《数字图像处理 毕业论文.doc》由会员分享，可在线阅读，更多相关《数字图像处理 毕业论文.doc（25页珍藏版）》请在三一文库上搜索。
1、毕业论文(设计)内容摘要【摘要】 图像处理和图形处理一直是计算机技术发展的重要领域，目前对它的应用已经渗透到了生产和生活的许多方面，并产生了巨大的实际效益。在国外将一幅图像通过雕刻机雕刻出来很普遍了，但是国内这方面的软件还不是很成熟，本文将在这个方面结合实际作详细的介绍。由于不可能用雕刻机象打印机那样直接将图像雕刻出来(这样效率太低而且效果不好)，所以它应该象绘图仪那样通过刀具的行走轨迹来留下我们所需要的图像信息，这种轨迹毫无疑问都应该是矢量，所以我们的目标就是要将图像进行各种加工，并提取出其中关于物体的轮廓信息再尽量作一定程度上的折线化，使之成为刀具的行走轨迹。在图像中保存有关于物体的各种信
2、息，除了包括图像中物体的边缘信息外还有图像中物体的各种噪声，这两者都表现为图像中的高频部分，但前者是我们需要的，后者是需要被滤除的，所以为了准确提取出图像中物体的轮廓，还必须要进行诸如滤除噪声，增强边缘效应的图像处理工作，为后续的处理打下好的基础。然后在得到了这个类二色图像后，我们就可以采用其它手段(如边缘检测、区域生长、阈值分割等方法)从中提取出比较准确清晰的物体轮廓;最后利用图形矢量化的有关原理和方法来得到图像中关于物体轮廓的各个关键点，顺次连接这些关键点就可以重现这个图像中物体的轮廓。【关键词】关键字：数字图像处理 矢量化 边缘提取 线性化撰写者 2009年12月 1 日指导教员评语指导
3、教员 年 月 日 评阅教员评语评阅教员 年 月 日 目录第一章 绪论 1. 1问题的提出3 1. 2数字图像处理简介4 1. 3雕刻机加工处理简介5 1. 4图像处理在雕刻机中的应用61. 5本章小结6第二章 图像预处理 2.1图像滤波7 2.2图像锐化(增强)处理8 2.3应用简介102.4本章小结10第三章 图像分割 3.1图像分割的定义11 3.2图像分割的目的11 3.3图像分割方法11 3.4应用简介12 3. 5本章小结12第四章 图像轮廓的直线逼近 4. 1行段编码13 4.2特征段跟踪13 4.3直线逼近14 4.4本章小节14第五章 生成指令 5.1数据结构14 5.2偏置算
4、法15 5.3生成指令17 5.4本章小节17参考文献18数字图像处理第一章 绪论 在过去的几千年内，人类社会的生产活动方式经历了多次革命。人类社会的这种变化首先表现在人类生产工具的变革上:第一次是人类用金属工具代替了石制工具;第二次是采用机器生产解放了人类的双手:而在二十世纪内诞生的计算机，更是人类社会在科学发展史上的重要里程碑，因为以前的生产进步只是简单的将人们从繁重的体力劳动下解放出来，而脑力劳动却一直是人类所特有的劳动方式，不能由简单的机械所代替。计算机的出现改变了这种状况，使得人类可以将一部分重复机械并且运算复杂的问题和其他一些实时监控的工作交给计算机去完成，让人们有时间和精力去从事
5、更高层次、更重要的生产研究五作。1.1问题的提出 在很久以前，人们就梦想能够留住自己瞬间的美好形象，然而这个梦想在摄相机被发明以前是根本不可能实现的。等到摄相机发明后，它便被更广泛的应用于工业、商业、以及医学等领域，尤其是在空间探索方面，它的优越性更是得天独厚:有了它，人们在不了解外界情况的时候，也能获取外空间的第一手资料。然而，这一切都是在利用计算机对卫星传问的照片图像进行了有效的提取和分析之后才能得到，因此，数字图像处理技术己经厂泛使用在这些大型领域的探索中，成为人们认识自然和改造白然不可或缺的手段之一。 在日常生活中，人们对生活质量的要求也越来越高，用摄相机记录来一个瞬间己经不能够满足人
6、们的要求了。人们更希望能将照片转换成一个实物:另一方面，随着经济的发展，人们对各种广告招贴画和宣传牌的需求无论在数量和质量上也都有了更高的要求。过去人们采用手工来制作这些标牌或浮雕，可是如果是工艺比较复杂，或者是在要求数量比较大的情况卜，这种方法就远远不能适应生产的要求了。而且人工制作还有许多缺点:第一，它不能保证所有产品的一致性:第二，它的一次成功率很低，就是说只有非常有经验的操作土一人才能加工出合格的产品来:第三，可重复利用率几乎为零，比如说，我们以前曾经做过一个模型，在这一次的产品中我们也有这个模型，那么我们还是不得不再做一次。采用机床和模具可以解决其中的一部分问题，但对操作机床的工人来
