《step2 图像预处理》由会员分享，可在线阅读，更多相关《step2 图像预处理（15页珍藏版）》请在金锄头文库上搜索。
1、二、 图像采集和预处理1、 图像采集常用的图像采集设备有扫描仪、CMOS摄像机、数字摄像机、CCD摄像机等。其中数字摄像机是新一代摄像机的发展方向其具有适合于使用计算机处理、简化调整机构和调整方式、可以实现精确,细致的调整等优点。本课题拟采用的摄像机为大恒图像公司的DH-HV1302UC彩色数字摄像机,摄像机输出24位彩色图像。在实验中，需要列出其主要的性能参数指标如下:分辨率 光学尺寸 像素尺寸 像素深度 帧率图像数据输出格式 工作温度及湿度 额定功率然后进行图像预处理就是在图像分析中,对输入图像进行分割和匹配前所进行的处理。实际测量中,图像中会有一些噪声或与后续研究无关的信息,即实际获得的
2、图像一般都因受到某种干扰而含有噪声。引起噪声的原因有敏感元器件的内部噪声、照相底片上感光材料的颗粒、传输通道的干扰及量化噪声等,这些原因决定了噪声的分布特性及它和图像信号的关系。所以在对图像进行处理之前,就必须先用平滑、锐化和对比度增强等方法对其进行预处理,以改善图像质量、抑制不需要的变形或增强某些对于后续处理来说重要的图像特征。能否尽可能少地受到图像中噪声的影响而导致结果的准确性下降,这些都在很大程度上取决于对原始图像的预处理措施是否有效、是否符合实际情况预处理的好坏直接影响匹配结果的精度。2、 图像的灰度转换课题的后续研究主要是对灰度图像进行研究,所以首先得把摄像机采集到的彩色数字图像转换
3、为灰度图像。灰度图像是指只含亮度信息，不含色彩信息的图像。将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255种值可取，这样一个像素点可以有1600多万的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，一个像素点的变化范围为255种，所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。图像的灰度化处理可先求出每个像素点的R、G、B三个分量的平均值，然后将这个平均值赋予给这个像
4、素的三个分量。图像的二值化处理就是将图像上的点的灰度置为0或255，也就是使整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，特别是在实用的图像处理中，以二值图像处理实现而构成的系统是很多的，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于再对图像做进一步处理时，图像的集合性质只与像素的值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。二值图像在图像分析中应用非常广泛，二值图像就是指只有两个灰度级
5、的图像，二值图像具有存储空间小，处理速度快，可以方便地对图像进行布尔逻辑运算等特点。更重要的是，在二值图像的基础上，还可以进一步对图像处理，获得该图像的一些几何特征或者其他更多特征。彩色图像是采用红(R)、绿(G)、蓝(B)三种颜色作为基色按不同的比例混合而得到的。灰度化就是使彩色的R、G、B分量值相等的过程。R、G、B的值的取值范围是0 255,所以灰度图像仅能表现256种颜色。灰度化处理最经典的方法是加权平均值法，即根据重要性或其它指标给R、G、B分量赋予不同的值,并使三者的值进行加权平均,即式中、分别为R、G、B分量的权值，、取不同的值,加权平均值法就形成不同的灰度图像实验和理论推导证明
6、,当、分别取0.30,0.59和0.11时,即当时, 能得到最合理的灰度图像。实验中我们就采用了最经典的各权值分量，的加权平均值法对立体图像对进行了灰度化处理,实验结果用图像形式体现。Matlab仿真实验：我们采用原图为figure(1) 原RGB图像 MyYuanLaiPic figure(2) 经过加权平均法得到的灰度图像figure(3) 平均法转化之后的灰度图像figure(4) 最大值法转化之后的灰度图像附：Matlab源代码3、 图像的平滑 一幅图像可能存在着寄生效应。这些寄生效应可能在传输中产生,也可能在量化等处理过程中产生。图像平滑的目的是减少由于图像采样系统的质量因素而产生的
7、这些寄生效应又不使图像的边缘轮廓和线条变模糊。图像平滑处理方法有空域法和频域法两大类。主要有邻域平均法,低通滤波法,多图像平均法。通过初步对比，低通滤波法传输函数的设计太复杂、多图像平均法计算量大计算时间长,所以我们采用邻域平均法对灰度化后的图像进行平滑处理：邻域平均法:邻域平均法是简单的空域处理方法。这种方法的基本思想是用几个像素灰度的平均值来代替每个像素的灰度。假定有一幅N x N个像素的图像f(x,y),平滑处理后得到一幅图像g(x,y)。g(x,y)由以下式子决定式中x，y=0,1,2，N 1，S是（x，y）点邻域中点的坐标的集合，但其中不包括（x，y）点，M是集合内坐标点的总数。上式
8、表明，平滑化的图像g(x,y)中的每个像素的灰度值均由包含在（x，y）的预定邻域中的f(x,y)的几个像素的灰度值的平均值来决定，研究表明上述选择邻域的方法对抑制噪声是有效的,但是随着邻域的加大,图像的模糊程度也愈加严重。为克服这一缺点,可以采用闭值法减少由于邻域平均所产生的模糊效应。其基本方法由下式决定。式中T就是规定的非负闭值。其含义为当一些点和它的邻域内的点的灰度的平均值的差不超过规定的闭值T时,就仍然保留其原灰度值不变,如果大于闽值T时就用它们的平均值来代替该点的灰度值。这样能大大减少模糊的程度。总的来说，传统的临域平均法边缘检测流程图如下：图 邻域平均法边缘检测的流程图4、 图像的锐
9、化立体图像对经过前面的平滑滤波后虽然除去了图像中的高频噪声,但也使得图像变得模糊了。图像的锐化主要目的是突出图像中的细节或者增强被模糊的细节。它一般有两种方法:微分法和高通滤波法。常用的微分锐化法又有梯度锐化法和拉普拉斯锐化法。我们重点介绍后者，即Laplace锐化法。拉普拉斯锐化法:对于给定的二维离散图像f(x,y),它的一阶差分为:二阶差分为：根据Laplace算子：从而有：由于拉普拉斯是一种微分算子,它的应用强调图像中灰度的突变及降低灰度慢变化的区域这将产生一幅把图像中的浅灰色边线和突变点叠加到暗背景中的图像解决这一现象,可以用下式对图像进行锐化。写成差分形式则有：用模板的形式表示,则此
10、时拉普拉斯锐化的模板是：从上面可看出拉普拉斯是一种二阶微分算子,它的应用可增强图像中灰度突变的区域,减弱灰度的缓慢变化区域。图像锐化处理的作用是使灰度反差增强,从而使模糊图像变得更加清晰。图像模糊的实质就是图像受到平均运算或积分运算,因此可以对图像进行逆运算,如微分运算能够突出图像细节,使图像变得更为清晰。通过上面的分析比较拉普拉斯锐化法更能很好的锐化图像中的边缘细节部分,所以实验中采用拉普拉斯锐化法对图像进行锐化处理。我们使用Matlab编写了对数字图像进行Guassian_Laplace变换的程序代码，把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测。其实验结果如下图所示：figure(5) 利用Guassian Laplace变换进行平滑锐化 sigma=0.5figure(6) 利用Guassian Laplace变换进行平滑锐化 sigma=2.0figure(7) 多次运行后得到的稳定运行结果图像附：Matlab源代码Tip：下一步即图像特征提取，我们选择图像边缘特征进行提取仿真实验。
