基于高分辨率CCD相机的图像处理系统—毕业设计

1、西安通信学院2011届毕业设计说明书1 引言本课题主要研究基于高分辨率ccd相机的图像处理系统及其在射线检测方面的应用。具体研究在射线检测技术中所用到的图象处理与分析技术，利用相关的图像处理软件，对图像进行分析与处理，以便于系统对图像的识别和分析随着射线数字成像检测技术在现代无损探伤检测领域的应用，对于图像的要求也进一步提高，因此对于采集回来的图像进行一定的处理是不可或缺的一步。在本论文中所研究的都是一些预处理，认真研究了他们的算法，具有理论意义和实际的应用价值，为今后开展进一步的科学研究提供良好的基础和支持1-2。 我们的高分辨率相机在很多方面具有高性能的优越性，它在图像采集、格式转换、局部

2、放大等多方面都有独到之处，可以根据实际需要在它基础上进行二次开发，如果把它应用于x射线成像方面，将具有非常重要的实际应用价值。本课题的目的主要是在该系统的基础上进行软件开发，并对其应用技术进行研究，研究在射线检测技术中所用到的图象处理与分析技术，要求检测系统具有检测速度快、便于图象处理和识别、图象质量高等特点，以达到对工件内部结构的实时显示，便于工作人员对工件的探伤和缺陷评定3-4。在用ccd采集图像时，很容易出现噪声干扰，为了得到良好的处理结果，图像处理的第一步就是要对原始图像进行稳定可靠的消噪声处理。噪声是无法避免的，噪声的存在极大地影响了图像处理工作的开展。图像消噪效果的好坏，直接影响到

3、提取数据的精度和可信度。噪声严重时，会使图像信噪比非常低，使进一步的图像处理工作无法进行5。因此，寻求一种好的图像消噪声方法，已经成为照相图像处理中一项十分迫切的工作。2 图像处理概述2.1 图像处理技术的研究现状数字图像处理也称计算机图像处理，是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。它是在遥感和生物医学图片分析两项应用技术基础上开拓出来的新领域6。这项技术最早出现于50年代，当时的数字计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科则可追溯到60年代初期。1964年，美国喷气推进实验室利用计算机对太空船发回的月球图像信息进行处理，

4、收到明显的效果。不久，一门称为数字图像处理（digital image processing）的新学科便诞生了。自70年代末以来，由于数字技术和微机技术的迅猛发展，给图像处理提供了先进的技术手段，图像处理技术也就由信息处理、自动控制系统理论、计算机科学、数据通信、电视技术等学科中脱颖而出，成长为旨在研究图像信息的获取、传输、存储、变换、显示、理解与综合利用的一门崭新学科7。随着图像处理技术基本理论的发展，具有数据量大、运算速度快、算法严密、可靠性强、集成度高、智能性强等特点的各种图文系统在国民经济各部门得到广泛的应用，并在逐渐深入社会的各个方面。2.1.1 图像去噪声研究现状数字图像的噪声主要

5、来源于图像的获取和传输过程。在图像获取的数字化过程中，可能会受到图像传感器的质量和环境条件的限制。在图像的传输过程中传输信道会受到噪声的干扰，比如通过无线网络传输的图像会受到光或者其他大气因素的干扰等。图像去噪声的方法种类很多，从对图像进行滤波的过程中所使用的滤波器来分，可分为线性滤波器和非线性滤波器。从所处理的信号域来分可以分为空域滤波器、频域滤波器以及近年来兴起的小波域滤波8。早期使用的一种线性滤波器是非加权邻域平均滤波器，又叫均值滤波。图像中某像素点的灰度值为，它的邻域是一个个点的方形窗口，则进行去噪声处理后，该像素点的灰度值是邻域内所有像素点灰度值和的平均。这种滤波主要用于变化比较平缓

6、的图像，对于具有较多细节的图像，虽然可以去除噪声，但是也会使图像的细节遭到破坏。1977年turkey提出了中值滤波，这是一种非线性滤波技术，它能够有效的抑制脉冲噪声，而且在噪声未知的情况下，很适合于信号的平滑9。由于中值滤波器有这样的优势，一些科学工作者对中值滤波方法做了改进，吴小培等提出了图像细节保持中值滤波器，其基本思想是使用嵌套的中值滤波器，即在窗口内，使用4个方向模板，对每个模板内的数据进行中值滤波，然后根据需要，选一个模板的输出作为滤波器的最后输出10。taochen等人提出了二态中值滤波器，将标准中值滤波器和中心加权中值滤波器相结合，依据阀值比较，决定用哪个滤波器11。但是，这类

7、算法在对复杂纹理图像去噪声时使图像中的一些点线等细节模糊，效果不是很好。小波变换是当前应用数学中一个迅速发展的新领域，采用小波变换的方法进行图像去噪声是目前的一个研究热点，很多基于小波变换的图像去噪声方法被提出，并有较好的效果。matlat是最早从事小波在信号处理中的应用的研究者之一，他提出的利用小波变换模极大值原理进行信号去噪声的方法是小波去噪声中最经典的方法12-13，其基本原理是在小波变换域内去除由噪声对应的模极大值，仅保留由真实信号对应的模极大值点。1994年，donoho和johnstone提出了小波阈值萎缩法，并从渐进意义上证明了小波阈值萎缩法的最优性14。与此同时krim等人运用

