机器视觉第4章 图像处理技术

第4章图像处理技术第4章内容4.1图像增强4.2图像分割4.3边缘提取4.4数学形态学分析4.5图像投影4.6图像特征提取4.7配准定位方法*(扩展内容/自学)4章图像处理技术4.1图像增强空域图像增强频域图像增强彩色增强4章图像处理技术4.1.3彩色增强 伪彩色增强 在记录和显示图像时，根据黑白图像各像素灰度大小，按一定规则赋给它们不同的彩色，就将黑白图像变成彩色图像，这种由灰度到彩色的映射称为伪彩色增强。 目的：利用人眼对彩色的敏感性，增强观测者对目标物的 检测性，提高人对图像的分辨能力。 原理：输入和输出图像对应像素间进行一对一的映射变

换，不涉及像素空间位置改变。4章图像处理技术4.1.3彩色增强 假彩色增强

是从彩色到彩色的变化。 将一幅真实自然的彩色图像或遥感多光谱图像逐点映射到三基色所确定的三维色度空间，然后加以合成，形成新的色彩，使目标物体在重新显示后，呈现出不同于原始的自然色。4章图像处理技术4.2图像分割是图像处理到图像理解的关键步骤。把图像分割成各个具有特性的区域并提取出感兴趣目标的技术和过程。基于阈值的分割方法是一种应用十分广泛的分割技术。利用图像的灰度直方图获得分割阈值，用一个或几个阈值将图像的灰度级分为几个部分，认为属于同一部分的像素是同一个物体。适用于目标和背景占据不同灰度级范围的图像。两个步骤：(1)确定需要分割的阈值；(2)将分割阈值与像素值进行比较以划分像素。4章图像处理技术4.2图像分割阈值变换方法主要有两类：固定阈值法和浮动阈值法。双峰法迭代法大津法判别分析法一维最大熵法4章图像处理技术4.2.1双峰法认为图像由前景和背景组成，在直方图上两者各形成一个高峰，双峰间的最低谷就是图像分割阈值。具体实现：先绘出直方图，然后人为定下双峰间分割阈值4章图像处理技术4.2.2迭代法求出图像的最大和最小灰度值，记为Max和Min。令初始阈值T0=(Max+Min)/2。根据阈值T0将图像分割为前景和背景，分别求出两者的平均灰度值ZO和ZB。求出新阈值：T1=(ZO+ZB)/2。若T0=T1，退出迭代，T1即为阈值；否则令T0=T1，转步骤3，迭代计算。4章图像处理技术4.2.3大津法对一幅图像，记：t为分割阈值；w0为前景点数占图像比例；前景平均灰度为u0;w1为背景点数占图像比例；背景平均灰度为u1。图像的总平均灰度为：u=w0*u0+w1*u1从最小灰度值到最大灰度值遍历t，使g=w0*(u0-u)2+w1*(u1-u)2 最大时的t为最佳分割阈值。4章图像处理技术4.2.3大津法大津法的本质： g本质上是类间方差值。 方差是灰度分布均匀性的一种度量。 方差值越大，说明构成图像的两部分差别越大，错分概率越小。4章图像处理技术4.2.4判别分析法L--图像灰度级；N--总像素数；Ni--灰度值为i的像素数灰度级k的灰度分布零阶矩w(k)和一阶矩u(k)为有M-1个阈值，1k1k2kM-1L，将图像分割成M个灰度值的类Cj，类间灰度级范围Sj=[kj-1,kj]，j=1,2,,M类Cj的发生概率wj，平均值uj为4章图像处理技术4.2.4判别分析法类间方差 使2最大的阈值组，就是最佳阈值组通常M=2，即图像二值化。4章图像处理技术4.2.5一维最大熵法灰度级：L；分割阈值：T；目标区O：<T，像素数pO；背景区B：T，像素数pB；各灰度级在本区的分布概率pi熵： (T)最大时对应的灰度值T，为最佳阈值4章图像处理技术4.2.5一维最大熵法缺点：运算速度慢，不能满足实时性要求只考虑了灰度值信息，没考虑像素点的空间信息 当图像信噪比降低时，分割效果不理想。4章图像处理技术4.3边缘提取边缘是图像的最重要的特征。