（控制理论与控制工程专业论文）基于计算机视觉的芒果表面缺陷检测方法研究.pdf

、 3 摘要 基于计算机视觉的芒果表面缺陷检测方法研究 摘要 水果品质的在线检测与分选技术的研究，对提高果品市场竞争力 与产品增值效益具有重要应用前景。特别是在我国加入w t o 世界贸易 组织之后，这一需求显得更为迫切。而计算机视觉代替人的视觉进行 水果品质自动检测与分级具有不言而喻的优越性。本文就是在这样的 背景下，研究了基于计算机视觉的芒果表面缺陷检测与分类的方法和 技术。 ， 考虑到芒果表面比较光滑，反光性较好，故选用黑色吸光物体作 为背景。这样可以得到有利于后续处理的图像。在此基础上，研究了 图像处理窗口的确定、去除噪声、图像分割、图像增强等多种低层处 理的方法。用投影法确定了图像处理窗口；采用彩色图像矢量中值滤 波法较好的去除图像采集过程中受到的各种噪声的干扰，同时，又克 服了传统的将彩色图像分成单幅灰度图像进行滤波再由滤波后的灰 度图像合成彩色图像而产生原图像中不存在的颜色的缺点；用改进的 线性灰度变换进行图像增强；用基于直方图的阂值法分割图像与背 景。所研究的图像低层处理方法能满足进一步芒果表面缺陷检测与分 类的要求。 摘要 因为缺陷部分的亮度介子分割背景后的纯黑色背祭与光滑的芒 果表面之间，故采用双阈值法进行芒果表磷缺陷检测，j e 缺陷部分边 缘兹亮度秘芒果表两颜色较浅豹缺陷部分 b 较接近，为了获得完繁的 一缺陷图像，就会将边界也检测为缺陷，故用边缘检测法找至边界，褥 溺双溺馕法得到豹图像藏去边赛，就得到了缺陷部分；嗣摸期聚类舞 法对芒果表面缺陷进行分类；再根据缺陷部分面积占芒果表面总面积 豹百分毙对鸯缺陷懿芒果进i 亍分级。该缺陷检测系统麓鸯效鳆检测蹬 芒果表面缺陷，并对其进行分类，其检测结果与人眼看刘的基本吻裔。 本论文的研究结果对提高我嗣在本领域的 i 究水平，促进计算枧 视觉在我国农业工程领域的应用具有积极赍勺意义。 关键漏：计算梗撬觉模糊聚类芒果数字图像处理 表面缺陷梭测分类 i i 、 3 a b s t t a c t d e f e c td e t e c t i o na n dc l a s s i f l c a t l o no f m a n g o ss u r f a c e b a s e d o nc o m p u t e rv l s i o n a b s t r a c t s t u d yo i lt h er e a lt i m ef r u i tq u a l i t yd e t e c t i o na n dc l a s s i f i c a t i o ni sa na t t r a c t i v e a n dp r o s p e c t i v er & ds u b j e c tf o ri m p r o v i n g m a r k e t i n g c o m p e t i t i o na n dp o s t h a r v e s t i n gv a l u e a d d e dp r o c e s s i n gt e c h n o l o g yo ff r u i tp r o d u c t s a sc h i n ae n t e r i n g 、胛o ，i tb e c o m e sm o l ea n dm o r eu r g e n t w h i l ew e n tw i t h o u ts a y i n g t h e r ei sg r e a t a d v a n t a g es u b s t i t u t i n gt h ec o m p u t e rv i s i o nf o rp e r s o nv i s i o nt oi n s p e c tt h ef r u i t q u a l i t ya u t o m a t i c a l l y t h eo b j e c t i v e so ft h i s r e s e a r c ha l ec o n t r i b u t e dt o