图像处理技术论文汇总十篇

序论：好文章的创作是一个不断探索和完善的过程，我们为您推荐十篇图像处理技术论文范例，希望它们能助您一臂之力，提升您的阅读品质，带来更深刻的阅读感受。

篇（1）

计算机图像处理系统从系统层次上可分为高、中、低档三个层次，目前一般比较普及的是低档次的系统，该系统由CCD（摄像头）、图像采集卡、计算机三个部分组成，其结构简单，应用方便，效果也比较不错，得到的图像较清晰。目前网上基于VC开发经验的文章不少，可是关于如何在VC开发平台上使用图像采集卡的文章确没发现，笔者针对在科研开发中积累的使用图像采集卡经验，介绍如何自己是如何将采集卡集成到图像开发系统中，希望能够给目前正需要利用图像采集卡开发自己的图像处理系统的朋友有所帮助。

使用的摄像机采用台湾BENTECHINDUSTRIAL有限公司生产的CV-155L黑白摄像机。该摄像机分辨率为752x582。图象采集卡我们采用北京中科院科技嘉公司开发的基于PCI总线的CA-MPE1000黑白图象采集卡。使用图像采集卡分三步，首先安装采集卡的驱动程序，并将虚拟驱动文件VxD.vxd拷贝到Windows的SYSTEM目录下；这时候就可以进入开发状态了，进入VC开发平台，生成新的项目，由于生产厂家为图像采集卡提供了以mpew32.dll、mpew32.lib命名的库文件，库中提供了初始硬件、采集图像等函数，为使用这些函数，在新项目上连接该动态库；最后一步就是采集图像并显示处理了，这一步要设置系统调色板，因为采集卡提供的是裸图形式，既纯图像数据，没有图像的规格和调色板信息，这些需要开发者自己规定实现，下面是实现的部分代码：

CTestView::CTestView()

{

W32_Init_MPE1000();//初始化采集卡

W32_Modify_Contrast(50);//下面的函数是为了对采集卡进行预设置

W32_Modify_Brightness(45);//设置亮度

W32_Set_HP_Value(945);//设置水平采集点数

wCurrent_Frame=1;//当前帧为1，获取的图像就是从这帧取得的

//设置采集信号源，仅对MPE1000有效

W32_Set_Input_Source(1);

W32_CACardParam(AD_SETHPFREQ,hpGrabFreq);

W32_Set_PAL_Range(1250,1024);//设置水平采集范围

W32_Set_VGA_Mode(1);

wGrabWinX1=0;//采集窗口的左上角的坐标

wGrabWinY1=0;

firstTime=TRUE;

bGrabMode=FRAME;

bZipMode=ZIPPLE;

/

lpDib=NULL;//存放获取的图像数据

}

CTestView::~CTestView()

{

W32_Close_MPE1000();//关闭采集卡

}

////显示采集的图象，双击鼠标采集停止

voidCTestView::OnGraboneframe()

{

//TODO:Addyourcommandhandlercodehere

wCurrent_Frame=1;

//设置采集目标为内存

W32_CACardParam(AD_SETGRABDEST,CA_GRABMEM);

//启动采集

if(lpDib!=NULL)

{

GlobalUnlock(hglbDIB);

GlobalFree(hglbDIB);

}

//分配内存

hglbDIB=GlobalAlloc(GHND,(DWORD)wImgWidth*(DWORD)wImgHeight);

lpDib=(BYTE*)GlobalLock(hglbDIB);

hdc=GetDC()->GetSafeHdc();

if(lpDib!=NULL)

{

cxDib=wImgWidth;

cyDib=wImgHeight;

SetLogicPal(hdc,cxDib,cyDib,8);

SetStretchBltMode(hdc,COLORONCOLOR);

bGrabMark=TRUE;

while(bGrabMark==TRUE)

{

if(msg.message==WM_LBUTTONDBLCLK)

bGrabMark=FALSE;

W32_ReadXMS2Buf(wCurrent_Frame,lpDib);

SetDIBitsToDevice(hdc,0,0,cxDib,cyDib,0,0,

0,cyDib,(LPSTR)lpDib,

bmi,

DIB_RGB_COLORS);

}

//停止采集

W32_CAStopCapture();

::ReleaseDC(GetSafeHwnd(),hdc);

return;

}

////将下面这个函数添加在视图类的CTestView::OnSize（）函数中，就可以对系统的调色板进行设置。

voidWINAPIInitLogicPal(HDChdc,shortwidth,shortheight,WORDbitCount)

{

intj,i;

shortcxDib,cyDib;

LOGPALETTE*pLogPal;

j=256;

if((pLogPal=(LOGPALETTE*)malloc(sizeof(LOGPALETTE)+(j*sizeof(PALETTEENTRY))))==NULL)

return;

pLogPal->palVersion=0x300;

pLogPal->palNumEntries=j;

for(i=0;ipLogPal->palPalEntry[i].peRed=i;

pLogPal->palPalEntry[i].peGreen=i;

pLogPal->palPalEntry[i].peBlue=i;

pLogPal->palPalEntry[i].peFlags=0;

}

hPal=::CreatePalette(pLogPal);

deletepLogPal;

::SelectPalette(hdc,hPal,0);

::RealizePalette(hdc);

cxDib=width;cyDib=height;

if((bmi=(BITMAPINFO*)malloc(sizeof(BITMAPINFOHEADER)+j*sizeof(RGBQUAD)))==NULL)

return;

//bmi为全局变量，用于显示图像时用

bmi->bmiHeader.biSize=40;

bmi->bmiHeader.biWidth=cxDib;

bmi->bmiHeader.biHeight=cyDib;

bmi->bmiHeader.biPlanes=1;

bmi->bmiHeader.biBitCount=bitCount;

bmi->bmiHeader.biCompression=0;

bmi->bmiHeader.biSizeImage=0;

bmi->bmiHeader.biXPelsPerMeter=0;

bmi->bmiHeader.biYPelsPerMeter=0;

bmi->bmiHeader.biClrUsed=0;

bmi->bmiHeader.biClrImportant=0;

for(i=0;ibmi->bmiColors[i].rgbBlue=i;

bmi->bmiColors[i].rgbGreen=i;

bmi->bmiColors[i].rgbRed=i;

bmi->bmiColors[i].rgbReserved=0;

}

}

视频"画中画"技术

"画中画"这个概念类似与彩色电视机"画中画"，就是在一幅大的图像内显示另外一幅内容不同的小的图像，小图像的尺寸大小一般地说为大图像尺寸的1/4或1/9，显示位置在大图像的右上角。这种技术不仅在电视技术中，在可视电话系统也可以发现这种技术的身影，它们都是依靠硬件来实现的，但是如何在VC开发平台上用编程语言来将该功能添加到自己开发的视频监控软件，为使用者提供更大的信息量呢？也许读者最容易想到的是首先显示大图像，然后再在一个固定位置画第二幅小图像，这种技术技术如果对于静止图像当然没有问题，但是对于视频流，由于每一秒钟需要画25幀，即25幅图像，这样一来计算机需要不停的画不停的擦除，会给用户以闪烁的感觉，如何解决这个问题呢？有的参考书上将大小图像分快显示，这种方法要将待显示的图像数据与显示位置的关系对应起来，容易出错不说，而且麻烦，且速度慢，为此，我对该方法进行了改进，得到了满意的效果。实现的代码如下：

voidpictureinpicture()

{

………………………..

CBitmapbitmap,*oldmap;

pData1=(BYTE*)newchar[biWidth*biHeight*3];//biWidth和biHeight为视频采集卡获取//的图像尺寸。

Read(pData1,bih.biWidth*bih.biHeight*3);//该函数从采集卡中获取数据

CClientDCdc(this);

m_pBMI1=newBITMAPINFO;//自定义的BMP文件信息结构，用于后面的图像显示

m_pBMI1->bmiHeader.biBitCount=24;

m_pBMI1->bmiHeader.biClrImportant=0;

m_pBMI1->bmiHeader.biClrUsed=0;

m_pBMI1->bmiHeader.biCompression=0;

m_pBMI1->bmiHeader.biHeight=biHeight;

m_pBMI1->bmiHeader.biPlanes=1;

m_pBMI1->bmiHeader.biSize=40;

m_pBMI1->bmiHeader.biSizeImage=WIDTHBYTES(biWidth*8)*biHeight*3;

m_pBMI1->bmiHeader.biWidth=biWidth;

m_pBMI1->bmiHeader.biXPelsPerMeter=0;

m_pBMI1->bmiHeader.biYPelsPerMeter=0;

////////////////////////////////////////////////////////////////////////

pData2=(BYTE*)newchar[biWidth1*biHeight1*3];//申请存放小图像的缓冲区

Read(pData2,biWidth1*biHeight1*3);////向该缓冲区读数据

m_pBMI2=newBITMAPINFO;

m_pBMI2->bmiHeader.biBitCount=24;

m_pBMI2->bmiHeader.biClrImportant=0;

m_pBMI2->bmiHeader.biClrUsed=0;

m_pBMI2->bmiHeader.biCompression=0;

m_pBMI2->bmiHeader.biHeight=biHeight1;

m_pBMI2->bmiHeader.biPlanes=1;

m_pBMI2->bmiHeader.biSize=40;

m_pBMI2->bmiHeader.biSizeImage=WIDTHBYTES(biWidth1*8)*biHeight1*3;

m_pBMI2->bmiHeader.biWidth=biWidth1;

m_pBMI2->bmiHeader.biXPelsPerMeter=0;

m_pBMI2->bmiHeader.biYPelsPerMeter=0;

