機(jī)器視覺技術(shù)與應(yīng)用 課件 -第3章 數(shù)字圖像處理與應(yīng)用

機(jī)器視覺技術(shù)與應(yīng)用德創(chuàng)，讓機(jī)器視覺更簡(jiǎn)單CHAPTER章01緒論03020405數(shù)字圖像采集與保存數(shù)字圖像處理與應(yīng)用機(jī)器視覺識(shí)別應(yīng)用機(jī)器視覺檢測(cè)應(yīng)用Section節(jié)3.1數(shù)字圖像處理3.2圖像處理基礎(chǔ)3.3圖像灰度變換3.4圖像濾波基礎(chǔ)Section節(jié)3.6圖像銳化3.7圖像形態(tài)學(xué)操作3.8圖像幾何變換3.5圖像平滑3.1圖像處理技術(shù)TASK任務(wù)二、數(shù)字圖像處理內(nèi)容三、數(shù)字圖像處理應(yīng)用一、數(shù)字圖像處理概念配置相機(jī)分為幾步驟？圖像文件格式分為什么種類？有哪些？課前回顧一、數(shù)字圖像處理概念1、數(shù)字圖像處理概念一、數(shù)字圖像處理概念通過計(jì)算機(jī)進(jìn)行存儲(chǔ)和去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理計(jì)算機(jī)處理030102圖像傳感器等采集到的模擬信號(hào)模擬圖像以像素為基本元素的數(shù)字信號(hào)數(shù)字圖像2、數(shù)字圖像與模擬圖像的區(qū)別一、數(shù)字圖像處理概念存儲(chǔ)方式數(shù)字圖像以數(shù)字方式存儲(chǔ)，可以方便地進(jìn)行復(fù)制、傳輸和編輯。精度數(shù)字圖像可以具有更高的分辨率，呈現(xiàn)出更豐富的細(xì)節(jié)和色彩。靈活性數(shù)字圖像處理可以對(duì)圖像進(jìn)行各種變換和特效處理，實(shí)現(xiàn)更多的創(chuàng)意和視覺效果。3、數(shù)字圖像處理發(fā)展因素一、數(shù)字圖像處理概念如軟件系統(tǒng)、網(wǎng)絡(luò)技術(shù)和云計(jì)算的提升。計(jì)算機(jī)的發(fā)展特別是離散數(shù)學(xué)理論的創(chuàng)立和完善。數(shù)學(xué)的發(fā)展如圖像傳感器、半導(dǎo)體器件、激光器等。物理化學(xué)技術(shù)的發(fā)展二、數(shù)字圖像處理內(nèi)容1、數(shù)字圖像處理常用技術(shù)二、數(shù)字圖像處理內(nèi)容圖像增強(qiáng)：有選擇地突出某些感興趣的信息，同時(shí)抑制一些不需要的信息，包含反差增強(qiáng)和濾波特征提?。簭臄?shù)字圖像的區(qū)域或輪廓中提取出一個(gè)或多個(gè)特征信息，以便于后續(xù)的分類和識(shí)別。特征類型包括幾何特征、形狀特征、顏色特征等圖像的識(shí)別分類：將數(shù)字圖像的特征進(jìn)行空間排列，圖像經(jīng)過分割和特征提取后，按照某種規(guī)則進(jìn)行分類，例如按照顏色、紋理、形狀等進(jìn)行分類形態(tài)學(xué)處理：分為區(qū)域形態(tài)學(xué)和灰度形態(tài)學(xué)，利用一種特殊的結(jié)構(gòu)元來測(cè)量或提取輸入圖像中相應(yīng)的形狀或特征，以便進(jìn)一步進(jìn)行圖像分析和目標(biāo)識(shí)別圖像分割：將數(shù)字圖像劃分為不同的區(qū)域或者對(duì)象，提取感興趣的物體區(qū)域，以便于進(jìn)一步的圖像識(shí)別、分析等處理。分割方法包括閾值分割、基于邊界分割、基于區(qū)域分割等幾何變換：對(duì)圖像進(jìn)行旋轉(zhuǎn)、平移、縮放等幾何變換，從而改變圖像的相對(duì)位置和大小010205040603對(duì)傳輸至計(jì)算機(jī)的圖像數(shù)據(jù)信息進(jìn)行處理2、圖像增強(qiáng)二、數(shù)字圖像處理內(nèi)容對(duì)比度增強(qiáng)色彩增強(qiáng)通過調(diào)整圖像的對(duì)比度，使其更清晰、更易于觀察。通過改變圖像的色彩，使其更鮮艷、更生動(dòng)。3、圖像變換二、數(shù)字圖像處理內(nèi)容圖像旋轉(zhuǎn)圖像縮放圖像剪切原圖4、圖像分割二、數(shù)字圖像處理內(nèi)容01將圖像分割成多個(gè)區(qū)域或?qū)ο蟮倪^程，以便于對(duì)各個(gè)區(qū)域或?qū)ο筮M(jìn)行單獨(dú)處理。圖像分割定義02基于像素、邊緣、區(qū)域等特征的圖像分割技術(shù)，如閾值分割、邊緣檢測(cè)、區(qū)域生長(zhǎng)等。圖像分割技術(shù)03在醫(yī)學(xué)影像分析、遙感圖像處理、計(jì)算機(jī)視覺等領(lǐng)域廣泛應(yīng)用。應(yīng)用領(lǐng)域5、特征提取二、數(shù)字圖像處理內(nèi)容01圖像預(yù)處理在特征提取之前，需要對(duì)圖像進(jìn)行預(yù)處理，包括灰度化、噪聲去除、對(duì)比度增強(qiáng)、幾何變換等。02特征提取算法常用的特征提取算法包括SIFT、SURF、ORB等，這些算法能夠從圖像中提取出關(guān)鍵點(diǎn)和特征描述符。03特征匹配提取出特征后，需要將它們與數(shù)據(jù)庫中的特征進(jìn)行匹配，以實(shí)現(xiàn)圖像識(shí)別、目標(biāo)檢測(cè)等功能。三、數(shù)字圖像處理應(yīng)用1、數(shù)字圖像處理常用領(lǐng)域三、數(shù)字圖像處理應(yīng)用計(jì)算機(jī)科學(xué)數(shù)學(xué)物理數(shù)字圖像處理是交叉學(xué)科

傳統(tǒng)領(lǐng)域醫(yī)學(xué)、空間應(yīng)用、地理學(xué)、生物學(xué)、軍事等新興領(lǐng)域人臉識(shí)別、互聯(lián)網(wǎng)、多媒體檢索、虛擬現(xiàn)實(shí)等2、醫(yī)學(xué)影像處理三、數(shù)字圖像處理應(yīng)用醫(yī)學(xué)診斷數(shù)字圖像處理技術(shù)廣泛應(yīng)用于醫(yī)學(xué)影像分析，幫助醫(yī)生更準(zhǔn)確地診斷病情。如圖所示為人體部分骨骼X射線掃描圖。病理學(xué)研究通過數(shù)字圖像處理技術(shù)，病理學(xué)家可以對(duì)顯微鏡下的細(xì)胞或組織進(jìn)行深入分析，研究疾病的發(fā)生和發(fā)展機(jī)制。3、安全監(jiān)控三、數(shù)字圖像處理應(yīng)用安全監(jiān)控系統(tǒng)安全監(jiān)控系統(tǒng)可以通過攝像頭等設(shè)備獲取現(xiàn)場(chǎng)視頻圖像，并通過圖像增強(qiáng)、目標(biāo)檢測(cè)等技術(shù)對(duì)這些圖像進(jìn)行處理和分析，從而實(shí)現(xiàn)對(duì)現(xiàn)場(chǎng)情況的實(shí)時(shí)監(jiān)測(cè)和預(yù)警。人臉識(shí)別數(shù)字圖像處理技術(shù)可以用于人臉識(shí)別，通過對(duì)面部特征的提取和比對(duì)，實(shí)現(xiàn)身份認(rèn)證和安全控制。4、工業(yè)自動(dòng)化三、數(shù)字圖像處理應(yīng)用主要應(yīng)用通過搭建穩(wěn)定的視覺系統(tǒng)，獲取生產(chǎn)現(xiàn)場(chǎng)的圖像信息，并通過數(shù)字圖像處理技術(shù)對(duì)這些圖像進(jìn)行處理和分析，從而實(shí)現(xiàn)對(duì)生產(chǎn)過程的監(jiān)測(cè)和控制。工業(yè)自動(dòng)化現(xiàn)場(chǎng)圖像獲取數(shù)字圖像處理技術(shù)在工業(yè)自動(dòng)化中的應(yīng)用主要包括機(jī)器人視覺、智能制造等方面。5、航空航天技術(shù)三、數(shù)字圖像處理應(yīng)用航空航天技術(shù)需要對(duì)飛機(jī)、衛(wèi)星等進(jìn)行遙感監(jiān)測(cè)，以獲取有關(guān)地球表面高分辨率圖像。遙感圖像獲取通過數(shù)字圖像處理技術(shù)，對(duì)遙感圖像進(jìn)行預(yù)處理、分類識(shí)別、目標(biāo)跟蹤等處理，便于專業(yè)人員進(jìn)行進(jìn)一步的分析和應(yīng)用。圖像處理和分析6、日常生活三、數(shù)字圖像處理應(yīng)用視頻游戲制作數(shù)碼相機(jī)拍攝手機(jī)拍照3.2圖像處理基礎(chǔ)TASK任務(wù)二、圖像類型變換和灰度直方圖三、鋰電池有無檢測(cè)一、工具塊工具工業(yè)視覺軟件的圖像采集是否已掌握？課前回顧工業(yè)視覺軟件的圖像采集需要注意：1.相機(jī)的架設(shè)高度及曝光、增益等參數(shù)的調(diào)整2.鏡頭光圈環(huán)和對(duì)焦環(huán)的合理調(diào)節(jié)3.光源架設(shè)高度和亮度的設(shè)置一、工具塊工具1、工具塊結(jié)構(gòu)CogToolBlock將圖像與分析該圖像的一組視覺工具相關(guān)聯(lián)，用于增加和改進(jìn)應(yīng)用程序的結(jié)構(gòu)。ToolBlock結(jié)構(gòu)ToolBlock通過以下方式增加和改進(jìn)應(yīng)用程序的結(jié)構(gòu)：按功能組織所用的視覺工具，而只顯示必要的結(jié)果終端；創(chuàng)建可重用組件；為視覺邏輯的復(fù)雜任務(wù)提供簡(jiǎn)化的界面。一、工具塊工具1、工具塊結(jié)構(gòu)工具塊工具界面

