数字图像相关方法（精选九篇）
数字图像相关方法 篇1
近年来，国内外出现了少量FRP界面粘结性能的数字图像相关方法研究[1,2,3,4]，但都是从外贴FRP加固的方法进行试验和理论研究，而FRP嵌入式界面粘结特性的数字图像相关方法的研究还没有看到过。本文在现有的研究基础上，设计了CFRP板嵌入式加固混凝土试件的单剪式直接拉拔的试验方案，并自行设计了混凝土试件固定端的夹具，配合万能材料试验机进行拉拔试验，利用数码照相机采集被测物变形前后的数字图像，经过数字图像相关计算得出各观测区域(Area Of Interest，简称AOI)的位移与应变，分析界面的应力、应变、破坏规律和粘结滑移关系。
本文结合数字图像相关方法，对经过CFRP嵌入式加固的混凝土试件进行轴向拉拔试验，通过CCD采集加载前后不同时刻的图像，并转换成数字图像存于计算机，再用Vic-2D软件对图像进行相关运算，计算出加载端、固定端、沿CFRP嵌入长度方向计算点的局部位移和应变。
1 试验概况
1.1 试件设计
试验设计尺寸150 mm×150 mm×300 mm的矩形混凝土试件，在混凝土试件的纵向正中间开一个矩形槽，并在槽中注入环氧树脂作为粘结材料，将CFRP板条放入槽正中与混凝土试件相粘结。CFRP板条采用板宽为20 mm，板厚为4 mm，对应100 mm和200 mm的粘结长度。
试件混凝土强度等级按C20级设计。混凝土设计配合比为:水泥∶砂∶石子∶水=1∶2∶3.67∶0.56，水泥采用P.O32.5级普通硅酸盐水泥，砂采用赣江中砂，石子最大粒径为25 mm。
CFRP板条抗拉强度为2 460 MPa，受拉弹性模量为147 GPa，伸长率为1.45%。
试验中采用的粘结胶为美以达M500碳纤维胶，采用改性环氧、固化剂及活性助剂配制而成，可作为碳纤维底胶和混凝土的界面剂使用。环氧树脂与固化剂按混合重量比3∶1的比例配比使用。抗拉强度为42.5 MPa，受拉弹性模量为2 580 MPa，与混凝土正拉粘结强度为2.5 MPa。
1.2 试验装置
拉拔试验在华东交通大学结构工程重点实验室电液式伺服万能材料试验机上进行，并利用数字图像采集仪同步采集拉拔过程中试件变形前后图像。夹具立视图见图1，加载及测试装置见图2。
1.3 试验方法
试验以0.5 mm/min的速度加载，在进行加载前，首先将试件放置于自行设计的夹具[5]中并固定好，再放置于材料试验机上，摆放好位置，下夹头夹紧;再升至顶端距50 mm左右的位置，上夹头夹紧。此时利用数字照相机拍摄第一张相片作为参考图像，并设置数字图像采集的频率，本文为了得到比较精密的数据，设置以每秒五张的速度进行数字图像的采集。试验完成后，利用基于数字图像相关基本理论的Vic-2D软件程序进行图像后处理分析计算。
2 试验结果与分析
2.1 试件表面应变场分布
本文以槽宽尺寸为14 mm，粘结长度为200 mm的试件为例分析CFRP板—混凝土粘结界面应变分布。
图3中三幅应变云图分别为拉拔荷载10 k N,20 k N,40 k N附近的εyy应变场。通过对Y方向正应变εyy应变全场的分析，可以发现随拉拔荷载的不断增加，试件表面应变云图颜色变化层次较多，说明加载过程中，应变变化剧烈，且两端颜色接近于比色卡的极值，根据本试验所使用的数字图像相关方法程序Vic-2D程序所规定竖向位移Y方向，向下为正，向上为负，体现为受拉应变。同时，随拉拔荷载的增加，试件两端极值颜色区域向中间靠近、颜色逐渐变深，说明变形是随荷载增加而逐渐增加的。
图4中三幅应变云图分别为拉拔荷载10 k N,20 k N,40 k N附近的εxy应变场，通过对剪应变εxy应变全场的分析，可以发现随拉拔荷载的不断增加，试件表面应变云图颜色变化层次较多，说明加载过程中，应变变化剧烈。随拉拔荷载的增加，试件两端极值颜色区域向中间靠近、颜色逐渐变深，说明变形是随荷载增加而逐渐增加的。当荷载加至30 k N左右(极限)时，观察第3幅应变云图，可见粘结界面上端出现一处应变较高的深色区域，说明随荷载增加，这个区域将会发生界面脱粘，荷载在此区域传递减少，应变随之减小，此区域界面首先进入塑性。此区域应变与周围粘结界面区域有较大的差别，这种较大的应变差使得CFRP板—粘结胶界面有较大的应力集中现象发生。
2.2 界面沿CFRP板埋入长度计算点应变
图5为界面应变计算点位置分布图，图6给出了试件不同荷载作用下CFRP板—粘结界面竖直方向正应变εyy沿CFRP板嵌入长度分布情况。εyy在离加载端附近时为最大值，为压应变;随沿CFRP板嵌入长度增加即离加载端稍远处，εyy逐渐减小，在计算点11点～13点之间减小到0，然后应变变号为拉应变又逐渐增加，在CFRP板嵌入末端达到拉应变最大值。说明沿CFRP板嵌入端和嵌入末端是界面破坏的危险区域，在离加载端较近的压应变使得界面混凝土基体压碎破坏;离加载端更远的拉应变则使CFRP板—粘结界面拉裂破坏，最终导致脱粘，从破坏过程中的末端空腔即可知。图7为试件在不同荷载作用下CFRP板—粘结界面剪应变εxy沿CFRP板嵌入长度分布。可以发现，不同荷载下剪应变εxy最大值都分布在CFRP板嵌入端即靠近加载端附近;随着离加载端越远，CFRP板—粘结界面剪应变εxy逐渐减小。除此之外，可以发现最大剪应变εxy并非出现在离加载端最近的计算点处，这是由于加载前，夹具上端有小部分空腔，直到增加荷载到一定值时，试件整体上移，随后固定于夹具内，因此部分剪应变最大值出现在计算点2～4之间。再者，在计算点9～17之间界面应变方向和大小变化复杂，这是由于混凝土材料内部结构的多相性、不均匀性和非连续性，导致界面内部微观变形的不协调性，这种微观变形的应变局部化又必然导致CFRP板界面剪切破坏的局部化的现象发生。
3 结语
通过采用数字图像相关方法，对CFRP嵌入式加固混凝土拉拔试验中CFRP板及混凝土基体的位移和应变场进行全场测量和分析，利用与之相配套的Vic-2D软件，计算出了CFRP板加载端、固定端和沿CFRP板埋入长度方向各计算点的位移和应变。加载初期加载端部分迅速受力产生应变，自由端及粘结长度中后段并没有明显的应变变化。但随着荷载的不断增大，距加载端远部的应变值也迅速增大。荷载达到一定值时加载端出现微裂缝，发生了应力重新分布，微裂缝破坏点向自由端方向发展。根据对比分析，与已有常用测量方法测量所得结果较为相符。证明了数字图像相关方法在FRP嵌入式界面研究中的可行性与优越性。
摘要：通过采用数字图像相关方法和单剪式直接拉拔相结合的试验方法,直接测量了18个经过CFRP嵌入式加固的混凝土试件在轴向拉拔过程中全场及界面的位移分布,应用Vic-2D软件计算出界面的相对位移与相对应变,并分析研究了界面的变形和破坏规律,指出数字图像相关方法在FRP嵌入式界面研究中的可行性与优越性。
关键词：数字图像相关方法,CFRP,嵌入式加固
参考文献
[1]施嘉伟,朱虹.数字图像相关法测量FRP片材与混凝土界面的粘结滑移关系[J].土木工程学报,2012(10):13-22.
[2]杨勇新,岳清瑞,胡云昌.碳纤维布与混凝土粘结性能的试验研究[J].建筑结构学报,2001,22(3):36-42.
[3]孙伟,何小元.数字图像相关方法在土木领域中的实验研究[J].南京航空航天大学学报,2009,41(2):271-275.
[4]赵燕茹.钢纤维混凝土界面应力传递及脱粘过程的细观力学研究[D].呼和浩特:内蒙古工业大学博士学位论文,2008.
