凝汽器铜管的视觉定位方法研究.doc

长沙理工大学硕士学位论文凝汽器铜管的视觉定位方法研究姓名：王冰申请学位级别：硕士专业：电路与系统指导教师：樊绍胜20091201，：；长沙理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：王多司日期：唧年，月吖日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权长沙理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于、保密口，在年解密后适用本授权书。、不保密罚。（请在以上相应方框内打“）一一作者签名：土测日期：纠年砂月吖日聊繇塑心识嗍沙辟卜月哪第章绪论凝汽器在线清洗技术及发展趋势大型凝汽器是电力、化工、造纸、石油等行业的重要换热设备之一，它主要用来对作为汽轮机冷却源，去降低设备中的排气压力和排气温度，从而来提高发电机组的循环热效率。大型的凝汽器一般由数万个小孔径的冷凝管组成，因为流经凝汽器的冷却水不干净以及在热交换过程中发生的化学反应等一些原因，造成了凝汽管里会积聚污垢，有时候甚至会发生堵塞。从而恶化了凝汽器的导热性能，导致了发电效率等的下降，同时燃料的消耗也会随之大量增加，因此，为保证安全生产，节能降耗，对凝汽器污垢的清洗显得尤为重要。目前的凝汽器在线清洗主要有胶球清洗和化学清洗两种：胶球清洗胶球清洗方法是在冷却水循环管路里投放一定量表面粗糙的胶球或者橡皮球。它是利用球体与管壁的摩擦来清洗凝汽器管壁乜。在目前来讲，胶球清洗有几个很大的缺陷，最主要的是胶球的回收率不高和清洗的胶球容易堵塞管口，同时，因为胶球清洗采用摩擦的方式，所以对很多化学反应产生的析晶污垢清洗的作用不大，从而导致清洗的效果常常不尽如人意。化学清洗化学清洗是近年来随着高腐蚀剂的成功研制而广泛使用的，它是借助化学反应，根据可能产生的污垢等来在冷却水中加入一定量的化学药剂，借助这些药剂和污垢的化学反应来达到清洗管壁污垢的目的【】。例如，如果结垢是钙镁盐类等硬垢时，根据化学反应，可以加入适量的一定浓度的盐酸来进行反应达到清洗的目的。同时，在用酸碱等腐蚀性药剂清洗完毕后，应该用适量的反应物如苏打水等去循环清洗几个小时，最后化验排放出来的水的酸碱度，防止腐蚀性药剂对铜管造成腐蚀，但即使这样，随着时间的增加，这种方法还是会造成凝汽器铜管的腐蚀甚至发生泄漏等重大的工业事故。凝汽器清洗机器人清洗凝汽器高压水射流在线清洗机器人技术是近年来国内提出的一种新的污垢清洗技术。凝汽器清洗机器人是在火电厂冷凝器循环水侧壳体内安装水下机器人，根据生产、运行等需求由机器人随时的完成在线清洗工作。从而使得凝汽器换热面清洁，这样就提高电了厂运行效率。并且避免了燃料等的浪费。凝汽器清洗机器人既有传统凝汽器清洗方法对污垢清洗较为彻底和对凝汽器没有损害的优点，同时也避免了离线清洗过程中启、停机带来的经济损失，而且凝汽器清洗机器人还具有很好的环保效益和经济效益。并且运行安全、成本低廉，能有效解决火电厂凝汽器积垢的问题阳。但是目前凝汽器清洗机器人的定位方法存在一定的缺陷，本文针对这个缺陷提出了基于视觉定位技术的凝汽器在线清洗机器人管口定位方法。凝汽器清洗机器人及其定位的缺陷凝汽器清洗机器人的发展水下机器人是一个高技术仪器设备的集成体，他除了集成水下机器人载体的推进、控制、动力、导航等仪器外，还根据不同的需要，配备了声、光、电等不同的探测仪器【“引。这使得水下机器人可以作为进行水下研究、观测和实施作业的平台，去完成人类无法直接到达的各种水下进行活动。随着国内外工业机器人技术的发展，结合目前实际生产的需求，凝汽器水下在线清洗机器人也应运而生。这是一种全新的清洗方式，这种方式及不污染环境又节能降耗，对提高生产效益和节约资源都具有重要意义。作为清洗机器人家族中的一员，凝汽器在线清洗机器人符合目前工业机器人的产业趋势，并且具有广阔的应用前景。所以受到了国内外科研和企业界的重视一。