數(shù)字圖像處理技術(shù)資料

1、數(shù)字圖像處理技術(shù)(jsh)共四十二頁(yè)主要(zhyo)內(nèi)容圖像預(yù)處理技術(shù)(jsh)圖像降噪圖像增強(qiáng)圖像拼接圖像區(qū)域檢測(cè)技術(shù)圖像分割共四十二頁(yè)圖像(t xin)降噪預(yù)處理產(chǎn)生原因數(shù)字圖像的噪聲主要源于圖像的獲取和傳輸過(guò)程。鋼板表面圖像噪聲主要類型高斯噪聲：電子電路噪聲和由低照明度和高溫帶來(lái)的傳感器噪聲。脈沖噪聲：主要表現(xiàn)在成像中的短暫停留，例如錯(cuò)誤的開(kāi)關(guān)操作。基本方法(fngf)平滑濾波中值濾波共四十二頁(yè)圖像(t xin)的平滑作用：用于圖像的模糊處理，減小噪聲。原理：通過(guò)模板操作實(shí)現(xiàn)一種鄰域運(yùn)算，即某個(gè)象素點(diǎn)的結(jié)果灰度不僅和該象素灰度有關(guān)，而且(r qi)和其鄰域點(diǎn)的值有關(guān)。 如圖所示為兩種常見(jiàn)

2、的平滑模板（均值濾波），中間的黑點(diǎn)表示中心元素，即，用哪個(gè)元素做為處理后的元素。 BOX模板，未考慮位置的影響高斯模板，考慮了位置的影響共四十二頁(yè)均值(jn zh)濾波圖1 原圖(yun t)圖2 均值濾波圖3 閾值處理圖2 采用1515均值模板進(jìn)行處理共四十二頁(yè)中值濾波(lb)所謂中值濾波，是指把以某點(diǎn)(x，y)為中心的小窗口內(nèi)的所有象素的灰度按從大到小的順序排列，將中間(zhngjin)值作為(x，y)處的灰度值。原圖中值濾波過(guò)的圖圖中數(shù)字代表該處的灰度。可以看出原圖中間的6和周圍的灰度相差很大，是一個(gè)噪聲點(diǎn)。經(jīng)過(guò)31窗口(即水平3個(gè)象素取中間值)的中值濾波，得到右邊那幅圖，可以看出，噪聲

3、點(diǎn)被去除了。共四十二頁(yè)平滑濾波與中值濾波的對(duì)比(dub)與應(yīng)用從原圖中不難看出左邊區(qū)域灰度值低，右邊(yu bian)區(qū)域灰度值高，中間有一條明顯的邊界,這一類圖象稱之為“step”(就象灰度上了個(gè)臺(tái)階)。應(yīng)用平滑模板后，圖象平滑了，但是也使邊界模糊了。應(yīng)用中值濾波，就能很好地保持原來(lái)的邊界。原圖經(jīng)Box模板處理后經(jīng)Gauss模板處理后經(jīng)中值濾波處理后共四十二頁(yè)平滑濾波(lb)與中值濾波(lb)的對(duì)比與應(yīng)用不難看出，原圖中有很多噪聲點(diǎn)(灰度為正代表灰度值高的點(diǎn)，灰度為負(fù)代表灰度值低的點(diǎn))，而且是雜亂無(wú)章，隨機(jī)分布(fnb)的。這也是一類很典型的圖，稱之為高斯噪聲。經(jīng)過(guò)Box平滑，噪聲的程度有所

4、下降。Gauss模板對(duì)付高斯噪聲非常有效。而中值濾波對(duì)于高斯噪聲則無(wú)能為力。原圖Box模板處理后Gauss模板處理后中值濾波處理后共四十二頁(yè)平滑濾波(lb)與中值濾波(lb)的對(duì)比與應(yīng)用從原圖中不難看出，中間的灰度要比兩邊高許多(xdu)。這也是一類很典型的圖，稱之為脈沖 ?？梢?jiàn)，中值濾波對(duì)脈沖噪聲非常有效。原圖Box模板處理后Gauss模板處理后中值濾波處理后共四十二頁(yè)圖像增強(qiáng)概念：將圖像(t xin)中感興趣的特征有選擇地突出，而衰減其不需要的特征，故處理后輸出的圖像并不需要去逼近原圖像方法：空間域法：對(duì)圖像像素直接處理 灰度變換直方圖處理直方圖均衡化直方圖規(guī)定(gudng)化頻率域法：在