將圖像與分析該圖像的一組視覺工具相關(guān)聯(lián)的工具，用于增加和改進(jìn)應(yīng)用程序的結(jié)構(gòu)。一、工具塊工具對(duì)采集到的圖像進(jìn)行視覺處理時(shí)，通常會(huì)選擇在工具塊中來完成，并需要將與圖像處理相關(guān)的數(shù)據(jù)和圖像傳入工具塊，具體操作如下：一、工具塊工具2、添加工具塊輸入輸出（1）新建解決方案雙擊桌面【

】圖標(biāo)，在彈出界面新建“空白”解決方案一、工具塊工具2、添加工具塊輸入輸出（2）保存解決方案進(jìn)入設(shè)計(jì)模式界面后可點(diǎn)擊【

】將該解決方案保存，并命名為“3.2-圖像處理基礎(chǔ)-XXX”一、工具塊工具2、添加工具塊輸入輸出（4）設(shè)置“Cog取像”工具的圖像來源。源：文件夾；文件夾路徑：?jiǎn)螕簟?/p>

】選擇根路徑下的“Images”，如圖3.12所示。注：此處規(guī)定根路徑為方案所在的路徑，即“3.2-圖像處理基礎(chǔ)-XXX”的“Images”文件夾中存有圖像素材。（3）添加“內(nèi)部觸發(fā)”和“Cog取像”工具，并相互鏈接。一、工具塊工具2、添加工具塊輸入輸出（5）添加“ToolBlock”工具打開“Cognex”工具包雙擊或拖出“ToolBlock”，鏈接至“取像”工具（6）添加ToolBlock輸入單擊③處的【添加】在④處下拉選擇“取像”工具的輸出⑤“Image”在④處可自定義輸入項(xiàng)的名稱，默認(rèn)為“Input1”，如當(dāng)前輸入的為圖像，可將“Input1”修改為“Image”一、工具塊工具2、添加工具塊輸入輸出一、工具塊工具2、添加工具塊輸入輸出（7）添加ToolBlock輸出輸入圖像⑥“Image”作為輸出拖拽至⑦“Outputs”，在“Outputs”的下級(jí)即可看到輸出圖像“Image”在⑧處的輸出顯示區(qū)會(huì)同步ToolBlock的輸出項(xiàng)結(jié)果展示二、添加工具塊輸入與輸出二、圖像類型變換和灰度直方圖1、圖像基礎(chǔ)知識(shí)數(shù)字圖像的獲取

將圖像與分析該圖像的一組視覺工具相關(guān)聯(lián)，用于增加和改進(jìn)應(yīng)用程序的結(jié)構(gòu)。二、圖像類型變換和灰度直方圖彩色圖像計(jì)算機(jī)顯示彩色圖像時(shí)采用最多的就是RGB模型，對(duì)于每個(gè)像素，通過控制R、G、B三原色的合成比例決定該像素的最終顯示顏色。這種通過控制紅（R）、綠（G）、藍(lán)（B）這三個(gè)顏色分量組合在一起形成彩色圖像，稱為RGB圖像。原圖（RGB圖像）RGB圖像由R(紅)、G(綠)、B(藍(lán))3個(gè)單色調(diào)配而成，每種單色都是8bit，即從0~255分成了256個(gè)級(jí)，所以根據(jù)R、G、B的不同組合可以表示256x256x256=224（超過1600萬）種顏色數(shù)字圖像的表示方法

根據(jù)在計(jì)算機(jī)中表示方法的不同，常見的數(shù)字圖像表示方法有二值圖像、灰度圖像、彩色圖像等。1、圖像基礎(chǔ)知識(shí)二、圖像類型變換和灰度直方圖灰度圖像是指每個(gè)像素的信息由一個(gè)量化后的灰度級(jí)來描述，不包含彩色信息、只含亮度信息的圖像。標(biāo)準(zhǔn)灰度圖像中每個(gè)像素的灰度值用1個(gè)字節(jié)表示，灰度級(jí)數(shù)為256級(jí)，灰度值范圍是0~255。原圖灰度圖像灰度值0表示黑色，255表示白色，1~254為灰度過渡范圍，值越大圖像越亮。因此，灰度圖像可以顯示更多的細(xì)節(jié)和漸變，適合于處理需要考慮亮度和暗度的情況?；叶忍幚?、圖像基礎(chǔ)知識(shí)二、圖像類型變換和灰度直方圖二值圖像又稱黑白圖像，每個(gè)像素只有黑、白兩種顏色的圖像。在二值圖像中，像素只有0和1兩種取值，一般用0來表示黑色，用1表示白色。原圖二值圖像二值化二值圖像可以看作灰度圖像的一個(gè)特例。二值圖像更擅長(zhǎng)分離出目標(biāo)物體，適合于圖像輪廓檢測(cè)、識(shí)別和跟蹤等應(yīng)用場(chǎng)景。1、圖像基礎(chǔ)知識(shí)二、圖像類型變換和灰度直方圖意義：在視覺軟件中，有些工具（如直方圖工具）是不支持處理彩色圖像的，必須用圖像類型轉(zhuǎn)換工具將圖像轉(zhuǎn)換為灰度圖像或二值圖像才可以正常處理2、圖像類型轉(zhuǎn)換工具二、圖像類型變換和灰度直方圖作用：CogImageConvertTool能夠?qū)崿F(xiàn)圖像類型的轉(zhuǎn)換，可以將24位彩色圖像轉(zhuǎn)換為8位灰度圖像2、圖像類型轉(zhuǎn)換工具二、圖像類型變換和灰度直方圖作用：CogHistogramTool可以對(duì)整張圖像或者圖像中指定區(qū)域的灰度值分布情況進(jìn)行統(tǒng)計(jì)分析；可以輸出詳細(xì)的數(shù)據(jù)和直方圖結(jié)果輸入圖像不支持彩色圖像3、直方圖工具二、圖像類型變換和灰度直方圖CogHistogramTool可以對(duì)整張圖像或者圖像中指定區(qū)域的灰度值分布情況進(jìn)行統(tǒng)計(jì)分析。二、圖像類型變換和灰度直方圖3、直方圖工具數(shù)據(jù)CogHistogramTool可以輸出詳細(xì)的數(shù)據(jù)和直方圖結(jié)果。統(tǒng)計(jì)信息CogHistogramTool的結(jié)果統(tǒng)計(jì)信息包括：（1）指定區(qū)域灰度值的最小值、最大值、中值、平均值、標(biāo)準(zhǔn)差、方差；（2）模式：像素?cái)?shù)最多的灰度值；（3）示例：指定區(qū)域的總像素?cái)?shù)。數(shù)據(jù)統(tǒng)計(jì)中詳細(xì)列舉出了每個(gè)灰度值的像素?cái)?shù)和像素?cái)?shù)占選定區(qū)域的累計(jì)百分比。直方圖二、圖像類型變換和灰度直方圖3、直方圖工具三、鋰電池有無檢測(cè)左側(cè)圖像中有鋰電池，則圖像的灰度值有等級(jí)區(qū)分，而右側(cè)圖像中無電池，圖像的灰度值單一，依據(jù)圖像的此差異性，可實(shí)現(xiàn)鋰電池的有無檢測(cè)三、鋰電池有無檢測(cè)思路分析圖像中有鋰電池，則圖像的灰度值有等級(jí)區(qū)分圖像中無電池，圖像的灰度值單一依據(jù)圖像的此差異性，可實(shí)現(xiàn)鋰電池的有無檢測(cè)左側(cè)圖像中有鋰電池，則圖像的灰度值有等級(jí)區(qū)分，而右側(cè)圖像中無電池，圖像的灰度值單一，依據(jù)圖像的此差異性，可實(shí)現(xiàn)鋰電池的有無檢測(cè)三、鋰電池有無檢測(cè)1.添加圖像類型轉(zhuǎn)換工具V+平臺(tái)軟件中結(jié)合本項(xiàng)目所介紹工具來完成鋰電池有無的檢測(cè)，具體步驟如下：?jiǎn)螕簪偎镜摹帮@示工具箱”雙擊添加“ImageProcessing”文件夾中②處的“CogImageConvertTool”，將[Inputs]的輸出端“Image”拖拽至CogImageConvertTool的“InputImage”左側(cè)圖像中有鋰電池，則圖像的灰度值有等級(jí)區(qū)分，而右側(cè)圖像中無電池，圖像的灰度值單一，依據(jù)圖像的此差異性，可實(shí)現(xiàn)鋰電池的有無檢測(cè)三、鋰電池有無檢測(cè)2.運(yùn)行圖像類型轉(zhuǎn)換工具V+平臺(tái)軟件中結(jié)合本項(xiàng)目所介紹工具來完成鋰電池有無的檢測(cè)，具體步驟如下：?jiǎn)螕簪芴幍摹締未芜\(yùn)行】在CogImageConvertTool的⑤處出現(xiàn)綠點(diǎn)，即代表工具運(yùn)行完成，在⑥所示的圖像緩沖區(qū)可查看該工具的運(yùn)行結(jié)果左側(cè)圖像中有鋰電池，則圖像的灰度值有等級(jí)區(qū)分，而右側(cè)圖像中無電池，圖像的灰度值單一，依據(jù)圖像的此差異性，可實(shí)現(xiàn)鋰電池的有無檢測(cè)三、鋰電池有無檢測(cè)3.添加直方圖工具V+平臺(tái)軟件中結(jié)合本項(xiàng)目所介紹工具來完成鋰電池有無的檢測(cè)，具體步驟如下：?jiǎn)螕簪咚镜摹帮@示工具箱”雙擊添加“ImageProcessing”文件夾中⑧處的“CogHistogramTool”，將CogImageConvertTool的“OutputImage”拖拽至“CogHistogramTool”的“InputImage”左側(cè)圖像中有鋰電池，則圖像的灰度值有等級(jí)區(qū)分，而右側(cè)圖像中無電池，圖像的灰度值單一，依據(jù)圖像的此差異性，可實(shí)現(xiàn)鋰電池的有無檢測(cè)三、鋰電池有無檢測(cè)4.運(yùn)行直方圖工具V+平臺(tái)軟件中結(jié)合本項(xiàng)目所介紹工具來完成鋰電池有無的檢測(cè)，具體步驟如下：?jiǎn)螕簪馓幍摹締未芜\(yùn)行】

