第一篇：數字視頻圖像處理匯報論文

基于OpenCV的LBP人臉識別算法

季秋峰1

（1.南京師范大學，物理科學與技術學院）

摘要[1]：目前，生物特征識別技術主要利用人體自身具有的特征，包括生理特征和行為特征來進行來對人的身份進行認證和識別，而生理特征（指紋、虹膜以及人臉）普遍被使用。在對人的身份的識別過程中，生物特征技術將信息技術與人的生理特征進行有效的結合，已經慢慢取代傳統的身份認證方法。相較于指紋和虹膜，人臉識別是一種非接觸性的識別技術，通過整體面部特征識別，具有更高的自然性、可接受性以及唯一性。并且人臉是最普遍的交流模式，在人與人的交往中具有十分重要的意義，使其成為生物特征識別技術的熱點研究領域。目前主要的基于人臉進行識別的算法包括：基于 PCA 的人臉識別算法、基于 Fisher線性判別的人臉識別算法以及基于 LBP 特征的人臉識別算法，這些算法在識別率、計算時間、數據存儲量以及可擴展性方面各有優劣。本文主要介紹了OpenCV，PCA算法，Fisher線性判別算法，LBP特征算法，并對LBP算法進行了編程實現。關鍵詞：人臉識別，OpenCV，PCA 算法，Fisher 線性判別、LBP 特征

Abstract：Currently, the main use of biometric technology with the body's own characteristics, including physical characteristics and behavioral characteristics to come on identity authentication and identification, and physiological characteristics(fingerprint, iris and face)is commonly used.In recognition of the identity of the process, the biometric technology IT and physiological characteristics of an effective combination of people, has been slowly replacing traditional authentication methods.Compared to fingerprint and iris recognition is a non-contact identification technology, through the whole facial feature recognition, has a higher natural, acceptable and uniqueness.And the human face is the most common mode of communication, is of great significance in the interaction between people, and it has become a hot research field of biometric identification technology.At present, the identification algorithm based on human face include : PCA-based face recognition algorithm, face recognition algorithm based on Fisher 's linear discriminate and face recognition algorithm based on LBP features of these algorithms in the recognition rate, computational time, data storage capacity and scalability advantages and disadvantages.In this paper, OpenCV, PCA algorithm, Fisher linear discriminant algorithm, characteristics of LBP algorithm are mainly introduced, and and programming of LBP algorithm implementation.Keywords: Face recognition, OpenCV, PCA, Fisher linear discriminate, LBP features 引言 世紀 60 年代末，人們對人臉識別技術開展了廣泛的研究，之后的短短幾十年，這一技術取得了巨大的進展[1]。人臉識別技術的重要性眾所周知，它的突出貢獻不只是表現在生物特征識別領域中，更對其他學科帶來了促進的作用。

生物特征識別（Biometrics）是一種有效的身份驗證技術，它主要利用人本身具有的生理特征來識別人的身份，這種特征往往能夠唯一標識公民的特征，因此具有唯一性；不容易被別人盜取，因此具有安全性；是人身體固有的，所以兼具便攜性。生理特征是指人類固有的唯一的且不會輕易改變的特征，例如指紋、掌紋、虹膜、人臉以及 DNA等等。一般情況下，這些特征不會被輕易的盜取以及偽造，并且每個人的生理特征都不相同，具有很高的可靠性。因此，人們對通過生物特征進行身份驗證的方法寄予很大的期望，希望通過這種方式能夠滿足從個人到社會以及國家的安全需求。OpenCV簡介[1][2][3]

2.1 什么是OpenCV

OpenCV的全稱是：Open Source Computer Vision Library。OpenCV是一個基于（開源）發行的跨平臺計算機視覺庫，可以運行在Linux、Windows和Mac OS操作系統上。它輕量級而且高效——由一系列 C 函數和少量 C++ 類構成，同時提供了Python、Ruby、MATLAB等語言的接口，實現了圖像處理和計算機視覺方面的很多通用算法。

OpenCV用C++語言編寫，它的主要接口也是C++語言，但是依然保留了大量的C語言接口。該庫也有大量的Python, Java and MATLAB/OCTAVE(版本2.5)的接口。這些語言的API接口函數可以通過在線文檔獲得。如今也提供對于C#,Ch, Ruby的支持。

所有新的開發和算法都是用C++接口。一個使用CUDA的GPU接口也于2010年9月開始實現。

2.2 OpenCV特點

1)整個函數庫是開源的，基于 C/C++語言的，主要應用于圖像處理領域。

2)使用時可移植，并且十分便利友好。

3)函數庫中的所有代碼均經過優化，在進行圖像處理時均能實時進行。

4)由于該函數庫主要用于圖像處理，因此對于圖像和視頻均能快速載入并且加入了圖像采集和保存的基本功能。

5)具有兩種 API 接口：低級和高級。

6)在使用過程中，為了提高程序的性能，OpenCV 中加入了面向 Intel IPP 的高效多媒體函數接口，能夠優化程序本身的 Intel CPU 代碼。

2.3 OpenCV的應用

1）圖像中物體分析

2）安全和入侵檢測系統

3）自動監視和安全系統

4）醫學圖像去噪

5）產品質量檢測系統

6）攝像機標定

7）無人飛行器/汽車/水下機器人 人臉識別算法

3.1 PCA算法（主成分分析算法）[1][4][5]

PCA 技術是將人臉的特征空間進行降維的技術，是一種最優正交變換，在構造新的人臉特征空間的過程中，需要在原來的人臉中求的一組正交的向量，而新的人臉特征空間是由這組正交向量中重要的部分組成的。這些重要部分組成了特征臉，因其保留了人臉的形狀，因此能夠表征人臉的基本信息。具體的人臉識別步驟如下所示： 將人臉數據庫輸入到算法中K-L變換得到相應的產生矩陣對圖像的本征值和本征向量進行計算對待識別樣本進行分類將訓練集合和測試集合映射到特征空間中對特征值排序，特征向量與其一致，大的特征值表示輪廓，小的表示細節

主成分分析是一種基于特征臉的方法，找到使數據中最大方差的特征線性組合。這是一個表現數據的強大方法，但它沒有考慮類別信息，并且在扔掉主元時，同時許多有鑒別的信息都被扔掉。假設你數據庫中的變化主要是光照變化，那么PCA此時幾乎失效了。

3.2 基于Fisher線性判別的人臉識別方法[1][5][6]

線性鑒別分析在降維的同時考慮類別信息，為了找到一種特征組合方式，達到最大的類間離散度和最小的類內離散度。這個想法很簡單：在低維表示下，相同的類應該緊緊的聚在一起，而不同的類別盡量距離越遠。

線性判別分析(Linear Discriminant Analysis)是統計模式識別的基本方法之一。應用統計方法解決人臉識別問題時，經常碰到的問題之一就是“維數災難”的問題。在低維空間里解析上或計算上可行的辦法，在高維空間里可能變得毫無實際意義。因此，降低維數有時就成為處理實際問題的關鍵并發展了許多壓縮特征空間維數的方法。

Fisher最佳鑒別向量方法的基本思想是將原來高維的模式樣本投影到最佳鑒別向量空間，以達到抽取分類信息和壓縮特征空間維數的效果，投影后保證模式樣本在新的子空間有最大的類間距離和最小的類內距離，即模式在該空間中有最佳的可分離性。因此它是一種有效的模式分析技術。這種方法的關鍵是如何求解最佳鑒別向量。

3.2.1 Fisher鑒別向量

多維空間進行分類有一種比較簡單的方法，即將空間中的所有數據映射到一維向量中，也就是映射到一條直線上。這條直線貫穿在整個空間中，如果選擇不當，可能會造成一些樣本距離過小而重疊在一起，因此要選擇一條能夠使得映射在這條直線上的數據最大程度的區分開，這就是Fisher方法要解決的問題的核心。

Fisher鑒別向量使類間離散度與總類內離散度之比達到最大，這樣就把高維模式樣本(Cn維問題)轉化為一維模式樣本(一維問題)，并在一維空間(直線)上保持最優的鑒別能力，也就是說Fishe:鑒別向量能將高維模式以最優的可分性指標變換成一維模式。找到訓練數據投影后的向量和待識別圖像投影后的向量最近的那個

3.2.2 最優鑒別平面

最優鑒別平面是由兩條向量構成的，這兩條向量即最優鑒別向量。最優鑒別平面是將人臉的高維空間投影到一個平面上，這個平面需要將所有的樣本進行最大程度上的分類，因此它的選擇十分重要，而如何選擇最優的鑒別平面，又是由鑒別向量決定的。這兩條向量是相互正交的。

兩條最優鑒別向量和原點構成了最優鑒別平面，將高維空間的數據投影到最優鑒別平面上，這個平面能夠將樣本進行有效的分類，并且突出高維空間所有樣本的類別可分性。

3.3 基于LBP+SVM（局部二值模式直方圖）特征的人臉識別方法研究[1][5][7]

人臉識別的一個關鍵步驟就是人臉的特征提取，圖像的特征提取結果直接影響后續識別的準確率。目前的特征提取主要面對光照、成像結果以及姿態等等方面的挑戰，針對這一系列的問題，有學者提出了基于局部模式的特征提取方法，因其相對于基于全局模式的特征提取方法有更好的魯棒性。

局部二值模式(Local Binary Pattern, LBP)是一種有效的紋理描述算子，它具有旋轉不變性和灰度不變性等顯著的優點。能夠在圖像的局部的層級通過對圖像紋理特征的描繪達到描述圖像的目的，從整理上來看，它不需要很長的計算時間，也不需要多余的參數計算，而且在描繪的過程中能夠精確到很微小的細節方面的特征，從而提取出對于識別更加有利的特征，在圖像的檢索、識別以及分析方面有很突出的貢獻。

