数字图像处理系统及应用实例

数字图像处理系统及应用实例第一页，共二十三页，编辑于2023年，星期日9.1

数字图像处理系统数字图像处理系统结构框图

第二页，共二十三页，编辑于2023年，星期日9.1.1

数字图像处理系统的分类通用和专用:通用系统主要用于方法研究、大型计算、多媒体技术研究、视频制作等专用型处理系统一般用于特殊用途，处理任务单一，但对系统体积、重量、处理速度、功耗、成本等有特定的要求，数字信号处理器（DSP）第三页，共二十三页，编辑于2023年，星期日高、中、低档高速信号处理芯片设计而成，采用多CPU或多机结构，具有适合图像和信号处理特有规律的并行阵列图像处理器中档系统以小型机或工作站为主控计算机，加上图像处理器构成。这类系统具有较强的交互处理能力，同时，由于用通用机做主控机，因而在系统环境下，具有较好的再开发能力低档的计算机图像处理系统由计算机加上图像采集卡构成，其结构简单，是一种便于普及和推广的图像处理系统9.1.1

数字图像处理系统的分类第四页，共二十三页，编辑于2023年，星期日从图像传感器的敏感区看

可分成可见光、红外、近红外、X射线、雷达、伽玛射线、超声波等图像处理系统从采集部件与景物的距离上来分

可分为遥感、宏观和微观图像处理系统9.1.1

数字图像处理系统的分类第五页，共二十三页，编辑于2023年，星期日9.1.2

计算机图像处理系统的基本构成1．图像采集部件2．图像处理部件3．识别结果的输出部件一种是根据图像处理的结果做出判断另一种则是以图像为输出形式。输出方式有屏幕输出、打印输出和视频硬拷贝输出第六页，共二十三页，编辑于2023年，星期日9.2

应用实例9.2.1生物医学图像的处理9.2.2DSP组成的目标检测与识别系统9.2.3高分辨率遥感影像道路提取9.2.4立体视觉系统第七页，共二十三页，编辑于2023年，星期日9.2.1

生物医学图像的处理

细胞图像自动分割流程图边缘检测目标定位区域生长目标分割第八页，共二十三页，编辑于2023年，星期日免疫细胞图像自动分割的过程示意图a)一幅免疫细胞图像b)边缘检测的结果c)目标定位并与b)叠加的结果

d)计算目标中心点e)计算目标所在矩形f)在矩形框内分割图像

a)b)c)

d)e)f)

9.2.1

生物医学图像的处理第九页，共二十三页，编辑于2023年，星期日

a)原图b)边缘检测的结果

椭圆目标的位置检测过程示意图c)从边缘点沿梯度方向做扇形d)累加器累加的结果 e)对d取阈值并与b叠加 f)计算中心点9.2.1

生物医学图像的处理第十页，共二十三页，编辑于2023年，星期日9.2.2

DSP组成的目标检测与识别系统1．DSP实现目标检测识别的基本框图第十一页，共二十三页，编辑于2023年，星期日

2．图像算法的处理流程

目标分割目标识别

目标跟踪

视频合成

图像预处理图像处理流程

9.2.2

DSP组成的目标检测与识别系统第十二页，共二十三页，编辑于2023年，星期日

3．算法中的关键技术1）空域高通滤波将小目标进行增强，提高它的信噪比。2）自适应门限分割技术。3）图像特征匹配，通过多帧检测，识别出真正的目标。9.2.2

DSP组成的目标检测与识别系统第十三页，共二十三页，编辑于2023年，星期日9.2.3

高分辨率遥感影像道路提取

1．用灰度级标准差检测直线假设图像空间中的一条角度为、截距为的直线，映射其灰度级标准方差到参数空间上的一点，该点的值可由以下公式求得,第十四页，共二十三页，编辑于2023年，星期日该变换的原理如图所示a)图像空间b)在方向上投影c)映射方差特征到参数空间9.2.3

高分辨率遥感影像道路提取第十五页，共二十三页，编辑于2023年，星期日

2．梯度矢量均值约束的线目标检测对原始图像进行梯度变换，对梯度矢量进行统计，用梯度矢量均值来代替上一节处的值，就得到了梯度矢量在参数空间中的统计特性。9.2.3

高分辨率遥感影像道路提取第十六页，共二十三页，编辑于2023年，星期日9.2.4

立体视觉系统

1）视觉导航智能视觉导航越野车

第十七页，共二十三页，编辑于2023年，星期日立体视觉系统的硬件结构

障碍物检测流程

9.2.4

立体视觉系统边缘检测特征融合计算视差计算距离第十八页，共二十三页，编辑于2023年，星期日

2）利用立体视觉原理进行地图绘制地图绘制算法流程

9.2.4

立体视觉系统边缘检测轮廓匹配计算视差计算距离精细匹配第十九页，共二十三页，编辑于2023年，星期日轮廓匹配结果

9.2.4

立体视觉系统第二十页，共二十三页，编辑于2023年，星期日边缘精细匹配结果

9.2.4

立体视觉系统第二十一页，共二十三页，