图像处理技术论文
图像处理-毕设论文外文翻译(翻译+原文)
英文资料翻译Image processing is not a one step process．We are able to distinguish between several steps which must be performed one after the other until we can extract the data of interest from the observed scene．In this way a hierarchical processing scheme is built up as sketched in Fig．The figure gives an overview of the different phases of image processing.Image processing begins with the capture of an image with a suitable，not necessarily optical，acquisition system．In a technical or scientific application，we may choose to select an appropriate imaging system．Furthermore，we can set up the illumination system，choose the best wavelength range，and select other options to capture the object feature of interest in the best way in an image．Once the image is sensed，it must be brought into a form that can be treated with digital computers.This process is called digitization.With the problems of traffic are more and more serious. Thus Intelligent Transport System (ITS) comes out. The subject of the automatic recognition of license plate is one of the most significant subjects that are improved from the connection of computer vision and pattern recognition. The image imputed to the computer is disposed and analyzed in order to localization the position and recognition the characters on the license plate express these characters in text string form The license plate recognition system (LPSR) has important application in ITS. In LPSR, the first step is for locating the license plate in the captured image which is very important for character recognition. The recognition correction rate of license plate is governed by accurate degree of license plate location. In this paper, several of methods in image manipulation are compared and analyzed, then come out the resolutions for localization of the car plate. The experiences show that the good result has been got with these methods. The methods based on edge map and frequency analysis is used in the process of the localization of the license plate, that is to say, extracting the characteristics of the license plate in the car images after being checked up forthe edge, and then analyzing and processing until the probably area of license plate is extracted.The automated license plate location is a part of the image processing ,it’s also an important part in the intelligent traffic system．It is the key step in the Vehicle License Plate Recognition(LPR).A method for the recognition of images of different backgrounds and different illuminations is proposed in the paper.the upper and lower borders are determined through the gray variation regulation of the character distribution.The left and right borders are determined through the black-white variation of the pixels in every row.The first steps of digital processing may include a number of different operations and are known as image processing．If the sensor has nonlinear characteristics, these need to be corrected．