7、说，就必须要具有足够的经验，但重复利用这个问题却不是能够轻易解决的，在数控机床上可以比较容易的解决这个问题，但是针对数控机床的编程却需要高级数控编程经验，而且由于数控机床本身的缺陷，决定了它不能加工大型的工件，而且采用数控机床的成本也是十分昂贵的;而采用模具将使我们不得不多开若干个模具但却无法将它们组合使用。因此，采用其它的方法、手段或工具来改进这些缺点，并且提高现有的生产效率，将会对我们具有十分重要的现实意义和经济意义。 仔细研究一下上面所提到的几个问题，我们发现第一个问题只有采用人工制作的时候才会产生，如果采用具有足够精度的机械加工则可以保证所有的产品质量;第二个问题也是一样，只要在机械上
8、能够加工，我们就有理由保证该产品的加工成功率。但是，第三个问题却不是容易解决的，因为将以前加工过的模型的处理过程保存起来，不是一般的机械工具所能够做到的，它需要具备外存储器并进行运算，计算机恰好就是这样一种可以满足我们需要的机器。采用计算机，我们可以很方便的将以前所做过的产品的生产过程保存下来;以便下次再利用，而且也能够向用户提供一种友善的使用环境，尤其是在开发商提供了相应的应用软件之后，它不需要用户具备太高深的计算机使用知识，只要能够准确直观的描绘出所要加工的模型，就可以加工出合格的产品来.虽然采用计算机是目前比较理想的选择，但是要想很方便的得到一个加工模型是件很不容易的事情。一般情况下，我
9、们通常是将一个图片扫描到计算机内，然后通过数字图像处理得到一个需要的加工物体的形状，然后再进行一些其它的加工与处理，从而可以被机械加工，本篇论文将就这个过程中图像处理的应用部分展开讨论。1.2数字图像处理简介数字图像处理研究的历史已经有许多年了。在二十世纪二十年代，人们就在伦敦和纽约之间成功的采用了电缆传输数字化的报纸图片。到四十年代计算机被发明出来，并且处理速度和存储能力大幅度提高以后，如何将它应用在具有大量数值运算工作的图像处理中去，一直是人们思考的问题之一。因为自然界中存在的图像是以模拟形式提供的，而计算机所有的运算都是以二进制数值为基础进行的，从这个角度来说，计算机并不能处理自然界中的
10、图像。所以我们的第一步工作就是要将一幅模拟图像转换成数字形式存在的数字图像。 幸运的是，现在人们已经发明了将模拟形式的图像到转换数字形式的图像的设备。而且随着时间的推移，这些设备也越来越成熟，制造和使用成本也越来越低，目前己经差不多成为了很常见的计算机辅助外设之一，这些硬件的普及就为利用计算机进行的数字图像处理提供了良好的基础。在这里我们就不对这些设备进行详细的讨论了。下面我们主要就数字图像处理（DIP）中所涉及的一些内容进行简单的介绍。(一)数字图像处理主要包括的内容: .图像数字化及编码压缩:把连续的图像信号变成离散的数字信号，适应计算机的运算处理;压缩技术是减少描述图像的数据量，以便节省
11、传输、处理时间和存储空间。其中编码压缩是压缩技术中最重要的方法。 .图像增强和复原:图像增强的目的是突出图像中人们所感兴趣的部分;图像复原是尽可能恢复图像的本来面貌。 .图像分割:将图像中包含的物体，按其灰度或其它特性分割，并进行处理分析，从中提取有效分量、数据等有用信息息、，作为进一步图像处理(如模式识别、机器视觉等)的基础。 .图像分类:其主要内容是在图像经过某些预处理之后，再将图像中有用物体的特征进行分割，特征选择，进行判别分类。 V.图像重建:对一些三维物体，应用x射线、超声波等物理方法获得物体内部数据结构，再将此数据进行运算处理而构成物体内部某些部位的图像，如计算机断层扫描成像技术（
