基于图像处理技术的车牌检测系统

摘要：车牌识别问题的智能交通管理系统，提出了应用图像处理技术对车牌进行识别。车牌定位、车牌分割、车牌识别是车牌识别系统的主要三个部分。

【关键词】图像处理车牌定位车牌识别

1 引言

近年来，中国经济的快速发展，人民生活水平继续提高，私家车的数量越来越多，公路交通的快速发展造成严重的交通拥堵和交通事故，传统的手工管理模式已经越来越不能满足对交通控制和安全管理的需求。因此，新兴的智能交通系统，成为当前交通管理的主要途径，这是现代信息智能化的结果。智能交通系统利用先进的计算机技术，如人、车辆、道路有机地联系在一起，形成一个有序的系统，该系统投入使用，在一定程度上，改善交通的质量，保证交通安全，提高交通效率。

2 车牌识别关键技术

车牌识别系统主要包括图像采集、图像处理、车牌定位、车牌字符分割和车牌字符识别。

2.1 车牌图像采集

CCD相机或摄像机车牌图像通过视频卡输入等。通过计

算机处理。

2.2 车牌图像处理

图像处理的车牌车牌输入计算机的主要特点，方便信息。图像处理主要的图像格式转换、压缩、图像去噪、图像增强等。

2.3 车牌位置

区域定位车牌字符的车牌图像，这一过程的特点主要是使用许可信息。

2.4 车牌字符分割

为了得到每个字符的许可证信息，需要定位后的车牌字符分割。

2.5 车牌字符识别

一个车牌字符识别。

目前车牌定位算法，常用的有：车牌定位，基于数学形态学的车牌定位基于投影方法，车牌位置基于纹理分析的字符，等。车牌字符分割算法主要包括：区域连接方法，投影分割方法，基于人工智能算法。最常用的车牌字符识别方法：基于模板匹配和基于人工智能方法。基于人工智能的方法，包括统计学习方法，提出神经网络，等。基于统计学习理论与方法不适合大样本字符识别，并基于神经网络识别方法是费时。这种方法需要提取字符的特征来训练神经网络，然后识别字符，可以识别的传统BP神经网络通常是基于神经网

络的识别方法。

3 基于图像处理的车牌识别系统

数字图像处理起源于1920年代，人们每天看到图像可以用数学模型表达的f（x，y）。在现实生活中，事情可以反射光，通过测量光的反射的物体，可以看到图像的目标对象。计算机只能处理数字图像，所以获得的图像采集设备必须通过一个离散的治疗和量化。利用数字图像处理技术来解决汽车车牌识别首次在1980年代，主要过程是射击，收集车牌图像分析自动提取有效信息，确定汽车车牌号码。本文把基于图像处理技术的车牌识别系统的原理框图如图1所示。

3.1 图像采集

汽车包含汽车车牌图像，本文作为一个原始图像，这种图像是清晰的盘子，射击场，拍摄角度的影响。特别注意，本文收集了主要由车牌颜色是蓝色的，白色的汽车车牌图像的车牌信息。检测后，通过量化过程的模拟图像变换从而得到计算机可以处理的数字信息。

3.2 初步定位汽车牌照

由于汽车通常包含图像不仅需要车牌信息，还包含很多其他信息，如车型，汽车外观特征，首先需要将待处理的车牌定位、排除那些无用的信息，车牌分割，以方便进一步的操作。治疗车牌的颜色是蓝色的，白色的车牌信息在汽车车牌图像，利用HSV模型确定蓝色，白色，Y方向分别使用RGB

模型识别扫描蓝色白色像素，像素和X方向车牌区域，并切成一定的比例，使用HSV彩色地图图像。

3.3 车牌图像预处理

本文的预处理主要是得到初步定位彩色车牌图像灰度车牌图像，提取特征。

3.4 车牌定位和分割

使用封闭操作，消除腐蚀不属于汽车的车牌信息，为了能够更容易地观察车牌信息，腐蚀抹去的结果是相反的颜色显示。通过投影法来定位车牌，对图片左边和投影，找到边缘，在某个方面比较切割出车牌图像、车牌位置分割。

3.5 字符修正和调整

许可的汉字，字母和数字修改，减少每个特定上下边界的字符，根据每个字符的边界，每个字符的倾斜校正，然后把字符信息存储在数组中。

3.6 车牌识别结果

每个字符包含它自己的独立的字符信息，我们通过语音形式一个接一个地读来确定每个字符识别汽车牌照的检测到，提示完成注册。

4 总结

目前各大学学者都致力于研究车牌识别方法也相继提出。现在车识别系统。实际生活中跟智能交通系统建设、智能车牌识别系统的应用也越来越普及。但是，车牌识别技术

的实际应用仍然留在了。

参考文献

[1]胡小锋，赵辉.Visual C++/MATLAB图像处理与识别实用案例精选[M].北京：人民邮电出版社，2004.

[2]焦蓬蓬，郭依正.一种基于数学形态学的车牌定位与分割方法[J].自动化技术与应用，2013（06）：57-59.

[3]王雨.车牌定位与字符分割技术研究[D].武汉：华中科技大学图书馆，2007.

[4]万燕，徐勤燕，黄蒙蒙.复杂背景中基于纹理和颜色的车牌定位研究[J].计算机应用与软件，2013（10）：259-262+316.

[5]甘玲，林小晶.基于连通域提取的车牌字符分割算法[J].计算机仿真，2011（04）：336-339.

