawings: use a minimum of 1000 dpi. 第一点说的是灰度图的dpi在至少300dpi以上，比如病理图片、电泳图等； 第二点说的是点阵线性图的分辨率一般在1000dpi以上，比如用excel所作曲线或柱状图，chemdraw所画结构式等。 投稿所遇到的问题： 通常数码照片的dpi为72，而excel所作图片的dpi为200，均不能满足投稿需求，因此要更改dpi 设置解决方法：在photoshop新建一个A4格式的图片，在图片大小选项中将分辨率选为杂志所需的分辨率（比如1000ppi，这里可能又涉及到一个ppi和dpi的概念，其实你不用多管，简单说来，一个相当于电脑屏幕的输出(ppi)，一个相当于打印机的输出(dpi)，你只要ppi设为1000，打印的分辨率就为1000dpi，两者在数值上是等量的）。将excel或照片直接粘贴到新建图层中（注意，这是的图片显示的可能会很小），将图片放大到适合观看的大小，剪切所需区域，如果杂志社对图片大小有要求可以通过图片大小选项设定（例如5cm*3cm），保存为tiff格式，将保存layer前的对钩去掉，确定，采用LZW压缩，确定，即可。这样保存的图片大约为200k. dpi增大的优点： 通常我们用excel作的图贴到word或直接保存为图片，会发现，图片缩小会比较清初，但是放大后遍模糊 将dpi增大后,虽然缩小图片感觉不如直接保存清初,但是你放大很多倍后图像仍清晰 如果原图是用“Origin”做的曲线图， 按照要求“1200 dpi (dots per inch) for black and white line art (simple bar graphs, charts, etc.)”的要求修改过程如下： （1）将所做的图用程序“Origin” （如OriginPro 7.5）打开; （2）点击菜单”File” “Export Page..”在“保存类型”中选“Tag Image File(*.tif)”，同时在 “Show Image Options”前打勾 ， 确定“保存”； (3)在TIFF Options窗口中，“DIP” 设为1200；“Color Depth” 选Monochrome;“Compression” 选LZW，最后点击“OK”即可。 （4）将所得的TIF格式图片用Photoshop打开，在菜单“图像” ， “图像大小”中确认 “分辨率”为1200象素/英寸，将“宽度”设定为6000像素左右；点击“好”。 （5）“文件” ， “存储为” ， “格式”选为“TIFF” ， ”保存“；在”图像压缩“中选”LZW“; 点击”好“；就可获得满足杂志要求的图片了！ 如果图片是JPG等照片，如电镜照片等， 300 dpi for halftones (black and white photographs) 600 dpi for combination halftones (photographs that also contain line art such as labeling or thin lines) 按照上面的任一个要求，处理如下： （1）图片用Photoshop打开，在菜单“图像”中的 “图像模式” 中选择“灰度”（用于黑白图片）或者“CMYK”（用于彩色图片） （2）在“图像”中的“图像大小”设定“分辨率”为600（或300）象素/英寸，将“宽度”设定为3000像素左右；点击“好”。 （3）“文件” “存储为” “格式”选为“TIFF” ”保存“；在”图像压缩“中选”LZW“; 点击”好“；就可获得满足杂志要求的图片了！
