一、前言（说明写作的目的，介绍有关概念、综述范围，扼要说明有关主题或争论焦点）：
 
 图像处理，是对图像进行分析、加工和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理[1]。此外，基于光学理论的处理方法依然占有重要的地位。但是不管在日常生活中或是在专业领域中，有时候一幅图像要经过一定的处理才能达到最佳视觉效果。本系统希望通过对图像进行一些适当的处理从而使图像达到最佳视觉效果。
 
 二、主题（阐明有关主题的历史背景、现状和发展方向，以及对这些问题的评述）：

 图像在人类感知中扮演着最重要的角色，它是人类获取信息的重要来源。随着信息技术的发展，出现了数字图像，数字图像最大的特点是便于保存、传输，还能根据需要方便地进行后期处理[2]。鉴于数字图像的这些特点，它的应用范围也越来越广。在日常生活中，数字照片已经广泛被人们所接受；在专业领域，例如在医疗行业，现在很多医疗设备已经数字化，医疗设备的检查结果很多也以数字图像的形式存在，它为医生正确地诊断疾病提供必要的信息。此软件要完成的功能如下：
 1、图像旋转
 一般图像的旋转是以图像的中心为原点，旋转一定的角度。旋转后，图像的大小一般会改变[3]。和图像平移一样，我们既可以把转出显示区域的图像截去，也可以扩大图像范围以显示所有的图像。一般常用的图像旋转角度为90°，180°和270°。
 2、直方图均衡化
 所谓直方图就是在某一灰度级的像素个数占整幅图像的像素比  h=nj/N,其中nj是灰度级在j的像素数，N是总像素数，扫描整幅图像得出的h的离散序列就是图像的直方图，h求和必然＝1，所以直方图可以看成是像素对于灰度的概率分布函数。直方图是高低不齐的，因为像素灰度是随机变化的，直方图均衡化就是用一定的算法使直方图大致平和[4]。
 算法如下：
 对于一个直方图，设 Pr(r)是原始图像直方图，Ps(s)是均衡化的直方图，由于其是一个概率分布函数，所以有 Ps(s)ds=Pr(r)dr(编辑关系，ds,dr是积分变量)因为要进行均衡化，令 Ps(s)=1,得 ds=Pr(r)dr/1两边积分得 s=∫Pr(r)dr数字图像是离散的，因此离散化上式得sk=E{j=0,k}(nj/N)，左式k,j是离散量下标，因为编辑关系，E{0,k}表示下标0到k的连加符号，N是像素总数。由此得出每一像素的sk为均衡化后的正规化灰度（即灰度正规化到[0,1])，统计sk即可得出均衡化后的直方图。在均衡化过程中可以对每一像素映射到新的实际灰度值sk*255，就实现了图像的变换（严格理论中应该是灰度正规化到[0,1]区间，然后均衡化后的sk还要量化到原始的正规灰度以实现灰度合并，而且255是固定灰度级，因为256色BMP的彩色表就是256个表项)。
 直方图均衡化是一种最常用的直方图修正。它是把给定图像的直方图分布改造成均匀直方图分布。由信息学的理论来解释，具有最大熵(信息量)的图像为均衡化图像[5]。直观地讲，直方图均衡化导致图像的对比度增加。均衡化处理后的图像只能是近似均匀分布。均衡化图像的动态范围扩大了，但其本质是扩大了量化间隔，而量化级别反而减少了，因此，原来灰度不同的象素经处理后可能变的相同，形成了一片的相同灰度的区域，各区域之间有明显的边界，从而出现了伪轮廓。
 3、亮度与对比度的调节
 在电脑上，我们用的颜色空间就是rgb颜色色系实际上还有cmyk，hsv，lab等各种颜色色系rgb几乎就是电脑显示器专用的色系；cmyk是印刷专用的；而hsv等色系则是可以完整你的任务的[6]。rgb 和 hsb 相互转换已经做到了：Color.RGBtoHSB(int r, int g, int b, float[] hsbvals);
 转换出来的h，s，b的范围这个范围和显示的－100到＋100范围是否一致是无所谓的，建立一个对应关系就可以了加入，你的s范围是 0 到 1而你的滑块范围是－100 到 100那么从s数值到滑块的对应关系就是 v = (s-0.5)*200从滑块数值到s数值的对应关系就是 s = v/200 + 0.5这个都是一个线性的空间变换而已[7]。
 在图像亮度与对比度调节中，对于不同的图像要进行不同的处理。例如对于24位的图像一个像素有24位，它没有颜色表所以要对它的每个像素进行处理；而灰度图像一个像素只有8位[8]，它有颜色表，可以通过调节其颜色表从而达到调节图像亮度与对比度的效果。
 4、图像锐化
 图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法.锐化的目标实质上是要增强原始图像的高频成分.常规的锐化算法对整幅图像进行高频增强,结果呈现明显噪声.为此,在对锐化原理进行深入研究的基础上,提出了先用边缘检测算法检出边缘,然后根据检出的边缘对图像进行高频增强的方法[9].实验结果表明,该方法有效地解决了图像锐化后的噪声问题.
 图像锐化处理的目的是使模糊的图像变得更加清晰起来。通常针对引起图像模糊的原因而进行相应地锐化操作属于图像复原地内容，在这里知识介绍一般的去模糊算法。
 图像的模糊实质就是图像受到平均或积分运算造成的，因此可以对图像进行逆运算（如微分运算）来使图像清晰化。从频谱角度来分析，图像模糊的实质是其高频分量被衰减，因而可以通过高通滤波操作来清晰图像[10]。但要注意，能够进行锐化处理的图像必须有较高的信噪比，否则锐化后图像信噪比反而更低，从而使噪声的增加得比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理[11]。
 图像锐化一般有两种方法：一种是微分法，另外一种是高通滤波法。常用的微分锐化方法有梯度锐化和拉普拉斯锐化。
 5、图像平滑
 图像的平滑是一种实用的数字图像处理技术，主要是为了减少图像的噪声。一般情况下，在空间域内可以用领域平均来减少噪声；在频域，由于噪声频谱通常多在高频段，因此可以采用各种形式的低通滤波的办法来减少噪声[12]。图像的平滑主要是通过平滑模板实现。
 平滑模板的思想是通过一点和周围几个点的运算（通常为平均运算）来去除突然变化的点，从而滤掉一定的噪声，但图像有一定程序的模糊[13]。而减少图像模糊的代价是图像平滑研究的主要问题之一，这主要是取决于噪声本身的特性。一般情况下通过选择不同的模板来消除不同的噪声。常用的模板有好多种，而且都是3*3的矩阵。
 
