数字图像处理算法设计之图像增强毕业论文

深圳大学本科毕业论文(设计)诚信声明本人郑重声明：所呈交的毕业论文(设计),题目《数字图像处究工作所取得的成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式注明。除此之外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。本人完全意识到本声明的毕业论文(设计)作者签名：摘要(关键词) 11.引言 11.1选题背景 11.2图像增强的发展现状 21.3论文研究内容 22.图像增强基本理论 32.1图像和数字图像 32.2数字图像增强概述 42.3图像增强方法和分类 52.3.1空间域图像增强 52.3.2频率域图像增强 63.频域图像增强的原理和方法 83.1傅里叶变换和频率域介绍 83.1.1二维图像傅里叶变换 83.1.2频率域滤波 93.2频率域中的平滑滤波 3.3频率域中的锐化滤波 3.4同态滤波 4.频域图像增强算法的实现 4.2低通滤波 4.3高通滤波 5.总结与展望 225.1本文工作总结 225.2课题研究展望 22参考文献 23致谢 24 25数字图像处理算法设计之图像增强【摘要】图像作为一种有效的信息载体，是人类获取和交换信息的主要来源。人类感知的外界信息80%以上是通过视觉得到的。因此。图像处理的应用领域必然涉及到人类生活和工作的方方面面。图像增强是对图像的低层次处理，处于图像处理的预处理阶段。它是图像处理的一个重要环节，在整个图像处理过程中起着承前启后于人眼观察或机器分析识别的形式，以便从图像中获取更加有用的信息。【关键词】图像增强；频域；滤波数字图像处理技术是20世纪60年代随着计算机技术和VLS(VeryLargeScaleIntegrator)的发展而产生、发展和不断成熟起来的一个新兴技术领域，它在理论上和实际数字图像处理(DigitalImageProcessing)又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的探伤、卫星图片的处理等领域。如对X射线图片、CT影像、内窥镜图像进行增强，使医生更容易从中确定病变区域，从图像细节区域中发现问题；感图片进行增强处理，侦查是否有敌人军事调动或军事装备及建筑出现；在煤矿工业电视系统中采用增强处理来提高工业电视图像的清晰度，克服因光线不分不开的，发展的动力来自稳定涌现的新的应用，我们可以预料清晰度、提取特征、分析形状和纹理以及对两个图像进行匹配。放式MATLAB语言编写。这意味着可以检查算法、修改源代码和创建自定义函数。图像处理工具箱在生物测定学、遥感、监控、基因表达、显微镜技术、半导计、颜色科学及材料科学等领域为工程师和科学家提供支持。它也促进了图像处理技术的教1.2图像增强的发展现状数字图像处理的发展历史不长，但已经引起了各字图像处理的基本内容，而图像增强是图像预处理部分的主要内容。数字图像处理技术起源为止，图像处理在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原辨的原始图像处理成清晰的富含大量有用信息的可使用图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进行检测和测量。处理后的图像是否保持原状已经是无关紧要的了，不会而去有意识的努力重现图像的真实度1。图像增强的目的是增强图像的视觉效果，将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。它一般要借助人眼取得看起来较好地视觉效果，很少涉及客观和统一的评价标准。增强的效果通常都与具体的校正、频域滤波和彩色增强等。由于图像增强与感兴趣的物体特性、观察者的习惯和处理目的密切相关，尽管处理方式多种多样，但它带有很强的针对性。