得到去噪后的图像。常用的空域滤波有均值滤波、中值滤波等。它们对不同的噪声有
不同的去噪特性,均值滤波可以有效的滤除高斯噪声,而中值滤波对脉冲噪声和椒盐
噪声的去噪能力很好[13]。
研究发现.拍摄到的视频图像中椒盐噪声的影响较严重,同时由于均值滤波不只
是把干扰去除,还常把图像的边缘模糊,不利于图像进一步的分析。而中值滤波既能
消除噪声又能保持图像的细节。因此,我们选择中值滤波来进行滤波除噪。
中值滤波器是一种非线性的平滑滤波器。其中,输入像素由领域包含的像素中值
替换,象征性的表示为:
v(m, n) = median {y(m-k, n-l), (k, l) ∈W} (2.1-2)
其中 W 表示适当选择的领域。本文中令 W 为 3×3 的像素区域,作为遍历模板。
中值滤波具体步骤如下:
1)令 W中心依次与各个像素位置重合,实现对图像中所有像素的遍历。
2)读取 W 中各个像素的灰度值,并将这些值进行排序(考虑到实时性需求,用快
速排序法)。
3)取排序后的中间值,将其赋给中心位置v(m, n)的像素。
2.1.3 实验结果
(a)未经滤波处理的灰度图像 (b)中值滤波后的灰度图像
图 2.1 图像的中值滤波
2.2 图像纹理和边缘检测
2.2.1 图像纹理
图像的纹理是图像的某种局部性质,或是对局部区域中像素之间关系的一种度量。
可以认为,纹理是由许多相互接近的、相互编织的像元构成,它提供了图像区域的平
滑、稀疏和规则等特性。纹理的描述常常使用统计法、频谱法和结构法,以及这三种
方法的混合方法,其性质可分为空间性质、频域性质和结构感知性质三类。常用的纹
理描述算子包括空间性质的灰度共生矩阵、频域性质的傅立叶变换和小波变换、结构
感知性质的粗细度、对比度和方向性等,以及它们的混合算子等。
2.2.2 Sobel算子边缘检测
图像处理中,边缘不仅仅是指物体边界的线,还应该包括能够描绘图像特征的线
要素,因此通过所提取的边缘可以识别出目标、测量目标的面积和周长等,边缘检测
与提取的处理进而也可以作为更为复杂的图像识别、图像理解的关键预处理步骤来使
用。
实际图像中,即使用眼睛可清楚地确定为边缘,但在灰度变化模型中也有一些会
变钝、灰度变化量会变小,从而使得提取清晰的边缘变得十分困难,为此人们提出了
基于微分的边缘检测与提取法和基于模板匹配的边缘检测与提取法。
边缘是赋予单个像素的性质,用图像函数在该像素一个邻域处的特性来计算。它
是一个具有强度和方向的矢量,其强度等于梯度的强度。这里简单介绍下面阴影检测
中采用的Sobel算子边缘检测。
Sobel算子是基于梯度算子3×3的领域的。其卷积模板由下图的两个核定义:
图 2.2 Sobel 算子水平和垂直边缘卷积核
取水平垂直两个方向的最大响应作为边缘:
G(i,j) = max(|
- 上一篇:SRA硅微谐振式加速度计非线性振动特性研究
- 下一篇:基于圆光栅的莫尔体层析投影特性研究
-
-
-
-
-
-
-
十二层带中心支撑钢结构...
河岸冲刷和泥沙淤积的监测国内外研究现状
电站锅炉暖风器设计任务书
java+mysql车辆管理系统的设计+源代码
杂拟谷盗体内共生菌沃尔...
当代大学生慈善意识研究+文献综述
中考体育项目与体育教学合理结合的研究
乳业同业并购式全产业链...
酸性水汽提装置总汽提塔设计+CAD图纸
大众媒体对公共政策制定的影响