Likewise，brightness and contrast of the image may require improvement．Commonly，too，coordinate transformations are needed to restore geometrical distortions introduced during image formation．Radiometric and geometric corrections are elementary pixel processing operations．It may be necessary to correct known disturbances in the image，for instance caused by a defocused optics，motion blur，errors in the sensor，or errors in the transmission of image signals．We also deal with reconstruction techniques which are required with many indirect imaging techniques such as tomography that deliver no direct image.A whole chain of processing steps is necessary to analyze and identify objects．First，adequate filtering procedures must be applied in order to distinguish the objects of interest from other objects and the background．Essentially，from an image（or several images），one or more feature images are extracted．The basic tools for this task are averaging and edge detection and the analysis of simple neighborhoods and complex patterns known as texture in image processing．An important feature of an object is also its motion．Techniques to detect and determine motion are necessary．Then the object has to be separated from the background．This means that regions of constant features and discontinuities must be identified．This process leads to alabel image．Now that we know the exact geometrical shape of the object，we can extract further information such as the mean gray value，the area，perimeter，and other parameters for the form of the object[3]．These parameters can be used to classify objects．This is an important step in many applications of image processing，as the following examples show：In a satellite image showing an agricultural area，we would like to distinguish fields with different fruits and obtain parameters to estimate their ripeness or to detect damage by parasites．There are many medical applications where the essential problem is to detect pathologi-al changes．A classic example is the analysis of aberrations in chromosomes．Character recognition in printed and handwritten text is another example which has been studied since image processing began and still poses significant difficulties．You hopefully do more，namely try to understand the meaning of what you are reading．This is also the final step of image processing，where one aims to understand the observed scene．We perform this task more or less unconsciously whenever we use our visual system．We recognize people，we can easily distinguish between the image of a scientific lab and that of a living room，and we watch the traffic to cross a street safely．We all do this without knowing how the visual system works．For some times now，image processing and computer-graphics have been treated as two different areas．Knowledge in both areas has increased considerably and more complex problems can now be treated．