在CogHistogramTool的?處出現(xiàn)綠點(diǎn)，即代表工具運(yùn)行完成，在?所示的圖像緩沖區(qū)可查看該工具的運(yùn)行結(jié)果左側(cè)圖像中有鋰電池，則圖像的灰度值有等級(jí)區(qū)分，而右側(cè)圖像中無電池，圖像的灰度值單一，依據(jù)圖像的此差異性，可實(shí)現(xiàn)鋰電池的有無檢測(cè)三、鋰電池有無檢測(cè)5.結(jié)果輸出V+平臺(tái)軟件中結(jié)合本項(xiàng)目所介紹工具來完成鋰電池有無的檢測(cè)，具體步驟如下：結(jié)果展示三、鋰電池有無檢測(cè)3.3圖像灰度變換TASK任務(wù)二、分段線性灰度變換三、非線性灰度變換一、線性灰度變換灰度直方圖工具可以統(tǒng)計(jì)區(qū)域內(nèi)的哪些灰度值？可以常用于哪些場(chǎng)合？課前回顧一、線性灰度變換1、線性灰度變換的概念一、線性灰度變換線性灰度變換的一般公式為：g(x,y)=k×[f(x,y)－a]＋b式中，k=（d-c）/（b-a），為線性變化函數(shù)（圖中直線）的斜率。線性灰度變換的公式線性灰度變換的圖形線性灰度變換是通過一個(gè)線性方程，將輸入像素的灰度值映射到輸出像素的灰度值的過程，以此增強(qiáng)或減弱圖像的灰度（人眼看到的亮度）。線性灰度變換的定義1、線性灰度變換的概念一、線性灰度變換原始圖像線性變化函數(shù)（圖中直線）的斜率k，該值不同，線性灰度變換后的圖像效果也不同。k＞1，擴(kuò)展動(dòng)態(tài)范圍，即場(chǎng)景中最明亮處與最黑暗處的亮度之比增加，圖像對(duì)比度增大，彌補(bǔ)了硬件設(shè)備輸出亮度范圍不足或曝光不足的欠缺。k＜0，反轉(zhuǎn)或取反，變換后圖像灰度值會(huì)反轉(zhuǎn)，即原來亮的區(qū)域變暗，暗的區(qū)域變亮。k＝1，改變?nèi)≈祬^(qū)間，圖像灰度動(dòng)態(tài)范圍不變，被變換區(qū)域整體變亮或變暗。0＜k＜1，縮小動(dòng)態(tài)范圍，指真實(shí)場(chǎng)景中最明亮處與最黑暗處亮度之比減小，則此時(shí)圖像包含的亮度動(dòng)態(tài)范圍變小，圖像對(duì)比度減小。2、線性灰度變換工具一、線性灰度變換圖像預(yù)處理算法CogIPOneImageTool（簡(jiǎn)寫為IPone）

本章學(xué)習(xí)的數(shù)字圖像處理方法，都屬于圖像預(yù)處理算法，V+平臺(tái)軟件將這一部分封裝于ToolBlock工具欄的CogIPOneImageTool（簡(jiǎn)稱IPOne）中，添加方式如圖所示。2、線性灰度變換工具一、線性灰度變換加/減常量

對(duì)于輸入的灰度圖像，此算法可以向灰度圖像中每個(gè)像素的灰度值添加正值或負(fù)值，以生成比原始圖像更亮或更暗的圖像。加/減常量

對(duì)于CogImage24PlanarColor類型（即彩色圖像）的輸入圖像，可以將值分別添加到平面0（紅色），平面1（綠色）和平面2（藍(lán)色）。圖3.32（b）所示為在原圖基礎(chǔ)的紅色分量上增加255的圖像效果；圖3.32（b）所示為在原圖基礎(chǔ)的紅色分量上減少255的圖像效果。灰度原圖灰度加80常量灰度減80常量彩色原圖平面0加255常量平面0減255常量2、線性灰度變換工具一、線性灰度變換加/減常量設(shè)置界面

如圖所示為IPOne加/減常量的設(shè)置界面。加/減常量設(shè)置界面

如可輸入正負(fù)整數(shù)，將其添加到灰度輸入圖像中每個(gè)像素的灰度值中平面0/1/2加數(shù)

如可輸入正負(fù)整數(shù)，將紅色/綠色/藍(lán)色分量添加到24位彩色類型輸入圖像每個(gè)像素值中封裝

允許在操作后將小于0或大于255的像素值進(jìn)行換行或限制。例如，在灰度圖像的情況下，如果允許值進(jìn)行換行，則原圖灰度值為200的像素添加了值100后，將具有新的值45（200+100-255）箝位

不對(duì)像素值進(jìn)行換行或限制，操作后的值不超出0~255。例如，原圖灰度值為200的像素添加了值100后，新值為255，不會(huì)超過值255；原圖灰度值100的像素減去值200后，新值為02、線性灰度變換工具一、線性灰度變換乘以常數(shù)

對(duì)于輸入的灰度或彩色圖像，此算法可以將灰度圖像中每個(gè)像素的灰度值乘以一個(gè)不為負(fù)的恒定值k。1)若0＜k＜1，其效果相當(dāng)于可生成比原始圖像更暗的圖像；2)若k＝1，則圖像無變化；3)若k＞1，可生成比原始圖像更亮的圖像。灰度原圖灰度加80常量灰度減80常量灰度原圖灰度加80常量灰度減80常量灰度原圖2、線性灰度變換工具一、線性灰度變換乘以常數(shù)設(shè)置界面

如圖所示為IPOne乘以常數(shù)的設(shè)置界面。灰度乘數(shù)

可輸入非負(fù)數(shù)，與輸入的灰度圖像中每個(gè)像素的灰度值相乘并輸出平面0/1/2加數(shù)

可輸入非負(fù)數(shù)，將紅色/綠色/藍(lán)色分量值與24位彩色類型輸入圖像的每個(gè)像素值相乘并輸出3、線性灰度變換應(yīng)用一、線性灰度變換1）新建空白解決方案并保存，命名為“3.3-圖像灰度變換-XXX”。2）添加“內(nèi)部觸發(fā)”、“Cog取像”、“ToolBlock”工具并進(jìn)行鏈接。3）“Cog取像”工具：選擇源為文件夾，文件夾為已包含2張鋰電池圖像的根目錄下的“Images”，運(yùn)行該工具。（1）新建解決方案并取像3、線性灰度變換應(yīng)用一、線性灰度變換1）ToolBlock右側(cè)輸入添加“Cog取像.Image”。單擊【】打開工具箱，雙擊或拖拽“ImageProcessing”文件夾中的“CogImageConvertTool”和“CogIPOneImageTool”，分別添加至左側(cè)工具欄中。2）將“[Inputs]”的輸入圖像“Input1”拖至CogImageConvertTool的“InputImage”，將CogImageConvertTool的“OutputImage”拖至CogIPOneImageTool的“InputImage”，并重命名后者工具為“CogIPOneImageTool-灰度加減常量”。隨后運(yùn)行ToolBlock。（2）在ToolBlock內(nèi)添加相關(guān)算法工具3、線性灰度變換應(yīng)用一、線性灰度變換打開“CogIPOneImageTool-灰度加減常量”，單擊【

