引論：我們?yōu)槟砹?3篇圖像處理技術(shù)論文范文，供您借鑒以豐富您的創(chuàng)作。它們是您寫作時(shí)的寶貴資源，期望它們能夠激發(fā)您的創(chuàng)作靈感，讓您的文章更具深度。
篇1
近20多年來(lái)，醫(yī)學(xué)影像已成為醫(yī)學(xué)技術(shù)中發(fā)展最快的領(lǐng)域之一，其結(jié)果使臨床醫(yī)生對(duì)人體內(nèi)部病變部位的觀察更直接、更清晰，確診率也更高。20世紀(jì)70年代初，X-CT的發(fā)明曾引發(fā)了醫(yī)學(xué)影像領(lǐng)域的一場(chǎng)革命，與此同時(shí)，核磁共振成像象(MRI:MagneticResonanceImaging)、超聲成像、數(shù)字射線照相術(shù)、發(fā)射型計(jì)算機(jī)成像和核素成像等也逐步發(fā)展。計(jì)算機(jī)和醫(yī)學(xué)圖像處理技術(shù)作為這些成像技術(shù)的發(fā)展基礎(chǔ)，帶動(dòng)著現(xiàn)代醫(yī)學(xué)診斷正產(chǎn)生著深刻的變革。各種新的醫(yī)學(xué)成像方法的臨床應(yīng)用，使醫(yī)學(xué)診斷和治療技術(shù)取得了很大的進(jìn)展，同時(shí)將各種成像技術(shù)得到的信息進(jìn)行互補(bǔ)，也為臨床診斷及生物醫(yī)學(xué)研究提供了有力的科學(xué)依據(jù)。
在目前的影像醫(yī)療診斷中,主要是通過(guò)觀察一組二維切片圖象去發(fā)現(xiàn)病變體,往往需要借助醫(yī)生的經(jīng)驗(yàn)來(lái)判定。至于準(zhǔn)確的確定病變體的空間位置、大小、幾何形狀及與周圍生物組織的空間關(guān)系,僅通過(guò)觀察二維切片圖象是很難實(shí)現(xiàn)的。因此,利用計(jì)算機(jī)圖象處理技術(shù)對(duì)二維切片圖象進(jìn)行分析和處理,實(shí)現(xiàn)對(duì)人體器官、軟組織和病變體的分割提取、三維重建和三維顯示,可以輔助醫(yī)生對(duì)病變體及其它感興趣的區(qū)域進(jìn)行定性甚至定量的分析,可以大大提高醫(yī)療診斷的準(zhǔn)確性和可靠性。此外,它在醫(yī)療教學(xué)、手術(shù)規(guī)劃、手術(shù)仿真及各種醫(yī)學(xué)研究中也能起重要的輔助作用。
本文對(duì)醫(yī)學(xué)圖像處理技術(shù)中的圖像分割、紋理分析、圖像配準(zhǔn)和圖像融合技術(shù)的現(xiàn)狀及其發(fā)展進(jìn)行了綜述。
2．醫(yī)學(xué)圖像三維可視化技術(shù)
2.1三維可視化概述
醫(yī)學(xué)圖像的三維可視化的方法很多，但基本步驟大體相同，如圖.。從#$/&’(或超聲等成像系統(tǒng)獲得二維斷層圖像，然后需要將圖像格式（如0(#1&）轉(zhuǎn)化成計(jì)算機(jī)方便處理的格式。通過(guò)二維濾波，減少圖像的噪聲影響，提高信噪比和消除圖像的尾跡。采取圖像插值方法，對(duì)醫(yī)學(xué)關(guān)鍵部位進(jìn)行各向同性處理，獲得體數(shù)據(jù)。經(jīng)過(guò)三維濾波后，不同組織器官需要進(jìn)行分割和歸類，對(duì)同一部位的不同圖像進(jìn)行配準(zhǔn)和融合，以利于進(jìn)一步對(duì)某感興趣部位的操作。根據(jù)不同的三維可視化要求和系統(tǒng)平臺(tái)的能力，選擇不同的方法進(jìn)行三維體繪制，實(shí)現(xiàn)三維重構(gòu)。
2.2關(guān)鍵技術(shù)：
圖像分割是三維重構(gòu)的基礎(chǔ)，分割效果直接影像三維重構(gòu)的精確度。圖像分割是將圖像分割成有意義的子區(qū)域，由于醫(yī)學(xué)圖像的各區(qū)域沒有清楚的邊界，為了解決在醫(yī)學(xué)圖像分割中遇到不確定性的問(wèn)題，引入模糊理論的模糊閥值、模糊邊界和模糊聚類等概念。快速準(zhǔn)確的分離出解剖結(jié)構(gòu)和定位區(qū)域位置和形狀，自動(dòng)或半自動(dòng)的圖像分割方法是非常重要的。在實(shí)際應(yīng)用中有聚類法、統(tǒng)計(jì)學(xué)模型、彈性模型、區(qū)域生長(zhǎng)、神經(jīng)網(wǎng)絡(luò)等適用于醫(yī)學(xué)圖像分割的具體方法。
由于可以對(duì)同一部位用不同的成像儀器多次成像，或用同一臺(tái)儀器多次成像，這樣產(chǎn)生了多模態(tài)圖像。多模態(tài)圖像提供的信息經(jīng)常相互覆蓋和具有互補(bǔ)性，為了綜合使用多種成像模式以提供更全面的信息，需要對(duì)各個(gè)模態(tài)的原始圖像進(jìn)行配準(zhǔn)和數(shù)據(jù)融合，其整個(gè)過(guò)程稱為數(shù)據(jù)整合。整合的第一步是將多個(gè)醫(yī)學(xué)圖像的信息轉(zhuǎn)換到一個(gè)公共的坐標(biāo)框架內(nèi)的研究，使多幅圖像在空間域中達(dá)到幾何位置的完全對(duì)應(yīng)，稱為三維醫(yī)學(xué)圖像的配準(zhǔn)問(wèn)題。建立配準(zhǔn)關(guān)系后，將多個(gè)圖像的數(shù)據(jù)合成表示的過(guò)程，稱為融合。在醫(yī)學(xué)應(yīng)用中，不同模態(tài)的圖像還提供了不互相覆蓋的結(jié)構(gòu)互補(bǔ)信息，比如，當(dāng)CT提供的是骨信息，MRI提供的關(guān)于軟組織的信息，所以可以用邏輯運(yùn)算的方法來(lái)實(shí)現(xiàn)它們圖像的合成。
當(dāng)分割歸類或數(shù)據(jù)整合結(jié)束后，對(duì)體數(shù)據(jù)進(jìn)行體繪制。體繪制一般分為直接體繪制和間接體繪制，由于三維醫(yī)學(xué)圖像數(shù)據(jù)量很大，采用直接體繪制方法，計(jì)算量過(guò)重，特別在遠(yuǎn)程應(yīng)用和交互操作中，所以一般多采用間接體繪制。在圖形工作站上可以進(jìn)行直接體繪制，近來(lái)隨著計(jì)算機(jī)硬件快速發(fā)展，新的算法，如三維紋理映射技術(shù)，考慮了計(jì)算機(jī)圖形硬件的特定功能及體繪制過(guò)程中的各種優(yōu)化方法，從而大大地提高了直接體繪制的速度。體繪制根據(jù)所用的投影算法不同加以分類，分為以對(duì)象空間為序的算法（又稱為體素投影法）和以圖像空間為序的算法!又稱為光線投射法"，一般來(lái)說(shuō)，體素投影法繪制的速度比光線投射法快。由于三維醫(yī)學(xué)圖像的繪制目的在于看見內(nèi)部組織的細(xì)節(jié)，真實(shí)感并不是最重要的，所以在醫(yī)學(xué)應(yīng)用中的繪制要突出特定診斷所需要的信息，而忽略無(wú)關(guān)信息。另外，高度的可交互性是三維醫(yī)學(xué)圖像繪制的另一個(gè)要求，即要求一些常見操作，如旋轉(zhuǎn)，放大，移動(dòng)，具有很好的實(shí)時(shí)性，或至少是在一個(gè)可以忍受的響應(yīng)時(shí)間內(nèi)完成。這意味著在醫(yī)學(xué)圖像繪制中，繪制時(shí)間短的可視化方法更為實(shí)用。
未來(lái)的三維可視化技術(shù)將與虛擬現(xiàn)實(shí)技術(shù)相結(jié)合，不僅僅是獲得體數(shù)據(jù)的工具，更主要的是能創(chuàng)造一個(gè)虛擬環(huán)境。
3．醫(yī)學(xué)圖像分割
醫(yī)學(xué)圖像分割就是一個(gè)根據(jù)區(qū)域間的相似或不同把圖像分割成若干區(qū)域的過(guò)程。目前,主要以各種細(xì)胞、組織與器官的圖像作為處理的對(duì)象，圖像分割技術(shù)主要基于以下幾種理論方法。
3.1基于統(tǒng)計(jì)學(xué)的方法
統(tǒng)計(jì)方法是近年來(lái)比較流行的醫(yī)學(xué)圖像分割方法。從統(tǒng)計(jì)學(xué)出發(fā)的圖像分割方法把圖像中各個(gè)像素點(diǎn)的灰度值看作是具有一定概率分布的隨機(jī)變量,觀察到的圖像是對(duì)實(shí)際物體做了某種變換并加入噪聲的結(jié)果,因而要正確分割圖像,從統(tǒng)計(jì)學(xué)的角度來(lái)看,就是要找出以最大的概率得到該圖像的物體組合。用吉布斯（Gibbs）分布表示的Markov隨機(jī)場(chǎng)(MRF)模型,能夠簡(jiǎn)單地通過(guò)勢(shì)能形式表示圖像像素之間的相互關(guān)系,因此周剛慧等結(jié)合人腦MR圖像的空間關(guān)系定義Markov隨機(jī)場(chǎng)的能量形式,然后通過(guò)最大后驗(yàn)概率(MAP)方法估計(jì)Markov隨機(jī)場(chǎng)的參數(shù),并通過(guò)迭代方法求解。層次MRF采用基于直方圖的DAEM算法估計(jì)標(biāo)準(zhǔn)有限正交混合(SFNM)參數(shù)的全局最優(yōu)值,并基于MRF先驗(yàn)參數(shù)的實(shí)際意義,采用一種近似的方法來(lái)簡(jiǎn)化這些參數(shù)的估計(jì)。林亞忠等采用的混合金字塔Gibbs隨機(jī)場(chǎng)模型,有效地解決了傳統(tǒng)最大后驗(yàn)估計(jì)計(jì)算量龐大和Gibbs隨機(jī)場(chǎng)模型參數(shù)無(wú)監(jiān)督及估計(jì)難等問(wèn)題,使分割結(jié)果更為可靠。
3.2基于模糊集理論的方法
醫(yī)學(xué)圖像一般較為復(fù)雜，有許多不確定性和不精確性，也即模糊性。所以有人將模糊理論引入到圖像處理與分析中，其中包括用模糊理論來(lái)解決分割問(wèn)題。基于模糊理論的圖形分割方法包括模糊閾值分割方法、模糊聚類分割方法等。模糊閾值分割技術(shù)利用不同的S型隸屬函數(shù)來(lái)定義模糊目標(biāo)，通過(guò)優(yōu)化過(guò)程最后選擇一個(gè)具有最小不確定性的S函數(shù)，用該函數(shù)表示目標(biāo)像素之間的關(guān)系。這種方法的難點(diǎn)在于隸屬函數(shù)的選擇。模糊C均值聚類分割方法通過(guò)優(yōu)化表示圖像像素點(diǎn)與C各類中心之間的相似性的目標(biāo)函數(shù)來(lái)獲得局部極大值，從而得到最優(yōu)聚類。Venkateswarlu等[改進(jìn)計(jì)算過(guò)程，提出了一種快速的聚類算法。
3.2.1基于模糊理論的方法
模糊分割技術(shù)是在模糊集合理論基礎(chǔ)上發(fā)展起來(lái)的,它可以很好地處理MR圖像內(nèi)在的模糊性和不確定性,而且對(duì)噪聲不敏感。模糊分割技術(shù)主要有模糊閾值、模糊聚類、模糊邊緣檢測(cè)等。在各種模糊分割技術(shù)中,近年來(lái)模糊聚類技術(shù),特別是模糊C-均值(FCM)聚類技術(shù)的應(yīng)用最為廣泛。FCM是一種非監(jiān)督模糊聚類后的標(biāo)定過(guò)程,非常適合存在不確定性和模糊性特點(diǎn)的MR圖像。然而,FCM算法本質(zhì)上是一種局部搜索尋優(yōu)技術(shù),它的迭代過(guò)程采用爬山技術(shù)來(lái)尋找最優(yōu)解,因此容易陷入局部極小值,而得不到全局最優(yōu)解。近年來(lái)相繼出現(xiàn)了許多改進(jìn)的FCM分割算法,其中快速模糊分割(FFCM)是最近模糊分割的研究熱點(diǎn)。FFCM算法對(duì)傳統(tǒng)FCM算法的初始化進(jìn)行了改進(jìn),用K-均值聚類的結(jié)果作為模糊聚類中心的初值,通過(guò)減少FCM的迭代次數(shù)來(lái)提高模糊聚類的速度。它實(shí)際上是兩次尋優(yōu)的迭代過(guò)程,首先由K-均值聚類得到聚類中心的次最優(yōu)解,再由FCM進(jìn)行模糊聚類,最終得到圖像的最優(yōu)模糊分割。
3.2.2基于神經(jīng)網(wǎng)絡(luò)的方法
按拓?fù)錂C(jī)構(gòu)來(lái)分,神經(jīng)網(wǎng)絡(luò)技術(shù)可分為前向神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)和自組織映射神經(jīng)網(wǎng)絡(luò)。目前已有各種類型的神經(jīng)網(wǎng)絡(luò)應(yīng)用于醫(yī)學(xué)圖像分割,如江寶釧等利用MRI多回波性,采用有指導(dǎo)的BP神經(jīng)網(wǎng)絡(luò)作為分類器,對(duì)腦部MR圖像進(jìn)行自動(dòng)分割。而Ahmed和Farag則是用自組織Kohenen網(wǎng)絡(luò)對(duì)CT/MRI腦切片圖像進(jìn)行分割和標(biāo)注,并將具有幾何不變性的圖像特征以模式的形式輸入到Kohenen網(wǎng)絡(luò),進(jìn)行無(wú)指導(dǎo)的體素聚類,以得到感興趣區(qū)域。模糊神經(jīng)網(wǎng)絡(luò)(FNN)分割技術(shù)越來(lái)越多地得到學(xué)者們的青睞,黃永鋒等提出了一種基于FNN的顱腦MRI半自動(dòng)分割技術(shù),僅對(duì)神經(jīng)網(wǎng)絡(luò)處理前和處理后的數(shù)據(jù)進(jìn)行模糊化和去模糊化,其分割結(jié)果表明FNN分割技術(shù)的抗噪和抗模糊能力更強(qiáng)。
3.2.3基于小波分析的分割方法
小波變換是近年來(lái)得到廣泛應(yīng)用的一種數(shù)學(xué)工具，由于它具有良好的時(shí)一頻局部化特征、尺度變化特征和方向特征，因此在圖像處理上得到了廣泛的應(yīng)用。
小波變換和分析作為一種多尺度多通道分析工具，比較適合對(duì)圖像進(jìn)行多尺度的邊緣檢測(cè)，典型的有如Mallat小波模極大值邊緣檢測(cè)算法[6
3.3基于知識(shí)的方法
基于知識(shí)的分割方法主要包括兩方面的內(nèi)容:(1)知識(shí)的獲取,即歸納提取相關(guān)知識(shí),建立知識(shí)庫(kù)；(2)知識(shí)的應(yīng)用,即有效地利用知識(shí)實(shí)現(xiàn)圖像的自動(dòng)分割。其知識(shí)來(lái)源主要有:(1)臨床知識(shí),即某種疾病的癥狀及它們所處的位置；(2)解剖學(xué)知識(shí),即某器官的解剖學(xué)和形態(tài)學(xué)信息,及其幾何學(xué)與拓?fù)鋵W(xué)的關(guān)系,這種知識(shí)通常用圖譜表示；(3)成像知識(shí),這類知識(shí)與成像方法和具體設(shè)備有關(guān)；(4)統(tǒng)計(jì)知識(shí),如MI的質(zhì)子密度(PD)、T1和T2統(tǒng)計(jì)數(shù)據(jù)。Costin等提出了一種基于知識(shí)的模糊分割技術(shù),首先對(duì)圖像進(jìn)行模糊化處理,然后利用相應(yīng)的知識(shí)對(duì)各組織進(jìn)行模糊邊緣檢測(cè)。而謝逢等則提出了一種基于知識(shí)的人腦三維醫(yī)學(xué)圖像分割顯示的方法。首先,以框架為主要表示方法,建立完整的人腦三維知識(shí)模型,包含腦組織幾何形態(tài)、生理功能、圖像灰度三方面的信息；然后,采用“智能光線跟蹤”方法,在模型知識(shí)指導(dǎo)下直接從體積數(shù)據(jù)中提取并顯示各組織器官的表面。
3.4基于模型的方法
該方法根據(jù)圖像的先驗(yàn)知識(shí)建立模型,有動(dòng)態(tài)輪廓模型(ActiveContourModel,又稱Snake)、組合優(yōu)化模型等,其中Snake最為常用。Snake算法的能量函數(shù)采用積分運(yùn)算,具有較好的抗噪性,對(duì)目標(biāo)的局部模糊也不敏感,但其結(jié)果常依賴于參數(shù)初始化,不具有足夠的拓?fù)溥m應(yīng)性,因此很多學(xué)者將Snake與其它方法結(jié)合起來(lái)使用,如王蓓等利用圖像的先驗(yàn)知識(shí)與Snake結(jié)合的方法,避開圖像的一些局部極小點(diǎn),克服了Snake方法的一些不足。Raquel等將徑向基網(wǎng)絡(luò)(RBFNNcc)與Snake相結(jié)合建立了一種混合模型,該模型具有以下特點(diǎn):(1)該混合模型是靜態(tài)網(wǎng)絡(luò)和動(dòng)態(tài)模型的有機(jī)結(jié)合；(2)Snake的初始化輪廓由RBFNNcc提供；(3)Snake的初始化輪廓給出了最佳的控制點(diǎn)；(4)Snake的能量方程中包含了圖像的多譜信息。Luo等提出了一種將livewire算法與Snake相結(jié)合的醫(yī)學(xué)圖像序列的交互式分割算法,該算法的特點(diǎn)是在少數(shù)用戶交互的基礎(chǔ)上,可以快速可靠地得到一個(gè)醫(yī)學(xué)圖像序列的分割結(jié)果。
由于醫(yī)學(xué)圖像分割問(wèn)題本身的困難性，目前的方法都是針對(duì)某個(gè)具體任務(wù)而言的，還沒有一個(gè)通用的解決方法。綜觀近幾年圖像分割領(lǐng)域的文獻(xiàn)，可見醫(yī)學(xué)圖像分割方法研究的幾個(gè)顯著特點(diǎn)：（1）學(xué)者們逐漸認(rèn)識(shí)到現(xiàn)有任何一種單獨(dú)的圖像分割算法都難以對(duì)一般圖像取得比較滿意的結(jié)果，因而更加注重多種分割算法的有效結(jié)合；（2）在目前無(wú)法完全由計(jì)算機(jī)來(lái)完成圖像分割任務(wù)的情況下，半自動(dòng)的分割方法引起了人們的廣泛注意，如何才能充分利用計(jì)算機(jī)的運(yùn)算能力，使人僅在必要的時(shí)候進(jìn)行必不可少的干預(yù)，從而得到滿意的分割結(jié)果是交互式分割方法的核心問(wèn)題；（3）新的分割方法的研究主要以自動(dòng)、精確、快速、自適應(yīng)和魯棒性等幾個(gè)方向作為研究目標(biāo)，經(jīng)典分割技術(shù)與現(xiàn)代分割技術(shù)的綜合利用（集成技術(shù)）是今后醫(yī)學(xué)圖像分割技術(shù)的發(fā)展方向。
4．醫(yī)學(xué)圖像配準(zhǔn)和融合
醫(yī)學(xué)圖像可以分為解剖圖像和功能圖像2個(gè)部分。解剖圖像主要描述人體形態(tài)信息，功能圖像主要描述人體代謝信息。為了綜合使用多種成像模式以提供更全面的信息，常常需要將有效信息進(jìn)行整合。整合的第一步就是使多幅圖像在空間域中達(dá)到幾何位置的完全對(duì)應(yīng)，這一步驟稱為“配準(zhǔn)”。整合的第二步就是將配準(zhǔn)后圖像進(jìn)行信息的整合顯示，這一步驟稱為“融合”。