5、圖像的某種變換域內(nèi)對(duì)圖像進(jìn)行運(yùn)算，再對(duì)圖像 的頻譜進(jìn)行某種計(jì)算，最后將計(jì)算后的圖像逆變換到空間域。共四十二頁(yè)圖像增強(qiáng)灰度變換共四十二頁(yè)圖像增強(qiáng)直方圖處理(chl)直方圖就是表示圖像中某一灰度級(jí)的像素(xin s)個(gè)數(shù)。通常用概率密度來(lái)表示，即某一灰度級(jí)的像素(xin s)個(gè)數(shù)占圖像中所有像素(xin s)個(gè)數(shù)的百分比。 共四十二頁(yè)直方圖均衡化為了使圖像的灰度級(jí)能跨越更大的范圍，采用均勻直方圖的基本(jbn)增強(qiáng)。 直方圖均衡化處理的“中心思想”是把原始圖像的灰度直方圖從比較集中的某個(gè)灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。對(duì)圖像進(jìn)行非線性拉伸(l shn)，重新分配圖像像素值，使一定灰度范圍內(nèi)

6、的像素?cái)?shù)量大致相同。把給定圖像的直方圖分布改變成“均勻”分布直方圖分布。共四十二頁(yè)直方圖均衡化算法(sun f)：即輸出(shch)灰度級(jí) 等于輸入灰度級(jí) 直方圖的累加和。舉例：個(gè)數(shù)輸入灰度累積直方圖輸出灰度結(jié)論：直方圖均衡化可以增大圖像灰度的動(dòng)態(tài)范圍，增強(qiáng)對(duì)比度共四十二頁(yè)直方圖匹配(ppi)通過(guò)(tnggu)指定圖像直方圖所具有的形狀來(lái)實(shí)現(xiàn)。原圖直方圖均衡過(guò)的圖直方圖匹配過(guò)的圖直方圖均衡化能夠自動(dòng)增強(qiáng)整個(gè)圖像的對(duì)比度，但它的具體增強(qiáng)效果不容易控制，處理的結(jié)果總是得到全局均勻化的直方圖。實(shí)際上有時(shí)需要變換直方圖，使之成為某個(gè)特定的形狀，從而有選擇地增強(qiáng)某個(gè)灰度值范圍內(nèi)的對(duì)比度。 這時(shí)可以采用比

7、較靈活的直方圖規(guī)定化。一般來(lái)說(shuō)正確地選擇規(guī)定化的函數(shù)可以獲得比直方圖均衡化更好的效果。 共四十二頁(yè)圖像(t xin)拼接圖像配準(zhǔn)：圖像之間的對(duì)齊基于區(qū)域的配準(zhǔn)逐一比較法分層比較法相位相關(guān)度法基于特征的配準(zhǔn) 比值匹配法 特征點(diǎn)匹配法圖像融合：實(shí)現(xiàn)圖像的無(wú)縫拼接平均值法加權(quán)平滑法多分辨樣條法：計(jì)算量大，時(shí)間(shjin)長(zhǎng)，不適合一般的圖像拼接共四十二頁(yè)舉例(j l)（逐一比較法）I=imread(FResourceLeft.jpg);/讀取圖像J=imread(FResourceRight.jpg);M=J(1:400,1:50);/指定模板N=I(1:400,181:230)-M;/原圖指定區(qū)

8、域和模板做差S=sum(sum(abs(N);/相似度算法Min=S;index=0;for i=1:15 N=I(1:400,181-i:230-i)-M; S=sum(sum(abs(N); if SMin Min=S;index=i;/獲取相似度最大的匹配位置(wi zhi) endendK=I(1:400,1:230-50-index),J(1:400,1:230);/圖像拼接模板共四十二頁(yè)舉例(j l)共四十二頁(yè)圖像拼接(pn ji)之基于特征點(diǎn)的匹配步驟(bzhu)：特征選擇和提取點(diǎn)特征：像素點(diǎn)在其鄰域的各個(gè)方向上的灰度變化足夠大，例如邊緣點(diǎn)、角點(diǎn)、直線交叉點(diǎn)等。特征匹配在指定相似