边缘是周围像素灰度有阶跃变化或屋顶变化的像素集合。边缘反映图像灰度的不连续性。图像的边缘很少是从一个灰度跳到另一个灰度这样的理想状况。真实图像的边缘通常都具有有限的宽度呈现出陡峭的斜坡状。基于边缘检测的基本思想：先检测图像中的边缘点，再按一定策略连接成轮廓，从而形成边缘图像。4章图像处理技术4.3边缘提取边缘种类一阶方向导数二阶方向导数检测阶梯形边缘处取极值边缘处呈零交叉二阶方向导数屋顶型和线性边缘处呈零交叉边缘处取极值一阶方向导数4章图像处理技术4.3边缘提取边缘检测一般过程原始图像平滑图像梯度或含过零点图像边界点平滑化一阶或二阶微分运算阈值处理4章图像处理技术4.3.1边缘检测算子梯度算子拉普拉斯算子Canny算子4章图像处理技术4.3.1边缘检测算子梯度算子梯度对应一阶导数常用梯度算子：Roberts、Prewitt、Sobel4章图像处理技术4.4.1边缘算子提取几种常用梯度算子的模板Roberts边缘定位准对噪声敏感Prewitt平均、微分对噪声有抑制作用Sobel加权平均边宽2像素Isotropic(各向同性)Sobel权值反比于邻点与中心点的距离，检测沿不同方向边缘时梯度幅度一致4章图像处理技术4.3.1边缘检测算子拉普拉斯算子是二阶微分算子，属于各向同性的运算。模板基本要求：中心像素的系数>0；邻近中心像素的像素系数<0；系数总和=0。4章图像处理技术4.3.1边缘检测算子Canny算子JohnCanny于1986年提出，是先平滑后求导数的方法。John给出的评价边缘检测性能优劣的三个指标：好的信噪比，即将非边缘点判定为边缘点的概率要低，将边缘点判为非边缘点的概率要低；高定位性能，即检测出的边缘点要尽可能在实际边缘的中心；对单一边缘仅有唯一响应，即单个边缘产生多个响应的概率要低，并且虚假响应边缘应该得到最大抑制。总的来说，在提高对景物边缘的敏感性的同时，可以抑制噪声的方法才是好的边缘提取方法。4章图像处理技术4.3.1边缘检测算子Canny算子求边缘点具体算法步骤如下：1.用高斯滤波器平滑图像．2.用一阶偏导有限差分计算梯度幅值和方向.4.对梯度幅值进行非极大值抑制．4.用双阈值算法检测和连接边缘．4章图像处理技术4.3.1边缘检测算子Matlab函数edge()Findedgesinintensityimage.takesanintensityorabinaryimageIasitsinput,andreturnsabinaryimageBWofthesamesizeasI,with1'swherethefunctionfindsedgesinIand0'selsewhere.supportssixdifferentedge-findingmethods:Sobel,Prewitt,Roberts,Laplacian,zero-crossmethod,Canny4章图像处理技术4.3.1边缘检测算子几种算子性能比较：Roberts：用局部差分算子寻找边缘，边缘定位精度高，但容易丢失一部分边缘；由于图像没经过平滑处理，不具备抑制噪声能力。适用于有陡峭边缘且含噪少的图像。Prewitt和Sobel：对图像先加权平滑处理，再微分运算，对噪声有一定抑制能力，但不能完全排除检测结果中有虚假边缘出现。边缘定位效果较好，但检测出的边缘容易出现多像素宽度。4章图像处理技术4.3.1边缘检测算子拉普拉斯算子：不依赖于边缘方向的二阶微分算子，对图像中的阶跃型边缘点定位准确，对噪声非常敏感，它使噪声成分加强，这两个特性使它容易丢失一部分边缘的方向信息，使检测出的边缘不连续。Canny算子：利用高斯函数的一阶微分，能在噪声抑制和边缘检测间取得较好的平衡。对各种类型的边缘，具有较好的定位精度。