（信号与信息处理专业论文）粘连物体计数方法研究.pdf

、 一 i 睁， ， 一 目永 摘要i a b s t r a c t i i i 第一章绪论1 1 1 研究的目的及意义1 1 2 国内外研究状况的概述2 1 3 研究内容及结构安排3 第二章图像分析和处理技术5 2 1 图像分析和处理技术概述5 2 1 1 数字图像处理的主要方法5 2 1 2 数字图像处理的研究内容6 2 2 图像处理系统的部件7 2 3 图像预处理方法8 2 3 1 图像平滑8 2 3 2 其它局部预处理方法1 3 第三章图像分割方法研究1 5 3 1 基于门限的分割方法1 6 3 1 1 基本全局门限法1 7 3 1 2 基本自适应门限法1 8 3 1 3 利用边界特性改进直方图和局部门限处理1 8 3 1 4 实验结果及分析1 9 3 2 基于区域的分割方法2 0 3 2 1 区域生长法2 0 3 2 2 种子化区域生长法2 3 3 2 3 改进的种子化区域生长算法2 5 3 2 4 实验结果及分析2 6 3 3 基于形态学的分割方法2 8 3 3 1 膨胀与腐蚀2 8 3 3 2 开操作和闭操作3 0 3 3 3 实验效果及分析3 1 第四章基于网格模型的粘连物体处理方法3 3 4 1 基于图像分割的粘连物体计数方法存在的问题3 3 4 2 基于网格模型的粘连物体计数方法3 3 4 2 1 网格模型的分类3 4 4 2 2 基于灰度共生矩阵的纹理特征3 6 4 2 3s 的基本理论3 9 4 2 4 算法描述4 3 4 2 5 实验结果与分析4 4 4 3 本章小结4 6 第五章总结和展望4 7 参考文献4 9 致谢5 3 研究生期间研究成果及发表的学术论文5 5 k - 一 摘要 粘连物体计数方法研究 信号与信息处理专业硕士研究生于杰 指导老师肖国强教授 摘要 数字图像处理随着计算机技术、人工智能和思维科学研究的进展，开始向更 高、更深层次发展。从早期以改善图像的质量为目的阶段，发展到研究如何用计 算机系统解释图像，及如何实现类似人类视觉系统理解外部世界的阶段。 在蚕业领域中，蚕卵自动计数是一个重要的研究课题。目前，我国对单位重 量的蚕卵个数指标的检测都是通过肉眼辨别，手工计数来完成。但由于蚕卵体积 小，数量多，工作量大，单调乏味，工作人员眼睛极易疲劳，效率低，从而检测 结果存在精确度较低和主观性强的缺点。同时，手工检测这种传统的手工计数方 法如果操作不当，还容易损伤蚕卵，直接影响到经济效益。而以计算机为载体的 数字图像处理方法，可提高蚕卵计数效率，降低操作人员的劳动强度，检测结果 更为客观，同时辅以计算机的数据管理功能，提高了检测的自动化程度。因此， 利用数字图像处理技术对蚕卵进行计数具有自动，客观和快速的特点，因此，受 到学界的广泛关注。 数字图像处理的主体是图像，可是由于噪声、光照以及物体本身的相互粘连 等情况，采集后的图像质量总是会受到不同程度的影响，所以如何有效地对这类 图像进行处理是本文分析研究的重点。传统的方法是采用图像分割技术首先提取 主体，然后才进行后续处理。但是如果图像中存在粘连或者部分重叠的现象往往 导致分割的不完整，给图像的后续分析处理带来很大的麻烦。针对这一问题，本 文将粘连的非均匀背景蚕卵图像作为分析和处理的对象，提出了一种基于网格模 型的处理方法，该方法采用机器学习的新策略，有效避免了硬分割的过程。另外， 本文还提取出了一种有效的纹理特征来提高了s v m 输出的准确率。通过实验结果 的对比，证明了本文所提出的方法具有良好的鲁棒性和准确性。研究成果对粘连 图像的数字处理具有一定的理论指导意义和工程应用价值。 关键词：粘连物体，图像分割，s v m ，纹理特征，网格模型 4 一 一 第一蕈绪论 r e s e a r c ho nt h e a l g o r i t h m o f c o u n t i n g a d h e s i v eo b je c t s m a j o r ：si g n a la n di n f o r m a t i o np r o c e s s i n g a u t h o r ：y uj i e s u p e r v i s o r ：p r o f x i a og u o q i a n g a b s t r a c t a l o n g 、析t l lt h er a p i dd e v e l o p m e n to ft h ec o m p u t e rt e c h n o l o g y , t h ea r t i f i c i a l i n t e l l i g e n c ea n dt h em i n ds c i e n c er e s e a r c h d i g i t a li m a g ep r o c e s s i n gg o e sf o rt h eh i g h e r a n dd e e p e rl e v e l i tw a sj u s tu s e df o ri m p r