数字图像处理课程教学方法探讨 篇2
摘要：针对《数字图像处理》这门课程具有学科跨度大、理论性强、实用性广的特点，并结合学生的实际情况，对课程的教学模式进行了探讨。首先，根据选用教材内章节之间的联系，把各章的知识点结合在一起，实现对教学内容的有效整合。其次，针对教材理论性强的特点，在讲授时通过与实际的案例进行结合，激发学生的学习兴趣。最后，通过实践加深对理论知识的理解，同时也培养了学生的独立思考能力和创新能力。
关键词：数字图像处理；教学内容；教学模式；教学效果
中图分类号：TP3 文献标识码：A 文章编号：1009-3044（2014）13-3060-04
Discussion on Teaching Method for Digital Image Processing
QIN Hua-feng1，WANG Xing-qiong2，KANG Qiu-hong1
（1.School of Computer Science and Information Engineering，Chongqing Technology and Business University，Chongqing 400067，China； 2.Chongqing Banan Middle School，Chongqing 400054，China）
Abstract： As the digital image processing has the large discipline span，strong theory，wide application，this paper discusses the teaching method based on the actual situation of students.Firstly，the knowledge is combining based on the relation among different chapters，which can integrate the teaching contents effectively.Then the students’ interest is aroused in the teaching process using actual case.Finally，the student can understand the theory clearly.At the same time，theirs independent thinking and innovation ability can be improved.Key words： Digital image processing； Teaching content； Teaching mode； Teaching effect
概述
数字图像处理诞生于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。直到20世纪60年代初期数字图像处理才发展成为一门学科。美国喷气推进实验室首次将数字图像处理实际成功应用到对几千张月球照片的处理，并利用计算机对处理后的图像进行分析，成功地绘制出月球表面地图。数字图像处理取得的另一个巨大成就是在医学上获得的成果。当前图像处理技术在工业自动化、工业检测、医学、遥感探测等各个方面都发挥着十分重要的作用[1]。
《数字图像处理》[2，3]是集成计算机科学、电子学、信息论、光学、数学等学科的一门综合性学科。本课程是空间信息工程系、摄影测量与遥感系开设的必修的专业基础课之一。它的起点高、难度大，理论性很强。学生在学习时，普遍感到数字图像处理的概念抽象，对其中的分析方法与基本理论不能很好地理解与掌握。如何提高学生对数字图像处理技术的学习兴趣，以及学生的图像处理技术的应用能力，是数字图像处理课程建设、课程改革的重要内容。现就接合自身在数字图像处理领域多年的研究经历以及教学经验，并根据学生的反馈信息，对该课程的教学模式进行了探索，希望有助于提高教学效果和教学水平；知识点的整合
数字图像处理涉及到的知识点繁琐，但是通过有效的整合可以使得教学体系前后连贯，教学内容较为紧凑，同时使得学生理解起来更为容易，思路更加清晰。如以清华大学出版社的出版的《数值图像处理和分析》为例，全书一共11章。根据教材内容的前后联系和学生的知识背景，对教学内容进行了整合，如表1所示。前面的第一、二章是介绍数值图像处理的概念，这部分可以引导学生自学。原书第三、五、六章主要利用各种变换来图像质量的改善。第四章是图像的编码与压缩，主要是实现对图像的存储和传输。七、八、九章的内容主要是图像的特征的提取和分类。最后两章是数值图像处理在数字水印和车牌识别方面的应用，可以利用两个专题讲座的形式来进行授课。经过整合，把所有的内容分成了三个教学模块，使得教学更加紧凑，条理清晰，学生理解起来也更容易。
表1 教学内容的整合[整合前内容＼&整合后内容
章节的调整 整合＼&绪论＼&绪论＼&引导学生自学＼&数字图像的表述与处理＼&数字图像的表述与处理＼&图像增强＼&图像增强＼&图像质量的改善
＼&
数字图像处理的方法＼&图像的编码与压缩＼&图像复原＼&图像复原＼&图像重建＼&图像重建＼&图像的编码与压缩＼&图像的存储和传输。＼&图像分割技术＼&图像分割技术＼&图像特征的提取与分类＼&图像的特征提取与分析＼&图像的特征提取与分析＼&图像的匹配与识别＼&图像的匹配与识别＼&基于MATLAB数字水印系统设计＼&基于MATLAB数字水印系统设计＼&专题讲座＼&车辆牌照识别系统设计＼&车辆牌照识别系统设计＼&] 基础理论知识
3.1 案例教学
案例教学是通过一个具体教育方式来实现场景的重现，引导学生对这些特殊情景进行讨论和分析，加深学生对知识点的理解，培养学生积极学习兴趣和创新力的一种教学方法[3]。数值图像处理涉及到微积分、偏微分、小波分析、矩阵论、信息论预编码等数学知识。因此，需要学生有一定的数学基础，然而工科的学生的数学基础普遍较差，单从理论方面来进行讲解学生很难理解和掌握。幸运的是，虽然这门课程设计的数学知识面广，但是这些知识都具有较强的应用背景，如果在授课的过程中能够结合实际的例子来进行分析能，就可以使得复杂的数学知识变得简单易懂，学生掌握起来也更加轻松。例如，信号可以按它的频率分为高频信号和低频信号。那么什么是信号的频率以及怎么判断高频信号和低频信号，在授课过程中应给以详细的解释，最后举一个例子如给出如下一幅雷娜图像。图中的帽子上纹理灰度值变化较快，所以就是高频部分[4]。而脸部灰度值比较平滑（变化较慢），所以是低频部分。
图1 雷娜图像
3.2 内容的适度延伸
在当今的世界，知识的更新是很快的。目前大部分知识的载体是书籍、报刊、杂志。在这几种重要载体中书籍的知识更新度是最慢的，然而现在上课用的课本基本上都是以书籍的呈现形式。因此如何把书本上经典而滞后的知识和该领域最新的研究成果联系起来是非常关键的。一方面，可以使得知识具有连贯性，使得学生更容易系统的掌握；另一方面，以拓宽知识面和提高学习的积极性。所以尝试性的要求学生查阅相关资料，了解本领域的研究进展是有必要的。
在教学过程中，除了常规的讲解书本上的理论知识外，将其中部分内容适当整理后，以课堂讲座形式开展，并对相关知识作适当的补充和延伸[5]，使知识更系统化，立体化。例如，在讲授图像质量的改善方法的内容时，会经常用到各种图像变换的方法，如傅立叶变换[6]、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理[7]。其优点在于不仅可减少计算量，而且可获得更有效的处理。当学生掌握了各种基本变换方法后，可以引入小波变换方法，并介绍小波变换原理以及与经典变换方法的相似性。然后，给出小波变换的优势即在时域和频域中都具有良好的局部化特性。如果学生有兴趣的话，可以介绍在小波变换的基础上进一步发展得到的脊波变换，并通过一些图像例子来加深理解，如图
2、图3和图4所示。这样的讲授不仅可以让学生更系统的理解各种变换理论而且通过研究整个理论体系的发展可以激发学生的兴趣和创造性。实践教学
实践教学是教学课程的重要组成部分，它是巩固理论知识和加深对理论认识的有效途径，是培养具有创新意识的高素质工程技术人员的重要环节，是理论联系实际、培养学生的独立思考和创新能力的重要平台[8]。相对于理论教学而言，实践教学是教学过程中最薄弱的环节。为了有效提高实践教学，根据学生的实际情况对相关的实验内容的选取进行了相应的改革。
4.1实验准备
考虑到电子信息专业的同学不同于计算机专业，没有开设VC 课程，但开设了MATLAB 课程，已经掌握了MATLAB 的一些基本编程能力，另外，MATLAB 软件为数字图像处理提供了功能丰富的图像处理工具箱。它集成了一系列支持图像处理操作的函数。涵盖了图像处理的几乎所有的技术方法，是学习和研究图像处理的人员的宝贵资料和加工工具。因此，选取计算能力强的MATLAB软件作为教学软件是必要的。此外，还需要准备实验所需的图像。
4.2 实验内容
实验内容的选取也是相当关键的。根据学生掌握知识的能力以及知识的前后衔接关系，选择图像变换、增强、分割、特征提取和识别等作为实验内容。然后根据知识点的难易程度分为基本实验、开放型实验和演示实验。这样具有一定的层次感，使得学生接受起来较为容易。例如，对于傅里叶变换的实验，首先要求学生能够对图像进行傅里叶变换，并分析变换后的图像以及其逆变换后重构图像；当在这个试验中掌握了傅里叶变换后，再安排图像频域增强等实验。
4.3 实验内容拓展
通过理论知识的讲解以及基本实验的实施，学生能够较好的理解所学的知识，且能够将所学的知识应用于处理一幅具体图像。为了进一步培养学生独立思考和创新的能力，需要为一些有兴趣的学生提供一些参与教师科研项目的机会。例如通过课程设计的形式来为他们积累一些实践经验以及培养他们的创新能力。通过学生的积极参与，一方面，加深了对所学专业知识的理解，另一方面培养学生的学习兴趣和创新能力。结论
本文针对计算机、影像各专业对图像处理的要求和数字图像处理本身的特点，充分结合我校学生的实际情况，对《数字图像处理》课程的教学进行的尝试性的改革和探索。通过对教学内容的整合，使得教学内容更紧凑和调理更清楚。在理论知识的传授方面，结合了案例教学法和教学内容延伸法来进一步提高学生的学习兴趣和能力。最后，利用教学实践来巩固所学知识，增强学生的创造力。随着时代的发展以及知识的快速更新，对教学提出了新的要求。作为教学主体的教师，需要不断的地学习新的知识，总结教学经验，不断地探索和尝试新的教学方法才能与时俱进。
参考文献：
[1] 冈萨雷斯.（阮秋琦，阮宇智等）数字图像处理（第二版）[M].北京：电子工业出版社，2003.[2] 章毓章.图象处理和分析[M].清华大学出版社，2002.[3] 黄果，秦红英，许黎，等.浅谈数字图像处理课程教学改革[J].计算机光盘软件与应用，2013，3（7）：280-281.[4] 王旭初，潘银松.《数字图像处理》实验的课题驱动式教学探索[J].电脑知识与技术，2010，34（6）：9810-9811，9818.[5] 王雪.图像处理教学中如何培养学生的行业素质[J].长春教育学院学报，2013，29（1）：145，157
织物密度的数字图像检测方法 篇3
摘要： 针对织物的纱线密度检测,提出一种对织物图像,信息进行检测的方法。通过数字相机获得织物图像,对织物图像进行最优二值化处理。利用像素黑白颜色区分织物上的纱线和间隙,通过扫描经线和纬线方向的像素颜色值获得纱线处像素颜色特性,从而计算出经线方向和纬线方向的纱线数目。根据各方向最大像素数得织物的大小，即可得知织物的密度。
关键词： 织物密度; 数字图像处理; 图像二值化
中图分类号： TN 247文献标志码： Adoi： 10.3969/j.issn.10055630.2014.02.008
The detection method of digital image for fabric density
LU Fenglong, QIAN Zhihuan
(College of Science, Zhejiang University of Technology, Hangzhou 310023, China)
Abstract： For density identification of fabric, we put forward a method to detect density with the fabric image. In this system, fabric image is got by the digital camera then the fabric image is processed by binaryzation method. We can discriminate yarns and intervals by white pixels and black pixels. To scan warp pixel color and weft pixel color, we can know color characteristic of yarn pixels, so the number of warp yarns and weft yarns can be got. Length and width is known by the maximum pixel number of warp yarns and weft yarns, thus, fabric density can be easily computed.
