《机器视觉》chapter4-2012.pptVIP

北京邮电大学自动化学院 (a) 原始图像 (b)高斯噪声 图 像 预 处 理 Chapter 5 Image Processing 第 4 章 引 言 对机器视觉系统来说，所用的图像预处理方法并不考虑图像降质原因，只将图像中感兴趣的特征有选择地突出，衰减其不需要的特征，故预处理后的输出图像并不需要去逼近原图像。这类图像预处理方法统称为图像增强。 图像增强技术主要有两种方法：空间域法和频率域法。空间域方法主要是在空间域内对图像象素直接运算处理；频率域方法就是在图像的某种变换域，对图像的变换值进行运算，如先对图像进行付立叶变换，再对图像的频谱进行某种计算(如滤波等)，最后将计算后的图像逆变换到空间域。 4.1 直方图修正 许多图像的灰度值是非均匀分布的，其中灰度值集中在一个小区间内的图像是很常见的。直方图修正是一种通过重新分布各灰度值来增强图像对比度的方法．一般来说，直方图修正能提高图像的主观质量，因此在处理艺术图像时非常有用。 推广：图像的大多数像素灰度值分布在[a,b]区间 把在灰度区间 内的像素点映射到区间 。 分段函数变换 连续函数灰度变换 直方图均衡化举例1 直方图均衡化举例2 4.2 滤波器 常见的噪声： 椒盐（Salt Pepper）噪声：含有随机出现的黑白强度值。 脉冲噪声：只含有随机的白强度值（正脉冲噪声）或黑强度 值（负脉冲噪声）。 高斯噪声：含有强度服从高斯或正态分布的噪声。例如摄像 机的电子干扰噪声。 滤波 是一种图像增强技术。可以增强一些特征而去除另一些特征。可以实现图像的光滑、锐化和边缘检测。 是一种邻域操作，输出图像的像素值是对输入图像相应像素的领域值进行一定的处理而得到的。 线性滤波：对输入图像相应像素的领域进行线性算法操作 非线性滤波：对输入图像相应像素的领域进行非线性算法操作 其中，M是邻域N内的像素点总数。 在像素点[i, j]处取3×3邻域，得: (１)　均值滤波器 每一个像素值用其局部邻域内所有值的均值置换 4.2.1 线性滤波器 均值滤波器可以通过卷积模板的等权值卷积运算实现。 3×3窗口 7×7窗口 邻域 N 的大小控制着滤波程度，对应大卷积模板的大尺度邻域会加大滤波程度。作为去除大噪声的代价，大尺度滤波器也会导致图像细节的损失。 去除了高频成分和图像中的锐化细节。 (２)　高斯平滑滤波 高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波器对去除服从正态分布的噪声是很有效的。 一维零均值高斯函数为： 其中，高斯分布参数σ决定了高斯滤波器的宽度。 常用二维零均值离散高斯函数作平滑滤波器。 σ ＝1 7×7 σ ＝2 13×13 σ ＝3 19×19 σ ＝4 25×25 σ越大，高斯滤波器的频带就越宽，平滑程度就越好。通过调节平滑程度参数σ，可在图像特征过分模糊(过平滑)与平滑图像中由于噪声和细纹理所引起的过多的不希望突变量(欠平滑)之间取得折衷。 将二维计算退化为一维计算。卷积是服从结合律和交换律的，卷积次序可以颠倒。 高斯函数的可分离性 采用两个水平卷积模板组合完成 均值滤波和高斯滤波运算的主要问题：有可能模糊图像中的尖锐不连续部分。 4.2.2 非线性滤波器 按亮度值大小排列像素点 选排序像素的中间值作为点 的新值。 （1）中值滤波器： 用像素点邻域灰度值的中值来代替该像素点的灰度值，该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节，这是因为它不依赖于邻域内那些与典型值差别很大的值 。 例如，取 函数窗，计算以点 为中心的函数窗像素中值步骤如下： 均值滤波的平滑功能会使图像边缘模糊，而中值滤波在去除脉冲噪声的同时也将图像中的线条细节滤除掉。 （2） 边缘保持滤波器 边缘保持滤波器是在上述两种滤波器的基础上发展的一种滤波器，该滤波器在滤除噪声脉冲的同时，又不致于使图像边缘十分模糊。 对灰度图像的每一个像素点[i,j]取适当大小的一个邻域（如3×3邻域