o v i n gt h ei m a g eq u a l i t yi nt h ee a r l yt i m e ， h o w e v e r , 谢t l lt h et i m eg o i n g ，i tt a k e st h ep r o b l e mo fb o wt oe x p l a i ni m a g e sb y c o m p u t e rs y s t e ma n db o wt or e a l i z et h es i m i l a rh u m a n i t yv i s i o ns y s t e mt ou n d e r s t a n d t h eo u t s i d ew o r l dt h es t a g ea st h em a i ng o a l i nt h es e r i c u l t u r ed o m a i n , t h ec o u n t i n go ft h es i l k w o r mo v u ma u t o m a t i c a l l yh a s b e e nab i gd i f f i c u l t yw h i c hr e s t r i c t si t sd e v e l o p m e n t a tp r e s e n t ，w eh i tt h et a r g e to f c o u n t i n gt h es i l k w o r mo v u m su n i tw e i g h t sb yt h en a k e de y ed i s c e r n m e n tm a n u a l l y b u t f o rt h es i l k w o r mo v i i i t ii ss m a l la n di t sq u a n t i t ya r es om a n yt h a ti tl e a d st ot h eb i gw o r k l o a da n dt a s t e l e s sm o n o t o n o u sf e e l i n gf o rt h eo p e r a t o r s m o r e o v e r , i fo p e r a t e d i m p r o p e r l y , i ti sa l s oe a s yt od a m a g et h es i l k w o r mo v u mw h i c hi m m e d i a t e l yi n f l u e n c e s t h ee c o n o m i ce f f i c i e n c y b u ti ft a k e st h ec o m p u t e ra st h ec a r r i e re x p l o r i n gt h ed i g i t a l i m a g ep r o c e s s i n gm e t h o d ，i tc o u l di m p r o v et h ec o u n t i n ge f f i c i e n c ya n dr e d u c e s o p e r a t o r s l a b o ri n t e n s i t y a tt h es a m et i m e ，t h et e s t i n gr e s u l ti sm o r eo b j e c t i v ea n dt h e d e t e c t i n gp r o c e s sa u t o m a t i o ni se n h a n c e dw i t ht h ea u x i l i a r yf u n c t i o no fc o m p u t e r sd a t a m a n a g e m e n ts i m u l t a n e o u s l y t h e r e f o r e ，f o rt h ea u t o m a t i c ，o b j e c t i v e a n dt h ef a s t c h a r a c t e r i s t i co ft h ed i g i t a li m a g ep r o c e s s i n gt e c h n o l o g yi nt h ec o u n t i n go fs i l k w o r m o v u ma u t o m a t i c a l l y , i tb e c o m e sr e s e a r c hk e yi nt h ew o r l d t h em a i nt a r g e to ft h ed i g i t a li m a g ep r o c e s s i n gi sa ni m a g e ，b u tf o rt h er e a s o no f