】，選中“加/減常量”將其添加至算法欄中（3）添加“加/減常量”3、線性灰度變換應(yīng)用一、線性灰度變換灰度加數(shù)設(shè)置為“-80”，圖像緩沖區(qū)切換至“LastRun.OutputImage”，可查看獲得的整體更暗的圖像，如圖3.40所示。若需要輸出部分區(qū)域而非整張圖像，可在“區(qū)域”選項(xiàng)卡下選擇形狀并在“Current.InputImage”中進(jìn)行框選（4）“加/減常量”配置3、線性灰度變換應(yīng)用一、線性灰度變換1）添加一個(gè)新的“CogIPOneImageTool”并重命名為“CogIPOneImageTool-彩色加減常量”，輸入圖像來自“Input1”。2）添加“加減常/量”算法，平面0加數(shù)設(shè)置為“200”，即可在“LastRun.OutputImage”查看溢位模式為“箝位”時(shí)，在紅色分量上增加200的圖像效果。（5）彩色圖像平面0加數(shù)圖像效果查看3、線性灰度變換應(yīng)用一、線性灰度變換1）添加一個(gè)新的“CogIPOneImageTool”并重命名為“CogIPOneImageTool-灰度乘以常數(shù)”，輸入圖像來自“CogImageConvertTool”格式轉(zhuǎn)換后的圖像。2）添加“乘以常數(shù)”步驟算法，灰度系數(shù)設(shè)置為“1.5”，即可在“LastRun.OutputImage”查看整體像素灰度值乘以1.5后的圖像效果。（6）灰度圖像乘以常數(shù)圖像效果查看3、線性灰度變換應(yīng)用一、線性灰度變換1）添加一個(gè)新的“CogIPOneImageTool”并重命名為“CogIPOneImageTool-彩色乘以常數(shù)”，輸入圖像來自“Input1”。2）添加“乘以常數(shù)”步驟算法，平面0乘數(shù)設(shè)置為“5”，即可在“LastRun.OutputImage”查看整體像素乘以5倍紅色分量后的圖像效果。（7）彩色圖像乘以常數(shù)圖像效果查看二、分段線性灰度變換1、分段線性灰度變換的概念二、分段線性灰度變換前一節(jié)已經(jīng)學(xué)習(xí)了線性灰度變換的方法，但實(shí)際應(yīng)用場(chǎng)景中，并不總對(duì)整張圖像進(jìn)行灰度變換，而常常需要突出感興趣的區(qū)域，弱化不感興趣的區(qū)域，此時(shí)可以采用分段線性灰度變換的方法?；叶仍瓐D分段線性變換折線變換后圖像每一個(gè)區(qū)間都有一個(gè)對(duì)應(yīng)的局部線性灰度變換映射關(guān)系，上圖中感興趣的目標(biāo)區(qū)域（鋰電池圖像輪廓及表面字符）的灰度值范圍[a,b]被拉伸到[c,d]，其他灰度區(qū)間被壓縮，對(duì)應(yīng)的分段線性變換表達(dá)式為：2、分段線性灰度變換工具二、分段線性灰度變換在V+平臺(tái)軟件中，有2個(gè)工具可以實(shí)現(xiàn)分段線性灰度變換，分別是“CogImageIPOneTool”工具中的“像素映射”算法、“CogPixelMapTool”工具。（1）CogImageIPOneTool中的像素映射設(shè)置線性映射范圍

分為灰度、平面0、平面1、平面2，與像素映射圖相對(duì)應(yīng)輸入范圍

范圍[-255,255]，對(duì)應(yīng)像素映射圖橫坐標(biāo)數(shù)值輸出范圍

范圍[-255,255]，對(duì)應(yīng)像素映射圖縱坐標(biāo)數(shù)值2、分段線性灰度變換工具二、分段線性灰度變換（2）CogPixelMapTool（也稱為“像素映射”工具）

可以在此頁進(jìn)行創(chuàng)建，移動(dòng)，刪除和查看定義此工具的像素映射功能的參考點(diǎn)，相較于CogImageIPOneTool中的像素映射算法更為靈活。AutoComputeReferencePoints

默認(rèn)勾選，即自動(dòng)計(jì)算參考點(diǎn)，自行生成映射；若要更改映射結(jié)果，需要取消勾選該參數(shù)線性

重置線性，用指定數(shù)量的中間參考點(diǎn)創(chuàng)建線性映射函數(shù)量化

重置量化，創(chuàng)建具有指定步數(shù)的量化（階梯式）映射函數(shù)Compute

計(jì)算映射進(jìn)階按鈕

打開高級(jí)功能“計(jì)算映射參數(shù)”，可以選擇創(chuàng)建映射的方式，并定義輸出參數(shù)的輸出范圍。僅當(dāng)未勾選“AutoComputeReferencePoints”時(shí)，才能修改某些高級(jí)屬性對(duì)數(shù)直方圖

若勾選，則使用Y軸的對(duì)數(shù)刻度顯示輸入圖像像素值的直方圖。使用對(duì)數(shù)顯示可防止出現(xiàn)少量帶有大量樣本的容器，而不會(huì)混淆帶有少量樣本的容器2、分段線性灰度變換工具二、分段線性灰度變換（2）CogPixelMapTool（也稱為“像素映射”工具）

圖像顯示區(qū)

若未勾選“AutoComputeReferencePoints”，則可以單擊并拖動(dòng)“圖像顯示區(qū)”中的任何參考點(diǎn)（折線上的十字型圖形）以移動(dòng)參考點(diǎn)，還可右擊折線添加和刪除參考點(diǎn)。由參考點(diǎn)定義的映射函數(shù)以藍(lán)色顯示，而由輸出比例，偏移和反演修改的映射函數(shù)以綠色顯示輸出深度

設(shè)置輸出圖像的像素深度?？梢灾付?位灰度圖像以及具有8位、10位、12位、14位或16位實(shí)際圖像數(shù)據(jù)的16位灰度圖像。輸出圖像深度必須小于或等于輸入圖像深度DefaultNonVisiblePixelValue

可以為缺少的像素設(shè)置默認(rèn)值，默認(rèn)的不可見像素值（output1）是第一點(diǎn)OutputScale

輸出比例，設(shè)置線性比例因子以應(yīng)用于映射函數(shù)的輸出。注意：此屬性應(yīng)在運(yùn)行時(shí)用于縮放，而不是“最大范圍乘數(shù)”，因?yàn)樗鼤?huì)將所有參考點(diǎn)相乘OutputOffset

輸出偏移，設(shè)置偏移值以應(yīng)用于映射函數(shù)的輸出OutputInverted

輸出反相，如果勾選則映射函數(shù)的輸出將反轉(zhuǎn)3、分段線性灰度變換應(yīng)用二、分段線性灰度變換1）打開“3.3-圖像灰度變換-XXX”解決方案，并運(yùn)行程序。2）打開ToolBlock添加一個(gè)CogIPOneImageTool，并重命名為“CogIPOneImageTool-像素映射”。3）打開“CogIPOneImageTool-像素映射”，添加一個(gè)像素映射。（1）添加IPOne中的像素映射3、分段線性灰度變換應(yīng)用二、分段線性灰度變換設(shè)置CogIPOneImageTool-像素映射的線性映射范圍，以獲得對(duì)比更明顯的鋰電池圖像?？晒﹨⒖嫉妮斎敕秶簭?到150；輸出范圍：從0到0。點(diǎn)擊【設(shè)置范圍】，運(yùn)行工具，切換至“LastRun.OutputImage”即可查看結(jié)果圖像。（2）設(shè)置CogIPOneImageTool3、分段線性灰度變換應(yīng)用二、分段線性灰度變換在ToolBlock中添加“ImageProcessing”文件夾中的“CogPixelMapTool”，并鏈接圖像轉(zhuǎn)換后的圖像作為輸入圖像（3）添加CogPixelMapTool3、分段線性灰度變換應(yīng)用二、分段線性灰度變換取消勾選“AutoComputeReferencePoints”，勾選“對(duì)數(shù)直方圖”，在下方的“圖像顯示區(qū)”點(diǎn)擊并拖拽參考點(diǎn)，將低灰度值像素的灰度值設(shè)為0，高灰度值像素的灰度值設(shè)為255，并運(yùn)行工具，切換至“LastRun.輸出圖像”查看結(jié)果圖像（4）配置CogPixelMapTool三、非線性灰度變換1、對(duì)數(shù)變換三、非線性灰度變換式中，c是一個(gè)常數(shù)（此時(shí)默認(rèn)為1），從對(duì)數(shù)曲線圖可以看出，通過對(duì)數(shù)據(jù)進(jìn)行對(duì)數(shù)變換可以擴(kuò)展輸入圖像中范圍較窄低灰度值范圍，壓縮范圍較寬的高灰度值范圍。這使得在一些工程問題中，圖像中某些低灰度值特征更清晰地被展現(xiàn)出來，如右圖所示。反對(duì)數(shù)（指數(shù)）變換能實(shí)現(xiàn)的效果則正好相反。對(duì)數(shù)函數(shù)具有壓縮像素值動(dòng)態(tài)范圍的重要性質(zhì)，對(duì)數(shù)函數(shù)的曲線，能擴(kuò)展/壓縮圖像中的灰度級(jí)，但下一節(jié)討論的伽馬變換會(huì)更為通用。原圖對(duì)數(shù)變換后對(duì)數(shù)變換是非線性灰度變換的一種常用方法，其一般表達(dá)式為：變換曲線如圖：2、伽馬變換三、非線性灰度變換伽馬變換也稱為冪律變換，其一般表達(dá)式為：下圖所示為冪γ為不同值時(shí)，g(x,y)和f(x,y)的關(guān)系曲線：2、伽馬變換三、非線性灰度變換γ=0.75γ=0.55式中，c和γ皆為正常數(shù)，從伽馬變換曲線中可以觀察到，同對(duì)數(shù)函數(shù)一樣，伽馬變換用γ的值將較窄范圍的低灰度輸入值映射為較寬范圍的輸出值，將高灰度輸入值映射為較窄范圍的輸出值。且γ＞1時(shí)與γ＜1時(shí)生成的曲線效果相反。和對(duì)數(shù)函數(shù)不同的是，伽馬變換可以改變?chǔ)玫闹祦碛羞x擇性地增強(qiáng)低灰度值區(qū)域或高灰度值區(qū)域的對(duì)比度。下圖所示為γ值分別為0.75、0.55、1.3、2時(shí)的轉(zhuǎn)換圖像，可以根據(jù)實(shí)際需求選擇γ的值。γ=1.3γ=2原始圖像3.4圖像濾波基礎(chǔ)TASK任務(wù)二、空域?yàn)V波基礎(chǔ)一、圖像噪聲四、傅里葉變換三、空域?yàn)V波應(yīng)用五、頻率域?yàn)V波基礎(chǔ)一、圖像噪聲一、圖像噪聲圖像噪聲的來源（1）圖像獲取過程中圖像傳感器在采集圖像過程中，受傳感器材料屬性、工作環(huán)境、電子元器件和電路結(jié)構(gòu)等影響，會(huì)引入各種噪聲，如電阻引起的熱噪聲、場(chǎng)效應(yīng)管的溝道熱噪聲、光子噪聲、暗電流噪聲、光響應(yīng)非均勻性噪聲。（2）圖像信號(hào)傳輸過程中由于傳輸介質(zhì)和記錄設(shè)備等的不完善，數(shù)字圖像在其傳輸記錄過程中往往會(huì)受到多種噪聲的污染。另外，在圖像處理的某些環(huán)節(jié)中，當(dāng)輸入的圖像并不如預(yù)想時(shí)，也會(huì)在結(jié)果圖像中引入噪聲。一、圖像噪聲圖像噪聲的分類（1）加性噪聲和乘性噪聲根據(jù)噪聲與圖像的依存關(guān)系，可以將噪聲區(qū)分為加性噪聲和乘性噪聲兩種類型。如圖所示（2）外部噪聲和內(nèi)部噪聲根據(jù)噪聲產(chǎn)生的原因可分為外部噪聲和內(nèi)部噪聲。外部噪聲是指外部干擾引起的噪聲，如外部電氣設(shè)備產(chǎn)生的電磁波等。內(nèi)部噪聲是指系統(tǒng)內(nèi)部設(shè)備、器件、電路等引起的噪聲，如熱噪聲、散粒噪聲等。(a)加性噪聲(b)乘性噪聲一、圖像噪聲圖像噪聲的分類1)高斯噪聲這種噪聲主要來源于電子電路噪聲和低照明度或高溫帶來的傳感器噪聲，也稱為正態(tài)噪聲，是在實(shí)踐中經(jīng)常用到的噪聲模型。成像系統(tǒng)的各種不穩(wěn)定因素也往往以高斯噪聲的形式表現(xiàn)出來。高斯噪聲的概率密度函數(shù)公式式中μ表示z的平均值或期望值，σ表示z的標(biāo)準(zhǔn)差一、圖像噪聲圖像噪聲的分類2）泊松噪聲是由于光具有量子特效，到達(dá)光電檢測(cè)器表面的量子數(shù)目存在統(tǒng)計(jì)漲落，因此圖像監(jiān)測(cè)具有顆粒性，這種顆粒性造成了圖像對(duì)比度的變小和對(duì)圖像細(xì)節(jié)信息的遮蓋，這種因光量子而造成的測(cè)量不確定性稱為圖像的泊松噪聲泊松噪聲的概率密度函數(shù)公式式中λ表示z的平均值一、圖像噪聲圖像噪聲的分類3)椒鹽噪聲椒鹽噪聲又稱雙極脈沖，是指圖像中出現(xiàn)的噪聲只有兩種灰度值，分別為a和b，這兩種灰度值的出現(xiàn)頻率分別為Pa和Pb，椒鹽噪聲的概率密度函數(shù)公式其中當(dāng)b>a時(shí)，在圖像中呈現(xiàn)出一個(gè)亮點(diǎn)；當(dāng)b<a時(shí)，在圖像中呈現(xiàn)出一個(gè)黑點(diǎn)，當(dāng)Pa或Pb為零時(shí)，脈沖噪聲稱為單極脈沖一、圖像噪聲圖像噪聲的分類均勻噪聲的概率密度函數(shù)公式如下：均勻噪聲的期望和方差分別為：一、圖像噪聲圖像噪聲的分類伽馬噪聲的概率密度函數(shù)公式如下：其中a>0，b為正整數(shù)。伽馬噪聲的均值和方差為：一、圖像噪聲圖像噪聲的分類瑞麗噪聲一般由信道不理想引起，概率密度函數(shù)公式如下：瑞麗噪聲的均值和方差為：二、空域?yàn)V波基礎(chǔ)二、空域?yàn)V波基礎(chǔ)空域?yàn)V波除了可以對(duì)圖像進(jìn)行去噪，還能通過設(shè)計(jì)合理的濾波器來實(shí)現(xiàn)從圖像中提取特征，如點(diǎn)特征、線特征或邊緣特征，或者對(duì)圖像進(jìn)行細(xì)節(jié)增強(qiáng)，如圖像的邊緣銳化等目的。如果對(duì)圖像像素執(zhí)行的運(yùn)算是線性的則稱為線性空域?yàn)V波，否則為非線性空域?yàn)V波?？沼?yàn)V波原理：

