引論：我們為您整理了13篇圖像處理技術論文范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。
篇1
近20多年來，醫學影像已成為醫學技術中發展最快的領域之一，其結果使臨床醫生對人體內部病變部位的觀察更直接、更清晰，確診率也更高。20世紀70年代初，X-CT的發明曾引發了醫學影像領域的一場革命，與此同時，核磁共振成像象(MRI:MagneticResonanceImaging)、超聲成像、數字射線照相術、發射型計算機成像和核素成像等也逐步發展。計算機和醫學圖像處理技術作為這些成像技術的發展基礎，帶動著現代醫學診斷正產生著深刻的變革。各種新的醫學成像方法的臨床應用，使醫學診斷和治療技術取得了很大的進展，同時將各種成像技術得到的信息進行互補，也為臨床診斷及生物醫學研究提供了有力的科學依據。
在目前的影像醫療診斷中,主要是通過觀察一組二維切片圖象去發現病變體,往往需要借助醫生的經驗來判定。至于準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系,僅通過觀察二維切片圖象是很難實現的。因此,利用計算機圖象處理技術對二維切片圖象進行分析和處理,實現對人體器官、軟組織和病變體的分割提取、三維重建和三維顯示,可以輔助醫生對病變體及其它感興趣的區域進行定性甚至定量的分析,可以大大提高醫療診斷的準確性和可靠性。此外,它在醫療教學、手術規劃、手術仿真及各種醫學研究中也能起重要的輔助作用。
本文對醫學圖像處理技術中的圖像分割、紋理分析、圖像配準和圖像融合技術的現狀及其發展進行了綜述。
2．醫學圖像三維可視化技術
2.1三維可視化概述
醫學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#$/&’(或超聲等成像系統獲得二維斷層圖像，然后需要將圖像格式（如0(#1&）轉化成計算機方便處理的格式。通過二維濾波，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，對醫學關鍵部位進行各向同性處理，獲得體數據。經過三維濾波后，不同組織器官需要進行分割和歸類，對同一部位的不同圖像進行配準和融合，以利于進一步對某感興趣部位的操作。根據不同的三維可視化要求和系統平臺的能力，選擇不同的方法進行三維體繪制，實現三維重構。
2.2關鍵技術：
圖像分割是三維重構的基礎，分割效果直接影像三維重構的精確度。圖像分割是將圖像分割成有意義的子區域，由于醫學圖像的各區域沒有清楚的邊界，為了解決在醫學圖像分割中遇到不確定性的問題，引入模糊理論的模糊閥值、模糊邊界和模糊聚類等概念。快速準確的分離出解剖結構和定位區域位置和形狀，自動或半自動的圖像分割方法是非常重要的。在實際應用中有聚類法、統計學模型、彈性模型、區域生長、神經網絡等適用于醫學圖像分割的具體方法。
由于可以對同一部位用不同的成像儀器多次成像，或用同一臺儀器多次成像，這樣產生了多模態圖像。多模態圖像提供的信息經常相互覆蓋和具有互補性，為了綜合使用多種成像模式以提供更全面的信息，需要對各個模態的原始圖像進行配準和數據融合，其整個過程稱為數據整合。整合的第一步是將多個醫學圖像的信息轉換到一個公共的坐標框架內的研究，使多幅圖像在空間域中達到幾何位置的完全對應，稱為三維醫學圖像的配準問題。建立配準關系后，將多個圖像的數據合成表示的過程，稱為融合。在醫學應用中，不同模態的圖像還提供了不互相覆蓋的結構互補信息，比如，當CT提供的是骨信息，MRI提供的關于軟組織的信息，所以可以用邏輯運算的方法來實現它們圖像的合成。
當分割歸類或數據整合結束后，對體數據進行體繪制。體繪制一般分為直接體繪制和間接體繪制，由于三維醫學圖像數據量很大，采用直接體繪制方法，計算量過重，特別在遠程應用和交互操作中，所以一般多采用間接體繪制。在圖形工作站上可以進行直接體繪制，近來隨著計算機硬件快速發展，新的算法，如三維紋理映射技術，考慮了計算機圖形硬件的特定功能及體繪制過程中的各種優化方法，從而大大地提高了直接體繪制的速度。體繪制根據所用的投影算法不同加以分類，分為以對象空間為序的算法（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"，一般來說，體素投影法繪制的速度比光線投射法快。由于三維醫學圖像的繪制目的在于看見內部組織的細節，真實感并不是最重要的，所以在醫學應用中的繪制要突出特定診斷所需要的信息，而忽略無關信息。另外，高度的可交互性是三維醫學圖像繪制的另一個要求，即要求一些常見操作，如旋轉，放大，移動，具有很好的實時性，或至少是在一個可以忍受的響應時間內完成。這意味著在醫學圖像繪制中，繪制時間短的可視化方法更為實用。
未來的三維可視化技術將與虛擬現實技術相結合，不僅僅是獲得體數據的工具，更主要的是能創造一個虛擬環境。
3．醫學圖像分割
醫學圖像分割就是一個根據區域間的相似或不同把圖像分割成若干區域的過程。目前,主要以各種細胞、組織與器官的圖像作為處理的對象，圖像分割技術主要基于以下幾種理論方法。
3.1基于統計學的方法
統計方法是近年來比較流行的醫學圖像分割方法。從統計學出發的圖像分割方法把圖像中各個像素點的灰度值看作是具有一定概率分布的隨機變量,觀察到的圖像是對實際物體做了某種變換并加入噪聲的結果,因而要正確分割圖像,從統計學的角度來看,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隨機場(MRF)模型,能夠簡單地通過勢能形式表示圖像像素之間的相互關系,因此周剛慧等結合人腦MR圖像的空間關系定義Markov隨機場的能量形式,然后通過最大后驗概率(MAP)方法估計Markov隨機場的參數,并通過迭代方法求解。層次MRF采用基于直方圖的DAEM算法估計標準有限正交混合(SFNM)參數的全局最優值,并基于MRF先驗參數的實際意義,采用一種近似的方法來簡化這些參數的估計。林亞忠等采用的混合金字塔Gibbs隨機場模型,有效地解決了傳統最大后驗估計計算量龐大和Gibbs隨機場模型參數無監督及估計難等問題,使分割結果更為可靠。
3.2基于模糊集理論的方法
醫學圖像一般較為復雜，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解決分割問題。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。模糊閾值分割技術利用不同的S型隸屬函數來定義模糊目標，通過優化過程最后選擇一個具有最小不確定性的S函數，用該函數表示目標像素之間的關系。這種方法的難點在于隸屬函數的選擇。模糊C均值聚類分割方法通過優化表示圖像像素點與C各類中心之間的相似性的目標函數來獲得局部極大值，從而得到最優聚類。Venkateswarlu等[改進計算過程，提出了一種快速的聚類算法。
3.2.1基于模糊理論的方法
模糊分割技術是在模糊集合理論基礎上發展起來的,它可以很好地處理MR圖像內在的模糊性和不確定性,而且對噪聲不敏感。模糊分割技術主要有模糊閾值、模糊聚類、模糊邊緣檢測等。在各種模糊分割技術中,近年來模糊聚類技術,特別是模糊C-均值(FCM)聚類技術的應用最為廣泛。FCM是一種非監督模糊聚類后的標定過程,非常適合存在不確定性和模糊性特點的MR圖像。然而,FCM算法本質上是一種局部搜索尋優技術,它的迭代過程采用爬山技術來尋找最優解,因此容易陷入局部極小值,而得不到全局最優解。近年來相繼出現了許多改進的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。FFCM算法對傳統FCM算法的初始化進行了改進,用K-均值聚類的結果作為模糊聚類中心的初值,通過減少FCM的迭代次數來提高模糊聚類的速度。它實際上是兩次尋優的迭代過程,首先由K-均值聚類得到聚類中心的次最優解,再由FCM進行模糊聚類,最終得到圖像的最優模糊分割。
3.2.2基于神經網絡的方法
按拓撲機構來分,神經網絡技術可分為前向神經網絡、反饋神經網絡和自組織映射神經網絡。目前已有各種類型的神經網絡應用于醫學圖像分割,如江寶釧等利用MRI多回波性,采用有指導的BP神經網絡作為分類器,對腦部MR圖像進行自動分割。而Ahmed和Farag則是用自組織Kohenen網絡對CT/MRI腦切片圖像進行分割和標注,并將具有幾何不變性的圖像特征以模式的形式輸入到Kohenen網絡,進行無指導的體素聚類,以得到感興趣區域。模糊神經網絡(FNN)分割技術越來越多地得到學者們的青睞,黃永鋒等提出了一種基于FNN的顱腦MRI半自動分割技術,僅對神經網絡處理前和處理后的數據進行模糊化和去模糊化,其分割結果表明FNN分割技術的抗噪和抗模糊能力更強。
3.2.3基于小波分析的分割方法
小波變換是近年來得到廣泛應用的一種數學工具，由于它具有良好的時一頻局部化特征、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，比較適合對圖像進行多尺度的邊緣檢測，典型的有如Mallat小波模極大值邊緣檢測算法[6
3.3基于知識的方法
基于知識的分割方法主要包括兩方面的內容:(1)知識的獲取,即歸納提取相關知識,建立知識庫；(2)知識的應用,即有效地利用知識實現圖像的自動分割。其知識來源主要有:(1)臨床知識,即某種疾病的癥狀及它們所處的位置；(2)解剖學知識,即某器官的解剖學和形態學信息,及其幾何學與拓撲學的關系,這種知識通常用圖譜表示；(3)成像知識,這類知識與成像方法和具體設備有關；(4)統計知識,如MI的質子密度(PD)、T1和T2統計數據。Costin等提出了一種基于知識的模糊分割技術,首先對圖像進行模糊化處理,然后利用相應的知識對各組織進行模糊邊緣檢測。而謝逢等則提出了一種基于知識的人腦三維醫學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模型,包含腦組織幾何形態、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,在模型知識指導下直接從體積數據中提取并顯示各組織器官的表面。
3.4基于模型的方法
該方法根據圖像的先驗知識建立模型,有動態輪廓模型(ActiveContourModel,又稱Snake)、組合優化模型等,其中Snake最為常用。Snake算法的能量函數采用積分運算,具有較好的抗噪性,對目標的局部模糊也不敏感,但其結果常依賴于參數初始化,不具有足夠的拓撲適應性,因此很多學者將Snake與其它方法結合起來使用,如王蓓等利用圖像的先驗知識與Snake結合的方法,避開圖像的一些局部極小點,克服了Snake方法的一些不足。Raquel等將徑向基網絡(RBFNNcc)與Snake相結合建立了一種混合模型,該模型具有以下特點:(1)該混合模型是靜態網絡和動態模型的有機結合；(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；(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相結合的醫學圖像序列的交互式分割算法,該算法的特點是在少數用戶交互的基礎上,可以快速可靠地得到一個醫學圖像序列的分割結果。
由于醫學圖像分割問題本身的困難性，目前的方法都是針對某個具體任務而言的，還沒有一個通用的解決方法。綜觀近幾年圖像分割領域的文獻，可見醫學圖像分割方法研究的幾個顯著特點：（1）學者們逐漸認識到現有任何一種單獨的圖像分割算法都難以對一般圖像取得比較滿意的結果，因而更加注重多種分割算法的有效結合；（2）在目前無法完全由計算機來完成圖像分割任務的情況下，半自動的分割方法引起了人們的廣泛注意，如何才能充分利用計算機的運算能力，使人僅在必要的時候進行必不可少的干預，從而得到滿意的分割結果是交互式分割方法的核心問題；（3）新的分割方法的研究主要以自動、精確、快速、自適應和魯棒性等幾個方向作為研究目標，經典分割技術與現代分割技術的綜合利用（集成技術）是今后醫學圖像分割技術的發展方向。
4．醫學圖像配準和融合
醫學圖像可以分為解剖圖像和功能圖像2個部分。解剖圖像主要描述人體形態信息，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行整合。整合的第一步就是使多幅圖像在空間域中達到幾何位置的完全對應，這一步驟稱為“配準”。整合的第二步就是將配準后圖像進行信息的整合顯示，這一步驟稱為“融合”。