//下面实现画中画的显示

CDCMemDc;

MemDc.CreateCompatibleDC(&dc);

bitmap.CreateCompatibleBitmap(&dc,biWidth,biHeight);

oldmap=MemDc.SelectObject(&bitmap);

::StretchDIBits(MemDc.m_hDC,0,0,biWidth,biHeight,0,0,—biWidth,biHeight,pData1,m_pBMI1,DIB_RGB_COLORS,SRCCOPY);//首先将大图像画在内寸上下文中

::StretchDIBits(MemDc.m_hDC,20,20,biWidth1,biHeight1,_

0,0,biWidth1,biHeight1,pData2,m_pBMI2,DIB_RGB_COLORS,SRCCOPY);//再将小图像画在内寸上下文中

::StretchBlt(dc.m_hDC,0,0,bih.biWidth,bih.biHeight,_

MemDc.m_hDC,0,0,bih.biWidth,bih.biHeight,SRCCOPY);//将结果显示在屏幕上。

MemDc.SelectObject(oldmap);

deletepData1;

deletem_pBMI1;

篇（2）

2新技术

网络作为第四媒体，其显示终端可能是计算机，平板，电视或智能手机，为了页面兼容等原因，前端设计出现了很多新技术，如div+css技术，Javascript技术等，为了方便管理，一般采用对象的结构、表现和行为分开。结构是对象的内容，表现是其外观，而行为是与浏览者的交互，或者说是浏览者进行鼠标点击或输入内容等操作时，页面的反应。在进行网页设计过程中，图像对象也是如此，利用代码可以对图像进行一些效果的处理，起到资源占用少，页面维护容易等目的，还可以达到一些用基本图像处理技术不易实现的效果。用div+css结合Javascript技术可以实现在网页前端一些设计效果和逻辑处理功能，比如图像轮播和验证码校验功能。在一个存在后台管理的网站中，网页的很多内容来自于后台数据库，一些图片也不例外，内容需要和后台交互，根据数据库的内容和页面的特定逻辑，决定图像的外观。这是基本图像处理技术无法实现的，需要设计者了解动态页面设计技术，常见的技术有，php和jsp技术等。

篇（3）

2三维实体重建

计算机信息处理技术的发展，特别是人工智能、模式识别、计算机模拟、知识库和数据库等技术的发展，使人们能将物理、化学理论与大批杂乱的试验资料结合起来，用归纳和演绎相结合的方法为新材料的研制做出决策，为材料设计和实施提供了行之有效的技术手段。现代计算机技术和图像处理技术，特别是快速原型制造技术与CT扫描、MR（I磁共振成像）等技术结合，都已成功地在医学上得到应用。而通过利用计算机技术，建立相应的数学模型，可以在一定的控制条件下进行仿真研究。

2.1数据的采集

首先要对病人预置换股骨头处进行CT断层扫描，分别进行俯视图扫描、主视图扫描，目的是为了得到清晰的股骨头球面轮廓，如图1所示。然后将清晰的目标图像按照与实物1∶1的比例进行截图后扫描至计算机，并将图像转换成512×512Bit的数字图像，像素灰度为0～255，利用图像处理技术进行消除噪声、灰度校正等处理。

2.2图像边界轮廓提取与修整

通过AutoCAD中的光栅图像参考功能，将处理后的图片（1∶1）依次导入为背景，再利用多线段、剪切、圆等绘图工具对目标进行轮廓标记与识别。医学图像的轮廓识别比较复杂，主要是由于扫描进来的关节图像的粘连性较大，甚至会出现错误识别、假轮廓。为此，在轮廓跟踪处理完之后，必须对轮廓进行修正，使不符合要求的虚假轮廓得以清除，可采用自动修正或手工修正。对于没有平滑掉的杂点而产生的虚伪轮廓，根据比较两个封闭曲面内像素点的多少来进行清除，保留大轮廓，舍掉小轮廓，对于不能自动判断的粘连、不连续等失真现象，使用手工控制方法。删除底片保留轮廓线，利用软件将其进行贝塞尔曲线修整，结合CT扫描的尺寸数据按比例调整为建模尺寸。目前，关于三维重建的方法是：通过扫描仪将CT实体照片以高分辨率模式扫描为电子照片格式，然后利用PS对其进行二值化处理，使用Freeman进行链码提取并跟踪轮廓，再将每个断层外轮廓数据导入AutoCAD中，组成一个三维体数据，再进行曲面重建，最终利用蒙皮法得到三维形体。这种方法可以制造出与病人骨形完全一致的假体，关键是要精确地提取股骨头球面轮廓尺寸和形状，这样才能使股骨头与股骨腔吻合程度较高。

2.3矢量化处理

采用软件CAXA实体设计中的扫描、投影、放样和布尔运算功能可以更加快捷地实现建模。首先，将提取并修整后的轮廓放入实体设计环境中，编辑两个方向的轮廓截面，以轮廓中心点为基准，按照2∶3∶5的比例缩小轮廓，得到同心3个相同的轮廓截面；然后，按照主视图和俯视图轮廓显示的高度，激活三维球，将轮廓依次放置在底部、中间和顶部，并从上至下依次投影，以顶部底面为起始面、底部上面为终止面进行放样操作。此时，计算机会自动计算处理成型，由原先的3个面，得到1个完成的实体结构。最后，将两个方向上形成的实体利用三维球同心，进行布尔加法运算，得到组合实体，将组合体的多余部分利用“分割实体表面”功能完成股骨头的三维建模。

3快速原型制造

快速成型技术应用于人工关节和人造骨制造过程中，不仅可以提高成品的设计质量，还可以缩短产品的设计周期。目前，假体移植手术需求量大，为保证手术的尽快实施和手术的成功率，就必须采用快速成型技术。随着电子仪器和计算机技术的发展，快速成型机应运而生，快速成型技术是医学领域与工程领域相结合的敏捷制造系统，主要有：光固化立体模型（SL）、选择性激光烧结（SLS）、层片叠加成型（LOM）和熔融沉积造型（FDM）。

3.1RPM成型机

传统的制造成型过程是利用铸造制造出毛坯，然后对毛坯进行磨光或抛光，形状和精度是通过从毛坯上去掉多余的材料来保证的，吻合度不高，而快速成型的基本理念则是在计算机的控制下，将材料精确地堆积成型，无需加工即可制造。将设计出的三维实体转换为快速成型机所能接受的STL格式，输入机器，该机的基本原理是将实体模型切片成一系列具有一定厚度的薄层，计算机控制其激光束按薄片截面轮廓形状将薄层材料切割出该层横截面的形状，然后层层堆积并得到实体。

3.23D打印成型

3D打印技术是根据CAXA分层模型所获得的两维像素信息，利用喷嘴向待成型体床上喷射黏结剂，每打印完一层后，粉料床通过底部活塞向下移动一段距离，并在粉料床的底部添加新的粉料，再根据计算机要求向新的粉料床喷射黏结剂，重复此过程，完成后去除未喷射黏结剂的粉料，立刻得到成型的实体。如果喷射的黏结剂中含有其他具有某种功能的成分，则可以控制零件中局部成分的变化；增加喷头数目，则可以得到在不同的区域具有不同功能和成分的整体零件。3D打印可以用于成型陶瓷、金属、金属陶瓷复合材料及高分子材料的假体中。

3.3快速成型制造技术在骨修复外科中的应用

随着材料科学和医学的发展，生物陶瓷在医学上尤其是矫形外科和骨修复外科中的应用也越来越广泛。但由于病人个体差异和实际情况的不同，使得骨修复体必须根据病人的实际情况来定制，而且在临床上为减少病人的痛苦又要尽量缩短定制时间。快速成型技术正好具有这两个优点，特别适合单件或小批量生产并且能够实现快速制造。快速成型技术可精确地复制出人工关节，从而使设计出的人工关节可以在由原型翻制成的模型上进行验证，确定其受力分布、结合面设计是否合理。目前，有关研究人员已经开始研究如何将CT扫描的数据直接传到快速成型机上，这样将减少中间环节较为复杂的三维重建过程，并减少因数据转换造成的误差，使快速成型产品直接应用于临床。

篇（4）

现今，伴随着信息技术的迅速发展与用户需求的逐年提高，嵌入式系统的应用逐年扩大，已经逐渐的融入到了国民生产的诸多方面。嵌入式系统具体讲，就是一种拥有特定功能的计算机系统。嵌入式系统与网络技术、通信技术有机结合，有效的提高了通信的智能性与灵活性。应用嵌入式系统对图像进行处理，可以显著的提高图像处理系统的数据处理、通信等能力，进而有效的扩大图像处理技术的使用范围，以及对于不同要求与环境的适应能力。应用嵌入式系统进行图像处理，是进行图像处理的新的途径之一。当前图像处理技术应用范围十分广泛，涉及仪表检测安全、消费电子、工业自动化、医学等领域，因此图像处理技术具有十分广泛的应用前景。