Key words： fabric density; digital image processing; image binaryzation
引言经纬纱线密度是织物的一个重要性质,经纬纱线密度的大小直接影响到织物的厚度、结实程度、耐磨性和透气性等性质。在纺织行业中,经纬纱线密度的检测主要是人工通过照布镜或织物密度分析镜完成,但是人工检测效率低,长时间工作和人眼的疲劳性也会造成检测误差。目前,大多是通过傅里叶变换的方法,将织物图像经纬向的空域频谱转换为频域频谱来计算［14］,还有通过图像亮度投影曲线的规律来检测织物的密度［5］。这些方法对图像质量要求较高,且对于织物的长度不能通过图像来测,则织物经纬密度的测量就变得很麻烦。该检测系统获取的织物图像,其纱线与纱线间的缝隙可以辨认且颜色与纱线明显不同,图像二值化后［67］,选取合适的经线和纬线方向分别扫描这两行像素的灰度值,通过灰度变化规律及根据每根纱线宽度内的像素点的灰度值连续性来计算纱线的数目。1织物图像的获取织物图像的获取是该方法实现的关键,要满足下面两个条件以便可以对纱线计数。第一,纱线本身颜色与纱线间的缝隙颜色应该存在明显的差异,图像二值化后可达到一方为白且另一方为黑;第二,保证图像中每根纱线和每根纱线间的缝隙的宽度包含的像素数至少要达到两个。根据以上两点,图1中的检测结构中的数字相机可以上下移动,对于不同种类的织物固定合适距离,以满足数字相机的像素可以符合第二个条件,在织物旁边均匀放置白光LED提供光源,使织物表面的光尽量均匀且光强达到明亮状态。数字相机可以通过支架调整位置,对织物的不同位置获取图像进行检测,多次检测后求平均以便达到更加精确的结果［8］。光学仪器第36卷
第2期卢凤龙，等：织物密度的数字图像检测方法
由于是通过扫描经线和纬线方向上的像素的颜色来进行计算纱线数目的,在获取织物图像时,织物的纬、经纱线要保持横平竖直的状态,且织物不可出现褶皱。数字相机与织物之间的距离是一定的,则获取的图像中织物的宽度和长度也是一定的,根据相机的像素以及图像中织物径向和纬向的像素数就可得知织物的大小,图2是医疗所用包扎布料的图像。
图1检测结构
Fig.1The stucture of detecting图2 医用包扎布料织物
Fig.2The fabric for medical bandage
2经纬纱线密度检测
2.1图像二值化为了更加清晰地区分纱线与纱线间的缝隙,要对织物图像进行二值化处理,比较多个阈值二值化处理结果,选取最佳阈值使得纱线与纱线间缝隙最为规则化且易区分的效果［5］。二值化后的图像中,要求织物纱线为黑色,纱线间的缝隙为白色,若二值化的图像颜色与要求相反,则对图像进行求反,白色变黑色,黑色变白色。将图像中的白色像素点颜色值设为1,黑色像素点的颜色值设为0,方便接下来对经纬方向像素点的颜色扫描。对图2进行二值化处理,通过比较不同阈值的处理结果,得到比较理想的阈值为200。对于同一种布料其图像颜色分布是相同的,在颜色值范围0～255内,选择不同的阈值进行二值化,选出二值化后图像中纱线和间隙最为清晰可辨的最佳阈值,减小计算纱线数时的误差。对于不同的布料图像,各自图像的颜色分布相差较大,最佳阈值不同,所以在对不同布料图像二值化时,要重新进行不同阈值比较二值化后的图像清晰度,直至选出最佳阈值。图3为二值化后的结果,但是图像中纱线与缝隙的颜色不符合要求,对图像颜色求反,求反后图像中的纱线为黑色,纱线间的缝隙为一块类似圆形或方形的白色区域,如图4所示。
2.2颜色扫描图像二值化后,纱线间的缝隙为一块类似圆形或方形的白色区域,白色区域的中心点最适合确定扫描的位置,该点位置的特点是在经线和纬线方向上纱线间的间隙紧密有序排列。查找一个合适的白色区域的中心点,以此点为基点扫描织物经纬方向的像素点的颜色值,并分别将两个方向上像素点的颜色值以点的形式绘制在坐标系上。
图3二值化图像
Fig.3Binary image图4颜色求反图像
Fig.4Reversing color image
首先确定白色区域的中心点,以图像左上角的点为原点,原点右方为x方向,下方为y方向,每个单位长度是一个像素点。任意选取该图像偏中心位置的一点,如果该点颜色为黑色,则向该点右下方向移动一点,再判断其颜色,直到移动到颜色为白色的点。若该点为白色,此点坐标为(x,y),见图5(a),通过计算该点x方向左边和右边连续点颜色为白色的数目,可得到纬线这一段像素的中心点横坐标为x1;同理,得出经线方向段的中心点纵坐标坐标y1,则点的坐标由(x,y)变为(x1,y1),见图5(b)。重复上部计算分析,直到xn=xn-1,yn=yn-1,白色区域的近似中心点的坐标为(xn,yn),见图5(c)。
nlc202309040401
图5中心点的推导
Fig.5Deducing centre
确定白色区域中心点的坐标后,基于该点输出所有经线方向和纬线方向的所有像素点的颜色值,并分别绘制其变化规律,每根纱线内的像素的颜色值是连续的,计算颜色值连续为黑色的像素段数,即为纱线数。数字相机与织物的距离是固定的,则数字相机所能获得的图像中的织物的大小也是固定的。根据数字相机的分辨率和织物单位长度内的像素数,即可得知织物的尺寸。在扫描像素颜色时,可得到经线和纬线方向的像素数目,通过像素数就可以得知织物的尺寸。经线和纬线方向的纱线数已知,织物的经纬密度就很容易计算得到。该方法通过判别像素点的颜色来进行的,数据量较大,在此图像二值化和颜色扫描都是通过MATLAB编程实现的［9］,并且可以支持大多数的图像格式,检测过程所用时间较短,效率很高。3结果分析在以下经纬线方向扫描像素的图中,x方向为像素的点数,y是灰度值,灰度范围为0～255,y坐标中1对应255(白色),0对应0(黑色)。根据以上所述分析,得到图4中一块白色区域的中心点,其坐标为(262,128)。图6(a)和图6(b)分别为织物的纬线、经线方向的像素分布,在纬线方向(即x方向)有473个像素点,计算颜色值为连续黑色的像素段数为29个,即纱线数为29根,比实际纱线数少2根;在经线方向(即y方向)有363个像素点,计算颜色值为连续黑色的像素段数为18个,即纱线数为18根,与实际纱线数相同。造成误差的原因,主要是在获取织物图像时,纱线有点弯曲,部分纱线偏离了扫描方向。根据经线和纬线的像素数,得到图像中的织物的长度为3.2 cm,宽度为2.1 cm,经纬密度分别是10根/cm、9根/cm。
图6经纬线方向像素颜色分布
Fig.6The pixel distribution of warp and weft
图7棉质T恤布料
Fig.7The cloth of cotton Tshirt根据此方法对其他方式得到的其他织物图像进行了验证检测,图7是棉质T恤布料,该布料比较特殊,纬线方向的纱线是倾斜的;图8是麻线布料的图片。以上两张图片的处理结果比较理想,图9为织物的经线方向的像素分布,其经线纱线数为14根,比实际纱线数少1根,织物的长度为0.8 cm,经线密度是18根/cm;图10(a)和图10(b)分别为织物的纬线、经线方向的像素分布,其纬线纱线数为33,与实际纱线数一致,经线方向纱线为26根,比实际纱线数少1根,织物长和宽分别为2.2 cm、1.5 cm,经纬密度分别为15根/cm、17根/cm。
图8麻线布料
Fig.8The cloth of linen thread图9纬线方向像素颜色分布
Fig.9The pixel distribution of weft
图10经纬线方向像素颜色分布
Fig.10The pixel distribution of warp and weft
图11运动裤布料
Fig.11The cloth of slacks为了缩短检测时间且提高检测精度,可以截取部分图像来进行处理,这样要判别的像素数目就变得很少,并且可以避免织物发生少许倾斜和褶皱的状况,可以减小误差。图11是运动裤的布料,为方便人眼观察,对原图进行了放大,图12(a)和图12(b)分别为织物的纬线、经线方向的像素分布,纬线和经线的纱线数目分别为5根、6根,与实际值相同,织物长度和宽度分别为0.3 cm、0.2 cm,经纬密度分别为17根/cm、30根/cm。4结论本文介绍了基于颜色的织物经纬密度检测,对织物上光照的均匀性没有过高要求,且对图像的噪声不敏感,在获取图像时保证可以明显区分纱线本身颜色与纱线间的间隙的颜色即可。该检测方法简单,快速且较为准确,每次检测时间短;但是该方法的一大缺点是获取图像时,织物的放置形态会严重影响检测结果,这一点需要在以后的工作中改善。
图12经纬线方向像素颜色分布
Fig.12The pixel distribution of warp and weft
此织物经纬密度检测系统可应用在织物生产流水线上,通过多次检测以得到最精确的结果。由于这是一种比较新颖的检测织物的经纬密度的方法,所能检测的织物的种类比较单一,在许多方面还存在缺点,这将在以后的研究工作中得到改进。参考文献：
［1］WANG X,GEORGIANS N D,PETRIU E M.Fabric texture analysis using computer vision techniques［J］.IEEE Transactions on Instrumentation and Measurement,2011,60(1):4456.