 三、总结（将全文主题进行扼要总结，提出自己的见解并对进一步的发展方向做出预测）：

 数字图像处理技术国内起步的较晚，但随着军工和社会在这方面投入的增加，科研人员的增多，数字图像领域取得了突飞猛进的发展。可以利用图像处理中的许多算法对图像进行处理从而达到最佳效果，诸如图像均衡化，图像旋转，图像锐化，图像反相，图像灰度化，图像平滑，利用图像插值算法对图像进行缩放[14]等等。所以图像处理的使用范围会越来越广，急需广大工作人员参与其中，为图像处理的发展作出自己的贡献。

四、参考文献（根据文中参阅和引用的先后次序按序编排）：

 [1] 红梅,王霞,李琦.数字图像处理课程教学改革与实践[J].河北工业大学成人教育学院学报.2006，21（2）：9-10
 [2]  S.Georage,K.David. Visual C++.NET技术内幕[M].第6版.北京：清华大学出版社,2005年6月：4-920
 [3] 古丽娜,木妮娜.图像几何变换的理论及MATLAB实现[J].《新疆师范大学学报》(自然科学版).2006，25（4）：25-28
 [4] 张便利,常胜江,李江卫.基于彩色直方图分析的智能视频监控系统[J].物理学报.2006,55（12）：6400-6404
 [5] 芮同林，彭国华.一种改进的图像均衡化算法的研究与应用[J].微电子学与计算机，2006，23(11)：58—59
 [6] 李忠海，王常虹.图像对比度自适应调整算法[J].哈尔滨工业大学学报，
 2004，10(36)：1325—1327
 [7] 姚军财,石俊生,黄小乔等.彩色图像对比度定义的探讨[J].云南师范大学学报.  2006，26（4）：50-51
 [8] 俊霞.VC编程实现彩色图像与灰度图像之间的相互转换[J]. 河套大学学报.2006，3(2)：70-73
 [9] Xu, W. Amin, S.A. et .Contour Detection by Using Radial Searching for CT Images[C], Information Technology Applications in Biomedicine, 2003,346–349
 [10] 美华.改善数字图像质量的滤波方法研究[J].常州工学院学报.2005,19(6)：32-34
 [11] 曾嘉亮.基于边缘检测的图像锐化算法[J].现代电子技术[J].2006,12：90-95
 [12] 刘兴洪,汪林林.一种图像边缘保持的改进方向平滑算法[J].计算机学.2006,33(10)：210-212
 [13] 曹灿,黄福莹.数字图像细化算法研究与实现[J].广西物理.2006，27（3）：40-42
 [14] Tian Yan,Liu Bin,Li Tao.A Local Image Interpolation Method Based On -Gradient Analysis.Neural Networks and Brain[C]，2005，2:1202 –1205

相关论文