數(shù)字圖像處理技術(shù)參考模板

1、數(shù)字圖像處理技術(shù)一數(shù)字圖像處理概述數(shù)字圖像處理是指人們?yōu)榱双@得一定的預(yù)期結(jié)果和相關(guān)數(shù)據(jù)利用計(jì)算機(jī)處理系統(tǒng)對(duì)獲得的數(shù)字圖像進(jìn)行一系列有目的性的技術(shù)操作。數(shù)字圖像處理技術(shù)最早出現(xiàn)在上個(gè)世紀(jì)中期，伴隨著計(jì)算機(jī)的發(fā)展，數(shù)字圖像處理技術(shù)也慢慢地發(fā)展起來(lái)。數(shù)字圖像處理首次獲得成功的應(yīng)用是在航空航天領(lǐng)域，即1964年使用計(jì)算機(jī)對(duì)幾千張?jiān)虑蛘掌褂昧藞D像處理技術(shù)，并成功的繪制了月球表面地圖，取得了數(shù)字圖像處理應(yīng)用中里程碑式的成功。最近幾十年來(lái)，科學(xué)技術(shù)的不斷發(fā)展使數(shù)字圖像處理在各領(lǐng)域都得到了更加廣泛的應(yīng)用和關(guān)注。許多學(xué)者在圖像處理的技術(shù)中投入了大量的研究并且取得了豐碩的成果，使數(shù)字圖像處理技術(shù)達(dá)到了新的高度，

2、并且發(fā)展迅猛。二數(shù)字圖象處理研究的內(nèi)容一般的數(shù)字圖像處理的主要目的集中在圖像的存儲(chǔ)和傳輸，提高圖像的質(zhì)量，改善圖像的視覺(jué)效果，圖像理解以及模式識(shí)別等方面。新世紀(jì)以來(lái)，信息技術(shù)取得了長(zhǎng)足的發(fā)展和進(jìn)步，小波理論、神經(jīng)元理論、數(shù)字形態(tài)學(xué)以及模糊理論都與數(shù)字處理技術(shù)相結(jié)合，產(chǎn)生了新的圖像處理方法和理論。比如，數(shù)學(xué)形態(tài)學(xué)與神經(jīng)網(wǎng)絡(luò)相結(jié)合用于圖像去噪。這些新的方法和理論都以傳統(tǒng)的數(shù)字圖像處理技術(shù)為依托，在其理論基礎(chǔ)上發(fā)展而來(lái)的。數(shù)字圖像處理技術(shù)主要包括： 圖像增強(qiáng)圖像增強(qiáng)是數(shù)字圖像處理過(guò)程中經(jīng)常采用的一種方法。其目的是改善視覺(jué)效果或者便于人和機(jī)器對(duì)圖像的理解和分析，根據(jù)圖像的特點(diǎn)或存在的問(wèn)題采取的簡(jiǎn)單改善

3、方法或加強(qiáng)特征的措施就稱為圖像增強(qiáng)。 圖像恢復(fù)圖像恢復(fù)也稱為圖像還原，其目的是盡可能的減少或者去除數(shù)字圖像在獲取過(guò)程中的降質(zhì)，恢復(fù)被退化圖像的本來(lái)面貌，從而改善圖像質(zhì)量，以提高視覺(jué)觀察效果。從這個(gè)意義上看，圖像恢復(fù)和圖像增強(qiáng)的目的是相同的，不同的是圖像恢復(fù)后的圖像可看成時(shí)圖像逆退化過(guò)程的結(jié)果，而圖像增強(qiáng)不用考慮處理后的圖像是否失真，適應(yīng)人眼視覺(jué)和心理即可。2 / 20 圖像變換圖像變換就是把圖像從空域轉(zhuǎn)換到頻域，就是對(duì)原圖像函數(shù)尋找一個(gè)合適變換的數(shù)學(xué)問(wèn)題，每個(gè)圖像變換方法都存在自己的正交變換集，正是由于各種正交換集的不同而形成不同的變換。圖像變換分為可分離變換和統(tǒng)計(jì)變換兩大類。 圖像壓縮數(shù)字圖

