灰度图像边缘提取方法综述
内蒙古科技大学
本科毕业论文
题目：灰度图像边缘提取方法综述学生姓名：
学院：物理科学与技术学院
专业：应用物理学
学号：0809810054
班级：08级
指导教师：
二〇一二年 4 月
摘要
本文先介绍了一般边缘检测的步骤和灰度图像形态学的主要操作。着重讨论基于细胞神经网络的一般灰度图像的边缘提取和图像分割。先陈述了几种传统算法，并比较了各算法的优劣。通过例举介绍CNN 基本知识，详细描述了用CNN 提取图像边缘的过程，给出算法流程，阐述算法实现中的关键步骤。对二值图像和灰度图像，分别采用基于CNN 的算法和传统算子(prewitt、sobel、canny)进行边缘提取，给出提取效果图，定性比较两类算法在性能上的优劣。来直接的了解灰度图像边缘提取的方法。
关键字：灰度图像，边缘提取，分割，CNN算法，传统算子
Abstract
This paper first introduces the general steps of gray image edge detection and morphology of the main operation. Focuses on the cellular neural network based general gray image edge extracting and image segmentation. Through the examples of introduction of basic knowledge of CNN, a detailed description of the CNN image edge extraction process, the algorithm process, the key step in the algorithm implementation. On two value image and the gray scale image, which are based on CNN algorithm and the traditional operator ( Prewitt, Sobel, canny ) edge extraction, given the extraction effect chart, qualitative comparison of two algorithms in performance on the quality of. To direct understanding of gray image edge extraction method.
Keywords: image, edge detection, segmentation, CNN algorithm, the traditional operator
引言 (5)
1、灰度图像边缘检测 (6)
1.1、边缘检测的步骤 (6)
2、几种边缘提取算子 (6)
2.1 Roberts算子 (6)
2.2、Sobel算子 (7)
2.3、Prewitt算子由下式给出 (7)
2.4、Canny算子 (8)
3.传统算子的优缺点 (8)
3.1 Sobel算子 (8)
3.2 Robert算子 (8)
3.3 Prewitt算子 (8)
3.4 Canny算子 (9)
4、基于细胞神经网络的灰度图像边缘提取 (9)
4.1、CNN 基本知识 (9)
4.2、基于CNN 的图像边缘提取 (11)
4.3、图像分割的质量评价 (12)
4.4、实验分析 (14)
结论 (16)
参考文献 (17)
致谢 (18)
图像边缘是图像信息中某种不连续性的表现形式，是图像最基本的特征之一。在图像处理和模式识别中图像的边缘检测是一个重要的研究课题，也是分析和理解图像的第一步，其检测质量直接影响着后续的图像处理及解译。传统的图像边缘检测方法主要有基于空间域和空间频率域算法。基于空间域的典型算法有Robert、Prewitt、Sobel、Canny算子等，图像边缘包含图像的绝大部分有用信息，因而图像识别、匹配等具有很大的研究价值。
灰度图像边缘提取方法综述
1、灰度图像边缘检测
1.1、边缘检测的步骤
1.滤波：边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。需要指出，大多数滤波器在降低噪声的同时也导致了边缘强度的损失，因此，增强边缘和降低噪声之间需要折中。
2.增强:增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将邻域(或局部)强度值有显著变化的点突显出来。边缘增强一般是通过计算梯度幅值来完成的。
3.检测：在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点。最简单的边缘检测判据是梯度幅值阈值判据。
4.定位：如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分辨率上来估计，边缘的方位也可以被估计出来。在边缘检测算法中，前三个步骤用得十分普遍。这是因为大多数场合下，仅仅需要边缘检测器指出边缘出现在图像某一像素点的附近，而没有必要指出边缘的精确位置或方向。
边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。我们将边缘定义为图像中灰度发生急剧变化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图像微分技术来获得边缘检测算子。经典的边缘检测方法，是通过对原始图像中像素的某小邻域构造边缘检测算子来达到检测边缘这一目的的。
2、几种边缘提取算子
2.1 Roberts算子
Roberts算子是一种利用局部差分算子寻找边缘算子，它由下式给出：[][]2
2
y
f
x
?
=y
y
x
f
y
x
g (2-1)
y
f
f
x
x
+
(
)1
,1
)
,(
+
)1
(
,1
+
)
+
,(+
?
,(
)
其中)
f和)1
y
x
,1
f分别为4领域的坐标，
(+
x
+y
(+
x
f、)
,
,
,1
(y
f+、)1
x
(y
且是具有整数像素坐标的输入图像；其中的平方根运算使得该处理类似于视觉系统中发生的过程。
Roberts算子是2
2?算子模版。图1所示的2个卷积被形成了Roberts算子，图像中的每一个点都用这两个核做卷积。
0 1 -1
图1 Roberts 算子
2.2、Sobel 算子
Sobel 算子是一种一阶微分算子，它是利用像素邻近区域的梯度值来计算1
个像素的梯度，然后根据一等的阈值来取舍。它由下式给出： 2122)(dy dx S += （2-2）
Sobel 算子是33?算子模版。图2所示的2个卷积核dy dx ,形成Sobel 算子。一个核对通常的垂直边缘响应最大，而另一个核对水平边缘响应最大。2个卷积的最大值作为该店的输出值，运算结果是一幅边缘幅度图像。
图2 Sobel 算子
2.3、Prewitt 算子由下式给出
2122)(dy dx S p += （2-3）
Prewitt 算子是33?算子模版。图3所示的2个卷积形成了Prewitt 算子。与Sobel 算子的方法一样，图形中的每个点都用这2个核进行卷积，取最大值作为输出值。Prewitt 算子也产生一幅边缘幅度图像。
1 0 0
-1
-1 0 1 -2 0 2 -1
1
1 2 1 0 0 0 -1
-2
-1
1 1 1 0 0 0 -1
-1
-1
-1 0 1 -1 0 1 -1
1
图3 Prewitt 算子
2.4、Canny 算子
Canny 算子是一阶算子，其方法的实质是用1个准高斯函数做平滑运算
),(),(y x G y x f f s ?=,然后以带方向的一阶微分算子定位导数最大值。 平滑后),(y x f s 的梯度可以使用22?的一阶有限差分近似式：
[]2),1()1,1(),()1,(),(j i f j i f j i f j i f j i P s s s s +-+++-+≈