在臨床診斷上，醫生常常需要各種醫學圖像的支持，如CT、MRI、PET、SPECT以及超聲圖像等，但無論哪一類的醫學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，首先必須解決圖像的配準(或叫匹配)和融合問題。醫學圖像配準是確定兩幅或多幅醫學圖像像素的空間對應關系；而融合是指將不同形式的醫學圖像中的信息綜合到一起，形成新的圖像的過程。圖像配準是圖像融合必需的預處理技術，反過來，圖像融合是圖像配準的一個目的。
4.1醫學圖像配準
醫學圖像配準包括圖像的定位和轉換，即通過尋找一種空間變換使兩幅圖像對應點達到空間位置上的配準，配準的結果應使兩幅圖像上所有關鍵的解剖點或感興趣的關鍵點達到匹配。20世紀90年代以來，醫學圖像配準的研究受到了國內外醫學界和工程界的高度重視，1993年Petra等]綜述了二維圖像的配準方法，并根據配準基準的特性，將圖像配準的方法分為兩大類：基于外部特征（有框架）的圖像配準和基于內部特征（無框架）的圖像配準。基于外部特征的方法包括立體定位框架法、面膜法及皮膚標記法等。基于外部特征的圖像配準，簡單易行，易實現自動化，能夠獲得較高的精度，可以作為評估無框架配準算法的標準。但對標記物的放置要求高，只能用于同一患者不同影像模式之間的配準，不適用于患者之間和患者圖像與圖譜之間的配準，不能對歷史圖像做回溯性研究。基于內部特征的方法是根據一些用戶能識別出的解剖點、醫學圖像中相對運動較小的結構及圖像內部體素的灰度信息進行配準。基于內部特征的方法包括手工交互法、對應點配準法、結構配準法、矩配準法及相關配準法。基于內部特征的圖像配準是一種交互性方法，可以進行回顧性研究，不會造成患者不適，故基于內部特征的圖像配準成為研究的重點。
近年來，醫學圖像配準技術有了新的進展，在配準方法上應用了信息學的理論和方法，例如應用最大化的互信息量作為配準準則進行圖像的配準，在配準對象方面從二維圖像發展到三維多模醫學圖像的配準。例如Luo等利用最大互信息法對CT-MR和MR-PET三維全腦數據進行了配準，結果全部達到亞像素級配準精度。在醫學圖像配準技術方面引入信號處理技術，例如傅氏變換和小波變換。小波技術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，應用小波技術多分辨地描述圖像細貌，使圖像由粗到細的分級快速匹配，是近年來醫學圖像配準的發展之一。國內外學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配準剛體圖像方法，使用小波變換獲得多模圖像特征點然后進行圖像配準，提高了配準的準確性。另外，非線性配準也是近年來研究的熱點，它對于非剛性對象的圖像配準更加適用，配準結果更加準確。
目前許多醫學圖像配準技術主要是針對剛性體的配準，非剛性圖像的配準雖然已經提出一些解決的方法，但同剛性圖像相比還不成熟。另外，醫學圖像配準缺少實時性和準確性及有效的全自動的配準策略。向快速和準確方面改進算法，使用最優化策略改進圖像配準以及對非剛性圖像配準的研究是今后醫學圖像配準技術的發展方向。
4.2醫學圖像融合
圖像融合的主要目的是通過對多幅圖像間的冗余數據的處理來提高圖像的可讀性,對多幅圖像間的互補信息的處理來提高圖像的清晰度。不同的醫學影像設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信息，其中CT有利于更致密的組織的探測，而MRI能夠提供軟組織的更多信息。多模態醫學圖像的融合把有價值的生理功能信息與精確的解剖結構結合在一起，可以為臨床提供更加全面和準確的資料。
醫學圖像的融合可分為圖像融合的基礎和融合圖像的顯示。（1）圖像融合的基礎：目前的圖像融合技術可以分為2大類，一類是以圖像像素為基礎的融合法；另一類是以圖像特征為基礎的融合方法。以圖像像素為基礎的融合法模型可以表示為：
其中，為融合圖像，為源圖像，為相應的權重。以圖像特征為基礎的融合方法在原理上不夠直觀且算法復雜，但是其實現效果較好。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在變換域上設計一定特征選擇規則；③根據選取的規則在變換域上創建融合圖像；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：空間維顯示和時間維顯示。
目前，醫學圖像融合技術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。以致現有的技術方法還只是針對具體病癥、具體問題發揮作用，通用性相對較弱。研究的圖像以CT、MRI、核醫學圖像為主，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、質量、空間與時間特性等差異大，因此研究穩定且精度較高的全自動醫學圖像配準與融合方法是圖像融合技術的難點之一；最后，缺乏能夠客觀評價不同融合方法融合效果優劣的標準，通常用目測的方法比較融合效果，有時還需要利用到醫生的經驗。
在圖像融合技術研究中，不斷有新的方法出現，其中小波變換在圖像融合中的應用，基于有限元分析的非線性配準以及人工智能技術在圖像融合中的應用將是今后圖像融合研究的熱點與方向。隨著三維重建顯示技術的發展，三維圖像融合技術的研究也越來越受到重視，三維圖像的融合和信息表達，也將是圖像融合研究的一個重點。
5．醫學圖像紋理分析
一般認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,是某種紋理基元的重復。Sklansky早在1978年給出了一個較為適合于醫學圖像的紋理定義:“如果圖像的一系列固有的統計特性或其它的特性是穩定的、緩慢變化的或者是近似周期的,那么則認為圖像的區域具有不變的紋理”。紋理的不變性即指紋理圖像的分析結果不會受到旋轉、平移、以及其它幾何處理的影響。目前從圖像像素之間的關系角度,紋理分析方法主要包括以下幾種。
5.1統計法
統計分析方法主要是基于圖像像素的灰度值的分布與相互關系,找出反映這些關系的特征。基本原理是選擇不同的統計量對紋理圖像的統計特征進行提取。這類方法一般原理簡單,較易實現,但適用范圍受到限制。該方法主要適合醫學圖像中那些沒有明顯規則性的結構圖像,特別適合于具有隨機的、非均勻性的結構。統計分析方法中,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。杜克大學的R.Voracek等使用GLCM對肋間周邊區提取的興趣區(regionofinterest,ROI)進行計算,測出了有意義的紋理參數。另外,還有長游程法(runlengthmatrix,RLM),其紋理特征包括短游程優勢、長游程優勢、灰度非均勻化、游程非均勻化、游程百分比等,長游程法是對圖像灰度關系的高階統計,對于給定的灰度游程,粗的紋理具有較大的游程長度,而細的紋理具有較小的游程長度。
5.2結構法
結構分析方法是分析紋理圖像的結構,從中獲取結構特征。結構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則組成的,然后分兩個步驟處理（1）提取紋理基元；（2）推論紋理基元位置規律。目前主要用數學形態學方法處理紋理圖像,該方法適合于規則和周期性紋理,但由于醫學圖像紋理通常不是很規則,因此該方法的應用也受到限制,實際中較少采用。
5.3模型法
模型分析方法認為一個像素與其鄰域像素存在某種相互關系,這種關系可以是線性的,也可以是符合某種概率關系的。模型法通常有自回歸模型、馬爾科夫隨機場模型、Gibbs隨機場模型、分形模型,這些方法都是用模型系數來表征紋理圖像,其關鍵在于首先要對紋理圖像的結構進行分析以選擇到最適合的模型,其次為如何估計這些模型系數。如何通過求模型參數來提取紋理特征,進行紋理分析,這類方法存在著計算量大,自然紋理很難用單一模型表達的缺點。
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快速傅立葉變換對紋理圖像進行頻譜分析,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對圖像進行傅氏變換,得出圖像的功率譜,從而提取紋理特征進行分析。
Gabor函數可以捕捉到相當多的紋理信息,且具有極佳的空間/頻域聯合分辨率,因此在實際中獲得了較廣泛的應用。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。傳統的金字塔小波變換在各分解級僅對低頻部分進行分解,所以利用金字塔小波變換進行紋理特征提取是僅利用了紋理圖像低頻子帶的信息,但對某些紋理,其中高頻子帶仍含有有關紋理的重要特征信息(如對具有明顯的不規則紋理的圖像,即其高頻子帶仍含有有關紋理的重要特征)得不到利用。使用在每個分解級對所有的頻率通道均進行分解的完全樹結構小波變換提取特征,能夠較全面地提取有關紋理特征。
由于醫學圖像及其紋理的復雜性，目前還不存在通用的適合各類醫學圖像進行紋理分析的方法，因而對于各類不同特點的醫學圖像就必須采取有針對性地最適合的紋理分析技術。另外，在應用某一種紋理分析方法對圖像進行分析時，尋求最優的紋理特征與紋理參數也是目前醫學圖像紋理分析中的重點和難點。
6．總結
隨著遠程醫療技術的蓬勃發展，對醫學圖像處理提出的要求也越來越高。醫學圖像處理技術發展至今，各個學科的交叉滲透已是發展的必然趨勢，其中還有很多亟待解決的問題。有效地提高醫學圖像處理技術的水平，與多學科理論的交叉融合、醫務人員和理論技術人員之間的交流就顯得越來越重要。多維、多參數以及多模式圖像在臨床診斷（包括病灶檢測、定性，臟器功能評估，血流估計等）與治療（包括三維定位、體積計算、外科手術規劃等）中將發揮更大的作用。
參考文獻
[1]P.Suetens.FundamentalsofMedicalImaging[M].CambridgeUniversityPress，2002．
[2]劉俊敏，黃忠全，王世耕，張穎.醫學圖像處理技術的現狀及發展方向[J].醫療衛生設備，2005，Vol26
（12）：25-26.
[3]田婭，饒妮妮，蒲立新.國內醫學圖像處理技術的最新動態[J].電子科技大學學報，2002，Vol31（5）：
485-489.
[4]周剛慧，施鵬飛．磁共振圖像的隨機場分割方法[J]．上海交通大學學報，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場模型的圖像分割[J].中國生物醫學工程學報，
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]．中國生物醫學工程學報，2001，
Vol20（2）：104．
[8]江寶釧，張鈞良．基于BP神經網絡的MRI分割[J].微機發展，2000，Vol1：67.
[9]AhmedMN，FaragA.Two-stageneuralnetworkforvolumesegmentationofmedicalimages[J].Proceedings
ofIEEEInternationalConferenceonNeuralNetworks，1997，Vol28（3）：1373.
[10]黃永峰，岑康，司京玉等.模糊神經網絡在顱腦磁共振圖像分割中的應用研究[J].中國生物醫學工程
學報，2003，Vol22（6）：508.
[11]CostinH，RotariuCR.Knowledge-basedcontourdetectioninmedicalimagingusingfuzzylogic[J].
InternationalSymposiumonSCS’03，2003，1：273.
[12]謝逢，羅立民，田雪琴.基于知識的人腦三維醫學圖像分割顯示方法[J].生物醫學工程學雜志，1997，
Vol14（2）：124.
[13]王蓓，張立明.利用圖像先驗知識與Snake結合對心臟序列圖像的分割[J].復旦大學學報（自然科學
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.醫學圖像融合技術的研究[J].上海生物醫學工程，2006，Vol27（3）：163-167.
[22]王新成.高級圖像處理技術[M].北京：中國科學技術出版社，2001.