n o i s e ，i l l u m i n a t i o na sw e l la so b j e c t sm u t u a la d h e s i o ns i t u a t i o n sa n ds oo n , t h eq u a l i t y o ft h eg a t h e r i n gi m a g e sw i l la l w a y sb ei n f l u e n c e di nd i f f e r e n td e g r e e ，t h e r e f o r e ，b o wt o f i g u r eo u tt h i sk i n do fi m a g e si sk e ys t u d yp o 硫i nt h i sa r t i c l e n l et r a d i t i o n a lp r o c e s s m e t h o di st ou s et h ei m a g es e g m e n t a t i o nt e c h n o l o g yf t r s t l y , a n dt h e nc a r r i e so nt h e u i 西南大学硕十学位论文 f o l l o w i n gp r o c e s s i n g b u ti fi th a st h ea d h e s i o no rt h ep a r to v e r l a pp h e n o m e n o ni nt h e i m a g e ，i to f t e nc a u s e st h ei n c o m p l e t ed i v i s i o n s oi tb r i n g sb i gt r o u b l ef o rt h ef o l l o w i n g i m a g ea n a l y s i sp r o c e s s i n g t os o l v et h i sp r o b l e m ，an e wa l g o r i t h mb a s e do nm e s h m o d e li sp r o p o s e d i tm a k e sf u l lu s eo fm a c h i n e - l e a r n i n gt oa v o i dt h ep r o c e s so f s e g m e n t a t i o n ，a n dt h e nt h ec o u n t i n gr e s u l ti sg i v e nd i r e c t l yb ys v m m o r e o v e r , i ta l s o g i v e sa ne x t r a c t i o no fe f f e c t i v et e x t u r ef e a t u r ea n di m p r o v e st h ep r e c i s i o no fs v m c o m p a r e d 、析t l lt h et r a d i t i o n a la l g o r i t h mb a s e do ns e g m e n t a t i o n , e x p e r i m e n t a lr e s u l t s s h o wt h eh i g hp e r f o r m a n c ei nb o t hr o b u s t n e s sa n dp r e c i s i o no ft h ep r o p o s e dm e t h o d k e yw o r d ：a d h e s i v eo b i e e t s ，i m a g es e g m e n t a t i o n ，s v m ，t e x t u r ef e a t u r e ，m e s h m o d e l i v t 第一章绪论 第一章绪论 数字图像处理技术，就是利用计算机和其它高速的、大规模的集成数字电路， 将图像信号转换成数字信号并利用计算机对其进行处理的过程，以提高图像质量 或达到人们预期的结果，因此也称为计算机图像处理，如对信息微弱的图像进行 增强处理、对被噪声污染的图像去噪处理、从犯罪现场提取指纹特征、对图像进 行压缩编码、对失真的图像进行几何校正等等n 1 。数字图像处理的精度较高，改变 软件即可变换处理的方法，灵活方便，目前已发展到了实用化和普及化应用的阶 段。 数字图像处理技术于2 0 世纪5 0 年代提出，当时的计算机已经发展到可以用 来分析和处理图形和图像信息的水平。早期的图像处理主要是以改善图像质量为 目的。在早期图像处理中，输入的是质量较低的图像信息，输出的是改善质量后 的图像信息。常用的图像处理方法包括图像增强、复原、编码、压缩等几种窿刊。 近年来，随着不断的探测和研究，数字图像处理技术在不同的领域中都发挥了巨 大的作用，因此，数字图像处理技术已经成为一门引人注目、前景远大的新型学 科，得到了广泛的关注。 