引论：我们为您整理了13篇图像处理技术论文范文，供您借鉴以丰富您的创作。它们是您写作时的宝贵资源，期望它们能够激发您的创作灵感，让您的文章更具深度。
篇1
近20多年来，医学影像已成为医学技术中发展最快的领域之一，其结果使临床医生对人体内部病变部位的观察更直接、更清晰，确诊率也更高。20世纪70年代初，X-CT的发明曾引发了医学影像领域的一场革命，与此同时，核磁共振成像象(MRI:MagneticResonanceImaging)、超声成像、数字射线照相术、发射型计算机成像和核素成像等也逐步发展。计算机和医学图像处理技术作为这些成像技术的发展基础，带动着现代医学诊断正产生着深刻的变革。各种新的医学成像方法的临床应用，使医学诊断和治疗技术取得了很大的进展，同时将各种成像技术得到的信息进行互补，也为临床诊断及生物医学研究提供了有力的科学依据。
在目前的影像医疗诊断中,主要是通过观察一组二维切片图象去发现病变体,往往需要借助医生的经验来判定。至于准确的确定病变体的空间位置、大小、几何形状及与周围生物组织的空间关系,仅通过观察二维切片图象是很难实现的。因此,利用计算机图象处理技术对二维切片图象进行分析和处理,实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示,可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析,可以大大提高医疗诊断的准确性和可靠性。此外,它在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用。
本文对医学图像处理技术中的图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。
2．医学图像三维可视化技术
2.1三维可视化概述
医学图像的三维可视化的方法很多，但基本步骤大体相同，如图.。从#$/&’(或超声等成像系统获得二维断层图像，然后需要将图像格式（如0(#1&）转化成计算机方便处理的格式。通过二维滤波，减少图像的噪声影响，提高信噪比和消除图像的尾迹。采取图像插值方法，对医学关键部位进行各向同性处理，获得体数据。经过三维滤波后，不同组织器官需要进行分割和归类，对同一部位的不同图像进行配准和融合，以利于进一步对某感兴趣部位的操作。根据不同的三维可视化要求和系统平台的能力，选择不同的方法进行三维体绘制，实现三维重构。
2.2关键技术：
图像分割是三维重构的基础，分割效果直接影像三维重构的精确度。图像分割是将图像分割成有意义的子区域，由于医学图像的各区域没有清楚的边界，为了解决在医学图像分割中遇到不确定性的问题，引入模糊理论的模糊阀值、模糊边界和模糊聚类等概念。快速准确的分离出解剖结构和定位区域位置和形状，自动或半自动的图像分割方法是非常重要的。在实际应用中有聚类法、统计学模型、弹性模型、区域生长、神经网络等适用于医学图像分割的具体方法。
由于可以对同一部位用不同的成像仪器多次成像，或用同一台仪器多次成像，这样产生了多模态图像。多模态图像提供的信息经常相互覆盖和具有互补性，为了综合使用多种成像模式以提供更全面的信息，需要对各个模态的原始图像进行配准和数据融合，其整个过程称为数据整合。整合的第一步是将多个医学图像的信息转换到一个公共的坐标框架内的研究，使多幅图像在空间域中达到几何位置的完全对应，称为三维医学图像的配准问题。建立配准关系后，将多个图像的数据合成表示的过程，称为融合。在医学应用中，不同模态的图像还提供了不互相覆盖的结构互补信息，比如，当CT提供的是骨信息，MRI提供的关于软组织的信息，所以可以用逻辑运算的方法来实现它们图像的合成。
当分割归类或数据整合结束后，对体数据进行体绘制。体绘制一般分为直接体绘制和间接体绘制，由于三维医学图像数据量很大，采用直接体绘制方法，计算量过重，特别在远程应用和交互操作中，所以一般多采用间接体绘制。在图形工作站上可以进行直接体绘制，近来随着计算机硬件快速发展，新的算法，如三维纹理映射技术，考虑了计算机图形硬件的特定功能及体绘制过程中的各种优化方法，从而大大地提高了直接体绘制的速度。体绘制根据所用的投影算法不同加以分类，分为以对象空间为序的算法（又称为体素投影法）和以图像空间为序的算法!又称为光线投射法"，一般来说，体素投影法绘制的速度比光线投射法快。由于三维医学图像的绘制目的在于看见内部组织的细节，真实感并不是最重要的，所以在医学应用中的绘制要突出特定诊断所需要的信息，而忽略无关信息。另外，高度的可交互性是三维医学图像绘制的另一个要求，即要求一些常见操作，如旋转，放大，移动，具有很好的实时性，或至少是在一个可以忍受的响应时间内完成。这意味着在医学图像绘制中，绘制时间短的可视化方法更为实用。
未来的三维可视化技术将与虚拟现实技术相结合，不仅仅是获得体数据的工具，更主要的是能创造一个虚拟环境。
3．医学图像分割
医学图像分割就是一个根据区域间的相似或不同把图像分割成若干区域的过程。目前,主要以各种细胞、组织与器官的图像作为处理的对象，图像分割技术主要基于以下几种理论方法。
3.1基于统计学的方法
统计方法是近年来比较流行的医学图像分割方法。从统计学出发的图像分割方法把图像中各个像素点的灰度值看作是具有一定概率分布的随机变量,观察到的图像是对实际物体做了某种变换并加入噪声的结果,因而要正确分割图像,从统计学的角度来看,就是要找出以最大的概率得到该图像的物体组合。用吉布斯（Gibbs）分布表示的Markov随机场(MRF)模型,能够简单地通过势能形式表示图像像素之间的相互关系,因此周刚慧等结合人脑MR图像的空间关系定义Markov随机场的能量形式,然后通过最大后验概率(MAP)方法估计Markov随机场的参数,并通过迭代方法求解。层次MRF采用基于直方图的DAEM算法估计标准有限正交混合(SFNM)参数的全局最优值,并基于MRF先验参数的实际意义,采用一种近似的方法来简化这些参数的估计。林亚忠等采用的混合金字塔Gibbs随机场模型,有效地解决了传统最大后验估计计算量庞大和Gibbs随机场模型参数无监督及估计难等问题,使分割结果更为可靠。
3.2基于模糊集理论的方法
医学图像一般较为复杂，有许多不确定性和不精确性，也即模糊性。所以有人将模糊理论引入到图像处理与分析中，其中包括用模糊理论来解决分割问题。基于模糊理论的图形分割方法包括模糊阈值分割方法、模糊聚类分割方法等。模糊阈值分割技术利用不同的S型隶属函数来定义模糊目标，通过优化过程最后选择一个具有最小不确定性的S函数，用该函数表示目标像素之间的关系。这种方法的难点在于隶属函数的选择。模糊C均值聚类分割方法通过优化表示图像像素点与C各类中心之间的相似性的目标函数来获得局部极大值，从而得到最优聚类。Venkateswarlu等[改进计算过程，提出了一种快速的聚类算法。
3.2.1基于模糊理论的方法
模糊分割技术是在模糊集合理论基础上发展起来的,它可以很好地处理MR图像内在的模糊性和不确定性,而且对噪声不敏感。模糊分割技术主要有模糊阈值、模糊聚类、模糊边缘检测等。在各种模糊分割技术中,近年来模糊聚类技术,特别是模糊C-均值(FCM)聚类技术的应用最为广泛。FCM是一种非监督模糊聚类后的标定过程,非常适合存在不确定性和模糊性特点的MR图像。然而,FCM算法本质上是一种局部搜索寻优技术,它的迭代过程采用爬山技术来寻找最优解,因此容易陷入局部极小值,而得不到全局最优解。近年来相继出现了许多改进的FCM分割算法,其中快速模糊分割(FFCM)是最近模糊分割的研究热点。FFCM算法对传统FCM算法的初始化进行了改进,用K-均值聚类的结果作为模糊聚类中心的初值,通过减少FCM的迭代次数来提高模糊聚类的速度。它实际上是两次寻优的迭代过程,首先由K-均值聚类得到聚类中心的次最优解,再由FCM进行模糊聚类,最终得到图像的最优模糊分割。
3.2.2基于神经网络的方法
按拓扑机构来分,神经网络技术可分为前向神经网络、反馈神经网络和自组织映射神经网络。目前已有各种类型的神经网络应用于医学图像分割,如江宝钏等利用MRI多回波性,采用有指导的BP神经网络作为分类器,对脑部MR图像进行自动分割。而Ahmed和Farag则是用自组织Kohenen网络对CT/MRI脑切片图像进行分割和标注,并将具有几何不变性的图像特征以模式的形式输入到Kohenen网络,进行无指导的体素聚类,以得到感兴趣区域。模糊神经网络(FNN)分割技术越来越多地得到学者们的青睐,黄永锋等提出了一种基于FNN的颅脑MRI半自动分割技术,仅对神经网络处理前和处理后的数据进行模糊化和去模糊化,其分割结果表明FNN分割技术的抗噪和抗模糊能力更强。
3.2.3基于小波分析的分割方法
小波变换是近年来得到广泛应用的一种数学工具，由于它具有良好的时一频局部化特征、尺度变化特征和方向特征，因此在图像处理上得到了广泛的应用。
小波变换和分析作为一种多尺度多通道分析工具，比较适合对图像进行多尺度的边缘检测，典型的有如Mallat小波模极大值边缘检测算法[6
3.3基于知识的方法
基于知识的分割方法主要包括两方面的内容:(1)知识的获取,即归纳提取相关知识,建立知识库；(2)知识的应用,即有效地利用知识实现图像的自动分割。其知识来源主要有:(1)临床知识,即某种疾病的症状及它们所处的位置；(2)解剖学知识,即某器官的解剖学和形态学信息,及其几何学与拓扑学的关系,这种知识通常用图谱表示；(3)成像知识,这类知识与成像方法和具体设备有关；(4)统计知识,如MI的质子密度(PD)、T1和T2统计数据。Costin等提出了一种基于知识的模糊分割技术,首先对图像进行模糊化处理,然后利用相应的知识对各组织进行模糊边缘检测。而谢逢等则提出了一种基于知识的人脑三维医学图像分割显示的方法。首先,以框架为主要表示方法,建立完整的人脑三维知识模型,包含脑组织几何形态、生理功能、图像灰度三方面的信息；然后,采用“智能光线跟踪”方法,在模型知识指导下直接从体积数据中提取并显示各组织器官的表面。
3.4基于模型的方法
该方法根据图像的先验知识建立模型,有动态轮廓模型(ActiveContourModel,又称Snake)、组合优化模型等,其中Snake最为常用。Snake算法的能量函数采用积分运算,具有较好的抗噪性,对目标的局部模糊也不敏感,但其结果常依赖于参数初始化,不具有足够的拓扑适应性,因此很多学者将Snake与其它方法结合起来使用,如王蓓等利用图像的先验知识与Snake结合的方法,避开图像的一些局部极小点,克服了Snake方法的一些不足。Raquel等将径向基网络(RBFNNcc)与Snake相结合建立了一种混合模型,该模型具有以下特点:(1)该混合模型是静态网络和动态模型的有机结合；(2)Snake的初始化轮廓由RBFNNcc提供；(3)Snake的初始化轮廓给出了最佳的控制点；(4)Snake的能量方程中包含了图像的多谱信息。Luo等提出了一种将livewire算法与Snake相结合的医学图像序列的交互式分割算法,该算法的特点是在少数用户交互的基础上,可以快速可靠地得到一个医学图像序列的分割结果。
由于医学图像分割问题本身的困难性，目前的方法都是针对某个具体任务而言的，还没有一个通用的解决方法。综观近几年图像分割领域的文献，可见医学图像分割方法研究的几个显著特点：（1）学者们逐渐认识到现有任何一种单独的图像分割算法都难以对一般图像取得比较满意的结果，因而更加注重多种分割算法的有效结合；（2）在目前无法完全由计算机来完成图像分割任务的情况下，半自动的分割方法引起了人们的广泛注意，如何才能充分利用计算机的运算能力，使人仅在必要的时候进行必不可少的干预，从而得到满意的分割结果是交互式分割方法的核心问题；（3）新的分割方法的研究主要以自动、精确、快速、自适应和鲁棒性等几个方向作为研究目标，经典分割技术与现代分割技术的综合利用（集成技术）是今后医学图像分割技术的发展方向。
4．医学图像配准和融合
医学图像可以分为解剖图像和功能图像2个部分。解剖图像主要描述人体形态信息，功能图像主要描述人体代谢信息。为了综合使用多种成像模式以提供更全面的信息，常常需要将有效信息进行整合。整合的第一步就是使多幅图像在空间域中达到几何位置的完全对应，这一步骤称为“配准”。整合的第二步就是将配准后图像进行信息的整合显示，这一步骤称为“融合”。
