數(shù)字圖像處理實(shí)驗(yàn)題目要求

1、1基于形態(tài)學(xué)運(yùn)算的星空圖像分割主要內(nèi)容： 在獲取星圖像的過程中，由于某些因素的影響，獲得的星圖像存在噪聲，而且星圖像的背景經(jīng)常是不均勻的，為星圖像的分割造成了極大的困難。膨脹和腐蝕是形態(tài)學(xué)的兩個(gè)基本運(yùn)算。用形態(tài)學(xué)運(yùn)算對(duì)星圖像進(jìn)行處理，補(bǔ)償不均勻的星圖像背景，然后進(jìn)行星圖像的閾值分割。 要求：1> 圖像預(yù)處理：對(duì)原始星空圖像進(jìn)行濾波去噪處理；2> 對(duì)去噪后的圖像進(jìn)行形態(tài)學(xué)運(yùn)算處理；3> 選取自適應(yīng)閾值對(duì)形態(tài)學(xué)運(yùn)算處理后的圖像進(jìn)行二值化；4> 顯示每步處理后的圖像；5> 對(duì)經(jīng)過形態(tài)學(xué)處理后再閾值的圖像和未作形態(tài)學(xué)處理后再閾值的圖像進(jìn)行對(duì)比分析。 待分割圖像 直接分割圖

2、像 處理后的分割圖像2基于數(shù)字圖像處理的印刷電路板智能檢測方法主要內(nèi)容： 通過對(duì)由相機(jī)實(shí)時(shí)獲取的印刷電路板圖像進(jìn)行焊盤識(shí)別，從而提高電子元件的貼片質(zhì)量，有效提高電路板的印刷效率。 要求：1> 圖像預(yù)處理：將原始彩色印刷電路板圖像轉(zhuǎn)成灰度圖像，對(duì)灰度圖像進(jìn)行背景平滑和濾波去噪；2> 對(duì)去噪后的圖像進(jìn)行圖像增強(qiáng)處理，增強(qiáng)邊緣提取的效果。3> 對(duì)增強(qiáng)后的圖像進(jìn)行邊緣提?。ㄖ辽賰煞N以上的邊緣提取算法）；4> 顯示每步處理后的圖像（原始電路板圖像可自行查找）；5> 圖像處理后要求能對(duì)每個(gè)焊盤進(jìn)行邊緣提取，邊緣清晰。3靜止背景下的移動(dòng)目標(biāo)視覺監(jiān)控主要內(nèi)容： 基于視覺的人的運(yùn)動(dòng)

3、分析最有前景的潛在應(yīng)用之一是視覺監(jiān)控。視覺監(jiān)控系統(tǒng)的需求主要來自那些對(duì)安全要求敏感的場合，如銀行、商店、停車場、軍事基地等。通過對(duì)靜止背景下的目標(biāo)識(shí)別，來提醒監(jiān)測人員有目標(biāo)出現(xiàn)。 要求：1> 對(duì)原始參考圖和實(shí)時(shí)圖像進(jìn)行去噪處理；2> 對(duì)去噪后的兩幅圖像進(jìn)行代數(shù)運(yùn)算，找出目標(biāo)所在位置，提取目標(biāo)，并將背景置黑； 3> 判斷目標(biāo)大小，若目標(biāo)超過整幅圖像的一定比例時(shí)，說明目標(biāo)進(jìn)入攝像保護(hù)區(qū)域，系統(tǒng)對(duì)監(jiān)測人員進(jìn)行提示（提示方式自選）。4> 顯示每步處理后的圖像；5> 分析此種圖像監(jiān)控方式的優(yōu)缺點(diǎn)。 背景 目標(biāo)出現(xiàn) 目標(biāo)提取4車牌識(shí)別圖像預(yù)處理技術(shù)主要內(nèi)容： 車輛自動(dòng)識(shí)別涉及

4、到多種現(xiàn)代學(xué)科技術(shù)，如圖像處理、模式識(shí)別與人工智能、計(jì)算機(jī)視覺、光學(xué)、機(jī)械設(shè)計(jì)、自動(dòng)控制等。汽車作為人類生產(chǎn)、生活中的重要工具被廣泛的使用，實(shí)現(xiàn)自動(dòng)采集車輛信息和智能管理的車牌自動(dòng)識(shí)別系統(tǒng)具有十分重要的意義: 要求：1> 對(duì)原始車牌圖像做增強(qiáng)處理；2> 對(duì)增強(qiáng)后的彩色圖像進(jìn)行灰度變換；3> 對(duì)灰度圖像進(jìn)行直方圖均衡處理； 4> 選取自適應(yīng)的閾值，對(duì)圖像做二值化處理；5> 顯示每步處理后的圖像；6> 分析此種圖像預(yù)處理的優(yōu)缺點(diǎn)及改進(jìn)措施，簡要敘述車牌字符識(shí)別方法 原始車牌圖像 處理后的車牌圖像5醫(yī)學(xué)細(xì)胞圖像細(xì)胞分割圖像增強(qiáng)算法研究主要內(nèi)容：醫(yī)學(xué)圖象處理利用多種