作者简介

周亮（1981-），男，四川省泸州市人。曾毕业于桂林电子科技大学通信工程专业，获得大学本科学历。现供职于中国电子科技集团公司第二十二研究所，主要从事通信系统、图像处理算法研究等。

作者单位

中国电子科技集团公司第二十二研究所山东省青岛市266107

图像的阈值分割及边缘检测技术

数字图像处理实验报告题目：图像的阈值分割及边缘检测技术班级：姓名：学号：

图像的阈值分割及边缘检测技术一、实验目的 1、了解图像的分割技术，掌握图像的全局阈值分割技术并通过MATLAB实现； 2、了解图像的边缘检测，掌握梯度算子图像边缘检测方法。二、实验内容 1、基于直方图的全局阈值图像分割方法； 2、Edge命令（roberts,perwitt,sobel,log,canny），实现边缘检测。三、实验原理 1、全局阈值是最简单的图像分割方法。其中，直方图法的原理如下：想做出图像的直方图，若其直方图呈双峰且有明显的谷底，则可以讲谷底点所对应的灰度值作为阈值T，然后根据该阈值进行分割，九可以讲目标从图像中分割出来。这种方法是用于目标和背景的灰度差较大且直方图有明显谷底的情况。 2、用于边缘检测的梯度算子主要有Roberts算子、Prewitt算子、Sobel算子。这三种检测算子中，Roberts算子定位精度较高，但也易丢失部分边缘，抗噪声能力差，适用于低噪声、陡峭边缘的场合。Prewitt算子、Sobel算子首先对图像做平滑处理，因此具有一定的抑制噪声的能力，但不能排除检测结果中的虚假边缘，易出现多像素宽度。

四、实验步骤 1、全局阈值分割： ①读取一张图像； ②生成该图像的直方图； ③根据直方图双峰产生的低谷估计阈值T； ④依次读取图像各个点的像素，若大于阈值，则将像素改为255，若小于阈值，则将该像素改为0；实验代码如下： I=imread('cameraman.tif'); %读取一张图像 subplot(221);imshow(I); %显示该图像 subplot(222);imhist(I); %生成该图像的直方图 T=60; %根据直方图估计阈值T为60 [m,n]=size(I); %取图像的大小为【m,n】 for i=1:m %依次读取图像各个点的像素，若大于阈值，则将像素改为255，若小于阈值，则将该像素改为0 for j=1:n if I(i,j)>=T I(i,j)=255; else I(i,j)=0; end end

数字图像处理复习题

第一章绪论一.选择题 1.一幅数字图像是：(B) A、一个观测系统； B、一个有许多像素排列而成的实体； C、一个2-D数组中的元素 D、一个3-D空间的场景。提示：考虑图像和数字图像的定义 2.半调输出技术可以：(B) A、改善图像的空间分辨率； B、改善图像的幅度分辨率； C、利用抖动技术实现； D、消除虚假轮廓现象。提示：半调输出技术牺牲空间分辨率以提高幅度分辨率 3.一幅256*256的图像，若灰度级数为16，则存储它所需的比特数是：(A) A、256K B、512K C、1M C、2M 提示：表达图像所需的比特数是图像的长乘宽再乘灰度级数对应的比特数。 4.图像中虚假轮廓的出现就其本质而言是由于：(A) A、图像的灰度级数不够多造成的； B、图像的空间分辨率不够高造成； C、图像的灰度级数过多造成的 D、图像的空间分辨率过高造成。提示：平滑区域内灰度应缓慢变化，但当图像的灰度级数不够多时会产生阶跃，图像中的虚假轮廓最易在平滑区域内产生。 5.数字图像木刻画效果的出现是由于下列原因所产生的：（A） A、图像的幅度分辨率过小； B、图像的幅度分辨率过大； C、图像的空间分辨率过小； D、图像的空间分辨率过大；提示：图像中的木刻效果指图像中的灰度级数很少 6.以下图像技术中属于图像处理技术的是：（AC）（图像合成输入是数据，图像分类输出是类别数据） A、图像编码 B、图像合成 C、图像增强 D、图像分类。提示：对比较狭义的图像处理技术，输入输出都是图像。二.简答题 1.数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。 2.什么是图像识别与理解？ 3.简述数字图像处理的至少3种主要研究内容。 4.简述数字图像处理的至少4种应用。 5.简述图像几何变换与图像变换的区别。解答: 1. ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。

基于图像处理技术的车牌识别方法研究

龙源期刊网 https://www.360docs.net/doc/6514267892.html, 基于图像处理技术的车牌识别方法研究作者：朱明秀来源：《信息记录材料》2019年第03期【摘要】近几年，智能化在我国各行各业中都应用极广，在交通系统中应用也非常多，车牌识别技术则是其中之一，如何在车辆正常行使状态下完成车牌自动识别？本文将从车牌识别现状入手进行分析，找到现有识别方式的一些问题，再吸取经验，从车牌定位、车牌字符分割、车牌字符识别几方面对基于图像处理技术的车牌识别方法进行探讨。【关键词】图像处理技术车牌识别方法抓取识别【中图分类号】TP274 【文献标识码】A 【文章编号】1009-5624（2019）03-0224-03 1 引言随着经济和科技的发展，我国国民生活水平也日益提高，汽车成为每家每户常见的交通工具，这虽然带动了我国经济的发展，但也使交通管理工作量变大，在这种情况下，再依靠传统的办法根本无法完成交通管理工作，这就需要我们依靠信息化、智能化的技术去辅助完成交通管理工作。对于车辆来讲其主要识别是依靠车牌来的，因此我们必须将这种智能化、信息化技术应用到车牌识别中来，使之能服务于我国的车辆管理工作，使车辆管理工作能更加高效的运行。 2 车牌识别技术概述 2.1 车牌识别技术现状近年来我国的车牌智能识别技术发展也非常快，现有的识别技术普遍有两种，一种是将车牌信息收集储存于IC卡或者条形码，通过无线电频率鉴别系统来识别汽车车牌号码，这种识别技术相对准确度比较高，但整套设备存在2个实际操作的问题：①十分复杂，不利于异型作业，而且需要所有车牌按照全国统一标准来制定，执行难度很大。②对扫描的工具要求非常高，这导致整套设备价格成本过高，而且虽能进行扫描，但无法核实车和卡是否一致，这也是个目前尚未突破的技术问题，这些问题都导致通过IC卡或条形码来进行识别的技术无法得到很好的推广。另一方面是直接通过突破来进行识别，因为这种识别方法能在无任何信号发送设备的情况下抓取到不同状态车辆的车牌，并通过非接触性信息菜系系统来进行智能识别，这种方法近年来使用很多，其相对IC卡和条形码来讲，能有效降低从成本，提高经济效益，而且起能通过图像抓取和人为参与结合来解决系统中的识别错误问题，有效提高。 2.2 车牌识别技术的研究意义