4章图像处理技术4.3.2轮廓提取方法轮廓提取前要对图像进行二值化。常用轮廓提取方法有：边缘提取差影法轮廓跟踪4章图像处理技术4.3.2轮廓提取方法边缘提取 如果原图一点为黑，且它的8个（或4个）相邻点都是黑色时，判断该点为内部点，将该点删除。 思想：淘空内部点4章图像处理技术4.3.2轮廓提取方法轮廓跟踪1.找到第一个边界点像素A：按从左到右，从下到上的顺序搜索，找到的第一个黑点一定是最左下方的边界点。2.点A的右、右上、上、左上四个邻点中至少有一个边界点B。3.从点B开始，定义搜索的方向为左上方；如果左上方的点位黑点，则为边界点，否则搜索方向顺时针旋转45°，直到找到一个黑点C为止。4.把点C作为新的边界点，在当前搜索方向上逆时针旋转90°，用同样方法搜索下一个边界点，直到返回点A为止。4章图像处理技术4.3.2轮廓提取方法差影法 用原图像减去腐蚀后的收缩图像。 为得到单像素边缘，腐蚀操作采用33大小的结构算子4章图像处理技术4.4数学形态学分析基本运算腐蚀与膨胀开运算与闭运算应用边界提取区域填充图像细化与图像骨架4章图像处理技术4.5图像投影 针对二值图像的操作，是图像分割的一种基本操作。 当物体有水平或垂直边界时，通过投影可以确定物体的大概位置。水平投影对图像的每一行进行遍历，计算每一行中目标像素的个数。垂直投影对图像的每一列进行遍历，计算每一行中目标像素的个数。4章图像处理技术4.6图像特征提取兴趣点提取Harris角点直线提取*(扩展内容/自学)哈夫变换圆弧提取*(扩展内容/自学)最小二乘拟合4章图像处理技术4.6.1图像特征定义：图像的原始特性或属性。自然特征：视觉能直接感受，如亮度、边缘轮廓、纹理、色彩等。人为特征：需要通过变换或测量得到，如直方图、变换频谱、矩等。4章图像处理技术4.6.1图像特征分类：提取区域大小：局部特征、全局特征。在图像上的表现形式：点特征、线特征和面特征。用于目标图像识别：视觉特征—边缘、轮廓、形状、纹理、区域等，物理意义明确，提取比较容易。统计特征—直方图、矩(包括均值、方差、峰度、熵)等。变换系数特征代数特征4章图像处理技术4.6.2Harris角点检测给定一个小的滑动窗口，有三种情况：平滑区域：无论窗口如何移动，图像强度无显著变化。边缘区域：沿边缘方向灰度值无明显变化。兴趣点区域：无论朝哪个方向移动，均会产生灰度值的巨大变化4章图像处理技术4.6.2Harris角点检测兴趣点标定步骤：1.采用Sobel算子计算梯度图像：Ix,Iy2.逐点计算乘积图像：Ix2,Iy2,

IxIy4.用高斯窗w(x,y)对乘积图像中的所有像素点进行卷积4章图像处理技术4.6.2Harris角点检测对每个像素点进行如下操作：4.对矩阵C进行特征值分解，得到两个特征值1,25.计算区域判别准则值Rk一般取值0.06。平滑区域：|R|很小；边缘区域：R<0；兴趣点区域：R>04章图像处理技术4.6.2Harris角点检测6.找出所有满足R>0且超过一定门限，并且是局部最大值的点，这些点即为兴趣点。门限一般设定为0.9Rmax，Rmax是所有像素R值的最大值。局部最大值的判断通常设定在33的邻域范围内，如果检测出的兴趣点非常密集，可以扩大局部最大值的判定范围。4章图像处理技术4.6.3一个应用——摄像机标定标定是计算机视觉中的基本问题，主要目的是确定图像上某一点与实际场景点之间的对应关系。在很多应用场合，如3D物体的跟踪识别、三维重建、机器人导航等都需要用到标定技术，以便对景物进行定量分析或对物体的空间位置进行精确定位。标定需要确定摄像机的内、外两种参数内参数：描述摄像机自身的几何和光学特性，包括焦距f、畸变系数k、图像中心的位置等。外参数：描述世界坐标系与摄像机坐标系的位置关系，用一个旋转