1嵌入式图像处理系统特点

1）图像处理系统，具有系统专用的图形用户界面，同时具备运行速度快、简单易用与功能强大的特点。2）图像基础数据库的建立，可以为智能化模式识别技术，诸如图像匹配等提供支持。3）改变了原有的对待处理图像的处理策略与算法，可以依据具体的待处理图像的不同特点，提供有效的图像处理算法，进而提高图像处理的效率与速度。4）对于外部图像的总线结构与输入输出设备等都是采取专用的设备，进而有效的提高了外部图像输入输出设备、中央计算单元的数据交换速度。5）改变了原有的计算机体系结构，应用了嵌入式的专用平台，同时应用图像高速处理器，使图像处理的速度有效的提高，同时也提高了图像处理任务的实时性。

2图像处理系统总体设计

2.1嵌入式图像处理系统

嵌入式图像处理系统，具体由嵌入式操作系统、图像处理算法的应用软件与硬件平台构成。系统的组成结构图具体如图1所示。硬件平台可以为图像处理提供显示、存储器与计算支持，主要采用的是MagicARM2410嵌入式开发平台，同时包括图像存储模块；显示模块；通信模块；嵌入式处理器S3C2410、SDRAM等。

2.2图像处理过程

嵌入式操作系统，可以为底层硬件提供有效的技术支持与管理，诸如可以进行图像处理任务管理；中断管理；内存管理；任务管理；驱动支持等。首先，在系统启动后，经由引导程序启动操作系统，进而完成硬件的初始化。其次，经由操作系统的任务管理模块，进行内存的分配，同时将图像信息存储在存储器的视频缓冲区中。第三，经由软件算法，将显示缓冲区的图像信息，写入到LCD缓冲区，进而实现图像的实时显示。第四，通过图像处理的算法，进行图像的编码与处理，同时进行存储。应用软件可以实现图像处理算法，其主要是针对目标要求编写的专用程序。

2.3系统的功能设计

嵌入式图像处理可以有效的解决在嵌入式环境下实现图像的处理。具体的主要应用模块化设计的方式，将需要系统完成的任务进行功能模块化的设计。在每一个模块中，都包含一类图像处理的操作方法，而且在进行执行时都会调用对应的算法。系统功能模块具体如图2所示，主要分为形态运算；几何变换；图像分析；图像增强。其中图像增强的模块具体又包括：灰度变换调整；直方图修正法；直方图等，具体如图3所示。各大系统模块的下面都会细分图像的处理操作，其余的三个模块的设计形式与图像增强模块的设计具有相似性。

3图像处理系统发展趋势

1）在图像处理系统的内部，主要进行集成软件的开发，对于用户而讲，可以依据自己的需求开发相应的图像处理算法，可以显著的提高系统的效率。2）图像处理系统与网络的结合性逐渐提高，进而实现了图像的远程传输与采集。3）图形处理系统的功能不再完全借助PC与多种辅助设备，而是会集成在一个方便使用的电子设备上。4）伴随硬件设备的进步，图像处理系统的性能逐年提高，因而价格也会逐年下降。

4结语

在嵌入式系统的图像处理技术的基础上，使得图像处理领域中出现了人机用户界面、多种通信模式与网络接口的便捷性。图像处理技术的应用范围越来越广泛，因此，在未来的发展道路上，其必然会朝着网络化、便携性、多任务与多功能的方向发展。伴随着嵌入式操作系统的强大功能，图像处理技术的发展方向必定会更加宽广。

[参考文献]

[1]崔磊,董守平,马红莲.数字图像处理技术的发展现状与展望[M].北京:中国石油大学出版社,2003.

[2]刘禾.数字图像处理及应用[M].北京:中国电力出版社,2005.

[3]杨永敏.嵌入式图像处理系统的研制[D].哈尔滨工业大学硕士学位论文,2006.

[4]杨柯.嵌入式图像处理技术研究及其应用[D].西北工业大学硕士学位论文,2003.

[5]宋延昭.嵌入式操作系统介绍及选型原则[J].工业控制计算机,2005.

篇（5）

作者简介：宁纪锋（1975-），男，陕西韩城人，西北农林科技大学信息工程学院，副教授。（陕西 杨凌 712100）

基金项目：本文系西北农林科技大学教学改革研究项目（项目编号：JY1102077）、西北农林科技大学本科优质课程建设项目的研究成果。

中图分类号：G642.0 文献标识码：A 文章编号：1007-0079（2013）34-0122-02

“数字图像处理”是西北农林科技大学（以下简称“我校”）信息工程学院为计算机科学与技术、软件工程、信息与计算科学等多个理工科专业所开设的一门专业必修课。该课程涵盖数学、物理、信号处理、心理学、计算机科学等多个领域的知识，与本科阶段的高等数学、线性代数、概率论、面向对象编程、数据结构、算法分析等多门课程密切相关，对后续的特征提取和图像理解等高级计算机视觉处理课程具有重要的基础作用。同时，它在“模式识别”、“人工智能”和“机器学习”等专业课程体系中起着重要的作用。[1-3]

一、课程改革的必要性

由于图像处理理论性强，内容抽象，算法较多，涉及的理论和方法既包含时域（空域）、变换域（频域为主）、数学形态学、地理学（如分水岭算法），还涉及到模式识别理论的一些知识，学生理解起来有一定难度，在解决实际问题时，面临着无从下手的困难。同时，图像处理技术应用较为广泛，随着数字成像设备的广泛使用和智能手机的普及，社会对图像处理人才的需求也日益增加，这些都对课程教学提出了更高的要求。在教学过程中发现“数字图像处理”的传统教学模式中，在课程定位、教学模式和教学内容上存在一些问题。

1.课程定位不明确

“数字图像处理”在本科教学过程中有着两种比较冲突的定位，导致课程教学过程存在两种倾向。一是不顾本科学生实际情况向研究生课程看齐，将重点放在数字图像处理理论内容。但这些内容与实际应用联系并不紧密，忽视它的应用性和实践性强的特点，从而导致理论与实践脱节，造成学生在编程能力上的欠缺。二是过分强调应用技能，把数字图像处理等同于讲授Photoshop等应用软件的使用，或以讲授MATLAB和Open CV图像处理函数为主，不重视原理和算法，忽略了对本科生科学素质和研究能力的培养。

2.传统教学模式与授课对象差异性的矛盾

“数字图像处理”通常要求先研修“高等数学”、“线性代数”、“概率论与数理统计”和“数字信号处理”等课程，但是一些本科专业并没有完整开设这些课程。例如，我校计算机科学与技术专业学习“数字信号处理”课程，但软件工程和信息与计算科学专业未开设该类课程。此外，在实验环节中，教师根据教学大纲设置的实验内容通常比较固定，而未考虑学生专业和背景知识的差异、统一的实验环境模式，使得有的专业学生因为知识储备不足，学习起来有一定困难；而有的专业学生则感觉学习内容简单、缺乏挑战性，使得教师讲授时在调动学生积极性、提高学生实践能力方面难以协调。

3.教材与学科发展不一致

数字图像处理内容涉及到矩阵运算、信号处理、概率论与数理统计等多个内容交叉学科，与新兴学科的发展密切相关。当前，在人工智能、模式识别和机器学习等新兴学科的推动下，数字图像处理技术发展越来越快。传统的教材或过于偏重推导理论，与应用实践偏离，或成为图像处理软件或函数（如 Photoshop、MATLAB或Open CV）的使用说明书，使得学生难以深入学习图像处理知识，影响对该门课程的掌握。

二、课程改革方法

根据授课专业对象的实际情况，在教学内容、教学方法、完善实验教学和考核等方面对该门课程进行一系列改革，充分利用图像处理实践性强的特点，依托我校在数字图像处理方面长期积累的理论和研究资源，将理论方法与实践应用有机结合，构建了全面系统的数字图像处理教学体系。多年教学效果表明，该教学模式有效克服传统数字图像处理教学存在的局限，极大增强了学生的学习兴趣，提高了学生的动手能力和创新素养。

1.完善课程内容体系，适应图像处理发展

数字图像处理是一门发展中的课程，每年都有许多新的研究理论和方法不断涌现，需对课程不断进行完善，以适应图像处理学科的发展。在保持图像处理课程核心内容的基础上，注重将最近的该学科具有代表性的成果纳入教学。精简和更新一些陈旧的和目前图像处理实际中很少使用的一些方法。其次，将一些现代经典的科研论文，以补充教材的形式，作为教学内容。将一些理论性较强，对数学基础要求较高的内容，如主动轮廓分割模型和目标跟踪方法等作为选学内容，供有兴趣的学生学习。

考虑到OpenCV和MATLAB的广泛使用，图像文件的读写已非常简单，因此，减少对图像文件格式的讲解；在图像分割与边缘检测中，删掉投影法与差影法内容，因为该方面内容在实际中已很少使用；在频域处理中，淡化对傅里叶变换理论和算法的讲解，重点放在其思想和应用上。