在临床诊断上，医生常常需要各种医学图像的支持，如CT、MRI、PET、SPECT以及超声图像等，但无论哪一类的医学图像往往都难以提供全面的信息，这就需要将患者的各种图像信息综合研究19]，而要做到这一点，首先必须解决图像的配准(或叫匹配)和融合问题。医学图像配准是确定两幅或多幅医学图像像素的空间对应关系；而融合是指将不同形式的医学图像中的信息综合到一起，形成新的图像的过程。图像配准是图像融合必需的预处理技术，反过来，图像融合是图像配准的一个目的。
4.1医学图像配准
医学图像配准包括图像的定位和转换，即通过寻找一种空间变换使两幅图像对应点达到空间位置上的配准，配准的结果应使两幅图像上所有关键的解剖点或感兴趣的关键点达到匹配。20世纪90年代以来，医学图像配准的研究受到了国内外医学界和工程界的高度重视，1993年Petra等]综述了二维图像的配准方法，并根据配准基准的特性，将图像配准的方法分为两大类：基于外部特征（有框架）的图像配准和基于内部特征（无框架）的图像配准。基于外部特征的方法包括立体定位框架法、面膜法及皮肤标记法等。基于外部特征的图像配准，简单易行，易实现自动化，能够获得较高的精度，可以作为评估无框架配准算法的标准。但对标记物的放置要求高，只能用于同一患者不同影像模式之间的配准，不适用于患者之间和患者图像与图谱之间的配准，不能对历史图像做回溯性研究。基于内部特征的方法是根据一些用户能识别出的解剖点、医学图像中相对运动较小的结构及图像内部体素的灰度信息进行配准。基于内部特征的方法包括手工交互法、对应点配准法、结构配准法、矩配准法及相关配准法。基于内部特征的图像配准是一种交互性方法，可以进行回顾性研究，不会造成患者不适，故基于内部特征的图像配准成为研究的重点。
近年来，医学图像配准技术有了新的进展，在配准方法上应用了信息学的理论和方法，例如应用最大化的互信息量作为配准准则进行图像的配准，在配准对象方面从二维图像发展到三维多模医学图像的配准。例如Luo等利用最大互信息法对CT-MR和MR-PET三维全脑数据进行了配准，结果全部达到亚像素级配准精度。在医学图像配准技术方面引入信号处理技术，例如傅氏变换和小波变换。小波技术在空间和频域上具有良好的局部特性，在空间和频域都具有较高的分辨率，应用小波技术多分辨地描述图像细貌，使图像由粗到细的分级快速匹配，是近年来医学图像配准的发展之一。国内外学者在这方面作了大量的工作，如Sharman等提出了一种基于小波变换的自动配准刚体图像方法，使用小波变换获得多模图像特征点然后进行图像配准，提高了配准的准确性。另外，非线性配准也是近年来研究的热点，它对于非刚性对象的图像配准更加适用，配准结果更加准确。
目前许多医学图像配准技术主要是针对刚性体的配准，非刚性图像的配准虽然已经提出一些解决的方法，但同刚性图像相比还不成熟。另外，医学图像配准缺少实时性和准确性及有效的全自动的配准策略。向快速和准确方面改进算法，使用最优化策略改进图像配准以及对非刚性图像配准的研究是今后医学图像配准技术的发展方向。
4.2医学图像融合
图像融合的主要目的是通过对多幅图像间的冗余数据的处理来提高图像的可读性,对多幅图像间的互补信息的处理来提高图像的清晰度。不同的医学影像设备获取的影像反映了不同的信息：功能图像（SPECT、PET等）分辨率较差，但它提供的脏器功能代谢和血液流动信息是解剖图像所不能替代的；解剖图像（CT、MRI、B超等）以较高的分辨率提供了脏器的解剖形态信息，其中CT有利于更致密的组织的探测，而MRI能够提供软组织的更多信息。多模态医学图像的融合把有价值的生理功能信息与精确的解剖结构结合在一起，可以为临床提供更加全面和准确的资料。
医学图像的融合可分为图像融合的基础和融合图像的显示。（1）图像融合的基础：目前的图像融合技术可以分为2大类，一类是以图像像素为基础的融合法；另一类是以图像特征为基础的融合方法。以图像像素为基础的融合法模型可以表示为：
其中，为融合图像，为源图像，为相应的权重。以图像特征为基础的融合方法在原理上不够直观且算法复杂，但是其实现效果较好。图像融合的步骤一般为：①将源图像分别变换至一定变换域上；②在变换域上设计一定特征选择规则；③根据选取的规则在变换域上创建融合图像；④逆变换重建融合图像。（2）融合图像的显示：融合图像的显示方法可分成2种：空间维显示和时间维显示。
目前，医学图像融合技术中还存在较多困难与不足。首先，基本的理论框架和有效的广义融合模型尚未形成。以致现有的技术方法还只是针对具体病症、具体问题发挥作用，通用性相对较弱。研究的图像以CT、MRI、核医学图像为主，超声等成本较低的图像研究较少且研究主要集中于大脑、肿瘤成像等；其次，由于成像系统的成像原理的差异，其图像采集方式、格式以及图像的大小、质量、空间与时间特性等差异大，因此研究稳定且精度较高的全自动医学图像配准与融合方法是图像融合技术的难点之一；最后，缺乏能够客观评价不同融合方法融合效果优劣的标准，通常用目测的方法比较融合效果，有时还需要利用到医生的经验。
在图像融合技术研究中，不断有新的方法出现，其中小波变换在图像融合中的应用，基于有限元分析的非线性配准以及人工智能技术在图像融合中的应用将是今后图像融合研究的热点与方向。随着三维重建显示技术的发展，三维图像融合技术的研究也越来越受到重视，三维图像的融合和信息表达，也将是图像融合研究的一个重点。
5．医学图像纹理分析
一般认为图像的纹理特征描述物体表面灰度或颜色的变化,这种变化与物体自身属性有关,是某种纹理基元的重复。Sklansky早在1978年给出了一个较为适合于医学图像的纹理定义:“如果图像的一系列固有的统计特性或其它的特性是稳定的、缓慢变化的或者是近似周期的,那么则认为图像的区域具有不变的纹理”。纹理的不变性即指纹理图像的分析结果不会受到旋转、平移、以及其它几何处理的影响。目前从图像像素之间的关系角度,纹理分析方法主要包括以下几种。
5.1统计法
统计分析方法主要是基于图像像素的灰度值的分布与相互关系,找出反映这些关系的特征。基本原理是选择不同的统计量对纹理图像的统计特征进行提取。这类方法一般原理简单,较易实现,但适用范围受到限制。该方法主要适合医学图像中那些没有明显规则性的结构图像,特别适合于具有随机的、非均匀性的结构。统计分析方法中,最常用的是共生矩阵法,其中有灰度共生矩阵(graylevelco-occurrencematrix,GLCM)和灰度—梯度共生矩阵。杜克大学的R.Voracek等使用GLCM对肋间周边区提取的兴趣区(regionofinterest,ROI)进行计算,测出了有意义的纹理参数。另外,还有长游程法(runlengthmatrix,RLM),其纹理特征包括短游程优势、长游程优势、灰度非均匀化、游程非均匀化、游程百分比等,长游程法是对图像灰度关系的高阶统计,对于给定的灰度游程,粗的纹理具有较大的游程长度,而细的纹理具有较小的游程长度。
5.2结构法
结构分析方法是分析纹理图像的结构,从中获取结构特征。结构分析法首先将纹理看成是有许多纹理基元按照一定的位置规则组成的,然后分两个步骤处理（1）提取纹理基元；（2）推论纹理基元位置规律。目前主要用数学形态学方法处理纹理图像,该方法适合于规则和周期性纹理,但由于医学图像纹理通常不是很规则,因此该方法的应用也受到限制,实际中较少采用。
5.3模型法
模型分析方法认为一个像素与其邻域像素存在某种相互关系,这种关系可以是线性的,也可以是符合某种概率关系的。模型法通常有自回归模型、马尔科夫随机场模型、Gibbs随机场模型、分形模型,这些方法都是用模型系数来表征纹理图像,其关键在于首先要对纹理图像的结构进行分析以选择到最适合的模型,其次为如何估计这些模型系数。如何通过求模型参数来提取纹理特征,进行纹理分析,这类方法存在着计算量大,自然纹理很难用单一模型表达的缺点。
5.4频谱法
频谱分析方法主要基于滤波器理论，包括傅立叶变换法、Gabor变换法和小波变换法。
1973年Bajcsy使用傅立叶滤波器方法分析纹理。Indhal等利用2-D快速傅立叶变换对纹理图像进行频谱分析,从而获得纹理特征。该方法只能完成图像的频率分解,因而获得的信息不是很充分。1980年Laws对图像进行傅氏变换,得出图像的功率谱,从而提取纹理特征进行分析。
Gabor函数可以捕捉到相当多的纹理信息,且具有极佳的空间/频域联合分辨率,因此在实际中获得了较广泛的应用。小波变换法大体分金子塔形小波变换法和树形小波变换法(小波包法)。
小波变换在纹理分析中的应用是Mallat在1989年首先提出的,主要用二值小波变换(DiscreteWaveletTransform,DWT),之后各种小波变换被用于抽取纹理特征。传统的金字塔小波变换在各分解级仅对低频部分进行分解,所以利用金字塔小波变换进行纹理特征提取是仅利用了纹理图像低频子带的信息,但对某些纹理,其中高频子带仍含有有关纹理的重要特征信息(如对具有明显的不规则纹理的图像,即其高频子带仍含有有关纹理的重要特征)得不到利用。使用在每个分解级对所有的频率通道均进行分解的完全树结构小波变换提取特征,能够较全面地提取有关纹理特征。
由于医学图像及其纹理的复杂性，目前还不存在通用的适合各类医学图像进行纹理分析的方法，因而对于各类不同特点的医学图像就必须采取有针对性地最适合的纹理分析技术。另外，在应用某一种纹理分析方法对图像进行分析时，寻求最优的纹理特征与纹理参数也是目前医学图像纹理分析中的重点和难点。
6．总结
随着远程医疗技术的蓬勃发展，对医学图像处理提出的要求也越来越高。医学图像处理技术发展至今，各个学科的交叉渗透已是发展的必然趋势，其中还有很多亟待解决的问题。有效地提高医学图像处理技术的水平，与多学科理论的交叉融合、医务人员和理论技术人员之间的交流就显得越来越重要。多维、多参数以及多模式图像在临床诊断（包括病灶检测、定性，脏器功能评估，血流估计等）与治疗（包括三维定位、体积计算、外科手术规划等）中将发挥更大的作用。
参考文献
[1]P.Suetens.FundamentalsofMedicalImaging[M].CambridgeUniversityPress，2002．
[2]刘俊敏，黄忠全，王世耕，张颖.医学图像处理技术的现状及发展方向[J].医疗卫生设备，2005，Vol26
（12）：25-26.
[3]田娅，饶妮妮，蒲立新.国内医学图像处理技术的最新动态[J].电子科技大学学报，2002，Vol31（5）：
485-489.
[4]周刚慧，施鹏飞．磁共振图像的随机场分割方法[J]．上海交通大学学报，2001，Vol35（11）：1655．
[5]ZhangHM，YuanZJ，CaiZM.SegmentationofMRIusinghierarchicalmarkovrandomfield[J].Journalof
Software，2002，Vol13（9）：1779.
[6]林亚忠，陈武凡，杨丰.基于混合金字塔吉布斯随机场模型的图像分割[J].中国生物医学工程学报，
2004，Vol23（1）：79.
[7]聂生东，陈瑛，顾顺德．磁共振颅脑图像快速模糊聚类分割算法研究[J]．中国生物医学工程学报，2001，
Vol20（2）：104．
[8]江宝钏，张钧良．基于BP神经网络的MRI分割[J].微机发展，2000，Vol1：67.
[9]AhmedMN，FaragA.Two-stageneuralnetworkforvolumesegmentationofmedicalimages[J].Proceedings
ofIEEEInternationalConferenceonNeuralNetworks，1997，Vol28（3）：1373.
[10]黄永峰，岑康，司京玉等.模糊神经网络在颅脑磁共振图像分割中的应用研究[J].中国生物医学工程
学报，2003，Vol22（6）：508.
[11]CostinH，RotariuCR.Knowledge-basedcontourdetectioninmedicalimagingusingfuzzylogic[J].
InternationalSymposiumonSCS’03，2003，1：273.