凝汽器智能清洗机器人是凝汽器智能清洗装备中的一个重要组成部分，它主要是从实际的工作需求和工作环境出发，把机器人技术和目前常用的清洗技术结合起来，是一种先进的大型凝汽器水下智能清洗特种机器人【们。它以高压水射流清洗为主，并辅以化学清洗，并且通过协调由多传感器构成的感知系统、机电传动机构以及机械臂等完成对火电厂凝汽器水室中的冷凝管内壁污垢进行自动化在线清洗。凝汽器清洗机器人定位缺陷凝汽器管口的精确定位是实现高效清洗过程中的关键步骤，完成对凝汽器管口的精确定位既能节约清洗系统的开启时间，还能提高清晰的效率。目前，凝汽器智能清洗机器人主要是通过传统的直接坐标输入法来对管口实现定位，然后再通过喷枪利用高压水流来对凝汽器进行冲洗。然而，由于冷凝管关口直径较小，再加上实际输入的坐标与期望值之间的偏差以及在定位过程中反馈信息的缺乏会导致定位的不准确，随着误差的累积，这种偏差增大，会导致相当一部分管子无法被清洗，这将会严重影响凝汽器的清洗效果。本文主要是针对以上提出的传统定位方法的缺陷，深入研究了机器视觉技术的特点和优点，设计了基于机器视觉技术的凝汽器管口定位系统。国内外水下目标识别技术的发展现状随着摄像头技术的发展和将探雷的技术处理放在了水下图像当中，目前，各种图像处理技术和模式识别技术都被应用于图像目标识别中，涉及到很多领域的研究范畴，包括信号处理，图像处理，模式识别，以及很多应用数学的研究成果。在国内外，已经有很多的相关技术文章，提出了各种各样的识别过程和算法，这些算法的共同点都是利用高分辨成像摄像头或者声纳得到目标在方向距离的二维图像，利用现有的信号处理方法及数值分析方面的结论，根据目标的特点，提取出能代表目标的有效特征，然后结合线性或者非线性的识别方法来对水下目标识别和分类。由于该研究领域是在近几年才得到重视和发展，而且不同成像系统在分辨率等参数上存在差异，水底成像环境的复杂性、目标所成的像受到目标本身的特性影响较大。所以至今没有形成一个比较统一的并且被大家公认的识别算法。水下图像的目标识别目前主要处于理论研究阶段，而且国内在水下目标识别方面的进展要远远落后于欧美等发达国家。水下图像识别技术在实际中的应用主要从五十年代开始。同时，由于水下环境具有的复杂性以及当时成像摄像头和声纳的分辨率相对较低，早期对于水下图像的解释和判读，一般主要依靠人工来进行。八十年代初，随着数字图像处理很数字信号处理等技术的发展，水下图像处理的研究也进入了一个新的阶段，使得很多图像处理的常规方法被应用于水下图像处理。八十年代后期，为了海洋资源的进一步开发等，无缆水下机器人（）的研制在各个发达国家受到了很大的重视【。其中水下图像处理是智能的重要体现，它主要包括水下图像的压缩、去噪和水下目标识别等各个方面。的真正目的是为了实现全自动化，这使得水下图像的解释和目标检测显得尤为重要，所以，国内外很多学者和专家对这一领域进行了深入的研究，例如，等人提出了基于目标特征和模型库的目标识别与定位方法，来对目标的动态分类等进行实现。等人将声纳与高清晰摄像头结合起来使用，将声纳数据作为摄像头三维场景数据分析的线索，等人在对图像进行预处理的基础上，对图像进行特征提取，提取诸如体积、亮度、方差、形状等特征，结合已有的鲜艳只是和特定的知识库，来取得分类输出。九十年代，随着神经网络的发展，国内外很多学者普遍把人工神经网络引入到水下目标识别这一研究领域中来。英国的和开发了一种基于神经网络的水下图像分类识别系统，用来将两种特定类型的目标信号与其它虚假的信号区分开来。美国的带领的课题组研制了一种基于信号形状特性的多神经网络分类系统。从世界目前主要的水下图像识别算法来看，现在国内外对水下图像黑醋栗研究取得较好效果的算法主要是利用在水底的小目标成像的特性，来分析目标所成像的阴影区或者特征等，因为阴影区和特征可以反映目标物体的形状、尺寸等外部特征，根据这些取得的特征，可以利用自适应能力较强的人工神经网络来对目标进行分类和识别，同时，随着模糊集理论的发展，有的学者将模糊理论引入到目标识别过程中，从而出现了利用模糊学对水下图像进行分割和处理等等来进行识别。总之，由于水下目标自动识别是现在水下识别设备和水中武器智能化的关键技术之一，同时也是国内外公认的一个难题，所以是目前世界各国研究的重点之一。