因此，图像增强算法的应用也是有针对性的，并不存在一种通用的、适应各种应用场合的增强算法。于是，为了使各种不同特定目的的图像质量得到改善，产生了多种图像增强算法。这些算法算法又可以分为空域的变换增强算法、空域的滤波增强算法以及空域的彩色增变换域的图像增强算法可以分为频域的平滑增强算法、频域的锐尽管各种图像增强技术已取得了长足的发展，形的增强技术依然在日新月异地发展完善，不断推陈出新，其中尤其以不引起增强边缘的同时会同时增强噪声，而滤去噪声又会使边缘在一定程度上模糊，因此，在图像增强的时候，往往是将这两部分进行折中，找到一个好的代价函数达到需要的增强目的。本文主要围绕图像增强算法而展开，着眼于图像优化过法，对一些低质量的图像进行处理，以期达到优化的目的。第一章引言。介绍图像增强技术的课题背景、发展现状和意义，以及本文的研究内容。第二章图像增强的基本理论。阐述图像增强中用到的有关数字图像的一些基本概念；概述常用的一些图像增强方法及其特点，如灰度变换、直方图均衡化、频域滤波等。第三章频域图像增强的原理和方法。选取图像增强中比较典型的频域处理方法进行说明，详细介绍其基本原理和算法。2.图像增强基本理论2.1图像和数字图像如常用的图像一般是灰度图，这时f表示灰度值，当对可见光成像时，灰度值对应客观景物常见图像是连续的，即f,x,y的值可以是任意实数。为了能用计算机对图像进行加工，早期英文书籍里一般用picture代表图像，随着数字技术的发展，现都用image代表常用的图像一般是灰度图，这时f表示灰度值，反映了图像上对应点的亮度。亮度是观察者对所看到的物体表面反射光强的量度。作为图像灰度的量度函数f(x,y)应大于零。人们日常看到的图像一般是从目标上反射出来的光组成的，所以f(x,y)可看成由两部分成：入射到可见场景上光的量；场景中目标对反射光反射的比率。确切地说它们分别称为照度成分i(x,y)和反射成分r(x,y)。f(x,y)与i(x,y)和r(x,y)都成正比，可表示成图像的统计特性，这可用ProbabilityDensityFunction(PDF)来刻画和描述，表现为灰度直方图(Histogram)。灰度直方图是灰度值的函数，描述的是图像中具有该灰度值的像素的个数，如图1所示，(b)为图像(a)的灰度直方图，其横坐标表示像素的灰度级别，纵坐标表示该灰度出现的频率(像素的个数)。meInsertToolslesktopWindow2.2数字图像增强概述图像增强技术是要通过对图像的加工，获得视觉效果更“好”,或看起来更“有用”的图像的技术4]。对灰度图像，这种视觉效果的改善常借助改变各个像素的灰度来实现。具体说来，设原始图像在(x,y)处的灰度为f,而改变后的图像为g,则对图像增强的方法可表述为将在((x,y)处的灰度f映射为g。在很多情况下，f和g的取值范围是一样的，下面设均在[0,L—1]中，L为图像的灰度级数。对不同的灰度f可以根据不同的规则将其映射为g,这些规则有时可写成解析式子，有时只能用函数曲线(称为变换曲线)来表示。图像增强的目的是使图像的某些特性方面更加鲜明、突出，使处理后的图像更适合人眼视觉特性或机器分析，以便于实现对图像的更高级的处理和分析。图像增强的过程往往也是一个矛盾的过程：图像增强希望既去除噪声又增强边缘。但是，增强边缘的同时会同时增强噪声，而滤去噪声又会使边缘在一定程度上模糊，因此，在图像增强的时候，往往是将这两部分进行折中，找到一个好的代价函数达到需要的增强目的[13]。传统的图像增强算法在确定转换函数时常是基于整个图像的统计量，如：ST转换，直方图均衡，中值滤波，微分锐化，高通滤波等等。这样对应于某些局部区域的细节在计算整幅图的变换时其影响因为其值较小而常常被忽略掉，从而局部区域的增强效果常常不够理想，噪声滤波和边缘增强这两者的矛盾较难得到解决。数字图像处理系统由硬件和软件组成，包括采集、显示、存储、通信、主机和图像处理软件，如下图所示：通信通信主机图2仅仅是图像处理的硬件设备构成，图中并没有显示出软件系统，在图像处理系统中软件系统同样是非常重要的。