MATLAB图像与视频处理实用案例详解(txt+pdf+epub+mobi电子书下载)

作者:刘衍琦

出版社:电子工业出版社

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

MATLAB图像与视频处理实用案例详解

MATLAB图像与视频处理实用案例详解试读:

前言

MATLAB是MathWorks公司推出的一款应用于科学计算和工程仿真的交互式编程软件,近几年已经发展成为集数值分析、数学建模、图像处理、控制系统、信号处理、经济金融、计算生物学、动态仿真等为一体的科学工程软件。数字图像处理技术涉及计算机科学、模式识别、人工智能、生物工程等学科,是一门综合性的技术。

自从电子计算机诞生以来,通过计算机仿真来模拟人类视觉便成为一项非常热门且颇具挑战性的研究领域,随着数码相机、智能手机等硬件设备的普及,图像以其易于采集、信息相关性多、抗干扰能力强的特点得到了越来越广泛的应用。信息化和数字化时代已经来临,随着国家对人工智能领域的不断投入,图像处理的需求量也会越来越大,应用也将越来越广泛。

MATLAB图像处理工具箱可为用户提供诸如图像变换、图像增强、图像特征检测、图像复原、图像分割、图像去噪、图像配准、视频处理等功能研发的技术支撑。同时借助于MATLAB方便的编程及调试技巧,用户可以根据需要进一步拓展图像处理工具箱,实现定制的图像处理需求。

本书目的

本书以案例的形式展现,力求为读者提供最便捷、直接的技术支持,解决读者在研发过程中遇到的最具体、实际的技术难点,争取与广大读者分享研发过程中所涉及的功能模块及某些成熟的系统框架,为读者进行科学实验、项目开发提供一定的技术支持。

通过对书中案例的阅读、理解、运行和仿真,读者可以有针对性地进行算法调试,这样可以更加深刻地理解图像与视频处理的含义,并且更加熟练地掌握MATLAB图像处理工具箱的用法。

本书特点

·作者阵容强大,经验相当丰富

在实际的科研工作中,本书作者之一詹福宇(论坛ID:dynamic)长期与国内外会员进行技术交流,积极解答会员疑问并进行经验总结,积累了丰富的MATLAB/Simulink图像处理经验。本书另一位作者刘衍琦(论坛ID:lyqmath)则是MATLAB技术论坛图像版主,通过运用MATLAB进行图像处理、视频分析等项目实践,积累了较为丰富的项目实战经验。

·案例丰富、实用、拓展性强

本书选择以案例的形式进行编写,充分强调“案例的实用性、程序的可拓展性”,所选案例均来自于MATLAB技术论坛会员的切身需求,每一个案例都与实际课题相结合。另外,书中的每个案例都经过作者在MATLAB上进行程序调试,作者也为此编写了大量的测试代码。书中某些部分的内容描述是作者根据图像处理实验过程进行归纳总结的结果,多数案例的程序实现部分具有一定的原创性。

·理论知识扎实,集众家之长处

在本书的编写过程中参考了大量的MATLAB帮助文档、MATLAB相关书籍及MATLAB技术论坛等方面的资源,同时引用了部分参考文献的最新图像相关技术和理论。

·点面完美结合,兼顾中高级用户

本书点面兼顾,涵盖了数字图像处理中几乎所有的基本模块,并涉及视频处理、配准拼接、数字水印、生物识别等高级图像处理方面内容,全面讲解了基于MATLAB R2012a进行图像处理的原理及方法。

·配套资源丰富,交流资源绝佳

本书作者和编辑联合MATLAB技术论坛,为广大读者提供“在线交流,有问必答”网络互动答疑服务,您可以与作者一对一地探讨相关知识点,以及下载书籍的辅助资料,让您获得最佳的阅读体验。您的建议将是我们创作精品的最大动力和源泉。

书码验证:http://www.matlabsky.com/plugin.php?id=vipbook:list

在线交流:http://www.matlabsky.com/forum-53-1.html

程序源码:http://www.matlabsky.com/thread-45343-1-1.html

答疑汇总:http://www.matlabsky.com/thread-45344-1-1.html

错误勘正:http://www.matlabsky.com/thread-45346-1-1.html

本书作者会尽量每周登陆网站2~3次,集中回复读者的疑难问题,但由于工作和时间等原因,作者可能不会及时回答所有读者的问题,敬请大家谅解。只要您愿意交流和学习,MATLAB技术论坛有足够优秀的会员帮您解答。