4、像需要很大的存儲(chǔ)空間，因此無(wú)論傳輸或存儲(chǔ)都需要對(duì)圖像數(shù)據(jù)進(jìn)行有效的壓縮，其目的是生成占用較少空間而獲得與原圖十分接近的圖像。 圖像分割圖像分割的目的是把一個(gè)圖像分解成它的構(gòu)成成分，圖像分割是一個(gè)十分困難的過(guò)程。圖像分割的方法主要有兩類：一種是假設(shè)圖像各成分的強(qiáng)度值是均勻的，并利用這個(gè)特性。另一種方法是尋找圖像成分之間的邊界，利用的是圖像的不均勻性。 邊緣檢測(cè)邊緣檢測(cè)技術(shù)用于檢測(cè)圖像中的線狀局部結(jié)構(gòu)。邊緣是圖像中具有不同平均灰度等級(jí)的兩個(gè)區(qū)域間的邊界，因此，大多數(shù)的檢測(cè)技術(shù)應(yīng)用某種形式的梯度算子。圖像邊緣是圖像的基本特征之一，蘊(yùn)含了圖像豐富的內(nèi)在信息，它廣泛應(yīng)用于圖像分割、圖像分類、圖像配準(zhǔn)和模

5、式識(shí)別中。在大多數(shù)的實(shí)際應(yīng)用中，邊緣檢測(cè)是當(dāng)做一個(gè)局部濾波運(yùn)算完成的。三數(shù)字圖像處理系統(tǒng)不論是對(duì)什么圖像進(jìn)行數(shù)字處理，它的基本思想和操作方法都是一樣的。數(shù)字圖像處理系統(tǒng)主要由三個(gè)基本部件構(gòu)成，分別是計(jì)算機(jī)（用于處理圖像程序的執(zhí)行和運(yùn)算）、數(shù)字化設(shè)備（主要用于圖像模式轉(zhuǎn)化）和顯示設(shè)備（用于圖像處理過(guò)程中圖像的顯示）。圖像處理過(guò)程中按照步驟進(jìn)行劃分的數(shù)字圖像處理系統(tǒng)如下圖所示：圖像輸入數(shù)字化預(yù)處理特征提取圖像分割圖像識(shí)別結(jié)果輸出初始人機(jī)交互視頻圖像數(shù)字圖像壓縮圖像二值圖像實(shí)體位置坐標(biāo)由于數(shù)字圖像處理系統(tǒng)的靈活性和方便性，所以數(shù)字圖像處理已成為圖像處理的主流。常見(jiàn)的數(shù)字圖像處理有：圖像的采集、數(shù)字化

6、、編碼、增強(qiáng)、恢復(fù)、變換、壓縮、存儲(chǔ)、傳輸、分析、識(shí)別、分割等。圖像處理的各個(gè)內(nèi)容是相互聯(lián)系的，一個(gè)實(shí)用的圖像處理系統(tǒng)往往結(jié)合幾種圖像處理技術(shù)才能得到所需的結(jié)果，圖象數(shù)字化是將一個(gè)圖像變換為適合計(jì)算機(jī)處理的形式的第一步，圖像編碼可用以傳輸和存儲(chǔ)圖像，圖像增強(qiáng)和復(fù)原可以是圖像處理的最后目的，也可以是為進(jìn)一步的處理做準(zhǔn)備。通過(guò)圖像分割得到的圖像特征可以作為最后結(jié)果，也可以作為下一步圖像分析和識(shí)別的基礎(chǔ)。四數(shù)字圖像處理技術(shù)1.圖像數(shù)字化圖像數(shù)字化是計(jì)算機(jī)處理圖像之前的基本步驟，目的是把真實(shí)的圖像轉(zhuǎn)變成計(jì)算機(jī)能夠接受的存儲(chǔ)格式，數(shù)字化過(guò)程分為采樣和量化兩個(gè)步驟。圖像在某個(gè)空間上的離散化狀態(tài)稱為采樣，即

7、用空間上部分點(diǎn)的灰度值來(lái)表示圖像，這些點(diǎn)稱為樣點(diǎn)。采樣的實(shí)質(zhì)就是要用多少點(diǎn)來(lái)描述一幅圖像，采樣結(jié)果質(zhì)量的高低用圖像分辨率來(lái)衡量。采樣方法可分為兩種：點(diǎn)陣采樣（直接對(duì)表示圖像的二維函數(shù)值進(jìn)行采樣）和正交系數(shù)采樣（對(duì)圖像函數(shù)進(jìn)行正交變換，用其變換系數(shù)作為采樣值）。量化是指要使用多大范圍的數(shù)值來(lái)表示圖像采樣后的每個(gè)點(diǎn)，這個(gè)數(shù)值范圍包括了圖像上所能使用的顏色總數(shù)。量化的結(jié)果是圖像能夠容納的顏色總數(shù)。所以，量化位數(shù)越大，表示圖像可以擁有的顏色越多，可以產(chǎn)生更為細(xì)致的圖像效果。圖像經(jīng)過(guò)采樣和量化后才能產(chǎn)生一張計(jì)算機(jī)能夠處理的數(shù)字化圖像，不僅可減少計(jì)算量，而且可獲得更有效的處理。2. 圖像類型轉(zhuǎn)換數(shù)字圖像存