1 1 研究的目的及意义 从7 0 年代中期开始，计算机技术和人工智能、思维科学研究的迅速发展，使 得数字图像处理技术向更高、更深层次的方向发展。人们已从简单的提高图像质 量的研究转向如何利用计算机系统解释图像，并且实现类似人类视觉系统理解外 部世界，即图像理解或计算机视觉。国内外的一些研究机构、高校及企业都投入 了很多的人力、物力到这项研究，特别是一些发达国家，在数字图像处理方面取 得了不少重要的研究成果。 在蚕业领域中，蚕卵计数一直是困扰其发展的一大难题，并且对蚕业生产有 极其重要的影响。目前，我国对单位重量的蚕卵个数指标的检测都是通过肉眼辨 别，手工计数来完成。但由于蚕卵体积小，数量多，工作量大且乏味，工作人员 眼睛极易疲劳，效率低，统计结果易受检验员的主观因素影响，从而检测结果存 在精确度较低和主观性强的缺点。另外，传统的手工检测计数方法如果操作不当， 容易损伤蚕卵，直接影响蚕业的经济效益。因此，一种基于数字图像处理的蚕卵 的自动计数方法显得尤为重要，该方法用计算机视觉来代替人工进行蚕卵的检测 和计数，可提高效率，降低操作人员的劳动强度，使得检测结果更为客观，同时 辅以计算机的数据管理功能，提高了检测的自动化程度。相对于传统的蚕卵计数 方法，基于数字图像处理技术的计数方法具有自动，客观和快速的特点。由此可 见，用计算机视觉来取代人工而进行蚕卵的检测与计数的方法必然会成为研究的 两南大学硕十学位论文 重点，是今后的一个发展趋势畸1 。本文以粘连的非均匀背景蚕卵图像为分析和处理 的对象，进行粘连图像的数字化处理研究，研究成果对粘连图像的数字处理具有 一定的理论指导意义和工程应用价值。 1 2 国内外研究状况的概述 蚕卵图像中常常存在蚕卵粘连甚至部分重叠的现象，因此，统计的蚕卵数目 会产生很大的误差。为了提高计数的精确度，传统的方法是在计数前对粘连的蚕 卵分离。近年来，相关学者在粘连颗粒物的图像分离方面做了大量的研究工作， 并且产生了诸多算法1 ，较为常见的有以下几种。 一是y o r o n o 算法，广泛应用于可以获得主体颗粒中心标记的图像处理中，以 分割主体颗粒区域 7 。但是，如果主体颗粒粘连在一起，易引起分割结果模糊， 从而导致分割的失败。二是种子分水岭算法( s e e d e dw a t e r s h e d ) 8 ，主要用在主 体颗粒的中心及边缘都容易获得的图像处理中，此方法一般能分割出较为明显的 颗粒边缘 9 。但是该方法存在过分割的现象，从而将不相关的背景部分也包含到 分割后的主体颗粒中。此外，该算法的性能对于初始种子点的选取位置的依赖性 很强，如果初始选取的位置放置不当，很容易产生令人不满意的结果。三是种子 区域增长法 1 0 - 1 1 ，该方法以一组“种子 点开始，将与种子点性质相似( 如灰 度级或颜色的特定范围) 的相邻像素点附加到生长区域的每个种子点上。由于区域 生长法直接以颜色空间为基础，且在分割的过程中同时考虑了色彩分布以及空域 上的重新划分情况，因此该方法在彩色图像的分割研究中得到了广泛的关注。但 是，种子区域生长技术法通过一系列的初始种子点来控制算法效果，这种通过人机 交互的方式确定种子点的方法往往会导致种子点的选择不准确。四是基于数学形 态学图像处理方法，它的基本思想是用一定形态的结构元素去度量和提取图像中 的对应形状以达到对图像分析和识别的目的。数学形态学最大的优点就是能够将 大量复杂的图像处理运算转换成最基本的位移和逻辑运算的组合。它便于并行处 理和硬件的实现，同时算法设计灵活，大大提高了图像处理的速度。数学形态学作 为一种非线性处理方法，已发展成为图像处理的一个重要研究领域，将数学形态学 的思想用于粘连物体的计数也成为近年来图像处理研究工作的热点之一。但是选 取合适的结构元素通常是此方法的一大难题，因为它是直接影响到形态运算的效 果，通常要根据具体情况来确定。 由此可见，基于上述方法进行计数时，都是在对原始图像进行硬分割之后进 行的，所以这些方法对图像的分割质量要求很高。本文的研究对象蚕卵颗粒的图 像与背景图像之间存在着一个过渡带，特别是粘连或者部分重叠的蚕卵间存在阴 影时，蚕卵的自动分割就会更加困难。如果分割的结果不准确，进而会造成二值化 2 第一苹绪论 鼍皇曼曼皇罾量舅量曼曼皇舅量量曼皇曼皇曼舅舅曼曼曼曼曼曼! 曼曼曼曼皇曼罾鼍量皇曼尝曼曼曼舅量舅曼量鼍曼曼曼曼置尝曼曼量i；i i i 曼曼曼曼舅曼曼皇曼曼曼皇量曼 后得到的蚕卵图像不能准确地反映蚕卵的实际轮廓，从而使得分离和计数失败。因 此，基于传统的图像分割的方法往往存在无法避免的局限性。 1 3 研究内容及结构安排 本文以粘连的非均匀背景蚕卵图像为分析和处理的对象，首先研究并分析了 传统的基于图像分割方法的处理模式，即首先使得粘连的主体从背景中分离出来， 然后采用数学形态学的方法分离粘连的主体，进而最终统计得到粘连主体的数目。 在此基础上分析了多种不同的图像处理方法的适用性和局限性，最终提出了一种 新的基于网格模型的粘连物体的处理模式，该方法利用了s v m 机器学习的新策略， 有效得避免了图像硬分割的过程。