8、rosanne的mdl (minimum description length)准则，也得到了相同的阈值公式，此后小波阈值萎缩法被应用到了各种信号去噪声中，并取得了很大的成功，对高斯噪声尤其如此15。但是donoho和johnstone给出的通用阈值由于有严重的“过扼杀”小波系数的倾向，人们纷纷对阈值的选择进行了研究，提出了多种不同的确定方法16-20;后来人们针对阈值函数的选取也进行了研究，给出了不同的阈值函数，目前，基于阈值萎缩的小波去噪声方法的研究仍然非常活跃21-23，不断有新的方法出现，人们的研究方向已经转为如何最大限度的获得信号的先验信息24，并用这些信息来确定更合适的阈值。除了小

9、波萎缩法，还有相关法，投影法等。贝叶斯估计、高阶统计量等信号处理的数学方法也被应用于图像去噪声，这些都丰富了小波去噪声的内容。总之，但是由于小波变换的局限性，去噪声后的图像的边缘保持的不是很好。随着多尺度多方向几何图像变换的提出与发展，由于这些变换能很好的表示图像中的轮廓信息，目前有很多基于该变换域的去噪声方法。目前小波去噪声方法的研究非常活跃，不断有新的方法出现，尤其是有关高斯噪声的去除已取得了不少好的结果。2.1.2 边缘检测与图像分割研究现状 边缘检测是图像处理的关键技术之一，目的是在有噪声背景的图像中确定出目标边界的位置，它在图像匹配、边缘提取等方面占有举足轻重的地位。经典边缘检测算法

10、是梯度法，最常用的有robert算子、prewit算子、sobel算子、log算子、canny算子等。梯度算子是早期的边缘提取方法，它能增强图像边缘，但也增强噪声，因此，不能用在有噪声污染的图像中25-26。 图像分割就是把图像中具有特殊涵义的不同区域分开来，它是图像处理与图像分析中的一个经典问题。目前针对各种具体问题已经提出了许多不同的图像分割算法，图像分割方法主要可分为基于区域的分割方法和基于边界的分割方法。基于区域的分割方法依赖于图像的空间局部特征，如灰度、纹理及其它像素统计特性的均匀性等。基于边界的分割方法主要是利用梯度信息确定目标的边界，这些方法不依赖于已处理像素的结果，适于并行化，

11、缺点是对噪声敏感，而且当边缘像素值变化不明显时容易产生假边界或不连续的边界，在实际应用中往往需要把这两类方法结合起来。由于图像分割问题所面向领域的特殊性，至今尚未得到圆满的、具有普遍性的解决方法。2.2 图像处理的内容1. 图像变换： 由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。2.

12、 图像编码压缩： 图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术27。3. 图像增强和复原： 图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分28。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种

13、滤波方法，恢复或重建原来的图像。4. 图像分割： 图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。 5. 图像分类（识别）： 图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式

14、分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视29。2.3 图像处理的应用 图像处理特别是数字图像处理技术已经经过了初创期、发展期、普及期及广泛应用几个阶段，如今己是各个学科竞相研究并在各个领域广泛应用的一门学科。今天，随着科技事业的进步以及人类需求的多样化发展，多学科的交叉、融合己是现代科学发展的突出特色和必然途径，而图像处理科学又是一门与国计民生紧密相连的一门应用科学，它的发展和应用与我国的现代化建设联系之密切、影响之深远是不可估量的。图像处理科学无论是在理论上还是实践上都存在着巨大的潜力30。1.航空及航天技术方面的应用主要是对人造卫星传回来的图像

15、和航空照片进行处理，以便进行资源调查、资源勘探、城市规划等各种应用。除jpl对月球、火星照片的处理外，还有对遥感图像进行处理。从六十年代以来，美国及一些国际组织发射了资源遥感卫星(如landsat系列)和天空实验室(如sky-lab)，由于成像条件和受飞行器位置、姿态、环境条件等影响，图像质量总不能得到提高。现在世界各国都在利用陆地卫星所获得的图像进行资源调查(如森林调查、海洋泥沙和渔业调查、水资源调查等)、灾害调查(如病虫害监测、水火监测、环境污染监测等)、资源勘探(如石油勘察、矿产量探测、大型工程地理位置勘探分析等)、农业规划(如土壤营养、水分和农作物生长、产量的估算等)、城市规划(如地质