在图像获取的过程中，由于设备的不完善及光照等条件的影响，不可避免地会产生图像降质现象。部分加以处理或突出有用的图像特征，故改善后的图像并不一定要去逼近原图像；二是去噪、平滑等基本的图像处理技术，到图像的特征分析和提取，进而产生对图像的正确理解或者遥感图像的解译，最后的步骤可以是通过专家的视觉解译，也可以是在图像处原始图像原始图像图3图像处理流程图2.3图像增强方法和分类2.3.1空间域图像增强图像增强可分成两大类：频域增强和空域增强。前者把图像看成一种二维信其进行基于二维傅里叶变换的信号增强。采用低通滤波(即只让低频信号通过)法，可具有代表性的空间域算法有局部求平均值法和中值滤波(取局部邻域中的中间像素值)算；基于频率域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是基于空间域的算法分为点运算算法和领域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等1。基于空域的图像增强方法大致有以下这几个：(1)图像灰度映射图像灰度映射有图像求反、增强对比度、压缩动态范围等。近L-1的较大灰度的像素在变换后其灰度接近0,而原来较暗的像素变换后成为较亮的像增强图像对比度实际上是增强原图各部分之间的反差(态度级别),属于线性变换。压缩动态范围的日标与增强对比度相反。有时原图的动态范围太大，超出某设备的允许动态范围，这时如直接使用原图灰度进行显示则一部分细节可能丢失。解决(2)直方图处理直方图是多种空间域处理技术的基础。直方图操作能有效地用于图像增强，如直方图均衡化和直方图匹配(规定化)。有些图像在低值灰度区间上频率较大，使得图像中较暗区域中的细节看不清楚。这时可以通过直方图均衡化将图像的灰度范围分开，并且让灰度频率较小的灰度级变大，通过调整图像灰度值的动态范围，自动地增加整个图像的对比度，使图像具有较大的反差，细节清晰。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。它的优点的是能自动地增强整个图像的对比度，但具体增强效果不易控制处理的结果总是得到全局均衡化的直方图。有些图像是通过扫描仪扫描输入或传输通道传输过来的。图像中往往包含有各种各样的噪声。这些噪声一般是随机产生的，因此具有分布和大小不规则性的特点。这些噪声的存在直接影响着后续的处理过程，使图像失真。图像平滑就是针对图像噪声的操作，其主要作用是为了消除噪声，图像平滑的常用方法是采用均值滤波或中值滤波，均值滤波是一种线性空间滤波，它用一个有奇数点的掩模在图像上滑动，将掩模中心对应像素点的灰度值用掩模内所有像素点灰度的平均值代替，如果规定了在取均值过程中掩模内各像素点所占的权重，即各像素点所乘系数，这时就称为加权均值滤波；中值滤波是一种非线性空间滤波，其与均值滤波的区别是掩模中心对应像素点的灰度值用掩模内所有像素点灰度值的中间值代替。平滑噪声时经常会使图像的边缘变的模糊，针对平均和积分运算使图像模糊，可对其进行反运算采取微分算子使用模板和统计差值的方法，使图像增强锐化。图像边缘与高频分量相对应，高通滤波器可以让高频分量畅通无阻，而对低频分量则充分限制，通过高通滤波器去除低频分量，也可以达到图像锐化的目的。频域处理法的基础是卷积定理，它采用修改图像傅立叶变换的方法实现对图像的增当图像f(x,y)以线性算子h(x,y)进行卷积，结果图像g(x,y)为g(x,y)=h(x,y)*f(x,y),有卷积定理的性质可知在频域内相当于G(u,v)=H(u,v)F(u,v),对G(u,v)进行傅图4频域增强框图频率域的基本性质：频率域的中心领域对应图像中慢变化部分，离开频率域的中心时，较高的频率开始对应图像中变化较快的部分(如：物体的边缘等)。