图像预处理的主要方案

图像预处理的主要方案1引言模拟世界的影像要为计算机系统所处理和理解一般要经过图像采集、图像预处理、特征取样、匹配分析等阶段。由于获取图像的工具或手段的影响成像系统获取的图像即原始图像由于受到种种条件限制和随机干扰往往不能直接使用必须在视觉信息处理的早期阶段对原始图像进行灰度校正、噪声过滤等图像预处理使获取图像无法完全体现原始图像的全部信息。因此对图像进行预处理就显得非常重要。预处理的目的是改善图像数据抑制不需要的变形或者增强某些对于后续处理来说比较重要的图像特征。图1图像处理的输入输出简图在图像分析中对输入图像进行特征抽取、分割和匹配前所进行的处理。图像预处理的主要目的是消除图像中无关的信息恢复有用的真实信息增强有关信息的可检测性和最大限度地简化数据从而改进特征抽取、图像分割、匹配和识别的可靠性。预处理过程一般有数字化、几何变换、归一化、平滑、复原和增强等步骤。2数字化一幅原始照片的灰度值是空间变量位置的连续值的连续函数。在M×N点阵上对照片灰度采样并加以量化归为2b个灰度等级之一可以得到计算机能够处理的数字图像。为了使数字图像能重建原来的图像对M、N和b值的大小就有一定的要求。在接收装置的空间和灰度分辨能力范围内M、N和b的数值越大重建图像的质量就越好。当取样周期等于或小于原始图像中最小细节周期的一半时重建图像的频谱等于原始图像的频谱因此重建图像与原始图像可以完全相同。由于M、N和b三者的乘积决定一幅图像在计算机中的存储量因此在存储量一定的条件下需要根据图像的不同性质选择合适的M、N和b值以获取最好的处理效果。3几何变换用于改正图像采集系统的系统误差和仪器位置的随机误差所进行的变换。对于卫星图像的系统误差如地球自转、扫描镜速度和地图投影等因素所造成的畸变可以用模型表示并通过几何变换来消除。随机误差如飞行器姿态和高度变化引起的误差难以用模型表示出来所以一般是在系统误差被纠正后通过把被观测的图和已知正确几何位置的图相比较用图中一定数量的地面控制点解双变量多项式函数组而达到变换的目的。4归一化使图像的某些特征在给定变换下具有不变性质的一种图像标准形式。图像的某些性质例如物体的面积和周长本来对于坐标旋转来说就具有不变的性质。在一般情况下某些因素或变换对图像一些性质的影响可通过归一化处理得到消除或减弱从而可以被选作测量图像的依据。例如对于光照不可控的遥感图片灰度直方图的归一化对于图像分析是十分必要的。灰度归一化、几何归一化和变换归一化是获取图像不变性质的三种归一化方法。5平滑消除图像中随机噪声的技术。对平滑技术的基本要求是在消去噪声的同时不使图像轮廓或线条变得模糊不清。常用的平滑方法有中值法、局部求平均法和k近邻平均法。局部区域大小可以是固定的也可以是逐点随灰度值大小变化的。此外有时应用空间频率域带通滤波方法。6复原校正各种原因所造成的图像退化使重建或估计得到的图像尽可能逼近于理想无退化的像场。在实际应用中常常发生图像退化现象。例如大气流的扰动光学系统的像差相机和物体的相对运动都会使遥感图像发生退化。基本的复原技术是把获取的退化图像gxy看成是退化函数hxy和理想图像fxy的卷积。它们的傅里叶变换存在关系GuvHuvFuv。根据退化机理确定退化函数后就可从此关系式求出Fuv再用傅里叶反变换求出fxy。通常把称为反向滤波器。实际应用时由于Huv随离开uv平面原点的距离增加而迅速下降为了避免高频范围内噪声的强化当u2v2大于某一界限值W娿时使Muv等于1。W0的选择应使Huv在u2v2≤W娿范围内不会出现零点。图像复原的代数方法是以最小二乘法最佳准则为基础。寻求一估值弮使优度准则函数值最小。这种方法比较简单可推导出最小二乘法维纳滤波器。当不存在噪声时维纳滤波器成为理想的反向滤波器。7增强对图像中的信息有选择地加强和抑制以改善图像的视觉效果或将图像转变为更适合于机器处理的形式以便于数据抽取或识别。例如一个图像增强系统可以通过高通滤波器来突出图像的轮廓线从而使机器能够测量轮廓线的形状和周长。图像增强技术有多种方法反差展宽、对数变换、密度分层和直方图均衡等都可用于改变图像灰调和突出细节。实际应用时往往要用不同的方法反复进行试验才能达到满意的效果。图像对比度处理是空间域图像增强的一种方法。由于图像灰度范围狭窄会使图像的对比度不理想可用对比度增强技术来调整图像灰度值的动态范围。图像增强技术主要有两种方法空间域法和频率域法空间域方法主要是在空间域内对图像像素直接运算处理频率域方法就是在图像的某种变换域对图像的变换值进行运算如先对图像进行付立叶变换再对图像的频谱进行某种计算如滤波等最后将计算后的图像逆变换到空间域本章首先讨论直方图修正方法然后介绍各种滤波技术。7.1直方图修正许多图像的灰度值是非均匀分布的其中灰度值集中在一个小区间内的图像是很常见的。直方图均衡化是一种通过重新均匀地分布各灰度值来增强图像对比度的方法。经过直方图均衡化的图像对二值化阈值选取十分有利一般来说直方图修正能提高图像的主观质量因此在处理艺术图像时非常有用。直方图修正的一个简单例子是图像尺度变换把在灰度区间ba内的像素点映射到zzk1区间一般情况下由于曝光不充分原始图像灰度区间ba常常为空间zzk1的子空间此时将原区间内的像素点z映射成新区间内像素点z的函数表示为zzzbazazk1171上述函数的曲线形状见图51a上述映射关系实际上将ba区间扩展到区间zzk1上使曝光不充分的图像黑的更黑白的更白。