[12]谢逢，罗立民，田雪琴.基于知识的人脑三维医学图像分割显示方法[J].生物医学工程学杂志，1997，
Vol14（2）：124.
[13]王蓓，张立明.利用图像先验知识与Snake结合对心脏序列图像的分割[J].复旦大学学报（自然科学
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]卢健，胡志忠，杨如乃.医学图像融合技术的研究[J].上海生物医学工程，2006，Vol27（3）：163-167.
[22]王新成.高级图像处理技术[M].北京：中国科学技术出版社，2001.
[23]RVoracek，HPMcAdams，puterAidedDiagnosisofInterstitialLungDisease:aTexture
篇2
全息技术是物理学中一重要发现，越来越多的应用于各个行业。伴随着CCD技术和计算机技术的发展，全息技术也得到一次质的飞跃，从传统光学全息到数字全息。传统光学全息将物光和参考光干涉得到全息照片来记录光的振幅和相位信息，而数字全息则用CCD记录物光和参考光的干涉，形成数字全息图，再通过计算机图像处理技术处理全息图。因此，影响数字全息技术发展有两个重要方面：CCD技术和计算机图像处理技术。本文将从计算机应用方面阐述图像处理技术在全息中的应用。
1图像处理技术
图像是现代社会人们获取信息的一个主要手段。人们用各种观测系统以不同的形式和手段获得图像，以拓展其认识的范围。图像以各种形式出现，可视的、不可视的，抽象的、实际的，计算机可以处理的和不适合计算机处理的。但究其本质来说，图像主要分为两大类：一类是模拟图像，包括光学图像、照相图像、电视图像等。它的处理速度快，但精度和灵活性差。另一类是数字图像。它是将连续的模拟图像离散化后处理变成为计算机能够辨识的点阵图像。从数字上看，数字图像就是被量化的二维采样数组。它是计算机技术发展的产物，具有精度高、处理方便和重复性好等特点。
图像处理就是将图像转化为一个数字矩阵存放在计算机中，并采用一定的算法对其进行处理。图像处理的基础是数学，最主要任务就是各种算法的设计和实现。目前，图像处理技术已经在很多方面有着广泛的应用。如通讯技术、遥感技术、生物医学、工业生产、计算机科学等等。根据应用领域的不同要求，可以将图像处理技术划分为许多分支，其中比较重要的分支有：①图像数字化：通过采样和量化将模拟图像变成便于计算机处理的数字形式。③图像的增强和复原：主要目的是增强图像中的有用信息，削弱干扰和噪声，使图像清晰或将转化为更适合分析的形式。③图像编码：在满足一定的保真条件下，对图像进行编码处理，达到压缩图像信息量，简化图像的目的。以便于存储和传输。④图像重建：主要是利用采集的数据来重建出图像。图像重建的主要算法有代数法、傅立叶反投影法和使用广泛的卷积反投影法等。⑤模式识别：识别是图像处理的主要目的。如：指纹鉴别、人脸识别等是模式识别的内容。当今的模式识别方法通常有三种：统计识别法、句法结构模式识别法和模糊识别法。⑥计算机图形学：用计算机将实际上不存在的，只是概念上所表示的物体进行图像处理和显现出来。
2计算机图像处理技术在全息学中的应用
图像处理技术在全息中的应用主要表现在：一是计算全息，基于计算机图形学将计算机技术与光全息技术结合起来，通过计算机模拟、计算、处理，制作出全息图。因此它可以记录物理上不存在的实物。二是利用图像的增强和复原，图像编码技术等对数字全息图像质进行提高以及实现的各种算法。它的应用大致可以分为两大类，即空域法和频域法：①空域法：这种方法是把图像看作是平面中各个像素组成的集合，然后直接对这一二维函数进行相应的处理。空域处理法主要有下面两大类:一是领域处理法。其中包括梯度运算(GradientAlgorithm)，拉普拉斯算子运算(LaplacianOperator)，平滑算子运算(SmoothingOperator)和卷积运算(ConvolutionAlgorithm)。二是点处理法。包括灰度处理(greyprocessing)，面积、周长、体积、重心运算等等。②频域法：数字图像处理的频域处理方法是首先对图像进行正交变换，得到变换频域系列阵列，然后再施行各种处理，处理后再反变换到空间域，得到处理结果。这类处包括:滤波、数据压缩、特征提取等处理。
3模拟实验
本文运用matlab软件，利用图像处理技术，编写了程序，以模拟计算全息和实现全息图像的滤波。图1是计算全息实现流程图。
本文将运用matlab程序设计语言实现计算全息的制作、再现过程。标有“涉”一字，图像尺寸为1024像素×1024像素；。模拟实验中用到的参数为：激光模拟了氦氖激光器，波长为638.2nm；再现距离为40cm；因为原始物图的尺寸用像素为单位表示，所以像素分辨率为1。
从模拟实验中可以看出，数字全息的处理过程其实就是计算机图像处理在全息技术的应用过程。利用计算机图像处理技术对全息图进行了记录，将物光和参考光干涉得到了全息图。并利用图像的增强和复原对图像进行了处理，以消除噪声，得到更好的全息再现象。
本文仅模拟了计算全息的实现和再现过程，其实，计算机图像处理在全息技术中的应用是全方位的，用实验方法得到的全息图中包含了更多的其他无用信息（噪声），图像处理技术在这里就显得尤为重要。随着计算机图像处理技术的进一步发展，全息技术必然会迎来新的一轮发展和飞跃。超级秘书网：
参考文献：
[1]周灿林，亢一澜.数字全息干涉法用于变形测量.光子学报，2004，13（2）：171－173.
篇3
计算机信息处理技术的发展，特别是人工智能、模式识别、计算机模拟、知识库和数据库等技术的发展，使人们能将物理、化学理论与大批杂乱的试验资料结合起来，用归纳和演绎相结合的方法为新材料的研制做出决策，为材料设计和实施提供了行之有效的技术手段。现代计算机技术和图像处理技术，特别是快速原型制造技术与CT扫描、MR（I磁共振成像）等技术结合，都已成功地在医学上得到应用。而通过利用计算机技术，建立相应的数学模型，可以在一定的控制条件下进行仿真研究。
2.1数据的采集
首先要对病人预置换股骨头处进行CT断层扫描，分别进行俯视图扫描、主视图扫描，目的是为了得到清晰的股骨头球面轮廓，如图1所示。然后将清晰的目标图像按照与实物1∶1的比例进行截图后扫描至计算机，并将图像转换成512×512Bit的数字图像，像素灰度为0～255，利用图像处理技术进行消除噪声、灰度校正等处理。
2.2图像边界轮廓提取与修整
通过AutoCAD中的光栅图像参考功能，将处理后的图片（1∶1）依次导入为背景，再利用多线段、剪切、圆等绘图工具对目标进行轮廓标记与识别。医学图像的轮廓识别比较复杂，主要是由于扫描进来的关节图像的粘连性较大，甚至会出现错误识别、假轮廓。为此，在轮廓跟踪处理完之后，必须对轮廓进行修正，使不符合要求的虚假轮廓得以清除，可采用自动修正或手工修正。对于没有平滑掉的杂点而产生的虚伪轮廓，根据比较两个封闭曲面内像素点的多少来进行清除，保留大轮廓，舍掉小轮廓，对于不能自动判断的粘连、不连续等失真现象，使用手工控制方法。删除底片保留轮廓线，利用软件将其进行贝塞尔曲线修整，结合CT扫描的尺寸数据按比例调整为建模尺寸。目前，关于三维重建的方法是：通过扫描仪将CT实体照片以高分辨率模式扫描为电子照片格式，然后利用PS对其进行二值化处理，使用Freeman进行链码提取并跟踪轮廓，再将每个断层外轮廓数据导入AutoCAD中，组成一个三维体数据，再进行曲面重建，最终利用蒙皮法得到三维形体。这种方法可以制造出与病人骨形完全一致的假体，关键是要精确地提取股骨头球面轮廓尺寸和形状，这样才能使股骨头与股骨腔吻合程度较高。
2.3矢量化处理
采用软件CAXA实体设计中的扫描、投影、放样和布尔运算功能可以更加快捷地实现建模。首先，将提取并修整后的轮廓放入实体设计环境中，编辑两个方向的轮廓截面，以轮廓中心点为基准，按照2∶3∶5的比例缩小轮廓，得到同心3个相同的轮廓截面；然后，按照主视图和俯视图轮廓显示的高度，激活三维球，将轮廓依次放置在底部、中间和顶部，并从上至下依次投影，以顶部底面为起始面、底部上面为终止面进行放样操作。此时，计算机会自动计算处理成型，由原先的3个面，得到1个完成的实体结构。最后，将两个方向上形成的实体利用三维球同心，进行布尔加法运算，得到组合实体，将组合体的多余部分利用“分割实体表面”功能完成股骨头的三维建模。
3快速原型制造
快速成型技术应用于人工关节和人造骨制造过程中，不仅可以提高成品的设计质量，还可以缩短产品的设计周期。目前，假体移植手术需求量大，为保证手术的尽快实施和手术的成功率，就必须采用快速成型技术。随着电子仪器和计算机技术的发展，快速成型机应运而生，快速成型技术是医学领域与工程领域相结合的敏捷制造系统，主要有：光固化立体模型（SL）、选择性激光烧结（SLS）、层片叠加成型（LOM）和熔融沉积造型（FDM）。
3.1RPM成型机
传统的制造成型过程是利用铸造制造出毛坯，然后对毛坯进行磨光或抛光，形状和精度是通过从毛坯上去掉多余的材料来保证的，吻合度不高，而快速成型的基本理念则是在计算机的控制下，将材料精确地堆积成型，无需加工即可制造。将设计出的三维实体转换为快速成型机所能接受的STL格式，输入机器，该机的基本原理是将实体模型切片成一系列具有一定厚度的薄层，计算机控制其激光束按薄片截面轮廓形状将薄层材料切割出该层横截面的形状，然后层层堆积并得到实体。
3.23D打印成型
3D打印技术是根据CAXA分层模型所获得的两维像素信息，利用喷嘴向待成型体床上喷射黏结剂，每打印完一层后，粉料床通过底部活塞向下移动一段距离，并在粉料床的底部添加新的粉料，再根据计算机要求向新的粉料床喷射黏结剂，重复此过程，完成后去除未喷射黏结剂的粉料，立刻得到成型的实体。如果喷射的黏结剂中含有其他具有某种功能的成分，则可以控制零件中局部成分的变化；增加喷头数目，则可以得到在不同的区域具有不同功能和成分的整体零件。3D打印可以用于成型陶瓷、金属、金属陶瓷复合材料及高分子材料的假体中。
3.3快速成型制造技术在骨修复外科中的应用
随着材料科学和医学的发展，生物陶瓷在医学上尤其是矫形外科和骨修复外科中的应用也越来越广泛。但由于病人个体差异和实际情况的不同，使得骨修复体必须根据病人的实际情况来定制，而且在临床上为减少病人的痛苦又要尽量缩短定制时间。快速成型技术正好具有这两个优点，特别适合单件或小批量生产并且能够实现快速制造。快速成型技术可精确地复制出人工关节，从而使设计出的人工关节可以在由原型翻制成的模型上进行验证，确定其受力分布、结合面设计是否合理。目前，有关研究人员已经开始研究如何将CT扫描的数据直接传到快速成型机上，这样将减少中间环节较为复杂的三维重建过程，并减少因数据转换造成的误差，使快速成型产品直接应用于临床。
篇4
2.1加强对Photoshop图像处理应用案例分析总结就是一种间接的自我学习，通过案例分析总结可以让自己展开丰富的想象力，加强对Photoshop图像处理应用。如图3，这是一组人居环境适宜的景观设计效果处理前后变化展示，前一张图片是用3Dmax配合V-ray插件进行渲染的最终效果，为了进一步美化效果图，这是就需要Photoshop图像处理，结合中间这一张照片，采用图层处理、素材插入、调整图层、图层蒙版、创建亮度\对比度调整层等方式最终合成想要的效果。在案例分析过的成中，应注意多观察多总结多思考，设计最终效果的高低，一方面是和自己所拥有的知识水平有关，另一方面还和自己的审美能力高低有关，这就需要告诫我们平时多注意学习，学习不仅仅局限在书本上，还应该多参观欣赏较好的作品，从中得到审美能力的提高。
2.2模仿和创造相结合，提高Photoshop图像处理动手能力模仿是人的本能天性，是人类进行各种学习活动的最基本方法。在平时的Photoshop图像处理模仿使用中，通常就是通过网上视频，如金鹰视频来自己分析Photoshop软件的各个功能。在视频观看的过程，可以根据视频中的实例操作，最终达到理解，这个过程就是模仿。例如：模仿给图片添加阴影效果，通常情况下，可以选择Photoshop菜单栏图层—图层样式—阴影就可以完成。而通过视频模仿，就可以快速的通过浮动图层菜单，选定此图片图层，并把鼠标快速放到缩略蓝色区域双击就可以打开图层样式浮动菜单完成阴影效果。在提高Photoshop图像处理动手能力上，还要发挥自己的创造能力。例如给此图片添加完阴影后，图层样式还有内外阴影、内外发光、光泽、斜面和浮雕、颜色叠加等方式，我们尝试可以根据图片实际情况试着添加，达到最佳效果。这里就需要发挥创造性对图片处理创新性在里面。
