图像信息处理范文

图像信息处理范文（精选11篇）

图像信息处理 第1篇

通过安装水尺进行水位量测,具有读数稳,抗干扰,费用低,寿命长等优点,因而得到广泛应用。但这种方法需要人工读数,受环境和人为因素的影响较大,在环境恶劣的情况下,观测不便,水位监测实时性和观测人员的人身安全得不到保证。

随着数字化、网络化的日益发展,应用计算机和图像处理技术自动化、智能化地识别图像成为可能。经过研究,将数字图像处理技术应用于水尺图像上水位自动提取中,并采用matlab7.0 作为开发工具,对拍摄的水尺图像进行图像处理和水位计算。

1 水尺图像的预处理

通过CCD摄像机或数码相机采集到的水尺图像主要包括水尺及复杂的背景信息。由于在光照、天气等因素影响下可能导致图像质量降低,因此需要对待识别的图像进行一系列的图像处理操作以削弱背景信息,去除噪声等无用信息,从而突出水尺信息,提高水尺识别和水位计算的准确度和可靠性。

1.1 图像灰度化和增强

从监测点采集到的原始图像是RGB真彩色图像,如图1 所示。在水尺图像中,字符的颜色没有特殊的含义,因此灰度图像可满足水尺识别的需求,且灰度图像的颜色空间是一维的,进行图像处理和计算可以占用较少的系统资源,提高执行速度。

对图1 灰度化[1]处理生成的灰度图如图2 所示。为了将水尺与背景更准确地分离开来,需要增强水尺与背景的对比度。首先采用形态学方法[2]中的开操作进行背景图像提取,然后从原始图像中减去背景图像,从而实现水尺图像增强的效果。该方法的关键步骤是开操作中结构元素的选取,结构元素的选取直接影响图像处理的结果。尺寸过小会将图像中水尺上的字符结构破坏,如图3 a所示;尺寸过大提取的背景信息不全面,使得水尺与背景对比度不明显,如图3 b所示,水尺和背景中的石头灰度值区分度过低。

通过多次试验和对比分析,对图1 选择的结构元素为半径为12 px的圆盘。提取的背景图像如图4 a所示,处理后的图像如图4 b所示,水尺与背景的灰度区别比较明显。

1.2 图像二值化

二值图是指每个像素不是白(255)就是黑(0),灰度值没有中间过渡的图像。水尺不像人物和风景那样需要很多的灰度级来描述内部细节,非黑即白的二值图像即可展示出水尺及上面字符的轮廓,满足后续水尺定位和字符识别的需求。

为了得到二值图像,通常采用的技术是阈值分割技术,以阈值作为分割线,将图像分割为前景和背景2 个部分,不同的阈值分割产生的二值图像可能截然不同。目前,许多研究者提出了多种阈值选择方法[3,4],根据阈值的应用范围可将这些方法划分为以下2 类:

1)局部阈值法。局部阈值法是将图像分成若干子图像,然后针对每个子图像分别确定阈值,最后将分割的结果合并成完整的图像。常用的局部阈值法有Niblack和Bernsen法等。由于局部阈值法要对每个子图像进行处理,计算量大,所以子图像尺寸分割的越小,二值化处理速度越慢。且局部阈值是根据单个子图像确定的,因此子图像间的阈值联系不紧密,可能产生相邻子图像之间过渡不平滑甚至突变的现象。

2)全局阈值法。全局阈值法指对整幅图像只采用1 个阈值进行图像分割。常用的方法有自定义阈值和OTSU算法[5]等。自定义阈值法是人为设定阈值,不需要耗费系统资源计算,在拍摄水尺的相机位置固定,且光照、背景变化不大时可以应用此方法,但是此方法对环境变化的适应性不高;OTSU算法是一种自适应的阈值确定方法,在汽车牌照、验证码识别等多个领域有着广泛的应用。

水尺图像识别应满足自动化及实时性的需求,尽量减少人工干预并快速计算出结果,因此,阈值的确定选用全局阈值OTSU算法。OTSU算法又称为最大类间方差法,主要思想是前景和背景如果错分,类间差别就会变小,因此,类间方差越大就意味着错分的概率越小。所以,求出最大类间方差所对应的灰度值即为最佳阈值,主要步骤如下:

1)读入灰度图像;

2)求出灰度图像灰度值的取值范围[a,b];

3)取阈值T∈[a,b];

4)将图像分割成前景和背景2 类,并计算每类像素个数n目和n背;

5)计算每类区域内图像的灰度均值 µ目和 µ背及其所占总图像的比例 ω目,ω背;

6)计算阈值为T时的类间方差,并保存到数组中,计算公式为

7)遍历[a ,b ] 内的灰度值,根据步骤(4)~(6)计算每个灰度值对应的类间方差;

8)找出最大类间方差,则其所对应的灰度值T即为所求阈值。

采用OTSU算法求出图4 b的二值化灰度阈值为107,二值化结果如图5 所示。

1.3 边缘检测

水尺包含明显的边缘信息,是区别于背景图像的一个重要特征,所以边缘检测对水尺定位相当重要。边缘检测是图像识别领域中的研究热点之一[6],已取得大量的研究成果,如Sobel,Roberts,Perwitt,Laplacian和Canny等算子。Canny边缘检测算法[7]是一个具有滤波、增强和检测的多阶段优化方法,通过对信噪比与定位乘积进行测度,得到最优化逼近算子,属于先平滑后求导数的方法。虽然相较于其他几个算法,实现起来较麻烦,但是效果较好。采用Canny边缘检测算法进行水尺边缘检测,边缘检测结果如图6 所示。

1.4 噪声处理

图像在二值化后所得到的边界往往很不平滑,目标区域内通常会分布一些噪声孔,背景区域上也会散布着一些小的噪声物体。为了去除噪声,对水尺图像的噪声处理包括面积和图像形态学去噪[8]2 个部分,面积去噪指将图像中面积小于给定值的小物体过滤掉,图像形态学处理的基本运算有膨胀、腐蚀、开启和闭合。先膨胀后腐蚀的过程称为闭合运算,其中的膨胀操作可使物体的边界向外扩张,如果物体内部存在小空洞的话,经过膨胀操作可将这些洞补上,使其不再是边界,再进行腐蚀操作时,外部边界将变回原来的样子,而这些内部空洞则永远消失。先腐蚀后膨胀的过程称为开启运算,其中的腐蚀操作可以去掉物体的边缘点,细小物体的点都会被认为是边缘点,因此会被整个删去,再做膨胀时,留下来的大物体会变回原来的大小,而被删除的小物体则永远消失。因此,组合使用这些基本运算可实现复杂噪声的处理。

对图6 的边缘图像,首先进行面积去噪,然后按照先闭合再开启的顺序组合对边缘图像进行形态学处理,再进行1 次面积去噪,从而实现过滤掉小的噪声物体,填补一些小的空洞,连接邻近物体和平滑水尺的边界区的效果。噪声处理的过程和结果如图7 所示。

2 水尺定位

在图像预处理后,最优的状态是将背景区域上的物体全部滤除,将水尺与背景完全分离,如图7 d所示,但有时仍会残留一些背景物体,因此需要对水尺进行精确定位。水尺定位过程是水尺图像识别研究中的关键过程,是水尺字符分割的基础,对识别水位起到决定性作用。

水尺定位算法主要针对水尺图像的某种特征加以处理,水尺的形状和投影具有以下特征:

1)图像中的水尺通常为水平方向窄,垂直方向长的矩形形状,因而垂直方向的投影像素和较大,与背景上的其他物体的像素和之间的差值也较大。

2)相较于水尺上下边缘外的背景物体,水尺左右两侧的背景区域更大,出现背景物体的几率更大。

进行水尺定位时,首先确定水尺的左右边缘,再在此基础上确定上下边缘。具体的水尺定位算法描述如下:

1)在整个图像范围内,计算每一列(总列数n ,总行数m)像素灰度值的总和为

式中:i为行坐标;j为列坐标;

2)找出列像素总和为最大时所在的列坐标j ;

3)以j为分界点,分别向该列左右两边搜寻水尺的左右边界j1和j2,判断是否是边界的条件为,列号在图像的范围内且该列的像素和小于预定值;

4)在j1和j2列范围内,计算每一行像素灰度值的总和为

5)找出行像素总和为最大时所在的行坐标i ;

6)以i为分界点,分别向该行上下两边搜寻水尺的上下边界i1和i2,判断是否是边界的条件为,行号在图像的范围内且该行的像素和小于预定值。

在原始图像中,行号在i1,i2,列号在j1,j2范围内的图像即为水尺,截取的水尺原始图像如图8 a所示。由于水尺底色为白色,字符为红色或蓝色,因此二值化后的水尺字符灰度值为0,水尺底板灰度值为255,如图8 b所示,这样的结果不利于后续字符的识别,因此需要对二值化后的水尺图像取反,得到的图像如图8 c所示。