[]2)1,1()1,(),1(),(),(++-+++-≈j i f j i f j i f j i f j i Q s s s s （2-4） 在这个22?正方形内求有限差分的均值，便于在图像中的同一点计算x 和y 的偏导数梯度。幅值和方向角可用直角坐标到极坐标的坐标转化来计算: 22),(),(),(j i Q j i P j i M +=
[]),(),(arctan ),(j i P j i Q j i =θ (2-5)
),(j i M 反映了图像的边缘强度；),(j i θ反映了边缘的方向。使得),(j i M 取得局部最大方向角),(j i θ，就反映了边缘的方向。
Canny 算子也可用高斯函数的梯度来近似，在理论上很接近4个指数函数的线性组合形成的最佳边缘算子。在实际编程应用中较为复杂且运算较慢。
3.传统算子的优缺点
3.1 Sobel 算子
由于
Sobel 算子是滤波算子的形式，用于提取边缘，可以利用快速卷积函数，
简单有效，因此应用广泛。美中不足的是，Sobel 算子并没有将图像的主体与背景严格地区分开来，换言之就是Sobel 算子没有基于图像灰度进行处理，由于Sobel 算子没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。 在观测一幅图像的时候，我们往往首先注意的是图像与背景不同的部分，正是这个部分将主体突出显示，基于该理论，我们可以给出阈值化轮廓提取算法，
3.2 Robert 算子
根据任一相互垂直方向上的差分都用来估计梯度，Robert 算子采用对角方向相邻像素差。它定位比较精确，但由于不包括平滑，所以对噪声比较敏感。
3.3 Prewitt 算子
该算子与Sobel 算子类似，只是权值有所变化，但两者实现起来功能还是有差距的，据经验得知Sobel 要比Prewitt 更能准确检测图像边缘。
3.4 Canny 算子
该算子功能比前面几种都要好，但是它实现起来较为麻烦，Canny 算子是一个具有滤波，增强，检测的多阶段的优化算子，在进行处理前，Canny 算子先利用高斯平滑滤波器来平滑图像以除去噪声，Canny 分割算法采用一阶偏导的有限差分来计算梯度幅值和方向，在处理过程中，Canny 算子还将经过一个非极大值抑制的过程，最后Canny 算子还采用两个阈值来连接边缘。该算法已在数学上证明当像素点满足正态分布时所求解是最优的。
4、基于细胞神经网络的灰度图像边缘提取
4.1、CNN 基本知识
细胞神经网络是一个大规模非线性模拟系统，结构如图4所示。细胞神经网络中，任一细胞仅与邻近细胞相连，彼此之间直接影响；但由于细胞神经网络具有连续时间动力性的传递作用，非邻近细胞之间可以间接相互作用。
定义1 一个二维M ×N 细胞神经网络中处于第i 行第j 列的细胞记为C(i ，j)。
图4 细胞神经网络结构 定义2 C(i ，j)的r 邻域(影响域)定义为
}1,,},max{|),({),(lN lkM r j l i k l k C j i N r --= 式中：r ——正整数。
细胞神经网络的公式推导如下： 状态方程：
I l k j i B t v l k j i A t v R dt
t dv C
j i N l k c ykl j i N l k c xij x xij r r +++-
=∑∑∈∈),;,()(),;,()(1
)()
,(),(),(),( (4-1) 输出方程： )1)(1)((2
1
)(--+=t v t v t v xij xij yij N j M i ≤≤≤≤1,1(4-2) 输入方程：
ij uij E v = N j M i ≤≤≤≤1,1 (4-3) 约束条件：
1)0(≤xij v N j M i ≤≤≤≤1,1
1≤uij v N j M i ≤≤≤≤1,1 （4-4） 参数假设：
),;,(),;,(j i l k A l k j i A = N j M i ≤≤≤≤1,1 00>>x R C (4-5)
方程(4-1)~(4-5)中各符号定义如下：)(t v xij 、)(t v yij 和)(t v uij 分别是细胞 C(i ，j)的状态、输出和输入信号(或电压)；I 是偏差电流(或阈值)；C 和Rx 分别是线性电容和电阻；A(i ，j;k ，l)和B(i ，j;k ，l)分别是反馈算子和控制算子；f 为输出函数，由分段线性函数f(v) =0.5(|v+1| |v 1|)给出，其形状如图5 所示。
图5 CNN 输出函数f (v) =0.5 (|v+1|-|v-1|)
定义3 若一个细胞的r 邻域内含有(2r+1)2 个细胞，则称此细胞为内部细胞；否则称为边界细胞。对于边界细胞，其邻域延伸到CNN 网络的边界外面，因
此必须加入边界条件，才能使边界细胞的状态方程有意义。常用的3种边界条件如下：
(1) 固定边界条件(或称Dirichlet 边界条件)：位于边界外面的细胞C(k ，l)的状态vxkl 设定为常数，通常取0。
(2) 零流边界条件(或称反射边界条件，Neumann 边界条件)：位于边界外面的细胞C(k ，l)的状态xkl v 等于垂直边界上细胞的状态。
(3) 周期边界条件(或称Toroidal 边界条件)：把第一行与最后一行(对应的列)等同起来形成一个环面。为了保证电路方程(4-1)~(4-5) 对所有细胞神经网络都成立，还提出并证明了3 条非常重要的定理：
定理1： 细胞神经网络中每个细胞的状态xij v 在所有时间t>0 上有界，其边界最大值max v 满足条件：
??
?
?
??+∑∈++=)),;,(),;,((max ),(),(1,11!,1max l k j i B l k j i A j i r N l k C jN iM R I R v jN
iM x
x
定理2： 当暂态过程结束后，细胞神经网络总是趋于稳定平衡点，即
常数=→)(l i m
t v xij t 0)(lim
=∞
→dt
t dv xij t 或 N j M i ≤≤≤≤1,1
定理3： 若系统参数满足A(i ，j;k ，l)>1/Rx ，则当暂态过程结束后，细胞神经网络中各个细胞将趋于稳定平衡点，这些稳定平衡点满足条件 1)(lim ±=∞
→t v xij t N j M i ≤≤≤≤1,1
1)(lim
±=∞
→t v yij t
N j M i ≤≤≤≤1,1
定理1和2保证了细胞神经网络不会发生振荡或混沌现象；定理3保证细胞神经网络具有输出二值性，这是细胞神经网络成功应用于图像边缘提取的必要保证。
4.2、 基于CNN 的图像边缘提取
应用细胞神经网络进行图像处理时，其规模与待处理图像的规模相同，若待处理图像包含M ×N 个像素，则细胞神经网络也包含M ×N 个神经元，即像素与细胞一一对应。在图像处理中，每个神经元状态按式(4-1)迭代，直至整个网络收敛，输出二值信号。这种方法的基本思想归纳为：将整个图像函数转化为动态系统，动态方程指导神经元状态向细胞神经网络定义的最小能量方向变化。
一般说来，运用CNN 进行图像边缘提取的算法流程如图6 所示。其中还需要说明以下几个重要问题：
(1)微分方程转化为差分方程，便于计算机运算。方程(1)中令C = Rx = 1，则其等效的一阶差分方程为
I
n v l k j i B n v l k j i A n v n v n v ukl j i N l k c ykl j i N l k c xij xij xij ++
+-=-+∑
∑
∈∈)(),;,()(),;,()()()1()
,(),()
,(),(即
∑∑
∈∈++
=
+)
,(),()
,(),()(),;,()(),;,()1(j i N l k c ukl
ykl j i N l k c xij r r I n v
l k j i B n v l k j i A n v
(2)像素值范围调整。为保证CNN 约束条件式(4)，将灰度图像像素值[0，255] 变换至[ -1，1] 的范围内，即设[]255,0∈x )5.0255/(2-?=x s 则[]1,0∈s 。