在臨床診斷上，醫(yī)生常常需要各種醫(yī)學(xué)圖像的支持，如CT、MRI、PET、SPECT以及超聲圖像等，但無(wú)論哪一類的醫(yī)學(xué)圖像往往都難以提供全面的信息，這就需要將患者的各種圖像信息綜合研究19]，而要做到這一點(diǎn)，首先必須解決圖像的配準(zhǔn)(或叫匹配)和融合問(wèn)題。醫(yī)學(xué)圖像配準(zhǔn)是確定兩幅或多幅醫(yī)學(xué)圖像像素的空間對(duì)應(yīng)關(guān)系；而融合是指將不同形式的醫(yī)學(xué)圖像中的信息綜合到一起，形成新的圖像的過(guò)程。圖像配準(zhǔn)是圖像融合必需的預(yù)處理技術(shù)，反過(guò)來(lái)，圖像融合是圖像配準(zhǔn)的一個(gè)目的。
4.1醫(yī)學(xué)圖像配準(zhǔn)
醫(yī)學(xué)圖像配準(zhǔn)包括圖像的定位和轉(zhuǎn)換，即通過(guò)尋找一種空間變換使兩幅圖像對(duì)應(yīng)點(diǎn)達(dá)到空間位置上的配準(zhǔn)，配準(zhǔn)的結(jié)果應(yīng)使兩幅圖像上所有關(guān)鍵的解剖點(diǎn)或感興趣的關(guān)鍵點(diǎn)達(dá)到匹配。20世紀(jì)90年代以來(lái)，醫(yī)學(xué)圖像配準(zhǔn)的研究受到了國(guó)內(nèi)外醫(yī)學(xué)界和工程界的高度重視，1993年P(guān)etra等]綜述了二維圖像的配準(zhǔn)方法，并根據(jù)配準(zhǔn)基準(zhǔn)的特性，將圖像配準(zhǔn)的方法分為兩大類：基于外部特征（有框架）的圖像配準(zhǔn)和基于內(nèi)部特征（無(wú)框架）的圖像配準(zhǔn)。基于外部特征的方法包括立體定位框架法、面膜法及皮膚標(biāo)記法等。基于外部特征的圖像配準(zhǔn)，簡(jiǎn)單易行，易實(shí)現(xiàn)自動(dòng)化，能夠獲得較高的精度，可以作為評(píng)估無(wú)框架配準(zhǔn)算法的標(biāo)準(zhǔn)。但對(duì)標(biāo)記物的放置要求高，只能用于同一患者不同影像模式之間的配準(zhǔn)，不適用于患者之間和患者圖像與圖譜之間的配準(zhǔn)，不能對(duì)歷史圖像做回溯性研究。基于內(nèi)部特征的方法是根據(jù)一些用戶能識(shí)別出的解剖點(diǎn)、醫(yī)學(xué)圖像中相對(duì)運(yùn)動(dòng)較小的結(jié)構(gòu)及圖像內(nèi)部體素的灰度信息進(jìn)行配準(zhǔn)。基于內(nèi)部特征的方法包括手工交互法、對(duì)應(yīng)點(diǎn)配準(zhǔn)法、結(jié)構(gòu)配準(zhǔn)法、矩配準(zhǔn)法及相關(guān)配準(zhǔn)法。基于內(nèi)部特征的圖像配準(zhǔn)是一種交互性方法，可以進(jìn)行回顧性研究，不會(huì)造成患者不適，故基于內(nèi)部特征的圖像配準(zhǔn)成為研究的重點(diǎn)。
近年來(lái)，醫(yī)學(xué)圖像配準(zhǔn)技術(shù)有了新的進(jìn)展，在配準(zhǔn)方法上應(yīng)用了信息學(xué)的理論和方法，例如應(yīng)用最大化的互信息量作為配準(zhǔn)準(zhǔn)則進(jìn)行圖像的配準(zhǔn)，在配準(zhǔn)對(duì)象方面從二維圖像發(fā)展到三維多模醫(yī)學(xué)圖像的配準(zhǔn)。例如Luo等利用最大互信息法對(duì)CT-MR和MR-PET三維全腦數(shù)據(jù)進(jìn)行了配準(zhǔn)，結(jié)果全部達(dá)到亞像素級(jí)配準(zhǔn)精度。在醫(yī)學(xué)圖像配準(zhǔn)技術(shù)方面引入信號(hào)處理技術(shù)，例如傅氏變換和小波變換。小波技術(shù)在空間和頻域上具有良好的局部特性，在空間和頻域都具有較高的分辨率，應(yīng)用小波技術(shù)多分辨地描述圖像細(xì)貌，使圖像由粗到細(xì)的分級(jí)快速匹配，是近年來(lái)醫(yī)學(xué)圖像配準(zhǔn)的發(fā)展之一。國(guó)內(nèi)外學(xué)者在這方面作了大量的工作，如Sharman等提出了一種基于小波變換的自動(dòng)配準(zhǔn)剛體圖像方法，使用小波變換獲得多模圖像特征點(diǎn)然后進(jìn)行圖像配準(zhǔn)，提高了配準(zhǔn)的準(zhǔn)確性。另外，非線性配準(zhǔn)也是近年來(lái)研究的熱點(diǎn)，它對(duì)于非剛性對(duì)象的圖像配準(zhǔn)更加適用，配準(zhǔn)結(jié)果更加準(zhǔn)確。
目前許多醫(yī)學(xué)圖像配準(zhǔn)技術(shù)主要是針對(duì)剛性體的配準(zhǔn)，非剛性圖像的配準(zhǔn)雖然已經(jīng)提出一些解決的方法，但同剛性圖像相比還不成熟。另外，醫(yī)學(xué)圖像配準(zhǔn)缺少實(shí)時(shí)性和準(zhǔn)確性及有效的全自動(dòng)的配準(zhǔn)策略。向快速和準(zhǔn)確方面改進(jìn)算法，使用最優(yōu)化策略改進(jìn)圖像配準(zhǔn)以及對(duì)非剛性圖像配準(zhǔn)的研究是今后醫(yī)學(xué)圖像配準(zhǔn)技術(shù)的發(fā)展方向。
4.2醫(yī)學(xué)圖像融合
圖像融合的主要目的是通過(guò)對(duì)多幅圖像間的冗余數(shù)據(jù)的處理來(lái)提高圖像的可讀性,對(duì)多幅圖像間的互補(bǔ)信息的處理來(lái)提高圖像的清晰度。不同的醫(yī)學(xué)影像設(shè)備獲取的影像反映了不同的信息：功能圖像（SPECT、PET等）分辨率較差，但它提供的臟器功能代謝和血液流動(dòng)信息是解剖圖像所不能替代的；解剖圖像（CT、MRI、B超等）以較高的分辨率提供了臟器的解剖形態(tài)信息，其中CT有利于更致密的組織的探測(cè)，而MRI能夠提供軟組織的更多信息。多模態(tài)醫(yī)學(xué)圖像的融合把有價(jià)值的生理功能信息與精確的解剖結(jié)構(gòu)結(jié)合在一起，可以為臨床提供更加全面和準(zhǔn)確的資料。
醫(yī)學(xué)圖像的融合可分為圖像融合的基礎(chǔ)和融合圖像的顯示。（1）圖像融合的基礎(chǔ)：目前的圖像融合技術(shù)可以分為2大類，一類是以圖像像素為基礎(chǔ)的融合法；另一類是以圖像特征為基礎(chǔ)的融合方法。以圖像像素為基礎(chǔ)的融合法模型可以表示為：
其中，為融合圖像，為源圖像，為相應(yīng)的權(quán)重。以圖像特征為基礎(chǔ)的融合方法在原理上不夠直觀且算法復(fù)雜，但是其實(shí)現(xiàn)效果較好。圖像融合的步驟一般為：①將源圖像分別變換至一定變換域上；②在變換域上設(shè)計(jì)一定特征選擇規(guī)則；③根據(jù)選取的規(guī)則在變換域上創(chuàng)建融合圖像；④逆變換重建融合圖像。（2）融合圖像的顯示：融合圖像的顯示方法可分成2種：空間維顯示和時(shí)間維顯示。
目前，醫(yī)學(xué)圖像融合技術(shù)中還存在較多困難與不足。首先，基本的理論框架和有效的廣義融合模型尚未形成。以致現(xiàn)有的技術(shù)方法還只是針對(duì)具體病癥、具體問(wèn)題發(fā)揮作用，通用性相對(duì)較弱。研究的圖像以CT、MRI、核醫(yī)學(xué)圖像為主，超聲等成本較低的圖像研究較少且研究主要集中于大腦、腫瘤成像等；其次，由于成像系統(tǒng)的成像原理的差異，其圖像采集方式、格式以及圖像的大小、質(zhì)量、空間與時(shí)間特性等差異大，因此研究穩(wěn)定且精度較高的全自動(dòng)醫(yī)學(xué)圖像配準(zhǔn)與融合方法是圖像融合技術(shù)的難點(diǎn)之一；最后，缺乏能夠客觀評(píng)價(jià)不同融合方法融合效果優(yōu)劣的標(biāo)準(zhǔn)，通常用目測(cè)的方法比較融合效果，有時(shí)還需要利用到醫(yī)生的經(jīng)驗(yàn)。
在圖像融合技術(shù)研究中，不斷有新的方法出現(xiàn)，其中小波變換在圖像融合中的應(yīng)用，基于有限元分析的非線性配準(zhǔn)以及人工智能技術(shù)在圖像融合中的應(yīng)用將是今后圖像融合研究的熱點(diǎn)與方向。隨著三維重建顯示技術(shù)的發(fā)展，三維圖像融合技術(shù)的研究也越來(lái)越受到重視，三維圖像的融合和信息表達(dá)，也將是圖像融合研究的一個(gè)重點(diǎn)。
5．醫(yī)學(xué)圖像紋理分析
一般認(rèn)為圖像的紋理特征描述物體表面灰度或顏色的變化,這種變化與物體自身屬性有關(guān),是某種紋理基元的重復(fù)。Sklansky早在1978年給出了一個(gè)較為適合于醫(yī)學(xué)圖像的紋理定義:“如果圖像的一系列固有的統(tǒng)計(jì)特性或其它的特性是穩(wěn)定的、緩慢變化的或者是近似周期的,那么則認(rèn)為圖像的區(qū)域具有不變的紋理”。紋理的不變性即指紋理圖像的分析結(jié)果不會(huì)受到旋轉(zhuǎn)、平移、以及其它幾何處理的影響。目前從圖像像素之間的關(guān)系角度,紋理分析方法主要包括以下幾種。
5.1統(tǒng)計(jì)法
統(tǒng)計(jì)分析方法主要是基于圖像像素的灰度值的分布與相互關(guān)系,找出反映這些關(guān)系的特征。基本原理是選擇不同的統(tǒng)計(jì)量對(duì)紋理圖像的統(tǒng)計(jì)特征進(jìn)行提取。這類方法一般原理簡(jiǎn)單,較易實(shí)現(xiàn),但適用范圍受到限制。該方法主要適合醫(yī)學(xué)圖像中那些沒有明顯規(guī)則性的結(jié)構(gòu)圖像,特別適合于具有隨機(jī)的、非均勻性的結(jié)構(gòu)。統(tǒng)計(jì)分析方法中,最常用的是共生矩陣法,其中有灰度共生矩陣(graylevelco-occurrencematrix,GLCM)和灰度—梯度共生矩陣。杜克大學(xué)的R.Voracek等使用GLCM對(duì)肋間周邊區(qū)提取的興趣區(qū)(regionofinterest,ROI)進(jìn)行計(jì)算,測(cè)出了有意義的紋理參數(shù)。另外,還有長(zhǎng)游程法(runlengthmatrix,RLM),其紋理特征包括短游程優(yōu)勢(shì)、長(zhǎng)游程優(yōu)勢(shì)、灰度非均勻化、游程非均勻化、游程百分比等,長(zhǎng)游程法是對(duì)圖像灰度關(guān)系的高階統(tǒng)計(jì),對(duì)于給定的灰度游程,粗的紋理具有較大的游程長(zhǎng)度,而細(xì)的紋理具有較小的游程長(zhǎng)度。
5.2結(jié)構(gòu)法
結(jié)構(gòu)分析方法是分析紋理圖像的結(jié)構(gòu),從中獲取結(jié)構(gòu)特征。結(jié)構(gòu)分析法首先將紋理看成是有許多紋理基元按照一定的位置規(guī)則組成的,然后分兩個(gè)步驟處理（1）提取紋理基元；（2）推論紋理基元位置規(guī)律。目前主要用數(shù)學(xué)形態(tài)學(xué)方法處理紋理圖像,該方法適合于規(guī)則和周期性紋理,但由于醫(yī)學(xué)圖像紋理通常不是很規(guī)則,因此該方法的應(yīng)用也受到限制,實(shí)際中較少采用。
5.3模型法
模型分析方法認(rèn)為一個(gè)像素與其鄰域像素存在某種相互關(guān)系,這種關(guān)系可以是線性的,也可以是符合某種概率關(guān)系的。模型法通常有自回歸模型、馬爾科夫隨機(jī)場(chǎng)模型、Gibbs隨機(jī)場(chǎng)模型、分形模型,這些方法都是用模型系數(shù)來(lái)表征紋理圖像,其關(guān)鍵在于首先要對(duì)紋理圖像的結(jié)構(gòu)進(jìn)行分析以選擇到最適合的模型,其次為如何估計(jì)這些模型系數(shù)。如何通過(guò)求模型參數(shù)來(lái)提取紋理特征,進(jìn)行紋理分析,這類方法存在著計(jì)算量大,自然紋理很難用單一模型表達(dá)的缺點(diǎn)。
5.4頻譜法
頻譜分析方法主要基于濾波器理論，包括傅立葉變換法、Gabor變換法和小波變換法。
1973年Bajcsy使用傅立葉濾波器方法分析紋理。Indhal等利用2-D快速傅立葉變換對(duì)紋理圖像進(jìn)行頻譜分析,從而獲得紋理特征。該方法只能完成圖像的頻率分解,因而獲得的信息不是很充分。1980年Laws對(duì)圖像進(jìn)行傅氏變換,得出圖像的功率譜,從而提取紋理特征進(jìn)行分析。
Gabor函數(shù)可以捕捉到相當(dāng)多的紋理信息,且具有極佳的空間/頻域聯(lián)合分辨率,因此在實(shí)際中獲得了較廣泛的應(yīng)用。小波變換法大體分金子塔形小波變換法和樹形小波變換法(小波包法)。
小波變換在紋理分析中的應(yīng)用是Mallat在1989年首先提出的,主要用二值小波變換(DiscreteWaveletTransform,DWT),之后各種小波變換被用于抽取紋理特征。傳統(tǒng)的金字塔小波變換在各分解級(jí)僅對(duì)低頻部分進(jìn)行分解,所以利用金字塔小波變換進(jìn)行紋理特征提取是僅利用了紋理圖像低頻子帶的信息,但對(duì)某些紋理,其中高頻子帶仍含有有關(guān)紋理的重要特征信息(如對(duì)具有明顯的不規(guī)則紋理的圖像,即其高頻子帶仍含有有關(guān)紋理的重要特征)得不到利用。使用在每個(gè)分解級(jí)對(duì)所有的頻率通道均進(jìn)行分解的完全樹結(jié)構(gòu)小波變換提取特征,能夠較全面地提取有關(guān)紋理特征。
由于醫(yī)學(xué)圖像及其紋理的復(fù)雜性，目前還不存在通用的適合各類醫(yī)學(xué)圖像進(jìn)行紋理分析的方法，因而對(duì)于各類不同特點(diǎn)的醫(yī)學(xué)圖像就必須采取有針對(duì)性地最適合的紋理分析技術(shù)。另外，在應(yīng)用某一種紋理分析方法對(duì)圖像進(jìn)行分析時(shí)，尋求最優(yōu)的紋理特征與紋理參數(shù)也是目前醫(yī)學(xué)圖像紋理分析中的重點(diǎn)和難點(diǎn)。
6．總結(jié)
隨著遠(yuǎn)程醫(yī)療技術(shù)的蓬勃發(fā)展，對(duì)醫(yī)學(xué)圖像處理提出的要求也越來(lái)越高。醫(yī)學(xué)圖像處理技術(shù)發(fā)展至今，各個(gè)學(xué)科的交叉滲透已是發(fā)展的必然趨勢(shì)，其中還有很多亟待解決的問(wèn)題。有效地提高醫(yī)學(xué)圖像處理技術(shù)的水平，與多學(xué)科理論的交叉融合、醫(yī)務(wù)人員和理論技術(shù)人員之間的交流就顯得越來(lái)越重要。多維、多參數(shù)以及多模式圖像在臨床診斷（包括病灶檢測(cè)、定性，臟器功能評(píng)估，血流估計(jì)等）與治療（包括三維定位、體積計(jì)算、外科手術(shù)規(guī)劃等）中將發(fā)揮更大的作用。
參考文獻(xiàn)
[1]P.Suetens.FundamentalsofMedicalImaging[M].CambridgeUniversityPress，2002．
[2]劉俊敏，黃忠全，王世耕，張穎.醫(yī)學(xué)圖像處理技術(shù)的現(xiàn)狀及發(fā)展方向[J].醫(yī)療衛(wèi)生設(shè)備，2005，Vol26
（12）：25-26.
[3]田婭，饒妮妮，蒲立新.國(guó)內(nèi)醫(yī)學(xué)圖像處理技術(shù)的最新動(dòng)態(tài)[J].電子科技大學(xué)學(xué)報(bào)，2002，Vol31（5）：
485-489.
[4]周剛慧，施鵬飛．磁共振圖像的隨機(jī)場(chǎng)分割方法[J]．上海交通大學(xué)學(xué)報(bào)，2001，Vol35（11）：1655．
[5]ZhangHM，YuanZJ，CaiZM.SegmentationofMRIusinghierarchicalmarkovrandomfield[J].Journalof
Software，2002，Vol13（9）：1779.
[6]林亞忠，陳武凡，楊豐.基于混合金字塔吉布斯隨機(jī)場(chǎng)模型的圖像分割[J].中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)，
2004，Vol23（1）：79.
[7]聶生東，陳瑛，顧順德．磁共振顱腦圖像快速模糊聚類分割算法研究[J]．中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)，2001，
Vol20（2）：104．
[8]江寶釧，張鈞良．基于BP神經(jīng)網(wǎng)絡(luò)的MRI分割[J].微機(jī)發(fā)展，2000，Vol1：67.
[9]AhmedMN，F(xiàn)aragA.Two-stageneuralnetworkforvolumesegmentationofmedicalimages[J].Proceedings
ofIEEEInternationalConferenceonNeuralNetworks，1997，Vol28（3）：1373.
[10]黃永峰，岑康，司京玉等.模糊神經(jīng)網(wǎng)絡(luò)在顱腦磁共振圖像分割中的應(yīng)用研究[J].中國(guó)生物醫(yī)學(xué)工程
學(xué)報(bào)，2003，Vol22（6）：508.
[11]CostinH，RotariuCR.Knowledge-basedcontourdetectioninmedicalimagingusingfuzzylogic[J].
InternationalSymposiumonSCS’03，2003，1：273.
[12]謝逢，羅立民，田雪琴.基于知識(shí)的人腦三維醫(yī)學(xué)圖像分割顯示方法[J].生物醫(yī)學(xué)工程學(xué)雜志，1997，
Vol14（2）：124.
[13]王蓓，張立明.利用圖像先驗(yàn)知識(shí)與Snake結(jié)合對(duì)心臟序列圖像的分割[J].復(fù)旦大學(xué)學(xué)報(bào)（自然科學(xué)
版），2003，Vol42（1）：81.
[14]RaquelVC，VeronicaMB，OscarYS.Couplingofradial-basisnetworkandactivecontourmodelformulti
spectralbrainMRIsegmentation[J].IEEETransactionsonBiomedicalEngineering，2004，Vol51（3）：459.
[15]LuoXP，TianJ，LinY.Analgorithmforsegmentationofmedicalimageseriesbasedonactivecontour
model[J].JournalofSoftware，2002，Vol13（6）：1050.