2.应用全方位教学手段，构建立体化教学资源

针对“数字图像处理”课程理论性和实践性较强、可视化程度较高的特点，综合利用图像、视频信息、可视化编程软件和网络资源等现代化教育技术，从课堂、实验、应用实践等诸多环节探索立体化教学资源。结合不同专业需求，运用MATLAB、Open CV等软件工具包开发图像处理实验平台，建立网络化辅助教学系统，使抽象概念和算法形象化，激发学生思维。例如，建立图像处理标准测试库，包括了图像去噪、图像分割、图像变换和特征提取与识别等核心内容涉及到的测试数据；在参考教材方面，提供了国内外知名大学出版的数字图像处理和计算机视觉教材及计算机视域的专著；在多媒体课件方面，提供多年从国内外知名大学网站上搜集到多个数字图像处理和计算机视觉的电子课件，供学生学习；在代码方面，提供了数字图像处理方面的经典和最新的一些科研成果的源代码或可执行软件，学生自己运行代码并分析实验结果，加深对图像处理课程的认识。

3.以学生发展为本，建立多元化的考核评价标准

在传统方式下，教师常以期末考试和出勤率来评价学习效果，忽略了对学生参与学习活动和学习过程的评价。大部分学生往往在考试前突击学习，没有真正掌握扎实的知识。因此，本教学改革以过程控制为中心，以能力提高为目标，对考核方式进行改革，实行常规考核与过程性考核相结合的方式，准确把握学生的真实成绩，全面衡量和控制教学质量，既要考学生的基本理论，更要考他们运用知识和方法设计图像处理方案、完成图像处理实际任务的能力。在授课过程中，注重课堂考察环节，加强师生交互，动态掌握学生对授课内容的理解。开展专题讨论课程，让学生大胆提问，锻炼学生创新思维能力，对表现突出的学生增加平时分。

4.开展研究性课堂教学探索

在教学改革中，精选了若干图像处理经典和前沿专题讨论，包括论文、程序源代码和辅助材料。在课程一开始就布置任务给学生课下自学，并安排学生上台讲授，其他学生提问，教师给予点评，并组织学生一起讨论，加深对图像处理课程的认识，培养学生综合运用知识的能力，提高创新素养。

例如，在图像分割专题讨论中，以经典Mean Shift分割为主要内容，Graph Cut和交互式分割两个方向作为补充内容，开展专题讨论。因为这些广泛使用的算法涉及到高等数学、线性代数、概率论、数据结构和算法设计等多门所学课程。通过自学、上课讨论和教师点评，学生对以前所学基础和专业知识有了更深层次的理解。同时，这些算法都面向彩色图像，克服了教材中以灰度图像为主要分割对象的不足。

5.开展研究性实践教学

传统“数字图像处理”课程实践教学强调基本算法的实现，未强调算法之间的逻辑联系，忽略了数字图像处理基本算法的综合训练。在改革中，保留图像处理基本核心算法，将科研项目融入教学实践中，通过设计研究性综合实践项目，注重学生对所学知识的综合理解和提升。例如，“图像去雾”综合训练实践，以如何有效果去除图像中的雾增强图像质量为目标。该任务以2009年国际计算机视觉和模式识别会议（CVPR）的最佳论文《基于暗通道通先验的单幅图像去雾》[4]为主要内容，涉及到图像处理的多个基本算法，同时也包含了物理学和光学的一些知识。通过将新的实践教学手段应用到教学中，突出对学生思维能力、科研能力和创新能力的培养。

三、结论

通过分析数字图像处理目前存在的课程定位模糊、传统的教学模式与授课对象差异性的矛盾和教材内容与学科发展脱节等问题，笔者根据学科专业特点，结合授课教师的科研项目，从完善课程内容体系、构建立体化教学资源、多元化考核评价标准和开展研究性教学探索等五个方面进行开展数字图像处理教学改革。多年教学效果表明，该教学方法克服传统教学方法所存在的弊端，极大地提高了学生的自主学习能力。学生较好地掌握数字图像处理的核心内容，了解当代图像处理的代表性成果和前沿趋势，综合应用能力和创新素养明显增强，为培养具有较强适应能力的应用型和创新型人才打下坚实的基础，适应了新世纪对信息技术人才的培养要求。

参考文献：

[1]何东健.数字图像处理[M].西安：西安电子科技大学出版社，2008.

篇（6）

理工医相结合就是在知识结构上培养既懂医学又掌握工程技术的复合型人才，这是学科特色的要求也是社会的需求。我校由于有理工医学科的优势，特别是具有享有“南湘雅，北协和”盛誉的湘雅医学院以及三所全国“三甲”附属医院，因此，在理工医复合型人才培养方面，我们具有自己独特的优势。我们培养的研究生不仅具有深厚的理工医基础，而且具有独立分析和解决生物医学工程领域相关技术问题的能力。如，我们培养的医学成像与图像处理的研究生不仅有去大型医疗器械企业的，也有去大型医院放射科的，当然还有专门从事图像处理软件开发的。由于他们知识结构的全面性，受到了各用人单位的好评。生物医学工程专业的研究生常常由来自不同高校、不同学科领域的学生组成，由于各高校培养模式的差别以及侧重点不一样，研究生自身知识水平、实践经验、兴趣爱好也不一样，因此，在制定培养计划时，各个导师还要了解并征求学生的意见，选课和选题都因人而异，做到具体问题具体分析。例如，对数学理论基础好、年纪轻、又有兴趣的应届毕业入学的研究生，建议其进行应用基础理论方面的研究；对有工作经验的在职入学的研究生安排其进行相关的应用型研究。研究生个人的专业兴趣得以实现，有助于充分调动每个人的积极性，使之能充分发挥自己的潜能。

在培养阶段，还要使研究生在本学科的某一方面进行专家培养和训练，同时在其它相关学科也要进行广博的基础教育，使他们能在所从事的领域中具有较强的研究和开发能力。另外，还要培养他们广博的专业基础和社会人文知识，培养他们自我获取知识和综合分析问题的能力，以及优良的科学思维和创新意识，强调将知识、能力向高素质的升华与内化。

2.课程设置

课程结构关系到研究生的知识结构和科研技能。由于生物医学工程专业理工医复合交叉的特点，课程设置也和其它学科有所区别。目前，我国生物医学工程博士学科点只有一级学科，下面没有设置二级学科，主要原因就是生物医学工程涉及到的学科领域太广，它的研究方向和课题广泛渗透于医学、生物、电子、计算机、材料等学科。当然，每个高校在生物医学工程领域的研究都很难做到大而全，而是根据自身的优势和特点，选择其研究领域，并进而决定其课程设置。譬如清华大学生物医学工程专业的主要研究方向包括生物芯片、神经工程、微纳医学等，尤其是以程京院士为主的生物芯片技术占主导地位，因此，该校生物医学工程的课程设置就以生物类为主，辅之以《生理系统仿真与建模》、《数字信号处理》、《随机信号的统计处理》、《医学成像系统》等课程。我校的生物医学工程专业目前主要侧重于医学成像与图像处理、医学仪器与生物传感器等，因此，课程设置也以电子信息类课程为主，如《医学成像原理》、《医学图像处理》、《神经网络与模式识别》、《医学仪器原理》等。

另外，由于大部分高校的生物医学工程研究生招生几乎是面向所有的工程学科，因此，以前没有学过医学类课程的研究生，一般高校都会要求学生加以补修。有些导师也会根据研究课题的需求或个人研究领域的需求要求学生选修一些相关课程。如我校的新入学生物医学工程研究生，如果以前没有学过医学类课程，我们一般会要求学生补修《人体解剖生理学》、《病理学》等课程；有些研究生还会根据导师的需求补修《生理系统仿真与建模》、《现代数字信号处理》、《生物力学》、《生物化学》、《医学仪器》等课程。

3.过程管理

创新能力是科研能力的核心，创新意识、创造精神、创业能力的培养是研究生培养过程的重要环节，是研究生培养质量的主要标志。研究生培养过程管理是研究生创新能力培养的重要保证，这里所说的培养过程管理主要包括生物医学工程专业研究生的科研选题、中期考核和论文答辩等环节。

3.1 科研选题

作为科学研究的起点，选题不仅关系到科研的方向、目标和内容，直接影响着所运用的方法与途径，同时还决定着成果的水平、价值及发展前途。因此，在第一年生物医学专业基础科目系统整合与学习之后，则完成培养环节第一步，进入科研选题阶段。研究生的选题要与导师的科研项目相结合、与生物医学工程的学术前沿相结合，同时也要强调与理工医多学科相结合。科研选题必须在足够的调研、文献阅读甚至科学实验的基础上进行，否则就是无源之水，很难继续。譬如，医学图像处理领域的科研选题不仅要与图像处理的相关知识挂钩，还与相关的医学知识紧密相连，因此，我们必须要查阅大量的关于图像处理、医学影像、病理诊断等的相关文献，必要时还得与医院合作，参加医院的短期培训等。另外，科研选题还要注意团队协作，有些大的科研课题不是一两个人能够完成的，而是在导师的指导下，由博士、硕士组成的团队完成的，因此，科研选题也需在整个团队的指导下合作分工，共同参与。