数字图像处理技术试题答案

数字图像处理技术试题库一、单项选择题：(本大题小题, 2分/每小题,共分) 1.自然界中的所有颜色都可以由（）组成 A.红蓝绿 B.红黄绿 C.红黄蓝绿 D.红黄蓝紫白 2. 有一个长宽各为200个象素，颜色数为16色的彩色图，每一个象素都用R(红)、G(绿)、B(蓝)三个分量表示，则需要（）字节来表示 A.100 B.200 C.300 D. 400 3.颜色数为16种的彩色图，R(红)、G(绿)、B(蓝)三个分量分别由1个字节表示，则调色板需要（）字节来表示 A.48 B.60 C.30 D. 40 4.下面哪一个不属于bmp 文件的组成部分 A ．位图文件信息头 B. 位图文件头 C.调色板 D. 数据库标示 5.位图中，最小分辨单元是 A.像素 B.图元 C.文件头 D.厘米 6.真彩色的颜色数为 A.888?? B. 161616?? C.128128128?? D.256256256?? 7.如果图像中出现了与相邻像素点值区别很大的一个点，即噪声，则可以通过以下方式去除 A.平滑 B.锐化 C. 坐标旋转 D. 坐标平移 8.下面哪一个选项不属于图像的几何变换() A.平移 B.旋转 C. 镜像 D. 锐化 9.设平移量为x x t t (,)，则平移矩阵为() A .1 0 00 1 0 1x y t t ?????????? B. 1 0 00 -1 0 1x y t t ??-???????? C.1 0 00 1 0 - 1x y t t ????????-?? D.1 0 00 1 0 - -1x y t t ?????????? 10.设旋转角度为a ，则旋转变换矩阵为() A ．cos() sin() 0sin() cos() 00 0 1a a a a -?????????? B ．cos() sin() 0sin() cos() 00 0 1a a a a ?????????? C ．sin() cos() 0 sin() cos() 0 0 0 1a a a a -?????????? D ．cos() sin() 0sin() cos() 00 0 1a a a a -????-?????? 11.下面哪一个选项是锐化模板 A ．-1 -1 -1-1 9 -1-1 -1 -1??????????g B ．-1 -1 -1-1 -9 -1-1 -1 -1??????????g C ．-1 -1 -1-1 8 -1-1 -1 -1??????????g D ．-1 -1 -1-1 6 -1-1 -1 -1?????????? g 12.真彩色所能表示的颜色数目是 A ．128128? B ．256256256 ?? C ．256 D ．6059

数字图像处理之车牌提取

车牌提取本文介绍了车牌定位的各种算法及发展，并利用matlab软件对一幅车头照片进行了车牌区域的定位。一、前言数字图像处理技术的发展十分迅速，最初应用在空间探索及医学领域，如今，它已经成为工程学、计算机科学、信息科学、统计学、物理学、化学、生物学甚至社会科学等领域学习和研究的对象。同时，随着我国经济的高速发展，交通变得日益繁忙，对智能交通系统的研究变得十分迫切。利用了图像处理技术的车牌自动识别系统己成为智能交通系统的重要组成部分。要实现交通智能化，首先要能获得道路交通状况和车辆情况的相关数据，因此车辆牌照的识别智能交通领域的一个重要研究课题之一，是实现交通智能化的一个重要环节。要想准确识别出车牌的数字，首先必须要能在含有车牌的图像中定位出车牌的位置，才能进行进一步的数字分析识别，所以，车牌的定位技术是车牌识别的基础。二、相关理论介绍（一）车辆牌照的特点现在我国车牌有4种类型：（1）小功率汽车使用的蓝底白字牌照；（2）大功率汽车使用的黄底黑字牌照；（3）军、警用的白底黑字、红字牌照；（4）国外驻华机构使用黑底白字牌照。这些牌照的长度均为45cm，宽为15cm，共有字符7个。一般民用牌照第一个字符为汉字，且是各省市的简称；第二个字符为大写英文字母，如“E”；第三个字符是英文字母或阿拉伯数字，第四至第七个字符为阿拉伯数字，如“沪E 30265”就是最典型的车牌符号。车牌的位置一般在汽车的下方。（二）车牌定位算法的发展现状车牌定位算法分为图像的预处理、车牌的搜索和车牌鉴别定位三部分。图像预处理就是要获得有用的图像的边缘，并将其二值化；车牌搜索则是搜索整幅图像以得到有可能包含车牌的若干感兴趣区域；车牌定位则是根据车牌的特征对提取出的感兴趣的区域进行鉴别和剔除假的车牌, 从而提取到真正的车牌。相较于车身其他位置，车牌区域有其自身特点，主要有车牌底色与车身颜色，字符颜色有较大差异；车牌的矩形区域内存在较丰富的边缘，呈现出规则的纹理特征；车牌内字符之间的间隔比较均匀，字符和牌照底色在灰度上存在跳变；图像中牌照长宽比的变化有一定范围等。这些都为车牌定位分割提供了先验知识。但是，摄像机获得的图像含有丰富的自然背景及车身背景信息，易受照明、天气条件及运动失真和模糊的影响，同时由于在野外环境下使用，车牌会有不同程度的磨损、污迹干扰、变形等，这些问题给车牌定位带来了难度。目前较为成熟的车牌区域定位算法有自适应边界搜索法、区域生长法、灰度图像数学形态学运算法、基于纹理或颜色的分割方法以及模糊聚类法等。这些方法都有各自的优点，但是在实际应用中也存在着一些不足之处。例如，对于基于纹理的分割方法，图像中很可能不止一个区域具有车牌区域类似的纹理特征，难以准确找到

