改进的Bernsen算法实证研究

第7卷 第1期 2007年1月1671-1819(2007)1-0139-04科 学 技 术 与 工 程Science T echno logy and Eng i neeringV o.l 7 N o .1 Jan .20072007 Sc.i T ech .Engng.一种有效的图像二值化方法赵永志 彭国华*(西北工业大学应用数学系,西安710072)摘 要 边界特征是图像的重要信息,阈值是区分图像像素点的主要依据。

研究了图像的二值化方法,阐述了一种基于数学形态学的自适应二值化方法。

实验表明,该方法能够较好地保留原图的边界特征信息,二值化效果好。

关键词 二值化 阈值 数学形态学 边界特征中图法分类号 TP391.41; 文献标识码A2006年8月25日收到*第一作者简介:赵永志,男(1982 ),硕士研究生,研究方向:图像处理与模式识别。

E -m a i :l snzhaoyzh@i s i na .co m 。

*通信作者简介:彭国华,男(1962 ),教授,博士,硕士生导师,研究方向:计算机图形学、计算机辅助几何设计。

图像二值化是数字图像处理技术中的一项基本技术,也是许多图像处理技术的预处理技术,在自动目标识别(ATR )、图象分析、文本增强以及光学字符识别(OCR )等图像处理中得到广泛应用。

现有的二值化方法大多属于阈值化方法,而在不同的应用中,阈值的选取决定着图像特征信息的保留。

因此,自动阈值选取的方法非常值得研究,好的自动阈值选取方法不仅能够保留图像中有用的信息,而且还可以减少时间上的开销。

本文对现有的图像二值化算法进行了讨论,阐述了一种基于数学形态学的图像二值化方法。

实验表明,该方法能够较好地保留原图的边界特征信息,是一种自适应的调整阈值的方法。

1 常用的二值化方法图像二值化技术的关键在于如何选取阈值。

根据其对像素的处理方式,主要分为三类:(1)全局阈值法:是指整个图像采用单一阈值(全局阈值)T 进行图像二值化。

据质量方面的(预测)能力并不尽如人意。
— 31 —
2020 年第 9 期
度)
GDP 数据修订的自我关联机制,但 其 计 量 模 型 的 整 体 结 构 仍 较 为 简 略,还 无 法 从 中 有 效 识 别 特
定的 GDP 误差效应。
针对包括 GDP 在内的宏观经济统 计 数 据,郭 红 丽、王 华(
2010)通过拟合 GDP 的生产函数,利用多种 诊
断统计量分析各样本点对模型结果 稳 定 性 的 影 响,发 现 少 数 年 份 样 本 点 的 诊 断 统 计 量 较 为 异 常,可
列为可疑数据。卢二坡、张焕明(
2011)和刘洪、昌先宇(
2011)以及刘洪、金林(
2012)致力于模型结构
与估计方法的改进,以期提高异常数值识别的效果。
本文旨在分析论证计量经济模型方法在 GDP 数据质量评估中的有限适用性,揭示各种可能 的
误判情形,探寻该领域研究在方法论上的拓展空间。具体开展两个层面的分析:一是在对 GDP 数据
质量评估中计量模型方法的基本原 理 进 行 提 炼 的 基 础 上,从 不 同 技 术 层 次 分 析 其 可 能 的 评 估 功 效,
又会造成何等影响? 如果将前述各项评估研究视为对计量经济模型的一种反向逻辑的应用(即根据
模型估计结果反推数据的可用性与可 信 度),对 于 GDP 误 差 发 生 机 制 及 其 影 响 效 应 的 关 注 与 探 讨,
则可视为对计量经 济 模 型 评 估 功 效 的 一 种 正 向 逻 辑 的 考 察。 在 此 方 面,目 前 仅 有 刘 小 二、谢 月 华
误差机制的显性识别;本文在此方面提供了一个相对完备的概念性基准模型,有助于相关研究的进