d e v e l o p m e t h o da n dt e c h n o l o g yf o rm a n g o ss u r f a c ed e f e c td e t e c t i o na n dc l a s s i f i c a t i o nb y c o m p u t e rv i s i o n a sm a n g o ss u r f a c ei sv e l v e ta n di th a s p r e f e r a b l er e f l e c t i o n ，w i t hb l a c k b a c k g r o u n d ，t h ea c q u i r e di m a g e sw e r es t u d i e d b a s e do nt h ei m a g e sf r o mt h ed i g i t a l c a m e r a , s e v e r a lm e t h o d so fl o w e r - l a y e ri m a g ep r o c e s s i n gt e c h n i q u ew e r es t u d i e d p r o j e c t i o nw a sa d o p t e dt of i xo nt h ei m a g ep r o c e s s i n gw i n d o w t oe l i m i n a t ea l lk i n d s o f n o i s e ，a tt h es a m et i m e ，o v e r c o m et h ed i s a d v a n t a g eo f t r a d i t i o n a lf i l t e r i n gm e t h o d s o fc o l o ri m a g e ，t h ev e c t o rm e d i a nf i l t e r i n gw a sa d o p t e dt of i l t e rt h em a n g oi m a g e t h ei m p r o v e dh i s t o g r a mp u r e - l i n et r a n s f e rw a sp u ti n t oe f f e c ti no r d e rt oi n c r e a s i n g i m a g e g r a yl e v e lh i s t o g r a ms e g m e n tm e t h o dw a sa d o p t e dt os e g m e n tt h em a n g o f r o mt h eb a c k g r o u n d t h em e t h o do fl o w e r - l a y e ri m a g ep r o c e s s i n gt e c h n i q u ec o u l d s a t i s f yt h ed e m a n do f d e f e c td e t e c t i o na n dc l a s s i f i c a t i o n t a k ei n t oa c c o u n to ft h eb r i g h t n e s sc h a r a c t e ri nt h ed e f e c t r e g i o n , t h e 1 w 1董- d o u b l e q h r e s h o i dm e t h o dw a sa d o p t e dt os e g r n e mt h ed e f e c t f r o mt h eb l a c k b a c k g r o u n da n dt h em a n g o sf i n er e g i o n t h i sm e t h o da p p e n d e dt h em a n g o se d g e t o t h ed e f e c ti m a