发布时间 : 星期五 文章基于LABVIEW的圆形图像识别与实时跟踪系统设计更新完毕开始阅读
常熟理工学院毕业设计（论文）
图3.6 彩色图像在R 域内分量图像图
3.3图像的增强
图像增强的目的是为了增强图像中的有用信息，它可以是一个失真的过程，其目的是要增强视觉效果。将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法。
图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
基于空域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。
在本系统中，主要采用的是中值滤波和灰度变换法。
15
常熟理工学院毕业设计（论文）
3.3.1中值滤波
中值滤波是一种非线性平滑滤波器，能比较容易地去除孤立点、线的噪声同时保持图像的边缘。中值滤波的基本步骤如下：
(1)将模板在图中漫游，并将模板中心与图中某个像素位置重合； (2)读取模板下各对应像素的灰度值； (3)将这些灰度值从小到大排成一列；
(4)找出这些值中排在中间的那一个。对于奇数个元素，中值是按大小排序后中间的数值；对于偶数个元素，中值是指排序后中间两个元素灰度值的平均值。
(5)将这个中间值赋给对应模板中心位置的像素。对于二维图像信号，中值滤波的窗口形状和尺寸对滤波器效果影响很大。不同图像内容和不同应用要求往往选用不同的窗口形状和尺寸。常用的二维中值滤波窗口形状有线状、方形、圆形、十字形等。
在Vision软件中，滤波功能模块如图3.7所示。根据图像的特点，在尝试了不同的数值以后，为了达到理想的效果，选择3X3的方形中值滤波器，其属性设置如图3.8所示，其中滤波器尺寸大小只与处理速度有关，尺寸越小，处理速度越快。处理程序如图3.9所示，中值滤波后的图像可以从图3.10观察出。
图3.7滤波器模块
图3.8 中值滤波的属性设置
16
常熟理工学院毕业设计（论文）
图3.9 中值滤波的程序框图
图3.10中值滤波后的图像
从图中，可以明显看出，图像变得平滑，球表面的孤立点还有线条噪声都得到了有效的去除。由此，可以得出结论，这种中值滤波是适合该系统的。然而，这还不是最理想的效果，所以要使用图像增强的另一种常用方法：数学形态学。 3.3.2灰度形态学
数学形态学是一门建立在集论基础上的学科，是几何形态学分析和描述的有力工具。数学形态学可以用来解决抑制噪声、特征提取、边缘检测、图像分割、形状识别、纹理分析、图像恢复与重建、图像压缩等图像处理问题。目前，数学形态学已在计算机视觉、信号处理与图像分析、模式识别、计算方法与数据处理等方面得到了极为广泛的应用。
数学形态学是以形态结构元素为基础对图像进行分析的数学工具。它的基本思想是用
17
常熟理工学院毕业设计（论文）
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以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们基本的形状特征，并除去不相干的结构。数学形态学的基本运算有4个：膨胀、腐蚀、开运算和闭运算。它们在二值图像中和灰度图像中各有特点。基于这些基本运算还可以推导和组合成各种数学形态学实用算法。
常见形态学运算有腐蚀（Erosion）和膨胀（Dilation）两种。腐蚀：就是删除对象边界某些像素。膨胀：就是给图像中的对象边界添加像素。
结构元素是膨胀和腐蚀操作的最基本组成部分，用于测试输出图像，通常要比待处理的图像小的多。二维平面结构元素由一个数值为0或1的矩阵组成。结构元素的原点指定了图像中需要处理的像素范围，结构元素中数值为1的点决定结构元素的邻域像素在进行膨胀或腐蚀操作时是否需要参与计算。
膨胀的算法： 用3x3的结构元素，扫描图像的每一个像素 用结构元素与其覆盖的二值图像做“与”操作 如果都为0，结果图像的该像素为0。否则为1。结果：使二值图像扩大一圈。
腐蚀的算法： 用3x3的结构元素，扫描图像的每一个像素 用结构元素与其覆盖的二值图像做“与”操作 如果都为1，结果图像的该像素为1。否则为0。 结果：使二值图像减小一圈。
Vision中，对应的数字灰度形态学模块如图3.11所示。
3.11数字灰度形态学模块
在设计过程中，首先选择的是开运算，具体属性选择见图3.12，经过多次尝试，我们选择的是7X7的结构元素，因为与3X3和5X5的结构元素相比，它的运算过程更为精确，能够更多地保留原图像的有用信息，从而增强图像品质。开运算就是先膨胀后腐蚀的过程：利用它可以填充物体内细小空洞，连接临近物体、平滑其边界，但同时并不会明显改变原来物体的面积。开运算处理后，发现图像的边界有些许缺失，影响处理效果，所以对图像迭代入一次膨胀处理，同样尝试改变参数后，我们选择3X3的结构元素，参数选择如图3.13所示。
18