(3)图像边界修改。细胞神经网络的内部细胞都有2)12(+x 个邻域细胞，通常r = 1。所以A 与ykl v ，B 与ukl v 卷积运算时，元素恰好一一对应。但是对于细胞神经网络中的边界细胞，由于邻域细胞少于2)12(+x ，在进行上述卷积运算时，模板中的某些元素将找不到对应的细胞C(k ，l)，从而不能实现对图像边缘的正确提取。本文在研究借鉴了一些细胞神经网络的文章后，采取的解决问题是：在 图像四周另加上一圈边界，新边界像素的灰度值等于原边界像素的灰度值，则图像规模和细胞神经网络的规模都由原先的M ×N 增为(M+2)×(N+2)，这样原先的边界细胞就变成了内部细胞。为了不改变原来图像的形态，可以在原矩阵周围加一圈零元素。
4.3、图像分割的质量评价
一般而言，图像分割以后还需要对分割效果进行质量评价。一般分割方法的评价可以通过分析法和实验法两种方式来进行。其中分析法是直接分析分割算法本身的原理及性能；而实验法则是通过对测试图像的分割结果来评价算法。尽管利用分析法对分割算法的评估可以不受某些实验因素的影响，但是，并非所有的算法性能都能通过分析得到。通过对实际分割结果的分析来评估分割算法具有实际意义，其中大致又可分为优度法和差异法两类。优度法一般是以建立在人的视 觉基础上的某些图像特征为依据来评价分割效果；差异法则需要提供理想分割图像作为金标准，以此计算实际分割结果与理想分割图像的差异。上述简要介绍的图像分割评价算法及各自特点如图7所示。
图6 运用CNN 进行图像边缘提取的算法流程
图7 图像分割评价算法分类及各自特点
4.4、实验分析
首先选取Matlab 中自带的二值图像circles 和灰度图像rice 进行边缘检测和图像分割的实验，并将结果与prewitt、sobel以及canny 算子的效果进行比较，如图8 所示。
图8 测试图像分割效果比较
通过对以上两组实验结果比较，可以看出：对于二值图像而言，几种算法提取的边界很接近，效果差别不大。对于灰度图像，prewitt 和sobel 算子提取的边缘不够完整，同时噪声也较大；canny 算子和CNN 方法提取出的边缘则较为完整，但是对于CNN 边缘提取图中，某些区域的边缘提取不够完整。虽然CNN方法在灰度图像边缘提取方面的效果稍逊于canny 算子，但是它不仅能够提取各个朝向的边缘，而且能够提取较强或较弱的边缘，同时它与传统算子相比最突出的优点是能够高速并行计算，且处理速度与图像大小无关，易于硬件实现，这使得它在图像实时处理方面还有很大的发展潜力。
此外，还选取了两幅较复杂的灰度图像，其中包含的边缘信息非常复杂而且不规则，使用CNN 方法进行边界提取的效果如图6 所示。由于上述图像分割实验中，缺乏相应的金标准图像，因此对分割效果只进行了定性研究，而未进行定量分析。
(a) 原始图像 (b) CNN 边缘提取效果
图6 CNN 提取复杂边缘的效果分析
结论
本文介绍了边缘检测的步骤，和灰度图像形态学的主要操作。讨论了基于细胞神经网络的一般灰度图像的边缘提取和图像分割。在简要介绍CNN 基本知识的基础上，详细描述了用CNN 提取图像边缘的过程，给出算法流程图，阐述算法实现中的几个关键步骤。对于二值图像和灰度图像，分别采用基于CNN的算法和传统算子(prewitt、sobel、canny)进行边缘提取，给出效果图，比较两类算法在性能上的优劣。实验结果表明，对于二值图像而言，几种算法提取的边界很接近，效果差别不大。对于灰度图像，prewitt 和sobel 算子提取的边缘不完整，同时噪声也较大；canny 算子和CNN 方法提取出的边缘则较完整，但是对于CNN 边缘提取图中，某些区域的边缘提取不够完整。虽然CNN 方法在灰度图像边缘提取方面的效果略逊色于canny算子，但是它不仅能够提取各个朝向的边缘，而且能够提取较强或较弱的边缘。CNN 与传统算法相比最突出的优点是能够高速并行计算，且处理速度与图像大小无关，同时易于硬件实现，这使得它在图像实时处理方面还有很大的发展潜力。
参考文献
[1] 黄蕾. 基于细胞神经网络的图像边缘提取算法研究[D]. 南京:南京航空航天大学,2006.
[2] 严和平,邓荣佐,王知衍.一种基于数据库的图像分割评价方法[J].计算机应用研究,2006,23(5):248-250.
[3] 朱美琳,杨佩.基于支持向量机的多分类增量学习算法[J].计算机工程,2006,32(17):77-79.
[4] 阮秋琦. 数字图像处理学[M] . 北京: 电子工业出版社,2001.
[5]戚世贵，戚素娟．一种基于图像特征点的图像匹配算法［J］．国外电子测量技术， 2008，27( 1) : 3-4
致谢
在我的毕业论文即将完成之际,希望能借此机会向我非常敬重的王芳老师表示衷心的感谢和诚挚的敬意,并向曾经帮助和支持我的人表示深深的感谢。王老师渊博的知识、学术上高深的造诣丰富的科研经验、严谨的治学态度,以及诲人不倦、待人谦和的人格魅力时时激励着我前进,尤其是她对学术专业的全身心热爱和投入,很耐心的为我指导论文提供资料。还有我的同学们给予我的帮助。再次说一句谢谢。
数字水印技术综述
数字水印技术综述 （湖北武汉 430070） 摘要：介绍了数字水印技术的基本原理。并对其特点、分类、攻击技术及应用领域进行了阐述。同时对数字水印的各种算法进行了分类研究与深入分析。最后指出数字水印今后的研究方向。 关键词：数字水印；水印原理；水印算法；水印应用 Overview on Overview on Digital Watermarking Technology ( Wuhan, Hubei 430070, China) Abstract：The basic concepts of watermark techniques are first introduced，and then the characteristics、classification、attacking techniques and application and applications first expatiated．For further understanding．the watermark technique from the various aspects aye classified and some conventional watermark techniques and algorithms are analyzed in detail．Finally，research direction of digital watermark technology is pointed out． Key words：digital watermarking；watermarking principle；watermarking algorithms ；watermarking application； 0数字水印 随着Internet与数字媒体技术的飞速发展，信息安全问题日益突出，因此，数字媒体的版权保护与信息完整性保证已逐渐成为人们迫切需要解决的一个重要问题，数字水印技术就是在这种需求下迅速发展起来的。 数字水印是通过一定的算法，在图像、视频、音频等多媒体数据中嵌入一个可以标示其知识产权的水印信息。水印信息可以是文字、商标、印章或序列号等可以识别作品的作者、来源、版本、拥有者、发行人或合法使用人对数字产品的拥有权。水印信息通过特殊的方式，可以从宿主信号中提取出水印或是检测出它的存在性。水印不占用额外的带宽。是原始数据不可分离的一部分，并且它可以经历一些不破坏源数据使用价值或商用价值的操作而存活下来。 1数字水印的特征 一般认为数字水印应具有以下特征（1）鲁棒性水印信号在经历多种无意或有意的信号处理后，仍能保持其完整性或仍能被准确鉴别的特性。（2）知觉透明性数字水印的嵌入不应引起数字作品的视/听觉质量下降，即不向原始载体数据中引入任何可知觉的附加数据。（3）内嵌信息量(水印的位率) 数字水印应该能够包含相当的数据容量，以满足多样化的要求。（4）安全性水印嵌入过程(嵌入方法和水印结构)应该是秘密的嵌入的数字水印是统计上不可检测的，非授权用户无法检测和破坏水印。对于通过改变水印图像来消除和破坏水印的企图，水印应该能一直保持存在，直到图像已严重失真而丧失使用价值。（5）实现复杂度低数字水印算法应该容易实现。在某些应用场合(如视频水印)，甚至要求水印算法的实现满足实时性要求。（6）可证明性数字水印所携带的信息能够被唯一地、确定地鉴别，从而能够为已经受到版权保护的信息产品提供完全和可靠的所有权归属证明的证据。 2 数字水印的分类 2.1按照嵌入的位置 按照嵌入的位置可分为：(1)空域数字水印：空域数字水印的嵌入是通过直接修改图像的灰度值或是强度值来完成的。(2)变换域数字水印：变换域的数字水印是将图像进行某种变换，通过修改变换域系数来达到嵌入水印的目的。