g e ，s ot h ee d g ed e t e c t i o nm e t h o dw a sa d o p t e d t ow i p eo f f t h ee d g ei n t h ed e f e c ti m a g e a f t e rt h ed e f e c tr e g i o nw a sa c q u i r e d ，t h ef u z z yc l u s t e r i n gm e t h o d w a si n t r o d u c e dt oc l a s s i f yt h ed e f e c t a n dt h e na c c o r d i n gt or a t i oo ft h ed e f e c ta r e a a n dt h em a n g o st o t a la r e a , t h em a n g ow a sg r a d e d t h ed e f e c td e t e c t i o ns y s t e mc a l l d e t e c tt h ed e f e c te f f e c t i v e l ya n dc l a s s i f yt h ed e f e c t s ，t h er e s u l t sa c c o r d e dw i t ho n e s f r o mh u m a ne y e su l t i m a t e l y t h i sr e s e a r c hi so fg r e a ts i g n i f i c a n c eb o t hi ne l e v a t i n gt h er e s e a r c hl e v e lo fo b r c o u n t r yi nt h i sf i e l da n di np r o m o t i n gt h ea p p l i c a t i o no fc o m p u t e rv i s i o nt e c h n o l o g y i na g r i c u l t u r ee n g i n e e r i n g k e y w o r d s ：c o m p u t e rv i s i o n ；f u z z yc l u s t e r i n g ；m a n g o ；d i g i t a li m a g ep r o c e s s ； s u r f a c ed e f e c td e t e c t i o n ；c l a s s i f i c a t i o n ； j 、l0 关于学位论文使用授权的说明 本人完全了解广西大学有关保留、使用学位论文的规定，即： 广西大学拥有在著作权法规定范围内学位论文的使用权，其中 包括：( 1 ) 已获学位的研究生必须按学校规定提交学位论文，学校 可以采用影印、缩印或其他复制手段保存研究生上交的学位论文； ( 2 ) 为教学和科研目的，学校可以将公开的学位论文作为资料在图 书馆、资料室等场所供校内师生阅读，或在校园网上供校内师生浏 览部分内容。 本人保证遵守上述规定。 ( 保密的论文在解密后遵守此规定) 作者签名： 日期： 导师签名： 同期： 萎缉垒 盈坦，z ：赴 。一。 ，；” nq， 第1 章引言 第1 章引言 1 1 课题的背景和意义 我国是农业大国，农副产品在国民经济中占有极其重要的地位。然而 目酊国内农副产品生产由于自动化水平低，技术较落后，产品普遍存在质 量档次低的问题，致使缺乏市场竞争力。随着现代化建设的进步，生活水 平的提高以及经济贸易的全球化，人们对产品品质的要求越来越高，尤其 是维系着日常生活的农副产品，要想在竞争激烈的市场经济中获得一席之 地，加大生产自动化程度，提高产品质量是必需采取的手段。 农产品品质检测与分级，是流通和加工过程中的一个重要环节，其检 测与分级水平不仅直接关系到人民的健康，而且还是国际、国内农产品市 场竞争的重要因素。我国是一个农业大国，同时又是一个人1 ：3 大国，人 均耕地面积1 1 3 亩，只有世界人均耕地的1 3 。