2.3结合科研项目，带动Photoshop图像处理实践能力如在科研项目：西部山地型小城市人居环境问题及保护策略研究——以商洛市商州区为例上，需要收集大量的本地环境有关的图片素材并进行美化处理，这就可以亲自参与商州区大气质量恶化、丹江主要河流体固体废物污染、交通混乱等图片的处理，如图4是一组人居环境的照片，上一组为未处理时的照片，下一组为处理后的照片。这里的美化是对图片效果的美化。
2.4参与企业设计，增强Photoshop图像处理灵活性参与企业设计，就是参与设计公司的工作。例如：在商洛市西街片区的旧城改造过程中，学生负责收集照片，并对旧城的原始照片进行处理规范化。如图5，是旧城改造前的图片收集整理。
篇5
烟叶是烟草工业的基础原料， 对烟草工业生产质量和烟草行业经营效益具有举足轻重的作用。对烟叶生产过程的各个环节包括烟叶品质的智能识别进行技术创新，提高品质和效率，是一个前沿研究方向[1][5]。
当前这一方面的研究，主要集中在数字图像处理方面，把烟叶品质的数字图像处理与神经网络技术相结合，实现烟叶品质的智能识别，是一个极有价值的工作。以下在此方面作出一个系统的、较为完备的、易于实际操作的研究。
2主要技术手段
2．1 MAⅡAB图像处理工具箱
在MATLAB平台上，借助图像处理工具箱，可以简易明快地实现对烟叶数字图像的图像处理。在烟叶生产一线，用数码照相机对各种烟叶样本进行拍照，输入计算机，用MAT_LAB将它转换为各(．bmp；．jpeg；．gif；．png；．t 图片以便进行图像处理。成本低，精确度高，宜于普及推广。获取各种类型的烟叶数字图像以后，经阈值使用权图像二值化，可以当即辨识出这一图像是否具有何种类型的病虫害或品质异变。利用烟叶数字图像的边缘检测、轮廓提取等分析命令，获得待测烟叶的图像参数和特征，再由神经网络技术，完成对烟叶品质的智能识别。
2．2神经网络技术
神经网络是一个新的智能识别工具。毕业论文 经过训练的神经网络能够存储与过程有关的信息，能直接从历史数据中学习，经过用各种烟叶样本训练和学习的神经网络，能自动地识别出待测烟叶样本的品质类型。而且，神经网络具有滤除噪声及在有噪声情况下得出正确结论的能力。这一点对于烟叶生产实际中大量存在各种噪声信息的情况而言，特别重要。它特别适合在线识别。
3应用MATLAB图像处理工具箱和神经网络技术对烟叶品质智能识别的操作过程
3．1烟叶图片样本库的建立
用数码相机或其它数字图像采集工具，采集各种类型的烟叶的标准图片，分类归档，借助MATLAB图像变换功能，将各种类型的烟叶的标准图片，转换成各种图片形式：．bmp；．jpeg；．sir；．png；．tif等，以便随时调用。这些烟叶图片，有不同品质的样本；还有各种病虫害标本和变异标本。
3．2用直方图均衡来实现图像增强
当从生产一线采集的烟叶待测样本的图像对比度较低，硕士论文 即灰度直方图分布区间较窄时，可用直方图均衡实现灰度分布区间展宽而达到图像增强的效果。
3．3烟叶图像的边缘检测和特征提取
烟叶图像的基本特征之一是图像边缘。图像边缘是图像周围像素灰度有阶跃性变化或屋顶变化的像素的集合。烟叶的边缘是由灰度的不连续性所致，因此考察图像每个像素在某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律可以检测烟叶图像边缘。图像特征反映烟叶的几何结构，如面积、周长、分形分维数、孔洞数、欧拉数等等。图像特征的选择是图像识别的重要环节。运用二叉分类法在找出判别特征后，对不同的图像特征由分类阈值按二分的方法进行分类；运用相似距离分类方法把待判图像与一个标准图像相比，标准图像用样本图像特征向量的均值来表示。通过计算待判图像与标准图像之问的在相空间中的距离来判别图像和进行分类。这一过程还为用神经网络技术实现对烟叶品质进行智能识别作出必要的准备。
3．4数字图像矩阵数据的显示及其傅立叶
变换这一变换的目的是为提取特征、进行神经网络模式识别等作出必要的准备。
转贴于 3．5直方图均匀化
这是使烟叶图像性质更为优良而采取的一个技术操作，源代码如下：
I=imread ("yangshuo．tif')；imshow (I)；
figure，imhist(I)；
[J，T]=histeq (I，64)；
％图像灰度扩展到0-255，但是只有64个灰度级
figure，imshow (J)；
figure，imhist(J)；
figure，Dlot((0：255)／255，T)；％转移函数的变换曲线
J=histeq (I，32)；
figure，imshow 0)；
％图像灰度扩展到0～255，但是只有32个灰度级
figure，imhist(J)；
3．6采用二维中值滤波函数对受椒盐噪声干扰的图像滤波
MATLA图像处理工具箱具有强大的功能，能够对噪声干扰的烟叶图片进行消噪处理，模拟源代码如下：
I=imread ("eight．tif')；
imshow (I)；
J2=imnoise (I，"salt&pepper ，0．04)；
％叠加密度为0．04 的椒盐噪声
figure，imshow 02)；
I_Filterl=medfdt2 （J2，[3 ，3])；
％窗口大小为3x3
figure．imshow (I Fiher1)；
I_Filter 2=medfdt2 （J2，[5， 5])；
％窗口大小为5x5
figure，imshow (I_Filter2)；
I_Filter3=medf'dt2 （J2，[7， 7])；
％窗口大小为7x7
figure，imshow (I_Filter3)；
3．7用神经网络技术对烟叶图像进行智能识别
神经网络作为一种自适应的模式识别技术，并不需要预选给定有关模式的经验知识和判别函数，它能通过自身的学习机制自动形成所要求的决策区域。网络的我由其拓朴结构、神经元特性、学习和训练规则所决定，它可以充分利用状态信息，对不同状态一一进行训练而获得某种映射关系，并且，网络可以连续学习，即使环境变异，这咱映射关系可以自适应调整。在上面各节获取烟叶图像特征基础之上，可以用神经网络技术进行图像模式识别。例如，基于概率神经网络PNN的烟叶品质智能识别，它的主要优点是：快速训练，训练时问仅略大于读取数据时间；无论分类多么复杂，只要有足够的训练数据(而这是烟叶生产一线可以做到的)，就可以保证获得贝斯叶准则下的最优解，允许增加或减少训练数据而无需重新进行长时间训练。这一神经网络对于烟叶品质的图像识别，具有重要意义。 4结论
基于计算机视觉和神经网络技术的烟叶品质识别的数字图像处理方法，医学论文 是烟叶生产环节的一种技术创新，它可以在烟叶生产一线普及推广，简便易行，能够较大地提高烟叶品质检测的效率和质量，以及自动化程度和智能化水平。
参考文献
篇6
在培养阶段，还要使研究生在本学科的某一方面进行专家培养和训练，同时在其它相关学科也要进行广博的基础教育，使他们能在所从事的领域中具有较强的研究和开发能力。另外，还要培养他们广博的专业基础和社会人文知识，培养他们自我获取知识和综合分析问题的能力，以及优良的科学思维和创新意识，强调将知识、能力向高素质的升华与内化。
2.课程设置
课程结构关系到研究生的知识结构和科研技能。由于生物医学工程专业理工医复合交叉的特点，课程设置也和其它学科有所区别。目前，我国生物医学工程博士学科点只有一级学科，下面没有设置二级学科，主要原因就是生物医学工程涉及到的学科领域太广，它的研究方向和课题广泛渗透于医学、生物、电子、计算机、材料等学科。当然，每个高校在生物医学工程领域的研究都很难做到大而全，而是根据自身的优势和特点，选择其研究领域，并进而决定其课程设置。譬如清华大学生物医学工程专业的主要研究方向包括生物芯片、神经工程、微纳医学等，尤其是以程京院士为主的生物芯片技术占主导地位，因此，该校生物医学工程的课程设置就以生物类为主，辅之以《生理系统仿真与建模》、《数字信号处理》、《随机信号的统计处理》、《医学成像系统》等课程。我校的生物医学工程专业目前主要侧重于医学成像与图像处理、医学仪器与生物传感器等，因此，课程设置也以电子信息类课程为主，如《医学成像原理》、《医学图像处理》、《神经网络与模式识别》、《医学仪器原理》等。
另外，由于大部分高校的生物医学工程研究生招生几乎是面向所有的工程学科，因此，以前没有学过医学类课程的研究生，一般高校都会要求学生加以补修。有些导师也会根据研究课题的需求或个人研究领域的需求要求学生选修一些相关课程。如我校的新入学生物医学工程研究生，如果以前没有学过医学类课程，我们一般会要求学生补修《人体解剖生理学》、《病理学》等课程；有些研究生还会根据导师的需求补修《生理系统仿真与建模》、《现代数字信号处理》、《生物力学》、《生物化学》、《医学仪器》等课程。
3.过程管理
创新能力是科研能力的核心，创新意识、创造精神、创业能力的培养是研究生培养过程的重要环节，是研究生培养质量的主要标志。研究生培养过程管理是研究生创新能力培养的重要保证，这里所说的培养过程管理主要包括生物医学工程专业研究生的科研选题、中期考核和论文答辩等环节。
3.1 科研选题
作为科学研究的起点，选题不仅关系到科研的方向、目标和内容，直接影响着所运用的方法与途径，同时还决定着成果的水平、价值及发展前途。因此，在第一年生物医学专业基础科目系统整合与学习之后，则完成培养环节第一步，进入科研选题阶段。研究生的选题要与导师的科研项目相结合、与生物医学工程的学术前沿相结合，同时也要强调与理工医多学科相结合。科研选题必须在足够的调研、文献阅读甚至科学实验的基础上进行，否则就是无源之水，很难继续。譬如，医学图像处理领域的科研选题不仅要与图像处理的相关知识挂钩，还与相关的医学知识紧密相连，因此，我们必须要查阅大量的关于图像处理、医学影像、病理诊断等的相关文献，必要时还得与医院合作，参加医院的短期培训等。另外，科研选题还要注意团队协作，有些大的科研课题不是一两个人能够完成的，而是在导师的指导下，由博士、硕士组成的团队完成的，因此，科研选题也需在整个团队的指导下合作分工，共同参与。
3.2 中期考核
研究生的培养是一项较复杂的系统工程，涉及到学科建设、导师队伍、科研实力、教、学、管等多个环节，每个环节都离不开严格的管理，而管理的核心问题是要建立淘汰机制。研究生中期考核作为研究生的淘汰机制之一，对研究生的质量调控和把关起着重要的作用。在整个研究生的培养过程中，中期考核处在一个承前启后的重要位置。“承前”，是指经过一年半到两年的学习与科研参与后，研究生基本掌握了本领域的重要理论和一定的科研技能，了解了该研究领域的相关背景；“启后”，是指有必要了解研究生对已学到的理论和技能是否消化吸收，是否能灵活运用。
我校生物医学工程专业研究生的中期考核在科研选题之后的研究生第二学年末进行。中期考核不仅包括对所选课题的进展情况检查，还包括研究生参与学术活动的积极性。研究生在第一学年末完成选题，其后则必须进行为期一年的课题研究与实践活动，将所学理论与实践或实验相结合，以实践来验证与丰富理论，并寻求新的方法解决实践过程中出现的新问题。中期考核实际上是对研究生科研、协作与创新能力不断提升的过程。另外，研究所经常邀请一些在生物医学工程领域取得突出业绩的国内外知名学者来校讲学或作学术报告，这是所有研究生必须参与且严格考核的。另外，我们的研究生每人每周举行一次学术汇报，课题组老师的所有学生必须参与，汇报后老师给予点评及相关指导意见。
3.3 论文答辩