如果图像的大多数像素灰度值分布在区间ba则可以使用7.2式所示的映射函数bzzazzbzazazabzzzkk11172若要突出图像中具有某些灰度值物体的细节而又不牺牲其它灰度上的细节可以采用分段灰度变换使需要的细节灰度值区间得到拉伸不需要的细节得到压缩以增强对比度当然也可以采用连续平滑函数进行灰度变换。这一方法存在的问题是当直方图被延伸后所得到的新直方图并不均匀也就是说各灰度值所对应的像素数并不相等因此更好的方法应该是既能扩展直方图又能使直方图真正地呈现均匀性如果预先设定灰度值分布那么就可以用下面的方法假定pi是原直方图中在灰度级zi上的像素点的数目iq是要得到的直方图在灰度级zi上的像素点的数目从原直方图的左边起找到灰度值k1使得111111kiikiipqp73灰度级1211...kzzz上的像素点将映射到新图像的灰度级为z1的像素点上现在求灰度值k2使得2212111kiikiipqqp74下一区间像素值121...kkzz被映射到灰度级z2上重复这一过程直到原始图像的所有灰度值都得到处理在那里原始图像对比度很弱原因是灰度值分布在一小区间内直方图均衡化通过映射灰度值来逼近均匀分布从而改善了对比度但是这一方法在均衡化后的直方图中仍然留下了间隙除非输入图像中具有同一灰度级的像素点在输出图中被延伸至几个灰度级如果直方图被延伸则在原始图像中具有相同灰度值的像素点在新的图像中可能会被延伸成不同的灰度值最简便的方法就是为相同灰度值的每一个像素点分配一个随机的输出值为了把像素点均匀地分布在n个输出值11...nkkkqqq的范围内假定使用一个随机数发生器其产生的随机数均匀地分布在01内输出的像素点标号可以由随机数r通过计算公式rnk得到换句话说对每一次决策抽出一个随机数乘以区间内的输出值数目n后四舍五入取整最后将这一偏移量加到最低标号k上7.2图像线性运算许多图像处理系统都可以用一个线性系统作为模型输入线性系统输出xygxy对于线性系统当系统输入是一个中心在原点的脉冲xy时输出gxy就是系统的脉冲响应此外如果系统响应与输入脉冲的中心位置无关则该系统称为空间不变系统对于线性系统当系统输入是一个中心在原点的脉冲xy时输出gxy就是系统的脉冲响应此外如果系统响应与输入脉冲的中心位置无关则该系统称为空间不变系统输入空间不变线性系统输出00yyxx00yyxxg线性空间不变系统LinearSpaceInvariantLSI完全能用其脉冲响应来描述输入LSI系统输出fxygxyhxy其中fxy和hxy是输入和输出图像上面的系统必须满足关系式2121yxhbyxhayxfbyxfa其中fxy1和fxy2是输入图像hxy1和hxy2是对应于fxy1和fxy2的输出图像a和b是常系数比例因子对这样的系统其输出hxy可以用输入fxy与其脉冲响应gxy的卷积来定义.ydxdyyxxgyxfyxgyxfyxh75图像域的卷积对应于频率域的乘积因此对于图像域中非常费时的大滤波器卷积若使用快速付立叶变换fastfouriertransformFFT可以大大地提高计算效率FFT是许多图像处理应用领域里十分重要的方法但是在机器视觉中由于大多数算法是非线性的或空间可变的因此不能使用付立叶变换方法对于视觉模型为线性的、空间不变的系统由于滤波尺度很小使用快速付立叶变换几乎得不到什么益处因此在视觉预处理阶段通常使用线性滤波器如平滑滤波器等来完成图像时域卷积73线性滤波器图像常常被强度随机信号也称为噪声所污染一些常见的噪声有椒盐SaltPepper噪声、脉冲噪声、高斯噪声等椒盐噪声含有随机出现的黑白强度值而脉冲噪声则只含有随机的白强度值正脉冲噪声或黑强度值负脉冲噪声与前两者不同高斯噪声含有强度服从高斯或正态分布的噪声高斯噪声是许多传感器噪声的很好模型例如摄像机的电子干扰噪声ab图2被高斯噪声所污染的图像a原始图像b高斯噪声线性平滑滤波器去除高斯噪声的效果很好且在大多数情况下对其它类型的噪声也有很好的效果。线性滤波器使用连续窗函数内像素加权和来实现滤波。特别典型的是同一模式的权重因子可以作用在每一个窗口内也就意味着线性滤波器是空间不变的这样就可以使用卷积模板来实现滤波。如果图像的不同部分使用不同的滤波权重因子且仍然可以用滤波器完成加权运算那么线性滤波器就是空间可变的。任何不是像素加权运算的滤波器都属于非线性滤波器。非线性滤波器也可以是空间不变的也就是说在图像的任何位置上可以进行相同的运算而不考虑图像位置或空间的变化。下面主要介绍两种线性滤波器均值滤波器和高斯滤波器。7.4非线性滤波均值滤波和高斯滤波运算的主要问题是有可能模糊图像中的尖锐不连续部分两种非线性滤波算法中值滤波和边缘保持滤波算法可以避免以上问题。8结论在图像的各个领域中如医学影像、生物识别、视频监控等图像预处理都是必需的。事实上图像预处理算法的灵活度、复杂度、对图像处理芯片资源的占用度以及处理时间的长度将直接对整个系统运行产生举足轻重的影响。因此图像预处理是一项艰巨而又关键的任务直接决定了后续图像处理与分析的准确性和便捷性。