圖像處理技術論文
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇圖像處理技術論文范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。
圖像處理技術論文范文第1篇
0引言
全息技術是物理學中一重要發現，越來越多的應用于各個行業。伴隨著CCD技術和計算機技術的發展，全息技術也得到一次質的飛躍，從傳統光學全息到數字全息。傳統光學全息將物光和參考光干涉得到全息照片來記錄光的振幅和相位信息，而數字全息則用CCD記錄物光和參考光的干涉，形成數字全息圖，再通過計算機圖像處理技術處理全息圖。因此，影響數字全息技術發展有兩個重要方面：CCD技術和計算機圖像處理技術。本文將從計算機應用方面闡述圖像處理技術在全息中的應用。
1圖像處理技術
圖像是現代社會人們獲取信息的一個主要手段。人們用各種觀測系統以不同的形式和手段獲得圖像，以拓展其認識的范圍。圖像以各種形式出現，可視的、不可視的，抽象的、實際的，計算機可以處理的和不適合計算機處理的。但究其本質來說，圖像主要分為兩大類：一類是模擬圖像，包括光學圖像、照相圖像、電視圖像等。它的處理速度快，但精度和靈活性差。另一類是數字圖像。它是將連續的模擬圖像離散化后處理變成為計算機能夠辨識的點陣圖像。從數字上看，數字圖像就是被量化的二維采樣數組。它是計算機技術發展的產物，具有精度高、處理方便和重復性好等特點。
圖像處理就是將圖像轉化為一個數字矩陣存放在計算機中，并采用一定的算法對其進行處理。圖像處理的基礎是數學，最主要任務就是各種算法的設計和實現。目前，圖像處理技術已經在很多方面有著廣泛的應用。如通訊技術、遙感技術、生物醫學、工業生產、計算機科學等等。根據應用領域的不同要求，可以將圖像處理技術劃分為許多分支，其中比較重要的分支有：①圖像數字化：通過采樣和量化將模擬圖像變成便于計算機處理的數字形式。③圖像的增強和復原：主要目的是增強圖像中的有用信息，削弱干擾和噪聲，使圖像清晰或將轉化為更適合分析的形式。③圖像編碼：在滿足一定的保真條件下，對圖像進行編碼處理，達到壓縮圖像信息量，簡化圖像的目的。以便于存儲和傳輸。④圖像重建：主要是利用采集的數據來重建出圖像。圖像重建的主要算法有代數法、傅立葉反投影法和使用廣泛的卷積反投影法等。⑤模式識別：識別是圖像處理的主要目的。如：指紋鑒別、人臉識別等是模式識別的內容。當今的模式識別方法通常有三種：統計識別法、句法結構模式識別法和模糊識別法。⑥計算機圖形學：用計算機將實際上不存在的，只是概念上所表示的物體進行圖像處理和顯現出來。
2計算機圖像處理技術在全息學中的應用
圖像處理技術在全息中的應用主要表現在：一是計算全息，基于計算機圖形學將計算機技術與光全息技術結合起來，通過計算機模擬、計算、處理，制作出全息圖。因此它可以記錄物理上不存在的實物。二是利用圖像的增強和復原，圖像編碼技術等對數字全息圖像質進行提高以及實現的各種算法。它的應用大致可以分為兩大類，即空域法和頻域法：①空域法：這種方法是把圖像看作是平面中各個像素組成的集合，然后直接對這一二維函數進行相應的處理。空域處理法主要有下面兩大類:一是領域處理法。其中包括梯度運算(GradientAlgorithm)，拉普拉斯算子運算(LaplacianOperator)，平滑算子運算(SmoothingOperator)和卷積運算(ConvolutionAlgorithm)。二是點處理法。包括灰度處理(greyprocessing)，面積、周長、體積、重心運算等等。②頻域法：數字圖像處理的頻域處理方法是首先對圖像進行正交變換，得到變換頻域系列陣列，然后再施行各種處理，處理后再反變換到空間域，得到處理結果。這類處包括:濾波、數據壓縮、特征提取等處理。
