图像处理技术

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,它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后,输出图像的质量得到相当程度的改善,既改善了图像的视觉效果,又便于计算机对图像进行分析、处理和识别。图像的增强图像增强处理技术一直是图像处理领域一类非常重要的基本处理技术。通过采取适当的增强处理可以将原本模糊不清甚至根本无法分辨的原始图片处理成清楚、明晰的富含大量有用信息的可使用图像,因此此类图像处理技术在医学、遥图像增强。在空间域对图像进行增强处理的方式有许多种,如增强对比度和动态范围压缩等等,但这些处理方式都是针对原始图像的每一个像素直接对其灰度进行处理的,其处理过程主要是通过增强函数对像素的灰度级进行运算并将运算结果作为该像素的新灰度值来实现的。通过改变选用的增强函数的解析表达式就可以得到不同的处理效果,这类处理方法比较灵活方便,处理效果也不错,但对于某些灰度分布很密集或对比度很弱的图像,虽然也能起到一定的增强效果但并不明显。对于这种情况就可以采用本文提出的灰度直方图变换方法将原始图像密集的灰度分布变得比较疏散,从而拉大图像的对比度并在视觉上达到明显增强的效果,使一些原本不易观察到的细节能变得清晰可辨。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,与对比度紧密相连。通常,在计算机中表示的一幅二维数字图像可表示为一个矩阵,其矩阵中的元0,1,……,2550~255。另外,人眼也只能分32图像的灰度变换处理是通过改变原始图像各像素在各灰度级上的概率分布来p(sk)=nk/nk=0,1,2……L-1),knkn,p(sk)sk动态范围情况,可以了解到图像灰度的主要集中范围。因此可以通过图像增强程序的干预来改变直方图的灰度分布状况,使灰度均匀地或是按预期目标分布于整个灰度范围空间,从而达到增强图像对比度的效果。这种方法是基于数理统计和概率论的,比直接在空间域对原始图像采取对比度增强效果要好得多。在实际应用中直方图的变换主要有均衡变换和规定变换两种,而后者又可根据灰度级映射规则的不同分单映射规则和组映射规则两种。一、直方图均衡化处理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t=EH(s)来完成的,t、s(x,y),EHEH(s)0≤s≤L-10≤s≤L-10≤EH(s)≤L-1,它s=EH-1(t)0≤t≤1(cumulativedistributionfunction,CDF)sttk=EH(sk)=∑(ni/n)=∑ps(si),(k=0,1,2……L-1)0k,根据该方程可以由原图像的各像素灰度值直接得到直方图均衡化后各像素的灰度tktk=[(N-1)*tk+0.5]对其sktkN得到所有的源图像各灰度级到目标图像各灰度级的映射关系,再按照新的映射关系对源图像各点像素进行灰度转换,即可完成对源图的直方图均衡化。下面是按照上述算法实现的部分关键程序代码。24BMP54R、G、B3for(DWORDi=54;ins_r[m_cpBuffer[i]]++;//ns_r[k]k,m_cpBuffer[i]前的灰度值i++;ns_g[m_cpBuffer[i]]++;//ns_gGi++;ns_b[m_cpBuffer[i]]++;//ns_bB}for(i=0;i<256;i++);//计算R、G、B三分量的直方图分布{ps_r[i]=ns_r[i]/((m_dwFileLen-54)/3.0f);//ps_r[iRi级出现的概率ps_g[i]=ns_g[i]/((m_dwFileLen-54)/3.0f);//ps_b[iGi级出现的概率ps_b[i]=ns_b[i]/((m_dwFileLen-54)/3.0f);//ps_b[iBi级出现的概率}R、G、B源和目标图像灰度之间的映射关系:for(i=0;i<256;i++){//计算累计直方图分布temp_r[i]=temp_r[i-1]+ps_r[i];temp_g[i]=temp_g[i-1]+ps_g[i];temp_b[i]=temp_b[i-1]+ps_b[i];//累计分布取整,ns_r[]、ns_g[]、ns_b[]保存有计算出来的灰度映射关系ns_r[i]=(int)(255.0f*temp_r[i]+0.5f);ns_g[i]=(int)(255.0f*temp_g[i]+0.5f);ns_b[i]=(int)(255.0f*temp_b[i]+0.5f);}最后按照计算出来的映射关系,把原图的原始灰度值映射到经过均衡化的新灰度级上。从实验结果可以看出原始图像太暗,根本看不清细节,而处理过的图像则比较清晰:for(i=54;i{m_cpBuffer[i]=ns_r[m_cpBuffer[i]];//Ri++;m_cpBuffer[i]=ns_g[m_cpBuffer[i]];//Gi++;m_cpBuffer[i]=ns_b[m_cpBuffer[i]];//对B分量进行灰度映射(均衡化)}二、单映射规则的直方图规定化处理前面的直方图均衡化处理方法从实验效果看还是很不错的,从实现算法上也可以看出其优点主要在于能自动增强整幅图像的对比度,但具体的增强效果也因此不易控制,只能得到全局均衡化处理的直方图。