[16]HallpikeL，HawkesDJ.Medicalimageregistration:Anoverview[J].BrInstituteRadiol，2004，Vol14（6）：
455-463.
[17]PetraA，ElsenV.MedicalImagemaching:Areviewwithclassification[J].IEEETransMedImage，1993，
Vol12（3）：26-39.
[18]LuoShuo-qian，LiXiang.Implementationofmutualinformationbasedmulti-modalitymedicalimage
registration[A].EngMedBillSocProc22ndAnnIntConfIEEE[C].NavyPierConventionCenterChicago，
Illinois，USA：TheInstituteofElectricalandElectricalandElectronicsEngineers，Ind，2000，2：1447-1450.
[19]SharmanR，TylerJM，PianykhOL，etal.Afastandaccuratetomethodtoregistermedicalimagesusing
waveletmodulusmaxima[J].PattRecogLett，2000，21：447-462.
[20]LesterH，ArridgeSR.ASurveyofhierarchiclnon-linearmedicalimageregistration[J].PatternRecognition，
1999，32：129-149.
[21]盧健，胡志忠，楊如乃.醫(yī)學(xué)圖像融合技術(shù)的研究[J].上海生物醫(yī)學(xué)工程，2006，Vol27（3）：163-167.
[22]王新成.高級(jí)圖像處理技術(shù)[M].北京：中國(guó)科學(xué)技術(shù)出版社，2001.
[23]RVoracek，HPMcAdams，puterAidedDiagnosisofInterstitialLungDisease:aTexture
篇2
全息技術(shù)是物理學(xué)中一重要發(fā)現(xiàn)，越來(lái)越多的應(yīng)用于各個(gè)行業(yè)。伴隨著CCD技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展，全息技術(shù)也得到一次質(zhì)的飛躍，從傳統(tǒng)光學(xué)全息到數(shù)字全息。傳統(tǒng)光學(xué)全息將物光和參考光干涉得到全息照片來(lái)記錄光的振幅和相位信息，而數(shù)字全息則用CCD記錄物光和參考光的干涉，形成數(shù)字全息圖，再通過(guò)計(jì)算機(jī)圖像處理技術(shù)處理全息圖。因此，影響數(shù)字全息技術(shù)發(fā)展有兩個(gè)重要方面：CCD技術(shù)和計(jì)算機(jī)圖像處理技術(shù)。本文將從計(jì)算機(jī)應(yīng)用方面闡述圖像處理技術(shù)在全息中的應(yīng)用。
1圖像處理技術(shù)
圖像是現(xiàn)代社會(huì)人們獲取信息的一個(gè)主要手段。人們用各種觀測(cè)系統(tǒng)以不同的形式和手段獲得圖像，以拓展其認(rèn)識(shí)的范圍。圖像以各種形式出現(xiàn)，可視的、不可視的，抽象的、實(shí)際的，計(jì)算機(jī)可以處理的和不適合計(jì)算機(jī)處理的。但究其本質(zhì)來(lái)說(shuō)，圖像主要分為兩大類：一類是模擬圖像，包括光學(xué)圖像、照相圖像、電視圖像等。它的處理速度快，但精度和靈活性差。另一類是數(shù)字圖像。它是將連續(xù)的模擬圖像離散化后處理變成為計(jì)算機(jī)能夠辨識(shí)的點(diǎn)陣圖像。從數(shù)字上看，數(shù)字圖像就是被量化的二維采樣數(shù)組。它是計(jì)算機(jī)技術(shù)發(fā)展的產(chǎn)物，具有精度高、處理方便和重復(fù)性好等特點(diǎn)。
圖像處理就是將圖像轉(zhuǎn)化為一個(gè)數(shù)字矩陣存放在計(jì)算機(jī)中，并采用一定的算法對(duì)其進(jìn)行處理。圖像處理的基礎(chǔ)是數(shù)學(xué)，最主要任務(wù)就是各種算法的設(shè)計(jì)和實(shí)現(xiàn)。目前，圖像處理技術(shù)已經(jīng)在很多方面有著廣泛的應(yīng)用。如通訊技術(shù)、遙感技術(shù)、生物醫(yī)學(xué)、工業(yè)生產(chǎn)、計(jì)算機(jī)科學(xué)等等。根據(jù)應(yīng)用領(lǐng)域的不同要求，可以將圖像處理技術(shù)劃分為許多分支，其中比較重要的分支有：①圖像數(shù)字化：通過(guò)采樣和量化將模擬圖像變成便于計(jì)算機(jī)處理的數(shù)字形式。③圖像的增強(qiáng)和復(fù)原：主要目的是增強(qiáng)圖像中的有用信息，削弱干擾和噪聲，使圖像清晰或?qū)⑥D(zhuǎn)化為更適合分析的形式。③圖像編碼：在滿足一定的保真條件下，對(duì)圖像進(jìn)行編碼處理，達(dá)到壓縮圖像信息量，簡(jiǎn)化圖像的目的。以便于存儲(chǔ)和傳輸。④圖像重建：主要是利用采集的數(shù)據(jù)來(lái)重建出圖像。圖像重建的主要算法有代數(shù)法、傅立葉反投影法和使用廣泛的卷積反投影法等。⑤模式識(shí)別：識(shí)別是圖像處理的主要目的。如：指紋鑒別、人臉識(shí)別等是模式識(shí)別的內(nèi)容。當(dāng)今的模式識(shí)別方法通常有三種：統(tǒng)計(jì)識(shí)別法、句法結(jié)構(gòu)模式識(shí)別法和模糊識(shí)別法。⑥計(jì)算機(jī)圖形學(xué)：用計(jì)算機(jī)將實(shí)際上不存在的，只是概念上所表示的物體進(jìn)行圖像處理和顯現(xiàn)出來(lái)。
2計(jì)算機(jī)圖像處理技術(shù)在全息學(xué)中的應(yīng)用
圖像處理技術(shù)在全息中的應(yīng)用主要表現(xiàn)在：一是計(jì)算全息，基于計(jì)算機(jī)圖形學(xué)將計(jì)算機(jī)技術(shù)與光全息技術(shù)結(jié)合起來(lái)，通過(guò)計(jì)算機(jī)模擬、計(jì)算、處理，制作出全息圖。因此它可以記錄物理上不存在的實(shí)物。二是利用圖像的增強(qiáng)和復(fù)原，圖像編碼技術(shù)等對(duì)數(shù)字全息圖像質(zhì)進(jìn)行提高以及實(shí)現(xiàn)的各種算法。它的應(yīng)用大致可以分為兩大類，即空域法和頻域法：①空域法：這種方法是把圖像看作是平面中各個(gè)像素組成的集合，然后直接對(duì)這一二維函數(shù)進(jìn)行相應(yīng)的處理。空域處理法主要有下面兩大類:一是領(lǐng)域處理法。其中包括梯度運(yùn)算(GradientAlgorithm)，拉普拉斯算子運(yùn)算(LaplacianOperator)，平滑算子運(yùn)算(SmoothingOperator)和卷積運(yùn)算(ConvolutionAlgorithm)。二是點(diǎn)處理法。包括灰度處理(greyprocessing)，面積、周長(zhǎng)、體積、重心運(yùn)算等等。②頻域法：數(shù)字圖像處理的頻域處理方法是首先對(duì)圖像進(jìn)行正交變換，得到變換頻域系列陣列，然后再施行各種處理，處理后再反變換到空間域，得到處理結(jié)果。這類處包括:濾波、數(shù)據(jù)壓縮、特征提取等處理。
3模擬實(shí)驗(yàn)
本文運(yùn)用matlab軟件，利用圖像處理技術(shù)，編寫了程序，以模擬計(jì)算全息和實(shí)現(xiàn)全息圖像的濾波。圖1是計(jì)算全息實(shí)現(xiàn)流程圖。
本文將運(yùn)用matlab程序設(shè)計(jì)語(yǔ)言實(shí)現(xiàn)計(jì)算全息的制作、再現(xiàn)過(guò)程。標(biāo)有“涉”一字，圖像尺寸為1024像素×1024像素；。模擬實(shí)驗(yàn)中用到的參數(shù)為：激光模擬了氦氖激光器，波長(zhǎng)為638.2nm；再現(xiàn)距離為40cm；因?yàn)樵嘉飯D的尺寸用像素為單位表示，所以像素分辨率為1。
從模擬實(shí)驗(yàn)中可以看出，數(shù)字全息的處理過(guò)程其實(shí)就是計(jì)算機(jī)圖像處理在全息技術(shù)的應(yīng)用過(guò)程。利用計(jì)算機(jī)圖像處理技術(shù)對(duì)全息圖進(jìn)行了記錄，將物光和參考光干涉得到了全息圖。并利用圖像的增強(qiáng)和復(fù)原對(duì)圖像進(jìn)行了處理，以消除噪聲，得到更好的全息再現(xiàn)象。
本文僅模擬了計(jì)算全息的實(shí)現(xiàn)和再現(xiàn)過(guò)程，其實(shí)，計(jì)算機(jī)圖像處理在全息技術(shù)中的應(yīng)用是全方位的，用實(shí)驗(yàn)方法得到的全息圖中包含了更多的其他無(wú)用信息（噪聲），圖像處理技術(shù)在這里就顯得尤為重要。隨著計(jì)算機(jī)圖像處理技術(shù)的進(jìn)一步發(fā)展，全息技術(shù)必然會(huì)迎來(lái)新的一輪發(fā)展和飛躍。超級(jí)秘書網(wǎng)：
參考文獻(xiàn)：
[1]周燦林，亢一瀾.數(shù)字全息干涉法用于變形測(cè)量.光子學(xué)報(bào)，2004，13（2）：171－173.
篇3
計(jì)算機(jī)信息處理技術(shù)的發(fā)展，特別是人工智能、模式識(shí)別、計(jì)算機(jī)模擬、知識(shí)庫(kù)和數(shù)據(jù)庫(kù)等技術(shù)的發(fā)展，使人們能將物理、化學(xué)理論與大批雜亂的試驗(yàn)資料結(jié)合起來(lái)，用歸納和演繹相結(jié)合的方法為新材料的研制做出決策，為材料設(shè)計(jì)和實(shí)施提供了行之有效的技術(shù)手段。現(xiàn)代計(jì)算機(jī)技術(shù)和圖像處理技術(shù)，特別是快速原型制造技術(shù)與CT掃描、MR（I磁共振成像）等技術(shù)結(jié)合，都已成功地在醫(yī)學(xué)上得到應(yīng)用。而通過(guò)利用計(jì)算機(jī)技術(shù)，建立相應(yīng)的數(shù)學(xué)模型，可以在一定的控制條件下進(jìn)行仿真研究。
2.1數(shù)據(jù)的采集
首先要對(duì)病人預(yù)置換股骨頭處進(jìn)行CT斷層掃描，分別進(jìn)行俯視圖掃描、主視圖掃描，目的是為了得到清晰的股骨頭球面輪廓，如圖1所示。然后將清晰的目標(biāo)圖像按照與實(shí)物1∶1的比例進(jìn)行截圖后掃描至計(jì)算機(jī)，并將圖像轉(zhuǎn)換成512×512Bit的數(shù)字圖像，像素灰度為0～255，利用圖像處理技術(shù)進(jìn)行消除噪聲、灰度校正等處理。
2.2圖像邊界輪廓提取與修整
通過(guò)AutoCAD中的光柵圖像參考功能，將處理后的圖片（1∶1）依次導(dǎo)入為背景，再利用多線段、剪切、圓等繪圖工具對(duì)目標(biāo)進(jìn)行輪廓標(biāo)記與識(shí)別。醫(yī)學(xué)圖像的輪廓識(shí)別比較復(fù)雜，主要是由于掃描進(jìn)來(lái)的關(guān)節(jié)圖像的粘連性較大，甚至?xí)霈F(xiàn)錯(cuò)誤識(shí)別、假輪廓。為此，在輪廓跟蹤處理完之后，必須對(duì)輪廓進(jìn)行修正，使不符合要求的虛假輪廓得以清除，可采用自動(dòng)修正或手工修正。對(duì)于沒有平滑掉的雜點(diǎn)而產(chǎn)生的虛偽輪廓，根據(jù)比較兩個(gè)封閉曲面內(nèi)像素點(diǎn)的多少來(lái)進(jìn)行清除，保留大輪廓，舍掉小輪廓，對(duì)于不能自動(dòng)判斷的粘連、不連續(xù)等失真現(xiàn)象，使用手工控制方法。刪除底片保留輪廓線，利用軟件將其進(jìn)行貝塞爾曲線修整，結(jié)合CT掃描的尺寸數(shù)據(jù)按比例調(diào)整為建模尺寸。目前，關(guān)于三維重建的方法是：通過(guò)掃描儀將CT實(shí)體照片以高分辨率模式掃描為電子照片格式，然后利用PS對(duì)其進(jìn)行二值化處理，使用Freeman進(jìn)行鏈碼提取并跟蹤輪廓，再將每個(gè)斷層外輪廓數(shù)據(jù)導(dǎo)入AutoCAD中，組成一個(gè)三維體數(shù)據(jù)，再進(jìn)行曲面重建，最終利用蒙皮法得到三維形體。這種方法可以制造出與病人骨形完全一致的假體，關(guān)鍵是要精確地提取股骨頭球面輪廓尺寸和形狀，這樣才能使股骨頭與股骨腔吻合程度較高。
2.3矢量化處理
采用軟件CAXA實(shí)體設(shè)計(jì)中的掃描、投影、放樣和布爾運(yùn)算功能可以更加快捷地實(shí)現(xiàn)建模。首先，將提取并修整后的輪廓放入實(shí)體設(shè)計(jì)環(huán)境中，編輯兩個(gè)方向的輪廓截面，以輪廓中心點(diǎn)為基準(zhǔn)，按照2∶3∶5的比例縮小輪廓，得到同心3個(gè)相同的輪廓截面；然后，按照主視圖和俯視圖輪廓顯示的高度，激活三維球，將輪廓依次放置在底部、中間和頂部，并從上至下依次投影，以頂部底面為起始面、底部上面為終止面進(jìn)行放樣操作。此時(shí)，計(jì)算機(jī)會(huì)自動(dòng)計(jì)算處理成型，由原先的3個(gè)面，得到1個(gè)完成的實(shí)體結(jié)構(gòu)。最后，將兩個(gè)方向上形成的實(shí)體利用三維球同心，進(jìn)行布爾加法運(yùn)算，得到組合實(shí)體，將組合體的多余部分利用“分割實(shí)體表面”功能完成股骨頭的三維建模。
3快速原型制造
快速成型技術(shù)應(yīng)用于人工關(guān)節(jié)和人造骨制造過(guò)程中，不僅可以提高成品的設(shè)計(jì)質(zhì)量，還可以縮短產(chǎn)品的設(shè)計(jì)周期。目前，假體移植手術(shù)需求量大，為保證手術(shù)的盡快實(shí)施和手術(shù)的成功率，就必須采用快速成型技術(shù)。隨著電子儀器和計(jì)算機(jī)技術(shù)的發(fā)展，快速成型機(jī)應(yīng)運(yùn)而生，快速成型技術(shù)是醫(yī)學(xué)領(lǐng)域與工程領(lǐng)域相結(jié)合的敏捷制造系統(tǒng)，主要有：光固化立體模型（SL）、選擇性激光燒結(jié)（SLS）、層片疊加成型（LOM）和熔融沉積造型（FDM）。
3.1RPM成型機(jī)
傳統(tǒng)的制造成型過(guò)程是利用鑄造制造出毛坯，然后對(duì)毛坯進(jìn)行磨光或拋光，形狀和精度是通過(guò)從毛坯上去掉多余的材料來(lái)保證的，吻合度不高，而快速成型的基本理念則是在計(jì)算機(jī)的控制下，將材料精確地堆積成型，無(wú)需加工即可制造。將設(shè)計(jì)出的三維實(shí)體轉(zhuǎn)換為快速成型機(jī)所能接受的STL格式，輸入機(jī)器，該機(jī)的基本原理是將實(shí)體模型切片成一系列具有一定厚度的薄層，計(jì)算機(jī)控制其激光束按薄片截面輪廓形狀將薄層材料切割出該層橫截面的形狀，然后層層堆積并得到實(shí)體。
3.23D打印成型
3D打印技術(shù)是根據(jù)CAXA分層模型所獲得的兩維像素信息，利用噴嘴向待成型體床上噴射黏結(jié)劑，每打印完一層后，粉料床通過(guò)底部活塞向下移動(dòng)一段距離，并在粉料床的底部添加新的粉料，再根據(jù)計(jì)算機(jī)要求向新的粉料床噴射黏結(jié)劑，重復(fù)此過(guò)程，完成后去除未噴射黏結(jié)劑的粉料，立刻得到成型的實(shí)體。如果噴射的黏結(jié)劑中含有其他具有某種功能的成分，則可以控制零件中局部成分的變化；增加噴頭數(shù)目，則可以得到在不同的區(qū)域具有不同功能和成分的整體零件。3D打印可以用于成型陶瓷、金屬、金屬陶瓷復(fù)合材料及高分子材料的假體中。
3.3快速成型制造技術(shù)在骨修復(fù)外科中的應(yīng)用
隨著材料科學(xué)和醫(yī)學(xué)的發(fā)展，生物陶瓷在醫(yī)學(xué)上尤其是矯形外科和骨修復(fù)外科中的應(yīng)用也越來(lái)越廣泛。但由于病人個(gè)體差異和實(shí)際情況的不同，使得骨修復(fù)體必須根據(jù)病人的實(shí)際情況來(lái)定制，而且在臨床上為減少病人的痛苦又要盡量縮短定制時(shí)間。快速成型技術(shù)正好具有這兩個(gè)優(yōu)點(diǎn)，特別適合單件或小批量生產(chǎn)并且能夠?qū)崿F(xiàn)快速制造。快速成型技術(shù)可精確地復(fù)制出人工關(guān)節(jié)，從而使設(shè)計(jì)出的人工關(guān)節(jié)可以在由原型翻制成的模型上進(jìn)行驗(yàn)證，確定其受力分布、結(jié)合面設(shè)計(jì)是否合理。目前，有關(guān)研究人員已經(jīng)開始研究如何將CT掃描的數(shù)據(jù)直接傳到快速成型機(jī)上，這樣將減少中間環(huán)節(jié)較為復(fù)雜的三維重建過(guò)程，并減少因數(shù)據(jù)轉(zhuǎn)換造成的誤差，使快速成型產(chǎn)品直接應(yīng)用于臨床。
篇4
2.1加強(qiáng)對(duì)Photoshop圖像處理應(yīng)用案例分析總結(jié)就是一種間接的自我學(xué)習(xí)，通過(guò)案例分析總結(jié)可以讓自己展開豐富的想象力，加強(qiáng)對(duì)Photoshop圖像處理應(yīng)用。如圖3，這是一組人居環(huán)境適宜的景觀設(shè)計(jì)效果處理前后變化展示，前一張圖片是用3Dmax配合V-ray插件進(jìn)行渲染的最終效果，為了進(jìn)一步美化效果圖，這是就需要Photoshop圖像處理，結(jié)合中間這一張照片，采用圖層處理、素材插入、調(diào)整圖層、圖層蒙版、創(chuàng)建亮度\對(duì)比度調(diào)整層等方式最終合成想要的效果。在案例分析過(guò)的成中，應(yīng)注意多觀察多總結(jié)多思考，設(shè)計(jì)最終效果的高低，一方面是和自己所擁有的知識(shí)水平有關(guān)，另一方面還和自己的審美能力高低有關(guān)，這就需要告誡我們平時(shí)多注意學(xué)習(xí)，學(xué)習(xí)不僅僅局限在書本上，還應(yīng)該多參觀欣賞較好的作品，從中得到審美能力的提高。