［2］周利兵,刘莉.织物经纬纱线密度的自动测量［J］.科技信息,2010(26):368369.
［3］吴海虹,张明敏,潘志庚.织物图像的倾斜检测与纬纱密度识别［J］.中国图象图形学报,2006,11(5):640645.
［4］孙亚峰,陈霞,王新厚.机织物密度的计算机自动识别［J］.东华大学学报,2006,36(2):8388.
［5］潘如如,高卫东.基于图像处理的机织物密度的高精度识别［J］.纺织学报,2008,9(11):128131.
［6］王长军.基于数字图像技术的织物组织分析方法的研究［D］.上海:东华大学,2008.
［7］周水庆,刘秉琦,胡文刚,等.线阵CCD全景图像的噪声分析与去噪方法研究［J］.光学仪器,2011,33(1):5457.
［8］李强.基于图像处理与虚拟仪器技术的织物悬垂性测试系统的研究［D］.上海:东华大学,2007.
［9］马晓路,刘倩,胡开云,等.MATLAB图像处理从入门到精通［M］.北京:中国铁道出版社,
数字图像相关法变形测量系统研究 篇4
实验作为验证和完善力学基本理论的手段, 在力学发展进程中起到了重要的作用。其分支光测力学经过近几十年的发展, 已经产生了多种测量方法。对于材料的力学性能测试, 云纹法[1]、全息干涉法[2]、电子散斑干涉法[3]、数字图像相关法[4]、CGS方法[5]等都已成功应用于材料表面变形测量。其中, 数字图像相关方法是通过分析物体表面的数字图像来获得被测物体表面的变形信息, 其以非接触、光路简单、适应性强、测量范围广、测量精度高等优点被广泛应用。科研人员致力于数字图像相关方法的研究, 使其愈加精确快速, 但是一套完整的、标准化的数字图像相关方法计算软件还没有产生。
本文将现代数字图像处理与分析技术应用到变形测量中, 开发了数字图像相关法变形测量系统。此系统是基于面向对象编程, 不仅具有维护简单、可扩充性的特点, 还能够方便、快捷地将图像转化为数值, 并且绘制成图片的格式, 让操作者易于观察。数字图像相关法变形测量系统克服了传统测量方法的缺点, 不但实现了精确的、自动化的测量计算, 而且为数字图像相关方法提供了一套标准化、完整化的计算软件。
1数字图像相关方法
1.1基本原理
数字图像相关法是通过分析变形前后物体表面的数字图像获得被测物体表面的变形 (位移与应变) 信息, 其系统组成如图1所示。在原始图像f (x, y) 中, 取以网格点 (x0, y0) , 为中心的 (2M+1) × (2M+1) 像素大小的图像子区 (如图2所示, 其中M表示子区的一半宽度) 。在变形后图像中通过一定搜索方法, 按照标准化协方差互相关函数进行相关计算, 找到相关系数最大值对应的点 (x′0, y′0) , 计算差值以确定x和y方向的位移分量。标准化协方差互相关函数为:
其中, f (x, y) 是原始图像子区中点 (x, y) 的灰度, g (x′, y′) 是变形后图像子区对应点 (x′, y′) 的灰度。
1.2变形测量算法
本文将数字图像相关方法引入到光测力学中, 具体操作步骤是:①在材料表面制作散斑;②使用CCD摄像机垂直于试件表面进行拍摄, 作为原始图像;③在试验机加载过程中, CCD实时采集图像, 作为变形后图像;④将原始图像待计算区域进行网格化, 以每个网格点为中心提取一个 (2M+1) × (2M+1) 像素大小的图像子区;⑤在变形后图像中按照一定的搜索方法进行相关计算, 跟踪匹配找到与原始图像子区的相关系数最大值的网格中心点;⑥计算位置差, 就能确定此网格点的位移;⑦利用数值方法计算位移偏导数可以得到应变。算法流程如图3所示。
2系统结构与功能
2.1系统结构设计
本文所介绍的数字图像相关法变形测量系统是根据实验力学中光学测量方法的需求而设计开发的, 利用面向对象程序设计技术、现代数字图像处理与分析的新型光学测量技术等有关技术相结合, 实现了模拟散斑图制作、图像处理、文件操作和变形测量的功能, 主要用于非接触式光测力学方法的结果处理, 能够精确、快速地得到位移应变数值及误差分析。系统流程如图4所示。
2.2系统功能设计
根据位移应变测量的实际情况, 数字图像相关法变形测量系统的主要功能有散斑图制作、图像处理 (裁剪、旋转、倾斜、噪声过滤、直方图、灰度化) 、文件操作 (新建、打开、保存) 、变形测量 (数字图像相关方法、角点检测、不变矩变形测量、MSER变形测量) 。数字图像相关法变形测量系统的功能设计如图5所示, 系统的主界面如图6所示。
3实验结果与分析
为了验证变形测量方法的准确性, 本文按照文献[6]建立了可精确控制位移和应变的模拟散斑图, 如图7所示。模拟数字散斑图大小为256×256Pix, 高斯光斑个数为1 200个, 高斯光斑大小为4Pix。散斑图制作界面如图8所示。
首先生成一幅模拟散斑图作为变形前图像, 然后从平移 (水平和垂直) 1.6Pix开始, 依次偏移0.1Pix连续生成5幅变形图像序列 (最大位移量为2Pix) 。利用基于不变矩特征的变形测量算法对变形前后图像测量位移和应变, 其中图像子区均为51×51Pix。为了比较方法测量误差, 对所有网格点位移量计算均值, 并与已知的真实位移进行比较, 采用式 (2) 计算得到均值误差和标准差。
式中, dmean表示所有的网格点位移量均值, N表示网格点数目, d表示预先施加的真实位移量, di表示各个网格点的位移检测值。
图9是1.6Pix测量误差百分比结果, 可看出利用基于不变矩特征的变形测量算法计算得到位移量误差在0.5%以内, 图10为1.6～2.0Pix均值误差百分比结果分析图, 可看出误差在0.2%以内, 两幅图的精度都很高, 能够适用变形测量。
4结语
系统是在Visual Studio2008平台下利用C#语言进行研制开发的。系统在实验力学领域中引入了现代数字图像处理与分析技术, 能够自动地实现位移应变计算。通过实验表明, 数字图像相关法变形测量系统软件界面美观、操作简单、易于扩展, 应用其计算得到的位移应变测量精度高、速度快、鲁棒性强。软件符合面向对象标准化编程, 能够推广到变形测量领域中使用。
参考文献
[1]王国弢.高温云纹干涉法及其应用[D].北京:清华大学, 1998.
[2]金观昌.计算机辅助光学测量[M].北京:清华大学出版社, 2007.
[3]DUDESCU C, NAUMANN J, STOCKMANN M.Characterisati-on of thermal expansion coefficient of anisotropic materials by elec-tronic speckle pattern interferometry[J].C-2090-2011, STRAIN, 2006 (3) .
[4]LYONS J S, LIU J, SUTTON M A.High-temperature deforma-tion measurements using digital-image correlation[J].ExperimentalMechanics, 1996 (3) .