16、结构、水源和环境分析等)。这些图像在成像、存储、传输以及判读过程中，都广泛采用了数字图像处理技术取得了显著的效果。我国也陆续开展了一些实际应用，在气象预报和对太空其它星球研究方面，数字图像处理技术发挥了相当重要的作用。2.生物医学方面的应用数字图像处理在生物医学工程中的应用开展的比较早。其中一类应用是对生物医学显微光学图像分析方面，如红白细胞和细菌、虫卵分类计数以及染色体分析等。这类应用己经发展到配备专用软件的通用硬件设备，如英国的magiscan-、，西德的opton，美国的diff-等系统，国内也在着手研究。图像处理在生物医学应用的另一个方面是对x射线图像的分析，也称ct技术31。但总的说

17、来，对生物医学图像的处理，多数属于识别处理，技术难度较大。3.通信工程方面的应用当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。具体地讲是将电话、电视和计算机以三网合一的方式在数字通信网上传输。其中以图像通信最为复杂和困难，因图像的数据量十分巨大，如传送彩色电视信号的速率达100mbit/s以上。要将这样高速率的数据实时传送出去，必须采用编码技术来压缩信息的比特量。在一定意义上讲，编码压缩是这些技术成败的关键。除了已应用较广泛的熵编码、dpcm编码、变换编码外，目前国内外正在大力开发研究新的编码方法，如分行编码、自适应网络编码、小波变换图像压缩编码等。4.工业和工程方面 在工业

18、和工程领域中图像处理技术有着广泛的应用，如自动装配线中检测零件的质量、并对零件进行分类，印刷电路板疵病检查，弹性力学照片的应力分析，流体力学图片的阻力和升力分析，邮政信件的自动分拣，在一些有毒、放射性环境内识别工件及物体的形状和排列状态，先进的设计和制造技术中采用工业视觉等等。其中值得一提的是研制具备视觉、听觉和触觉功能的智能机器人，将会给工农业生产带来新的激励，目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。5.文化艺术方面目前这类应用有电视画面的数字编辑，动画的制作，电子图像游戏，纺织工艺品设计，服装设计与制作，发型设计，文物资料照片的复制和修复，运动员动作分析和评分等等，现在已逐渐

19、形成一门新的艺术-计算机美术。6.军事和公安业务方面 在军事方面图像处理和识别主要用于导弹的精确末制导，各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统，飞机、坦克和军舰模拟训练系统等；公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等。目前已投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别都是图像处理技术成功应用的例子。2.4 图像处理的发展趋势计算机图像处理学科是综合各学科的先进技术发展而成，因此需要广泛的基础知识，包括计算机科学、数字信号处理、随机过程和统计数学、高等数学矩阵分析、信息论和最优化理论等。图像处理技术的发展大致

20、可归纳为如下四点：1. 图像处理的发展将向着高速、高分辨率、立体化、多媒体化、智能化和标准化方向发展。围绕着hdtv(高清晰度电视)的研制将开展实时图像处理的理论及技术研究。其中包括：提高硬件速度、提高分辨率、立体化、多媒体化、智能化、标准化等。力争使计算机的识别和理解能够按人的认识和思维方式工作，考虑主观概率，与非逻辑思维。正如微软提出的要研制能听会说的计算机那样实现多功能的人机交互。2. 图像、图形相结合朝着三维成像或多维成像的方向发展。目前提出的三维重构的方法，由逆投影、傅立叶变换法和滤波-逆投影法构成。这些方法虽可以精确恢复目标的三维结构，但需全投影角度的投影图，其典型的代表就是医疗用

21、的ct机。而且这对数据采样和高速计算提出了很高的要求。随着代数迭代法的应用，对投影的数量大大减少。法国的jvan bricault提出的将目标表面视为二次曲面的迭代法32和英国riccardo polo提出的从二维x射线图像恢复三维图像的迭代算法33就是具有代表性的方法。3. 硬件芯片研究。由于现代图像处理对图像的质量要求比较高，而相应的一些处理算法由于计算量比较大而影响了处理的速度。使用硬件来实现处理过程既提高了速度和可靠性，又可以在操作系统windows平台下开发处理软件，加快开发速度。4. 新理论与新算法研究。在图像处理领域近年来引入了一些新的理论并提出了一些新的算法，如：小波算法、遗传

22、算法、神经网络等。3 系统中各部分的工作原理3.1系统的硬件组成3.1.1 ccd相机图31 3.1.1.1 ccd相机特点（1）1/3 逐行扫描隔行传输ccd图象传感器（2）有效像素1024x776（3）10-bitrs-644/lvds数字输出（4）同时具有模拟输出（5）整帧快门，速度为1/45-1/71000秒（6）信噪比为58db或更好（7）体积小，重量轻（8）整帧快门状态下异步复位（9）扫描速度为45帧/秒（10）2 x 2 (510 x 388)达到90帧/秒（11）80mhz主频，40mhz点频（12）c接口（13）长时间积分（14）慢速快门（可选）（15）读出控制（16）外部曝

23、光控制（1/71000-2秒）3.1.1.2 ccd相机产品简介up-800是一款分辨率为1024x776的数字式摄像头，它使用了逐行扫描隔行传输的技术。本产品具有外部异步采集功能，能够很容易的抓拍高速运动物体的图像。其ccd的方形像素更适合用于处理、测量和分析方面的应用。本产品体积小、重量轻，其数字和模拟输出，快门选择其后面板上的许多其它功能使用起来都十分简便。它和许多市场上常用的图像采集卡都能够一起使用，如matrox公司的pulsar, meteor2/digitial, coreco公司的viper-quad, viper-digital等。3.1.1.3 ccd相机典型应用：up-8

