数字图像技术应用.doc

数字图象处理技术的应用
    0、 引言 
    目前，数字图像处理技术越来越多的应用于人们日常工作、学习和生活中，和传统图像处理相比，它具有精度高、再现性好、通用性和灵活性强等特点。数字图象处理是一门新兴的技术，它是五十年代数字计算机发展到相当水平后开拓出来的计算机应用新领域。它把图象转换成数据矩阵存放于计算机中，并对其进行滤波、增强、删除等处理，包括图象输入输出技术、图象分析、变换与处理技术以及图象识别与特征提取等方面。六十到七十年代，数字图象处理技术的理论和方法更加完善，其精确性、灵活性和通用性逐步提高。数字图象处理是针对性很强的技术，根据不同的应用、不同的要求采用不同的方法。采用的方法是综合各学科较为先进的成果而成的，如数学、物理、心理学、医学、计算机科学、通信理论、信号分析、控制论和系统工程等。各个学科互相补充、互相渗透才使数字图象处理技术飞速发展。 
    1、 数字图像处理系统 
    数字图像处理系统由硬件和软件组成。 
    硬件设备主要由主机、采集模块、通信模块、存储模块及显示模块组成。 
    采集模块由光敏感器件和模/数转换装置组成，常用设备有：扫描仪、数码照相机、数码摄像机等； 
    通信模块主要起传输作用，按传输图像种类分为静止图像通信（如电报、传真和图文电视等）、活动图像通信（如电视、可视电话等）； 
    存储模块主要对图像资料进行存储，常用的设备有：硬盘、软盘、U盘、活动硬盘、光盘、磁带等 ； 
    图像显示模块的主要形式为软拷贝形式和硬拷贝形式。 
    图像处理软件由系统管理、图像数据管理和图像处理模块三部分组成。 
    2、 数字图像处理技术的应用 
    2.1 检测 
    随着计算机技术的飞速发展，利用计算机来代替人力进行检测已经成为历史的必然。先进的自动化检测技术已较普遍地应用于各个领域。 
    以木材加工为例，最近几年，我国木材进口的数量逐年增加，其中木材检测是必不可少的重要环节。板材是木材应用需求量最大的品种，板材表面缺陷是评定板材质量的重要指标之一。随着木材加工业向机械化、自动化的大规模生产发展，人们对板材的加工质量，尤其是表面缺陷给予了越来越多的重视，因而表面缺陷检测技术变得越来越重要，板材表面缺陷的在线检测对木材加工过程中的质量控制及产品分级等均具有重要意义。对板材缺陷进行检测的方法很多，传统的检测大多是用人工的方法，凭借经验，根据板材的颜色、纹理、色泽、板材的构造特性等来评价板材。但肉眼识别有一定的局限性，尤其是板材表面有多种缺陷，缺陷的尺寸和形状变化很大，人工分类比较困难。所以这种检测方法已不能满足木材生产中快速检测和持续检测的需要。近20年来，探测木材缺陷的非人工方法主要有：超声波法、激光扫描法、X射线透视法和射线检测法等。图象的显著特点是信息量大、频带宽，通过图象处理可以初步检测木材特征，其优点是处理精度高，处理内容丰富，可进行复杂的非线性处理，有灵活的变通能力；方法简单且直观性强，实时速度快，不破坏木材，节省材料资源。基于数字图象处理技术的板材表面缺陷检测系统由照明光源、CCD摄像机、图象采集卡、PC机以及输出设备组成。与计算机相连的CCD摄像机摄取木材表面图象，将木材表面特征转换为视频信号。根据像素分布和亮度等信息，通过图象采集卡送入计算机，然后计算机利用专门的处理软件对所采集到的图象进行存储和处理。通过参数计算对板材图片提取特征以检测表面缺陷信息，然后进行分类定等级。

在检测过程中，通常需要对木材图象进行预处理。预处理一般包括三步：首先进行边缘增强，一般选用拉普拉斯算子对木材图象进行边缘增强，这是因为拉普拉斯算子具有各向同性，能对任何走向的界线和线条进行锐化，无方向性。然后进行平滑处理，平滑处理的目的是减弱图象中的噪声，一般选用中值滤波方法。中值滤波在一定的条件下，可以克服线性滤波器所带来的细节模糊，而且对滤波脉冲干扰的图象扫描噪声最为有效。最后进行图象的背景和边缘二值化，便于研究边缘所在的位置。将处理后图象的特征送入分类器进行缺陷分类，即可实现对板材的检测和分级。将数字图象处理技术应用于木材缺陷检测中，具有处理精度高、处理速度快、处理内容丰富、不破坏木材、可进行复杂的非线性处理、方法简单且直观性强等特点。用图象处理法检测木材缺陷的理论研究将为智能型板材缺陷识别机的开发提供基础理论指导，解决木材缺陷人工识别判定误差大、难以实现双面识别的问题，给木材工业带来巨大的经济效益。