3.3.1 LBP算子簡介

這種算子的計算是在一個3x3的正方形上展開的，將正方形的中心點作為基點，在附近的區域內找到所有的像素值與其進行對比，將這些對比結果進行量化。接下來就需要將這些量化結果進行處理，即根據不同的位置將這些值進行加權，并進行相加，最后得到的值就是中心點的局部二值模式對應的值。顯然這個3x3的正方形是不足以滿足需要的，在之后的研究中，它被擴展到了更大范圍的鄰域中。

如圖所示，參數(P, R)代表著對圖像的描述精度，主要針對圖像的局部細節。P代表中心點附近的像素個數，這個值的大小對細節的描述精度起到了至關重要的作用;R代表的半徑的大小能夠對圓的大小進行度量，它能影響某一部分細節的分辨率。圖中選擇了不同的P和R值，若想得到的圖像有較高的分辨率，就需要提高P值，但是這樣就會提高計算復雜度。

3.3.2 LBP算子的計算過程

如圖所示，(a)中是一個3x3矩陣，中間的像素值32代表中心點灰度值，而其余的8個像素點的灰度值分別為12, 40, 108, 89, 27, 67, 13, 5, 12;(b)圖對應矩陣上的值是由(a)中該矩陣的灰度值與中心點灰度值比較得來的，若該點的灰度值大于中心點的灰度值，(b)中相應位置就填寫為1，否則填寫問0;(c)中代表矩陣中相應位置的權值;將(b)與(c)矩陣中對應位置相乘并加和最終得到LBP算子值。

3.3.3 SVM算法[8][9][10][11]

支持向量機是一種基于分類邊界的方法。其基本原理是（以二維數據為例）：如果訓練數據分布在二維平面上的點，它們按照其分類聚集在不同的區域。基于分類邊界的分類算法的目標是，通過訓練，找到這些分類之間的邊界（直線的――稱為線性劃分，曲線的――稱為非線性劃分）。對于多維數據（如N維），可以將它們視為N維空間中的點，而分類邊界就是N維空間中的面，稱為超面（超面比N維空間少一維）。線性分類器使用超平面類型的邊界，非線性分類器使用超曲面。

支持向量機是基于線性劃分的。但是可以想象，并非所有數據都可以線性劃分。如二維空間中的兩個類別的點可能需要一條曲線來劃分它們的邊界。支持向量機的原理是將低維空間中的點映射到高維空間中，使它們成為線性可分的。再使用線性劃分的原理來判斷分類邊界。在高維空間中，它是一種線性劃分，而在原有的數據空間中，它是一種非線性劃分。

3.3.4 基于LBP的人臉識別

算法流程圖

參考文獻

[1].基于OpenCV的人臉識別算法實驗平臺研究與實現_孫志

[2].http://baike.baidu.com/link?url=7lP-gMZIbAJGW67o5VIhBUkNIyKyg6yIhLcvRXEP6lQuRZxV3S8Y9WgdTbg0ApdUmL8uD5RPQ7Hi5YTmH5fG4K [3].http://wenku.baidu.com/link?url=IaUGbA_mE9Dbhdxz85LlqsJsT3cm1LuOUfMCVgrJoyGwfyVI0PdU2gv1QMPPAJQb6k8ZM-oyYxeGr8chciZdyTd72pNeryMnXqn6G8a9eM_ [4].Paul Viola, Michael Jones, Rapid Object Detection using a Boosted Cascade of SimpleFeatures,2001 [5].http://blog.csdn.net/guoming0000/article/details/8022197 [6].基于Fisher判別的人臉識別技術研究_洪玥 [7].基于LBP的人臉識別研究_黃非非

[8].http://baike.baidu.com/link?url=10KJqoHbEoYOa8uvsoj22mhF0LR5HD7gvm906eIaev-JkHnADdg5G_dhjqMs8CWnPbvlrZTfWYF6KKAyRPQKqK [9].http://wenku.baidu.com/link?url=o0CPVzuBDLJMt0_7Qph1T7TtdFOzu7O-apIpvaWbIYMz8ZWqBneGqI8LGtLdqpuKnaHhMxC0JhidqQUEo-fS0alyuamsAVJdvobUkHk0yHq [10].http://wenku.baidu.com/link?url=8rhhaoVshWCsSwlHovZuytqNAPLNtUJLCA89RRKoTAglU1GF0Gs-nvDKlbEqinLiGNyUaKrWE1rPG7SNRS8goGTKf0RcZYzEkQmM12edDcG [11].基于SVM的人臉識別技術研究_李麗

第二篇：圖像處理技術論文

圖像處理技術論文

在學習、工作中，大家都有寫論文的經歷，對論文很是熟悉吧，論文是對某些學術問題進行研究的手段。還是對論文一籌莫展嗎？以下是小編整理的圖像處理技術論文，歡迎閱讀，希望大家能夠喜歡。

圖像處理技術論文1

摘要：數字圖像處理在汽車涂裝領域的應用, 本文介紹了數字圖像處理基礎和數字圖像處理在自動車型識別, 易磨損部位檢測和預警以及車身表面質量檢測的應用。

關鍵詞：汽車涂裝;數字圖像處理;

1、引言

汽車行業本就是自動化程度較高的產業, 但是目前的工業4.0和日益上漲的人力成本給汽車企業提出了更高的要求, 數字圖像處理在快速、高效的完成汽車涂裝生產和涂裝生產過程中的缺陷檢測方面有顯著優勢。另外為實現高節奏的生產過程中, 高速運轉的設備故障預警, 數字圖像處理也提供了可行的解決方案。

2、數字圖像處理基礎

提到數字圖像處理, 首先要明確什么是數字圖像。一幅圖像可以定義為一個二維函數(x, y), 其中x和y是空間(平面)坐標, 而任何一對空間坐標(x, y)處的幅值f稱為圖像在該點的強度或灰度。當X, Y和灰度值f是有限的離散數值時, 我們稱該圖像為數字圖像。有了數字圖像, 我們可以對數字圖像進行處理, 對數字圖像處理可以分為初級處理、中級處理、高級處理三種方式, 初級處理就是對圖像進行簡單的處理, 例如我們平時用的ps和相機美顏功能, 都可以理解為對數字圖像進行了初級處理, 這種處理輸入的是圖像(原圖), 輸出是處理過的圖像(例如PS過的圖像)。中級處理, 在初級處理的基礎上, 輸入的是圖像, 輸出的則是從圖像處理中得到的信息, 例如小區停車場的攝像頭, 拍攝車牌號的圖像, 在圖像中提取出車牌號信息, 與數據庫中的信息進行比對, 從而實現身份進入、停車計時等功能。最后, 高級處理就涉及到計算機自主學習的功能, 例如對車身表面噴涂質量的檢測, 就屬于對數字圖像的高級處理。詳細應用將在下文闡述。

3、數字圖像處理在汽車涂裝領域的應用

3.1、自動車型的識別

在汽車涂裝工藝中, 針對不同的車型, 設備需要設定不同的工藝參數, 例如前處理自動加藥的加藥量, 電泳的電壓, 噴涂機器人的軌跡等等。針對這一應用, 目前汽車廠大部分使用光電開關, 針對不同車型的特征點進行檢測, 這種方式的有點在于成本低, 一般一到兩個光電開關就可以檢測2-3種車型, 但是這種檢測方式的缺點在于它檢測的車型必須有明顯的特征點或者尺寸差別, 這樣才能完成車型的識別。而針對尺寸差別不大或者沒有明顯特征點的車型, 光電開關就無能為力了。這時就該數字圖像處理出馬了。我們在固定位置拍照, 我們把目標也就是車身標為1, 把背景標為0, 我們設定每個車型的1和0邊界, 通過計算機內部算法對圖像進行邊界判定, 這樣就可以根據1和0的邊界樣式識別出是哪種車型。以上的方法是界定邊界法。或者, 我們可以使用另一種方法——骨架法。骨架法是界定邊界法的簡化形式, 我們在邊界選取一些特征點, 然后把特征點按一定順序連接起來, 這樣構成的圖形, 就是這個圖形的邊界骨架, 只要選取的骨架點能反應出不同的車型, 這種方法的計算量會小很多, 適合運算資源不夠的情況。選取的點的數量不同, 識別的精度也不相同。

3.2、易磨損部位的檢測及預警

汽車工廠里面的設備需要長時間高負荷運行, 有些易磨損部位的檢測就成了難題, 我們無法經常性的停機檢查, 那樣會嚴重影響生產, 另外我們也很不容易憑借肉眼來觀察出細微的磨損, 因此在線實時檢測易磨損部位的磨損情況就顯得十分重要。

首先一般我們需要觀察的易磨損部位周邊情況都比較復雜, 或者光線條件不好, 無法得到十分清晰的照片, 這樣就需要我們先對數字圖像進行一定程度的變換。首先要對圖像進行最簡單的灰度變換, 例如我們可以把過亮的圖像通過把整個圖像灰度變小實現圖像的變暗, 或者把過暗的圖像的整個灰度變大實現圖像的變量, 或者通過函數, 把在一個很大范圍灰度的圖像的大范圍灰度映射到一個比較小的灰度范圍, 這樣可以在圖像中凸顯出目標物體。另外常用的變換還有對數變換、伽馬變換、分段線性變換、平滑空間濾波變換、銳化空間濾波變換、混合空間變換等, 這些變換都是對圖像的灰度進行針對性的處理, 以達到預期的效果。