而且农业产值也很低，因而 农业历来是关系到我国政治稳定和经济繁荣的重要因素。增加农业产值的 方法主要有两种：一是调整农业产业结构，二是提高农产品产后处理水平。 在发达国家很重视农副产品产后处理，而我国农副产品产后处理环节却很 薄弱。随着经济的发展，为了提高农民的经济收入和适应人们越束越商的 生活水平的需要，并为了能在激烈的市场竞争中立于不败之地，大力发展 农副产品产后处理加工是一个必然的趋势。 。 虽然我国农产品的产量和出口量逐年增加，但由于产后处理环节薄 弱，速度慢，精确度低，给加工、储藏和出口带来许多困难，从而导致产 品经济价值的降低和市场竞争力的减弱，影响了农业产值的提高，给田民 经济带来重大的损失。以：，果和番肋为例2 3456 7 ，我田每年出u ：r 果数翟山否港f h 场的6 0 以上，i 它国家j i 占3 0 。zz ，f l | 找的收“： 占l 3 ，而其他图家的收汇占2 3 。我国内地销往香港的番茄、f 均到岸价格 每公斤1 9 3 港元，美国的为5 2 0 港元，日本的为6 5 港元，而澳大利亚的 竞高达1 2 1 0 港元。而且每年我国还要花大量的外汇进口水果，掘海关统 计，1 9 9 6 年我国花1 2 亿美元从国外进口高档水果3 9 9 万吨，用以满足国 第1 章引言 内对高档水果的需求。造成这些结果的原因之一就是因为检测手段落后， 将不同质量的农产品混杂在一起，致使农产品出口品质偏低，甚至只能作 为低质产品出售，其外销价远远低于美国、日本、澳大利亚等国家的产品， 因此每年国家在农产品外销上要损失近5 0 0 0 万美元”1 。 另外，随着人们消费观念的改变和消费水平的提高，对各种各样农产 品的质量要求越来越高，客观上要求在农产品质量检测上开发新的技术。 有效解决这一问题，既可以保护广大消费者利益，又可以提高农产品的经 济价值及出口竞争能力，增加国家的外汇收入。 目前，国内外农产品的产后处理主要是对农产品的形状、尺寸、成熟 度进行自动检测。而缺陷检测是靠人工进行的，用人的肉眼判断，判别结 果受人主观因素的影响很大，且存在着精度低，视觉易疲劳，速度缓慢等 问题，给农产品的销售和出口带来很大的困难。农产品的表面缺陷是影响 其等级的重要因素之一，并且农产品的表面缺陷检测是品质检测中的一大 难题，所以说农产品表面缺陷检测尤其重要，缺陷检测更有意义。 自动视觉检测技术即指利用计算机视觉系统来代替人工视觉进 行产品质量检测的新兴技术，该新兴的交叉学科虽尚未成熟，但已显 示了强大的生命力。已经具备了各种检测的能力。首先将人从繁重单 调的劳动中解放出来；其次能排除人的主观因素的干扰，避免了因为 而异的检测结果，并有足够的应变能力适应农产品品质的变化。用计 算机视觉技术对农产品表面缺陷的检测与判定，大大提高了检测的精 度计算机视觉是以计算机和图像获取部分为工具，以图像处理技术， 图像分析技术、模式识别技术、人工智能技术为依托，处理所获得的 图像信号，并从图像中获取某些特定信息。计算机视觉技术无需接触 特定对象便可从获取的图像中得到大量的信息，通过对这些信息的分 析得到物体尺寸、表面缺陷、外观形状、表面色度等具体信息，进而 实现外观质量的综合评价。计算机视觉技术的出现为产品表面质量检 测与控制提供了有力的技术保证，该技术本身的性质决定了这种检测 方式是非接触的，非破坏的，而且是灵活的。它使得产品表面质量的 检测方式发生了本质的变化，可实现百分百的完全检测，而且通过在 计算机上实施多种自动识别技术和智能技术可极大提高检测与识别 2 第l 章引言 任务的自动化水平和智能水甲，可取得显著的绎济效益和孝 会效益。 因此，丌展咳课题的研究足 分7 j 匹义的。 1 2 国内外研究动态和趋势 计算机视觉是计算机、自动化、光学、视觉学、心理学、脑科学、 数学、信息论、模式识别、人工智能、c c d 技术、数字图像处理等1 众多学科交叉综合的一门学科。计算机税觉识别技术足七十j 年代仞期 在遥感图片和生物医学图片分析两项技术取得卓有成效的成果后丌 始崭露头角，很快在科学研究、工农业生产、军事技术、医疗卫生、 信息技术等领域得到广泛的应用。 