機器視覺第4章 圖像處理技術

第4章圖像處理技術第4章內容4.1圖像增強4.2圖像分割4.3邊緣提取4.4數學形態(tài)學分析4.5圖像投影4.6圖像特征提取4.7配準定位方法*(擴展內容/自學)4章圖像處理技術4.1圖像增強空域圖像增強頻域圖像增強彩色增強4章圖像處理技術4.1.3彩色增強 偽彩色增強 在記錄和顯示圖像時，根據黑白圖像各像素灰度大小，按一定規(guī)則賦給它們不同的彩色，就將黑白圖像變成彩色圖像，這種由灰度到彩色的映射稱為偽彩色增強。 目的：利用人眼對彩色的敏感性，增強觀測者對目標物的 檢測性，提高人對圖像的分辨能力。 原理：輸入和輸出圖像對應像素間進行一對一的映射變

換，不涉及像素空間位置改變。4章圖像處理技術4.1.3彩色增強 假彩色增強

是從彩色到彩色的變化。 將一幅真實自然的彩色圖像或遙感多光譜圖像逐點映射到三基色所確定的三維色度空間，然后加以合成，形成新的色彩，使目標物體在重新顯示后，呈現出不同于原始的自然色。4章圖像處理技術4.2圖像分割是圖像處理到圖像理解的關鍵步驟。把圖像分割成各個具有特性的區(qū)域并提取出感興趣目標的技術和過程。基于閾值的分割方法是一種應用十分廣泛的分割技術。利用圖像的灰度直方圖獲得分割閾值，用一個或幾個閾值將圖像的灰度級分為幾個部分，認為屬于同一部分的像素是同一個物體。適用于目標和背景占據不同灰度級范圍的圖像。兩個步驟：(1)確定需要分割的閾值；(2)將分割閾值與像素值進行比較以劃分像素。4章圖像處理技術4.2圖像分割閾值變換方法主要有兩類：固定閾值法和浮動閾值法。雙峰法迭代法大津法判別分析法一維最大熵法4章圖像處理技術4.2.1雙峰法認為圖像由前景和背景組成，在直方圖上兩者各形成一個高峰，雙峰間的最低谷就是圖像分割閾值。具體實現：先繪出直方圖，然后人為定下雙峰間分割閾值4章圖像處理技術4.2.2迭代法求出圖像的最大和最小灰度值，記為Max和Min。令初始閾值T0=(Max+Min)/2。根據閾值T0將圖像分割為前景和背景，分別求出兩者的平均灰度值ZO和ZB。求出新閾值：T1=(ZO+ZB)/2。若T0=T1，退出迭代，T1即為閾值；否則令T0=T1，轉步驟3，迭代計算。4章圖像處理技術4.2.3大津法對一幅圖像，記：t為分割閾值；w0為前景點數占圖像比例；前景平均灰度為u0;w1為背景點數占圖像比例；背景平均灰度為u1。圖像的總平均灰度為：u=w0*u0+w1*u1從最小灰度值到最大灰度值遍歷t，使g=w0*(u0-u)2+w1*(u1-u)2 最大時的t為最佳分割閾值。4章圖像處理技術4.2.3大津法大津法的本質： g本質上是類間方差值。 方差是灰度分布均勻性的一種度量。 方差值越大，說明構成圖像的兩部分差別越大，錯分概率越小。4章圖像處理技術4.2.4判別分析法L--圖像灰度級；N--總像素數；Ni--灰度值為i的像素數灰度級k的灰度分布零階矩w(k)和一階矩u(k)為有M-1個閾值，1k1k2kM-1L，將圖像分割成M個灰度值的類Cj，類間灰度級范圍Sj=[kj-1,kj]，j=1,2,,M類Cj的發(fā)生概率wj，平均值uj為4章圖像處理技術4.2.4判別分析法類間方差 使2最大的閾值組，就是最佳閾值組通常M=2，即圖像二值化。4章圖像處理技術4.2.5一維最大熵法灰度級：L；分割閾值：T；目標區(qū)O：<T，像素數pO；背景區(qū)B：T，像素數pB；各灰度級在本區(qū)的分布概率pi熵： (T)最大時對應的灰度值T，為最佳閾值4章圖像處理技術4.2.5一維最大熵法缺點：運算速度慢，不能滿足實時性要求只考慮了灰度值信息，沒考慮像素點的空間信息 當圖像信噪比降低時，分割效果不理想。4章圖像處理技術4.3邊緣提取邊緣是圖像的最重要的特征。