2.2模仿和創(chuàng)造相結(jié)合，提高Photoshop圖像處理動(dòng)手能力模仿是人的本能天性，是人類進(jìn)行各種學(xué)習(xí)活動(dòng)的最基本方法。在平時(shí)的Photoshop圖像處理模仿使用中，通常就是通過(guò)網(wǎng)上視頻，如金鷹視頻來(lái)自己分析Photoshop軟件的各個(gè)功能。在視頻觀看的過(guò)程，可以根據(jù)視頻中的實(shí)例操作，最終達(dá)到理解，這個(gè)過(guò)程就是模仿。例如：模仿給圖片添加陰影效果，通常情況下，可以選擇Photoshop菜單欄圖層—圖層樣式—陰影就可以完成。而通過(guò)視頻模仿，就可以快速的通過(guò)浮動(dòng)圖層菜單，選定此圖片圖層，并把鼠標(biāo)快速放到縮略藍(lán)色區(qū)域雙擊就可以打開圖層樣式浮動(dòng)菜單完成陰影效果。在提高Photoshop圖像處理動(dòng)手能力上，還要發(fā)揮自己的創(chuàng)造能力。例如給此圖片添加完陰影后，圖層樣式還有內(nèi)外陰影、內(nèi)外發(fā)光、光澤、斜面和浮雕、顏色疊加等方式，我們嘗試可以根據(jù)圖片實(shí)際情況試著添加，達(dá)到最佳效果。這里就需要發(fā)揮創(chuàng)造性對(duì)圖片處理創(chuàng)新性在里面。
2.3結(jié)合科研項(xiàng)目，帶動(dòng)Photoshop圖像處理實(shí)踐能力如在科研項(xiàng)目：西部山地型小城市人居環(huán)境問(wèn)題及保護(hù)策略研究——以商洛市商州區(qū)為例上，需要收集大量的本地環(huán)境有關(guān)的圖片素材并進(jìn)行美化處理，這就可以親自參與商州區(qū)大氣質(zhì)量惡化、丹江主要河流體固體廢物污染、交通混亂等圖片的處理，如圖4是一組人居環(huán)境的照片，上一組為未處理時(shí)的照片，下一組為處理后的照片。這里的美化是對(duì)圖片效果的美化。
2.4參與企業(yè)設(shè)計(jì)，增強(qiáng)Photoshop圖像處理靈活性參與企業(yè)設(shè)計(jì)，就是參與設(shè)計(jì)公司的工作。例如：在商洛市西街片區(qū)的舊城改造過(guò)程中，學(xué)生負(fù)責(zé)收集照片，并對(duì)舊城的原始照片進(jìn)行處理規(guī)范化。如圖5，是舊城改造前的圖片收集整理。
篇5
煙葉是煙草工業(yè)的基礎(chǔ)原料， 對(duì)煙草工業(yè)生產(chǎn)質(zhì)量和煙草行業(yè)經(jīng)營(yíng)效益具有舉足輕重的作用。對(duì)煙葉生產(chǎn)過(guò)程的各個(gè)環(huán)節(jié)包括煙葉品質(zhì)的智能識(shí)別進(jìn)行技術(shù)創(chuàng)新，提高品質(zhì)和效率，是一個(gè)前沿研究方向[1][5]。
當(dāng)前這一方面的研究，主要集中在數(shù)字圖像處理方面，把煙葉品質(zhì)的數(shù)字圖像處理與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合，實(shí)現(xiàn)煙葉品質(zhì)的智能識(shí)別，是一個(gè)極有價(jià)值的工作。以下在此方面作出一個(gè)系統(tǒng)的、較為完備的、易于實(shí)際操作的研究。
2主要技術(shù)手段
2．1 MAⅡAB圖像處理工具箱
在MATLAB平臺(tái)上，借助圖像處理工具箱，可以簡(jiǎn)易明快地實(shí)現(xiàn)對(duì)煙葉數(shù)字圖像的圖像處理。在煙葉生產(chǎn)一線，用數(shù)碼照相機(jī)對(duì)各種煙葉樣本進(jìn)行拍照，輸入計(jì)算機(jī)，用MAT_LAB將它轉(zhuǎn)換為各(．bmp；．jpeg；．gif；．png；．t 圖片以便進(jìn)行圖像處理。成本低，精確度高，宜于普及推廣。獲取各種類型的煙葉數(shù)字圖像以后，經(jīng)閾值使用權(quán)圖像二值化，可以當(dāng)即辨識(shí)出這一圖像是否具有何種類型的病蟲害或品質(zhì)異變。利用煙葉數(shù)字圖像的邊緣檢測(cè)、輪廓提取等分析命令，獲得待測(cè)煙葉的圖像參數(shù)和特征，再由神經(jīng)網(wǎng)絡(luò)技術(shù)，完成對(duì)煙葉品質(zhì)的智能識(shí)別。
2．2神經(jīng)網(wǎng)絡(luò)技術(shù)
神經(jīng)網(wǎng)絡(luò)是一個(gè)新的智能識(shí)別工具。畢業(yè)論文 經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)能夠存儲(chǔ)與過(guò)程有關(guān)的信息，能直接從歷史數(shù)據(jù)中學(xué)習(xí)，經(jīng)過(guò)用各種煙葉樣本訓(xùn)練和學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，能自動(dòng)地識(shí)別出待測(cè)煙葉樣本的品質(zhì)類型。而且，神經(jīng)網(wǎng)絡(luò)具有濾除噪聲及在有噪聲情況下得出正確結(jié)論的能力。這一點(diǎn)對(duì)于煙葉生產(chǎn)實(shí)際中大量存在各種噪聲信息的情況而言，特別重要。它特別適合在線識(shí)別。
3應(yīng)用MATLAB圖像處理工具箱和神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)煙葉品質(zhì)智能識(shí)別的操作過(guò)程
3．1煙葉圖片樣本庫(kù)的建立
用數(shù)碼相機(jī)或其它數(shù)字圖像采集工具，采集各種類型的煙葉的標(biāo)準(zhǔn)圖片，分類歸檔，借助MATLAB圖像變換功能，將各種類型的煙葉的標(biāo)準(zhǔn)圖片，轉(zhuǎn)換成各種圖片形式：．bmp；．jpeg；．sir；．png；．tif等，以便隨時(shí)調(diào)用。這些煙葉圖片，有不同品質(zhì)的樣本；還有各種病蟲害標(biāo)本和變異標(biāo)本。
3．2用直方圖均衡來(lái)實(shí)現(xiàn)圖像增強(qiáng)
當(dāng)從生產(chǎn)一線采集的煙葉待測(cè)樣本的圖像對(duì)比度較低，碩士論文 即灰度直方圖分布區(qū)間較窄時(shí)，可用直方圖均衡實(shí)現(xiàn)灰度分布區(qū)間展寬而達(dá)到圖像增強(qiáng)的效果。
3．3煙葉圖像的邊緣檢測(cè)和特征提取
煙葉圖像的基本特征之一是圖像邊緣。圖像邊緣是圖像周圍像素灰度有階躍性變化或屋頂變化的像素的集合。煙葉的邊緣是由灰度的不連續(xù)性所致，因此考察圖像每個(gè)像素在某個(gè)鄰域內(nèi)灰度的變化，利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律可以檢測(cè)煙葉圖像邊緣。圖像特征反映煙葉的幾何結(jié)構(gòu)，如面積、周長(zhǎng)、分形分維數(shù)、孔洞數(shù)、歐拉數(shù)等等。圖像特征的選擇是圖像識(shí)別的重要環(huán)節(jié)。運(yùn)用二叉分類法在找出判別特征后，對(duì)不同的圖像特征由分類閾值按二分的方法進(jìn)行分類；運(yùn)用相似距離分類方法把待判圖像與一個(gè)標(biāo)準(zhǔn)圖像相比，標(biāo)準(zhǔn)圖像用樣本圖像特征向量的均值來(lái)表示。通過(guò)計(jì)算待判圖像與標(biāo)準(zhǔn)圖像之問(wèn)的在相空間中的距離來(lái)判別圖像和進(jìn)行分類。這一過(guò)程還為用神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)對(duì)煙葉品質(zhì)進(jìn)行智能識(shí)別作出必要的準(zhǔn)備。
3．4數(shù)字圖像矩陣數(shù)據(jù)的顯示及其傅立葉
變換這一變換的目的是為提取特征、進(jìn)行神經(jīng)網(wǎng)絡(luò)模式識(shí)別等作出必要的準(zhǔn)備。
轉(zhuǎn)貼于 3．5直方圖均勻化
這是使煙葉圖像性質(zhì)更為優(yōu)良而采取的一個(gè)技術(shù)操作，源代碼如下：
I=imread ("yangshuo．tif')；imshow (I)；
figure，imhist(I)；
[J，T]=histeq (I，64)；
％圖像灰度擴(kuò)展到0-255，但是只有64個(gè)灰度級(jí)
figure，imshow (J)；
figure，imhist(J)；
figure，Dlot((0：255)／255，T)；％轉(zhuǎn)移函數(shù)的變換曲線
J=histeq (I，32)；
figure，imshow 0)；
％圖像灰度擴(kuò)展到0～255，但是只有32個(gè)灰度級(jí)
figure，imhist(J)；
3．6采用二維中值濾波函數(shù)對(duì)受椒鹽噪聲干擾的圖像濾波
MATLA圖像處理工具箱具有強(qiáng)大的功能，能夠?qū)υ肼暩蓴_的煙葉圖片進(jìn)行消噪處理，模擬源代碼如下：
I=imread ("eight．tif')；
imshow (I)；
J2=imnoise (I，"salt&pepper ，0．04)；
％疊加密度為0．04 的椒鹽噪聲
figure，imshow 02)；
I_Filterl=medfdt2 （J2，[3 ，3])；
％窗口大小為3x3
figure．imshow (I Fiher1)；
I_Filter 2=medfdt2 （J2，[5， 5])；
％窗口大小為5x5
figure，imshow (I_Filter2)；
I_Filter3=medf'dt2 （J2，[7， 7])；
％窗口大小為7x7
figure，imshow (I_Filter3)；
3．7用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)煙葉圖像進(jìn)行智能識(shí)別
神經(jīng)網(wǎng)絡(luò)作為一種自適應(yīng)的模式識(shí)別技術(shù)，并不需要預(yù)選給定有關(guān)模式的經(jīng)驗(yàn)知識(shí)和判別函數(shù)，它能通過(guò)自身的學(xué)習(xí)機(jī)制自動(dòng)形成所要求的決策區(qū)域。網(wǎng)絡(luò)的我由其拓樸結(jié)構(gòu)、神經(jīng)元特性、學(xué)習(xí)和訓(xùn)練規(guī)則所決定，它可以充分利用狀態(tài)信息，對(duì)不同狀態(tài)一一進(jìn)行訓(xùn)練而獲得某種映射關(guān)系，并且，網(wǎng)絡(luò)可以連續(xù)學(xué)習(xí)，即使環(huán)境變異，這咱映射關(guān)系可以自適應(yīng)調(diào)整。在上面各節(jié)獲取煙葉圖像特征基礎(chǔ)之上，可以用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行圖像模式識(shí)別。例如，基于概率神經(jīng)網(wǎng)絡(luò)PNN的煙葉品質(zhì)智能識(shí)別，它的主要優(yōu)點(diǎn)是：快速訓(xùn)練，訓(xùn)練時(shí)問(wèn)僅略大于讀取數(shù)據(jù)時(shí)間；無(wú)論分類多么復(fù)雜，只要有足夠的訓(xùn)練數(shù)據(jù)(而這是煙葉生產(chǎn)一線可以做到的)，就可以保證獲得貝斯葉準(zhǔn)則下的最優(yōu)解，允許增加或減少訓(xùn)練數(shù)據(jù)而無(wú)需重新進(jìn)行長(zhǎng)時(shí)間訓(xùn)練。這一神經(jīng)網(wǎng)絡(luò)對(duì)于煙葉品質(zhì)的圖像識(shí)別，具有重要意義。 4結(jié)論
基于計(jì)算機(jī)視覺和神經(jīng)網(wǎng)絡(luò)技術(shù)的煙葉品質(zhì)識(shí)別的數(shù)字圖像處理方法，醫(yī)學(xué)論文 是煙葉生產(chǎn)環(huán)節(jié)的一種技術(shù)創(chuàng)新，它可以在煙葉生產(chǎn)一線普及推廣，簡(jiǎn)便易行，能夠較大地提高煙葉品質(zhì)檢測(cè)的效率和質(zhì)量，以及自動(dòng)化程度和智能化水平。
參考文獻(xiàn)
篇6
在培養(yǎng)階段，還要使研究生在本學(xué)科的某一方面進(jìn)行專家培養(yǎng)和訓(xùn)練，同時(shí)在其它相關(guān)學(xué)科也要進(jìn)行廣博的基礎(chǔ)教育，使他們能在所從事的領(lǐng)域中具有較強(qiáng)的研究和開發(fā)能力。另外，還要培養(yǎng)他們廣博的專業(yè)基礎(chǔ)和社會(huì)人文知識(shí)，培養(yǎng)他們自我獲取知識(shí)和綜合分析問(wèn)題的能力，以及優(yōu)良的科學(xué)思維和創(chuàng)新意識(shí)，強(qiáng)調(diào)將知識(shí)、能力向高素質(zhì)的升華與內(nèi)化。
2.課程設(shè)置
課程結(jié)構(gòu)關(guān)系到研究生的知識(shí)結(jié)構(gòu)和科研技能。由于生物醫(yī)學(xué)工程專業(yè)理工醫(yī)復(fù)合交叉的特點(diǎn)，課程設(shè)置也和其它學(xué)科有所區(qū)別。目前，我國(guó)生物醫(yī)學(xué)工程博士學(xué)科點(diǎn)只有一級(jí)學(xué)科，下面沒有設(shè)置二級(jí)學(xué)科，主要原因就是生物醫(yī)學(xué)工程涉及到的學(xué)科領(lǐng)域太廣，它的研究方向和課題廣泛滲透于醫(yī)學(xué)、生物、電子、計(jì)算機(jī)、材料等學(xué)科。當(dāng)然，每個(gè)高校在生物醫(yī)學(xué)工程領(lǐng)域的研究都很難做到大而全，而是根據(jù)自身的優(yōu)勢(shì)和特點(diǎn)，選擇其研究領(lǐng)域，并進(jìn)而決定其課程設(shè)置。譬如清華大學(xué)生物醫(yī)學(xué)工程專業(yè)的主要研究方向包括生物芯片、神經(jīng)工程、微納醫(yī)學(xué)等，尤其是以程京院士為主的生物芯片技術(shù)占主導(dǎo)地位，因此，該校生物醫(yī)學(xué)工程的課程設(shè)置就以生物類為主，輔之以《生理系統(tǒng)仿真與建模》、《數(shù)字信號(hào)處理》、《隨機(jī)信號(hào)的統(tǒng)計(jì)處理》、《醫(yī)學(xué)成像系統(tǒng)》等課程。我校的生物醫(yī)學(xué)工程專業(yè)目前主要側(cè)重于醫(yī)學(xué)成像與圖像處理、醫(yī)學(xué)儀器與生物傳感器等，因此，課程設(shè)置也以電子信息類課程為主，如《醫(yī)學(xué)成像原理》、《醫(yī)學(xué)圖像處理》、《神經(jīng)網(wǎng)絡(luò)與模式識(shí)別》、《醫(yī)學(xué)儀器原理》等。
另外，由于大部分高校的生物醫(yī)學(xué)工程研究生招生幾乎是面向所有的工程學(xué)科，因此，以前沒有學(xué)過(guò)醫(yī)學(xué)類課程的研究生，一般高校都會(huì)要求學(xué)生加以補(bǔ)修。有些導(dǎo)師也會(huì)根據(jù)研究課題的需求或個(gè)人研究領(lǐng)域的需求要求學(xué)生選修一些相關(guān)課程。如我校的新入學(xué)生物醫(yī)學(xué)工程研究生，如果以前沒有學(xué)過(guò)醫(yī)學(xué)類課程，我們一般會(huì)要求學(xué)生補(bǔ)修《人體解剖生理學(xué)》、《病理學(xué)》等課程；有些研究生還會(huì)根據(jù)導(dǎo)師的需求補(bǔ)修《生理系統(tǒng)仿真與建模》、《現(xiàn)代數(shù)字信號(hào)處理》、《生物力學(xué)》、《生物化學(xué)》、《醫(yī)學(xué)儀器》等課程。
3.過(guò)程管理
創(chuàng)新能力是科研能力的核心，創(chuàng)新意識(shí)、創(chuàng)造精神、創(chuàng)業(yè)能力的培養(yǎng)是研究生培養(yǎng)過(guò)程的重要環(huán)節(jié)，是研究生培養(yǎng)質(zhì)量的主要標(biāo)志。研究生培養(yǎng)過(guò)程管理是研究生創(chuàng)新能力培養(yǎng)的重要保證，這里所說(shuō)的培養(yǎng)過(guò)程管理主要包括生物醫(yī)學(xué)工程專業(yè)研究生的科研選題、中期考核和論文答辯等環(huán)節(jié)。
3.1 科研選題
作為科學(xué)研究的起點(diǎn)，選題不僅關(guān)系到科研的方向、目標(biāo)和內(nèi)容，直接影響著所運(yùn)用的方法與途徑，同時(shí)還決定著成果的水平、價(jià)值及發(fā)展前途。因此，在第一年生物醫(yī)學(xué)專業(yè)基礎(chǔ)科目系統(tǒng)整合與學(xué)習(xí)之后，則完成培養(yǎng)環(huán)節(jié)第一步，進(jìn)入科研選題階段。研究生的選題要與導(dǎo)師的科研項(xiàng)目相結(jié)合、與生物醫(yī)學(xué)工程的學(xué)術(shù)前沿相結(jié)合，同時(shí)也要強(qiáng)調(diào)與理工醫(yī)多學(xué)科相結(jié)合。科研選題必須在足夠的調(diào)研、文獻(xiàn)閱讀甚至科學(xué)實(shí)驗(yàn)的基礎(chǔ)上進(jìn)行，否則就是無(wú)源之水，很難繼續(xù)。譬如，醫(yī)學(xué)圖像處理領(lǐng)域的科研選題不僅要與圖像處理的相關(guān)知識(shí)掛鉤，還與相關(guān)的醫(yī)學(xué)知識(shí)緊密相連，因此，我們必須要查閱大量的關(guān)于圖像處理、醫(yī)學(xué)影像、病理診斷等的相關(guān)文獻(xiàn)，必要時(shí)還得與醫(yī)院合作，參加醫(yī)院的短期培訓(xùn)等。另外，科研選題還要注意團(tuán)隊(duì)協(xié)作，有些大的科研課題不是一兩個(gè)人能夠完成的，而是在導(dǎo)師的指導(dǎo)下，由博士、碩士組成的團(tuán)隊(duì)完成的，因此，科研選題也需在整個(gè)團(tuán)隊(duì)的指導(dǎo)下合作分工，共同參與。
3.2 中期考核
研究生的培養(yǎng)是一項(xiàng)較復(fù)雜的系統(tǒng)工程，涉及到學(xué)科建設(shè)、導(dǎo)師隊(duì)伍、科研實(shí)力、教、學(xué)、管等多個(gè)環(huán)節(jié)，每個(gè)環(huán)節(jié)都離不開嚴(yán)格的管理，而管理的核心問(wèn)題是要建立淘汰機(jī)制。研究生中期考核作為研究生的淘汰機(jī)制之一，對(duì)研究生的質(zhì)量調(diào)控和把關(guān)起著重要的作用。在整個(gè)研究生的培養(yǎng)過(guò)程中，中期考核處在一個(gè)承前啟后的重要位置。“承前”，是指經(jīng)過(guò)一年半到兩年的學(xué)習(xí)與科研參與后，研究生基本掌握了本領(lǐng)域的重要理論和一定的科研技能，了解了該研究領(lǐng)域的相關(guān)背景；“啟后”，是指有必要了解研究生對(duì)已學(xué)到的理論和技能是否消化吸收，是否能靈活運(yùn)用。
