农业机器视觉.PPT

255 0 255 0 a b c d 线性变换示意图 （2）非线性灰度变换 用某些非线性函数，例如对数、指数函数等作为映射函数时，可实现图像灰度的非线性变换。 当希望对图像的低层灰度区有较大的扩展而对高灰度区压缩时，可采用对数变换。 当希望对图像的高灰度区给予较大的扩展时，可采用指数变换。 （3）灰度分层切片 此变换把输入图像中的某一段灰度范围值抽取出来，转换成最大灰度值。 2.直方图变换法 直方图变换是图像增强的最常用，最重要的方法之一。 灰度直方图是数字图像中用来表示灰度级及其频率（或频数）间关系的图形。 灰度 频数 直方图均衡化 将原直方图中每个灰度区间的等概率分布代替了原来的随机分布，即增强后的每个灰度级内均有数目相同的像元，此过程称为直方图均衡化。 直方图均衡化的实质是减少图像的灰度等级以换取对比度的扩大。 原图 直方图均衡后的效果图 3、锐化 增强图像边缘和线条，使图像边缘由模糊转化为清晰的处理称为锐化。 由图像的边缘特性可开发出多种锐化处理方法，现归纳为差分法、空域高通滤波和频域高通滤波3类。 （1）、差分法 F(i-1,j-1) f(i-1,j) f(i-1,j+1) F(I,j-1) f(i,j) f(I,j+1) F(i+1,j-1) f(i+1,j) f(i+1,j+1) △1f(i,j)=f(i,j)-f(i-1,j) △2f(i,j)=f(i,j)-f(i,j-1) △3f(i,j)=f(i-1,j-1)-f(i,j) △4f(i,j)=f(i-1,j)-f(i,j-1) 垂直方向 水平方向 二阶差分在垂直方向的表达式为 △12f(i,j)=f(i+1,j)+f(i-1,j)-2f(i,j) 差分法是通过各种算子来实现增强图象边缘的锐化，常用的算子有梯度算子、罗伯特算子，索伯尔算子和拉普拉斯算子。 梯度算子 在锐化处理及其他一些图像处理方法中，常常采用邻域运算形式，而卷积就是一种邻域运算方法。卷积应用于图像空间实质上是对图像各象素的邻域进行加权求和的计算。卷积时的权值称卷积权函数，卷积权函数又称为算子。 像素（i，j）在各个方向上的一阶差分是不同的，用垂直方向和水平方向的一阶差分值计算最大差分方向的一阶差分算子E1（i，j），被称为梯度算子： 利用梯度算子对图像进行锐化处理，所得的结果图像与原来的图像相比，边缘将会更突出，轮廓更加分明，图象变的更加清晰。 4、平滑 图像在输入、传送、处理过程中难免会有干扰，形成噪声，降低图像质量，噪声生成的原因是未知的，或者难以用数学模型表示，可以从噪声在图像上的表现，用较为简单的方法加以去除或削弱，这样的处理称为图像的平滑处理。 1）邻域平均法 用象素邻域内的各象素灰度值的平均代表原来的灰度值，实现图像的平滑。 简单平均法 设图像中某象素的灰度值为f(u,v)，它的邻域S为M×N的矩阵窗口，则平滑后该点的灰度值为： 阈值平均法 设图像中某象素的灰度值为f(i,j)，取以其为中心点的M×N大小的窗口，则平滑后该点的灰度值为： T为给定的阈值，f(i,j)的计算方法同简单平均法。 2）中值滤波 中值滤波平滑是一种既能有效衰减噪声，又能使边缘少受影响的方法。中值滤波是一种不同于卷积的邻域运算。将一个包含奇数个像素的窗口A在图像上依次移动，在每一个位置上对窗口内像素的灰度值由小到大进行排列，然后将位于中间的灰度值作为窗口中心像素的输出值。 （二）、几何变换处理 通过坐标变换，将失真图像的坐标系变换为新的坐标系，达到几何校正和几何形状（和位置）变换的处理称之为几何变换处理。 式中，a，b，c，d，e，f为坐标变换系数，它们的取值不同，即可实现图形在图像中的平移、旋转、放大、缩小和变形。 （三）、图像复原处理 由于种种原因，输入计算机的图像与实际图像相比，其面貌发生了变化，如消息丢失，噪声污染，形态模糊等，这些现象被认为是图像的退化。 第八章 农业机器视觉技术 一、机器视觉的定义 机器视觉（计算机视觉）就是用计算机模拟人眼的视觉功能，从图像或图像序列中提取信息，对客观世界的三维景物和物体进行形态和运动识别。  最终目标是用机器来完全解释、模拟、重现和处理人的视觉。 第一节 农业机器视觉的基本原理 二、机器视觉系统处理的基本思路