軟件工程畢業設計-基于imagej的圖像形狀與紋理處理-免費閱讀

　　

【正文】 圖像處理的結果如圖 45 圖 45 原圖像和加 入 Sobel 算子后的圖像 對同樣的圖像，在邊緣提取后，對三種處理的圖像 分別用 ImageJ 插 件實現邊緣特征提取，對比它們的各項參數數據如表 42 至 44： 表 42 邊緣紋理實驗數據對比（ 1） 大梯度優勢 小梯度優勢 灰度分布不均勻性 梯度分布不均勻性 灰度圖像 加噪圖像 平滑圖像 天津大學 2021屆本科生畢業設計（論文） 26 表 43 邊緣紋理實驗數據對比（ 2） 灰度平均 梯度平均 梯度均方差 灰度均方差 灰度圖像 加噪圖像 平滑圖像 表 44 邊緣紋理實驗數 據對比（ 3） 能量 相關 灰度熵 梯度熵 混合熵 慣性 灰度圖像 加噪圖像 平滑圖像 圖 46 是加噪和平滑后的邊緣特征圖像。三幅圖像的對比度變化范圍很小（變化在小數點后 10 位左右），在數據經過處理后，基本相等，即說明了 圖像的紋理清晰程度基本一致。下面的實驗測試了各個特征參數的有效性。接著對滿足T R UERRP kj ?)( ? 的任意兩個相鄰區域 jR 和 kR 進行聚合。圖像分割算法是基于亮度值的兩個基本特性：不連續性和相似性。外部信息有圖像的文件名、 URL 地址、圖像前后的文本等。 基于知識的語義提取，需要預先給系統提供必要的知識，如對象模板、圖像場景分類器等等。形狀特征提取的結果如圖 36 所示， 其中各個參數結果以 int 和 double 類型保存，并可以通過 get()方法被其他接口調用 。 1) 質心： )/,/(),( 00010010 MMMMji ??? （ 39） 零階矩 00M 是區域密度的總和，可以理解為厚度為 1 的物體的質量，所以一階矩 10M 和 01M 分別除以零階矩 00M 所得到的坐標就是物體質量中心的坐標，也就天津大學 2021屆本科生畢業設計（論文） 19 是區域灰度的重心。由于二值化圖像滿足這一定理，因此其 pq 階矩就可以用于特征提取的計算： ? ?? qppq jijifM ),(。包含任一凹形的最小的凸形閉包可以表示凹凸性。圖像的區域面積用同一區域內像素的個數來表示，可通過掃描圖像，累加同一標記像素數得到，或者直接在加標記處理時計數得到。邊界矩 [14]可以 減少邊界表示的維數，其優點是易于實現，但只有少量的低階矩有物理意義。 其 中 Lf 和 Lg 分別初 始化為 64。,({ ?? Njijig ?.同樣將梯度圖像正規化處理，以使其梯度值更加離散： 1]/),([),( m a x ?? gLjigjiG g （ 38） 這 樣 ， 我 們 可 以 得 到 灰 度 梯 度 共 生 矩 陣 ),( yxH 定 義 為 集 合}1,2,1,0,。程序執行結果如圖 33。若圖像充滿細紋理，則圖像的熵值最大。相對應可以這樣理解，粗紋理含有較多的能量，細紋理含有較少的能量。amp。iihistSize。這里我們擴展 ImageJ： a） 首先定義一個 double 型的二維數組 pd 存儲共生矩陣值。、 90176。其他的 ImageJ 用戶可以通過調用插件的 getHistDelta()方法得到灰度直方圖均 值的數據。 圖 31 均值計算流程圖 程序代碼建立如下： for(int j=0。 int histSize = ()。 2. 紋理基元的排列組合，基元排列的疏密、周期性、方向性等的不同，能使圖像的外觀產生極大的改變。 ：通常的模式畸變主要有：噪聲、平移、放縮、旋轉和仿射等變化。 最后的 showAbout()方法靜態調用了 ()方法，顯示相關插件的天津大學 2021屆本科生畢業設計（論文） 9 信息： void showAbout() { (―About Inverter_...‖, ―This sample plugin filter inverts 8bit images. Look\n‖ + ―at the ?‘ source file to see how easy it is\n‖ +‖in ImageJ to process nonrectangular ROIs, to process\n‖ +‖all the slices in a stack, and to display an About box.