[5]DONG X L, FENG X, HWANG K C, et al.Full field measure-ment of nonuniform stresses of thin films at high temperature[J].Optics Express, 2011 (14) .
数字图像相关方法 篇5
关键词：数字散斑图像相关,梯度法,相关搜索
数字散斑图像相关方法(digital speckle correlation method,DSCM)早在20世纪80年代初由日本的I Yamaguchi和美国南卡罗来纳大学的W.H.Peters和W.F.Ranson等人提出[1],是现代数字图像处理技术与光测力学结合的产物。作为一种现代光学无损测量技术,经过近30年的发展,数字散斑相关技术在许多工程和实验领域得到了成功的应用,在材料力学、断裂力学、生物力学、现场实时测量、微尺度变形场测量、电子封装以及动态位移及变形测试等众多应用领域都展示了该方法的适用性和优越性[2,3,4,5,6,7]。
数字散斑图像相关技术通过记录物体变形前后的图像并运用一定的图像相关搜索算法得出物体的位移和变形。由于该方法处理的是数字化的图像,因此获得的位移u、v只能是像素的整数倍,但实际的位移值通常不恰好为整像素,而且整像素的位移精度在固体材料或构件表面的变形测量中是远远不够的。在不提高摄像系统和CCD分辨率的前提下,为提高数字散斑图像相关法的测量精度,应用亚像素搜索算法获得精确的亚像素位移成为研究学者的重要研究方向。
过去几十年中,诸多亚像素位移搜索方法被研究和应用,主要有灰度插值法、相关系数曲面拟合法[8]、Newton-Raphson(N-R)迭代法[9]、基于梯度的方法[10]、双傅里叶变换法[11]、遗传算法[12,13]、人工神经网络算法[14]等,而经常被使用的则是曲面拟合法、基于梯度的方法和N-R法,潘冰[15]对此三种方法做了研究和比较并得出结论:从计算精度上,N-R方法的准确度最高,梯度法次之,而曲面拟合法最低;从相对计算效率上,曲面拟合法和梯度法基本相当,而N-R方法的计算时间约为另两种方法的30倍左右。唐晨等于2010年提出了基于数字散斑图像相关和径向基函数插值相结合的方法来测量物体的位移场[16],此方法极大地提高了对目标区域进行位移测量的计算效率,前提是仍需使用有效的数字图像相关法来计算采集点的位移值。因此,精准的亚像素搜索算法是数字图像相关技术实现精确位移测量的关键问题。鉴于此,文中以梯度法为基础,提出了一种基于梯度法的亚像素搜索算法,梯度法是最简单的无约束优化算法,以负梯度方向作为最小化算法的下降方向。为验证搜索算法的有效性,利用计算机模拟生成的含有噪声的单向拉伸散斑图和旋转散斑图对该方法进行了验证,结果证明,该方法可以实现精准的亚像素位移搜索,并将其应用于刚体平移实验中。
1 数字散斑图像相关方法原理
数字散斑相关方法的基本原理是通过跟踪变形前物体表面中某一子区的灰度信息,在变形后的图像中找出所对应的子区来获得图像子区中心点的位移信息。给定变形前图像或参考图像F(x,y)和变形后图像G(x,y),设点P(x,y)是参考图像F(x,y)的某一点,若要在变形后图像G(x,y)中找到其对应点P*(x*,y*),令f(x,y)和g(x*,y*)分别代表参考图像和变形图像中以点P(x,y)和P*(x*,y*)为中心的子区灰度信息,定义如下相关系数
其中,u和v分别是点(x,y)在x和y方向上的位移量;(2M+1)×(2M+1)是选定子区的大小。则使相关系数取得最大值的点P*(x*,y*)即是子区中心点P(x,y)在变形后图像中的对应点,寻找最大相关系数的过程既是确定子区中心点位移和应变的过程。当且仅当两子区完全相关时,C=1;当两子区完全不相关时,C=0。
则点P*(x*,y*)可由点P(x,y)和计算所得位移量表示为
2 基于梯度法的亚像素搜索算法
对于子区中的任一点Q(x+Δx,y+Δy),假设变形后移动到了Q*点,则有
假设所选子区足够小,即Δx、Δy足够小,则根据连续介质力学原理,式(3)可用一阶泰勒展开式且忽略高阶小项近似表示如下
其中,u和v是整像素位移;分别代表横向位移、纵向位移的梯度;Δx和Δy分别是子区内任意点在x和y方向上的到中心点的距离。
因此,相关系数C就成为含有6个变量的函数。搜索时,所有6个变量均参与到相关系数的最大化过程中,使相关系数取得最大值的变量即是中心点的位移。此搜索过程实际上是一个最优化的过程。为了实现最优化估计,在搜索过程中使用基于空间梯度法的迭代方法,迭代形式如下所示
式中,P=(u,ux,uy,v,vx,vy)T;η决定沿负梯度方向所走的步长增量;B(k)是由B(k)=1-C(k)导出的相关因子。由式(5)可看出,梯度法的迭代过程是寻找最小相关因子的过程,B越小,得到的位移估计越精确。位移和梯度的初始估计通常设为P0=(u0,0,0,v0,0,0)T,其中u0和v0分别是粗搜索得到的在x和y方向上的整像素位移。为了确保图像和一阶空间导数的连续性,搜索中需要对图像进行插值处理以得到连续的灰度分布。
为了提高梯度法的有效性,提高下降速度,对梯度法步长项的选取做了如下改进
改进后的梯度法步长η可变,如果当前梯度方向正确,即相关因子减小,则在下一次迭代中增大步长,否则在下一次迭代中减小步长,此改进极大提高了梯度法的下降速度。文中取η0=0.36,φ=1.15,β=0.010 3。
3 实验及结果分析
3.1 模拟散斑图的生成
根据文献[10],计算机模拟散斑图可用如下方程式表示
其中,ξ1=(1-ux)i-uy j;ξ2=(1-ux)(i+1)-uy(j+1);ξ0,k=xk+u0;η1=-vxi+(1-vy)j;η2=-vx(i+1)+(1-vy)(j+1);η0,k=yk+v0;;S是散斑颗粒的个数;α为散斑尺寸;(xk,yk)为随机分布的各个散斑的位置;I0为最大散斑亮度。模拟过程中加入了一定信噪比SNR的随机噪声。文中定义α=4,SNR=31 d B,I0=250。文中所有实验搜索过程中子区大小均为41×41。
为分析算法的性能,定义全局误差
其中,pc(x,y)为计算区域中一个像素上由计算获得的位移值;pt(x,y)为事先已知的理论值;w、h为计算区域的宽度和高度。
3.2 改进的梯度法的验证与应用
图1a和图1b是计算机模拟产生的给定Uˉ(rˉ)=(0.025x,0)T的变形前后的单向拉伸图像,图像大小为300×300,其中S=500。不失一般性,在模拟实验中选取x=51,y=100到x=150,y=100表示的一条线段上的点计算结果作为分析对象。图1c和图1d显示了位移u及其应变∂u∂x的计算值与理论值的情况,星号线代表计算值,直线代表理论值。
图2a和图2b是模拟刚体旋转的变形前后的散斑图,给定旋转变量Uˉ(rˉ)=(0.010 5y,-0.010 5x)T,图像大小为300×300,其中S=800。实验分别选取x=101,y=100到x=200,y=100和x=100,y=101到x=100,y=200表示的水平和竖直线段上的点的计算结果作为分析对象。图2c显示了水平线段的位移v的计算值与理论值,图2d显示了竖直线段的位移u的计算值与理论值,星号线代表计算值,直线代表理论值。
表1给出了两组模拟散斑图的误差分析情况。由对模拟图像的实验结果及误差分析可以看出,采用变步长的梯度算法对数字图像进行相关搜索能够对刚体的位移及变形进行有效的测量,通过计算值及误差分析,表明该方法可用于数字图像相关技术中实现亚像素的搜索。因此,文中对实验获得的刚体平移散斑图像进行了位移测量。
图3a和3b是实验获得的刚体平移图像,实验将一铝板用螺栓固定在X-Y向的平移台上并给予X方向上1.04个像素的位移。如图3a所示,计算区域为从A(161,129)至D(364,328)的200×200的区域。图3c是计算所得的u位移场。
4 结论
数字电视图像质量评价方法 篇6
中国传媒大学信息工程学院教授硕
电视技术经历了从黑白电视到彩色电视、从模拟电视到数字电视、从标准清晰度电视到高清晰度电视的发展历
程, 高质量电视图像始终是电视技术发展进程中的一个重要追求目标。而对于电视图像质量的准确可靠测量, 则是电视技术领域的关键技术和研究热点。
图像质量评价是指采用一组特定的视频测试序列, 从终端用户体验的角度来评价图像质量和系统性能, 一般也可称为终端用户体验质量Qo E。