24、00可以应用在高速机械视觉、自动检测、运动采集及分析及很多其它科学和工业领域内。及采集卡的功能及特点规格指标3.1.2 采集卡图像采集卡具有图像数据采集和处理功能。 图像数据采集方式可以是图像采集卡或其它数字图像合成装置。图像采集卡安装在计算机中，主要作用是进行a/d转换，将成像系统采集来的模拟信号转换为能被计算机识别的数字信号成为数字图像。并通过计算机对数字图像进行各种处理，如：预处理、分割和特征提取等等，并可进行数字图像的存储、显示，将被检部件还原在显示器屏幕上显示出材料内部的缺陷性质、大小、位置等信息，按照有关标准对检测结果进行缺陷等级评定，从而达到检测的目的。在本系统中，根据视频相机的

25、像素数、制式等，选用matrox meteor 采集卡。如图32所示为matrox meteor 采集卡 图32 matrox meteor /digital是matrox meteor 高性能低价格系列采集卡中的一款。它可以用rs-422或lvds差分信号标准，采集黑白/分量rgb，面阵/线阵信号。 matrox meteor /digital将极具价值功能强大的函数扩展性能集成到了采集卡上。oems和集成商使用这项技术可以构建功能强大，价格低廉，基于pc的图像系统。 matrox meteor-系列产品的核心via。一般来讲所有的matrox meteor-板卡都有专门设计的 matrox

26、 video interface asic(via).它是一个高级存储控制器，它可以以先进的格式重组方式将数据实时采集到板上内存，使采集到的数据流不须通过cpu而直接将并行数据流导出到pci总线实时采集到系统或显示。 matrox meteor-/digital可以将采集到的图像传输到系统内存（主cpu）进行处理或显存(vga)以实时活动视频窗口进行显示，速率可达130mb/s图像格式。 数据图像可以被重新定格，并通过matrox via 实时传输到主系统或显示。matrox via的特点包括剪切（roi采集），独立的水平垂直亚采样（十进制）。 matrox via可以执行格式重组操作，这是为

27、从多抽头摄像头实时重组图像信号而特别设计的。图像数据同时以奇/偶像素，奇/偶行的方式同时呈现，反向扫描图段或组合可以在极小损耗或不损耗主cpu的情况下被重新排序为一个合适的图像。 主要特点： （1）pci或pc/104-plus格式视频采集卡（2）采集数字面阵/线阵信号，包括多抽头配置（3）32-bit宽 rs-422或lvds接口（4）采样率rs-422下达到25mhz, lvds 下达到40mh（5）可配置lut(4个2568-bit或2个4k16-bit)3.2 系统的软件组成本文的图像处理软件采用microsoft visual c+ 6.0语言编程，根据面向对象的编程思想，以wind

28、ows系统标准的多文档界面为主控界面，以win32多线程编程技术为核心，来实现图像处理。visual c+是一个功能强大的可视化应用程序开发工具，用于windows环境下32位应用程序的开发，是计算机界公认的最优秀的应用开发工具之一，特别是在图像处理方面。在提供可视化编程方式的同时，visual c+也适应于编写直接对系统进行底层操作的程序，生成代码的质量也优于其它的开发工具。利用visual c+编程是采用了面向对象的程序设计方法同传统的结构化程序方法相比，它缩短软件的研制时间，提高软件的开发效率，使程序员可以更好地理解和管理庞大而复杂的程序。面向对象的程序设计吸取了结构化程序设计的精华，它

29、利用人们对事物分类和抽象的倾向，引入了类和对象的概念，具有封装性(数据抽象)、继承性和多态性的特点。与结构化程序设计不同的是面向对象程序设计是用类抽象代表现实的实体，用类之间的继承关系表示程序设计的抽象过程。函数只是对数据的操作，没有数据的概念，而类是数据和数据操作的集合，由于面向对象的程序设计方法非常贴近现实，所以越来越流行。matlab 也是常用软件之一，它的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。附加的工具箱（单独提供的专用 matlab 函数集）扩展了 matlab 环境，以解决这些应用领域内特定类型的问题。4 图

30、像处理技术的研究4.1 图像的平滑处理在ccd相机采集图像过程中会产生大量的噪声干扰。会导致图像分辨率下降，从而使得缺陷区域亮度不均匀，边缘模糊，与周围背景区域的空间对比度下降，甚至在一些恶性随机噪声的影响下，空间对比度较弱的缺陷可能完全消失。消除图像噪声的工作称之为图像平滑。平滑的主要目的就是减少噪声34。对图像进行平滑处理(smoothing)也叫低通滤波操作(low pass filtering)。图像平滑处理可分为空域法和频域法两大类，也可分为全局处理技术和局部处理技术。这些平滑技术对图像的平滑及噪声的滤除都具有各自的优势，而判断多种算法对某一种图像处理的效果好坏，尚无一种定量的标准，