5、方法對(duì)各種圖像數(shù)據(jù)進(jìn)行處理，以期得到更好的顯示效果以便醫(yī)生根據(jù)細(xì)胞的外貌進(jìn)行病變分析。要求：1> 通過對(duì)圖像的灰度變換調(diào)整改變細(xì)胞圖像的灰度，突出感興趣的細(xì)胞和細(xì)胞核區(qū)域。2> 通過直方圖修改技術(shù)得到均衡化或規(guī)定化等不同的處理效果。3> 采用有效的圖像平滑方法對(duì)細(xì)胞圖像進(jìn)行降噪處理，消除圖像數(shù)字化和傳輸時(shí)所混入的噪聲，提高圖像的視覺效果。4> 利用圖像銳化處理突出細(xì)胞的邊緣信息，加強(qiáng)細(xì)胞的輪廓特征。5> 顯示每步處理圖像，分析此種細(xì)胞分割圖像預(yù)處理方法的優(yōu)缺點(diǎn)。 原始細(xì)胞圖像圖像處理后的細(xì)胞圖像6瓶子灌裝流水線檢測是否液體灌裝滿瓶體當(dāng)飲料瓶子在罐裝設(shè)備后要進(jìn)行液體

6、的檢測，即：進(jìn)行判斷瓶子灌裝流水線是否灌裝滿瓶體的檢測，如液面超過瓶頸的位置，則裝滿，否則不滿，如果不滿則灌裝液體不合格，需重新進(jìn)行灌裝。具體要求：1） 將原進(jìn)行二值化2） 二值化后的圖像若不好，將其濾波再進(jìn)行膨脹處理,并重新進(jìn)行二值化3） 將圖像標(biāo)記連通域并進(jìn)行面積計(jì)算，找出不符合要求的標(biāo)記塊4） 將不合格的圖像進(jìn)行提取，并記錄不合格率5)顯示所有的圖像，對(duì)經(jīng)過處理后的圖像和未作處理后的圖像進(jìn)行對(duì)比分析。 7對(duì)加噪聲的圖像進(jìn)行頻域低通和高通濾波，并針對(duì)其顯示圖像進(jìn)行對(duì)比分析具體要求：1、 對(duì)源圖像進(jìn)行空域到頻域的變換2、 進(jìn)行頻域的高斯低通濾波（取D0為10，20，40，80）3、 頻域的高

7、斯高通濾波（取D0為10，20，40，80）4、 頻域的布特沃斯低通濾波（取D0為10，20，40，80，n為2）5、 頻域的布特沃斯低通濾波（取D0為10，20，40，80，n為2）顯示所有的圖像，對(duì)圖像濾波的結(jié)果進(jìn)行比較，包括同種濾波器不同D0處理圖像的比較以及不同濾波器之間的比較。（下圖為D0取為20的結(jié)果）8請根據(jù)所學(xué)過的圖象分析方法，將飛機(jī)邊界進(jìn)行提取，并疊加在原圖上具體要求：將RGB圖像（圖A）轉(zhuǎn)換成灰度模式圖像（圖B），再將其進(jìn)行二值化（圖C），所得圖像進(jìn)行閉運(yùn)算，去掉暗點(diǎn)和圓角（圖D），最后對(duì)圖像進(jìn)行邊界提取并疊加在原圖上（圖E）。顯示所有的圖像，對(duì)經(jīng)過處理后的圖像和未作處理后

8、的圖像進(jìn)行對(duì)比分析。 9基于數(shù)字圖像處理的森林火災(zāi)識(shí)別方法研究主要內(nèi)容：基于攝像機(jī)攝取的視頻圖像對(duì)現(xiàn)場進(jìn)行火災(zāi)的自動(dòng)探測、監(jiān)視，同時(shí)將攝得的圖像，利用各種圖像處理技術(shù)不斷進(jìn)行圖像處理和分析，通過早期火災(zāi)的圖像變化特征來探測火災(zāi)是否發(fā)生。測試要求： 首先從彩色攝像機(jī)獲取視頻流圖像，并轉(zhuǎn)換成BMP格式圖像，先判斷圖像中有紅色區(qū)域存在。 l)火災(zāi)圖像預(yù)處理，包括圖像抽樣、圖像分割、圖像灰度化、二值化、圖像平滑處理; 2)研究火焰目標(biāo)的特征提取方法 (l)輪廓特征提取:該模塊主要功能為提取火焰輪廓上的尖點(diǎn)特征和圓形度。在火焰輪廓特征圖中，從下至上從左至右逐點(diǎn)掃描，將火焰的邊緣編成鏈碼。當(dāng)鏈碼在一定步數(shù)

9、內(nèi)，出現(xiàn)一次有效上升和一次有效下降時(shí)，我們就得到一個(gè)尖角。 (2)顏色特征提取:火焰一般從焰心到外焰其顏色應(yīng)從白色到黃色再向紅色移動(dòng)，在圖像中表現(xiàn)為像素值的變化不明顯，可以用圖像像素方差值來反映這種變化。 (3)動(dòng)態(tài)特征提取:火焰在燃燒的過程中，它的面積和質(zhì)心在不斷的變化，通過質(zhì)心的變化來判斷火勢的大小 10、采用數(shù)字圖像處理技術(shù)實(shí)現(xiàn)對(duì)玉米種子表面裂紋的識(shí)別和檢測。玉米籽粒產(chǎn)生裂紋后會(huì)影響淀粉出率，不能用來加工玉米片等食品，同時(shí)在儲(chǔ)存時(shí)裂紋粒吸濕性強(qiáng),易于引起發(fā)熱和遭受害蟲及霉菌的侵襲，對(duì)于種子還會(huì)影響到種子的發(fā)芽率，即使作為飼料原料也必須嚴(yán)格限制玉米的裂紋率，對(duì)玉米籽粒圖像通過邊緣提取后結(jié)合