3.2 中期考核

研究生的培养是一项较复杂的系统工程，涉及到学科建设、导师队伍、科研实力、教、学、管等多个环节，每个环节都离不开严格的管理，而管理的核心问题是要建立淘汰机制。研究生中期考核作为研究生的淘汰机制之一，对研究生的质量调控和把关起着重要的作用。在整个研究生的培养过程中，中期考核处在一个承前启后的重要位置。“承前”，是指经过一年半到两年的学习与科研参与后，研究生基本掌握了本领域的重要理论和一定的科研技能，了解了该研究领域的相关背景；“启后”，是指有必要了解研究生对已学到的理论和技能是否消化吸收，是否能灵活运用。

我校生物医学工程专业研究生的中期考核在科研选题之后的研究生第二学年末进行。中期考核不仅包括对所选课题的进展情况检查，还包括研究生参与学术活动的积极性。研究生在第一学年末完成选题，其后则必须进行为期一年的课题研究与实践活动，将所学理论与实践或实验相结合，以实践来验证与丰富理论，并寻求新的方法解决实践过程中出现的新问题。中期考核实际上是对研究生科研、协作与创新能力不断提升的过程。另外，研究所经常邀请一些在生物医学工程领域取得突出业绩的国内外知名学者来校讲学或作学术报告，这是所有研究生必须参与且严格考核的。另外，我们的研究生每人每周举行一次学术汇报，课题组老师的所有学生必须参与，汇报后老师给予点评及相关指导意见。

3.3 论文答辩

学位论文作为研究生教育的重要组成部分，也是研究生教育的总结性成果，集中反映了研究生的综合知识体系、专业知识、创新能力和研究水平。教育部规定研究生在申请学位时必须完成学位论文答辩，它是每一位研究生培养过程中的必要和重要环节。因此，在研究生培养的第三年就是学位论文的整理与撰写，在第三年末进行学位论文答辩，每位研究生必须通过论文答辩委员会公开统一的答辩评审后才允许毕业。通过学位论文答辩，可以检验研究生课程学习的效果，衡量研究生的创新能力，考察研究生在文献检索、资料运用、论文写作、观点论证和辩驳等方面的水平和技巧；对于学校而言，研究生学位论文答辩是检验研究生教育质量的主要依据；对于导师而言，研究生学位论文答辩是检验导师指导质量的主要依据。可以说，研究生学位论文答辩是研究生教育中重要、严肃的环节。我校生物医学工程专业研究生在学位论文答辩之前必须先由学校统一，也就是要求每位研究生的学位论文必须是自身学习研究成果的总结与提炼，如果与“中国学术期刊网”上所有论文的累计重复率超过5%，则论文必须发回重改，且重改次数不能超过2次，否则推迟半年至一年时间才能允许答辩。研究生论文之后，硕士学位论文由研究所统一匿名送至本所的相关老师评审，博士学位论文则一式三份全部由学校研究生院统一匿名邮寄至设有生物医学工程专业博士点的全国三所不同高校，再由这些高校的研究生院根据论文题目指定评审专家，这些高校不能在本省，也不能在同一省或市。当然，由于生物医学工程专业研究生的理工医跨学科培养性质，各高校研究生院在送审论文时，可以送至与之相关的学科专家评审。如医学图像处理领域的论文可以送至从事图像处理与模式识别研究的专家评审，也可送至从事计算机应用技术图像处理研究方向的专家评审。

篇（7）

全息技术是物理学中一重要发现，越来越多的应用于各个行业。伴随着CCD技术和计算机技术的发展，全息技术也得到一次质的飞跃，从传统光学全息到数字全息。传统光学全息将物光和参考光干涉得到全息照片来记录光的振幅和相位信息，而数字全息则用CCD记录物光和参考光的干涉，形成数字全息图，再通过计算机图像处理技术处理全息图。因此，影响数字全息技术发展有两个重要方面：CCD技术和计算机图像处理技术。

1.图像处理技术。图像是现代社会人们获取信息的一个主要手段。人们用各种观测系统以不同的形式和手段获得图像，以拓展其认识的范围。图像以各种形式出现，可视的、不可视的，抽象的、实际的，计算机可以处理的和不适合计算机处理的。但究其本质来说，图像主要分为两大类：一类是模拟图像，包括光学图像、照相图像、电视图像等。它的处理速度快，但精度和灵活性差。另一类是数字图像。它是将连续的模拟图像离散化后处理变成为计算机能够辨识的点阵图像。从数字上看，数字图像就是被量化的二维采样数组。它是计算机技术发展的产物，具有精度高、处理方便和重复性好等特点。

图像处理就是将图像转化为一个数字矩阵存放在计算机中，并采用一定的算法对其进行处理。图像处理的基础是数学，最主要任务就是各种算法的设计和实现。目前，图像处理技术已经在很多方面有着广泛的应用。如通讯技术、遥感技术、生物医学、工业生产、计算机科学等等。根据应用领域的不同要求，可以将图像处理技术划分为许多分支，其中比较重要的分支有：①图像数字化：通过采样和量化将模拟图像变成便于计算机处理的数字形式。③图像的增强和复原：主要目的是增强图像中的有用信息，削弱干扰和噪声，使图像清晰或将转化为更适合分析的形式。③图像编码：在满足一定的保真条件下，对图像进行编码处理，达到压缩图像信息量，简化图像的目的。以便于存储和传输。④图像重建：主要是利用采集的数据来重建出图像。图像重建的主要算法有代数法、傅立叶反投影法和使用广泛的卷积反投影法等。⑤模式识别：识别是图像处理的主要目的。如：指纹鉴别、人脸识别等是模式识别的内容。当今的模式识别方法通常有三种：统计识别法、句法结构模式识别法和模糊识别法。⑥计算机图形学：用计算机将实际上不存在的，只是概念上所表示的物体进行图像处理和显现出来。

2.计算机图像处理技术在全息学中的应用。图像处理技术在全息中的应用主要表现在：一是计算全息，基于计算机图形学将计算机技术与光全息技术结合起来，通过计算机模拟、计算、处理，制作出全息图。因此它可以记录物理上不存在的实物。二是利用图像的增强和复原，图像编码技术等对数字全息图像质进行提高以及实现的各种算法。它的应用大致可以分为两大类，即空域法和频域法：①空域法：这种方法是把图像看作是平面中各个像素组成的集合，然后直接对这一二维函数进行相应的处理。 空域处理法主要有下面两大类:一是领域处理法。其中包括梯度运算(Gradient Algorithm)，拉普拉斯算子运算(Laplacian Operator) ，平滑算子运算(Smoothing Operator)和卷积运算(Convolution Algorithm)。二是点处理法。包括灰度处理 (grey processing)，面积、周长、体积、重心运算等等。②频域法：数字图像处理的频域处理方法是首先对图像进行正交变换，得到变换频域系列阵列，然后再施行各种处理，处理后再反变换到空间域，得到处理结果。这类处包括:滤波、数据压缩、特征提取等处理。

3.模拟实验。本文运用matlab软件，利用图像处理技术，编写了程序，以模拟计算全息和实现全息图像的滤波。

本文将运用matlab程序设计语言实现计算全息的制作、再现过程。标有“涉”一字，图像尺寸为1024像素×1024像素；。模拟实验中用到的参数为：激光模拟了氦氖激光器，波长为638.2nm；再现距离为40cm；因为原始物图的尺寸用像素为单位表示，所以像素分辨率为1。

从模拟实验中可以看出，数字全息的处理过程其实就是计算机图像处理在全息技术的应用过程。利用计算机图像处理技术对全息图进行了记录，将物光和参考光干涉得到了全息图。并利用图像的增强和复原对图像进行了处理，以消除噪声，得到更好的全息再现象。

参考文献

[1]周灿林，亢一澜.数字全息干涉法用于变形测量.光子学报，2004，13（2）：171－173。

篇（8）

摘 要：针对数字图像处理课程基础理论抽象、实用性强的特点，分析和探讨该课程教学中存在的若干问题及原因，从师资力量建设、课程标准制定、教学方法与设计、考核方法4个方面阐述数字图像处理课程的教学优化改革方案。

关键词 ：数字图像处理；教学优化改革；师资力量；课程标准

基金项目：全军学位与研究生教育研讨会研究课题“军队院校研究生教育中的导师与研究生关系研究”（YJZX14C14）。

第一作者简介：孔韦韦，男，讲师，研究方向为图像处理，kwwking@163.com。

0 引 言

数字图像处理[1-2]是信息处理领域的重要分支，通过该课程我们可以完成图像的几何变换、算术处理、图像增强、图像复原、图像重建、图像编码、模式识别、图像理解等多个方面的工作。目前，随着计算机软硬件处理能力的不断提升，数字图像处理技术已被广泛应用于医学检测、反恐处突、弹道导弹精确制导等多个军（民）用领域。由于该门课程的特殊地位和广泛应用，国内外几乎所有信息类专业都开设了该课程，许多专家、学者也针对课程的教学方式提出了自己的观点[3-8]。

军队院校作为高等院校中的一类特殊群体，无论在课程设置还是人才培养需求上均与地方高等院校有很大的不同。军队院校自身的特殊属性要求培养出的人才不仅要有扎实的理论基础和科研能力，还能运用这些知识对作战以及日常训练中出现的问题加以解决，因此，军队院校对人才的理论与实践结合能力提出了更高也更为严格的要求。