1 2 1 国外研究概况 目前国外对利用机器视觉进行农产品品质自动识别研究的对象极其 广泛，如谷粒的表面裂纹检测和农作物种子的分级及根据梅、鸡蛋、黄瓜， 玉米、竹笋、西红柿、辣椒、苹果和土豆等的大小、形状、颜色和表面损 伤与缺陷等进行分级等等。农产品表面缺陷和损伤的自动检测一直是农产 品分级中的一个难题。 七十年代初期，国外曾试探过用x 射线和红外光线的方法进行水果表 面缺陷检测与分级的初步研究。 1 9 8 1 年g r a f 等2 1 应用多变元线性统计分析的方法对带有碰压伤的 苹果图像进行分割，从而确定碰压伤面积，但由于硬件设备的原因，这种 方法速度很慢，只是对苹果分级的初步尝试。 t a y l o r r w 等1 ( 1 9 8 4 年) 首先报道了分别利用线扫描和模拟摄像机 检测节果损伤的试验，结论为利用数字图像技术检测够果损伤至少可以达 到人t 分级的精度，而且线扣描摄像机在实际， 产中府用i 询景似乎篮殳广 阔一些。 s a r k a rn 和r rw o l f e ( 1 9 8 5 a 山) 【”j 利用数字图像分析 i 】谈u 别技术 研究了一种用于新鲜市售西红柿的定向和表面缺陷分类的特殊算法，用狄 度梯度曲线确定西红柿的方向及花萼和缺陷的位置。 r e h k u g l e r 和t h r o o p ( 1 9 8 6 ) 5 1 。该研究的主要是用计算机视觉进行 3 第1 章引言 苹果表面碰压伤检测并根据美国苹果标准进行分级。该研究使用了机械定 向装置以使节果的果梗一花萼轴垂直于水平面，并使节果沿垂直轴3 6 0 度， 这样苹果大部分表面都摄入摄像机。由于采用这样的机械结构使得计算机 软件设计相对简单。在该研究中通过碰压伤所对应的相对灰度级来确定可 疑表面的形状因子，即t = 4 9 4 p 2 t 是形状因子，a 是可疑表面的面积，p 是可疑表面的周长。t 越趋于1 ， 被计算的可疑表面越接近圆。在该研究中碰压伤被认为是近似于圆。于是 选择t 的相应最大值k 和乙。当k t g g 形= c 。s 一2 r - g - b 一 s ：l 一3 m i n ( r , g , b ) ( 2 6 ) h i s 系统虽然能直接用数字表示颜色的三大特性，同时也存在它的不足，h 和s 都是r ，g ，b 的非线性变换，存在奇异点。在奇异点附近，即使r ，g ， b 变化很小也会引起变换值有很大跳动，但这并不妨碍h i s 系统有效地表示颜 色，在农产品颜色分类中，h i s 系统是应用比较多的系统。 2 3 直方图与图像的关系 在数字图像处理中，一个最简单和最有用的工具是灰度直方图。该函数概 1 6 第2 章数字图像与视觉技术概述 拓了一幅图像的灰度级内容。任何一幅图像的直方图都包括了可观的信息，某 此炎犁的图像还可山其方方图j 芭伞描述。 2 3 1 灰度直方图的定义 灰度直方图是灰度级的函数，描述的足图像中具有该灰度级的像素的个数： 其横坐标是灰度级，纵坐标是该灰度出现的频率( 像素的个数) 。 灰度直方图也有另外一种方式的定义。假设我们有一幅由函数d ( x ，y ) 所定 义的连续图像，它平滑地从中心的高狄度级变化到边沿的低灰度级。我们可以 选择定某一灰度级n ，然后定义一条轮廓线，该轮廓线连接了图像上所有具有 d i 扶度级的点。所得到的轮廓线形成了包围灰度级大于等于d 。的区域的封闭曲 线。将一幅连续图像中被具有灰度级d 的所有轮廓线所包围的面积，称为它的 阂值面积函数a ( d ) 。则直方图可定义为 h ( d ) = 蜘趔掣= 一啬a ( d ) ( 2 7 ) 5 对于离散函数，我们固定为1 ，则等式( 2 7 ) 变为 日( d ) = 彳( d ) 一a ( d + i ) a d( 2 8 ) 对于数字图像，任一灰度级d 的面积函数就是大于或等于狄度值d 的像素 的个数。 二维直方图 人们经常发现构造高维直方图比一维直方图更为有用，特别是对于研究彩 色图像。如红一蓝直方图，该直方图有两个变量：红光图像的灰度值和蓝光图像 的灰度值的函数。坐标( d 。，d b ) 处的值足指在红光图像中具有狄度值d 。，同时 在蓝光图像中的同一位置具有厌度值d 。