另外基于纹理分析的重要性，本文还提取出一 种有效的纹理特征来提高s v m 输出的准确率。本文的主要工作可以归纳为以下几 个方面： 1 对粘连物体图像常用的传统处理算法进行了概述，重点介绍了目前常用的 用于图像分割的各种算法，并且分析了各种算法在应用中的优缺点，为以后的粘 连物体图像的分析和处理提供了依据。 2 针对粘连蚕卵物体的特性，提出了一种新的基于网格模型的处理模式，并 且以支持向量机为基本框架，能直接得到主体和背景分类的算法，有效地提高算 法计数精度的性能。 3 根据本文提出的算法设计并分析实现了一个适用于由彩色工业摄像机采 集的蚕卵图片进行自动计数的系统，能实时有效地完成此类图像的自动计数的功 能，并对各种不同类别的蚕卵具有一定的适用性。最后本文还提出了算法需要改 进的地方。 本文总共分为五章，各章主要内容安排如下： 第一章：首先介绍了论文的立题依据以及研究背景，同时也介绍了粘连物体 图像处理算法的研究现状和未来趋势。最后对本文的主要工作做了简要归纳总结。 第二章：介绍了数字图像处理中相关理论的算法和处理技术，包括图像采集 结构以及图像预处理技术等相关算法的研究，为文章的后续工作打下理论基础。 第三章：详细介绍了传统的基于图像分割的各种算法的优缺点以及适用性， 在理论分析的基础上，证明了传统的基于图像分割方法的局限性，并由此为基于 网格模型新理论的提出提供了理论依据。 第四章：在基于支持向量机的目标分类算法基础上，作者提出了一种新的粘 连物体计数算法的框架，该方法利用目标识别的方法，采用基于网格模型来判断 和识别主体和背景，并介绍实验的设计部分，从而有力地证明了本文所提出算法 较高的鲁棒性和准确性。 西南大学硕十学位论文 第五章：总结全文工作，并就基于网格模型的粘连物体计数算法的进一步可 能性的改善做出展望。 第二章图像分析和处理技术 第二章图像分析和处理技术 数字图像处理技术，就是利用计算机和其他高速的、大规模的集成数字电路， 将图像信号转换成数字信号并利用计算机对其进行处理的过程，以提高图像质量 或达到人们预期的结果为目的，因此也称为计算机图像处理，如对信息微弱的图 像进行增强处理、对被噪声污染的图像去噪声、从犯罪现场提取指纹特征、对数 据量过大的图像进行压缩编码、对失真的图像进行几何校正等等。数字图像处理 的精度较高，改变软件即可变换处理的方法，灵活方便，目前已发展到了实用化 和普及化应用的阶段。 2 1 图像分析和处理技术概述 数字图像处理技术主要来源于两个应用领域：一是为了便于分析而改进图像 信息；二是为了使机器能够自动辨识和理解而对图像数据进行存储、传输以及显 示。为了达到进一步研究和分析图像的目的，需要对图像进行分析与处理。图像 处理简单来说就是遵循特定的目标，用一系列特定的操作来“改造 图像信息n 引。 我国相关学者从2 0 世纪7 0 年代后期在数字图像处理方面，开始了较大规模 的分析和研究，使得我国的数字图像处理技术慢慢跻身于世界领先水平。数字图 像处理技术的发展异常迅速，目前己成为信息科学、工程学、统计学、计算机科 学、物理学、化学、生物、医学甚至社会科学等领域的研究和学习对象。如今， 数字图像处理技术已经给人们带来了巨大的经济和社会效益。不久的将来，数字 图像处理技术不仅在理论上会有更进一步的发展，在应用上也将成为社会生产、 科学研究乃至人类科学中不可或缺的强有力工具。 计算机只能处理数字信号，而一般待处理的图像却是其他形式的，因此，数 字图像处理的一个前提就是如何将图像转化为数字信号的形式。一般来说，普通 的计算机系统装备了专用的图像数字设备之后，就成为了一个数字图像处理的工 作站。在数字图像处理技术发展的初期阶段，把图像数字化的专用设备极其昂贵 和复杂，因此，只有极少数的研究单位和公司才拥有。但随着社会的发展和进步， 目前这些设备已经相对比较便宜并且应用广泛，常用到的主要有数字照相机、扫 描仪以及录像机等等。 图像的分析和处理技术的发展涉及到很多的基础理论知识，扎实的数理基础 以及相关边缘学科知识对其发展有很大的影响。总而言之，数字图像处理技术是 一个涉及多学科的综合性科学领域。 2 1 1 数字图像处理的主要方法 数字图像分析和处理的方法主要包括空域法和变换域法两大类。 西南大学硕士学何论文 1 ) 空域法 该方法把图像看作由平面中的所有像素点组成的集合，接着直接对这个二维函 数进行相应的处理。空域的处理方法主要有邻域处理法和点处理法两大类。 2 ) 变换域法 该方法首先对图像进行正交变换，以得到变换域系数阵列，进一步实行各种处 理方法，处理后再反变换到空间域，最后得到处理结果。这类处理方法主要分为： 数据压缩、滤波法、特征提取等几种。 2 1 2 数字图像处理的研究内容 数字图像处理的研究内容主要包含以下几个方面： 1 ) 图像变换 图像变换主要是指基于正交变换( 如小波变换、傅里叶变换、沃尔什变换、正 余弦变换等方法) 的性质及特点，将图像转换到变换域中进行相关的处理。 