- 1、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。。
- 2、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。
- 3、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)。
查看更多
第一章简介第二章图像分析开始
第一章 简介
1.1 怎样使用Qwin 参考书
本参考指南为 Qwin 参考书的一个部分,这套参考书的每本手册都有其具体的用处:
参考指南介绍图像分析,从主要步骤到高级处理技巧,为你逐步指导。
用户手册,为你介绍软件,内容为软件安装过程及给你大致介绍软件的概要及它的功能。
参考指南将不介绍 Qwin 中所使用设备的细节,因为这已包含在技术手册中了。
1.2 风格介绍
本节介绍怎样阅读本手册。一些术语被突出显示,好让你阅读本手册时更加容易.
第二章 图像分析开始
本章介绍图像分析的主要概念,将有助于你理解系统的工作原理及主要功能。每个主题将讨论两
次,首先,在 2.1 章节里将简单介绍图像分析的主要步骤,在 2.2 节里将详细介绍。一些信息会
被重复介绍,使你能够理解这些主题。
对于有一些功能,看系统的实际操作,将更有助于你理解,所以,你可以在对系统操作有一些经
验后再回顾本节内容。
2 .1 图像分析的主要步骤
图像分析由一些减少图像信息内容的操作构成,直至所需测量结果。这些测量结果最后由用户根
据所需应用来解释。
实际步骤取决于所需信息,但通常有几个步骤是相同的:
装入图像
灰度图像处理
检测测量部件
图像二进制处理
测量
数据输出
以下将依次讨论:
装入图像
QWin 支持的图像类型有标准的 WINDOWS 点位图及 TIFF 文件 (单色,灰图或彩色)。装入图像,
只需要从工具条;或 FILE 菜单下选择打开文件对话对话框,再选择文件名就可以了。
以下是支持的图像文件格式:
类型 名称
BMP Windows Bitmap 文件
TIFF
JPEG
PCX Paint 文件
WMF Microsoft
IFF
PICT Apple 机
Photo CD Kodak
IMG Leica 文件
IMG RGB Leica 文件
灰图处理
在有些图像中,如果单独依靠灰度级检测,是不可能标明要测量的特征的,这有可能是因为它们
的背景灰度级不一致,或是你要看的结构不是很清淅,即使你作了检测,但并不能产生足够的信
息用以作有用的二进制处理。
灰度级处理的优势在于,在将图像转入二进制形式之前,可以考虑原图数据的全部内容。
灰度处理的典型用途:图像过滤或平滑,消除杂质,增强图像,提高图像对比。
图像分析中,灰度处理可用于以下几个操作组:
查询表(LUT )转换
卷积法
形态转换
查询表(LUT)转换
亦称为点转换。每一象素,独立于它的相邻点,根据一个简单的规则,被转换成一个新值。规则,
常为一个数据函数,如 取对数,幂,平方根,或取反,并将结果重新缩放到 0-255 之间。这组规
则中还常有对比技巧,如 gamma (坡度)及结构量化等。这些方法仅仅是应用延伸或压缩灰度
范围,来增强图像外观,还可以用作图像数学运算,如除法,应用对数/减/幂操作序列。注意:
边界(检测)它本身也是一种点转换。
卷积法
卷积法涉及到用一个 m ×m 的核,在整个图像内移动,用图像中相应的象素乘以核中的元素,再
将结果正常化处理,因此,任一象素的值为其灰度值与其相邻 m ×m 范围内象素值的函数,用核
的值进行加权。M 的值通常为奇数,范围 3..15 。
卷积法的典型用途为:图像平滑(用统一或高斯核),边界检测(用几个颗粒中任一或拉普拉兹
核)。
形态转换
形态转换取决于每一象素的值与其相邻点值的关系。在形态学里,这些关系用逻辑术语来表示,
对二进制图像,用 AND (与)OR (或),灰度图像用‘大于’、‘小于’。最常用的形态转换操作
为腐蚀及扩大。
相邻点的大小与形状用一个称为“结构元素”的东西来定义,通常为一个 3 ×3 的平方面积。比
如,大小为 1 的一个灰度腐蚀操作为,用每一个象素及其相邻 8 点的最小值来取代这个象素原先
的值。
形态转换操作可以产生无比丰富的次级功能,如打开、过滤,骨架,分界值,及颗粒信息等。
注:有关灰度形态转换的详细信息,请看用户指南第四章。
形态转换的一个特点是它们不可逆转。当一幅图像被腐蚀处理后,不可能用等量的扩大处理来恢
复至它原来的值!这个效果对于简化一幅复杂图像作更好的检测处理常常有利。
检测概要
由检
原创力文档


文档评论(0)