帘子布疵点图像预处理.doc

帘子布疵点图像预处理 　　图像预处理是在图像分析中，对输入图像进行特征提取、分割以及匹配前所作的处理。预处理的目的是将图像中的无关信息消除掉，恢复并增强图像有用的真实信息，增强图像有关信息的可检测性并且最大限度地把数据进行简化，从而改进特征提取、图像分割、匹配和识别的可靠性。预处理的过程一般可分为数字化、归一化、平滑、锐化等步骤。 1 图像预处理的基本知识 　　不同的文献对图像预处理有不同的解释，但是图像预处理的方法大体可以分为空间域处理和频域处理两种。空间域处理是直接对图像的像素灰度进行处理；频域处理是利用某种图像变换方法将原图以某种形式转换到频域空间中，然后利用该空间特有的性质进行图像处理，最后再把处理过之后的图像转换回原始图像空间，这样便得到处理过之后的图像。 　　图像预处理主要包括图像格式转换、对比度调整、去噪、锐化等，其实可以把图像分割之前的所有处理都归为图像预处理。在图像预处理中图像增强占了最大的比重，并且图像预处理的主要目的也就是进行图像增强，而图像增强的目的是使经过预处理之后的图像的某些特定信息比原来更有效、更容易辨认。图像变换和图像恢复也是图像预处理的主要内容。 1.1 图像变换 　　图像变换是指把图像从空间域转换到变换域，使人们可以从另一个角度来分析图像信号的特性，利用变换域特有的性质，使图像处理过程更加简单、有效。图像变换的方法有很多，常用的方法有：离散傅里叶变换（DFT）、K-L 变换、哈达玛变换（HT）、离散小波变换（DWT）和斜变换（ST）。 （1）傅里叶变换：傅里叶变换是一种把图像从空间域转换到频域的正交变换。傅里叶变换可以将空间域中复杂的卷积运算转换到频域中进行简单的乘积运算，除此之外，我们还可以在频域中有效地实现图像增强、图像恢复等，因此傅里叶变换在图像处理中得到了很广泛的应用。 傅里叶变换包括一维傅里叶变换和二维傅里叶变换。而一维傅里叶变换又包括一维连续傅里叶变换、一维离散傅里叶变换和快速傅里叶变换；同样，二维傅里叶变换也包括二维连续傅里叶变换和二维离散傅里叶变换。 　　（2）K-L 变换：K-L 变换也可以称为特征矢量变换、霍特林变换或主分量变换，该变换是基于图像统计特性的变换，K-L 变换能够充分去除相关性，使有用的信息尽量集中到尽可能少的主分量。K-L 变换多用于图像压缩、图像增强、图像旋转、图像的信息提取和信息融合等方面。 　　(3)小波变换：小波分析或者叫做多分辨分析是建立在傅里叶分析、泛函分析、调和分析、样条分析与数学分析基础上的一门新兴学科。小波分析应用性很强，尤其是近年来，小波分析理论与方法在许多领域得到了应用，也在图像处理上得到了广泛应用。小波变换包括有连续小波变换、离散小波变换、二进制小波变换等。 1.2 图像增强 　　图像增强也就是对图像中用户感兴趣的信息进行增强，其目的有两个：第一是改善图像的视觉效果，使图像各部分的清晰度大大提高；第二就是使增强过之后的图像能够更有利于计算机处理。图像增强的方法很多，按大类分有空间域和变换域两类，具体细分有空间域单点增强、图像锐化、图像平滑与图像滤波等。 　　（1）空间域单点增强：数字图像是二维的空间像素阵列，阵列中的数值是这个位置上像素颜色的灰度值，空间域单点增强是将这个二维像素阵列置于笛卡尔坐标系中，对单个的像素进行增强处理，这种图像增强方法既简单又实用，所以在图像增强中多有使用。 　　（2）图像平滑：通常情况下，最初采集得到的原始图像基本上都含有噪声。引起这些噪声的原因有很多，比如热噪声、感光材料的颗粒噪声、敏感元器件的内部噪声等。产生噪声的原因决定了噪声的特性以及噪声和图像信号之间的关系，噪声分为加性噪声、乘性噪声、量化噪声等这几类。这些噪声使图像的质量变得恶化，比如使图像模糊，甚至是淹没图像的特性，给我们分析图像特性造成了很大的困难。图像平滑的目的是减少或消除图像中的噪声，从而改善图像的质量，以利于我们抽取图像的特征进而对图像进行分析。随着科学技术的进步，图像平滑的新技术在这些年又出现了很多，这些新技术与人眼的视觉特性相结合，运用小波分析、粗糙集理论、数学形态学和模糊数学理论等新技术进行图像平滑，取得了很好的效果。 　　（3）图像锐化：在图像采集、传输以及处理的过程中有很多因素会导致图像变得模糊。图像模糊会使图像的质量大大下降，大量研究表明，图像模糊的实质是图像受到了求和、平均或者积分运算。因此在图像处理的过程中可以不必考虑图像模糊的物理过程或者是数学模型，我们只用根据各种图像模糊的过程都是由相加、平均或者积分造成的这一特点，运用相反的的运算来减弱或者消除模糊，这种消除图像模糊的方法称为图像锐化。图像锐化的目的主要是增强图像的细节以及目标边界，但是在图像锐化的过程有中一点非常值得我们注意，那就是要进行锐化的图像的信噪比一定要