12、CT）。(二)数字图像处理技术的相关学科: 数字图像处理是计算机技术、信息论和信号处理相结合的综合性应用学科，与其它学科有着密切的关系。首先，图像处理和计算机图形就是各自发展起来却又难以分清的技术领域，通常的应用都是要综合这两个领域。例如在能产生中间色调和带有颜色图像的光栅图形的领域中，计算机动画等就是其中典型的例子。其次，模式识别(Pattern Recognition)的理论指的就是把特征多维图案空间分成不同类型的识别理论，它的研究一般采用由分析图像到提取特征的阶段和识别阶段。此外，在与人工智能(Artificial Intelligence)研究的有关理论甲，一直试图以机器人的视觉为目标
13、进行三维景物的分析，即计算机视觉。总的来说图像处理的理论经常要借用别的学科的知识来解决实际生活中的问题。(三)数字图像处理的主要应用领域:.航空及航天技术方面的应用，主要是对人造卫星传回来的图像和航空照片进行处理，以便进行资源调查、资源勘探、城市规划等各种应用。 .生物医学方面的应用，目前对X射线、显微镜图像、超声波、图像的模式识别是辅助诊断的重要手段。这方面最为成功的应用就是计算机层析成像，即CT技术。 .通信工程方面的应用，未来通信传输的信息将主要是声音、图像和数据的综合，就是将电话、电视和计算机的信号以某种方式综合并在数字通信网(ISDN)上传输。所以，编码压缩也是将这些技术进行大规模推
14、广的关键，但这己经超过了本文的范围了。 .工业和工程方面，主要是外观和挑选、表面缺损的自动检查、装配和生产线的自动化;工业材料的质量检查等。 V.文化艺术方面，目前较为成熟的应用是电影动画片的制作、电子图像游戏、以及服装花纹设计等(本篇论文将就这方面的内容进行讨论)。1.3雕刻机加工处理简介 在讨论雕刻机的时候，我们先看数控机床、绘图仪和雕刻机的异同之处。数控机床与雕刻机在加工上比较类似，只是它们的精度有很大的差异，而且它们在加工对象上及处理过程中也有差异，但是在形式是相同的，都是使刀具(或笔)执行一些空间曲线(有的是平面二维，有的是空间三维)，将加工对象上不需要的部分去掉(留下其行走轨迹)。
15、但是数控机床的机械轴比雕刻机的三维轴要灵活许多，通常会要求多轴联动的情况，所以在实际加工处理上也就不同了。在输出指令上，数控机床是自带存储器和运算器的，而雕刻机却是要象绘图仪一样，需要外在驱动。它们有一个共同点，就是它们都需要接受一种命令序列，然后才能依据这种命令序列进行动作:绘图仪是依靠具有一种特定含义的绘图指令来控制绘图笔的移动，使得绘图笔可以在纸张上留下行走的轨迹。同样，雕刻机的雕刻过程也是雕刻刀具在空间的行走过程，只不过前者是二维空间移动，后者是三维空间的移动，所以雕刻机和操作绘图仪在输出控制移动上比较类似，我们都需要将待输出的图像转换成一定的格式才能被雕刻机执行。在这里我们可以使用扩
16、展了的HPGL的语法来描述雕刻机的指令。1.4图像处理在雕刻机中的应用 我们一般使用雕刻机来雕刻图形和一些艺术字体等，有时也用它来制作三维立体浮雕.但是一般情况下，这些模型的重要数据都无法直接得到.所以我们需要将一幅图像交给计算机处理以获取相应的参数，然后由相应的算法，根据雕刻要求实现对命令序列的优化生成。用计算机处理图像或艺术字体，再由雕刻机雕刻，有以下几个优点: (1)成型速度快，可以缩短定稿时间，并提前看到加上效果： (2)处理速度快，由于制造成本和加工成本都比较低: (3)操作简单，只需要使用者有基本的计算机操作经验就可以使用，缩短了人员的培训时间和工作强度。 (4)维护简单。由于在设
17、计雕刻机的时候就已经将软件部分和机械部分分离开了，所以在维护的时候很容易进行各自的升级和保养。1.5本章小结 本章主要通过对雕刻机的介绍，说明了在利用雕刻机进行雕刻时，由于要获取图像中被雕刻物体的边界轮廓，从而必须要进行一系列的图像处理及直线逼近工作。最后对全文中各章内容进行了简要的概括。第二章 数字图像处理 在现实生活中，物理图像内的信息呈现的是一种二维信息，表明了其中物质或能量的实际分布(广义的图像可以是可见，也可以是不可见的，在这里我们只讨论可见的图像)，所以我们就可以把图像看作是一个连续变化的函数:图像上各点的灰度是其所在位置的函数，可以表示为g=f (X,Y)。而将一幅图像进行数字化
