(25)--7.3图像处理技术走进森工机器人.ppt

图像处理技术

边缘锐化数据编码和传输特征提取平滑图像识别与理解图像增强分割经过数字图像处理后，图像的质量得到改善，改善了图像的视觉效果，便于计算机对图像进行分析、处理和识别。数字图像处理技术机器视觉系统中，视觉信息的处理技术主要依赖于图像处理方法。

一幅二维数字图像可表示为一个矩阵，其矩阵中的元素是位于相应坐标位置的图像灰度值，是离散化的整数，一般取0，1，……，255。灰度图像灰度直方图图像的增强图像的增强用于调整图像的对比度，突出图像中的重要细节，通常采用灰度直方图实现。图像的灰度直方图是表示一幅图像灰度分布情况的统计特性图表。

直方图仅能统计某级灰度像素出现的概率，反映不出该像素在图像中的二维坐标。不同的图像有可能具有相同的直方图。通过灰度直方图的形状，能判断该图像的清晰度和黑白对比度。灰度直方图图像的增强不同的图像具有相同直方图

直方图均衡化图像直方图均衡化图像的增强直方图均衡化：把一幅已知灰度概率分布图像中的像素灰度作某种映射变换，使它变成一幅具有均匀灰度概率分布的新图像，实现使图象清晰的目的。

图像在形成、传输、接收和处理的过程中存在着外部干扰和内部干扰：如光电转换过程中敏感元件灵敏度的不均匀性、数字化过程的量化噪声、传输过程中的误差以及人为因素等。(a)原图像(b)对(a)加椒盐噪声的图像(c)3×3邻域平滑(d)5×5邻域平滑(e)3×3超限像素平滑(T=64)(f)5×5超限像素平滑(T=48)图像的平滑图像的平滑处理技术：图像的去噪声处理，主要是为了去除实际成像过程中因成像设备和环境所造成的图像失真。

中值滤波是对一个滑动窗口内的像素灰度值排序，用中值代替窗口中心像素的原来灰度值，是一种非线性的图像平滑法。对脉冲干扰的抑制效果好，在抑制随机噪声的同时能有效保护边缘。对点、线等细节较多的图像不大合适。中值滤波图像的平滑

正确选择窗口尺寸的大小是很重要的环节，需通过从小窗口到大窗口的中值滤波试验，再从中选取最佳的窗口尺寸。不同形状的窗口产生不同的滤波效果，使用中必须根据图像的内容和不同的要求加以选择。方形或圆形窗口适宜于外轮廓线较长的物体图像，而十字形窗口对有尖顶角状的图像效果好。中值滤波中值滤波窗口图像的平滑

(a)原图像(b)加椒盐噪声的图像(c)3×3模板中值滤波(d)5×5模板中值滤波图像的平滑中值滤波法能有效削弱椒盐噪声，且比邻域、超限像素平均法更有效。

用尽可能少的内存保存数字图像，可选用适当的编码方法压缩图像数据。数据的压缩主要通过图像数据的编码和变换压缩完成，目的是提高图像的传输速率。图像数据编码一般采用预测编码，即将图像数据的空间变化规律和序列变化规律用一个预测公式表示。数据编码和传输图像的数据编码和传输

边缘锐化主要是加强图像中的轮廓边缘和细节，形成完整的物体边界，达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。图像平滑通过积分过程使得图像边缘模糊。图像锐化则通过微分而使图像边缘突出、清晰。边缘锐化边缘锐化

梯度算子Roberts算子Prewitt算子Sobel算子Kirsch算子Laplacian算子Marr算子原图像边缘锐化

阈值分割法空间域区域增长法图像分割的方法图像分割图像分割是将图像分成若干部分，每一部分对应于某一物体表面。分类的依据是像素的灰度值、颜色、频谱特性、空间特性或纹理特性等。

阈值分割法的基本思想：确定一个合适的阈值T（阈值选定的好坏是此方法成败的关键）。将大于等于阈值的像素作为物体或背景，生成一个二值图像。Iff(x,y)?Tset1Elseset07819118122510260176451871040701011101阈值分割法鉴于度量空间的灰度阈值分割法，是根据图像灰度直方图来决定图像空间域像素聚类。

选择一个描述符（条件）从该种子开始向外扩张，把种子像素加入集合，不断将与集合中各个像素连通、且满足描述符的像素加入集合。根据图像的不同应用选择一个或一组种子，它或者是最亮或最暗的点，或者是位于点簇中心的点。第一步进行到不再有满足条件的新结点加入集合为止。第二步第三步第四步空间域区域增长法

区域A区域B种子像素种子像素空间域区域增长法空间域区域增长法对具有相似性质的像素连通集构成分割区域，该方法有很好的分割效果，但缺点是运算复杂，处理速度慢。

图像中的像素表达了某一物体的某种特定信息。待识别物是有形的整体，二维图像信息已经足够识别该物体。由输入的二维图、要素图等，得出被测物体的三维表示。图像识别图像识别图像识别是利用识别算法来辨别景物中已分割好的各个物体，给这些物体赋予特定的标记，是机器视觉系统必须完成的一个任务。