10、利用籽粒的形態(tài)學(xué)特征實(shí)現(xiàn)了裂紋的自動(dòng)提取和測量測試要求： 1）采用水平和垂直邊緣檢測算子處理得到裂紋、種子邊界和噪聲等邊緣信息； 2）通過玉米籽粒的形態(tài)特征尋找其尖端位置并使用圖像代數(shù)運(yùn)算的方法去除大部分非裂紋信息； 3）根據(jù)裂紋的長度和位置特征提取得到裂紋，并計(jì)算裂紋的絕對(duì)長度和相對(duì)長度。 11對(duì)圖像的文字區(qū)域檢測研究主要內(nèi)容：針對(duì)國內(nèi)外對(duì)圖像文字區(qū)域提取方法現(xiàn)狀中存在的問題，提出一種新的方法?？梢允刮淖謪^(qū)域提取的準(zhǔn)確率提高，進(jìn)而可以實(shí)現(xiàn)對(duì)復(fù)雜背景的圖像也能較好地實(shí)現(xiàn)文字區(qū)域與背景區(qū)域的分離。要求：1、輸入彩色圖像；2、將彩色圖像轉(zhuǎn)化為灰度圖像并對(duì)灰度圖像進(jìn)行縱向邊緣檢測；3、通過等值進(jìn)行分

11、割、動(dòng)態(tài)列分割、相鄰矩形區(qū)域合并確定候選文字區(qū)域；4、候選文字區(qū)域灰度直方圖分析；5、根據(jù)二值圖像生成的四鄰域的幾何形狀特征確定最終文字區(qū)域?qū)崿F(xiàn)效果：要求圖片：12實(shí)現(xiàn)對(duì)針織物疵點(diǎn)檢測的研究主要內(nèi)容：通過對(duì)多種疵點(diǎn)檢測算法進(jìn)行分析比較，提出一種可以成功對(duì)針織物疵點(diǎn)進(jìn)行檢測識(shí)別的方法。要求：1、二值化處理2、直方圖均衡化3、針織物圖像分割窗口的確定4、特征值提取5、將疵點(diǎn)區(qū)域準(zhǔn)確的分割出來 實(shí)現(xiàn)的效果 要求圖片：13實(shí)現(xiàn)對(duì)谷物顆粒計(jì)數(shù)的研究主要要求：提出一種方法，使操作簡單，圖像清晰度高的識(shí)別出谷物顆粒，從而達(dá)到可以數(shù)出谷物顆粒的個(gè)數(shù)。要求：1、將谷物圖像進(jìn)行灰度化處理；2、進(jìn)行去除噪聲處理；3

12、、將灰度圖像轉(zhuǎn)化為二值圖像；4、通過連通性，計(jì)算谷物的顆粒數(shù)。實(shí)現(xiàn)效果：左圖為原始圖像，右圖為分割提取的目標(biāo)14計(jì)算原料乳細(xì)菌數(shù)的研究主要要求：提出一種方法，操作簡單，可以準(zhǔn)備識(shí)別出一幅圖像中的細(xì)菌數(shù)量。要求：1、將獲取到得圖像進(jìn)行預(yù)處理2、通過檢驗(yàn)算法找到細(xì)菌并進(jìn)行定位和濾波去噪3、將單個(gè)細(xì)菌從所在的圖像區(qū)域中分離出來4、通過識(shí)別計(jì)算出細(xì)菌的總數(shù)實(shí)現(xiàn)效果：左圖為原始圖像，右圖為分割提取的目標(biāo)15機(jī)器視覺圖像的目標(biāo)與背景的分割與提取主要要求：對(duì)輸入的圖像可以達(dá)到目標(biāo)和背景的分割要求：1、將已知圖像進(jìn)行消噪處理2、對(duì)彩色圖像進(jìn)行目標(biāo)和背景分析3、通過閾值法將圖像進(jìn)行分割4、確定目標(biāo)的位置實(shí)現(xiàn)效果

13、：左圖為原始圖像，右圖為分割提取的目標(biāo) 要求圖片：16基于圖像的一維條碼識(shí)別條碼技術(shù)是在計(jì)算機(jī)技術(shù)的實(shí)踐應(yīng)用中產(chǎn)生并發(fā)展起來的、并被廣泛應(yīng)用于郵政、圖書管理、倉儲(chǔ)、工業(yè)生產(chǎn)、交通等領(lǐng)域的一種自動(dòng)識(shí)別技術(shù)，它具有輸入速度快、識(shí)別度高、成本低廉、可靠性強(qiáng)等優(yōu)點(diǎn)，在當(dāng)今的自動(dòng)識(shí)別技術(shù)中占有非常重要的地位。條碼是由一組有特定順序排列的條、空以及特有的字符標(biāo)記組成的，這些條和空組成的圖像標(biāo)記表達(dá)一定的信息，并能夠用相應(yīng)的設(shè)備讀取識(shí)別，并轉(zhuǎn)換成能夠使計(jì)算機(jī)識(shí)別的二進(jìn)制和十進(jìn)制數(shù)據(jù)信息。通常對(duì)于一種物品，它的編碼規(guī)則是唯一的參考步驟：1） 中值濾波2） 二值化，先進(jìn)行灰度值統(tǒng)計(jì)，求閾值，二值化圖片3） 邊沿

14、檢測4） 條碼識(shí)別，垂直投影原理，求個(gè)條空的寬度，識(shí)別碼字要求：能從圖像讀出1維條碼的碼字信息17利用數(shù)字圖像處理技術(shù)測量幾何尺寸針對(duì)傳統(tǒng)接觸式尺寸測量方法的缺點(diǎn)，探討利用數(shù)字圖像處理技術(shù)進(jìn)行幾何尺寸測量的方法，為產(chǎn)品的尺寸測量提供實(shí)時(shí)、快速、有效、經(jīng)濟(jì)的測量途徑.給出了利用數(shù)字圖像處理技術(shù)進(jìn)行非接觸式尺寸測量的方法，并從理論和實(shí)踐上證明該方法的可行性和正確性.參考步驟：1） 圖像預(yù)處理使用平滑處理的方法，其主要目的是減少噪聲.2） 邊緣輪廓的提取，邊緣算子檢測法，閾值計(jì)算法3） 尺寸的計(jì)算，系統(tǒng)標(biāo)定精度直接關(guān)系到測量精度要求：能從圖像讀出人物的肩寬的實(shí)際尺寸18破損圖像的復(fù)原技術(shù)隨著多媒體技