非常全非常详细的MATLAB数字图像处理技术
MATLAB数字图像处理 1 概述 BW=dither(I)灰度转成二值图； X=dither(RGB,map)RGB转成灰度图，用户需要提供一个Colormap； [X,map]=gray2ind(I,n)灰度到索引； [X,map]=gray2ind(BW,n)二值图到索引，map可由gray(n)产生。灰度图n默认64，二值图默认2； X=graylice(I,n)灰度图到索引图，门限1/n,2/n,…,(n-1)/n，X=graylice(I,v)给定门限向量v； BW=im2bw(I,level)灰度图I到二值图； BW=im2bw(X,map,level)索引图X到二值图；level是阈值门限，超过像素为1，其余置0，level在[0,1]之间。 BW=im2bw(RGB,level)RGB到二值图； I=ind2gray(X,map)索引图到灰度图； RGB=ind2rgb(X,map)索引图到RGB； I=rgb2gray(RGB)RGB到灰度图。 2 图像运算 2.1 图像的读写 MATLAB支持的图像格式有bmp,gif,ico,jpg,png,cur，pcx,xwd和tif。 读取（imread）： [1] A=imread(filename,fmt) [2] [X,map]=imread(filename,fmt) [3] […]=imread(filename) [4] […]=imread(URL,…) 说明：filename是图像文件名，如果不在搜索路径下应是图像的全路径，fmt是图像文件扩展名字符串。前者可读入二值图、灰度图、彩图(主要是RGB)；第二个读入索引图，map 为索引图对应的Colormap,即其相关联的颜色映射表，若不是索引图则map为空。URL表示引自Internet URL中的图像。 写入（imwrite）： [1] R=imwrite(A,filename,fmt); [2] R=imwrite(X,map,filename,fmt); [3] R=imwrite(…,filename); [4] R=imwrite(…,Param1,V al1,Param2,Val2) 说明：针对第四个，该语句用于指定HDF,JPEG,PBM,PGM,PNG,PPM,TIFF等类型输出文件的不同参数。例如HDF的Quality,Compression,WriteMode;JPEG的BitDepth，Comment:Empty or not，Mode:lossy or lossless，Quality等。 2.2 图像的显示 方法1：使用Image Viewer(图像浏览器)，即运用imview函数。 同时显示多帧图像的所有帧，可用到montage函数。
图像分割方法综述
图像分割方法综述
图像分割方法综述 摘要：图像分割是计算计视觉研究中的经典难题，已成为图像理解领域关注的一个热点，本文对近年来图像分割方法的研究现状与新进展进行了系统的阐述。同时也对图像分割未来的发展趋势进行了展望。 关键词：图像分割；区域生长；活动边缘；聚类分析；遗传算法 Abstract:Image segmentation is a classic problem in computer vision,and become a hot topic in the field of image understanding. the research actuality and new progress about image segmentation in recent years are stated in this paper. And discussed the development trend about the image segmentation. Key words: image segmentation; regional growing; active contour; clustering
analysis genetic algorithm 1 引言 图像分割是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分，同时也是图像处理中最困难的问题之一。所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的说就是在一副图像中，把目标从背景中分离出来。对于灰度图像来说，区域内部的像素一般具有灰度相似性，而在区域的边界上一般具有灰度不连续性。 关于图像分割技术，由于问题本身的重要性和困难性，从20世纪70年代起图像分割问题就吸引了很多研究人员为之付出了巨大的努力。虽然到目前为止，还不存在一个通用的完美的图像分割的方法，但是对于图像分割的一般性规律则基本上已经达成的共识，已经产生了相当多的研究成果和方法。本文根据图像发展的历程，从传统的图像分割方法、结合特定工具的图像分割方
基于变换域的数字水印算法【文献综述】
毕业设计文献综述 电子信息科学与技术 基于变换域的数字水印算法 摘要：数字水印提出的主要目的是为了对数字作品的版权保护。本文介绍了数字水印的背景以及阐述了数字水印技术的基本原理。数字水印主要分为空间域和频域两大类，这里主要分析了目前在频域中比较流行的水印算法。同时，对数字水印发展进行展望。 关键字：数字水印；版权保护；水印算法；频域； 1.背景 随着Internet的迅猛发展，通信技术和计算机网络的普遍运用，使人们可以通过互联网收发信息、上传数字图象、听音乐等等。然而，也正是因为网络的这种便捷性、传播迅速的优点使其很容易被非法拷贝，导致数字产品的版权、完整性、有效性得不到保证，严重损害了创作者的利益。 为了解决上述各类问题，提出了数字水印技术[1]。它是指用信号处理的方法在数字化的多媒体数据中嵌入隐蔽的标记，这种标记通常是不可见的，只有通过专用的检测器或阅读器才能提取。目前，数字水印在音频、视频、图像等的应用迅速得到广泛的研究和发展。 数字水印技术的研究现状主要分为两大类：空间域数字水印和频域数字水印。最初提出的数字水印嵌入方法是在空间域上实现的。1995年，Btuyndoncky等提出了一个基于空域分块的方法，通过改变均值来嵌入水印。1996年，Patchwork等人提出了一种算法（Patchwork算法），该算法随机选取图像的N对像素点，通过增加其中一个点的亮度值而相应降低另一个点的亮度来隐藏信息。1998年，Darmstaedter等人提出了一种新的空域水印算法，该算法是基于图像的8×8块的空间域分解进行的。 频域数字水印按频域法大体分为三类：DFT域、DCT域和DWT域[2-3-4]。 Pun和Ruanaidh利用傅立叶域对全局性的旋转，平移和缩放变换具有不变性的特点，将水印嵌入到傅立叶域来达到对这些攻击的鲁棒性。 1999年，Wu和Hsu等人提出了基于可视化模型的算法，该算法具有很强的鲁棒性。2000年，易开样、黄继武等人还提出了一种DCT域数字水印算法：首先把图像分成8×8的不重叠像素块，经过分块DCT变换后，得到有DCT系数组成的频率块，然后随机选取一些频率块，水印信号嵌入到由密钥控制选择的一些DCT系数中。2004年，王向阳等提出了一种DCT域自适应彩色图像二维数字水印算法，将灰度图像嵌入到原始彩色图像中。其实，很多国内外研究人员提出的其他DCT域
基于DCT图像数字水印技术研究的开题报告