在傅里叶变换中，低频主要决定图像在平滑区域中的总体灰度级的显示，而高频决(1)低通滤波低通滤波器的功能是让低频率通过而滤掉或衰减高频，其作用是过滤掉包含在高频(2)高通滤波(3)同态滤波有一类特殊的非线性系统，它遵从广义的叠加原理。在代数上，这类系统用输入和第8页/共25页3.频域图像增强的原理和方法3.1傅里叶变换和频率域介绍3.1.1二维图像傅里叶变换此表达式必须对u值(u=0,1,2,…,M-1)和y值(v=0,1,2,…,N-1)于图像的平均灰度级。频率域的基本性质：频率域的中心领域对应图像中慢变化部分，离开频率域的中心时，较高的频率开始对应图像中变化较快的部分(如：物体的边缘等)[2]。即低频包含2.由式(2)计算图像的DFT,即F(u,v)。3.用滤波器函数H(u,v)乘以F(u,v)。4.计算(3)中结果的反DFT。5.得到(4)中结果的实部。6.用(-1)*+y乘以(5)中的结果。H(u,v)被称为滤波器(常用术语为“滤波器传递函数”)的原因是它在变换中抑制某些频率但其他频率不受影响。类似于日常生活中的筛子，它被滤波的图像可以从G(u,v)的反傅立叶变换中得到：被滤波的图像=ζ-[G(u,v)](7)前处理换傅里叶反变换后处理第10页/共25页输入图像f(x,y)3.2频率域中的平滑滤波常用的频域滤波方法有低通滤波、高通滤波、带通和带阻滤波、同态滤波等方法。图像在传递过程中，由于噪声主要集中在高频部分，为去除噪声改善图像质量，滤波器采用低通滤波器H(u,v)来抑制高频成分，通过低频成分，然后再进行逆傅立叶变换获得滤波图像，就可达到平滑图像的目的。在傅里叶变换域中，变换系数能反映某些图像的特征，如频谱的直流分量对应于图像的平均亮度，噪声对应于频率较高的区域，图像实体位于频率较低的区域等，因此频域常被用于图像增强[1。现主要选取三种滤波器进行研究，分别是：理想低通滤波器、巴特沃思低通滤波器和高斯低通滤波器。(1)理想低通滤波器所想像的最简单的低通滤波器是“截断”傅里叶变换中所有高频成分，这些成分处在距图像尺寸为MxN,它的变换也有相同的尺寸，由于变换被中心化了，所以，频率矩形的中心在(u,v)=(M/2,N/2)处。在这种情况下，从点(u,v)到傅里叶变换中心(原点)的距离如下所理想低通滤波器的这种陡峭的截止频率是不能用电子部件实现的，尽管它们可以在计算不同于ILPF,BLPF变换函数在通带与被滤除的频率之间没有明显的截断。对于有平滑传递函数的滤波器，定义一个截止频率的位置并使H(u,v)幅度降到其最大值的一部分。在式(10)中，当D(u,v)=Do时，H(u,v)=0.5(从最大值下降到它的50%)。(3)高斯低通滤波器第11页/共25页3.3频率域中的锐化滤波(3)高斯型高通滤波器第12页/共25页令令则f(x,y)=i(x,y)r(x,y)P{f(x,y)}≠Y{i(x,y)}Y{r(x,y)}z(x,y)=lnf(x,y)=lni(x,y)+lnr(x,y)P{z(x,y)}=Y{lnf(x,y)}=4{lni(x,y)}+4{lnr(x,y)}或Z(u,v)=F(u,v)+F;(u,v)S(u,v)=H(u,v)Z(u,v)=H(u,v)F(u,v)+H(u,v)F,(u,v)s(x,y)=4-¹{S(u,v)}=P-{H(u,v)F(u,v)}+Y-¹{H(u,v)F,(u,v)}i(x,y)=4-{H(u,v)F(u,v)}r(x,y)=4-{H(u,v)F,(u,v)}s(x,y)=i'(x,y)+r'(x,y)第13页/共25页g(x,y)=e⁶(x,y)=e(x,y).e"(x,y)=i₀(x,y)r;(x,yH(u,v)DFTH(u,v)DFTg(x,y)(22)式一样。4.频域图像增强算法的实现4.1基于MATLAB的图像处理4.1.1MATLAB简介仿真等高级课程的基本教学工具；成为攻读学位的大学生，硕士生，博士生必须掌握的基一种语言之所以能如此迅速地普及，显示出如此旺盛的生命力，是由于它有着不同于最直观，最简洁的程序开发环境。