[23]RVoracek，HPMcAdams，puterAidedDiagnosisofInterstitialLungDisease:aTexture
篇2
全息技術是物理學中一重要發現，越來越多的應用于各個行業。伴隨著CCD技術和計算機技術的發展，全息技術也得到一次質的飛躍，從傳統光學全息到數字全息。傳統光學全息將物光和參考光干涉得到全息照片來記錄光的振幅和相位信息，而數字全息則用CCD記錄物光和參考光的干涉，形成數字全息圖，再通過計算機圖像處理技術處理全息圖。因此，影響數字全息技術發展有兩個重要方面：CCD技術和計算機圖像處理技術。本文將從計算機應用方面闡述圖像處理技術在全息中的應用。
1圖像處理技術
圖像是現代社會人們獲取信息的一個主要手段。人們用各種觀測系統以不同的形式和手段獲得圖像，以拓展其認識的范圍。圖像以各種形式出現，可視的、不可視的，抽象的、實際的，計算機可以處理的和不適合計算機處理的。但究其本質來說，圖像主要分為兩大類：一類是模擬圖像，包括光學圖像、照相圖像、電視圖像等。它的處理速度快，但精度和靈活性差。另一類是數字圖像。它是將連續的模擬圖像離散化后處理變成為計算機能夠辨識的點陣圖像。從數字上看，數字圖像就是被量化的二維采樣數組。它是計算機技術發展的產物，具有精度高、處理方便和重復性好等特點。
圖像處理就是將圖像轉化為一個數字矩陣存放在計算機中，并采用一定的算法對其進行處理。圖像處理的基礎是數學，最主要任務就是各種算法的設計和實現。目前，圖像處理技術已經在很多方面有著廣泛的應用。如通訊技術、遙感技術、生物醫學、工業生產、計算機科學等等。根據應用領域的不同要求，可以將圖像處理技術劃分為許多分支，其中比較重要的分支有：①圖像數字化：通過采樣和量化將模擬圖像變成便于計算機處理的數字形式。③圖像的增強和復原：主要目的是增強圖像中的有用信息，削弱干擾和噪聲，使圖像清晰或將轉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，對圖像進行編碼處理，達到壓縮圖像信息量，簡化圖像的目的。以便于存儲和傳輸。④圖像重建：主要是利用采集的數據來重建出圖像。圖像重建的主要算法有代數法、傅立葉反投影法和使用廣泛的卷積反投影法等。⑤模式識別：識別是圖像處理的主要目的。如：指紋鑒別、人臉識別等是模式識別的內容。當今的模式識別方法通常有三種：統計識別法、句法結構模式識別法和模糊識別法。⑥計算機圖形學：用計算機將實際上不存在的，只是概念上所表示的物體進行圖像處理和顯現出來。
2計算機圖像處理技術在全息學中的應用
圖像處理技術在全息中的應用主要表現在：一是計算全息，基于計算機圖形學將計算機技術與光全息技術結合起來，通過計算機模擬、計算、處理，制作出全息圖。因此它可以記錄物理上不存在的實物。二是利用圖像的增強和復原，圖像編碼技術等對數字全息圖像質進行提高以及實現的各種算法。它的應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像素組成的集合，然后直接對這一二維函數進行相應的處理。空域處理法主要有下面兩大類:一是領域處理法。其中包括梯度運算(GradientAlgorithm)，拉普拉斯算子運算(LaplacianOperator)，平滑算子運算(SmoothingOperator)和卷積運算(ConvolutionAlgorithm)。二是點處理法。包括灰度處理(greyprocessing)，面積、周長、體積、重心運算等等。②頻域法：數字圖像處理的頻域處理方法是首先對圖像進行正交變換，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，得到處理結果。這類處包括:濾波、數據壓縮、特征提取等處理。
3模擬實驗
本文運用matlab軟件，利用圖像處理技術，編寫了程序，以模擬計算全息和實現全息圖像的濾波。圖1是計算全息實現流程圖。
本文將運用matlab程序設計語言實現計算全息的制作、再現過程。標有“涉”一字，圖像尺寸為1024像素×1024像素；。模擬實驗中用到的參數為：激光模擬了氦氖激光器，波長為638.2nm；再現距離為40cm；因為原始物圖的尺寸用像素為單位表示，所以像素分辨率為1。
從模擬實驗中可以看出，數字全息的處理過程其實就是計算機圖像處理在全息技術的應用過程。利用計算機圖像處理技術對全息圖進行了記錄，將物光和參考光干涉得到了全息圖。并利用圖像的增強和復原對圖像進行了處理，以消除噪聲，得到更好的全息再現象。
本文僅模擬了計算全息的實現和再現過程，其實，計算機圖像處理在全息技術中的應用是全方位的，用實驗方法得到的全息圖中包含了更多的其他無用信息（噪聲），圖像處理技術在這里就顯得尤為重要。隨著計算機圖像處理技術的進一步發展，全息技術必然會迎來新的一輪發展和飛躍。超級秘書網：
參考文獻：
[1]周燦林，亢一瀾.數字全息干涉法用于變形測量.光子學報，2004，13（2）：171－173.
篇3
計算機信息處理技術的發展，特別是人工智能、模式識別、計算機模擬、知識庫和數據庫等技術的發展，使人們能將物理、化學理論與大批雜亂的試驗資料結合起來，用歸納和演繹相結合的方法為新材料的研制做出決策，為材料設計和實施提供了行之有效的技術手段。現代計算機技術和圖像處理技術，特別是快速原型制造技術與CT掃描、MR（I磁共振成像）等技術結合，都已成功地在醫學上得到應用。而通過利用計算機技術，建立相應的數學模型，可以在一定的控制條件下進行仿真研究。
2.1數據的采集
首先要對病人預置換股骨頭處進行CT斷層掃描，分別進行俯視圖掃描、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。然后將清晰的目標圖像按照與實物1∶1的比例進行截圖后掃描至計算機，并將圖像轉換成512×512Bit的數字圖像，像素灰度為0～255，利用圖像處理技術進行消除噪聲、灰度校正等處理。
2.2圖像邊界輪廓提取與修整
通過AutoCAD中的光柵圖像參考功能，將處理后的圖片（1∶1）依次導入為背景，再利用多線段、剪切、圓等繪圖工具對目標進行輪廓標記與識別。醫學圖像的輪廓識別比較復雜，主要是由于掃描進來的關節圖像的粘連性較大，甚至會出現錯誤識別、假輪廓。為此，在輪廓跟蹤處理完之后，必須對輪廓進行修正，使不符合要求的虛假輪廓得以清除，可采用自動修正或手工修正。對于沒有平滑掉的雜點而產生的虛偽輪廓，根據比較兩個封閉曲面內像素點的多少來進行清除，保留大輪廓，舍掉小輪廓，對于不能自動判斷的粘連、不連續等失真現象，使用手工控制方法。刪除底片保留輪廓線，利用軟件將其進行貝塞爾曲線修整，結合CT掃描的尺寸數據按比例調整為建模尺寸。目前，關于三維重建的方法是：通過掃描儀將CT實體照片以高分辨率模式掃描為電子照片格式，然后利用PS對其進行二值化處理，使用Freeman進行鏈碼提取并跟蹤輪廓，再將每個斷層外輪廓數據導入AutoCAD中，組成一個三維體數據，再進行曲面重建，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實體設計中的掃描、投影、放樣和布爾運算功能可以更加快捷地實現建模。首先，將提取并修整后的輪廓放入實體設計環境中，編輯兩個方向的輪廓截面，以輪廓中心點為基準，按照2∶3∶5的比例縮小輪廓，得到同心3個相同的輪廓截面；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行放樣操作。此時，計算機會自動計算處理成型，由原先的3個面，得到1個完成的實體結構。最后，將兩個方向上形成的實體利用三維球同心，進行布爾加法運算，得到組合實體，將組合體的多余部分利用“分割實體表面”功能完成股骨頭的三維建模。
3快速原型制造
快速成型技術應用于人工關節和人造骨制造過程中，不僅可以提高成品的設計質量，還可以縮短產品的設計周期。目前，假體移植手術需求量大，為保證手術的盡快實施和手術的成功率，就必須采用快速成型技術。隨著電子儀器和計算機技術的發展，快速成型機應運而生，快速成型技術是醫學領域與工程領域相結合的敏捷制造系統，主要有：光固化立體模型（SL）、選擇性激光燒結（SLS）、層片疊加成型（LOM）和熔融沉積造型（FDM）。
3.1RPM成型機
傳統的制造成型過程是利用鑄造制造出毛坯，然后對毛坯進行磨光或拋光，形狀和精度是通過從毛坯上去掉多余的材料來保證的，吻合度不高，而快速成型的基本理念則是在計算機的控制下，將材料精確地堆積成型，無需加工即可制造。將設計出的三維實體轉換為快速成型機所能接受的STL格式，輸入機器，該機的基本原理是將實體模型切片成一系列具有一定厚度的薄層，計算機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體。
3.23D打印成型
3D打印技術是根據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劑，每打印完一層后，粉料床通過底部活塞向下移動一段距離，并在粉料床的底部添加新的粉料，再根據計算機要求向新的粉料床噴射黏結劑，重復此過程，完成后去除未噴射黏結劑的粉料，立刻得到成型的實體。如果噴射的黏結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；增加噴頭數目，則可以得到在不同的區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、金屬陶瓷復合材料及高分子材料的假體中。
3.3快速成型制造技術在骨修復外科中的應用
隨著材料科學和醫學的發展，生物陶瓷在醫學上尤其是矯形外科和骨修復外科中的應用也越來越廣泛。但由于病人個體差異和實際情況的不同，使得骨修復體必須根據病人的實際情況來定制，而且在臨床上為減少病人的痛苦又要盡量縮短定制時間。快速成型技術正好具有這兩個優點，特別適合單件或小批量生產并且能夠實現快速制造。快速成型技術可精確地復制出人工關節，從而使設計出的人工關節可以在由原型翻制成的模型上進行驗證，確定其受力分布、結合面設計是否合理。目前，有關研究人員已經開始研究如何將CT掃描的數據直接傳到快速成型機上，這樣將減少中間環節較為復雜的三維重建過程，并減少因數據轉換造成的誤差，使快速成型產品直接應用于臨床。
篇4
2.1加強對Photoshop圖像處理應用案例分析總結就是一種間接的自我學習，通過案例分析總結可以讓自己展開豐富的想象力，加強對Photoshop圖像處理應用。如圖3，這是一組人居環境適宜的景觀設計效果處理前后變化展示，前一張圖片是用3Dmax配合V-ray插件進行渲染的最終效果，為了進一步美化效果圖，這是就需要Photoshop圖像處理，結合中間這一張照片，采用圖層處理、素材插入、調整圖層、圖層蒙版、創建亮度\對比度調整層等方式最終合成想要的效果。在案例分析過的成中，應注意多觀察多總結多思考，設計最終效果的高低，一方面是和自己所擁有的知識水平有關，另一方面還和自己的審美能力高低有關，這就需要告誡我們平時多注意學習，學習不僅僅局限在書本上，還應該多參觀欣賞較好的作品，從中得到審美能力的提高。
2.2模仿和創造相結合，提高Photoshop圖像處理動手能力模仿是人的本能天性，是人類進行各種學習活動的最基本方法。在平時的Photoshop圖像處理模仿使用中，通常就是通過網上視頻，如金鷹視頻來自己分析Photoshop軟件的各個功能。在視頻觀看的過程，可以根據視頻中的實例操作，最終達到理解，這個過程就是模仿。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。而通過視頻模仿，就可以快速的通過浮動圖層菜單，選定此圖片圖層，并把鼠標快速放到縮略藍色區域雙擊就可以打開圖層樣式浮動菜單完成陰影效果。在提高Photoshop圖像處理動手能力上，還要發揮自己的創造能力。例如給此圖片添加完陰影后，圖層樣式還有內外陰影、內外發光、光澤、斜面和浮雕、顏色疊加等方式，我們嘗試可以根據圖片實際情況試著添加，達到最佳效果。這里就需要發揮創造性對圖片處理創新性在里面。