毕业设计开题报告 基于DCT的图像数字水印技术的研究
基于DCT的图像数字水印技术研究 国内外研究现状： 20世纪80年代，索尼和菲利浦公司首次提出了数字媒体版权保护的方案SCMS(Serial copy management system)，数字水印技术也是在继数字隐藏技术后提出的一种数字媒体版权保护方案，发展到现在不仅仅局限于版权保护，也延伸到商务交易中的票据防伪、声像数据的隐藏标识和篡改提示、隐蔽通信及其对抗等领域。随着电子政务的广泛应用，其安全性问题也日益突出，电子政务所涉及的相当多的信息都带有机密性，除黑客攻击．病毒感染等来自网络的安全威胁外，也易受到来自系统应用的假冒用户登录、非法篡改等数据安全的威胁。我国现有的电子政务网络基础设施和系统安全解决方案大多是通过防火墙、入侵检测、漏洞扫描、网络隔离等技术和设备来保障系统的安全，这在一定程度上可以保证电子政务信息系统的安全，但仍存在着安全漏洞，我们在电子政务的建设中，除了必要的网络安全技术外，还必须重视对数字信息安全认证的问题。 数字水印技术为上述问题提供了一个有效的解决方案，是目前多媒体信息安全研究领域的一个热点。该技术采用信息处理技术把版权信息、认证信息等秘密信息，即水印，嵌入到原始数据中去，但不影响原内容的价值和使用，水印信息可以是产品的序列号、版权所有者的标志等认证信息。通过特定的算法恢复和检测被嵌水印后，可有效地分析信息失真的情况，判断信息是否被篡改，为版权所有者提供信息被盗版的有利证据。因此，一个实用的数字水印技术必须具有较强的鲁棒性、安全性和不可见性。 所谓数字水印技术，就是将代表数字媒体著作权人身份的特定信息、用户指定的标志或序列码等，按照某种方式嵌入被保护的信息中，在产生版权纠纷时，通过相应的算法提取出该数字水印，从而验证版权的归属，确保媒体著作权人的合法利益，避免非法盗版的威胁。被保护的信息是任何一种数字媒体，如软件、图像、音频、视频或一般性的电子文档等。数字水印是嵌在数字产品中的数字信号，水印的存在要以不破坏原数据的欣赏价值、使用价值为原则。
图像分割算法的比较与分析
中北大学 课程设计说明书 学生姓名：学号： 学生姓名：学号： 学生姓名：学号： 学生姓名：学号： 学院：信息与通信工程学院 专业：电子信息工程 题目：信息处理综合实践: 图像分割算法的比较与分析 指导教师：陈平职称: 副教授 2014 年12 月29 日
中北大学 课程设计任务书 14/15 学年第一学期 学院：信息与通信工程学院专业：电子信息工程 学生姓名：学号： 课程设计题目：信息处理综合实践: 图像分割算法的比较与分析起迄日期：2015年1月5日～2015年1月16日课程设计地点：电子信息工程专业实验室 指导教师：陈平 系主任：王浩全 下达任务书日期: 2014 年12月29 日课程设计任务书
课程设计任务书
目录 第一章绪论 (1) 研究目的和意义 (1) 图像分割的研究进展 (1) 第二章区域生长法分割图像 (4) 区域生长法介绍 (4) 区域生长法的原理 (4) 区域生长法的实现过程 (5) 第三章程序及结果 (6) 区域生长算法及程序 (6) 图像分割结果 (7) 第四章方法比较 (8) 阈值法 (8) 区域法 (8) 分水岭法 (8) 形态学方法 (9) 第五章总结 (10) 参考文献 (11)
第一章绪论 研究目的和意义 图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多，有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。许多不同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方法对其分割;但某些分割方法只是适合于某些特殊类型的图像分割，所以分割结果的好坏需要根据具体的场合及要求衡量。图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响对图像的理解。 图像分割是由图像处理到图像分析的关键步骤，在图像工程中占有重要位置。一方面，它是目标表达的基础，对特征测量有重要的影响。另一方面，因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象、更紧凑的表达形式，使得更高层的图像分析和理解成为可能。因此在实际应用中，图像分割不仅仅要把一幅图像分成满足上面五个条件的各具特性的区域，而且要把其中感兴趣的目标区域提取出来。只有这样才算真正完成了图像分割的任务，为下一步的图像分析做好准备，使更高层的图像分析和理解成为可能。 图像分割在很多方面，如医学图像分析，交通监控等，都有着非常广泛的应用，具有重要的意义。(1)分割的结果常用于图像分析，如不同形式图像的配准与融合，结构的测量，图像重建以及运动跟踪等。(2)在系统仿真，效果评估，图像的3D重建以及三维定位等可视化系统中，图像分割都是预处理的重要步骤。 (3)图像分割可在不丢失有用信息的前提下进行数据压缩，这就降低了传输的带宽，对提高图像在因特网上的传输速度至关重要。(4)分割后的图像与噪声的关系减弱，具有降噪功能，便于图像的理解。 图像分割的研究进展 图像分割是图像处理中的一项关键技术，至今已提出上千种分割算法。但因
数字图像处理中的边缘检测技术
课程设计报告 设计题目：数字图像处理中的边缘检测技术学院： 专业： 班级：学号： 学生姓名： 电子邮件： 时间：年月 成绩： 指导教师：
数字图像处理中的边缘检测技术课程设计报告I 目录 1 前言:查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 (1) 1.1理论背景 (1) 1.2图像边缘检测技术研究的目的和意义 (1) 1.3国内外研究现状分析 (2) 1.4常用边缘检测方法的基本原理 (3) 2 小波变换和小波包的边缘检测、基于数学形态学的边缘检测法算法原理 (7) 2.1 小波边缘检测的原理 (7) 2.2 数学形态学的边缘检测方法的原理 (7) 3 算法实现部分：程序设计的流程图及其描述 (9) 3.1 小波变换的多尺度边缘检测程序设计算法流程图 (9) 3.2 数学形态学的边缘检测方法程序设计算法描述 (10) 4实验部分：对所给的原始图像进行对比实验，给出相应的实验数据和处理结果 (11) 5分析及结论：对实验结果进行分析比较，最后得出相应的结论 (15) 参考文献 (17) 附录：代码 (18)
1前言 查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 1.1 理论背景 图像处理就是对图像信息加工以满足人的视觉心理或应用需求的方法。图像处理方法有光学方法和电子学方法。从20世纪60年代起随着电子计算机和计算技术的不断提高和普及，数字图像处理进入了高速发展时期，而数字图像处理就是利用数字计算机或其它的硬件设备对图像信息转换而得到的电信号进行某些数学处理以提高图像的实用性。 图像处理在遥感技术，医学领域，安全领域，工业生产中有着广泛的应用，其中在医学应用中的超声、核磁共振和CT等技术，安全领域的模式识别技术，工业中的无损检测技术尤其引人注目。 计算机进行图像处理一般有两个目的：(1)产生更适合人观察和识别的图像。 (2)希望能由计算机自动识别和理解图像。数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 1.2 图像边缘检测技术研究的目的和意义 数字图像处理是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像处理也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像处理和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像处理中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速
数字水印综合实验系统的设计与实现--灰度图像水印的嵌入与提取.