15、術(shù)的發(fā)展，計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的廣泛應(yīng)用和寬帶信息網(wǎng)的建立，信息在人們的工作、學(xué)習(xí)和生活中發(fā)揮越來越重要的作用，其中最直接、最主要的信息是圖像信息。在各類圖像系統(tǒng)中，由于圖像的傳送和轉(zhuǎn)換，如成像、復(fù)制、掃描、傳輸、顯示等，總要造成圖像的降質(zhì)，典型的表現(xiàn)為圖像模糊、失真、有噪聲等。而在眾多的應(yīng)用領(lǐng)域中，又需要清晰的、高質(zhì)量的圖像，因此，為了抑制噪聲，改善圖像質(zhì)量，復(fù)原圖像具有非常重要的意義。在數(shù)字圖像處理領(lǐng)域，圖像復(fù)原一直是最重要、最基本的研究課題之一，具有重要的理論價(jià)值和實(shí)際意義。1） 數(shù)字圖像的表示，圖像的采樣和量化2）圖像的灰度直方圖3）圖像的噪聲，圖像的均值濾波4）基于圖像域的傅里葉圖像復(fù)原算

16、法 要求：能從破損圖像獲得清晰的、高質(zhì)量的圖像19圖像的特征提取特征提取是計(jì)算機(jī)視覺和圖像處理中的一個(gè)概念。它指的是使用計(jì)算機(jī)提取圖像信息，決定每個(gè)圖像的點(diǎn)是否屬于一個(gè)圖像特征，特征的精確定義往往由問題或者應(yīng)用類型決定。特征是一個(gè)數(shù)字圖像中“有趣”的部分，它是許多計(jì)算機(jī)圖像分析算法的起點(diǎn)。因此一個(gè)算法是否成功往往由它使用和定義的特征決定。因此特征提取最重要的一個(gè)特性是“可重復(fù)性”：同一場景的不同圖像所提取的特征應(yīng)該是相同的。參考步驟：1） 顏色特征 ，顏色直方圖法，顏色集，顏色矩，顏色聚合向量 ，顏色相關(guān)圖2） 紋理特征，紋理特征也是一種全局特征，它也描述了圖像或圖像區(qū)域所

17、對(duì)應(yīng)景物的表面性質(zhì)。常用的特征提取與匹配方法 ，1統(tǒng)計(jì)方法統(tǒng)計(jì)方法的典型代表是一種稱為灰度共生矩陣的紋理特征分析方法Gotlieb 和 Kreyszig 等人在研究共生矩陣中各種統(tǒng)計(jì)特征基礎(chǔ)上，通過實(shí)驗(yàn)，得出灰度共生矩陣的四個(gè)關(guān)鍵特征：能量、慣量、熵和相關(guān)性。2幾何法。3模型法。4信號(hào)處理法3）  形狀特征，（1）邊界特征法該方法通過對(duì)邊界特征的描述來獲取圖像的形狀參數(shù)。（2）傅里葉形狀描述符法 。（3）幾何參數(shù)法。（4）形狀不變矩法4）  空間關(guān)系特征，所謂空間關(guān)系，是指圖像中分割出來的多個(gè)目標(biāo)之間的相互的空間位置或相對(duì)方向關(guān)系，這些關(guān)系也可分為連接/

18、鄰接關(guān)系、交疊/重疊關(guān)系和包含/包容關(guān)系等要求：能得到圖像的基本信息，如顏色，紋理，輪廓和空間關(guān)系等。20金屬表面劃痕檢測在鋼板連鑄連軋生產(chǎn)過程中，由于連鑄鋼坯、軋制設(shè)備、加工面原因，導(dǎo)致鋼板表面出現(xiàn)輥印、夾雜、結(jié)疤、劃痕、裂紋和斑點(diǎn)的缺陷。這些缺陷嚴(yán)重降低了鋼板的抗腐蝕性、耐磨性和抗疲勞強(qiáng)這對(duì)鋼產(chǎn)品用戶將產(chǎn)生極不利的影響。因此必須采取合理方法保證質(zhì)量，保障用戶的權(quán)利和工業(yè)建設(shè)順利發(fā)展，這就要求鋼鐵企業(yè)在程中及時(shí)檢測出有缺陷的鋼板并進(jìn)行適當(dāng)處理，只有這樣，才能有的質(zhì)量。所以，鋼板表面缺陷檢測成為鋼板生產(chǎn)中極其重要的環(huán)節(jié)。參考步驟：1） 通過圖像處理（包括圖像灰度處理，圖像的裁剪，圖像的濾波處理

19、，圖像增強(qiáng)，圖像的邊緣檢測，圖像的數(shù)學(xué)形態(tài)學(xué)處理），提取鋼板表面劃痕缺陷，并計(jì)算劃痕在圖中的像素距離圖像的裁剪和濾波2） 計(jì)算出單位像素對(duì)應(yīng)的實(shí)際空間物理尺寸3） 計(jì)算劃痕實(shí)際長度要求：實(shí)現(xiàn)鋼板表面劃痕缺陷的提取和劃痕長度的測量21基于圖像處理的零件表面破損檢測準(zhǔn)確、快速地探測零件表面缺陷，直接關(guān)系產(chǎn)品質(zhì)量，若不及時(shí)剔除不合格產(chǎn)品，將會(huì)帶來質(zhì)量隱患。圖像處理技術(shù)又稱“機(jī)器視覺”，是將被測對(duì)象的圖像作為信息的載體，從中提取有用的信息來達(dá)到測量的目的。它具有非接觸、高速度、測量范圍大、獲得的信息豐富等優(yōu)點(diǎn)。參考步驟：1）首先運(yùn)用各種濾波算法去除噪聲，為圖像檢測做預(yù)處理 2) 物體的邊緣是以圖像局部