数字图像处理实验报告--边缘检测

数字图像处理实验报告实验名称：边缘检测姓名：班级：学号：09045433 专业：电子信息工程（2+2）指导教师：陈华华实验日期：2012年5月17日

边缘检测一，原理本实验主要是对图像的边缘进行提取，通过对边缘的分析来分析图像的特征。首先，了解一些术语的定义：边缘点：图像中具有坐标[i,j]且处在强度显著变化的位置上的点。边缘段：对应于边缘点坐标[i,j]及其方位 ,边缘的方位可能是梯度角。边缘检测器：从图像中提取边缘（边缘点和边缘段）集合的算法。轮廓：边缘列表，或者是一条表示边缘列表的拟合曲线。边缘连接：从无序边缘表形成有序边缘表的过程，习惯上，边缘表的表示采用顺时针方向来排序。边缘跟踪：一个用来确定轮廓的图像（指滤波后的图像）搜索过程。边缘就是图像中包含的对象的边界所对应的位置。物体的边缘以图像局部特性的不连续性的形式出现的，例如，灰度值的突变，颜色的突变，纹理结构的突变等。从本质上说，边缘就意味着一个区域的终结和另外一个区域的开始。图像边缘信息在图像分析和人的视觉中十分重要，是图像识别中提取图像特征的一个重要属性。边缘检测（edge detection）在图像处理和对象识别领域中都是一个重要的基本问题。由于边缘的灰度不连续性，可以使用求导数的方法检测到。最早的边缘检测方法都是基于像素的数值导数的运算。本实验主要是对图像依次进行Sobel算子，Prewitt算子,Roberts算子，Laplace算子和Canny算子运算，比较处理结果。边缘检测有三个共性准则， 1，好的检测结果，或者说对边缘的误测率尽可能低，就是在图像边缘出现的地方检测结果中不应该没有；另一方面不要出现虚假的边缘。 2，对边缘的定位要准确，也就是我们标记出的边缘位置要和图像上真正边缘的中心位置充分接近。 3，对同一边缘要有尽可能低的响应次数，也就是检测响应最好是单像素的。二，对图像进行各种算子运算本实验中主要是对图像依次进行Sobel算子，Prewitt算子,Roberts算子，Laplace 算子和Canny算子运算。 Matlab代码： clear all; close all; warning off all; I=imread('cameraman.tif'); %%没有噪声时的检测结果 BW_sobel=edge(I,'sobel'); BW_prewitt=edge(I,'prewitt');

《数字图像处理》习题参考答案

《数字图像处理》习题参考答案第1 章概述连续图像和数字图像如何相互转换答：数字图像将图像看成是许多大小相同、形状一致的像素组成。这样，数字图像可以用二维矩阵表示。将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像（连续图像）信号，再由模拟/数字转化器（ADC）得到原始的数字图像信号。图像的数字化包括离散和量化两个主要步骤。在空间将连续坐标过程称为离散化，而进一步将图像的幅度值（可能是灰度或色彩）整数化的过程称为量化。 # 采用数字图像处理有何优点答：数字图像处理与光学等模拟方式相比具有以下鲜明的特点： 1．具有数字信号处理技术共有的特点。（1）处理精度高。（2）重现性能好。（3）灵活性高。 2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。 3．数字图像处理技术适用面宽。 4．数字图像处理技术综合性强。数字图像处理主要包括哪些研究内容答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。 ] 讨论数字图像处理系统的组成。列举你熟悉的图像处理系统并分析它们的组成和功能。答：如图，数字图像处理系统是应用计算机或专用数字设备对图像信息进行处理的信息系统。图像处理系统包括图像处理硬件和图像处理软件。图像处理硬件主要由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。软件系统包括操作系统、控制软件及应用软件等。。 $ 图数字图像处理系统结构图 1

常见的数字图像处理开发工具有哪些各有什么特点答．目前图像处理系统开发的主流工具为Visual C++（面向对象可视化集成工具）和MATLAB 的图像处理工具箱（Image Processing Tool box）。两种开发工具各有所长且有相互间的软件接口。 Microsoft 公司的VC++是一种具有高度综合性能的面向对象可视化集成工具，用它开发出来的Win 32 程序有着运行速度快、可移植能力强等优点。VC++所提供的Microsoft 基础类库 MFC 对大部分与用户设计有关的 Win 32 应用程序接口 API 进行了封装，提高了代码的可重用性，大大缩短了应用程序开发周期，降低了开发成本。由于图像格式多且复杂，为了减轻程序员将主要精力放在特定问题的图像处理算法上，VC++ 提供的动态链接库支持BMP、JPG、TIF 等常用6种格式的读写功能。 MATLAB 的图像处理工具箱M ATLAB 是由M athWorks 公司推出的用于数值计算的有力工具，是一种第四代计算机语言，它具有相当强大的矩阵运算和操作功能，力求使人们摆脱繁杂的程序代码。MATLAB 图像处理工具箱提供了丰富的图像处理函数，灵活运用这些函数可以完成大部分图像处理工作，从而大大节省编写低层算法代码的时间，避免程序设计中的重复劳动。MATLAB 图像处理工具箱涵盖了在工程实践中经常遇到的图像处理手段和算法，如图形句柄、图像的表示、图像变换、二维滤波器、图像增强、四叉树分解域边缘检测、二值图像处理、小波分析、分形几何、图形用户界面等。但是，MATLAB 也存在不足之处限制了其在图像处理软件中实际应用。首先，强大的功能只能在安装有M ATLAB 系统的机器上使用图像处理工具箱中的函数或自编的m文件来实现。其次，MATLAB 使用行解释方式执行代码，执行速度很慢。第三，MATLAB 擅长矩阵运算，但对于循环处理和图形界面的处理不及C++等语言。为此，通应用程序接口A PI 和编译器与其他高级语言（如C、 C++、Java 等）混合编程将会发挥各种程序设计语言之长协同完成图像处理任务。API 支持 MATLAB 与外部数据与程序的交互。编译器产生独立于M ATLAB 环境的程序，从而使其他语言的应用程序使用MATLAB。常见的数字图像应用软件有哪些各有什么特点答：图像应用软件是可直接供用户使用的商品化软件。用户从使用功能出发，只要了解软件的操作方法就可以完成图像处理的任务。对大部分用户来说，商品化的图像应用软件无需用户进行编程，操作方便，功能齐全，已经能满足一般需求，因而得到广泛应用。常用图像处理应用软件有以下几种： 1．PHOTOSHOP：当今世界上一流的图像设计与制作工具，其优越性能令其产品望尘莫及。PHOTOSHOP 已成为出版界中图像处理的专业标准。高版本的 PHOTOSHOP 支持多达 20 多种图像格式和TWAIN 接口，接受一般扫描仪、数码相机等图像输入设备采集的图像。PHOTOSHOP 支持多图层的工作方式，只是 PHOTOSHOP 的最大特色。使用图层功能可以很方便地编辑和修改图像，使平面设计充满创意。利用PHOTOSHOP 还可以方便地对图像进行各种平面处理、绘制简单的几何图形、对文字进行艺术加工、进行图像格式和颜色模式的转换、改变图像的尺寸和分辨率、制作网页图像等。 2．CorelDRAW：一种基于矢量绘图、功能强大的图形图像制作与设计软件。位图式图像是由象素组成的，与其相对，矢量式图像以几何、色彩参数描述图像，其内容以线条和色块为主。可见，采用不同的技术手段可以满足用户的设计要求。位图式图像善于表现连续、丰富色调的自然景物，数据量较大；而矢量式图像强于表现线条、色块的图案，数据量较小。合理的利用两种不同类型的图像表现方式，往往会收到意想不到的艺术效果。CorelDraw是 2