在科研和工程应用中往往要根据不同此时可以采用对直方图的规定化处理,通过选择合适的规定化函数取得期望的效MN(M≥N)对原始图进行处理:tk=EHs(si)=∑ps(si),(k=0,1,2……M-1)然后规定需要的直方图,并计算出能使规定的直方图均衡化的变换:vl=EHu(uj)=∑pu(ui),(l=0,1,2……N-1)ps(sipu(uj)中去。由于映射是在离散空间进行的,而且在取整时不可避免会引入误差,因此采取何种对应规则是一个很重要的问题。比较常Gonzalez1987(singlemappinglaw,SML),首先寻找能满足|∑ps(si)-∑pu(uj)|kl(ps()pu()的求和上限ps(si)pu(uj)中去。floata=1.0f/(32.0f*63.0f);//64,afor(inti=0;i<64;i++){nu[i]=i*4;pu[i]=a*i;}接下来对原始图和规定直方图计算累计直方图,在此不再赘述,重点是根据SML规则把ps(si)映射到pu(uj)中去:for(i=0;i<256;i++){……for(intj=0;j<64;j++){floatnow_value=0.0f;//R找到满足最小的灰度级if(ps_r[i]-pu[j]>=0.0f)now_value=ps_r[i]-pu[j];elsenow_value=pu[j]-ps_r[i];if(now_value{m_r=j;min_value_r=now_value;}……/GBR……}//ns_r[i]=nu[m_r];ns_g[i]=nu[m_g];ns_b[i]=nu[m_b];}在得到ps(si)到pu(uj)的映射关系后,按照该映射关系把原图的原始灰度值映射到经过均衡化的新灰度级上,以完成最后的处理。实验得到的按单映射规则对直方图规定化后的效果,同直方图均衡化处理效果相比,高亮度部分得到了充分的增强。三、组映射规则的直方图规定化处理单映射规则虽然实现起来比较简单直观,但在实际处理时仍存在不可忽视的取整误差,因此在一定程度上还不能很好的实现规定直方图的意图。可以通过在规定化直方图时选取适当的对应规则来改善,一种比较好的对应规则是组映射规则(groupmappinglaw,GML)。这种规则的约定如下:存在一维离散整数函数I(a),(a=0,1,2……N-1),0≤I(0)≤I(1)≤……≤I(a)≤……≤I(N-1)≤M-1。寻找能使|∑ps(si)-∑pu(uj)|I(a),ps(si)的求和区间为[0,I(a)],pu(uj)的求和区间仍为[0,a]。a=00I(0)pu(u0)中;1≤a≤N-1I(a-1)+1I(a)ps(si)都映射到pu(uj)中去。由于同单映射规则相比只是对应规则做了变化,因此编码部分只需将对应规则部分的代码根据上面介绍的组映射规则做必要修改即可:for(i=0;i<64;i++)//对规定直方图的灰度级进行枚举{……for(intj=0;j<256;j++)//对原图的灰度级进行枚举{floatnow_value=0.0f;//寻找对于R变量能满足差值最小的I(a),保存于A2_rif(ps_r[j]-pu[i]>=0.0f)now_value=ps_r[j]-pu[i];elsenow_value=pu[i]-ps_r[j];if(now_value{A2_r=j;min_value_r=now_value;}for(intk=A1_r;k<=A2_r;k++)//RG、B……}对原始图像应用本算法,实验得出的按组映射规则对原图做直方图规定化后的效果同单映射规则处理图像相比虽无太大变化,但在直方图分布和图像细节上更能体现出规定直方图的意图,而且通过下面的分析也可以看出组映射规则的误差要小得多。ps(si)pu(uj)SMLpu(uj)/2,GMLM≥N,pu(uj)/2≥ps(si)/2SMLGML出,SMLGMLGMLSMLSML图像的平滑图像的平滑处理技术即图像的去噪声处理,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,提取有用信息。众所周知,实际获得的图像在形成、传输、接收和处理的过程中,不可避免地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,均会使图像变质。因此,去除噪声,恢复原始图像是图像处理中的一个重要内容。在本世纪四、五十年代发展起来的线性滤波器以其完善的理论基础,数学处理FFT扰和其它形式的噪声干扰抑制效果差,信号边缘模糊。为此,1971究向纵深方向发展。图像的数据编码和传输数字图像的数据量是相当庞大的,一幅512*512个像素的数字图像的数据量为256K2552.4M/道速率意味着高投资,也意味着普及难度的增加。因此,传输过程中,对图像数据进行压缩显得非常重要。数据的压缩主要通过图像数据的编码和变换压缩完成。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,如果知道了某一像素的前面各相邻像素值之后,可以用公式预测该像素值。采用预测