18、，就是要把模拟图像分割成有限的均匀小网格区域，而每个小区域都是一个规则的正多边形，(一般我们采用正方形网格)。于是每个小网格就可以代表一个像素，每个像素的灰度值采用一个整数来表示。 从上面的介绍我们知道，图像的裁字化过程需要被分为采样与量化两个步骤。所谓图像采样就是按照图像空间的坐标测量该位置上像素的灰度值(这个采样过程通常由某个计算机外设来完成)。形式如下:对连续图像g=f(X, Y)进行等间隔采样，在(X,Y)平面上，将图像分成均匀的小网格，每个小网格的位置可以用整数坐标表示，于是采样值就对应了这个位置上的网格的灰度值。若采样结果每行像素为M个，每列像素为N个，则整幅图像就对应于一个MN整
19、数矩阵。这样我们就获得了数字图像中关于像素的两个属性:位置和灰度。位置由采样点的两个坐标确定，也就对应了网格行和列;而灰度就表明了该像素的明暗程度。 把模拟图像在空间上离散化为像素后，各个像素点的灰度值仍是连续量，接着我们就需要把像素的灰度值进行量化，所谓量化就是把每个像素的光强度进行数字化，也就是将的值划分成若干个灰度等级.量化后的灰度值，代表了相应的色彩浓淡程度，以256色灰度等级的数字图像为例，一般由8位，即一个字节表示灰度值，由0-255对应于由黑到白的颜色变化。对只有黑白二值采用一个比特表示的特定二值图像，就可以用0和1来表示白黑二色。 将连续灰度值量化为对应灰度级的具体量化方法有两
20、类，即等间隔量化与非等间隔量化。等间隔量化是把抽样值的灰度范围等间隔地分割并进行量化，这种量化方法是线性量化，适用于像素色彩浓淡分布较均匀的图像。但是为了真实和形象的反映图像上色彩的分布，我们可以使用非等间隔量化的方法对灰度划分等级。具体方法就是对一幅图像中像素灰度值频繁出现的灰度值范围，量化间隔小一些，而对那些像素灰度值极少出现的灰度范围，则量化间隔大一些。也就是说，根据一幅图像具体的灰度值分布的概率密度函数来进行量化，但是由于灰度值分布的概率函数因图而异，不可能找到一个普遍适用于各种不同图像的最佳非等间隔量化公式，因此，在实际应用中我们一般都是采用等间隔量化来进行量化的。 在得到了图像的数
21、字表示方式之后，由于图像的数据量还是比较大，会占用许多的存储资源，所以人们又发明了很多种压缩方法来将图像保存到外存储介质上。但是不管采用何种压缩方式，图像在被读入计算机内进行处理时都要恢复到的统一的格式，所以我们在本文中如果没有特别指定的情况，就认为图像的压缩存储格式就是BMP格式。2. 1图像滤波在获取数字图像的过程中，由于要经过摄像、扫描等操作环节，在经过这些环节时会受到仪器及周围环境等外界因素的影响，使我们所获取的数字图像的位置和形状发生变化，导致图像失真或者是图像上含有各种各样的噪声。因而为了准确获得图像中物体的基本轮廓，我们需要对图像进行一定的处理。 图像处理的工作主要是对图像作几何
22、校正，包括对图像位置的标准化和对大小的正规化，例如使图像根据处理的要求旋转、放大、缩小等;以及对图像内容进行各种细微的处理，如消除噪声，校正失真，去掉图像中模糊的成分，恢复图像的原来面貌，把图像变成人眼容易观察、机器容易处理的图像，这其中还包括对图像的平滑、细节的锐化、边缘的增强处理等操作。在这里只认为我们所需要雕刻的就是图像中所包含的物体轮廓，而不需要考虑图像中物体影象的几何校正，所以我们将要进行的五作重点就是要尽量凸显并恢复图像中有关物体的那部分信息，完成对图像边缘信息的增强工作。 如前所述，由于在获得图像的过程中有许多干扰因素(噪声)存在，所以为了能够比较精确的还原图像，一般首先要对图像
23、进行滤波操作，也就是平滑化图像，以便消除图像中的噪声成分。但是由于图像中的噪声和图像中物体的边缘信息十分类似，都表现为高频跃变。所以对于图像滤波的基本要求就是要在不损坏图像的轮廓及边缘等重要信息的基础上，如何尽量使图像更清晰，机器视觉效果更好。下面几种方法是比较常用的滤波方法:第一种方法是邻域平均法:取输入图像上像素的邻域上所有像素的平均灰度值作为该像素的输出值样就可以使原图像的噪声降低。即当邻域大小为nn时述平均过程可表示为:通常，我们在离散图像中一般是取3X3邻域，则其相应的起平滑作用的加权矩为:采用这样的平滑矩阵对图像平滑后，反映在视觉效果上，就是我们能感觉到图像变得比原图柔和，噪声淡化