数字图像处理技术练习

1．图像中每个像素点的灰度值如下图所示：分别求经过邻域平滑模板、邻域高通模板和中值滤波处理后的结果。其中不能处理的点保持不变如果处理后的值为负数则变为0。邻域平滑模板01011 14010H ????=??????，邻域高通模板010141010H -????=--????-?? ，中值滤波窗口取3×3矩阵，窗口中心为原点。 2．图像中每个像素点的灰度值如下图所示：分别求经过邻域平滑模板、邻域高通模板和中值滤波处理后的结果。其中不能处理的点保持不变如果处理后的值为负数则变为0。邻域平滑模板11111018111H ????=??????，邻域高通模板111181111H ---????=--????---?? ，中值滤波窗口取3×3矩阵，窗口中心为原点。 3．设有以下信源符号w1,w2,w3,w4,w5和概率P(w1)=0.3, P(w2)=0.2, P(w3)=0.2, P(w4)=0.2, P(w5)=0.1。请对此信源进行Huffman 编码，并计算熵，平均码长和编码效率。 (log 20.3= -1.737,log 20.2= -2.322,log 20.1=-3.322) 4．设有以下信源符号w1,w2,w3,w4,w5和概率P(w1)=0.5, P(w2)=0.2, P(w3)=0.1, P(w4)=0.1, P(w5)=0.1, 请对此信源进行Huffman 编码，并计算熵，平均码

幅 4．一个灰度变换形式如下图所示，该灰度变换的作用是（ B ）。 A ．灰度反转 B ．二值化 C ．灰度均衡 D ．对比度增强 5．一个灰度变换形式如下图所示，该灰度变换的作用是（ A ）。 A ．灰度反转 B ．二值化 C ．灰度均衡 D ．对比度增强 6．一个三段线性变换如下图所示,横轴表示原始灰度，纵轴表示变换后灰度。以下关于该变换的说法错误的是（ A ）。 A ．(0,80)区间的灰度对比度增强 B ．（80，130）区间的灰度对比度增强 C ．(130,255)区间的灰度对比度降低 D ．变换后的灰度的区间还是（0，255） 7．将灰度或单一波段的图像变换为彩色图像，从而把人眼不能区分的微小的灰度差别显示为明显的彩色差异。这种处理方法称为（ C ）。 A ．真彩色增强 B ．假彩色增强 C ．伪彩色增强 D ．彩色图像灰度化 8．灰度图像的高帽变换的定义为THT()()f f f g =-，该变换的作用是0 320255

matlab车牌识别课程设计报告(附源代码)

Matlab程序设计任务书

目录一．课程设计目的 (3) 二．设计原理 (3) 三．详细设计步骤 (3) 四. 设计结果及分析 (18) 五. 总结 (19) 六. 设计体会 (20) 七. 参考文献 (21)

一、课程设计目的车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。三、详细设计步骤:

1. 提出总体设计方案: 牌照号码、颜色识别为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (1）牌照定位: 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。流程图:

数字图像处理和边缘检测

中文译文数字图像处理和边缘检测 1.数字图像处理数字图像处理方法的研究源于两个主要应用领域：为便于人们分析而对图像信息进行改进；为使机器自动理解而对图像数据进行存储、传输及显示。一幅图像可定义为一个二维函数(,)f x y ，这里x 和y 是空间坐标，而在任何一对空间坐标(,)x y 上的幅值f 称为该点图像的强度或灰度。当,x y 和幅值f 为有限的、离散的数值时，则图像为数字图像。数字图像处理是指借用数字计算机处理数字图像，值得提及的是数字图像是由有限的元素组成的，每一个元素都有一个特定的位置和幅值，这些元素称为图像元素、画面元素或像素。像素是广泛用于表示数字图像元素的词汇。视觉是人类最高级的感知器官，所以，毫无疑问图像在人类感知中扮演着最重要的角色。然而，人类感知只限于电磁波谱的视觉波段，成像机器则可覆盖几乎全部电磁波谱，从伽马射线到无线电波。它们可以对非人类习惯的那些图像源进行加工，这些图像源包括超声波、电子显微镜及计算机产生的图像。因此，数字图像处理涉及各种各样的应用领域。图像处理涉及的范畴或其他相关领域（例如，图像分析和计算机视觉）的界定在初创人之间并没有一致的看法。有时用处理的输入和输出内容都是图像这一特点来界定图像处理的范围。我们认为这一定义仅是人为界定和限制。例如，在这个定义下，甚至最普通的计算一幅图像灰度平均值的工作都不能算做是图像处理。另一方面，有些领域（如计算机视觉）研究的最高目标是用计算机去模拟人类视觉，包括理解和推理并根据视觉输入采取行动等。这一领域本身是人工智能的分支，其目的是模仿人类智能。人工智能领域处在其发展过程中的初期阶段，它的发展比预期的要慢的多，图像分析（也称为图像理解）领域则处在图像处理和计算机视觉两个学科之间。从图像处理到计算机视觉这个连续的统一体内并没有明确的界线。然而，在这个连续的统一体中可以考虑三种典型的计算处理（即低级、中级和高级处理）来区分其中的各个学科。低级处理涉及初级操作，如降低噪声的图像预处理，对比度增强和图像尖锐化。低级处理是以输入、输出都是图像为特点的处理。中级处理涉及分割（把图像分为不同区域或目标物）以及缩减对目标物的描述，以使其更适合计算机处理及对不同目标的分类（识别）。中级图像处理是以输入为图像，但输出是从这些图像中提取的特征（如边缘、轮廓及不同物体的标识等）为特点的。最后，高级处理涉及在图像分析中被识别物体的总体理解，以及执行与视觉相关的识别函数（处在连续统一体边缘）等。根据上述讨论，我们看到，图像处理和图像分析两个领域合乎逻辑的重叠区域是图像中特定区域或物体的识别这一领域。这样，在研究中，我们界定数字图像处理包括输入和输出均是图像的处理，同时也包括从图像中提取特征及识别特定物体的处理。举一个简单的文本自动分析方面的例子来具体说明这一概念。在自动分析文本时首先获取一幅包含文本的图像，对该图像进行预处理，提取（分割）字符，然后以适合计算机处理的形式描述这些字符，最后识别这些字符，而所有这些操作都在本文界定的数字图像处理的范围内。理解一页的内容可能要根据理解的复杂度从图像分析或计算机视觉领域考虑问题。