大家都致力于找到一个可行的识别算法，来从图像成像、特征提取和目标识别三方面来提高水下图像识别的效果。论文的主要工作和结构安排本文的主要工作是对水下图像处理方法及管口定位方法展丌研究，主要对水下图像边缘检测和圆的定位方法两方面进行了探讨，主要内容安排如下：第一章首先综述了水下清洗机器人的概念，以及目前国内外的主要研究现状，并深入分析了目前凝汽器清洗机器人定位的主要缺陷。第二章首先对机器视觉定位技术进行了简单介绍，主要包括机器视觉定位技术的实现过程及目前的研究现状，然后分析了实时图像处理技术的发展以及水下图像识别和定位的难点。第三章主要是对水下图像进行预处理的过程进行研究和分析，因为直接得到的图像不能直接用于后续的边缘检测和圆心定位，本章主要研究了图像的平滑、去噪和锐化增强等。然后将简单处理过的图像进行二值化，为后续的边缘检测和圆心定位打下良好的基础。第四章主要是对预处理后的图像进行边缘检测及圆心定位方法的研究，首先分析了目前常用的边缘检测方法传统的边缘检测算法，并在此基础上提出了的改进的边缘检测算法，接着对检测后的图像进行圆心定位和提取，本文针对随即变换计算速度较慢的去点，提出了改进的随机变换方法，并利用这种方法对圆进行定位。实验证明，本文提出的边缘检测算法和圆心定位方法都能取得较好的结果。第五章是本文的实现过程，首先对进行了简单介绍，接着采用进行编程，并取得较好的结果。第章视觉定位的相关技术及水下图像处理难点介绍机器视觉技术机器视觉技术，是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科引。机器视觉主要是用计算机来模拟人的视觉功能，但并不是说机器视觉是人眼的延伸，最主要的是机器视觉技术具有一定的人脑功能，他可以从客观的事物中提取自己需要的信息和特征，来进行处理和分析，从而在实际的检测、测量和控制的过程中起到非常重要的作用，机器视觉同时具有运算速度快、功能强大以及信息量大灯优点。对于一个典型的工业计算机视觉系统来说，主要包括数字图像处理技术、数字信号处理技术、控制方法和策略、光学成像技术、计算机硬件技术、接口技术和传感器技术等各个方面。机器视觉系统主要是通过摄像头或者声纳等图像采集设备将图像抓取到，然后将图像传送到特定的处理单元，利用模数转变已经数字图像处理技术等，来对图像的像素分布、图像的亮度和颜色等重要信息进行分析，从而对被检测物体的尺寸、形状、颜色等特征进行判定。引，然后根据判定的结果来对现场的设备或者电脑进行控制等，随着计算机视觉技术和控制方法等的大力发展，目前机器视觉技术已经应用与现代制造业和加工业的很多方面。目前常用的机器视觉理论主要有以下几种：（）机器视觉理论的视觉计算理论主要立足于计算机科学，它系统的概括了目前心理学、神经生理学、以及临床病理学等各方面的重要成果，他是目前最为系统的机器视觉理论，它的出现是神经科学发展和人工智能研究领域的一个重要进步，对后来的研究产生了深远的影响。（）主动视觉理论框架主动视觉理论框架是根据人类视觉的主动性提出来的。这是由于，人类的视觉不是被动的，人会根据周围环境的变换和视觉的需要等，来调整自己的身体或者头部的方向来改变是叫，达到识别的目的。同时，由于人类视觉会主动的根据环境来选择自己感兴趣的部分来进行识别，可以忽略其中不重要的部分，所以，人类视觉过程是人与环境的一个感知和动作的过程。因此，人类视觉的过程是与环境交互的“感知一动作”的过程。主动视觉框架如下图所示。上上上上机器人结构注意力选择凝视点选择手眼协调融合土，凝视点稳定凝视点转移图主动视觉理论框架同时，机器视觉技术在目前工业和农业各方面都具有广泛的应用：（）机器视觉技术在工业上的应用机器视觉技术因为具有易于自从处理、不与被检测物体接触、获取信息量大以及检测速度快等优点，同时，因为机器视觉具有较高的抗干扰性和方便加工控制信息等，在目前的工业领域中具有非常重要的作用。其中，机器视觉的工业应用主要表现在一下三个方面：一是自动检测，主要包括集合或者计量测量等。其中，几何计量包括结构光测量、层析三维数字化测量、工业法、立体视觉和激光雷达等方法。