3模擬實驗
本文運用matlab軟件，利用圖像處理技術，編寫了程序，以模擬計算全息和實現全息圖像的濾波。圖1是計算全息實現流程圖。
本文將運用matlab程序設計語言實現計算全息的制作、再現過程。標有“涉”一字，圖像尺寸為1024像素×1024像素；。模擬實驗中用到的參數為：激光模擬了氦氖激光器，波長為638.2nm；再現距離為40cm；因為原始物圖的尺寸用像素為單位表示，所以像素分辨率為1。
從模擬實驗中可以看出，數字全息的處理過程其實就是計算機圖像處理在全息技術的應用過程。利用計算機圖像處理技術對全息圖進行了記錄，將物光和參考光干涉得到了全息圖。并利用圖像的增強和復原對圖像進行了處理，以消除噪聲，得到更好的全息再現象。
本文僅模擬了計算全息的實現和再現過程，其實，計算機圖像處理在全息技術中的應用是全方位的，用實驗方法得到的全息圖中包含了更多的其他無用信息（噪聲），圖像處理技術在這里就顯得尤為重要。隨著計算機圖像處理技術的進一步發展，全息技術必然會迎來新的一輪發展和飛躍。超級秘書網：
參考文獻：
[1]周燦林，亢一瀾.數字全息干涉法用于變形測量.光子學報，2004，13（2）：171－173.
[2]劉誠，李銀柱，李良鈺等.數字全息測量技術中消除零級衍射像的方法[J].中國激光，2001，A28(11)：1024-1026.
圖像處理技術論文范文第2篇
關鍵詞：煙葉數字圖像；邊緣處理；形態學變換；特征抽取；智能識別
1引言
煙葉是煙草工業的基礎原料， 對煙草工業生產質量和煙草行業經營效益具有舉足輕重的作用。對煙葉生產過程的各個環節包括煙葉品質的智能識別進行技術創新，提高品質和效率，是一個前沿研究方向[1][5]。
當前這一方面的研究，主要集中在數字圖像處理方面，把煙葉品質的數字圖像處理與神經網絡技術相結合，實現煙葉品質的智能識別，是一個極有價值的工作。以下在此方面作出一個系統的、較為完備的、易于實際操作的研究。
2主要技術手段
2．1 MAⅡAB圖像處理工具箱
在MATLAB平臺上，借助圖像處理工具箱，可以簡易明快地實現對煙葉數字圖像的圖像處理。在煙葉生產一線，用數碼照相機對各種煙葉樣本進行拍照，輸入計算機，用MAT_LAB將它轉換為各(．bmp；．jpeg；．gif；．png；．t 圖片以便進行圖像處理。成本低，精確度高，宜于普及推廣。獲取各種類型的煙葉數字圖像以后，經閾值使用權圖像二值化，可以當即辨識出這一圖像是否具有何種類型的病蟲害或品質異變。利用煙葉數字圖像的邊緣檢測、輪廓提取等分析命令，獲得待測煙葉的圖像參數和特征，再由神經網絡技術，完成對煙葉品質的智能識別。
2．2神經網絡技術
神經網絡是一個新的智能識別工具。畢業論文 經過訓練的神經網絡能夠存儲與過程有關的信息，能直接從歷史數據中學習，經過用各種煙葉樣本訓練和學習的神經網絡，能自動地識別出待測煙葉樣本的品質類型。而且，神經網絡具有濾除噪聲及在有噪聲情況下得出正確結論的能力。這一點對于煙葉生產實際中大量存在各種噪聲信息的情況而言，特別重要。它特別適合在線識別。
3應用MATLAB圖像處理工具箱和神經網絡技術對煙葉品質智能識別的操作過程
3．1煙葉圖片樣本庫的建立
用數碼相機或其它數字圖像采集工具，采集各種類型的煙葉的標準圖片，分類歸檔，借助MATLAB圖像變換功能，將各種類型的煙葉的標準圖片，轉換成各種圖片形式：．bmp；．jpeg；．sir；．png；．tif等，以便隨時調用。這些煙葉圖片，有不同品質的樣本；還有各種病蟲害標本和變異標本。