图片分辨率不高，看起来很模糊，可以使用下面方法来提高图片分辨率。第一步：下载并安装首先下载牛学长图片修复工具，然后将其安装到电脑上。第二步：上传照片启动牛学长图片修复工具后，可以单击“选择文件”或直接拖动图片将原始模糊的图片导入到牛学长图片修复工具中。第三步：预览效果单击“预览”，由于工具在处理图片，可能需要等待几秒钟。温馨提示：如果预览后您对效果不满意，可以开启ai修复模式重新处理。由于此模式比较负责，处理图片的时间稍长，请您耐心等待。第四步：选择图片格式并导出牛学长图片修复工具提供4种图片格式：png、jpg、jpeg、webp。您可以选择您喜欢的格式，导出修复后的照片并保存。想要了解更多关于提高图片分辨率的相关信息，推荐选择牛学长图片修复工具。牛学长图片修复工具是深圳软牛科技有限公司旗下品牌，成立于2007年，是一家国际化的软件公司。牛学长召集最有才华的研发人员来创造更优质的产品，并打造出了一系列广受好评且屡获殊荣的品牌软件；其强大的专业研发能力，产品质量有保证，值得广大用户的信赖与选择。【点击下载修复图片】
MRI
MRI 核磁共振成像技术作为二十世纪医学影像成像领域最重要的进展之一，在医学临床诊断中的应用日益广泛,因此研究磁共振成像及其图像处理方法具有很广泛的现实意义。
论文对MRI医学成像和图像处理方法的几个主要方面进行了相关研究。主要涉及三个子课题:基于化学位移的扩展两点Dixon水和脂肪分离算法研究，该算法同时包含特定成像脉冲序列设计和图像后处理;
基于非线性滤波的图像增强、去噪以及高分辨率图像重建算法研究;基于整数小波变换和改进零树编码的医学图像渐进无损压缩算法研究。
在文章中，作者首先系统回顾了MRI 磁共振成像的物理学基本原理，并在此基础上对基于化学位移的扩展两点Dixon水和脂肪分离算法进行了研究,提出使用低通滤波代替多项式拟合迭代进行两维相位去卷绕,改进算法能够降低分离处理的计算复杂度和改善了水和脂肪的分离结果。
为改善MRI医学图像质量，论文对线性增强算法和非线性滤波外推图像增强算法进行研究分析，指出整幅图像增强时导致马太效应的原因所在。
进而提出一种新的剪切策略包络阈值剪切策略改进非线性滤波算法，使得改进后的算法在外推新的高频分量进行图像增强时显著优于原有算法。运用改进的非线性滤波算法结合低通滤波对医学图像进行去噪处理，能有效消除高频噪声同时尽可能保留有用高频信号。
最后将改进的非线性滤波方法应用于高分辨率图像重建，获得了比线性插值更为理想的高分辨率重建图像。
论文对整数小波变换和 EZW零树编码算法做了简单回顾，研究了EZW零树编码策略应用于无损图像压缩时的缺点,提出基于整数小波变换和改进零树编码的医学图像渐进无损压缩框架。
对医学图像的无损压缩实验取得了较高的压缩比，有损渐进解码恢复时，较低的码率得到了较好的图像信噪比，同时良好的渐进解码特性，能够满足远程医疗等基于信道传输的图像解压缩应用。
首先超声系统分辨率的定义是指辨别两种物体、两种组织或两个目标的能力，定义为在显示器上刚好能区分开的两点靶间距的实际距离。距离越小，分辨率越强。同时还有一个相似的概念叫分辨力，为靶间距的实际距离的倒数。横向分辨率（又称径向分辨率或方位分辨率）描述了沿着与波束轴线垂直的、波束截面扫描方位上的分辨率。纵向分辨率（又称距离分辨率或者轴向分辨率）是指沿着波束轴线方向的分辨率。不太清楚问题中关于超声声束的高度的定义。关于影响两个分辨率的因素，简述如下：横向分辨率：超声波束的宽度。就是指垂直于声束轴线截面的横向分辨尺寸。由于超声波是扩散的。在近场区，波束宽度大致等于换能器的直径；在远场区，波束扩散，随距离增大而增大。因而横向分辨率随深度增加而下降。纵向分辨率：脉冲宽度。在超声系统中一般都采用脉冲回声技术，发射声波为单位脉冲信号。如果一个回波A和另一个回波B刚好不重叠时，那么A和B在图像上就刚好能区分开来。系统带宽、工作频率、超声衰减对纵向分辨率也有影响。纵向分辨率(axial resolution)： 分辨纵向(超声波传播方向)两个最接近目标(物体)的能力，其取决于脉冲长度(pulse length)，脉冲长度越短，纵向分辨率越高。纵向分辨率 = 脉冲长度/2 = (脉冲周期数 * 波长) / 2。因此，减少发射脉冲的周期数或者减少超声波波长均可提高纵向分辨率。这也是提高超声探头(换能器)的中心频率(超声波波长减少，超声波波长=声速*周期=声速/频率)，就可提高纵向分辨率的原因。
随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。我整理了图像识别技术论文，欢迎阅读!
