【苹果新鲜度检测算法中图像预处理流程分析案例2100字】

苹果新鲜度检测算法中图像预处理流程分析案例目录TOC\o"1-3"\h\u2373苹果新鲜度检测算法中图像预处理流程分析案例 1239421.1图像的灰度化 1117981.2图像的滤波去噪 2287001.3图像的增强 4317031.3.1灰度变换增强 4236661.3.2直方图增强 71.1图像的灰度化一开始采集到的苹果图像是彩色的RGB图像，如图2-1所示，背后一系列图像处理需要的彩色图像转化为灰度图像,这样做,既能提高算法的速度,也可以提高有效的系统的集成应用,实现更多的理想要求。所以灰度的图像已经成为必不可少的图像处理、图像灰度处理的过程中有以下三个方法,加权平均法、平均法、最大值法[13]。图2-1采集到的彩色苹果图像所谓平均法就是计算出RGB图像的R、G、B这三个分量的平均值，这种算法虽然操作起来比较简单，但是只适用于一些颜色分布比较均匀的图像，而不适用于那些图像比较暗的区域。而最大值法就是取RGB中值最大的一个，最大值处理后的图像亮度会很高。另一种比较好的方法就是用加权平均法，这样能够很好的避免由于人眼对颜色的敏感程度不同的问题，为了让得到的灰度图像更加理想，应该根据人们对颜色的敏感度选择合适的权重比。运用加权平均法灰度化处理图像，得到如下图2-2所示的灰度图像。图2-2将彩色图像进行灰度化1.2图像的滤波去噪图像噪声是由于一些不确定因素导致的，外部噪声主要指系统受到一些电磁波的外部干扰而引起的噪声，这些噪声很大程度上会对后面的处理过程造成影响，因此要先对图像进行去噪。有高斯噪声和椒盐噪声，而这些噪声的去除主要通过滤波的方法：均值滤波、中值滤波和小波变换法等。（1）均值滤波法是一种线性低通滤波的方法，信号的截止频率以内的允许通过，截止频率的不允许通过。其原理是通过求某一块邻域内像素的平均值来削弱噪声，对图像进行线性平均值滤波后，由于图像的边缘区域属于高频部分，导致所得图像边缘很很模糊。Imfilter函数就是线性滤波函数，常用模板大小为3*3的矩阵，如下式2-1所示：（2-1）对应的函数表达式如式2-2所示：（2-2）对灰度化的苹果图像通过均值滤波后可以得到如图2-3、2-4所示的图像。(a)(b)(c)图2-3加入椒盐噪声的均值滤波(a)原图像；（b)加椒盐噪声后图像；(c)滤波后图像(a)(b)(c)图2-4加入高斯噪声的均值滤波(a)原图像；（b)加高斯噪声后图像；(c)滤波后图像（2）中值滤波法是一种非线性低通滤波器，因此也就不像线性滤波那样只是简单的相乘和相加。使用nlfilter、colfilt函数可以实现非线性滤波。非线性滤波主要有中值滤波、顺序统计滤波以及自适应滤波等。使用中值滤波不仅能够去掉噪音还能很好的保护图像的边缘，中值滤波的效果比均值滤波要好是因为噪音的颜色比较突出。通过中值滤波可以得到如图2-5以及2-6所示的图像,可以清楚的看到滤波效果要比均值滤波的效果要好。(b)(c)图2-5加入椒盐噪声的中值滤波(a)原图像；（b)加椒盐噪声后图像；(c)滤波后图像(b)(c)图2-6加入高斯噪声的中值滤波(a)原图像；（b)加高斯噪声后图像；(c)滤波后图像（3）小波变换法具有低熵性，能够降低图像变换的熵；多分辨率，根据信号的频率来自动改变时间窗的大小，能准确地描述信号的边缘；还有去相关性以及选基灵活性；小波变换法是将图像多次进行小波变换，在变换域中处理图像，然后再用逆变换恢复图像，多次去噪的效果更佳。利用小波变换法实现去躁的方式可分为三种,一种是利用小波变换系数的相关性进行分类取舍,再进行重新组构图像。第二种是通过分离出图像的模极大值点和噪声的模极大值点,重新组建小波系数并恢复原图像。第三种就是利用小波阈值的去噪方法,这是最常用的一种方法,在MATLAB中主要使用wavedec和wrcoef等函数来实现,可以得到如图2-7所示的图像。图2-7经小波变换法得到图像1.3图像的增强对图像进行增强是为了能够更好的进行特征提取，增加灰度图中的背景对比度，减少其他琐碎的处理步骤，更好的突出图像的特征信息，这里选择空域的灰度变换增强以及直方图增强的方法来进行图像增强。1.3.1灰度变换增强对图像进行灰度变换之前要先获取图像的直方图，图像的直方图的获取通常使用MATLAB中的imhist函数，如下图2-8所示得到的直方图：图2-8用imhist函数得到的直方图图2-9彩色图像的的RGB直方图灰度变换增强的方法可以采用gamma变换以及对数变换[14]。（1）Gamma变换是一种非线性变换，对图像进行灰度变换增强时它的表达式如式2-3所示：（2-3）其中c为常数，如下图2-10所示，若伽马系数<1，则提升图像高灰度区域的对比度，若伽马系数>1，则提升图像的低灰度区域的对比度，可以根据ɤ的不同取值来对图像进行增强得到下图2-11不同伽马系数的灰度变化。图2-10不同伽马值的灰度曲线图2-11不同伽马值灰度变换得到的图像（2）对数变换也是一种非线性变换，它是先将原始图像中灰度窄的暗像素值扩展到灰度宽的亮像素值，然后再将灰度宽的亮像素值压缩至灰度窄的暗像素值，达到提升低灰度值的同时降低了高灰度值。它的一般表达式为2-4所示：（2-4）式中C为比例常数，r是初值，s为输出的目标值。图像经过对数变换后得到如图2-12所示的效果。图2-12通过对数变换得到的图像1.3.2直方图增强图像的灰度直方图运用了数学上数理统计的特征，不仅反映了灰度图像中每个灰度级出现的频率，而且反映