邊緣是周圍像素灰度有階躍變化或屋頂變化的像素集合。邊緣反映圖像灰度的不連續(xù)性。圖像的邊緣很少是從一個灰度跳到另一個灰度這樣的理想狀況。真實圖像的邊緣通常都具有有限的寬度呈現出陡峭的斜坡狀?；谶吘墮z測的基本思想：先檢測圖像中的邊緣點，再按一定策略連接成輪廓，從而形成邊緣圖像。4章圖像處理技術4.3邊緣提取邊緣種類一階方向導數二階方向導數檢測階梯形邊緣處取極值邊緣處呈零交叉二階方向導數屋頂型和線性邊緣處呈零交叉邊緣處取極值一階方向導數4章圖像處理技術4.3邊緣提取邊緣檢測一般過程原始圖像平滑圖像梯度或含過零點圖像邊界點平滑化一階或二階微分運算閾值處理4章圖像處理技術4.3.1邊緣檢測算子梯度算子拉普拉斯算子Canny算子4章圖像處理技術4.3.1邊緣檢測算子梯度算子梯度對應一階導數常用梯度算子：Roberts、Prewitt、Sobel4章圖像處理技術4.4.1邊緣算子提取幾種常用梯度算子的模板Roberts邊緣定位準對噪聲敏感Prewitt平均、微分對噪聲有抑制作用Sobel加權平均邊寬2像素Isotropic(各向同性)Sobel權值反比于鄰點與中心點的距離，檢測沿不同方向邊緣時梯度幅度一致4章圖像處理技術4.3.1邊緣檢測算子拉普拉斯算子是二階微分算子，屬于各向同性的運算。模板基本要求：中心像素的系數>0；鄰近中心像素的像素系數<0；系數總和=0。4章圖像處理技術4.3.1邊緣檢測算子Canny算子JohnCanny于1986年提出，是先平滑后求導數的方法。John給出的評價邊緣檢測性能優(yōu)劣的三個指標：好的信噪比，即將非邊緣點判定為邊緣點的概率要低，將邊緣點判為非邊緣點的概率要低；高定位性能，即檢測出的邊緣點要盡可能在實際邊緣的中心；對單一邊緣僅有唯一響應，即單個邊緣產生多個響應的概率要低，并且虛假響應邊緣應該得到最大抑制。總的來說，在提高對景物邊緣的敏感性的同時，可以抑制噪聲的方法才是好的邊緣提取方法。4章圖像處理技術4.3.1邊緣檢測算子Canny算子求邊緣點具體算法步驟如下：1.用高斯濾波器平滑圖像．2.用一階偏導有限差分計算梯度幅值和方向.4.對梯度幅值進行非極大值抑制．4.用雙閾值算法檢測和連接邊緣．4章圖像處理技術4.3.1邊緣檢測算子Matlab函數edge()Findedgesinintensityimage.takesanintensityorabinaryimageIasitsinput,andreturnsabinaryimageBWofthesamesizeasI,with1'swherethefunctionfindsedgesinIand0'selsewhere.supportssixdifferentedge-findingmethods:Sobel,Prewitt,Roberts,Laplacian,zero-crossmethod,Canny4章圖像處理技術4.3.1邊緣檢測算子幾種算子性能比較：Roberts：用局部差分算子尋找邊緣，邊緣定位精度高，但容易丟失一部分邊緣；由于圖像沒經過平滑處理，不具備抑制噪聲能力。適用于有陡峭邊緣且含噪少的圖像。Prewitt和Sobel：對圖像先加權平滑處理，再微分運算，對噪聲有一定抑制能力，但不能完全排除檢測結果中有虛假邊緣出現。邊緣定位效果較好，但檢測出的邊緣容易出現多像素寬度。4章圖像處理技術4.3.1邊緣檢測算子拉普拉斯算子：不依賴于邊緣方向的二階微分算子，對圖像中的階躍型邊緣點定位準確，對噪聲非常敏感，它使噪聲成分加強，這兩個特性使它容易丟失一部分邊緣的方向信息，使檢測出的邊緣不連續(xù)。Canny算子：利用高斯函數的一階微分，能在噪聲抑制和邊緣檢測間取得較好的平衡。對各種類型的邊緣，具有較好的定位精度。4章圖像處理技術4.3.2輪廓提取方法輪廓提取前要對圖像進行二值化。