数字图像处理期末复习

数字图像处理期末复习 zf·w 2013/12/19 一.单项选择题+填空题+判断题 1.图像与灰度直方图间的对应关系是【多对一】 2.属于图像锐化处理的有【高通滤波】 3.属于点处理/运算的有【二值化】【直方图均衡】 4.计算机显示器主要采用的彩色模型是【RGB】 5.属于图像平滑处理的有【中值滤波】【低通滤波】 6.维纳滤波器通常用于【复原图像】 7.图像方差说明了图像的【对比度】 8.属于局部处理的有【中值滤波】 9.图像锐化除了在空间域进行外，也可以在【频率域】进行 10.对于彩色图像，通常用于区别颜色的特性是【色调】【饱和度】【亮度】 11.依据图像的保真度，图像压缩可以分为【有损压缩】和【无损压缩】 12.低通滤波法是使【高频成分】受到抑制而让【低频成分】顺利通过，从而实现图像平滑（此处的“高频成分”和“低频成分”分别对应于空间域的像素灰度值/灰度分布有什么特点） 13.一般来说，采样间距越大，图像数据量【少】，质量【差】；反之亦然 14.直方图修正法包括【直方图均衡】和【直方图规定化（匹配）】 15.图像压缩系统是由【编码器】和【解码器】两个截然不同的结构块组成 16.数字图像处理即用【计算机】对图像进行处理 17.若将一幅灰度图像中的对应直方图中偶数项的像素灰度均用对应直方图中奇数项的像素灰度代替，所得到的的图像将亮度【增加】，对比度【减少】（图像亮度和对比度与图像像素灰度值分布之间的关系） 18.图像数字化包括三个步骤【采样】【量化】和【扫描】 19.在RGB彩色空间的原点上，三个基色均没有【亮度】，即原点为【黑色】，三基色都达到最高亮度时则表现为【白色】（色调，饱和度和亮度在图像上的具体表现是什么） 20.灰度直方图的横坐标是【灰度级】，纵坐标是【该灰度级出现的频率】 21.数字图像是【图像】的数字表示，【像素】是其最小的单位 22.【灰度图像】是指每个像素的信息由一个量化的灰度级来描述的图像，没有彩色信息 23.【彩色图像】是指每个像素的信息由RGB三原色构成的图像，其中RGB是由不同的灰度级来描述 24.【直方图均衡化】方法的基本思想是对图像中像素个数多灰度级进行【展宽】，对像素个数少的灰度级进行【缩减】，从而达到清晰图像的目的 25.图像锐化的目的是加强图像中景物的【细节边缘和轮廓】 26.因为图像分割的结果图像是二值图像，所以通常又称图像分割为图像的【二值化处理】 27.【腐蚀】是一种消除连通域的边界点，使边界向内收缩的处理 28.【膨胀】是将目标区域的背景点合并到该目标物中，使目标物边界向外部扩张的处理 29.对于【椒盐噪声】，中值滤波的效果比均值滤波效果好 30.图像增强按增强处理所在空间不同分为【空域】和【频域】 31.常用的彩色增强方法有【真彩色增强】【假彩色增强】和【伪彩色增强】三种 32.【灰度直方图可以反映一幅图像各灰度级像元占图形的面积比】 33.【直方图均衡和图像的二值化都是点运算】 34.【边缘检测是将边缘像元标识出来的一种图像分割技术】二.名词解释 1.数字图像：用一个二维函数f(x,y)表示一幅图像，其中x和y是空间坐标，幅值f是在该空间坐标处的强度或灰度。当x,y和f都是有限的离散值时，我们称该图像是数字图像。 2.数字图像处理：指用计算机处理数字图像，以获得所需的数字图像。 3.图像压缩： 4.无损压缩：可精确无误地从压缩数据中恢复出原始数据。 5.中值滤波：将当前像元的窗口中所有像元灰度由小到大排序，中间值作为当前像元的输出值。三.简答题 1.图像压缩的基本原理是什么。数字图像的冗余有哪几种表现形式？答：虽然表示图像需要大量的数据，但图像数据是高度相关的，或者说存在冗余信息。图像压缩就是去掉这些冗余信息而不损