在数字电视系统中, 引起数字电视图像质量下降的主要原因是压缩编解码过程。数字电视的记录、存储和传输过程都需要对信号进行压缩和解压缩处理, 在高压缩比、或经反复压缩解压缩情况下, 最终获取的电视图像会出现明显的块效应、图像模糊、振零效应等图像失真。由于压缩编解码产生的图像失真与视频图像内容的复杂度和运动程度有直接关系, 因此不能采用传统的测试信号来测量, 需要采用复杂的自然场景、或等同于自然场景的专用的视频测试素材, 通过"强迫"编解码器工作于极限状态来完成图像质量和系统性能的评价。
目前常用的视频图像质量评价方法可以分为两大类:主观评价和客观评价。
1) 主观评价
主观评价是利用观看者对被测系统输出的图像质量的直接反应来确定系统性能的一种测量方法, 是目前公认的最可靠的评价图像质量的方法。在多年应用中, 主观评价已形成了系列的国际标准, 如用于标清电视主观评价的ITU-R BT.500-11标准和用于高清电视主观评价的ITU-R BT.710-2标准等。ITU-R BT.1210-2标准提出了在选择用于主观评价的测试序列时应考虑的主要因素, 以及如何分析测试序列的各项特征参数。
常用的主观评价方法包括双刺激连续质量标度法 (DSCQS) 、双刺激损伤标度法 (DSIS) , 以及单刺激方法、刺激比较法和单刺激连续质量评价法等。这些主观评价方法都有其各自的优点和局限性, 目前还没有一种公认的、通用性强的主观评价方法, 在实际应用中, 可以针对不同的评价目的选择不同的评价算法。由于实验心理学指出, 在感觉测试中, 相对判断比绝对判断更加稳定、可信度更高, 而上述主观评价方法中的双刺激测试方法采用了原始基准图像, 可获取更为准确地主观评价结果, 因此, 在数字电视图像质量的主观评价中, 一般多采用DSCQS和DSIS作为评价方法。
由于主观评价结果容易受测试环境、观看员、评价方法等多方面因素的影响, 实施过程比较复杂, 影响了其在实际中的广泛应用, 更无法实现实时在线的视频质量测量。
2) 客观评价
客观评价结果只有在与主观评价结果有较高一致性的情况下, 才有可能取代主观评价过程, 因此多年来, 客观评价一直是电视测量领域中的研究的重点和难点。客观评价方法大致可以分为:
(1) 传统的客观评价方法
传统的客观评价方法主要以均方误差 (MSE) 、峰值信噪比 (PSNR) 、加权均方误差 (WMSE) 等方法为代表。虽然在某些测试环境下, 上述算法所获取的评价结果与主观感受并不完全一致, 但在大多数情况下, 其测量结果还是比较可信的。更由于这些算法计算简单, 结果直观, 因此至今仍被广泛采纳。
(2) 基于视觉感知模型的客观评价方法
要想获得与主观评价有较高相关性的客观评价结果, 在客观评价算法的设计中必须考虑人眼视觉系统 (HVS) 的感知特性和视觉心理特性。在目前的客观评价研究中, 根据对无失真原始视频图像的依赖程度, 可以大致将算法分为以下3类:
全参考视频质量评价 (FR-VQM) :在受损视频图像序列和原始图像序列之间进行逐帧逐像素的比较, 将得到的差值数据进行视觉滤波和统计分析, 由此确定受损图像的损伤程度。Sarnoff实验室提出的JND模型是这种方法的典型代表。FR-VQM算法评价结果相对准确, 但运算时空代价大, 因此不适合实时的质量测量。
缩减参考视频质量评价 (RR-VQM) :不需要全部的原始图像作为参考, 只定义并提取原始图像序列的指定特征参数, 对受损图像序列也提取同样的特征参数, 通过特征参数的统计分析来获取受损视频的评价结果。NTIA开发的标准清晰度视频序列的VQM模型是这种方法的典型代表。
无参考视频质量评价 (NR-VQM) :无需任何原始图像的信息, 直接对被测视频图像进行分析和评价。实际应用中可以将NR-VQM分为两类:不需要解码, 直接分析传输流中的压缩码流, 通过提取指定特征参数, 来分析和评价图像质量;对解压缩后的视频图像进行分析 (即基于像素的分析) , 寻找诸如块边缘, 水平和垂直边缘能量或图像模糊等技术指标, 进行质量评价。NR-VQM具有速度快、可实现实时在线评价等优点。
视频质量专家组 (VQEG) 曾经对各种客观算法进行了综合测试, 认为没有哪种算法可以在各项指标上都名列前茅, 即, 目前还没有一个国际公认的、通用的客观评价方法。因此, 对视频图像质量客观评价方法的研究还处于进一步探索、发展过程中。
数字电视图像质量评价方法综述 篇7
电视作为一种视听传媒, 其系统性能的优劣及质量的高低, 最终应以观众对电视图像和伴音的质量评价为判断依据。传统的模拟电视图像测试方法是使用标准信号源, 将测试信号 (如彩条信号、黑场信号、多波群信号等) 送入被测电视制作播出系统, 然后通过技术指标 (如幅频特性、信噪比、微分增益、微分相位等) 对电视制作系统的输出图像质量进行量化评价。
广播电视行业进入数字化时代之后, 其制作播出系统主要环节采用了与模拟电视完全不同的电路技术, 如视频压缩的信源码、解码、纠错保护的信道编制、解码以及高码率的调制、解调等技术。特别是视频压缩的信源编、解码环节对系统的基本质量起了决定性作用, 由此环节产生的图像质量下降与常规模拟电视的失真有很大差别。常规模拟电视传统的评价测量方法及测试图像和信号已经不能完全或正确地反映数字电视视频的损伤程度。
2 数字电视图像质量主观评价方法
目前标清数字电视图像质量的主要测试方法是主观评价。主观评价是直接利用观看者对被测系统图像质量的主观反应来确定系统性能的一种测试。
主观评价系统方框图如图1所示。主观评价结果除了直接与被测系统的性能有关以外, 同时还与评价系统的信号源设备、主观评价测试图像、评价观看条件、评分专家、评分方法和评分标度、数据统计方法及结果表达式等因素有关。为了获得稳定、有效的评价结果、确保评价结果的可变因素仅限于被测系统的性能, 所以、在主观评价标准的一般要求中对上述影响因素做了严格的规定。国际上电视图像质量主观评价标准主要包括ITU-R BT.500-13《电视图像质量的主观评价方法》 (94年发布ITU-R BT.500-6, 2012年1月发布的TU-R BT.500-13现行有效) 和ITU-R BT.710-4《高清晰度电视图像质量的主观评价方法》, 我国以上述两个技术建议书为依据, 结合中国的实际情况于1998年12月发布了GY/T134-1998《数字电视图像质量主观评价方法》。
2.1 信号源
评价系统信号源一方面直接提供评价测试图像信号送到被测系统或设备的输入端, 同时又将其作为主观评价的基准图像信号。对于所评价的电视标准信号源设备, 包括评价用显示器等都应该采用高质量设备, 因为基准图像无缺损是获得稳定评价结果的重要条件之一。
2.2 测试图像
测试图像是主观评价的基础它对评价结果有重大影响。因此, 选择测试图像素材应该本着“既严格, 又不过分”的基本准则, 在ITU—RBT.1210-4建议书中推荐了一些国家和地区组织使用的标准测试图像可供参考和选择。我国于2007年12月发布了GY/T228—2007《标准清晰度数字电视主观评价用测试图像》, 建立了满足标清数字电视主观评价要求的测试图像库。
2.3 观看条件
由于电视图像主观质量与图像尺寸、亮度、对比度及观看距离和观看位置等有关。因此, 在主观评价标准中对上述观看条件做了详细的说明 (见表1) 。
条件 (2) , 屏幕的峰值亮度对应100%的视频信号幅值。在HDTV的峰值亮度达不到规定值之前应满足≥70cd/m2。
条件 (3) 受室内照明的显示对比度范围的影响。
条件 (4) 黑电平对应0%的视频信号幅值。
为了满足条件 (3) 和 (5) , 应该设置室内照明。
若HDTV达不到条件 (8) 规定值之前, 应满足高≥28°, 宽≥48°。
若HDTV达不到条件 (10) 规定的显示尺寸之前, 应该满足≥76.2cm。
2.4 测试方法
主观评价的关键在于所使用的方法能否获得稳定、有效的评价结果。因此, 对于不同的评价目的, 采用合适的评价方法是至关重要的。
GY/T 134-1998标准中规定了数字电视基本图像质量评价采用双刺激连续质量标度 (DSCQS) 方法, 该方法不仅需要对被测系统的输出图像进行现实评分, 同时也要对被测系统的输入图像进行显示评分, 其中输入图像作为评价的基准图像, 输出的图像作为被测图像。
在双刺激连续质量标度方法中, 采用连续质量评分标度。该评分标度由若干对纵向连续标度线组成, 以适应对每个测试图像的两种状态 (即基准图像和被测图像) 评分。为了避免量化误差, 纵向标度线提供连续质量标度 (线上不同位置代表不同的分值 (0-100) , 位置越高代表分值越大) , 并且被分成5个等份, 相当于标准的ITU-R 5级质量标度范围, 在评分表标度线的左侧标识出与不同等级范围相对应的质量术语, 即优、良、中、差、劣作为观看员评分的一般指导。
