- 1、本文档共15页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
重建上升氣泡与数字图像处理方法1
重建与数字图像处理方法
摘要
图1.泡沫柱模拟实验装置
二维图像预处理泡沫
RGB图像是被一个摄像机,但二值图像被要求在提取泡沫参数之后,因此,有必要对初始的有噪声的RGB图像的变换成二值图像,用来申请提取参数,这是处理过程中泡沫的图像。在这个过程中,使用了许多种类的数字图像处理方法,如图像类型转换,图像的噪声滤波、图像
绘画和边缘检测算法。
图像类型转换
图像作为一个矩阵被储存,其中的每一个元素都是像素值。常见的图像类型RGB图像、灰度图像和二值图像。在RGB图像中,每个像素的颜色由三个组成部分:红、绿、蓝;灰度图像仅有力量信息,没有颜色的信息在图像;二值图像,只有黑色和白色
被分别用0和1表示。
灰度图像从RGB转型是一个需要的三个要素均衡的过程。仿真结果表明,当满意(1)、合理的灰度图像可以被转化。
R = G= B =V gray = 0.30 R+ 0.59 G+ 0.11B (1)
B.图像降噪滤波
由于被干扰,噪声混合在初始图像中。由于敏感元件,粒子
照片上的底片,扰动传播的渠道和量化噪声,噪音可能会产生。锐化噪音的常用方法是线性滤波、中值滤波和自适应滤波。作为常用的线性滤波器、均值滤波适用于过滤纹理噪声的图像。中值滤波操作方便,可以保护图像的边界,特别是它能有效的过滤椒盐噪音,但有时,细纹
和小目标地区可能丢失。作为一种常见的自适应滤波、维纳滤波可以过滤自适应噪音因为它可以基于图像局部方差形象调整输出。在某些时候,维纳滤波比线性的滤波具有更好的选择性,可容纳边缘,从而中占优势细节信息更有效。结果所有种滤波器在表现为图2。
a.初始泡沫图像 b.均值滤波
c.中值滤波 d.维纳滤波
图2.结果与各种各样的过滤器
C.图像二值化
图像二值化是指从灰度图像到二值图像的过程。在泡沫图像处理的过程中,二值化的关键是选择一个合适的阈值T(如果像素值大于T,二值图像的值等于1,即白色;如果小,值等于0,即黑色),这能把泡沫和背景清楚的分开。如果T太大,目标的可能估计为背景;如果太小,背景可能估计为目标。在本文中,图像的目标与背景的区别是明显的,所以这些图片可以使用直接阈值被二值化。图3(b)是泡沫的二值图像,图3(a)灰度图像,图3.图像二值化,d .气泡
a.灰度图像 b.二值图像
图3.图像二值化
D. 泡沫“洞”填充
图像采集时,由于反射,突出区域可能产生,如图2(a)。所以图像滤波、二值化后,可能产生“洞”,如图3(b)。 “洞”必须用图像
充满,来腐蚀和膨胀图像使边缘检测能有效地进行。
a.二值图像与“洞” b.填充结果
图4.填充泡沫“洞”
E.气泡边缘检测
图像的边缘指的最后一个功能区和另一个功能区的开始。其实边缘检测是检测图像特征已经发生了变化的位置。边缘检测的实现基于利用算子的灰度图像。常见的边缘检测算子包括微分算子,高斯拉普拉斯算子和坎尼算子。在图5中,我们使用了坎尼算子检测基于灰度图像的气泡边缘,。虽然泡沫检测是利用算子边缘检测,有很多背景点数的被包含,如图5(b),它是有害的对于参数提取。因此,最好是采用没有“洞”的二值图像检测气泡边缘,泡沫边只有保持没有其他额外的信息。
a.泡沫灰度图像 b.基于坎尼算子
图5.泡沫边缘检测
a.二值图像没有“洞” b.泡沫边缘
图6.对二值图像边缘检测
四、椭圆和霍夫参数提取转型
在气泡流中,上升的气泡通常是作为一个模拟椭球模型,所以气泡的投影图像可能作为被认为是一个椭圆。气泡边缘检测后,霍夫变换用于椭圆参数提取。霍夫变换广泛应用于几何识别而且是一个图形领域与参数域之间的转换的方法。霍夫变换可以检测曲线,可以表达公式,如直线、圆、椭圆、抛物线等等。当使用霍夫变换旋转检测到时,只有少量的曲线的差距影响及形状旋转。甚至尽管目标是有缺陷的,覆盖或被污染检测结果会是正确的。霍夫变换可以用于检测气泡图像中的椭圆。
霍夫变换
以直线识别霍夫变换为例,霍夫变换的基本原理可以被解释。事实上,霍夫变换的直线识别是一种x - y坐标系统和系数之间的协调
系统(k - b坐标系统)的转变。利用共线和交叉的关系,霍夫变换变换识别帕数量分的问题。
直线方程可以表达为y =kx+ b、k和b是两个参数,分别为斜率和截距。所以里是一
文档评论(0)