3 水尺字符分割与识别

3.1 水尺字符分割

水尺上字符的特点如下:水尺上左右两边的“E”在相邻的地方间隙非常小,由于拍照角度等原因,某些地方甚至有粘连;垂向上,数字字符的中间有间断;数字字符的右侧都有1 个“E”字;虽然实际上每个“E”的高度和宽度一样,但由于水尺较长及拍摄角度的原因,图像上第1 个字符与最后1 个字符的大小存在一定程度的差距。

为了将水尺上的字符最终识别出来,需要确定每个字符的上下左右边界,将其从水尺中分离出来,作为后续字符识别的输入数据。划分2 个字符的依据是字符之间的间隙,根据上述水尺字符的排列和间隙的特点,提出的字符分割方法如下:

1)将水尺分割成左右两边;

2)对左侧的水尺做水平方向的投影,如图9 所示,根据字符之间间隙的投影像素和为0,确定每个字符的上下边界;

3)根据上下边界分割字符;

4)对分割后的字符做垂直投影,分别从图像的第1 和最后1 列开始,逐列向中间寻找像素和大于0的列作为字符的左右边界;

5)根据左右边界再次分割该字符,完成字符的分割。

水尺右半边水尺上只有字符“E”,所以不进行字符识别,后续只用来精确确定水位。左半边水尺分割后的字符图像如图10 所示。

3.2 水尺字符识别

字符识别在车牌和验证码等识别领域已有广泛的应用,识别的方法有很多种,如基于字符结构、笔画、统计等特征的识别方法,以及神经网络和模板匹配法等。模板匹配法相较于其他识别方法,不需要大量的样本,具有简单、快速的优点,特别适用于待识别的字符种类有限的领域,因此在车牌识别[9]领域应用非常广泛。

鉴于水尺上的字符只有11 种,字符分类器结构比较简单,因此选择模板匹配法进行字符识别。所谓模板,就是1 幅已知的小图像,模板匹配就是将模板与目标图像在空间上对准,通过逐一比较同一位置上2 幅图的像素值度量2 幅图像的相似性。度量2 幅图像相似性的计算公式为

式中:D为图像相似性;M,N分别表示图像行、列像素数;A表示模板图像;B表示待匹配图像。

从式(5)可以看出模板的大小直接影响计算量,根据分割后的水尺字符图像的大小及长宽比,选择20 px×28 px作为标准模板的大小,并在photoshop中制作每个字符的黑白标准模板,保存在模板库中。为了消除由于字符图像大小、位置的差异对字符匹配的影响,在与模板匹配之前,首先对分割后的字符图像进行大小归一化处理,使其与标准模板大小相同;然后根据式(5)将待识别的字符与模板一一进行计算,取D值最小(D值越小表明相似性越高)的模板所代表的字符作为识别结果。

字符识别要求具有较高的正确率,由于拍摄角度、字符缺损或遮挡,难免会误识别。相较于车牌、验证码等没有规律的字符序列,水尺上的字符排列具有一定的规律。因此,在模板匹配识别后,需对识别结果进行检查和校正,以提高水尺识别的正确率。左侧水尺上字符的排列规律为:字母“E”与数字交替出现,且数字是9~0,公差为-1 的等差数列。如果识别结果中连续的几个字符满足上述规律,则这几个字符被正确识别的可能性就较高。通过从识别结果中找出满足上述字符排列规律的最长的子字符串,并据此推求其他位置的字符,验证其他位置的识别结果是否正确,从而达到提高识别正确率的效果,具体优化流程如图11 所示。

4 水位计算

由于水面淹没最后1 个字符的情况可以有很多种,因此无法制作各种情况的字符模板来识别最后1 个字符代表的具体值,以“E”为例,多种情况如图12 所示。按照字符识别和结果优化方法,这几个图识别的结果是一样的,但实际上表示的水位是不同的。因此,需要计算出最后1 个字符表示的高度,才能精确计算出水位。

因为“E”的水平投影呈“峰谷峰谷峰”的特征,如图9 b中黑色框所示即为“E”的水平投影。当最后1 个字符是“E”时,根据它的水平投影的“峰”数确定表示的高度;当最后1 个字符是数字时,根据水尺上数字右侧是“E”这一特征,计算数字右侧 “E”的水平投影的“峰”数确定高度。

为了简化计算,峰数的计算方法为:在图像列方向上,截取“E”图像中间30% 的列做水平投影,则投影中像素和大于0 的行表示峰,等于0 的行表示谷,据此计算出峰数。当峰数为1 时,表示的高度Zc为1 cm;当峰数为2 时,表示的高度为3 cm;当峰数为3 时,表示的高度为5 cm。

确定最后1 个字符表示的高度后,根据识别字符中是否有数字及最后1 个字符是数字还是“E”,水尺读数的计算方法分为如下几种情况:

1)识别结果中有数字且最底端1 个字符是E,计算公式为

式中:Zn为当前水尺读数;Zl表示识别出的最后1 个数字;Zc表示最后1 个字符的高度。

2)识别结果中有数字且最底端1 个字符是数字,计算公式为

3)识别结果仅有1 个E,此种情况作为水面即将淹没水尺处理,计算公式为

4)其他情况,作为识别结果错误处理,计算公式为

通过计算,所得结果只表示当前水尺(长度为100 cm)的水位读数,与人工读取水尺一样,若要计算出实际水位Zs(m),还需要知道该水尺最高点表示的水位Z(m),则

对图13 所示多水尺垂直叠加的情况,字符识别的方法同样适用,但由于通常不能拍摄到全部的水尺,也很难从图像中判断是第几根水尺,因此虽然可以识别出图像中的字符,但只能给出当前没入水中的水尺的读数,其表示的实际水位无法计算;如果可以拍摄到全部的水尺,则可以通过水尺顶端代表的实际水位减去水尺识别的字符所代表的高度计算实际水位。

5 结果与分析

对图1 水尺原始图像的水位信息提取结果如图14 所示。采用模板匹配法初次识别的结果为“9E8E7E6E5E4E36”,采用最长等差数列法优化校正后,最终的识别结果为“9E8E7E6E5E4E3E”。 根据识别的结果中有数字且最后1 个字符是“E”,当前水位的计算采用式(6)计算,得出当前水尺的读数为0.27 m。

应用图像自动提取技术对图15中几幅原始图像进行水位提取,结果如图16所示。

从图14和16的水位提取结果可以看出,将模板匹配和优化校正法结合使用,可有效提高水尺字符识别的正确性,误差分析如表1所示。

m

6 结语

将现代化的图像处理技术与传统的水尺量测水位的方法相结合,可提高水情遥测的自动化程度。此外,应用计算机代替人工进行水尺水位判读,可提高水位观测的及时性和自动化程度,提高水位监测的工作效率。实验结果表明,应用图像自动提取技术能够较准确地识别出水尺的字符,计算出的水尺读数与人工读数基本一致,可满足实际应用需求。虽然在字符识别后进行的识别优化过程可以在一定程度上解决由于尺面污染、水尺破损等导致的误识别的问题,但也不能完全保证正确,应采取措施保护水尺。此外,因为水尺图像是在野外拍摄的,受光照不足、雨、雾等因素的影响,图像质量可能较低,也会影响识别的正确性,所以实际应用时,还需要在现场安装一些保护及照明设施来提高水尺图像的质量。

参考文献

[1]陈金水.基于视频图像识别的水位数据获取方法[J].水利信息化,2013(1):48-51.

[2]万丽,陈普春.一种基于数学形态学的图像对比度增强算法[J].现代电子技术,2009,32(13):131-133.

[3]江明,刘辉,黄欢.图像二值化技术的研究[J].软件导刊,2009(4):175-177.

[4]吴冰,秦志远.自动确定图像二值化最佳阈值的新方法[J].测绘学院学报,2001,18(4):283-286.

[5]范九伦,赵凤.灰度图像的二维Otsu曲线阈值分割法[J].电子学报,2007,35(6):751-755.

[6]段瑞玲,李庆祥,李玉和.图像边缘检测方法研究综述[J].光学技术,2005,31(3):415-419.

[7]王植,贺赛先.一种基于Canny理论的自适应边缘检测方法[J].中国图象图形学报,2005,9(8):957-962.

[8]张艳玲,刘桂雄,曹东,等.数学形态学的基本算法及在图像预处理中应用[J].科学技术与工程,2007,7(3):356-359.