以下简单介绍一下(1)语言简洁紧凑，使用方便灵活，库函数极其丰富。MATLAB程序书写形式自由，利用起丰富的库函数避开繁杂的子程序编程任务，压缩了一切不必要的编程工作。由于库函数都由本领域的专家编写，用户不必担心函数的可靠性。可以说，用语句),又有面向对象编程的特性。(5)程序的可移植性很好，基本上不做修改就可以在各种型号的计算机和操作系统上的程序不用编译等预处理，也不生成可执行文件，程序为解释执行，所以速度较慢。种可选的工具箱。核心部分中有数百个核心内部函数。其工具箱又分为两类：功能性工具箱和学科性工具箱。功能性工具箱主要用来扩充其符号计算功能，图示建模仿真功能，文字处理功能以及与硬件实时交互功能。功能性工具箱用于多种学科。而学科性工具箱是专等。这些工具箱都是由该领域内学术水平很高的专家编写的，所以用户无需编写自己学科范围内的基础程序，而直接进行高、精、尖的研究。的核心文件和工具箱文件都是可读可改的源文件，用户可通过对源文件的修改以及第15页/共25页4.1.2MATLAB在图像处理中的应用4.2低通滤波(1)理想低通滤波器图7理想低通滤波器转移函数的剖面图接下来通过实验来研究理想低通的特性。图8(a)是一幅在夜晚昏暗的灯光下用手机拍摄的照片，且所用的手机摄像头像素不高，手机本身对图像的处理不够理想，从而导致照片质量比较低。可以明显的看到图像带有噪声，现用理想低通滤波器对其进行平滑来去除噪声。图8(b)是用Do=50的滤波器对(a)进行处理的结果，可以看到处理后的图像变得更平滑，少了很多噪声成分，但是同时图像的一些细节变得不那么清晰，整体图像变得模糊。图8(c)则是用Do=30的滤波器对(a)处理的结果，这时图像变得更加模糊，而且“振铃”特征很明显。事实上随着截止频率逐渐减小，图像将越来越模糊，“振铃”现象越来越突出。可见，理想低通滤波器在现实中是非常不实用的。(1)Butterworth低通滤波器物理上可以实现的一种低通滤波器是巴特沃斯(Butterworth)低通滤波器。一个阶数为n,截断频率为DO的巴特沃斯低通滤波器的转移函数为：阶数为1的巴特沃思低通滤波器剖面示意图见图9。由图可见低通巴特沃思滤波器在高低频率间的过渡比较光滑，所以用巴特沃思滤波器得到的输出图其振铃效应不明显。下H(u.a)H(u.a)1时n=3D₂→Du.#H(a.)图9巴特沃思低通滤波器面通过对图像的处理来说明。如图10为用n=1的巴特沃思低通滤波器对图像进行处理的结果，其中(a)原始图像，(b)、(c)、(d)对应的截止频率为10、30、80。可以看出，一阶的巴特沃思滤波器在对图像进行平滑噪声时不会有振铃现象。当使用二阶的BLPF时(如图11),有很微小的振铃，但远没有ILPF明显。事实上，随着n的增大，BLPF的振铃将成为一个重要因素，越来越明显，当n充分大时，Butterworth滤波器就变成理想低通滤波器。而二阶的BLPF是在有效的低通滤波和可接受的振铃特性间的折中。图10一阶的BLPF滤波结果图11二阶的BLPF滤波结果(1)高斯低通滤波器在高斯曲线扩展程度σ=Do时二维高斯低通滤波器(GIPF)形式如下：其透视图、图像显示以及GLPF函数的径向横截面如下图：图12高斯低通滤波器图13(b)、(c)、(d)分别是用半径为20,50,150的截止频率的高斯低通滤波器对图13(a)进行平滑的结果，通过比较可知截止频率越低，图像越模糊，而且经过高斯低通滤波后没有振铃。这是实际中一个很重要的特性，尤其是在人工图像(如医学图像)不太能接受的情况下。4.3高通滤波(1)理想高通滤波器物理上用电子元件无法实现的。