主頁（http://www.by236.com）：談監控圖像處理軟件包(2) ·拉普拉斯運算。拉普拉斯算子有時找到的邊緣是偽邊緣，特別是在圖像灰度變化不大的區域。因為這時小的灰度干擾(噪聲)便可能使二階導數產生過零輸出; ·Robinson邊緣檢測。Robinsons算子實際上是4個不同的模板，分別算出4個加權和，進行比較，取其中最大者作為最終結果。由于它考慮到了水平、垂直、45°、135°各個方向的灰度值的影響，所以通常濾除噪聲效果較好，邊界較清晰; ·Frei&Chen邊緣檢測等。 二值化 所謂二值化，就是通過設定閾值(threshold)把灰度圖像變換成僅用兩個值分別表示目標和背景的二值圖像。圖像二值化可根據下列的閾值處理(thresholding)來進行(見圖(1))。
通常，用最后的二值圖像g ( i , j )中的1值(亮)部分表示目標子圖，0值(黑)部分表示背景子圖。確定二值化閾值t的方法叫做閾值選擇，大多數的閾值選擇以圖像的灰度概率密度函數(直方圖)為依據。
二值化方法有： 1、非0像素置1法二值化 對于灰度圖像，把灰度值非黑的所有像素變為白，其他為黑，得到二值圖像。這種方法僅在背景象素多為黑時有效。 2、固定閾值法二值化 對于灰度圖像，小于閥值的像素變為黑，大于閾值的像素變為白，閾值由用戶輸入。當已經了解灰度直方圖的情況，且預先通過對直方圖的統計已經找到了目標與背景之間的閾值時，宜采用這種方法。 3、微分直方圖法二值化 微分直方圖法是設想圖像中的目標和背景之間的邊界灰度值急劇變化，此時利用灰度的變化率(微分值)來決定閥值。 噪聲消除 數字圖像中往往存在著噪聲干擾，如光電元件產生的隨機噪聲，數字化產生的量化噪聲等。這些噪聲與圖像信號可以是相加的或相乘的，這種噪聲干擾下的圖像可以用數字處理的辦法得到改善。消除圖像中的噪聲干擾的有效辦法是用局部平滑濾波，通過平滑濾波可以達到消除噪聲、提高圖像質量的目的。 濾波方法有：
圖3 3×3十字中值濾波和5×5十字中值濾波的數據形式 1、二值圖形麻點噪聲的濾除 對于二值圖像f，消去麻點噪聲。設圖像像素f ( i , j )周圍8個像素的灰度平均值為a，若| f ( i , j )-a |≤0.5時，則f ( i , j )黑白反轉;若大于0.5時則f ( i , j )不變。 2、3×3平均值濾波 對于灰度圖像f，設像素f ( i , j )周圍8個像素的灰度平均值為a，進行如下處理： ·若| f ( i , j )-a | ·若| f ( i , j )-a |≥e，則 f ( i , j )不變; ·程序中，誤差容限e由用戶指定。 3、中值濾波 中值濾波可以有效地去除脈沖噪聲。3×3十字中值濾波和5×5十字中值濾波的數據形式分別如圖3(a)、(b)所示。5×5十字中值濾波的效果比3×3十字中值濾波的效果要好，但計算時間要長。 4、多幀平均 多幀平均可以有效地去除雪花噪聲，具體做法是連續采集M幀圖像，每幀圖像的寬、高為H，V，多幀平均算法為式中，G (x , y)為輸出圖像，f (x , y , k )為第k幀的輸入圖像。 圖像量測 簡單的圖像量測包含量測兩點之間的距離以及計算閉合區間的周長、面積、重心等。其計算公式均相對簡單，一般測量的書藉資料中都有，這里就從略了。 |