24、，而灰度变化显得更加平缓。只是这种方法没有仔细考虑边缘跃变和噪声的实质差别，所以滤波效果一般。第二种方法就是对图像进行低通空间滤波。这种方法主要起到保留图像中的低频成分，减少高频成分的作甩。对图像进行傅立叶变换后，图像中原尖锐的灰度跃变就反映在傅立叶频域的中高频分量上，因而用低通空间滤波的方法就正好可以用来去掉图像中的峰状噪声，弱化中高频分量。我们一般通常使用的低通3x3空间滤波模板如下:,另外，这些模板前面的加权系数用来保证在图像处理前后，图像的亮度不会出现偏差。而对图像中没有高频成份的区域来说，这个区域中的像素值应该保持不变或者变化缓慢。当用一个低通滤波函数对这个区域进行卷积时，加权系数与
25、邻域像素分别相乘并求和，即可得到邻域中心像素的新值。如果邻域中所有像素的值都相同，则中心像素的新值与原值相同。这就是所有的低通滤波卷积核与其卷积系数之积均为1的原因，经过这样的卷积处理后就保留了图像的低频部分。而当卷积核移到图像的高频区域时，像素值之间的任何快速变化经过卷积计算，必须与邻域中其它像素取平均，这样就降低了高频成份。反映在视觉效果上，图像经过低通滤波处理后，会显得有些模糊。这是由于削弱了图像的高频成份，图像中像素值的突变被平均值所代替。但是由于低通滤波中大量采用浮点数进行卷积计算，因此如果用软件来实现，运算时间会很长。低通滤波也可以用来锐化图像:如果我们从原图像中减去经低通虑波卷积
26、处理过的图像，也就是说，从原图像中减去该图像的低频成分，则所得图像的高频成份就将相对增强，并且没有增加新的噪声。经过这样处理的图像看上去比原图像的边缘特征会显得更突出一些，我们可以利用这个方法来锐化那些由于雾或遮盖而变得很不清晰的图像。2. 2图像锐化(增强)处理有时为突出图像轮廓，使图像轮廓变得更清晰一些，需要对图像进行锐化(增强)处理。对图像实行微分运算可实现锐化的目的。拉普拉斯算子就是一种常用的锐化模型，其具体描述如下所示:上述算子是用来针对连续函数的，它还有一个对应的离散形式的公式可以适用于离散数字图像，在这个公式中用差分运算代替了微分运算:其相应的加权矩阵为: 这是一种高通空间滤波方
27、法，可增强图像的高频成份。虽然高通空间滤波可增强图像的高频成份而不改变图像的低频成份，但是相对于图像中的高频成份来说，图像的低频成份还是被削弱了。由于图像的边缘和细节主要反映在图像频谱的高频分量，因而对图像进行高通滤波就相应的对图像作了边缘增强。在采用高通滤波的方法锐化图像时，通常也伴随着会放大图像中的噪声。常用的高通3x3空间滤波模板如下: 利用这些模板对f(x,y)进行卷积，所得到的图像将使边缘突出、细节清晰。在高频滤波器中卷积核中心点的值最大的那个卷积系数起着关键的作用。当这个卷积系数经过图像中的高频部分(即灰度值有突变部分)时，由于卷积核中心点卷积系数很大，所以在卷积结果中占了很大的比
28、重(卷积核中除中心点以外其余各负的卷积系数值只是对上述放大效应起一些削弱作用)，所以卷积结果是使己有的灰度突变变得更突出，也就是说经过处理后，图像中像素值之间的灰度差得到增强，而对像素值较恒定的区域则保持不变。也就是说，图像中像素值变化不大的区域(低频成分区域)不受此变换的影响。另外人们还发展了一种图像增强算法，它是完全基于图像中的每个像素点灰度值的统计结果并进行一定的模糊运算而进行的。我们首先将待处理的图像影射为一个模糊矩阵。从模糊集的概念来看，一幅具有L个灰度级的MXN元图像，可以看作为一个模糊集，集内的每一个元素具有相对于某个灰度级的隶属函数。该模糊集称为图像等效模糊集，也即图像的模糊特
29、征平面，对应的模糊矩阵记为I，有:式中 ，1j，表示像素(m,n)的灰度级相对于某个特定灰度级的隶属函数。这样模糊运算矩阵的过程就可以描述如下:首先采用图像分割中的闺值选取方法确定闺值参数，显然，将整个图像的直方图分为两个部分:低灰度部分和高灰度部分，对于具有典型双峰分布的直方图来说，它们分别对应目标和背景这两部分。然后定义新的隶属函数形式，再进行模糊增强运算，在低灰度区域进行衰减运算从而使属于该区域的像素的灰度值更高。因而，经过模糊增强后直方图上阈值两侧的灰度对比增强，图像的区域之间层次将更加清晰。算法如下: 首先根据某个的阈值选取方法确定出阈值参数。显然对于双峰分布的直方图阈值参数X:将位