数字水印综合实验系统的设计与实现－－灰度图像 水印的嵌入与提取 目录前言11 概述21.1 相关知识21.2 数字水印的定义及分类31.3 数字水印技术的原理及实现的典型算法41.4 水印技术的要求，常受到的攻击71.5 水印的主要应用领域81.6 数字水印技术的国内外研究现状92 相关理论知识112.1 小波变换112.1.1 小波变换的含义112.1.2 提出小波变换的原因112.1.3 小波变换数字水印算法及其优点122.1.4 2维信号的Mallat的算法122.2 视觉系统特性研 究132.2.1 人眼的构造132.2.2 人眼的视觉特性152.3 图像的纹理特征163 水印图像预处理183.1 引言183.2 约瑟夫图像置乱193.3 置乱度与图像质量214 水印的嵌入方案244.1 水印嵌入算 法254.2 水印提取算法265 实验及实验结果275.1 水印的嵌入实 验275.2 水印的提取实验285.3 攻击实验295.3.1 缩放295.3.2 噪声295.3.3 压缩305.3.4 剪切315.4 试验结果分析总结336 软件的详细介绍346.1 功能介绍346.2 登录窗口界面346.3 主要菜 单366.4 运行实例387 结论40参考文献41致谢42数字水印综合实验系统的设计与实现----灰度图像水印的嵌入与提取摘要：随着计算机和网络技术的飞速发展，数字图像、音频和视频产品愈来愈需要1种有效的版权保护方法。数字水印技术便是解决上述问题的关键技术之1。为了让更多 的人熟悉并快速掌握数字水印技术的基本理论和算法设计过程，设计1个数字水印综合实验系统是1个很好的解决方案。本文首先介绍了数字水印技术及其原理、特点、以及目前的应用状况，然后介绍如何利用约瑟夫置乱对水印图像进行置乱处理以加强水印的安全性，最后设计了1种水印嵌入与提取方案，并在此基础上设计1个水印图像和宿主图像都采用灰度图像的数字水印实验子系统。该系统主要完成灰度水印嵌入、灰度水印提取及灰度水印鲁棒性检测等实验。关键词：数字水印；图像置乱；离散小波变换；实验 Design and realization of digital watermark synthetic experiment system-----embedding and extracting of gray-scale image watermark Abstract: With the advent of the rapidly development of computer and network technology, many media, such as digital image, audio or video etc, need an effective solution urgently. Digital watermarking is a vital technology to solve foregoing problems. In order to let more people to master this technology rapidly, a perfect solution is to design a digital watermark synthetic experiment system. This thesis first introduce the theory, characteristic and application of digital watermarking, then present how to disorder the gray-scale image watermark using Josephus disorder algorithm for enhancing the security of watermark. At last this thesis brings forward a solution of watermarking embedding and extracting and designs a digital watermark experiment subsystem, in which both watermark image and host image are gray-scale image. This subsystem mainly realizes three experimentations: gray-scale watermark embedding, gray-scale
基于阈值的灰度图像分割
对以CPT算法为主的灰度阈值化方法的研究 目录： 第一章：绪论 第二章：图像的预处理 第三章：图像分割概述 第四章：灰度阈值化图像分割方法 第五章：CPT算法及其对它的改进 第六章：编程环境及用PhotoStar对改进的CPT算法和其他算法的实现 第七章：实验结果与分析 第一章：绪论 1.1数字图像处理技术的发展 人类传递信息的主要媒介是语音和图像。据统计，在人类接受的信息中，听觉信息占20％，视觉占60％，其他如味觉、触觉、嗅觉总的加起来不过占20％。所以，作为传递信息的重要媒体和手段——图像信息是十分重要的。【5】对于图像信息的处理，即图像处理当然对信息的传递产生很大影响。 数字图像处理技术起源于20世纪20年代，当时通过海底电缆从伦敦到纽约传输了一幅图片，它采用了数字压缩技术。1964年美国的喷气处理实验室处理了太空船“徘徊者七号”发回的月球照片，这标志着第三代计算机问世后数字图像处理概念得到应用。其后，数字图像处理技术发展迅速，目前已成为工程学、计算机科学、生物学、医学等领域各学科之间学习和研究的对象。 经过人们几十年的努力，数字图像处理这一学科已逐渐成熟起来。人们总是试图把各个学科应用到数字图像处理中去，并且每产生一种新方法，人们也会尝试它在数字图像处理中的应用。同时，数字图像处理也在很多学科中发挥着它越来越大的作用。 1.2图像分割概述和本论文的主要工作 图像分割的目的是把图像空间分成一些有意义的区域，是数字图像处理中的重要问题，是计算机视觉领域低层次视觉问题中的重要问题，同时它也是一个经典的难题。几十年来，很多图像分割的方法被人们提出来，但至今它尚无一个统一的理论。 图像分割的方法很多，有早先的阈值化方法、最新的基于形态学方法和基于神经网络的方法。 阈值化方法是一种古老的方法，但确是一种十分简单而有效的方法，近几十年人们对阈值化方法不断完善和探索，取得了显著的成就，使得阈值化方法在实际应用中占有很重要的地位。 本文将主要对图像分割的阈值化方法进行探讨。在对阈值化方法的研究过程中，本人首先将集中精力对效果比较好的阈值化方法进行探讨，并对其存在的不足加以改进，从而作出性能优良的计算机算法；由于目前很多方法各有其特点，所以将对具有不同特点的图像用不同的方法处理进行研究。在论文正文部分还将其应用到实践中去，并对其加以评价。 第二章：图像的预处理 2.1图像预处理的概述 由于切片染色和输入光照条件及采集过程电信号的影响，所采集的医学图
实验三 图像的边缘检测