我們對灰度變換后的圖像, 獲取他的邊界, 與正常無磨損的部件邊界進行對比, 實時進行檢測。這樣我們還可以根據磨損的程度, 設定一個預警機制, 可以根據磨損速度, 預測該易磨損件的壽命, 制定維修計劃。在達到預測的壽命時可以直接更換該易損件, 或者增加關注度, 實時觀測磨損程度, 在磨損程度達到臨界值時再進行更換, 這樣可以大大節約成本。

3.3、車身表面質量檢測

質量是產品的生命, 對于汽車產品來說, 好的涂裝表面是車質量最直接最外在的體現, 所以, 每個汽車廠都對汽車車身表面質量檢測十分嚴格, 目前大部分汽車廠都采用人工檢測, 通過在線人員的眼看、手摸來發現汽車車身表面存在的質量問題。但是首先這種傳統的方式對在線的工人要求很高, 工人必須有豐富的經驗才能應對形形色色的車身質量問題, 培養一個經驗豐富的工人需要很長的時間, 由經驗不豐富的工人進行檢查可能造成錯檢。其次, 工人很難在高負荷的連續生產下保持長時間的專注度, 往往可能在連續工作一段時間后由于注意力下降, 可能造成漏檢。另外, 這種檢測往往很難形成統一的技術規范、技術標準, 例如工人覺得車身車門有色差, 這就是一個完全主觀的判斷, 沒有任何數據做支撐, 每個人對色彩的敏感程度不同就會做出不同的判斷。針對這些問題, 在車身表面質量檢測過程中引入數字圖像處理技術的優勢明顯。首先, 機器通過學習后學習的經驗完全可復制到其他的機器中, 這樣就解決的經驗豐富的問題, 機器可以通過不斷的學習, 不斷的完善自己的知識庫, 同時把這些經驗實時共享給其他的機器。其次, 機器是不知疲倦的, 也不會出現注意力不集中的問題, 無論工作多久都會保質保量的完成工作。最后, 通過數字圖像處理, 完全可實現不同質量缺陷的標準化, 例如計算機通過對圖片的數字化處理, 完全把車身的顏色數字化, 顏色在什么范圍認為是沒有問題的, 超出范圍就認為有色差, 這樣所有的車身都是一個標準, 避免了主觀意識對質量的影響。

為了實現車身表面質量的檢測, 首先要對車身表面的照片進行處理。這些處理包括:圖像降噪處理、圖像色彩分層、圖像的點線邊緣檢測。處理過的圖像我們還需要對圖像進行壓縮, 因為圖像中包含了很多我們不需要的信息, 而計算機的存儲和運算速度有限, 我們要把資源用在刀刃上, 所以對數字圖像進行壓縮也是必須的。最后我們需要對圖像進行頻率域變換, 這是數字處理的重中之重, 數字計算和快速傅里葉變換算法(FFT)是人們對數字圖像處理的關鍵技術。之后我們需要對數字圖像進行全局閾值處理, 這種處理的目的在于突出我們的目標區域, 而使其他的“背景”完全“消失”, 這樣我們可以更清楚的實現對圖像的處理。

在我們收集了足夠多的處理過的數字圖像后, 我們可以開始進行機器學習了, 我們設定不同的分類器, 每個分類器對應一種缺陷, 然后我們把收集的數字圖像隨機分為三個集合:訓練集、驗證集、測試集。然后我們用訓練集訓練一個分類器, 然后再用驗證集和測試集來測試分類器的準確性。在訓練過程中, 可能會出現欠擬合或者過擬合, 欠擬合就是模型擬定的太嚴謹, 不符合現實情況。過擬合就是算法不但學習了數據, 還把噪聲學習了這樣的算法無法推廣。我們需要尋找到一個平衡點, 既能完成對缺陷的處理又能保證正常合格車身的通過率。

4、結語

數字圖像處理技術在汽車涂裝自動化領域的運用, 必將對改善車身質量, 降低人力成本起到積極作用。并且, 隨著數字圖像處理技術的進一步發展, 和數字處理算法的進一步優化, 數字圖像處理將更快更準確的尋找和發現汽車涂裝表面缺陷。隨著數字圖像處理在汽車涂裝領域的應用進一步深入, 通過數字圖像處理來指導生產, 發現生產中存在的問題的水平將近一步的提高, 同時隨著計算機硬件成本的降低和技術的發展, 數字圖像處理在汽車涂裝領域的應用將會持續增長。

參考文獻

[1]阮秋琦, 阮宇智.等數字圖像處理學[M]第三版.北京:電子工業出版社, 20xx.6.[2]學習Open CV(中文版)/(美)布拉德司機(Bradski.G.),(美)科勒(Kaehler.A.)著;于仕琪, 劉凱禎譯.北京:清華大學出版社, 20xx.10.[3]趙立興, 基于模糊算法的數字圖像處理技術研究[D].秦皇島;燕山大學, 20xx, 22-39.[4]Andrews, H.C.and Hunt, B.R.[1997].Digital Image Restoration, Prentice Hall, Englewood Cliffs, N.J.

圖像處理技術論文2

摘要：隨著當代電子信息技術的迅速發展，智能交通成為交通運輸領域重要的研究課題，圖像處理技術由于自身重要的理論和應用價值使得它在智能交通中的應用研究占有重要的地位。通過對數字圖像處理技術在智能交通領域對車牌識別起到的作用和存在問題的的分析，提出了相應的解決對策。

關鍵詞：智能交通；數字圖像處理；車牌識別；車輛的跟蹤與檢測

智能交通ITS（Intelligent Transport System）最早出現在二十世紀九十年代初期，作為世界電子信息技術的前沿，將這項技術應用到交通管理中，實現了交通的智能化。ITS主要是將先進的電子技術、IT、AI、GIS影像等技術進行全面集成，建立起準確實時的地面交通系統。主要應用于APTIS（Advanced Public Traffic Infor-mation System）、APTS（Advanced Public TransportationSystems）、AVCS（Advanced Vehicle Control System）、CVO（Commercial Vehicle Operations）、ETC（electronicToll Collection）、EMS（Emergency Management System）等方面。Intelligent Transport System有兩個由于面的含義，一是智能； 二是交通。交通技術的核心就是智能，智能技術源于電子通信、計算機與人工智能。在交通管理過程中借用當代的信息技術，對車輛道路進行全面的監控，實現交通的智能化管理。

一、數字圖像處理技術在智能交通領域中的作用

（一）數字圖像處理技術的主要工作步驟

一是利用計算機和其他電子設備完成的，其主要內容包括圖像的采集與獲取、對采集的信息進行編碼與存儲、圖像的合成。合成之后對圖像進行繪制，并最終輸出，利用新技術對其進行恢復與重建。因此數字圖像處理的主要目的是： 首先，對圖像做灰度變化，保存有效信息，這種方法可以增強圖像可讀性，有利于原圖的恢復；其次，利用特殊手段對圖像中所包含的特殊且重要的信息進行提取，并詳細分析圖像中所包含的特征，這種方法主要是為了提取其中包含的特殊信息，對圖像進行分割識別； 其三，對獲取到的數據進行壓縮，并保持其特有的清晰度，方便圖像后期的傳送與保存。

（二）數字圖像處理技術在車牌識別當中發揮的重要作用

車牌識別技術（LPR）作為智能交通的重要管理策略，被廣泛應用在高速收費站、失竊車輛查找、停車場的車輛管理、監控車輛的違紀情況等方面，大大提高了工作效率，節省了人力資源。

數字圖像處理技術在智能交通領域中發揮著極大的作用，如監控車輛交通安全、統計交通擁堵情況等，最為出色的地方是車牌識別。數字圖像處理技術在智能交通方面有著不可忽視的作用，在智能交通領域的研究中占有一席之地。

一個完整的車牌識別過程，應該是先獲取到車牌的圖像，計算機設備對獲取到的圖片信息進行識別，然后對圖片進行預處理。根據獲取到的圖片信息，通過渡波、邊緣增強等辦法對其進行車牌定位。

二、我國拍照識別系統存在問題及原因

首先，我國的車牌組成比較復雜，由漢字、英文和阿拉伯數字共同構成。漢字的相似，對車牌識別的難度增加； 其次，我國車牌的顏色比較多，有白色、藍色、紅色等，識別起來比較麻煩； 第三，由于人為、道路、天氣等原因，使得車牌上粘有水漬、泥土之類的污漬，導致車牌模糊不清，難以識別； 第四，車牌格式繁多，如民用、軍用、公安警車、武警專用、外交車輛、特種車輛、消防專用、救護車等。民用車又分為多種，導致識別起來更加麻煩； 第五，車牌懸掛的地方不一致。要解決上述問題，必須提高圖像處理的算法，使得拍照識別系統更加有效。

三、應用數字圖像處理技術解決拍照識別系統存在問題的對策

（一）車牌定位要從復雜的背景中提取出有價值的信息，并進行分割

因為自身不利因素的影響，所以增加了LPR對車牌定位的難度。良好的提取算法，是在保證有效信息不丟失的前提下，盡可能多的踢掉沒價值的信息，準確的將車牌信息給抽取出來。判斷算法是否精確，有以下三個方法： 其一，為了保證其實時性，必須要盡量減少算法； 其二，在復雜的環境下依然具有高度的定位效果，必須有一定的抗干擾性，第三，在保證有效信息不丟失的前提下，盡可能的多的踢掉沒價值的信息為提高圖像的質量奠定基礎。車牌具有紋理，顏色與形狀三個主要的特征。紋理主要是因為車牌的字符與車牌背景顏色的一個對比。顏色主要是由于汽車牌照的字符顏色與背景的組合，一般分為白字藍底（民用轎車）,黑字黃底（大型汽車）,白字黑底（使、領館汽車）,黑字白底（警用汽車）四種。現階段車牌定位的處理辦法主要要兩種，一是灰度圖像處理，其主要優勢是速度快，內存少；二是基于彩色圖像處理，其主要優勢是彩色的圖像從視覺上極占優勢，尤其是隨著計算機的迅速發展，運行速度飛快，內存也隨之增大。而顏色也是車牌的主要區分模式，所以基于顏色的分割定位在當今的使用更為廣泛。