图像信息处理 第2篇

一、设计思想

本节课通过照片的处理让学生从活动中分析思考学习到知识。实现学生的主体地位，诱思交融，互动共识。意在渗透一种学习理念、学习方法、思考方式。即在充分激发学生学习兴趣的基础上,培养他们自主、合作、探究的研究性学习方法。

二、教材分析

我们目前使用的教材是青岛出版社出版的普通初中课程标准实验教科书《信息技术基础》.我讲的这节课是图像处理

（一）是初中信息技术七年级下册第三单元第2课，本课的主要内容是学习phoshop7.0的基本功能，并学会对图片进行旋转和裁切。所以本课就成为把学生带入photoshop世界的关键一课。

三、学情分析

本节内容的教学对象是七年级学生，大部分学生对照片的处理都不理解，对其充满了好奇，非常想探索其中的奥秘，但又由于时间和知识层面的约束，故而望而却步，认为离自己太遥远。因此正好利用学生的好奇心理，通过展示我们生活中的应用实例，简要剖析其中奥秘，让学生通过简单的照片处理，引领学生们进入该领域。

四、教学目标

一、【知识与技能】

（1）初步了解Photoshop界面的组成；（2）熟悉Phoshop7.0的基本功能；

（3）能够利用phoshop7.0浏览、打开图片；（4）学会对图片进行旋转和裁切

【教学过程与方法】

充分利用多媒体网络机房的优势，首先由教师展示作品，确定教学主题并布置教学任务，学生在教师的引导下自主完成教学任务。

【情感态度与价值观】

（1）培养学生观察能力、审美能力；

（2）培养学生加工处理图片的能力；

（3）通过作品的完成，让学生有一定的成就感，增强学生学习信息技术的兴趣。

二、教学重点、难点

教学重点：认识Photoshop的界面，熟悉phoshop7.0的基本功能。教学难点：学会对图片进行旋转和裁切

三、教学方法

讲授法、演示法、任务驱动、情境教学；自主探究等。

七、教学过程

五、教学过程

1、创设环境激趣导入

教师演示课件，展示几幅经过处理的图片和未经处理的图片。师：你知道是利用什么软件处理的吗？你听说过PS这个词吗？ 生：讨论，回答

师：今天我就和同学们一起认识photoshop。设计理念：通过几组图片的对比，找到图像处理工具乐趣，激发学生学习本节的热情和愿望。

2、任务驱动 自主合作学习师巡视指导 将全班同学分成几个小组，老师给大家准备了一些学习Photoshop的演示程序，请大家进行自主学习，完成里面的任务。学习中遇到问题可以与本组同学交流，或者记录下来向老师提出来。

任务

一、利用phoshop7.0进行浏览“图片”文件夹并打开“逆时针旋转90度并存储； 任务

二、将图片进行裁切，并另存（存储为）到“素材”文件夹中。注意让学生生区分存储和存储为的区别。

3、组织答疑

哪些同学还有不明白的地方，可以提出来，大家一起来探讨一下。

生：„„

师：谁能帮他解决一下这个问题？

设计理念：教师搜集学生提出的问题，然后让学生进行讨论解决，实现学生合作学习，如果学生不能解决，教师进行点拨。

4、作品创作

从以下三个任务中任选一个旋转和一个裁切任务并完成。任务

四、将作业文件夹下的图片“照片一.jpg”水平翻转。

任务

五、将作业文件夹下的图片“照片二.jpg”旋转任意的角度并保存。

任务

六、将作业文件夹下的图片“照片三.jpg”中的“灰太狼”裁切出来，并存储。展示评价

设计理念：学生进行实践创作，然后师生对学生作品进行评价，用鼓励的语言对学生作品进行充分的肯定。

5、拓展延伸

搜集有关萌山的图片，保存为统一的格式，制作萌山图片集，并配以说明，并尝试用Phoshop进行旋转和裁切处理。

设计理念：引出新的问题，让学生课后探究，进行拓展学习。

6、课堂小结

图像信息处理 第3篇

关键词： 《数字图像处理》 信息与计算科学 实践教学 考核方式

信息与计算科学专业是原计算数学与应用软件、运筹与控制科学、信息科学三个专业整合而成的多学科交叉的应用型专业。《数字图像处理》是该专业一门专业核心课，内容涉及光学系统、微电子技术、计算机科学、数学等领域。随着计算机的迅猛发展，图像处理技术已在通信工程、工业控制、医疗诊断、机器视觉、虚拟现实、数字图书馆等众多领域得到广泛应用。通过学习该课程，学生很好地理解信息的内涵，知道信息与计算科学专业到底有什么用和怎么去用，以及该专业的前景。

本文通过分析信息与计算科学专业本身的特性，结合近五年来的教学实践，从教材和教学内容选取，课堂的组织和实践教学，以及考核方式等环节进行探讨，取得较好的成效。

一、信息与计算科学专业特性

信息与计算科学专业是数学、计算机科学、信息工程等广泛学科的交叉，远超越出数学学科的范畴；以信息科学与科学计算为核心方向；主要研究“信息技术的核心基础与运用现代计算工具高效求解科学与工程问题的数学理论与方法” 。该专业本科生主要学习数学、信息与计算科学的基本理论、方法和技能。因此，该专业学生具有较强的数学基础和具备一定的计算机方面的功底[1，2，3]。

我校信息与计算科学专业是从2002年开始招生。数字图像处理一直是该专业一门专业核心课。该课程一般安排在四年级上半学期。在学习数字图像处理之前，学生已经学习了矩阵计算、微分方程数值方法、概率论与数理统计等数学类的专业基础课，并且运用Matlab编写简单的程序[4，5]。

二、教材和教学内容选取

基于信息与计算科学专业的特性，教材选用冈萨雷斯版的《数字图像处理》，该教材侧重于对数字图像处理基本概念和方法的介绍，是数字图像信息处理领域的一本经典著作。主要内容包括数字图像基础、空间域和频域的图像增强、图像复原、小波变换及多分辨率处理、1图像压缩、彩色图像处理、形态学图像处理、图像分割、表示与描述和目标识别[6]。

教学中我们以灰度图像为基础，着重讲述空间域和频域的图像增强、图像复原、小波变换及多分辨率处理、图像压缩和图像分割的基本理论、典型方法和使用技术。简单介绍彩色图像处理、形态学图像处理、表示与描述和目标识别。

三、课堂的组织和实践教学

实验教学和实践是学习掌握各种数字图像处理技术的重要方法，也是巩固所学知识、培养学生创新能力和动手解决实际问题能力的重要环节。由于数字图像处理是综合性很强的边缘学科，对实验和实践教学的总体过程系统性、整体性的设计和安排要求高。虽然信息与计算科学专业学生具有较强的数学基础和具备一定的计算机方面的功底，但受原有教学模式的影响，实验和实践内容没有科学的论证和合理的规范，甚至一些至关重要的实践环节也被省略，这在某种程度上导致学生对所学理论的理解和应用能力的降低[6-12]。

实验教学主要强调理论知识和实践能力的结合。为了很好地理解和掌握数字图像处理技术，我们选择图像灰度增强、图像压缩、图像域值分割中几个最典型的算法，如图像的读取和显示、直方图均衡化、平滑和锐化滤波、膨胀和腐蚀等作为实验教学的主要内容。这些内容形象、直观、具有代表性，有助于学生通过实践掌握理论知识，提高学生的编程能力。

在实验教学期间，开展第二课堂。将学生分组，每组给出一个实际的学期项目，让学生在实践中锤炼，有助于较快地提高学生的理论认知水平和解决实际问题的能力，有效地培养学生的实际动手能力，提高学习积极性，促进对知识的综合掌握和灵活应用。

四、 考核方式的探索

数字图像处理是信息与计算科学专业的核心课，通过本课程的学习，使学生系统掌握数字图像处理的基本概念、基本原理、实现方法和使用技术，了解数字图像处理国内外的发展方向。培养学生解决实际问题的能力。课程考核主要是衡量学生对课堂所学内容的理解和掌握程度。就数字图像处理这门课程而言，如果考核结果只由期终考试的分数来定，就很难调动学生学习积极性，达到本课程的学习目的，不利于发挥学生的主观能动性培养学生的创造能力。为此，我们将期末考试成绩、实验成绩、学期项目成绩和平时成绩纳入考核，课程最终的考核成绩综合这四个部分。

经过对信息与计算科学专业多年的教学实践和探索，我们通过对数字图像处理的教学内容、教学体系、实验体系的改进，极大地提高了学生的学习积极性，有效地培养了学生创新能力和动手解决实际问题能力。

参考文献：

[1]苏丽卿， 黄民海.“对信息与计算科学专业的认识与思考[J].河北师范大学学报，2008（6）.

[2]宋广华，刘慧.普通高校信息与计算科学专业课程体系设置[J].中国科教创新导刊，2008 （22）.

[3]郑秋红，岑仲迪，奚李峰.信息与计算科学专业教学改革的方向和途径初探[J].教育与职业，2009（17）.

[4]牛文琪，张庆国，汪宏喜，吴坚.谈信息与计算科学专业实践教学改革[J].中国电力教育，2009（8）.

[5]黄哲煌，黄建新.信息与计算科学专业实践教学体系的构建与探索[J].中国科技信息，2010（19）.

[6]阮秋琦.数字图像处理.电子工业出版社，2007.

[7]贾永红.“数字图像处理” 课程的建设与教学改革[J].高等理科教育，2007（1）.

[8] 张大明，樊晓香，刘华勇，李璐.信息与计算科学专业 “数字图像处理”课程教学探索与实践[J].合肥师范学院学报，2012（3）.

[9]曹玉东，王东霞，周军.“数字图像处理”课程教学改革与探索[J].辽宁工业大学学报，2013（2）.

[10]李熙莹.“数字图像处理” 课程设计与学生实践动手能力的培养[J].计算机教育，2008（8）.