我校生物醫(yī)學(xué)工程專業(yè)研究生的中期考核在科研選題之后的研究生第二學(xué)年末進(jìn)行。中期考核不僅包括對(duì)所選課題的進(jìn)展情況檢查，還包括研究生參與學(xué)術(shù)活動(dòng)的積極性。研究生在第一學(xué)年末完成選題，其后則必須進(jìn)行為期一年的課題研究與實(shí)踐活動(dòng)，將所學(xué)理論與實(shí)踐或?qū)嶒?yàn)相結(jié)合，以實(shí)踐來(lái)驗(yàn)證與豐富理論，并尋求新的方法解決實(shí)踐過(guò)程中出現(xiàn)的新問(wèn)題。中期考核實(shí)際上是對(duì)研究生科研、協(xié)作與創(chuàng)新能力不斷提升的過(guò)程。另外，研究所經(jīng)常邀請(qǐng)一些在生物醫(yī)學(xué)工程領(lǐng)域取得突出業(yè)績(jī)的國(guó)內(nèi)外知名學(xué)者來(lái)校講學(xué)或作學(xué)術(shù)報(bào)告，這是所有研究生必須參與且嚴(yán)格考核的。另外，我們的研究生每人每周舉行一次學(xué)術(shù)匯報(bào)，課題組老師的所有學(xué)生必須參與，匯報(bào)后老師給予點(diǎn)評(píng)及相關(guān)指導(dǎo)意見。
3.3 論文答辯
學(xué)位論文作為研究生教育的重要組成部分，也是研究生教育的總結(jié)性成果，集中反映了研究生的綜合知識(shí)體系、專業(yè)知識(shí)、創(chuàng)新能力和研究水平。教育部規(guī)定研究生在申請(qǐng)學(xué)位時(shí)必須完成學(xué)位論文答辯，它是每一位研究生培養(yǎng)過(guò)程中的必要和重要環(huán)節(jié)。因此，在研究生培養(yǎng)的第三年就是學(xué)位論文的整理與撰寫，在第三年末進(jìn)行學(xué)位論文答辯，每位研究生必須通過(guò)論文答辯委員會(huì)公開統(tǒng)一的答辯評(píng)審后才允許畢業(yè)。通過(guò)學(xué)位論文答辯，可以檢驗(yàn)研究生課程學(xué)習(xí)的效果，衡量研究生的創(chuàng)新能力，考察研究生在文獻(xiàn)檢索、資料運(yùn)用、論文寫作、觀點(diǎn)論證和辯駁等方面的水平和技巧；對(duì)于學(xué)校而言，研究生學(xué)位論文答辯是檢驗(yàn)研究生教育質(zhì)量的主要依據(jù)；對(duì)于導(dǎo)師而言，研究生學(xué)位論文答辯是檢驗(yàn)導(dǎo)師指導(dǎo)質(zhì)量的主要依據(jù)。可以說(shuō)，研究生學(xué)位論文答辯是研究生教育中重要、嚴(yán)肅的環(huán)節(jié)。我校生物醫(yī)學(xué)工程專業(yè)研究生在學(xué)位論文答辯之前必須先由學(xué)校統(tǒng)一，也就是要求每位研究生的學(xué)位論文必須是自身學(xué)習(xí)研究成果的總結(jié)與提煉，如果與“中國(guó)學(xué)術(shù)期刊網(wǎng)”上所有論文的累計(jì)重復(fù)率超過(guò)5%，則論文必須發(fā)回重改，且重改次數(shù)不能超過(guò)2次，否則推遲半年至一年時(shí)間才能允許答辯。研究生論文之后，碩士學(xué)位論文由研究所統(tǒng)一匿名送至本所的相關(guān)老師評(píng)審，博士學(xué)位論文則一式三份全部由學(xué)校研究生院統(tǒng)一匿名郵寄至設(shè)有生物醫(yī)學(xué)工程專業(yè)博士點(diǎn)的全國(guó)三所不同高校，再由這些高校的研究生院根據(jù)論文題目指定評(píng)審專家，這些高校不能在本省，也不能在同一省或市。當(dāng)然，由于生物醫(yī)學(xué)工程專業(yè)研究生的理工醫(yī)跨學(xué)科培養(yǎng)性質(zhì)，各高校研究生院在送審論文時(shí)，可以送至與之相關(guān)的學(xué)科專家評(píng)審。如醫(yī)學(xué)圖像處理領(lǐng)域的論文可以送至從事圖像處理與模式識(shí)別研究的專家評(píng)審，也可送至從事計(jì)算機(jī)應(yīng)用技術(shù)圖像處理研究方向的專家評(píng)審。
篇7
0引言
葉片面積的大小直接影響到植物生產(chǎn)力的高低，葉片面積的變化也直接影響植物水分生理的變化過(guò)程。測(cè)定植物葉片面積，往往是研究一些與植物葉片面積相關(guān)的生理生化指標(biāo)首要解決的問(wèn)題。例如，對(duì)小面積葉片的光合速率進(jìn)行測(cè)定時(shí)，需要知道這些葉片的實(shí)際面積，以此換算標(biāo)準(zhǔn)光合速率。
葉片的面積的測(cè)定經(jīng)歷了網(wǎng)格法、稱重法、系數(shù)法以及使用葉面積儀進(jìn)行測(cè)定，前三種方法需要進(jìn)行破壞性測(cè)量，而葉面積儀價(jià)格昂貴，且當(dāng)葉片面積很小時(shí)，測(cè)得的面積與實(shí)際面積間會(huì)產(chǎn)生較大偏差。游明安等[1]介紹了采用葉長(zhǎng)×葉寬與葉片面積間的回歸關(guān)系來(lái)測(cè)定葉片的葉面積，然而在建立回歸關(guān)系前，還需對(duì)抽樣后的葉片進(jìn)行面積測(cè)定。當(dāng)需要在田間進(jìn)行非破壞植株的葉面積測(cè)定時(shí)，可以采用基于機(jī)器視覺技術(shù)的圖像處理方法來(lái)求得葉面積，該方法可以有效的實(shí)現(xiàn)無(wú)損測(cè)量。
本文利用機(jī)器視覺知識(shí)，基于參照物的葉面積測(cè)量方法，通過(guò)對(duì)目標(biāo)圖像進(jìn)行區(qū)域分割，分別對(duì)其計(jì)算區(qū)域面積，最終求得比較準(zhǔn)確的大豆葉片參數(shù)值。論文格式。
1、測(cè)定原理
數(shù)字圖像有許多像素點(diǎn)組成，每個(gè)像素點(diǎn)代表一定的實(shí)際面積值，而其所代表的實(shí)際面積值可以由已知參照物面積求得[2]。因此葉面積可由下列公式求得：
（1）
其中S代表葉片面積，S0代表參考物體的實(shí)際面積，通過(guò)圖像處理得到葉片面積S1，參考物體面積S2。這種方法在測(cè)量葉片面積時(shí)，需要在嚴(yán)格的物距下進(jìn)行葉片的采樣，以保證每個(gè)像素代表的真實(shí)面積不變，而且要求光學(xué)器件的線性度高，鏡頭的焦距不可變，可見此方法難度較大。
拍攝圖像時(shí)讓數(shù)碼相機(jī)離被測(cè)葉片盡量遠(yuǎn)，通過(guò)數(shù)碼相機(jī)的變焦功能使被測(cè)葉片的像盡量大，相當(dāng)于在盡量長(zhǎng)的焦距下拍攝，誤差就會(huì)有效地減少。測(cè)量時(shí)要求將被測(cè)葉片與標(biāo)準(zhǔn)測(cè)度參照物同時(shí)拍攝，從而按比例獲得絕對(duì)尺寸，被測(cè)葉片和標(biāo)準(zhǔn)物體要求拍攝到同一幅圖像上。
2、圖像的獲取
葉面積的測(cè)量系統(tǒng)硬件部分主要有成像設(shè)備、計(jì)算機(jī)、參照物以及測(cè)量葉片時(shí)所需的夾具一套。論文格式。成像設(shè)備選用普通的數(shù)碼相機(jī)，參照物是測(cè)量中一個(gè)關(guān)鍵的設(shè)備，本研究中選用一個(gè)黑色圓片，它必須要能與與葉片有很大的顏色差別。參照物圓片要足夠遠(yuǎn)，圓片的面積將直接影響測(cè)量的精度。測(cè)量所用夾具需要以下特點(diǎn)：能夠構(gòu)建一個(gè)與葉片顏色有很大差別的背景，選擇白色的紙板。并能使參照物固定在背景紙板上。
借助于數(shù)碼相機(jī)來(lái)獲取圖像，可以不破壞作物的群體結(jié)構(gòu)，真正地檢測(cè)葉片的生長(zhǎng)規(guī)律而不只依靠統(tǒng)計(jì)規(guī)律，但是需要對(duì)測(cè)量系統(tǒng)進(jìn)行標(biāo)定，而且要求被測(cè)葉片和標(biāo)準(zhǔn)參照物必須同時(shí)拍攝，所以影響測(cè)量精度的因素很多。
3、葉面參數(shù)的測(cè)量方法
如圖1所示，極為葉面參數(shù)計(jì)算的工作流程圖。在對(duì)原圖像進(jìn)行預(yù)處理以后，將圖像轉(zhuǎn)化為灰度圖像，將轉(zhuǎn)換后的灰度圖像進(jìn)行圖像分割、邊緣提取、最后經(jīng)過(guò)計(jì)算求出葉面的基本參數(shù)。
圖1 系統(tǒng)工作流程
3.1圖像預(yù)處理
由于受到外界光線以及噪聲的干擾，使得圖像想上出現(xiàn)一些噪聲點(diǎn)，需要對(duì)其進(jìn)行處理，才能使圖像清晰，更加準(zhǔn)確的表征事實(shí)。預(yù)處理過(guò)程包括對(duì)圖像進(jìn)行亮度、對(duì)比度調(diào)整和平滑濾波。亮度和對(duì)比度的調(diào)整可以使圖像特征明顯，易于識(shí)別；平滑濾波的目的則是去掉尖銳不連續(xù)的噪音。
3.2圖像分割
要獲取圖像中參考物的面積及圖像中作物葉片的參數(shù)，首先要講參考物目標(biāo)和葉片目標(biāo)從原圖像中分割出來(lái)。目前，用于圖像分割的方法很多，其中雙峰閥值處理是最常用的一種。閥值處理時(shí)將所有灰度值大于或等于某閥值的像素都被判定屬于物體，所有灰度值小于該閥值的像素被排除在物體之外，即為背景。
利用迭代閾值法對(duì)圖像進(jìn)行分割[3]。論文格式。該方法具體步驟如下：
① 選擇灰度閾值T的初始估計(jì)值。
② 用T分割圖像。這樣就會(huì)生成兩組像素：G1由所有灰度值大于T的像素組成，而G2由所有灰度值小于或等于T的像素組成。
③ 對(duì)區(qū)域 G1和 G2中的所有像素計(jì)算平均灰度值μ1和μ2。
④ 計(jì)算新的門限值：
T = (μ1+μ2)/2(2)
⑤ 重復(fù)②到④，直到逐次迭代所得的T值之差小于事先定義的參數(shù)T0。
圖2目標(biāo)直方圖
將圖像的最大灰度值和最小灰度值的均值作為灰度閾值T的初始估計(jì)值。迭代得到灰度閾值T后，將大于T的像素的灰度值設(shè)為1，其余像素的灰度值設(shè)為0，這樣便得到了二值圖像，使得參考物目標(biāo)和葉片目標(biāo)從原圖像中分離了出來(lái)。
3.3去噪處理
采用閥值分割后的二值化圖像，其葉片周圍常存在若干噪聲斑點(diǎn)，需要進(jìn)行去噪處理，中值濾波是一種去除噪聲的非線性處理方法，能夠在抑制噪聲的同時(shí)很好的保護(hù)邊緣輪廓信息[4]，采用開運(yùn)算將參照物內(nèi)部填充完整。
3.4目標(biāo)參數(shù)的獲取
設(shè)d為實(shí)際參照物的直徑，則實(shí)際參照物的面積S0可以通過(guò)下式得到：
（4）
用實(shí)際的參照物面積除以圖像中參照物的面積S1得到一個(gè)比例系數(shù)k，即
(5)
根據(jù)圖像中葉片面積A、最小外接矩形的長(zhǎng)L和寬W，以及比例系數(shù)，可計(jì)算得到實(shí)際的葉片面積AR、葉長(zhǎng)LR和葉寬WR，它們分別由式（6）—式（8）計(jì)算得到[1][5]：
；（6）
；（7）
；（8）
4結(jié)果和分析
實(shí)驗(yàn)選用了大豆葉片為待檢測(cè)的目標(biāo)，并以一元硬幣作為參照物，利用三星S1050數(shù)碼相機(jī)獲取原始圖像，用1.73GHz Pentium微機(jī)、在Window XP平臺(tái)上用Matlab編程實(shí)現(xiàn)。試驗(yàn)中，使用游標(biāo)卡尺測(cè)量出參照物的實(shí)際直徑為d=2.500cm.，T0=0。
圖3給出了實(shí)驗(yàn)中圖像處理的過(guò)程與結(jié)果，其中（a）為相機(jī)拍攝的原始灰度圖像，(b)為對(duì)原始圖像進(jìn)行迭代閥值法分割后的二值圖像，（c）為對(duì)二值圖像進(jìn)行開運(yùn)算后的結(jié)果，（d）是從（c）中分離出來(lái)的大豆葉片目標(biāo)，（e）是從（c）中分離出來(lái)的葉片外接矩形圖像。（f）是從（c）中分離出來(lái)的參照物圖像。
（a）原始灰度圖像（b）二值圖像（c）開運(yùn)算效果圖
（d）分離后葉片對(duì)象 （e）葉片外接矩形 (f)參照物對(duì)象
圖3圖像處理的過(guò)程與結(jié)果
使用圖像處理技術(shù)計(jì)算得到的葉片面積為12.3825cm2，葉片長(zhǎng)為4.6478cm、寬為3.6149cm。計(jì)算的中間數(shù)據(jù)如下：
篇8
Key words: digital image processing;asphalt mixture;asphalt-aggregate ratio;recognition
中圖分類號(hào):TU535 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1006-4311(2010)13-0093-02
0引言
隨著交通運(yùn)輸業(yè)的迅速發(fā)展,必須要提高瀝青混合料性能,開發(fā)新型瀝青路面結(jié)構(gòu)材料。瀝青含量是瀝青混合料配合比設(shè)計(jì)和施工控制的重要指標(biāo),在很大程度上決定了瀝青路面的質(zhì)量品質(zhì),國(guó)內(nèi)外現(xiàn)行的瀝青混合料配合比檢測(cè)一般采用的是試驗(yàn)方法,進(jìn)行離心抽提或燃燒瀝青,檢測(cè)過(guò)程復(fù)雜,耗時(shí)長(zhǎng),不利于及時(shí)對(duì)路面狀況做出評(píng)價(jià),指導(dǎo)生產(chǎn)。近年來(lái),數(shù)字圖像處理技術(shù)被引入瀝青混合料研究領(lǐng)域,為有效解決傳統(tǒng)研究方法的缺陷提供了可能,國(guó)內(nèi)外也陸續(xù)進(jìn)行了采用圖像處理技術(shù)對(duì)瀝青混合料內(nèi)部形態(tài)的研究,國(guó)內(nèi)外現(xiàn)階段進(jìn)行的研究表明,數(shù)字圖像處理技術(shù)具有無(wú)破損、方便性、經(jīng)濟(jì)性,而且能快速全面反映形態(tài)特性以及空間分布的特點(diǎn)。為此,在本研究中,通過(guò)大量室內(nèi)對(duì)比試驗(yàn),主要研究不同油石比的瀝青混合料AC-13C的識(shí)別油石比,以建立識(shí)別油石比和實(shí)際油石比之間的線性關(guān)系,用于指導(dǎo)生產(chǎn)實(shí)踐。
1瀝青混合料配合比設(shè)計(jì)及圖像采集
本研究中采用的瀝青為埃索A級(jí)70號(hào)瀝青,選用瀝青路面的表面層AC-13C的級(jí)配,最終確定的瀝青混合料合成級(jí)配見表1。
在本研究中,瀝青混合料AC-13C分別采用五個(gè)不同油石比4.0%、4.5%、5.0%、5.5%和6.0%,用馬歇爾擊實(shí)儀成型馬歇爾試件,在成型后的試件中隨機(jī)抽取3個(gè)試件進(jìn)行水平兩分法的切割,并采用數(shù)碼相機(jī)進(jìn)行圖像的采集工作,在進(jìn)行油石比的識(shí)別中為了計(jì)算簡(jiǎn)便將圖像剪切為1400×1400像素。
2瀝青混合料數(shù)字圖像處理
由于照相機(jī)與目標(biāo)間的相對(duì)運(yùn)動(dòng)、大氣擾動(dòng)等原因使圖像質(zhì)量下降,造成了圖像退化的現(xiàn)象。所以在圖像處理之前要先進(jìn)行圖像復(fù)原,在MATLAB圖像處理系統(tǒng)中,選擇Lucy-Richardson復(fù)原方法,通過(guò)處理減少了圖像中產(chǎn)生的噪聲,忽略了某些退化后壞了的像素。對(duì)復(fù)原后的RGB彩色圖像進(jìn)行灰度變換,獲得瀝青混合料水平截面的灰度圖像。
3瀝青混合料油石比的識(shí)別
以油石比為5.5的瀝青混合料RGB圖像為例,對(duì)剪切后的圖像進(jìn)行復(fù)原、轉(zhuǎn)換灰度圖像處理,處理后的灰度圖像的直方圖見圖1。
根據(jù)圖1可以看到,由于瀝青混合料圖像中存在集料和瀝青兩大類,在圖像上形成了兩個(gè)峰,這兩者都近似服從正態(tài)分布,最左邊的波峰代表瀝青的灰度分布,我們可以根據(jù)瀝青混合料圖像的直方圖,動(dòng)態(tài)選取兩個(gè)波峰之間的谷底值,將最左邊的波峰單獨(dú)切取出來(lái),見圖2。對(duì)這個(gè)波峰進(jìn)行擬合,經(jīng)過(guò)多次嘗試,選擇采用兩個(gè)正態(tài)分布擬合這個(gè)波峰,相關(guān)系數(shù)達(dá)到0.998,其中一個(gè)正態(tài)分布峰頂對(duì)應(yīng)的灰度值與單獨(dú)切取出來(lái)的波峰峰頂對(duì)應(yīng)的灰度值非常接近,可以認(rèn)為兩者的灰度值是相同的,另外一個(gè)正態(tài)分布是對(duì)前者的修正,擬合效果見圖2。
通過(guò)MATLAB編程計(jì)算可以得到,瀝青灰度分布波峰峰頂對(duì)應(yīng)的灰度值為0.30,第一個(gè)小峰服從正態(tài)分布,參數(shù)為0.29997和0.047629,通過(guò)多次實(shí)驗(yàn)在峰值灰度值左側(cè)設(shè)定2.5,右側(cè)設(shè)定的范圍內(nèi)為瀝青的灰度分布范圍,計(jì)算得到瀝青的灰度分布范圍為46.14至88.65,提取瀝青灰度范圍內(nèi)的像素點(diǎn),圖像內(nèi)所有的像素點(diǎn)數(shù)目與瀝青的像素點(diǎn)數(shù)目之差為集料的像素點(diǎn)數(shù)目,得到油石比即瀝青像素點(diǎn)數(shù)目與集料像素點(diǎn)數(shù)目之比,計(jì)算得到這張實(shí)際油石比為5.5的圖像,識(shí)別油石比為6.43。同理,可以按照相同的方法求得其余瀝青混合料圖像的識(shí)別油石比,并計(jì)算均值,見表2,對(duì)得到的識(shí)別油石比用EXCEL進(jìn)行線性擬合,見圖3。
從表2中可以看出,識(shí)別油石比的變異系數(shù)在0.18以下,通過(guò)線性相關(guān)性分析可得到識(shí)別油石比Pax與實(shí)際油石比Pay的線性關(guān)系為:Pay=1.6872Pax-5.4606,式中,Pax為識(shí)別油石比,%;Pay為實(shí)際油石比,%。兩者相關(guān)系數(shù)R2為0.9617,表明采用圖像處理技術(shù)對(duì)瀝青混合料進(jìn)行油石比識(shí)別具有較高的識(shí)別精度,可以用于瀝青路面油石比的快速檢測(cè)。
4結(jié)論
通過(guò)選取表面層普通瀝青混合料AC-13C進(jìn)行馬歇爾試驗(yàn),對(duì)試件進(jìn)行水平截面圖像的分析,在瀝青混合料圖像灰度直方圖中,對(duì)瀝青分布波峰左側(cè)2.5倍σ和右側(cè)σ范圍內(nèi)提取瀝青像素?cái)?shù)目,并計(jì)算集料像素?cái)?shù)目和識(shí)別油石比,結(jié)果表明,動(dòng)態(tài)的選取瀝青灰度范圍識(shí)別油石比的方法能夠較好地反映實(shí)際油石比,得到的識(shí)別油石比與實(shí)際油石比較為接近,得到的變異系數(shù)在0.18以下,證明識(shí)別油石比的離散程度較小,數(shù)據(jù)可靠。并且實(shí)際油石比Pay和識(shí)別油石比Pax存在線性關(guān)系,通過(guò)線性擬合后,建立函數(shù)Pay =1.6872 Pax 5.4606,計(jì)算得到相關(guān)系數(shù)R2為0.9617,具有良好的相關(guān)性。因此,建議采用此線性函數(shù)對(duì)識(shí)別得到的油石比進(jìn)行修正。
參考文獻(xiàn):
[1] 楊浩.瀝青混合料的數(shù)字圖像特征研究[D]:[碩士學(xué)位論文].哈爾濱:哈爾濱工業(yè)大學(xué),2006.