Computer graphics is striving to achieve photorealistic computer-generated images of three-dimensional scenes，while image processing is trying to reconstruct one from an image actually taken with a camera．In this sense，image processing performs the inverse procedure to that of computer graphics．We start with knowledge of the shape and features of an object—at the bottom of Fig. and work upwards until we get a two-dimensional image．To handle image processing or computer graphics，we basically have to work from the same knowledge．We need to know the interaction between illumination and objects，how a three-dimensional scene is projected onto an image plane，etc．There are still quite a few differences between an image processing and a graphics workstation．But we can envisage that，when the similarities and interrelations between computergraphics and image processing are better understood and the proper hardware is developed，we will see some kind of general-purpose workstation in the future which can handle computer graphics as well as image processing tasks[5]．The advent of multimedia，i. e. ，the integration of text，images，sound，and movies，will further accelerate the unification of computer graphics and image processing.In January 1980 Scientific American published a remarkable image called Plume2，the second of eight volcanic eruptions detected on the Jovian moon by the spacecraft Voyager 1 on 5 March 1979．The picture was a landmark image in interplanetary exploration—the first time an erupting volcano had been seen in space．It was also a triumph for image processing．Satellite imagery and images from interplanetary explorers have until fairly recently been the major users of image processing techniques，where a computer image is numerically manipulated to produce some desired effect-such as making a particular aspect or feature in the image more visible.Image processing has its roots in photo reconnaissance in the Second World War where processing operations were optical and interpretation operations were performed by humans who undertook such tasks as quantifying the effect of bombing raids．With the advent of satellite imagery in the late 1960s，much computer-based work began and the color composite satellite images，sometimes startlingly beautiful, have become part of our visual culture and the perception of our planet．Like computer graphics，it was until recently confined to research laboratories which could afford the expensive image processing computers that could cope with the substantial processing overheads required to process large numbers of high-resolution images．With the advent of cheap powerful computers and image collection devices like digital cameras and scanners，we have seen a migration of image processing techniques into the public domain．