2.3結合科研項目，帶動Photoshop圖像處理實踐能力如在科研項目：西部山地型小城市人居環境問題及保護策略研究——以商洛市商州區為例上，需要收集大量的本地環境有關的圖片素材并進行美化處理，這就可以親自參與商州區大氣質量惡化、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是一組人居環境的照片，上一組為未處理時的照片，下一組為處理后的照片。這里的美化是對圖片效果的美化。
2.4參與企業設計，增強Photoshop圖像處理靈活性參與企業設計，就是參與設計公司的工作。例如：在商洛市西街片區的舊城改造過程中，學生負責收集照片，并對舊城的原始照片進行處理規范化。如圖5，是舊城改造前的圖片收集整理。
篇5
煙葉是煙草工業的基礎原料， 對煙草工業生產質量和煙草行業經營效益具有舉足輕重的作用。對煙葉生產過程的各個環節包括煙葉品質的智能識別進行技術創新，提高品質和效率，是一個前沿研究方向[1][5]。
當前這一方面的研究，主要集中在數字圖像處理方面，把煙葉品質的數字圖像處理與神經網絡技術相結合，實現煙葉品質的智能識別，是一個極有價值的工作。以下在此方面作出一個系統的、較為完備的、易于實際操作的研究。
2主要技術手段
2．1 MAⅡAB圖像處理工具箱
在MATLAB平臺上，借助圖像處理工具箱，可以簡易明快地實現對煙葉數字圖像的圖像處理。在煙葉生產一線，用數碼照相機對各種煙葉樣本進行拍照，輸入計算機，用MAT_LAB將它轉換為各(．bmp；．jpeg；．gif；．png；．t 圖片以便進行圖像處理。成本低，精確度高，宜于普及推廣。獲取各種類型的煙葉數字圖像以后，經閾值使用權圖像二值化，可以當即辨識出這一圖像是否具有何種類型的病蟲害或品質異變。利用煙葉數字圖像的邊緣檢測、輪廓提取等分析命令，獲得待測煙葉的圖像參數和特征，再由神經網絡技術，完成對煙葉品質的智能識別。
2．2神經網絡技術
神經網絡是一個新的智能識別工具。畢業論文 經過訓練的神經網絡能夠存儲與過程有關的信息，能直接從歷史數據中學習，經過用各種煙葉樣本訓練和學習的神經網絡，能自動地識別出待測煙葉樣本的品質類型。而且，神經網絡具有濾除噪聲及在有噪聲情況下得出正確結論的能力。這一點對于煙葉生產實際中大量存在各種噪聲信息的情況而言，特別重要。它特別適合在線識別。
3應用MATLAB圖像處理工具箱和神經網絡技術對煙葉品質智能識別的操作過程
3．1煙葉圖片樣本庫的建立
用數碼相機或其它數字圖像采集工具，采集各種類型的煙葉的標準圖片，分類歸檔，借助MATLAB圖像變換功能，將各種類型的煙葉的標準圖片，轉換成各種圖片形式：．bmp；．jpeg；．sir；．png；．tif等，以便隨時調用。這些煙葉圖片，有不同品質的樣本；還有各種病蟲害標本和變異標本。
3．2用直方圖均衡來實現圖像增強
當從生產一線采集的煙葉待測樣本的圖像對比度較低，碩士論文 即灰度直方圖分布區間較窄時，可用直方圖均衡實現灰度分布區間展寬而達到圖像增強的效果。
3．3煙葉圖像的邊緣檢測和特征提取
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性所致，因此考察圖像每個像素在某個鄰域內灰度的變化，利用邊緣鄰近一階或二階方向導數變化規律可以檢測煙葉圖像邊緣。圖像特征反映煙葉的幾何結構，如面積、周長、分形分維數、孔洞數、歐拉數等等。圖像特征的選擇是圖像識別的重要環節。運用二叉分類法在找出判別特征后，對不同的圖像特征由分類閾值按二分的方法進行分類；運用相似距離分類方法把待判圖像與一個標準圖像相比，標準圖像用樣本圖像特征向量的均值來表示。通過計算待判圖像與標準圖像之問的在相空間中的距離來判別圖像和進行分類。這一過程還為用神經網絡技術實現對煙葉品質進行智能識別作出必要的準備。
3．4數字圖像矩陣數據的顯示及其傅立葉
變換這一變換的目的是為提取特征、進行神經網絡模式識別等作出必要的準備。
轉貼于 3．5直方圖均勻化
這是使煙葉圖像性質更為優良而采取的一個技術操作，源代碼如下：
I=imread ("yangshuo．tif')；imshow (I)；
figure，imhist(I)；
[J，T]=histeq (I，64)；
％圖像灰度擴展到0-255，但是只有64個灰度級
figure，imshow (J)；
figure，imhist(J)；
figure，Dlot((0：255)／255，T)；％轉移函數的變換曲線
J=histeq (I，32)；
figure，imshow 0)；
％圖像灰度擴展到0～255，但是只有32個灰度級
figure，imhist(J)；
3．6采用二維中值濾波函數對受椒鹽噪聲干擾的圖像濾波
MATLA圖像處理工具箱具有強大的功能，能夠對噪聲干擾的煙葉圖片進行消噪處理，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用神經網絡技術對煙葉圖像進行智能識別
神經網絡作為一種自適應的模式識別技術，并不需要預選給定有關模式的經驗知識和判別函數，它能通過自身的學習機制自動形成所要求的決策區域。網絡的我由其拓樸結構、神經元特性、學習和訓練規則所決定，它可以充分利用狀態信息，對不同狀態一一進行訓練而獲得某種映射關系，并且，網絡可以連續學習，即使環境變異，這咱映射關系可以自適應調整。在上面各節獲取煙葉圖像特征基礎之上，可以用神經網絡技術進行圖像模式識別。例如，基于概率神經網絡PNN的煙葉品質智能識別，它的主要優點是：快速訓練，訓練時問僅略大于讀取數據時間；無論分類多么復雜，只要有足夠的訓練數據(而這是煙葉生產一線可以做到的)，就可以保證獲得貝斯葉準則下的最優解，允許增加或減少訓練數據而無需重新進行長時間訓練。這一神經網絡對于煙葉品質的圖像識別，具有重要意義。 4結論
基于計算機視覺和神經網絡技術的煙葉品質識別的數字圖像處理方法，醫學論文 是煙葉生產環節的一種技術創新，它可以在煙葉生產一線普及推廣，簡便易行，能夠較大地提高煙葉品質檢測的效率和質量，以及自動化程度和智能化水平。
參考文獻
篇6
在培養階段，還要使研究生在本學科的某一方面進行專家培養和訓練，同時在其它相關學科也要進行廣博的基礎教育，使他們能在所從事的領域中具有較強的研究和開發能力。另外，還要培養他們廣博的專業基礎和社會人文知識，培養他們自我獲取知識和綜合分析問題的能力，以及優良的科學思維和創新意識，強調將知識、能力向高素質的升華與內化。
2.課程設置
課程結構關系到研究生的知識結構和科研技能。由于生物醫學工程專業理工醫復合交叉的特點，課程設置也和其它學科有所區別。目前，我國生物醫學工程博士學科點只有一級學科，下面沒有設置二級學科，主要原因就是生物醫學工程涉及到的學科領域太廣，它的研究方向和課題廣泛滲透于醫學、生物、電子、計算機、材料等學科。當然，每個高校在生物醫學工程領域的研究都很難做到大而全，而是根據自身的優勢和特點，選擇其研究領域，并進而決定其課程設置。譬如清華大學生物醫學工程專業的主要研究方向包括生物芯片、神經工程、微納醫學等，尤其是以程京院士為主的生物芯片技術占主導地位，因此，該校生物醫學工程的課程設置就以生物類為主，輔之以《生理系統仿真與建模》、《數字信號處理》、《隨機信號的統計處理》、《醫學成像系統》等課程。我校的生物醫學工程專業目前主要側重于醫學成像與圖像處理、醫學儀器與生物傳感器等，因此，課程設置也以電子信息類課程為主，如《醫學成像原理》、《醫學圖像處理》、《神經網絡與模式識別》、《醫學儀器原理》等。
另外，由于大部分高校的生物醫學工程研究生招生幾乎是面向所有的工程學科，因此，以前沒有學過醫學類課程的研究生，一般高校都會要求學生加以補修。有些導師也會根據研究課題的需求或個人研究領域的需求要求學生選修一些相關課程。如我校的新入學生物醫學工程研究生，如果以前沒有學過醫學類課程，我們一般會要求學生補修《人體解剖生理學》、《病理學》等課程；有些研究生還會根據導師的需求補修《生理系統仿真與建模》、《現代數字信號處理》、《生物力學》、《生物化學》、《醫學儀器》等課程。
3.過程管理
創新能力是科研能力的核心，創新意識、創造精神、創業能力的培養是研究生培養過程的重要環節，是研究生培養質量的主要標志。研究生培養過程管理是研究生創新能力培養的重要保證，這里所說的培養過程管理主要包括生物醫學工程專業研究生的科研選題、中期考核和論文答辯等環節。
3.1 科研選題
作為科學研究的起點，選題不僅關系到科研的方向、目標和內容，直接影響著所運用的方法與途徑，同時還決定著成果的水平、價值及發展前途。因此，在第一年生物醫學專業基礎科目系統整合與學習之后，則完成培養環節第一步，進入科研選題階段。研究生的選題要與導師的科研項目相結合、與生物醫學工程的學術前沿相結合，同時也要強調與理工醫多學科相結合。科研選題必須在足夠的調研、文獻閱讀甚至科學實驗的基礎上進行，否則就是無源之水，很難繼續。譬如，醫學圖像處理領域的科研選題不僅要與圖像處理的相關知識掛鉤，還與相關的醫學知識緊密相連，因此，我們必須要查閱大量的關于圖像處理、醫學影像、病理診斷等的相關文獻，必要時還得與醫院合作，參加醫院的短期培訓等。另外，科研選題還要注意團隊協作，有些大的科研課題不是一兩個人能夠完成的，而是在導師的指導下，由博士、碩士組成的團隊完成的，因此，科研選題也需在整個團隊的指導下合作分工，共同參與。
3.2 中期考核
研究生的培養是一項較復雜的系統工程，涉及到學科建設、導師隊伍、科研實力、教、學、管等多個環節，每個環節都離不開嚴格的管理，而管理的核心問題是要建立淘汰機制。研究生中期考核作為研究生的淘汰機制之一，對研究生的質量調控和把關起著重要的作用。在整個研究生的培養過程中，中期考核處在一個承前啟后的重要位置。“承前”，是指經過一年半到兩年的學習與科研參與后，研究生基本掌握了本領域的重要理論和一定的科研技能，了解了該研究領域的相關背景；“啟后”，是指有必要了解研究生對已學到的理論和技能是否消化吸收，是否能靈活運用。
我校生物醫學工程專業研究生的中期考核在科研選題之后的研究生第二學年末進行。中期考核不僅包括對所選課題的進展情況檢查，還包括研究生參與學術活動的積極性。研究生在第一學年末完成選題，其后則必須進行為期一年的課題研究與實踐活動，將所學理論與實踐或實驗相結合，以實踐來驗證與豐富理論，并尋求新的方法解決實踐過程中出現的新問題。中期考核實際上是對研究生科研、協作與創新能力不斷提升的過程。另外，研究所經常邀請一些在生物醫學工程領域取得突出業績的國內外知名學者來校講學或作學術報告，這是所有研究生必須參與且嚴格考核的。另外，我們的研究生每人每周舉行一次學術匯報，課題組老師的所有學生必須參與，匯報后老師給予點評及相關指導意見。
3.3 論文答辯
學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性成果，集中反映了研究生的綜合知識體系、專業知識、創新能力和研究水平。教育部規定研究生在申請學位時必須完成學位論文答辯，它是每一位研究生培養過程中的必要和重要環節。因此，在研究生培養的第三年就是學位論文的整理與撰寫，在第三年末進行學位論文答辯，每位研究生必須通過論文答辯委員會公開統一的答辯評審后才允許畢業。通過學位論文答辯，可以檢驗研究生課程學習的效果，衡量研究生的創新能力，考察研究生在文獻檢索、資料運用、論文寫作、觀點論證和辯駁等方面的水平和技巧；對于學校而言，研究生學位論文答辯是檢驗研究生教育質量的主要依據；對于導師而言，研究生學位論文答辯是檢驗導師指導質量的主要依據。可以說，研究生學位論文答辯是研究生教育中重要、嚴肅的環節。我校生物醫學工程專業研究生在學位論文答辯之前必須先由學校統一，也就是要求每位研究生的學位論文必須是自身學習研究成果的總結與提煉，如果與“中國學術期刊網”上所有論文的累計重復率超過5%，則論文必須發回重改，且重改次數不能超過2次，否則推遲半年至一年時間才能允許答辯。研究生論文之后，碩士學位論文由研究所統一匿名送至本所的相關老師評審，博士學位論文則一式三份全部由學校研究生院統一匿名郵寄至設有生物醫學工程專業博士點的全國三所不同高校，再由這些高校的研究生院根據論文題目指定評審專家，這些高校不能在本省，也不能在同一省或市。當然，由于生物醫學工程專業研究生的理工醫跨學科培養性質，各高校研究生院在送審論文時，可以送至與之相關的學科專家評審。如醫學圖像處理領域的論文可以送至從事圖像處理與模式識別研究的專家評審，也可送至從事計算機應用技術圖像處理研究方向的專家評審。