内容架构

本书共有25个MATLAB图像与视频处理案例(含可运行程序),其内容架构如下所述。

第1章:讲述基于直方图优化的图像去雾技术,通过直方图增强技术的相关研究,引入对雾霾图像进行优化的应用。

第2章:讲述基于形态学的权重自适应图像去噪,通过形态学的图像去噪效果,引入加权形态学去噪的应用。

第3章:讲述基于多尺度形态学提取眼前节组织,通过形态学的图像边缘提取效果,引入多尺度形态学的应用。

第4章:讲述基于Hough变化的答题卡识别,通过对答题卡自动阅卷的研究,引入图像分割、目标定位等领域的应用。

第5章:讲述基于阈值分割的车牌定位识别,通过对车牌定位、分割、识别的研究,引入图像处理在车牌识别领域的应用。

第6章:讲述基于分水岭分割进行肺癌诊断,通过分水岭算法在肺部图像分割的研究,引入分水岭及医学图像处理的应用。

第7章:讲述基于主成分分析的人脸二维码识别,通过对主成分分析、人脸识别、QR二维码的研究,引入QR人脸识别的应用。

第8章:讲述基于知识库的手写体数字识别,通过对手写数字特征的提取,引入模式识别在手写数字方面的应用。

第9章:讲述基于特征匹配的英文印刷字符识别,通过对英文片段图像的分割、识别,引入在MATLAB中生成自定义标准字符库、GUI交互等领域的应用。

第10章:讲述基于不变矩的数字验证码识别,通过对验证码生成特点、分割定位、检测识别的研究,引入对某特定类型验证码从获取到识别的应用。

第11章:讲述基于小波技术进行图像融合,通过对图像融合的研究,引入小波分解、图像多分辨率处理的应用。

第12章:讲述基于块匹配的全景图像拼接,通过对全景图像生成方法的研究,引入块匹配、加权融合等应用。

第13章:讲述基于霍夫曼图像压缩重建,通过对霍夫曼编码的研究,引入图像压缩重建的应用。

第14章:讲述基于主成分分析的图像压缩和重建,通过对主成分分析的研究,引入不同压缩参数下重建效果调优的应用。

第15章:讲述基于小波的图像压缩技术,通过对小波图像处理的研究,引入多分辨率图像压缩重建的应用。

第16章:讲述基于Hu不变矩的图像检索技术,通过对图像库Hu矩特征提取的研究,引入图像检索的应用。

第17章:讲述基于Harris的角点特征检测,通过对Harris检测算法的研究,引入图像角点检测的应用。

第18章:讲述基于GUI搭建通用视频处理工具,通过对GUI、视频图像处理工具箱的使用,搭建MATLAB图像视频处理框架的应用。

第19章:讲述基于语音识别的信号灯图像模拟控制技术,通过对语音特征及建库的研究,引入一个语音控制光信号的应用。

第20章:讲述基于帧间差法进行视频目标检测,通过对视频跟踪的研究,引入在视频多目标跟踪的应用。

第21章:讲述路面裂缝检测识别系统设计,通过对裂缝图像特征、识别的研究,引入路面裂缝检测和提取的应用。

第22章:讲述基于K-means聚类算法的图像区域分割,通过对K均值聚类算法的研究,引入其在图像分割方面的应用。

第23章:讲述基于光流场的交通汽车检测跟踪,通过对汽车视频跟踪的研究,引入光流场在跟踪检测方面的应用。

第24章:讲述基于Simulink进行图像视频处理,通过对Simulink模块简介,引入其在图像视频处理领域的应用。

第25章:讲述基于小波变换的数字水印技术,通过对图像水印的相关研究,引入图像水印嵌入、提取等应用。

关于MATLAB技术论坛

MATLAB技术论坛(Simulink仿真论坛,http://www.matlabsky.com)是国内两大MATLAB技术学习和交流平台之一!她致力于为大家提供专业、权威的MathWorks新闻资讯,丰富、免费的MATLAB教学资源,以及强大、全面的MATLAB技术支持!

MATLAB技术论坛由西北工业大学航空学院dynamic同学于2008年09月14日创建,并在2010年8月1日对论坛管理结构进行了扩充和重组,新加入6名MATLAB高级爱好者(yaksa、matsuper、yangzijiang、faruto、rocwoods、xiezhh)!目前MATLAB技术论坛有注册会员30多万,管理成员30多名,专业版块80多个,高质量主题20000+;举办过编程竞赛、线下研讨会和数模竞赛等多项活动;与多个出版单位和科研机构有合作关系!