20、特性的不連續(xù)性表現(xiàn)出來的，如灰度值的突變，顏色的突變，這里的邊緣就是物體表面的裂紋，用邊緣檢測算子進(jìn)行邊緣檢測 3）通過圖像分割的知識(shí)，設(shè)定恰當(dāng)?shù)玫介撝祵⒈尘昂捅砻媪鸭y分開，使裂紋清晰的顯示出來 原圖 結(jié)果22基于圖像處理的齒輪缺陷檢測齒輪在使用過程中將出現(xiàn)各種故障模式，不同的故障模式需要不同的維修方法，因此判斷出齒輪屬于哪種故障將利于修理隨著現(xiàn)代計(jì)算機(jī)技術(shù)、圖像處理技術(shù)的發(fā)展，基于視頻圖像的測量、識(shí)別和控制技術(shù)也得到了發(fā)展。齒輪表面出現(xiàn)剝落是由于疲勞和承受較大應(yīng)力所致，表現(xiàn)為表面金屬成片狀剝落而形成小凹坑或片狀翹起，其形態(tài)主要表現(xiàn)為不規(guī)則塊狀，用圖像處理與識(shí)別技術(shù)，對(duì)齒輪缺陷進(jìn)行圖像處理、分

21、析，并對(duì)圖像特征提取的方法和圖像自動(dòng)識(shí)別。 參考步驟：1）對(duì)數(shù)變換能夠擴(kuò)展低值灰度,而壓縮高值灰度,使低值灰度的圖像細(xì)節(jié)更容易看清所以需要對(duì)原彩色圖像進(jìn)行灰化處理 2) 圖像銳化處理用于增強(qiáng)圖像的邊緣及灰度跳變部分，如拉氏算子比較適用于改善因光線的漫反射造成的圖像模糊，用拉氏算子可將原模糊圖像銳化 3）確定最佳閾值是缺陷檢測的關(guān)鍵。如果閾值選取太小，會(huì)把一些不是缺陷的像素也當(dāng)作缺陷造成誤識(shí)；如果閾值選取的太大，則會(huì)造成漏識(shí)；齒輪常見的缺陷主要有齒輪折斷、裂紋、圓形缺陷、長型缺陷、不規(guī)則缺陷、點(diǎn)蝕等，所以確定合適的閾值后對(duì)圖像進(jìn)行二值化處理后，可以清晰的顯示裂紋，正確判讀缺陷類別。 原圖像 裂紋

22、局部圖 結(jié)果圖像23 地鐵車輪外形磨耗自動(dòng)檢測系統(tǒng)地鐵車輛在運(yùn)行中存在著車輪與鋼軌之間力的傳遞（牽引力、制動(dòng)力、離心力），造成車輪踏面磨耗，對(duì)車輛的安全性、乘坐舒適性和運(yùn)行平穩(wěn)性影響很大。因此，對(duì)車輪踏面摩擦情況和磨耗量需要進(jìn)行定期的檢測。圖像處理是根據(jù)不同的項(xiàng)目對(duì)像進(jìn)行處理，本設(shè)計(jì)以車輪外形尺寸大小為測量的主要目標(biāo)，達(dá)到精確測量使其成為數(shù)字化管理手段，正確顯示出接近原物圖像的輪廓曲線是圖像處理在此項(xiàng)目中的主要任務(wù)。參考步驟：1） 圖像的平滑處理主要是去除圖像在數(shù)字化后產(chǎn)生的周圍干擾噪聲，而使圖像不失真；2） 圖像的銳化處理主要是突出邊緣圖像信息，使圖像更清晰3） 經(jīng)過原始圖像的不斷處理，最終

23、要求圖像具有黑、白兩種像素值。采用圖像的二值化處理主要使圖像畫面內(nèi)僅存在黑、白色的二值圖，在圖面上不呈現(xiàn)灰度變化，在圖像處理中二值圖像起到重要作用，大大簡化后面的圖像處理，一般圖像中顯示的物體與背景有明顯區(qū)別，通過選擇閥值，可分離出所需的圖像和背景圖像，對(duì)圖像進(jìn)行測量處理打下基礎(chǔ)4） 圖像的細(xì)化處理主要是進(jìn)一步修飾處理，達(dá)到一個(gè)圖像像素寬度的線素寬。經(jīng)過圖像的二值圖后，再利用羅伯特(Roberts)算子來提取邊緣處理和圖像逆反處理，為圖像最終的檢測做準(zhǔn)備。 原圖像 結(jié)果圖24基于圖像處理技術(shù)的絕緣子覆冰自動(dòng)識(shí)別絕緣子覆冰是高壓輸電線路中經(jīng)常出現(xiàn)并產(chǎn)生較大危害的異常運(yùn)行狀況。通過對(duì)絕緣子覆冰特征