8、在著很多不同的類型，在處理圖像前，有時(shí)必須轉(zhuǎn)換成所需類型或者處理技術(shù)所支持的圖像類型，這里介紹圖像類型之間的相互轉(zhuǎn)換的實(shí)現(xiàn)。2.1. 圖像類型數(shù)字圖像類型主要有以下幾種： 索引圖像索引圖像是一種把像素值直接作為RGB調(diào)色板下標(biāo)的圖像。 灰度圖像灰度圖像就是只有強(qiáng)度信息，在灰度圖像中，像素灰度級(jí)用8bit表示。由于灰度圖像中每個(gè)像素都是介于黑色和白色之間的 256 種灰度中的一種，所以灰度圖像是沒(méi)有顏色信息的圖像。 RGB圖像RGB圖像又稱為真彩色圖像，它利用R（red）、G（green）、B（blue）3個(gè)分量表示一個(gè)像素的顏色，用R、G、B這3種不同的顏色可以合成出任意顏色。 二值圖像表示二

9、值圖像的二維矩陣僅由0、1組成。二值圖像可看成是一個(gè)僅包括黑和白的特殊灰度圖像，亦可看成是僅有2種顏色的索引圖像。 多幀圖像多幀圖像是一種包含多幅圖像或幀的圖像文件，又稱為多頁(yè)圖像或圖像序列，它主要用于對(duì)時(shí)間或場(chǎng)景上相關(guān)圖像合集進(jìn)行操作的場(chǎng)合，例如電影幀。2.2. 圖像類型之間的相互轉(zhuǎn)換圖像類型的相互轉(zhuǎn)換有很多種，灰度-二值、RGB-灰度、灰度-索引、二值-索引、索引-RGB等圖像類型的相互轉(zhuǎn)換的實(shí)現(xiàn)主要是利用MATLAB提供的圖像類型轉(zhuǎn)換函數(shù)。假定B 為轉(zhuǎn)換后輸出圖像類型，A 為輸入圖像類型，下面列舉幾種利用MATALB實(shí)現(xiàn)的圖像類型轉(zhuǎn)換： 灰度-二值：利用 dither 函數(shù)來(lái)實(shí)現(xiàn)，這里用

10、到的是抖動(dòng)法，B=dither（A）。 RGB-灰度：利用 rgb2gray 函數(shù)實(shí)現(xiàn)，B=rgb2gray(A)。 灰度-索引：利用 gray2ind 函數(shù)實(shí)現(xiàn)，B，map=gray2ind(A，n)，按照指定的灰度級(jí)數(shù) n 和顏色圖 map 進(jìn)行轉(zhuǎn)換。 二值-索引：轉(zhuǎn)換的實(shí)現(xiàn)與灰度-索引的轉(zhuǎn)換相同，使用同一個(gè)調(diào)用函數(shù)，在這里 n 表示的是指定顏色圖 map 的顏色種類。 索引-RGB：利用 ind2rgb 函數(shù)實(shí)現(xiàn)，B=ind2rgb（A，map），將矩陣 A和對(duì)應(yīng)的顏色圖 map 轉(zhuǎn)換成 RGB 圖像。3. 圖像變換由于圖像陣列很大，直接在空間域中進(jìn)行處理，涉及計(jì)算量很大。因此，往往采用

11、各種圖像變換的方法，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計(jì)算量，而且可獲得更有效的處理。圖像變換分為可分離變換和統(tǒng)計(jì)變換兩大類，可分離變換包括傅里葉變換、離散余弦變換、哈達(dá)瑪變換、沃爾什變換和哈爾變換等等；統(tǒng)計(jì)變換主要是霍特林變換。下面主要介紹離散余弦變換和小波變換的基本原理。 離散余弦變換離散余弦變換（DCT）是數(shù)碼率壓縮需要常用的一個(gè)變換編碼方法。任何連續(xù)的實(shí)對(duì)稱函數(shù)的傅里葉變換中只含余弦項(xiàng)，因此余弦變換與傅里葉變換一樣有明確的物理意義。DCT是先將整體圖像分成N*N像素塊，然后對(duì)N*N像素塊逐一進(jìn)行DCT變換。由于大多數(shù)圖像的高頻分量較小，相應(yīng)于圖像高頻分量的系數(shù)經(jīng)常為零，加上人眼