2 ) 图像增强 图像增强是指采用各种变换手段和数学的方法，进而提高图像的清晰度以及图 像中目标与非目标的对比度。 3 ) 图像复原 图像复原是把恶化了的图像恢复到能够真实地反映出原景物图像的处理方法。 4 ) 图像分割 图像分割是数字图像处理的关键技术之一，是进一步进行图像分析、识别和理 解的前提和基础。它主要是提取图像中有意义的特征。这些特征主要包括图像中 物体的边缘、区域、目标等。 5 ) 图像描述 图像描述是对图像识别和理解的前提条件。最简单的二值图像可采用其集合特 性来描述物体的特征。对三维物体的描述方法主要有体积描述、表面描述、广义 圆柱体等。 6 ) 图像压缩编码 图像编码是指把数字化后的图像数据按照一定的规则进行排列或者运算的过 程。图像压缩编码是指基于图像本身的内在特性，通过一些特殊的编码方式，进 而使原图像数据时空占有量减少的处理。 7 ) 图像识别 图像识别属于模式识别的范畴，它的主要内容是图像在经过某些预处理( 增强、 复原、压缩等) 之后，进行图像分割以及特征提取，从而进行判决分类。图像分 类常用的经典的模式识别方法主要有句法模式分类和统计模式分类两种。近年来 6 第二章图像分析和处理技术 皇曼曼曼曼曼曼量量量曼曼曼曼量曼量曼曼曼量墨罡皇曼曼量詈曼量曼曼舅i i i w 新兴的人工神经网络模式分类以及模糊模式识别在图像识别中受到了越来越多的 重视。 2 2 图像处理系统的部件 数字图像处理系统如下图2 1 所示。 i 图像输入设备h 模拟数字h 主机h 数字模拟h 监视器 上丁上i 键盘显示器 图2 1 数字图像处理系统 感知部分用来获取数字图像，主要包括两个设备：物理设备和模数转换器。前 者要求对成像物体发射出的能量很敏感；后者是主要是把物理装置的输出转换为 数字信号。 特殊的图像处理硬件一般由执行其他原始操作如算术逻辑单元( a l u ， a l g o r i t h ml o g i c a lu n i t ) 的硬件以及数字化器组成，其中算术逻辑单元对图像 执行的是并行操作。 图像处理系统中的计算机范围从p c 机到超级计算机，属于通用的计算机。有 时也采用定制的计算机以在专门的应用中达到所要求的性能水平。但是，图像处 理系统才是最需要关心的。在这些处理系统中，几乎任何配置较好的p c 机都适合 用于完成离散图像处理的任务。 图像处理软件一般由执行特殊任务的特殊模块组成。为用户编写代码的能力是 一个设计优良的软件包所必需的：比如可以使用专用的模块完成最小化的任务。 完善的软件包允许这些模块和至少使用一种计算机语言编写而成的通用软件命令 集成。 目前，彩色电视监视器( 或者更好一些的平面屏幕) 是主要的图像显示器。监 视器包含图像和图形显示卡驱动，它们属于计算机系统的组成部分。 硬拷贝装置用于记录图像信息，主要包括：胶片照相机、喷墨装置、激光打印 机、热敏装置以及数字单元( 如c d r o m ) 等。 目前在网络中所使用的计算机系统中几乎都是默认的功能，因为大数据量信息 在图像中的处理是固有的，在图像传输过程中主要考虑的是带宽问题。而在专用 的网络中这并不是一个主要的问题，但是通过互联网而进行远程通信就并非如此 了。幸运的是，由于光纤和其他的宽带技术的发展，这一状况正在被迅速地得到 改进。 7 西南大学硕七学位论文 2 3 图像预处理方法 对图像的最低层在抽象层次意义上进行的图像变换操作称为图像预处理，图像 是这种处理方法的输入与输出。图像预处理一般不会对所处理的图像增加己有的 信息量，反而会使某些图像的信息量降低，从信息论的角度来看，最好的预处理 方法是没有预处理方案。然而，预处理在很多情况下具有非常重要的价值，因为 它有助于抑制和消除一些特殊的与图像处理和分析无关的信息。预处理的目的主 要包括：改善图像的数据信息，抑制不需要的噪声污染，增强后续处理的某些重 要的图像特征信息。 通常图像预处理的方法n 3 1 主要有图像增强( i m a g ee n h a n c e m e n t ) 、图像复原 ( i m a g er e s t o r a t i o n ) 以及图像平滑( i m a g ef i i t e r i n g ) 。 局部预处理方法根据图像预处理目的不同，分为两种情况，一是平滑 ( s m o o t h i n g ) ，它的主要目的是抑制噪声或者其它的小波动情况，这等同于在傅立 叶变换域中抑制图像信息的高频成分。但是，此方法的缺点是图像平滑在抑制噪 声过程的同时也模糊了所有含有明显图像边缘的重要信息。二是梯度操作数 ( g r a d i e n to p e r a t o r ) ，它是基于图像函数的局部导数，反映的是图像函数快速变 化率。图像函数变化越大，其导数的值也就越大。反之亦然。梯度操作数可以使 图像信息中显示突变量的位置，但另一方面，它也抬高了噪声的水平。显然，梯 度操作数和平滑操作是相互抵触的。 本文只对采集的图像进行抑制噪声污染操作，因此下面仅重点介绍图像的局部 预处理方法中的图像平滑算法。 2 3 1 图像平滑 图像平滑n 钔，又称图像平滑滤波，它是数字图像处理技术的一个重要方面。