（二）基于模板匹配的車牌字符分割

在車牌得到準確的定位后，字符分割水平影響到字符的識別精確度。字符的分割算法主要有： 一是直接取得原始車牌的垂直投影，將投影后的峰值作為分割的黃金點。在車牌嚴重受到損壞的情況下，直接分割往往會產生極大的錯誤，所以很難找到分割的黃金點； 二是分割即精分割與細分割。這種方法的最大優勢就是包括在車牌遭到嚴重損壞的情況下，也可以保持極好的分割效果，但是算法較為復雜、費時，較難保證實時性。由于一些客觀條件的影響，使得以上算法都不能滿足，所以提出了一種新的分割算法，這種方法既能克服車牌損壞的影響，又沒有過多的增加字符分割的時間。

在此也講一下改進的MSR算法對車牌圖像進行預處理，由于車牌的圖像不是很大，所以完全可以滿足實時性要求。因為我們提取出來的車牌不能直接進行分割，必須先將其進行二值化處理。所謂二值化處理就是將原始圖像經過技術轉成二值圖像。因為車牌圖像的邊緣信息是最終圖像識別結果的重要影響因素，所以要在進行二值化處理的過程中要保留其邊緣信息。我們經常見到的車牌應該是一個方方正正的矩形，然而在實際中，車牌會發生傾斜，我們可以把它看作為一個平行四邊形來處理。對于其傾斜車牌的校正，我們需要找到傾斜的角度，然后進行旋轉變化，使得轉變成一個矩形。對于傾斜的車牌進行校正，一般情況就是先水平校正，再垂直校正。

（三）對于字符的識別

字符識別的原理是利用數字圖像處理技術，對車牌中分隔處理的字符進行識別，字符識別系統的工作過程： 首先，對所需識別數據獲取。圖像數據的獲取只有通過輸入設備來實現，比如我們通常使用的攝像機、攝像頭等等一些圖像采集設備。它們主要的任務就是將景物反射的信號轉換成可以識別的模擬信號，再經過A/D轉換，將轉換后的模擬信號轉換成數字圖像信息。性能好、分辨率高、噪聲較小、轉換速度比較快的電信號線做優先的選擇。只有達到這個標準的轉換電信號線才是上乘選擇，對圖像的識別水平也較高。轉換后的圖像信息要進行進一步的預處理。其主要目的就是為了去掉原始圖像的噪音與其他變形問題的干擾，保留并增強有效信息。其次，進行預處理的過程也比較復雜，要進過濾液、復原、提取邊緣、圖像分割等預處理方式，提高圖像的可讀性與清晰度，為下一步進行特征的提取提供了便利，奠定了基礎。第三，提取特征。是根據預處理后得到的結果，對其進行分析、辨別真偽、剔除無效信息、保留有效信息的一個過程。鑒于原始圖像數據信息量比較大，需要在這龐大的數據中提取出有價值的信息，并進行歸類，這就是特征的提取。在對特征進行提取之后，才能對其進行分類決策。其主要的目的就是對在分類提取過程中所得到的樣本進行分析和判斷，當然在判斷的過程需要遵循某個規則，將分類提所引起的錯誤識別概率降到最低，保證其具有較高的精準度。

字符識別常用的方法有三種： 統計識別法； 句法結構模式識別； 模糊模式識別法。

（四）先采取攝像頭拍攝的方式，再通過圖像處理來進行數據的采集

在我國的公共道路交通管理系統中，為了獲取更多的車輛的運動數據，之前通常采用感應線圈等方法，但是這種方法要求設置在路面上并且對路面造成一定程度的損壞，安裝困難，影響交通。所以現在都是采取攝像頭拍攝，再通過圖像處理來進行數據的采集。隨著科技的發展與進步，現在只需要在路段相應的位置安裝攝像頭，攝像頭所獲取到的視頻與圖像就會通過壓縮之后傳輸到控制中心。監控中心只需要根據上述視頻與圖像進行提取，就可以對車輛進行實時跟蹤。運作跟蹤是車輛識別的一部分，其主要分為背景的提取、運動點團的提取，運動點團位置的提取和運動物體的跟蹤。近幾年，經過技術人員的不斷鉆研，針對每個點都提出各自相應的算法，使得車輛跟蹤更為直觀、精確。

本文中詳細描述了數字圖像處理技術在ITS中的應用。ITS技術在車牌識別，車輛的跟蹤等方面應用廣泛。由于信息技術的逐步完善，使得數字處理技術在智能交通領域中得到極大的應用。經過各方的不懈努力，無論是硬件還是軟件，都在不斷的進步與發展，使得數字圖像處理取得一個又一個突破性的進步。

參考文獻：

[1]黃衛，陳里得。智能運輸系統（ITS）概論[M].北京： 人民交通出版社。20xx.[2]高建平，張小東，蔣 銳。基于圖像處理的交通信息采集[J].重慶交通大學，20xx（1）:103-106.[3]石紅蘭。基于圖像處理的車牌識別系統的研究與實現[J].現代制造，20xx（21）:178.[4]王洪建。數字圖像處理技術在智能交通中的應用與研究[D].重慶： 重慶大學，20xx.

圖像處理技術論文3

【摘要】在網絡技術蓬勃發展的今天，網絡被大面積應用在社會生活的不同領域，依托網絡所成立的遠程教育等愈發依賴網站，且專業人員也更加關注網頁設計制作。本文依照往期的工作經驗，首先介紹圖形圖像處理技術，然后分析網頁設計制作，最后通過實例闡述圖形圖像處理技術在網頁設計制作活動的應用。

【關鍵詞】網頁設計制作;圖形圖像;處理技術

網頁制作是一門常用的編程、圖像處理技術，媒體是其主要存在形式，擁有濃厚的藝術氣息和強烈的影響力，由文字、圖片與超鏈接共同組成。在具體的設計過程中，應全面分析各個要素，合理歸納，認真研究各個要素的邏輯關系與前后順序，進而組建一個統一的整體。

一、圖形圖像處理技術

(一)應用的必要性。

在網頁設計制作中，圖形圖像處理是一種較為常用的處理技術，主要通過處理軟件，從整體層面來改進圖片［1］。對于網頁制作而言，分割與編碼等是最為常用的圖像處理手段，參照網頁制作要求，對原始圖像進行最大程度的改進，構建網頁制作。分析網頁制作實踐可知，PS與火狐是最為常用的處理軟件，以需求者的內心活動為切入點，明確需求者的視覺標準，有效傳遞網頁信息，提升處理效率。例如，比較網站整體，圖像質量優良的網頁通常為首選，人們在查閱網頁時，率先選擇文字和圖形共同構成的網站，其中圖像越清晰、效果越好，則停留時間也將會越長，并可引導人們科學讀取網站內容，而這為網頁制作開辟了新的渠道，有利于網頁制作的全面發展。

(二)優勢。

1．提升網頁質量。從整體層面提升制作水平，優化整體構造，提高圖像處理效果，改善網頁的質量，有效發揮清晰、優良圖像的價值，擴大網頁制作的感染力，系統彰顯網頁優勢，以此來創造更多的網頁價值。

2．改進網頁運行。借助技術所處理的圖像，其指標參數均符合網頁制作要求，滿足規范標準，更不會對網頁運行空間產生影響，確保搜索質量。待用戶經由搜索引擎尋找網頁時，清晰、優良的圖像能夠加快下載速度，增加網頁的順暢性，除可有效展現給用戶外，還可提升點擊率，推動網頁競爭排名。

二、構圖設計

網頁屬于一種獨特的文件，借助瀏覽器來顯示，網頁構圖應依照網站種類、風格與服務對象等因素來確定。借助頁面構圖，利用版面設計可規范、合理設置欄目，完全、清晰展現欄目內容，有效彰顯設計人員的設計理念，完美闡述主題思想。

(一)網頁設計中使用圖片的優勢。

1．視覺優勢。從版面構成要素層面而言，圖片的合理使用能夠賦予網頁別樣的風格，有效吸引廣大用戶;從網頁設計層面而言，圖片擁有一定的設計彈性，能夠協調網頁內部的其余視覺元素，進而讓網頁設計可適應設計目標規劃，達到統一、協調。

2．認知優勢。圖片的使用能夠讓無論來自哪個國家的人均可準確理解圖片內涵，因此，可以降低閱讀障礙和瀏覽障礙。即便用戶不識字，也可借助類似方法明確圖片的內涵，擁有認知優勢。

(二)構圖方式。

1．縱向式構圖。縱向式構圖指代沿著垂直方向來排列網頁中所包含的所有要素。此種構圖不僅滿足當代人的視覺習慣，而且能夠清晰、直觀展現頁面，主要被應用到廣告設計和子頁設計活動中。另外，應用此種構圖時，還可選擇不對稱設計，進而獲得突破，營造別樣的視覺效果。

2．水平式構圖。水平式構圖指代網頁中的所有要素沿著水平方向進行排列。此種構圖可給人一種莊嚴、穩定、厚實的感覺，與人們的審美標準相符，滿足瀏覽習慣。它主要被應用于政府機構、私營企業、學校教育等網站中，具體應用在主頁設計環節。應用此種構圖開展頁面制作工作時，需要靈活運用色彩，尤其在導航條與文字中，規避單一畫面，增強網頁的嚴謹性和莊重感。