24、的分析，結(jié)合現(xiàn)場拍攝的圖像研究了基于圖像處理技術(shù)對(duì)絕緣子覆冰的情況和圖形特征量進(jìn)行自動(dòng)分析和識(shí)別的方法。主要基于圖像平滑處理、閾值變換和輪廓跟蹤等算法實(shí)現(xiàn)了基于現(xiàn)場圖像的絕緣子覆冰及覆冰厚度等特征參數(shù)的自動(dòng)識(shí)別。參考步驟：1）現(xiàn)場拍攝的絕緣子畫面往往帶有很大的背景聲， 而且長期監(jiān)測必然會(huì)拍攝到不同氣候條件的照片，其顏色深淺度也必然不同。首先去除噪聲對(duì)圖像進(jìn)行預(yù)處理；2) 為了摒棄不同天氣條件下圖像顏色深淺差異對(duì)自動(dòng)識(shí)別結(jié)果的影響。這里考慮將圖像二值化把灰度圖像變換成為黑白圖像，這些差異選取閾值，進(jìn)行圖像分割； 3）進(jìn)行圖像輪廓處理，使邊界獨(dú)立出來為以后方便計(jì)算絕緣子的最大徑向距離和判斷覆冰厚度

25、做準(zhǔn)備。 原圖像 結(jié)果25基于數(shù)字圖像處理的孢子特征提取在我國危害農(nóng)作物的主要病害有550多種，其中很多是由真菌引起的，為了預(yù)報(bào)空氣傳播的病害，需要監(jiān)測空中孢子浮游量并判斷其類型。以往的檢測方法都是通過孢子采集，然后在顯微鏡下人工進(jìn)行孢子的分類和統(tǒng)計(jì)，效率很低并且受視覺影響存在一定的誤差。利用計(jì)算機(jī)圖像處理技術(shù)則可以有效地解決這個(gè)問題。參考步驟：1） 灰度圖像相對(duì)于彩色圖像來說在光線較低情況下清晰度高于彩色圖像，因此為了適應(yīng)不同光線條件有必要把彩色的圖像轉(zhuǎn)換為灰度圖像既滿足了處理需要，又減少了信息運(yùn)算量2）圖像平滑技術(shù)可盡量減少或消除噪聲的影響，用canny算子來實(shí)現(xiàn)數(shù)字圖像的邊緣檢測3)）孢

26、子與背景的根本差別在于其具有不同的灰度值，因此可以利用灰度值將顆粒與背景完全分開，實(shí)現(xiàn)的方法為二值化分割技術(shù)。 原圖像 類似結(jié)果圖26利用拉普拉斯算法對(duì)擴(kuò)散現(xiàn)象引起的模糊進(jìn)行圖像銳化操作要求：1>掌握拉普拉斯算法的原理及常用算子形式；2>分析擴(kuò)散現(xiàn)象引起的模糊屬于哪種類型；3>實(shí)現(xiàn)拉普拉斯算子對(duì)圖像的銳化，并實(shí)現(xiàn)顯示；4> 改進(jìn)算子，使圖像達(dá)到標(biāo)準(zhǔn)對(duì)照圖像效果。待處理圖片 參考最終效果圖27利用圖像濾波算法實(shí)現(xiàn)對(duì)高椒鹽噪聲的去噪處理已知：下圖為受到嚴(yán)重椒鹽噪聲污染的圖片，其噪聲濃度為70%。要求：1> 掌握椒鹽噪聲的概率特點(diǎn)；2> 選用適當(dāng)?shù)臑V波方式對(duì)圖像進(jìn)

27、行濾波；3> 運(yùn)用迭代方法提高濾波效果；4> 改進(jìn)算子，使圖像達(dá)到標(biāo)準(zhǔn)對(duì)照圖像效果。待處理圖片 參考最終效果圖28局部信息的圖像濾波及邊緣銳化處理要求：1> 掌握圖像銳化、圖像濾波的基本原理；2> 完成對(duì)圖像邊緣進(jìn)行銳化操作；3> 完成對(duì)圖像邊緣以內(nèi)進(jìn)行平滑潤滑操作；4> 改進(jìn)算子，使圖像達(dá)到標(biāo)準(zhǔn)對(duì)照圖像效果。 待處理圖片 參考最終效果圖29利用中值空間濾波去去除波形噪聲要求：5> 掌握空間濾波原理；6> 了解中值空間濾波在實(shí)際中的應(yīng)用；7> 利用MATLAB實(shí)現(xiàn)對(duì)波形的中值濾波；8> 改進(jìn)算子，使圖像達(dá)到標(biāo)準(zhǔn)對(duì)照圖像效果。待處理圖片

28、 處理后圖片30基于Sobel算子完成對(duì)圖像的搜索要求：9> 掌握Sobel算子原理；10> 對(duì)待檢測圖片進(jìn)行預(yù)處理（灰度化、二值化）；11> 對(duì)圖像進(jìn)行邊緣提?。?2> 改進(jìn)算子，使圖像達(dá)到標(biāo)準(zhǔn)對(duì)照圖像效果。在天空中檢索飛機(jī)圖像 檢索到的圖像（只給出一個(gè)，要求五架飛機(jī)全部找到）31基于目標(biāo)、背景比例的灰度圖像自動(dòng)閾值選取法介紹：常用的分割方法有直方圖雙峰法，Otsu法，最大商法等，雖然Otsu 法在某些情況下獲得的并不是最佳閾值，但其穩(wěn)定性好、成功率高、速度快等特點(diǎn)，使其成為最常用的雜草圖像閾值分割方法之一，但也有改進(jìn)的方法。2000 年付忠良對(duì)Otsu法的推廣形式進(jìn)

