原创《图像增强算法的综合实验教学》
该文是图像增强有关毕业论文提纲范文和图像增强算法和教学研究和实验相关学术论文怎么写。
图像增强算法的综合实验教学研究
徐?琪, 曾卫明, 章夏芬
（上海海事大学 信息工程学院,上海 201306）
摘?要：针对计算机图像处理课程中算法公式复杂难懂,原理枯燥又抽象的问题,以图像增强算法为例,设计并讲解3个理论联系实践的综合小实验,引导学生进一步理解算法的原理和动机,为计算机图像处理课程中图像增强算法的教学提供参考.
关键词：计算机图像处理；图像增强算法；图像灰度分布调整；图像平滑；图像锐化
0引?言
图像增强是计算机图像处理课程中算法的综合性比较强的1章,面对枯燥而又抽象的算法公式,本科生在学习过程中普遍表示理解有困难,更重要的是学生对于这些算法的动机和算法的实际应用没有直观清楚的认识.因此,在该课程章节配套的实验教学环节,设计1套贴近学生平常能接触到的实际问题的综合实验,使同学们通过编程实验理解算法步骤,灵活融合各种相关算法以解决实际问题,从而能够深刻领悟算法背后的动机是非常重要而有意义的.
1图像增强算法教学现状
图像处理是一门交叉性学科,其中的图像增强是要通过对图像的某些特征进行强调和锐化,以便显示、观察或进一步分析处理,其算法融合了矩阵运算、信号滤波、微分差分等比较复杂的数学计算和信息论原理.
有些教师认为,数字图像在计算机中的表达就是1个数矩阵,对图像进行增强操作,实际上是对矩阵进行操作,对矩阵表达和操作的深入了解是学好图像增强不可缺少的条件.因此,大部分学时用来强调数学中的矩阵运算,但1个屏幕接1个屏幕的数学公式和矩阵使学生产生畏难情绪,影响学生学习图像增强的兴趣.
有些教师选择避开数学原理,直接从计算机编程角度来进行实验教学,利用较多学时来重点讲解关键算法的编程实现,应用背景讲解缺乏细节.在这种教学方式下,学生是对关键算法进行了编程实现,却很难将所学的基本理论知识与相关应用领域建立起联系,谈不上灵活应用与创新.这样就使得原本很重要的实践环节变成了理论学习的辅助,极大降低了图像处理实验对学生的吸引力,也影响到最终教学效果.
2实验教学资源建设
图像增强的算法很多,但图像增强的结果主要依靠人的主观感觉来评价.要改变学生学习算法的畏难情绪,就要理论联系实际,通过实际应用来增强算法的效果意义.笔者结合教材中的基本经典增强算法和学生这个年轻群体的日常相关问题,设计了1套简化的针对自拍照片进行滤镜处理的综合小实验：怀旧老照片滤镜、美颜美肤滤镜以及平面油画滤镜.
实验以《数字图像处理（第二版）》中图像增强章节中基于点运算的灰度分布调整算法、图像平滑算法和图像锐化算法3类算法为例[1],并结合彩像处理的基本概念,将作用于灰度图像的图像增强算法扩展到彩像,达到彩像增强的目的.实验过程中,使用Matlab图像处理工具箱[2]进行图像处理程序开发与设计.Matlab图像处理工具箱提供了丰富的图像处理函数,灵活运用这些函数可以完成大部分图像处理工作,对不能直接调用库函数完成的任务,Matlab也可通过自编的m文件来实现.数字图像在计算机中的呈现就是一个数字阵列,即数字矩阵,Matlab擅长矩阵运算的特点使其用于数字图像处理非常合适 [3].文章中所涉及的实验使用Matlab图像处理工具箱的优点就是降低本科学生算法编程的难度,使得学生只要掌握了算法原理和算法基本步骤就能编程实现.
2.1怀旧老照片滤镜原理与实验设计
怀旧老照片的特点是图像低饱和度、低亮度、主色调偏黄,涉及的图像增强相关算法为：线性动态范围调整算法和彩色分量比例调整算法.