Classical image processing techniques are routinely employed bygraphic designers to manipulate photographic and generated imagery，either to correct defects，change color and so on or creatively to transform the entire look of an image by subjecting it to some operation such as edge enhancement.A recent mainstream application of image processing is the compression of images—either for transmission across the Internet or the compression of moving video images in video telephony and video conferencing．Video telephony is one of the current crossover areas that employ both computer graphics and classical image processing techniques to try to achieve very high compression rates．All this is part of an inexorable trend towards the digital representation of images．Indeed that most powerful image form of the twentieth century—the TV image—is also about to be taken into the digital domain．Image processing is characterized by a large number of algorithms that are specific solutions to specific problems．Some are mathematical or context-independent operations that are applied to each and every pixel．For example，we can use Fourier transforms to perform image filtering operations．Others are“algorithmic”—we may use a complicated recursive strategy to find those pixels that constitute the edges in an image．Image processing operations often form part of a computer vision system．The input image may be filtered to highlight or reveal edges prior to a shape detection usually known as low-level operations．In computer graphics filtering operations are used extensively to avoid abasing or sampling artifacts．中文翻译图像处理不是一步就能完成的过程。
数字图像处理系统毕业论文
数字图像处理系统毕业论文基于ARM的嵌入式数字图像处理系统设计摘要简述了数字图像处理的应用以及一些基本原理。
使用S3C2440处理器芯片，linux内核来构建一个简易的嵌入式图像处理系统。
该系统使用u-boot作为启动引导程序来引导linux内核以及加载跟文件系统，其中linux内核与跟文件系统均采用菜单配置方式来进行相应配置。
应用界面使用QT制作，系统主要实现了一些简单的图像处理功能，比如灰度话、增强、边缘检测等。
整个程序是基于C++编写的，因此有些图像变换的算法可能并不是最优化的，但基本可以满足要求。
在此基础上还会对系统进行不断地完善。
关键词：linnux 嵌入式图像处理边缘检测AbstractThis paper expounds the application of digital image processing and some basic principles. The use of S3C2440 processor chip, the Linux kernel to construct a simple embedded image processing system. The system uses u-boot as the bootloader to boot the Linux kernel and loaded with file system, Linux kernel and file system are used to menu configuration to make corresponding configuration. The application interface is made using QT, system is mainly to achieve some simple image processing functions, such as gray, enhancement, edge detection. The whole procedure is prepared based on the C++, so some image transform algorithm may not be optimal, but it can meet the basic requirements. On this basis, but also on the system constantly improve.Keywords:linux embedded system image processing edge detection目录第一章绪论 (1)1.1 数字图像处理概述 (1)1.2 数字图像处理现状分析 (5)1.3 本文章节简介 (8)第二章图像处理理论 (8)2.1 图像信息的基本知识 (8)2.1.1 视觉研究与图像处理的关系 (8)2.1.2 图像数字化 (10)2.1.3 图像的噪声分析 (10)2.1.4 图像质量评价 (11)2.1.5 彩色图像基本知识 (11)2.2 图像变换 (12)2.2.1 离散傅里叶变换 (13)2.2.2 离散沃尔什-哈达玛变换（DWT-DHT） (20)2.2.3 离散余弦变换（DCT） (21)2.2.4 离散图像变换的一般表达式 (23)2.3 图像压缩编码 (24)2.3.1 图像编码的基本概念 (24)2.4 图像增强和复原 (24)2.4.1 灰度变换 (24)2.4.2 图像的同态增晰 (26)2.4.3 图像的锐化 (27)2.5 图像分割 (27)2.5.1 简单边缘检测算子 (27)2.6 图像描述和图像识别 (28)第三章需求分析 (28)3.1 系统需求分析 (28)3.2 可行性分析 (28)3.3 系统功能分析 (29)第四章概要设计 (29)4.1 图像采集 (30)4.2 图像存储 (30)4.3 图像处理（image processing） (31)4.4 图像显示 (31)4.5 网络通讯 (32)第五章详细设计 (32)5.1 Linux嵌入式系统的构建 (32)5.1.1 启动引导程序的移植 (32)5.1.2 Linux内核移植 (33)5.1.3 根文件系统的移植 (33)5.2 图像处理功能的实现 (33)5.2.1 彩色图像的灰度化 (34)5.2.2 灰度图的直方图均衡化增强 (34)5.2.3 图像二值化 (35)5.2.4 边缘检测 (35)第六章调试与维护 (36)附录 A (36)参考文献 (43)致谢 (44)第一章绪论1.1 数字图像处理概述数字图像处理(Digital Image Processing)又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
小波变换在图像处理中的应用毕业论文
结论.......................................................................15
参考文献...................................................................16
cl是x的小波分解结构则perf0100小波分解系数里值为0的系数个数全部小波分解系数个数perfl2100cxc向量的范数c向量的范数华侨大学厦门工学院毕业设计论文首先对图像进行2层小波分解并通过ddencmp函数获取全局阈值对阈值进行处理而后用wdencmp函数压缩处理对所有的高频系数进行同样的阈值量化处理最后显示压缩后的图像并与原始图像比较同时在显示相关的压缩参数
3.2.2实现增强的算法流程............................................10
3.3小波包图像去噪......................................................10
3.3.1实现去噪的主要函数............................................11
指导教师签名：
日期：
华侨大学厦门工学院毕业设计（论文）
小波变换在图像处理中的应用
摘要
近年来小波变换技术已广泛地应用于图像处理中。小波分析的基本理论包括小波包分析、连续小波变换、离散小波变换。小波变换是一种新的多分辨分析的方法，具有多分辨率和时频局部化的特性，
可以同时进行时域和频域分析。
因此不但能对图像提供较精确的时域定位,也能提供较精确的频域定
数字图像处理论文
江苏科技大学数字图像处理本科生课程论文论文题目：图像增强方法综述与matlab实现完成时间：___2016年6月2日________ 所在专业：____软件工程____________ ____ 所在年级：____13419042___________ __图像增强方法综述与matlab实现软件工程专业 1341904222 陆建伟摘要：本文介绍图像增强的内容，并就内部几种方法进行更深一步的探索，利用matlab 使得算法实现并对比。
关键词：图像增强；数字图像处理；灰度变换；直方图；matlab；一、研究背景1.1研究目的经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降。
光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。
总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题。
通过本课题的研究能够使图像有更好的视觉感受效果，更能够满足社会生活和生产的需要是本文的最终目的。
1.2研究现状计算机图像处理的发展历史并不长,但是引起了人们的足够重视。
总体来说，图像处理技术的发展大致经历了初创期、发展期、普及期和实用化期4 个阶段。
随着对图像技术研究的不断深入和发展,新的图像增强方法不断出现。
图像作为自然界景物的客观反映是人类感知世界的视觉基础也是人类获取信息、表达信息和传递信息的重要手段。
二、主要理论概况图像增强是指根据特定的需要突出图像中的重要信息同时减弱或去除不需要的信息。
从不同的途径获取的图像通过进行适当的增强处理可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域从而更加容易对图像中感兴趣的目标进行检测和测量。
处理后的图像是否保持原状已经是无关紧要的了不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。
图像增强的目的是增强图像的视觉效果将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。
(完整版)基于数字图像处理的车牌识别本科毕业论文
本科生毕业论文（设计）题目:基于数字图像处理的车牌识别设计**: ***学院: 数理与信息工程学院专业: 电子信息工程班级: 111学号:指导教师:刘纯利职称: 教授2014 年12 月24 日安徽科技学院教务处制目录摘要 ....................................................................关键词 ..................................................................1、设计目的 .............................................................2、设计原理: ............................................................3、设计步骤: ............................................................4、实行方案 .............................................................4.1. 总体实行方案:...................................................4.2. 