3．2用直方圖均衡來實現圖像增強
當從生產一線采集的煙葉待測樣本的圖像對比度較低，碩士論文 即灰度直方圖分布區間較窄時，可用直方圖均衡實現灰度分布區間展寬而達到圖像增強的效果。
3．3煙葉圖像的邊緣檢測和特征提取
煙葉圖像的基本特征之一是圖像邊緣。圖像邊緣是圖像周圍像素灰度有階躍性變化或屋頂變化的像素的集合。煙葉的邊緣是由灰度的不連續性所致，因此考察圖像每個像素在某個鄰域內灰度的變化，利用邊緣鄰近一階或二階方向導數變化規律可以檢測煙葉圖像邊緣。圖像特征反映煙葉的幾何結構，如面積、周長、分形分維數、孔洞數、歐拉數等等。圖像特征的選擇是圖像識別的重要環節。運用二叉分類法在找出判別特征后，對不同的圖像特征由分類閾值按二分的方法進行分類；運用相似距離分類方法把待判圖像與一個標準圖像相比，標準圖像用樣本圖像特征向量的均值來表示。通過計算待判圖像與標準圖像之問的在相空間中的距離來判別圖像和進行分類。這一過程還為用神經網絡技術實現對煙葉品質進行智能識別作出必要的準備。
3．4數字圖像矩陣數據的顯示及其傅立葉
變換這一變換的目的是為提取特征、進行神經網絡模式識別等作出必要的準備。
轉貼于 3．5直方圖均勻化
這是使煙葉圖像性質更為優良而采取的一個技術操作，源代碼如下：
I=imread ("yangshuo．tif')；imshow (I)；
figure，imhist(I)；
[J，T]=histeq (I，64)；
％圖像灰度擴展到0-255，但是只有64個灰度級
figure，imshow (J)；
figure，imhist(J)；
figure，Dlot((0：255)／255，T)；％轉移函數的變換曲線
J=histeq (I，32)；
figure，imshow 0)；
％圖像灰度擴展到0～255，但是只有32個灰度級
figure，imhist(J)；
3．6采用二維中值濾波函數對受椒鹽噪聲干擾的圖像濾波
MATLA圖像處理工具箱具有強大的功能，能夠對噪聲干擾的煙葉圖片進行消噪處理，模擬源代碼如下：
I=imread ("eight．tif')；
imshow (I)；
J2=imnoise (I，"salt&pepper ，0．04)；
％疊加密度為0．04 的椒鹽噪聲
figure，imshow 02)；
I_Filterl=medfdt2 （J2，[3 ，3])；
％窗口大小為3x3
figure．imshow (I Fiher1)；
I_Filter 2=medfdt2 （J2，[5， 5])；
％窗口大小為5x5
figure，imshow (I_Filter2)；
I_Filter3=medf'dt2 （J2，[7， 7])；
％窗口大小為7x7
figure，imshow (I_Filter3)；
3．7用神經網絡技術對煙葉圖像進行智能識別
神經網絡作為一種自適應的模式識別技術，并不需要預選給定有關模式的經驗知識和判別函數，它能通過自身的學習機制自動形成所要求的決策區域。網絡的我由其拓樸結構、神經元特性、學習和訓練規則所決定，它可以充分利用狀態信息，對不同狀態一一進行訓練而獲得某種映射關系，并且，網絡可以連續學習，即使環境變異，這咱映射關系可以自適應調整。在上面各節獲取煙葉圖像特征基礎之上，可以用神經網絡技術進行圖像模式識別。例如，基于概率神經網絡PNN的煙葉品質智能識別，它的主要優點是：快速訓練，訓練時問僅略大于讀取數據時間；無論分類多么復雜，只要有足夠的訓練數據(而這是煙葉生產一線可以做到的)，就可以保證獲得貝斯葉準則下的最優解，允許增加或減少訓練數據而無需重新進行長時間訓練。這一神經網絡對于煙葉品質的圖像識別，具有重要意義。 4結論