12、對(duì)高頻成分的失真不太敏感，所以可用更粗的量化。因此，傳送變換系數(shù)的數(shù)碼率要大大小于傳送圖像像素所用的數(shù)碼率。到達(dá)接收端后通過(guò)反離散余弦變換回到樣值，雖然會(huì)有一定的失真，但人眼是可以接受的。a.一維DCT的變換核定義為式中，u x=0,1,2,N1；一維DCT定義如下：設(shè)f(x)|x=0, 1, , N-1為離散的信號(hào)列。式中，u,x=0,1,2,N1。將變換式展開(kāi)整理后，可以寫(xiě)成矩陣的形式，即F=Gfb.二維離散余弦變換考慮到兩個(gè)變量，很容易將一維DCT的定義推廣到二維DCT。其正變換核為：式中，C(u)和C(v)的定義同前面；x, u=0,1,2, M1； y, v=0,1,2,N1。二維D

13、CT定義如下：設(shè)f(x,y)為M×N的數(shù)字圖像矩陣，則式中： x, u=0, 1,2,M1；y, v=0,1,2,N1。二維DCT也可用兩次一維DCT來(lái)完成。 小波變換小波變換是一種窗口大小固定不變，但其形狀可以改變的局部化分析方法。小波變換在信號(hào)的高頻部分可以取得較好的時(shí)間分辨率；在信號(hào)的低頻部分可以取得較好的頻率分辨率，從而能有效地從信號(hào)中提取信息。a.連續(xù)小波變換（CWT）設(shè),則下面的函數(shù)族，叫小波分析或連續(xù)小波，叫基本小波或小波。若是窗函數(shù)，就叫為窗口小波函數(shù)，一般我們恒假定為窗口小波函數(shù)。式中，a稱為尺度參數(shù)，b稱為平移參數(shù)。一維連續(xù)小波變換：設(shè)是基本小波，是其生成的連續(xù)小

14、波，對(duì)，信號(hào)f的內(nèi)積形式連續(xù)小波變換定義為b.離散小波變換（DWT）離散小波變換針對(duì)尺度參數(shù)a，平移參數(shù)b進(jìn)行離散化，最常用的是二進(jìn)制動(dòng)態(tài)采樣網(wǎng)絡(luò)，每個(gè)網(wǎng)格點(diǎn)對(duì)應(yīng)的尺度為2j，平移為2jk，即：該離散化小波稱為二進(jìn)制小波，二進(jìn)制小波對(duì)信號(hào)的分析具有變焦距的作用。4. 圖像預(yù)處理圖像預(yù)處理的目的是去除干擾、噪聲及差異，將原始圖像變成適于計(jì)算機(jī)進(jìn)行特征提取的形式，它包括圖像的變換、增強(qiáng)和濾波等。4.1. 圖像壓縮編碼圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量，以便節(jié)省圖像傳輸、處理時(shí)間和減少所占用的存儲(chǔ)器容量。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進(jìn)行。編碼是壓縮技術(shù)中最重要的方法，編

15、碼的目的是壓縮圖像的信息量(但圖像質(zhì)量幾乎不變) ,以滿足傳輸和存儲(chǔ)的要求。為此,可以采用模擬處理技術(shù),再通過(guò)模-數(shù)轉(zhuǎn)換得到編碼,不過(guò)多數(shù)是采用數(shù)字編碼技術(shù),其編碼可以對(duì)圖像逐點(diǎn)進(jìn)行加工,也可以對(duì)圖像施加某種變換或基于區(qū)域、特征進(jìn)行編碼。首先,對(duì)經(jīng)過(guò)高精度模-數(shù)變換的原始數(shù)字圖像進(jìn)行去相關(guān)處理，去除信息的冗余度；然后，根據(jù)一定的允許失真要求，對(duì)去相關(guān)后的信號(hào)編碼即重新碼化。一般用線性預(yù)測(cè)和正交變換進(jìn)行去相關(guān)處理；與之相對(duì)應(yīng)，圖像編碼方案也分成預(yù)測(cè)編碼和變換域編碼兩大類。預(yù)測(cè)編碼利用線性預(yù)測(cè)逐個(gè)對(duì)圖像信息樣本去相關(guān)。對(duì)某個(gè)像素S0來(lái)說(shuō)，它用鄰近一些像素亮度的加權(quán)和（線性組合）作為估值,對(duì)S0進(jìn)行