它 的主要目的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，或称低通滤波。由前面的介绍得知，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，图像平滑的直观结果是 去除或衰减图像噪声和假轮廓的同时图像变得比处理前模糊了，模糊的程度要看 平滑过程中高频成分的衰减程度而定。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，也就是图像细节损失的越多。因此在对图 像作平滑处理的过程中，要兼顾二者的不同作用。 假设f ( x ，j ，) 是含有噪声或假轮廓的图像，或称作待处理的数字图像，g ( x ，y ) 为 经平滑处理以后得到的图像，则图像平滑可用下式表示： 8 第二章图像分析和处理技术 g ( x ，y ) = ( x ，y ) 牛办( x ，j ，) = h ( m ，n ) f ( x - m ，y r 1 ) - - ( 历，n ) h ( x - m ，y - n ) ( m ，n ) g a( m ，n ) e a ( 2 1 ) 式( 2 1 ) 中，h ( x ，y ) 为低通滤波器的脉冲响应函数，a 为h ( x ，y ) 的作用域，mn 均为正整数。上式是在空间域图像平滑的表示。对应空间频率域，可用式( 2 2 ) 表示： g ( u ，v ) = f ( u ，v ) h ( u ，d ( 2 2 ) 式( 2 2 ) 中，g ( u ，) ，f ( u ，) 分别是g ( x ，y ) 和f ( x ，y ) 的傅里叶变换，h ( u ，1 ，) 是低通滤波器的传递函数。 按式( 2 2 ) 对图像做平滑处理的过程是：先把待处理图像做傅里叶变换，得 到f ( u ，) ；然后根据选定的h ( u ，v ) 按上式计算出g ( u ，) ；最后对g ( u ，) 做傅里叶 变换即可得到g ( x ，j ，) 。 图像平滑中方法中【1 5 。1 6 1 常用到的是邻域平均法和统计排序滤波技术。 1 ) 邻域平均法 消减麻点状噪声是邻域平均法的突出特点。若f ( x ，y ) 为待处理的图像，g ( x ，y ) 为处理后的图像，则邻域平均法图像平滑处理的数学表达式可表示为： 鼬2 万1 。娶( x - m , y - n ) 3 式( 2 3 ) 中，s 是预先确定的邻域( 该邻域不包括( x ，y ) 点) ，m 是邻域s 内 所包含的像素总数。 例如半径为1 的邻域可表示为： s i = ( x ，y + 1 ) ，( x ，y 1 ) ，( x + 1 ，y ) ，( x l ，y ) j ( 2 4 ) m = 4( 2 5 ) 而半径为芝的邻域可表示为： j s 压= ( x ，y + 1 ) ，( 薯y 1 ) ，( z + l ，y ) ，( x 一1 ，y ) ，( 工一l ，y 1 ) ，( 石一1 ，y + 1 ) ，( z + l ，少+ 1 ) ，( 工+ l ，y 1 ) ( 2 6 ) 对应m = 8 。上式也可用卷积形式表示，即 如力= 八五力办k 力= 办砂他一鸭少一功 ( 2 7 ) ( 卅 ，1 ) 爿 显然，对应半径为1 的邻域，其h ( x ，y ) 可表示为： r 0 1 0 三l l o1i( 2 8 ) 4 卜1ol 而对应半径为2 的邻域，其h ( x ，y ) 可表示为： 9 两南大学硕士学位论文 ! n 、旺9 ， 8 ll 11i 半径为其他值的邻域和与之对应的h ( x ，y ) 可类似地求出。 如前所述，图像经平滑处理以后，会产生一定程度的模糊效应，为减轻这种 模糊效应，可以采用另一种邻域平均法，即取阈值的邻域平均法。其基本原理是， 一个窗1 2 1 ( 3 3 ，5 5 等) 沿图像移动( 逐行逐列) ，先求出窗口中待处理像素以外的 全部像素灰度值的平均值。如果待处理像素的灰度值与这个平均值之差的绝对值 超过了某一预先确定的阈值，则该像素的灰度值用平均值来代替；否则，保持该 像素的灰度不变。 取阈值的邻域平均法的数学表示为： ( f ( x , y ) - 击。星( x - m , y - n ) 吩川一击。留c 扩刀， ( 2 1 0 ) 式( 2 1 0 ) 中，t 为预先规定的阈值。在实际操作过程中，t 选择的合适与否 是非常重要的。若t 选择得太大，则会减弱噪声的去除效果；若t 太小，则会减 弱图像模糊效应的消减效果。 2 ) 统计排序滤波 统计滤波器是一种非线性的空间滤波器。它的响应是基于图像滤波器包围的 图像区域中像素的排序，然后由统计排序结果决定的值替代中心像素的值。中值 滤波器是统计滤波器中最常见的。它用像素( 在中值计算中包括的原像素值) 邻 域内灰度的中值替代该像素的值。中值滤波器的使用非常普遍，这是因为对于一 定类型的随机噪声，它的去噪能力优秀，相对于小尺寸的线性平滑滤波器，它的 模糊程度明显要低。中值滤波器在处理脉冲噪声( 也称为椒盐噪声) 方面非常有 效，因为这种噪声是以黑白点叠加在图像上的。 