特别致谢

本书由刘衍琦、詹福宇编著,在本书的编写过程中,得到了中科院计算所烟台分所、中航工业611所、西北工业大学等单位领导和同事的大力支持,在此对他们表示衷心的感谢。本书写作之初还得到了电子工业出版社张国霞编辑的鼓励和支持,在此深表谢意。最后,作者对本书所引用论文和参考书籍的作者表示感谢,同时对各位MATLAB技术论坛的会员朋友给予的启发和帮助表示感谢。

由于时间仓促,加之作者水平和经验有限,书中疏漏甚至错误在所难免,希望广大读者批评指正。刘衍琦 詹福宇2015年1月第1章基于直方图优化的图像去雾技术1.1案例背景

伴随着人类工业化进程的不断推进,空气污染也越来越严重,特别是雾霾天气在一年中所占的比例也在逐年上升。雾霾天气往往会给人类的生产和生活带来极大不便,也大大增加了交通事故发生的概率。一般而言,在恶劣天气(如雾天、雨天等)条件下,户外景物图像的对比度和颜色也会被改变或退化,图像中蕴含的许多特征也会被覆盖或模糊,这也会导致某些视觉系统(如电子卡口、门禁监控等)无法正常工作。因此,从雾霾天气所采集的退化图像中复原和增强景物细节信息具有重要的现实意义。数字图像处理技术已广泛应用于科学和工程领域,如地形分类系统、户外监控系统、自动导航系统等,为了保证视觉系统全天候正常工作,就必须使系统适应各种天气状况。

本案例展开了雾霾天气下的图像清晰化技术的讨论,雾天图像的清晰化技术也有可能对其他恶劣天气下的图像清晰化技术起到促进作用。1.2理论基础1.2.1 空域图像增强

图像增强是指按特定的需要突出一幅图像中的某些信息,并同时[1]削弱或去除某些不需要的信息的处理技术。图像增强的主要作用是相对于原来的图像,处理后的图像能更加有效地满足某些特定应用的要求。根据图像处理空间的不同,图像增强基本上可分为两大类:频域处理法、空域处理法。频域处理法的基础是卷积定理,其通过进行某种图像变换(如傅里叶变换、小波变换等)得到频域结果并进行修改的方法来实现对图像的增强处理。空域处理法是直接对图像中的像素进行处理,一般是以图像灰度映射变换为基础并且根据图像增强的目标来采用所需的映射变换,常见的图像对比度增强、图像的灰度层次优化等处理均属于空域处理法。本案例主要介绍空域的直方图增强算法。1.2.2 直方图均衡化

直方图是图像的一种统计表达形式。对于一幅灰度图像来说,其灰度统计直方图可以反映该图像中不同灰度级出现的统计情况。一般而言,图像的视觉效果和其直方图有对应关系,通过调整或变换其直方图的形状会对图像显示效果有很大影响。

直方图均衡化主要用于增强灰度值动态范围偏小的图像的对比度。该方法的基本思想是把原始图像的灰度统计直方图变换为均匀分布的形式,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。

数字图像是离散化的数值矩阵,其直方图可以被视为一个离散函数,它表示数字图像中每一灰度级与其出现概率间的统计关系。假设k一幅数字图像f (x,y)的像素总数为N,r表示第k个灰度级对应的kk灰度,n表示灰度为r的像素个数即频数,用横坐标表示灰度级,用k纵坐标表示频数,则直方图可定义为,其中,P(r )表示k灰度 r出现的相对频数即概率。直方图在一定程度上能够反映数字图像的概貌性描述,包括图像的灰度范围、灰度分布、整幅图像的亮度均值和阴暗对比度等,并可以此为基础进行分析来得出对图像进一步处理的重要依据。直方图均衡化也叫作直方图均匀化,就是把给定图像的直方图分布变换成均匀分布的直方图,是一种较为常用的灰度增[2]强算法。直方图均衡化概括起来包括以下三个主要步骤。

·预处理。输入图像,计算该图像直方图。

·灰度变换表。根据输入图像的直方图计算灰度值变换表。

·查表变换。执行变换x'=H(x),表示对步骤1中得到的直方图使用步骤2得到的灰度值变换表进行查表变换操作,通过遍历整幅图像的每一个像元,将原始图像灰度值x放入变换表H(x)中,可得到变换后的新灰度值x'。

