图像数据挖掘的预处理技术.pdfVIP

河北旅游职业学院学报 第20鲞 第3期 2015年a9月 (总第77期) 库的过程。不仅在 图像预处理阶段 ，并且在特征提取 椒盐噪声是通过计算机所产生的随机数的大小 @ 阶段，图像挖掘的结果都会受到图像处理技术的影 来给图像添加噪声。其实现方法为 ：首先获取图像大 响。在大型图像数据库中存在许多脏数据和已破坏了 小、数据区，并将数据 区中的数据拷贝到缓冲区内 ； 的数据 ，如不清晰的图片、已遭破坏的图像等，这些数 然后循环获取各点的象素值 ；若产生的随机数大于 据会使挖掘过程陷入混乱 ，导致不可靠的输出，因此 特定值，则将该点置0；最后将缓冲区中得到的数据 有必要对数据进行预处理 。 拷贝到原数据区内。 图像按颜色的不同可以分为以下三种 ：单色图 1．2消除噪声部分 像、灰度图像以及彩色图像。单色图像是比较简单的 在本次实验当中，我使用 了两种消除噪声的方 一 种，本文中主要进行的操作对象是灰度图像和彩色 法 ：3*3均值滤波器和二值图像的黑白点噪声滤波。 图像。 1．2．13*3均值滤波器 通常，图像 当中包含大量特征，常用特征有纹 将给定的含有噪声的图像设为 ，(，，_／)，经简单邻 理、颜色、形状和空间特征。而这些特征当中最重要的 域平均处理后为 g(f，)，数学表达式为 ： 就是颜色、纹理和边缘。这里，边缘特征对于那些比较 g(f，)：∑．f(i，j)M／其中 (f，)∈S 黑的图像来说是相当重要的，但是对于一幅图像的特 式 中S为所取邻域 中各临近象素点的坐标 ，M 征提取来说，单独提取出一个边缘是远远不够的。因 为邻域中所含临近象素点的个数。在 厂(f，)上按行 (或 此，本文将颜色和边缘特征结合起来，这样，提取出来 列)对每个象素点选取一定尺寸的邻域，并用邻域中 的特征就会更加有效。 临近象素的平均灰度来置换这一象素值，对所有象素 本文方法 中，首先，读入一幅 图像作为训练集， 点处理后可得到 g(x，)。对于邻域的选取可以有不同 “V —．．．．．．．．．．。．．．，5．．．．．．，．．．．．．．，．．．L 然后对这幅图像进行噪声处理 (本文应用了随机噪 的模板，如下所示 ： 声和椒盐噪声)作为测试集。进行噪声处理是因为对 O