武警部队负责维护国家安全和社会稳定，有效打击国内外各种恐怖势力，保障人民安居乐业。当前，世界各国都将“反恐”作为维护国家稳定和保卫人民生命财产安全的一项重要任务。反恐图像目标的识别和监视能力更体现了一个国家的反恐技术力量和能力水平，其关键在于反恐图像目标的识别。因此，有效地将数字图像处理技术应用于反恐处突领域，不仅有助于提升针对恐怖势力的打击力度，还可以有效减少伤亡，最大限度地保障国家和人民的生命财产安全。

1 数字图像处理课程的特点

数字图像处理课程主要有以下几个特点：①理论基础要求高，涉及高等数学、信号与信息系统、信息论、计算机编码等多个领域的知识；②数字图像处理课程覆盖的内容广泛，知识点繁杂零碎；③新兴理论的不断出现要求广大学者能够敏锐把握数字图像处理技术的发展前沿；④数字图像处理技术的应用领域不断拓展，处理方法也更为复杂。

2 军队院校数字图像处理课程教学中存在的问题

2.1 课程设置不灵活

相比地方高等院校，军队院校的课程设置自由度十分受限，具体体现为课程的教学内容、学时安排、课堂组织形式甚至是开课时间均有严格的规定和限制，不能根据学生理论基础和学习能力的实际情况做自适应的调整。

尽管研究生有自己的导师和研究方向，且很多研究生日后学位论文的研究方向可能与数字图像处理领域并无关联，然而，由于许多信息类专业院校的研究生培养方案均严格限定该课程为学位必修课，导致一些研究生为了学分和学位只得选择一门与自己研究领域完全无关的课程，无形中造成了教学资源的浪费。

2.2 课时少内容多

数字图像处理课程是国内外几乎所有信息类专业的必修课。地方高等院校通常会开设50个学时，而军队院校大多只开设40学时，有的学校甚至只将其作为学位选修课开设20学时。众所周知，该课程涉及的教学内容非常繁杂且对相关课程的理论基础提出了较高要求，这类课程即使安排50学时也很难将重点内容讲授完毕，军队院校课程课时不足无疑对该课程的教学质量造成重大影响。

2.3 教学形式单一

军队院校的特殊属性在一定程度上约束了课堂多种教学形式的存在与发展，传统的教师主体式教学法是主流。这种过于单一和机械的教学形式将对研究生的学习积极性造成不利影响。另外，军队中上下等级关系往往扼杀了研究生质疑教师的勇气和可能，使研究生不敢对教师的见解有所质疑，不敢擅自踏入教师未首肯的领域中积极主动地发现问题、分析问题和解决问题，导致研究生的学习完全处于被动境地。

3 教学优化改革

3.1 师资力量建设

数字图像处理课程专业性强、理论难度大，涉及的基础学科门类较多，因此，在条件允许的情况下应尽可能安排科研方向或理论研究方向属于图像处理领域的教师担任任课老师。一方面，长期从事该领域的教师对课程的基本内容和理论了如指掌，基本功非常扎实，授课更为流畅、自然；另一方面，教材中介绍的只是图像处理领域的基础理论和经典模型，长期从事该领域研究的老师在研究过程中往往对课程中的概念及理论模型有更深刻的理解，在授课过程中必然会附带介绍本人在该领域内的研究现状和最新进展，有利于开阔研究生视野，激发学习兴趣，提高授课质量。

3.2 课程标准的制定

结合军队院校课时不足的教学实际以及人才培养类型的定位需求，我们完全有必要重新制定数字图像处理课程的教学标准，在保证理论系统性完整的基础上，侧重实践能力以及解决实际问题能力的培养和提升。具体措施如下：①教学对象精确定位，扭转以往研究生课程频频出现的“被选课”现象，切实保障“选修权”，允许研究生按照自己学位论文的研究需求选课；②由于学时有限，在制定课程标准时必须全面分析和研究教学内容，梳理与课程内容相关的知识目标、技能目标和素质目标，适当地删减一些非重点内容，重新划分各章节的学时；③数字图像处理虽然是一门理论性很强的课程，但学习的最终目的还是应用，因此，在制定课程标准时必须为研究生学员留有一定的实践操作以及课堂研讨课时；④要反映部队特色，在授课过程中重点介绍能够直接应用于部队实际的模型和方法，譬如模式识别、图像理解版块，并要求研究生动手实践；⑤紧跟发展前沿，保持知识的先进性，充分利用网络资源，以完善的学习资料、丰富的课程资源、真实的实践环境作为课程的基础和支撑。

3.3 教学方法与设计

结合课程标准，我们拟将整个教学过程分解为4个阶段：①基本理论讲授；②专题讨论；③专题讲座；④实践操作。

3.3.1 基本理论讲授

教师对教学内容中的基本理论加以讲解，旨在为研究生扫清基本理论障碍。该部分的讲解并非只是对课本内容的简单复制和重申，而是在介绍基本理论的基础上，对基本概念中涉及的各层次知识点和潜在疑问加以梳理和阐释，为下一阶段的专题讨论做铺垫。该阶段以教师讲授为主体，采取案例式教学和启发式教学相结合的授课方式。

3.3.2 专题讨论

所谓专题讨论，就是基于教师先前讲授的某一个或某一类基本理论，探讨具体应用效果以及可能影响最终图像处理效果的若干因素。这一环节将彻底打破经典教学模式中的“教师主体”模式，转变为“教师确定讨论范围—研究生为讨论主体—教师最后总结”的模式。在整个过程中，教师和研究生的角色完全转换，由研究生基于自身掌握的知识充分发挥自己的想象，针对若干问题展开探讨或者辩论。譬如，教师在探讨前先介绍图像去噪理论的相关知识，包括噪声产生的原理、噪声的种类、噪声在图像中的表现、几类经典图像去噪方法等，上述部分内容讲授完毕后确定3个问题，即均值去噪和中值去噪方法的原理有何不同？各自的优缺点何在？各自在去噪过程中可能影响最终效果的因素有哪些？下一次课教师可安排专题讨论，并将研究生在讨论中的表现作为课程成绩的一项重要依据。

在该门课程课代表的组织下，研究生被分成若干小组，大家利用课余时间分别对两种去噪方法展开了深入研究，并通过Matlab软件仿真验证，记录诸如峰值信噪比PSNR等相关指标值，初步得出可能会影响最终去噪效果的若干因素；几位同学针对一些不太一致的观点展开激烈的讨论；最后，由教师进行内容总结和答疑解惑，一些研究生还对教师的某些结论提出质疑。

专题讨论完毕后，教师和研究生普遍感觉以往枯燥又不合时宜的教学方法得到了彻底改变，研究生内心的求知热情得到了极大的激发。此外，整个专题讨论过程也锻炼了他们的逻辑思维，为了说服“对手”，他们必须要找到支撑自己观点的科学依据，包括权威论坛上的答疑解惑以及仿真软件仿真出来的实际结果等。有了这些证据后，他们还要对数据进行分析研究、组织语言、理清思路，而在以往的教学模式下，研究生并不会主动花费时间查找资料，教师由于课时的关系也不可能对每一种理论都进行仿真演示。

3.3.3 专题讲座

担任数字图像处理课程任务的教师必须从事图像处理领域研究，因此，在教学过程中，适时安排1~2次专题讲座，由任课教师将自己在本领域的研究成果或是研究体会以讲座的形式向研究生进行报告。在讲座过程中，教师将从一个较高的层次，把一些新的内容介绍给研究生，同研究生一起分享图像处理领域最新的发展动态和研究成果，开拓研究生的视野，为研究生动态更新最新的前沿知识。另一方面，由于课程标准制定过程中教学对象已实现了精确定位，凡是选修数字图像处理课程的研究生日后均要从事该领域的研究，因此专题讲座的开展也在一定程度上为研究生日后的学位论文撰写提供灵感和研究方向。显然，专题讲座是课程教学强大而又有益的补充。

3.3.4 实践操作

由教师从教学内容中选取若干重难点且与部队作战（训练）密切关联的内容，交由研究生自行仿真实现，记录主客观评价指标数值，对仿真结果进行比较与分析，并得出结论；对仿真结果中的不足展开讨论，给出可能的解决方案。显然，该阶段侧重课程标准中“反映部队特色”的宗旨，要求学员学以致用，切实将书本中的理论知识运用到部队实际中，为部队服务，提高作战能力，体现军队院校“向部队靠拢，向实战靠拢”的办学宗旨。

在实际操作中，为了贴合武警部队反恐处突场景的作战实际，教师为学生布置了模式识别版块中的图像融合仿真实验，给出了国际TNO组织提供的联合国营地源图像，源图像取自同一场景，一幅由灰度可见光图像传感器获得，另一幅由红外图像传感器获得。该实践场景十分类似于武警部队对潜藏在树林中的恐怖分子进行围捕的场景，要求研究生对现行资料中融合效果较好的6种融合方法进行仿真，记录仿真结果并加以分析讨论。

通过这一阶段的训练，研究生将书本中的理论知识与实际应用进行了有机结合，取得了良好的效果，并为日后将相应方法应用于部队作战（训练）提供了理论基础和支持。

3.4 考核方法

课程考核采取百分制，并综合考虑研究生在笔试、专题讨论、实践操作3个环节中的表现，3者的比例为0.30：0.35：0.35。在考核中，教师更看重研究生在该门课程中针对实际问题的分析能力和实践动手能力，以期学生真正理解和消化书本中的理论知识。笔试采取开卷方式进行，侧重考核研究生对该门课程中的基本理论、概念、公式的掌握情况，因此，同以往的纯闭卷考试相比，该考核方法灵活度更高，考核效果也更理想。在最终考核中，由于采取了更为有效的考核方式，学生只要认真参与教学活动，必然可以顺利通过考试并拿到高分。如今，两年的教学改革已经使该课程在研究生中小有名气，从往日学员们的“黑名单”课程转而成为“热销品牌”。

4 结 语

两年的实践结果表明，相比传统的授课方式，该改革方案更符合高等院校的教学规律和实际情况，尤其是将部队的实战需求充分融入课程标准的制定过程，更加贴近了当前军队院校的人才培养需求，充分体现了军队院校“向部队靠拢，向实战靠拢”的办学宗旨。

参考文献：

[1] 冈萨雷斯. 数字图像处理[M]. 北京: 电子工业出版社, 2014.