通過對(duì)圖像中每個(gè)像素為中心的鄰域進(jìn)行一系列運(yùn)算，然后將得到的結(jié)果代替原來的像素值?？沼?yàn)V波分類：比較常見的用于去噪的空域?yàn)V波方法主要有均值或加權(quán)均值濾波，中值或加權(quán)中值濾波，最小均方差濾波和均值的多次迭代濾波等二、空域?yàn)V波基礎(chǔ)1.線性空域?yàn)V波在圖像和濾波器核之間執(zhí)行乘積之和運(yùn)算。與其相關(guān)的基本術(shù)語如下1)模板：又稱為窗口或?yàn)V波器核，或簡(jiǎn)稱核，常用矩陣N×M（N、M通常為奇數(shù)）表示。模板的中心元素（或稱原點(diǎn)）表示將要處理的元素，一般取模板中心點(diǎn)，也可以根據(jù)需要選取非中心點(diǎn)2)模板卷積（或相關(guān)）：是指模板與圖像進(jìn)行空間卷積（或相關(guān)）運(yùn)算，如圖所示。其輸出像素是輸入鄰域像素的線性加權(quán)和。模板中的元素稱為系數(shù)、模板系數(shù)或加權(quán)系數(shù)二、空域?yàn)V波基礎(chǔ)1.線性空域?yàn)V波在圖像和濾波器核之間執(zhí)行乘積之和運(yùn)算。與其相關(guān)的基本術(shù)語如下空間相關(guān)的運(yùn)算過程即在圖像上以每步一個(gè)像素的步長(zhǎng)來移動(dòng)核的中心，并且在每個(gè)位置計(jì)算乘積之和?？臻g卷積的原理相同，只是把相關(guān)運(yùn)算的核旋轉(zhuǎn)180°。而當(dāng)核的值關(guān)于其中心對(duì)稱時(shí)，相關(guān)和卷積得到的結(jié)果相同其中g(shù)(x,y)表示輸出圖像，f(x,y)表示輸入圖像，w(s,t)表示核，n和m表示核的行數(shù)和列數(shù)，通常情況下設(shè)置為奇數(shù)。m=2a+1且n=2b+1,a和b為非負(fù)整數(shù)相關(guān)運(yùn)算：卷積運(yùn)算：二、空域?yàn)V波基礎(chǔ)1.線性空域?yàn)V波在圖像和濾波器核之間執(zhí)行乘積之和運(yùn)算。空間濾波器核的產(chǎn)生往往需要根據(jù)該濾波器支持什么樣的操作來設(shè)計(jì)。如當(dāng)想要將圖像中的這些像素替換為以這些像素為中心的3×3鄰域的平均灰度。在圖像中任意位置(x,y)的灰度值是以(x,y)為中心的3×3鄰域中的9個(gè)灰度值之和除以9。令gi,i=1,2,…,9表示這些灰度，則平均灰度為：線性濾波過程二、空域?yàn)V波基礎(chǔ)濾波核的設(shè)計(jì)需要遵循以下規(guī)則：（1） 濾波核的大小通常選擇奇數(shù)，例如3×3、5×5或7×7。這樣選擇的好處是可以使濾波核以中心像素為對(duì)稱中心進(jìn)行卷積操作，更加均勻和準(zhǔn)確。（2） 為了保持原始圖像的亮度能量守恒，濾波核的所有元素之和一般應(yīng)等于1。如果濾波核的所有元素之和大于1，則濾波后的圖像會(huì)比原圖像更亮；反之，則得到的圖像會(huì)變暗。當(dāng)和為0時(shí)，圖像不會(huì)變黑，但會(huì)非常暗。（3） 在濾波后的處理中，可能會(huì)出現(xiàn)負(fù)數(shù)或大于255的數(shù)值。此時(shí)，可以簡(jiǎn)單地將其值置為0或255。1.線性空域?yàn)V波在圖像和濾波器核之間執(zhí)行乘積之和運(yùn)算。二、空域?yàn)V波基礎(chǔ)邊緣剪切模式當(dāng)濾波核的原點(diǎn)與中心重合的情況下，移動(dòng)原點(diǎn)至圖像的邊界時(shí)，部分核系數(shù)可能在原圖像中找不到與之對(duì)應(yīng)的像素。此時(shí)常用的解決方法為：1)剪切模式在圖像的邊界處會(huì)有m-1行和n-1列被裁剪。圖像整體分辨率相比原圖像會(huì)減小。1.線性空域?yàn)V波在圖像和濾波器核之間執(zhí)行乘積之和運(yùn)算。二、空域?yàn)V波基礎(chǔ)鏡像反射模式當(dāng)濾波核的原點(diǎn)與中心重合的情況下，移動(dòng)原點(diǎn)至圖像的邊界時(shí)，部分核系數(shù)可能在原圖像中找不到與之對(duì)應(yīng)的像素。此時(shí)常用的解決方法為：2)鏡像反射模式復(fù)制圖像邊界像素或利用非零常數(shù)來填充所要擴(kuò)充的圖像邊界。經(jīng)常采用的是將輸入圖像的邊界處像素值映射至擴(kuò)充邊界，生成與輸入圖像相同尺寸的輸出圖像1.線性空域?yàn)V波在圖像和濾波器核之間執(zhí)行乘積之和運(yùn)算。二、空域?yàn)V波基礎(chǔ)非線性空域?yàn)V波原理也是基于鄰域處理，且模板滑過一幅圖像的機(jī)理與線性空域?yàn)V波一樣。但濾波處理取決于所考慮的鄰域像素點(diǎn)的值2.非線性空域?yàn)V波原理非線性濾波技術(shù)可以在某種程度上彌補(bǔ)線性濾波方法的不足。它通過引入非線性操作來改變信號(hào)的特性，使得濾波器能夠更好地適應(yīng)信號(hào)與噪聲之間的相關(guān)性。非線性濾波器可以根據(jù)信號(hào)的非線性特點(diǎn)對(duì)信號(hào)進(jìn)行處理，有效地抑制噪聲或提取感興趣的信號(hào)成分，從而改善濾波結(jié)果現(xiàn)有的非線性濾波方法主要有以中值濾波為代表的統(tǒng)計(jì)排序?yàn)V波器，它的響應(yīng)基于圖像濾波器包圍的圖像區(qū)域中像素的排序，然后由統(tǒng)計(jì)排序結(jié)果決定的值代替中心像素的值。以及基于數(shù)學(xué)形態(tài)學(xué)、基于模糊理論、基于遺傳算法、基于神經(jīng)網(wǎng)絡(luò)和基于小波分析等新型濾波方法三、空域?yàn)V波應(yīng)用三、空域?yàn)V波應(yīng)用在V+平臺(tái)軟件中對(duì)輸入圖像的空域?yàn)V波處理可分為卷積3×3和卷積N×M兩種方式1.CogIPOneImageTool的卷積3×3工具支持對(duì)輸入圖像使用3×3大小的卷積核進(jìn)行卷積運(yùn)算，其設(shè)置界面如圖所示三、空域?yàn)V波應(yīng)用在V+平臺(tái)軟件中對(duì)輸入圖像的空域?yàn)V波處理可分為卷積3×3和卷積N×M兩種方式2.CogIPOneImageTool的卷積N×M工具使用卷積N×M工具可自定義卷積核的大小，并可選擇不同的邊界處理方式，其設(shè)置界面如圖所示三、空域?yàn)V波應(yīng)用在V+平臺(tái)軟件中對(duì)輸入圖像的空域?yàn)V波處理可分為卷積3×3和卷積N×M兩種方式2.CogIPOneImageTool的卷積N×M工具使用卷積N×M工具可自定義卷積核的大小，并可選擇不同的邊界處理方式，其設(shè)置界面如圖所示序號(hào)名稱說明1內(nèi)核高度卷積內(nèi)核的高度方向元素個(gè)數(shù)2內(nèi)核寬度卷積內(nèi)核的寬度方向元素個(gè)數(shù)3邊界模式Reflected（剪切模式）在圖像的邊界處會(huì)有m-1行和n-1列被裁剪，圖像整體分辨率相比原圖像會(huì)減小Clipped（鏡像反射模式）復(fù)制圖像邊界像素或利用非零常數(shù)來填充所要擴(kuò)充的圖像邊界三、空域?yàn)V波應(yīng)用在V+平臺(tái)軟件中卷積3×3和卷積N×M的應(yīng)用（1） 新建解決方案并取像，如圖1)新建空白解決方案并保存為“3.4-圖像濾波基礎(chǔ)-XXX”2)添加“內(nèi)部觸發(fā)”、“Cog取像”、“ToolBlock”工具并進(jìn)行鏈接3)“Cog取像”工具：打開“002_Cog取像”工具并配置其圖像來源為“文件夾Images”，運(yùn)行即可預(yù)覽加載的圖像三、空域?yàn)V波應(yīng)用在V+平臺(tái)軟件中卷積3×3和卷積N×M的應(yīng)用（2） 雙擊打開“003_ToolBlock工具”在“輸入”項(xiàng)中單擊【添加】→“002_Cog圖像”工具的輸出“Image”作為輸入項(xiàng)添加進(jìn)來。