数字图像结课论文飞机边界提取与叠加

飞机边界提取与叠加赵文琪（安徽工程大学软件132学号3130704233）摘要：本论文首先接收数字图像处理技术的背景和意义。然后介绍基于VC++的所完成的图像处理的应用软件VisualStudio和OpenCV具有相当强大的运算和操作功能，OpenCV函数库提供了丰富的图像处理函数，灵活运用这些函数几乎可以完成所有的图像处理工作，大大节省编写低层算法代码的时间，避免程序设计中的重复劳动，达到事半功倍的效果。采用opencv及c++实现将RGB图像转换成灰度模式图像，再将其进行二值化，所得图像进行闭运算，去掉暗点和圆角，最后对图像进行边界提取并叠加在原图上。显示所有的图像，对经过处理后的图像和未作处理后的图像进行对比分析。关键词：边界提取；OpenCV;C++;图像叠加中图分类号：(无)文献标识码：A数字图像处理技术是指通过计算机对图像进行去除噪声，增强或者复原以及分割和提取的技术。该技术伴随计算机技术的发展，在农业，军事，环境等行业得到了广泛的应用。论文首先论述数字图像处理技术现状和发展，然后简要讨论了该技术在医学图像进行伪彩色图像处理问题上的应用。最后介绍了在车牌识别方面的应用的相关原理。数字图像处理技术是自60年代以来，随着半导体集成电路技术和计算机技术的发展而产生和发展的一门新型学科，并且在近三十年来取得了巨大的发展，在理论上和实际应用中都取得了很大的成就。早期的图像处理的目的是改善图像的质量,以人为对象,以改善人的视觉效果为目的,首次获得实际成功应用的是美国喷气推进实验室(JPL)[1],并对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术,并考虑了太阳位置和月球环境的影响,由计算机成功地绘制出月球表面地图,随后又对探测飞船发回的近十万张照片进行了更为复杂的图像处理,以致获得了月球的地形图、彩色图及全景镶嵌图,为人类登月创举奠定了坚实的基础,也推动了数字图像处理这门学科的诞生.数字图像处理取得的另一个巨大成就是在医学上获得的成果,1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置即CT(ComputerTomograph)。1975年EMI公司又成功研制出全身用的CT装置,获得了人体各个部位鲜明清晰的断层图像。1979年这项无损伤诊断技术获得了诺贝尔奖,说明它对人类做出了划时代的贡献。随着图像处理技术的深入发展,从70年代中期开始,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理向更高、更深层次发展.人们已开始研究如何用计算机系统解释图像,实现类似人类视觉系统理解外部世界.很多国家,特别是发达国家投入更多的人力、物力到这项研究,取得了不少重要的研究成果.其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论[3],这个理论成为计算机视觉领域其后多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展,但它本身是一个比较难的研究领域,存在不少困难,因人类本身对自己的视觉过程还了解甚少,因此计算机视觉是一个有待人们进一步探索的新领域.正因为如此,图像处理理论和技术受到各界的广泛重视,当前图像处理面临的主要任务是研究新的处理方法,构造新的处理系统,开拓更广泛的应用领域。照片尺寸为20mm*30mm；最好不用红色背景1数字图像处理的背景1.1数字图像概述进行去除噪声、增强、复原、分割、提取特征等理论、方法和技术称为数字图像处理（DIP,DigitalImageProcessing）。数字图像处理起源于20世纪20年代。当时，人们通过Bartlane海底电缆图片传输系统，从伦敦到纽约传输了一幅经过数字压缩后的照片，从而把传输时间从一周多减少到不到3小时。