基于数字图像处理的车牌识别系统

基于数字图像处理的车牌识别系统言经官电气学院电子112 摘要：车牌识别系统（License Plate Recognition 简称LPR）技术基于数字图像处理，是智能交通系统中的关键技术，同时他的发展也十分迅速，已经逐渐融入到我们的现实生活中。文章介绍了车牌识别系统的意义、图像去噪处理以及图像二值化方法,并通过仿真试验模拟了图像处理的过程。本文所做的工作在于前期的图像预处理工作。本次设计着重在于图像识别方面, 中心工作都为此而展开,文中没有进行车牌的定位处理,而是采用数码相机直接对牌照进行正面拍照,获取原始车牌图像。之后利用Matlab编程对图片进行了大小的调整、彩色图片转化成灰度图片、图片去噪、以及图片二值化等工作。其中,去噪与二值化是关系图像识别率的关键。关键字：车牌识别系统；图像预处理；字符识别；Matlab；去噪；二值化引言智能交通系统（ITS）是当今世界交通管理体系发展的必然趋势，而作为智能交通系统中的重要组成部分之一的车牌自动识别技术，目前已被广泛应用于城市道路监控、高速公路收费与监控、小区与停车场出入口管理、公安治安卡口等场合，成为研究的热点。伴随我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制，安全管理的要求也日益提高。因此迫切需要采用高科技手段,对违法违章车辆牌照进行登记, 在这种情况下，作为信息来源的自动检索，图像识别技术越来越受到人们的重视。车牌识别系统的出现成为了交通管制必不可少的有力武器。 1 车牌识别系统的目标利用计算机等辅助设备进行的自动汽车牌照自动识别就是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上，通过对车辆图像的采集，采用先进的图像处理、模式识别和人工智能技术，在图像中找到车牌的位置，提取出组成车牌号码的全部字符图像，再识别出车牌中的文字、字母和数字，最后给出车牌的真实号码。国外的车牌识别研究始于80 年代，90 年代始已有不少成套的产品出现。由于我国车牌的组成及组合的方式与国外的车牌不一致，使得我们不能直接使用国外的车辆牌照识别系统，而必须针对我国车牌重新设计相应的车辆牌照识别系统。车牌识别的使用环境、背景各有差异，目前还没有一种算法能在不同环境、各种复杂背景条件下达到非常高的车牌识别率，因而车牌识别技术仍然是研究的重点。 2 MATLAB 及其图像处理工具概述 MATLAB 是MAT rix LABora tory( 矩阵实验室) 的缩写, 是Ma thWorks 公司开发的一种功能强、效率高、简单易学的数学软件。MATLAB 7. 1 是一套功能十分强大的工程计算及数据分析软件, 其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。MATLAB 的图像处理工具箱, 功能十分强大, 支持的图像文件格式丰富, 如* .BMP、* . JPG、* . JPEG、* . GIF、* . ti;f% 95% 94、* . ti;f%95%94F、* . PNG、* . PCX、* . XWD、* . HDF、* . ICO、* .CUR 等。本文将给出MATLAB的图像处理工具箱中的图像处理函数实现图像处理与分析的应用技术实例。

数字图像处理技术现状及发展趋势

数字图像处理技术现状及发展趋势摘要现今是计算机技术、网络技术以及多媒体技术高速发展的时代，更多高科技技术正在全面发展，数字图像处理技术作为一种新式技术，如今已经广泛地应用于人们的生产生活中。数字图像处理技术的应用和发展为人们的生活发展带来了很多的便利，在遥感技术、工业检测方面发展迅速，在医学领域，气象通信领域也有很大的成就。由此，本文主要探讨数字图像处理技术的现状及发展趋势。关键词数字图像处理技术；现状；发展趋势现今是计算机和网络技术高速发展的时代，计算机的应用给人们的生产生活带来了很大的便利，人们应用计算机处理各种复杂的数据，将传统方式不能处理的问题以全新的技术和方式有效解决[1]。数字图像处理技术是应用较为广泛的一种技术，在具体应用过程中，能够经过增强、复原、分割等过程对数据进行处理，且具有多样性、精度高、处理量大的显著优势，本文对数字图像处理技术的现状及发展趋势进行研究和探讨。 1 数字图像处理技术发展现状数字图像处理技术是近年来发展较为迅速的一种技术，具体是指应用计算机对图像进行一系列的处理，最终达到人们要求的水平，在具体的处理过程中，以改善图像的视觉效果为核心，最终呈现出人们想要表达的意思。笔者查阅国内外诸多文献库，发现对数字图像处理技术的研究多数集中于图像数字化、图像增强、图像还原、图像分割等领域[2]。最初数字图像处理技术产生于20世纪20年代，当时普遍将其应用于报纸业，发展至20世纪50年代，图像处理技术跟随着计算机的发展而迅速发展，也有更多的人开始关注和应用该技术，当时在各国的太空计划中发挥了巨大作用，尤其是对月球照片的处理，获得了很大的成功。发展到20世纪70年代时，数字图像处理技术的应用已经很普遍了，尤其是在计算机断层扫面（CT）等方面，该技术的应用得到了一致好评，而现今，数字图像处理技术随处可见，已广泛应用在各行各业中。 2 数字图像处理技术的特点数字图像处理技术有以下几个特点：①图像处理的多样性特点。数字图像处理技术可以编写多样的算法，以不同的程序模式施加于数字图像技术上，根据实际需求对图像进行处理，因此最终获取的图像效果也截然不同。②图像处理精度高。应用数字图像处理技术处理的图像，其精度和再现性都提高了一个层次，尤其是在各种算法和程序的支撑下，进一步确保了计算的精度和正确性。③交叉融合了多门学科和新技术。数字图像处理的应用基础包含了众多学科和技术，其中数学和物理是关键，而通信、计算机、电子等技术则是确保其处理质量的关键技术。④数据处理量大[3]。图像本身就包含了大量的信息，数字图像处理技术可以更好地区分有用信息和冗余信息，从而获取处理的关键性信息。