根据信息论的相关理论,我们可以知道图像经直方图均衡化后,将会包含更多的信息量,进而能突出某些图像特征。假设图像具有ni级灰度,其第i级灰度出现的概率为p,则该级灰度所含的信息量为:

整幅图像的信息量为:

信息论已经证明,具有均匀分布直方图的图像,其信息量 H 最大。即当时,(1.2)式有最大值。

以车胎图像为例进行直方图均衡化实验,其实现结果如图1-1~图1-4所示。图1-1 原图图1-2 原图均衡化后的图像图1-3 原图的直方图图1-4 均衡化后的直方图1.3程序实现

为进行图像去雾实验,本案例采用全局直方图均衡化、局部直方图均衡化算法来进行图像去雾实验,并选择Retinex增强算法来作为直方图去雾算法的延伸。在本案例中,采用GUI设计软件并通过菜单关联不同的去雾算法,通过显示处理前后的图像直方图来进行去雾效果的对比。1.3.1 设计GUI界面

为增加软件交互的易用性,调用MATLAB的GUI来生成软件框架,提供有关去雾图像载入、处理、对比的过程,GUI设计如图1-5所示。图1-5 软件GUI设计截图

软件通过菜单关联的方式来进行功能设计,实现模块化编程。其中,文件菜单主要用于载入待处理图像等基本操作,图像去雾菜单用于关联不同的去雾算法并进行结果显示,帮助菜单则弹出独立窗口用于软件操作流程介绍。GUI主窗口加入坐标轴控件用于图像显示,通过原图像与结果图像的显示可以简捷地演示算法的去雾效果。1.3.2 全局直方图处理

MATLAB通过函数imread读取RGB图像,并通过维数m×n×3的矩阵来表示。其中,维数m×n表示图像的行数、列数信息,维数3表示图像的R、G、B三层通道数据。因此,全局直方图处理通过对RGB图像的R、G、B三层通道分别进行直方图均衡化,再整合到新的图像的方式来进行。核心代码如下所示。

关联到菜单“图像去雾/全局直方图算法”,执行图像的全局直方图处理并进行显示,结果如图1-6~图1-7所示。图1-6 全局直方图处理截图图1-7 直方图对比

运行结果表明,全局直方图去雾算法可以实现含雾图像的增强效果,处理前后的直方图在分布上具有明显变化,但在图像整体上容易出现某些色彩失真的现象。1.3.3 局部直方图处理

全局直方图均衡化增强只是将原图像的直方图进行了均衡化,未能有效保持原始图像的局部特征,容易出现色彩失真问题。通过选择固定尺寸的滑动窗口作用于原始图像来进行局部直方图处理,可以在一定程度上保持原始图像的局部特征,提高图像增强的效果。因此,局部直方图处理通过对RGB图像的R、G、B三层通道分别进行局部直方图均衡化,再整合到新的图像的方式来进行。核心代码如下所示。

关联到菜单“图像去雾/局部直方图算法”,执行图像的局部直方图处理并进行显示,结果如图1-8~图1-9所示。图1-8 局部直方图处理图1-9 直方图对比

局部直方图的处理结果表明该算法能有效保持原始图像的局部特征,未出现明显的色彩失真现象,同时也得到了去雾增强的效果。但是,该算法处理结果整体亮度偏暗,依然存在某些模糊区域。1.3.4 Retinex增强处理

基于全局直方图、局部直方图的图像去雾算法在理论及实现上比较简单,能起到一定的去雾处理效果。为了进行对比,实验中采取了Retinex图像增强算法来进行对比,该算法可以平衡图像灰度动态范围压缩、图像增强和图像颜色恒常三个指标,能够实现对含雾图像的自适应性增强。因此,Retinex增强处理通过对RGB图像的R、G、B三层通道分别应用Retinex算法进行处理,再整合到新的图像的方式来进行。核心代码如下所示。

关联到菜单“图像去雾/Retinex算法去雾”,执行图像的Retinex算法去雾处理并进行显示,结果如图1-10~图1-11所示。图1-10 Retinex算法去雾截图图1-11 直方图对比