使用技术：在传输图片时，首先在图片传输端进行图像编码，然后在接收端利用特殊的打印设备重构出该图片。该应用已经包含了数字图像处理的知识，但还称不上真正意义的数字图像处理，因为它没有涉及到计算机。经过几十年的研究与发展，数字图像处理的理论和方法进一步完善，应用范围更加广阔，已经成为一门新兴的学科，并在向更高级的方向发展。特点：1、易于控制处理效果2、处理精度高，再现性好3、图像数据量庞大，处理费时4、处理的多样性5、图像处理技术综合性强，掌握难度较大。1.2数字图像处理的目的和主要内容数字图像处理的目的：1.提高图像的视感质量，以达到赏心悦目的目的。2.提取图像中所包含的某些特征或特殊信息，便于计算机分析。3.对图像数据进行变换、编码和压缩，便于图像的存储和传输。图像处理系统平台多为MicrosoftWindows，开发的主流工具为Microsoft公司的VB和VC。这是因为VB和VC是具有高度综合性能的软件开发工具，用它开发出来的程序有着运行速度快、可移植能力强等优点。1.3数字图像处理的应用数字图像处理技术在20世纪60年代末和20世纪70年代初开始广泛应用于医学图像、地球遥感监测和天文学等领域。其后，军事、气象、环境、交通等学科领域的发展也推动了图像处理技术迅速发展。图像处理的发展将围绕HDTV（高清晰度电视）的研制，开展实时图像处理的理论及技术研究，向着高速、高分辨率、立体化、多媒体化、智能化和标准化方向发展。图像、图形相结合，朝着三维成像或多维成像的方向发展。硬件芯片研究。把图像处理的众多功能固化在芯片上，使之更便于应用。新理论与新算法研究。1.3数字图像处理的应用数字图像处理技术在20世纪60年代末和20世纪70年代初开始广泛应用于医学图像、地球遥感监测和天文学等领域。其后，军事、气象、环境、交通等学科领域的发展也推动了图像处理技术迅速发展。图像处理的发展将围绕HDTV（高清晰度电视）的研制，开展实时图像处理的理论及技术研究，向着高速、高分辨率、立体化、多媒体化、智能化和标准化方向发展。图像、图形相结合，朝着三维成像或多维成像的方向发展。硬件芯片研究。把图像处理的众多功能固化在芯片上，使之更便于应用。新理论与新算法研究。1.4数字图像处理基础1.4.1图像的数字化包括采样和量化两个过程图像数字化后，用二维数组表示。采样：图像在空间上的离散化称为采样。用空间上部分点的灰度值代表图像，这些点称为采样点。量化：模拟图像经过采样后，离散化为像素。但像素值（即灰度值）仍是连续量。把采样后所得的各像素的灰度值从模拟量到离散量的转换称为图像灰度的量化。1.4.2数字图像文件的类型静态图像可分为矢量图和位图。矢量图用数学公式描述的图像。矢量图形指由代数方程定义的线条或曲线构成的图形。如:表示一个圆形，矢量图像保存了一个画圆的命令、圆心的坐标、半径的长度等等。欲显示该圆，矢量绘图软件则根据圆的坐标、半径等信息，经过方程式计算，将圆“画”在屏幕上。优点：文件数据量很小；图像质量与分辨率无关，这意味着无论将图像放大或缩小了多少次，图像总是以显示设备允许的最大清晰度显示。缺点：不易制作色调丰富或色彩变化太)1,1()1,1()0,1()1,1()1,1()0,1()1,0()1,0()0,0(),(nmfmfmfnfffnfffjig(a)正方形网格;(b)正六角网格(a)(b)多的图像，而且绘出来的图像不是很逼真，同时也不易在不同的软件间交换文件。1.4.3数字图像类型位图（点位图）的基本构图单位是像素。位图是通过许多像素点表示一幅图像，每个像素具有颜色属性和位置属性。包含不同色彩信息的像素的矩阵组合构成了千变万化的图像。位图可以从传统的相片、幻灯片上制作出来或使用数字相机得到。位图分成如下四种：单色图像、灰度图像、索引图像和真彩色图像。2边缘检测原理及算子边缘是图像最基本的特征。图像的边缘是指图像信号强度发生急剧变化的位置，即在灰度级上发生急剧变化的区域。