31、通常只是利用目视定性的进行分析。本文介绍了该类算法中的几种有代表性的例子，选择几种平滑算子进行处理实验，并对结果进行了对比。4.1.1 多帧叠加平均法降噪 多帧叠加平均法是射线图象处理经常采用的一种方法，这种方法的特点是能够较好的去除随机噪声，并且能够对图象的细节部分进行一定程度的增强。在相邻若干帧x射线探伤图像中，噪声是随机的，而缺陷是固定存在的，经过帧叠加平均后，缺陷区域中像素的灰度值几乎没有变化，而随机噪声区域中像素的灰度值却减少到原来的倍，表现为x射线探伤图像中为缺陷区域的亮度几乎没有变化，而一些随机噪声的亮度会大大减弱，这样经过有限次的叠加求平均之后，就可以有效的减少随机噪声的干扰，

32、同时达到突出缺陷区域的目的32。设代表实际图像，代表理想图像，代表图像中的噪声，则: （41）代表多帧叠加平均后的图像，则有关系式： （42）使用多帧叠加平均法时，需要注意的问题是叠加平均的帧数要合适，不能过多也不能过少。叠加平均的帧数过少显然没有起到消除随机噪声的目的，而又因为x光光源的不稳定，叠加的帧数也不能过多，实验证明，叠加的帧数以110帧到120帧效果为宜。该方法最致命的缺点在于其处理速度太慢，考虑到整个系统的运算时间不能过长，应该采用处理速度较快的算法35。此方法可以较为有效的降低图像的随机噪声，并且实现起来简单方便。但是同时也损坏了图像的细节，造成图像的模糊化，处理效果不理想。此

33、方法可以用于对细节要求不高的图像去噪处理中。虽然如此，它的叠加处理的思想仍是值得借鉴的。4.1.2 空间域滤波方法 空间域滤波是图像处理中常用的方法之一，它是通过一个称为模板的子图像在待处理的图像中逐点地移动，在每一点处，滤波器在该点的响应通过事先定义的关系来计算。在滤波器子图像中的值是系数值，而不是像素值。空间域滤波具有运算速度快的优势，选取合适的方法也能够达到很好的去噪效果。1 中值滤波降噪中值滤波是一种非线性的信号处理方法，与其对应的中值滤波器也是一种非线性的滤波器。中值滤波器是在1971年由j.w.jukey首先提出并应用在一维信号处理技术中（时间序列分析），后来被二维图像信号处理技术

34、所引用。它在一定的条件下，可以克服线性滤波器如最小均方滤波、平均值滤波等所带来的图像细节模糊，而且对滤波脉冲干扰及图像扫描噪声最为有效。特别适合用在很强的胡椒粉式或脉冲式的干扰时，因为这些干扰值与其邻近像素的灰度值有很大的差异，因此经排序后取中值的结果是强迫将此干扰变成与其邻近的某些像素的灰度值一样，达到去除干扰的效果。中值滤波目的只是把干扰去掉，而不是刻意让图像模糊36。一般地，设有一个一维序列，取该窗口长度（点数）为（为奇数），对一维序列进行中值滤波，就是从序列中相继抽取个数；其中为窗口的中心点值，。再将这个点值按其数值大小排序，取中间的那个数作为滤波输出，用数学公式表示为：， （43）其

35、中中值滤波一般采用一个含有奇数个点的滑动窗口，将窗口中各点灰度值的中值来替代指定点（一般是窗口的中心点）的灰度值。假设窗口内有5点，其值依次为，重新排序后（从小到大）为，则。2.实现步骤（1）取得图像大小、数据区，并把数据区复制到缓冲区中（2）根据噪声特点选取窗口尺寸值n（3）循环取得各点像素值（4）对以该点像素为中心的nn屏蔽窗口包括的各点像素值进行排序（用冒泡法排序），得到中间值（5）把该点像素值置为中间值（6）把缓冲区中改动的数据复制到原数据区中3.效果图（中值滤波） 图41图41为中值滤波前后图像。从图41观察到，对图像进行了有效的降噪，同时也保存了图像原有的轮廓，并且变得更清楚。处理

36、后的图像采用的窗口形状为方形，理后的图像采用的窗口形状为方形，窗口尺寸为5，窗口中心元素坐标为（0，1）。同时在做实验时发现，若先采用尺寸为3，窗口中心元素坐标为（1，1），后采用尺寸为5，窗口中心元素坐标为（1，0），也能达到很好的降噪效果。总之，在进行中值滤波时需要注意的方面有：噪声类型、窗口形状的选择、窗口尺寸的选择和窗口中心元素坐标的选择。需要注意的是，当窗口内噪声点的个数大于窗口宽度的一半时，中值滤波的效果不好。4.2 图像的增强技术4.2.1 修正直方图的方法 图像灰度级的直方图提供了原始图像的灰度分布情况，描述了图像的概貌，用修正直方图的方法增强图像是实用而有效的处理方法之一。4

