3-图像处理基础-第三章

2020年2月28日数字图像处理基础郏东耀主要内容1.介绍图像处理系统结构及常用软件。2.图像处理的方法：阈值分割与图像测量3.图像处理的方法：roberts梯度法及边缘检测4.一种简单图像识别方法：模板匹配2020年2月28日数字图像处理及其特点1.数字图像用计算机进行图像处理的前提是图像必须以数字格式存储，我们把以数字格式存放的图像称之为数字图像。常见的各种照片、图片、海报、广告画等均属模拟图像，要将模拟图像数字化后生成数字图像，需要利用数字化设备。数字图像处理的定义图像处理：对图像进行各种加工以改善图像的效果，为图像分析做准备。它是图像到图像的过程。点运算：灰度变换、阈值变换等几何变换：移动、旋转、扭曲校正等。图像分析：对图像中感兴趣的目标进行检测和测量(特征提取)，以获得客观的信息。它是图像到数据的过程。字符识别（OCR）、产品质量检验（目检）、人脸识别、边缘检测与提取、图像分割、模板匹配等。图像理解：研究图像中各目标的性质和其相互关系，理解图像的含义。自动驾驶、医学图像和地貌图像的自动判读理解等。图像处理、图像分析和图像理解的关系：2020年2月28日数字图像处理系统数字图像处理系统硬件早期的数字图像处理系统为了提高处理速度、增加容量都采用大型机。随着计算机性价比（性能价格比）日新月异的提高，以小型机为主的微型图像处理系统得到发展。主机为PC机，配以图像采集卡及显示设备就构成了最基本的微型图像处理系统。微型图像处理系统成本低、应用灵活、便于推广。特别是微型计算机的性能逐年提高，使得微型图像处理系统的性能也不断升级，加之软件配置丰富，使其更具实用意义。2020年2月28日图像处理系统示意图图像数字化设备输入图像图像处理计算机输出图像图像输出设备2020年2月28日图像处理系统软件微型图像处理系统既包含硬件设备，也需要一定的软件环境支持。目前，图像处理系统平台多为MicrosoftWindows或X-Windows，开发的主流工具为Microsoft公司的VC++。这是因为VC++是一种具有高度综合性能的软件开发工具，用它开发出来的程序有着运行速度快、可移植能力强等优点。2020年2月28日MATLAB是由美国MathWorks公司推出的用于数值计算的有力工具，它具有相当强大的矩阵运算和操作功能，并且MATLAB图像处理工具箱提供了丰富的图像处理函数，灵活运用这些函数几乎可以完成所有的图像处理工作，从而大大节省编写低层算法代码的时间，避免程序设计中的重复劳动，达到事半功倍的效果。但是，MATLAB强大的功能只能在安装有MATLAB系统的机器上使用图像处理工具箱中的函数或自编的m文件来实现，实际应用极为不便，且MATLAB使用行解释方式执行代码，执行速度很慢。MATLAB的图像处理工具箱图像处理系统一般使用256级灰度图像，即8位黑白图像，其1个像素由1个字节描述。0表示黑色，255为白色；其它中间灰度见图2。一个立方形物体的照片如图1所示。通过图像采集卡后，其像素矩阵如表1所示。2020年2月28日需要强调的是：在计算机中，图像被分割成像素（Pixel），各像素的灰度值用整数表示。一幅M×N个像素的数字图像，其像素灰度值可以用M行、N列的矩阵G表示：MNMMNNgggggggggG212222111211(1-1)2020年2月28日图像与像素的关系例如：利用阈值分割计算一个圆形物体的形心和半径。下图为一圆形物体照片，下面介绍将物体与背景分割开来的方法，和计算园形物体形心及半径的方法。灰度直方图：它表示图象中具有每种灰度级的像素的个数，反映图像中每种灰度出现的频率。如图所示，灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率，它是图像的最基本的统计特征。最简单、有效的方法就是取双峰间谷底的灰度值为阈值，根据该阈值对图像进行分割，将物体与背景分离开来，然后再进行其它处理。根据阈值将图像二值化，将物体和背景置为黑白两色。对图像扫描一遍，灰度大于阈值的点置为255，即白色；小于等于阈值的点置为0，即为黑色。由于物体上有高光，所以二值化后，在黑色物体上会有小白点，如图所示。为了使形心计算的结果准确，我们必须将这些小白点填充为黑色。计算平面图形的形心公式如下：将一个像素看成一个dA，且为1个单位，则图像的面积即为像素点的个数；分子上的积分则变为像素坐标的和。得出面积再计算半径R就很容易了。对二值化图像上进行误差检查，最大正、负误差为0.4和1.5个像素，分别在352、231度处。半径的最大误差0.8%，其中包括物体本身的不圆度和测量误差。这个结果说明用以上方法进行阈值分割、形心计算的效果不错。图像处理举例2：边缘检测在对图像进行边缘检测前，先对图像进行阈值分割、二值化。图像的灰度直方图求边缘：两个具有不同灰度值的相邻区域之间总存在边缘。边缘是灰度值不连续的结果，这种不连续可利用求导数方便地检测出来。图像在X方向灰度的变化及导数我们知道用梯度gradf可以计算函数f各点的最大变化率：梯度的模为：Roberts边缘检测算法就是在上式的基础上变化而得：如果g(x,y)255，则g(x,y)=255例：用Roberts边缘检测算法对表中的数据进行处理，得到如下的结果。灰度图像数据Roberts边缘检测结果二值化结果边缘检测结果用这种方法处理前面的图像：一种简单的图像识别方法：模板匹配概念：模板就是一幅已知的图像。模板匹配就是用已知的模板图像和其它图像进行比对，若模板图像与其它图像有相同图像特征，可通过一定的算法确定被比对图像和模板图像之间的关系。问题：确定一幅小图像是否是一幅大图像的局部？模板匹配就是在一幅大图像中搜寻目标，已知该图中有要找的目标，且该目标同模板有相同的尺寸、方向和图像，通过一定的算法可以在图中找到目标，确定其坐标位置。模板匹配的过程：以256级灰度图为例，模板T(MxN个像素)叠放在被搜索图S(WxH个像素)上平移，模板覆盖被搜索图的那块区域叫子图Sij。i，j为子图左下角在被搜索图S上的坐标。搜索范围是：通过比较T和Sij的相似性，完成模板匹配过程。模板匹配的过程：衡量T和Sij相似性的公式可用D(i,j)描述：上式的第一项为子图的能量，第三项为模板的能量，都与模板匹配无关。第二项是模板和子图的互相关，随(i,j)而改变。当模板和子图匹配时，该项有极大值。将其归一化，得模板匹配的相关系数，或称为匹配率：当模板和子图完全一样时，相关系数R(i,j)=1。用相关系数R(i,j)的公式可以做模板匹配，但运算量大。另一种算法是衡量T和Sij的误差，其公式为：在整个图像中，E(i,j)为最小值处即为匹配目标。本章总结1.介绍图像处理的基础知识。2.图像处理的方法：阈值分割与图像测量3.边缘检测处理：roberts梯度法4.一种简单图像识别方法：模板匹配