基于OpenCV的数据挖掘图像预处理祥解.ppt

数据挖掘中的 图 像 预 处 理 Image Processing Data Mining 在大型图像数据库中存在许多脏数据和已 破坏了的数据, 如极不清晰的图片、已遭破 坏的图像等, 这些数据能使挖掘过程陷入混 乱, 导致不可靠的输出, 因此有必要对数据 进行预处理, 去掉脏数据和已破坏了的数据 以及去掉数据中的噪音。 为什么要对图像进行预处理？ 图像预处理的概念 将数据挖掘技术引入图像处理可以在一定程 度上解决图像内容的表示、存储和检索。 图像也是数据的一部分，所以对图像进行处 理相当于是对数据进行处理。 为什么引入数据挖掘技术？ 图像处理过程中的数据挖掘 图像处理的相关工具 OpenCV VC++6.0或者是VS 2010 结合MFC单文档程序 图像处理——直方图均衡化 使原直方图变换为具有均匀密度分布的直方图，然后按该直方图调整原图像的一种图像处理技术。 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。 直方图均衡化实现 直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。 OpenCV中实现图像直方图均衡化的函数为cvEqualizeHist其定义为： void cvEqualizeHist( const CvArr* src, CvArr* dst ); 函数 cvEqualizeHist 归一化图像亮度和增强对比度。在View类中调用这个函数后实现的效果为如下图。 运行结果 图像处理——图像滤波 图像滤波，即在尽量保留图像细节特征的条件下对目标像的噪声进行抑制。 是图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。 关于所用到滤波器：滤波器就是建立的一个数学模型，通过这个模型来将图像数据进行能量转化，能量低的就排除掉，噪声就是属于低能量部分 中值滤波 基本原理：基本原理是把图像或序列中心点位置的值用该域的中值替代 优点：运算简单、速度快、除噪效果好，曾被认为是非线性滤波的代表。 高斯滤波 基本原理：高斯滤波实质上是一种信号的滤波器，其用途是信号的平滑处理，得到信噪比SNR较高的图像（反应真实信号）。 优点：既能实现有效滤除噪声，又能完整保留图像细节。 图像滤波的方法 1.中值滤波 2.高斯滤波 高斯滤波的实现 OpenCV中实现图像平滑滤波的函数为cvSmooth其定义为： void cvSmooth( const CvArr* src, CvArr* dst,int smoothtype=CV_GAUSSIAN,int param1=3, int param2=0, double param3=0, double param4=0 ); 对图像进行核大小为 param1×param2 的高斯卷积 CV_MEDIAN (median blur) 在View类中调用这个函数后实现的效果为如下图。 运行结果 图像处理——图像边缘提取 边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。 边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。 图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。 边缘检测的方法 边缘检测算子 1.边缘检测Sobel算子 2.边缘检测Canny算子 3.边缘检测Laplace算子 边缘检测Canny算子 在OpenCV中实现Canny算子的函数是cvCanny，其定义为： void cvCanny( const CvArr* image, CvArr* edges, double threshold1,double threshold2, int aperture_size=3 ); 函数 cvCanny 采用 CANNY 算法发现输入图像的边缘而且在输出图像中标识这些边缘。threshold1和threshold2 当中的小阈值用来控制边缘连接，大的阈值用来控制强边缘的初始分割。 在View类中调用这个函数后实现的效果为下图。 运行结果 基于内容的图像检索( CBIR) 是基于图像的可视特 征如颜色、纹理、形状等对图像进行检索, 主要特点: ①通过反映图像内容并与图像存储在一起的量化特征进行检索, 而不是通过独立于图像的注解文本; ②使用基于相似性度量的查询技术; ③检索通常通过示例查询的方法进行。它的检索流程如图2 所示。 应用实例： 基于内容