处理前后的直方图分布表明,Retinex图像增强可以在一定程度上保持原始图像的局部特征,处理结果较为平滑,颜色特征也较为自然,具有良好的去雾效果。1.4延伸阅读

基于图像处理的去雾增强技术可以显著提高对比度、突出图像细节、提升视觉效果,该方法已经广泛应用于项目实践。基于直方图均衡化模型的去雾方法针对性强,运行效率高,且易于融合于其他图像增强算法,所以该技术必将获得进一步发展。尽管图像去雾技术在实际应用中已经取得了若干成果,但在不同的场景下依然面临着某些局限性,需要引起研究人员的进一步关注。(1)雾天实时视频的去雾技术。随着视频拍摄设备的不断普及,在雾天进行视频拍摄或监控,所面临的关键需求就是提高去雾算法的运行效率,实现去雾的实时处理。目前,部分雾天视频清晰化装置系统中采用了运行效率较高的插值直方图均衡化算法来实现对视频图像序列进行去雾处理,也有部分研究者通过采用图像复原的相关技术来进行视频监控过程中的去模糊操作,进而达到去雾效果。因此,实现视频的高效率去雾算法,具有很大的使用价值。(2)雾天图像的模糊成像技术。图像增强技术和图像复原技术都可以在一定程度上实现图像的去雾效果,但这里面并没有涉及图像[3]获取设备在对3D空间进行拍摄时所引起的信息丢失问题。通过对雾天图像的拍摄原理进行分析,由于雾天大气粒子的自身成像因素,可能会造成图像边缘模糊、对比度降低的现象。因此,充分利用图像的模糊成像信息,结合雾天粒子映射原理,能够在图像的获取过程中提高图像的可视化效果。(3)雾天图像优化效率。图像或视频去雾一般会涉及大规模矩阵计算及非线性方程求解等数据计算过程,在传统的求解过程中可能会出现内存溢出、速度过慢等问题,采用GPU加速或分布式计算的方法来提高这些过程的运行速度,以及通过硬件投入来提高雾天图像的优化效率,这也是实现产业化的一个途径。1.5参考文献

[1]高彦平.图像增强方法的研究与实现[D].山东科技大学,2005.

[2]孙忠贵,王玲.数字图像直方图均衡化的自适应校正研究[J].计算机时代,2004.

[3]郑辉.运动模糊图像复原技术的研究与实现[D].国防科学技术大学,2007.第2章基于形态学的权重自适应图像去噪2.1案例背景

数字图像的噪声主要产生于获取、传输图像的过程中。在获取图像的过程中,摄像机组件的运行情况受各种客观因素的影响,包括图像拍摄的环境条件和摄像机的传感元器件质量在内都有可能会对图像[1]产生噪声影响。在传输图像的过程中,传输介质所遇到的干扰也会引起图像噪声,如通过无线电网络传输的图像可能因为光或其他大气因素被加入噪声信号。图像去噪是指减少数字图像中噪声的过程,广泛应用于图像处理领域的预处理过程,去噪效果的好坏会直接影响后续的图像处理效果,如图像分割、图像模式识别等。

数学形态学以图像的形态特征为研究对象,通过设计一套独特的数字图像处理方法和理论来描述图像的基本特征和结构,通过引入集合的概念来描述图像中元素与元素、部分与部分的关系运算。因此,数学形态学的运算由基础的集合运算(并、交、补等)来定义,并且所有的图像矩阵都能够方便地转换为集合。随着集合理论研究的不断深入和实际应用的拓展,图像形态学处理也在图像分析、模式识别等领域有着重要的应用。2.2理论基础2.2.1 图像去噪方法

数字图像在获取、传输的过程中都可能会受到噪声的污染,常见的噪声主要有高斯噪声和椒盐噪声。其中,高斯噪声主要是由摄像机传感器元器件内部产生的,椒盐噪声主要是由图像切割所产生的黑白相间的亮暗点噪声,“椒”表示黑色噪声,“盐”表示白色噪声。

数字图像去噪也可以分为空域和频域来完成。空域图像去噪常用的有均值滤波算法和中值滤波算法,主要是对图像像素做邻域的运算来达到去噪效果。频域图像去噪首先是对数字图像进行某种变换,将其从空域转换到频域,然后对频域中的变换系数进行处理,最后对图像进行反变换,将其从频域转换到空域来达到去噪的效果。其中,对图像进行空域和频域互相转换的方法有很多,常用的有傅里叶变换、小波变换等。