如圖所示三、空域?yàn)V波應(yīng)用在V+平臺(tái)軟件中卷積3×3和卷積N×M的應(yīng)用（3） 添加CogIPOneImageTool工具并配置參數(shù)，如圖3.65所示。1)單擊圖3.65中①處的“顯示工具箱”→添加“ImageProcessing”文件夾中的“CogIPOneImageTool”；2)將“Input1”鏈接至“CogIPOneImageTool”的“InputImage”；3)將“CogIPOneImageTool”的“OutputImage”鏈接到“Outputs”；4)重命名工具為“CogIPOneImageTool1-卷積3×3”三、空域?yàn)V波應(yīng)用在V+平臺(tái)軟件中卷積3×3和卷積N×M的應(yīng)用（4） 單擊圖中的①處并下拉選擇“卷積3×3”即可將其添加在步驟中，②處即是3×3的卷積核，核中的每個(gè)元素都可以手動(dòng)更改值的大小，當(dāng)前狀態(tài)下卷積核的原點(diǎn)在中心位置，也可以選擇其他任意位置的元素作為卷積核的原點(diǎn)三、空域?yàn)V波應(yīng)用在V+平臺(tái)軟件中卷積3×3和卷積N×M的應(yīng)用（5） 運(yùn)行解決方案即可查看不同的卷積核所處理后的圖像效果，如圖所示三、空域?yàn)V波應(yīng)用在V+平臺(tái)軟件中卷積3×3和卷積N×M的應(yīng)用（6） 再添加一個(gè)“CogIPOneImageTool”并重命名工具為“CogIPOneImageTool1-卷積N×M”，鏈接“Input1”輸入圖像，并輸出“OutputImage”，如圖所示三、空域?yàn)V波應(yīng)用在V+平臺(tái)軟件中卷積3×3和卷積N×M的應(yīng)用（7） 單擊圖中的①處并下拉選擇“卷積N×M”即可將其添加在步驟中，②處即是卷積N×M的參數(shù)配置區(qū)，在“內(nèi)核”處可手動(dòng)輸入每個(gè)核元素的值，內(nèi)核高度和內(nèi)核寬度決定了內(nèi)核的總的元素個(gè)數(shù)，邊界模式分為Reflected和Clipped兩種類型，其對(duì)應(yīng)的原理與3.4.2章節(jié)所涉及的鏡像反射模式和剪切模式含義相同三、空域?yàn)V波應(yīng)用在V+平臺(tái)軟件中卷積3×3和卷積N×M的應(yīng)用當(dāng)卷積N×M的參數(shù)配置與圖相同時(shí)，運(yùn)行解決方案，分別查看“CogIPOneImageTool1-卷積N×M”的InputImage和OutputImage，對(duì)比可知圖像的大小因選擇了Clipped模式而縮小四、傅里葉變換四、傅里葉變換傅里葉變換實(shí)現(xiàn)過程為將圖像從空間域轉(zhuǎn)換到頻率域，將圖像的灰度分布函數(shù)變換為圖像的頻率分布函數(shù)，而傅里葉逆變換是將圖像從頻率域轉(zhuǎn)換到空間域，將圖像的頻率分布函數(shù)變換為灰度分布函數(shù)在數(shù)學(xué)角度，傅里葉變換可將函數(shù)轉(zhuǎn)換為疊加的周期函數(shù)處理。在物理角度，傅里葉變換有著廣泛的應(yīng)用如：圖像增強(qiáng)與去噪、邊緣檢測(cè)、特征提取和圖像壓縮等1.二維連續(xù)傅里葉變換函數(shù)f(x,y)表示圖像在點(diǎn)(x,y)的亮度，其二維傅里葉變換定義如下式中，(u,v)表示f(x,y)的空間(x,y)的頻率內(nèi)容對(duì)應(yīng)的傅里葉反變換定義公式為四、傅里葉變換傅里葉變換實(shí)現(xiàn)過程為將圖像從空間域轉(zhuǎn)換到頻率域，將圖像的灰度分布函數(shù)變換為圖像的頻率分布函數(shù)，而傅里葉逆變換是將圖像從頻率域轉(zhuǎn)換到空間域，將圖像的頻率分布函數(shù)變換為灰度分布函數(shù)在數(shù)學(xué)角度，傅里葉變換可將函數(shù)轉(zhuǎn)換為疊加的周期函數(shù)處理。在物理角度，傅里葉變換有著廣泛的應(yīng)用如：圖像增強(qiáng)與去噪、邊緣檢測(cè)、特征提取和圖像壓縮等2.二維離散傅里葉變換對(duì)于一個(gè)M×N大小的圖像數(shù)組，其離散傅里葉變換（簡(jiǎn)稱“DFT”）及反變換（簡(jiǎn)稱“IDFT”）定義分別由以下形式給出式中，u=0,1,…,M-1；v=0,1,…,N-1。且u和v均為頻率變量，x和y均為圖像的像素點(diǎn)的位置坐標(biāo)對(duì)應(yīng)的傅里葉反變換定義公式為四、傅里葉變換傅里葉變換實(shí)現(xiàn)過程為將圖像從空間域轉(zhuǎn)換到頻率域，將圖像的灰度分布函數(shù)變換為圖像的頻率分布函數(shù)，而傅里葉逆變換是將圖像從頻率域轉(zhuǎn)換到空間域，將圖像的頻率分布函數(shù)變換為灰度分布函數(shù)在數(shù)學(xué)角度，傅里葉變換可將函數(shù)轉(zhuǎn)換為疊加的周期函數(shù)處理。在物理角度，傅里葉變換有著廣泛的應(yīng)用如：圖像增強(qiáng)與去噪、邊緣檢測(cè)、特征提取和圖像壓縮等2.二維離散傅里葉變換一般是以計(jì)算圖像函數(shù)f(x,y)的傅里葉變換譜的方法來觀察傅里葉變換的結(jié)果。令R(u,v)和I(u,v)表示傅里葉變換F(u,v)的實(shí)部和虛部，則原圖像函數(shù)傅里葉變換的頻譜（幅度函數(shù)）、相對(duì)角和功率譜（頻譜的平方）定義分別如下四、傅里葉變換一般而言，圖像能量主要集中在低頻區(qū)域。對(duì)圖像經(jīng)過二維傅里葉變換后，當(dāng)變換系數(shù)矩陣的原點(diǎn)在左上角時(shí)，圖像信號(hào)頻譜能量將集中分布在系數(shù)矩陣的四個(gè)角上，亮度最亮；當(dāng)變換系數(shù)矩陣的原點(diǎn)平移到中心位置時(shí)，圖像信號(hào)頻譜能量將集中分布在變換系數(shù)矩陣的中心附近，亮度最亮在數(shù)學(xué)角度，傅里葉變換可將函數(shù)轉(zhuǎn)換為疊加的周期函數(shù)處理。在物理角度，傅里葉變換有著廣泛的應(yīng)用如：圖像增強(qiáng)與去噪、邊緣檢測(cè)、特征提取和圖像壓縮等2.二維離散傅里葉變換四、傅里葉變換在數(shù)字圖像處理過程中，二維離散傅里葉變換具有以下性質(zhì)和定理成立：1)可分離性對(duì)于二維傅里葉變換可分解成兩步進(jìn)行：先對(duì)f(x,y)按行進(jìn)行傅里葉變換得到F(x,v)，再對(duì)F(x,v)按列進(jìn)行傅里葉變換，得到f(x,y)的傅里葉變換結(jié)果F(u,v)，2)周期性和共軛對(duì)稱性若離散的傅里葉變換及其反變換周期為N，則有傅里葉變換存在共軛對(duì)稱性四、傅里葉變換在數(shù)字圖像處理過程中，二維離散傅里葉變換具有以下性質(zhì)和定理成立：3)卷積性兩個(gè)圖像函數(shù)在空間的卷積與他們的傅里葉變換在頻域的乘積構(gòu)成一對(duì)變換；而兩個(gè)函數(shù)在空間的乘積與他們的傅里葉變換在頻域的卷積構(gòu)成一對(duì)變換頻率域的兩個(gè)圖像函數(shù)相乘是在逐元素的基礎(chǔ)上定義，即F的第一個(gè)元素乘以G的第一個(gè)元素，F(xiàn)的第二個(gè)元素乘以G的第二個(gè)元素四、傅里葉變換在數(shù)字圖像處理過程中，二維離散傅里葉變換具有以下性質(zhì)和定理成立：4)平移定理傅里葉變換的平移定理可表示為：式（3.33）表明將f(x,y)在空間平移相當(dāng)于把其變換在頻域與一個(gè)指數(shù)相乘，式（3.34）表明將f(x,y)與一個(gè)指數(shù)相乘相當(dāng)于把其變換在頻域平移（3.33）（3.34）四、傅里葉變換在數(shù)字圖像處理過程中，二維離散傅里葉變換具有以下性質(zhì)和定理成立：5)旋轉(zhuǎn)定理傅里葉變換的旋轉(zhuǎn)定理反映了其對(duì)應(yīng)的旋轉(zhuǎn)性質(zhì)。