30、于双峰之间的谷底(也可以是谷底和谷峰的中间部分)。然后定义新的隶属函数为:边缘增强采用的是去卷积的处理方法。为了更好地识别图像中的某些特征，需要加强这些特征的轮廓，也就是边缘增强操作，然后对增强后的图像进行阐值化处理以提取图像特征。边缘增强算法处理的目的是要突出图像的边缘，除边缘以外图像中的其它内容经过这一处理后通常都被削弱甚至被完全去掉。因此，处理后的图像往往就不象原图了，而且增强后边界的亮度与原图中边缘周围的亮度变化率成正比。下面简要说明以下三种不同的边缘增强方法。这些方法都是以待处理像素为中心的领域作灰度分析为基础的，并且正是利用像素邻域中灰度变化信息来判别与突出边缘的。还应该注意这里所
31、有采用卷积的边缘增强算法都是线性的，这些算法都是一次乘积的和。1)拉普拉斯边缘增强 拉普拉斯变换一个突出的特点就是使得变换目标更趋于均匀化，这一点在坐标系的坐标变换中有充分的体现，在边缘增强操作中，这种方法出现各向同性的增强效果，即其边缘的增强程度与边缘的方向无关。这种增强方法产生的边缘的锐化程度大于其它边缘增强方法。并且，不论灰度梯度方同如何，拉普拉斯边缘增强方法都能使边缘得到增强。函数f(xy)的拉普拉斯变换数学表达式为：其中二次偏导数的离散表示形式为：因此拉普拉斯变换的离散表达式也可以写为:此式等效于一个与作卷积运算的卷积核:拉普拉斯变换的边缘增强方法，削弱了图像的低频成份。经过增强变换
32、后，图像中灰度变换平缓的区域灰度的降低，而像素灰度值变化剧烈的区域经过变换后，灰度变换将更加明显，也就是得到加强。这种削弱图像低频成份的卷积核，其卷积系数之和为零。普拉斯变换的边缘增强方法，削弱了图像的低频成份。经过增强变换后，图像中灰度变换平缓的区域灰度的降低，而像素灰度值变化剧烈的区域经过变换后，灰度变换将更加明显，也就是得到加强。这种削弱图像低频成份的卷积核，其卷积系数之和为零。2)平移和差分边缘增强这种方法利用相邻像素在某个方向的灰度变化率，来改变像素灰度值，以达到增强视觉效果的目标。首先将原图像平移一个像素，然后用原图像减去平移后的图像，相减的结果反映了原图像亮度变化率的大小。对于图
33、像中像素灰度值相同一块邻域区间，相邻像素灰度值相减的结果为0。对于灰度值从0递增时，亮度也递增的调色板，相减的结果使得像素颜色变暗;对于图像中灰度值变化剧烈的区域，相减后得到了相应的变化率，对应的像素将很亮。相邻像素灰度值差别越大，相减得到的灰度值越大，像素就越亮。采用这种方法时需要注意，当像素值变化是由白到黑时，求得的变化率为负值，所以应取绝对值，这样无论像素是由白变黑还是由黑变白边缘都能够得到增强。如果将图像向左平移一个像素，并且用原图像减去平移后的图像，可以增强图像中的垂直方向的边缘:将图像向上平移一个像素，用原图像减去平移后的图像，可增授水平方向的边缘。如果将图像向上平移一个像素，再向
34、左平移一个像素，然后用原图像减去平移后的图像，则可同时增强水平的垂直方向上的边缘。但是如果我们采用这种方法对每一个像素作减法运算，将是一件比较麻烦的工作，而采用卷积运算可以代替这种平移操作。3)梯度方向边缘增强 边缘增强应用比较多的方法是采用3X3的卷积核，利用卷积作卷积运算，中心像素周围八个方向的边缘都会同时得到增强。如果在卷积核方向上存在着正的像素亮度变化率，则输出图像上的名胜素灰度值更大。变化率越人，则像素灰度增加越大。 图像中灰度值变化平缓的区域，作卷积运算后，像素灰度值很小，这是由于卷积系数之和为零，如果邻域灰度值相近，卷积累加后，像素灰度值也将趋于0，处理后的像素颜色更暗。在图像，
35、处理中，有时用各种专用卷积核来增强和检测图像边界。增大卷积核尺寸，可以保证边缘检测更加准确，相应的代价就是运算时间增加了。如果大尺寸卷积核包含有要搜索的目标形状信息的模板，当被检测图像中的形状与模板相匹配时，则图像中目标得到增强，其余部分则被削弱。2.3应用简介 对于将要雕刻的一幅图像，我们认为图像中的内容就是要雕刻的物体，所以不需要进行各种空间变换。但是需要突出图像中物体的边缘效应，即要能够通过这些边缘将图像分割成若干个连通的部分，这些连通的部分就构成了图像中的物体，而这些连通区域的外围就是物体的边缘了。我们要做的第一件事就是找出图像中的各个连通域，并将它们统一用一种灰度来表示。2.4本章小