3．中心式構圖。中心式構圖是指將頁面中的關鍵要素編排在畫面的中心位置，集中形象、強調重點，視覺沖擊力明顯。在網頁設計中，上述三種構圖是最常用的構圖方式，針對不同類型的商品與差異化的個人網頁，在開展設計制作工作時也可選用不規則構圖，進而完全彰顯獨特的、個性化色彩［2］。

三、色彩搭配

色彩是網頁設計中的基本元素，網頁制作一定包含色彩設計，合理、有效的色彩運用通常能提升創意效果，但若只是進行機械組合，則無法獲得理想的效果。同時，網頁設計中所遵循的色彩搭配原則與圖形圖像處理相同，都應參照適用性原則。主要包含用戶滿意率、整體協調性、清晰指數。另外，網頁中所采用的顏色圖像應盡可能采用ＲGB模式，這是因為當前所使用的顯示器主要為32位以上，無需考慮瀏覽器安全色，在具體的選擇過程應全面考慮色彩統一標準［3］。在具體的網頁配色過程，一是確定一種顏色，并調整透明度，改進飽和度，簡單來說是指深化或者淺化原有色彩，進而形成新色彩，然后應用到網頁中;二是設計網頁時，若無法有效把控色彩表現力，則應盡可能不要使用對比鮮明的色彩。

四、圖形圖像處理技術在網頁中的實際應用

網頁制作是一種把文字、圖片、背景和視頻等統一整合的過程，我們應大力增加網頁中所包含的信息量，不斷提升網頁的藝術氣息［4］。圖形圖像處理是一種必不可少的網頁設計制作技術，通常待落實頁面構圖后，則應設計導航條與文字背景，同時進行特效處理。例如，設計人力資源測評網時，主要通過Photoshop軟件進行網頁制作，本文將以此為例，闡述圖形圖像處理在網頁設計方面的應用。

(一)頁面構圖。

因人力資源測評網自身較為鄭重和莊嚴，為突顯這一特點，并吸引瀏覽者的注意力，主要選擇水平與中心式相融合的構圖。測試與評估是一項緊張的工作，因此，選取白色充當網頁背景色，藍色為主色調，合理調節透明度與飽和度，組建藍色系。這是因為白色不僅能渲染紅色等亮色，還可營造一種溫和、融洽、深遠和平穩的感覺。

(二)LOGO制作。

LOGO代表著網站，它是一種標志，至關重要。在設計LOGO時，應遵循簡單、顯眼的原則，利用有限的空間，展現特定形象，傳達某些信息，同時，確保美觀、鮮明。本文中的測評網站選用了大寫字母Ｒ，輔以藍色背景的LOGO，簡單、大方;還可將其設計成進入準備階段的運動員。

(三)導航條制作。

網上瀏覽應堅持便利、快捷的原則，導航條通常可幫助瀏覽者有效找到目標內容。在網頁主頁中設計導航條，充當頂級目錄，可與子頁面形成鏈接，便于查閱和瀏覽［5］。在具體的設計環節，應結合網站的具體特點與基本功能來明確，在保證外表美觀的同時，還應滿足實用性要求。同時，確保導航條所選用的色彩滿足網頁的整體色調，主要設置在正文之上，而子頁則可通過列表進行導航，相應的導航條可設置在正文兩側。以水平式導航條為例，在人力資源測評網的制作過程中，可將水平式導航條設計為柱狀浮雕效果，且具有漸變色，操作步驟如下所述:其一，重新建立圖層，借助矩形選框工具設立矩形選區;其二，改動漸變色彩，構建漸變色條;其三，點擊編輯，然后點擊描邊，進而為選區構建描邊效果;其四，利用快捷鍵來撤回選擇，點擊圖層，然后點擊圖層樣式，以此來設置斜面與浮雕圖層相結合的效果，具體是指在默認狀態中對樣式、深度、方向、大小和方法等進行調整;其六，再次借助投影樣式，以此來增強漸變效果。變動參數，直到出現三維效果，再增設導航菜單項等基本選項便可。

五、結語

網頁除以媒體形式進行存在外，還涵蓋多種內容，藝術氣息濃厚，而圖形圖像處理在網頁設計中占據重要位置，較為常用。圖形圖像處理主要依托特殊功能，全面展現設計人員的構思，完全彰顯個人情感，同時，輔以文字和圖片等要素，巧妙運用色彩，進而為瀏覽者提供一個色彩鮮明、內涵豐富、結構清晰的網頁。

【參考文獻】

［1］郝邊遠．視覺傳達功能在網頁設計中的表現［J］．才智，20xx，8:300

［2］鄧焱．基于交互動畫的網站設計與應用［D］．山東大學，20xx

［3］趙志江．基于任務驅動的《網頁設計制作》課程教學改革探討［J］．卷宗，20xx，4:29

［4］簡海斌．用網頁設計制作桌面應用程序界面探討［J］．職業，20xx，15:61～62

［5］朱鳳明．網頁設計與制作中DreamweaverCs5的功能應用與發展趨勢［J］．電腦知識與技術，20xx，24:5428～5429

圖像處理技術論文4

摘要：隨著現代化醫學影像技術的快速性發展, 在醫學影像技術應用中, 已經實現了現代化圖像處理技術整合, 通過現代化圖像處理技術的應用有效的實現了醫學影像發展技術的創新性應用, 保障了現代醫學影像技術應用中的計算機應用技術能力提升。鑒于此, 本文針對現代醫學影像技術中計算機圖像處理技術的應用進行了專門的分析, 希望通過本文的分析能夠為現代醫學發展中的影像技術應用提供技術發展支持, 以便于在技術應用支持下, 實現技術發展的創新性轉變。

關鍵詞：醫學影像;計算機;圖像處理技術;應用研究;

在現代化醫學發展中, 由于科學技術的發展和融入, 使得很多的醫學技術在處理過程中, 需要借助影像進行患者的病情分析, 比如CT影像以及X射片影像處理等, 這些影像處理需要借助計算機圖像處理技術進行專門的影像還原分析, 將影像中表現的病變位置在計算機圖像處理技術的應用下, 實現圖像的高清化處理, 進而為患者的治療提供參考性建議。本文通過對現代醫學影像技術中計算機圖像處理技術的應用研究, 能夠在研究過程中, 找到適合醫學影像和計算機圖像處理技術結合的關鍵點, 這對于提升醫學影像圖片處理能力而言, 具有重要性研究意義。醫學影像技術常用的計算機圖像處理技術

醫學影像技術是現代化醫學發展中, 經常運用到的一項技術, 在該技術的應用下, 注重的是對應用中的圖像成像分析, 通過對圖像成像分析, 進而找到適合診斷患者的治療方式。就目前我國醫學發展現狀來看, 很多醫學在患者的治療過程中, 都已經實現了患者治療中的醫學影像技術應用。比如, CT片、X射線拍攝已經彩超和B超的處理等, 都需要借助在醫學影像技術上進行應用, 通過醫學影像技術的應用能夠實現患者病變部位的清晰化成像反饋, 但是要想做到患者診斷的醫學影像成像技術清晰化反饋, 就應該注重對影像技術應用的自身性因素管理控制, 通過管理控制, 從而實現醫學影像技術發展的效率提升和呈像清晰度提升。這種情況下, 計算機圖像處理技術中的PS技術、MAYA技術以及一些其他的計算機圖像處理技術在醫學影像發展中的應用也就越來越廣泛。計算機圖像處理技術在醫學影像技術中的應用

2.1 圖像去噪

醫學影像在傳輸過程中, 一直受到聲音噪點干擾, 這種情況下, 就會造成傳輸的影像圖片出現了明顯的噪點, 影像診治醫生對患者病情的判斷, 因此, 在這種情況下, 需要運用計算機圖像處理技術進行醫學影像技術應用的噪點處理, 通過對醫學影像技術應用中的`圖像技術處理, 能夠實現影像自身的噪點下降, 并且保障了影像噪點的處理, 能夠滿足基本的影像應用需求。所以在現實影像技術的處理中, 為了保障影像處理效果, 所以需要對影像處理中的噪點清除, 通過對電子元件的干擾分析, 明確在醫學影像應用中, 其噪點出現的根源, 按照其根源進行影像處理實施, 保障在影像處理根源的實施中, 能夠實現圖像的高清化成像。例如, 通過均值濾波、中值濾波等多種形式, 將醫學影像中的噪點清除。

2.2 圖像增強

圖像增強是現代醫學影像技術發展中, 較為常見的一種圖像處理技術, 在該圖像處理技術的應用中, 注重的是對圖像的清晰度以及圖像的分辨率提升。按照現代醫學影像技術應用的要求, 在現實圖像的處理中, 需要對醫學影像自身呈現的圖像進行還原, 只有還原醫學影像本身, 相關的患者診斷病癥, 才能夠在醫學影像中, 及時的被分析出來。所以在這種情況下, 很多學者在進行醫學影像處理中, 需要將影像自身的色彩以及影響自身的飽和度和其他一些與影像相關的因素, 全部的排除好, 這樣才能保障最終的影像應用效果, 實現醫學影像應用和現代化醫療技術發展的雙向性整合, 同時在現代化醫學影像技術的應用和發展中, 由于圖像增強技術的應用和實施, 能夠保障醫學影像技術在發展中, 能夠借助計算機圖像處理技術, 將其應用中的圖像顯示效果增強, 保障最終的應用效果。