常用輪廓提取方法有：邊緣提取差影法輪廓跟蹤4章圖像處理技術4.3.2輪廓提取方法邊緣提取 如果原圖一點為黑，且它的8個（或4個）相鄰點都是黑色時，判斷該點為內部點，將該點刪除。 思想：淘空內部點4章圖像處理技術4.3.2輪廓提取方法輪廓跟蹤1.找到第一個邊界點像素A：按從左到右，從下到上的順序搜索，找到的第一個黑點一定是最左下方的邊界點。2.點A的右、右上、上、左上四個鄰點中至少有一個邊界點B。3.從點B開始，定義搜索的方向為左上方；如果左上方的點位黑點，則為邊界點，否則搜索方向順時針旋轉45°，直到找到一個黑點C為止。4.把點C作為新的邊界點，在當前搜索方向上逆時針旋轉90°，用同樣方法搜索下一個邊界點，直到返回點A為止。4章圖像處理技術4.3.2輪廓提取方法差影法 用原圖像減去腐蝕后的收縮圖像。 為得到單像素邊緣，腐蝕操作采用33大小的結構算子4章圖像處理技術4.4數學形態(tài)學分析基本運算腐蝕與膨脹開運算與閉運算應用邊界提取區(qū)域填充圖像細化與圖像骨架4章圖像處理技術4.5圖像投影 針對二值圖像的操作，是圖像分割的一種基本操作。 當物體有水平或垂直邊界時，通過投影可以確定物體的大概位置。水平投影對圖像的每一行進行遍歷，計算每一行中目標像素的個數。垂直投影對圖像的每一列進行遍歷，計算每一行中目標像素的個數。4章圖像處理技術4.6圖像特征提取興趣點提取Harris角點直線提取*(擴展內容/自學)哈夫變換圓弧提取*(擴展內容/自學)最小二乘擬合4章圖像處理技術4.6.1圖像特征定義：圖像的原始特性或屬性。自然特征：視覺能直接感受，如亮度、邊緣輪廓、紋理、色彩等。人為特征：需要通過變換或測量得到，如直方圖、變換頻譜、矩等。4章圖像處理技術4.6.1圖像特征分類：提取區(qū)域大?。壕植刻卣?、全局特征。在圖像上的表現形式：點特征、線特征和面特征。用于目標圖像識別：視覺特征—邊緣、輪廓、形狀、紋理、區(qū)域等，物理意義明確，提取比較容易。統(tǒng)計特征—直方圖、矩(包括均值、方差、峰度、熵)等。變換系數特征代數特征4章圖像處理技術4.6.2Harris角點檢測給定一個小的滑動窗口，有三種情況：平滑區(qū)域：無論窗口如何移動，圖像強度無顯著變化。邊緣區(qū)域：沿邊緣方向灰度值無明顯變化。興趣點區(qū)域：無論朝哪個方向移動，均會產生灰度值的巨大變化4章圖像處理技術4.6.2Harris角點檢測興趣點標定步驟：1.采用Sobel算子計算梯度圖像：Ix,Iy2.逐點計算乘積圖像：Ix2,Iy2,

IxIy4.用高斯窗w(x,y)對乘積圖像中的所有像素點進行卷積4章圖像處理技術4.6.2Harris角點檢測對每個像素點進行如下操作：4.對矩陣C進行特征值分解，得到兩個特征值1,25.計算區(qū)域判別準則值Rk一般取值0.06。平滑區(qū)域：|R|很小；邊緣區(qū)域：R<0；興趣點區(qū)域：R>04章圖像處理技術4.6.2Harris角點檢測6.找出所有滿足R>0且超過一定門限，并且是局部最大值的點，這些點即為興趣點。門限一般設定為0.9Rmax，Rmax是所有像素R值的最大值。局部最大值的判斷通常設定在33的鄰域范圍內，如果檢測出的興趣點非常密集，可以擴大局部最大值的判定范圍。4章圖像處理技術4.6.3一個應用——攝像機標定標定是計算機視覺中的基本問題，主要目的是確定圖像上某一點與實際場景點之間的對應關系。在很多應用場合，如3D物體的跟蹤識別、三維重建、機器人導航等都需要用到標定技術，以便對景物進行定量分析或對物體的空間位置進行精確定位。標定需要確定攝像機的內、外兩種參數內參數：描述攝像機自身的幾何和光學特性，包括焦距f、畸變系數k、圖像中心的位置等。外參數：描述世界坐標系與攝像機坐標系的位置關系，用一個旋轉