借助極坐標(biāo)變換實(shí)現(xiàn)的轉(zhuǎn)換。將f(x,y)和F(u,v)變換為和。代入傅里葉變換得到上式表明，對(duì)f(x,y)旋轉(zhuǎn)對(duì)應(yīng)于將其傅里葉變換F(u,v)也旋轉(zhuǎn)。類似地，對(duì)F(u,v)旋轉(zhuǎn)也對(duì)應(yīng)于將其傅里葉反變換f(x,y)旋轉(zhuǎn)四、傅里葉變換在數(shù)字圖像處理過程中，二維離散傅里葉變換具有以下性質(zhì)和定理成立：6)尺度定理傅里葉變換的尺度定理也稱為相似定理，它給出傅里葉變換在尺度（放縮）變化時(shí)的性質(zhì)，可用以下兩式表示：上式表明，對(duì)f(x,y)在幅度方面的尺度變換導(dǎo)致對(duì)其傅里葉變換F(u,v)在幅度方面的對(duì)應(yīng)尺度變化，而對(duì)f(x,y)在空間尺度方面的放縮則導(dǎo)致對(duì)其傅里葉變換F(u,v)在頻域尺度方面的相反放縮。五、頻率域?yàn)V波基礎(chǔ)五、頻率域?yàn)V波基礎(chǔ)圖像的濾波處理除了在空域中完成外，還能將圖像數(shù)據(jù)經(jīng)過小波變換或傅里葉變換后轉(zhuǎn)到頻域中操作常見的頻域?yàn)V波器如圖所示，主要分為頻域低通濾波器和頻域高通濾波器兩大類五、頻率域?yàn)V波基礎(chǔ)圖像的濾波處理除了在空域中完成外，還能將圖像數(shù)據(jù)經(jīng)過小波變換或傅里葉變換后轉(zhuǎn)到頻域中操作空域圖像中緩慢變化的灰度分量如白色的墻壁和室外少云的天空等在頻域中表現(xiàn)為低頻，而急劇過渡變化的灰度分量如邊緣和噪聲等在頻域中表現(xiàn)為高頻。因此，衰減高頻而通過低頻的低通濾波器將模糊圖像，具有相反性質(zhì)的濾波器即高通濾波器將使得圖像的細(xì)節(jié)更清晰，但會(huì)降低圖像的對(duì)比度五、頻率域?yàn)V波基礎(chǔ)圖像的濾波處理除了在空域中完成外，還能將圖像數(shù)據(jù)經(jīng)過小波變換或傅里葉變換后轉(zhuǎn)到頻域中操作1、對(duì)大小為M×N的輸入圖像f(x,y)進(jìn)行像素填充并在填充后的圖像基礎(chǔ)上乘以（-1）x+y，使得傅里葉變換位于圖像的中心；2、計(jì)算圖像的離散傅里葉變換（DFT），得到F(u,v)，用濾波函數(shù)（也稱為“濾波器”）H(u,v)乘以F(u,v)，得到處理結(jié)果G(u,v)；3、進(jìn)行傅里葉反變換并用其實(shí)部數(shù)據(jù)作為輸出的填充圖像，提取輸出填充圖像的左上象限M×N區(qū)域即得到最終的輸出圖像g(x,y)五、頻率域?yàn)V波基礎(chǔ)圖像的濾波處理除了在空域中完成外，還能將圖像數(shù)據(jù)經(jīng)過小波變換或傅里葉變換后轉(zhuǎn)到頻域中操作頻域?yàn)V波與空域?yàn)V波相比具有以下三種特點(diǎn)：計(jì)算復(fù)雜處理時(shí)間長(zhǎng)優(yōu)化后的傅里葉變換方法最大程度上降低了處理的復(fù)雜度和處理時(shí)間，但龐大的計(jì)算量還是會(huì)耗費(fèi)較長(zhǎng)的時(shí)間和硬件資源圖像處理效果好空域?yàn)V波是對(duì)每個(gè)像素點(diǎn)進(jìn)行處理，而頻域?yàn)V波是對(duì)整個(gè)圖像進(jìn)行處理，某些在空域中難以解決的問題可以通過頻域?yàn)V波得到很好的解決3)系統(tǒng)通用性強(qiáng)，處理更加靈活圖像頻域?yàn)V波中的濾波器可以根據(jù)圖像的特點(diǎn)自由選擇和設(shè)計(jì)3.5、圖像平滑TASK任務(wù)任務(wù)一、均值濾波二、高斯濾波三、中值濾波一、均值濾波一、均值濾波均值濾波基本原理均值濾波是一種最基本的圖像平滑方法，其核心思想是選擇一個(gè)模板，該模板由其鄰域的若干像素組成，用該鄰域里所有像素灰度的平均值去替換鄰域中心像素的灰度值。圖像均值濾波作為一種線性濾波器，原理簡(jiǎn)單，計(jì)算速度快，但是無法消除噪聲，只能減弱，在降噪的同時(shí)會(huì)使圖像產(chǎn)生模糊，鄰域半徑越大，處理后的圖像邊緣顯得越模糊。因此，在數(shù)字圖像處理時(shí)，避免選擇大的模板進(jìn)行濾波，通常情況下選擇大小為3×3、5×5的模板與原圖像進(jìn)行卷積計(jì)算后得到平滑圖像一、均值濾波均值濾波基本應(yīng)用（1）新建解決方案并取像，如圖所示。1)新建空白解決方案并保存為“3.5-圖像平滑-XXX”；2)添加“內(nèi)部觸發(fā)”、“Cog取像”、“ToolBlock”工具并進(jìn)行鏈接；3)“Cog取像”工具：打開“002_Cog取像”工具并配置其圖像來源為“文件”，文件名為“Images\椒鹽噪聲.bmp”，運(yùn)行即可預(yù)覽加載的圖像一、均值濾波均值濾波基本應(yīng)用（2“003_ToolBlock”工具的配置，雙擊打開“003_ToolBlock”，如圖所示。1)在“輸入”項(xiàng)中單擊【添加】→“002_Cog圖像”工具的輸出“Image”作為輸入項(xiàng)添加進(jìn)來；2)單擊①處添加“卷積3×3”→在②處完成8鄰域的3×3模板的配置一、均值濾波均值濾波基本應(yīng)用（3）保存并運(yùn)行解決方案，在圖像顯示區(qū)域即可觀察到8鄰域的3×3模板對(duì)椒鹽噪聲圖像的處理效果。如圖所示二、高斯濾波二、高斯濾波高斯濾波基本原理高斯濾波是一種線性平滑濾波方法，是利用高斯函數(shù)的形狀來選擇權(quán)值。零均值的一維高斯函數(shù)為在圖像處理領(lǐng)域中，會(huì)使用零均值的二維離散高斯函數(shù)進(jìn)行平滑濾波。零均值的二維高斯函數(shù)為二、高斯濾波高斯濾波基本原理高斯濾波作為非常有效的低通濾波方法，在圖像處理中得到了廣泛的應(yīng)用，其主要原因是它具有以下五種重要屬性：（1）旋轉(zhuǎn)對(duì)稱性（2）單值函數(shù)（3）傅立葉變換頻譜是單瓣的（4）平滑程度由參數(shù)σ決定（5）可分離性二、高斯濾波高斯采樣器高斯采樣器可對(duì)輸入圖像進(jìn)行二次采樣及圖像平滑處理等操作二、高斯濾波高斯采樣器相關(guān)參數(shù)高斯采樣器可對(duì)輸入圖像進(jìn)行二次采樣及圖像平滑處理等操作序號(hào)名稱說明1二次采樣平滑后進(jìn)行二次采樣可生成具有更少像素的輸出圖像。X和Y為采樣因子，其值必須為大于或等于1的整數(shù)，其作用是將圖像的分辨率下降至原始圖像的1/X×1/Y2平滑平滑的X和Y即平滑值s在X和Y方向的取值，與其對(duì)應(yīng)的Sigma（σ）也就有了X和Y兩個(gè)方向的結(jié)果，其滿足(3-43)表達(dá)式3Sigma高斯函數(shù)的標(biāo)準(zhǔn)偏差4量級(jí)移動(dòng)量級(jí)移動(dòng)的值大于0時(shí)可增強(qiáng)圖像的對(duì)比度，小于0時(shí)則對(duì)比度會(huì)偏暗二、高斯濾波高斯采樣器相關(guān)參數(shù)高斯采樣器可對(duì)輸入圖像進(jìn)行二次采樣及圖像平滑處理等操作高斯濾波在對(duì)圖像進(jìn)行平滑處理時(shí)，需要確定平滑值s、高斯函數(shù)的參數(shù)Sigma(σ)及高斯核的大小w，三者之間滿足常用的平滑值s=1,2,3,4,5，其對(duì)應(yīng)的Sigma和內(nèi)核大小為平滑值(s)Sigma(σ)內(nèi)核大小(w)10.866421.414731.9361042.4491352.95816二、高斯濾波高斯采樣器相關(guān)參數(shù)其中平滑步數(shù)可以先使用1或2來測(cè)試平滑效果，然后逐步增大s直到平滑效果滿足圖像需求。