电子信息工程专业英语课文翻译Unit11译文
电子信息工程专业英语课文翻译Unit11译文
第一篇：电子信息工程专业英语 课文翻译 Unit 11 译文
Unit 11 数字图像处理
Unit 11-1 第一部分：二维数字图像
图像是表示一些物理参数空间分布的二维信号，典型的物理参数是光强，而更普通的是能量的任一种形式。例如，运动图像以及多光谱的遥感图像是三维或者是更高维的信号。现代数字技术使得处理多维信号成为可能，所使用的系统可从简单的数字电路到先进的并行计算机。这种处理的目的可以分为3类：
-图像处理：输入图像 输出图像用相机拍摄和冲洗照片
-大自然的例子：水面上景的反射，水雾中景的失真，等等。高级图像处理的应用例子包括：
-司法科学：视频监控摄像机图像的增强，图像中的脸，指纹，DNA码等的自动识别和分类。
可视化。例如：在我们制作一个三维物体的三维可视化之前，我们首先需要从二维图像中提取物体的信息。图像增强，例如，减少噪声或图像锐化。
-模式识别，例如，图像中某种形状或纹理的自动检测。
-将数据量减少为更容易处置或解释的信息，例如将图像减小为一幅较简单的图像、一组对象或特征、或者一组测量结果。
-图像合成，如由二维照片重建三维场景。
-图像拼接。当从同一个场景获取两种不同形态（类型）的图像时，将它们拼接起来涉及配准，其后是数据减少和图像合成。
-数据压缩。为了缩小包含图像的计算机文件的大小，以及加快网络中图像传输的速度，数据压缩常常是必需的。
我们关心的只是数字图像处理，而不是模拟处理，理由是，模拟处理需要专用的硬件，这使得建立一个特殊的图像处理应用成为一项艰巨的任务。此外，在许多图像处理领域中模拟硬件的使用正在迅速地成为过去，因为它常常能被更具灵活性的数字硬件（计算机）所取代。
但究竟什么是数字图像呢？数字图像获取与处理的示意图如图11.2所示。顶部有某个成像设备，如摄像机，医疗扫描仪，或其它任何可将物理现实的量度转换为电信号的设备。成像设备产生一个连续的电信号。因为这种模拟信号不能直接用计算机处理，信号通过数字化仪转换为离散形式。最后产生的图像便可直接用于数字图像处理应用。
数字化仪完成两个任务：采样和量化（见图11.3）。在采样过程中，图像中连续信号的值在特定位置被采样。在量化过程中，真实值被离散化为数字数值。量化后的图像我们称为数字图像。这样就回答了本节开头的问题：数字图像只不过是一个数值的矩阵。每个矩阵元素，即已量化样本，被称为图像元素或像素。对于三维图像则称为体积元素或体素。
我们可以用两个坐标(x;y)表示图像中每个像素的位置。按照惯例，(0;0)像素，即原点，是在图像的左上角，X轴是从左向右，Y轴自上而下（见图11.4）。这可能要用一点功夫去习惯它，因为它不同于常规的二元函数的数学表示法，也不同于常规的矩阵坐标。如果一幅数字图像仅仅是一个数值矩阵，有人可能会说：数字图像处理只不过是一种对矩阵进行运算的数学算法的集合。幸运的是，现实情况远非所说的那么枯燥乏味，因为在实际中，我们很少使用图11.3所示的矩阵表示，而是对图11.3的中间图像进行处理，实际上是同一幅图像，但将
光强度赋予每一个数，对人而言它通常更有意义。你会发现图像处理算法将被描述为数学算子作用于像素值或像素矩阵，这些算法的运算结果也将被用图像形式显示出来。
Unit 11-3 第三部分：图像处理引言
图像由各种物理设备产生，包括照相机和摄像机、X光设备、电子显微镜、雷达、超声设备等，并用于各种目的，包括娱乐、医疗、商务、工业、军事、民用、安全、科学。各种应用的目的都是使观察者（人或机器）提取被成像的场景中的有用信息。