[11]李晓辉，吴蓓.“数字图像处理” 课程实验改革与实验系统的研究[J].高等理科教育， 2003（4）.

[12]盛利元，李宏言.“数字图像处理”实验教学探索与实验软件研制[J].电气电子教学学报， 2005（3）.

图像信息处理 第4篇

一数字图像处理课程设计的思路

数字图像处理是农业信息技术专业的专业课程, 是一门综合性学科, 内容多、跨度大、覆盖面广, 本课程以培养能力和拓展专业素养为课程内容的定位和目标, 课程内容的选择以专业知识拓展为依托, 要求学生掌握数字图像处理的基本概念、基础理论、典型方法, 掌握一定的编程实践技能。结合由易到难、循序渐进的原则进行教学内容和教学组织模式的设计, 以此促进学生对知识的掌握和应用能力的提高。教师通过企业调研等形式总结归纳现今数字图像处理技术在农业应用中的实际案例, 从而提高学生的专业知识修养。多元化学生的考核方式, 形成一个全面的考核标准。

二数字图像处理课程设计的实施

1. 教学内容的设计

本课程以“农非贯通”的专业形态为出发点, 采用项目化教学和任务驱动的方式组织教学内容, 使学生在掌握数字图像处理知识的基础上, 了解此项技术在农业中的广泛应用。本课程的教学内容主要划分为六个项目。

项目一:图像的预处理, 包括图像平滑、图像锐化、图像复原等知识点。

项目二:单目标果实识别, 以机器人采摘苹果中单个苹果目标识别模块为例, 根据单个目标识别的分析思路, 将颜色特征的分析及提取、阈值分割方法、去噪处理、果实的形状特征提取等知识点划分成多个小任务, 每个任务之间相互承接, 逐一完成才能实现单个苹果的目标识别。

项目三:多目标果实识别, 承接项目二, 不同的是以多个苹果果实为识别目标, 增加了hough变换、边缘检测、分水岭算法等知识点, 此项目是对项目二的补充。

以上三个项目使学生能在完成具体任务的同时, 掌握数字图像处理的基础知识。

项目四:纹理特征识别, 以黄瓜识别为例, 项目二和项目三中的目标识别都是基于目标与背景色差大的原理进行分析实施, 对于目标与背景颜色相近的情况并不适用, 因此, 关于纹理特征的知识点, 将在此项目中补充。

项目五:综合实训, 此项目的设计是对以上内容掌握程度进行整合并测试, 给出两个选题:柑橘、棉花的自动识别技术及特征提取, 农间杂草识别。两个选题分析思路与前面项目的分析思路方法相似, 但是操作对象不同, 需要做一些调整, 因此, 此项目既可以锻炼学生的思维能力及举一反三的能力, 又能测试出学生对基础知识的掌握程度。

项目六:专业知识拓展, 数字图像处理应用广泛, 在此模块中以讲座的形式向学生讲授数字图像处理技术在现代农业及其他行业中的应用, 提升学生的学习兴趣、拓展专业知识、提升专业素养。

2. 教学组织模式的实施

本门课程具有理论性强、实际应用性较弱的特点, 结合该特点将本门课程划分为三大主要模块, 分别为理论基础、综合实训、知识拓展。根据这三个模块的不同特点, 本门课将结合项目化教学、任务驱动、角色体验法、讨论式教学方法进行教学。

对于本门课程的基础知识和算法, 采用“小任务为引导, 大项目为目标”的教学方法, 将每个知识点作为小任务, 每个小任务之间能承接并结合成大项目, 实现学生对基础知识的掌握。

综合实训是考验学生对本门课程知识的掌握程度, 此模块以任务驱动为主要教学方法, 先提出问题, 引起学生的学习兴趣, 培养学生的自学能力和逻辑思考能力, 以小组为单位, 通过团队合作选择合适的算法实现最终目标, 并以答辩的方式汇报。

知识拓展是结合本门课程的特点, 向学生拓展数字图像处理技术在现代农业中的应用案例, 这需要大量地收集资料和文献整理, 但是专业性较弱, 因此本模块可采用角色体验、讨论教学法等教学方法, 培养学生的自学能力。

3. 考核方式

考核过程中要注意学生的学习态度、动手能力, 培养学生的自我评价能力, 增强自主学习意识。根据本门课程的内容设置, 考核主要分为三个方面:过程考核、能力素质考核、汇报考核。具体见下图:

三数字图像处理课程设计应注意的问题

1. 加强师资队伍建设

教师的知识结构、知识创新能力和师德风貌直接决定着课程的质量和水平, 要培养出高科技的应用型人才, 必须建立一支综合素质强的“双师型”教师队伍。要根据课程改革和建设要求, 有目的, 按计划地加强对教师的培训, 鼓励教师通过各种实践活动, 提高教学水平和教学质量。

2. 加强教材建设

围绕培养目标, 按照教学计划和教学大纲的要求, 由主讲教师自行编写、制作相关教材, 并保持教材的先进性和前沿性。

3. 重视校企合作

校企合作是解决时间教育缺失的根本途径。企业参与到高校实践教学过程中, 可以在教学计划和教学内容上广泛征询及适当采纳相关业内专家的意见;另外增加学生在企业进行专业技能训练和专业拓展的学习机会, 使理论联系实际, 开阔视野, 拓宽思路, 促进学生的创新意识与创新灵感, 为课程设计与建设提供强有力的实践平台。与相关企业建立长期合作关系, 校企可以培养“适销对路”的应用型人才。

四结束语

课程设计是一项涉及师资、学生、教材、教学思想、教学内容、教学方式、教学手段等多方面的综合系统工程, 建设工程中要明确目标、遵守课程内在的逻辑与规律, 才能提高教学质量。

参考文献

[1]朱高峰.中国工程教育的现状和展望[J].高等工程教育研究, 2011 (6) :1~4

[2]宋生瑛.高校精品课程建设中应注意的几个问题[J].黄河科技大学学报, 2008 (3)

[3]杨黎明.高等职业教育课程建设中亟待解决的若干技术问题[J].高等职业教育 (天津职业大学学报) , 2008 (1)

图像处理谁最行 第5篇

软件简介

美图秀秀

老牌软件，功能丰富，集美化、美容和拼图于一身，操作简单，可一键美化、美容和拼图，并可分享照片到流行的社交网络。

http：//apk.gfan.com/Product/App92460.html

百度魔图

一款好玩易用的掌上美图工具，集美化、美容、拼图和分享于一体，并集成百度相册。

http：//apk.gfan.com/Product/App23740.html

图像处理

美图秀秀分类合理 样式丰富

软件包括美化图片、人像美容、拼图和素材中心几部分。美化图片包括编辑、增强、特效、边框、文字和背景虚化，编辑分为裁剪、旋转和锐化。增强包括调色和智能补光，其中调色可以根据色彩饱和度、亮度和对比度进行调整。特效非常丰富，分为LOMO、影楼、时尚和艺术四个选项，其中每个选项又分为很多效果，如LOMO又分为胶片、复古、印象、HDR、老照片、牛皮纸、移轴等效果。边框分为简单边框和炫彩边框，其中简单边框分为经典边框、电影胶片等很多样式。文字包括会话气泡和文字样式，其中会话气泡有十几种样式。文字样式可以设置字体颜色、粗体和阴影等效果。背景虚化分为圆形虚化和直线虚化两种，可以以范围和大小进行虚化。

软件的本地素材比较丰富，而且还可以扩展，素材中心可以下载简单边框、炫彩边框、会话气泡、拼图边框和自由拼图背景，扩展性比较强。

百度魔图分类有待细化 样式较丰富

百变魔图包括美化、拼图、网络相册、特效相机和新素材几部分，其中美化包括编辑、美容、装饰、特效和相框几部分，编辑包括调色、裁剪、翻转和旋转、锐化、背景虚化。大部分功能和美图秀秀很相似。

小结：

美图秀秀把美化图片和人像美容分开，更合理。素材如特效和边框更丰富。百变魔图的特效和边框都较少，需要网上下载，用起来较麻烦。

美容、拼图和可玩性

美图秀秀边框丰富 可玩功能少

人像美容包括磨皮美白、祛斑祛痘、瘦脸瘦身、祛黑眼圈、眼睛放大。

拼图包括模板拼图、自由拼图和图片拼接三种，模板拼图所选边框很丰富，自由拼图以随机的样式拼图，方便快捷。

百度魔图边框、背景丰富 可玩功能多

美容包括瘦脸瘦身、眼睛放大、祛痘、美肤、眼线、腮红、局部美白，比美图秀秀功能要丰富一些。装饰包括饰品、恶搞、贴纸和文字泡泡，特效包括经典、情景和艺术三部分。饰品、恶搞和贴纸是美图秀秀所没有的，具有一定可玩性。相框包括普通相框和花边相框两种，样式很少，不过可以网上下载其他样式。

拼图包括模板、自由和拼接三种方式，可以手动选择布局，较方便。边框、模板和背景样式都较少，都可网上下载。

小结：

美图秀秀自有的边框和样式比较丰富，而百度魔图自有的边框、背景和模板很少，需要去网上下载，要麻烦一些。在可玩性方面，百度魔图有装饰、恶搞和贴纸等功能，可玩性要强一些。另外，拼图提供了布局选项，可以按照指定布局进行拼图。