基于計算機視覺和神經網絡技術的煙葉品質識別的數字圖像處理方法，醫學論文 是煙葉生產環節的一種技術創新，它可以在煙葉生產一線普及推廣，簡便易行，能夠較大地提高煙葉品質檢測的效率和質量，以及自動化程度和智能化水平。
參考文獻
[1]于潤偉．基于圖像處理的稻米堊白自動檢測研究[J]．中國糧油學報，2007，1：122—124．
圖像處理技術論文范文第3篇
Abstract: In order to improve the accuracity of the recognition research of Asphalt-aggregate ratio for asphalt mixture ,the MATLAB digital image processing were used to study the asphalt-aggregate ratio for asphalt mixture AC-13C and the researches mainly include 3 respects: the mixing proportion design and the image collection of asphalt mixture, the research of digital image processing technology, the asphalt-aggregate ratio recognition of asphalt mixture. The results show that there is a good linear functional correlation between the real asphalt-aggregate ratios and the recognition asphalt-aggregate ratios. The linear fitting function was created as Pay = 1.6872Pax-5.4606, and the correlation coefficient R2 is 0.9617.
關鍵詞:數字圖像處理;瀝青混合料;油石比;識別
Key words: digital image processing;asphalt mixture;asphalt-aggregate ratio;recognition
中圖分類號:TU535 文獻標識碼:A文章編號:1006-4311(2010)13-0093-02
0引言
隨著交通運輸業的迅速發展,必須要提高瀝青混合料性能,開發新型瀝青路面結構材料。瀝青含量是瀝青混合料配合比設計和施工控制的重要指標,在很大程度上決定了瀝青路面的質量品質,國內外現行的瀝青混合料配合比檢測一般采用的是試驗方法,進行離心抽提或燃燒瀝青,檢測過程復雜,耗時長,不利于及時對路面狀況做出評價,指導生產。近年來,數字圖像處理技術被引入瀝青混合料研究領域,為有效解決傳統研究方法的缺陷提供了可能,國內外也陸續進行了采用圖像處理技術對瀝青混合料內部形態的研究,國內外現階段進行的研究表明,數字圖像處理技術具有無破損、方便性、經濟性,而且能快速全面反映形態特性以及空間分布的特點。為此,在本研究中,通過大量室內對比試驗,主要研究不同油石比的瀝青混合料AC-13C的識別油石比,以建立識別油石比和實際油石比之間的線性關系,用于指導生產實踐。
1瀝青混合料配合比設計及圖像采集
本研究中采用的瀝青為埃索A級70號瀝青,選用瀝青路面的表面層AC-13C的級配,最終確定的瀝青混合料合成級配見表1。