的像素( 对) 的个数。二维直方图表示 像素在两种灰度级的组合中的分和情况。 2 3 2 直方图的用途 1 数字化参数 直方图给出了一个简单可见的指示，用束判断一幅图像是否合理地利用了 全部被允许的狄度级范围。一般一幅数字图像应该利用全部或几乎全部可能的 灰度级，否则，等于增加了量化问隔。一旦被数字图像的级数少于2 5 6 ，丢失 1 7 第2 章数字图像与视觉技术概述 的信息( 除非重新数字化) 将不能恢复。 。* 2 边界阈值选择 。 直方图的轮廓线提供了一个确立图像中简单物体的边界的有效的方法。使 用轮廓线作为边界的技术被称为闽值化。用最合适的技术来选择灰度阈值是图 像处理中讨论得最多的一个课题。 假定一幅图像背景是浅色的，其中有一个深色的物体。如图2 1 为这一类 图像的直方图。物体中深色像素产生了直方图上的左峰，而背景中大量的灰度 级产生了直方图上的右峰。物体边界附近具有两个峰值之间灰度级的像素数目 相对较少，从而产生了两峰之间的谷。选择谷作为灰度阈值将得到合理的物体 的边界。 1 0 0t2 0 02 5 5 历覆寸 r 图2 1 双峰直方图 f i g2 1t h eg r a yh i s t o g r a mw i t ht w op e a k s 在某种意义上来说，对应于两峰之间的最低点的灰度级作为阈值来确定边 界是最适宜的。 1 8 第3 章图像的低层处理 第3 章图像的低层处理 计算机视觉信息的处理从逻辑上可分为三个阶段：图像低层处理、特征提 取和模式识别。图像的低层处理过程包括平滑滤波、图像分割、图像增强等过 程。没有低层的前期处理，就不可能完成高层的后期理解。这种低层视觉与高 层视觉的区分，并不意味着技术的低层次与高层次，而是对应于人类的视觉机 能与思考分析。低层处理的成功与否直接影响特征提取和模式识别的有效性， 因此在芒果的表面缺陷检测和分类过程中，最终自动判别结果的准确性和高效 性在很大程度上依赖于图像低层处理的质量。为使农产品的缺陷检测更加容易 进行，并提高检测的准确度和速度，必须对表面有缺陷的图像进行低层处理。 3 1 图像的采集 采集合适的、能反映芒果外部轮廓的、容易与背景分离的、坏损部分与非 坏损部分存在差异的芒果图像，是芒果的果面缺陷分析与判别的关键。 在整个电磁波谱中，波长范围只有很窄的一段才能引起视觉称为光( 可见 光) ，一般来说，可见光波长范围大约为4 0 0 8 0 0 n m ( 1 n m = 1 0 - 9 m ) 。光的波长不 同，就会引起不同的视觉，即感觉到不同的颜色。如果白光照到物体上无任何 色光被吸收，我们看其为白色，反之，如果入射光全被吸收，则物质为黑色。 物质呈现不同颜色是由于对不同波长的光吸收，反射程度不同。 依据光学反射特性：在可见光区域内，芒果的正常部分与坏损部分狄度存 在差异。因此，可以采用可见光作为光源。同时，由于黑色吸收光的能力强， 所以选用黑色作为背景，以便于区分水果和背景。 3 2 图像处理窗口的确定 山f 芒果大小不一，其图像并不占据整个数据采集区域，区i 此应找到包含所 测图像的最小矩形框，以后的处理可集中在框内进行，这样可减小图像的处理区 域。从而可以减少以后的图像数据处理量，提高整个系统的运行速度。由于我 们选用的是吸光的黑色背景，所以在h s v 空间的v 分量上的直方图呈现典型 1 9 第3 章图像的低层处理 的双峰型，因而可利用v 分量来判断是否为图像点。选耿v 分量直方图两峰间 的最小点作为阈值t 。具体操作方法如下： 1 扫描整幅图像的像素点，以t 为阈值将大于t 的像素点置1 ，小于t 的 像素点置0 。也就是将图像二值化，二值化后的图像中水果部分为l ，背景部分 为0 。 2 将二值化后的图像分别向x ，y 方向作投影，也就是分别对图像中所有 像素点以列( 行) 向量为依据求每个列( 行) 向量的和。 3 因为水果像素为l ，背景为0 ，所以列向量的和不为0 的区域就是水果 在x 方向上的投影。分别找到连续的列向量和不为0 的区域中第一个列向量的 和和最后一个列向量的和不为0 的列向量值作为x 方向的边界点( x l 。