16、預(yù)測(cè)。S0與它的差值e(u)就是預(yù)測(cè)誤差。由于相鄰像素與S0間存在相關(guān)性，差值的統(tǒng)計(jì)平均能量就變得很小。因此，只需用少量數(shù)碼就可以實(shí)現(xiàn)差值圖像的傳輸。變換域編碼用一維、二維或三維正交變換對(duì)一維n、二維n×n、三維n×n×n塊中的圖像樣本的集合去相關(guān)，得到能量分布比較集中的變換域；在再碼化時(shí)，根據(jù)變換域中變換系數(shù)能量大小分配數(shù)碼，就能壓縮頻帶。最常用的正交變換是離散余弦變換(DCT)，n值一般選為8或16。三維正交變換同時(shí)去除了三維方向的相關(guān)性,它可以壓縮到平均每樣本1比特。4.2. 彩色圖像灰度處理由于彩色圖像存儲(chǔ)空間較大，因此，在對(duì)圖像進(jìn)行識(shí)別等處理過(guò)程中，需要

17、將彩色圖像轉(zhuǎn)換為灰度圖像，以加快后續(xù)工作的處理速度。將彩色圖像轉(zhuǎn)換為灰度圖像的過(guò)程叫做灰度化處理，在MATLAB中將彩色圖像轉(zhuǎn)換為灰色圖像的實(shí)現(xiàn)語(yǔ)句為B=rgb2gray(A)。4.3. 圖像去噪數(shù)字圖像在數(shù)字化和傳輸過(guò)程中常受到成像設(shè)備與外部環(huán)境噪聲干擾等影響，減少數(shù)字圖像中噪聲的過(guò)程稱為圖像去噪。典型的圖像去噪主要有以下幾種方法：中值濾波、均值濾波、灰度形態(tài)學(xué)濾波、小波變換、高斯低通濾波和統(tǒng)計(jì)濾波等。下面主要對(duì)中值濾波、均值濾波、灰度形態(tài)學(xué)濾波的算法原理做以說(shuō)明。中值濾波的主要原理是：首先確定一個(gè)以某個(gè)像素為中心點(diǎn)的窗口，然后將窗口中的各個(gè)像素的灰度值按照大小進(jìn)行排序，取其中間值作為中心點(diǎn)

18、像素灰度的新值。中值濾波對(duì)異常值(與周圍像素灰度值差別較大的像素的值)的敏感性比均值濾波小，它可以在不減小圖像對(duì)比度的情況下剔除這些異常值，使圖像產(chǎn)生較少的模糊。因?yàn)樗軌蛴行У厝コ夥逶肼暎€能對(duì)邊緣起到很好的保護(hù)作用。均值濾波是對(duì)圖像進(jìn)行局部運(yùn)算，每個(gè)像素值用其局部領(lǐng)域內(nèi)所有值的均值代替。均值濾波可以消除圖像噪聲等高頻成分，但同時(shí)會(huì)導(dǎo)致圖像細(xì)節(jié)損失，圖像的模糊程度會(huì)更大，為了克服這個(gè)缺點(diǎn)，采用閥值法減少模糊效應(yīng)。灰度形態(tài)學(xué)濾波是一種非線性濾波方法，它有四種基礎(chǔ)操作：腐蝕、膨脹、開(kāi)操作和閉操作?；叶刃螒B(tài)膨脹和腐蝕是以結(jié)構(gòu)元素為模板，分別搜尋圖像在結(jié)構(gòu)基元大小范圍內(nèi)的灰度和的極大值和灰度差的極

19、小值，開(kāi)運(yùn)算是采用相同的結(jié)構(gòu)元先做腐蝕再做膨脹的迭代運(yùn)算，閉運(yùn)算是采用相同的結(jié)構(gòu)元先做膨脹再做腐蝕的迭代運(yùn)算，開(kāi)閉運(yùn)算的基本作用是對(duì)圖像進(jìn)行平滑處理。形態(tài)學(xué)濾波能夠在一次性濾波的同時(shí)，保持圖像結(jié)構(gòu)不被鈍化。4.4. 圖像增強(qiáng)圖像增強(qiáng)主要是指利用各種數(shù)學(xué)方法和變換手段提高圖像中人們感興趣部分的清晰度，突出一幅圖像中的某些信息，同時(shí)削弱另一些無(wú)用信息，包括圖像灰度修正、噪聲去除、圖像平滑、腐蝕、銳化、圖像邊緣增強(qiáng)等。根據(jù)圖像增強(qiáng)處理過(guò)程所在的空間不同，可分為基于空間域的增強(qiáng)方法和基于頻率域的增強(qiáng)方法兩類，前者直接在圖像所在的二維空間進(jìn)行處理，即直接對(duì)每一像素的灰度值進(jìn)行處理；后者則是首先經(jīng)過(guò)傅立葉

