数字图像处理37371228.pdfVIP

论文1 1.提取图像中物体轮廓 提取图像中物体的轮廓，必须要进行诸如滤除噪声，增强边缘效应的图像处理工 作。 提取比较准确清晰的物体轮廓：边缘检测、区域生长、阈值分割等方法。最后利用 图形矢量化的有关原理和方法来得到图像中关于物体轮廓的各个关键点，顺次 连接这些关键点就可以重现这个图像中物体的轮廓。 2.图像数字化 采样和量化两个过程，采样值对应了这个位置上的网格的灰度值。若采样结果每 行像素为M个，每列像素为N个，则整幅图像就对应于一个MxN整数矩阵。像素 的两个属性：位置和灰度。位置由采样点的两个坐 确定，也就对应了网格行和 列;而灰度就表明了该像素的明暗程度。 3.边缘检测 提取比较准确清晰的物体轮廓。 4.图像滤波 1、领域平均法：取邻域上所有像素的平均灰度值作为该像素的输出值。效果：平 滑矩阵对图像平滑后，反映在视觉效果上，我们能感觉到图像变得比原图柔和， 噪声淡化，而灰度变得平缓。缺点：没有仔细考虑边缘跃变和噪声的头质差别，滤 波效果一般。 2 、低通空间滤波：保留图像中的低频成分，减少高频成分；图像经过低通滤波处 理后，反映在视觉效果上，会显得有些模糊。缺点：由于低通滤波中大量采用浮点 数进行卷积计算，因此如果用软件来实现，运算时间会很长。低通滤波也可以锐 化图像，图像锐化处理可以突出图像轮廓，使图像轮廓变得更清晰。 5.图像分割 定义：按照通俗的说法，图像分割处理就是将数字图像划分成互不相交(不重叠) Comment [A]: 对比度指的是一幅图像中明暗区域最亮 的白和最暗的黑之间不同亮度层级的测 的区域的过程。区域就是一些具有某种共同特点的像素的连通集(如它是一个所 量。 有像素都有相邻或相接触像素的集合)。 目的：图像分割的目的就是将具有某些相似特性的像元组合在一起，形成具有一 定意义的日 区域。图像的特征是指图像场中可用作 志的属性，其中有些是视 觉直接感受到的自然特证，如区域的亮度、色彩、纹理、轮廓等；也有是数学特征 ，如变换频谱、直方图。 方法： 1）阈值方法，一种区域分割技术，它对物体灰度与背景的灰度有较强对比的图像 的分割非常有用，而且总能用封闭而且不连通的边界定义不交叠的区域。所有灰 度值大于或等于某阈值的像素都被判属于物体，而所有灰度值小于该阐值的像 素被排除在物体之外。 确定阈值的方法：阈值处理技术，包括全局阈值、自适应阈值、最佳阈值。阈值分 割的优点是计算简单、运算效率较高、速度快。在重视运算效率的应用场合(如用 于硬件实现)，它得到了广泛应用。阈值法的主要局限性在于确定闭值的方法比 较复杂，阈值的好坏直接关系到提取出的物体轮廓的效果，而且在一般情况下它 对噪声的干扰不能提供好的解决方法。阈值的选择需要根据具体问题来确定，一 般通过实验来确定。对于给定的图像，可以通过分析直方图的方法确定最佳的阈 值，例如当直方图明显呈现双峰情况时，可以选择两个峰值的中点作为最佳阈值 。在许多情况下，物体和背景的对比度在图像中的各处不是一样的，这时很难用 一个统一的阈值将物体与背景分开。实际处理时，需要按照具体问题将图像分成 若干子区域分别选择阈值，或者动态地根据一定的邻域范围选择每点处的阈值， 进行图像分割。这时的阈值为自适应阈值。 2 、边缘检测法，图像分割的一种重要途径是通过边缘检测，即检测灰度级或者结 构具有突变的地方，表明一个区域的终结，也是另一个区域开始的地方。图像中 边缘处像素的灰度值不连续，这种不连续性可通过求导数来检测到，由于边缘和 噪声都是灰度不连续点，在频域均为高频分量，直接采用微分运算难以克服噪声 的影响。因此用微分算子检测边缘前要对图像进行平滑滤波。LoG算子和Canny 算子是具有平滑功能的二阶和一阶微分算子，边缘检测效果较好。 论文2 图像处理的基础算法研究 1、图像的灰度化 灰度化处理：彩色图像变换为灰度图像；目的是突出感兴趣部分，忽略不感兴趣 部分，简化处理时间。方法：最大值法，平均法，加权法。 2 、图像去噪 噪声干扰影响图像的质量问题；噪声去除有频域和空域两类方法。频域法要进行 时域和频域的转化，计算量大，处理一副图像时间长，不适合实时情况,低通滤波 法是一种频域处理方法。空间去噪方法：领域平均法和中值滤波法；领域平均法 有着明显的去除噪声