物联网技术导论二维码图像处理模块.ppt

这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 N4(P)是指4领域 N8(p)是8领域 这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 景深问题 当我们扫描二维码的时候有可能较远，有可能较近。 这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 减少像素信息，但依然保持像素与像素间的区别。 这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 这部分简单介绍一些背景知识，包括当前的中值滤波取证与反取证的方法这些方法的效果及存在的问题 （2）为后续的目标图像定位作准备： 1).图像灰度化 在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。 根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。 2).图像二值化： 在这里介绍处理效果良好的自适应阈值二值化算法，即最大类间方差法。 最大类间方差法是由日本学者大津于1979年提出的,是一种自适应的阈值确定的方法,又叫大津法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。 背景和目标之间的类间方差越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。 对于图像I(x,y),前景(即目标)和背景的分割阈值记作T,属于前景的像素点数占整幅图像的比例记为ω0,其平均灰度μ0;背景像素点数占整幅图像的比例为ω1,其平均灰度为μ1。图像的总平均灰度记为μ,类间方差记为g。假设图像的背景较暗,并且图像的大小为M×N,图像中像素的灰度值小于阈值T的像素个数记作N0,像素灰度大于阈值T的像素个数记作N1,则有:　　 ω0=N0/ M×N ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (1)　　　　　　ω1=N1/ M×N ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (2)　　　　　　N0+N1=M×N ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(3)　　　　　　ω0+ω1=1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (4)　　　　　　μ=ω0*μ0+ω1*μ1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(5)　　　　　　g=ω0(μ0-μ)^2+ω1(μ1-μ)^2 ? ? ? ? ? ? ? ? ? ? ? ? ? ? (6)将式(5)代入式(6),得到等价公式:? ? ? ? ? ? g=ω0ω1(μ0-μ1)^2 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(7)采用遍历的方法得到使类间方差最大的阈值T,即为所求。 普通阈值二值法