20、變換將圖像從空間域變換到頻率域，然后在頻率域?qū)︻l譜進(jìn)行操作和處理，再將其反變換到空間域，從而得到增強(qiáng)后的圖像。如下圖所示：上述圖像增強(qiáng)方法中，灰度變換是針對(duì)圖像某一部分或整幅圖像曝光不足而使用的灰度級(jí)變換，目的是增強(qiáng)圖像灰度對(duì)比度；而直方圖修正則是通過(guò)變換拉開(kāi)圖像的灰度范圍或使灰度級(jí)分布在動(dòng)態(tài)范圍內(nèi)趨于均勻，從而增強(qiáng)反差，使圖像細(xì)節(jié)清晰?？沼?yàn)V波的機(jī)理是在待處理的圖像中逐點(diǎn)的移動(dòng)模板，濾波器在該點(diǎn)的響應(yīng)通過(guò)事先定義的濾波器的系數(shù)與濾波模板掃描區(qū)域的相應(yīng)像素值關(guān)系來(lái)計(jì)算，平滑濾波的目的在于消除混雜在圖像中的干擾因素，強(qiáng)化圖像表現(xiàn)特征，銳化濾波的目的在于增強(qiáng)圖像邊緣，對(duì)圖像進(jìn)行識(shí)別和處理。由于各種

21、圖像增強(qiáng)算法的特點(diǎn)不同，對(duì)圖像增強(qiáng)的側(cè)重點(diǎn)也不同。在對(duì)圖像進(jìn)行處理之前，首先分析不同圖像增強(qiáng)方法的優(yōu)缺點(diǎn)，再對(duì)具體圖像問(wèn)題進(jìn)行具體分析，然后選擇幾種增強(qiáng)方法結(jié)合使用，也許就可能達(dá)到預(yù)期的增強(qiáng)效果。比較典型的圖像增強(qiáng)方法主要有灰度變換、灰度直方圖、圖像平滑和邊緣增強(qiáng)等。4.5. 圖像復(fù)原圖像復(fù)原首先要從分析圖像退化機(jī)理著手，用數(shù)學(xué)模型描述圖像的退化過(guò)程，然后在退化模型的基礎(chǔ)上，通過(guò)求其逆過(guò)程的模式計(jì)算，從退化圖像中較準(zhǔn)確的求出真實(shí)圖像，恢復(fù)圖像和原始信息，模糊或者退化圖像可以通過(guò)如下公式來(lái)使圖像復(fù)原：，其中，g 為模糊圖像（退化圖像）；H 為失真算子，也稱為點(diǎn)擴(kuò)散函數(shù)（PSF）；f 為原始圖像，

22、n 為噪聲。圖像復(fù)原的方法有很多，例如維納濾波、盲解卷積算法和Lucy-Richardson 算法。由于維納濾波和 Lucy-Richardson 都需要確知 PSF，因此在圖像的復(fù)原中盲卷積的方法使用比較多，盲卷積恢復(fù)圖像的原理是，首先模擬模糊（退化）圖像，估計(jì)出引起模糊（退化）的因素（此因素與原始圖像卷積后導(dǎo)致了圖像了模糊或者退化），該因素可能為 gaussian、motion、log 等濾波器，然后初始化此 PSF，一般選擇全 1 數(shù)組作為初始化 PSF，利用權(quán)重改善復(fù)原的效果，權(quán)重是一個(gè)與輸入圖像大小相同的矩陣，最后利用 deconvblind 函數(shù)進(jìn)行圖像復(fù)原。5. 圖像分割圖像分割