2.3 圖像分割

圖像分割是現代化醫學影像技術發展中經常運用到的一種技術, 在該技術的應用下, 注重的是對技術應用中的圖像分割處理, 確保在圖像分割處理中, 能夠實現計算機處理技術應用的圖像差異化處理, 保障了在現實醫學影像技術應用中, 能夠通過分割將醫學影像技術應用中的圖像進行分解, 同時在圖像分解過程中, 還能夠運用計算機圖像處理技術, 將醫學影像技術應用中對于患者診斷的區域性診斷因素進行詳細的分析和總結, 便于醫生在針對患者的診斷中, 能夠將分割圖像作為診斷技術處理的依據進行分析和應用, 實現了患者治療中的影像技術應用需求, 滿足了患者治療的影像條件應用需求。結語

綜上所述, 在現代化科學技術發展應用下, 我國的計算機圖像處理技術發展已經相當成熟, 作為醫學診斷中常用的技術之一, 醫學影像技術在整個醫學患者臨床診斷中, 占據著重要的位置, 要想保障醫學臨床診斷效果的準確性, 就應該注重對臨床醫學影像研究中的影像處理技術進行專門的分析, 確保在臨床影像技術的應用處理中, 能夠實現影像技術應用的效率性提升。通過本文的研究將現代醫學影像技術中計算機圖像處理技術應用研究歸納為以下幾點:

(1)圖像去噪;

(2)圖像增強;

(3)圖像分割。

只有處理好以上幾點技術應用, 才能夠實現現代醫學影像技術應用的快速性提升。

參考文獻

[1]孫云, 金家貴, 曹東亮等.現代醫學影像技術在冠心病診斷中的應用[J].成都醫學院學報, 20xx, 10(04):483-486.[2]龍然.數字化影像技術在現代醫學中的應用分析[J].中外醫學研究, 20xx, 36(06):149-151.[3]唐輝, 俞璐, 王嵇等.現代醫學影像技術放射技師具備的綜合素質探討[J].繼續醫學教育, 20xx, 25(02):3-4.[4]李越.計算機圖像處理技術在醫學影像中的進展與應用[J].電腦知識與技術, 20xx, 12(30):238-240.

圖像處理技術論文5

計算機圖像處理技術在實際中的應用

計算機圖像處理技術在實際中的應用范圍很廣泛,它的實現主要依賴與計算機的功能輔助。計算機在實際應用中具有處理速度快、真實準確度高、保存功能強大等特點,因此運用計算機進行圖像處理的技術也具有非常多的優勢。下文將針對計算機圖像處理技術在農業、工業、道路交通、遙感處理以及工程圖紙中的實際應用進行詳細敘述。計算機圖像處理技術在農產品加工中的應用計算機圖像處理技術子在農產品加工及收獲上的應用主要表現在在農產品加工中利用計算機進行圖像相關技術的處理后,實現在農產品采摘或者加工的機器自動化操作,減輕人力負擔。現在,計算機圖像處理技術在農產品加工和收獲上的應用在我國的現代信息科技中已經得到實現,例如我國研發的蘑菇自動化采摘系統,它就是利用計算機的視覺相關系統控制機器人進行蘑菇采摘的相關操作,不僅實現采摘速度上的提升,還實現了在采摘中控制對蘑菇造成損傷以及發生的最低化。在國外,計算機圖像處理技術在農產品加工、采摘中的應用也早有實現。像外國的人研發的鮮蝦加工操作控制系統,就是利用計算機圖像處理技術結合鮮蝦的形體特征進行自動化切割加工處理的。計算機圖像處理技術在工業生產中的應用實現工業自動化生產是工業發展中的關鍵,而工業自動化的實現離不開計算機信息技術的幫助,因此計算機圖像處理技術實現在工業自動化生產中應用是必然的,并且計算機圖像處理技術在工業自動化中應用范圍也是十分廣泛的。像在工業自動化生產中所需要的一些機器設備及其相關零部件構成圖以及生產線的的識別系統裝置,它們都是利用計算機圖像處理技術通過對相關系統構成進行識別處理,然后將準確的控制或者理想結構圖傳遞給機器控制系統或者機器人,從而實現生產線的自動化生產的。計算機圖像處理技術在道路交通中的應用計算機圖像處理技術在道路交通中的應用相信很多人在日常生活中其實已經親眼見證過,它其實就是道路交通的攝像監控系統,就是我們通常所說的紅綠燈攝像頭或者高速公路上的監控系統等,這些都比較常見。在道路交通運行中,紅綠燈攝像頭將檢測到的一些交通違章行為的圖像通過攝像頭拍攝記錄下來,傳送到計算機的相關系統中進行儲存保護起來。這其中紅綠燈攝像頭對道路交通中的違章行為進行自動檢測識別以及拍攝保存的過程就是計算機圖像處理技術在道路交通中的一個實際應用的過程。計算機圖像處理技術在遙感技術中的應用主要是通過遙感技術實現計算機主機對某領域的具體情況進行監控操作。過程中計算機的監控以及遙感技術對某領域信息情況的收集等,這些都是計算機圖像處理技術在遙感技術中應用的體現。計算機圖像處理技術字工程圖紙中的應用主要體現在通過計算機圖像處理等軟件實現對工程圖紙的設計繪制、信息轉換等過程,它是工程圖紙設計的一種常用技術,對工程圖紙設計有著重要的作用。

計算機圖像處理技術的發展前景

就計算機圖像處理技術目前在實際中的應用廣泛程度來講,計算機圖像處理技術在將來的發展前景也是十分可觀的。在未來計算機圖像處理技術將不僅會在圖像處理的清晰度、真實度以及其他的圖像因素的技術手法上越來越純熟,還將在圖像的分辨率、傳輸率以及多維成像等方面有所成就。其次計算機圖像處理技術在工業工程制圖、在技術自身裝置的簡化應用等方面都會朝著越來越精準化越方便化的方面發展。這樣一來,計算機圖像處理技術也將普遍化被應用。

結語

總之,計算機圖像處理技術在實際生活中的應用是非常廣泛的,因此,給予計算機圖像處理及相關應用技術更多的科研領域的關注與研究也是十分必要的,只要將相關應用技術提高到一定的水平,那么工業、農業以及更多領域的科技生產水平必然也將隨之提升。

第三篇：matlabGUI圖像處理

圖像處理

一、實習任務

利用MATLAB里面的一些特定函數和GUI可視化圖形界面設計一個屬于自己的photoshop,使其完成簡易的放大、縮小、截圖以及直方圖統計等功能。

二、實習內容

1、布局設計

2、程序設計 %文件打開

[name,path]=uigetfile({'*.*';'*.bmp';'*.tif';'*.png';'*.gif';'*.jpg'},'載入圖像');if isequal(name,0)|isequal(path,0)errordlg('沒有選中文件','出錯');return;else x=imread([path,name]);axes(handles.axes1);imshow(x);handles.img=x;handles.noise_img=x;guidata(hObject,handles)end

%文件保存

[filename,pathname] = uiputfile({'*.*';'*.bmp';'*.tif';'*.png';'*.gif';'*.jpg'},'圖片保存為');if isequal([filename,pathname],[0,0])errordlg('沒有保存','出錯');return;else file=strcat(pathname,filename);(handles.axes2);i=getimage(gca);imwrite(i,file);end

%文件退出 clc;close all;close(gcf);

%灰度處理

axes(handles.axes2);if isrgb(handles.img)y=rgb2gray(handles.img);%RGB?????????? imshow(y);else msgbox('這已經是灰度圖像','轉換失敗');end %截圖

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);y=imcrop(handles.img);imshow(y);handles.Timage=y;

%雙線性縮小

axes(handles.axes2);prompt={'輸入放大倍數:'};defans={'0.2'};p=inputdlg(prompt,'輸入放大倍數',1,defans);p1=str2num(p{1});y=imresize(handles.img,p1,'bilinear');%法縮小 imshow(y);

%雙線放大

axes(handles.axes2);prompt={'輸入放大倍數:'};defans={'2'};p=inputdlg(prompt,'輸入放大倍數',1,defans);p1=str2num(p{1});y=imresize(handles.img,p1,'bilinear');%值法放大 imshow(y);

%上下翻轉

最近鄰插值最近鄰插axes(handles.axes2);x=(handles.img);if isrgb(handles.img)for k=1:3 y(:,:,k)=flipud(x(:,:,k));%上下翻轉函數 end imshow(y);else x=(handles.img);y=flipud(x);imshow(y);end

%左右翻轉

axes(handles.axes2);if isrgb(handles.img)x=(handles.img);for k=1:3 y(:,:,k)=fliplr(x(:,:,k));%左右翻轉函數 end imshow(y);else x=(handles.img);y=fliplr(x);imshow(y);end

%左轉90度

axes(handles.axes2);x=(handles.img);y=imrotate(x,90);imshow(y);

%右轉90度

axes(handles.axes2);x=(handles.img);y=imrotate(x,-90);imshow(y);

%任意角度旋轉 axes(handles.axes2);prompt={'輸入參數1:'};defans={'30'};p=inputdlg(prompt,'輸入參數',1,defans);p1=str2num(p{1});y=imrotate(handles.img,p1);imshow(y);

%亮度處理

prompt={'輸入參數1','輸入參數2','輸入gamma'};defans={'[0 0.7]','[0 1]','1'};p=inputdlg(prompt,'輸入參數',1,defans);p1=str2num(p{1});p2=str2num(p{2});p3=str2num(p{3});gamma=p3;x=(handles.img);y=imadjust(x,p1,p2,gamma);axes(handles.axes2);imshow(y);%G直方圖

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)x=imhist(handles.img(:,:,2));%直方圖統計 x1=x(1:10:256);horz=1:10:256;bar(horz,x1);set(handles.axes2,'xtick',0:50:255);else msgbox('這是灰度圖像','旋轉失敗');end %R直方圖