他们有各自的优点和价值，例如立体视觉技术具有较高的检测速度，同时它的系统成本相对较低，而且安装相对比较方便，所以在集合测量测试中具有很高的应用价值，目前，基于机器视觉技术的产品外形或者缺陷检测的自动识别技术已经相对较成熟，同时，机器视觉技术还常常用于重复性检测很高的相同部件或者场合来代替人工的检测，取得了很好的经济效益和效果。二是智能装配。智能装配系统能够很大的缩短产品的开发时间和上市时间，目前只能装配技术主要应用与恶劣环境或者在对有毒有害物等进行装配时的应用，比如，工业领域中常用的机械手等。三是视觉伺服系统。视觉伺服系统主要是利用机器视觉中与被检测物不互相接触的特性，目前的视觉伺服系统主要包括基于位置的伺服系统、基于图像识别的伺服系统以及这两种混合的视觉系统。其中视觉伺服系统的一个重要应用是将视觉传感和操作集成在一个开环的系统中，视觉传感的精度和执行的精度将直接影响系统的精度。（）机器视觉技术在农业上的应用机器视觉技术在农业生产上的研究与应用，从上世纪的年代末期开始，刚开始的研究主要集中于水果的品质和质量检测和分级等等，但是，受当时计算机发展水平的限制和影响，处理的速度远远达不到实时要求，所以原来的研究大多处于研究阶段。但是，随着近几年电子技术、计算机软硬件技术和图像处理技术等的发展以及图像处理算法的进步，机器视觉技术在理论和时间上都有了质的飞跃。是的机器视觉技术在农业上的应用也越来越广泛。（）机器视觉技术在其他领域的应用除了工业和农业上的应用，机器视觉技术在其他领域的作用也越来越广泛，主要包括在医学、图像监控、安保以及交通控制和检测等过程引。例如，医学中利用图像处理技术来对医学影响进行分析和处理等，交通控制方面利用图像处理技术进行车牌定位识别和监控等都取得了很大的成绩和应用。图像处理及模式识别的原理及方法图像处理和模式识别简介图像处理一般来说，对采集到的图像进行处理和分析主要有以下几个目的：（）提高图像的视觉质量，主要包括去除图像噪声，改变图像的亮度、灰度等，或者增强图像中感兴趣的部分，抑制不感兴趣的部分等，还可以对图像进行几何变换，从而改善图像的质量，来达到自己的目的。（）提取图像中的默写特征或者信息，来对这些特征进行分析和处理，得到一定的信息来实现图像处理的目的，例如，图像的预处理和模式识别等。其中图像的特征主要包括如频域特性、边缘或者纹理特性等心卜。（）对图像进行变换、编码和压缩，以便于图像的存储和传输。因为图像处理的基础理论大多是空间域的概念，所以图像处理的过程经常借助于电路通信理论中的波形分析和信号处理等理论，从而，可以将图像处理的方法分为两种类型：（）空域处理：它对输入的图像直接进行处理。（）频域处理：它先把空域图像经过一定的变化变为频域函数，再进行滤波或者去噪等相关处理，处理完后再对图像进行反变换，即由频域函数再变回为处理后的空域函数。模式识别模式识别是根据研究的对象的某些特征来对对象进行识别和分类，具体来说，既是从不相关的一些背景中，提取图像数据的某些特征，再对这些特征数据特征进行分析和分类，然后将按照规则具有相同特征的数据划分为同一类托。目前，主要的模式识别方法和理论有以下几类：（）决策理论方法这个方法同时又称为统计方法，他是发展比较早同时也相对比较成熟的一种方法，首先，对被识别的对象进行数字化，转换成为适合于计算机计算和处理的数字信息，所以，一个模式经常要用很大的数字信息量来表示。图为决策理论方法的流程图。识别分析图决策理论方法识别的流程图（）句法方法句法结构又称为结构方法或语言学方法。它的基本思想是将一个感兴趣的模式描述我相对较简单的子模式的组合，然后再将子模式描述为更简单的子模式的组合，按照这种描述方法，就会得到一个属性的结构描述。其中，处于底层的相对最简单的子模式被称为模式基元。如图为句法方法识别过程的流程图。识别分析图句法方法的识别流程图（）模糊模式识别模糊模式识别是将模糊集理论应用于模式识别的一种方法，这主要是由于人类对于客观世界的认识经常带有一定的模糊性，例如胖瘦、高低等模糊性的语言，人们利用这些模糊语言进行交流并通过自己大脑分析来做决定。