各模块的实现:...................................................4.2.1输入待处理的原始图像: .......................................4.2.2图像的灰度化并绘制直方图: ...................................4.2.3 边缘检测....................................................4.2.4图像的腐蚀操作：............................................4.2.5平滑图像....................................................4.2.6除去二值图像的小对象 ........................................4.3车牌定位 .........................................................4.4字符的分割与识别..................................................4.4.1.车牌的再处理................................................4.4.2字符分割....................................................4.5车牌识别：........................................................5、总结: ................................................................6、致谢 .................................................................7、参考文献: ............................................................基于数字图像处理的车牌识别设计电子信息工程专业学生周金鑫指导教师刘纯利摘要：车牌识别在人类社会交通系统中担当重要角色，一个设计优良的车牌识别系统会给人们生活带来极大的方便，本文通过运用matlab和数字图像处理的一些知识简单通过图像预处理，车牌定位，字符分割，采用模板匹配法实现车牌字符的识别。
图形图像处理在影视创作中的应用
华中师范大学武汉传媒学院毕业论文（设计）图形图像处理在影视创作中应用院系：传媒技术学院专业：影视艺术技术班级：B0901班*****学号：***********指导教师：***2013年4月20日图形图像处理在影视创作中的应用Graphic and Image Processing in the Application of the Film and Television Creation摘要本文利用分析与综合方法、比较与分类方法和系统论等方法，研究了图形图像处理技术及其在影视中的综合应用，尤其是计算机动画与影视的结合方面，比如对于CG技术在影视中的一些应用案例的分析。
另外本文也对时下热门的虚拟现实技术有所探讨。
作者试图通过研究计算机图形学、数字图像处理、影视创作相关的专业书籍材料,加深对图形图像处理技术的认识和掌握。
这将更有助于我们利用图形图像处理技术来创作影视作品，提高技能水平和质量。
关键词：图形图像处理影视创作计算机动画虚拟现实技术AbstractBy using the analysis and synthesis methods, conparison and classification methods, and system theory methods, in this thesis, we studied the graphic and image processing techmology and it’s comprehensive application in film and television, especially in the area of combinition of the computer animation and films, such as some cases’ analysis of CG technology ‘s application in film and television. In addition, this thesis also discussed about the popular virtual reality technology. The author tried to study materials such as computer graphics, digital image processing,film and television creation relevant professional books and so on, to better understand and master graphic and image processing technology to produce the film and television works and improve the level of skills and quality.Key words:Graphic and Image Processing Film and Television Creation Computer Animation Virtual Reality目录摘要 (Ⅰ)Abstract (Ⅱ)绪论 (1)1图形图像处理基本概念 (2)1.1基本概念 (2)1.2研究对象 (2)2图形图像处理系统 (3)2.1系统结构与分类 (3)2.2设备分类及工作原理 (4)2.3软件标准化 (4)3图形图像处理技术 (6)3.1图形生成与几何模型构造 (6)3.2图形图像的显示，操作与处理 (6)4图形图像处理在影视创作中的应用 (7)4.1计算机动画技术 (7)4.2虚拟现实技术 (12)结论 (14)参考文献 (15)致谢 (16)绪论图形图像处理技术在广义上是与图形、图像有关的技术的总称，目前的研究主要在于计算机图形学和数字图像处理两大方面。
光学信息图像处理课程论文
简要评语：成绩指导教师签名：《综合课程设计》《光学信息图像处理实验》课程论文论文题目：图像邻域平均与中值滤波性能比较分析学院：光电信息学院班级：110160102姓名：罗凯旋学号：11016010216指导教师：张红民完成日期：2012年12月23 日图像邻域平均与中值滤波性能比较分析摘要：图像在生成和传输过程中，往往会受到各种噪声的干扰和影响，而降低了图像质量，为后续的图像处理和分析造成障碍。
噪声反映在图像中，会使原本均匀和连续变化的灰度突然变大或变小，形成虚假的边缘或轮廓。
本文采用图像邻域平均和中值滤波的方法减弱、抑制或消除这类噪声而改善图像质量。
关键词：数字图像处理邻域平均中值滤波1引言数字图像处理就是采用一定的算法对数字图像进行处理，以获得人眼视觉或者某种接受系统所需要的图像处理过程。