篇9
1.系統(tǒng)結(jié)構(gòu)
PCB缺陷自動(dòng)檢測(cè)系統(tǒng)主要由運(yùn)動(dòng)控制模塊、圖像采集模塊、圖像處理模塊、結(jié)果分析模塊組成。系統(tǒng)工作過(guò)程如下：上位機(jī)控制步進(jìn)電機(jī)運(yùn)動(dòng)，步進(jìn)電機(jī)帶動(dòng)二維平臺(tái)運(yùn)動(dòng)，將CCD攝像機(jī)傳輸?shù)酱龣z測(cè)PCB上方，對(duì)PCB進(jìn)行大場(chǎng)景圖像采集，采集的圖像經(jīng)過(guò)圖像采集卡送到上位機(jī)，上位機(jī)軟件對(duì)采集的圖像進(jìn)行拼接、圖像預(yù)處理，對(duì)處理的圖像進(jìn)行準(zhǔn)確定位并校準(zhǔn)，通過(guò)圖像分割、圖像形態(tài)學(xué)處理等，最后進(jìn)行模板匹配、圖像識(shí)別，得出缺陷檢測(cè)結(jié)果。系統(tǒng)設(shè)計(jì)包括硬件設(shè)計(jì)和軟件設(shè)計(jì)，系統(tǒng)軟硬件相互協(xié)調(diào)工作構(gòu)成一個(gè)整體。
2.系統(tǒng)硬件設(shè)計(jì)
PCB缺陷自動(dòng)檢測(cè)系統(tǒng)的硬件設(shè)計(jì)主要包括二維運(yùn)動(dòng)平臺(tái)、電機(jī)運(yùn)動(dòng)控制板、電機(jī)驅(qū)動(dòng)板、CCD攝像機(jī)、圖像采集卡、PC等，其結(jié)構(gòu)如圖1所示。
2.1 CCD攝像機(jī)和圖像采集卡
CCD攝像機(jī)的主要特性參數(shù)包括攝像機(jī)制式、光敏面尺寸、像素尺寸、分辨率、電子快門速度、同步系統(tǒng)的方式、最小照度、靈敏度、信噪比等。其中攝像機(jī)制式和是否在線檢測(cè)決定了圖像采集卡的采樣頻率，光敏面尺寸、像素尺寸、分辨率以及成像透鏡系統(tǒng)的放大率的平衡選擇取決于測(cè)量范圍和測(cè)量精度[3]。考慮到以上各個(gè)因素以及系統(tǒng)要求，在實(shí)驗(yàn)中采用的是廣州視安公司的槍式攝像機(jī)，該攝像機(jī)的特點(diǎn)是數(shù)字面陣CCD逐行掃描，提供AV復(fù)合視頻接口和標(biāo)準(zhǔn)鏡頭接口，提供VC的SDK軟件開發(fā)包，方便設(shè)計(jì)軟件處理模塊。
圖像采集卡，又稱視頻捕捉卡，是視頻卡的一種類型。圖像采集卡完成的主要功能是把攝像機(jī)的連續(xù)模擬視頻信號(hào)轉(zhuǎn)換成為離散的數(shù)字量。其基本原理：從攝像機(jī)輸出的各種制式的視頻輸出信號(hào)，經(jīng)過(guò)輸入選擇模塊處理后，形成能被圖像采集卡識(shí)別的視頻信號(hào)。模擬視頻信號(hào)經(jīng)過(guò)轉(zhuǎn)換后，存儲(chǔ)在卡上的幀緩存存儲(chǔ)器內(nèi)，由計(jì)算機(jī)CPU通過(guò)計(jì)算機(jī)總線控制具體的圖像傳遞，最終存儲(chǔ)在計(jì)算機(jī)的內(nèi)存或硬盤，用于圖像處理[4]。本設(shè)計(jì)采用的圖像采集卡型號(hào)是：NV7004-N，將CCD攝像機(jī)模擬信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)傳輸?shù)缴衔粰C(jī)實(shí)時(shí)顯示，并能完成圖像的抓拍功能。
2.2 電機(jī)運(yùn)動(dòng)控制器及精密二維運(yùn)動(dòng)平臺(tái)
PCB缺陷自動(dòng)檢測(cè)系統(tǒng)的運(yùn)動(dòng)控制器為自行設(shè)計(jì)的MCU控制板，核心芯片為ATMEL公司生產(chǎn)的單片機(jī)AT89S52，控制板通過(guò)RS-232串行通信接口與上位機(jī)進(jìn)行通信。通過(guò)操作人機(jī)交互界面對(duì)控制板發(fā)送命令，控制板輸出控制信號(hào)以及各種頻率的方波信號(hào)到步進(jìn)電機(jī)驅(qū)動(dòng)板，以控制步進(jìn)電機(jī)的轉(zhuǎn)速、方向以及移動(dòng)距離。
二維運(yùn)動(dòng)平臺(tái)由兩個(gè)日本SUS Corp公司生產(chǎn)的精密運(yùn)動(dòng)導(dǎo)軌搭建，運(yùn)動(dòng)導(dǎo)軌為滾珠絲桿型，非常精密，誤差很小。步進(jìn)電機(jī)與運(yùn)動(dòng)導(dǎo)軌相連，從而帶動(dòng)導(dǎo)軌的運(yùn)動(dòng)。步進(jìn)電機(jī)為日本TAMAGAWA公司生產(chǎn)的兩相四線制混合式步進(jìn)電機(jī)，該型號(hào)步進(jìn)電機(jī)運(yùn)行穩(wěn)定、噪聲小。
2.3 電機(jī)驅(qū)動(dòng)
步進(jìn)電機(jī)的驅(qū)動(dòng)實(shí)際上就是通過(guò)控制步進(jìn)電機(jī)的各相勵(lì)磁繞組的電流，使步進(jìn)電機(jī)的內(nèi)部磁場(chǎng)合成方向發(fā)生變化，從而使步進(jìn)電機(jī)轉(zhuǎn)動(dòng)起來(lái)。各相勵(lì)磁繞組的電流產(chǎn)生的合成磁場(chǎng)矢量的幅值決定了步進(jìn)電機(jī)旋轉(zhuǎn)轉(zhuǎn)矩的大小，相鄰兩合成磁場(chǎng)矢量之間的夾角大小決定了步距角的大小[5]。
在拍數(shù)一定的情況下，齒數(shù)越多，步距角就越小，但由于受制作工藝的限制齒數(shù)不能做得很多，因此步進(jìn)電機(jī)的步距角就不可能很小。改變步進(jìn)電機(jī)的拍數(shù)也可以改變步距角，拍數(shù)是指完成一個(gè)磁場(chǎng)周期性變化所需脈沖數(shù)或?qū)щ姞顟B(tài)，或指電機(jī)轉(zhuǎn)過(guò)一個(gè)齒距角所需脈沖數(shù)。當(dāng)步進(jìn)電機(jī)的相數(shù)確定時(shí)，拍數(shù)也就確定。通過(guò)增加步進(jìn)電機(jī)的齒數(shù)和相數(shù)來(lái)減小步距角，步距角減小的度數(shù)非常有限，很難滿足生產(chǎn)的要求。
細(xì)分?jǐn)?shù)越多，電流變化越小，從而大大減少了電機(jī)的振蕩和噪音。采用階梯狀正弦波對(duì)電流進(jìn)行細(xì)分時(shí)，階梯越多(即細(xì)分?jǐn)?shù)越多)，波形就越接近正弦波，通入的階梯電流就越小，步距角也就越小[6]。從而大大減少了步進(jìn)電機(jī)運(yùn)行時(shí)的丟步率，降低了步進(jìn)電機(jī)運(yùn)行時(shí)的噪音和顫動(dòng)，也使步進(jìn)電機(jī)運(yùn)行更加穩(wěn)定，更易于控制。
3.系統(tǒng)軟件設(shè)計(jì)
3.1 系統(tǒng)算法流程
手動(dòng)檢測(cè)可以根據(jù)需要在采集圖像時(shí)直接通過(guò)控制步進(jìn)電機(jī)運(yùn)動(dòng)將CCD攝像頭運(yùn)動(dòng)到待測(cè)PCB板的主要部位，在進(jìn)行圖像處理時(shí)也可以根據(jù)圖像質(zhì)量來(lái)選擇與之相適應(yīng)的圖像處理算法來(lái)實(shí)現(xiàn)，使系統(tǒng)具有交互性。自動(dòng)檢測(cè)初始化設(shè)置參數(shù)后，可以一鍵實(shí)現(xiàn)缺陷檢測(cè)得出檢測(cè)結(jié)果，減少了操作復(fù)雜度，也大大提高了檢測(cè)的速度，使系統(tǒng)具有自動(dòng)化、操作簡(jiǎn)單、速度快等優(yōu)點(diǎn)。本文結(jié)合二者于一體，使PCB缺陷自動(dòng)檢測(cè)系統(tǒng)更加優(yōu)秀，更加實(shí)用。
3.2 缺陷檢測(cè)
當(dāng)前印刷電路板缺陷檢測(cè)方法主要分為參考比較法、非參考比較法和混合法三大類，參考比較法將被測(cè)圖像和參考圖像進(jìn)行特征對(duì)特征的比較；非參考比較法不需要任何的參考圖像，只是根據(jù)先前設(shè)計(jì)的規(guī)則標(biāo)準(zhǔn)來(lái)判斷出是否有缺陷，如果不符合標(biāo)準(zhǔn)便認(rèn)為此有缺陷；混合法是參考比較法和非參考比較法綜合應(yīng)用。本文主要使用參考比較法，通過(guò)檢測(cè)PCB圖像與標(biāo)準(zhǔn)圖像進(jìn)行對(duì)比分析，判斷該P(yáng)CB板是否有缺陷[7]。
3.3 缺陷識(shí)別
3.4 結(jié)果分析
4.結(jié)論
本文基于計(jì)算機(jī)視覺和圖像處理設(shè)計(jì)了一個(gè)印刷電路板(PCB)缺陷自動(dòng)檢測(cè)系統(tǒng)，并對(duì)其功能進(jìn)行了驗(yàn)證，實(shí)驗(yàn)結(jié)果表明該系統(tǒng)界面友好，操作簡(jiǎn)單，檢測(cè)方法簡(jiǎn)單，檢測(cè)過(guò)程迅速，檢測(cè)結(jié)果準(zhǔn)確。該系統(tǒng)為PCB缺陷的檢測(cè)提供了一個(gè)很好的解決方案，具有重要的應(yīng)用價(jià)值。
參考文獻(xiàn)
[1]孫曉婷.PCB視覺檢測(cè)系統(tǒng)的研究[D].長(zhǎng)沙:中南大學(xué)碩士論文,2008.
[2]2012-2016年中國(guó)PCB連接器市場(chǎng)預(yù)測(cè)及投資建議報(bào)告[R].中商情報(bào)網(wǎng).
[3]俞瑋.AOI技術(shù)在PCB缺陷檢測(cè)中的應(yīng)用研究[D].成都:電子科技大學(xué)碩士論文,2007.
[4]崔懷峰.PCB表面缺陷自動(dòng)光學(xué)檢測(cè)技術(shù)的研究[D].江門:五邑大學(xué)碩士論文,2010.
[5]李玲娟,劉景林,王燦.兩相混合式步進(jìn)電機(jī)恒轉(zhuǎn)矩細(xì)分驅(qū)動(dòng)技術(shù)研究[J].微電機(jī),2007,40(3):48-50.
[6]黃露.基于FPGA的步進(jìn)電機(jī)控制系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].重慶:重慶大學(xué)碩士論文,2011.
篇10
引言
隨著科學(xué)技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)的廣泛應(yīng)用，重要部門(機(jī)場(chǎng)、銀行、軍政機(jī)關(guān)、重點(diǎn)控制地區(qū))的進(jìn)出需要可靠的身份鑒別。傳統(tǒng)身份識(shí)別方式的弊端日益彰顯，根據(jù)人體生理特征和行為特征來(lái)識(shí)別身份的生物特征識(shí)別日益興起。人臉識(shí)別是計(jì)算機(jī)模式識(shí)別研究領(lǐng)域中一項(xiàng)熱門的研究課題，人臉的面部特征是最自然的、方便的身份辨認(rèn)手段，易為用戶所接受。隨著計(jì)算機(jī)技術(shù)和數(shù)字圖像技術(shù)的迅猛發(fā)展，人臉自動(dòng)識(shí)別在技術(shù)上成為可能。
1圖像預(yù)處理
一個(gè)典型的人臉識(shí)別過(guò)程包括三個(gè)步驟：人臉檢測(cè)、特征提取與人臉識(shí)別。在實(shí)現(xiàn)過(guò)程中，首先要獲取圖像，然后進(jìn)行人臉模塊檢測(cè)。如果檢測(cè)到人臉圖像，則進(jìn)行特征點(diǎn)定位及歸一化處理，特征提取后送入分類器進(jìn)行識(shí)別，最終獲得識(shí)別結(jié)果。
預(yù)處理是人臉識(shí)別過(guò)程中一個(gè)重要環(huán)節(jié)，其主要目的是消除圖像中的冗余信息，濾除干擾、噪聲，增強(qiáng)有關(guān)信息的可檢測(cè)性，從而提高識(shí)別的可靠性。在預(yù)處理階段，對(duì)圖像進(jìn)行優(yōu)化，盡可能去除或者減小外部環(huán)境對(duì)預(yù)處理圖像的干擾，為后續(xù)處理提高質(zhì)量。
2預(yù)處理方法的研究
2.1 直方圖均衡化
直方圖是圖像的最基本的統(tǒng)計(jì)特征，它反映的是圖像的灰度值的分布情況。直方圖反映了圖像的明暗分布規(guī)律同態(tài)濾波，可以通過(guò)圖像變換進(jìn)行直方圖調(diào)整，獲得較好的視覺效果。直方圖均衡化是在每個(gè)灰度級(jí)上都具有相同的象素點(diǎn)數(shù)的過(guò)程，目的是使圖像在整個(gè)灰度值動(dòng)態(tài)變化范圍內(nèi)分布均勻化，改善圖像的亮度分布狀態(tài)，增強(qiáng)圖像的視覺效果。
均衡化處理的步驟為：
（1）對(duì)給定的待處理圖像統(tǒng)計(jì)其直方圖，求出
（2）根據(jù)統(tǒng)計(jì)出的直方圖采用累積分布函數(shù)做變換，,求變換后的新灰度；
（3）用新灰度代替舊灰度，求出，這一步是近似過(guò)程，應(yīng)根據(jù)處理的目的盡量做到合理，同時(shí)把灰度值相等或近似的合并到一起。
2.2 灰度拉伸
灰度拉伸又叫對(duì)比度拉伸，它是最基本的一種點(diǎn)操作，根據(jù)原始圖像中每個(gè)像素的灰度值，按照某種映射規(guī)則，將其變換為另一種灰度值。通過(guò)對(duì)原始圖像中每個(gè)像素賦一個(gè)新的灰度值來(lái)達(dá)到增強(qiáng)圖像的目的。一般有線性變換（最常用的是按比例線性變換和分段線性變換）和非線性變換（常用對(duì)數(shù)擴(kuò)展和指數(shù)擴(kuò)展）。
2.3中值濾波
中值濾波是一種非線性濾波方法，在一定條件下可以克服線性濾波器處理圖像細(xì)節(jié)模糊的問(wèn)題，但是對(duì)點(diǎn)、線、尖頂?shù)燃?xì)節(jié)較多的圖像，則會(huì)引起圖像信息的丟失。中值濾波的基本思想是把局部區(qū)域的像素按灰度等級(jí)進(jìn)行排序，取該鄰域中灰度的中值作為當(dāng)前像素的灰度值。它對(duì)濾除脈沖干擾和圖像掃描噪聲非常有效論文范文。
中值濾波的步驟：
（1）將濾波模板在圖像中漫游，并將模板中心與圖中某個(gè)像素位置重合；
（2）讀取模板中各對(duì)應(yīng)像素的灰度值；
（3）將這些灰度值從小到大排列；
（4）取這一列數(shù)據(jù)的中間數(shù)據(jù)賦給對(duì)應(yīng)模板中心位置的像素；
由以上步驟可以看出，中值濾波對(duì)孤立的噪聲像素即椒鹽噪聲、脈沖噪聲具有良好的濾波效果。由于它不是簡(jiǎn)單的取均值，所以產(chǎn)生的模糊比較少。
2.4 同態(tài)濾波
當(dāng)光源照射物體時(shí)，由于物體各部分的反射，通過(guò)視覺和其他感光面形成圖像。因此，圖像生成與光源的照射特性和物體的反射特性有關(guān)。
設(shè)光源的照度函數(shù)為，景物各點(diǎn)的反射系數(shù)為，則圖像的亮度函數(shù)為。上式表明，圖像各點(diǎn)亮度，決定于照射分量和反射系數(shù)的乘積。
同態(tài)濾波就是將圖像乘積形式的亮度模型（非可加性），變成可加形式，以便進(jìn)行濾波增強(qiáng)處理。經(jīng)過(guò)同態(tài)濾波后其結(jié)果會(huì)改變圖像光強(qiáng)度和反射光強(qiáng)度的特性，因此可以做到同時(shí)降低圖像動(dòng)態(tài)范圍，又增加對(duì)比度的結(jié)果。
同態(tài)濾波的步驟：
（1） 對(duì)亮度函數(shù)兩邊作對(duì)數(shù)變換，再取傅氏變換；
（2） 通過(guò)一濾波器；
（3） 對(duì)濾波器的輸出取傅氏飯變換，再取指數(shù)變換；
選取合適的濾波器，可以適當(dāng)壓縮照度分量的動(dòng)態(tài)范圍，同時(shí)適當(dāng)提升反射度分量，可以改善圖像對(duì)比度，突出物體輪廓。
3 仿真實(shí)現(xiàn)
取一幅92*112的人臉圖像，通過(guò)matlab函數(shù)對(duì)其進(jìn)行直方圖均衡化處理同態(tài)濾波，可以得到處理前后的直方圖對(duì)比。通過(guò)仿真我們可以清楚的看出，均衡化后圖像獲得了較好的視覺效果，圖像變的更加的清楚，圖像中的一些細(xì)節(jié)也突出了。如圖3-1所示。
圖3-1 處理前后的直方圖對(duì)比
對(duì)同一副人臉圖像進(jìn)行灰度拉伸，仿真結(jié)果如圖3-2所示。
圖3-2 原始圖像以及灰度拉伸處理后的效果
由兩幅圖像處理前后的效果變化可以看出灰度拉伸后增強(qiáng)了圖像的對(duì)比度，使得圖像細(xì)節(jié)更加的突出。
同樣，對(duì)人臉圖像分別進(jìn)行中值濾波和同態(tài)濾波進(jìn)行預(yù)處理，其仿真圖分別如圖3-3和3-4所示。
圖3-3原始圖像與中值濾波后的效果圖
由原始圖像和中值濾波后的圖像對(duì)比可以看出，處理之后，人臉圖像中的斑點(diǎn)得到了去除。
圖3-4原始圖像與同態(tài)濾波后的效果圖
對(duì)圖像進(jìn)行同態(tài)濾波處理之后，由兩幅圖像對(duì)比可以看出，圖像對(duì)比度得到增強(qiáng)，像素灰度的動(dòng)態(tài)范圍也得到增強(qiáng)。處理之后圖像較暗的地方變得更清楚，圖像中的一些細(xì)節(jié)也更加突出。
結(jié)束語(yǔ)
本文主要針對(duì)人臉識(shí)別中圖像預(yù)處理進(jìn)行研究，通過(guò)圖像預(yù)處理的一些方法，如直方圖均衡化、灰度拉伸、中值濾波、同態(tài)濾波，對(duì)讀入的人臉圖像進(jìn)行處理。消除圖像中無(wú)關(guān)的信息，從而使圖像增強(qiáng)，細(xì)節(jié)突出，進(jìn)一步改善了圖像質(zhì)量，為下一步圖像的特征提取、分割、匹配和識(shí)別打下可靠的基礎(chǔ)。
參考文獻(xiàn)：
[1]阮秋琦.數(shù)字圖像處理學(xué)[M].北京: 電子工業(yè)出版社, 2000.4
[2]王耀南.計(jì)算機(jī)圖像處理與識(shí)別技術(shù)[M]. 北京:高等教育出版社, 2001.6
[3]章毓晉.圖像工程[M].北京: 清華大學(xué)出版社, 2001.9
[4]羅良正.數(shù)字圖像處理[M].南京: 東南大學(xué)出版社, 1999.8
[5]周激流，張曄．人臉識(shí)別理論研究進(jìn)展[J]．計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)．1993，
篇11
1.1 數(shù)字圖像處理原理簡(jiǎn)介