9、度算法的基礎(chǔ)上進(jìn)行特征匹配。共四十二頁(yè)圖像(t xin)拼接之基于特征點(diǎn)的匹配基于邊緣(binyun)點(diǎn)特征的圖像匹配算法 經(jīng)過(guò)Canny算子提取邊緣點(diǎn)后，我們得到了圖像的邊緣特征。但是圖像邊緣點(diǎn)數(shù)量很多，還是不利于我們圖像間的匹配。所以需要對(duì)邊緣點(diǎn)進(jìn)行篩選，得到最具代表性的特征點(diǎn)。 設(shè)圖像 為參考圖像，圖像 為待配準(zhǔn)圖像，設(shè)它們的寬和高分別為 和 ，提取特征點(diǎn)步驟為： 首先，將圖像 中每一列的邊緣點(diǎn)找出，并將每一列的邊緣點(diǎn)縱坐標(biāo)(行值)存入數(shù)組 中， ，例如 存儲(chǔ)第2列邊緣點(diǎn)的縱坐標(biāo)。 然后，根據(jù)數(shù)組 中所記錄的第 列邊緣點(diǎn)的位置，求出每一列梯度值最大的邊緣點(diǎn)，即為特征點(diǎn)，并記錄該點(diǎn)的梯度值

10、和縱坐標(biāo)，對(duì)于圖像中任意邊緣點(diǎn) ，梯度值由下式給出： 式中， 是點(diǎn) 的灰度值，這樣可得到長(zhǎng)度為 的二維數(shù)組 ，數(shù)組中第一行的元素是圖像中該列上最大梯度值，第二行的元素是圖像中該列上梯度最大點(diǎn)的縱坐標(biāo)。 同理可得 的特征數(shù)組 。共四十二頁(yè)圖像(t xin)融合平均值法算法：令I(lǐng)1(x,y)，I2(x,y)和I(x,y)分別表示第一幅圖像、第二幅圖像和融合(rngh)圖像在點(diǎn)(x,y)處的像素值，則融合(rngh)圖像中各點(diǎn)的像素值按下式確定。式中，R1表示第一幅圖像中未與第二幅圖像重疊的圖像區(qū)域，R2表示第一幅圖像與第二幅圖像重疊的圖像區(qū)域，R3表示第二幅圖像中未與第一幅圖像重疊的圖像區(qū)域。共四

11、十二頁(yè)圖像(t xin)融合加權(quán)平滑法：使顏色逐漸(zhjin)過(guò)渡，避免圖像模糊和明顯的邊界。算法：在重疊部分由前一幅圖像慢慢過(guò)渡到第二幅圖像，即將圖像重疊區(qū)域的 像素值按一定的權(quán)值相加合成新的圖像。相鄰圖像I1、I2在區(qū)間x1,x2上重疊，W1(x)、 W2(x)為加權(quán)函數(shù)，一個(gè)常用的加權(quán)函數(shù)的形式為：其中0iW，W為重疊區(qū)域的寬度。那么重疊通向I在這個(gè)區(qū)間上(x,y)點(diǎn)的像素值如式：共四十二頁(yè)圖像(t xin)分割概念：就是在一幅圖像(t xin)中，把目標(biāo)從背景中分離出來(lái)，以便于進(jìn)一步 處理。方法：基于邊緣檢測(cè)的圖像分割基于閾值的圖像分割基于區(qū)域增長(zhǎng)法的圖像分割基于變形模型的圖像分割基

12、于聚類法的圖像分割基于遺傳算法的圖像分割基于模糊集理論的圖像分割基于神經(jīng)網(wǎng)絡(luò)的圖像分割共四十二頁(yè)邊緣(binyun)檢測(cè)作用鋼板(gngbn)邊界檢測(cè)缺陷邊緣檢測(cè)方法梯度法（Roberts算子、 Prewitt算子、 Sobel算子、Kirsch算子、高斯拉普拉斯（LOG）算子）。Canny邊緣檢測(cè)法小波分析技術(shù)差影技術(shù)：先腐蝕，再做差圖像平滑技術(shù)共四十二頁(yè)梯度(t d)算子給出一幅圖像，對(duì)其進(jìn)行模板(mbn)運(yùn)算，模板(mbn)為：圖1 原圖圖2 結(jié)果圖像圖1中不難發(fā)現(xiàn)左邊暗，右邊亮，中間存在著一條明顯的邊界。圖2中可以看出，第3、4列比其他列的灰度值高很多，人眼觀察時(shí)，就能發(fā)現(xiàn)一條很明顯的