原始图像通常并不直接适合于这一目的，必须以某种方式进行处理。这种处理称为图像增强；而观察者从图像 中提取信息的处理则称为图像分析。增强和分析根据其输出性质即输出的是图像还是关于场景的信息来区分，也根据所面临的挑战和所使用的方法来区分。
图像增强通过化学、光学、电子方法实现，而分析则主要由人工和电子方法实现。用于观察者的（视觉）增强方法或用于（计算机）自主分析的数字图像处理技术在成本、速度、灵活性方面具有优越性，随着个人计算机价格的急剧下降和功能的快速提升而成了实用的主要方法。
挑战
图像并不是被观察的物理对象性质的直接测量，而是诸多物理因素相互作用的结果：光照强度及其分布、光照与构成景物的物质之间的相互作用、反射光或透射光从三维空间到二维图像平面的投影几何关系、以及传感器的电子特性。不像某些其它工作例如编写编译程序那样有正式理论为基础的算法，可将高级计算机语言翻译成机器语言，不存在从图像中提取感兴趣的景物信息如位置或某一制成品质量的算法和可比的理论。
这种困难常被初学者低估，因为人的视觉系统似乎可轻而易举地从景物中提取信息。人的视觉通常比我们目前乃至可预见的未来能够设计制造的任何东西复杂得多。于是我们必须注意，不要根据人们对某一数字图像处理应用的印象来评估其难易程度。
一个首要的指导原则也许是人类更擅长于判断而机器更擅长于测量。因此，比方说在传输带上确定一个汽车零件的确切位置和大小很适合于数字图像处理，而要对苹果或木材的质量定级却更具挑战性，尽管不是不可能的。按照这些原则，需进行大量计算而极少需要判断的图像增强就是很适合于数字处理的。
对处理时间的严格要求常使问题变得更复杂。很少用户在意电子表格的数据刷新时间是300毫秒而不是200毫秒；但是，譬如说大部分工业应用却必须在机器周期所要求的严格限制以内完成操作。还有许多应用如超声图像增强、交通监控、摄像机防抖动等要求对视频流进行实时处理。
为了具体了解对处理速度的挑战，设想一下，一台标准黑白摄像机的视频流每秒有1000万个像素。在撰写本文时，一台典型台式PC也许可在处理每个像素所允许的100ns时间内执行50条机器指令，而能用区区50条指令完成的处理十分有限。
此外，许多图像处理应用还受到成本的严格限制，因此我们经常面临工程师们望而生畏的三重难题：要求设计的产品同时具备性能优良、运行快捷、价格便宜的优点。
图像获取
所有图像处理应用始于某种形式的照射，典型的是光线但广义的是某种能量。有时必须使用环境光线，但更为典型的是根据具体应用设计照明。在这些情况下事情的成败往往就在于此：任何高明的软件都无法将因为照明不良而丢失的信息恢复出来。
照相机就是一个能将辐射能量分布转换为存放在RAM中的数字图像的装置。过去这一过程分成两步：将能量转换为电信号即照相机的功能；用数字化设备将信号转换成数字形式并存储。现在两者之间的界线正在变得模糊，照相机将通过USB、以太网、IEEE 1394接口直接将图像送入计算机。
照相机技术以及所产生的图像特性几乎无例外地受到最大实际应用量的驱动，其中之一是消费电视。因此大多数的摄像机具有半个多世纪以前电视广播标准所制定的分辨率和速度特性。
典型的可见光单摄像机的分辨率为640 480，每秒输出30帧图像，并支持电子快门和快速复位（任意时刻回复到一帧初始状态的能力，从而可避免在开始捕获一帧新图像前的等待）。这种摄像机是基于CCD传感器技术的，能产生优良的图像，但相对于其它具有同样数量晶体管的多数芯片而言其价格很高。