在本研究中,瀝青混合料AC-13C分別采用五個不同油石比4.0%、4.5%、5.0%、5.5%和6.0%,用馬歇爾擊實儀成型馬歇爾試件,在成型后的試件中隨機抽取3個試件進行水平兩分法的切割,并采用數碼相機進行圖像的采集工作,在進行油石比的識別中為了計算簡便將圖像剪切為1400×1400像素。
2瀝青混合料數字圖像處理
由于照相機與目標間的相對運動、大氣擾動等原因使圖像質量下降,造成了圖像退化的現象。所以在圖像處理之前要先進行圖像復原,在MATLAB圖像處理系統中,選擇Lucy-Richardson復原方法,通過處理減少了圖像中產生的噪聲,忽略了某些退化后壞了的像素。對復原后的RGB彩色圖像進行灰度變換,獲得瀝青混合料水平截面的灰度圖像。
3瀝青混合料油石比的識別
以油石比為5.5的瀝青混合料RGB圖像為例,對剪切后的圖像進行復原、轉換灰度圖像處理,處理后的灰度圖像的直方圖見圖1。
根據圖1可以看到,由于瀝青混合料圖像中存在集料和瀝青兩大類,在圖像上形成了兩個峰,這兩者都近似服從正態分布,最左邊的波峰代表瀝青的灰度分布,我們可以根據瀝青混合料圖像的直方圖,動態選取兩個波峰之間的谷底值,將最左邊的波峰單獨切取出來,見圖2。對這個波峰進行擬合,經過多次嘗試,選擇采用兩個正態分布擬合這個波峰,相關系數達到0.998,其中一個正態分布峰頂對應的灰度值與單獨切取出來的波峰峰頂對應的灰度值非常接近,可以認為兩者的灰度值是相同的,另外一個正態分布是對前者的修正,擬合效果見圖2。
通過MATLAB編程計算可以得到,瀝青灰度分布波峰峰頂對應的灰度值為0.30,第一個小峰服從正態分布,參數為0.29997和0.047629,通過多次實驗在峰值灰度值左側設定2.5,右側設定的范圍內為瀝青的灰度分布范圍,計算得到瀝青的灰度分布范圍為46.14至88.65,提取瀝青灰度范圍內的像素點,圖像內所有的像素點數目與瀝青的像素點數目之差為集料的像素點數目,得到油石比即瀝青像素點數目與集料像素點數目之比,計算得到這張實際油石比為5.5的圖像,識別油石比為6.43。同理,可以按照相同的方法求得其余瀝青混合料圖像的識別油石比,并計算均值,見表2,對得到的識別油石比用EXCEL進行線性擬合,見圖3。
從表2中可以看出,識別油石比的變異系數在0.18以下,通過線性相關性分析可得到識別油石比Pax與實際油石比Pay的線性關系為:Pay=1.6872Pax-5.4606,式中,Pax為識別油石比,%;Pay為實際油石比,%。兩者相關系數R2為0.9617,表明采用圖像處理技術對瀝青混合料進行油石比識別具有較高的識別精度,可以用于瀝青路面油石比的快速檢測。
4結論
通過選取表面層普通瀝青混合料AC-13C進行馬歇爾試驗,對試件進行水平截面圖像的分析,在瀝青混合料圖像灰度直方圖中,對瀝青分布波峰左側2.5倍σ和右側σ范圍內提取瀝青像素數目,并計算集料像素數目和識別油石比,結果表明,動態的選取瀝青灰度范圍識別油石比的方法能夠較好地反映實際油石比,得到的識別油石比與實際油石比較為接近,得到的變異系數在0.18以下,證明識別油石比的離散程度較小,數據可靠。并且實際油石比Pay和識別油石比Pax存在線性關系,通過線性擬合后,建立函數Pay =1.6872 Pax 5.4606,計算得到相關系數R2為0.9617,具有良好的相關性。因此,建議采用此線性函數對識別得到的油石比進行修正。
參考文獻:
[1] 楊浩.瀝青混合料的數字圖像特征研究[D]:[碩士學位論文].哈爾濱:哈爾濱工業大學,2006.
[2] 肖彭.基于MATLAB7.0的瀝青混合料最佳油石比優化設計[J].交通標準化,2005,17(11):73-75.
