计算机视觉Chapter4.pptVIP

computer vision 第四章 图像预处理 4.1 概述 4.2 直方图修正 4.3 图像线性运算 4.4 线性滤波器 4.5 非线性滤波器 1 为什么要对图像进行预处理？ 一般情况下，获取图像是通过成像系统（光学镜头+CCD）得到； 由于成像系统本身电子干扰和外界环境产生的随机干扰，使得图像含有噪声； 由于成像系统所处的照明或其他环境，使得图像的灰度分辨率不高，甚至很难区分图像中的物体。 必须在视觉的初级阶段对原始图像进行灰度修正、噪声过滤等图像预处理。 2 图像预处理的功能是什么？ 计算机视觉中的图像预处理并不考虑图像降质原因，只将图像中感兴趣的特征有选择的突出，衰减其不需要的特征。 图像预处理后的输出图像并不需要去逼近原始图像，这种图像预处理方法称为图像增强。 3 图像预处理有哪几种？ 空间域法和频率域法 空间域法是直接在空间域对图像像素运算处理； 频率域法是先对图像做某种变换（DFT、DCT、DWT、K-L），然后在变换域对图像的变换值进行运算，最后将计算后的图像逆变换到空间域。 全局运算和局部运算 灰度图像和彩色图像 4 本章介绍 直方图修正 图像线性运算模型 线性滤波器 均值滤波器 高斯平滑滤波器 非线性滤波器 中值滤波器 边缘保持滤波器 1 直方图概念 如果将图像中像素亮度（灰度级别）看成是一个随机变量， 则其分布情况就反映了图像的统计特性，这可用Probability Density Function (PDF)来刻画和描述，表现为灰度直方图（Histogram）。 灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中每种灰度出现的频率，它是图像最基本的统计特征。 问题：图像的灰度值非均匀分布，其中有很多图像的灰度值集中在一个小的区间内，导致图像的对比度降低。 解决：直方图均衡化可以通过重新均匀分布各个灰度值来增强图像的对比度。经过直方图均衡化后的图像对做二值化处理中的阈值选择很有帮助。 图像灰度尺度变换： 把图像灰度区间在[a,b]内的像素点值映射到[z1,zk]的区间内。 一般情况下，由于光照原因，原始图像灰度区间[a,b]常常是[z1,zk]的子空间。 使曝光不充分的图像黑的更黑 白的更白。 图像灰度尺度变换： 如果图像的大多数像素灰度值分布在区间[a,b],一小部分分布在此区间外，可以使用以下映射函数： 若要突出图像的某些细节，而不牺牲其他灰度细节，可以采用分段灰度变换，是需要的细节灰度值区间拉伸，不需要的细节压缩。 这种直方图延伸的新的直方图灰度不均匀，即个灰度值所对应的像素数不相等，最好的办法是既扩展直方图又使直方图呈现均匀性。 灰 度 变 换 如果预先设定灰度值分布，则可用下面方法： 假定pi是原直方图中在灰度级zi上的像素数目，qi是要得到的直方图在灰度级zi上的像素数目 从原直方图的左边起，找到灰度值k1，使得 灰度级 上的像素点将映射到新图像的灰度级z1的像素点上。 继续找到灰度值k2，使得： 则下一个区间像素值 被映射到灰度级z2上。 重复此过程，直到原直方图的所有灰度值都得到处理。 线性卷积： 输出h(x,y)用输入f(x,y)与脉冲响应g(x,y) 卷积定义： 图像离散系统可写成： 如果f[i,j]和h[i,j]表示图像，则卷积就变成了对像素点的加权计算，脉冲响应g[i,j]就是一个卷积模板。 对图像中每一个像素点[i,j]，输出响应值h[i,j]是通过平移卷积模板到像素点[i,j]处，计算模板与像素点[i,j]邻域加权得到，其中加权值对应着卷积模板的各个对应值。 和的卷积等于卷积的和，尺度变换后的图像卷积等于卷积后作相应的尺度变换。 线性卷积： n*m的图像傅立叶变换： 在 平面原点附近的值称为傅立叶变换的低频分量，而远离原点的值称为高频分量， 是连续函数。 在实际计算过程中，常常使用快速傅立叶变换（FFT）提高计算效率。但在机器视觉中，大多数算法是非线性的或空间可变的，因此不能使用傅立叶变换。 图像中的常见噪声类型有： 椒盐噪声（Salt Pepper）：含有随机出现的黑白亮度值。 脉冲噪声：只含有随机的正脉冲和负脉冲噪声。 高斯噪声：含有亮度服从高斯或正态分布的噪声。高斯噪声是很多传感器很好的模型，如摄像机的电子干扰噪声。 线性滤波器使用连续窗函数内像素加权和来实现滤波，同一模式的权重因子可以作用在每一个窗口内，即线性滤波器是空间不变的 如果图像的不同部分使用不同的滤波权重因子，线性滤波器是空间可变的。因此可以使用卷积模板来实现滤波。 线性