由于洛陽玻璃廠的生產流水線進行現代化改造，原有的人工識別分類無法滿足現代化企業的要求，所以計算機智能識別系統成為必然選擇。系統采用VC++編程技術和數據圖像處理技術。根據模式識別的方法，系統依次對標簽圖像進行了，圖像閾值變化，圖像中值濾波除噪，圖像特征提取和圖像的模板匹配識別。四個步驟實現了玻璃標簽的自動識別，完成了是流水線的智能分揀。該系統在Window平臺下，成功運行，達到預期的目標。模式識別系統將極大降低產品的生產成本和時間，提高產品的競爭力度。
[關鍵詞] 數字圖像處理；中值濾波；特征提��；識別
該系統是計算機圖像處理系統，用于圖像標簽的識別，所以可以根據圖像模式識別的步驟，進行的系統功能設計。圖像模式識別的五個步驟為數據獲取、預處理、特征提取、分類決策、分類器設計。根據系統目的和圖像識別的步驟，將系統設計流程為:打開圖像，獲取位圖信息，圖像增強，圖像特征提取，圖像分類。
該系統的流程圖為：
圖3-1 系統流程圖
根據系統流程圖圖3-1設計的流程，將系統的流程更加細致化的設計。將計算機外圍設備獲取的玻璃標簽圖像傳給處理系統，處理系統通過軟件的圖像處理函數獲取圖像的信息，為便于圖像的識別，首先將圖像進行閾值變化，使圖像數據信息減少，而特征區域輪廓更加突出。然后，將圖像進行空域增強，利用中值濾波技術，使圖像中的椒鹽噪聲和脈沖噪聲得到有效的消除，而后進行特征信息的提取，將特征信息由圖像信息轉化為數字信息。最后，將特征信息進行模板匹配或是設置為模板。
3.1 打開DIB位圖圖像，獲取DIB圖像的信息
DIB是Device Independent Bitmap(設備無關位圖)的縮寫，它自帶顏色信息，調色板管理非常容易。DIB是標準的Windows位圖格式，BMP文件中包含了一個DIB。一個BMP文件大體上分成4各部分。第一部分為位圖文件頭，它是一個結構，該結構的長度為14個字節的固定長度。第二個部分為位圖信息頭，它是固定長度為40個字節的結構。第三部分為調色板（Palette）。有些位圖需要調色板，而有些位圖，如真彩圖，不需要調色板，它們的位圖信息頭后面直接是位圖數據。第四個部分就是實際的圖像數據。對于用到調色板的位圖，圖像數據就是該像素顏色在調色板中的索引值，對于真彩色圖，圖像數據就是實際的R、G、B值。
MFC中封裝了類CBitmap用于處理圖像，但對于DIB位圖，CBitmap類無法適應要求，它只能用于GDI位圖的處理。為進行位圖圖像的操作，采用微軟提供的DIB位圖操作文件,構造圖像處理類。
3.2 DIB位圖的閾值變化
圖像的閾值變化包含彩色圖轉化灰度圖，灰度圖像的二值化處理。為進行圖像的閾值變化操作需要構建新的類，該類以圖像處理類為基類。構建相應的圖像灰度化操作函數和圖像二值化操作函數。
對于每像素所占位數為8的灰度圖像直接進行二值化處理，而對于每像素所占位數為24的彩色圖片，將其轉化為灰度圖片。由于彩色圖像中每個像素的顏色有R、G、B三個分量決定，而每個分量有255種中指可取，這樣一個像素點可以有1600多萬的顏色的變化范圍。而灰度圖像是R、G、B三個分量相同的一種特殊的彩色圖像，其中一個像素點的變化范圍為255種，所以數字圖像處理中一般先將各種格式的圖像轉化為灰度圖像使后續的圖像的計算量變得少一些。
3.3 灰度圖像的空域增強
圖像的增強，改善了圖像質量，使圖像跟適合觀察的圖像處理技術。圖像增強的效果：突出更多細節、對比度更合適、邊緣增強、去除噪聲。
由于圖像中椒鹽噪聲和脈沖噪聲的含量較大，對圖像的特征信息影響很大，所以采用中值濾波處理，除去灰度圖像的椒鹽噪聲。
中值濾波處理是圖像平滑的一種方法，其目的為了消除噪聲。圖像噪聲的來源有三：光電、電磁轉換過程中引入的人為噪聲；大氣層電（磁）暴、閃電、電壓、浪涌等引起的強脈沖性沖激噪聲的干擾；自然起伏性噪聲，由于物理量的不連續或粒子性所引起，這類噪聲又可分成熱噪聲、散粒噪聲等。噪聲消除的方法又可以分為空間域或頻率域，亦可以分為全局處理或局部處理，亦可分為按線性平滑、非線性平滑和自適應平滑來區別。
目 錄
1 背景與意義 1
2 系統分析 1
2.1 系統需求分析 1
2.1.1 環境配置 2
2.1.2 系統編程開發 2
2.2 相關技術分析 3
2.2.1 C++編程技術 3
2.2.2 數據圖像處理技術 3
2.2.3 文本文件 4
2.3 運行可行性分析 4
3 系統設計 4
3.1 打開DIB位圖圖像，獲取DIB圖像的信息 5
3.2 DIB位圖的閾值變化 6
3.3 灰度圖像的空域增強 6
3.4 圖像特征提取 7
3.5 圖像識別模板設置 8
3.6 圖像模式識別 8
3.6.1 分類器的設置 9
3.6.2 圖像識別 10
4 編碼與實現 10
4.1 DIB位圖信息的獲取 10
4.1.1 DIB位圖訪問函數 10
4.2 圖像灰度的閾值變化 11
4.2.1 灰度圖像的二值化處理 11
4.2.2 彩色圖像的灰度轉化處理 12
4.3 中值濾波處理對圖像增強的處理 14
4.3.1 中值濾波除噪 14
4.3.2 濾波器的中值計算 15
4.4 對經過預處理的二值圖像的圖像特征進行分析，將圖像特征提取 16
4.4.1 對圖像進行分析，尋找圖像的特征區域 16
4.4.2 圖像分割 18
4.5 通過提取樣品圖像特征設置模板 20
4.5.1 建模板類Template,用于模板特征提取、創建和識別 20
4.6 模板匹配法進行圖像識別分類 21
4.6.1 圖像識別 21
5 系統測試與運行 23
5.1 創建模板 23
5.1.1 打開無噪聲的原始圖像 23
5.1.2 使用圖像處理類中read函數將圖像顯示 24
5.1.3 特征提取后，特征的圖片描述展示 24
5.1.4 設置模板 25
5.2 識別圖像 25
5.2.1 點擊打開按鈕，打開標簽圖像 25
5.2.2 灰度化處理圖片 26
5.2.3 二值化處理圖片 26
5.2.4 中值濾波處理圖片 27
5.2.5 圖像特征提取 27
5.2.6 圖像識別 28
結束語 29
參考文獻 30
附錄 31
致謝 40
上一篇：基于ssm的在線考試系統
下一篇：java兒童計劃免疫系統的設計