36、结本章通过对图像的各种处理的论述，以及这些处理对图像所造成的一影响作了简单介绍。并按照这些图像处理的方法对图像进行了我们所需要的变换(如区域增强等)。第三章图像区域分割 在获得了前景和背景灰度对比强烈的变换图像之后，我们要继续进行的工作就是要对图像进行区域分割。分割是图像分析的初始步骤，也是图像处理甲最原始的问题之一，几乎自数字图像处理问世不久，人们就开始了图像分割技术的研究，并取得了相当人的进展和成功:但是由于它的不确定性，有许多问题没有能够彻底的解决，因此人们至今还一直在努力发展更新的、更有潜力的分割算法，以期实现更通用的、更完美的分割效果。我们在这里采用的是己被证明比较成熟的图像分割技术
37、。3. 1图像分割的定义 图像分割的应用领域较广，因此在不同的应用场合对它定义的侧重点也有所不同。按照通俗的说法，图像分割处理就是将数字图像划分成互不相交(不重叠)的区域的过程。3. 2图像分割的目的图像分割的目的就是将具有某些相似特性的像元组合在一起，形成具有一定意义的目标区域。这里，像元的相似性是以图像的特征来衡量的，而这在很大程度上与人自身的主观感受有关。图像的特征是指图像场中可用作标志的属性，其中有些是视觉直接感受到的自然特证，如区域的亮度、色彩、纹理、轮廓等，还有一些是要通过变换或测量才能够得到的人为数学特征，如各种变换频谱、直方图等，这些特征的使用目的和它们对图像分割的结果所起的作
38、用都各不相同。3. 3图像分割方法常用的图像分割技术可划分为以下几类:特征阈值或聚类、边缘检测、区域生长或区域提取以及递归像素分类等，这些方法用于对分割灰度图像的效果较明显。下面对这几种方法分别作简要介绍。3. 3. 1阈值方法 阈值方法是一种区域分割技术，它对物体灰度与背景的灰度有较强对比的图像的分割非常有用，而且总能用封闭而且不连通的边界定义不交叠的区域，这个性质对我们很重要。当我们采用阐值规则进行图像分割时，所有灰度值大于或等于某阈值的像素都被判属于物体，而所有灰度值小于该阐值的像素被排除在物体之外。于是，边界就成为这样一些内部点的集合，这些点都至少有一个邻点不属于该物体。这样，当我们感
39、兴趣的物体在其内部具有均匀一致的灰度值，并分布在一个具有另一个灰度值的均匀背景上的时候，使用阈值方法效果就很好:如果物体同背景的差别在于某些性质而不是灰度值(如纹理等)，我们可以想办法将那个性质转化成灰度值，然后利用灰度阈值化技术分割待处理的物体。 采用阅值化方法最简单的方法就是在整个图像的范围内将灰度阈值的取值设置为常数。如果背景的灰度值在整个图像中可合理地看作为恒定，而且所有物体与背景都具有几乎相同的对比度，那么，只要选择了正确的阈值，使用一个固定的全局阈值一般都会有较好的效果。但实际情况常常是千变万化的:背景的灰度也并不总是固定的常数，物体和背景的对比度在图像中也会有所变化。这时一个闭值
40、在图像中某一个区域效果良好，在其它区域却可能效果很差。在这种情况下，就需要把灰度阈值取为一个随图像中位置缓慢变化的函数，这种方法又被称为自适应阈值法。在自适应阈值法中，需要有一种方法来描述阈值的变化情况。因为在图像中除非图像中的物体有陡峭的边沿，否则灰度阈值对所抽取物体的边界的定位、整体的尺寸和物体的轮廓线有很大的影响，我们就需要找一个最佳的、或者至少是一致的方法来确定阈值。所谓自适应阈值法是相对于前面所说的固定阈值法而言的，就是在遇到物体背景和物体内容的对比发生改变的时候，采用一定的规则来相应的进行阈值调整。比如说，我们可以将一整幅图像划分为若干个比较合理的小的区域，对这些小的区域我们分别利