37、.2.1.1 直方图在图像的预处理过程中，图像增强是一个很重要的步骤。图像增强技术作为一种基本的图像处理技术，是一种能有效改善图像质量的预处理手段，它是指按照特定的需要突出一副图像中的某些信息，同时削弱或去除某些不需要的信息的处理方法。其目的是对图像进行加工，以得到对具体应用来说比原始图像视觉效果更“好”更“有用”的图像。因此，这类处理是为了某种应用目的而去改善图像质量。突出图像的整体或局部特征，以提高图像的视觉效果和识别特征。处理的结果使图像更适合于人的视觉特性或者机器的识别系统，有利于进一步的处理或应用。 直方图表达了重要的图像数据统计特性，是图像灰度分布的概率密度函数，它是一个1-d的离

38、散函数: （44）上式中，为图像.的第级灰度值，是.中具有灰度值的象素的个数，是图像象素总数(以来除图像的每一个灰度级的象素数就得到了归一化的直方图)。因为给出了对出现概率的1个估计，所以直方图提供了原图的灰度值分布情况，也可以说给出了1幅图所有灰度值的整体描述。所谓直方图修正，就是通过一个灰度映射函数或增强函数，将原图像灰度直方图改造成你所希望的直方图，从而使得改造后直方图对应的图像达到你所希望得到的效果，即增强了原图像的对比度，获得较好视觉效果的新图像。 直方图修正的关键就是增强函数，通过改变选用的增强函数，可以得到不同的图像增强效果，这类处理方法比较灵活方便，处理效果也不错，但对于某些灰

39、度分布很密集或对比度很弱的图像，虽然也能起到一定的增强效果但并不明显。直方图修正法是以概率论为基础的，常用的方法包括直方图均衡化和直方图规定化。4.2.1.2直方图均衡化直方图均衡化广泛应用在图像增强处理中，它是以累计分布函数变换为基础的直方图修正法。直方图均衡化处理的基本思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布的形式，这样就增加了像素灰度值的动态范围从而达到增强图像整体对比度的效果。直方图均衡化是图像空间域点处理增强的一种方法，点处理增强表示为: （45）其中，和分别代表原始图像和目标图像在象素点力位置处的灰度级，假设都被归一化到区间(0表示黑色，1

40、表示白色)，eh代表增强操作。直方图均衡化处理就是要设置合理的增强函数eh，它需要满足如下两个条件:（1）eh(s)在范围内为单值且单调递增（2）对有 第一个条件中单值是为了保证反变换存在，单调条件是保证了原图各灰度级在增强处理后仍保持原来的灰度排列次序，否则将导致有一部分亮度范围被颠倒，从而在输出图像中产生一些反转灰度级;第二个条件保证了变换前后灰度值动态范围的一致性。同样的，对于反变换过程:在时也应该满足上面两个条件。 累计分布函数（cumulative distribution function，简称cdf)就满足上述条件，可以作为增强函数。通过该函数可以将的分布转换为的均匀分布。增强转

41、换方程如下式所示(假定处理的灰度值为离散型) （46）其中，为总的灰度级数，是图像中具有灰度值为的象素的个数，是图像中象素的总数，是取第i级灰度值的概率。根据上式可以由原图像的各像素灰度值直接得到直方图均衡化后各象素的灰度值。当然实际中还要对取整以满足数字图像的要求。综上所述，直方图均衡化步骤如下：（1）统计原始直方图各灰度级的象素数（2）计算原始直方图，（3）用上式(4.6)计算累计直方图（4）取整得均衡化后的灰度级数（5）确定到的映射关系（6）统计新直方图各灰度级象素并计算新直方图（7）按照新的映射关系对原图像各点象素进行灰度转换，即可完成对原图的直方图均衡化。通过直方图均衡化处理可以减少

42、图像的灰度等级以使得图像对比度扩大，频数的灰度级以及兴趣区间之外的灰度级合并，使得许多细节可以看的更清晰即将较小。图42为直方图。图 42 4.2.1.3直方图规定化直方图均衡化的优点式是能自动地增强整个图像地对比度，但它们的增强效果不易控制，处理的结果总是的到全局均衡化的直方图。有时需要变换直方图使之成为某个特定的形状，从而可以有选择地增强某个灰度值范围内的对比度。这时可以采用比较灵活的直方图规定化方法。直方图规定化方法主要有以下三个步骤:（1）对原始图的直方图进行灰度均衡化（2）规定需要的直方图，并计算能使规定的直方图均衡化的变换（3）将第一步得到的变换反转，将原始直方图对应映射到规定的直

43、方图第3步中采用什么样的对应规则很重要，常用的一种方法为简单直观的单映射规则 (single mapping law，简称sml)还有一种较好的方法为组映射规则。4.2.2 图像的灰度变换图像的灰度变换（gray-scale transformation，gst）处理是图像预处理技术中一种非常基础、直接的空间域图像处理方法。灰度变换是指根据某种目标条件按一定变换关系逐点改变原图像中每一个像素灰度值的方法。目的是为了改变画质，使图像的显示效果更加清晰。灰度变换有时又称为图像的对比度增强或对比度拉伸。灰度变换主要针对独立的像素点进行处理，通过改变原始图像数据所占据的灰度范围而使图像在视觉上得到良好