篇7
0引言
葉片面積的大小直接影響到植物生產力的高低，葉片面積的變化也直接影響植物水分生理的變化過程。測定植物葉片面積，往往是研究一些與植物葉片面積相關的生理生化指標首要解決的問題。例如，對小面積葉片的光合速率進行測定時，需要知道這些葉片的實際面積，以此換算標準光合速率。
葉片的面積的測定經歷了網格法、稱重法、系數法以及使用葉面積儀進行測定，前三種方法需要進行破壞性測量，而葉面積儀價格昂貴，且當葉片面積很小時，測得的面積與實際面積間會產生較大偏差。游明安等[1]介紹了采用葉長×葉寬與葉片面積間的回歸關系來測定葉片的葉面積，然而在建立回歸關系前，還需對抽樣后的葉片進行面積測定。當需要在田間進行非破壞植株的葉面積測定時，可以采用基于機器視覺技術的圖像處理方法來求得葉面積，該方法可以有效的實現無損測量。
本文利用機器視覺知識，基于參照物的葉面積測量方法，通過對目標圖像進行區域分割，分別對其計算區域面積，最終求得比較準確的大豆葉片參數值。論文格式。
1、測定原理
數字圖像有許多像素點組成，每個像素點代表一定的實際面積值，而其所代表的實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代表參考物體的實際面積，通過圖像處理得到葉片面積S1，參考物體面積S2。這種方法在測量葉片面積時，需要在嚴格的物距下進行葉片的采樣，以保證每個像素代表的真實面積不變，而且要求光學器件的線性度高，鏡頭的焦距不可變，可見此方法難度較大。
拍攝圖像時讓數碼相機離被測葉片盡量遠，通過數碼相機的變焦功能使被測葉片的像盡量大，相當于在盡量長的焦距下拍攝，誤差就會有效地減少。測量時要求將被測葉片與標準測度參照物同時拍攝，從而按比例獲得絕對尺寸，被測葉片和標準物體要求拍攝到同一幅圖像上。
2、圖像的獲取
葉面積的測量系統硬件部分主要有成像設備、計算機、參照物以及測量葉片時所需的夾具一套。論文格式。成像設備選用普通的數碼相機，參照物是測量中一個關鍵的設備，本研究中選用一個黑色圓片，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，圓片的面積將直接影響測量的精度。測量所用夾具需要以下特點：能夠構建一個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。
借助于數碼相機來獲取圖像，可以不破壞作物的群體結構，真正地檢測葉片的生長規律而不只依靠統計規律，但是需要對測量系統進行標定，而且要求被測葉片和標準參照物必須同時拍攝，所以影響測量精度的因素很多。
3、葉面參數的測量方法
如圖1所示，極為葉面參數計算的工作流程圖。在對原圖像進行預處理以后，將圖像轉化為灰度圖像，將轉換后的灰度圖像進行圖像分割、邊緣提取、最后經過計算求出葉面的基本參數。
圖1 系統工作流程
3.1圖像預處理
由于受到外界光線以及噪聲的干擾，使得圖像想上出現一些噪聲點，需要對其進行處理，才能使圖像清晰，更加準確的表征事實。預處理過程包括對圖像進行亮度、對比度調整和平滑濾波。亮度和對比度的調整可以使圖像特征明顯，易于識別；平滑濾波的目的則是去掉尖銳不連續的噪音。
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，首先要講參考物目標和葉片目標從原圖像中分割出來。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。
利用迭代閾值法對圖像進行分割[3]。論文格式。該方法具體步驟如下：
① 選擇灰度閾值T的初始估計值。
② 用T分割圖像。這樣就會生成兩組像素：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 對區域 G1和 G2中的所有像素計算平均灰度值μ1和μ2。
④ 計算新的門限值：
T = (μ1+μ2)/2(2)
⑤ 重復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T0。
圖2目標直方圖
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的初始估計值。迭代得到灰度閾值T后，將大于T的像素的灰度值設為1，其余像素的灰度值設為0，這樣便得到了二值圖像，使得參考物目標和葉片目標從原圖像中分離了出來。
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，需要進行去噪處理，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很好的保護邊緣輪廓信息[4]，采用開運算將參照物內部填充完整。
3.4目標參數的獲取
設d為實際參照物的直徑，則實際參照物的面積S0可以通過下式得到：
（4）
用實際的參照物面積除以圖像中參照物的面積S1得到一個比例系數k，即
(5)
根據圖像中葉片面積A、最小外接矩形的長L和寬W，以及比例系數，可計算得到實際的葉片面積AR、葉長LR和葉寬WR，它們分別由式（6）—式（8）計算得到[1][5]：
；（6）
；（7）
；（8）
4結果和分析
實驗選用了大豆葉片為待檢測的目標，并以一元硬幣作為參照物，利用三星S1050數碼相機獲取原始圖像，用1.73GHz Pentium微機、在Window XP平臺上用Matlab編程實現。試驗中，使用游標卡尺測量出參照物的實際直徑為d=2.500cm.，T0=0。
圖3給出了實驗中圖像處理的過程與結果，其中（a）為相機拍攝的原始灰度圖像，(b)為對原始圖像進行迭代閥值法分割后的二值圖像，（c）為對二值圖像進行開運算后的結果，（d）是從（c）中分離出來的大豆葉片目標，（e）是從（c）中分離出來的葉片外接矩形圖像。（f）是從（c）中分離出來的參照物圖像。
（a）原始灰度圖像（b）二值圖像（c）開運算效果圖
（d）分離后葉片對象 （e）葉片外接矩形 (f)參照物對象
圖3圖像處理的過程與結果
使用圖像處理技術計算得到的葉片面積為12.3825cm2，葉片長為4.6478cm、寬為3.6149cm。計算的中間數據如下：
篇8
Key words: digital image processing;asphalt mixture;asphalt-aggregate ratio;recognition
中圖分類號:TU535 文獻標識碼:A文章編號:1006-4311(2010)13-0093-02
0引言
隨著交通運輸業的迅速發展,必須要提高瀝青混合料性能,開發新型瀝青路面結構材料。瀝青含量是瀝青混合料配合比設計和施工控制的重要指標,在很大程度上決定了瀝青路面的質量品質,國內外現行的瀝青混合料配合比檢測一般采用的是試驗方法,進行離心抽提或燃燒瀝青,檢測過程復雜,耗時長,不利于及時對路面狀況做出評價,指導生產。近年來,數字圖像處理技術被引入瀝青混合料研究領域,為有效解決傳統研究方法的缺陷提供了可能,國內外也陸續進行了采用圖像處理技術對瀝青混合料內部形態的研究,國內外現階段進行的研究表明,數字圖像處理技術具有無破損、方便性、經濟性,而且能快速全面反映形態特性以及空間分布的特點。為此,在本研究中,通過大量室內對比試驗,主要研究不同油石比的瀝青混合料AC-13C的識別油石比,以建立識別油石比和實際油石比之間的線性關系,用于指導生產實踐。
1瀝青混合料配合比設計及圖像采集
本研究中采用的瀝青為埃索A級70號瀝青,選用瀝青路面的表面層AC-13C的級配,最終確定的瀝青混合料合成級配見表1。
在本研究中,瀝青混合料AC-13C分別采用五個不同油石比4.0%、4.5%、5.0%、5.5%和6.0%,用馬歇爾擊實儀成型馬歇爾試件,在成型后的試件中隨機抽取3個試件進行水平兩分法的切割,并采用數碼相機進行圖像的采集工作,在進行油石比的識別中為了計算簡便將圖像剪切為1400×1400像素。
2瀝青混合料數字圖像處理
由于照相機與目標間的相對運動、大氣擾動等原因使圖像質量下降,造成了圖像退化的現象。所以在圖像處理之前要先進行圖像復原,在MATLAB圖像處理系統中,選擇Lucy-Richardson復原方法,通過處理減少了圖像中產生的噪聲,忽略了某些退化后壞了的像素。對復原后的RGB彩色圖像進行灰度變換,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別
以油石比為5.5的瀝青混合料RGB圖像為例,對剪切后的圖像進行復原、轉換灰度圖像處理,處理后的灰度圖像的直方圖見圖1。
根據圖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峰,這兩者都近似服從正態分布,最左邊的波峰代表瀝青的灰度分布,我們可以根據瀝青混合料圖像的直方圖,動態選取兩個波峰之間的谷底值,將最左邊的波峰單獨切取出來,見圖2。對這個波峰進行擬合,經過多次嘗試,選擇采用兩個正態分布擬合這個波峰,相關系數達到0.998,其中一個正態分布峰頂對應的灰度值與單獨切取出來的波峰峰頂對應的灰度值非常接近,可以認為兩者的灰度值是相同的,另外一個正態分布是對前者的修正,擬合效果見圖2。
通過MATLAB編程計算可以得到,瀝青灰度分布波峰峰頂對應的灰度值為0.30,第一個小峰服從正態分布,參數為0.29997和0.047629,通過多次實驗在峰值灰度值左側設定2.5,右側設定的范圍內為瀝青的灰度分布范圍,計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的像素點,圖像內所有的像素點數目與瀝青的像素點數目之差為集料的像素點數目,得到油石比即瀝青像素點數目與集料像素點數目之比,計算得到這張實際油石比為5.5的圖像,識別油石比為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別油石比,并計算均值,見表2,對得到的識別油石比用EXCEL進行線性擬合,見圖3。
從表2中可以看出,識別油石比的變異系數在0.18以下,通過線性相關性分析可得到識別油石比Pax與實際油石比Pay的線性關系為:Pay=1.6872Pax-5.4606,式中,Pax為識別油石比,%;Pay為實際油石比,%。兩者相關系數R2為0.9617,表明采用圖像處理技術對瀝青混合料進行油石比識別具有較高的識別精度,可以用于瀝青路面油石比的快速檢測。
4結論
通過選取表面層普通瀝青混合料AC-13C進行馬歇爾試驗,對試件進行水平截面圖像的分析,在瀝青混合料圖像灰度直方圖中,對瀝青分布波峰左側2.5倍σ和右側σ范圍內提取瀝青像素數目,并計算集料像素數目和識別油石比,結果表明,動態的選取瀝青灰度范圍識別油石比的方法能夠較好地反映實際油石比,得到的識別油石比與實際油石比較為接近,得到的變異系數在0.18以下,證明識別油石比的離散程度較小,數據可靠。并且實際油石比Pay和識別油石比Pax存在線性關系,通過線性擬合后,建立函數Pay =1.6872 Pax 5.4606,計算得到相關系數R2為0.9617,具有良好的相關性。因此,建議采用此線性函數對識別得到的油石比進行修正。
參考文獻:
[1] 楊浩.瀝青混合料的數字圖像特征研究[D]:[碩士學位論文].哈爾濱:哈爾濱工業大學,2006.
