新员工培训-图像处理与应用简述

《新员工培训-图像处理与应用简述》由会员分享，可在线阅读，更多相关《新员工培训-图像处理与应用简述（108页珍藏版）》请在金锄头文库上搜索。

1、图像处理与应用简述,金刚,内容与结构,图像处理的基本概念 图像处理的发展历史 图像处理与机器视觉系统 应用 图像预处理 图像分析与常用算法 图像处理系统 图像处理开发包 新人寄语,图像处理基本概念,什么是数字图像,图像是二维能量（灰度、强度）分布描述。,像素,数字化：空间离散化、幅值量化。,数字图像,图像处理是对图像信息进行加工处理，以满足人视觉心理和实际应用的需要。 数字图像处理就是依靠计算机对图像进行各种目的的处理。,图像处理目的：通过观测者（人或机器），从场景图像中提取感兴趣信息。,图像来源：静止或视频相机；x-ray设备；电子显微镜；雷达；超声等。 应用领域：娱乐；医疗；商务（如文档处

2、理）；工业；军事；安全；科学研究等。 我们关注图像处理工业应用，其图像主要来源为CCD/CMOS相机。,从信息处理的角度看,实物,（光）信号,电信号,数字（电）信号,信息,有什么？ 是否有？ 在哪里？ 特征？ 对应的物理意义？,增强和改善的数字（电）信号,图像处理内容细分：图像预处理（图像增强）；图像分析。 对于图像预处理，其输入和输出都为图像；其可通过成像系统来实现，包括结构、光学、电子等诸多手段。 对于图像分析，其输入为图像，输出为场景信息；其必须通过人或后端的电子处理（硬件或软件）实现。,数字图像处理 的 发展历史,第一个数字图像系统：Bartlane，用于图像传输 数字图像处理是从60

3、年代以来随计算机的技术和VLSI的发展而产生、发展和不断成熟起来的一个新技术领域，理论上和实际应用上都并取得了巨大的成就。 1964年美国JPL实验室处理卫星发射回来的月球表面的照片，用计算机进行图像复原，以改善图像的质量；图像复原的研究和发展。,1970年代处理地球卫星获取的遥感图片，进行地质资源探测，农作物估产，水文气象监测等; 图像增强和图像识别的研究和发展。 1971年X光断层图像重构技术，英国G.N.Hounsfield 第一台脑断层摄像仪（Computer Tomograph）应用，1979年因此获诺贝尔奖。图像重构的研究和发展。 70年代末，随着人工智能的兴起和发展，开始计算机视

4、觉的研究，由2D图像中获取3D空间信息； 计算机视觉研究的兴起和图像分析研究和发展,80年代末和90年代，高速计算机和大规模集成电路的发展，使图像处理技术更趋成熟： 图像压缩和多媒体技术的突破和发展； 文本图像的分析和理解，文字的识别取得重大的进展； 全球通讯技术的蓬勃发展，使图像通讯和传输的广泛应用，各数字图像处理技术取得广泛的开拓性的发展，进入成熟应用阶段。,数字图像处理 与 机器视觉系统,机器视觉系统框图,光源,成像对象,光学系统 （镜头）,图像传感器 （CCD/CMOS相机）,图像采集,图像处理,结果输出,光源：用于目标照明，目的是获取有效信息，因为大多时候有用信息是包含或淹没在背景或

5、干扰信息内，通过专用照明可以提取有效信息或降低背景和干扰信号。 镜头：用于汇聚光线，目的是光学成像。镜头的使用会带来各种信息失真，包括畸变、色差、弥散、照度不均等。 相机：用于光电转换，目的是将图像变成可输出保留的信息。相机中有三个核心功能，选择不同形式的传感器，如面阵、线阵、TDI、红外、紫外等传感器，可以获得不同形式和内容的目标信息；进行格式转换以便后续输出媒体接收；进行简单的或复杂的图像处理。 图像采集：用于数据的采集，目的是中转数据并对数据做初步处理。采集卡是系统中的一个中间环节，不同形式的变形会生成不同形式的系统。常见形式包括：集成式；分布式；后台处理式。 图像处理：用于信息分离和信