图像处理的基础是数字，主要任务是进行各种算法设计和算法实现。
通过本学期的数字图像处理学习，我们对图像处理的诸多领域都有了基本的认识，能够利用MATLAB对图像进行简单的操作。
本学期主要涉及的内容：(1)图像变换。
图像阵列很大时，若直接在空域中处理，计算量将很大。
为此，通常采用各种图像变换方法，如傅立叶变换、沃尔什变换、离散余弦变换、小波变换等间接处理技术，将空域处理转换到变换域处理，这样可以有效地减少计算量，提高处理性能。
(2)图像增强与复原。
主要目的是增强图像中的有用信心，削弱干扰和噪声，使图像更加清晰，或者将其转换为更适合人或机器分析的形式。
图像增强并不是要求真实地反映原始图像，而图像复原则要求尽量消除或减少获取图像过程中所产生的某些退化，使图像能够反映原始图像的真实面貌。
(3)图像压缩编码。
在满足一定保真度条件下，对图像信息进行编码，可以压缩图像信息量，简化图像的边式，从而大大压缩图像描述的数据量，以便存储和传输；图像压缩在不同应用背景下可以采用不失真压缩和失真压缩。
(4)图像分割。
图像分割是数字图像处理中的关键技术之一，是为了将图像中有意义的特征提取出来。
贝叶斯网络学习算法在图像处理中的应用研究论文素材
贝叶斯网络学习算法在图像处理中的应用研究论文素材摘要：随着信息技术的快速发展，图像处理作为一门重要的学科逐渐受到广泛关注。
贝叶斯网络学习算法作为一种强大的数据分析工具，已经在各个领域展示出了出色的性能。
本文通过收集相关资料，深入研究了贝叶斯网络学习算法在图像处理中的应用，并总结了其中的关键技术和研究成果。
研究结果表明，贝叶斯网络学习算法在图像处理中具有较高的准确性和稳定性，对于图像分类、目标识别和图像分割等任务具有重要的应用价值。
1. 引言图像处理是指对数字图像进行编辑、增强和分析等操作的一门技术。
近年来，随着数字图像的广泛应用，图像处理在计算机视觉、模式识别和人工智能等领域发挥了重要作用。
然而，由于图像数据的复杂性和噪声的存在，传统的图像处理方法往往难以满足实际需求。
因此，寻找一种高效、准确的图像处理算法成为了当前研究的热点和难点之一。
2. 贝叶斯网络学习算法概述贝叶斯网络学习算法是一种基于概率和统计的机器学习方法，通过构建图模型来表示变量之间的依赖关系。
该算法利用贝叶斯定理和条件概率进行推理和学习，能够从有限的样本数据中自动学习变量之间的关联规则，具有很强的适应性和鲁棒性。
贝叶斯网络学习算法能够对不确定性信息进行有效建模和推理，广泛应用于数据挖掘、决策支持系统和模式识别等领域。
3. 贝叶斯网络在图像分类中的应用图像分类是图像处理中的一个重要任务，旨在将图像按照其内容进行归类。
利用贝叶斯网络学习算法进行图像分类可以有效解决传统方法中的不确定性和数据噪声问题。
通过学习大量的样本数据，贝叶斯网络能够从中挖掘出图像的特征和模式，并根据这些信息进行分类预测。
实验证明，基于贝叶斯网络的图像分类方法在准确性和稳定性上具有显著优势。
4. 贝叶斯网络在目标识别中的应用目标识别是图像处理中的一个重要研究方向，主要研究如何从图像中自动检测和识别目标物体。
贝叶斯网络学习算法可以通过学习目标物体的特征和上下文信息，建立起目标识别的模型。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图像处理技术及其应用摘要：数字图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
在当今，数字图像处理正与当今社会的各个方面紧紧相连，密不可分。
本文针对其发展应用进行了系统的论述。
关键字：数字图像处理；计算机技术；检测；应用引言计算机图像处理技术是在20世纪80年代后期，随着计算机技术的发展应运而生的一门综合技术。
图像处理就是利用计算机、摄像机及其它有关数字技术，对图像施加某种运算和处理，使图像更加清晰，以提取某些特定的信息，从而达到特定目的的技术。
随着多媒体技术和网络技术的快速发展，数字图像处理已经广泛应用到了人类社会生活的各个方面，如：遥感，工业检测，医学，气象，通信，侦查，智能机器人等。
无论在哪个领域中，人们喜欢采用图像的方式来描述和表达事物的特性与逻辑关系，因此，数字图像处理技术的发展及对其的要求就越来显得重要。
1数字图像处理技术概述及发展20世纪20年代，图像处理首次应用于改善伦敦和纽约之间海底电缆发送的图片质量。
到20世纪50年代，数字计算机发展到一定的水平后，数字图像处理才真正引起人们的兴趣。
1964年美国喷气推进实验室用计算机对“徘徊者七号”太空船发回的大批月球照片进行处理，收到明显的效果。
20世纪60年代末，数字图像处理具备了比较完整的体系，形成了一门新兴的学科。
20世纪70年代，数字图像处理技术得到迅猛的发展。
理论和方法进一步完善，应用范围更加广泛。
在这一时期，图像处理主要和模式识别及图像理解系统的研究相联系，如文字识别、医学图像处理、遥感图像的处理等。
20世纪70年代后期到现在，各个应用领域对数字图像处理提出越来越高的要求．促进了这门学科向更高级的方向发展。
特别是在景物理解和计算机视觉(即机器视觉)方面，图像处理已由二维处理发展到三维理解或解释。
近年来，随着计算机和其它各有关领域的迅速发展，例如在图像表现、科学计算可视化、多媒体计算技术等方面的发展，数字图像处理已从一个专门的研究领域变成了科学研究和人机界面中的一种普遍应用的工具。
它也促进了图像处理技术的教学。
数字图像处理常用方法包括：图像变换、图像编码压缩、图像增强和复原、图像分割、图像描述、图像分类(识别)。
计算机的特点是能处理各种数据，图像经过采样、量化后变为数字存储在计算机中，使用计算机对数字图像进行去噪、增强、复原、分割、特征提取等处理，就称为数字图像处理。
数字图像处理既涉及到计算机软件，也和硬件相关。
计算机的发展、数学的发展以及各个行业的应用需求的增长与图像处理技术的发展密切相关。
上个世纪60年代，计算机图像处理的技术发展迅速，应用也逐渐增多，人们使用计算机数字图像处理技术完成对图像的预期处理。
随着计算机周边技术的发展，现在的数字图像处理技术已具有了以下特点：1) 图像处理的多样性。
编写不同的算法及程序施加在数字图像上，得到的效果也截然不同。
2) 对图像处理的精度越来越高，图像的再现性也越来越好。
计算机进行图像处理的本质是编写各种算法对图像数据施加各种运算。
随着计算机技术的飞速发展，保障了计算的精度和正确性；此外，各种算法施加在同一图像上，得到的结果具有相似或相同性，使其具有良好的再现性。
3) 多学科技术的交叉和综合。
数字图像处理的基础是数学和物理，此外，数字图像处理技术还与通信技术、计算机技术、电子技术、电视技术相关。
4) 数据处理量大。
图像中有大量的信息，既有有用的信息，也有冗余信息，可以通过图像处理技术去除冗余得到图像中的有用的信息。
2图像处理技术在医学中的应用随着科学技术的进步，多学科交叉和融合成为现代科学发展和进步的突出特色和重要途径。