对于一个离散序列是s l ，s 2 ，s n ( n 为奇数) ，其中必然存在一个数值s i ，它 大于或等于序列中的( n 1 ) 2 个元素值，同时又小于或等于该序列中的另外( n 1 ) 2 个元素值，这个s i 就是该离散序列中的中值。例如对灰度序列8 0 、9 0 、2 0 0 、1 1 0 、 1 1 0 ，如果按大小顺序排列结果为8 0 、9 0 、1 1 0 、1 1 0 、2 0 0 ，其中间位置上的灰度 值为1 1 0 ，则该灰度值序列的中值即为1 1 0 。 对于二维的数字图像而言，通俗的讲中值滤波就是用一个活动窗口沿途向移 动，窗口中心位置的像素灰度用窗口内所有像素灰度的中值代替。考虑到一般图 1 0 第二章图像分析和处理技术 像在二维方向上均具有相关性，因此，活动窗口一般选为二维窗口( 如 3 x 3 、，5 5 , 7 7 等) 。窗口的形状有方形、十字形、圆形或x 字形等。 使用二维中值滤波需要注意一下问题： ( 1 ) 具有丰富的尖项角几何结构的图像，一般采用十字形窗口，窗口大小最 好不要超过图像中最小有效物体的尺寸。否则，中值滤波后会丢失细小的几何特 征。图2 2 说明了这个问题。其中：图2 2 ( a ) 为原图像；图2 2 ( b ) 为3 3 的方 形窗口做中值滤波处理后的结果。可以看出，除尖角几何结构损失以为，中心部 分的几何结构信息也丢失了；图2 2 ( c ) 是用3 3 的十字形窗口做中值滤波的结 果，可以看出，图2 2 ( c ) 保留了更多的信息。 ( 2 ) 在进行二维中值滤波时，需特别注意保持图像中有效的细线状及尖顶角 物体，如果图像中有较多的点、线和尖项角细节结构，最好不要使用中值滤波法 做图像平滑处理。图2 说明了这个问题，其中，图2 3 ( a ) 为原图像；图2 3 ( b ) 为3 3 的方形窗口做中值滤波处理后的结果，点和线的细节均丢失了：图2 3 ( c ) 是3x3 的十字形窗口中值滤波后的结果，可以看出，虽然保持了线状细节，但丢 失了点状细节。这就是中值滤波在滤除噪声的同时所存在的副作用。 ll l5 l5 15 l5 l5 l5 1l ll 55 55 53 5 3 55 5s ll ll 55 55 s5 s5 55 55 ll ll 5l 5l 5l 5l 5l 5l ll ll l l l5 l5 l5 l5 ll ll ll 55 -1 ) 55 55 55 55 ll ll 55 55 55 55 55 55 ll ll ll 5l 5l 5l 5l ll ll 图1 ( a )图1 ( b )图1 ( c ) 图2 2 十字形窗口和方形窗口的滤波对比 ( a ) 原图( b ) 经方形窗口处理后( c ) 经十字形窗口处理后 0o oo ol oo oo ol oo oo oo oo oo oo oo oo 00 oo lo lo lo lo lo lo lo lo oo oo oo oo eo o8 oo oo oo oo 0o 00 oo oo oo o0 oo o0 o0 oo o0 oo oo oo oo oo oo oo oo oo oo 0o o0 o0 00 oo oo oo oo o0 oo0olo0 ooooioo ooo o l oo ooo0loo ooool0o ooooloo ooo0loo oo ooio0 图2 ( a )图2 ( b ) 图2 ( c ) 图2 3 中值滤波对细小结构的作用 ( a ) 原图( b ) 经方形窗口处理后( c ) 经十字形窗口处理后 西南大学硕十学何论文 邻域平均或加权平均可以平滑图像，反过来利用对应微分的方法可以锐化图 像。图像处理中最常用的微分方法是利用梯度( 基于一阶微分) 。对于一个函数 f ( x ，y ) 在其坐标( x ，y ) 上的梯度是通过一个二维列矢量来定义的： w 捌= 锄 磷 匆 ( 2 1 1 ) 这个矢量的模值有式( 2 1 4 ) 给出： 严1 三 v f - , n 昭( 夥) = l a x 2 a t - g y 2 斗争酬2 ( 2 1 2 ) 尽管梯度矢量的分量本身是线性算子，但这一矢量的模值显然不是线性的， 这是由于用了平方和开放运算。另外，( 2 1 1 ) 式中的偏导数并非是旋转不变的( 各 项同性) ，但梯度矢量的模值却是各向同性的。尽管这样说在严格意义上并不正确， 但我们一般把梯度矢量的模值称为梯度。 当对整幅图像进行( 2 1 2 ) 式的计算时运算量很大，因此，在实际操作中，常 用绝对值代替平方与平方根运算近似梯度的模值： 可l g ，i + i g y i ( 2 1 3 ) 式( 2 1 3 ) 计算起来较为简单并且保持着灰度的相对变化，但各向同性特性通 常就不存在了。对上述公司定义数字近似方法，并由此得出合适的滤波掩膜。为 了便于讨论，我们使用图2 4 ( a ) 中的符号来表示3 3 区域的图像点。例如，若 中心点z ，表示f ( x ，y ) ，那么z l 就代表f ( x -