篇9
1.系統結構
PCB缺陷自動檢測系統主要由運動控制模塊、圖像采集模塊、圖像處理模塊、結果分析模塊組成。系統工作過程如下：上位機控制步進電機運動，步進電機帶動二維平臺運動，將CCD攝像機傳輸到待檢測PCB上方，對PCB進行大場景圖像采集，采集的圖像經過圖像采集卡送到上位機，上位機軟件對采集的圖像進行拼接、圖像預處理，對處理的圖像進行準確定位并校準，通過圖像分割、圖像形態學處理等，最后進行模板匹配、圖像識別，得出缺陷檢測結果。系統設計包括硬件設計和軟件設計，系統軟硬件相互協調工作構成一個整體。
2.系統硬件設計
PCB缺陷自動檢測系統的硬件設計主要包括二維運動平臺、電機運動控制板、電機驅動板、CCD攝像機、圖像采集卡、PC等，其結構如圖1所示。
2.1 CCD攝像機和圖像采集卡
CCD攝像機的主要特性參數包括攝像機制式、光敏面尺寸、像素尺寸、分辨率、電子快門速度、同步系統的方式、最小照度、靈敏度、信噪比等。其中攝像機制式和是否在線檢測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的放大率的平衡選擇取決于測量范圍和測量精度[3]。考慮到以上各個因素以及系統要求，在實驗中采用的是廣州視安公司的槍式攝像機，該攝像機的特點是數字面陣CCD逐行掃描，提供AV復合視頻接口和標準鏡頭接口，提供VC的SDK軟件開發包，方便設計軟件處理模塊。
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的連續模擬視頻信號轉換成為離散的數字量。其基本原理：從攝像機輸出的各種制式的視頻輸出信號，經過輸入選擇模塊處理后，形成能被圖像采集卡識別的視頻信號。模擬視頻信號經過轉換后，存儲在卡上的幀緩存存儲器內，由計算機CPU通過計算機總線控制具體的圖像傳遞，最終存儲在計算機的內存或硬盤，用于圖像處理[4]。本設計采用的圖像采集卡型號是：NV7004-N，將CCD攝像機模擬信號轉化為數字信號傳輸到上位機實時顯示，并能完成圖像的抓拍功能。
2.2 電機運動控制器及精密二維運動平臺
PCB缺陷自動檢測系統的運動控制器為自行設計的MCU控制板，核心芯片為ATMEL公司生產的單片機AT89S52，控制板通過RS-232串行通信接口與上位機進行通信。通過操作人機交互界面對控制板發送命令，控制板輸出控制信號以及各種頻率的方波信號到步進電機驅動板，以控制步進電機的轉速、方向以及移動距離。
二維運動平臺由兩個日本SUS Corp公司生產的精密運動導軌搭建，運動導軌為滾珠絲桿型，非常精密，誤差很小。步進電機與運動導軌相連，從而帶動導軌的運動。步進電機為日本TAMAGAWA公司生產的兩相四線制混合式步進電機，該型號步進電機運行穩定、噪聲小。
2.3 電機驅動
步進電機的驅動實際上就是通過控制步進電機的各相勵磁繞組的電流，使步進電機的內部磁場合成方向發生變化，從而使步進電機轉動起來。各相勵磁繞組的電流產生的合成磁場矢量的幅值決定了步進電機旋轉轉矩的大小，相鄰兩合成磁場矢量之間的夾角大小決定了步距角的大小[5]。
在拍數一定的情況下，齒數越多，步距角就越小，但由于受制作工藝的限制齒數不能做得很多，因此步進電機的步距角就不可能很小。改變步進電機的拍數也可以改變步距角，拍數是指完成一個磁場周期性變化所需脈沖數或導電狀態，或指電機轉過一個齒距角所需脈沖數。當步進電機的相數確定時，拍數也就確定。通過增加步進電機的齒數和相數來減小步距角，步距角減小的度數非常有限，很難滿足生產的要求。
細分數越多，電流變化越小，從而大大減少了電機的振蕩和噪音。采用階梯狀正弦波對電流進行細分時，階梯越多(即細分數越多)，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電機運行時的丟步率，降低了步進電機運行時的噪音和顫動，也使步進電機運行更加穩定，更易于控制。
3.系統軟件設計
3.1 系統算法流程
手動檢測可以根據需要在采集圖像時直接通過控制步進電機運動將CCD攝像頭運動到待測PCB板的主要部位，在進行圖像處理時也可以根據圖像質量來選擇與之相適應的圖像處理算法來實現，使系統具有交互性。自動檢測初始化設置參數后，可以一鍵實現缺陷檢測得出檢測結果，減少了操作復雜度，也大大提高了檢測的速度，使系統具有自動化、操作簡單、速度快等優點。本文結合二者于一體，使PCB缺陷自動檢測系統更加優秀，更加實用。
3.2 缺陷檢測
當前印刷電路板缺陷檢測方法主要分為參考比較法、非參考比較法和混合法三大類，參考比較法將被測圖像和參考圖像進行特征對特征的比較；非參考比較法不需要任何的參考圖像，只是根據先前設計的規則標準來判斷出是否有缺陷，如果不符合標準便認為此有缺陷；混合法是參考比較法和非參考比較法綜合應用。本文主要使用參考比較法，通過檢測PCB圖像與標準圖像進行對比分析，判斷該PCB板是否有缺陷[7]。
3.3 缺陷識別
3.4 結果分析
4.結論
本文基于計算機視覺和圖像處理設計了一個印刷電路板(PCB)缺陷自動檢測系統，并對其功能進行了驗證，實驗結果表明該系統界面友好，操作簡單，檢測方法簡單，檢測過程迅速，檢測結果準確。該系統為PCB缺陷的檢測提供了一個很好的解決方案，具有重要的應用價值。
參考文獻
[1]孫曉婷.PCB視覺檢測系統的研究[D].長沙:中南大學碩士論文,2008.
[2]2012-2016年中國PCB連接器市場預測及投資建議報告[R].中商情報網.
[3]俞瑋.AOI技術在PCB缺陷檢測中的應用研究[D].成都:電子科技大學碩士論文,2007.
[4]崔懷峰.PCB表面缺陷自動光學檢測技術的研究[D].江門:五邑大學碩士論文,2010.
[5]李玲娟,劉景林,王燦.兩相混合式步進電機恒轉矩細分驅動技術研究[J].微電機,2007,40(3):48-50.
[6]黃露.基于FPGA的步進電機控制系統設計與實現[D].重慶:重慶大學碩士論文,2011.
篇10
引言
隨著科學技術的飛速發展，互聯網的廣泛應用，重要部門(機場、銀行、軍政機關、重點控制地區)的進出需要可靠的身份鑒別。傳統身份識別方式的弊端日益彰顯，根據人體生理特征和行為特征來識別身份的生物特征識別日益興起。人臉識別是計算機模式識別研究領域中一項熱門的研究課題，人臉的面部特征是最自然的、方便的身份辨認手段，易為用戶所接受。隨著計算機技術和數字圖像技術的迅猛發展，人臉自動識別在技術上成為可能。
1圖像預處理
一個典型的人臉識別過程包括三個步驟：人臉檢測、特征提取與人臉識別。在實現過程中，首先要獲取圖像，然后進行人臉模塊檢測。如果檢測到人臉圖像，則進行特征點定位及歸一化處理，特征提取后送入分類器進行識別，最終獲得識別結果。
預處理是人臉識別過程中一個重要環節，其主要目的是消除圖像中的冗余信息，濾除干擾、噪聲，增強有關信息的可檢測性，從而提高識別的可靠性。在預處理階段，對圖像進行優化，盡可能去除或者減小外部環境對預處理圖像的干擾，為后續處理提高質量。
2預處理方法的研究
2.1 直方圖均衡化
直方圖是圖像的最基本的統計特征，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律同態濾波，可以通過圖像變換進行直方圖調整，獲得較好的視覺效果。直方圖均衡化是在每個灰度級上都具有相同的象素點數的過程，目的是使圖像在整個灰度值動態變化范圍內分布均勻化，改善圖像的亮度分布狀態，增強圖像的視覺效果。
均衡化處理的步驟為：
（1）對給定的待處理圖像統計其直方圖，求出
（2）根據統計出的直方圖采用累積分布函數做變換，,求變換后的新灰度；
（3）用新灰度代替舊灰度，求出，這一步是近似過程，應根據處理的目的盡量做到合理，同時把灰度值相等或近似的合并到一起。
2.2 灰度拉伸
灰度拉伸又叫對比度拉伸，它是最基本的一種點操作，根據原始圖像中每個像素的灰度值，按照某種映射規則，將其變換為另一種灰度值。通過對原始圖像中每個像素賦一個新的灰度值來達到增強圖像的目的。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（常用對數擴展和指數擴展）。
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節模糊的問題，但是對點、線、尖頂等細節較多的圖像，則會引起圖像信息的丟失。中值濾波的基本思想是把局部區域的像素按灰度等級進行排序，取該鄰域中灰度的中值作為當前像素的灰度值。它對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像素位置重合；
（2）讀取模板中各對應像素的灰度值；
（3）將這些灰度值從小到大排列；
（4）取這一列數據的中間數據賦給對應模板中心位置的像素；
由以上步驟可以看出，中值濾波對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。由于它不是簡單的取均值，所以產生的模糊比較少。
2.4 同態濾波
當光源照射物體時，由于物體各部分的反射，通過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。
設光源的照度函數為，景物各點的反射系數為，則圖像的亮度函數為。上式表明，圖像各點亮度，決定于照射分量和反射系數的乘積。
同態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，以便進行濾波增強處理。經過同態濾波后其結果會改變圖像光強度和反射光強度的特性，因此可以做到同時降低圖像動態范圍，又增加對比度的結果。
同態濾波的步驟：
（1） 對亮度函數兩邊作對數變換，再取傅氏變換；
（2） 通過一濾波器；
（3） 對濾波器的輸出取傅氏飯變換，再取指數變換；
選取合適的濾波器，可以適當壓縮照度分量的動態范圍，同時適當提升反射度分量，可以改善圖像對比度，突出物體輪廓。
3 仿真實現
取一幅92*112的人臉圖像，通過matlab函數對其進行直方圖均衡化處理同態濾波，可以得到處理前后的直方圖對比。通過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，圖像中的一些細節也突出了。如圖3-1所示。
圖3-1 處理前后的直方圖對比
對同一副人臉圖像進行灰度拉伸，仿真結果如圖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了圖像的對比度，使得圖像細節更加的突出。
同樣，對人臉圖像分別進行中值濾波和同態濾波進行預處理，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比可以看出，處理之后，人臉圖像中的斑點得到了去除。
圖3-4原始圖像與同態濾波后的效果圖
對圖像進行同態濾波處理之后，由兩幅圖像對比可以看出，圖像對比度得到增強，像素灰度的動態范圍也得到增強。處理之后圖像較暗的地方變得更清楚，圖像中的一些細節也更加突出。
結束語
本文主要針對人臉識別中圖像預處理進行研究，通過圖像預處理的一些方法，如直方圖均衡化、灰度拉伸、中值濾波、同態濾波，對讀入的人臉圖像進行處理。消除圖像中無關的信息，從而使圖像增強，細節突出，進一步改善了圖像質量，為下一步圖像的特征提取、分割、匹配和識別打下可靠的基礎。
參考文獻：
[1]阮秋琦.數字圖像處理學[M].北京: 電子工業出版社, 2000.4
[2]王耀南.計算機圖像處理與識別技術[M]. 北京:高等教育出版社, 2001.6
[3]章毓晉.圖像工程[M].北京: 清華大學出版社, 2001.9
[4]羅良正.數字圖像處理[M].南京: 東南大學出版社, 1999.8
[5]周激流，張曄．人臉識別理論研究進展[J]．計算機輔助設計與圖形學學報．1993，
篇11
1.1 數字圖像處理原理簡介