圖像處理技術論文范文第4篇
【關鍵詞】FPGA 圖像處理 實時高速 平滑算法
1 數字圖像處理及FPGA技術簡介
1.1 數字圖像處理原理簡介
圖像處理技術是本世紀信息科學方面成長最迅速的方向之一，數字圖像處理的技術具有實際的研究價值。數字圖像處理技術是指利用圖像信號轉化為數字信號并進行數字化處理這一手段把輸入圖像轉換成具有所希望特征的另一幅圖像的過程，通過轉化，使得圖像的信息數字化，可計算化，協調適應現在的各種數字化系統。近年來，隨著圖像傳感器趨于高集成度和低成本以及數字硬件的迅速發展，高質量、高速度、高實時性的數字圖像處理技術越來越受到歡迎。專用集成電路ASIC和數字信號處理器DSP，在兩種方面突破研究，一是改變圖像處理算法，簡化算法提高處理速度；二是改變實現算法的手段。DSP處理速度較之前的數字芯片有了大幅改進，但其體系仍是串行指令系統，其固定算法仍不能滿足眾多算法的需要。
1.2 現場可編程門陣列（FPGA）器件技術
現在較為流行的一種半定制的數字芯片是現場可編程門陣列（FPGA）器件，它是一種高密度可編程邏輯器件，由大量邏輯宏單元構成，通過各種程序參數的配置，能夠發揮這些邏輯單元的各自效果，組合出期望的整體效果和功能，這些配置數據存放在片內的SRAM中或者是片外的EPROM或其他存儲體中，設計者可以現場修改器件的邏輯順序，而且靜態編程和動態系統重置功能也得到了充分的發揮也應用，基于組合邏輯下的功能讓硬件模塊可以像軟件代碼一樣方便修改調試。
2 基于FPGA的數字圖像處理算法研究
2.1 實時圖像處理算法
實時圖像處理系統和圖像處理的主要算法有4類：圖像數據的預處理，圖像智能識別，對象檢測和運動對象檢測。在實時圖像處理系統的后臺處理中，比分析環境簡單、靜態圖像難度要更具有復雜性，如在數字圖像信號的傳送過程，中間過程傳感器和傳輸信道的噪聲的頻繁產生，這讓暫未得到處理的原始圖像信號變的更為難以分析，而且本身存在一定程度的噪聲。一般圖像信號的銳化技術處理也將引入噪聲，有時會加強原始圖像的噪聲。因此，有必要在圖像分析處理以前以及過程中對圖像的噪聲進行濾除，并對圖像特征進行加強，消除噪聲和增強圖像這兩大關鍵步驟即為數字信號圖像的預處理過程。
2.2 圖像空域平滑算法
圖像平滑處理的的主要目的是為了降低噪音干擾，目前主流的兩種算法是的空間域平均算法以及中值濾波算法。對于含有噪聲的原始圖像的每個像素都采取了對應的鄰域，將計算出的平均值作為平均空間域中圖像像素值進行圖像處理。空間域平均算法對于高斯噪聲消噪效果較好，但處理脈沖噪聲降噪效果很差。中值濾波的實質是一種非線性處理方法，主要的原理應用了順序統計思路，這種方法的原理是在第一步驟中賦予一個像素作為鄰域的中心，選擇方形鄰域后，第二步驟就是對范圍內各像素灰度值進行排序處理，排序之后獲得數列的中間值，此中間修正值被記為中心像素的灰度值，在實際應用中個，中值濾波算法消除脈沖噪聲具有更好的效果。
2.3 圖像空域銳化算法
圖像銳化的主要目的是使原圖像輪廓模糊或者顯示邊緣不明顯的變得清晰，突出細節。進行銳化處理的前提基礎是：原始圖像必須具有有較高的信噪比，若沒有較高信噪比，經過圖像銳化處理后，圖像信噪比會大大降低，這非常不利于圖像的清晰顯示處理。通常的做法是先去除或降低噪聲，使得圖像具有更高的信噪比后，再進行后期的銳化處理。
圖像銳化處理目前主流有兩種方法：高通濾波法和微分法。微分法屬于圖像空域銳化，目前常用的兩種方法是梯度銳化和拉普拉斯銳化。
2.3.1 梯度銳化
梯度銳化原則：圖像變化速度值小的對應于一個較小的梯度，整體會顯得比較暗。因此，梯度銳化的常規思路是利用門限方法來判定，從而進行梯度銳化優化，也就是先賦予一個預定的閾值，如果該節點的梯度小于閾值時，原始灰度被保持恒定；若大于閾值時，在這一點上的灰度校正值可以用微分法處理得到。
2.3.2 拉普拉斯運算