随着大容量个人计算机多媒体应用的激增情况首次发生了变化。首先影响到的是显示器，它已有相当一段时间给我们提供了比广播更高的速度和分辨率。人们可期待照相机/摄像机也随之跟上，包括由民用数字照相机所推动的高速度、高分辨率器件，娱乐业、互联网远程会议
和用户视觉界面应用所推动的低分辨率和极低价格的设备。
电子信息专业学些什么?廉价器件可能会产生更大的影响。这些是基于新出现的CMOS传感器技术的，其生产工艺与大多数计算机芯片相同，因而得益于生产批量大而价格低廉。目前它的图象质量还达不到CCD标准，但随着技术的成熟是注定会改进的。
图像增强
数字图像增强算法大致分为两类：点变换（像素映射）和邻域运算。
1.点变换
点变换产生的输出图像中每个像素都是一个相应输入像素的某种函数。这一函数对于每个像素都相同，通常是由图像的全局统计特性导出的。点变换一般运行很快，但仅限于进行全局变换，例如调整整幅图像的对比度。
点变换包括许多可用于分等级值像素的图像增强。这些算法常由基于查表的单一软件程序或硬件模块实现。查表的运行速度快，可以编程用于实现任何功能，以合理的速度提供最
终的普适性。而MMX以及类似的处理器则能以比查表快得多的速度通过直接计算来执行各种功能，其代价是软件复杂性的提高。当某种功能是通过图像全局统计特性来计算时，像素映射是最为有用。例如人们可以处理一幅图像，在输入信号的均值和标准偏差，或者最小值和最大值的基础上，获得所要求的增益和补偿（偏移）。
直方图指标是一种有效的像素映射点变换，对输入图像进行处理使之具有与某一参考图像同样的像素值分布。其像素映射关系很容易从输入图像和参考图像的直方图得到。直方图指标是进行图像分析前的一种有用的增强技 术，这种分析的目的是对输入图像和参考图像进行某种比较。
阈值分割是一种常用增强技术，其目的是将图像分割成目标和背景。计算阈值，大于（或小于）阈值的就当作对象，否则就是背景。有时用两个阈值来确定对应于目标像素的一个范围。阈值可以是固定的，但最好是根据图像的统计特性计算得到。也可以用邻域处理进行阈值分割。在所有这些情况下得到的结果都是一幅二值图像，即只有黑白两而没有灰阶。
颜空间转换用于转换不同的颜表示方法，例如将照相机提供的RGB空间转换成图像分析算法所要求的HIS（调，亮度，饱和度）空间。由于精确的颜空间转换涉及的计算量很
大，在对时间有严格要求的应用中常采用粗略的近似。这些近似方法十分有效，但在选择一种算法以前应该对速度和精度间的权衡有所了解。
时间平均是处理反差极低图像最有效的方法。像素灰度映射对信号和噪声的作用相同，因此对于提高图像增益的作用很有限。邻域运算可以降低噪声，却会损失图像的保真度。降低噪声而不影响信号的唯一方法是对不同时间的多幅图像求平均。不相关噪声的幅度以参与平均的图像数目的平方根被衰减。将时间平均与扩大增益的像素映射法相结合可处理反差极低的图像。时间平均的主要缺点是用照相机获取多幅图像需要花费较长的时间。
2.邻域运算
在邻域运算中，每一个输出像素都是一组输入像素的函数。这组像素通常围绕一个对应的中心像素的某个区域，因此称为邻域，例如3 3邻域。邻域运算可实现频率滤波和形状滤波，以及其他复杂的增强操作，但是运行起来较慢，因为对于每个输出像素而言，邻域内的像素必须重复计算。
由于有了可追溯到200年前Fourier信号理论的广泛数学框架，线性滤波器是邻域处理中最容
易理解的。线性滤波器有选择地放大或衰减空间频率成分，可达到平滑和锐化等效果，通常是重采样和边缘检测算法的基础。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。