下载文档原格式
第四章图象预处理基本内容灰度变换直方图变换空间域图像平滑空间域图像锐化频域图象平滑和锐化伪彩色和假彩色处理4.1灰度变换•目的–改善图象的视觉效果，或将图象转换成一种更适合于人或机器进行分析处理的形式。
图象增强并不以图象保真为准则，而是有选择地突出某些对人或机器分析有意义的信息，抑制无用信息，提高图象的使用价值。
它可使图像动态范围加大，使图像对比度扩展，图像更加清晰，特征更加明显。
4.1灰度变换•方法–空间域处理全局运算：在整个图象空间域进行。
局部运算：在与象素有关的空间域进行。
点运算：对图象作逐点运算。
–频域处理在图象的Fourier变换域上进行处理。
4.1灰度变换：对比度增强•灰度变换法线性变换对数变换指数变换•直方图调整法直方图均衡化直方图匹配线性灰度变换亮度倒置底片效果分段线性化出现假轮廓非线性亮度变换对数效应非线性亮度变换指数效应原图GAMMA = 0.5 GAMMA = 1.8分色调整[.2 .3 0; .6 .7 1]Glossary•Image enhancement:图象增强•Image quality:图象质量•Globe operation: 全局运算•Local operation: 局部运算•Point operation: 点运算•Contrast enhancement: 对比度增强•Contrast stretching: 对比度扩展Glossary•Gray-scale transformation(GST): 灰度变换•Logarithm transformation: 对数变换•Exponential transformation: 指数变换•Threshold: 阈值•Thresholding: 二值化、门限化•False contour: 假轮廓4.2直方图变换•直方图( Histogram ):表示数字图象中的每一灰度级与其出现的频率(该灰度级的象素数目)间的统计关系,用横坐标表示灰度级, 纵坐标表示频数(也可用概率表示)。
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。
图像预处理
灰度化：彩色图像转化为数据量较少的灰度图像可以大大减少就计算量，提高图像处理速度。
灰度值取X=G。
滤波：图像采集和传输过程出现一些噪声和边缘，降低了图像质量。
采用中值滤波。
中值滤波是一种空域内目前应用最多的基于统计排序的非线性滤波方法，滤波的基本原理是：设定一个矩形的滑动窗口s(该窗口包含的灰度值个数一般为奇数)，利用该滑动窗口从上到下，从左到右依次滑过整幅图像，以图像中的每一像素点为中心根据滑动窗口S确定一个邻域，将该邻域内的所有像素按灰度值从小到大的顺序进行排序，并且取其排序后的中值作为图像中该像素点的最终灰度值。
其数学定义如下：
边缘检测：车道线检测主要依靠边缘信息，检测出车道线边缘是能否成功识别的关键。
Sobel 算子是一种一阶加权平均算子，在道路图像处理中仅需要水平方向和垂直方向上的两个3×3模板即可。
对图像中的每个点都用这两个核作卷积，因Sobel具有方向性，所以水平方向的模板通常对水平边缘响应最大，而垂直方向的模板对垂直边缘响应最大，因此在水平和垂直方向上形成最强烈的边缘。
二值化：道路图像经过边缘检测算子处理后得到的图像仍是一个含有256个灰度级的梯度图像，为了进一步提高车道线检测的质量和速度，还需要对梯度图像进行二值化，得到边缘像素点。
设置一个适当的值，利用这个值将整幅图像转化成只有两个灰度级(目标和背景)的图像，这个过程称为图像二值化。
OSTU大津法：将图的灰度值划分为两组，分别求得这两组
灰度值的均值和方差及两类间的协方差，当某一阈值划分的两组灰度值的协方差最大时，则该阈值为整幅图像二值化的阈值。
第一帧车道线检测。
图像预处理主要是对系统获取的原图像基本特征的信息进行相应的、有针对性的处理，以滤去干扰、噪声，作几何校正、色彩校正，以便于计算机的分析计算，一般包括滤波、图像增强、图像二值化、形态学运算、边缘检测等等。
3.1图像灰度化将彩色图像转换成灰度图，一方面提高了图像的处理速度，另一方面更统一了多种颜色的车辆牌照。
本文采用加权平均值法将图像灰度化，即根据重要性或其他指标给R、G、B赋予不同的权值，并使R、G、B等于它们的值的加权和平均R=G=B=(W rR+W gG+W bB)/3其中Wr、Wg、Wb分别是R、G、B的权值，取Wr＝0.299、Wg＝0.588、Wb＝0.113，从而得到最合理的车牌灰度图像。
3.2中值滤波接着要进行图像的去噪处理，用中值滤波方法可以有效去除图像中的噪声点，同时保护图像边缘的细节。
中值滤波[2][3]是通过在图像上移动一个滑动窗口，窗口中心位置的象素值用窗口内部所有象素灰度的中值来代替。
因此关键在于滑动窗口的选取，本文采用3x3方形窗口进行滤波，可以很好的消除图像中孤立噪声点的干扰，还能有效的保护边界信息。