实验三图像的边缘检测 一、实验目的与要求 1、了解图像边缘提取的基本概念； 2、了解进行边缘提取的基本方法； 3、编程实现对所给图像的边缘进行提取。 二、知识点 1、边缘检测的思想和原理 图像理解是图像处理的一个重要分支，研究为完成某一任务需要从图像中提取哪些有用的信息，以及如何利用这些信息解释图像。边缘检测技术对于处理数字图像非常重要，因为边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同的区域内部的特征或属性是不同的，边缘检测正是利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度，颜色或者纹理特征。边缘检测实际上就是检测图像特征发生变化的位置。 由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容：首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。边缘检测的方法大多数是基于方向导数掩模求卷积的方法。导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值比较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。
一阶导数是最简单的导数算子，它们分别求出了灰度在x和y方向上的变化率，而方向上的灰度变化率可以用相应公式进行计算；对于数字图像，应该采用差分运算代替求导，差分公式参考相关教材。 2、常用的梯度算子 （1）Roberts Cross算子，它的2个2 X2模板如图3所示。 图3 Robert Cross算子模板 （2）Prewitt 算子，它的2个3×3模板如图4所示。 图4 Prewitt算子模板 （3）Sobel 算子，它的2个3×3模板如图5所示。 图3 Sobel算子模板 3、高斯拉普拉斯（LoG）算法 高斯拉普拉斯（LoG）算法是一种二阶边缘检测方法。它通过寻找图像灰度值中二阶微分中的过零点（Zero Crossing）来检测边缘点。其原理为，灰度
灰度图像的ASCII图像生成
课程设计实验报告 设计题目：灰度图像的ASCII图像生成 学院：电子工程学院 专业：电子信息工程 班级： 学号： 姓名： 电子邮件： 日期： 2013 年 9 月 成绩： 指导教师：
电子工程学院 课程设计任务书 学生姓名指导教师邓成 学生学号专业电子工程学院 题目灰度图像的ASCII图像生成 一．设计概述 1.课程设计题目：灰度图像的ASCII图像生成 2.相关知识: 灰度图像:一幅完整的图像，是由红色绿色蓝色三个通道组成的。红色、绿色、蓝色三个通道的缩览图都是以灰度显示的。用不同的灰度色阶来表示“红，绿，兰”在图像中的比重。通道中的纯白，代表了该色光在此处为最高亮度，亮度级别是255。通道是整个Photoshop显示图像的基础。色彩的变动，实际上就是间接在对通道灰度图进行调整。通道是Photoshop处理图像的核心部分，所有的色彩调整工具都是围绕在这个核心周围使用的在计算机领域中，灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑色与白色两种颜色；灰度图像在黑色与白色之间还有许多级的颜色深度。但是，在数字图像领域之外，“黑白图像”也表示“灰度图像”，例如灰度的照片通常叫做“黑白照片”。在一些关于数字图像的文章中单色图像等同于灰度图像，在另外一些文章中又等同于黑白图像 ASCII 字符图”这一术语指的是图像的文本表示形式，即使用等宽字体字符（如Courier New 字符）的网格来绘制图像 3设计思路: 将图像内容用ASCII码显示出来主要就是用不同的字符表示灰度，以此来区分不同的灰度值达到将内容可视化的目的，这个道理很简单，实现起来其实也不难，如果是直接输入到控制台或者txt文件的则比较简单，主要是需要设置一下字体的宽高，最好是正方形的，否则看起来会比较别扭。下面一个是将lena缩放到100*100之后在控制台窗口直接显示的截图，采用的字符是标点，字体设置的宽
数字图像灰度阈值的图像分割技术matlab
1．课程设计的目的 (1)使学生通过实验体会一些主要的分割算子对图像处理的效果，以及各 种因素对分割效果的影响 (2)使用Matlab软件进行图像的分割 (3)能够进行自行评价各主要算子在无噪声条件下和噪声条件下的分割 性能 (4)能够掌握分割条件（阈值等）的选择 (5)完成规定图像的处理并要求正确评价处理结果，能够从理论上做出合 理的解释 2．课程设计的要求 （1）能对图像文件（bmp,jpg,tiff,gif）进行打开，保存，退出等功能操作 （2）包含功能模块：图像的边缘检测（使用不同梯度算子和拉普拉斯算子）（3）封闭轮廓边界 （4）区域分割算法：阈值分割，区域生长等
3．前言 3.1图像阈值分割技术基本原理 所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。同时它也是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准]5[。 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分称为目标或前景(其他部分称为背景)，他们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将他们分离提取出来，在此基础上才有可能对目标进一步利用。图像分割就是指把图像分成格局特性的区域并提取出感兴趣目标的技术和过程。这里特性可以是象素的灰度、颜色、纹理等，预先定义的目标可以对应单个区域，也可以对应多个区域。现有的图像分割算法有：阈值分割、边缘检测和区域提取法。本文着重研究基于阈值法的图像分割技术。 若图像中目标和背景具有不同的灰度集合：目标灰度集合与背景灰度集合，且两个灰度集合可用一个灰度级阈值T进行分割。这样就可以用阈值分割灰度级的方法在图像中分割出目标区域与背景区域，这种方法称为灰度阈值分割方法。 在物体与背景有较强的对比度的图像中，此种方法应用特别有效。比如说物体内部灰度分布均匀一致，背景在另一个灰度级上也分布均匀，这时利用阈值可以将目标与背景分割得很好。如果目标和背景的差别是某些其他特征而不是灰度特征时，那么先将这些特征差别转化为灰度差别，然后再应用阈值分割方法进行处理，这样使用阈值分割技术也可能是有效的
图像边缘检测及提取,分水岭算法
1.几种算子图像边缘提取: 程序代码如下: 运行结果: 原图为一堆苹果(彩图),各算子处理后的边缘提取图:
分水岭算法实现: a.直接对图像进行分水岭算法处理 代码如下：（原图还是上题一堆苹果） 运行结果如右图： 很明显，属于过度分割了。下面有改进算法： b.改进算法代码如下： 实现包括下列步骤： (1)读图像。读入图像 (2)对比度最大化。注意到图像中有许多彼此连通的 不同大小的对象。为使通过watershed变换找到的低 谷数目最小，我们使感兴趣的对象的对比度达到最 大。对比度增强的一个常用的技术是综合应用top— hat和bottom—hat变换。 top—hat变换定义为原图像和它的开之差。图像的 开是一与特定结构元素匹配的图像前景部分的集合。 bottom—hat变换定义为在原图像和它的闭之间的 差。图像的闭是一与特定结构元素匹配的图像背景 的集合。 通用的结构元素是正方形，长方形，圆盘，菱 形，球和线。既然图像中我们感兴趣的目标对象看 起来像圆盘，我们用strel函数建立一个半径为15个 像素的圆盘形结构元素。这个圆盘尺度是图像中的 目标对象的平均半径的一个估计。 (3)图像相加减。为使目标对象与分隔它们的间隙之 间的对比达到最大，用“原图top—hat图像+bottom —hat图像”得到增强的结果图。 ( 4)转换感兴趣的对象。调用watershed变换找出图像 的亮度”低谷”，把imcomplement作用 增强过的图像上，将感兴趣的目标对象转换为亮度低谷，得到增强图的补图。 (5)检测亮度低谷。对所得补图运用imextendedmin函数检测低于某特别阈值的所有亮度低谷。
数字音频水印技术研究综述