‖)。 for (int y=。 接著在類名中實現 PlugInFilter 接口： public class Inverter_ implements PlugInFilter { 然后在類中實現 setup()方法： public int setup(String arg, ImagePlus imp) { if ((―about‖)) { showAbout()。 目前已有的插件類型分兩種：接受圖像參數的插件 PluginFilter 和不接受參數的 PluginFrame。 下面圖 23 是 ImageJ 的核心處理包的設計類圖。 包：對常用的圖像處理算法的封裝，包括二值化、高斯濾波、平滑、銳化、投影等常見算法的實現。其中， ImageJApplet 是 ImageJ 的 Applet 類，提供了在瀏覽器中以Applet 的形式使用 ImageJ 的功能； ImageJ 是 ImageJ 應用程序的主類，包含了程序入口點 main 方法以及程序窗口； Executer 類可以單獨創建一個線程來執行菜單中選中的命令； IJ 類中包含了許多實用的方法； ImagePlus 表示了圖像在 ImageJ中的表示形式，它是基于 ImageProcessor 的（后面將介紹）； ImageStack 是一個可擴展的圖像棧，用來存儲圖像； WindowManager 類用來管理當前已經打開的窗口。 ImageJ 的正式版本還在不斷更新中。密度或灰度校正也已經推出。它可以計算面積和像素值統計用戶定義的選項。 第五章 總結和展望：對本文做了簡單的總結，并對后續工作做了展望。 本文對圖像特征提取和描述的常用方法進行了概述，包括形狀特征和紋理特征，并詳細說明了特征提取的基本原理和方法，深入闡述了特征提取在語義描述中的應用。這個過程不單反映了圖像本身客觀存在的語義信息，還包含觀察者對 圖像的主觀信息感知，至今沒有建立一個嚴格的數學模型，而且人視覺系統不能簡單地做為一個具體的圖像數字化和簡單地傳輸系統來處理。從輪廓上的任一點開始繞輪廓一周可以定義一個復數序列，對其進行離散傅立葉變換，就得到輪廓的傅立葉描述，這種描述多用于趨于邊界的形狀特征。要把圖像的低層特征與高層特征有機地結合起來，必須有好的形狀特征描述與提取算法的支持。它包括 6 個性質：粗細度 （ coarseness） ，對比度（ contrast），方向性天津大學 2021屆本科生畢業設計（論文） 2 （ directionality）， 線狀性（ linelikeness） , 規則性（ regularity）和粗糙度（ roughness）。 在航天、軍事、安全領域，特征提取同樣有著重要的意義。 在工業領域，大規模自動化及高效流水線已經被廣泛應用，讓機器能識別產品及零部件的圖像信息對提高工作效率和準確性都是一個有效的做法。最后在 Eclipse環境下使用 Java語言實現了圖像形狀和紋理特征的提取，并以 ImageJ的插件形式應用。當前圖像處理的開源代碼已經具備并且Java語言提供的圖像處理的包的多樣性為實驗可行提供前提。 形狀信息的提取與描述已成為當前圖像處理領域的重要課題。該計劃將支持任意數量的 窗口 ， 但受到內存的限制 。它支持 “ 棧 ” ，一系列的 圖像 ，共享一個單獨的窗口。 這是因為當一個三維 物體投影到 一個二維圖像平面 上時 ，一維對象的信息 就丟失了 。 7. 逐步添加圖像處理功能及完成相關接口的代碼編寫。） 1. 系統學習 Java 編程語言，熟練撐握 Java語言的基本思想和相關的編程技術，熟悉 Eclipse 編程環境。但由于紋理只是一種物體表面的特性，并不能完全反映出物體的本質屬性，所以僅僅利用紋理特征是無法獲得高層次圖像內容的。） 數字圖像處理 （ Digital Image Processing） 又稱為計算機圖像處理，它是指將圖像信號轉換成數字信號并利用計算機對其進行處理的過程。它既可以以網頁 Applet的形式運行也可以作為應用軟件工具下載使用。 