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);x=imhist(handles.img(:,:,1));%統計

x1=x(1:10:256);horz=1:10:256;bar(horz,x1);set(handles.axes2,'xtick',0:50:255);%B直方圖

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)

直方圖x=imhist(handles.img(:,:,3));%直方圖統計

x1=x(1:10:256);horz=1:10:256;bar(horz,x1);%axis([0 255 0 150000]);set(handles.axes2,'xtick',0:50:255);%set(handles.axes2,'ytick',0:2000:15000);else msgbox('這是灰度圖像','旋轉失敗');end

%直方圖均衡

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)a=histeq(handles.img(:,:,1));b=histeq(handles.img(:,:,2));c=histeq(handles.img(:,:,3));k(:,:,1)=a;k(:,:,2)=b;k(:,:,3)=c;imshow(k);else h=histeq(handles.img);%直方圖均衡 imshow(h);end

3、效果圖

三、遇到的問題及解決方法

1、遇到的問題

最開始在Command里面用imread打開圖片是可行的，但到了GUI里面之后，會出現一些錯誤，主要就是提示說：找不到對應的地方。還有就是在編寫完程序之后，放大感覺沒有任何變化。

2、解決方法

在查詢資料后發現，在GUI里面打開圖片是需要編寫圖片的地址以及格式的，要先判斷你要操作的圖片是否存在，如果不存在，應該提示你不存在的錯誤；在不能放大這個問題上，后來發現是axes2不夠大，也就是畫布不夠大，再放大了畫布后，放大就明顯多了，縮小的時候也是這樣。

四、主要收獲和心得體會

在倆周的自動化軟件實訓里面，最大的感觸就是MATLAB很強大，不但可以用自己自帶的函數，還可以和C語言Java等語言連接共用，在處理圖像上有自己獨特的優勢，在編輯菜單之后再進行相應的編程，做出來的界面和網頁一樣好看，這倆周特別快，不過收獲很多，在很大程度上鍛煉了我們的設計能力。

第四篇：圖像處理 實驗報告

摘要：

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。又稱影像處理。基本內容 圖像處理一般指數字圖像處理。數字圖像是指用數字攝像機、掃描儀等設備經過采樣和數字化得到的一個大的二維數組，該數組的元素稱為像素，其值為一整數，稱為灰度值。圖像處理技術的主要內容包括圖像壓縮，增強和復原，匹配、描述和識別3個部分。圖像處理一般指數字圖像處理。

數字圖像處理的目的是改善圖像的質量，它以人為對象，以改善人的視覺效果為目的。目前，圖像處理演示系統應用領域廣泛醫學、軍事、科研、商業等領域。因為數字圖像處理技術易于實現非線性處理，處理程序和處理參數可變，故是一項通用性強，精度高，處理方法靈活，信息保存、傳送可靠的圖像處理技術。本圖像處理演示系統以數字圖像處理理論為基礎，對某些常用功能進行界面化設計，便于初級用戶的操作。設計要求

可視化界面，采用多幅不同形式圖像驗證系統的正確性；

合理選擇不同形式圖像，反應各功能模塊的效果及驗證系統的正確性 對圖像進行灰度級映射，對比分析變換前后的直方圖變化；

1.課題目的與要求 目的：

基本功能：彩色圖像轉灰度圖像

圖像的幾何空間變換：平移，旋轉，剪切，縮放 圖像的算術處理：加、減、乘

圖像的灰度拉伸方法（包含參數設置）； 直方圖的統計和繪制；直方圖均衡化和規定化； 要求：

1、熟悉圖像點運算、代數運算、幾何運算的基本定 義和常見方法；

2、掌握在MTLAB中對圖像進行點運算、代數運算、幾何運算的方法

3、掌握在MATLAB中進行插值的方法

4、運用MATLAB語言進行圖像的插值縮放和插值旋轉等

5、學會運用圖像的灰度拉伸方法

6、學會運用圖像的直方圖設計和繪制；以及均衡化和規定化

7、進一步熟悉了解MATLAB語言的應用，將數字圖像處理更好的應用于實際

2.課題設計內容描述

1>彩色圖像轉化灰度圖像：

大部分圖像都是RGB格式。RGB是指紅，綠，藍三色。通常是每一色都是256個級。相當于過去攝影里提到了8級灰階。

真彩色圖像通常是就是指RGB。通常是三個8位，合起來是24位。不過每一個顏色并不一定是8位。比如有些顯卡可以顯示16位，或者是32位。所以就有16位真彩和32位真彩。

在一些特殊環境下需要將真彩色轉換成灰度圖像。1單獨處理每一個顏色分量。

2.處理圖像的“灰度“，有時候又稱為“高度”。邊緣加強，平滑，去噪，加銳度等。

3.當用黑白打印機打印照片時，通常也需要將彩色轉成灰白，處理后再打印 4.攝影里，通過黑白照片體現“型體”與“線條”，“光線”。2>圖像的幾何空間變化：

圖像平移是將圖像進行上下左右的等比例變化，不改變圖像的特征，只改變位置。

圖像比例縮放是指將給定的圖像在x軸方向按比例縮放fx倍，在y軸按比例縮放fy倍，從而獲得一幅新的圖像。如果fx=fy，即在x軸方向和y軸方向縮放的比率相同，稱這樣的比例縮放為圖像的全比例縮放。如果fx≠fy，圖像的比例縮放會改變原始圖象的像素間的相對位置，產生幾何畸變。

旋轉。一般圖像的旋轉是以圖像的中心為原點，旋轉一定的角度，也就是將圖像上的所有像素都旋轉一個相同的角度。旋轉后圖像的的大小一般會改變，即可以把轉出顯示區域的圖像截去，或者擴大圖像范圍來顯示所有的圖像。圖像的旋轉變換也可以用矩陣變換來表示。3>圖像的算術處理：

圖像代數運算是指對兩幅或兩幅以上輸入圖像對應的像素逐個進行和差積商運算以產生增強效果的圖像。圖像運算是一種比較簡單有效的增強處理手段是圖像處理中常用方法。三種圖像處理代數運算的數學表達式如下： C(x,y)=A(x,y)+B(x,y)C(x,y)=A(x,y)-B(x,y)C(x,y)=A(x,y)*B(x,y)4>圖像的灰度拉伸方法：

灰度拉伸又叫對比度拉伸，它是最基本的一種灰度變換，使用的是最簡單的分段線性變換函數，它的主要思想是提高圖像處理時灰度級的動態范圍。可以有選擇的拉伸某段灰度區間以改善輸出圖像。如圖，所示的變換函數的運算結果是將原圖在a到b之間的灰度拉伸到c到d之間。如果一幅圖像的灰度集中在較暗的區域而導致圖像偏暗，可以用灰度拉伸功能來拉伸(斜率>1)物體灰度區間以改善圖像；同樣如果圖像灰度集中在較亮的區域而導致圖像偏亮，也可以用灰度拉伸功能來壓縮(斜率<1)物體灰度區間以改善圖像質量。

5>直方圖設計和繪制；以及均衡化和規定化：

灰度直方圖是將數字圖像的所有像素，按照灰度值的大小，統計其所出現的頻度。通常，灰度直方圖的橫坐標表示灰度值，縱坐標為半個像素個數，也可以采用某一灰度值的像素數占全圖像素數的百分比作為縱坐標。

直方圖均衡方法的基本原理是：對在圖像中像素個數多的灰度值（即對畫面起主要作用的灰度值）進行展寬，而對像素個數少的灰度值（即對畫面不起主要作用的灰度值）進行歸并。從而達到清晰圖像的目的。

3.總體方案設計

1> GUI圖像處理平臺的總體設計

圖像處理平臺設計的目的是能夠將圖像處理的各個獨立算法集成到一個平臺內，方便用戶選用多種方法對圖像進行處理.平臺基于ＭatlabGUI設計，實現圖像處理過程的交互和可視化，并為用戶二次開發提供平臺接口，提高圖像處理算法的綜合利用效率

2>平臺總體功能設計 根據一體化的設計思想，平臺主要實現算法集成、交互可視化和提供二次開發接口等功能.其中算法集成分為已有算法集成和新算法集成.具體功能描述如下：

（1）已有算法集成是對Ｍatlab圖像處理工具

包中提供的算法進行集成，可以通過使用函數名加參數的方式直接調用.依據功能進行分類，將同類算法集成到同一菜單項內，如將傅里葉變換、小波變換、離散變換等算法歸類到圖像變換中，進行集成.（2）新算法集成是指對自主開發的算法進行集成，如改進水平集算法[12]、交互式圖割算法[13]、細胞自動機分割算法[14]等均為自主開發的圖像分割算法，同已有算法集成方式類似，集成到平臺中，便于綜合運用和算法分析與對比.（3）交互式可視化是指對圖像處理過程及結果的可視化顯示，并提供用戶交互區.（4）二次開發接口是指通過調用集成模板方式，為用戶提供一個將自己算法集成到平臺中的一個接口

3>總體布局設計

一個高性能的圖像處理平臺應該為用戶提供

方便快捷的操作.平臺設計中通過菜單和按鈕實現快捷操作，其中菜單項提供平臺的整體功能，快捷按鈕顯示具體的獨立功能.圖像處理平臺的布局設計如圖1所示.利用ＭatlabGUI提供的工具包和底層代碼，可以實現菜單功能區、快捷按鈕功能區、DEMO顯示區、可視化效果顯示區和用戶交互區的布局設計