29、行了非常詳細(xì)的介紹，得出使用平均方差代替均值的選取方法與大津方法一樣具有抗亮度變化和對(duì)比度變化的優(yōu)點(diǎn)要求:(1) 對(duì)一組圖像分別用人工閾值法、OStu、平均方差迭代法進(jìn)行分割。(2) 認(rèn)真比較各自的效果，總結(jié)出他們的優(yōu)缺點(diǎn)。(3) 針對(duì)Ostu法的不足之處，提出改進(jìn)的方法。原圖：32物體形狀位置圖像處理算法介紹：在科研與生產(chǎn)實(shí)踐過程中, 對(duì)運(yùn)動(dòng)物體的形狀與位置的測量常常有著很重要的意義。利用CCD攝像頭采集運(yùn)動(dòng)物體的圖像, 通過對(duì)該圖像進(jìn)行圖像處理, 從而得到運(yùn)動(dòng)物體的形狀與位置信息的方法是一種連續(xù)的非接觸測量方法, 在生產(chǎn)實(shí)踐過程中采集到的圖像由于受各種外部因素的干擾, 所以做一些預(yù)處理是必

30、要的。將待處理圖像與背景圖像相減,再做邊緣增強(qiáng) ，更突出目標(biāo)圖像。然后對(duì)圖像進(jìn)行閾值分割，尋找圖像中的每個(gè)連通區(qū)域, 計(jì)算每個(gè)連通區(qū)域的點(diǎn)數(shù),保留最大的一塊, 其余的作為背景去掉。再進(jìn)行邊緣跟蹤。就可以得到目標(biāo)圖像的位置形狀。要求：顯示每步處理后的圖像。原圖 處理后效果圖 33根據(jù)所學(xué)過的圖像處理方法，設(shè)計(jì)一套算法流程，來實(shí)現(xiàn)下圖中染色體的統(tǒng)計(jì)與識(shí)別提示：由于圖像有明顯的噪聲，部分染色體有斷開和粘連的情況，選取合適的閾值把他們彼此分開是統(tǒng)計(jì)的關(guān)鍵。要求：（1） 寫出實(shí)現(xiàn)的思路流程。（2） 編程實(shí)現(xiàn)，并顯示每一步的測試結(jié)果。原圖：34手背靜脈識(shí)別的圖像處理算法提示：先對(duì)原始圖像進(jìn)行背景去除, 取

31、得手背部分, 計(jì)算得到手背部分的質(zhì)心G 和手背部分的面積S , 再以質(zhì)心G 作為中心, 以手背部分面積S 作為參考面積定義一個(gè)矩形, 作為包含靜脈信息的有效區(qū)域。要求：（1） 掌握基本的圖像處理算法，了解手背靜脈構(gòu)造；（2） 對(duì)手背圖像靜脈信息的有效區(qū)域進(jìn)行灰度化處理；（3） 對(duì)手背圖像進(jìn)行二值化處理；（4） 對(duì)手背圖像靜脈走勢進(jìn)行粗提取；（5） 對(duì)獲得的靜脈圖像進(jìn)行細(xì)化處理，去除毛刺。（6）顯示每一步的效果圖。最后實(shí)現(xiàn)的效果圖應(yīng)該比提供的效果圖好或接近。 原圖 處理后的效果圖35基于圖像分割的靜止圖像車牌識(shí)別系統(tǒng)研究提示：靜止圖像車牌識(shí)別系統(tǒng)有以下幾部分組成：圖像獲取à圖像處理&#

32、224;圖像分割à字符識(shí)別à數(shù)據(jù)庫管理。車牌區(qū)域提取是關(guān)鍵（提示：可以通過確定車牌上下邊界和確定車牌左右邊界來獲?。?。車牌字符的分割（提示：對(duì)于單行車牌，進(jìn)行水平投影，其波谷極為字符分界區(qū)；如果按照對(duì)于單行車牌的分割方法得到的字符數(shù)為5 , 即可判定為雙行車牌。此時(shí),只要在原車牌上方再擴(kuò)成一個(gè)車牌區(qū)域即可,然后將上方區(qū)域視為一個(gè)單行車牌進(jìn)行分割）。要求：、（1）語言不限，編程實(shí)現(xiàn)圖像處理部分的效果。（2）顯示每一步圖像處理的結(jié)果。原圖：36基于圖像處理的自動(dòng)報(bào)警系統(tǒng)主要內(nèi)容：采用圖像的自動(dòng)報(bào)警系統(tǒng)，通過對(duì)所監(jiān)視場景的全景拍攝，從序列圖像中將變化區(qū)域從背景中分割出來能夠分離出

33、運(yùn)動(dòng)的像素點(diǎn)和靜止的像素點(diǎn)通過對(duì)檢測到的運(yùn)動(dòng)像素點(diǎn)數(shù)來判斷是否出現(xiàn)不希望的運(yùn)動(dòng)，并決定是否報(bào)警。要求：（1） 對(duì)原圖像采用中值濾波進(jìn)行圖像平滑處理。（2） 對(duì)平滑后的圖像進(jìn)行二值化處理。選用的是閾值判定法（閾值分別為40、50、60）進(jìn)行結(jié)果比較。（3） 利用Sobel算子進(jìn)行邊緣檢測。（4） 利用背景相減法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測該算法就是將待處理圖像的灰度圖與標(biāo)準(zhǔn)圖像的灰度圖的對(duì)應(yīng)像素灰度值相減，完成對(duì)是否有人進(jìn)入的監(jiān)控。 原屋子圖像 平滑后的圖像 需要檢測是否有人闖入的圖像（a） 需要檢測是否有人闖入的圖像（b） 幀與背景相見后的圖像與（a）圖對(duì)應(yīng) 幀與背景相見后的圖像與（b）圖對(duì)應(yīng)37基于彩