学位论文作为研究生教育的重要组成部分，也是研究生教育的总结性成果，集中反映了研究生的综合知识体系、专业知识、创新能力和研究水平。教育部规定研究生在申请学位时必须完成学位论文答辩，它是每一位研究生培养过程中的必要和重要环节。因此，在研究生培养的第三年就是学位论文的整理与撰写，在第三年末进行学位论文答辩，每位研究生必须通过论文答辩委员会公开统一的答辩评审后才允许毕业。通过学位论文答辩，可以检验研究生课程学习的效果，衡量研究生的创新能力，考察研究生在文献检索、资料运用、论文写作、观点论证和辩驳等方面的水平和技巧；对于学校而言，研究生学位论文答辩是检验研究生教育质量的主要依据；对于导师而言，研究生学位论文答辩是检验导师指导质量的主要依据。可以说，研究生学位论文答辩是研究生教育中重要、严肃的环节。我校生物医学工程专业研究生在学位论文答辩之前必须先由学校统一，也就是要求每位研究生的学位论文必须是自身学习研究成果的总结与提炼，如果与“中国学术期刊网”上所有论文的累计重复率超过5%，则论文必须发回重改，且重改次数不能超过2次，否则推迟半年至一年时间才能允许答辩。研究生论文之后，硕士学位论文由研究所统一匿名送至本所的相关老师评审，博士学位论文则一式三份全部由学校研究生院统一匿名邮寄至设有生物医学工程专业博士点的全国三所不同高校，再由这些高校的研究生院根据论文题目指定评审专家，这些高校不能在本省，也不能在同一省或市。当然，由于生物医学工程专业研究生的理工医跨学科培养性质，各高校研究生院在送审论文时，可以送至与之相关的学科专家评审。如医学图像处理领域的论文可以送至从事图像处理与模式识别研究的专家评审，也可送至从事计算机应用技术图像处理研究方向的专家评审。
篇7
0引言
叶片面积的大小直接影响到植物生产力的高低，叶片面积的变化也直接影响植物水分生理的变化过程。测定植物叶片面积，往往是研究一些与植物叶片面积相关的生理生化指标首要解决的问题。例如，对小面积叶片的光合速率进行测定时，需要知道这些叶片的实际面积，以此换算标准光合速率。
叶片的面积的测定经历了网格法、称重法、系数法以及使用叶面积仪进行测定，前三种方法需要进行破坏性测量，而叶面积仪价格昂贵，且当叶片面积很小时，测得的面积与实际面积间会产生较大偏差。游明安等[1]介绍了采用叶长×叶宽与叶片面积间的回归关系来测定叶片的叶面积，然而在建立回归关系前，还需对抽样后的叶片进行面积测定。当需要在田间进行非破坏植株的叶面积测定时，可以采用基于机器视觉技术的图像处理方法来求得叶面积，该方法可以有效的实现无损测量。
本文利用机器视觉知识，基于参照物的叶面积测量方法，通过对目标图像进行区域分割，分别对其计算区域面积，最终求得比较准确的大豆叶片参数值。论文格式。
1、测定原理
数字图像有许多像素点组成，每个像素点代表一定的实际面积值，而其所代表的实际面积值可以由已知参照物面积求得[2]。因此叶面积可由下列公式求得：
（1）
其中S代表叶片面积，S0代表参考物体的实际面积，通过图像处理得到叶片面积S1，参考物体面积S2。这种方法在测量叶片面积时，需要在严格的物距下进行叶片的采样，以保证每个像素代表的真实面积不变，而且要求光学器件的线性度高，镜头的焦距不可变，可见此方法难度较大。
拍摄图像时让数码相机离被测叶片尽量远，通过数码相机的变焦功能使被测叶片的像尽量大，相当于在尽量长的焦距下拍摄，误差就会有效地减少。测量时要求将被测叶片与标准测度参照物同时拍摄，从而按比例获得绝对尺寸，被测叶片和标准物体要求拍摄到同一幅图像上。
2、图像的获取
叶面积的测量系统硬件部分主要有成像设备、计算机、参照物以及测量叶片时所需的夹具一套。论文格式。成像设备选用普通的数码相机，参照物是测量中一个关键的设备，本研究中选用一个黑色圆片，它必须要能与与叶片有很大的颜色差别。参照物圆片要足够远，圆片的面积将直接影响测量的精度。测量所用夹具需要以下特点：能够构建一个与叶片颜色有很大差别的背景，选择白色的纸板。并能使参照物固定在背景纸板上。
借助于数码相机来获取图像，可以不破坏作物的群体结构，真正地检测叶片的生长规律而不只依靠统计规律，但是需要对测量系统进行标定，而且要求被测叶片和标准参照物必须同时拍摄，所以影响测量精度的因素很多。
3、叶面参数的测量方法
如图1所示，极为叶面参数计算的工作流程图。在对原图像进行预处理以后，将图像转化为灰度图像，将转换后的灰度图像进行图像分割、边缘提取、最后经过计算求出叶面的基本参数。
图1 系统工作流程
3.1图像预处理
由于受到外界光线以及噪声的干扰，使得图像想上出现一些噪声点，需要对其进行处理，才能使图像清晰，更加准确的表征事实。预处理过程包括对图像进行亮度、对比度调整和平滑滤波。亮度和对比度的调整可以使图像特征明显，易于识别；平滑滤波的目的则是去掉尖锐不连续的噪音。
3.2图像分割
要获取图像中参考物的面积及图像中作物叶片的参数，首先要讲参考物目标和叶片目标从原图像中分割出来。目前，用于图像分割的方法很多，其中双峰阀值处理是最常用的一种。阀值处理时将所有灰度值大于或等于某阀值的像素都被判定属于物体，所有灰度值小于该阀值的像素被排除在物体之外，即为背景。
利用迭代阈值法对图像进行分割[3]。论文格式。该方法具体步骤如下：
① 选择灰度阈值T的初始估计值。
② 用T分割图像。这样就会生成两组像素：G1由所有灰度值大于T的像素组成，而G2由所有灰度值小于或等于T的像素组成。
③ 对区域 G1和 G2中的所有像素计算平均灰度值μ1和μ2。
④ 计算新的门限值：
T = (μ1+μ2)/2(2)
⑤ 重复②到④，直到逐次迭代所得的T值之差小于事先定义的参数T0。
图2目标直方图
将图像的最大灰度值和最小灰度值的均值作为灰度阈值T的初始估计值。迭代得到灰度阈值T后，将大于T的像素的灰度值设为1，其余像素的灰度值设为0，这样便得到了二值图像，使得参考物目标和叶片目标从原图像中分离了出来。
3.3去噪处理
采用阀值分割后的二值化图像，其叶片周围常存在若干噪声斑点，需要进行去噪处理，中值滤波是一种去除噪声的非线性处理方法，能够在抑制噪声的同时很好的保护边缘轮廓信息[4]，采用开运算将参照物内部填充完整。
3.4目标参数的获取
设d为实际参照物的直径，则实际参照物的面积S0可以通过下式得到：
（4）
用实际的参照物面积除以图像中参照物的面积S1得到一个比例系数k，即
(5)
根据图像中叶片面积A、最小外接矩形的长L和宽W，以及比例系数，可计算得到实际的叶片面积AR、叶长LR和叶宽WR，它们分别由式（6）—式（8）计算得到[1][5]：
；（6）
；（7）
；（8）
4结果和分析
实验选用了大豆叶片为待检测的目标，并以一元硬币作为参照物，利用三星S1050数码相机获取原始图像，用1.73GHz Pentium微机、在Window XP平台上用Matlab编程实现。试验中，使用游标卡尺测量出参照物的实际直径为d=2.500cm.，T0=0。
图3给出了实验中图像处理的过程与结果，其中（a）为相机拍摄的原始灰度图像，(b)为对原始图像进行迭代阀值法分割后的二值图像，（c）为对二值图像进行开运算后的结果，（d）是从（c）中分离出来的大豆叶片目标，（e）是从（c）中分离出来的叶片外接矩形图像。（f）是从（c）中分离出来的参照物图像。
（a）原始灰度图像（b）二值图像（c）开运算效果图
（d）分离后叶片对象 （e）叶片外接矩形 (f)参照物对象
图3图像处理的过程与结果
使用图像处理技术计算得到的叶片面积为12.3825cm2，叶片长为4.6478cm、宽为3.6149cm。计算的中间数据如下：
篇8
Key words: digital image processing;asphalt mixture;asphalt-aggregate ratio;recognition
中图分类号:TU535 文献标识码:A文章编号:1006-4311(2010)13-0093-02
0引言
随着交通运输业的迅速发展,必须要提高沥青混合料性能,开发新型沥青路面结构材料。沥青含量是沥青混合料配合比设计和施工控制的重要指标,在很大程度上决定了沥青路面的质量品质,国内外现行的沥青混合料配合比检测一般采用的是试验方法,进行离心抽提或燃烧沥青,检测过程复杂,耗时长,不利于及时对路面状况做出评价,指导生产。近年来,数字图像处理技术被引入沥青混合料研究领域,为有效解决传统研究方法的缺陷提供了可能,国内外也陆续进行了采用图像处理技术对沥青混合料内部形态的研究,国内外现阶段进行的研究表明,数字图像处理技术具有无破损、方便性、经济性,而且能快速全面反映形态特性以及空间分布的特点。为此,在本研究中,通过大量室内对比试验,主要研究不同油石比的沥青混合料AC-13C的识别油石比,以建立识别油石比和实际油石比之间的线性关系,用于指导生产实践。
1沥青混合料配合比设计及图像采集
本研究中采用的沥青为埃索A级70号沥青,选用沥青路面的表面层AC-13C的级配,最终确定的沥青混合料合成级配见表1。
在本研究中,沥青混合料AC-13C分别采用五个不同油石比4.0%、4.5%、5.0%、5.5%和6.0%,用马歇尔击实仪成型马歇尔试件,在成型后的试件中随机抽取3个试件进行水平两分法的切割,并采用数码相机进行图像的采集工作,在进行油石比的识别中为了计算简便将图像剪切为1400×1400像素。
2沥青混合料数字图像处理
由于照相机与目标间的相对运动、大气扰动等原因使图像质量下降,造成了图像退化的现象。所以在图像处理之前要先进行图像复原,在MATLAB图像处理系统中,选择Lucy-Richardson复原方法,通过处理减少了图像中产生的噪声,忽略了某些退化后坏了的像素。对复原后的RGB彩色图像进行灰度变换,获得沥青混合料水平截面的灰度图像。
3沥青混合料油石比的识别
以油石比为5.5的沥青混合料RGB图像为例,对剪切后的图像进行复原、转换灰度图像处理,处理后的灰度图像的直方图见图1。
根据图1可以看到,由于沥青混合料图像中存在集料和沥青两大类,在图像上形成了两个峰,这两者都近似服从正态分布,最左边的波峰代表沥青的灰度分布,我们可以根据沥青混合料图像的直方图,动态选取两个波峰之间的谷底值,将最左边的波峰单独切取出来,见图2。对这个波峰进行拟合,经过多次尝试,选择采用两个正态分布拟合这个波峰,相关系数达到0.998,其中一个正态分布峰顶对应的灰度值与单独切取出来的波峰峰顶对应的灰度值非常接近,可以认为两者的灰度值是相同的,另外一个正态分布是对前者的修正,拟合效果见图2。
通过MATLAB编程计算可以得到,沥青灰度分布波峰峰顶对应的灰度值为0.30,第一个小峰服从正态分布,参数为0.29997和0.047629,通过多次实验在峰值灰度值左侧设定2.5,右侧设定的范围内为沥青的灰度分布范围,计算得到沥青的灰度分布范围为46.14至88.65,提取沥青灰度范围内的像素点,图像内所有的像素点数目与沥青的像素点数目之差为集料的像素点数目,得到油石比即沥青像素点数目与集料像素点数目之比,计算得到这张实际油石比为5.5的图像,识别油石比为6.43。同理,可以按照相同的方法求得其余沥青混合料图像的识别油石比,并计算均值,见表2,对得到的识别油石比用EXCEL进行线性拟合,见图3。
从表2中可以看出,识别油石比的变异系数在0.18以下,通过线性相关性分析可得到识别油石比Pax与实际油石比Pay的线性关系为:Pay=1.6872Pax-5.4606,式中,Pax为识别油石比,%;Pay为实际油石比,%。两者相关系数R2为0.9617,表明采用图像处理技术对沥青混合料进行油石比识别具有较高的识别精度,可以用于沥青路面油石比的快速检测。
4结论
通过选取表面层普通沥青混合料AC-13C进行马歇尔试验,对试件进行水平截面图像的分析,在沥青混合料图像灰度直方图中,对沥青分布波峰左侧2.5倍σ和右侧σ范围内提取沥青像素数目,并计算集料像素数目和识别油石比,结果表明,动态的选取沥青灰度范围识别油石比的方法能够较好地反映实际油石比,得到的识别油石比与实际油石比较为接近,得到的变异系数在0.18以下,证明识别油石比的离散程度较小,数据可靠。并且实际油石比Pay和识别油石比Pax存在线性关系,通过线性拟合后,建立函数Pay =1.6872 Pax 5.4606,计算得到相关系数R2为0.9617,具有良好的相关性。因此,建议采用此线性函数对识别得到的油石比进行修正。
参考文献:
[1] 杨浩.沥青混合料的数字图像特征研究[D]:[硕士学位论文].哈尔滨:哈尔滨工业大学,2006.