模糊数学的目的就是研究如果利用模糊的信息来对确定的事物进行一定的定量分析等，模糊识别采用模糊信息来对模式进行决策，是的机器人或者计算机具有跟人类接近的些功能，目前主要的模式识别方法有最大隶属原则识别方法和接近原则方法等等。（）神经网络模式识别神经网络模式识别因为他具有信息分布式存储、可以自适应并行处理和高度的容错性等有点而被广泛使用，主要表现在以下三个方面：、神经网络具有自学习的功能。例如，只要将应识别的结果和对应的采集到的图像样板输入到神经网络，它就会通过自学习功能来识别类似的图像。、神经网络具有一定的联想和存储功能。因为人的大脑具有联想功能，而人工神经网络也可以通过一定的学习来实现这种联想。、能高速寻找最优解。寻找一个相对复杂问题的最优解，通常要经过大量的运算等来实现，耳神经网络可以利用反馈来发挥计算机高速运算的能力来相对较快的得到问题的最优解。图像处理和模式识别的计算模型图像处理和模式识别的计算模型根据它的功能和特点，粗略的可以将它分为两级，即低级处理和高级处理乜引。其中低级处理相似于图像的预处理和特征分析等，主要包括图像的增强、去噪、直方图均衡化、边缘检测等等，同时，低级处理还可以将输入图像的数据经过处理输出到下一级进行处理，例如计算图像的周长、面积等等，高级图像处理主要包括特征判别和结果的输出，在有些处理过程中，高级处理后的数据经常需要反馈到低级处理中重新处理，图为目前常用的图像处理和模式识别的计算模型。任务命令图像输入低级图像处理高级图像处理图图像处理与模式识别系统的计算模型水下图像识别的基本原理水下图像识别系统的整体框架如图所示：匦堕匦回怔巫玉三忙丑撇别图基于图像的目标识别系统流程图由于近年来水下图像采集设备的发展和图像处理算法的优化，使得水下目标识别的技术进一步提高，目前对水下图像识别主要包括以下几个方面：图像预处理、特征提取、目标识别。这里主要研究的是特征提取和目标识别。其中特征提取是计算机视觉和图像处理中的一个概念。它主要是利用计算机来提取采集到图像的特定信息，来确定图像中的某个点是不是属于图像的某种特性，它的目的是将图像中的点根据一定的特征分为不同的子集，而这些子集往往是各个孤立点或者连续曲线的共同区域。特征提取是图象处理过程中的一个初级运算，即，特征提取经常是对图像进行的第一个运算处理，他将图像中各点分为各个区域，如果它只是一个很大算法的一个部分，那么特征提前一般只检查图像的某些特征区域他引。作为特征提取的一个前提运算，输入的图像一般需要先进行去噪和平滑、锐化等各种处理，然后再通过局部倒数运算来计算图像的某些特征。由于计算机图像算法一般只是使用特征提取作为它的初几运算步骤，所以通常还需要配合大量的非特征提取算法，同时也因为需要提取的特征的多样性，发展了多样的特征提取算法，它们的计算复杂性和可重复性也因为算法的不同具有较大的差别。水下图像处理的难点及考虑因素水的光学特性及对水下成像的影响了解水的光学特性对水下成像的影响是我们进行水下图像处理最基本的依据，同时，它还可以指导我们应该选择什么样的水下光源或者怎么布置水下光源的位置，这些都为后续图像处理的工作降低了难度，同时也是图像成像的一个依据。即使是没有杂志的清水，水对光的衰减作用也是不能忽略的。大量的实验表明：水的衰减是光波长的复函数，它主要是由两个互不相关的物理过程吸收和散射所引起的，所以，光在水中传输时能量会按照一定的规律衰减。而且，水对光的散射作用会随着光线强度的增强而更加严重，这使得水下成像的难度更大。散射主要会造成图像的对比度下降，对成像的质量有很大的影响。因此，水下成像的距离一般最远都不会超过十几米。另外，如果水中含有大量的杂质或者水的浑浊成都较大，得到的图像会有大量的噪声，是的图像的质量退化，进一步增加了后续处理的难度。水下图像识别的难点由于前面介绍的水对光线的散射和吸收作用，使得水下图像成像的质量一般不好，这就给图像识别带来了很大的麻烦。水下目标识别现在面临的主要问题是水中各种杂质的干扰和谁对光线的吸收和散射作用会影响图像的质量，主要表现在以下几个方面：分辨率降低：分辨率的高低是图像处理和识别的一个重要因素，因为在图像目标识别时，经常只能获得图像的某些几何特性而不呢个得到更多的本身特性，所以分辨率的高低对图像处理的影响很大。