13、亮邊，其它區(qū)域都很暗，這樣就起到了邊沿檢測(cè)的作用。模板稱作梯度算子。共四十二頁(yè)Roberts算子(sun z)模板(mbn)：特點(diǎn)：Robert 算子是一種梯度算子,它用交叉的差分表示梯度, 對(duì)具有陡峭的噪聲的圖像效果最好。共四十二頁(yè)P(yáng)rewitt算子(sun z)prewitt 算子是平均算子,對(duì)噪聲有抑制作用,但是像素平均相當(dāng)于對(duì)圖像進(jìn)行濾波操作,所以prewitt 算子對(duì)邊緣(binyun)的定位不如robert 算子。特點(diǎn)：模板：檢測(cè)水平邊沿檢測(cè)垂直邊沿共四十二頁(yè)Sobel算子(sun z)模板(mbn)：檢測(cè)水平邊沿檢測(cè)垂直邊沿特點(diǎn)：對(duì)鄰域采用帶權(quán)方法計(jì)算差分；能進(jìn)一步抑止噪聲；但檢

14、測(cè)的邊緣較寬。X,Y 方向各用一個(gè)模板,兩個(gè)模板組合起來(lái)構(gòu)成1 個(gè)梯度算子。X 方向模板對(duì)垂直邊緣影響最大,Y 方向模板對(duì)水平邊緣影響最大。 Sobel算子對(duì)于象素的位置的影響做了加權(quán)，因此效果比Prewitt算子更好。共四十二頁(yè)Kirsch算子(sun z)模板(mbn)：特點(diǎn)：8個(gè)模板形成了Kirsch 邊緣檢測(cè)算子，圖像中的每個(gè)像素都用這8個(gè)模板進(jìn)行操作，每個(gè)模板都對(duì)某個(gè)特定邊緣方向作出最大響應(yīng)，所有8個(gè)方向的最大值作為該點(diǎn)的輸出值。最大響應(yīng)掩模的序號(hào)構(gòu)成了邊緣方向的編碼。共四十二頁(yè)高斯(o s)拉普拉斯算子模板(mbn)：定義數(shù)字形式的拉普拉斯的基本要求是，作用于中心像素的系數(shù)是一個(gè)正

15、數(shù)，而且其周圍像素的系數(shù)為負(fù)數(shù)，系數(shù)之和必為0。對(duì)于一個(gè)3x3的區(qū)域，經(jīng)驗(yàn)上被推薦最多的形式是： Gauss-Laplacian算子是各向同性的,能對(duì)任何走向的界線和線條進(jìn)行銳化,無(wú)方向性。這是高斯拉普拉斯算子區(qū)別于其他算法的最大優(yōu)點(diǎn)。特點(diǎn)：共四十二頁(yè)Canny邊緣(binyun)檢測(cè)法Canny 邊緣檢測(cè)是一種比較新的邊緣檢測(cè)算子, 具有很好的邊緣監(jiān)測(cè)性能,在圖像處理中得到了越來(lái)越廣泛的應(yīng)用。它依據(jù)圖像邊緣檢測(cè)最優(yōu)準(zhǔn)則設(shè)計(jì)Canny 邊緣檢測(cè)算法:(1)首先用2D 高斯濾波模板進(jìn)行卷積以消除噪聲。(2)利用導(dǎo)數(shù)算子找到圖像灰度地沿著兩個(gè)方向的偏導(dǎo)數(shù)(Gx,Gy),并求出梯度的大小 。(3)利

16、用(2)的結(jié)果計(jì)算出梯度的方向。(4)一旦知道了邊緣的方向,就可以把邊緣的梯度方向大致分為四種:水平、豎直、45 度方向、135 度方向。通過(guò)梯度的方向,就可以找到這個(gè)像素(xin s)梯度方向的鄰接像素(xin s)。(5)遍歷圖像,若某個(gè)像素的灰度值與其梯度方向上前后兩個(gè)像素的灰度值相比不是最大的,那么這個(gè)像素值置為0,即不是邊緣。(6) 使用累計(jì)直方圖計(jì)算兩個(gè)閾值, 大于高閾值的一定是邊緣,小于低閾值的一定不是邊緣,介于之間的,看這個(gè)像素的鄰接像素中有沒(méi)有超過(guò)高閾值的邊緣像素,如果有的話那么它就是邊緣了,否則它就不是邊緣。算法：特點(diǎn)：Canny 方法不容易受噪聲干擾,能夠檢測(cè)到真正的弱邊