2.2 图像分割 
    车牌照是全世界唯一对车辆身份识别的标记，尽管牌照的字符、颜色、格式内容和制作材料会多种多样，但车牌照仍是全球范围内最为精确和特定的识别标记，它的特殊性和重要性不言而喻，从而也决定了车牌识别系统成为城市智能交通管理系统中不可或缺的重要组成部分。车牌识别系统已经广泛地应用于道路车辆监控、车辆违章执法、公路桥梁收费、停车场管理等系统中，对车辆案件的侦破、公正执法、车辆管理起到了重要作用，为自动化的智能交通管理提供了高效、实用的手段。 
    车牌识别系统实现的方式主要分为两种：一种是静态图像图片的识别，另一种是动态视频流的实时识别。静态图像识别技术的识别有效率较大程度上受限于图像的抓拍质量，为单帧图像识别，目前市场产品识别速度平均为200毫秒；而动态视频流的识别技术适应性较强，识别速度快，它实现了对视频每一帧图像进行识别，增加识别比对次数，择优选取车牌号，关键在于较少的受到单帧图像质量的影响，目前市场产品识别较好的时间为10毫秒。 
    下面主要介绍动态视频流实时识别系统得组成和原理： 
    基于PC的车牌识别系统是利用通过某一路段的汽车前视或后视图像，完成车牌目标的自动定位与识别。
系统的工作原理是:当车辆通过检测区域时，检测装置将车辆的通过信号传送到图像采集设备，图像采集设备采集车辆的图像，并将图像传送到计算机，计算机对车牌进行自动定位和识别并将识别结果送至监控中心或收费处等应用场所。下面简述各部分的主要功能： 
视频采集。采用视频卡捕获汽车视频图像.这部分的任务主要是判断有无来车，若有，则截获一帧图像作为后续定位识别之用，否则持续进行监视； 
车牌定位。首先将输入的彩色图像进行灰度化等一系列预处理，然后寻找出具有车牌特征的候选区域，根据实际车牌的特征找出真正的车牌区域，交给后续模块进行处理； 
字符分割。在得到的车牌图像中进行字符的分割，然后将分割出的字符输入到后续的识别模块进行识别； 
车牌字符的正确分割是进行下一步车牌字符识别的基础，目前常用的方法有如下几种: 
（1）车牌区域纹理特征的方法。这种方法是利用车牌区域字符和底色具有不同的灰度特征从而进行边框去除和字符分割的方法。 
（2）基于数学形态学的方法。利用形态学的腐蚀和膨胀，将车牌字符区域组成连通域的方法去除边框，再进一步采用字符连通域的形式进行字符切分。 
(3)基于Hough变换的字符分割方法。还有人完全利用Hough变换，寻找车牌字符的上下边界，再结合车牌字符的排列特征进行字符的分割 。 
字符识别。对分割出来的每个字符进行识别，并进行语法分析，判断识别的结果是否正确，并将结果反馈到前面的模块。 
    2.3 特征提取 
    基于图像的特征提取是数字图像处理技术的应用领域之一，在许多应用中，为了对某一物体进行分析研究，首先需要获取该物体的相关特征。以农作物生长状况分析为例，由于根是植物适应陆上生活在进化中逐渐形成的器官，它具有吸收、固着、输导、合成、储藏和繁殖等功能，土壤内的水和矿物质通过根进入植株的各个部分，根的顶端能无限地向下生长，根的内部能生出侧向的支根，形成庞大的根系，有利于植物体的固着和吸收，使植物体的地上部分能完善地生长，达到枝叶繁茂，花果累累。由此可见，根的正常生长对植物的健康起着关键的作用。 
    为了对植物生长状态进行分析，可以通过运用数字图象处理技术以及处理算法，对植物生长过程中根系图象进行识别与分析，得到植物生长是否异常的描述与特征信息的提取。然后，根据根系的特征信息与计算机专家系统作模式匹配比较，得到植物生长状况的相关性数据，达到研究根系的目的。根系图象的获取可通过两种方式：第一种方法是将植物根系从土壤中拔出，然后将其洗净，最后进行测量。这种方法因为简单直接所以得到了广泛的应用，但其对根系的损伤特别大，据统计有30%的根系在洗的过程中脱落，这样就降低了测量的精度，而且在每次测量时都必须将根系拔出，既损伤了植物又给研究带来很多不便。第二种方法是对根系图象进行处理，图象的采集可采用X摄像技术和CCD摄像系统。这种方法可直接无接触地对植物根系进行采样，无需将植物从土壤中拔出，这种利用数字图象处理技术来测量根系的方法要比前者精确度高的多， 
    在图象获取过程中，摄像系统质量、胶片曝光度、给光条件以及录入装置等因素会在一定程度上增加图象噪声，使图象变得模糊、对比度低、灰度分布不均匀等。因而，一般还需要对根系图象进行灰度级修正、平滑、锐化等预处理，以使图象清晰、突出目标、改善图象质量，从而保证后期图象分割的效果。