[2] 贾永红. 数字图像处理[M]. 武汉: 武汉大学出版社, 2010.

[3] 杨淑莹, 张桦.“数字图像处理”理论与实践相结合教学模式[J]. 计算机教育, 2009(24): 84-86.

[4] 周海芳.“数字图像处理”课程研讨式教学[J]. 计算机教育, 2010(24): 93-97.

[5] 周耿烈, 鲁逢兰. 图像处理技术精品课程建设[J]. 计算机教育, 2010(18): 101-104.

[6] 何楚, 冯倩, 杨芳, 等. 数字图像处理课程实验教学过程设计[J]. 计算机教育, 2011(18): 74-77.

篇（9）

电子产品的核心部分——印刷电路板(PCB)，是集成各种电子元器件的信息载体，在各个领域得到了广泛的应用，是电子产品中不可缺少的部分。PCB的质量成了电子产品能否长期、正常、可靠的工作的决定因素[1]。随着科技的发展，PCB产品的高密度、高复杂度、高性能发展趋势不断挑战PCB板的质量检测问题。传统PCB缺陷检测方式因接触受限、高成本、低效率等因素，己经逐渐不能满足现代检测需要，因此研究实现一种PCB缺陷的自动检测系统具有很大的学术意义和经济价值[2]。国内外研究的PCB缺陷检测技术中，AOI（Automatic Optic Inspection自动光学检测）技术越来越受到重视，其中基于图像处理的检测方法也成为自动光学检测的主流。本文通过图像处理技术研究了一种大视场、高精度、快速实时的PCB缺陷自动检测系统，设计了硬件结构和软件算法流程。通过改进的电机驱动方式配合一键式自动检测软件的设计，大大提高了系统的检测速度，对结果分析模块的缺陷识别算法的改进提高了检测结果的准确性。

1.系统结构

PCB缺陷自动检测系统主要由运动控制模块、图像采集模块、图像处理模块、结果分析模块组成。系统工作过程如下：上位机控制步进电机运动，步进电机带动二维平台运动，将CCD摄像机传输到待检测PCB上方，对PCB进行大场景图像采集，采集的图像经过图像采集卡送到上位机，上位机软件对采集的图像进行拼接、图像预处理，对处理的图像进行准确定位并校准，通过图像分割、图像形态学处理等，最后进行模板匹配、图像识别，得出缺陷检测结果。系统设计包括硬件设计和软件设计，系统软硬件相互协调工作构成一个整体。

2.系统硬件设计

PCB缺陷自动检测系统的硬件设计主要包括二维运动平台、电机运动控制板、电机驱动板、CCD摄像机、图像采集卡、PC等，其结构如图1所示。

2.1 CCD摄像机和图像采集卡

CCD摄像机的主要特性参数包括摄像机制式、光敏面尺寸、像素尺寸、分辨率、电子快门速度、同步系统的方式、最小照度、灵敏度、信噪比等。其中摄像机制式和是否在线检测决定了图像采集卡的采样频率，光敏面尺寸、像素尺寸、分辨率以及成像透镜系统的放大率的平衡选择取决于测量范围和测量精度[3]。考虑到以上各个因素以及系统要求，在实验中采用的是广州视安公司的枪式摄像机，该摄像机的特点是数字面阵CCD逐行扫描，提供AV复合视频接口和标准镜头接口，提供VC的SDK软件开发包，方便设计软件处理模块。

图像采集卡，又称视频捕捉卡，是视频卡的一种类型。图像采集卡完成的主要功能是把摄像机的连续模拟视频信号转换成为离散的数字量。其基本原理：从摄像机输出的各种制式的视频输出信号，经过输入选择模块处理后，形成能被图像采集卡识别的视频信号。模拟视频信号经过转换后，存储在卡上的帧缓存存储器内，由计算机CPU通过计算机总线控制具体的图像传递，最终存储在计算机的内存或硬盘，用于图像处理[4]。本设计采用的图像采集卡型号是：NV7004-N，将CCD摄像机模拟信号转化为数字信号传输到上位机实时显示，并能完成图像的抓拍功能。

2.2 电机运动控制器及精密二维运动平台

PCB缺陷自动检测系统的运动控制器为自行设计的MCU控制板，核心芯片为ATMEL公司生产的单片机AT89S52，控制板通过RS-232串行通信接口与上位机进行通信。通过操作人机交互界面对控制板发送命令，控制板输出控制信号以及各种频率的方波信号到步进电机驱动板，以控制步进电机的转速、方向以及移动距离。

二维运动平台由两个日本SUS Corp公司生产的精密运动导轨搭建，运动导轨为滚珠丝杆型，非常精密，误差很小。步进电机与运动导轨相连，从而带动导轨的运动。步进电机为日本TAMAGAWA公司生产的两相四线制混合式步进电机，该型号步进电机运行稳定、噪声小。

2.3 电机驱动

步进电机的驱动实际上就是通过控制步进电机的各相励磁绕组的电流，使步进电机的内部磁场合成方向发生变化，从而使步进电机转动起来。各相励磁绕组的电流产生的合成磁场矢量的幅值决定了步进电机旋转转矩的大小，相邻两合成磁场矢量之间的夹角大小决定了步距角的大小[5]。

在拍数一定的情况下，齿数越多，步距角就越小，但由于受制作工艺的限制齿数不能做得很多，因此步进电机的步距角就不可能很小。改变步进电机的拍数也可以改变步距角，拍数是指完成一个磁场周期性变化所需脉冲数或导电状态，或指电机转过一个齿距角所需脉冲数。当步进电机的相数确定时，拍数也就确定。通过增加步进电机的齿数和相数来减小步距角，步距角减小的度数非常有限，很难满足生产的要求。

细分数越多，电流变化越小，从而大大减少了电机的振荡和噪音。采用阶梯状正弦波对电流进行细分时，阶梯越多(即细分数越多)，波形就越接近正弦波，通入的阶梯电流就越小，步距角也就越小[6]。从而大大减少了步进电机运行时的丢步率，降低了步进电机运行时的噪音和颤动，也使步进电机运行更加稳定，更易于控制。

3.系统软件设计

3.1 系统算法流程

手动检测可以根据需要在采集图像时直接通过控制步进电机运动将CCD摄像头运动到待测PCB板的主要部位，在进行图像处理时也可以根据图像质量来选择与之相适应的图像处理算法来实现，使系统具有交互性。自动检测初始化设置参数后，可以一键实现缺陷检测得出检测结果，减少了操作复杂度，也大大提高了检测的速度，使系统具有自动化、操作简单、速度快等优点。本文结合二者于一体，使PCB缺陷自动检测系统更加优秀，更加实用。

3.2 缺陷检测

当前印刷电路板缺陷检测方法主要分为参考比较法、非参考比较法和混合法三大类，参考比较法将被测图像和参考图像进行特征对特征的比较；非参考比较法不需要任何的参考图像，只是根据先前设计的规则标准来判断出是否有缺陷，如果不符合标准便认为此有缺陷；混合法是参考比较法和非参考比较法综合应用。本文主要使用参考比较法，通过检测PCB图像与标准图像进行对比分析，判断该PCB板是否有缺陷[7]。

3.3 缺陷识别

3.4 结果分析

4.结论

本文基于计算机视觉和图像处理设计了一个印刷电路板(PCB)缺陷自动检测系统，并对其功能进行了验证，实验结果表明该系统界面友好，操作简单，检测方法简单，检测过程迅速，检测结果准确。该系统为PCB缺陷的检测提供了一个很好的解决方案，具有重要的应用价值。

参考文献

[1]孙晓婷.PCB视觉检测系统的研究[D].长沙:中南大学硕士论文,2008.

[2]2012-2016年中国PCB连接器市场预测及投资建议报告[R].中商情报网.

[3]俞玮.AOI技术在PCB缺陷检测中的应用研究[D].成都:电子科技大学硕士论文,2007.