41、用直方图技术，取背景峰值和数据峰值的中点。而直方图是单个峰的话，我们就不予以考虑，这样可以保证阈值的合理性。这种方法的处理步骤需要分为两步:第一步就是在分割的块中用各自的阈值确定出物体在该块中的边界(各个块中的阈值并不相同)，这样我们就可以据此计算出每个物体内部的平均灰度值;第二步我们可以针对每个物体使用各自的阈值(由内部灰度值和它的主块的背景灰度的中间值定义)来给出物体的大致轮廓。从以上的介绍来看，我们知道阂值法的主要局限性在于确定阈值的方法比较复杂，阈值的好坏直接关系到提取出的物体轮廓的效果，而且在一般情况下它对噪声的干扰不能提供好的解决方法。3.4应用简介 在上一章中，我们已经得到一幅增
42、强了的图像，在这里我们可以继续对这样的图像进行分割。根据边缘检测和连接的方法，就可以将图像分解开了。3.5本章小结在本章中，我们需要对一幅己经变换过了的图像进行边界提取的操作。在这里，图像分割在图像的模式识别领域是一件很重要的工作，但是由于我们不需要进行识别，所以只要将图像中物体的边界轮廓找出即可。本章我们介绍了几种方 法。第四章图 形轮廓的直线逼近 经过上一步处理之后，我们就得到了一幅图像中关于物体的轮廓图，但是这个轮廓图的轮廓全部是由一个一个的像素点所组成的，将这样的图形轮廓加工处理再送到雕刻机上去雕刻显然效率不高，而且雕刻机上的电机是连续旋转的，所以每一个步骤都需要尽量连续。即使现在的伺
43、服电机的质量很好，但是长时间由断断续续的电流来驱动，对它的伤害也是很大，会缩短它的使用寿命。所以我们就需要在不改变图形轮廓的基础上，将原本在一条直线上的点连接成一条直线。这就牵涉到图像处理中的另外一个重要难题将图形轮廓矢量化。我们这里只需要将轮廓边缘用一连串的折线来逼近就可以了。矢量化就是将一幅图像中以点阵像素形式表示的物体还原成以矢量元素表示，在这一过程中，需要注意保持图像中物体的完整性，最主要的是不能让图像失真。例如我们获得了这样一些点(1,1), (2,2), (3,3), (4,4)，那么我们肯定不会认为是孤立的连续点，而是认为它们原本就是一条直线，可以用一条线段的两个端点(1,1)和
44、(4,4)来表示。然后在处理的时候可以计算出我们所需要的点来，甚至可以借助于这条直线来判断出其周围点的合理性。所以采用直线逼近的好处是显而易见的。4 .1 行程编码 行程编码是记录每一行上某个灰度值(不失一般性，下面一律用黑色表示)的连续像素的位置，并称之为一个行程段(RunLength Segment)。如果行程终止点位置由扫描行的开始点算起并由到达行程终点的像素计数确定，便称为行程终点编码。如果行程终点位置由前一终点的相对位置确定，则称为行程长度编码。从另一个角度来看，行程编码也可以是一种图像的压缩表示方式，这种方式能够连续排列紧致行段，使得行程编码可以有效地表达图像形态特征及其相互关系。
45、 经过前面的图像分割处理后，我们完成了对图像分割，并得到了图像的轮廓边缘，现在我们将轮廓边缘在水平(或垂直)方向上向左(向上)和向右(向下)分别扩展一个像素，这样在水平(垂直)方向就有三个像素的行程。我们这样做的目的就是为了可以很方便的提取出边缘特征并利用折线进行逼近，并减少运算量(因为进行折线化的图像比较复杂，我们在水平和垂直两个方向上都要进行运算，在这里以水平方向为例进行讨论，然后在垂直方向进行与水平方向类似的过程)。关于行程编码应用方面的文章对有些定义不尽相同，在这里我们规定，在水平方向上的一段连续像素如果从其起点到终点则可以被称为一个行段。在行程编码过程中，除了按照一般方法处理行程压缩
46、编码外，还需要对同一扫描行以及上下行段的n个行段建立彼此间的线性关系，并将每一扫描行中的行段链的头存入一数组(该数组的维数等于该图像的高度)中。在后续的行段跟踪过程中首先由行坐标取得该扫描行的头指针，再按照单向链表搜索指定的行段，一般在同一扫描行上的行段数量很有限，由此随机检索的速度很快。同时在图像处理函数中，建立一组从行程编码到边缘点的映射与读写函数，以及从边缘点到行程编码的映射与读写函数，对于任意形式的物体轮廓边缘的处理与识别都十分方便。 在递归扫描并跟踪相邻行段的过程中，对已遍历的行段我们建立一个特定的标志，以免重复遍历。当这个轮廓边界被遍历一次以后，就自动形成了行段与行段之间的链表关系。这样当我们要获取这些行段链表组成的直线时，只要找出前驱指针为头指针的节点，