图像预处理系统的设计与实现(源码)【字数：15732】
摘 要最近这几年，图像识别技术已经逐渐渗透进人们的生活中。而在进行图像识别工作之前，需要对图像做一些加工处理，我们称之为图像预处理。以往的图像预处理工作与图像识别同时进行，效率较低且错误不可预估。本系统将集成基本的图像预处理功能，从而帮助人们迅速完成图像识别前的准备工作。系统使用Visual Studio 2017作为开发工具，通过C#语言搭建简单的可视化界面以及调用OpenCVSharp库实现图像预处理的算法功能。其中归一化处理、最近邻插值、双线性插值等算法确保了图像处理计算时的精确性。通过C#自带方法tryParse对图像处理前用户自行设定的数值进行判断，确保了系统的稳定性。系统主界面包含了主功能菜单、图像预览框和通知消息框三大部分。实现了图像的添加保存、图像的灰度处理、几何变换、图像锐化、图像降噪等功能。通过点击菜单上的条目即可实现对应的功能，效果可以直接显示在图像预览框上，同时下方的通知消息框也会显示对应的消息提示。整个系统简洁易操作，稳定性较高。
目 录
第1章 前言 1
1.1研究背景 1
1.2国内外研究现状 1
1.3研究意义 2
1.4研究内容简介与总体结构 3
第2章 图像检测预处理系统分析 4
2.1系统需求分析可行性分析 4
2.1.1功能需求分析 4
2.1.2非功能需求分析 4
2.2可行性分析 4
2.2.1经济可行性 4
2.2.2技术可行性 5
2.3相关技术简介 5
2.3.1 OpenCVSharp简介 5
2.3.2 C#简介 5
第3章 图像检测预处理系统的设计与实现 6
3.1系统界面的设计与实现 6
3.2图像添加与保存的设计与实现 6
3.2.1图像添加 6
3.2.2图像保存 7
3.3灰度变换模块的设计与实现 7
3.3.1灰度线性变换 7
3.3.2灰度对数变换 9
3.3.3灰度伽马变换 9
3.3.4直方图均衡化 10
3.4几何变换 *好棒文|www.hbsrm.com +Q: ￥351916072$
模块的设计与实现 11
3.4.1图像平移 11
3.4.2镜像变换 12
3.4.3图像缩放 13
3.4.4图像旋转 14
3.5图像增强模块的设计与实现 15
3.5.1图像降噪 15
3.5.2图像锐化 17
3.6形态学处理模块的设计与实现 19
3.6.1膨胀 19
3.6.2腐蚀 20
第4章 图像检测预处理系统测试 21
4.1图像框无图像进行图像处理测试 21
4.2图像添加时取消操作测试 21
4.3输入框字符类型测试 22
4.4选项空选测试 22
第5章 总结与展望 23
5.1总结 23
5.2展望 23
参考文献 24
致 谢 25
第1章 前言
1.1研究背景
图像处理技术的推进是与计算机的发展、人们的日常生活和行业需求分不开的。上个世纪50年代，随着计算机的诞生，计算机开始作为人们处理图像的常用工具。60年代，图像处理作为一门独立的学科出现，从此人们开始利用图像锐化、平滑、缩放等处理方法去改善图像的质量以获得更多准确的图像信息[1]。
近年来，随着计算机网络、人工智能的迅猛发展，图像处理技术正在向着多元化深层次的方向推进。如今，图像处理已经在医学、航空、家居、食品生产等各个领域大放异彩，逐渐渗透进人们的生活。
1.2国内外研究现状
最早的图像处理技术可以追溯到1920年，当时还没有计算机，首次使用是通过海底光缆，采用数字压缩技术压缩一张数字照片然后从英国伦敦传输到美国纽约[2]。从1964年，美国使用数字图像处理技术对从卫星获取的大量月球图片进行处理之后，不断有更多的图像处理技术被应用到生活社会的各个方面，而图像处理也开始作为一门单独的学科被研究学习。1972年，随着CT医学技术的诞生，图像处理技术实现了又一次飞跃式发展。通过X射线，CT对人体某部位进行扫描，由探测器接收透过该层面的X射线，转变为可见光后，由光电信号转变为电信号，再经过模拟/数字转换器转变为数字，最后输入计算机进行处理，实现对人体器官的透析，可以帮助医生进行更准确的医疗判断。之后，图像处理技术向着更深层次的方向发展。70年代末，D.Marr提出了视觉计算机理论，这个理论为后来计算机图像技术的理论发展提供了重要的思想，不过，实际操作中仍存在诸多困难[3]。1980年图像处理开始普及，此时，图像处理的任务已经可以交给微机进行处理。并且，随着超大型集成电路的出现使得设备的处理速度大大提高，很大层面上助推了图像处理技术的推广和应用。到了1990年，图像处理的应用已经分为了不同的分支结构，如医学图像处理、人工智能、遥感图像处理等领域。