噪声污染：由于水的波动已经水中含有的杂志等，会给获取的图像带来很大的噪声污染，是的图像处理的难度加大。图像目标边缘不明显：对于需要较清晰和准确边缘的处理过程，由于水下物体的反射和水中各种噪声的影响，是的图像某些区域会残缺，如果残缺的部位比较重要或者残缺部分较大时，后续的处理过程将会非常困难。本章小结本章在简单介绍了机器视觉定位技术和模式识别的概念后，重点分析了机器视觉定位和模式识别目前在国内外的发展现状，其中着重研究了水的特性对水下成像的影响，并对水下图像识别系统的流程进行分析和研究。最后，对水下图像处理过程中可能遇到的噪声及处理的难点进行了分析和研究。第章图像预处理技术研究图像与处理在图像处理过程中是非常重要的一步，它是相对于图像识别和图像理解而言的前期处理，这是因为不论采取什么装置，输入的图像一般总是不能令人满意。例如，有些图像的轮廓不明显或者对比度过高；从检测物体的大小和形状的要求来看，有的图像边缘过于模糊；有的图像会由于噪声的影响而有不需要的点，以及图像失真、变形等。总之，为了改善图像质量可能存在的诸多问题，都要先经过预处理。图像预处理一般包括图像的平滑、去噪、增强、锐化以及阈值分割等。图像去噪由于水中污染物已经水对光的吸收和散射作用，得到的初始图像往往含有大量的噪声污染。这给后续的分析带来很大的麻烦，所以要首先对图像进行去噪，一般用的去噪方法主要有平滑和滤波。图像平滑图像在采集和传输的过程中常常受到各种噪声源的影响和干扰使得图像质量变差。反应在图像上，噪声使得原本连续和均匀变化的图像灰度突然变大或减小，形成很多虚假边缘和轮廓引。这是接下来边缘检测中不能忍受的，因此，抑制和消除这类噪声，改进图像的质量变得尤为重要。这个过程就是图像平滑的过程。图像平滑是数字图像处理的一个重要内容。大多数图像中相邻象素的灰度之间具有很高的相关性。因此，一幅图像中大多数象素的灰度与其相邻象素的灰度差别不大，这种灰度相关性的存在使得图像的能量主要集中在低频区域中，只有图像的细节部分的能量才处于高频区域中。在图像的数字化和传输过程中经常有噪声和假轮廓出现，这部分信息也集中于高频区域内。图像平滑的主要目的就是去除或衰减图像上的噪声和假轮廓，即衰减高频分量，增强低频分量，故图像平滑也称为低通滤波。图像平滑处理在消除或减弱图像噪声和假轮廓的同时，对图像细节也有一定的衰减作用。因此，图象平滑的直观效果是图像噪声和假轮廓得以去除或衰减，但同时图像将变得比处理前模糊了，模糊的程度要看对高频成份的衰减程度而定。就同一种平滑方法而言，去除或衰减噪声和假轮廓的效果越好，图像就越模糊，因而图像的细节损失越大。所以，在图像处理时要兼顾两者。图像平滑的方法包括：领域平均、低通滤波法等等。在实际应用中根据不同的噪声情况等选择不同的平滑方法。邻域平均领域平均是一种局部空间域处理的算法，它是对含有噪声的原始图像（，）的每个像素点选取一个邻域，然后计算中所有像素灰度级的平均值，作为空间域平均处理后图像（，）的新的像素值，即时）击（磊八五）（）式（）中（，）为的阵列；，一；是以点（，）为中心的领域的集合，为邻域中的像素总点数，领域可取四邻域或八邻域。图像邻域平均法的平滑效果与所用的邻域半径有较大关系劓。当半径较大时，图像的模糊程度会越大。邻域平均法的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和一些细节处。邻域越大，模糊程度越严重。为了削弱这种效应，对上述的算法稍微改进，可导出一种超限像素平滑法（阈值法）：贴川：击。磊肥，卜，一击。互川，【（，）其他式（）中为选定的一个非负阈值。对于一个给定的半径，利用阈值方法可以一定程度减少由于邻域平均所产生的模糊效应，即当某像素点值与领域平均值之差超过时，就用平均值代替原像素点，进行平均处理，否则保留原像素值，不进行平均处理。这种改进算法对抑制椒盐噪声比较有效，而且对保护仅有微小灰度差的细节及纹理也有一定作用。