44、的改观，没有利用像素点之间的相互空间关系。灰度变换主要包括比例线性变换，分段线性变换，非线性灰度变换。其中非线性灰度变换对于要进行扩展的亮度值范围是有选择的，扩展的程度是随亮度值的变化连续变化的。常用的有两种方法：（1）对数变换 当希望对图像的低亮度区有较大的扩展而对高亮度区压缩时，可采用此种变换。（2）指数变换 此种可以对图像的高亮度区给予较大的扩展。根据射线图像的特点，本文主要运用了线性变换：（1）理论基础在曝光不足或过度的情况下，图像灰度可能会局限在一个很小的范围内。这时在显示器上看到的将是一个模糊不清、似乎没有灰度层次的图像。用一个线性单值函数，对图像内的每一个像素做线性扩展，将有效地

45、改善图像视觉效果37。令原图像的灰度范围为，线性变换后图像的范围为与之间存在以下关系： （47）由于总是大于，所以对离散图像来说，尽管变换前后像素个数相同，但不同像素之间的灰度差变大，对比度变大，图像观看质量必然优于变换前。对于连续图像，如果背景与目标物的灰度之差很小，在区间内量化可能进入同一灰度级内而不能分辨。由此可见，对输入图像灰度做线性扩张或压缩，映射函数为一个直线方程，该线性灰度变换函数是一个一维线性函数。灰度变换方程为：= （48）式中参数为线性函数的斜率，为线性函数在y轴的截距，表示输入图像的灰度值，表示输出图像的灰度值。当1时，输出图像的对比度将增大；当1时，输出图像的对比度将减

46、少；当=1且不等于0时，使所有图像的灰度值上移或下移，其效果是使整个图像更暗或更亮；当=1，=0时，输出图像和输入图像相同；当=-1，=255时，输出图像的灰度正好反转；当0时，暗区域将变亮，亮区域将变暗，点运算完成了图像求补运算。（2）算法实现第一步：取得原图像的数据区指针；第二步：取得原图像的宽度和高度；第三步：用 for(int i=0；iheight*wide；i+) 循环语句对原图像的每个像素进行搜索，并对像素的灰度值进行式48的变换。根据图像的特点，采用手动条形式对式48进行变换如图43中处理后的小对话框，其中和每次变换单位为0.01和0.1。这样处理后的图像，对于缺陷的细节效果较

47、好。 图 43 （3）特殊的灰度线性变换（反色）只需把以上算法的第三步中的= 公式的取-1，取255，这时的图像就变为图44的效果。从处理的效果可见，反色能很好的发现小的缺陷，这对于长时间工作的评片员来说，可以有效地防止漏判和误判现象。图 44 4.2.3 图像锐化空间域滤波不可避免得会造成图象边缘部分的模糊，要消除这样的模糊，灰度变换是无能为力的，必需要用到图象锐化38。模糊实质就是图像受到平均或积分运算造成的，因此可以对图像进行逆运算如微分运算来使图像清晰化。从频谱角度来分析，图像模糊的实质是其高频分量被衰减，因而可以通过高通滤波操作来清晰图像。图像锐化一般有微分法和高通滤波法。微分法包括

48、梯度锐化和拉普拉斯锐化，高通滤波法包括理想高通滤波、巴特沃斯高通滤波、指数高通滤波和梯形高通滤波等。针对探伤图像的特点，采用梯度锐化法来锐化图像。梯度锐化的特点是既能达到图像轮廓清晰的要求，又能保持感兴趣目标的内部灰度不变。设图像为，定义在点处的梯度矢量为： （410）梯度有两个重要的性质：（1）梯度的方向在函数最大变化率方向上。（2）梯度的幅度用，其值为： （411）由此式可得出这样的结论：梯度的数值就是在其最大变化率方向上的单位距离所增加的量。对于离散的数字图像，上式可以改写成： （412）为了计算方便，也可以采用下面的近似计算公式： （413）梯度锐化常用的方法及各自对图像的特点：（1）

49、直接以梯度值代替。特点：在均匀的区域，因梯度值很小，会表现出图像很暗的特性，并且除了黑色的背景，几乎看不出什么边界。（2）辅以阈值判断。特点：基本上不破坏图像的背景，又可增强边缘。这是因为表示的是两个像素点之间灰度值差的大小，也就是梯度的大小。 （3）给边缘规定一个特定的灰度级。特点：该方法基本上不破坏图像的背景，但是在提取边缘时效果不理想。1. 辅以阈值判断法理论基础由于在图像变化缓慢的地方梯度很小，所以图像会显得很暗，通常的做法是给一个阈值，如果小于该阈值，则保持原灰度值不变；如果大于或等于阈值，则赋值为； （414）2. 实现步骤（1）获得原图像的首地址及图像的宽度和高度；（2）开辟一块

