图像处理与机器视觉-read.doc

《图像处理与机器视觉》 综述 姓名： 杨博文 学号： S0705417 专业：航空宇航制造工程 时间：2008年5月21日 第一章 图像增强的研究和发展现状 图像在采集过程中不可避免的会受到传感器灵敏度、噪声干扰以及模数转换时量化问题等各种因素的影响，而导致图像无法达到令人满意的视觉效果，为了实现人眼观察或者机器自动分析、识别的目的，对原始图像所做的改善行为，就被称作图像增强。图像增强包涵了非常广泛的内容，凡是改变原始图像的结构关系以取得更好的判断和应用效果的所有处理手段，都可以归结为图像增强处理，其目的就是为了改善图像的质量和视觉效果，或将图像转换成更适合于人眼观察或机器分析、识别的形式，以便从中获取更加有用的信息。 常用的图像增强处理方式包括灰度变换、直方图修正、图像锐化、噪声去除、几何畸变校正、频域滤波和彩色增强等。由于图像增强与感兴趣的物体特性、观察者的习惯和处理目的密切相关，尽管处理方式多种多样，但它带有很强的针对性。因此，图像增强算法的应用也是有针对性的，并不存在一种通用的、适应各种应用场合的增强算法。于是，为了使各种不同特定目的的图像质量得到改善，产生了多种图像增强算法。这些算法根据处理空间的不同分为基于空间域的图像增强算法和基于变换域的图像增强算法。基于空间域的图像增强算法又可以分为空域的变换增强算法、空域的滤波增强算法以及空域的彩色增强算法；基于变换域的图像增强算法可以分为频域的平滑增强算法、频域的锐化增强算法以及频域的彩色增强算法。 尽管各种图像增强技术已取得了长足的发展，形成了许多成熟、经典的处理方法，但新的增强技术依然在日新月异地发展完善，不断推陈出新，其中尤其以不引起图像模糊的去噪声方法（如空域的局部统计法）和新的频域滤波器增强技术（如小波变换，K－L变换等）最为引人瞩目。 第二章 图像增强的基本方法 一般而言，图像增强是根据具体的应用场景和图像的模糊情况而采用特定的增强方法来突出图像中的某些信息，削弱或消除无关信息，以达到强调图像的整体或局部特征的目的。常用的图像增强方法有灰度变换、直方图修正、噪声清除、图像锐化、频域滤波、同态滤波及彩色增强等。图像增强的方法主要分为两类：空域增强法和频域增强法。空域增强法直接针对图像中的像素，对图像的灰度进行处理；频域增强法是基于图像的Fourier变换式对图像频谱进行改善，增强或抑制所希望的频谱。 2.1灰度变换 灰度变换增强的原理如下：设r和s分别代表原始图像和增强图像的灰度，T(·)为映射函数，通过映射函数T(·)，将原始图像f(x,y)中的灰度r映射成增强图像g(x,y)中的灰度s，使得图像灰度的动态范围得以扩展或压缩，用以改善对比度。灰度变换是图像对比度增强的一个有效手段，它与图像的像素位置及被处理像素的邻域灰度无关。灰度变换处理的关键在于设计一个合适的映射函数（曲线）。映射函数的设计有两类方法，一类是根据图像特点和处理工作需求，人为设计映射函数，试探其处理效果；另一类设计方法是从改变图像整体的灰度分布出发，设计一种映射函数，使变换后图像灰度直方图达到或接近预定的形状。映射变换的类型取决于所需增强特性的选择。常用的灰度变换有如下几种：线性变换，分段线性变换和非线性变换。 2.2直方图修正 直方图修正是以概率论为基础演绎出来的对图像灰度进行变换的又一种对比度增强处理。图像f(x,y)中的某一灰度fi的像素数目ni所占总像素数目N的份额ni/N，称为该灰度像素在该图中出现的概率密度pi(fi). 常用的直方图修正有如下几种：直方图均衡化和直方图规定化。 2.3噪声清除 图像在处理过程中可能会受到多种噪声的干扰，如传感器噪声、相片颗粒噪声和信道传输误差噪声等。通常情况下，这些噪声在图像上表现为孤立像素的离散变化，在空间上是不相关的。去除噪声的方法很多，从大的方面来说有统计滤波、频域滤波和空域处理等，但它们各有千秋。前二者运算量大，比较复杂，精度较高；后者运算简便，但精度较低。目前比较经典的去噪声方法有邻域平均法、空域低通滤波和中值滤波等，但他们都或多或少给图像带来模糊。 2.3.1邻域平均法 邻域平均法的原理是，对于一幅给定图像f(x,y)，其像素大小为的N×N，取围绕点(x,y)的预设邻域内的几个像素点（不含点(x,y)）的灰度平均值作为增强图像中该点的灰度，然后依次对N×N个像素点做上述相似处理，由此构成新的图像g(x,y)。邻域平均法虽然简单易行，抑制噪声的效果也较为明显，但存在着边缘模糊的效应。随着邻域的增大，抑制噪声效果和边缘模糊效应同时增加。为了减轻边缘模糊效，可利用设定阈值的邻域平均。 2.3.2空域低通滤波 在一幅图像的灰度级中，边缘和其他尖锐的跳跃（例如噪声）对Fourier变换的高频分量有很大的贡献。因此，