【《机织物基本瑕疵检测中图像的预处理分析案例》1200字】

机织物基本瑕疵检测中图像的预处理分析案例目录TOC\o"1-3"\h\u8690机织物基本瑕疵检测中图像的预处理分析案例 1285381.1机织物图像的灰度化处理 1248761.2基于高斯滤波器的图像去噪处理 395691.3基于直方图均衡化的图像增强 4215861.4基于MATLAB的图像预处理结果与分析 4在实际的工业应用中，由于噪声、光线、设备、温度等原因，在图像的采集过程往往会受到各种干扰，达不到我们想要的效果。但是图像质量的优劣会直接影响后期对图像细节的识别和处理效果的精度，极大程度上影响我们实际图像处理。所以，此时需要先对图像进行预处理操作。1.1机织物图像的灰度化处理本文利用MATLAB软件对图像进行仿真。在图像预处理之前，需要对采集的图像先进行灰度化操作，采用函数imread读取瑕疵图片，函数rgb2gray进行灰度化处理。本文特选取以下六种最常见的机织物疵点进行检测：带纱、断纱、棉球、脱纱、破洞、污渍。处理结果如下：（1）带纱图1.1带纱的灰度图像（2）断纱图1.2断纱的灰度图像（3）棉球图1.3棉球的灰度图像（4）破洞图1.4破洞的灰度图像（5）脱纱图1.5脱纱的灰度图像（6）污渍图1.6污渍的灰度图像1.2基于高斯滤波器的图像去噪处理实际中的图像常受一些随机误差的影响变得不清晰，将这个随机误差称为噪声。噪声一般来源于两方面，图像的获取和图像信号的传输、处理过程。图像信息大部分在低频段和中频段的范围内集中，而高频段中常受到噪声的干扰，因此在高频段需要一个平滑图像和去除噪声的滤波器。低通滤波器是让图像信息中的低频段通过，衰减或者滤除图像高频段中所含的噪声干扰，从而达到抑制噪声和增强图像的目的。本文采取高斯低通滤波器来减弱噪声影响。高斯滤波器的二维形式由下式表示：（1.1（1.1）由公式(1.1)，是一个非负整数，称为截止频率。在MATLAB软件中，见下图1.1，将高斯滤波器的Sigma参数设置为40，此时能够较好地处理图像中的噪声干扰，对比于理想低通滤波器，高斯滤波器的处理效果更加显著，也有着更加广泛的应用。图1.7MATLAB中直方图均衡化参数设置1.3基于直方图均衡化的图像增强图像增强是指通过对图像进行一系列技术手段操作，以增强图像信息，提高图像的清晰度，为后期的图像识别、检测等处理做好基础。本文选择直方图均衡化进行图像增强。直方图均衡化就是把一个已知灰度概率分布的图像，经过变换使得原图像的灰度概率密度均匀分布，最终使得图像的对比度增加，机织物的图像细节更加突出明显，表面的瑕疵也更加突出，有利于进行之后的图像处理。以连续随机变量为基础，变换函数与原图像概率密度函数之间的关系为：（1.（1.2）推至离散形式为：（1.3）（1.3）1.4基于MATLAB的图像预处理结果与分析对灰度图像依次进行高斯滤波器去噪、直方图均衡化增强图像细节，完成预处理工作。利用函数imhist显示图像的直方图。处理结果如下：带纱图1.8带纱预处理图像断纱图1.9断纱预处理图像（3）棉球图1.10棉球预处理图像（4）破洞图1.11破洞预处理图像（5）脱纱图1.12脱纱预处理图像（6）污渍图1.13污渍预处理图像实验结果表明，（a）为图像的灰度图像，（b）为图像经过二者的预处理图像，（c）对应灰度图像的直方图，（d）对应