【工件图像滤波算法分析案例4800字】

工件图像滤波算法分析案例目录TOC\o"1-3"\h\u7416工件图像滤波算法分析案例 [41]。σ1σ1越大，卷积核的差距越小，各距离下的像素点对灰度的影响越相近，对图像的平滑效果也越明显，但是过大的σ经典的空间域高斯滤波算法的标准差是手动选取的，这样的标准差可以适用于固定的使用场景，但是拓展性不是很高，可能换个使用场景就需要重新调整标准差的大小，同时在图像灰度离散程度较大或者较小的区域，固定的标准差使得图像的滤波效果也相同，没有差异化。所以论文设计针对空间域高斯卷积核的标准差σ1引入了区域内像素值的方差的概念，以期望达到动态调整标准差σ3×3区域内像素值的方差用D表示，具体计算如下：gDg为当前3×3区域内像素灰度值的平均值，gi,j为3×3方差D和标准差σ1都是描述区域内像素灰度值的离散程度的，论文设计了标准差σ1与方差σ此时，不同区域的空间域高斯滤波标准差σ1由该3×3区域内像素灰度值的方差D决定，对于区域灰度方差较大的区域，选择较大的σ1来加大对图像的平滑效果，区域内最大的灰度方差Dmax=16056，对应的标准差σ1max=19.37；对于区域灰度方差较小的区域，可以认为区域内离散程度较小，较小的通过区域灰度方差计算每一次卷积核模板的标准差σ1自适应灰度域高斯卷积核标准差计算灰度域卷积核的权重计算公式f灰度域高斯滤波卷积核的效果也是由标准差σ2决定的，当选择较大的标准差σ2的时候，灰度差较大的像素点也可以有足够的权重，这样对于一些灰度差小的边缘来说，灰度域权重值差不多，较容易被平滑，细小的边缘会消失，不能保住边缘部分；当选择较小的标准差所以，论文设计也选择基于图像局部的方差动态调整标准差σ2σ不同区域的灰度域高斯滤波标准差σ2由该3×3区域内像素灰度值的方差D决定，对于区域灰度方差较大的区域，选择较小的σ2来加大对图像的保边效果，区域内最大的灰度方差Dmax=16056，对应的标准差σ2min=0.141；对于区域灰度方差较小的区域，可以认为区域内离散程度较小，使用较大的分别计算出空间域和灰度域高斯卷积核的权重值，使用公式(3.3.6)得到最终的双边滤波卷积核的权重值。4自适应双边滤波算法实验与分析论文完成了对双边滤波卷积核权重值的改进算法，该算法基于空间域高斯卷积核与灰度域高斯卷积核，使用灰度图片的区域灰度方差计算图像上各个区域的标准差，然后使用高斯函数计算各个点的权重值，最后将空间域高斯卷积核与灰度域高斯卷积核相乘得到最终的自适应双边滤波卷积核的权重值，使用此卷积核对图像进行卷积计算，得到滤波后的工件图像。自适应双边滤波由于使用了图像的区域方差计算自适应的空间域和灰度域标准差对各种环境下的工件图片都有良好的适应性，对工件的平滑与保边做的更好。选择实际拍摄的工件图像，分别对其使用传统高斯滤波算法、双边滤波算法和自适应双边滤波算法进行滤波处理，得到的处理结果如图1.7所示。a、原图b、高斯滤波c、双边滤波d、自适应双边滤波图1.7高斯滤波、双边滤波和自适应双边滤波效果从上图b可以看到，由于传统的高斯滤波算法使用的是空间域高斯卷积核，只考虑了空间位置的权值，所以传统的高斯滤波算法要实现较好的去噪效果，就需要使用平滑程度较高的卷积核，这样处理过的图像上的工件边缘信息较少；图c中双边滤波算法对图像的平滑程度较好，边缘信息也有保留到，但是由于双边滤波算法的标准差需要按照实际的滤波图像进行手动设置，没有很好的适应性；图d中自适应双边滤波在保留