圖像處理技術是本世紀信息科學方面成長最迅速的方向之一，數字圖像處理的技術具有實際的研究價值。數字圖像處理技術是指利用圖像信號轉化為數字信號并進行數字化處理這一手段把輸入圖像轉換成具有所希望特征的另一幅圖像的過程，通過轉化，使得圖像的信息數字化，可計算化，協調適應現在的各種數字化系統。近年來，隨著圖像傳感器趨于高集成度和低成本以及數字硬件的迅速發展，高質量、高速度、高實時性的數字圖像處理技術越來越受到歡迎。專用集成電路ASIC和數字信號處理器DSP，在兩種方面突破研究，一是改變圖像處理算法，簡化算法提高處理速度；二是改變實現算法的手段。DSP處理速度較之前的數字芯片有了大幅改進，但其體系仍是串行指令系統，其固定算法仍不能滿足眾多算法的需要。
1.2 現場可編程門陣列（FPGA）器件技術
現在較為流行的一種半定制的數字芯片是現場可編程門陣列（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成，通過各種程序參數的配置，能夠發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，這些配置數據存放在片內的SRAM中或者是片外的EPROM或其他存儲體中，設計者可以現場修改器件的邏輯順序，而且靜態編程和動態系統重置功能也得到了充分的發揮也應用，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試。
2 基于FPGA的數字圖像處理算法研究
2.1 實時圖像處理算法
實時圖像處理系統和圖像處理的主要算法有4類：圖像數據的預處理，圖像智能識別，對象檢測和運動對象檢測。在實時圖像處理系統的后臺處理中，比分析環境簡單、靜態圖像難度要更具有復雜性，如在數字圖像信號的傳送過程，中間過程傳感器和傳輸信道的噪聲的頻繁產生，這讓暫未得到處理的原始圖像信號變的更為難以分析，而且本身存在一定程度的噪聲。一般圖像信號的銳化技術處理也將引入噪聲，有時會加強原始圖像的噪聲。因此，有必要在圖像分析處理以前以及過程中對圖像的噪聲進行濾除，并對圖像特征進行加強，消除噪聲和增強圖像這兩大關鍵步驟即為數字信號圖像的預處理過程。
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。對于含有噪聲的原始圖像的每個像素都采取了對應的鄰域，將計算出的平均值作為平均空間域中圖像像素值進行圖像處理。空間域平均算法對于高斯噪聲消噪效果較好，但處理脈沖噪聲降噪效果很差。中值濾波的實質是一種非線性處理方法，主要的原理應用了順序統計思路，這種方法的原理是在第一步驟中賦予一個像素作為鄰域的中心，選擇方形鄰域后，第二步驟就是對范圍內各像素灰度值進行排序處理，排序之后獲得數列的中間值，此中間修正值被記為中心像素的灰度值，在實際應用中個，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，突出細節。進行銳化處理的前提基礎是：原始圖像必須具有有較高的信噪比，若沒有較高信噪比，經過圖像銳化處理后，圖像信噪比會大大降低，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應于一個較小的梯度，整體會顯得比較暗。因此，梯度銳化的常規思路是利用門限方法來判定，從而進行梯度銳化優化，也就是先賦予一個預定的閾值，如果該節點的梯度小于閾值時，原始灰度被保持恒定；若大于閾值時，在這一點上的灰度校正值可以用微分法處理得到。
2.3.2 拉普拉斯運算
拉普拉斯運算是偏導數運算的線性組合，拉普拉斯算子是一種各向同性的微分算子，其特性包括旋轉不變性。拉普拉斯運算完全可以轉換成模板運算，而且對圖像中的孤立點和短點反應較為敏感，比如在較暗的圖像中出現的個別亮點，這些亮點處灰度發生跳變，通過拉普拉斯運算將會使這些亮點亮度增強，這一效果常用于邊緣檢測。當然，拉普拉斯運算同梯度銳化一樣，在增強圖像的同時會增強噪聲，因此在銳化前可以先進行圖像平滑處理。
3 總結
本文以基于FPGA的高速圖像處理算法為研究主體，對圖像處理中技術的流水線實現、圖像空域平滑算法、圖像空域銳化算法進行對比分析。圖像平滑算法減少噪聲的效果要更加優化，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高斯噪聲的消噪效果較好，對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，所以一般是先進行去除噪聲，提高信噪比之后進行銳化處理，銳化算法中的梯度銳化、拉普拉斯運算算法都在基于FPGA的數字圖像處理的系統算法中效果明顯。
參考文獻
[1]李冬.基于FPGA的數字圖像處理的研究[D].安徽理工大學碩士學位論文，2009.
篇12
一、培養初中生自主學習能力
在初中圖像處理教學中，教師應該發揮正確引導學生方向的指南針作用。作為初中教師，應該要在教學過程中培養學生獨立自主動手動腦的學習習慣之外，在掌握了每節課基礎知識的前提下，把以前所學過的知識與本節學習的知識聯系起來，綜合運用探索創新，去實現自我思維能力的提升。所以說，老師只能夠起到一個良好的引導作用，其它則需要靠學生獨立自主的去學習和實踐來提升自己的思維能力。傳統的非互動式教學方式中老師單方面的灌輸理論知識，而學生猴子搬包谷似的把今天學的內容明天忘掉，昨天學的知識和今天的聯系不起來，沒有形成良好的學習習慣，這樣非互動式的教學形式對學生的學習能力和思維能力的提高其實并沒有多大的作用。
二、打破學生傳統的思維定勢，拓展思維空間
習慣成自然，習慣是最不好改變的行為方式，在教學中也是這樣，初中圖像處理教學中將習慣稱之為思維定勢，傳統的初中圖像處理教學中學生們習慣于用古板、呆滯的角度去觀察教學中存在的問題，在用傳統方法去解決問題的時候往往會受到阻礙，或者說雖然解決了問題，可是在解題的時候難免遇到一些困難，花費了更多的時間，或者是在初中圖像處理教學發現了問題的時候卻找不到問題的根源在哪里。這就需要初中教師在圖像處理教學中將解決問題的各個環節更加簡化地呈現到學生面前，對于每一個環節具體的解題方法也要對學習進行具體的耐心的講解，不能盲目地給予學生答案或者告訴學生一個大概的結論和應該選擇什么方法去解決問題。
教師在對于相應的某個知識點設計備課方案的時候，可以設計一些思考題，思考題最好是具有一定難度的存在著思維定勢的問題，在課堂上的空閑時間或者課后時間讓學生對思考題去進行相應的探索和研究，然后在第二天上課的時候老師在將學生們所得的結果總結出來，對于解決問題的時候打破了思維定勢的學生應當給予高度的鼓勵和贊揚，對于那些沒有解決問題的學生則需要找出他們在思維中存在的誤區，對于這些存在的思維上的誤區進行相應的總結歸納，最后老師帶動學生們一起參與到解決這些誤區的過程中來，讓學生們自己尋找到解決誤區的方法，從容打破學生們傳統的思維定勢，拓展思維空間。
二、將學生的正向思維和逆向思維結合起來
思維是沒有局限性的，就比如我們在考慮一個問題的時候，可以從開始到結束來考慮，也可以從結束到開始來考慮，或者說我們可以從上到下考慮，也可以從下到上進行考慮，而采用不同的思維方式考慮出來的結果必然是不同的。在初中圖像處理教學中，將一個問題分解成n個環節來看，然后將這n個環節要素進行自由的重組或安裝，分別試著從各個不同的角度去探討、去思考問題，重點并不是追求問題的結構，而是在于從不同的角度去分析和看待問題的過程，通過這樣的方式可以培養學生開拓性的思維，養成學生看待問題的時候結合正向思維和逆向思維來進行思考，從而學生的思維能力不再單調。
三、在情境中培養學生的思維能力
圖像處理教學的內容是非常的復雜和系統的，涉及到相當廣的知識面，其中的操作技能不僅多而且非常的精細，學生在面對這些繁雜且精細的操作的時候往往會感到力不從心，很多的知識始終無法真正掌握，甚至許多的教師在圖像處理教學的過程中面對一些操作技能的時候都會感到無法理解，更不用說教授給學生們了。
另外，因為操作技能知識點不僅繁多而且還相當復雜的特點，在許多的困難的知識點上，在老師的帶領下學生可以理解，可是一下課或者睡一覺第二天醒來馬上又忘了，只有在老師給予相應的提示或者操作步驟的時候才能夠回憶起來，才會記起如何去操作，第二天老師又灌輸了新的知識點和操作技能，這樣就形成了一個惡性循環，學生們越學越不懂。這種情況產生的原因主要是學生在學習過程中沒有真正地理解到這些操作技能的具體含義，學生也不知道這些操作技能的作用和為什么要這樣操作，這樣就無法真正地學到這些操作技能和知識，將它們從教學中轉化為自己的能力。
因此，對于這種情況的出現，教師應該在圖像處理教學中定期地開設專門的總結課，定期的將之前所講的重點難點內容拿出來進行溫習、復習，然后對于相應的知識點內容可以構造出在略有類似的情境下，將該知識點內容放入到其中去，讓學生們對于兩種情境中的知識點內容進行相應的觀摩、分析，然后進行具體的操作和對比，讓學生們可以根據這種對比參照的方法來對知識進行更加深入的理解和內化，培養出學生的思維學習能力，從而使學生在面對新的知識點的時候能夠構件出自己的知識體系，使用更好的學習方法去學習和理解。
四、綜合各種要素培養學生的創造性思維
初中圖像處理教學中，教師在教導確定學生已經掌握了基礎知識和相應的操作技能之后，應當運用合適的方式去引導學生在學習過程中學會利用所學的知識和操作技能，運用多重思維模式去看待問題、解決問題，勇敢地以自己的構思去嘗試。解決問題的時候充分的發揮自己的想象力，創造出具有學生自己個性的作品或者解決問題的方法，從而培養出學生的創造性思維。
初中圖像處理的實踐教學中創造性思維的培養還需要綜合各種要素，本人是通過這幾個方面實現的：
1. 精心設計任務，激發興趣
在初中圖像處理教學中，精心設計任務來不得半點馬虎。因為“任務”設計的好壞，會影響到對學生學習興趣的培養。每節課任務的質量，決定著我們教學的成敗。
學習興趣的生母是把學過的知識加以創造性的運用，只有在這種情況下，學生才能深刻體會到掌握知識給他們帶來的喜悅和成就感。例如，在學習圖像合成這一章節時，本人就圍繞如何用photoshop更好地合成圖片這一主題，安排了學生感興趣的一些背景和人物（明星）的電子照片。同學們把腦海里浮現的畫面通過運用已有的素材創造出了不同凡響的合成圖。從上述例題來看，學生們的想法在實踐中實現了，因而他們對這門課的興趣更加堅定了。
2. 講解內容少而精，促進探索
少而精主要體現在授課時根據學生的學情和接受能力調整內容與分量，給出充足的時間讓學生自己操作、研究；教師所講的內容要保證質量，要避免知識的重復性，掌控內容的難易程度。在教學中對任務的要求加以點明，引導學生應用各種思維方式完成任務，加強獨立探索進取的思維能力。
3. 評價及時得當，促進創造
學生創造能力的發揮除了要有堅實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。孩子的天性就是經常性地得到稱贊和認可。所以，對于學生稱贊和鼓勵，會使學生滿懷希望和自信心，一如既往地保持學習興趣，使興趣潛移默化地從外在因素轉化為內在因素，從而樹立堅定的學習興趣。
六、結語
總而言之，本人根據自己八年積累的教學經驗結，再參考了此領域中研究做出貢獻的前輩論文的精髓基礎上，對初中圖像處理教學過程中培養學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過程的實際效果，改變傳統的灌輸式和非互動式教育教學形式，為在此領域中研究和探索的教師們有個參考價值，為學生在學習圖像處理課程的過程中可以根據他們的思維形態去構建自己的知識體系，掌握相應的操作技能，并且將這些知識和能力轉化成綜合能力，從而形成他們獨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人的偏見或缺陷，希望在此領域研究探索的專家和老師們以取其精華的態度來對待這篇文章。
[ 參 考 文 獻 ]
[1] 徐鵬.對初中信息技術教學實施策略的思考[J].學周刊：C，2011
（6）：188-188.