总结

图像信息处理 第6篇

一、信息化教学

1、什么是信息化教学

信息化是指培养、发展以计算机为主的智能化工具为代表的新生产力,并使之造福于社会的历史过程。教育信息化是以网络化为基础的,是以互联网技术和多媒体技术综合的应用作为基础平台。由于网络的开放性、交互性、共享性使得更多的教育资源可以为人们所共享,使得更多的教学资源被人们开发出来,使得更多的人可以从教育教学、教学管理、教务管理、教育资源等多方面协助工作,使工作更便捷,进而实现管理方式、方法的变革,最终推动教育变革,目的就是为了提高学习效率和共享教育资源。

2、信息化教学特点

教育信息化既具有“技术”的属性,同时也具有“教育”的属性,它不仅仅是在传统教学的基础上对教学方法和手段进行了改变,而且整体的教学体系也发生了一系列的改变,教育信息化的基本特征是数字化、网络化、智能化和多媒化。信息化教学体现如下特点:(1)信息源丰富、知识量大、有利于怀境的创设。(2) 有利于提高学生的主动性、积极性。(3)个别化教学,有利于因材施教。(4)互助互动,培养协作式学习。

3、有利于培养创新精神和信息能力的发展

利用现代教育技术不受时间、空间、微观、宏观的限制特点, 能直接表现各种事物和现象的优势,为教学联系实际提供了条件, 扩大时空,大大缩短学习时间,提高学习效率。

二、Photo Shop教学现状

Photoshop是一个操作性很强的软件,在传统的高职Photoshop图形图像的教学过程中,教师基本上采用“创设情境——学习新知——任务驱动——评价总结”教学模式,教师负责教,学生负责学,教学就是教师对学生单向“培养”活动,它表现为:一是以教为中心,学围绕教转。教师是课堂的主宰者,所谓教学就是教师将自己拥有有知识传授给学生。教学关系成为:我讲,你听; 我问,你答;我写,你抄;我给,你收。二是以教为基础,老师先演示,学生再上机实践。学生只能跟着教师学,复制教师讲授的内容。这种教学方法忽略了学生知识迁移、创新能力的培养, Photoshop课程不是简单的对图片进行粘贴和组合,因此,更新教学理念,改变教学模式势在必行。

三、Photo Shop信息化教学

在Photoshop教学中,教学是教与学的交往、互动,在这个过程中教师与学生分享彼此的思考,经验和知识,交流彼此的情感、 体验与观念,丰富教学内容,求得新的发现,从而达到共识、共享、 共进,实现教学相长和共同发展,师生彼此将形成一个真正的“学习共同体”。充分发挥信息技术的优势,为学生的学习和发展提供丰富多彩的教育环境和有力的学习工具。这些使得学生积极主动地探索知识,而不再是被动地接受知识,即成为知识信息的主动建构者。

在实际的教学中,Photoshop信息化教学的运用给教学带来了极大地便利,主要体现在以下几个方面:

(1)信息化教学平台丰富了教学内容的呈现形式

高职老师在Photoshop课程教学时,不再采用单一的PPT课件, 更用到微课、游戏、网络资源、仿真软件,更甚至是Photoshop课程教学平台,为Photoshop课堂教学提供丰富多样的教学资源。除此之外,在课堂是老师还会录制相关音频和视频,创造了生动有趣的课堂,激发学生学习兴趣,这样大大有效地利用了上课时间, 提高课堂教学效率。

(2)活跃课堂气氛,实现翻转课堂教学

在高职PS图像处理教学活动中,无论是学生还是老师都要经历课前、课上、课后,三个阶段如果老师靠传统教学方式讲讲让学生去做的话,就会教得会非常吃力,学生学起来也比较辛苦。 为了能充分调动学生的情感,激发学习兴趣,老师可以在班级群或者PS专题学习的网站上链接一些下节课所要学知识点及相关作品、flash讲解视频。

在课堂中老师采用多媒体教学,播放出提前放在群里的作品, 把学生分成若干组,进行交流、讨论、分享,让每组的学生把预习时碰到的问题说出来并一起解决。最后由老师来作总结,帮助同学们把本节课知识点理清楚,并在各组选一个同学上讲台操作, 然后进行评比。翻转课堂既加强了学生自主学习能力,又让他们体会到了学习的快乐,整个课堂气氛轻松且效果好,提高了学生的学习兴趣、自信心和自我评价能力。

四、结束语

图像信息处理 第7篇

1翻转课堂的起源与《Photoshop图像处理》课程简介

翻转课堂最初是由美国教师乔纳森·伯尔曼和亚伦·萨姆斯2007年在高中化学课中实践的, 2011年萨尔曼·可汗在报告《用视频重新创造教育》中进一步定义了翻转课堂, 得到了大家的认可, 现在翻转课堂已成为全球教育研究的热点。

《Photoshop图像处理》课程是平面设计相关专业的必修主干课程, 学习本课程的目的在于使学生熟练掌握专业化的图像处理工具及使用技巧, 掌握现代化的平面设计应用技巧;进行各种图像艺术处理、商业广告设计、商业包装设计、 网页设计, 提高设计效率。将翻转课堂的教学方法应用到本课程中会使学生更好的掌握Photoshop软件的基本应用方法和技能, 为学生今后能够适应社会要求, 顺利的走上社会, 并为以后独立的设计打下坚实的基础。

2信息技术支撑下翻转课堂教学模型

翻转课堂的教学模型可以分为以下几种:第一种模型, 学生可以通过观看教学视频资源及网上课程资料, 通过在线的讨论获取课程的基本知识。之后, 学生通过课程测试及学习发现来完成学习课程的过程。第二种模型, 学生在观看视频的时候记录问题, 并在课堂上提出问题, 教师加以引导, 解决学生的问题, 并补充问题使学生真正的深入理解课程的内容。第三种模型, 学生的学习分为课前学习及课堂学习两个部分。在这两个学习过程中, 信息技术为翻转课堂提供了学习前提, 为学习环境及学习情境的建立提供了有力的保障。

总之, 信息技术虽然不是翻转课堂的唯一建立途径, 但是信息技术为翻转课堂提供了多样的、丰富的及个性化的教学资源, 提供了多种途径的交互方式。比较传统的教学环境来说, 这种引入信息技术的翻转课堂更能够增加学习的趣味性, 提高学生的主动学习能力, 提高学习效率。

3 《Photoshop图像处理》课程翻转课堂教学方法与教学目标模块设计

根据翻转课堂的教学理念和方法, 重新对《Photoshop图像处理》进行教学设计。本课程的教学方法大体可分为三部分。

第一部分, 学生课前预习。教师为学生准备充分的课前资料, 包括视频、网络资料、电子读物等, 并给学生下发课前预习任务。例如, 视频资料可以包括微课、慕课及相关专业网站上的视频教学内容 (如广联达新干线) 。

第二部分, 课堂教学。课堂教学要充分体现学生课前预习的成果, 针对课前任务布置互动性问题展开小组讨论, 问题设置要符合教学要求, 体现教学重点, 有一定的开放性, 讨论要能激发学生的全面兴趣、发散性思维, 讨论过后要得出每个小组的结论, 并与其他小组交流。在整个课堂教学中以学生为主, 教师起引导和总结的作用。课堂教学的时间分配要合理, 就90分钟的课堂来说, 学生为主的时间可达到70 ~ 75分钟, 最后由教师做15 ~ 20分钟总结点评。

第三部分, 成绩评定。翻转课堂不能仅以最后的考试成绩为主, 翻转课堂要给出较高的平时成绩, 主要看学生在课堂上的表现和学习效果给出成绩, 一般来说, 平时成绩可以分为教师打分和学生互评两部分构成。

根据本课程教学目标将教学内容分为以下三大模块。

模块一:平面设计部分。使用Photoshop图象处理软件设计各种平面作品, 包括商标、产品包装、海报、样本、广告、 软件界面和各种网页素材, 为三维动画制作素材, 及处理后期的3D效果图。

模块二:绘画部分。Photoshop图象处理软件绘画功能的掌握和创意提升, 利用其强大的功能准确的画出产品的仿真效果图, 提升个人想象与创意空间, 制作各种卡通人物、 动物和植物等。

模块三:数码照片处理部分。将不同的对象组合在一起, 形成新的图像, 也就是图像合成。对于达不到摄影要求的照片进行修饰和修改, 以达到满意效果。

4 《Photoshop图像处理》课程翻转课堂实施情况——以辽宁公安司法管理干部学院为例

翻转课堂最先在辽宁公安司法管理干部学院信息管理专业实施, 自2010年开始, 《Photoshop图像处理》课程在课堂中逐步尝试翻转课堂教学改革。在翻转课堂的实施当中, 授课内容主要以视频为主, 视频时长从几分钟到几十分钟不等, 每个视频为一个知识点或者独立教学单元。这样学生可以利用任何自由支配时间来预习或者重播回顾教学内容, 在课堂上, 教师与学生之间更增加了有效互动, 教师可以得到及时的反馈。