篇9
1.系统结构
PCB缺陷自动检测系统主要由运动控制模块、图像采集模块、图像处理模块、结果分析模块组成。系统工作过程如下：上位机控制步进电机运动，步进电机带动二维平台运动，将CCD摄像机传输到待检测PCB上方，对PCB进行大场景图像采集，采集的图像经过图像采集卡送到上位机，上位机软件对采集的图像进行拼接、图像预处理，对处理的图像进行准确定位并校准，通过图像分割、图像形态学处理等，最后进行模板匹配、图像识别，得出缺陷检测结果。系统设计包括硬件设计和软件设计，系统软硬件相互协调工作构成一个整体。
2.系统硬件设计
PCB缺陷自动检测系统的硬件设计主要包括二维运动平台、电机运动控制板、电机驱动板、CCD摄像机、图像采集卡、PC等，其结构如图1所示。
2.1 CCD摄像机和图像采集卡
CCD摄像机的主要特性参数包括摄像机制式、光敏面尺寸、像素尺寸、分辨率、电子快门速度、同步系统的方式、最小照度、灵敏度、信噪比等。其中摄像机制式和是否在线检测决定了图像采集卡的采样频率，光敏面尺寸、像素尺寸、分辨率以及成像透镜系统的放大率的平衡选择取决于测量范围和测量精度[3]。考虑到以上各个因素以及系统要求，在实验中采用的是广州视安公司的枪式摄像机，该摄像机的特点是数字面阵CCD逐行扫描，提供AV复合视频接口和标准镜头接口，提供VC的SDK软件开发包，方便设计软件处理模块。
图像采集卡，又称视频捕捉卡，是视频卡的一种类型。图像采集卡完成的主要功能是把摄像机的连续模拟视频信号转换成为离散的数字量。其基本原理：从摄像机输出的各种制式的视频输出信号，经过输入选择模块处理后，形成能被图像采集卡识别的视频信号。模拟视频信号经过转换后，存储在卡上的帧缓存存储器内，由计算机CPU通过计算机总线控制具体的图像传递，最终存储在计算机的内存或硬盘，用于图像处理[4]。本设计采用的图像采集卡型号是：NV7004-N，将CCD摄像机模拟信号转化为数字信号传输到上位机实时显示，并能完成图像的抓拍功能。
2.2 电机运动控制器及精密二维运动平台
PCB缺陷自动检测系统的运动控制器为自行设计的MCU控制板，核心芯片为ATMEL公司生产的单片机AT89S52，控制板通过RS-232串行通信接口与上位机进行通信。通过操作人机交互界面对控制板发送命令，控制板输出控制信号以及各种频率的方波信号到步进电机驱动板，以控制步进电机的转速、方向以及移动距离。
二维运动平台由两个日本SUS Corp公司生产的精密运动导轨搭建，运动导轨为滚珠丝杆型，非常精密，误差很小。步进电机与运动导轨相连，从而带动导轨的运动。步进电机为日本TAMAGAWA公司生产的两相四线制混合式步进电机，该型号步进电机运行稳定、噪声小。
2.3 电机驱动
步进电机的驱动实际上就是通过控制步进电机的各相励磁绕组的电流，使步进电机的内部磁场合成方向发生变化，从而使步进电机转动起来。各相励磁绕组的电流产生的合成磁场矢量的幅值决定了步进电机旋转转矩的大小，相邻两合成磁场矢量之间的夹角大小决定了步距角的大小[5]。
在拍数一定的情况下，齿数越多，步距角就越小，但由于受制作工艺的限制齿数不能做得很多，因此步进电机的步距角就不可能很小。改变步进电机的拍数也可以改变步距角，拍数是指完成一个磁场周期性变化所需脉冲数或导电状态，或指电机转过一个齿距角所需脉冲数。当步进电机的相数确定时，拍数也就确定。通过增加步进电机的齿数和相数来减小步距角，步距角减小的度数非常有限，很难满足生产的要求。
细分数越多，电流变化越小，从而大大减少了电机的振荡和噪音。采用阶梯状正弦波对电流进行细分时，阶梯越多(即细分数越多)，波形就越接近正弦波，通入的阶梯电流就越小，步距角也就越小[6]。从而大大减少了步进电机运行时的丢步率，降低了步进电机运行时的噪音和颤动，也使步进电机运行更加稳定，更易于控制。
3.系统软件设计
3.1 系统算法流程
手动检测可以根据需要在采集图像时直接通过控制步进电机运动将CCD摄像头运动到待测PCB板的主要部位，在进行图像处理时也可以根据图像质量来选择与之相适应的图像处理算法来实现，使系统具有交互性。自动检测初始化设置参数后，可以一键实现缺陷检测得出检测结果，减少了操作复杂度，也大大提高了检测的速度，使系统具有自动化、操作简单、速度快等优点。本文结合二者于一体，使PCB缺陷自动检测系统更加优秀，更加实用。
3.2 缺陷检测
当前印刷电路板缺陷检测方法主要分为参考比较法、非参考比较法和混合法三大类，参考比较法将被测图像和参考图像进行特征对特征的比较；非参考比较法不需要任何的参考图像，只是根据先前设计的规则标准来判断出是否有缺陷，如果不符合标准便认为此有缺陷；混合法是参考比较法和非参考比较法综合应用。本文主要使用参考比较法，通过检测PCB图像与标准图像进行对比分析，判断该PCB板是否有缺陷[7]。
3.3 缺陷识别
3.4 结果分析
4.结论
本文基于计算机视觉和图像处理设计了一个印刷电路板(PCB)缺陷自动检测系统，并对其功能进行了验证，实验结果表明该系统界面友好，操作简单，检测方法简单，检测过程迅速，检测结果准确。该系统为PCB缺陷的检测提供了一个很好的解决方案，具有重要的应用价值。
参考文献
[1]孙晓婷.PCB视觉检测系统的研究[D].长沙:中南大学硕士论文,2008.
[2]2012-2016年中国PCB连接器市场预测及投资建议报告[R].中商情报网.
[3]俞玮.AOI技术在PCB缺陷检测中的应用研究[D].成都:电子科技大学硕士论文,2007.
[4]崔怀峰.PCB表面缺陷自动光学检测技术的研究[D].江门:五邑大学硕士论文,2010.
[5]李玲娟,刘景林,王灿.两相混合式步进电机恒转矩细分驱动技术研究[J].微电机,2007,40(3):48-50.
[6]黄露.基于FPGA的步进电机控制系统设计与实现[D].重庆:重庆大学硕士论文,2011.
篇10
引言
随着科学技术的飞速发展，互联网的广泛应用，重要部门(机场、银行、军政机关、重点控制地区)的进出需要可靠的身份鉴别。传统身份识别方式的弊端日益彰显，根据人体生理特征和行为特征来识别身份的生物特征识别日益兴起。人脸识别是计算机模式识别研究领域中一项热门的研究课题，人脸的面部特征是最自然的、方便的身份辨认手段，易为用户所接受。随着计算机技术和数字图像技术的迅猛发展，人脸自动识别在技术上成为可能。
1图像预处理
一个典型的人脸识别过程包括三个步骤：人脸检测、特征提取与人脸识别。在实现过程中，首先要获取图像，然后进行人脸模块检测。如果检测到人脸图像，则进行特征点定位及归一化处理，特征提取后送入分类器进行识别，最终获得识别结果。
预处理是人脸识别过程中一个重要环节，其主要目的是消除图像中的冗余信息，滤除干扰、噪声，增强有关信息的可检测性，从而提高识别的可靠性。在预处理阶段，对图像进行优化，尽可能去除或者减小外部环境对预处理图像的干扰，为后续处理提高质量。
2预处理方法的研究
2.1 直方图均衡化
直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。直方图反映了图像的明暗分布规律同态滤波，可以通过图像变换进行直方图调整，获得较好的视觉效果。直方图均衡化是在每个灰度级上都具有相同的象素点数的过程，目的是使图像在整个灰度值动态变化范围内分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。
均衡化处理的步骤为：
（1）对给定的待处理图像统计其直方图，求出
（2）根据统计出的直方图采用累积分布函数做变换，,求变换后的新灰度；
（3）用新灰度代替旧灰度，求出，这一步是近似过程，应根据处理的目的尽量做到合理，同时把灰度值相等或近似的合并到一起。
2.2 灰度拉伸
灰度拉伸又叫对比度拉伸，它是最基本的一种点操作，根据原始图像中每个像素的灰度值，按照某种映射规则，将其变换为另一种灰度值。通过对原始图像中每个像素赋一个新的灰度值来达到增强图像的目的。一般有线性变换（最常用的是按比例线性变换和分段线性变换）和非线性变换（常用对数扩展和指数扩展）。
2.3中值滤波
中值滤波是一种非线性滤波方法，在一定条件下可以克服线性滤波器处理图像细节模糊的问题，但是对点、线、尖顶等细节较多的图像，则会引起图像信息的丢失。中值滤波的基本思想是把局部区域的像素按灰度等级进行排序，取该邻域中灰度的中值作为当前像素的灰度值。它对滤除脉冲干扰和图像扫描噪声非常有效论文范文。
中值滤波的步骤：
（1）将滤波模板在图像中漫游，并将模板中心与图中某个像素位置重合；
（2）读取模板中各对应像素的灰度值；
（3）将这些灰度值从小到大排列；
（4）取这一列数据的中间数据赋给对应模板中心位置的像素；
由以上步骤可以看出，中值滤波对孤立的噪声像素即椒盐噪声、脉冲噪声具有良好的滤波效果。由于它不是简单的取均值，所以产生的模糊比较少。
2.4 同态滤波
当光源照射物体时，由于物体各部分的反射，通过视觉和其他感光面形成图像。因此，图像生成与光源的照射特性和物体的反射特性有关。
设光源的照度函数为，景物各点的反射系数为，则图像的亮度函数为。上式表明，图像各点亮度，决定于照射分量和反射系数的乘积。
同态滤波就是将图像乘积形式的亮度模型（非可加性），变成可加形式，以便进行滤波增强处理。经过同态滤波后其结果会改变图像光强度和反射光强度的特性，因此可以做到同时降低图像动态范围，又增加对比度的结果。
同态滤波的步骤：
（1） 对亮度函数两边作对数变换，再取傅氏变换；
（2） 通过一滤波器；
（3） 对滤波器的输出取傅氏饭变换，再取指数变换；
选取合适的滤波器，可以适当压缩照度分量的动态范围，同时适当提升反射度分量，可以改善图像对比度，突出物体轮廓。
3 仿真实现
取一幅92*112的人脸图像，通过matlab函数对其进行直方图均衡化处理同态滤波，可以得到处理前后的直方图对比。通过仿真我们可以清楚的看出，均衡化后图像获得了较好的视觉效果，图像变的更加的清楚，图像中的一些细节也突出了。如图3-1所示。
图3-1 处理前后的直方图对比
对同一副人脸图像进行灰度拉伸，仿真结果如图3-2所示。
图3-2 原始图像以及灰度拉伸处理后的效果
由两幅图像处理前后的效果变化可以看出灰度拉伸后增强了图像的对比度，使得图像细节更加的突出。
同样，对人脸图像分别进行中值滤波和同态滤波进行预处理，其仿真图分别如图3-3和3-4所示。
图3-3原始图像与中值滤波后的效果图
由原始图像和中值滤波后的图像对比可以看出，处理之后，人脸图像中的斑点得到了去除。
图3-4原始图像与同态滤波后的效果图
对图像进行同态滤波处理之后，由两幅图像对比可以看出，图像对比度得到增强，像素灰度的动态范围也得到增强。处理之后图像较暗的地方变得更清楚，图像中的一些细节也更加突出。
结束语
本文主要针对人脸识别中图像预处理进行研究，通过图像预处理的一些方法，如直方图均衡化、灰度拉伸、中值滤波、同态滤波，对读入的人脸图像进行处理。消除图像中无关的信息，从而使图像增强，细节突出，进一步改善了图像质量，为下一步图像的特征提取、分割、匹配和识别打下可靠的基础。
参考文献：
[1]阮秋琦.数字图像处理学[M].北京: 电子工业出版社, 2000.4
[2]王耀南.计算机图像处理与识别技术[M]. 北京:高等教育出版社, 2001.6
[3]章毓晋.图像工程[M].北京: 清华大学出版社, 2001.9
[4]罗良正.数字图像处理[M].南京: 东南大学出版社, 1999.8
[5]周激流，张晔．人脸识别理论研究进展[J]．计算机辅助设计与图形学学报．1993，
篇11
1.1 数字图像处理原理简介