数字音频水印技术研究综述X 王向阳1o,杨红颖1 (1辽宁师范大学计算机与信息技术学院,116029,辽宁省大连市;o中国科学院软件研究所信息安全国家重点实验室,100039,北京市) 摘要:对数字音频水印技术的相关概念和现有各类算法进行了较为系统地描述与分析,并对数字音频水印技术的未来发展方向和前景进行了预测,以期进一步推动我国在此前沿领域的研究工作. 关键词:知识产权保护;数字音频水印;透明性;鲁棒性 中图分类号:TP391文献标识码:A文章编号:1001_5337(2005)04_0119_06 1前言 伴随着网络技术(特别是Internet技术)与多媒体技术的飞速发展,数字信息的传输与利用日益变得频繁与广泛.鉴于数字信息极易被无限制任意编辑、复制与散布,从而导致数字媒体作品的原创者蒙受巨大经济损失,数字作品的知识产权保护已经成为一个迫切需要解决的关键问题.而传统加密技术只能提供小范围保护,且具有安全性不足和流通性较差等弱点.数字水印(Digital Watermarking)作为一种潜在的解决方案受到了广泛关注,并成为国际学术界研究的一个热点[1].所谓数字水印技术,就是将一种特殊标志信息(伪随机序列或可识别图案文字)嵌入到数字媒体中,用以辨识数据的版权、合法使用者,从而认证或控制数据的使用.数字水印的分类方法多种多样.依据应用范围,通常可以把数字水印技术划分为图像水印技术、视频水印技术和音频水印技术. 近几年,对图像水印技术和视频水印技术(尤其是图像水印技术)的研究很多,而对于数字音频水印技术的研究却鲜有报道[2,3],这是由于:￥与图像和视频相比,音频信号在每个时间间隔内采样的点数要少得多,意味着音频信号中可嵌入的信息量要比可视媒体少得多.|人类听觉系统(HAS)要比人类视觉系统(HVS)灵敏得多,听觉上的不可知觉性实现起来要比视觉上困难得多.§数字音频水印对信号的同步有比较高的要求.然而,随着MP3、MPEG、AC-3等新一代压缩标准的广泛应用,对数字音频作品(例如音乐作品等)的知识产权保护显得越来越重要. 为了推动数字音频水印技术研究领域的发展,本文通过系统整理分析相关研究文献,对数字音频水印技术的相关概念、研究现状、未来研究方向进行了综述. 2数字音频水印技术简介 2.1典型数字音频水印系统模型 一般说来,完整的数字音频水印系统包括三个基本方面:水印的生成、水印的嵌入和水印的提取或检测.数字音频水印技术实际上是通过对原始数字音频的分析、水印信息的预处理、嵌入位置的选择、嵌入方式的设计、嵌入调制的控制等几个相关技术环节进行合理优化,寻求满足透明性、安全可靠性、鲁棒性等诸条件(参见2.2节)约束下的准最优化设计问题.而作为数字音频水印信息的重要组成部分)))密钥,则是每个设计方案的一个重要特色所在.往往可以在水印预处理、嵌入位置选择和调制控制等不同环节入手完成密钥的嵌入. 整个数字音频水印系统[4]的基本框架如图1和图2所示. 图1展示了数字音频水印的嵌入过程.该系统的输入是水印信息W、原始数字音频I和一个可选的私有公有密钥K.其中水印信息可以是任何形式 第31卷第4期2005年10月 曲阜师范大学学报 Journal of Qufu Normal University Vol.31No.4 Oct.2005 X收稿日期:2005-10-04 基金项目:辽宁省自然科学基金(20032100)和信息安全国家重点实验室开放基金(03-02)资助. 作者简介:王向阳,男,1965-,硕士,教授;主要研究方向:网络信息安全技术、多媒体信息处理技术.
彩色图像的灰度化处理
第1章绪论 1.1数字图像 数字图像，又称数码图像或数位图像，是二维图像用有限数字数值像素的表示。数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用计算机或数字电路存储和处理的图像。 像素（或像元，Pixel）是数字图像的基本元素，像素是在模拟图像数字化时对连续空间进行离散化得到的。每个像素具有整数行（高）和列（宽）位置坐标，同时每个像素都具有整数灰度值或颜色值。 通常，像素在计算机中保存为二维整数数阻的光栅图像，这些值经常用压缩格式进行传输和储存。数字图像可以许多不同的输入设备和技术生成，例如数码相机、扫描仪、坐标测量机、seismographic profiling、airborne radar等等，也可以从任意的非图像数据合成得到，例如数学函数或者三维几何模型，三维几何模型是计算机图形学的一个主要分支。数字图像处理领域就是研究它们的变换算法。 1.2设计平台 本次设计采用的平台是MATLAB 7.0。MATLAB编程语言被业界称为第四代计算机语言，它允许按照数学推导的习惯编写程序。MATLAB7.0的工作环境包括当前工作窗口、命令历史记录窗口、命令控制窗口、图形处理窗口、当前路径选择菜单、程序编辑器、变量查看器、模型编辑器、GUI编辑器以及丰富的函数库和MATLAB附带的大量M文件。 MATLAB是由美国Math Works公司生产的一个为科学和工程计算专门设计的交互式大型软件，是一个可以完成各种计算和数据处理的、可视化的、强大的计算工具。它集图示和精确计算于一身，在应用数学、物理、化工、机电工程、医药、金融和其他需要进行复杂计算的领域得到了广泛应用。MATLAB作为一种科学计算的高级语言之所以受欢迎，就是因为它有丰富的函数资源和工具箱资源，编程人员可以根据自己的需要选择函数，而无需再去编写大量繁琐的程序代码，从而减轻了编程人员的工作负担，被称为第四代编程语言。 在MATLAB设计环境中，图像处理工具箱提供一套全方位的参照标准算法
基于灰度直方图的图像分割阈值自适应选取方法
中北大学 毕业设计（论文）任务书 学院、系： 专业： 学生姓名：车永健学号： 设计(论文)题目：基于灰度直方图的图像分割阈值自适应选取方法 起迄日期: 2015年3月9日~2015年6月20日设计(论文)地点: 指导教师:郭晨霞 系主任: 发任务书日期:2015年 2 月25 日
任务书填写要求 1．毕业设计（论文）任务书由指导教师根据各课题的具体情况填写，经学生所在系的负责人审查、系领导签字后生效。此任务书应在毕业设计（论文）开始前一周内填好并发给学生； 2．任务书内容必须用黑墨水笔工整书写或按教务处统一设计的电子文档标准格式（可从教务处网页上下载）打印，不得随便涂改或潦草书写，禁止打印在其它纸上后剪贴； 3．任务书内填写的内容，必须和学生毕业设计（论文）完成的情况相一致，若有变更，应当经过所在专业及系主管领导审批后方可重新填写； 4．任务书内有关“学院、系”、“专业”等名称的填写，应写中文全称，不能写数字代码。学生的“学号”要写全号（如020*******,为10位数），不能只写最后2位或1位数字； 5．有关年月日等日期的填写，应当按照国标GB/T 7408—94《数据元和交换格式、信息交换、日期和时间表示法》规定的要求，一律用阿拉伯数字书写。如“2004年3月15日”或“2004-03-15”。
毕业设计（论文）任务书
毕业设计（论文）任务书 3．对毕业设计（论文）课题成果的要求〔包括毕业设计(论文)、图纸、实物样品等)： 1、论文一份； 2、程序代码及图像结果； 3、英文翻译一份。 4．毕业设计（论文）课题工作进度计划： 起迄日期工作内容 2015年 3月 9 日~ 3 月20日 4 月 1 日~ 4月 20 日 4 月 21 日~ 5月 10 日 5 月 11 日~ 6月 15 日 6 月 16 日~ 6月 19 日查找资料，完成开题报告； 学习有关知识，方案确定，完成中期报告；完善算法并仿真验证； 撰写、修改、评阅毕业论文； 论文答辩 学生所在系审查意见： 系主任： 年月日