图像的边缘点主要有三种（如图1-1）：第一种是阶梯型边缘，该边缘两侧的灰度值有明显的变化；第二种是屋脊型边缘，该边缘中间的灰度值与两边的灰度值有明显的差异。第三种是线性型边缘，该边缘中间的灰度值与两边得灰度值差异很大，它与屋脊边缘的差别在于，屋脊边缘从侧边到中间灰度值的变化是逐渐变化的，而线性边缘从侧边到中间灰度值的变化是瞬间变化的。边缘检测是数字图像处理与模式识别中最基础的内容之一，边缘提取与检测在数字图像处理中占有很重要的地位，其算法的优劣直接影响所研究产品的性能。它的主要内容就是对图像灰度值的度量、检测和定位。现在，局部技术边缘检测的方法主要有一次微分（Roberts算子、Sobel算子、Prewitt算子、Kirsch算子等）和Marr-Hildre算子（也称拉普拉斯高斯算子）和canny边缘检测算子。同时，近年来迅速发展起来的小波理论，其中，小波变换是检测灰度值变化强有力的工具，能很好的判断灰度变化的位置。2.1边缘与导数的关系边缘的一阶导数在图像由暗变亮的突变位置有一个正的峰值，而在图像由亮变暗的位置有一个负的峰值，而在其他位置都为零。这表明可用一阶导数的幅值来检测边缘的存在，幅度峰值对应的一般就是边缘的位置。同理，可用二阶导数的过零点检测图像边缘的存在。边缘检测可基本上分为两步：1、对图像中的每一个像素施以检测算子；2、根据事先确定的准则对检测算子的输出进行判定，确定该像素点是否为边缘点。图2-1边缘与导数（微分）的关系2.2梯度的概念在图像处理中，一阶导数是通过梯度来实现的，因此，利用一阶导数检测边缘点的方法就成为梯度算子法。连续函数f(x,y)在(x,y)处的梯度是通过一个二维向量来定义的：yfxfGGyxfyx),(（2-1）这个向量的幅值和方向角分别为：2122)(),(yxGGyxG（2-2）)arctan(),(yxGGyx（2-3）梯度的幅度代表边缘的强度，梯度方向(x,y)与边缘的方向垂直。]7[在离散空间，微分用差分实现，两个差分模板如下：000010010000011000vhWW（2-4）其中hW、vW分别代表水平及垂直方向上的梯度模板。利用模板对图像处理相当于模板与图像的卷积，因此，水平和垂直方向的梯度为：vvhhWjifjiGWjifjiG),(),(),(),(（2-5）故水平和垂直方向的梯度可以定义为：),1(),(),()1,(),(),(jifjifjiGjifjifjiGvh（2-6）实际滤波中常只用),(yxf的幅度（即矢量的模），矢量的模可表示如下：2122),(),(),(jiGjiGjiGvh（2-7）),(),(),(jiGjiGjiGvh（2-8）),(,),(max),(jiGjiGjiGvh（2-9）根据不同图像需要来选用上述三种梯度幅度公式，所得结果即为梯度图像。2.3Robert算子Robert算子是一种局部差分算子，它采用的是2×2模板对图像的边缘进行检测（如图2-2）。Robert算子采用的是对角相邻的两个像素之差来寻找边缘，找到边缘之后，计算出每一个像素的向量，然后求绝对值。其水平方向和垂直方向的梯度定义为：),1()1,(),()1,1(),(),(jifjifjiGjifjifjiGvh（2-10）根据梯度幅度公式（2-8）得到表达式为：）（1,),1()1,1(),(),(jifjifjifjifjiG（2-11）其中，f(i,j)表示处理前某点的灰度值，G(i,j)表示处理后该点的灰度值。图2-2Roberts算子模板2.4Sobel算子Sobel算子也是一种一阶微分算子，只不过由原来Robert算子的2×2模板扩大到3×3模板（如图2-3）来检测图像边缘，图像中的每个点都是用这两个点做卷积。Sobel算子还是一组方向算子，分别从四个方向（0度，45度，90度，135度）来检测边缘，它不再只是简单的求平均再差分，而是加强了中心像素上下左右四个方向的权重，削弱了4个对角近邻像素的权重，导致在水平和垂直方向出