[2] 王楠.淺析在初中信息技術課堂中提高教學效率[J].讀寫算（教
育教學研究），2013，（27）：53-53.
[3] 任秀平.淺談現代教學媒體與數學教學有機結合[J].神州（上旬
刊），2012，（7）：215.
[4] 王兆勇.在初中數學教學中全面發展學生思維能力[J].中國科
篇13
一、教學的反思
課堂教學的核心目標是傳承知識，但如果將知識的傳承絕對化和簡單化，并漠視了人的情感和體驗，那么知識的傳承過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”的情感式教育，但在教育功利化的驅使下，形成了崇尚“知識至上”的傳統的應試教育模式，人為地斷裂了認知與情感的關系，使學生成為對知識缺乏情感的容器，喪失了對知識主動學習、內化與應用的能力。任何一種教學方法都必須在反思中前進，當時代的發展不斷繼承和超越著傳統的時候，我們的課堂教學也要尋求新的方法和思路。高校學生對于課堂教學有著更高層次的情感需求，本文將對這一問題進行探討。
二、情境體驗教學法的意蘊
心理學認為，“情境”是指對人有直接刺激作用、有一定的生物學意義和社會學意義的具體環境。這里的“情境”指具有情感色彩的教學場景。情境的功能是喚醒和激發學生的情感，也是課堂教學的前提。“體驗”，是指人對情緒或情感狀態的自我感受，這種心理活動是由感受、理解、聯想、情感、領悟等諸多心理因素構成的。用心的學習就是體驗學習，它是實現學生生命感悟的過程，也是實現生命審美的過程，是對學習對象的一種情感的賦予和心靈的呼應。“情境體驗教學法”和以往的“情境教學法”是有區別的，“情境體驗教學法”對情境的理解更為寬泛，它將情境界定為人文情境與科學情境的結合;并且，“情境體驗教學法”更加關注學生的體驗式學習活動，即更加關注學生生命感悟和生命審美的過程。
三、計算機圖形圖像處理課程的教學目的
計算機圖形圖像處理課程的教學目是使學生能夠使用計算機這一工具對圖形或圖像進行潤飾、美化、創作，使圖像具有更強的藝術感染力、生命力和價值。筆者始終認為，計算機圖形圖像處理既是一門技術，更是一門藝術。這門課程進一步挖掘和提升高校學生的生命感悟和生命審美能力，并為高校學生提供了一個發現美、表現美、創造美的平臺，學生可以借助這個平臺來展示自己獨特的審美追求，表達獨特的審美個性，實現并體驗獨特的審美價值，計算機圖形圖像處理課堂為情境體驗教學法提供了很好的實施場所，情境體驗教學法也為計算機圖形圖像處理的教學點亮了一盞明燈。
四、情景體驗教學法在計算機圖形圖像處理課程教學中的實施
(一)教師角色的構建
1、適應變化，做學生引領者
課堂總是處于一種流變的狀態，正如古希臘哲學家所講的“一個人不能兩次踏進同一條河流”一樣，一個教師也不可能兩次踏進同一個課堂。教師與學生的心態在變化，知識及操作經驗的積累狀況在變化。這一切的變化要求教師根據當前的情況采取相應的措施。并且，教師是引領學生走向知識、喚醒學生的情感的導師。我校的計算機圖形圖像處理教學針對了不同專業的學生(如：新聞、事業、廣告、經貿等)，教學內容、案例選擇、技巧設置、作業難度等需根據不同專業進行調整。即使是對于同一個班的學生，也不能使用一成不變的方法。善于發現變化、適應變化，才能成為一個成功的引領者。
2、隨專業成長，做幸福的體驗者
教師可將自我發展和教學成果結合起來。首先要熱愛自己的專業，并且傾情投入教學過程，在“教學相長”中收獲成功和體驗幸福。對于計算機圖形圖像處理軟件而言，它本身就是一個表現美和創造美的工具，享受美的過程及美的結果，既是幸福的，也是充滿成就感的。
(二)學生角色的構建
學生是教學的主體，當學生全身心地投入教學活動，以生命體驗來參與教學活動時，學習的主動性便能充分調動起來。學生把學習看成認識自我、掌控自我、發展自我的途徑，且有主動學習的需求，學習便能成為一種幸福。在計算機圖形圖像處理教學中，要發掘學生“愛美”的主體意識，培育學生的“審美”的主體能力，刺激學生“創造美”的主動需求，并且和自身發展及專業能力培養相聯系，能夠進行主動學習。
(三)情境的創建
1、教學情境的設計
首先引入教學情境，營造有利于學生創新與發展的教學情境，構建學生與教學內容之間的關系，引導學生入情入境的階段。簡單來說，就是引起學生的關注，使學生的認知或情感有所“發現”。在計算機圖形圖像處理教學中，我常采用的方法有：①欣賞法。讓學生欣賞漂亮的作品，并指出它的精彩之處，使學生產生想要實現其效果的強烈渴望。②提問法。提出一個問題，如：“要表現某一效果應該怎樣處理?”引發學生思考后，用適當的方式引出新的學習內容。需要強調的是，教學情境的引入應貫穿于每一個教學環節和每一個知識點的學習中，它的充分與否直接關系到課堂教學的效果。
其次，計算機圖形圖像處理采用現代多媒體教學手段，在多媒體計算機房進行教學，實現對學生的視覺、聽覺、觸覺進行多方位的刺激，這對于教學情境的創建是非常有利的。但是，這絕對不是“情境”的全部，在先進硬件技術的支持下，教師仍然需要豐富生動的教學語言、巧妙的教學環節設計、飽滿的熱情、愛心、耐心和機智，才能成為成功的“情境”設計者。
2、人文情境與科學情境
“情境”作為課堂教學中富有情感色彩的場景和氛圍，從生態學的視角，可以將其分為人文情境與科學情境。
人文情境是感性的，強調對象與遷移、審美與思辨，具有動態和開放的特征;科學情境是理性的，強調理智與邏輯，具有嚴謹、求實的特征。在傳統的課堂教學中，我們往往強調營造科學情境，崇尚統一性和整體性，課堂氣氛是嚴肅、嚴厲甚至是嚴酷的。當前，人文情境受到了普遍關注，它本著“以人為本”的思想，提出課堂教學的個體性、變化性，倡導營造課堂和諧、溫暖的氛圍。計算機圖形圖像處理教學強調學生的個性化表現和創意性設計，所以計算機圖形圖像處理課堂應該重視人文情境的創建，使人文情境與科學情境應協調、相融，這樣才能創建和諧、靈性的課堂。
(四)體驗的創建
1、主體參與
主體參與指教學中重視學生的主體地位，教學的一切活動均以學生的發展需求為出發點和歸宿，學習活動以學生的全面參與及全身心的投入為原則。主體參與是學生主動學習的前提，也是學生構建知識體系、技能體系、價值體系，是培養學生創新能力的最佳途徑。在計算機圖形圖像處理教學中，教師結合學生的專業、層次、情感、興趣、特長等，激發學生的參與熱情，精心設計操作項目，把學生引入操作實踐活動中，學生通過構思—聯想—創意—實現的過程，完成作業或作品設計。學生在主體參與的過程中進一步融會知識、提升技能、培養創新能力。
2、體驗與感悟
當學生從教學情境進入到學習狀態后，便開始了體驗學習的過程。體驗包括對問題的理解、對自身的期望、學習興趣的提升、學習動機的增強、知識與技巧的應用等。感悟就是從大量的表象中通過親身的理解與領會得出典型的過程，這一過程既有理性歸納的過程，也有情感升華的過程。在計算機圖形圖像處理課堂中，學生在完成操作項目的過程中，理解教師的期待、明確自己的責任、應用知識與技能，完成思維抽象，同時感受成功的幸福。
(五)教育與美的結合
1、審美溝通
情境體驗教學在很大程度上是借助學生的感受來組織教學的，學生的感受過程實際上是一個審美的過程，審美與感覺、想象、情感、興趣、態度是緊密聯系的。審美具有兩層含義：其一，是對美的觀察與體驗。計算機圖形圖像處理的對象—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)的有規律的組合。形式美的主要法則有：單純齊一、對稱均衡、調和對比、比例、節奏韻律、多樣統一。意境美是我國美學思想中的一個重要范疇。意境是客觀(生活、景物)與主觀(思想、情感)相熔鑄的產物，是情與境、意與境的統一，意境中的含蓄能喚起欣賞者的無限想象。把美學基本原理融入計算機圖形圖像處理課堂中，讓學生具有發現美的眼睛、表現美和創造美的愿望，生成師生間對美的共鳴，是達成計算機圖形圖像處理課堂的審美溝通的一個條件。其二，是生命體對于外界事物的親生體驗和溝通。教育美學觀認為，“要以教育美的建立去提升教育及其對象的精神境界，使教育活動成為一種人生境界的達成過程，使教育活動的主體或對象都在人生上實現超越。”情境體驗教學追求教育美的達成，它是一種教學智慧的美、生命的美，目的在于求得學生精神與教學環境間的溝通、學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，就是以提升學生的精神境界為主要目的，讓學生以審美的情緒關注學習內容，完成學習過程，獲得精神的滿足，并且獲得自身可持續性發展的動力和智慧。升華是指對認知的升華、對感悟的升華、對責任的升華。升華是教學向課外的延伸、向社會的延伸。計算機圖形圖像處理為學生提供了一個發現美、表現美、創造美的平臺，學生在此平臺上獲得美的體驗和滿足，從而豐富其內心世界，獲得生命美的更深感悟。同時，也要讓學生認識到：計算機圖形圖像處理為我們的生活帶來了美，但任何的美都必須以社會道德和法律為基礎，我們的任何行為都必須對社會負責，否則，它制造的將是丑惡。
五、后記
高校課堂教學的根本目標不僅是知識的訴求，更是對學生生命個體發展的關注。在計算機圖形圖像處理課堂中應用情境體驗教學法，倡導人文情境與科學情境相結合，喚起學生生命個體對美的體驗、感悟和升華。但教學研究是沒有止境的，計算機圖形圖像處理的教學要在傳統的啟迪下、時代的引領下、不斷的實踐與反思中前進。
注釋：
①黃甫全.課程與教學論.北京:高等教育出版社.2002:57
②鄭金洲.課改新課型.北京:教育科學出版社.2006:142
③李秀偉.喚醒情感—情境體驗教學研究.山東教育出版社.2007:41-54
④鄭金洲.重構課堂.華東師范大學學報.2001(3):15
參考文獻
1 黃甫全.課程與教學論[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:教育科學出版社.2006:142.
3 李秀偉.喚醒情感—情境體驗教學研究[M].山東教育出版社.2007:14-120.
4 檀傳寶.德育美學觀[M].太原:山西教育出版社.2002:15-66.
5 馬斯洛.人性能達的境界[M].林方譯,昆明:云南人民出版社.1987:2-192.
6 鐘啟泉.現代課程論[M].上海:上海教育出版社.1989:10-35.