拉普拉斯運算是偏導數運算的線性組合，拉普拉斯算子是一種各向同性的微分算子，其特性包括旋轉不變性。拉普拉斯運算完全可以轉換成模板運算，而且對圖像中的孤立點和短點反應較為敏感，比如在較暗的圖像中出現的個別亮點，這些亮點處灰度發生跳變，通過拉普拉斯運算將會使這些亮點亮度增強，這一效果常用于邊緣檢測。當然，拉普拉斯運算同梯度銳化一樣，在增強圖像的同時會增強噪聲，因此在銳化前可以先進行圖像平滑處理。
3 總結
本文以基于FPGA的高速圖像處理算法為研究主體，對圖像處理中技術的流水線實現、圖像空域平滑算法、圖像空域銳化算法進行對比分析。圖像平滑算法減少噪聲的效果要更加優化，平滑算法的中值濾波算法在消除脈沖噪聲中效果更為突出。空間域平均算法主要對高斯噪聲的消噪效果較好，對脈沖噪聲消噪效果一般。圖像空域銳化算法可以是原本邊緣模糊的圖像清晰化，前提需要有較高信噪比，所以一般是先進行去除噪聲，提高信噪比之后進行銳化處理，銳化算法中的梯度銳化、拉普拉斯運算算法都在基于FPGA的數字圖像處理的系統算法中效果明顯。
參考文獻
[1]李冬.基于FPGA的數字圖像處理的研究[D].安徽理工大學碩士學位論文，2009.
[2]宇野麻由子.FPGA規模快速增大[J].電子設計應用，2008（10）
圖像處理技術論文范文第5篇
關鍵詞:多媒體課件;圖形;圖像;處理;加工
中圖分類號:TP75文獻標識碼:A文章編號:1009-3044(2009)35-10087-03
Multimedia Courseware Image Processing and Graphics Processing Technology
LIN Han
(Florida Vocational and Technical College, Sichuan Machinery and Electronic and Information Engineering, Dazhou 653000, China)
Abstract: In the multi-media courseware creation,preparation of multimedia material is a very important part.Multimedia material,including text,images,graphics,animation,sound,video and so on. In these types of material,the graphic image is a multi-media courseware application of the most basic,the most important and most of the material,its handling and processing are also the most complex,the following response to this problem were discussed.
Key words: CAI; graphics; image; treatment; processing
由于多媒體技術的不斷發展,對于多媒體課件的質量要求是越來越高,多媒體輔助教學已經廣泛應用,這是利用計算機技術和網絡技術來組織教學的一種新型教學手段,它帶來了課堂教學的新革命。
多媒體課件需具備以下特點: 1) 豐富的表現力;2) 良好的交互性;3) 極大的共享性。多媒體課件在教學中的使用,改善了教學媒體的表現力和交互性、促進了課堂教學內容、教學方法、教學過程的全面優化,提高了教學效果。一個好的多媒體課件需要多媒體素材來點綴
1 圖形圖像的概念
1)圖形圖像格式