图像处理技术是本世纪信息科学方面成长最迅速的方向之一，数字图像处理的技术具有实际的研究价值。数字图像处理技术是指利用图像信号转化为数字信号并进行数字化处理这一手段把输入图像转换成具有所希望特征的另一幅图像的过程，通过转化，使得图像的信息数字化，可计算化，协调适应现在的各种数字化系统。近年来，随着图像传感器趋于高集成度和低成本以及数字硬件的迅速发展，高质量、高速度、高实时性的数字图像处理技术越来越受到欢迎。专用集成电路ASIC和数字信号处理器DSP，在两种方面突破研究，一是改变图像处理算法，简化算法提高处理速度；二是改变实现算法的手段。DSP处理速度较之前的数字芯片有了大幅改进，但其体系仍是串行指令系统，其固定算法仍不能满足众多算法的需要。
1.2 现场可编程门阵列（FPGA）器件技术
现在较为流行的一种半定制的数字芯片是现场可编程门阵列（FPGA）器件，它是一种高密度可编程逻辑器件，由大量逻辑宏单元构成，通过各种程序参数的配置，能够发挥这些逻辑单元的各自效果，组合出期望的整体效果和功能，这些配置数据存放在片内的SRAM中或者是片外的EPROM或其他存储体中，设计者可以现场修改器件的逻辑顺序，而且静态编程和动态系统重置功能也得到了充分的发挥也应用，基于组合逻辑下的功能让硬件模块可以像软件代码一样方便修改调试。
2 基于FPGA的数字图像处理算法研究
2.1 实时图像处理算法
实时图像处理系统和图像处理的主要算法有4类：图像数据的预处理，图像智能识别，对象检测和运动对象检测。在实时图像处理系统的后台处理中，比分析环境简单、静态图像难度要更具有复杂性，如在数字图像信号的传送过程，中间过程传感器和传输信道的噪声的频繁产生，这让暂未得到处理的原始图像信号变的更为难以分析，而且本身存在一定程度的噪声。一般图像信号的锐化技术处理也将引入噪声，有时会加强原始图像的噪声。因此，有必要在图像分析处理以前以及过程中对图像的噪声进行滤除，并对图像特征进行加强，消除噪声和增强图像这两大关键步骤即为数字信号图像的预处理过程。
2.2 图像空域平滑算法
图像平滑处理的的主要目的是为了降低噪音干扰，目前主流的两种算法是的空间域平均算法以及中值滤波算法。对于含有噪声的原始图像的每个像素都采取了对应的邻域，将计算出的平均值作为平均空间域中图像像素值进行图像处理。空间域平均算法对于高斯噪声消噪效果较好，但处理脉冲噪声降噪效果很差。中值滤波的实质是一种非线性处理方法，主要的原理应用了顺序统计思路，这种方法的原理是在第一步骤中赋予一个像素作为邻域的中心，选择方形邻域后，第二步骤就是对范围内各像素灰度值进行排序处理，排序之后获得数列的中间值，此中间修正值被记为中心像素的灰度值，在实际应用中个，中值滤波算法消除脉冲噪声具有更好的效果。
2.3 图像空域锐化算法
图像锐化的主要目的是使原图像轮廓模糊或者显示边缘不明显的变得清晰，突出细节。进行锐化处理的前提基础是：原始图像必须具有有较高的信噪比，若没有较高信噪比，经过图像锐化处理后，图像信噪比会大大降低，这非常不利于图像的清晰显示处理。通常的做法是先去除或降低噪声，使得图像具有更高的信噪比后，再进行后期的锐化处理。
图像锐化处理目前主流有两种方法：高通滤波法和微分法。微分法属于图像空域锐化，目前常用的两种方法是梯度锐化和拉普拉斯锐化。
2.3.1 梯度锐化
梯度锐化原则：图像变化速度值小的对应于一个较小的梯度，整体会显得比较暗。因此，梯度锐化的常规思路是利用门限方法来判定，从而进行梯度锐化优化，也就是先赋予一个预定的阈值，如果该节点的梯度小于阈值时，原始灰度被保持恒定；若大于阈值时，在这一点上的灰度校正值可以用微分法处理得到。
2.3.2 拉普拉斯运算
拉普拉斯运算是偏导数运算的线性组合，拉普拉斯算子是一种各向同性的微分算子，其特性包括旋转不变性。拉普拉斯运算完全可以转换成模板运算，而且对图像中的孤立点和短点反应较为敏感，比如在较暗的图像中出现的个别亮点，这些亮点处灰度发生跳变，通过拉普拉斯运算将会使这些亮点亮度增强，这一效果常用于边缘检测。当然，拉普拉斯运算同梯度锐化一样，在增强图像的同时会增强噪声，因此在锐化前可以先进行图像平滑处理。
3 总结
本文以基于FPGA的高速图像处理算法为研究主体，对图像处理中技术的流水线实现、图像空域平滑算法、图像空域锐化算法进行对比分析。图像平滑算法减少噪声的效果要更加优化，平滑算法的中值滤波算法在消除脉冲噪声中效果更为突出。空间域平均算法主要对高斯噪声的消噪效果较好，对脉冲噪声消噪效果一般。图像空域锐化算法可以是原本边缘模糊的图像清晰化，前提需要有较高信噪比，所以一般是先进行去除噪声，提高信噪比之后进行锐化处理，锐化算法中的梯度锐化、拉普拉斯运算算法都在基于FPGA的数字图像处理的系统算法中效果明显。
参考文献
[1]李冬.基于FPGA的数字图像处理的研究[D].安徽理工大学硕士学位论文，2009.
篇12
一、培养初中生自主学习能力
在初中图像处理教学中，教师应该发挥正确引导学生方向的指南针作用。作为初中教师，应该要在教学过程中培养学生独立自主动手动脑的学习习惯之外，在掌握了每节课基础知识的前提下，把以前所学过的知识与本节学习的知识联系起来，综合运用探索创新，去实现自我思维能力的提升。所以说，老师只能够起到一个良好的引导作用，其它则需要靠学生独立自主的去学习和实践来提升自己的思维能力。传统的非互动式教学方式中老师单方面的灌输理论知识，而学生猴子搬包谷似的把今天学的内容明天忘掉，昨天学的知识和今天的联系不起来，没有形成良好的学习习惯，这样非互动式的教学形式对学生的学习能力和思维能力的提高其实并没有多大的作用。
二、打破学生传统的思维定势，拓展思维空间
习惯成自然，习惯是最不好改变的行为方式，在教学中也是这样，初中图像处理教学中将习惯称之为思维定势，传统的初中图像处理教学中学生们习惯于用古板、呆滞的角度去观察教学中存在的问题，在用传统方法去解决问题的时候往往会受到阻碍，或者说虽然解决了问题，可是在解题的时候难免遇到一些困难，花费了更多的时间，或者是在初中图像处理教学发现了问题的时候却找不到问题的根源在哪里。这就需要初中教师在图像处理教学中将解决问题的各个环节更加简化地呈现到学生面前，对于每一个环节具体的解题方法也要对学习进行具体的耐心的讲解，不能盲目地给予学生答案或者告诉学生一个大概的结论和应该选择什么方法去解决问题。
教师在对于相应的某个知识点设计备课方案的时候，可以设计一些思考题，思考题最好是具有一定难度的存在着思维定势的问题，在课堂上的空闲时间或者课后时间让学生对思考题去进行相应的探索和研究，然后在第二天上课的时候老师在将学生们所得的结果总结出来，对于解决问题的时候打破了思维定势的学生应当给予高度的鼓励和赞扬，对于那些没有解决问题的学生则需要找出他们在思维中存在的误区，对于这些存在的思维上的误区进行相应的总结归纳，最后老师带动学生们一起参与到解决这些误区的过程中来，让学生们自己寻找到解决误区的方法，从容打破学生们传统的思维定势，拓展思维空间。
二、将学生的正向思维和逆向思维结合起来
思维是没有局限性的，就比如我们在考虑一个问题的时候，可以从开始到结束来考虑，也可以从结束到开始来考虑，或者说我们可以从上到下考虑，也可以从下到上进行考虑，而采用不同的思维方式考虑出来的结果必然是不同的。在初中图像处理教学中，将一个问题分解成n个环节来看，然后将这n个环节要素进行自由的重组或安装，分别试着从各个不同的角度去探讨、去思考问题，重点并不是追求问题的结构，而是在于从不同的角度去分析和看待问题的过程，通过这样的方式可以培养学生开拓性的思维，养成学生看待问题的时候结合正向思维和逆向思维来进行思考，从而学生的思维能力不再单调。
三、在情境中培养学生的思维能力
图像处理教学的内容是非常的复杂和系统的，涉及到相当广的知识面，其中的操作技能不仅多而且非常的精细，学生在面对这些繁杂且精细的操作的时候往往会感到力不从心，很多的知识始终无法真正掌握，甚至许多的教师在图像处理教学的过程中面对一些操作技能的时候都会感到无法理解，更不用说教授给学生们了。
另外，因为操作技能知识点不仅繁多而且还相当复杂的特点，在许多的困难的知识点上，在老师的带领下学生可以理解，可是一下课或者睡一觉第二天醒来马上又忘了，只有在老师给予相应的提示或者操作步骤的时候才能够回忆起来，才会记起如何去操作，第二天老师又灌输了新的知识点和操作技能，这样就形成了一个恶性循环，学生们越学越不懂。这种情况产生的原因主要是学生在学习过程中没有真正地理解到这些操作技能的具体含义，学生也不知道这些操作技能的作用和为什么要这样操作，这样就无法真正地学到这些操作技能和知识，将它们从教学中转化为自己的能力。
因此，对于这种情况的出现，教师应该在图像处理教学中定期地开设专门的总结课，定期的将之前所讲的重点难点内容拿出来进行温习、复习，然后对于相应的知识点内容可以构造出在略有类似的情境下，将该知识点内容放入到其中去，让学生们对于两种情境中的知识点内容进行相应的观摩、分析，然后进行具体的操作和对比，让学生们可以根据这种对比参照的方法来对知识进行更加深入的理解和内化，培养出学生的思维学习能力，从而使学生在面对新的知识点的时候能够构件出自己的知识体系，使用更好的学习方法去学习和理解。
四、综合各种要素培养学生的创造性思维
初中图像处理教学中，教师在教导确定学生已经掌握了基础知识和相应的操作技能之后，应当运用合适的方式去引导学生在学习过程中学会利用所学的知识和操作技能，运用多重思维模式去看待问题、解决问题，勇敢地以自己的构思去尝试。解决问题的时候充分的发挥自己的想象力，创造出具有学生自己个性的作品或者解决问题的方法，从而培养出学生的创造性思维。
初中图像处理的实践教学中创造性思维的培养还需要综合各种要素，本人是通过这几个方面实现的：
1. 精心设计任务，激发兴趣
在初中图像处理教学中，精心设计任务来不得半点马虎。因为“任务”设计的好坏，会影响到对学生学习兴趣的培养。每节课任务的质量，决定着我们教学的成败。
学习兴趣的生母是把学过的知识加以创造性的运用，只有在这种情况下，学生才能深刻体会到掌握知识给他们带来的喜悦和成就感。例如，在学习图像合成这一章节时，本人就围绕如何用photoshop更好地合成图片这一主题，安排了学生感兴趣的一些背景和人物（明星）的电子照片。同学们把脑海里浮现的画面通过运用已有的素材创造出了不同凡响的合成图。从上述例题来看，学生们的想法在实践中实现了，因而他们对这门课的兴趣更加坚定了。
2. 讲解内容少而精，促进探索
少而精主要体现在授课时根据学生的学情和接受能力调整内容与分量，给出充足的时间让学生自己操作、研究；教师所讲的内容要保证质量，要避免知识的重复性，掌控内容的难易程度。在教学中对任务的要求加以点明，引导学生应用各种思维方式完成任务，加强独立探索进取的思维能力。
3. 评价及时得当，促进创造
学生创造能力的发挥除了要有坚实的功底之外还要有一种精神叫做“我可以，我能做到！”的自我信任。孩子的天性就是经常性地得到称赞和认可。所以，对于学生称赞和鼓励，会使学生满怀希望和自信心，一如既往地保持学习兴趣，使兴趣潜移默化地从外在因素转化为内在因素，从而树立坚定的学习兴趣。
六、结语
总而言之，本人根据自己八年积累的教学经验结，再参考了此领域中研究做出贡献的前辈论文的精髓基础上，对初中图像处理教学过程中培养学生思维能力作了一些研究，最终的目的是为了提高初中图像处理教学过程的实际效果，改变传统的灌输式和非互动式教育教学形式，为在此领域中研究和探索的教师们有个参考价值，为学生在学习图像处理课程的过程中可以根据他们的思维形态去构建自己的知识体系，掌握相应的操作技能，并且将这些知识和能力转化成综合能力，从而形成他们独特的思维能力而写下了这篇论文。本人的这篇论文难免有一些个人的偏见或缺陷，希望在此领域研究探索的专家和老师们以取其精华的态度来对待这篇文章。
[ 参 考 文 献 ]
[1] 徐鹏.对初中信息技术教学实施策略的思考[J].学周刊：C，2011
（6）：188-188.