二、參考文獻 [1]圖像特征特點及其常用的特征提取與匹配方法 [EB/OL]． ． [2]John Krumm and Steven A. Shafer． Texture Segmentation and Shape in the Same Image [J]． Computer Vision, 1995. Proceedings, Fifth International Conference on2023 June 1995 Page(s):121—127． [3]Rafael and Richard ． Digital Image Processing Second Edition [M]． Prentice Hall, 20213． [4]Edward Angel． Interactive Computer Graphics [M]． ADDISONWESLEY,1997． [5]Shuangbao Wang, Zegang Dong, Jim X. Chen and Robert S. Ledley． PPL: A wholeimage processing languageComputer Languages[J] ． Systems amp。 4. 了解圖像處理算法當前的發展形勢及前景，閱讀圖像處理及圖形學基本算法實現及研究現狀。目標就是 由大集合或從遠程分布式數據庫 得到的圖像可以被 不僅 是 研究人員 、 教育工作者和專業人士，而且由一般用戶 所共享 。適合多種平臺，包括 Windows, Mac OS, Mac OS X 以及 Linux。它支持標準的圖像處理功能，如 比較 ，銳化，平滑，邊緣檢測和中值濾波。用戶 編寫的 插件使人們有可能解決幾乎任何圖像處理或分析的問題。并在此基礎上包含其他圖像處理功能以做補充。圖像特征提取工作的結果給出了某一具體的圖像中與其他圖像相區別的特征，是后期圖像識別工作的基礎。圖像所包含的信息量往往很大，不僅有灰度，還有色彩；不僅有平面，還有立體等，其內容極為廣泛。這就需要計算機處理這些監控圖像，通過對植株或牲畜實體圖像的特征提取，了解生物的生長狀況，從而進行進一步操作。目前的研究多是基于圖像底層特征的提取，包括形狀、紋理和顏色等。 Smith 和 Chang 使用從小波帶中抽取的統計量（平均值和方差）作為紋理表示，取得了較好的效果 [3]。此外，為了使從不同視角獲取的目標圖像互相匹配，形狀特征還應具有平移、旋轉和縮放變換不變性。最初認為圖像基本特征如顏色、形狀、紋理等的融合就是語義，但是這些只是低層次語義，不能充分反映圖像的語義結構。顏色會激起觀察者不同的情感，不同顏色可能存在很大的差別，其表達的語義信息對不同對象有不同的理解。 第三章 基于實體的圖像特征提取及描述：詳細介紹了圖像特征提取的原理和方法并論述了開發 ImageJ 插件的過程。它可以 打開 許多圖像格式，包括 TIFF 文件 ， GIF ， JPEG 格式， BMP 和 DICOM 以及 raw圖像格式 。 圖像 可縮放高達 32:1 ，下至 1:32 。程序源碼是公開的，作者 Wayne Rasband ()是 NIH 研究服務部門的員工。首先看 ImageJ 的包結構 ，如圖 22 所示。 包：封裝了用戶開發插件時經常用到的方法，包括直方圖、剪貼板、圖像頭的獲取、彩色模型、編譯器、傅立葉變換等一系列方法。其中各種 數 據 類 型 的 處 理 器 （ BinaryProcessor ， ShortProcessor 等 ） 都 繼 承 于ImageProcessor。 ImageJ 為用戶提供了一個插件集成開發環境，在這個環境里用戶不僅可以編輯和查看代碼，還可以編譯和運行代碼。 import 。 int width = ()。 x++) { I = offset + x。圖像特征的提取，即從圖像中提取有用的信息和視覺特征。它們總體都反應了物體表面顏色和灰度的某種變化，而這些變化又與物體本身的屬性相關。將直方圖的相似性進行比較，就可以發現紋理基元排列的周期性及緊密天津大學 2021屆本科生畢業設計（論文） 11 性等。 b）將所有灰度級對應的直方圖數組值求和。 均值的計算結果用 histMean 一個 double 數據來存儲。于是人們自然想到通過研究灰度空間相關性來描述紋理，這就是灰度共生矩陣的思想基礎。 歸一化值： Sjipjip /),(),( ?? ?? （ 32） 其中 S 為矩陣各元素之和。 c）再遍歷數組 pd，并求元素和。 y++) for