五年以来, 翻转课堂在学院的不断努力尝试与完善过程中, 取得了一定的成果, 解决了传统课堂存在的问题。传统的教学模式中, 以教师讲授为中心, 受上课时间限制, 传授的知识也有限, 在翻转课堂模式下, 学生得到了充足的学习资源, 课上课下同步学习, 课下可以通过邮箱、QQ等社交工具与老师进行交流。翻转课堂模式也使学生从被动学习转变为积极主动学习, 教师在课上不用讲授, 更多时间可以参与到与学生共同学习的过程之中。在翻转课堂中, 学生在学习过程中可以组成团队, 相互讨论、协作共同解决问题, 培养团队合作精神, 为将来的就业奠定团队合作意识的基础。

5结语

在信息技术支撑下的翻转课堂与传统课堂教学相比确实有很大优势, 但也并非所有课程都适合翻转课堂教学模式, 理论性特别强的导论课程并不适合翻转课堂。可以实施翻转课堂的课程也应该注意几个问题:一是要关注教学视频的内容和形式, 不是简单的把课堂讲授内容平移到视频里, 要把教学内容做一个全新的总结设计与取舍。二是要根据每门课程自身的属性来设计翻转课堂的教学环节, 课堂内可以增加实验、项目训练、研讨、团队合作完成任务等方式让学生完成学习任务, 课下学生通过教学视频和其他网络教学资源来强化理论知识的学习。总之, 翻转课堂是通过信息技术颠覆了教学顺序, 同时对教学硬件条件和软件环境提出了更高的要求, 对于教学单位来说要投入更大的成本, 对于教师而言, 也需要付出更多的时间和经历, 才能达到良好的效果。

摘要：翻转课堂式教学模式是对传统教学结构和教学流程的彻底颠覆, 信息技术, 尤其是互联网的发展催生了翻转课堂教学模式, 学生掌握了学习的主动权与决定权, 课堂内的时间主要用于团队合作解决问题, 课后利用网络资源完成自主学习内容。基于此, 将翻转课堂的教学方法应用在《Photoshop图像处理》课程上, 简述了本门课程的属性与基本特征。详细阐述了《Photoshop图像处理》课程翻转课堂教学方法与教学目标模块设计, 并通过几年的探索与实践经验, 总结了本门课程在实践翻转课堂后的成果与收获。

关键词：翻转课堂,信息技术,Photoshop,图像处理,教学方法

参考文献

[1]姜淑敏, 戴心来, 乔诗淇.基于破坏性创新的翻转课堂实施策略探究[J].中国信息技术教育, 2014 (17) :114-115.

图像信息处理 第8篇

彩色合成是遥感数字图像处理方法中, 最常用、最基本、也是最便捷有效的彩色增强处理方法, 是关于遥感图像处理研究最早的内容之一, 到目前为止一直在延续使用, 而且必不可少, 然而在教学中本人发现, 学生对于光学原理完成的彩色合成从理论上并不能很好的理解, 学生可以看到彩色图像, 可以按照排列组合的方式, 把所有能做的彩色合成全部完成, 观察到色彩的变化, 但是很难将色度学、地物波谱特性、图像灰度值、图像透光性等知识融合到一起进行综合分析, 从原理上明白色彩变化的原因。本人从事遥感地质学教学工作多年, 将彩色合成的教学经验进行了总结, 希望对从事这方面教学工作的教师具有一定的帮助。

1 授课内容

假彩色合成, 从标准假彩色入手, 以植被为例。

1.1 MSS数据的光学标准假彩色合成

图1为从波段选择, 植被反射率, 图像色调、透明正片密度, 滤色片颜色、色光混合, 植被颜色7大方面对于标准假彩色图像上植被颜色为品红色原理的列表解释。

1.2 ETM+数据的数字标准假彩色合成、真彩色合成。

图2和图3为以ETM+、TM数据为例, 用数字图像处理的方法解释标准假彩色和真彩色合成的原理, 因为该原理的实现是在计算机的遥感软件下完成, 数据类型有一定的变化, 所以透明正片密度用图像密度来代替, 滤色片三原色, 由计算机的RGB三原色代替, 实现标准假彩色、真彩色合成。工作波段、名称、植物反射率、图像色调、DN值、图像密度、三原色、色光混合原理应该在本次课之前完成, 在课上介绍到哪一部分就要做相应的复习。

1.3 授课需特别讲明的问题

1.3.1 光学和数字假彩色合成原理区别

遥感图像彩色合成处理的对象或基础是多波段遥感图像, 单波段图像是地物在此波长范围内的反射波谱特性的直观显示, 关键是如何理解对模拟图像的光学图像处理时和对数字图像的计算机处理时不同显示方式的表象和实质。

光学图像处理:处理对象是模拟图像, 每一单波段图像可视为一张像片或一张透明正片。

反射率高的地物在银盐感光材料的相纸上 (正像) 、 (像片) , 银粒密度低, 色调浅;在银盐感光材料的片基上 (正像) 、 (透明正片) , 银粒密度低, 透光率高;合成时混入所配的某一原色光的量多。

反射率低的地物在银盐感光材料的相纸上 (正像) 、 (像片) , 银粒密度高, 色调深;在银盐感光材料的片基上 (正像) 、 (透明正片) , 银粒密度高, 透光率低;合成时混入所配的某一原色光的量少。

数字图像处理:处理对象是数字图像, 每一单波段图像可视为一个图层, 如同透明正片。

反射率高的地物DN值高 (透明正片透光率高) , 在显示器上亮度高, 混入所赋的某一原色光量多。

反射率低的地物DN值低 (透明正片透光率低) , 在显示器上亮度低, 混入所赋的某一原色光量少。

光学处理直观形象易于理解, 数字处理方便易行, 但容易忽视原理和为什么, 造成图像处理的盲目性、随意性, 对处理结果无法做出科学解释。授课过程中要注意讲明影像色调深浅与透明正片密度大小与透光率大小与单波段影像的DN值高低的相关性。

1.3.2 标准假彩色合成波段选择原理。

标准假彩色合成选择的波段为近红外、红光、绿光, 如本文中的MSS数据和TM数据, 选择的波段为MSS 7 (R) 、MSS5 (G) 、MSS4 (B) 和TM4 (R) 、TM3 (G) 、TM2 (B) , 都是由植被的波谱特征来决定的。植被在摄影红外波段如MSS7、TM4反射率奇高, DN值高, 在相应波段的图像上色调浅, 混入所赋的某一原色光多, 所以, 在多波段遥感图像彩色合成时, 为此波段图像所赋的原色光的颜色将成为合成图像的主导色。MSS5和TM3都是红光波段植被的反射率低, 处在红谷的位置, 透光性不好。MSS4和TM2都是绿光波段植被具有绿峰, 反射率较高, 图像密度较小, 透光性较好。大量的红光和少量的蓝光合成为非常偏红的品红色。

1.3.3 真彩色的原理

TM3、TM2、TM1分别为红光、绿光、蓝光波段 (图3) , 在彩色合成过程中恰好给予红、绿、蓝三原色, 则原来是红色的地物还是红色, 原来是绿色的地物还是绿色, 原来是蓝色的地物还是蓝色, 其合成色与地物原有颜色一致。例如, 原来是红色的物体, 是因为其反射了红光看起来是红色, 那么它在TM3红光波段的图像上反射率就会很高, 图像色调很浅, 透光性很好, 给一束红光恰好能透过, 地物看起来则为红色, 恢复了地物原有的颜色, 因此称TM3 (R) 、TM2 (G) 、TM1 (B) 为真彩色, 就是进行了色彩还原的真彩色图像, 这也是数字彩色摄影的基本原理。

1.3.4 模拟真彩色和真彩色之间的区别

如:MSS5 (R) 、7 (G) 、4 (B) 彩色合成的植被绿色为模拟真彩色, 而非真彩色, TM3 (R) 、TM2 (G) 、TM1 (B) 则为真彩色。原因在于, MSS没有蓝光波段的像, 缺少地物三原色的蓝光信息, 因此无论怎样彩色合成都不会与地物真实颜色相一致。

1.4 举一反三讲解的内容

前边已经把彩色合成的基本原理解释清楚, 可以用提问的方式, 由学生先观察、思考, 然后再讲解, 讨论完成本部分的几个问题。

1.4.1 植被的颜色为什么会不同

实际生长的植被, 由于一种植被处在不同的生长期, 遭受的病虫害不同, 其反射率也不同, 所以图像的密度, 透光性也不同, 所以植被在标准假彩色合成图像上虽然都是非常偏红的品红色, 但深浅也会相差很大, 如健康茂盛———亮红, 幼年———粉红, 病害———暗红, 成熟农作物—鲜红等。基本的规律是植被生长的越好, 反射率越高, 就会越偏红。

