主页（http://www.pttcn.net）：谈监控图像处理软件包(2) ·拉普拉斯运算。拉普拉斯算子有时找到的边缘是伪边缘，特别是在图像灰度变化不大的区域。因为这时小的灰度干扰(噪声)便可能使二阶导数产生过零输出; ·Robinson边缘检测。Robinsons算子实际上是4个不同的模板，分别算出4个加权和，进行比较，取其中最大者作为最终结果。由于它考虑到了水平、垂直、45°、135°各个方向的灰度值的影响，所以通常滤除噪声效果较好，边界较清晰; ·Frei&Chen边缘检测等。 二值化 所谓二值化，就是通过设定阈值(threshold)把灰度图像变换成仅用两个值分别表示目标和背景的二值图像。图像二值化可根据下列的阈值处理(thresholding)来进行(见图(1))。
通常，用最后的二值图像g ( i , j )中的1值(亮)部分表示目标子图，0值(黑)部分表示背景子图。确定二值化阈值t的方法叫做阈值选择，大多数的阈值选择以图像的灰度概率密度函数(直方图)为依据。
二值化方法有： 1、非0像素置1法二值化 对于灰度图像，把灰度值非黑的所有像素变为白，其他为黑，得到二值图像。这种方法仅在背景象素多为黑时有效。 2、固定阈值法二值化 对于灰度图像，小于阀值的像素变为黑，大于阈值的像素变为白，阈值由用户输入。当已经了解灰度直方图的情况，且预先通过对直方图的统计已经找到了目标与背景之间的阈值时，宜采用这种方法。 3、微分直方图法二值化 微分直方图法是设想图像中的目标和背景之间的边界灰度值急剧变化，此时利用灰度的变化率(微分值)来决定阀值。 噪声消除 数字图像中往往存在着噪声干扰，如光电元件产生的随机噪声，数字化产生的量化噪声等。这些噪声与图像信号可以是相加的或相乘的，这种噪声干扰下的图像可以用数字处理的办法得到改善。消除图像中的噪声干扰的有效办法是用局部平滑滤波，通过平滑滤波可以达到消除噪声、提高图像质量的目的。 滤波方法有：
图3 3×3十字中值滤波和5×5十字中值滤波的数据形式 1、二值图形麻点噪声的滤除 对于二值图像f，消去麻点噪声。设图像像素f ( i , j )周围8个像素的灰度平均值为a，若| f ( i , j )-a |≤0.5时，则f ( i , j )黑白反转;若大于0.5时则f ( i , j )不变。 2、3×3平均值滤波 对于灰度图像f，设像素f ( i , j )周围8个像素的灰度平均值为a，进行如下处理： ·若| f ( i , j )-a | ·若| f ( i , j )-a |≥e，则 f ( i , j )不变; ·程序中，误差容限e由用户指定。 3、中值滤波 中值滤波可以有效地去除脉冲噪声。3×3十字中值滤波和5×5十字中值滤波的数据形式分别如图3(a)、(b)所示。5×5十字中值滤波的效果比3×3十字中值滤波的效果要好，但计算时间要长。 4、多帧平均 多帧平均可以有效地去除雪花噪声，具体做法是连续采集M帧图像，每帧图像的宽、高为H，V，多帧平均算法为式中，G (x , y)为输出图像，f (x , y , k )为第k帧的输入图像。 图像量测 简单的图像量测包含量测两点之间的距离以及计算闭合区间的周长、面积、重心等。其计算公式均相对简单，一般测量的书藉资料中都有，这里就从略了。 |