圖像處理技術(shù)是本世紀(jì)信息科學(xué)方面成長(zhǎng)最迅速的方向之一，數(shù)字圖像處理的技術(shù)具有實(shí)際的研究?jī)r(jià)值。數(shù)字圖像處理技術(shù)是指利用圖像信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)并進(jìn)行數(shù)字化處理這一手段把輸入圖像轉(zhuǎn)換成具有所希望特征的另一幅圖像的過(guò)程，通過(guò)轉(zhuǎn)化，使得圖像的信息數(shù)字化，可計(jì)算化，協(xié)調(diào)適應(yīng)現(xiàn)在的各種數(shù)字化系統(tǒng)。近年來(lái)，隨著圖像傳感器趨于高集成度和低成本以及數(shù)字硬件的迅速發(fā)展，高質(zhì)量、高速度、高實(shí)時(shí)性的數(shù)字圖像處理技術(shù)越來(lái)越受到歡迎。專用集成電路ASIC和數(shù)字信號(hào)處理器DSP，在兩種方面突破研究，一是改變圖像處理算法，簡(jiǎn)化算法提高處理速度；二是改變實(shí)現(xiàn)算法的手段。DSP處理速度較之前的數(shù)字芯片有了大幅改進(jìn)，但其體系仍是串行指令系統(tǒng)，其固定算法仍不能滿足眾多算法的需要。
1.2 現(xiàn)場(chǎng)可編程門陣列（FPGA）器件技術(shù)
現(xiàn)在較為流行的一種半定制的數(shù)字芯片是現(xiàn)場(chǎng)可編程門陣列（FPGA）器件，它是一種高密度可編程邏輯器件，由大量邏輯宏單元構(gòu)成，通過(guò)各種程序參數(shù)的配置，能夠發(fā)揮這些邏輯單元的各自效果，組合出期望的整體效果和功能，這些配置數(shù)據(jù)存放在片內(nèi)的SRAM中或者是片外的EPROM或其他存儲(chǔ)體中，設(shè)計(jì)者可以現(xiàn)場(chǎng)修改器件的邏輯順序，而且靜態(tài)編程和動(dòng)態(tài)系統(tǒng)重置功能也得到了充分的發(fā)揮也應(yīng)用，基于組合邏輯下的功能讓硬件模塊可以像軟件代碼一樣方便修改調(diào)試。
2 基于FPGA的數(shù)字圖像處理算法研究
2.1 實(shí)時(shí)圖像處理算法
實(shí)時(shí)圖像處理系統(tǒng)和圖像處理的主要算法有4類：圖像數(shù)據(jù)的預(yù)處理，圖像智能識(shí)別，對(duì)象檢測(cè)和運(yùn)動(dòng)對(duì)象檢測(cè)。在實(shí)時(shí)圖像處理系統(tǒng)的后臺(tái)處理中，比分析環(huán)境簡(jiǎn)單、靜態(tài)圖像難度要更具有復(fù)雜性，如在數(shù)字圖像信號(hào)的傳送過(guò)程，中間過(guò)程傳感器和傳輸信道的噪聲的頻繁產(chǎn)生，這讓暫未得到處理的原始圖像信號(hào)變的更為難以分析，而且本身存在一定程度的噪聲。一般圖像信號(hào)的銳化技術(shù)處理也將引入噪聲，有時(shí)會(huì)加強(qiáng)原始圖像的噪聲。因此，有必要在圖像分析處理以前以及過(guò)程中對(duì)圖像的噪聲進(jìn)行濾除，并對(duì)圖像特征進(jìn)行加強(qiáng)，消除噪聲和增強(qiáng)圖像這兩大關(guān)鍵步驟即為數(shù)字信號(hào)圖像的預(yù)處理過(guò)程。
2.2 圖像空域平滑算法
圖像平滑處理的的主要目的是為了降低噪音干擾，目前主流的兩種算法是的空間域平均算法以及中值濾波算法。對(duì)于含有噪聲的原始圖像的每個(gè)像素都采取了對(duì)應(yīng)的鄰域，將計(jì)算出的平均值作為平均空間域中圖像像素值進(jìn)行圖像處理。空間域平均算法對(duì)于高斯噪聲消噪效果較好，但處理脈沖噪聲降噪效果很差。中值濾波的實(shí)質(zhì)是一種非線性處理方法，主要的原理應(yīng)用了順序統(tǒng)計(jì)思路，這種方法的原理是在第一步驟中賦予一個(gè)像素作為鄰域的中心，選擇方形鄰域后，第二步驟就是對(duì)范圍內(nèi)各像素灰度值進(jìn)行排序處理，排序之后獲得數(shù)列的中間值，此中間修正值被記為中心像素的灰度值，在實(shí)際應(yīng)用中個(gè)，中值濾波算法消除脈沖噪聲具有更好的效果。
2.3 圖像空域銳化算法
圖像銳化的主要目的是使原圖像輪廓模糊或者顯示邊緣不明顯的變得清晰，突出細(xì)節(jié)。進(jìn)行銳化處理的前提基礎(chǔ)是：原始圖像必須具有有較高的信噪比，若沒有較高信噪比，經(jīng)過(guò)圖像銳化處理后，圖像信噪比會(huì)大大降低，這非常不利于圖像的清晰顯示處理。通常的做法是先去除或降低噪聲，使得圖像具有更高的信噪比后，再進(jìn)行后期的銳化處理。
圖像銳化處理目前主流有兩種方法：高通濾波法和微分法。微分法屬于圖像空域銳化，目前常用的兩種方法是梯度銳化和拉普拉斯銳化。
2.3.1 梯度銳化
梯度銳化原則：圖像變化速度值小的對(duì)應(yīng)于一個(gè)較小的梯度，整體會(huì)顯得比較暗。因此，梯度銳化的常規(guī)思路是利用門限方法來(lái)判定，從而進(jìn)行梯度銳化優(yōu)化，也就是先賦予一個(gè)預(yù)定的閾值，如果該節(jié)點(diǎn)的梯度小于閾值時(shí)，原始灰度被保持恒定；若大于閾值時(shí)，在這一點(diǎn)上的灰度校正值可以用微分法處理得到。
2.3.2 拉普拉斯運(yùn)算
拉普拉斯運(yùn)算是偏導(dǎo)數(shù)運(yùn)算的線性組合，拉普拉斯算子是一種各向同性的微分算子，其特性包括旋轉(zhuǎn)不變性。拉普拉斯運(yùn)算完全可以轉(zhuǎn)換成模板運(yùn)算，而且對(duì)圖像中的孤立點(diǎn)和短點(diǎn)反應(yīng)較為敏感，比如在較暗的圖像中出現(xiàn)的個(gè)別亮點(diǎn)，這些亮點(diǎn)處灰度發(fā)生跳變，通過(guò)拉普拉斯運(yùn)算將會(huì)使這些亮點(diǎn)亮度增強(qiáng)，這一效果常用于邊緣檢測(cè)。當(dāng)然，拉普拉斯運(yùn)算同梯度銳化一樣，在增強(qiáng)圖像的同時(shí)會(huì)增強(qiáng)噪聲，因此在銳化前可以先進(jìn)行圖像平滑處理。
3 總結(jié)
本文以基于FPGA的高速圖像處理算法為研究主體，對(duì)圖像處理中技術(shù)的流水線實(shí)現(xiàn)、圖像空域平滑算法、圖像空域銳化算法進(jìn)行對(duì)比分析。圖像平滑算法減少噪聲的效果要更加優(yōu)化，平滑算法的中值濾波算法在消除脈沖噪聲中效果更為突出。空間域平均算法主要對(duì)高斯噪聲的消噪效果較好，對(duì)脈沖噪聲消噪效果一般。圖像空域銳化算法可以是原本邊緣模糊的圖像清晰化，前提需要有較高信噪比，所以一般是先進(jìn)行去除噪聲，提高信噪比之后進(jìn)行銳化處理，銳化算法中的梯度銳化、拉普拉斯運(yùn)算算法都在基于FPGA的數(shù)字圖像處理的系統(tǒng)算法中效果明顯。
參考文獻(xiàn)
[1]李冬.基于FPGA的數(shù)字圖像處理的研究[D].安徽理工大學(xué)碩士學(xué)位論文，2009.
篇12
一、培養(yǎng)初中生自主學(xué)習(xí)能力
在初中圖像處理教學(xué)中，教師應(yīng)該發(fā)揮正確引導(dǎo)學(xué)生方向的指南針作用。作為初中教師，應(yīng)該要在教學(xué)過(guò)程中培養(yǎng)學(xué)生獨(dú)立自主動(dòng)手動(dòng)腦的學(xué)習(xí)習(xí)慣之外，在掌握了每節(jié)課基礎(chǔ)知識(shí)的前提下，把以前所學(xué)過(guò)的知識(shí)與本節(jié)學(xué)習(xí)的知識(shí)聯(lián)系起來(lái)，綜合運(yùn)用探索創(chuàng)新，去實(shí)現(xiàn)自我思維能力的提升。所以說(shuō)，老師只能夠起到一個(gè)良好的引導(dǎo)作用，其它則需要靠學(xué)生獨(dú)立自主的去學(xué)習(xí)和實(shí)踐來(lái)提升自己的思維能力。傳統(tǒng)的非互動(dòng)式教學(xué)方式中老師單方面的灌輸理論知識(shí)，而學(xué)生猴子搬包谷似的把今天學(xué)的內(nèi)容明天忘掉，昨天學(xué)的知識(shí)和今天的聯(lián)系不起來(lái)，沒有形成良好的學(xué)習(xí)習(xí)慣，這樣非互動(dòng)式的教學(xué)形式對(duì)學(xué)生的學(xué)習(xí)能力和思維能力的提高其實(shí)并沒有多大的作用。
二、打破學(xué)生傳統(tǒng)的思維定勢(shì)，拓展思維空間
習(xí)慣成自然，習(xí)慣是最不好改變的行為方式，在教學(xué)中也是這樣，初中圖像處理教學(xué)中將習(xí)慣稱之為思維定勢(shì)，傳統(tǒng)的初中圖像處理教學(xué)中學(xué)生們習(xí)慣于用古板、呆滯的角度去觀察教學(xué)中存在的問(wèn)題，在用傳統(tǒng)方法去解決問(wèn)題的時(shí)候往往會(huì)受到阻礙，或者說(shuō)雖然解決了問(wèn)題，可是在解題的時(shí)候難免遇到一些困難，花費(fèi)了更多的時(shí)間，或者是在初中圖像處理教學(xué)發(fā)現(xiàn)了問(wèn)題的時(shí)候卻找不到問(wèn)題的根源在哪里。這就需要初中教師在圖像處理教學(xué)中將解決問(wèn)題的各個(gè)環(huán)節(jié)更加簡(jiǎn)化地呈現(xiàn)到學(xué)生面前，對(duì)于每一個(gè)環(huán)節(jié)具體的解題方法也要對(duì)學(xué)習(xí)進(jìn)行具體的耐心的講解，不能盲目地給予學(xué)生答案或者告訴學(xué)生一個(gè)大概的結(jié)論和應(yīng)該選擇什么方法去解決問(wèn)題。
教師在對(duì)于相應(yīng)的某個(gè)知識(shí)點(diǎn)設(shè)計(jì)備課方案的時(shí)候，可以設(shè)計(jì)一些思考題，思考題最好是具有一定難度的存在著思維定勢(shì)的問(wèn)題，在課堂上的空閑時(shí)間或者課后時(shí)間讓學(xué)生對(duì)思考題去進(jìn)行相應(yīng)的探索和研究，然后在第二天上課的時(shí)候老師在將學(xué)生們所得的結(jié)果總結(jié)出來(lái)，對(duì)于解決問(wèn)題的時(shí)候打破了思維定勢(shì)的學(xué)生應(yīng)當(dāng)給予高度的鼓勵(lì)和贊揚(yáng)，對(duì)于那些沒有解決問(wèn)題的學(xué)生則需要找出他們?cè)谒季S中存在的誤區(qū)，對(duì)于這些存在的思維上的誤區(qū)進(jìn)行相應(yīng)的總結(jié)歸納，最后老師帶動(dòng)學(xué)生們一起參與到解決這些誤區(qū)的過(guò)程中來(lái)，讓學(xué)生們自己尋找到解決誤區(qū)的方法，從容打破學(xué)生們傳統(tǒng)的思維定勢(shì)，拓展思維空間。
二、將學(xué)生的正向思維和逆向思維結(jié)合起來(lái)
思維是沒有局限性的，就比如我們?cè)诳紤]一個(gè)問(wèn)題的時(shí)候，可以從開始到結(jié)束來(lái)考慮，也可以從結(jié)束到開始來(lái)考慮，或者說(shuō)我們可以從上到下考慮，也可以從下到上進(jìn)行考慮，而采用不同的思維方式考慮出來(lái)的結(jié)果必然是不同的。在初中圖像處理教學(xué)中，將一個(gè)問(wèn)題分解成n個(gè)環(huán)節(jié)來(lái)看，然后將這n個(gè)環(huán)節(jié)要素進(jìn)行自由的重組或安裝，分別試著從各個(gè)不同的角度去探討、去思考問(wèn)題，重點(diǎn)并不是追求問(wèn)題的結(jié)構(gòu)，而是在于從不同的角度去分析和看待問(wèn)題的過(guò)程，通過(guò)這樣的方式可以培養(yǎng)學(xué)生開拓性的思維，養(yǎng)成學(xué)生看待問(wèn)題的時(shí)候結(jié)合正向思維和逆向思維來(lái)進(jìn)行思考，從而學(xué)生的思維能力不再單調(diào)。
三、在情境中培養(yǎng)學(xué)生的思維能力
圖像處理教學(xué)的內(nèi)容是非常的復(fù)雜和系統(tǒng)的，涉及到相當(dāng)廣的知識(shí)面，其中的操作技能不僅多而且非常的精細(xì)，學(xué)生在面對(duì)這些繁雜且精細(xì)的操作的時(shí)候往往會(huì)感到力不從心，很多的知識(shí)始終無(wú)法真正掌握，甚至許多的教師在圖像處理教學(xué)的過(guò)程中面對(duì)一些操作技能的時(shí)候都會(huì)感到無(wú)法理解，更不用說(shuō)教授給學(xué)生們了。
另外，因?yàn)椴僮骷寄苤R(shí)點(diǎn)不僅繁多而且還相當(dāng)復(fù)雜的特點(diǎn)，在許多的困難的知識(shí)點(diǎn)上，在老師的帶領(lǐng)下學(xué)生可以理解，可是一下課或者睡一覺第二天醒來(lái)馬上又忘了，只有在老師給予相應(yīng)的提示或者操作步驟的時(shí)候才能夠回憶起來(lái)，才會(huì)記起如何去操作，第二天老師又灌輸了新的知識(shí)點(diǎn)和操作技能，這樣就形成了一個(gè)惡性循環(huán)，學(xué)生們?cè)綄W(xué)越不懂。這種情況產(chǎn)生的原因主要是學(xué)生在學(xué)習(xí)過(guò)程中沒有真正地理解到這些操作技能的具體含義，學(xué)生也不知道這些操作技能的作用和為什么要這樣操作，這樣就無(wú)法真正地學(xué)到這些操作技能和知識(shí)，將它們從教學(xué)中轉(zhuǎn)化為自己的能力。
因此，對(duì)于這種情況的出現(xiàn)，教師應(yīng)該在圖像處理教學(xué)中定期地開設(shè)專門的總結(jié)課，定期的將之前所講的重點(diǎn)難點(diǎn)內(nèi)容拿出來(lái)進(jìn)行溫習(xí)、復(fù)習(xí)，然后對(duì)于相應(yīng)的知識(shí)點(diǎn)內(nèi)容可以構(gòu)造出在略有類似的情境下，將該知識(shí)點(diǎn)內(nèi)容放入到其中去，讓學(xué)生們對(duì)于兩種情境中的知識(shí)點(diǎn)內(nèi)容進(jìn)行相應(yīng)的觀摩、分析，然后進(jìn)行具體的操作和對(duì)比，讓學(xué)生們可以根據(jù)這種對(duì)比參照的方法來(lái)對(duì)知識(shí)進(jìn)行更加深入的理解和內(nèi)化，培養(yǎng)出學(xué)生的思維學(xué)習(xí)能力，從而使學(xué)生在面對(duì)新的知識(shí)點(diǎn)的時(shí)候能夠構(gòu)件出自己的知識(shí)體系，使用更好的學(xué)習(xí)方法去學(xué)習(xí)和理解。
四、綜合各種要素培養(yǎng)學(xué)生的創(chuàng)造性思維
初中圖像處理教學(xué)中，教師在教導(dǎo)確定學(xué)生已經(jīng)掌握了基礎(chǔ)知識(shí)和相應(yīng)的操作技能之后，應(yīng)當(dāng)運(yùn)用合適的方式去引導(dǎo)學(xué)生在學(xué)習(xí)過(guò)程中學(xué)會(huì)利用所學(xué)的知識(shí)和操作技能，運(yùn)用多重思維模式去看待問(wèn)題、解決問(wèn)題，勇敢地以自己的構(gòu)思去嘗試。解決問(wèn)題的時(shí)候充分的發(fā)揮自己的想象力，創(chuàng)造出具有學(xué)生自己個(gè)性的作品或者解決問(wèn)題的方法，從而培養(yǎng)出學(xué)生的創(chuàng)造性思維。
初中圖像處理的實(shí)踐教學(xué)中創(chuàng)造性思維的培養(yǎng)還需要綜合各種要素，本人是通過(guò)這幾個(gè)方面實(shí)現(xiàn)的：
1. 精心設(shè)計(jì)任務(wù)，激發(fā)興趣
在初中圖像處理教學(xué)中，精心設(shè)計(jì)任務(wù)來(lái)不得半點(diǎn)馬虎。因?yàn)椤叭蝿?wù)”設(shè)計(jì)的好壞，會(huì)影響到對(duì)學(xué)生學(xué)習(xí)興趣的培養(yǎng)。每節(jié)課任務(wù)的質(zhì)量，決定著我們教學(xué)的成敗。
學(xué)習(xí)興趣的生母是把學(xué)過(guò)的知識(shí)加以創(chuàng)造性的運(yùn)用，只有在這種情況下，學(xué)生才能深刻體會(huì)到掌握知識(shí)給他們帶來(lái)的喜悅和成就感。例如，在學(xué)習(xí)圖像合成這一章節(jié)時(shí)，本人就圍繞如何用photoshop更好地合成圖片這一主題，安排了學(xué)生感興趣的一些背景和人物（明星）的電子照片。同學(xué)們把腦海里浮現(xiàn)的畫面通過(guò)運(yùn)用已有的素材創(chuàng)造出了不同凡響的合成圖。從上述例題來(lái)看，學(xué)生們的想法在實(shí)踐中實(shí)現(xiàn)了，因而他們對(duì)這門課的興趣更加堅(jiān)定了。
2. 講解內(nèi)容少而精，促進(jìn)探索
少而精主要體現(xiàn)在授課時(shí)根據(jù)學(xué)生的學(xué)情和接受能力調(diào)整內(nèi)容與分量，給出充足的時(shí)間讓學(xué)生自己操作、研究；教師所講的內(nèi)容要保證質(zhì)量，要避免知識(shí)的重復(fù)性，掌控內(nèi)容的難易程度。在教學(xué)中對(duì)任務(wù)的要求加以點(diǎn)明，引導(dǎo)學(xué)生應(yīng)用各種思維方式完成任務(wù)，加強(qiáng)獨(dú)立探索進(jìn)取的思維能力。
3. 評(píng)價(jià)及時(shí)得當(dāng)，促進(jìn)創(chuàng)造
學(xué)生創(chuàng)造能力的發(fā)揮除了要有堅(jiān)實(shí)的功底之外還要有一種精神叫做“我可以，我能做到！”的自我信任。孩子的天性就是經(jīng)常性地得到稱贊和認(rèn)可。所以，對(duì)于學(xué)生稱贊和鼓勵(lì)，會(huì)使學(xué)生滿懷希望和自信心，一如既往地保持學(xué)習(xí)興趣，使興趣潛移默化地從外在因素轉(zhuǎn)化為內(nèi)在因素，從而樹立堅(jiān)定的學(xué)習(xí)興趣。
六、結(jié)語(yǔ)
總而言之，本人根據(jù)自己八年積累的教學(xué)經(jīng)驗(yàn)結(jié)，再參考了此領(lǐng)域中研究做出貢獻(xiàn)的前輩論文的精髓基礎(chǔ)上，對(duì)初中圖像處理教學(xué)過(guò)程中培養(yǎng)學(xué)生思維能力作了一些研究，最終的目的是為了提高初中圖像處理教學(xué)過(guò)程的實(shí)際效果，改變傳統(tǒng)的灌輸式和非互動(dòng)式教育教學(xué)形式，為在此領(lǐng)域中研究和探索的教師們有個(gè)參考價(jià)值，為學(xué)生在學(xué)習(xí)圖像處理課程的過(guò)程中可以根據(jù)他們的思維形態(tài)去構(gòu)建自己的知識(shí)體系，掌握相應(yīng)的操作技能，并且將這些知識(shí)和能力轉(zhuǎn)化成綜合能力，從而形成他們獨(dú)特的思維能力而寫下了這篇論文。本人的這篇論文難免有一些個(gè)人的偏見或缺陷，希望在此領(lǐng)域研究探索的專家和老師們以取其精華的態(tài)度來(lái)對(duì)待這篇文章。
[ 參 考 文 獻(xiàn) ]
[1] 徐鵬.對(duì)初中信息技術(shù)教學(xué)實(shí)施策略的思考[J].學(xué)周刊：C，2011
（6）：188-188.