线性动态范围调整算法的原理是进行像素点对点的、灰度级的线性映射.该映射关系通过调整参数来实现对图像亮暗差异的改变.在设计老照片滤镜的实验中,引导学生思考怎样选择参数来达到老照片偏暗淡的效果,是整体亮度都线性调暗,还是只针对比较亮的像素进行部分调整.线性动态范围调整的效果并不是最好的,还应该引导学生拓展思考非线性的动态范围调整算法,并思考其中的原因,得出人眼对亮度的识别是对数关系而非线性关系这一结论.
彩色分量比例调整是为了使图像主色调偏,根据显示器彩色模型加色系统原理,将图像红色分量和绿色分量像素值增加50~100,则图像色调将显示偏,具体要增加的像素值由学生根据实验图片自行调整.
图1是一幅图像按照上述算法做旧成老照片的示例.在1-1图中,对读入的彩像,取其红色通道分量和绿色通道分量,像素值分别增加100,即得到图1-2的调整效果图.然后,为使图像整体亮度偏暗,需提取彩像的亮度分量进行线性动态范围调整,即将图1-2的色彩空间调用rgb2hsv( )函数进行变换,取变换后的value分量（亮度分量）进行动态范围调整：调用imadjust( )函数,输入参数取值为[0, 1],输出参数取值为[0, 0.7],即可得到图1-3所示效果.
2.2美颜美肤滤镜原理与实验设计
对照片进行美肤美颜的一般要求是将图像中人物皮肤进行“磨皮”,使其比真实图像人物皮肤光滑,换句话说就是要使图像中人物皮肤像素值分布更均匀；同时要调整图像的整体亮度,使图像看上去更为清晰明亮,涉及的图像增强的相关算法为：边缘保持类滤波器算法和直方图均衡化算法.
要使得图像分布更为均匀,应使用平滑滤波器对图像进行低通滤波,但普通的平滑滤波在平滑图像的同时会模糊图像中的边界.显然,这与我们的滤镜设计要求是冲突的,因此,我们设计使用边缘保持类滤波器算法——KNN平滑滤波器来达到“磨皮”的同时又能保持边界清晰的目的.实验过程中,要求学生自行编程设计KNN平滑滤波器,编程过程中,引导学生通过经验调整KNN平滑滤波器中滤波窗口大小的设计、窗口大小和K值设定的关系.
直方图均衡化算法依据信息论中数据分布越均匀,数据信息熵越大的原理,对图像中像素个数多的灰度值进行展宽,对像素个数少的灰度值进行归并,从而达到清晰图像的目的.直方图均衡化算法能够对“磨皮”之后的图像进行整体亮度调整,使图像亮度的分布更符合人眼识别的特性.实验过程中,可适当要求学生对直方图均衡化算法自行编程,了解算法根据图像灰度分布概率进行直方图调整的算法本质.直方图均衡化之后,引导学生计算原图像和均衡化之后图像的对比度变化,进一步让学生理解具有高对比度的图像才是人眼识别过程中的“清晰”图像.算法的最终效果可以与Matlab中histeq( )库函数的均衡化效果进行对比.
图2 显示了一幅人脸图像按照上述算法进行美颜美肤滤镜后的效果.示例中2-1图整体亮度偏暗,因此,在读入图像后通过调用rgb2hsv( )函数,取出vaule通道分量调用histeq( )进行直方图均衡化,图2-2是对原图进行直方图均衡化之后的效果.均衡化后,图像整体清晰度得以提高,但人脸皮肤颜色和亮度的不均匀性更为明显,因此,对均衡化之后的图像需要使用KNN平滑滤波器进行图像平滑,示例中滤波器窗口大小为5*5,K值取13,实验结果如图2-3所示.
需要说明的是,图2-3显示的美肤美颜效果与我们实际应用自拍软件中的美颜效果还是存在一定差距的,由此可引导学生了解在实际应用中,只使用简单的图像处理算法有可能无法彻底解决问题,需要使用一些更为复杂、先进的算法才行.如图2-4所示,对图2-2使用双指数边缘平滑滤波器[4]进行平滑,其效果更为令人满意.