Ｃ ｎａｎｎ ｕ ｊｃｉｅＲｅｕ ｎ ｅｈ ｄ ｏ ｔｉｉｇＳ ｂｅｔ ｔｒ ｓＭ ｔｏ ｖ
Ｍ ｅ ｇ Ｙｏ ｇ ｎ ｎ
Ａｂ ｔａ ｔ Ｂａ ｋ Ｌｔ ｒ ｎＭｏ ｅ ｓａｐ ￣ ｌ ｄ ｌｐｏ ｉｅ ｙＧ ｌｍａ ａｈ ， ｉｈ ｃ ｎａｎ ｎ ｅｔｒ Ｕ ｊｃｉｅ ｓｒ ｃ ： ｌｃ — ｉｅｍａ ｄ ｌｉ ｏ ｆ ｉ ｍｏ ｅ ｒｖｄ ｄｂ ｏｄ ｎＳ ｃ ｓ ｗｈｃ ｏ ｔｉｓｉｖ ｓｏ Ｓ ｂｅｔ ｔ ｏ ｏ ｖ
ｓｎｅ ｅ ｓ ．Ａｔ ｒｓｎ ｈ ｓ ｂｅ ｔ ｅ ｅｕｎ ｓ ｐ ｅ ｉｔｄ ｙ ｒｉ ａｙ ｒｄｃｉｎ Ｉ ｓ ｅｅ ｔ ｅ ｅ ａ ｓ ｈ ｒ ｅ ｓ ｐｅｅ ｔｔｅ ｕ ｊｃｉ ｒｔｒ ｓ ｉ ｒｄｃｅ ｂ ａｂｔ ｒ ｐｅ ｉｔ ． ｔ ｄ ｆｃｉ ｂ ｃ ｕｅ ｔｅ ｍａｋ ｔ ｖ ｒ ｏ ｉ ｖ ｉ
的 ＢａｋＬｔ ｒ ｎ资 产 组 合模 型 ， 主要 特点 是 模 ｌｃ ．ｉｅ ｔ ｍａ 其
型加 人 了投 资 人 的 主观 观 念 。ＢａｋＬｔ ｒ ａ ｌｃ －ｉｅｍ ｎ模 型 ｔ
以 Ｋ ｈ ｅ ｎ和 Ｔ ｅｓｙ为 代 表 的行 为 金 融 学 ａ ｎｍａ ｖｒｋ
派 研究认 为 ， 投资者 在 证 券 市场 做 出 自己的推 测 要 面对无 数 的不确定 性 ， 是 投 资 者在 做 预 测 时 总是 但 非 理性 的 ， 资者做 决策 时要 受到过 度 自信 、 守 主 投 保 义 、 恶模糊 等 主观情感 的影 响 ， 是 因为投资 者不 厌 这
中 图分 类 号 ： ２ ２ Ｏ １ 文 献 标 识 码 ： Ａ 文 章 编 号 ：０ ２— ５ ５ ２ １ ） ２— ０ ４— ６ １０ ４ ６ （０ ２ ０ ０ ９ ０
Ｔｈｅ Ｉ ｐｒ ｖ ｍ ｅ ｔ ｏ ａ ｋ・ ｔｅ ｍ ａ ｏ ｌ ｍ ｏ ｅ ｎ ｆＢｌ ｃ Ｌｉｔ ｒ ｎ Ｍ ｄｅ

Mpiv可以节省大量的时间 ,并可用于处理各种类型的粒子图像。特别是对于多相流动 ,跟踪各相流动的粒子密度和大小往往有较大的差别 ,将各相流动图像分离后,采用集成各种算法的软件可方便地提取各相流动的速度矢量场,实现各相流动的同步测量。
2.基于MATLAB技术的piv软件设计
2
为了得到流速分布的细节情况，散播在流场中的示踪粒子的粒径应该非常小、浓度应该足够大．使得采集到的图像对有足够的流场信息。这就很难从两幅图像中分辨同一个粒子，也就无法获得所需的相对位移。而利用互相关分析理论[3]，可以轻松地解决这个问题从上面的描述得知，图像采集系统像阵列获得的每一对图像都是从相同的空问位置上得到的，且曝光的时间间隔可以作为已知参数。流场中的示踪粒子反射来自片光源的光线，每一粒子上反射的光强信号与其空间位置成单一映射，这就形成光强信号与空间位置的函数映射关系，使用互相关分析方法可以确定两幅图像之间的对应关系。
PIV算法具有很强的针对性 ,不同的算法适用于不同的粒子图像。目前商业 PIV产品所附带的粒子图像处理软件基本上是基于快速傅立叶变换的互相关算法 ,这种算法只适用于高粒子密度图像的测量。而在实际的测量中,得到的粒子分布是各式各样的 ,需要选用合适的算法去提取流场的速度分布,因此 ,对于使用 PIV的研究人员而言 ,一个集成了多种 PIV算法 ,可用于分析不同密度 PIV粒子图像的软件无疑将显得十分方便和有效。
计算机技术与图像处理技术的快速发展，使得流场测试技术得以迅速发展与提高。粒子图像测速技术就是其中普遍采用的一种。粒子图像测速技术(ParticleImageVelocimetry，简称PIV)是70年代末由固体力学散斑法发展起来的，这种技术突破了传统单点测量的限制，可瞬时无接触测量流场中一个截面上的二维速度分布，且具有较高的测量精度。其具体方法是：流场中布撒示踪粒子，并用脉冲激光片光光源入射到所研究流场区域中，通过连续两次或多次曝光，粒子的图像被记录在底片上或CCD相机上。采用光学杨氏条纹法、自相关法或互相关法，逐点处理PIV底片或CCD相机记录的图像，从而获得流场速度分布。