图像质量的主观评价方法的优点是能够真实地反映图像的直观质量, 评价结果可靠, 无技术障碍, 但是主观评价的方法也有很多缺点, 这种方法耗时多、费用高, 难以实现实时的质量评价。在实际应用中, 主观评价结果还会受观察者的知识背景、观测动机和观测环境等因素的影响。此外主观评价无法应用与所有场合, 如需要进行实时图像质量评价的场合。客观图像质量评价方法可以克服这些缺点。
3 数字电视图像质量客观评价方法
对数字电视系统而言, 系统中的图像采样、转码及压缩设备均为广播级专业设备, 不同设备之间图像质量的差异很难通过肉眼进行精细的量化, 同时由于主观评价的方法存在随机性且实时性较差, 需要采用视频质量客观测试方法, 即利用仪器或程序来评价视频质量的方法, 由运行特定算法的程序或仪器完成高清数字视频转播系统视频处理效果的评价, 这样就排除了主观评价时外在条件及人员差异性的影响, 同时节约人力、物力、财力。
图像质量的客观评价方法是根据人眼的主观视觉系统建立数学模型, 通过该数学模型来提取参考视频和测试视频中人眼较敏感的亮度、边缘、连贯性等特征信息, 再对这些提取的特征进行差分比较之后给出评价值。基本原理及处理过程如图2所示。
测试过程基本模拟了人眼的主观评价过程, 因此其结果与主观评价的结果一致性较高, 可客观反映高清数字电视图像处理系统的优劣。
数字电视图像质量评价测试采用两个视频文件作为它的输入:一个文件是原始的参考视频序列, 另一个文件是该参考视频序列经过压缩、损伤后或经处理过的序列版本。
先将这两个视频序列在空间域和时间域中对准, 在这一过程中无需使用嵌入在视频序列中的校正数据。而后仪器对基于人类视觉系统和提示模型 (attention models) 的测试视频的质量进行分析, 输出与主观评测高度相关的质量测量结果。这个测量结果包括总的图像质量累计度量值、逐帧的测量度量值以及每帧的损伤映射图示。
一些测试仪器厂商基于图像质量客观评价算法研发了用于客观评测图像质量的仪器, 可以对图像整体质量进行客观评测。泰克公司生产的PQA600图像质量分析系统, 采用了基于人类视觉模型的评测系统, 能够提供一整套可重复的、与主观人眼视觉评估十分接近的客观图像质量测量服务。该系统可以用于不同分辨率的图像质量比较, 因此也可用于高清下变换的质量评估, 系统采用基于人眼视觉模型的DMOS (差异平均主观评分) 测量, 相比于主观评测, 具有快速高效、可重复性好的特点。
不同插值方法实现数字图像旋转研究 篇8
近几十年来, 随着相关学科的发展, 以及各领域对图像处理要求的提高, 数字图像处理技术得到了更加深入、广泛和迅速的发展。图像旋转是一种常用的数字图像处理技术, 目前已广泛地应用于军事、航空、生物医学等方面。由于在图像旋转变换的过程中要用到浮点运算, 原始图像为整数的像素坐标 (x, y) , 变换为目标图像的位置坐标并非整数, 反之亦然。因此, 图像的旋转变换包括坐标的几何运算和对运算结果的插值处理两个方面, 并且根据选择插值方法的不同, 得到的旋转效果也不同。
1 图像旋转的几何原理
旋转有一个绕着什么转的问题, 通常的做法是以图像的中心为圆心旋转。在图1所0示的坐标系A中, 以图像的中心为原点O, 向右为x轴正方向, 向下为y轴正方向, 点 (x0, y0) 顺时针旋转a角后坐标变换为 (x1, y1) 。设r为点 (x0, y0) 到原点 (0, 0) 的距离, 在旋转过程中, r保持不变, B为r与x轴之间的角度, 则有:
旋转α角度后:
x1=r*cos (β) ;yl=r*sin (β)
旋转前:
以矩阵的形式表示为:
公式 (1) 的逆变换为:
例如, 图2中OBABC绕OA顺时针旋转度后, 图像变为OA1B1C1, 可以看出, 旋转后的图像变大了。若保持原图像大小, 可以把转出的部分裁剪掉。
如果以图像的左上角点为原点, 向右为x轴正方向, 向下为y轴正方向, 记为坐标系B。设图像的宽为w, 高为h, 两种坐标系间的转换关系如图2所示。则有:
以矩阵的形式表示为:
公式 (3) 的逆变换为:
于是, 坐标系B中图像的旋转变换可分为3步: (1) 应用公式 (3) , 将坐标系B变成坐标系A; (2) 应用公式 (2) , 在坐标系A中将该点顺时针旋转角; (3) 应用公式 (4) , 将坐标系A变回坐标系B。这样, 我们就得到了变换矩阵, 是上面3个矩阵的级联。
其中, w1, h1表示原图的宽和高, w2, h2表示新图的宽和高。公式 (5) 的逆变换为:
这样, 对于新图中的每一点 (x1, y1) , 可以根据公式 (6) 求出对应原图中的 (x0, y0) , 得到它的灰度, 如果超出原图范围, 则填成白色。
要注意的是, 原始图像的像素坐标为整数, 由于有浮点运算, 变换后的目标图像的坐标位置可能不是整数。所以, 图像的旋转处理, 除了要进行几何运算, 还需要对目标图像的坐标位置进行插值处理。
2 常用的插值方法
常用的插值方法有3种:最近邻法、双线性插值法和双三插值法。
2.1 最近邻法
最近邻法是一种简单的插值方法, 它是通过计算于点 (x0, y0) 邻近的4个点, 将与点 (x0, y0) 最近的整数坐标点的像素值取为 (x0, y0) 点的像素值。
2.2 双线性插值法
对于一个目的像素, 通过反向变换得到浮点坐标 (x+u, y+v) , 其中x、y均为非负整数, u、v为[0, 1) 区间的浮点数, 则这个像素的值可由源图中坐标为 (x, y) 、 (x+1, y) 、 (x, y+1) 、 (x+1, y+1) 4个点所对应的像素的值确定, 即:f (x+u, y+v) = (1-u) (1-v) *f (x, y) + (1-u) v*f (x, y+1) +u (1-v) *f (x+1, y) +uv*f (x+1, y+1) 。其中, f (x, y) 代表源图像 (x, y) 处的像素值, 以此类推。
这就是双线性插值法, 它考虑到了点 (x, y) 的4个直接邻点对它的影响, 因此一般可以得到令人满意的插值效果。
2.3 双三插值法
双线性插值法考虑到浮点坐标 (x+u, y+v) 的4个直接邻点对它的影响, 而双三插值法则考虑到该点周围16个邻点对它的影响。目标坐标的像素值可由如下的公式得到:f (x+u, y+v) =ABC。
其中:
插值函数S (x) =sin (πx) /πx可以采用以下多项式近似。
2.4 三种插值方法分别逆时针旋转6度处理后的效果图
由以上几幅图可以看到, 用最近邻法得到的图像质量最差, 其图像上面呈现出明显的锯齿状纹理, 特别在像素差别比较大的地方明显, 用双三次插值法得到的图像纹理最清晰, 质量最好, 双线性插值法得到的图像的质量介于两者之间。
2.5 三种插值方法的比较
3 结束语
本文详细论述了数字图像旋转的几何原理, 以及常用的3种插值方法在数字图像旋转中应用, 介绍了3种插值方法的特点。这3种插值方法不仅适用于图像旋转处理, 也适用于其它的数字图像处理技术。深刻理解图像处理的理论依据, 掌握不同的插值方法, 对于我们编写算法程序有很大的帮助。
摘要：随着数字图像技术的发展, 数字图像处理广泛应用于几乎所有与图像处理有关的领域。图像的几何变换是数字图像处理中一个基本的、非常重要的变换, 而旋转变换是几何变换中最复杂的变换。分析了图像旋转的几何原理, 并对图像旋转中用到的插值处理方法, 即:最近邻法、双线性插值法和双三线性插值法, 进行了比较和分析, 在此基础上对其应用进行了阐述。
关键词：图像旋转,最近邻,双线性,双三线性
参考文献
[1]尤玉虎, 周孝宽.数字图像最佳插值算法研究[J].中国空间科学技术, 2005 (3) .
[2]杨淑莹.VC++图像处理程序设计[M].北京:清华大学出版社, 2005.
[3]龚声蓉, 刘纯平, 王强.数字图像处理与分析[M].北京:清华大学出版社, 2006.
[4]陈天华.数字图像处理[M].北京:清华大学出版社, 2007.
[5]夏德深, 傅德胜.计算机图像处理及应用[M].南京:东南大学出版社, 2004.
[6]姚敏.数字图像处理[M].北京:机械工业出版社, 2006.
[7]郎锐.数字图像处理学Visual C++实现[M].北京:希望电子出版社, 2003.
[8][美]KENNETH R.CASTLEMAN.数字图像处理[M].朱志刚, 译.北京:电子工业出版社, 2002.