x 2 ) ；同 理找到y 方向的边界点( y l ，y 2 ) 。 把四个边缘点各向外移动6 个像素，分别过四个点做平行于x 轴和y 轴的直线，这样就可以确定出合适的图像处理窗口( 如图3 1 所示) 。 3 3 图像去噪 图3 1 图像处理窗口的确定 f i g3 1f i xt h ew i n d o wo fi m a g ep r o c e s s i n g 实际获得的图像一般都因受到某种干扰而含有噪声。引起噪声的原因很多， 如敏感元器件的内部噪声、感光材料的颗粒噪声，热噪声、电器机械运动产生 的抖动噪声、传输信道的干扰噪声、量化噪声等。图像信息在采集过程中往往 受到各种噪声的干扰，除了随机正态噪声外，在实际使用中还会出现为一个个 孤立的像素点，孤立的像素灰度突变，所谓的孤立像素指的是小的颗粒，这样 第3 章图像的低层处理 的噪声就像照片上的很多麻点一样，被称为颗粒噪声，颗粒噪声与周田的点存 在明显的反差，即这些点本身足不相关的。这此啖声降低了图像质量，使图像 模糊，造成图像特征提取和图像识别时的困难或者产生不良的视觉效果。为使 图像在坏损处的内部变化趋于稳定和平缓，去除颗粒噪声的干扰，需要对图像 进行滤波操作。 最常用的滤波方法有邻域平均法、加权平均法、中值滤波法等 4 9 3 。 3 3 1 邻域平均法 邻域平均法是一种空间域局部处理算法。对于位置( i ，j ) 处的像素，其灰 度值为f ( i ，d ，平滑后的驭度值为g ( f ，j ) ，则g ( f ，j ) 由包含( i ，j ) 邻域的若干个 像素的灰度平均值所决定，即用下式得到平滑的像素灰度值 删) 2 万i 【磊乃力 w - o ，l 2 一，- 1 j ， 式中，a 表示以( i , j ) 为中一1 5 的邻域点的集合，m 是a 中像素点的总数。 设邻域为3 x3 ，则邻域均值算子可用如图3 1 所示的模板来表示 x 1 伪 i 91 9 r i 9i 91 9 i 9i 9i 9 图3 1 邻域均值算子 f i g3 it h e o p e r a t o r o f t h e m e a n o f b o r d e rr e g i o n 2 l ( 3 2 ) 一9 ： = 式 力 髟 0 辄 吣 魁以写以叮咀皈漠 第3 章图像的低层处理 卷积计算式可写为： 删) 弓言言厂( i + x - 2 , _ ，+ y - 2 ) ， 用了灭历表示像素( i ，j ) 的邻域s 中的像素灰度平均值，则 g ( f ，_ ，) = 万i 历 ( 3 4 ) 邻域均值算子运算简单，如图3 1 所示，用某一像素和其八邻域共九个像 素的平均值，作为该像素的输出值。但是，由于图像中的边界部分也存在急剧 的灰度变化，利用邻域均值算子在去噪的同时，又会使图像的边界和细节变得 模糊。 该算法的优点在于算法简单，计算速度快；主要缺点是在降低噪声的同时 使图像产生模糊，特别是在边缘和细节处，邻域越大，模糊越厉害。 3 3 2 加权平均法一一梯度倒数加权法 在一幅数字图像中，相邻区域的变化大于区域内部的变化，同一区域内部 中间像素的变化小于边缘像素的变化。在图像变化缓慢的区域，灰度梯度值小； 在图像变化较快的区域，灰度梯度值大。当以灰度梯度倒数作为权值时，区域 内部的邻点像素的权值就比区域边缘或者区域外的邻点像素的权值大。此时平 滑的贡献主要来自区域内部的像素，平滑后的图像边缘和细节不会受到明显损 害。这就是梯度倒数加权法的基本思想。 假设像素点( i ，j ) 的灰度值为f ( i ，力，取该像素的3 x 3 邻域窗口，其像素 组成为 i ，o 一1 ，j 一1 ) ，( f 一1 ，_ ，) ，o l ，_ ，+ 1 ) l f = i ，( f ，_ ，一1 ) f ( i ，d 厂( f ，+ 1 ) l ( 3 5 ) l 厂( f + l , j - 1 ) 厂( f + l ，) ( f + l ，+ 1 ) i 以灰度梯度倒数构成的权值矩阵为 r 以f l ，_ ，一1 ) 以f l ，) 以f l ，_ ，+ 1 ) 1 w = 1w ( i ，j - 1 ) 似f ，- ，) 以f ，+ 1 ) l ( 3 6 ) 1w ( f + 1 ，_ ，一1 ) w ( i + 1 ，) w ( i 4 - 1 ，j + ni 第3 章图像的低层处理 式中，w ( j ) = j 1 ，权值矩阵其他元素为 w ( i + m ，j + ”) = d ( i + m ，j + 门) 2 d ( i + m + 仃) ( 3 7 ) d ( f + m ，_ ，+ ”) 2 痧彳_ ：i i 7 ( 3 8 ) 式中，m ，n 分别为1 ，o ，l ，且不能同时为0 。 