不同的植被, 如小麦、树木、灌木丛颜色会不同在讲解的遥感图像数据上找到相应的地物进行观察。

1.4.2 标准假彩色合成不同水质水体颜色变化特点

彩色合成中, 水体颜色的变化主要由水中所含物质来决定, 课上以TM432洞庭湖为例讲解, 水体当清而深时是黑色, 因为水体在三个波段上的反射率都较低, 红、绿、蓝三原色都不容易透出故为黑色;当水体中含泥沙时在TM3橙红光波段, TM2绿黄光波段, 泥沙具有一定的反射率, 增加绿、蓝光的透光率, 合成为淡青色;有水藻时TM4摄影红外波段反射率大大增强, 具有了植被的光谱特征, 呈现出带红点、红晕的图像特征。并可进一步为同学讲解水体污染监测, 如赤潮。

1.4.3 云、雪、冰在TM432标准假彩色合成时是什么颜色

云、雪、冰, 因其在TM432三个波段反射率均较高, 红、绿、蓝三原色光均能很好的透过来, 加色法合成为白色。

1.4.4 当遇到我们没有讲过的地物时, 如何分析其颜色

注意为学生梳理思路, 从地物的波谱曲线入手, 结合遥感图像波段特征, 按照图1、图2、图3的思路方法进行分析, 即可得到答案。

1.5 相关作业

草绘植被的反射波谱曲线。结合多波段假彩色合成实验, 综合分析植被在TM标准假彩色 (模拟真彩色) 图像上的色彩特征, 并说明为什么? (提示:植被的反射波谱特性、ETM+各波段的工作波长、植被在不同波段图像上的色调、透明正片的影像密度或DN值、波段与三原色光组合、色光加法混合原理)

2 授课方式

在课上首先把一幅图像由灰度变为彩色的, 勾起学生的好奇心, 然后按照“理论+实验”、“提问+讨论”方式完成教学。分别用光学图像处理方法和数字图像处理方法来实现。

光学图像处理方法, 采用多光谱彩色合成仪 (图4) , 在当今的数字化时代, 各种传统的光学图像处理方法几乎都得以在计算机上实现, 该仪器已少人问津, 但对直观地理解彩色合成图像处理的原理还起着难以取代的作用, 在这里仅作简要介绍, 该实验选用的是MSS数据。

实验选择MSS7, MSS5, MSS4三个透明正片, 图5 (左) 单波段图像, 对应多光谱彩色合成仪的三个通道, 以MSS7 (R) , MSS5 (G) , MSS4 (B) 的方式给三个透明正片配以红、绿、蓝三原色光, 即出现图5 (右) 的彩色合成以后的图像。当图像彩色合成实现后, 以洞庭湖下方代表芦苇分布的品红色区域为例, 按照图1的原理再强调一次原理, 学生才会有眼见为实的感触。

多光谱彩色合成仪可以将三原色顺序以C32种组合调整顺序, 除MSS7、5、4对应R、G、B为标准假彩色之外, 其它组合———统称非标准假彩色合成, 或直接称为彩色合成。其中MSS5 (R) 、7 (G) 、4 (B) 被称为模拟真彩色。

数字图像处理, 在计算机上, 用ERDAS等遥感图像处理软件完成, 选用TM、ETM+等数据均可。彩色合成处理过程较简单, 出现的效果需要依照图2和图3以及授课内容作出详细认真的讲解, 并注意单独观察TM4 (R) , TM3 (G) , TM2 (B) 具有植被部位的透光性, 分析透光性是否由其反射率来决定, 透过的光根据加色法彩色合成原理, 即得植被的颜色———品红色 (图5) 。

TM有7个波段, 6波段为热红外图像不参与反射波谱特性图像的彩色合成, 所以彩色合成选择TM1、TM2、TM3、TM4、TM5、TM7, 6个波段完成, 共有C63种合成方案, 老师再为学生演示TM3 (R) 、TM2 (G) 、TM1 (B) 彩色合成方案, 并按照授课内容讲解, 其余方案由学生自己操作, 体会其中的原理, 并总结颜色变化的原因, 完成1.3的作业。

3 课程内容重难点分析

本课程设计100分钟, 70分钟讲解加演示, 30分钟学生用ERDAS软件自己操作完成。学生在操作的过程中需观察不同的彩色合成下地物颜色的变化, 考虑为什么, 并完成作业。 (下转第68页) (上接第55页) 4结论

本设计将地物的波谱特性, 图像的灰度, 透明正片的透光率, 多波段图像波段效应、三原色光原理, 加色法色光混合原理全部融会贯通起来, 使学生真正理解彩色合成的原理, 并在实际工作中能灵活运用, 如比值图像、主成份分析处理后的图像, 也可以用本设计彩色合成原理来理解, 只是失去了地物的波谱意义, 体现的是其数学特征, 由DN值来决定。在实际教学中本设计教学效果非常好, 所以将其总结成文。S

摘要：多波段遥感图像彩色合成是一种应用广泛的遥感图像应用处理, 本文对其授课目标、授课方式、授课内容、授课顺序、授课重点等进行了设计, 并将彩色合成原理从色度学、地物波谱特性、图像灰度值 (图像密度、透光性) 等几个方面进行关联, 使学生真正学懂彩色合成的基本原理, 并能灵活地应用到遥感图像专题信息提取的实践之中。

关键词：标准假彩色合成,真彩色合成,加色法

参考文献

[1]母国光, 站元龄.光学[M].人民教育出版社, 1978.

[2]荆其诚, 等.色度学[M].科学出版社, 1979.

[3]汤顺青.色度学[M].北京理工大学出版社, 1990.

[4]吕斯骅.遥感物理基础[M].商务印书馆, 1981.

[5]陈述彭.遥感大词典[M].科学出版社, 1990.

[6]朱亮璞.遥感地质学[M].地质出版社, 1994.

[7]霍宏涛.数字图像处理[M].机械工业出版社, 2003.

高清解析处理图像技术 第9篇

该项目以核心技术“劣化影像还原技术”为依托, 开发和销售以下产品:

(1) 将劣质图像 (影像) 进行还原处理的高性能图像还原软件及设备;

(2) 运用“斑点检测法”检测LCD (液晶显示屏) 斑点的设备;

(3) 利用图像还原技术处理相片及动画的软件;

(4) 此外, 还开发销售运用了数学理论的加密软件。

本技术不仅可以应用于科学研究, 还可广泛应用于航天航空、宇宙开发、医疗、生化、IT半导体产业等诸多领域, 也可运用于刑侦等特殊领域。市场前景极佳。

浅谈中职图像处理技能教学 第10篇

图像处理技能教学可以分为三个阶段，每个阶段都有相应的目标。

1.初级目标

图像处理技能课程的初级阶段需要30课时左右，主要以Photoshop软件基本功能的介绍、界面的了解、各种工具的使用等为目标。在这个阶段主要让学生熟练掌握Photoshop各种工具的使用，并能利用工具完成简单的几何图形的临摹或制作，例如光盘制作、卡通人物临摹、商标制作等。这些内容主要是为后续的知识做铺垫。

2.中级目标

图像处理技能课程的中级阶段需要50课时左右，在这个阶段主要以掌握图像调整、色彩、蒙板、滤镜、通道等为目标。利用知识完成图像处理，例如色彩处理、明暗处理、透明化处理、抠像、文字特殊效果等。达到这一阶段目标的学生，已经能胜任与之相关的绝大多数工作岗位，也达成了计算机网络类与之相关的教学目标，但与计算机多媒体类的教学目标还存有差距。

3.高级目标

图像处理技能课程的高级阶段需要80课时左右，使学生能够综合运用图像处理知识进行平面设计，如婚纱影集设计、儿童影集设计、文字设计、企业标志设计、广告海报设计、广告喷绘写真设计、商品包装设计等。这些设计在我们的生活中很常见，学生掌握这些知识确定了自己的专业方向，同时也可以为以后提供更大的就业空间。

二、教学方法

根据图像处理学科特点，笔者在技能教学中主要采用任务驱动法和项目教学法。

任务驱动法主要适用于图像处理技能教学的初、中级阶段。所谓“任务驱动”就是在学习过程中，学生在教师的帮助下，紧紧围绕一个共同的任务活动中心，在强烈的问题动机的驱动下，通过对学习资源的积极主动应用，进行自主探索和互动协作的学习，并在完成既定任务的同时，引导学生自主学习的一种学习实践活动。

项目教学法主要用于图像技能教学的高级阶段。项目教学法又称为跨专业课程，它是通过“项目”的形式进行教学。为了使学生在解决问题中习惯于一个完整的方式，所设置的“项目”包含多门课程的知识。项目教学法就是在老师的指导下,将一个相对独立的项目交由学生自己处理、信息的收集、方案的设计、项目实施及最终评价,都由学生自己负责,学生通过该项目的进行,了解并把握整个过程及每一个环节中的基本要求。

三、教学反思

1.学习目标

学生学习图像处理是为了就业或创业，而不是艺术性的创作。所以在初、中级阶段，完成效果即可視为目标达成。而在高级阶段，完成作品之后还需要进行师生评价、生生评价，在评价中提升学生的自身素质，提高实际操作能力，此阶段目标达成的前提是综合能力的增强。