23、就是把圖像分成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域，其中每一個(gè)區(qū)域都是像素的一個(gè)連續(xù)集。它是圖像處理到圖像分析的關(guān)鍵步驟。常用的分割方法主要分為基于區(qū)域的分割方法和基于邊緣的分割方法2類。此外，隨著各學(xué)科的發(fā)展出現(xiàn)了一些結(jié)合某種特定理論的分割方法。下面就對(duì)常用的幾類分割方法做以說(shuō)明。5.1. 基于區(qū)域的分割方法這類方法的基本思想是將圖像分割成若干不重疊的區(qū)域，使各區(qū)域內(nèi)部特征的相似性大于區(qū)域間特征的相似性，各區(qū)域內(nèi)像素都滿足基于灰度、紋理等特征的某種相似性準(zhǔn)則。下面介紹幾種常見(jiàn)的區(qū)域分割法：閾值法閾值法圖像分割方法就是提取目標(biāo)物體與背景在灰度上的差異，把圖像分為具有不同灰度級(jí)的目標(biāo)區(qū)域和背景區(qū)域的

24、組合。閾值分割算法主要有兩個(gè)步驟：其一，確定最佳分割閾值；其二，將像素灰度值與分割閾值比較，實(shí)現(xiàn)區(qū)域的歸屬劃分。其優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，不僅壓縮數(shù)據(jù)，減少存儲(chǔ)容量，而且能大大簡(jiǎn)化其后的分析處理。區(qū)域生長(zhǎng)法區(qū)域生長(zhǎng)的基本思想是將具有相似性質(zhì)的像素集合起來(lái)構(gòu)成區(qū)域。首先對(duì)需要分割的區(qū)域找一個(gè)種子像素作為生長(zhǎng)的起點(diǎn)，將種子像素周圍領(lǐng)域中與它有相同或相似性質(zhì)的像素，根據(jù)某種事先確定的生長(zhǎng)或相似準(zhǔn)則來(lái)判定，合并到種子像素所在的區(qū)域中，將這些新像素當(dāng)做新的種子像素繼續(xù)進(jìn)行上面的過(guò)程，直到再?zèng)]有滿足條件的像素可被包括進(jìn)來(lái)，這樣一個(gè)區(qū)域就生成了。區(qū)域生長(zhǎng)法的固有缺點(diǎn)是往往會(huì)造成過(guò)度分割。分裂合并法分裂合并法是一種比

25、較常用的區(qū)域分割方法，它利用了圖像數(shù)據(jù)的金字塔或四叉樹(shù)數(shù)據(jù)結(jié)構(gòu)的層次概念，將圖像劃分成一組任意不相交的初始區(qū)域，即可以從圖像的這種金字塔或四叉樹(shù)數(shù)據(jù)結(jié)構(gòu)的任一中間層開(kāi)始，根據(jù)給定的均勻性檢測(cè)準(zhǔn)則進(jìn)行分裂和合并這些區(qū)域，逐步改善區(qū)域劃分的性能，直至最后將圖像分成數(shù)量最少的均勻區(qū)域?yàn)橹埂７至押喜⒎▽?duì)分割復(fù)雜的場(chǎng)景圖像比較有效。5.2. 基于邊緣的分割方法邊緣的主要表現(xiàn)為圖像局部特征的不連續(xù)性，該方法首先檢出圖像中局部特性的不連續(xù)性或突變性，然后將它們連成邊界，這些邊界把圖像分成不同的區(qū)域。下面介紹幾種常見(jiàn)的邊緣分割法：微分算子法圖像中相鄰的不同區(qū)域間總存在邊緣，邊緣處象素的灰度值不連續(xù)，這種不連續(xù)

26、性可通過(guò)求導(dǎo)數(shù)來(lái)檢測(cè)到。對(duì)于階躍狀邊緣，其位置對(duì)應(yīng)一階導(dǎo)數(shù)的極值點(diǎn)，對(duì)應(yīng)二階導(dǎo)數(shù)的過(guò)零點(diǎn)（零交叉點(diǎn)），因此常用微分算子進(jìn)行邊緣檢測(cè)，它是一種并行邊界技術(shù)。常用的一階微分算子有Roberts、Prewitt和Sobel算子，二階微分算子有Laplace和Kirsh算子。由于邊緣和噪聲都是灰度不連續(xù)點(diǎn)，在頻域均為高頻分量，直接采用微分運(yùn)算難以克服噪聲的影響。因此用微分算子檢測(cè)邊緣前要對(duì)圖像進(jìn)行平滑濾波。LOG算子和Canny算子是具有平滑功能的二階和一階微分算子，邊緣檢測(cè)效果較好。串行邊界技術(shù)串行邊界查找法是先檢測(cè)邊緣再串行連接成閉合邊界的方法。這種方法在很大程度上受起始點(diǎn)的影響。圖搜索是其中一種