4.程序實現和測試

4.1各個功能模塊的主要實現程序 基本功能：彩色圖像轉灰度圖像

I=imread('C:MATLAB7toolboximagesimdemospeppers.png','png');x=rgb2gray(I);figure(1);subplot(121);imshow(I);title('原始圖像');subplot(122);imshow(x);title('灰度圖像');實驗結果：

圖像的幾何空間變換：平移，旋轉，剪切，縮放

img1=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');img1=rgb2gray(img1);figure,imshow(img1);imwrite(img1,'a1.jpg');%%%%%%平移

se=translate(strel(1),[20 20]);img2=imdilate(img1,se);figure,imshow(img2);imwrite(img2,'a2.jpg');%%%%%%旋轉 img3=imrotate(img1,90);figure,imshow(img3);imwrite(img3,'a3.jpg');% %%%%%縮放 img4=imresize(img1,2);figure,imshow(img4);imwrite(img4,'a4.jpg');

原始圖像：

平移圖像：

旋轉圖像：

縮放圖像：

圖像的算術處理：加、減、乘

加法

A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(1,3,1);imshow(A);title('圖像1');subplot(1,3,2);imshow(B);title('圖像2');C=imadd(A,B);subplot(1,3,3);imshow(C);title('相加后的圖像')

減法

A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(2,3,1);imshow(A);title('圖像1');subplot(2,3,2);imshow(B);title('圖像2');C=imsubtract(A,B);subplot(2,3,3);imshow(C);title('相減后的圖像')

乘法

A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(1,3,1);imshow(A);title('圖像1');subplot(1,3,2);imshow(B);title('圖像2');C=immultiply(A,B);subplot(1,3,3);imshow(C);title('相乘后的圖像')

圖像的灰度拉伸方法（包含參數設置）；

img=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');figure(1);imshow(img);title('原圖');[m,n]=size(img);%測量圖像尺寸參數

GreyHist=zeros(1,256);%預創建存放灰度出現概率的向量 for k=0:255 GreyHist(k+1)=length(find(img==k))/(m*n);%計算每級灰度出現的概率，將其存入GreyHist中相應位置

end figure(2);bar(0:255,GreyHist)%繪制直方圖 title('原直方圖')xlabel('灰度值')ylabel('出現概率')%灰度拉伸 imggrey=img;prompt={'請輸入系數a','請輸入系數b'};words='請輸入線性拉伸函數:';answer = inputdlg(prompt,words,1,{'0.5','2'});a=str2double(answer(1));b=str2double(answer(2));for i=1:m for j=1:n img(i,j)=a*img(i,j)+b;end end figure(3);imshow(img);title('灰度拉伸');GreyHist=zeros(1,256);%預創建存放灰度出現概率的向量 for k=0:255

直方圖的統計和繪制；直方圖均衡化和規定化；

%一，圖像的預處理，讀入彩色圖像將其灰度化

img=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');%讀入JPG彩色圖像文件

imshow(img)%顯示出來 title('輸入的彩色JPG圖像')imwrite(rgb2gray(img),'PicSampleGray.jpg');%將彩色圖片灰度化并保存 img=rgb2gray(img);%灰度化后的數據存入數組 %二，繪制直方圖

[m,n]=size(img);%測量圖像尺寸參數

GP=zeros(1,256);%預創建存放灰度出現概率的向量 for k=0:255 GP(k+1)=length(find(img==k))/(m*n);%計算每級灰度出現的概率，將其存入GP中相應位置 end figure,bar(0:255,GP,'g')%繪制直方圖 title('原圖像直方圖')xlabel('灰度值')ylabel('出現概率')%三，直方圖均衡化 S1=zeros(1,256);for i=1:256 for j=1:i S1(i)=GP(j)+S1(i);%計算Sk end end S2=round((S1*256)+0.5);%將Sk歸到相近級的灰度 for i=1:256 GPeq(i)=sum(GP(find(S2==i)));%計算現有每個灰度級出現的概率 end figure,bar(0:255,GPeq,'b')%顯示均衡化后的直方圖 title('均衡化后的直方圖')xlabel('灰度值')ylabel('出現概率')%四，圖像均衡化 PA=img;for i=0:255 PA(find(img==i))=S2(i+1);%將各個像素歸一化后的灰度值賦給這個像素 end figure,imshow(PA)%顯示均衡化后的圖像 title('均衡化后圖像')imwrite(PA,'PicEqual.jpg');

4.3.問題說明和總結：對在調試中發現的問題和解決方法做說明。

圖像處理，是對圖像進行分析、加工、和處理，使其滿足視覺、心理以及其他要求的技術。圖像處理是信號處理在圖像域上的一個應用。目前大多數的圖像是以數字形式存儲，因而圖像處理很多情況下指數字圖像處理。

進行程序調試的過程中，最重要的是輸入圖像，剛開始是為了找到原始圖像耗費了很多時間，一般的條件書上有，但要對其進行磨合。程序編寫時，應該注意大小寫。應該注意最后的輸出部分，保證輸出條件與輸入條件相同。

5．總結與體會 這次使用MATALB進行圖像處理的編寫，是我對MATALB軟件有了更深入的了解，對其的應用能力也有了相應的提高，更深入的了解到MATALB作為繪圖軟件的方便與快捷。在進行程序調試的過程中，最重要的是輸入圖像，只有找到圖像的原始位置，才能進行下面的程序編碼。編碼程序時，應該在MATLAB原始文檔的位置先行輸入，輸入時應該注意大小寫。程序應該盡可能地簡單，只要能達到目的就行，程序越復雜，運行時的錯誤就越多。以上是我的程序編碼經驗與感受。

6．參考文獻

《數字圖像處理實驗指導書》 厙向陽 曹穎超 編著 《MATLAB與數學實驗》 艾冬梅 李艷晴 編著 《圖像處理和分析技術》 章毓晉 編著 《MATLAB實用教程》 鄭阿奇 編著

第五篇：圖像處理說課稿

圖像處理

一、教材分析和教學地位分析

本節課是浙江教育出版社必修教材中第三章第三節第一課時的內容，主要介紹了圖像處理的基本概念：分辨率、位圖和矢量圖、顏色、文件格式，以及常用的圖像編輯工具的簡單介紹。本節課是高二選修教材《多媒體技術應用》中圖像加工部分的的基礎，是用于激發和發現學生對多媒體技術應用的興趣的基礎內容，是為學生高二選修合適內容奠定基礎的一節課。

二、學情分析

本節課的教學對象是高一學生，他們具備了初步的審美意識，并且在日常生活中對于圖像處理有了基本的體驗，如智能手機上的美顏相機軟件，簡單的圖像處理工具美圖秀秀等，但對于圖像處理當中的一些基本概念，如分辨率，圖像格式和分類等仍然處于模糊的狀態，對于圖像處理的高級工具Photoshop也一般是只聞其名，并沒有多少實質性的體驗。因此，本節課從實際出發，創設適當的學習情境，引發學生對圖像處理的學習興趣，通過學生的自身體驗，由淺入深，由抽象到具體得幫助學生掌握基本概念，并且掌握圖像處理工具Photshop的幾個基本功能。

三、教學目標分析

根據教材的結構和內容分析以及新課標要求，結合高一學生的認知結構及其心理特點，我擬定了以下的教學目標。知識與技能：

1、掌握Photshop中仿制圖章工具的用法。

2、掌握畫布修改的方法。

3、掌握圖像的一些基本概念：分辨率、圖像分類及格式。過程與方法：

1、通過體驗仿制圖章工具的使用，體會圖像處理的神奇及樂趣。

2、通過畫布修改的前后對比，從感官上上升對分辨率概念的認識。

3、通過對顏色設置中對于紅綠藍的分量調整，體驗二進制理論在色彩當中的應用。情感態度和價值觀

通過本節課的學習，激發學生對于圖像處理的興趣，培養基本的審美情趣。

四、教學重難點

基于以上的教學目標，我指定了以下的重難點。

重點：分辨率以及圖像分類及格式。

難點：二進制理論在色彩當中的運用。

五、教法和學法

根據本節課的內容和特點，主要采用以下幾種教學方法。

1、演示法：演示仿制圖章的使用。

2、活動探究和任務驅動：引導學生參與活動和任務，發揮學生的主觀能動性，培養學生的動手能力。

3、集體討論：畫布修改的前后對比

六、教學過程

最后我具體談談這堂課的教學過程，本節課設計了5個教學環節。

1、示范演示，激發興趣。

選擇一副果樹圖片，通過給學生演示PS中仿制圖章的使用，激發學生對圖像處理的學習興趣。

任務：通過學習網站當中對于仿制圖章工具的使用介紹，完成另一幅圖片的處理要求。

2、自身體驗，探索新知

活動探究一：通過學習網站中對于畫布修改的操作，完成畫布的修改，并且集體討論回答以下問題：

（1）畫布修改之后圖像有什么變化？

（2）將修改后的畫布放大到和原來一樣大，圖像質量發生了什么變化

根據學生回答，引申分辨率的概念，以及位圖和矢量圖的概念，并且演示矢量圖編輯工具Coraldraw。

3、理論深入

活動探究

二、調整PS中的色彩工具欄中的分量調整，思考標準紅綠藍所對應的二進制代碼。

根據學生回答并補充，引申真彩色的定義。補充文件格式及擴展名。

4、實踐體驗

根據自己愛好，選擇一副圖片，通過網站當中對于PS的濾鏡介紹，體驗濾鏡效果。

5、小結。

七、教學反思

以上教學設計均是我個人的教學預設，在實際的教學過程中，我會根據學生的具體反饋做出相應的調整，做到因材施教，真正的實現以學生為中心的教學，為學生的長遠發展負責，使信息技術教學更好的為生活生產服務。