图像识别技术研究综述
摘要：随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。图像识别是利用计算机对图像进行处理、分析和理解，由于图像在成像时受到外部环境的影响，使得图像具有特殊性，复杂性。基于图像处理技术进一步探讨图像识别技术及其应用前景。
关键词：图像处理;图像识别;成像
中图分类号：TP391 文献标识码：A 文章编号：1009-3044(2013)10-2446-02
图像是客观景物在人脑中形成的影像，是人类最重要的信息源，它是通过各种观测系统从客观世界中获得，具有直观性和易理解性。随着计算机技术、多媒体技术、人工智能技术的迅速发展，图像处理技术的应用也越来越广泛，并在科学研究、教育管理、医疗卫生、军事等领域已取得的一定的成绩。图像处理正显著地改变着人们的生活方式和生产手段，比如人们可以借助于图像处理技术欣赏月球的景色、交通管理中的车牌照识别系统、机器人领域中的计算机视觉等，在这些应用中，都离不开图像处理和识别技术。图像处理是指用计算机对图像进行处理，着重强调图像与图像之间进行的交换，主要目标是对图像进行加工以改善图像的视觉效果并为后期的图像识别大基础[1]。图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。但是由于获取的图像本事具有复杂性和特殊性，使得图像处理和识别技术成为研究热点。
1 图像处理技术
图像处理(image processing)利用计算机对图像进行分析，以达到所需的结果。图像处理可分为模拟图像处理和数字图像图像处理，而图像处理一般指数字图像处理。这种处理大多数是依赖于软件实现的。其目的是去除干扰、噪声，将原始图像编程适于计算机进行特征提取的形式，主要包括图像采样、图像增强、图像复原、图像编码与压缩和图像分割。
1)图像采集，图像采集是数字图像数据提取的主要方式。数字图像主要借助于数字摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像，也包括一些动态图像，并可以将其转为数字图像，和文字、图形、声音一起存储在计算机内，显示在计算机的屏幕上。图像的提取是将一个图像变换为适合计算机处理的形式的第一步。
2)图像增强，图像在成像、采集、传输、复制等过程中图像的质量或多或少会造成一定的退化，数字化后的图像视觉效果不是十分满意。为了突出图像中感兴趣的部分，使图像的主体结构更加明确，必须对图像进行改善，即图像增强。通过图像增强，以减少图像中的图像的噪声，改变原来图像的亮度、色彩分布、对比度等参数。图像增强提高了图像的清晰度、图像的质量，使图像中的物体的轮廓更加清晰，细节更加明显。图像增强不考虑图像降质的原因，增强后的图像更加赏欣悦目，为后期的图像分析和图像理解奠定基础。
3)图像复原，图像复原也称图像恢复，由于在获取图像时环境噪声的影响、运动造成的图像模糊、光线的强弱等原因使得图像模糊，为了提取比较清晰的图像需要对图像进行恢复，图像恢复主要采用滤波方法，从降质的图像恢复原始图。图像复原的另一种特殊技术是图像重建，该技术是从物体横剖面的一组投影数据建立图像。
4)图像编码与压缩，数字图像的显著特点是数据量庞大，需要占用相当大的存储空间。但基于计算机的网络带宽和的大容量存储器无法进行数据图像的处理、存储、传输。为了能快速方便地在网络环境下传输图像或视频，那么必须对图像进行编码和压缩。目前，图像压缩编码已形成国际标准，如比较著名的静态图像压缩标准JPEG，该标准主要针对图像的分辨率、彩色图像和灰度图像，适用于网络传输的数码相片、彩色照片等方面。由于视频可以被看作是一幅幅不同的但有紧密相关的静态图像的时间序列，因此动态视频的单帧图像压缩可以应用静态图像的压缩标准。图像编码压缩技术可以减少图像的冗余数据量和存储器容量、提高图像传输速度、缩短处理时间。