2.3平面油画滤镜原理与实验设计
镜头拍摄的照片,由于色彩丰富,过渡自然因而非常真实,要将真实场景图像做出平面油画效果,就要减少图像上的色彩种类并锐化图像中的景物边界,涉及图像增强的相关算法为：降低图像量化级别和图像锐化算法.
图像的量化就是把数字图像像素点上表示亮暗信息的连续量离散化后,用数值来表示.普通的灰度图像量化级别为256,而彩像由3个原色构成,量化作用在每个原色上,能表达的颜色种类为256*256*256个,非常丰富多彩.因此,为了明显地将自然场景图像转换成平面画效果,需要大幅度降低量化级别.在实验中,可通过线性范围调整来对每个原色的分量直方图进行范围压缩达到降低量化级别的目的.
自然图像中景物边界一般不会特别突兀,而画出来的图像最明显的一个特征就是有着清晰的边界,因此,在实验中要指导学生使用图像锐化算法去检测原自然场景图像中的边界信息,并按自由度增强后叠加到原图,达到清晰边界的目的.实验过程中,引导学生分别使用水平锐化算子、垂直锐化算子和Canny算子3种边界检测算法去提取边界,最后,为提取的边界图像设定1个自由度权重（0~1）,根据实际图像情况,将边界信息按自由度权重叠加至降低量化级别后的图像上.
图3 是一幅彩色建筑物图像按照上述算法进行平面油画滤镜后的效果.为了说明问题,我们选择一幅彩色建筑物图像（见图3-1）进行实验,在将R、G、B三原色的每个分量的量化级别从256降为2之后,得到了图3-2的效果,量化级别不够所形成的伪轮廓现象正好体现了平面油画色块过渡不自然的特点.然后,我们将在原图上用Canny算子提取的边界信息（见图3-3）,按照0.5的自由度权重叠加至图3-2中,即可得到最终的滤镜效果（见图3-4）.
3教学效果与讨论
在教学过程中,由于图像处理算法中包含很多数学模型和信号处理原理,学生们看到较复杂的数学公式就会产生畏难情绪,也因而陷于纠结算法步骤和算法实现上,反而将最重要的算法动机和算法原理给忽略了.实际上,图像处理这门课程与人们的日常生活是息息相关的,像二维码扫描、指纹识别、车牌识别等都是图像处理算法的应用.笔者在讲解图像增强算法的过程中,以本文所设计的3个自拍滤镜实验辅以验证和说明,使得学生能够立竿见影地看到图像增强算法的实际应用效果,大大激发了学生的学习兴趣.同时,由于在试验中对实验问题的本质进行了分析,讨论了不同算法的选择和融合,验证了不同的算法参数,使得学生对算法原理理解得更加深刻,从而掌握算法背后的动机.
通过这种与学生日常生活相关的图像的处理实验设计,学生们对图像处理课程的兴趣大大增强,不再认为图像处理课程仅仅是一门数学应用困难、编程也困难的交叉性理论课程,很大程度上调动了学生的学习积极性.更为关键的是,在课程算法讲解的同时,引导学生认识到任何算法模型的提出都是需要和解决的实际应用问题的本质相关,理解问题本质,把握算法原理才是最重要的.
4结?语
笔者所在的图像处理教研小组的各位教师长期从事计算机图像处理的相关研究,通过多年教学实践发现,理论和实践结合的教学方法可以大大调动学生的学习兴趣和学习积极性,实践和学生的日常生活联系越密切,他们的积极性就越高[5-6].今后,针对计算机图像处理这门课程的其他章节,如图像变换、图像压缩与编码,也可设计一系列实际案例的实验方案,并在最终课程结束后,将所有章节实验整合,形成一个完整的图像处理软件工具箱,进一步激发学生的兴趣和成就感.
图像增强论文参考资料：
归纳上述：此文是一篇关于图像增强方面的大学硕士和本科毕业论文以及图像增强算法和教学研究和实验相关图像增强论文开题报告范文和职称论文写作参考文献资料。