近年来，图像处理技术又引入了新的理论和算法，如分形几何，分形几何学主要研究生活中的不规则的几何形态, 数字图像处理则是将自然中不规则的三维物体转换成图像信号,然后将这些图像信号转换成数字信号再通过计算机对其进行处理，处理后的图像效果要更好[4]。还有最新的卷积神经网络技术，其主要结构包括卷积层、池化层和全连接层。当一个图像经过卷积层、池化层时，图像中的高层语义信息会从原始数据中被一层一层剥离出来。然后再由全连接层进行“提纯”得出一个特征向量，这个特征向量具有这个图像高层的特征信息，即图像中最具有特点的信息，通过这些信息输出图像具体所属类别的概率值可以实现对图像进行分类[5]。数字图像技术不仅在人们日常生活中扮演着重要角色，如：修图软件、人脸识别支付、指纹识别支付、AI摄影，而且在许多行业生产中也发挥着重要作用。在航空领域，由卫星、航天器等拍摄的照片在太空中转换为数字信号储存在磁带中，再运输到地球。一般情况下，未经处理的照片很容易受损，成片率很低。这就对提取、传递、分析等图像处理过程中的这些技术要求很高[6]。在交通行业方面，数字图像具体应用有：车牌识别技术和车速检测技术。每个路口都会安装有摄像头，通过摄像头我们可以轻易获取过往车辆的车牌图像，再通过图像技术进行预处理加工，找出车牌位置并且识别车牌字符再打印出来。这大大减少了人力成本，促进了交通执法的效率。车速检测同理[7]。在医学领域，图像技术不仅仅是以前的CT检测。现在具体划分为三个层面：医学图像分割、医学图像配准和医学图像融合。通过图像分割技术对获得的病诊图像进行分割，将特定的病变组织分离出来或是按每个器官图像包含病原信息的重要程度划分为不同的领域，而后再根据其重要性寻找。如果想对获得的医学图像进行二次处理, 通常要综合多种图像资料[8]。为了能得到最全面的数据信息,最关键的步骤就是将从多个方面获得的图像与患者体内实际情况进行对照，这一步就是图像配准。通过不同的影像装置提供多种角度的患者构造图像，构造图像被用于获取患者组织和器官的内部结构图,功能图像能够展示患者组织器官的新陈代谢情况，通过对这些图像的分析处理，就可以得到具备较高参考价值的患者内部生理信息，这有助于医生进行更准确的医疗判断[9]。
目 录
第1章 前言 1
1.1研究背景 1
1.2国内外研究现状 1
1.3研究意义 2
1.4研究内容简介与总体结构 3
第2章 图像检测预处理系统分析 4
2.1系统需求分析可行性分析 4
2.1.1功能需求分析 4
2.1.2非功能需求分析 4
2.2可行性分析 4
2.2.1经济可行性 4
2.2.2技术可行性 5
2.3相关技术简介 5
2.3.1 OpenCVSharp简介 5
2.3.2 C#简介 5
第3章 图像检测预处理系统的设计与实现 6
3.1系统界面的设计与实现 6
3.2图像添加与保存的设计与实现 6
3.2.1图像添加 6
3.2.2图像保存 7
3.3灰度变换模块的设计与实现 7
3.3.1灰度线性变换 7
3.3.2灰度对数变换 9
3.3.3灰度伽马变换 9
3.3.4直方图均衡化 10
3.4几何变换 *好棒文|www.hbsrm.com +Q: ￥351916072$
模块的设计与实现 11
3.4.1图像平移 11
3.4.2镜像变换 12
3.4.3图像缩放 13
3.4.4图像旋转 14
3.5图像增强模块的设计与实现 15
3.5.1图像降噪 15
3.5.2图像锐化 17
3.6形态学处理模块的设计与实现 19
3.6.1膨胀 19
3.6.2腐蚀 20
第4章 图像检测预处理系统测试 21
4.1图像框无图像进行图像处理测试 21
4.2图像添加时取消操作测试 21
4.3输入框字符类型测试 22
4.4选项空选测试 22
第5章 总结与展望 23
5.1总结 23
5.2展望 23
参考文献 24
致 谢 25
第1章 前言