低通滤波图像经过傅氏变换后，噪声频谱一般位于空间频率较高的区域，而图像本身的频率分量则处于空间频域相对较低的区域内，因此可以通过低通滤波的方法，使图像的高频成分受到抑制，而使低频成分顺利通过，从而实现图像的平滑。低通滤波可以在空间域或者频域中进行。（）空间域低通滤波器在空间域中实现低通滤波是采用离散卷积，与高通滤波所用的卷积表达式相同，即为：（，）（，刀渺（码一啊，一伤）（）式（）中输出图像（。，：）是方阵，输入图像厂（惕，）是方阵，冲击响应是方阵。（）频域低通滤波这是一种频域处理法。对于一副图像，它的边缘、细节、跳跃部分以及噪声都代表图像的高频分量，而大面积的背景区和缓慢变化部分则代表图像的低频分量，用频域低通滤波法除去其高频分量就能去掉噪声，从而得到平滑。对式（）进行卷积定理，即可得在频域实现低通滤波的数学表达式：（，）（，）（，）（）式（）中（，）是含有噪声原始图像的傅里叶变换，（，）是平滑后图像的傅里叶变换，（，）是滤波器的转移函数（即频谱响应）。常用的低通滤波器有理想低通滤波器、巴特沃斯低通滤波器、指数型低通滤波器和梯度低通滤波器，这里就不进行一一介绍了。图像滤波图像受获取和存储、处理及各种干扰的影响，显示时画面上会出现噪声。为了减少噪声带来的负面影响，使后续的处理过程更为简单，就需要用到降噪滤波器对图像数据进行处理。图像的噪声有多种类型。如加性噪声、乘性噪声、椒盐噪声、高斯噪声等等。常见的降噪方法有的是在空间域进行的，也有将图像数据经过变换以后转到频域中进行的。其中频域里的滤波需要涉及复杂的域转换运算引。在空间域进行的方法有均值或加权后均值滤波、中值或加权中值滤波、最小均方差值滤波和均值或中值的多次迭代等。常用的滤波方法主要有中值滤波、图像变换域滤波、最小二乘滤波等方法。中值滤波中值滤波是一种非线性信号处理方法，与其对应的中值滤波器也就是一种非线性滤波器。它的主要原理是用一个奇数点的移动窗口，将窗口中心点的值用串口内各点的值代替。中值滤波定义如下：设有一个一维序列，五，取窗口长度为（一般为奇数），对其进行中值滤波，就是从输入序列中相继抽出聊个数，再将这个点按其数值大小排序，取序号为中心点的那个数作为滤波输出。用公式表示为：像内容和不同的应用要求，往往应该采用不同的串口形状和尺寸口。常用的二维中值滤波窗口有线状、方形、圆形、十字形以及圆环形等。窗口尺寸一般先采用，再取逐渐增大，直到滤波效果满意为止。就一般经验来讲，对于有缓慢变换的较长轮廓线物体的图像，采用方形或者圆形窗口为好。对于包含有尖顶物体的图像，用十字形窗口，而窗口大小一般以不超过图像中最小有效物体为佳。如果图像中的点、线、尖角细节较多，一般不应采用中值滤波。图像变换域滤波近年来，随着小波理论的研究和发展，小波变换开始应用与图像处理领域，因为多分辨分析和特殊的时频特性，我们可以从不同的角度对研究对象进行分析和描述，从而使得小波成为进行图像去噪的一个很好的工具。小波变换作为一种时频局部化方法，是傅氏变换的一种扩展。其基本的思想是：首先寻找一个满足一定条件的基本小波函数，通过基本小波函数的平移以及伸缩等构成小波函数族，然后利用这一小波函数族去逼近所要研究的信号，便于分析和处理。令为为噪声信号，为原信号，为带噪信号，形为小波基够组成的空间，则小波图像去噪问题可以表述为：（一刮）（）从信号学的角度看小波图像去噪是一个信号滤波问题。在很大程度上小波图像去噪可以看成是低通滤波，但是由于在去噪后，还能成功地保留图像特征，所以在这一点上它又优于传统的低通滤波器。小波图像去噪实际上是特征提取和低通滤波功能的综合。同时小波变换具有以下几个特点：、低熵性：小波的系数分布比较稀疏，使的图像变换后的熵降低。、多分辨率：采用多分辨率的方法，可以很好的刻画信号的非平稳特性，如边缘、尖峰、断点等。、去相关性：小波变换可以对信号进行去相关，而且噪声在变换后有白化趋势，所以小波变换更利于去噪。、选基的灵活性：因为小波变换可以灵活选择变换基，所以对于不同的场合，不同的研究对象，可以选择不同的小波母函数，可以获得较佳的效果。