数学形态学图像处理通过采用具有一定形态的结构元素去度量和提取图像中的对应形状,借助于集合理论来达到对图像进行分析和识[2]别的目标,该算法具有以下特征。

1.图像信息的保持

在图像形态学处理中,可以通过已有目标的几何特征信息来选择基于形态学的形态滤波器,这样在进行处理时既可以有效地进行滤波,又可以保持图像中的原有信息。

2.图像边缘的提取

基于数学形态学的理论进行处理,可以在一定程度上避免噪声的干扰,相对于微分算子的技术而言具有较高的稳定性。形态学技术提取的边缘也比较光滑,更能体现细节信息。

3.图像骨架的提取

基于数学形态学进行骨架提取,可以充分利用集合运算的优点,避免出现大量的断点,骨架也较为连续。

4.图像处理的效率

基于数学形态学进行图像处理,可以方便地应用并行处理的技术来进行集合运算,具有效率高、易于硬件实现的特点。2.2.2 数学形态学原理

形态变换按应用场景可以分为二值变换和灰度变换两种形式。其中,二值变换一般用于处理集合,灰度变换一般用于处理函数。基本的形态变换包括腐蚀、膨胀、开运算和闭运算。

假设 f (x)和g(x)为定义在二维离散空间F和G上的两个离散函数,其中 f (x)为输入图像,g(x)为结构元素,则 f (x)关于[3]g(x)的腐蚀和膨胀分别定义为:

f (x)关于g(x)的开运算和闭运算分别定义为:

脉冲噪声是一种常见的图像噪声,根据噪声位置灰度值与其邻域灰度值的比较可以分为正、负脉冲。其中,正脉冲噪声的位置其灰度值要大于邻域的灰度值,负脉冲则相反。从公式(2.3)、公式(2.4)可以看出,开运算先腐蚀后膨胀,可用于过滤图像中的正脉冲噪声;闭运算先膨胀后腐蚀,可用于过滤图像中的负脉冲噪声。因此,为了同时消除图像中的正负脉冲噪声,可采用形态开-闭的级联形式,构成形态开闭级联滤波器。形态开-闭(OC)和形态闭-开(CO)级联滤波器分别定义为:

根据集合运算与形态运算的特点,形态开-闭(OC)和形态闭-开(CO)级联滤波器具有平移不变性、递增性、对偶性和幂等性的性质。2.2.3 权重自适应的多结构形态学去噪

在数学形态学图像去噪的过程中,通过适当地选取结构元素的形状和维数可以提高滤波去噪的效果。在多结构元素的级联过程中,需nm要考虑到结构元素的形状和维数。假设结构元素集为A,n代表形状序列,m代表维数序列,则:

式中,

假设图像进行形态学腐蚀运算,根据前面介绍的腐蚀运算公式,其过程相当于对图像中可以匹配结构元素的位置进行探测并标记处理。如果利用相同维数、不同形状的结构元素对图像进行形态学腐蚀运算,则它们可匹配的次数往往是不同的。一般而言,如果选择的结构元素可以探测到图像的边缘等信息,则可匹配的次数多,反之则少。因此,结合形态学腐蚀过程中结构元素的探测匹配原理,可以根据结[4]构元素在图像中的可匹配次数来进行自适应权值的计算。12n

假设n种形状的结构元素权值分别为:α,α,…,α ,在对图像进行腐蚀的过程中n种形状的结构元素可匹配图像的次数分别为:[4]12nβ ,β ,…,β ,则自适应计算权值的公式为:2.3程序实现

数字图像在进行数学形态滤波去噪时,根据噪声特点可以尝试采用维数由小到大的结构元素来进行处理,进而达到滤除不同噪声的目的。采用数学形态学的多结构元素,可以更多地保持数字图像的几何特征。因此,选择构建串联滤波器来进行图像滤波,就是将同一形状的结构元素按维数从小到大的顺序来对图像进行滤波,这类似于串联电路的设计流程(见图2-1)。图2-1 同一形状的结构元素的串联滤波

同理,可以将上面不同形状的结构元素所构成的串联滤波器进行[4]并联,结合自适应权值算法来构建串、并复合滤波器,如图2-2所示。图2-2 串、并联复合滤波器

根据图 2-2 所示,假设输入图像为 f (x),经某种形状的结构元i素的串形滤波结果为f(x),i=1,2,…,n,则输出图像为F(x)。其中,结构元素通过公式(2.7)所示的自适应算法来确定权值为12nα,α,…,α ,则:

为了简化算法实验步骤,在具体实现过程中,我们可以选择将串联处理结果与原始图像进行差异值计算的方式来作为权值向量,再通过对串联结果加权求和的方式来进行计算。因此,为了对数字图像进

试读结束[说明:试读内容隐藏了图片]

下载完整电子书

若在网站上没有找合适的书籍,可联系网站客服获取,各类电子版图书资料皆有。

客服微信:xzh432

登入/注册
卧槽~你还有脸回来
没有账号? 忘记密码?