平滑输出为窗1 3 像素分别与对应位置上的权值相乘，即 g ( f ，_ ，) ：壹圭【厂( f + 埘，+ 胛) 。w ( f + m ，_ ，+ ”) 】 ( 3 9 ) i n k l 该滤波方法克服了简单局部平均法的弊病，保留了边缘细节。 3 3 3 中值滤波 中值滤波是一种不同于卷积的邻域运算，它的思想是将一个含有奇数个像 素的窗口a 在图像上依次移动，在每个位置上对窗1 ：3 内像素的灰度值由d , n 大 进行排列，然后将位于中间的灰度值作为窗口中一t l , 像素的输出值。 窗i ；3a 可以是方形( m m ) ，长方形( m n ) 或者是十字形等，中值滤波可表 示为 删胁e 驷帆叫 t 。， 式中，m e d i a n 表示在a 窗厂f 下取中间值；f f i , j ) 表示以像素( i ，j ) 为巾心的 a 窗厂】下的各个灰度值。时t 方形、长方形窗口，上式可表示为 删却中胛卜一字+ y 一孚从训m 在一定条件下，中值滤波可以克服线性滤波器所带来的图像细节模 糊，而且对滤除脉冲干扰及颗粒噪声最为有效。但是对一些细节多，特别 第3 章图像的低层处理 是点、线、尖顶细节多的图像不宜采用中值滤波的方法。 3 3 4 彩色图像的去噪 常用的彩色图像滤波步骤： 首先，将彩色图像在特定的颜色空间中分解成多幅单色图像。 其次，选用合适的滤波方法分别对各单色图像进行处理。 最后，将处理后的结果合成，输出目标图像。 这种方法虽然简单，但是没有利用彩色图像各颜色分量之间的相关信息， 往往是滤波结果在原始图像中并不存在，造成图像的颜色失真，滤波效果并不 理想。 与灰度图像不同，彩色图像是一种多通道的图像信号，由多个颜色分量组 成。图像的像素是多维矢量，矢量的大小和方向代表着不同的颜色信息。在处 理时既要考虑有效地抑制噪声，又要减少处理i ； 后图像在颜色上的偏差，这两 者同等重要。 在彩色图像滤波研究中，基于矢量排序统计的矢量中值滤波5 “5 2 1 是一种 常用的方法。然而，现有的矢量中值滤波器随着滑动窗的增大运算量也迅速增 加，为此本文提出了一种改进的矢量中值滤波方法，它能在大大降低运算复杂 度的同时对脉冲噪声和高斯噪声有着良好的抑制作用。 1 传统的矢量中值滤波方法m 敛1 矢量中值滤波在彩色图像处理中得到广泛应用，它们都是先将待滤波的矢 量经过某种变换，得到新的空问域上的矢量或是标量，然后再用简单的中值滤 波的方法进行滤波。 矢量中值滤波器的输出值为滑动窗口中矢量集合的中值。该算法要求对矢 量进行排序。其计算量与矢量个数的平方成正比。 对于具有n 个矢量的集合v = f v i ，v 2 ，v n ) ，将其通过一个矢量中值 滤波器后得到的输出中值矢量为x v m = v m ( v l ，v 2 ，v n ) ，其中x v m 属于 ， g ( x ，y ) = ( 3 2 3 ) i f ( x ，y ) 1f ( x ，j ，) t ， 3 l 第3 章图像的低层处理 式中，t 为芒果图像灰度直方图的阈值。 具体的实现步骤： ( 1 ) 求出v 分量上的灰度直方图 ( 2 ) 根据灰度直方图，找到缺陷区域和非缺陷区域的分割阈值t 。 ( 3 ) 根据上式对图像的灰度进行变换，增强芒果图像缺陷区域和非缺陷区域 的对比度。 利用改进后的算法，可以将灰度级扩大，增大图像对比度达到增强图像的 目的，在芒果图像的灰度直方图中，可以看到明显的双蜂，为下面图像分割研 究打下基础。 用改进的线性灰度变换方法对带缺陷的芒果图像进行处理，结果如图3 5 所示： ( a ) 原始图像( b ) 增强后的图像 图3 5 芒果增强前后