50、内存缓冲区，并初始化；（3）根据式415，计算图像的像素的梯度，将结果保存在内存缓冲区；（4）通过对话框取得阈值t，然后根据式416来进行判断。如果梯度值大于或等于t，则灰度值变为梯度值；如果小于t，则灰度值不变。（5）将内存中的数据复制到图像数据区。3. 效果图（阈值t=7） 图45 图45中的原图是从ccd相机采集图片中获取，从原图中看到有些模糊，对评片员来说这样会降低检测效率。因此，对原图采用了辅以阈值判断法的梯度锐化的锐化处理，通过研究和大量的实验发现，对图片阈值t的取值范围在48之间效果为宜。在图45中阈值t取7，从图中可见轮廓比原来更加清晰，并且也没破坏图像的背景。虽然轮廓看清了，

51、但是它的负面影响就是带来了部分噪声。然后再结合方形中值滤波，就能很好的降掉噪声，窗口尺寸为3，中心元素坐标为（0，1），效果如图46所示。图46 4.3 边缘检测4.3.1 图像的边缘目标物体的边缘对图像识别和分析十分有用。图像边缘是图像的重要特征，人们对目标的识别主要是依靠边缘。边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛存在于物体与背景之间，物体与物体之间，基元与基元之间。边缘能勾画出目标物体，使观察者一目了然；边缘蕴含了丰富的内在信息（如方向、阶跃性质、形状等），是图像识别抽取图像特征的重要属性。从本质上说，图像边缘是图像局部特性不连续性（灰度突变、颜色突变等）的

52、反映，它标志着一个区域的终结和另一个区域的开始。在必要的情况下应用一定的方法表达轮廓的特征，为了图像的形状分析做准备，对进行特征描述、识别和理解等高层次的处理有着重大的影响。常用的边缘检测算子有：算子、算子、算子、算子和canny算子等。它们的特点：（1）算子：利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时不能抑制噪声，对噪声很敏感。该算子对其有陡峭的低噪声图像响应最好。（2）算子和算子：都是对图像进行差分和滤波运算，差别只是平滑部分的权值有些差异，因此对噪声有一定的抑制能力，但不能完全排除检测结果中出现伪边缘。同时这2个算子边缘定位比较准确和完整，但容易出现边缘多像素

53、宽。该类算子对灰度渐变和具有噪声的图像处理的较好。（3）（log）算子：该算子是将高斯算子和拉普拉斯算子结合在一起而形成的一种新的边缘检测算子，首先通过高斯函数对图像作平滑处理，因此对噪声的抑制作用比较明显，但同时也可能将原来的边缘平滑掉了，造成某些边缘无法检测到，然后采用拉普拉斯算子根据二阶微分过零点来检测图像边缘。（4）canny算子：该算子同样采用高斯函数对图像作平滑处理，因此具有较强的去噪能力，但同样存在容易平滑掉一些边缘信息，同时其后所采用的一阶微分算子的方向性较log算子要好，因此边缘定位准确性相对较高。4.3.2 基于canny算子的边缘提取1 canny算子介绍 canny算子

54、由于其卓越的性能得到越来越广泛的应用。算子的设计原理来源于canny边缘检测算子的三个评价指标：（1）好的性噪比，即将非边缘点判为边缘点的概率要低，将边缘点判为非边缘点的概率也要低。（2）好的定位能力，即检测的边缘点要尽可能的在实际边缘的中心。（3）对单一的边缘仅有唯一的响应，即单个边缘产生多个响应的概率要低，并且虚假边缘要得到最大的抑制。canny首次将这三个判据数学化，并且用最优化方法研究一维边缘，给出了对应于给定边缘类型的最佳检测模版，对于一维阶跃边缘，canny的最优边缘检测器与高斯函数的一阶导数类似，因此在实际应用中常选高斯函数的一阶导数作为阶跃形边缘的次最优检测算子。需要注意，对于

55、不同类型的边缘，canny算子的形式是不一样的。对于二维图像，需要取同一类型的滤波器的不同方向的模版分别对图像进行处理，再取模值可能最大的方向，用于后续的比较分析。显然canny算子的计算量更大，为此可仿造m-h算子设计快速算法。 canny算子设计方法：二维高斯函数为 （415）求偏导数： （416） （417）其中 可见 k为常数将 （418） （419） （420）分别与图像进行卷积，得到方向微分输出： （421）令 （422） （423）是灰度梯度模值，反应了图像上点处的灰度变化强度，是梯度方向，反映了图像上点处的灰度变化最快的方向，即该点的方向矢量（正交于边缘方向的方向）。根据canny的定义，当一个像素满足下面三个条件时就被认为是图像的边缘像素：（1）该点的大于位于该点梯度方向的两个相邻像素的值（2）与该点梯度方向一致的相邻两点的梯度方向差小于（3）以该点为中心的领域中的的极大值小于某个阀值如果条件（1）（2）同时满足，那么在梯度方向上的两个相邻像素就从候选边缘点集合中取消，