一种鉴别数字图像真伪的方法 篇9
目前对复制粘贴伪造图像甄别检测的依据是检测图像中存在两个或多个相同的区域, 因为在自然图像中存在大面积相似区域的概率很小。检测方法主要有块匹配法, 此类方法首先对图像以像素为单位进行滑窗分块, 用一些图像特征来描述图像块, 然后在图像块集合中通过特征匹配搜索相似块, 进而检测与定位篡改区域[1]。基于这种块匹配方法框架, 目前研究者研究较多的是如何选取图像块的特征, Fridrich等[1]首先利用8×8图像块的64个离散余弦变换 (Discrete Cosine Transform, DCT) 量化系数作为特征向量, 由于向量维度高, 检测速度慢, Popescu等[2]对Fridrich等人的算法进行了改进, 利用主成分分析方法 (PCA) 把特征向量降到32维。随后很多学者围绕如何选取维度低的特征对检测算法进行研究, 刘美红等[3]利用图像块的分形维数和3个统计量构成4维不变特征, 欧佳佳等[4]从灰度共生矩阵中选取8个统计特征作为特征向量。
除了特征维度, 分块数量是影响检测速度的关键因素。分块数量对应寻找相似块的搜索空间, 搜索空间大, 算法时间复杂度高, 对此一些学者采用下采样方法缩小图像尺寸来减少分块数量。Li等[5]对待检测图像进行一级离散小波变换 (DWT) 后, 对仅有原图像的小波低频分量进行分块, 然后利用奇异值分解 (SVD) 系数作为图像块的特征。但是这样做使检测精度降低。
当前块匹配方法面临的主要问题是:1每个像素对应一个图像块, 每个图像块提取一个特征向量, 造成特征向量数量多, 搜索空间大, 特征匹配效率低;2图像特征鲁棒性不强, 目前常用特征如DCT系数, PCA降维系数等, 这些特征对压缩和噪声等一般的图像处理具有一定的鲁棒性, 但是对于几何变换稳定性较差, 如果图像或复制区域发生了偏移或旋转, 很难再匹配。
本文利用 尺度不变 特征变换 (Scale Invariant Feature Transform, 简称SIFT) 从图像中提取SIFT特征, 通过特征匹配检测图像中是否有复制粘贴区域[6]。SIFT特征鲁棒性强, 可以抵抗一般的图像处理和几何变换, 而且不需要对图像进行分块, 避免分块引起的问题。直接从图像中提取SIFT特征进行匹配, 特征向量数量少, 可以有效提高匹配效率。
1基于SIFT的复制-粘贴伪造鉴别方法
1.1SIFT特征及其特性
SIFT算法是一种基于高斯尺度空间理论提取图像局部特征点的算法, 在尺度空间寻找局部极值点, 提取尺度和方向不变的局部特征。SIFT提取图像局部特征的过程是:1尺度空间局部极值检测;2特征点选择;3指定方向;4局部特征描述[6]。
SIFT特征包括特征点和特征向量两部分, 特征点用 (x, y, σ, θ) 表示, 其中 (x, y) 是在特点图像平面的位置, σ是高斯尺度空间的尺度维, θ指的是主方向。每个特征点对应一个特征向量, 特征向量的维数是128。SIFT特征点和特征向量对噪声和压缩等信号处理和几何变换具有稳定性。除此之外SIFT特征还具有一些其他特性:
1.1.1SIFT特征的鉴别性高
特征的鉴别性是指即使纹理特征非常相像, 但是不相同的内容, 提取的特征也是不一样的。在自然图像中树和草地具有相像的纹理特征, 但是从不同区域提取的SIFT特征是不一样的。
图1是SIFT特征鉴别性测试实例, 图1中树的纹理特征非常相像, 特别是图像块A和B、C和D的纹理特征和结构更是相像。为了测试, 从图1 (a) 的A、B、C、D四个区域分别提取SIFT特征, 然后对A和B、C和D区域的特征分别进行匹配, 没有得到一个匹配点对, 如图1 (b) 所示。由此可以看出SIFT特征的鉴别性强, 在检测复制和粘贴区域时, 不会因相似的纹理结构而产生误判。
1.1.2SIFT特征的鲁棒性强
图像即使经过平滑、加噪、旋转和尺度缩放, SIFT特征匹配得依然很好, 图2是一个测试例子。在图2 (a) 中左上角的图像是从右图中截取的一部分, 但是这部分图像被旋转了10°并缩小了10%。从这两个图中提取SIFT特征并进行匹配, 左图中提取了319个特征, 右图中提取了3818个特征点, 匹配的特征点是185个点对, 匹配率达60%, 匹配结果如图2 (b) 所示。从实验可以看出, 即使经过几何变形, SIFT特征也可以很好匹配, 可以有效对付几何变换, 鲁棒性强。
1.2基于SIFT的复制-粘贴伪造鉴别方法
1.2.1方法步骤
基于SIFT特征匹配的复制-粘贴伪造鉴别方法的主要步骤包括:1从待检测图像中提取SIFT特征;2对这些特征进行相互匹配;3根据匹配结果确定复制-粘贴区域。如果两个SIFT特征匹配, 则在对应的两个特征点之间进行连线, 同时在特征点周围3×3区域进行标注。
特征匹配首先要确定匹配标准, 本文采用最近邻和次近邻匹配策略。设P={P1, P2, L, Pn}是图像中提取的特征点集, 其中Pi (1≤i≤n) 是128维的SIFT特征向量。特征匹配就是对点集P中的特征向量Pi (k≤i≤n) , 在点集P的其他特征向量中搜索与之匹配的特征向量Pi (1≤j≤n, i≠j) 。Pi和Pj之间的欧式距离记为D (Pi, Pj) , 如果kd-tree搜索算法进行了改进, 主要改进了树结构的遍历策略, 确保优先检索包含最近邻点可能性较高的空间, 因此其搜索效率高, 本文选用BBF算法作为搜索算法。
1.2.2与同类方法比较
基于特征匹配的伪造鉴别算法, 在设计算法时不仅考虑检测精度, 而且要考虑检测速度。特征提取和匹配占用整个算法过程的大部分时间。本文提出的方法和经典的算法在512×512大小的图像上进行了比较, 比较内容包括选用特征、特征向量的个数和维数以及检测精度, 具体内容见表1。
从表1可以看出本方法的特征向量数量远远小于其他算法, 这将大大减少算法的运行时间, 而且检测精度较其他算法高。
特征匹配就是针对某一特征搜索它的最近邻和次近邻, 因此高效的搜索算法是非常必要的。搜索算法有穷举搜索、kd-tree搜索和BBF (Best-Bin-First) 搜索。穷举搜索是一种最简单的搜索方法, 但是搜索效率低, 其计算量和特征点的个数为指数关系。kd-tree能够高效搜索最近邻的一般规则是:如果特征向量的维数是d, 特征点个数是N, 只有满足条件N>>2d才能达到高效的搜索。而SIFT特征是128维, 一幅图像提取的特征点的数量一般是几千到几万, 无法满足这个条件。针对高维数据BBF算法[6]对
2实验结果
为了验证本方法的有效性, 对一些图像进行复制-粘贴修改, 然后用本文方法进行检测, 检查结果如图3和图4所示。图3中分别是原始图像、修改图像、匹配结果和检测结果。修改图像是对原始图像进行了两处复制-粘贴, 匹配结果图是复制粘贴区域特征的匹配情况, 对于匹配的两个特征其特征点之间用线连接, 检测结果图是在匹配的特征点周围3×3区域进行标注。从实验结果看本文方法可以对多处伪造修改进行准确定位。
图4的修改图像对原始图像中人物不仅进行了复制-粘贴, 而且在粘贴之前对复制内容进行了旋转和缩小。从实验结果看, 本文方法可以对这些带有几何变换的修改进行有效检测和定位。
3总结
因为SIFT特征具有很好的鲁棒性和鉴别性, 本文利用SIFT特征和基于BBF方法的特征匹配方法, 搜索和定位同幅图像中复制-粘贴区域, 得到了良好的真伪检测结果, 不仅能检测到复制-粘贴区域, 而且在复制区域被信号处理甚至几何变化都能有效检测到。但是如果复制区域是平滑区域, 本方法检测效果不好, 因为从平滑区域无法提取足够数量的SIFT特征, 所幸平滑区域的隐藏能力很弱, 一般人不会复制平滑区域去覆盖另外一个区域的图像内容。
参考文献
[1]J.Fridrich, D.Soukal, J.Lukas.Detection of copy–move forgery in digital images[C].In Proceedings of DigitalForensic Research Workshop, Cleveland, OH, USA, August2003:55-61.
[2]A.Popescu, H.Farid.Exposing digital forgeries by de-tecting duplicated image regions[R].Technical Report TR2004-515, Department of Computer Science, Dartmouth Col-lege, 2004.
[3]刘美红, 徐蔚鸿.基于分形和统计的复制—粘贴篡改图像的检测[J].计算机应用, 2011, 31 (8) :2236-2239.
[4]欧佳佳, 蔡碧野, 熊兵, 等.基于灰度共生矩的图像区域复制篡改检测[J].计算机应用, 2011, 31 (6) :1628-1630.
[5]Li G H, Wu Q, Tu D.et al.A sorted neighborhoodapproach for detecting duplicated regions in image forgeriesbased on DWT and SVD[C].In Proceedings of 2007 IEEEInternational Conference on Multimedia and Expo.Beijing, China:IEEE, 2007:1750-1753.