34、色閾值變換的香蕉彩色圖像分割主要內(nèi)容：利用香蕉和其它水果及其背景顏色在R,G,B分量上的差異進(jìn)行識(shí)別,根據(jù)香蕉和其它水果在R,G,B分量的二值化處理，獲得特征提取的有效區(qū)域，然后提取特征，達(dá)到提取香蕉的目的。實(shí)驗(yàn)步驟：1) 分別截取圖像中香蕉和其它水果的感興趣區(qū)域，并將其轉(zhuǎn)換為R分量、G分量、B分量的灰度圖像對(duì)各個(gè)分量進(jìn)行灰度值統(tǒng)計(jì)，得到灰度直方。2) 設(shè)定閾值對(duì)其進(jìn)行二值化。.3)特征提取。根據(jù)香蕉、草莓、奇異果的特征統(tǒng)計(jì)出各自的個(gè)數(shù)。原圖片38基于圖像處理的微小塑料齒輪輪廓優(yōu)化主要內(nèi)容：通過計(jì)算機(jī)視覺系統(tǒng)的構(gòu)成、圖像預(yù)處理、圖像分割和數(shù)字圖像的像索連通性理論與技術(shù)的研究提出，微小塑料齒輪的

35、二值圖像噪聲點(diǎn)去除及齒輪輪廓提取方法，用數(shù)學(xué)形態(tài)學(xué)方法提出輪廓的簡化算法采用邊緣濾波器對(duì)圖像進(jìn)行去噪處理。要求：1、 對(duì)圖像進(jìn)行二值化處理，確定閾值2、 采用Robot邊緣檢測算法進(jìn)行邊緣提取齒輪的輪廓3、 分別統(tǒng)計(jì)出大齒輪和小齒輪上面齒的個(gè)數(shù)和每個(gè)齒輪上齒之間的角度。39基于MATLAB的燃油噴霧圖像處理方法主要內(nèi)容：基于MATLAB的燃油噴霧圖像處理方法對(duì)霧圖像進(jìn)行分割和濾波處理，將多幅圖像轉(zhuǎn)換融合為一幅比較清楚的二值圖像提取其輪廓圖MATLAB程序來分析處理燃油噴霧圖像。要求：1）運(yùn)用直方圖均化函數(shù)histeq處理，使圖像細(xì)節(jié)更加清楚，然后設(shè)置閾值。2）對(duì)灰度圖像進(jìn)行LOG算子濾波，進(jìn)行

36、邊緣檢測，提取邊界點(diǎn)然后進(jìn)行擬合。圖片： 原圖像 二值化后的圖像 最終的圖像40基于數(shù)字圖像處理的答題卡識(shí)別方法主要內(nèi)容：利用基于Hough變換的直線檢測技術(shù)檢測圖像的傾斜。對(duì)存在傾斜的圖像進(jìn)行旋轉(zhuǎn)校正，最終實(shí)現(xiàn)答題卡的定位和檢測。實(shí)驗(yàn)步驟：1、檢測圖像傾斜度及旋轉(zhuǎn)校正Hough變換檢測圖像中自線的傾角以及校正步驟如:1) 讀取整幅圖像，將彩色圖像變?yōu)榛叶葓D像.2) 將圖像變?yōu)槎祱D像。3) 對(duì)圖像進(jìn)行Hough變換。4) 找到Hough變換域空間的峰值。5) 判斷找到的峰值所對(duì)應(yīng)的是否為答題卡圖像中的直線。2、答題卡的識(shí)別找到答題卡中每一個(gè)選項(xiàng)的坐標(biāo)，然后統(tǒng)計(jì)以該坐標(biāo)為左頂點(diǎn)的矩形區(qū)域的灰度

37、值總和。如果這個(gè)值小于某個(gè)閾值，則判斷該選項(xiàng)為黑，就是該選項(xiàng)已涂。實(shí)驗(yàn)圖片：41利用圖像處理技術(shù)檢測糧倉害蟲的研究內(nèi)容：根據(jù)資料顯示,全世界每年至少有5%的糧食被害蟲糟踏。我國總存儲(chǔ)糧食量約為4750億kg,國庫糧食損失約為0.2%，已是十分驚人.因此許多科研人員致力于糧倉害蟲的檢測、識(shí)別和怎樣有效地殺死害蟲的研究,新的測蟲、殺蟲方法不斷出現(xiàn). 在檢測害蟲方面，國內(nèi)技術(shù)還比較落后。隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展,數(shù)字圖像處理及模式識(shí)別技術(shù)在害蟲檢測方面也得到一定程度的發(fā)展與應(yīng)用。 要求：找出糧食當(dāng)中的害蟲位置，并統(tǒng)計(jì)出害蟲的個(gè)數(shù)。提示：1、進(jìn)行通常的濾波、去噪、增強(qiáng)預(yù)處理；采用基于圖像直方圖統(tǒng)計(jì)信息的閾值處理算法對(duì)圖像進(jìn)行快速的二值化方法處理。42二維條碼識(shí)別要求：1、對(duì)給出的傾斜條碼進(jìn)行校正和旋轉(zhuǎn)；定位出圖像上的條碼；在條碼中分割出單個(gè)碼字符號(hào)圖像；對(duì)分割出的單個(gè)碼字符號(hào)進(jìn)行識(shí)別。圖143利基于連通域分析的木頭個(gè)數(shù)檢測要求：利用連通域分析算法檢測出圖像中所有木頭個(gè)數(shù)（未在圖像中完全顯示的木頭不算）。連通域分析算法就是對(duì)當(dāng)前像素點(diǎn)的連通域內(nèi)其他像素進(jìn)行判讀，如果與當(dāng)前像素相同則認(rèn)為是同一目標(biāo)。遍歷整個(gè)圖像則可以統(tǒng)計(jì)出圖像內(nèi)的所有目標(biāo)。按照此想法完成木頭個(gè)數(shù)的檢測。試驗(yàn)圖片：參考步驟：（1）利用圖像分割將