圖形圖像格式主要有:BMP格式、GIF格式、JPEG格式、JPEG2000格式、TIFF格式、PSD格式、PNG格式、SWF格式、SVG格式等。其它非主流圖形圖像格式:PCX格式、DXF格式、WMF格式、EMF格式、LIC(FLI/FLC)格式、EPS格式、TGA格式等。比較常用的有BMP格式、JPEG格式、GIF格式等等,所以我們在進行圖形圖像處理以前,首先要對圖形圖像的格式要有清晰的認識,只有在此基礎上才可以進行進一步的開發處理。
2)圖形圖像素材的獲取
多媒體課件中的圖形圖像,按其用途分,一般有三種,一是背景圖,二是按鈕圖,三是與教學內容相關圖。一般情況下,圖形圖像素材的獲取進入昵圖網可以找到很多行業的圖片,找到需要的圖片后保存圖片,若網頁設置為不能保存,可以用復制粘貼的方法保存圖片。對于一些素材原創,可以在相應的圖形圖像處理軟件中進行創作。主要獲取方法:利用掃描儀、數碼相機從外部采集圖形圖像數據;經過Photoshop等圖象處理軟件處理、利用抓圖工具來抓取屏幕上顯示的圖像等這些都是最常用的;還可以通過從網上下載、從電視節目中錄制、從課件中截取、從資源光盤或資源庫中獲取、從VCD片中獲取等幾種方法。
圖形素材也可以自己進行繪制,課件工具中都有相應的繪制工具,可直接用繪圖工具進行繪制。
2 圖形圖像區別
1)存儲方式的區別:圖形存儲的是畫圖的函數;圖像存儲的則是像素的位置信息和顏色信息以及灰度信息。
2)縮放的區別:圖形在進行縮放時不會失真,可以適應不同的分辨率;圖像放大時會失真,可以看到整個圖像是由很多像素組合而成的。
3)處理方式的區別:對圖形,可以旋轉、扭曲、拉伸等等;而對圖像,可以進行對比度增強、邊緣檢測等等。
4)算法的區別:對圖形,我們可以用幾何算法來處理;對圖像,可以用濾波、統計的算法。
5)其他:圖形不是主觀存在的,是根據客觀事物而主觀形成的;圖像則是對客觀事物的真實描述。
3 圖像的處理
自從20世紀60年代出現了計算機圖像處理技術,為圖像處理提供了一種精確、靈活、通用的工具,從而極大拓展了圖像處理的應用領域。
1)圖像處理的發展
雖然圖像處理起源比圖形學早30多年,但是它的應用卻比圖形學足足晚了10多年,原因就是數字圖像比圖形所含的信息量大很多,只有當計算機發展到一定水平才能進入大規模的實用階段。
1921年,第一個數字圖像傳輸系統――巴特蘭電纜圖片傳輸系統橫跨大西洋傳輸圖像成功;1929年,第一次實現15級灰度的圖像編碼并引進了一套用編碼穿孔紙袋來調制光束進而使底片感光的圖像輸出設備;1952年,哈夫曼發表關于最小冗余度編碼的論文《構造最小冗余度編碼的一種方法》;1964年,在阿波羅載人登月計劃中首次采用計算機對月球圖片進行處理;1980年代中期,開始對圖像處理進行大規模應用研究;自從數字圖像處理這門學科誕生以來,圖像處理作為一門基礎學科,得到重大的發展。
2)圖像處理的概述
圖像處理一般指數字圖像處理,用計算機對圖像進行分析,以達到所需結果的技術。常見的處理有圖像數字化、圖像編碼、圖像增強、圖像復原、圖像分割和圖像分析等。
①圖像數字化
通過取樣和量化過程將一個以自然形式存在的圖像變換為適合計算機處理的數字形式。圖像在計算機內部被表示為一個數字矩陣,矩陣中每一元素稱為像素。圖像數字化需要專門的設備,常見的有各種電子的和光學的掃描設備,還有機電掃描設備和手工操作的數字化儀。
②圖像編碼
對圖像信息編碼,以滿足傳輸和存儲的要求,編碼能壓縮圖像的信息量,但圖像質量幾乎不變。編碼方法有對圖像逐點進行加工的方法,也有對圖像施加某種變換或基于區域、特征進行編碼的方法。
③圖像壓縮
由數字化得到的一幅圖像的數據量十分巨大,圖像壓縮對于圖像的存儲和傳輸都十分必要。有兩類壓縮算法,即不失真的方法和近似的方法。前者用于靜態圖像,后者用于動態圖像。
④圖像增強和復原
圖像增強的目標是改進圖片的質量,使圖像清晰或將其轉換為更適合人或機器分析的形式,所用方法可分成頻率域法和空間域法,它們可用于去除或減弱噪聲。圖像復原常用二種方法,一是建立退化源的數學模型;二是建立原始圖像的模型。