但是，因为它可以用计算机来实现，所以认为它是完第20页/共25页(c)图14半径为15、30、60的IHPF滤波结果 图15BHPF滤波结果(3)高斯型高通滤波器截止频率距原点的距离为DO的高斯高通滤波器(GHPF)的传递函数如下：图16(b)、(c)、(d)为用Do等于15、30、60的高斯型高通滤波器(GHPF)对图16(a)进行了滤波再直方图均衡化的结果，可以看出，用GHPF得到的结果比前两个滤波器更平滑。即使是对微小物体和线条用GHPF过滤也是比较清晰的。5.总结与展望图像增强是对图像的低层次处理，处于图像处理的预处理阶段。它是图像处理的一个重要环节，在整个图像处理过程中起着承前启后的重要作用，为后续处理阶段做准备，对图像高层次处理的成败至关重要。其目的就是为了改善图像的质量和视觉效果，或将图像转换成更适合于人眼观察或机器分析识别的形式，以便从图像中获取更加有用的信息。由于图像增强与感兴的趣物体特性、观察者的习惯和处理目的密切相关，带有很强的针对性。因此，图像增强算法的应用也是有针对性的，尽管增强处理方法多种多样，但并不存在一种通用的、适应各种应用场合的增强算法。本文围绕图像增强算法而展开，在阐明图像增强的一些基本方法基础上，着重介绍频的低通滤波和高通滤波处理方法，这些方法各自都存在缺点，如低通滤波在平滑噪声的同时会牺牲图像的一些细节信息，使图像变得模糊；而高通滤波在锐化细节的过程中会丢失图像的很多信息。理想型的滤波器在平滑和锐化过程中都会有不同程度的“振铃”现象，使得图像出现失真。这些问题，都还需要进一步的研究。对于增强后的图像的质量并没有统一的评价标准，许多年来人们一直希望能找到一种【参考文献】[1]迟健男.视觉测量技术.北京：机械工业出版社，2011.[2]章毓晋.图像处理和分析技术.第2版.北京：高等教育出版社，2008.实用教程.第2版.北京：电子工业出版社，2007.[4]汪志云，黄梦为，胡钋.基于直方图的图像增强及其MATLAB实现[J].计算机工程与科学，2006,28(2):54-56.渭南师范学院学报，2008,23(2):68-70.在数字图像增强中的应用[J].信息技术，2007,(5):65-68.[7]陈书海，傅录祥.实用数字图像处理.北京：科学出版社，2005.[8]徐立中.数字图像的智能信息处理.北京：国防工业出版社，2001.[9]GonzalezRC,WoodsRE.数字图像处理[M].阮秋琦，阮宇智译.北京：电子工业出版社，2003.[10]GonzalezRC,WoodsRE.数字图像处理(MATLAB版)[M].阮秋琦，阮宇智译.北京：电子工业出版社，2005.[11]LimJaeS.Two-DimensionalSig[12]Parker,JamesR.AlgorithmsforImageProcessingandComputerVision.NewYork:JohnWiley&Sons,Inc.1997,15:23-29.[13]CannyJohn.AComputationalApproachtoEdgeDetection.IEEETransactions[14]WallisRH.AnApproachfortheSpaceVariantRestorationandEnhancementofImage.ProceedingsSymposiumonCurrentMathematicalProblemsinImageScience,1976.[15]K.Kim,Y.Han,H.Hahn.ContrastEnhancementSchemeIntegratingGlobalandLocalContrast离校日期已日趋临近，毕业论文的完成也随之进入了尾声。从开始选课题到论文的顺利完成，一直都离不开老师、同学、朋友给我热情的帮助，在这里请接受我诚挚的谢意!在此我想对培养了我四年的母校表达我由衷的谢意。是我的母校给了我大学四年深造的机会，带我走进知识的殿堂，让我知识得到丰富，学习能力得到提高，能够给我做毕业设计这个平台去展示自己。本文是在张力教授的指导下完成的，在老师的建议下课题由自己选定