[2] 王楠.浅析在初中信息技术课堂中提高教学效率[J].读写算（教
育教学研究），2013，（27）：53-53.
[3] 任秀平.浅谈现代教学媒体与数学教学有机结合[J].神州（上旬
刊），2012，（7）：215.
[4] 王兆勇.在初中数学教学中全面发展学生思维能力[J].中国科
篇13
一、教学的反思
课堂教学的核心目标是传承知识，但如果将知识的传承绝对化和简单化，并漠视了人的情感和体验，那么知识的传承过程就是冰冷和僵化的。尽管早在两千多年前的孔子已提出了“寓教于乐”的情感式教育，但在教育功利化的驱使下，形成了崇尚“知识至上”的传统的应试教育模式，人为地断裂了认知与情感的关系，使学生成为对知识缺乏情感的容器，丧失了对知识主动学习、内化与应用的能力。任何一种教学方法都必须在反思中前进，当时代的发展不断继承和超越着传统的时候，我们的课堂教学也要寻求新的方法和思路。高校学生对于课堂教学有着更高层次的情感需求，本文将对这一问题进行探讨。
二、情境体验教学法的意蕴
心理学认为，“情境”是指对人有直接刺激作用、有一定的生物学意义和社会学意义的具体环境。这里的“情境”指具有情感色彩的教学场景。情境的功能是唤醒和激发学生的情感，也是课堂教学的前提。“体验”，是指人对情绪或情感状态的自我感受，这种心理活动是由感受、理解、联想、情感、领悟等诸多心理因素构成的。用心的学习就是体验学习，它是实现学生生命感悟的过程，也是实现生命审美的过程，是对学习对象的一种情感的赋予和心灵的呼应。“情境体验教学法”和以往的“情境教学法”是有区别的，“情境体验教学法”对情境的理解更为宽泛，它将情境界定为人文情境与科学情境的结合;并且，“情境体验教学法”更加关注学生的体验式学习活动，即更加关注学生生命感悟和生命审美的过程。
三、计算机图形图像处理课程的教学目的
计算机图形图像处理课程的教学目是使学生能够使用计算机这一工具对图形或图像进行润饰、美化、创作，使图像具有更强的艺术感染力、生命力和价值。笔者始终认为，计算机图形图像处理既是一门技术，更是一门艺术。这门课程进一步挖掘和提升高校学生的生命感悟和生命审美能力，并为高校学生提供了一个发现美、表现美、创造美的平台，学生可以借助这个平台来展示自己独特的审美追求，表达独特的审美个性，实现并体验独特的审美价值，计算机图形图像处理课堂为情境体验教学法提供了很好的实施场所，情境体验教学法也为计算机图形图像处理的教学点亮了一盏明灯。
四、情景体验教学法在计算机图形图像处理课程教学中的实施
(一)教师角色的构建
1、适应变化，做学生引领者
课堂总是处于一种流变的状态，正如古希腊哲学家所讲的“一个人不能两次踏进同一条河流”一样，一个教师也不可能两次踏进同一个课堂。教师与学生的心态在变化，知识及操作经验的积累状况在变化。这一切的变化要求教师根据当前的情况采取相应的措施。并且，教师是引领学生走向知识、唤醒学生的情感的导师。我校的计算机图形图像处理教学针对了不同专业的学生(如：新闻、事业、广告、经贸等)，教学内容、案例选择、技巧设置、作业难度等需根据不同专业进行调整。即使是对于同一个班的学生，也不能使用一成不变的方法。善于发现变化、适应变化，才能成为一个成功的引领者。
2、随专业成长，做幸福的体验者
教师可将自我发展和教学成果结合起来。首先要热爱自己的专业，并且倾情投入教学过程，在“教学相长”中收获成功和体验幸福。对于计算机图形图像处理软件而言，它本身就是一个表现美和创造美的工具，享受美的过程及美的结果，既是幸福的，也是充满成就感的。
(二)学生角色的构建
学生是教学的主体，当学生全身心地投入教学活动，以生命体验来参与教学活动时，学习的主动性便能充分调动起来。学生把学习看成认识自我、掌控自我、发展自我的途径，且有主动学习的需求，学习便能成为一种幸福。在计算机图形图像处理教学中，要发掘学生“爱美”的主体意识，培育学生的“审美”的主体能力，刺激学生“创造美”的主动需求，并且和自身发展及专业能力培养相联系，能够进行主动学习。
(三)情境的创建
1、教学情境的设计
首先引入教学情境，营造有利于学生创新与发展的教学情境，构建学生与教学内容之间的关系，引导学生入情入境的阶段。简单来说，就是引起学生的关注，使学生的认知或情感有所“发现”。在计算机图形图像处理教学中，我常采用的方法有：①欣赏法。让学生欣赏漂亮的作品，并指出它的精彩之处，使学生产生想要实现其效果的强烈渴望。②提问法。提出一个问题，如：“要表现某一效果应该怎样处理?”引发学生思考后，用适当的方式引出新的学习内容。需要强调的是，教学情境的引入应贯穿于每一个教学环节和每一个知识点的学习中，它的充分与否直接关系到课堂教学的效果。
其次，计算机图形图像处理采用现代多媒体教学手段，在多媒体计算机房进行教学，实现对学生的视觉、听觉、触觉进行多方位的刺激，这对于教学情境的创建是非常有利的。但是，这绝对不是“情境”的全部，在先进硬件技术的支持下，教师仍然需要丰富生动的教学语言、巧妙的教学环节设计、饱满的热情、爱心、耐心和机智，才能成为成功的“情境”设计者。
2、人文情境与科学情境
“情境”作为课堂教学中富有情感色彩的场景和氛围，从生态学的视角，可以将其分为人文情境与科学情境。
人文情境是感性的，强调对象与迁移、审美与思辨，具有动态和开放的特征;科学情境是理性的，强调理智与逻辑，具有严谨、求实的特征。在传统的课堂教学中，我们往往强调营造科学情境，崇尚统一性和整体性，课堂气氛是严肃、严厉甚至是严酷的。当前，人文情境受到了普遍关注，它本着“以人为本”的思想，提出课堂教学的个体性、变化性，倡导营造课堂和谐、温暖的氛围。计算机图形图像处理教学强调学生的个性化表现和创意性设计，所以计算机图形图像处理课堂应该重视人文情境的创建，使人文情境与科学情境应协调、相融，这样才能创建和谐、灵性的课堂。
(四)体验的创建
1、主体参与
主体参与指教学中重视学生的主体地位，教学的一切活动均以学生的发展需求为出发点和归宿，学习活动以学生的全面参与及全身心的投入为原则。主体参与是学生主动学习的前提，也是学生构建知识体系、技能体系、价值体系，是培养学生创新能力的最佳途径。在计算机图形图像处理教学中，教师结合学生的专业、层次、情感、兴趣、特长等，激发学生的参与热情，精心设计操作项目，把学生引入操作实践活动中，学生通过构思—联想—创意—实现的过程，完成作业或作品设计。学生在主体参与的过程中进一步融会知识、提升技能、培养创新能力。
2、体验与感悟
当学生从教学情境进入到学习状态后，便开始了体验学习的过程。体验包括对问题的理解、对自身的期望、学习兴趣的提升、学习动机的增强、知识与技巧的应用等。感悟就是从大量的表象中通过亲身的理解与领会得出典型的过程，这一过程既有理性归纳的过程，也有情感升华的过程。在计算机图形图像处理课堂中，学生在完成操作项目的过程中，理解教师的期待、明确自己的责任、应用知识与技能，完成思维抽象，同时感受成功的幸福。
(五)教育与美的结合
1、审美沟通
情境体验教学在很大程度上是借助学生的感受来组织教学的，学生的感受过程实际上是一个审美的过程，审美与感觉、想象、情感、兴趣、态度是紧密联系的。审美具有两层含义：其一，是对美的观察与体验。计算机图形图像处理的对象—图像，它的美包括形式美和意境美，形式美是指生活、自然中各种形式因素(色彩、线条、形体、声音等)的有规律的组合。形式美的主要法则有：单纯齐一、对称均衡、调和对比、比例、节奏韵律、多样统一。意境美是我国美学思想中的一个重要范畴。意境是客观(生活、景物)与主观(思想、情感)相熔铸的产物，是情与境、意与境的统一，意境中的含蓄能唤起欣赏者的无限想象。把美学基本原理融入计算机图形图像处理课堂中，让学生具有发现美的眼睛、表现美和创造美的愿望，生成师生间对美的共鸣，是达成计算机图形图像处理课堂的审美沟通的一个条件。其二，是生命体对于外界事物的亲生体验和沟通。教育美学观认为，“要以教育美的建立去提升教育及其对象的精神境界，使教育活动成为一种人生境界的达成过程，使教育活动的主体或对象都在人生上实现超越。”情境体验教学追求教育美的达成，它是一种教学智慧的美、生命的美，目的在于求得学生精神与教学环境间的沟通、学生与教育世界的心灵沟通。
2、精神审美与升华
所谓精神审美，就是以提升学生的精神境界为主要目的，让学生以审美的情绪关注学习内容，完成学习过程，获得精神的满足，并且获得自身可持续性发展的动力和智慧。升华是指对认知的升华、对感悟的升华、对责任的升华。升华是教学向课外的延伸、向社会的延伸。计算机图形图像处理为学生提供了一个发现美、表现美、创造美的平台，学生在此平台上获得美的体验和满足，从而丰富其内心世界，获得生命美的更深感悟。同时，也要让学生认识到：计算机图形图像处理为我们的生活带来了美，但任何的美都必须以社会道德和法律为基础，我们的任何行为都必须对社会负责，否则，它制造的将是丑恶。
五、后记
高校课堂教学的根本目标不仅是知识的诉求，更是对学生生命个体发展的关注。在计算机图形图像处理课堂中应用情境体验教学法，倡导人文情境与科学情境相结合，唤起学生生命个体对美的体验、感悟和升华。但教学研究是没有止境的，计算机图形图像处理的教学要在传统的启迪下、时代的引领下、不断的实践与反思中前进。
注释：
①黄甫全.课程与教学论.北京:高等教育出版社.2002:57
②郑金洲.课改新课型.北京:教育科学出版社.2006:142
③李秀伟.唤醒情感—情境体验教学研究.山东教育出版社.2007:41-54
④郑金洲.重构课堂.华东师范大学学报.2001(3):15
参考文献
1 黄甫全.课程与教学论[M].北京:高等教育出版社.2002:2-57.
2 郑金洲.课改新课型[M].北京:教育科学出版社.2006:142.
3 李秀伟.唤醒情感—情境体验教学研究[M].山东教育出版社.2007:14-120.
4 檀传宝.德育美学观[M].太原:山西教育出版社.2002:15-66.
5 马斯洛.人性能达的境界[M].林方译,昆明:云南人民出版社.1987:2-192.
6 钟启泉.现代课程论[M].上海:上海教育出版社.1989:10-35.
