關(guān)于數(shù)字圖像處理的常用技巧

數(shù)字圖像處理是通過計(jì)算機(jī)對圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、特征提取等處理的方法和技術(shù)。

1. 圖像扭曲

如上圖，一共設(shè)置了45個(gè)控制點(diǎn)圍成74個(gè)三角形網(wǎng)格扭曲即形變處理其實(shí)是尋找一個(gè)函數(shù)，以所有網(wǎng)格頂點(diǎn)原始坐標(biāo)為輸入，扭曲后所有網(wǎng)格頂點(diǎn)坐標(biāo)為輸出。為了簡化計(jì)算任務(wù)，采用控制柵格插值方法，對每個(gè)三角網(wǎng)格獨(dú)立計(jì)算映射關(guān)系，如下圖：

2.1 灰度變換

灰度變換主要針對獨(dú)立的像素點(diǎn)進(jìn)行處理，通過改變原始圖像數(shù)據(jù)所占有的灰度范圍而使圖像在視覺上得到改觀?；叶茸儞Q還包括對數(shù)變換、冪律變換和分段線性變換等，它們都可以改變圖像的灰度，實(shí)現(xiàn)不同的圖像效果。

最簡單的應(yīng)用是圖像的反轉(zhuǎn)，即將原始圖像的灰度值進(jìn)行翻轉(zhuǎn)，使輸出圖像的灰度隨輸入圖像的灰度增加而減少。假設(shè)對灰度級范圍是（0，L-1）的圖像求反，則圖像灰度t=L-1-s。

2.2直方圖處理

直方圖計(jì)算實(shí)際上即求圖像的概率密度函數(shù)PDF，只需遍歷一次所有像素點(diǎn)即可獲得。

灰度直方圖應(yīng)用：直方圖均衡：直方圖的均衡化是將原圖像通過某種變換得到一副灰度直方圖為均勻分布的新圖像的方法。假設(shè)圖像均衡化處理后，圖像的直方圖是平直的，即各灰度級具有相同的出現(xiàn)次數(shù)。由于灰度級具有均勻的概率密度分布，所以圖像看起來更加清晰。

步驟：（1）求原始圖像的灰度直方圖。

（2）由原始圖像直方圖計(jì)算灰度分布概率。

（3）計(jì)算圖像各個(gè)灰度級的累計(jì)分布概率。

（4）進(jìn)行直方圖均衡化計(jì)算，得到新圖像的灰度值。

2.3空間濾波

圖像生成采集處理過程中都會(huì)不同程度的引入各種噪聲，因此會(huì)導(dǎo)致圖像的質(zhì)量變差。從而影響對圖像的識別。所以必須要對圖像進(jìn)行濾波，所以必須對圖像進(jìn)行濾波。圖像濾波方法很多，如高通濾波、最大值濾波、均值濾波、中值濾波等。

許多算法都是基于模板操作，模板操作是圖像卷積和濾波等運(yùn)算的基礎(chǔ)。模板使用一個(gè)窗口，這個(gè)窗口是一個(gè)點(diǎn)周圍的特定長度或形狀的領(lǐng)域，用于計(jì)算算法輸出。

2.3.1平滑濾波器

2.3.1.1均值濾波

在像素的領(lǐng)域內(nèi)求局部均值，代替圖像中每個(gè)像素點(diǎn)的值。稱為均值濾波

2.3.1.2中值濾波

中值濾波是一種領(lǐng)域運(yùn)算，與均值濾波和其他濾波相比，中值濾波能夠去除噪聲的同時(shí)不會(huì)模糊圖像的邊緣，較好的保持圖像的清晰度。

即（1）首先把領(lǐng)域中的像素按灰度級進(jìn)行排序。

（2）然后選擇該組的中間值作為輸出像素值。

2.3.2.3高斯濾波

高斯濾波是根據(jù)高斯函數(shù)的形狀來選擇權(quán)值的線性平滑濾波器。高斯平滑濾波器對過濾服從正態(tài)分布的噪聲效果很好。

對圖像而言，常用二維零均值離散高斯函數(shù)做平滑濾波器，表示為

2.3.2銳化濾波器——邊緣檢測

邊緣檢測的實(shí)質(zhì)是采用某種算法來提取圖像中對象與背景間的交界線。圖像灰度的變化情況可以用圖像灰度分布的梯度來反映，因此可以用局部圖像微分技術(shù)來獲得邊緣檢測算子。邊緣檢測是檢測圖像局部顯著變化的基本運(yùn)算。

常用的梯度算子有基于一階導(dǎo)數(shù)的Roberts算子，Prewitt和Soble算子，以及基于二階導(dǎo)數(shù)的Laplacian算子。

Sobel算子所對應(yīng)的模板如上圖：

審核編輯：黃飛