17、緣。優(yōu)點(diǎn)在于,使用兩種不同的閾值分別檢測(cè)強(qiáng)邊緣和弱邊緣,并且當(dāng)弱邊緣和強(qiáng)邊緣相連時(shí),才將弱邊緣包含在輸出圖像中。共四十二頁(yè)邊緣提取算子舉例(j l)比較原圖(yun t)Prewittcannyrobertslogsobel共四十二頁(yè)邊緣連接處理(chl)方法：基于局部處理的圖像邊緣連接基于模糊判決的圖像邊緣連接基于人類感知的圖像邊緣連接基于自適應(yīng)數(shù)學(xué)形態(tài)學(xué)的圖像邊緣連接基于視覺(jué)感知的雙層次(cngc)閾值的圖像邊緣連接基于邊緣生長(zhǎng)的圖像邊緣連接：效果較好目的與意義：邊緣檢測(cè)處理后，由于噪音的原因，邊界的特征很少能夠被完整地描述，在亮度不一致的地方會(huì)中斷。需要連接過(guò)程用來(lái)歸整邊像素，成為有意義

18、的邊。共四十二頁(yè)基于局部(jb)處理的邊緣連接設(shè)定A（方向角）、T（梯度）的閾值大小(dxio)，確定鄰域的大小(dxio)。當(dāng)梯度值和方向角都是相似的，則點(diǎn)(x，y)，與邊點(diǎn)界(x，y)是連接的。原理對(duì)做過(guò)邊檢測(cè)的圖象的每個(gè)點(diǎn)(x，y)的特性進(jìn)行分析。分析在一個(gè)小的鄰域（3x3或5x5）中進(jìn)行。所有相似的點(diǎn)被連接，形成一個(gè)享有共同特性象素的邊界。用比較梯度算子的響應(yīng)強(qiáng)度和梯度方向確定兩個(gè)點(diǎn)是否同屬一條邊。共四十二頁(yè)閾值(y zh)分割法基本(jbn)思想：確定一個(gè)合適的閾值T（閾值選定的好壞是此方法成敗的關(guān)鍵）。將大于等于閾值的像素作為物體或背景，生成一個(gè)二值圖像。If f (x，y) T

19、set 255 Else set 0特點(diǎn)：適用于物體與背景有較強(qiáng)對(duì)比的情況，重要的是背景或物體的灰度比較單一。閾值的選取是圖像閾值分割方法中的關(guān)鍵技術(shù)。共四十二頁(yè)閾值分割(fng)法：閾值獲取方法直方圖法基本思想：邊界上的點(diǎn)的灰度值出現(xiàn)次數(shù)較少取值的方法：取直方圖谷底( d)(最小值)的灰度值為閾值T。缺點(diǎn)：會(huì)受到噪音的干擾，導(dǎo)致最小值不是預(yù)期的閾值，而偏離期望的值。共四十二頁(yè)閾值分割(fng)法：閾值獲取方法最大類間方差法：它被認(rèn)為是閾值分割中的經(jīng)典算法。最佳熵閾值方法：此算法無(wú)需先驗(yàn)知識(shí)，且對(duì)于呈非理想雙峰直方圖的圖像也可以進(jìn)行較好的分割。但是，該算法在確定閾值，特別是多閾值時(shí)，存在計(jì)算量

20、相當(dāng)大、分割結(jié)果對(duì)閾值的變化較為敏感等不足。P-tile法：是早期的基于灰度直方圖的自動(dòng)閾值選擇方法。該方法計(jì)算簡(jiǎn)單，抗噪聲性能較好。其不足之處是要預(yù)先知道給定目標(biāo)與整幅圖像的面積比P。因此在P未知或P隨不同(b tn)圖像改變時(shí)，該方法不適用。均勻化誤差閾值選取方法基于Otsu準(zhǔn)則及圖像熵的閾值分割算法基于人工免疫的圖像分割算法：該算法在生物免疫的思想上加入了人工免疫算子，不但能找到最優(yōu)的閾值，而且分割時(shí)間是傳統(tǒng)的1.8。其他方法共四十二頁(yè)面向(min xin)區(qū)域的分割目標(biāo)：將區(qū)域R劃分為若干個(gè)子區(qū)域R1,R2,Rn，這些子區(qū)域滿足5個(gè)條件：1)完備性：2)連通性：每個(gè)Ri都是一個(gè)(y )連通區(qū)域；3)獨(dú)立性：對(duì)于任意i j，Ri Rj=；4)單一性：每個(gè)區(qū)域