[4]崔怀峰.PCB表面缺陷自动光学检测技术的研究[D].江门:五邑大学硕士论文,2010.

[5]李玲娟,刘景林,王灿.两相混合式步进电机恒转矩细分驱动技术研究[J].微电机,2007,40(3):48-50.

[6]黄露.基于FPGA的步进电机控制系统设计与实现[D].重庆:重庆大学硕士论文,2011.

篇（10）

 

0 引言

MATLAB是MathsWorks公司的商业软件。从1984年推出至今,经过不断的完善与发展,已成为覆盖多个学科的国际公认优秀的数值计算仿真软件。许多复杂的计算问题只需短短几行代码就能在MATLAB中实现。论文格式。作为一个跨平台软件,MATLAB已推出 Unix, Windows,和 Mac等十多个操作系统的版本,大大方便了在不同操作系统平台下的研究工作,目前基于Windows系统的最新版本是MATLAB7.0,它秉承以往版本的优点并且人机界面友好,非常容易使用。MATLAB语法结构简单，具有高质量的图形可视化效果和强大的界面设计能力，因而在数字图像处理中有着其他语言所无法比拟的优势，已成为近几年来国内外处理图像使用最为广泛的优秀科技软件之一。论文格式。本文在MATLAB7.0及其图象处理工具箱的基础上,介绍MATLAB在图象处理与研究中的应用。

1 MATLAB概述

MATLAB是Matrix Laboratory的缩写,事实上MATLAB既表示一种交互式的数值计算软件,又表示一门高级科学计算语言。MATLAB语言是一种直译式语言,其语法规则非常类似BASIC语言,有编程基础的人很快就可以熟悉并使用它[1]。它把计算、图示和编程集成到一个易用的交互式环境中,用大家熟悉的数学表达式来描述问题和求解方法从而使许多用C或FOR-TRAN实现起来十分复杂费时的问题用MATLAB可以轻松解决。

MATLAB的典型应用包括:数学计算、算法研究、数据分析和可视化、建模与仿真等。其最重要的功能就是进行矩阵的数值运算,它的数值分析、模拟与运算功能非常强大,而且程序结构完整,具有很强的平行移植性。因此,在图像处理、自动控制、语音处理、信号分析等工业领域,MATLAB是研究、开发和分析首选的计算工具。其图像处理工具箱( ImageProcessing Toolbox)提供了将近200种最基本的图像处理函数,利用这些图像处理工具箱,结合其强大的数据处理能力,我们可不必关心图像文件的格式、读写、显示等细节,而把精力集中在算法研究上,大大提高了工作效率。同时,在测试这些算法时既可方便地得到统计数据,又可得到直观图示。

2 利用MATLAB实现图像增强

图像增强技术主要有空域增强和频域增强技术两种：

2.1 空域增强技术

空域法是在原图像上直接进行数据运算,主要是对图像中的各个像素点进行操作。常用的空域增强方法有灰度变换、灰度直方图均衡化。

1.灰度变换

灰度变换是对图像像素灰度值进行修正，使图像灰度值动态范围加大,对比度扩展,成像均匀清晰,达到改善图像质量的目的。用Matlab编程,可以将图像的灰度值调整到一个指定的范围。对图pout.tif进行灰度变换的程序[2]如下

%读入并显示原始图像

I=imread ('pout.tif');

imshow(I);I=double(I);[M,N]=size(I);

%进行线性灰度变换

for i=1:M

for j=1:N

if I(i,j)<=30

I(i,j)=I(i,j);

else if I(i,j)<=150

I(i,j)=(200-30)/(150-30)*(I(i,j)-30)+30;

else

I(i,j)=(255-200)/(255-150)*(I(i,j)-150)+200;

end

end

end

%显示变换后的结果

figure(2);imshow(I);

运行结果如图1所示

（a）原图（b）灰度变换后

图1 Pout原图与灰度变换后的图像

2.灰度直方图均衡化

灰度直方图(histogram)是灰度级的函数,描述图像中每种灰度级像素的个数,反映图像中每种灰度出现的频率。横坐标是灰度级,纵坐标是灰度级出现的频率。用均衡化的方法把原始图像不均衡的直方图变换为均匀分布的形式，增加灰度值的动态范围，达到增强图像整体对比度的效果。以原图circuit.tif为例，执行灰度直方图均衡化的代码如下：

I=imread('circuit.tif');

figure; subplot(221);imshow(I);subplot(222);imhist(I)

I1=histeq(I);

figure;subplot(221);imshow(I1);subplot(222);imhist(I1)

执行后的效果如图2所示

图2 直方图均衡化

2.2 频域增强技术

频域法是从另外一个角度来分析图像信号的特性。即首先将图像从空间域变换到频域,然后进行各种各样的处理,再将所得到的结果进行反变换,从而达到图像处理的目的。

1.采用巴特沃斯低通滤波器去噪。一般图像的边缘和噪声对应与傅立叶变换中的高频部分,所以能够让低频信息通过同时滤掉高频分量,因而此技术能够平滑图像,去除噪声。论文格式。

2.采用巴特沃斯高通滤波器对图像锐化处理。由于图像中灰度发生骤变的部分与其频谱高频分量相对应,可以采用高通滤波器衰减或抑制低频分量,使高频分量畅通并能够对图像进行锐化处理。所以低通滤波后让高频信息通过,在像面上显示了图像的细节,图像边缘部分得到加强。

3.利用小波变换获得图像增强。利用小波变换对图像进行二尺度分解,对感兴趣的部分进行增强。对低频系数进行放大,对高频系数进行缩小,可以有效去除图像的噪声、增强图像轮廓。

对加入椒盐噪声的图像eight.tif作巴特沃斯低通滤波，程序如下

I=imread ('eight.tif');

J=imnoise(I,'salt & pepper',0.02); %给原图像加入椒盐噪声，如图（a）所示

subplot(121);imshow(J);title('含有椒盐噪声的图像');J=double(J);

%采用傅立叶变换

f=fft2 (J);

%数据矩阵平衡

g=fftshift(f);[M,N]=size(f);n=3;d0=20;n1=floor(M/2);n2=floor(N/2);

for i=1:M

forj=1:N

d=sqrt((i-n1)^2-(j-n2)^2);

h=1/(1+(d/d0)^(2*n));

g(i,j)=h*g(i,j);

end

end

g=ifftshift(g);g=uint8(real(ifft2(g)));

subplot(122);imshow(g);

处理结果如图3所示，可以看出巴特沃斯低通滤波对于滤除图像的椒盐噪声非常有效，在噪声图像上的椒盐噪声斑点全部被去除，达到了图像增强的目的。

（a）eight含有椒盐噪声的图像 （b）eight经巴特沃斯低通滤波后的图像

图3 加噪声和经巴特沃斯低通滤波后的图像

3 利用MATLAB实现图像边缘检测

通常不同区域之间的边缘上像素灰度值的变化往往比较剧烈,这是边缘检测方法得以实现的主要假设之一。可以使用累计直方图计算两个阈值,大于高阈值的一定是边缘,小于低阈值的一定不是边缘,介于之间的,看这个像素的邻接像素中有没有超过高阈值的边缘像素,如果有的话那么它就是边缘了,否则它就不是边缘。边缘检测的基本思想首先是利用边缘增强算子,突出图像中的局部边缘,然后定义象素的“边缘强度”,通过设置阈值的方法提取边缘点集。由于噪声和模糊的存在,监测到的边界可能会变宽或在某点处发生间断。因此,边界检测包括两个基本内容:

1.用边缘算子提取出反映灰度变化的边缘点集。

2.在边缘点集合中剔除某些边界点或填补边界间断点,并将这些边缘连接成完整的线。

常用的检测算子有微分算子、拉普拉斯高斯算子和canny算子[3]。MATLAB工具箱提供的edge()函数,可针对Roberts算子、sobel算子、perwitt算子和canny算子实现边缘检测的功能。下面使用这四种算子对图像cameraman.tif进行边缘检测。程序代码如下，效果图如图4所示。

f=imread('cameraman.tif');

subplot(2,2,1);imshow(f);title('原始图像');

[g,t]=edge(f,'roberts',[],'both');

subplot(2,2,2);imshow(g);title('Roberts算子分割的结果');

[g,t]=edge(f,'sobel',[],'both');

subplot(2,2,3);imshow(g);title('sobel算子分割的结果');

[g,t]=edge(f,'prewitt',[],'both');

subplot(2,2,4);imshow(g);title('prewitt算子分割的结果');

(a)原始图像(b)Roberts算子分割结果

(c)sobel算子分割结果(d)perwitt算子分割结果 (e)canny算子割结果

4 结语

MATLAB具有多种强大功能,语言自然,界面友好,开放性强,易学易用,使得它在各行各业的应用范围越来越广,尤其在图像处理方面。总之，MTALAB作为一个强大的数据处理软件为我们进行科学研究提供了极大的方便。

参考文献

[1].张智星MATLAB程序设计与应用[M]清华大学出版社 北京 2002.4

[2].周广芬 李　鹏杨久义 利用MATLAB图像处理工具箱进行图形数字化的研究 [J] 河北科技大学学报 2005.12