1.1研究背景
图像处理技术的推进是与计算机的发展、人们的日常生活和行业需求分不开的。上个世纪50年代，随着计算机的诞生，计算机开始作为人们处理图像的常用工具。60年代，图像处理作为一门独立的学科出现，从此人们开始利用图像锐化、平滑、缩放等处理方法去改善图像的质量以获得更多准确的图像信息[1]。
近年来，随着计算机网络、人工智能的迅猛发展，图像处理技术正在向着多元化深层次的方向推进。如今，图像处理已经在医学、航空、家居、食品生产等各个领域大放异彩，逐渐渗透进人们的生活。
1.2国内外研究现状
最早的图像处理技术可以追溯到1920年，当时还没有计算机，首次使用是通过海底光缆，采用数字压缩技术压缩一张数字照片然后从英国伦敦传输到美国纽约[2]。从1964年，美国使用数字图像处理技术对从卫星获取的大量月球图片进行处理之后，不断有更多的图像处理技术被应用到生活社会的各个方面，而图像处理也开始作为一门单独的学科被研究学习。1972年，随着CT医学技术的诞生，图像处理技术实现了又一次飞跃式发展。通过X射线，CT对人体某部位进行扫描，由探测器接收透过该层面的X射线，转变为可见光后，由光电信号转变为电信号，再经过模拟/数字转换器转变为数字，最后输入计算机进行处理，实现对人体器官的透析，可以帮助医生进行更准确的医疗判断。之后，图像处理技术向着更深层次的方向发展。70年代末，D.Marr提出了视觉计算机理论，这个理论为后来计算机图像技术的理论发展提供了重要的思想，不过，实际操作中仍存在诸多困难[3]。1980年图像处理开始普及，此时，图像处理的任务已经可以交给微机进行处理。并且，随着超大型集成电路的出现使得设备的处理速度大大提高，很大层面上助推了图像处理技术的推广和应用。到了1990年，图像处理的应用已经分为了不同的分支结构，如医学图像处理、人工智能、遥感图像处理等领域。
近年来，图像处理技术又引入了新的理论和算法，如分形几何，分形几何学主要研究生活中的不规则的几何形态, 数字图像处理则是将自然中不规则的三维物体转换成图像信号,然后将这些图像信号转换成数字信号再通过计算机对其进行处理，处理后的图像效果要更好[4]。还有最新的卷积神经网络技术，其主要结构包括卷积层、池化层和全连接层。当一个图像经过卷积层、池化层时，图像中的高层语义信息会从原始数据中被一层一层剥离出来。然后再由全连接层进行“提纯”得出一个特征向量，这个特征向量具有这个图像高层的特征信息，即图像中最具有特点的信息，通过这些信息输出图像具体所属类别的概率值可以实现对图像进行分类[5]。数字图像技术不仅在人们日常生活中扮演着重要角色，如：修图软件、人脸识别支付、指纹识别支付、AI摄影，而且在许多行业生产中也发挥着重要作用。在航空领域，由卫星、航天器等拍摄的照片在太空中转换为数字信号储存在磁带中，再运输到地球。一般情况下，未经处理的照片很容易受损，成片率很低。这就对提取、传递、分析等图像处理过程中的这些技术要求很高[6]。在交通行业方面，数字图像具体应用有：车牌识别技术和车速检测技术。每个路口都会安装有摄像头，通过摄像头我们可以轻易获取过往车辆的车牌图像，再通过图像技术进行预处理加工，找出车牌位置并且识别车牌字符再打印出来。这大大减少了人力成本，促进了交通执法的效率。车速检测同理[7]。在医学领域，图像技术不仅仅是以前的CT检测。现在具体划分为三个层面：医学图像分割、医学图像配准和医学图像融合。通过图像分割技术对获得的病诊图像进行分割，将特定的病变组织分离出来或是按每个器官图像包含病原信息的重要程度划分为不同的领域，而后再根据其重要性寻找。如果想对获得的医学图像进行二次处理, 通常要综合多种图像资料[8]。为了能得到最全面的数据信息,最关键的步骤就是将从多个方面获得的图像与患者体内实际情况进行对照，这一步就是图像配准。通过不同的影像装置提供多种角度的患者构造图像，构造图像被用于获取患者组织和器官的内部结构图,功能图像能够展示患者组织器官的新陈代谢情况，通过对这些图像的分析处理，就可以得到具备较高参考价值的患者内部生理信息，这有助于医生进行更准确的医疗判断[9]。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/223.html