6、息分类，目的是对特定目标进行识别。机器视觉系统中主要有两种形式：一种是在基础或专用平台上自主编制应用软件，另一种是直接使用特定的格式软件，运行的载体有工业PC或专用硬件（FPGA，DSP，PowerPC等）。,图像处理位于机器视觉系统后端，因此必须从机器视觉系统的角度评估图像处理的难度并设定设计指标，在此基础上进行图像处理算法的分析和设计。,数字图像处理 的 应用,应用领域：,航天航空 生物医学图像处理 军事图像处理 工业产品检测 工业自动化控制 机器人视觉 通讯领域,遥感图像处理：用于地质资源探测，农作物估产，水文气象监测等； 生物医学图像处理：除断层图像重构CT(Computer Tomo

7、graph)外，还有X光透视、B超体内病变检测、各种细胞自动计数、自动检测和识别、生物图片分析等。 军事图像处理：军事目标检测、地形配准、目标制导、红外制导、无人驾驶飞机等 工业图像处理：无损探伤、无接触式检测(温度、形状、应力等)、地质矿藏分析.,生物测量（Biometrics）：主要为保证安全，用于人的身份鉴定，如指纹识别，人脸识别，人类手势识别，虹膜（iris）识别等。 图象通讯和传输：数字电视、高清析度电视(HDTV)、多媒体信息处理,可视电话、会议电视等，核心内容是数字图像压缩，特别是运动图像的压缩，图像压缩的研究和标准（JPEG，MPEG，H.261,等） 机器人视觉：水下机器人,

8、自动化生产线、无人驾驶汽车等,工业应用,产品检测 产品自动装配,IC 电子器件 金属 纺织品 纸张,工业图像处理：无损探伤、无接触式检测(温度、形状、应力等)、地质矿藏分析.,医疗应用,辅助诊断 辅助手术引导,X射线成像 CT成像 MRI成像 超声成像,生物识别,生物认证和识别,人脸 指纹 虹膜 步态 笔迹,生物测量（Biometrics）：主要为保证安全，用于人的身份鉴定，如指纹识别，人脸识别，人类手势识别，虹膜（iris）识别等。,遥感,资源环境调查 土地规划 灾害监测,用于地质资源探测，农作物估产，水文气象监测等,国防,目标识别 精确制导,军事图像处理：军事目标检测、地形配准、目标制导、

9、红外制导、无人驾驶飞机等,人类视觉信息占人类获取信息的80 图像信息在社会文明和人类生活中居极重要的地位，数字图像处理帮助人类从自然图像中获得更多更高质量的信息。 图像处理发展的最大困难之一是图像数据量大、处理运算量大 这一问题将随高速大规模集成电路、大容量存储器的发展而逐渐克服,应用中的面临的技术挑战,1. 成像系统的复杂性：图像并非对场景物理量进行直接度量。成像过程是一个非常复杂的过程，影响因素主要包括：光照的强度和分布；光照和场景之间的交互特性；3-D场景到2-D成像平面的投影；图像传感器特性。我们必须用系统的观点思考图像处理问题。 2. 机器视觉和人类视觉之间的差异性：机器视觉较人类视

10、觉更加复杂而慎密，我们务必避免从人类视觉的经验来评估图像处理应用的难度。人类视觉更加擅长于推理和判断；而机器视觉更擅长于测量。 3. 性能、效率、价格之间的调和：在图像处理应用系统的设计中，我们必须充分考虑工业应用的高性能（精度、鲁棒性等）要求、生产过程的实时性，另外还必须充分考虑系统的整体价格，在上述三者之间进行平衡。 4. 图像处理理论和技术本身的不成熟,数字图像处理 的 基本流程,图像处理基本流程,图像采集：通过图像传感器获取图像数据。 图像增强：消除或衰减图像中不感兴趣信息，同时增强感兴趣信 息。（主观） 图像恢复：消除或减小图像退化，还图像以原来的面目。（客观） 图像分割：分离出物体

11、和背景。 表示与描述：对感兴趣的图像部分进行表示和描述，形成特征。 目标识别：根据特征进行判决。,图像预处理,图像预处理,像素映射：根据输入图像全局特性，对像素灰度值进行重新映射。比如根据输入图像的均值和标准差（或最大值和最小值），将输出图像规格化到给定的增益和偏置。像素映射可用查找表实现以提高效率。,幂映射函数,幂映射是非常常用的像素映射方法。当幂指数小于1时，将对低端灰度进行扩展，对高端灰度进行压缩；当当幂指数大于1时，将对低端灰度进行压缩，对高端灰度进行扩展。,3.2. 点变换(3)-像素映射,a)原图 b) 3次方 c) 4次方 d) 5次方,直方图规格化：将当前图像的直方图调整到和参