数字图像处理复习重点整理

《数字图像处理》复习第一章绪论数字图像处理技术的基本内容：图像变换、图像增强、图象恢复、图像压缩编码、图像分割、图像特征提取（图像获取、表示与描述）、彩色图像处理和多光谱及高光谱图像处理、形态学图像处理第二章数字图像处理基础 2-1 电磁波谱与可见光 1.电磁波射波的成像方法及其应用领域：无线电波（1m-10km）可以产生磁共振成像，在医学诊断中可以产生病人身体的横截面图像☆微波（1mm-1m）用于雷达成像，在军事和电子侦察领域十分重要红外线（700nm-1mm）具有全天候的特点，不受天气和白天晚上的影响，在遥感、军事情报侦察和精确制导中广泛应用可见光（400nm-700nm）最便于人理解和应用最广泛的成像方式，卫星遥感、航空摄影、天气观测和预报等国民经济领域 ☆紫外线（10nm-400nm）具有显微镜方法成像等多种成像方式，在印刷技术、工业检测、激光、生物学图像及天文观测 X射线（1nm-10nm）应用于获取病人胸部图像和血管造影照片等医学诊断、电路板缺陷检测等工业应用和天文学星系成像等伽马射线（0.001nm-1nm）主要应用于天文观测 2-2 人眼的亮度视觉特征 2.亮度分辨力——韦伯比△I/I（I—光强△I—光照增量），韦伯比小意味着亮度值发生较小变化就能被人眼分辨出来，也就是说较小的韦伯比代表了较好的亮度分辨力 2-3 图像的表示 3. 黑白图像：是指图像的每个像素只能是黑或白，没有中间的过渡，一般又称为二值图像（黑白图像一定是二值图像，二值图像不一定是黑白图像）灰度图像：是指图像中每个像素的信息是一个量化了的灰度级的值，没有彩色信息。彩色图像：彩色图像一般是指每个像素的信息由R、G、B三原色构成的图像，其中的R、B、G是由不同的灰度级来描述的。 4.灰度级L、位深度k L=2^k 5.储存一幅M×N的数字图像所需的比特 b=M×N×k 例如，对于一幅600×800的256灰度级图像，就需要480KB的储存空间（1KB=1024Byte 1Byte=8bit） 2-4 空间分辨率和灰度级分辨率 6.空间分辨率是图像中可分辨的最小细节，主要由采样间隔值决定，反映了数字化后图像的实际分辨率。一种常用的空间分辨率的定义是单位距离内可分辨的最少黑白线对数目(单位是每毫米线对数)，比如每毫米80线对。对于一个同样大小的景物来说，对其进行采样的空间分辨率越高，采样间隔就越小，图片的质量就越高。 7.灰度级分辨率是指在灰度级别中可分辨的最小变化，通常把灰度级级数L称为图像的灰度级分辨率（灰度级通常是2的整数次幂） 8.在图像空间分辨率不变的情况下，采样数越少，图像越小。同时也证实了，在景物大小不变的情况下，图像阵列M×N越小，图像的尺寸就越小；随着空间分辨率的降低，图像大小尺寸不变，图像中的细节信息在逐渐损失，棋盘格似的粗颗粒像素点变得越来越明显。由此也说明，图像的空间分辨率越低，图像的视觉效果越差；随着灰度分辨率的降低，图像的细节信息在逐渐损失，伪轮廓信息在逐渐增加。由于伪轮

车牌图像定位与识别

专业综合实验报告----数字图像处理专业：电子信息工程班级：：学号：指导教师：

2014年7月18日车牌图像定位与识别一、设计目的利用matlab实现车牌识别系统，熟悉matlab应用软件的基础知识，利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，巩固理论课上知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论基础，有助于自身综合能力的提高。二、设计容和要求车牌识别系统应包含图像获取、图像处理、图像分割、字符识别、数据库管理等几个部分，能够完成复杂背景下汽车牌照的定位分割以及牌照字符的自动识别。这里，只要求对给定的彩色车牌图像变换成灰度图像，用阈值化技术进行字符与背景的分离，再提取牌照图像。三、设计步骤 1．打开计算机，启动MATLAB程序； 2．调入给定的车牌图像，并按要求进行图像处理； 3．记录和整理设计报告四、设计所需设备及软件计算机一台；移动式存储器；MATLAB软件。五、设计过程车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割和单个字符识别两个模块。 (一）对图像进行图像转换、图像增强和边缘检测等

1.载入车牌图像：原图 2.将彩图转换为灰度图并绘制直方图：灰度图灰度直方图 3.用roberts 算子进行边缘检测：图像中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体图象中的位置较为固定。正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。边缘提取是较经典的算法，此处边缘的提取采用的是

数字图像处理技术的现状及其发展方向(笔记)

数字图像处理技术的现状及其发展方向一、数字图像处理历史发展数字图像处理(Digital Image Processing)将图像信号转换成数字信号并利用计算机对其进行处理。 1.起源于20世纪20年代。 2.数字图像处理作为一门学科形成于20世纪60年代初期，美国喷气推进实验室(JPL)推动了数字图像处理这门学科的诞生。 3.1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置即CT(Computer Tomograph)，1975年EMI公司又成功研制出全身用的CT装置,获得了人体各个部位鲜明清晰的断层图像。 4.从70年代中期开始,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理向更高、更深层次发展，人们已开始研究如何用计算机系统解释图像,实现类似人类视觉系统理解外部世界，其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论。二、数字图像处理的主要特点 1．目前数字图像处理的信息大多是二维信息,处理信息量很大,对计算机的计算速度、存储容量等要求较高。 2.数字图像处理占用的频带较宽,在成像、传输、存储、处理、显示等各个环节的实现上,技术难度较大,成本也高,这就对频带压缩技术提出了更高的要求。 3.数字图像中各个像素是不独立的,其相关性大。因此,图像处理中信息压缩的潜力很大。 4.由于图像是三维景物的二维投影,一幅图像本身不具备复现三维景物的全部几何信息的能力,要分析和理解三维景物必须作合适的假定或附加新的测量。在理解三维景物时需要知识导引,这也是人工智能中正在致力解决的知识工程问题。 5．一方面，数字图像处理后的图像一般是给人观察和评价的,因此受人的因素影响较大，作为图像质量的评价还有待进一步深入的研究；另一方面，计算机视觉是模仿人的视觉,人的感知机理必然影响着计算机视觉的研究,这些都是心理学和神经心理学正在着力研究的课题。三、数字图像处理的优点 1.再现性好；图像的存储、传输或复制等一系列变换操作不会导致图像质量的退化。 2.处理精度高；可将一幅模拟图像数字化为任意大小的二维数组,现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高。 3.适用面宽；图像可以来自多种信息源，图像只要被变换为数字编码形式后,均是用二维数组表示的灰度图像组合而成,因而均可用计算机来处理。 4.灵活性高；数字图像处理不仅能完成线性运算,而且能实现非线性处理,即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。四、数字图像处理过程及其主要进展常见的数字图像处理有:图像的采集、数字化、编码、增强、恢复、变换、