5)图像分割技术，图像分割是把图像分成一些互不重叠而又具有各自特征的子区域，每一区域是像素的一个连续集，这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割根据目标与背景的先验知识将图像表示为物理上有意义的连通区域的集合。即对图像中的目标、背景进行标记、定位，然后把目标从背景中分离出来。目前，图像分割的方法主要有基于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法[2]。由于采集图像时会受到各种条件的影响会是图像变的模糊、噪声干扰，使得图像分割是会遇到困难。在实际的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识别、分析和理解奠定了基础。
2 图像识别技术
图像识别是通过存储的信息(记忆中存储的信息)与当前的信息(当时进入感官的信息)进行比较实现对图像的识别[3]。前提是图像描述，描述是用数字或者符号表示图像或景物中各个目标的相关特征，甚至目标之间的关系，最终得到的是目标特征以及它们之间的关系的抽象表达。图像识别技术对图像中个性特征进行提取时，可以采用模板匹配模型。在某些具体的应用中，图像识别除了要给出被识别对象是什么物体外，还需要给出物体所处的位置和姿态以引导计算初工作。目前，图像识别技术已广泛应用于多个领域，如生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主车导航、公安、银行、交通、军事、电子商务和多媒体网络通信等。主要识别技术有：
2.1 指纹识别
指纹识别是生物识别技术中一种最实用、最可靠和价格便宜的识别手段，主要应用于身份验证。指纹识别是生物特征的一个部分，它具有不变性：一个人的指纹是终身不变的;唯一性：几乎没有两个完全相同的指纹[3]。一个指纹识别系统主要由指纹取像、预处理与特征提取、比对、数据库管理组成。目前，指纹识别技术与我们的现实生活紧密相关，如信用卡、医疗卡、考勤卡、储蓄卡、驾驶证、准考证等。
2.2 人脸识别 目前大多数人脸识别系统使用可见光或红外图像进行人脸识别，可见光图像识别性能很容易受到光照变化的影响。在户外光照条件不均匀的情况下，其正确识别率会大大降低。而红外图像进行人脸识别时可以克服昏暗光照条件变化影响，但由于红外线不能穿透玻璃，如果待识别的对象戴有眼镜，那么在图像识别时，眼部信息全部丢失，将严重影响人脸识别的性能[4]。
2.3 文字识别
文字识别是将模式识别、文字处理、人工智能集与一体的新技术，可以自动地把文字和其他信息分离出来，通过智能识别后输入计算机，用于代替人工的输入。文字识别技术可以将纸质的文档转换为电子文档，如银行票据、文稿、各类公式和符号等自动录入，可以提供文字的处理效率，有助于查询、修改、保存和传播。文字识别方法主要有结构统计模式识别、结构模式识别和人工神经网络[5]。由于文字的数量庞大、结构复杂、字体字形变化多样，使得文字识别技术的研究遇到一定的阻碍。
3 结束语
人类在识别现实世界中的各种事物或复杂的环境是一件轻而易举的事，但对于计算机来讲进行复杂的图像识别是非常困难的[6]。在环境较为简单的情况下，图像识别技术取得了一定的成功，但在复杂的环境下，仍面临着许多问题：如在图像识别过程中的图像分割算法之间的性能优越性比较没有特定的标准，以及算法本身存在一定的局限性，这使得图像识别的最终结果不十分精确等。
参考文献：
[1] 胡爱明，周孝宽.车牌图像的快速匹配识别方法[J].计算机工程与应用，2003，39(7)：90—91.
[2] 胡学龙.数字图像处理[M].北京：电子工业出版社，2011.
[3] 范立南，韩晓微，张广渊.图像处理与模式识别[M].北京：科学出版社，2007.
[4] 晓慧，刘志镜.基于脸部和步态特征融合的身份识别[J].计算机应用，2009，1(29)：8.
[5] 陈良育，曾振柄，张问银.基于图形理解的汉子构型自动分析系统[J].计算机应用，2005，25(7)：1629-1631.
[6] Sanderson C，Paliwal K K.Information Fusion and Person Verification Using Speech & Face Information[C].IDIAP-RR 02-33，Martigny，Swizerland，2002.
点击下页还有更多>>>图像识别技术论文