医学影像技术作为医学研究和临床医学的重要手段，综合了计算机科学、生物医学、物理学等许多新技术的应用，成为近二十年医学技术中发展最快的领域之一。
通过计算机图形图像处理技术辅助医学诊断与治疗，极大程度的提高了诊疗的质量与安全，已成为医学研究和临床医学的一个发展方向。
目前，供医学研究和临床诊断所需要的医学图像多种多样，如：B超图像、MRI图像、CT图像、PET图像、SPECT图像、数字X光机（DR）图像、X射线图像、各种电子内窥镜图像、显微镜下病例切片和显微镜下细胞图像等。
利用计算机技术处理这些图像，不仅可以提高医学临床诊断水平，还能为医学培训、医学研究与教学、计算机辅助临床外科手术等提供必要支持。
2.1医学图像的种类医学研究和临床诊断所需要的影像资料多种多样，既有静态的组织结构成像，也包括动态图像和功能成像。
按照成像的手段不同可以将图像分为，光学图像、深度信息图像、温度场图像以及影像图像。
利用不同的成像技术获得的医学影像能够揭示病人的不同特征，从医学应用的角度可以分为结构影像技术和功能影像技术两大类。
前者主要用于获取人体组织器官的解剖结构图像，为医生诊断病变提供最直观的病理信息，X-CT，MRI就属于此类影像技术。
另一种功能影像，是通过特殊图像信息来反映生理过程的变化，如组织的新陈代谢，细胞活动等，PET，红外成像，微波成像都属于这种，有些病变尤其是早期，在器官的外形结构上仍变现为正常时，采用基于SPECT的功能成像能够及时地诊断病变。
医学图像的研究目的是以直观的形式给医生提供辅助诊断和治疗的有用信息，如何提高图像的质量，从图像中提取更多的有用病理信息是医学图像处理技术的重点。
但是，由于医学图像的成像对象是人体的组织器官，是个性化差异很大的对象，无论是人体个体的差异还是组织器官在病变过程中变化，都是我们无法预知的，这导致了医学图像无法像普通图像处理那样给出统一的操作模型。
而且，由于成像设备、获取条件、医生的经验和能力等因素的存在，使得对医学图像进行定量评估非常困难。
因此，普通的图像处理技术是不能直接应用在医学图像处理和分析上的。
2.2 图像处理技术在超声医学成像中的应用超声成像过程中图像处理的方法有很多，其中主要的有图像平滑处理、图像伪色彩处理、图像纹理分析、图像分割、图像锐化处理，以及图像增强处理等图像处理方法。
在B超图像中，不可避免会出现噪声，噪声的存在对某一象素或某幅图像是有影响的，因此要平滑图像，去除噪声，为图像的后续处理做准备。
为了使B超医生更好的识别B超图像信息，可以用不同的颜色来表示图像中的不同灰度级，达到图像增强的效果，可识别灰度差较小的像素，这种用彩色差别代替灰度差别而组成的图像，即为伪色彩图像。
B超图像中存在颗粒状纹理，其主要有以下两种情况引起的，一种是B超图像本身的斑纹，是无用的信息，另一种是由被检查者的组织结构引起的，是有用的信息。
正常和有病变的器官图像组织颗粒分布不同，即纹理也不同，因此，对B超图像进行纹理分析，从而判别病情。
图像分割是将病变区域分割出来，以便测量其大小，体积等，为诊断提供必要数据。
除此之外，还要用到图像锐化处理和图像增强等计算机技术处理B超图像。
2.3 图像处理技术在CT和MRI中的应用CT的本质是一种借助于计算机进行成像和数据处理的断层图像技术。
虽然X 线透视可使人们了解人体的内部结构，但只有CT通过计算机在排除散射线和重叠影像的干扰并对X线人体组织吸收系统矩阵作定量分析后，才从根本上解决了分辨率问题。
计算机在CT系统中要完成图像去噪、图像的增强、图像重建等任务。
没有计算机技术，CT设备的发展是不可想象的。
在磁共振中，图像处理技术包括图像去噪、图像增强、图像复原、图像三维重建等操作，磁共振成像也离不开计算机图像处理技术的支持。
现代医学越来越离不开医学图像信息的支持，在医学图像处理中，计算机技术起着至关重要的作用。
在医学领域中，超声成像、CT、磁共振、外科手术、中医舌像诊断都与计算机图像处理技术息息相关。
随着计算机技术和医学的发展，计算机图像处理技术会在医学领域中得到更广泛的应用，医学领域也更离开不计算机图像处理技术。
3图像处理技术在纺织业的应用在纺织生产过程中原料、半成品以及成品的分析、评价时，首先要通过摄入设备将需要分析的纺织样品摄入或录入计算机，进行数字化处理。
虽然各种分析所要达到的目的不同，但是为了提高测量和分析的精度，通常都需要先去除由于各种因素引入的噪声，然后再进行处理，达到易于分析的目的。
常用到的图像处理方法主要有：傅立叶变换、图像增强、图像分割等。
3.1 非织造布中纤维及纤维取向的评定非织造布中，纤维和纤维取向直接影响到非织造布材料的特性。
先前，人们采用直接手工测试的方法来分析纤维的取向，后来，陆续出现了一些间接的方法，如：张力分析法、微波法、超声法和折射法，但这些方法都很难避免主观因素的影响，保证其可靠性。
用图像分析法来识别非织造布中纤维及纤维取向是一种较先进的方法。
其中常用的是傅氏变换法。
傅氏变换法就是经傅氏变换可把图像的灰度强度分布分解成具有一定振幅和相位的频率分布，即图像可采用频率形式进行描述，其中灰度强弱的分布对应于不同频率的振幅，用此变换来判断图像中某一方向灰度梯度变化非常有效，所3得数字图像的灰度分布有亮暗变化的周期性，这种图像灰度分布存在的空间频率与纤维的取向分布密切相关，如纤维按某方向分布时，则该方向的灰度分布空间频率低，垂直于该方向的空间频率则高，所以可通过傅氏变换求得纤维的取向，不过这种变换的原始条件是图像应是周期性的，若不是完全周期性，如上下或左右存在差异，则会导致变换后的频率图中有错误的空间频率成分，应通过选择适当函数来改善。
本方法的优点还在于因变换后的强度信号丢弃了完全无规则排列纤维产生的强度信号，只保留了有序排列纤维的强度信号，所以由图像强度信号和灰度梯度分布所算出的纤维取向指标准确性更高。
3.2 织物折皱等级的评定在传统纺织工业研究中，一般采用织物折皱恢复角来评定织物折皱程度。
此方法简单但不直观。
计算机图像处理技术可以直观地对图像进行变换，提取特征信息，因此用于分析评定织物的折皱性能有很大的优势。
早期，美国一些学者曾探讨了利用计算机图像处理技术评定织物折皱程度的方法。
马里兰大学BehnamPoureyhimi 等提出用折皱强度、轮廓、功率谱密度尖锐角、随机分布程度、总体外观、分形等来表征折皱程度。
国内也有学者提出用折皱灰度侧面积比、整体灰度标准差、折皱阴影面积标准差来评定折皱的起皱程度。
其中小波分析可以将织物的图像信息分解成不同的频率信号输出，有利于分析织物表面的细节特征，可用于区分不同织物折皱的外在差异，从而为进一步的特征提取和模式识别打下良好的基础。
3.3 织物表面的起毛、起球性能分析织物起毛是影响织物服用性能的重要因素。
在测定评判织物的起毛性能时，如果采用传统的测试方法，如与标准样对比分级的方法，所得的结果主观性太强，没有定量的描述；如果采用在显微镜下对起毛根数进行计数的方法，则劳动强度太大，耗时过长。