12、考图像的直方图一致。,直方图规格化示例,图像预处理,直方图均衡,直方图均衡，使输入图像转换为在每一灰度级上都有相同的像素点数的输出图像。,阈值化示例,阈值化：目的旨在将背景和目标分离（分割）。阈值可以为固定值，可以根据图像的统计特性进行计算，也可以根据邻域操作进行计算。,图像预处理,颜色空间变换：相机输出的颜色数据一般是以RGB空间进行表示，常见的颜色空间还包括HSI空间、CIELAB空间、CIELUV空间。,RGB颜色空间,HSI颜色空间,图像预处理,3.2. 点变换(7)-颜色空间变换,RGBHSI示例,颜色立方,H分量,S分量,I分量,时间平均：对同一成像场景进行多次成像，并图像间平均，

13、可以提高图像的信噪比。,时间平均示例,图像预处理,图像预处理,邻域操作算法主要包括： 1. 线性滤波：平滑、锐化。 2. 非线性滤波：中值滤波、形态学操作。 3. 边缘检测：一阶检测算子、二阶检测算子。 4. 图像重采样：分辨率金字塔、几何变换。,图像预处理,线性滤波：输出图像像素灰度等于对应输入图像像素及邻域像素的线性组合。线性滤波可对特定频率信息进行增强或衰减，比如平滑（低通）、锐化（高通）。 线性滤波器中最为重要的是Gaussian滤波器，其本身是低通滤波器，以其为基础可组合成高通滤波器、带通滤波器。,Gaussian滤波器,图像预处理,平滑示例,平滑：去除或消除高频噪声。也称为低通滤波

14、器。,模糊线性滤波,锐化示例,锐化：增强高频信息。也称为高通滤波器。,非线性滤波器：输出图像像素灰度不等于对应输入图像像素及邻域像素的线性组合。常用的非线性滤波器包括：中值滤波器、形态学滤波器。,中值滤波示例,中值滤波：输出图像像素灰度等于对应输入图像像素及邻域像素的中位值。其可有效去除椒盐噪声，并且不会造成边缘模糊。中值滤波的计算复杂度较大。,形态学操作：其为一大类非线性滤波，在形式上和线性滤波类同，只是将线性求和变成了取大和取小操作，分别称为膨胀和腐蚀。膨胀和腐蚀操作进行组合可形成精巧而复杂的非线性滤波。,形态学操作示例,白色Top-hat变换：h=f-(fOb),空间频率域图像处理,平滑

15、滤波器 锐化滤波器 同态滤波器,傅立叶变换、小波变换等,傅立叶变换：展开为正弦（余弦）函数的加权和。,傅立叶变换,傅立叶变换图例,空间频率域滤波处理流程,输入图像,输出图像,预处理,后处理,傅立叶变换,傅立叶逆变换,滤波函数,平滑滤波器,高斯低通滤波器,锐化滤波器,高斯高通滤波器,同态滤波器,同态滤波流程,基本原理：将图像亮度的光照分量和反射分量分离。光照分量变化缓慢，而反射分量变化剧烈。同态滤波器通过减弱低频分量，增强高频分量的方法，以增强对比度，但同时动态范围被压缩。,同态滤波,同态滤波图例,边缘检测：即对应灰度变化的局部极大值，其为一阶导数的峰值或二阶导数的过零点。 因此边缘检测可分为：

16、一阶边缘检测、二阶边缘检测。实现形式可从最简单的线性滤波器实现到精巧而复杂的实现。,3.3. 邻域操作(9)-边缘检测,Sobel算子,Log算子,Canny算子,图像重采样：即在图像传感器上对图像进行重新采样，包括不同分辨率、不同方向等。 常用的有：分辨率金字塔、几何变换。,分辨率金字塔：即对图像进行降分辨率表示。先对图像进行低通滤波，然后1/2下采样，图像尺寸以逐层1/4递减。,分辨率金字塔示例,几何变换：包括仿射变换系列（平移、旋转、尺度等）、直角坐标和极坐标转换。,仿射变换示例,逆时针旋转30度，水平方向放大2倍，垂直方向尺度不变。,直角坐标到极坐标转换示例,图像分析,图像分析，简言之，即为模式识别，目的在于：在场景中识别与实际对象相对应的模式，确定其姿态，包括位置、方向、尺寸等。 在工业应用中，常用的图像分析工具包括：匹配定位、Blob分析。,特征提取,几何特征提取 直线特征 圆弧特征 任意曲线特征 角点特征 图像测量,参数映射,Hough变换基本原理,