小波萎缩法是目前研究较为广泛的方法，其中主要的是阈值萎缩，因为阂值萎缩要基于以下事实，即，较大的小波系数一般都是以实际信号为主，而较小的系数则很大程度被认为是噪声，所以可以通过选择合适的阈值，首先将小于阈值的系数设置为零，保留大于阈值的小波系数；然后经过阈值函数映射到估计系数；最后对估计系数进行逆变换，可以实现去噪。这个方法的两个基本要素是阈值和阈值函数。其中阈值的选择和确定在算法中最为关键。目前使用的闺值可以分为全局闻值或者局部闽值两类。全局闽值是对各层所有的小波系数或同一层内的小波系数都是一样的：而局部阈值则根据当前系数周围的局部情况来确定阐值。目前的全局阚值主要有以下几种：、阈值占刊峨）其中为噪声标准方差，为信号的尺寸。这是正态高斯噪声的模型下，针对多维独立正态变量分布，在维数接近无穷时的结论。即大于该闽值的系数含有噪声信号的概率趋近于零。当较大时，闲值趋向于将所有小波系数置零，这个时候小波滤波退化为低通滤波器。、基于零均值正态分布的置信区间阈值占，。这个是考虑均值正态分布变量落在盯，盯之外的概率趋于零而确定的。、最小是太化闺值：与以上的阈值不同最小最大化阈值是依赖原信号的，而且没有一定的表达式，在求取阈值时，应预先知道原信号。、理想阚值：理想阈值是在均方差准则下的最优化闺值，同最小最大化闽值一样没有一定的表达式，同时也必须知道原信号。在上述阈值中，由于统一阈值计算比较简单，所以得到较为广泛的应用但是也容易导致较大重建误差；置信区问阈值虽然跟图像尺寸无关，但是随着图像尺寸增大，大的噪声出现的数目也会增多，因而导致误差较大；最小最大化阈值，由于悲观决策的思想也会导致重建误差：理想闽值从理论上来说是重建误差最小的，而且容易得到较为满意的效果。实验结果下面是对同一副舍噪图像利用不同的平滑方法进行处理图是对图像进行邻域平均的结果，表明邻域平均滤波作为一种线性滤波器，在去除噪声的同时会使图像变得模糊，是边缘信息减弱，模板尺寸越大图像越模糊。图表明中值滤波是一种非线性滤波器，在一定条件下可以克服均值滤波带来的图像的边界模糊，对颗粒噪声十分有效，但图图像中的线、尖角等细节会被处理掉。图表明小波变换处理后的图像既能去除噪声，又能较好的保存图像的边缘。所以本文采用小波边缘的方法对图像进行平滑处理。图含噪图像匿领域平均结果图中值滤波的结果图小渡变换的结果图像增强及锐化图像增强图像增强处理包括致力于寻找改善图像视觉外观或者将图像转换为更加适合于人类或者机器分析的格式的方法。在图像增强系统中，没有因为考虑到图像的一些理想形势而去有意识的努力改善重现图像的真实度。为了进行图像分析，图像增强的定义没有涉及到信息提取，例如，图像增强系统可能会通过高频滤波来强调图像中物体的边缘轮廓，于是这幅边缘增强后的图像可以作为一个可以追踪边缘轮廓并且可以测量轮廓大小和形状的机器的输入。图像增强主要有对比度增强和灰度变换等方法。对比度增强图像对比度增强的方法可以分成两类：一类是直接对比度增强方法；另一类是间接对比度增强方法。直方囤拉伸和直方图均衡化是两种最常见的问接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现：直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。直方图均衡化处理的中心思想是把原始图像的灰度直方图从比较集中的某个获度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成均匀分布直方图分布。直方图均衡饨是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。直方图均衡化对于背景和前景都太亮或者太暗的图像非常有用，它的一个主要优势是它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。这种方法的一个缺点是它对处理的数据不加选择，它可能会增加背景复杂的对比度并且降低有用信号的对比度。直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整