27、典型的方法，邊界點(diǎn)和邊界段可以用圖結(jié)構(gòu)表示。通過(guò)在圖中進(jìn)行搜索對(duì)應(yīng)最小代價(jià)的路徑可以找到閉合邊界。它是一種全局的方法，在噪聲較大時(shí)效果仍很好，但這種方法比較復(fù)雜，計(jì)算量也很大。5.3. 區(qū)域和邊界技術(shù)相結(jié)合的分割方法在實(shí)際應(yīng)用中，為發(fā)揮各種方法的優(yōu)勢(shì)，克服它們的缺陷以獲得更好的分割效果。經(jīng)常把各種方法結(jié)合起來(lái)使用。例如，基于區(qū)域的分割方法往往會(huì)造成圖像的過(guò)度分割。而單純的基于邊緣檢測(cè)方法有時(shí)不能提供較好的區(qū)域結(jié)構(gòu)。為此可將基于區(qū)域的方法和邊緣檢測(cè)的方法結(jié)合起來(lái)解決這個(gè)問(wèn)題。5.4. 基于特定理論的分割方法圖像分割至今尚無(wú)通用的自身理論。隨著各學(xué)科許多新理論和新方法的提出，出現(xiàn)了許多與一些特定理

28、論、方法相結(jié)合的圖像分割方法?；谀：碚摰姆椒：碚摼哂忻枋鍪挛锊淮_定性的能力，適合于圖像分割問(wèn)題。近年來(lái)，出現(xiàn)了許多模糊分割技術(shù)，在圖像分割中的應(yīng)用日益廣泛。目前，模糊技術(shù)在圖像分割中應(yīng)用的一個(gè)顯著特點(diǎn)就是它能和現(xiàn)有的許多圖像分割方法相結(jié)合，形成一系列的集成模糊分割技術(shù)，例如模糊聚類、模糊閾值、模糊邊緣檢測(cè)技術(shù)等?；谛〔ㄗ儞Q的方法小波變換是近年來(lái)得到了廣泛應(yīng)用的數(shù)學(xué)工具。它在時(shí)域和頻域都具有良好的局部化性質(zhì)，將時(shí)域和頻域統(tǒng)一于一體來(lái)研究信號(hào)。二進(jìn)小波變換具有檢測(cè)二元函數(shù)的局部突變能力，因此可作為圖像邊緣檢測(cè)工具。圖像的邊緣出現(xiàn)在圖像局部灰度不連續(xù)處，對(duì)應(yīng)于二進(jìn)小波變換的模極大值點(diǎn)?；?/p>

29、于聚類分析的方法特征空間聚類法進(jìn)行圖像分割是將圖像空間中的像素用對(duì)應(yīng)的特征空間點(diǎn)表示，根據(jù)它們?cè)谔卣骺臻g的聚集對(duì)特征空間進(jìn)行分割，然后將它們映射回原圖像空間，得到分割結(jié)果。其中，K均值、模糊C均值聚類(FCM)算法是最常用的聚類算法?；谏窠?jīng)網(wǎng)絡(luò)的方法神經(jīng)網(wǎng)絡(luò)方法分割圖像的思想是用訓(xùn)練樣本集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練以確定節(jié)點(diǎn)間的連接和權(quán)值，再用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)分割新的圖像數(shù)據(jù)。這種方法需要大量的訓(xùn)練數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)存在巨量的連接，容易引入空間信息。能較好地解決圖像中的噪聲和不均勻問(wèn)題，選擇何種網(wǎng)絡(luò)結(jié)構(gòu)是這種方法要解決的主要問(wèn)題?；跀?shù)學(xué)形態(tài)學(xué)的方法它的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像

30、中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的。6. 圖像描述將圖像分割為區(qū)域后，接下來(lái)通常要將分割區(qū)域加以表示與描述，以方便計(jì)算機(jī)處理。圖像描述也是圖像識(shí)別的必要前提。作為最簡(jiǎn)單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。對(duì)于特殊的紋理圖像可采用二維紋理特征描述。隨著圖像處理研究的深入發(fā)展，已經(jīng)開(kāi)始進(jìn)行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。7. 圖像識(shí)別7.1. 圖像識(shí)別內(nèi)容圖像識(shí)別是利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理、分析和理解，以識(shí)別各種不同模式的目標(biāo)和對(duì)象。主要內(nèi)容是圖像經(jīng)過(guò)某些預(yù)處理后，進(jìn)行圖像分割和特征提取，從而進(jìn)行判決分