[2] 王楠.淺析在初中信息技術(shù)課堂中提高教學(xué)效率[J].讀寫算（教
育教學(xué)研究），2013，（27）：53-53.
[3] 任秀平.淺談現(xiàn)代教學(xué)媒體與數(shù)學(xué)教學(xué)有機(jī)結(jié)合[J].神州（上旬
刊），2012，（7）：215.
[4] 王兆勇.在初中數(shù)學(xué)教學(xué)中全面發(fā)展學(xué)生思維能力[J].中國(guó)科
篇13
一、教學(xué)的反思
課堂教學(xué)的核心目標(biāo)是傳承知識(shí)，但如果將知識(shí)的傳承絕對(duì)化和簡(jiǎn)單化，并漠視了人的情感和體驗(yàn)，那么知識(shí)的傳承過(guò)程就是冰冷和僵化的。盡管早在兩千多年前的孔子已提出了“寓教于樂(lè)”的情感式教育，但在教育功利化的驅(qū)使下，形成了崇尚“知識(shí)至上”的傳統(tǒng)的應(yīng)試教育模式，人為地?cái)嗔蚜苏J(rèn)知與情感的關(guān)系，使學(xué)生成為對(duì)知識(shí)缺乏情感的容器，喪失了對(duì)知識(shí)主動(dòng)學(xué)習(xí)、內(nèi)化與應(yīng)用的能力。任何一種教學(xué)方法都必須在反思中前進(jìn)，當(dāng)時(shí)代的發(fā)展不斷繼承和超越著傳統(tǒng)的時(shí)候，我們的課堂教學(xué)也要尋求新的方法和思路。高校學(xué)生對(duì)于課堂教學(xué)有著更高層次的情感需求，本文將對(duì)這一問(wèn)題進(jìn)行探討。
二、情境體驗(yàn)教學(xué)法的意蘊(yùn)
心理學(xué)認(rèn)為，“情境”是指對(duì)人有直接刺激作用、有一定的生物學(xué)意義和社會(huì)學(xué)意義的具體環(huán)境。這里的“情境”指具有情感色彩的教學(xué)場(chǎng)景。情境的功能是喚醒和激發(fā)學(xué)生的情感，也是課堂教學(xué)的前提。“體驗(yàn)”，是指人對(duì)情緒或情感狀態(tài)的自我感受，這種心理活動(dòng)是由感受、理解、聯(lián)想、情感、領(lǐng)悟等諸多心理因素構(gòu)成的。用心的學(xué)習(xí)就是體驗(yàn)學(xué)習(xí)，它是實(shí)現(xiàn)學(xué)生生命感悟的過(guò)程，也是實(shí)現(xiàn)生命審美的過(guò)程，是對(duì)學(xué)習(xí)對(duì)象的一種情感的賦予和心靈的呼應(yīng)。“情境體驗(yàn)教學(xué)法”和以往的“情境教學(xué)法”是有區(qū)別的，“情境體驗(yàn)教學(xué)法”對(duì)情境的理解更為寬泛，它將情境界定為人文情境與科學(xué)情境的結(jié)合;并且，“情境體驗(yàn)教學(xué)法”更加關(guān)注學(xué)生的體驗(yàn)式學(xué)習(xí)活動(dòng)，即更加關(guān)注學(xué)生生命感悟和生命審美的過(guò)程。
三、計(jì)算機(jī)圖形圖像處理課程的教學(xué)目的
計(jì)算機(jī)圖形圖像處理課程的教學(xué)目是使學(xué)生能夠使用計(jì)算機(jī)這一工具對(duì)圖形或圖像進(jìn)行潤(rùn)飾、美化、創(chuàng)作，使圖像具有更強(qiáng)的藝術(shù)感染力、生命力和價(jià)值。筆者始終認(rèn)為，計(jì)算機(jī)圖形圖像處理既是一門技術(shù)，更是一門藝術(shù)。這門課程進(jìn)一步挖掘和提升高校學(xué)生的生命感悟和生命審美能力，并為高校學(xué)生提供了一個(gè)發(fā)現(xiàn)美、表現(xiàn)美、創(chuàng)造美的平臺(tái)，學(xué)生可以借助這個(gè)平臺(tái)來(lái)展示自己獨(dú)特的審美追求，表達(dá)獨(dú)特的審美個(gè)性，實(shí)現(xiàn)并體驗(yàn)獨(dú)特的審美價(jià)值，計(jì)算機(jī)圖形圖像處理課堂為情境體驗(yàn)教學(xué)法提供了很好的實(shí)施場(chǎng)所，情境體驗(yàn)教學(xué)法也為計(jì)算機(jī)圖形圖像處理的教學(xué)點(diǎn)亮了一盞明燈。
四、情景體驗(yàn)教學(xué)法在計(jì)算機(jī)圖形圖像處理課程教學(xué)中的實(shí)施
(一)教師角色的構(gòu)建
1、適應(yīng)變化，做學(xué)生引領(lǐng)者
課堂總是處于一種流變的狀態(tài)，正如古希臘哲學(xué)家所講的“一個(gè)人不能兩次踏進(jìn)同一條河流”一樣，一個(gè)教師也不可能兩次踏進(jìn)同一個(gè)課堂。教師與學(xué)生的心態(tài)在變化，知識(shí)及操作經(jīng)驗(yàn)的積累狀況在變化。這一切的變化要求教師根據(jù)當(dāng)前的情況采取相應(yīng)的措施。并且，教師是引領(lǐng)學(xué)生走向知識(shí)、喚醒學(xué)生的情感的導(dǎo)師。我校的計(jì)算機(jī)圖形圖像處理教學(xué)針對(duì)了不同專業(yè)的學(xué)生(如：新聞、事業(yè)、廣告、經(jīng)貿(mào)等)，教學(xué)內(nèi)容、案例選擇、技巧設(shè)置、作業(yè)難度等需根據(jù)不同專業(yè)進(jìn)行調(diào)整。即使是對(duì)于同一個(gè)班的學(xué)生，也不能使用一成不變的方法。善于發(fā)現(xiàn)變化、適應(yīng)變化，才能成為一個(gè)成功的引領(lǐng)者。
2、隨專業(yè)成長(zhǎng)，做幸福的體驗(yàn)者
教師可將自我發(fā)展和教學(xué)成果結(jié)合起來(lái)。首先要熱愛自己的專業(yè)，并且傾情投入教學(xué)過(guò)程，在“教學(xué)相長(zhǎng)”中收獲成功和體驗(yàn)幸福。對(duì)于計(jì)算機(jī)圖形圖像處理軟件而言，它本身就是一個(gè)表現(xiàn)美和創(chuàng)造美的工具，享受美的過(guò)程及美的結(jié)果，既是幸福的，也是充滿成就感的。
(二)學(xué)生角色的構(gòu)建
學(xué)生是教學(xué)的主體，當(dāng)學(xué)生全身心地投入教學(xué)活動(dòng)，以生命體驗(yàn)來(lái)參與教學(xué)活動(dòng)時(shí)，學(xué)習(xí)的主動(dòng)性便能充分調(diào)動(dòng)起來(lái)。學(xué)生把學(xué)習(xí)看成認(rèn)識(shí)自我、掌控自我、發(fā)展自我的途徑，且有主動(dòng)學(xué)習(xí)的需求，學(xué)習(xí)便能成為一種幸福。在計(jì)算機(jī)圖形圖像處理教學(xué)中，要發(fā)掘?qū)W生“愛美”的主體意識(shí)，培育學(xué)生的“審美”的主體能力，刺激學(xué)生“創(chuàng)造美”的主動(dòng)需求，并且和自身發(fā)展及專業(yè)能力培養(yǎng)相聯(lián)系，能夠進(jìn)行主動(dòng)學(xué)習(xí)。
(三)情境的創(chuàng)建
1、教學(xué)情境的設(shè)計(jì)
首先引入教學(xué)情境，營(yíng)造有利于學(xué)生創(chuàng)新與發(fā)展的教學(xué)情境，構(gòu)建學(xué)生與教學(xué)內(nèi)容之間的關(guān)系，引導(dǎo)學(xué)生入情入境的階段。簡(jiǎn)單來(lái)說(shuō)，就是引起學(xué)生的關(guān)注，使學(xué)生的認(rèn)知或情感有所“發(fā)現(xiàn)”。在計(jì)算機(jī)圖形圖像處理教學(xué)中，我常采用的方法有：①欣賞法。讓學(xué)生欣賞漂亮的作品，并指出它的精彩之處，使學(xué)生產(chǎn)生想要實(shí)現(xiàn)其效果的強(qiáng)烈渴望。②提問(wèn)法。提出一個(gè)問(wèn)題，如：“要表現(xiàn)某一效果應(yīng)該怎樣處理?”引發(fā)學(xué)生思考后，用適當(dāng)?shù)姆绞揭鲂碌膶W(xué)習(xí)內(nèi)容。需要強(qiáng)調(diào)的是，教學(xué)情境的引入應(yīng)貫穿于每一個(gè)教學(xué)環(huán)節(jié)和每一個(gè)知識(shí)點(diǎn)的學(xué)習(xí)中，它的充分與否直接關(guān)系到課堂教學(xué)的效果。
其次，計(jì)算機(jī)圖形圖像處理采用現(xiàn)代多媒體教學(xué)手段，在多媒體計(jì)算機(jī)房進(jìn)行教學(xué)，實(shí)現(xiàn)對(duì)學(xué)生的視覺、聽覺、觸覺進(jìn)行多方位的刺激，這對(duì)于教學(xué)情境的創(chuàng)建是非常有利的。但是，這絕對(duì)不是“情境”的全部，在先進(jìn)硬件技術(shù)的支持下，教師仍然需要豐富生動(dòng)的教學(xué)語(yǔ)言、巧妙的教學(xué)環(huán)節(jié)設(shè)計(jì)、飽滿的熱情、愛心、耐心和機(jī)智，才能成為成功的“情境”設(shè)計(jì)者。
2、人文情境與科學(xué)情境
“情境”作為課堂教學(xué)中富有情感色彩的場(chǎng)景和氛圍，從生態(tài)學(xué)的視角，可以將其分為人文情境與科學(xué)情境。
人文情境是感性的，強(qiáng)調(diào)對(duì)象與遷移、審美與思辨，具有動(dòng)態(tài)和開放的特征;科學(xué)情境是理性的，強(qiáng)調(diào)理智與邏輯，具有嚴(yán)謹(jǐn)、求實(shí)的特征。在傳統(tǒng)的課堂教學(xué)中，我們往往強(qiáng)調(diào)營(yíng)造科學(xué)情境，崇尚統(tǒng)一性和整體性，課堂氣氛是嚴(yán)肅、嚴(yán)厲甚至是嚴(yán)酷的。當(dāng)前，人文情境受到了普遍關(guān)注，它本著“以人為本”的思想，提出課堂教學(xué)的個(gè)體性、變化性，倡導(dǎo)營(yíng)造課堂和諧、溫暖的氛圍。計(jì)算機(jī)圖形圖像處理教學(xué)強(qiáng)調(diào)學(xué)生的個(gè)性化表現(xiàn)和創(chuàng)意性設(shè)計(jì)，所以計(jì)算機(jī)圖形圖像處理課堂應(yīng)該重視人文情境的創(chuàng)建，使人文情境與科學(xué)情境應(yīng)協(xié)調(diào)、相融，這樣才能創(chuàng)建和諧、靈性的課堂。
(四)體驗(yàn)的創(chuàng)建
1、主體參與
主體參與指教學(xué)中重視學(xué)生的主體地位，教學(xué)的一切活動(dòng)均以學(xué)生的發(fā)展需求為出發(fā)點(diǎn)和歸宿，學(xué)習(xí)活動(dòng)以學(xué)生的全面參與及全身心的投入為原則。主體參與是學(xué)生主動(dòng)學(xué)習(xí)的前提，也是學(xué)生構(gòu)建知識(shí)體系、技能體系、價(jià)值體系，是培養(yǎng)學(xué)生創(chuàng)新能力的最佳途徑。在計(jì)算機(jī)圖形圖像處理教學(xué)中，教師結(jié)合學(xué)生的專業(yè)、層次、情感、興趣、特長(zhǎng)等，激發(fā)學(xué)生的參與熱情，精心設(shè)計(jì)操作項(xiàng)目，把學(xué)生引入操作實(shí)踐活動(dòng)中，學(xué)生通過(guò)構(gòu)思—聯(lián)想—創(chuàng)意—實(shí)現(xiàn)的過(guò)程，完成作業(yè)或作品設(shè)計(jì)。學(xué)生在主體參與的過(guò)程中進(jìn)一步融會(huì)知識(shí)、提升技能、培養(yǎng)創(chuàng)新能力。
2、體驗(yàn)與感悟
當(dāng)學(xué)生從教學(xué)情境進(jìn)入到學(xué)習(xí)狀態(tài)后，便開始了體驗(yàn)學(xué)習(xí)的過(guò)程。體驗(yàn)包括對(duì)問(wèn)題的理解、對(duì)自身的期望、學(xué)習(xí)興趣的提升、學(xué)習(xí)動(dòng)機(jī)的增強(qiáng)、知識(shí)與技巧的應(yīng)用等。感悟就是從大量的表象中通過(guò)親身的理解與領(lǐng)會(huì)得出典型的過(guò)程，這一過(guò)程既有理性歸納的過(guò)程，也有情感升華的過(guò)程。在計(jì)算機(jī)圖形圖像處理課堂中，學(xué)生在完成操作項(xiàng)目的過(guò)程中，理解教師的期待、明確自己的責(zé)任、應(yīng)用知識(shí)與技能，完成思維抽象，同時(shí)感受成功的幸福。
(五)教育與美的結(jié)合
1、審美溝通
情境體驗(yàn)教學(xué)在很大程度上是借助學(xué)生的感受來(lái)組織教學(xué)的，學(xué)生的感受過(guò)程實(shí)際上是一個(gè)審美的過(guò)程，審美與感覺、想象、情感、興趣、態(tài)度是緊密聯(lián)系的。審美具有兩層含義：其一，是對(duì)美的觀察與體驗(yàn)。計(jì)算機(jī)圖形圖像處理的對(duì)象—圖像，它的美包括形式美和意境美，形式美是指生活、自然中各種形式因素(色彩、線條、形體、聲音等)的有規(guī)律的組合。形式美的主要法則有：?jiǎn)渭凖R一、對(duì)稱均衡、調(diào)和對(duì)比、比例、節(jié)奏韻律、多樣統(tǒng)一。意境美是我國(guó)美學(xué)思想中的一個(gè)重要范疇。意境是客觀(生活、景物)與主觀(思想、情感)相熔鑄的產(chǎn)物，是情與境、意與境的統(tǒng)一，意境中的含蓄能喚起欣賞者的無(wú)限想象。把美學(xué)基本原理融入計(jì)算機(jī)圖形圖像處理課堂中，讓學(xué)生具有發(fā)現(xiàn)美的眼睛、表現(xiàn)美和創(chuàng)造美的愿望，生成師生間對(duì)美的共鳴，是達(dá)成計(jì)算機(jī)圖形圖像處理課堂的審美溝通的一個(gè)條件。其二，是生命體對(duì)于外界事物的親生體驗(yàn)和溝通。教育美學(xué)觀認(rèn)為，“要以教育美的建立去提升教育及其對(duì)象的精神境界，使教育活動(dòng)成為一種人生境界的達(dá)成過(guò)程，使教育活動(dòng)的主體或?qū)ο蠖荚谌松蠈?shí)現(xiàn)超越。”情境體驗(yàn)教學(xué)追求教育美的達(dá)成，它是一種教學(xué)智慧的美、生命的美，目的在于求得學(xué)生精神與教學(xué)環(huán)境間的溝通、學(xué)生與教育世界的心靈溝通。
2、精神審美與升華
所謂精神審美，就是以提升學(xué)生的精神境界為主要目的，讓學(xué)生以審美的情緒關(guān)注學(xué)習(xí)內(nèi)容，完成學(xué)習(xí)過(guò)程，獲得精神的滿足，并且獲得自身可持續(xù)性發(fā)展的動(dòng)力和智慧。升華是指對(duì)認(rèn)知的升華、對(duì)感悟的升華、對(duì)責(zé)任的升華。升華是教學(xué)向課外的延伸、向社會(huì)的延伸。計(jì)算機(jī)圖形圖像處理為學(xué)生提供了一個(gè)發(fā)現(xiàn)美、表現(xiàn)美、創(chuàng)造美的平臺(tái)，學(xué)生在此平臺(tái)上獲得美的體驗(yàn)和滿足，從而豐富其內(nèi)心世界，獲得生命美的更深感悟。同時(shí)，也要讓學(xué)生認(rèn)識(shí)到：計(jì)算機(jī)圖形圖像處理為我們的生活帶來(lái)了美，但任何的美都必須以社會(huì)道德和法律為基礎(chǔ)，我們的任何行為都必須對(duì)社會(huì)負(fù)責(zé)，否則，它制造的將是丑惡。
五、后記
高校課堂教學(xué)的根本目標(biāo)不僅是知識(shí)的訴求，更是對(duì)學(xué)生生命個(gè)體發(fā)展的關(guān)注。在計(jì)算機(jī)圖形圖像處理課堂中應(yīng)用情境體驗(yàn)教學(xué)法，倡導(dǎo)人文情境與科學(xué)情境相結(jié)合，喚起學(xué)生生命個(gè)體對(duì)美的體驗(yàn)、感悟和升華。但教學(xué)研究是沒有止境的，計(jì)算機(jī)圖形圖像處理的教學(xué)要在傳統(tǒng)的啟迪下、時(shí)代的引領(lǐng)下、不斷的實(shí)踐與反思中前進(jìn)。
注釋：
①黃甫全.課程與教學(xué)論.北京:高等教育出版社.2002:57
②鄭金洲.課改新課型.北京:教育科學(xué)出版社.2006:142
③李秀偉.喚醒情感—情境體驗(yàn)教學(xué)研究.山東教育出版社.2007:41-54
④鄭金洲.重構(gòu)課堂.華東師范大學(xué)學(xué)報(bào).2001(3):15
參考文獻(xiàn)
1 黃甫全.課程與教學(xué)論[M].北京:高等教育出版社.2002:2-57.
2 鄭金洲.課改新課型[M].北京:教育科學(xué)出版社.2006:142.
3 李秀偉.喚醒情感—情境體驗(yàn)教學(xué)研究[M].山東教育出版社.2007:14-120.
4 檀傳寶.德育美學(xué)觀[M].太原:山西教育出版社.2002:15-66.
5 馬斯洛.人性能達(dá)的境界[M].林方譯,昆明:云南人民出版社.1987:2-192.
6 鐘啟泉.現(xiàn)代課程論[M].上海:上海教育出版社.1989:10-35.
