图像处理介绍与应用实例教学教材.pptVIP

数字图像处理应用 多器官伪彩显示 三维彩色CT技术 数字图像处理应用 （观察角度变化） 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 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 ) 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 数字图像处理应用 生物个体特征识别 人脸 脸部热量图 指纹 ——几种常见的生物个体特征 数字图像处理应用 手形 手部血管分布 虹膜 视网膜 签名 声音 人脸检测系统 关键技术与系统模块 关键技术包括图像读取、光线补偿、色度空间转换、图像二值化、图像膨胀、图像腐蚀、图像建模、目标中心点获取等技术。 软件由三个模块组成：人脸大致定位模块、眼睛定位模块、嘴巴定位模块。 检测系统总体流程图 人脸大致定位 嘴巴定位 勾勒人脸 眼睛定位 人脸大致定位 读取图像 光线补偿 色度空间转换 修正去掉假人脸区域 腐蚀 膨胀 皮肤颜色建模 再次膨胀、腐蚀 大致定位人脸区域 眼睛定位 修正去掉假眼睛区域 定位眼睛中心点 眼睛亮度匹配 眼睛匹配 眼睛色度匹配 嘴巴定位 嘴巴匹配 腐蚀 去除离散点 定位嘴巴中心点 光线补偿 光线补偿是为消除图像中可能存在的光线不平衡的情况，同时由于系统中要用到YCrCb色度空间，所以要进行光线补偿。其基本思路是：把图像中亮度最大的5%的像素提取出来，然后线性放大，使得这些像素的平均亮度达到255，根据求得的系数把整个图像的亮度进行线性放大。 色度空间转换 为更好地进行肤色匹配，在人脸检测系统中常用到YCrCb(YCC)色度模型，因此要进行色度空间的转换。 人脸颜色建模 建模就是根据已经知道的特征为对象建立一个模型，借此对对象实现判断、检测、绘制、控制等功能。人脸建模一般可以分为几何建模和色彩建模，两种方式各有优缺点。相对而言，几何建模实现起来比较复杂，而且匹配速度较慢，但精度相对较高。色彩建模比较简单，其建模公式如下： 膨胀、腐蚀、闭操作 膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞。 腐蚀可以把小于结构元素的物体删去，这样选取不同大小的结构元素，就可以去掉不同大小的物体。 闭操作等形态学运算填平小湖（即小孔），弥合小裂缝，而总的位置和形状不变。 去掉非人脸区域 对于图像中的非人脸区域，如果不去掉，则会影响后续的操作。因为非人脸区域面积比较小，可以根据这一条件把它们去除掉。 再次膨胀和腐蚀操作 进行再次膨胀和腐蚀操作，主要是为了得到人脸区域的像素点，这对后续操作是非常有用的。 人脸区域定位 因为人脸皮肤建模是根据皮肤颜色来确定的，有可能把脖子肩膀等区域也包括进去了，所以得到的只能是人脸的大致区域。这所以要定位出这个区域，主要是可以方便后续的处理，因为图像处理的速度是较慢的，所以要尽量减少处理的像素数，当定位出人脸区域的时候，就可以只对区域内部的像素点进行处理了，这样就大节省了计算时间。同时定位出这个区域还有助于眼睛、嘴巴的定位。在算法实现时，常用递归的方法进行。 眼睛的色度匹配 色度匹配就是根据已知的条件设定颜色的上下限来对眼睛进行提取操作。YCC色度空间中的色度操作就是对Cr、Cb分量的操作。 眼睛的亮度匹配 眼睛的亮度匹配是根据图像像素的亮度值来确定的，可以用YCC色度空间的Y亮度值进行，也可以另外采用一个计算值进行。 眼睛的双重匹配 仅仅依靠亮度或色度来进行眼睛的定位都是不够准确的，还要把两者结合起来。常用的算法是：在进行亮度匹配和色度匹配时，把匹配成功的点都做上标记，最后只要检测3个标志数组即可确定眼睛位置。 去掉非眼睛区域 经过前面的操作，眼睛的位置基本已确定出来了，但除了眼睛区域外，还有一些其他的区域留在图像中，为了准确的检测出人眼，必须去掉这些区域。去掉这些区域是根据人脸区域来进行的。把在人脸区域以下的区域，全部定义为非眼睛区域。 膨胀眼睛区域 为连接人眼中不连续的区