3.3灰度变换如果一幅图成像时由于光线过暗或曝光不足，则整幅图偏暗（如灰度范围从0到6 3）；光线过亮或曝光过度，则图像偏亮（如灰度范围从200到255），都会造成图像对比度偏低问题，即灰度都挤在一起了，没有拉开，这时可以采用灰度变换方法来增强图像对比度。
本文采用分段线性灰度变换法进行灰度变换，根据经验值，对[30 200]之间的灰度值进行变换。
3.4直方图均衡化直方图是用来表达一幅图像灰度等级分布情况的统计表。
通过对图像中像素个数多的灰度值（及对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（及对画面不起主要作用的灰度值）进行归并，从而达到清晰图像的目的，其本质上是一个直方图变换，即将输入图像的直方图映射成一个最大平展的直方图。
经过直方图均衡化处理以后，图像的灰度分布变得均匀，原来偏暗的图像亮度明显增强，图像变得更为清晰。
第四章图像的预处理在图像的形成、传输或变换的过程中，由于受多种因素的影响，图像往往与原始景物之间或图像与原始图像之间产生某种差异。
这种差异称为降质或退化。
在对图像进行研究处理前，必须对这些降质的图像进行一些改善图像的预处理。
通常改善方法有两类：一类是不考虑图像降质的原因，只将图像中感兴趣的特征有选择的突出，而衰减其次要信息：另一类是针对图像降质的原因，设法去补偿降质因素，从而使改善后的图像尽可能的逼近原始图像。
第一类方法能提高图像的可读性，改善后的图像不一定逼近原始图像，如突出目标的轮廓，袁减各种噪声，将黑白图像转换成彩色图像等：这类方法通常称为图像增强技术。
第二类方法能提高图像质量的逼真度，一般称为图像复原技术。
作为我们图像目标分离技术研究，我们只要对图像中的目标及背景的某些特征感兴趣，所以我们的预处理为图像增强。
4.1 直方图在对图像进行处理之前，了解图像整体或局部的uidu分布情况是非常必要的。
对图像的灰度分布进行分析的重要手段就是建立灰度直方图，利用图像灰度直方图，可以直观地看出图像中的像素亮度分布情况，通过直方图的均衡化、归一化的处理等，可对图像的质量进行调整。
另外，通过对直方图的分析，有助于确定图像域值化处理的域值。
灰度直方图是灰度级的函数，它表示图像中具有某种会的级的像素的个数，反映了图像中每种灰度出现的频率。
图像的直方图具有以下三个重要的性质:(1)直方图是一幅图像中各像素灰度值出现次数 ( 或频数 ) 的统计结果，它只反映该图像中不同灰度值出现的次数 ( 或频数 ) ，而未反映某一灰度值像家所在位置。
也就是说，它只包含了该图像中菜一灰度值的像素出现的概率，而丢失了其所在位置的信息。
(2)任一幅图像，都能惟一地确定出一幅与它对应的宜方图，但不同的图像，可能有相同的直方图。
也就是说，图像与直方图之间是多对一的映射关系。
(3)由于直方图是对具有相同灰度值得像素统计得到的，因此，一幅图像各自去的直方图之和就该等于该图像全图的直方图。
图像预处理（image preprocessing）对原始资料进行遥感器效应和几何及辐射效应等的应用前期处理。
图像，将每一个文字图像分检出来交给识别模块识别，这一过程称为图像预处理。
灰度级变换的定义灰度级变换(点运算)的定义★对于输入图象f(x，y)，灰度级变换T将产生一个输出图像g(x，y)，且g(x，y)的每一个像素值都是由f(x，y)的对应输入像素点的值决定的，g(x，y)=T(f(x，y))。
★对于原图象f(x，y)和灰度值变换函数T(f(x，y))，由于灰度值总是有限个(如：O～2 5 5)，非几何变换可定义为：R=T(r)，其LlJ R、r（O．255）。
灰度级变换的实现灰度级变换(点运算)的实现R=T(r)定义了输入像素值与输出像素之间的映射关系，通常通过查表来实现。
灰度级变换实例1、图象求反2、对比度拉伸3、动态范围压缩4、灰度级切片图像的灰度直方图总述灰度直方图(histogram)统计了图象中各个灰度级的象素的个数。
灰度直方图的计算若图象具有L级灰度(通常L=256，即8位灰度级)，则大小为m(n的灰度图象f(x，Y)的灰度直方图H[k]，k=0…L-1，可按如下步骤计算获得：1)初始化：for(k=O；k<L；k++)H[k]=O；2)统计：for(x=O；x<m；x++)for(y=O；y<n；y++)H[f(x，y)]++；3)规格化：flOr(x=O；x<m；x++)for(y=O；y<n；y++)H[f(x，y)]／=float(m(n)；直方图均衡化直方图均衡化是通过灰度变换将一幅图象转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。
直方图均衡化变换：设灰度变换s=f(r)为斜率有限的非减连续可微函数，它将输入图象Ii(x，y)转换为输出图象Io(x，y)，输入图象的直方图为Hi(r)，输出图象的直方图为Ho(s)，则根据直方图的含义，经过灰度变换后对应的小面积元相等：Ho(s)ds=Hi(r)dr 变换函数f(r)必须满足下列2个条件：★(1)f(r) (O(r(1)是单值函数、且单调增加；★(2)O(f(r) (1，(O(r(1)。