2.开展专题训练以促进目标达成

图像处理天赋并非每位学生都具有。为理解、巩固某一知识，必须展开专题训练。笔者认为需在初级阶段进行造型能力专题训练，中级阶段进行色彩运用专题训练，高级阶段进行案例制作专题训练。

（1）造型能力专题训练。在造型能力专题训练中，通过选区的各种模式制作出优美的图形图案，以强化选区的知识。使用钢笔工具进行图形图像绘制、抠图等操作，充分理解钢笔工具的原理，强化学生的造型能力。将点、线、面基本元素进行排列组合，并将这些基本元素转换成具体的图形元素。

（2）色彩运用专题训练。图像处理中的色彩非常重要。对于美术基础较弱、发散性思维比较差的学生，可以展开这方面的专题训练。

（3）案例制作专题训练。在案例制作中综合运用所学知识，活学活用，多看多做多想。作品完成后进行评价，先由学生进行自我评价，再由教师点评或其他学生点评，让学生明确自己的优点，更好地激发学生的学习积极性，同时了解自身存在的不足，以便更好地完成以后的作品。具体评价内容包括：技术运用的合理与熟练、构图美观、色彩搭配、设计思路清晰等。

3.建设学科网站以推进目标达成

（1）综合归纳教学资源。学科网站既包含教师所要讲授的各个知识点(教学案例)及相关素材(如源文件、文字、图片等资料)，也包含教师搜集的大量相关教学资源(包括各种链接)。可以说学科网站就是一个资料库，学生所需要的相关知识都可体现在网站之中。

（2）便捷高效的交流平台。网络技术的应用特别是动态网页技术在学科网站中的应用．使教师和学生之间、学生和学生之间的交流成为一件很容易实现的事。

（3）充分发挥网络功能。网络的普及使学生的学习有了很多新的手段。如果把学科知识上传到互联网上，学生可以在家中访问学科网站，上交作业，通过论坛、留言板等与他人交流，学习方式极为灵活。

4.参加技能大赛促使目标达成

技能大赛可以公平、公开、全方位地检阅学生的知识掌握程度。学生通过技能大赛能够互相切磋，取长补短，在巩固自身知识的同时也能提升自身素质。参加技能大赛的选手需经过层层筛选，其选拔过程极具挑战性。能成为技能大赛的选手，是职校学生的一种追求，这种激励作用远胜于获奖本身。能在技能大赛中获奖的学生，即可认为达到了学习目标。

(作者单位：义乌市国际商贸学校)

图像并行处理的研究 第11篇

1 图像并行处理的原因

图像处理技术在许多应用领域受到重视而且取得了重要的实际应用, 如空间科学研究、医学影像、军事制导、摄影艺术等等, 常用的图像处理方法有图像增强、复原、编码、压缩等。上世纪七十年代中期开始, 随着计算机视觉开始兴起, 数字图像领域的研究正朝着跨学科方向发展, 尤其是与计算机技术智能计算的结合, 势必会将图像的研究推向一个新的高度。

毫无疑问, 在当前信息时代传统的文字信息虽然占据主导地位, 但像图像、视频等多媒体信息越来越受到人们的关注, 尤其是在智能手机越来受到开发商重视的年代, 而智能手机的一个重要性能指标就是高像素、高清晰的图像处理功能。如最新的苹果iPhone 4S手机到达960×640像素分辨率, 摄像头为800万像素, 支持30fps帧速摄影, 由此带来的信息处理量是非常大的。在现今智能手机和电子产品中, 3D视觉体验已成为一个非常时髦的话题, 2010年电影《阿凡达》更是将3D技术实实在在的展现在大众面前, 而3D技术的基础就是图像处理。在我们采集的二维图像本来是三维景象的投影, 我们在桌面PC和一般手机上所见到的图像不具备三维景象的全部信息, 为了重现三维的景象, 我们一般通过多摄像头的图像视频采集, 这样在构建三维景象时就会增加很多附加的图像信息, 使人身处在虚拟的真实三维世界中, 现在前沿的三维视觉处理设计到我们刚刚提及到的智能计算和计算机技术。显然, 图像多维的采集必然增加图像处理的信息量, 因此研究一种可行高效的处理方法就成了现今研究的一个热点[2]。

在现今多核处理器盛行的年代, 考虑到图像数据块结构的特点, 很容易想到的方法就是能否分割数据块, 采用并行的处理方式。

2 并行处理及MPI介绍

由于传统的计算机为冯诺依曼机结构, 计算机应该按照程序顺序执行, 这样使得程序的执行完全按照顺序执行, 即使在多核处理器的情况下也不能达到CPU的高效利用。而并行计算理论就是为了解决这一问题。显然并行计算时一般可同时求解的各个进程的集合, 这些进程可以相互作用并进行数据的协调动作, 以求得最终问题的结果。此时, 针对数据量非常大的处理, 譬如图像视频, 那并行算法就显得极为重要了。

并行算法可以从不同的角度分类:根据运算的基本对象的不同可以将并行算法分为并行算法数值计算和非数值计算[3]。数值计算即求解数值计算问题如矩阵运算、线性代数方程组求解等。科学与工程中的计算问题如计算力学、计算物理、计算化学等一般是数值计算问题。非数值计算是指基于比较关系运算, 诸如选择、搜索、匹配等符号处理。非数值计算在抽象类信息处理中获得广泛应用, 如多媒体信息处理、大型数据交换和银行信息实时处理等。并行计算可以通过MPI来完成。

MPI是消息传递接口 (Message Passing Interface) 的简称, 它提供了一组可用于消息传递的通信解释。为通信的进程服务的[37]。目前主要的MPI实现主要有MPICH和LAM。MPICH是一种最重要的MPI实现, 它可以免费从http://wwwunix.mcs.anl.gov/mpi/mpich取得。它主要是由美国Argonne国家试验室和MSU对MPICH进行维护和调试。它自诞生的第一天开始就是全开源和免费的。由于它采用广为使用的语言FORTRAN和C进行绑定, 使得它迅速成为当前并行计算程序设计的主流[4]。

一般来说, MPI给出了一个并行程序设计的行业标准, 但这还远远不够, 并行程序设计的前期环境必须由MPI消息处理的具体函数来进行操作。这样必须涉及到数据类型操作函数等。由MPICH构建的并行程序需要初始化、数据传递和划分、数据处理及数据返回, 其相关的函数分别为:

应用上述函数就可以对图像数据进行并行分割和处理了。

3 并行处理图像

在并行处理图像时, 如何划分图像的数据非常重要, 对图像数据的划分直接决定了并行计算过程中每个进程处理数据量的大小以及数据交换的多寡。毫无疑问, 对图像的合理数据划分, 能极大提高并行计算的效率。反之则会增加并行计算数据的交换量, 使得整个并行效率下降[5]。

图1是一幅图像, 图2所对应的是图像在程序中所存储的数据, 可以看出是一个二维的矩阵形式, 对图像的划分就可以看成是对矩阵的划分。

在并行处理中, 每个处理的CPU可以看出计算的一个节点, 考虑到二维矩阵在程序中数据存储的结构特点, 我们可以很容易想到的一种方式, 即按照行来划分, 见图3, 这样的划分在MPICH中可以非常方便的对数据进行划分、发送和接收。在这个处理的模型中, 我们可以默认第一个CPU即节点0为主控制节点, 它起到发送数据和接收各节点计算结果的作用。最后由节点0来进行最后的整理工作[6,7]。

4 总结

毫无疑问, 在今天多媒体信息越来越受到人们重视的时代, 对信息的并行处理给人们带来的新的思考方向, 这对于提高图像的处理速度有着重要的意义, 这对图像的处理与并行计算的结合有着重要的推动作用。软硬件的发展都给多媒体信息的处理带来了非常广阔的前景。虽然在这一处理过程中有很多尚待解决的问题, 但二者的结合必定有着广泛的研究与应用价值。

摘要：对图像并行处理的缘由进行了分析, 结合并行计算的理论, 针对MPI (消息传递接口) 和MPICH进行了介绍, 并介绍了MPICH中几个重要的相关函数, 最后对一幅简单图像进行并行的数据分割, 并用并行计算的方法在多处理器的条件下进行分析。

关键词：图像处理,并行计算,MPI

参考文献

[1]Liang Zong, Yanhui Wu.A Parallel Matching Algorithm Based on Image Gray Scale[J].IEEE Proceedings of the Second International Joint Conference on Computational Sciences and Optimization (CSO2009) , April.2009, vol-1:109-111.

[2]吕捷, 张天序, 张必根.MPI并行计算在图像处理方面的应用[J].红外与激光, 2004, 33 (5) :496-499.

[3]陈国良, 安虹, 陈崚.并行算法实践[M].北京:高等教育出版社, 2004.

[4]车静光.微机集群组建、优化和管理[M].北京:机械工业出版社, 2004.

[5]Alain Merigo, Alfredo Petrosino.Parallel Processing for Image and Video Processing:issues and challenges[J].Parallel Computing, 2008, 34 (12) :694-699.

[6]都志辉.高性能计算之并行编程技术:MPI并行程序设计[M].北京:清华大学出版社, 2001.