蚕茧图像滤波效果定量研究.doc

蚕茧图像滤波效果定量研究 　　摘 要：基于OpenCV 和C++，采用均值滤波、中值滤波和高斯滤波3种方法对采集到的多幅蚕茧图像进行降噪处理，通过计算峰值信噪比（PSNR）和均方误差（MSE）进行定量分析，结果表明，采用3×3模板的高斯滤波算法适用于蚕茧图像的降噪处理。 关键词：蚕茧；滤波；PSNR 中图分类号 S881 文献标识码 A 文章编号 1007-7731（2013）21-22-03 图像在生成和传输过程中，往往会受到各种噪声的干扰和影响，噪声恶化了图像质量，使图像变得模糊，甚至淹没图像特征，这给后面的图像区域分割、分析判断等工作带来了困难。因此，在图像的预处理阶段去除噪声有重要的研究价值。 根据中华人民共和国国家标准GB/T 9111-2006桑蚕干茧试验方法中对蚕茧的分类，部分蚕茧为颜色形状相异的异色异形茧。基于机器视觉对异色异形茧进行分类是蚕茧研究的一个重要方向，在研究过程中蚕茧图像的预处理效果对后续的分类处理有极其重要的影响。蚕茧图像滤波对预处理效果有着奠定基础的作用。本文采用均值滤波、中值滤波和高斯滤波3种滤波方法，用OpenCV[1]和C++实现了对采集到的蚕茧图像进行了滤波处理，并像通过计算滤波效果图的MSE和PSNR进行了定量分析，为选取适当的蚕茧图像滤波方法提供了理论依据。 1 图像采集 本文采用功率为3W的LED灯以90°的角度对蚕茧进行照射，用Canon DIGITAL IXUS 950 IS相机以近乎垂直的角度进行拍摄，可以避免因额外的阴影对后期的图像预处理造成的影响。蚕茧选用白色，背景为黑色。采集到的10幅蚕茧图像见图1。 图1 蚕茧原图像 2 蚕茧图像滤波算法 由于环境的限制，在蚕茧图像的采集过程中不可避免地产生一些噪声。而噪声极大地干扰了图像的信息，对图像的后继处理和分析都会造成一些影响。所以有必要对采集到的蚕茧图像进行降噪处理。本文采用了均值滤波、中值滤波和高斯滤波3种方法，分别对蚕茧图像进行了降噪处理，用峰值信噪比（PSNR）和均方误差（MSE）[2] 2个标准来对降噪效果进行评价。 其中PSNR的定义为： [PSNR=10×lg2552×m×nij（（f（i，j）-f*（i，j））2] （1） MSE的定义为： [MSE=ij（（f（i，j）-f*（i，j））2m×n] （2） （1）和（2）两式中，[f（x，y）]是蚕茧原图，[f*（x，y）]是滤波后的效果图，[m×n]为图像的尺寸。 2.1 均值滤波 均值滤波[3]采用的主要方法为领域平均法。本文选择了3×3、5×5和7×7三个方形窗口模板，计算待处理的像素点（x，y）模板内的平均值，再将该平均值赋给当前像素点，作为蚕茧图像处理后的该点灰度值。原理公式为， [g（x，y）=f（x，y）m] （3） m为该模板中包含当前像素在内的像素总个数，f（x，y）为蚕茧原图像，g（x，y）为滤波图像。 使用OpenCV和C++对10幅蚕茧图像进行处理并计算滤波后图像的MSE值和PSNR值，结果数据见表1。 表1 蚕茧图像均值滤波后的MSE和PSNR值 [模板＼ MSE ＼ PSNR ＼最大值＼最小值＼平均值＼最大值＼最小值＼平均值＼3×3＼15.084 3＼1.229 7＼5.675 7＼47.232 8＼36.345 5＼41.787 6＼5×5＼24.968 8＼3.046 8＼10.902 3＼43.292 4＼34.156 8＼38.597 4＼7×7＼32.278 4＼5.567 1＼15.825 5＼40.674 5＼33.041 7＼36.737 9＼] 2.2 中值滤波 中值滤波[4]是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。在本文中，是把蚕茧图像中一点的值用该点的一个邻域中各点值的中值代替，从而消除孤立的噪声点。二维中值滤波输出为 [g（x，y）=med{f（x-k，y-1），（k，1∈W）}] （4） 其中，W为二维模板。本方法采取3×3、5×5和7×7三个方形窗口模板。 软件实现中值滤波并得到表2的MSE和PSNR值。 表2 蚕茧图像中值滤波后的MSE和PSNR值 [模板＼ MSE ＼ PSNR ＼最大值＼最小值＼平均值＼最大值＼最小值＼平均值＼3×3＼15.126 7＼0.983 0＼5.396 2＼41.156 5＼36.333 4＼42.229 5＼5×5＼23.395 8＼2.371 8＼9.608 9＼44.380 1＼34.439 4＼39.299 6＼7×7＼28.772 2＼4.067 15＼13.140＼42.