當(dāng)σ=0.8時(shí)，取整的高斯濾波器模板即為式當(dāng)使用上式的模板進(jìn)行圖像平滑時(shí)其對(duì)應(yīng)的處理過程如圖所示。圖中左側(cè)為原始圖像，將中間的尺寸為3×3大小的濾波模板依次在原始圖像上從左往右、從上到下移動(dòng)，計(jì)算并替換中心值，最終得出處理后的圖像二、高斯濾波高斯濾波基本應(yīng)用（1）在解決方案“3.5-圖像平滑-XXX”中繼續(xù)添加“內(nèi)部觸發(fā)”、“Cog取像”和“ToolBlock”工具并鏈接新添加的工具；（2）打開“005_Cog取像”工具，選擇源為“文件”，文件名為“Images\高斯噪聲.bmp”，運(yùn)行即可預(yù)覽取像結(jié)果，二、高斯濾波高斯濾波基本應(yīng)用（3）ToolBlock工具的配置，雙擊打開“006_ToolBlock”，如圖所示。1)在“輸入”項(xiàng)中單擊【添加】→“005_Cog圖像”工具的輸出“Image”作為輸入項(xiàng)添加進(jìn)來；2)添加CogIPOneImageTool并單擊①處添加“高斯采樣器”→在②處完成其對(duì)應(yīng)的參數(shù)配置二、高斯濾波高斯濾波基本應(yīng)用（4）保存并運(yùn)行解決方案，在圖像顯示區(qū)域即可觀察到高斯采樣器對(duì)高斯噪聲圖像的處理效果三、中值濾波三、中值濾波中值濾波基本原理圖像中值濾波的基本原理是首先按要處理像素點(diǎn)位置選取鄰域窗口，再把窗口中的像素按灰度大小進(jìn)行排隊(duì)，最后把排序的中值作為處理像素的輸出像素值對(duì)二維圖像中值濾波來說，所選的鄰域窗口形狀、大小與濾波效果有密切的關(guān)系。根據(jù)圖像內(nèi)容和應(yīng)用要求不同，采用的窗口尺寸與形狀也不盡相同，以達(dá)到較好的濾波效果。目前應(yīng)用較多的窗口形狀主要有線形、十字形、方形、圓形等三、中值濾波中值3×3和中值N×M（1）中值3×3工具只能處理灰度圖像，使用時(shí)無需設(shè)置參數(shù)，方便快捷，其應(yīng)用界面如圖所示三、中值濾波中值3×3和中值N×M（2）中值N×M可自定義窗口大小及形狀，其設(shè)置界面如圖所示內(nèi)核高度：卷積內(nèi)核的高度方向元素個(gè)數(shù)內(nèi)核寬度：卷積內(nèi)核的寬度方向元素個(gè)數(shù)內(nèi)核掩膜：內(nèi)核掩膜的行和列數(shù)由“內(nèi)核高度”和“內(nèi)核寬度”決定，內(nèi)核掩膜的形狀通過勾選的方式設(shè)置三、中值濾波中值濾波的基本應(yīng)用（1）在解決方案“3.5-圖像平滑-XXX”中繼續(xù)添加“內(nèi)部觸發(fā)”、“Cog取像”和“ToolBlock”工具并鏈接新添加的工具，如圖所示。（2）打開“008_Cog取像”工具，選擇源為“文件”，文件名為“Images\椒鹽噪聲.bmp”，運(yùn)行即可預(yù)覽取像結(jié)果，三、中值濾波中值濾波的基本應(yīng)用（3）“009_ToolBlock”工具的配置，包括圖像源的選擇和工具的添加三、中值濾波中值濾波的基本應(yīng)用（4） 雙擊打開“CogIPOneImageTool-中值3×3”，單擊①處添加“中值3×3”，此算法不需要任何參數(shù)配置，直接運(yùn)行即可三、中值濾波中值濾波的基本應(yīng)用（5） 再添加一個(gè)“CogIPOneImageTool”并重命名工具為“CogIPOneImageTool1-中值N×M”，鏈接“CogImageConvertTool”的“OutputImage”，并輸出“OutputImage”三、中值濾波中值濾波的基本應(yīng)用（6） 雙擊打開“009_ToolBlock”，單擊①處添加“中值N×M”，在“內(nèi)核掩膜”處可以通過勾選方框來設(shè)定中值N×M的窗口形狀，當(dāng)前為線形組合，內(nèi)核高度和內(nèi)核寬度可設(shè)置窗口的大小，配置完成即可運(yùn)行3.6、圖像銳化TASK任務(wù)任務(wù)一、梯度運(yùn)算二、拉普拉斯運(yùn)算三、圖像銳化應(yīng)用一、梯度運(yùn)算一、梯度運(yùn)算在數(shù)字圖像處理中，梯度法是一種常用的微分方法，算法的基本原理如下對(duì)數(shù)字圖像f(x,y)的導(dǎo)數(shù)運(yùn)算常用差分來近似，即和可表示為常用的銳化方法有一階微分方法如Roberts邊緣檢測(cè)算子、Sobel邊緣檢測(cè)算子和Prewitt邊緣檢測(cè)算子，及以拉普拉斯算子為代表的二階微分方法則梯度的模GM[f(x,y)]的差分表示法為直接差分的算子模板為：為提取圖像的邊緣，還需要選取適當(dāng)?shù)拈撝礣對(duì)圖像的梯度值進(jìn)行二值化，則有一、梯度運(yùn)算Roberts邊緣檢測(cè)算子用梯度函數(shù)的Roberts絕對(duì)值來近似計(jì)算梯度幅值為一、梯度運(yùn)算Sobel邊緣檢測(cè)算子Roberts邊緣檢測(cè)算子的主要問題是計(jì)算方向差分時(shí)對(duì)噪聲敏感。Sobel提出一種將方向差分運(yùn)算與局部平均相結(jié)合的方法，即Sobel邊緣檢測(cè)算子。該算子是在以f(x,y)為中心的3×3鄰域上計(jì)算x和y方向的微分卷積模板為一、梯度運(yùn)算Prewitt邊緣檢測(cè)算子Prewitt邊緣檢測(cè)算子的思路與Sobel微分算子的思路類似，是在一個(gè)奇數(shù)大小的模板中定義其微分運(yùn)算。卷積模板為二、拉普拉斯運(yùn)算二、拉普拉斯運(yùn)算拉普拉斯算子是一種常用的二階微分算子，其各向同性微分且自身具有旋轉(zhuǎn)不變性。通過尋找圖像灰度值的二階微分的零交叉點(diǎn)就能檢測(cè)到圖像的邊緣點(diǎn)。這種去除一階微分中非局部最大值的方法所檢測(cè)的邊緣會(huì)更加精確離散函數(shù)f(x,y)的拉普拉斯算子為對(duì)角線上的像素加入到拉普拉斯變換當(dāng)中，則得到的離散函數(shù)f(x,y)的拉普拉斯算子為拉普拉斯算子模板二、拉普拉斯運(yùn)算拉普拉斯算子是一種常用的二階微分算子，其各向同性微分且自身具有旋轉(zhuǎn)不變性。通過尋找圖像灰度值的二階微分的零交叉點(diǎn)就能檢測(cè)到圖像的邊緣點(diǎn)。這種去除一階微分中非局部最大值的方法所檢測(cè)的邊緣會(huì)更加精確疊加噪聲的圖像邊緣檢測(cè)結(jié)果從圖中可知，拉普拉斯算子放大了噪聲對(duì)圖像的影響，因此在實(shí)際應(yīng)用中，采用拉普拉斯算子對(duì)圖像進(jìn)行銳化時(shí)通常需要先對(duì)圖像進(jìn)行濾波平滑處理三、圖像銳化應(yīng)用三、圖像銳化應(yīng)用邊緣檢測(cè)工具

圖像中邊緣的表述方式可以通過其大?。▋蓚€(gè)灰度級(jí)之間的對(duì)比度的大?。┖徒嵌龋▁軸與垂直于邊緣的光線從灰度級(jí)低的位置開始形成的角度）來描述。

圖中兩個(gè)邊角相同的三角形，箭頭的長(zhǎng)度表示邊緣的大小，其方向表示邊緣的角度。由于左側(cè)圖像中的背景和特征之間的對(duì)比度較大，因此，左側(cè)三角形的邊緣大小大于右側(cè)三角形的邊緣大小三、圖像銳化應(yīng)用邊緣檢測(cè)工具（1）該界面具備了設(shè)置、區(qū)域、圖形三個(gè)選項(xiàng)卡及圖像緩沖區(qū)。（2）在圖像緩沖區(qū)中會(huì)將邊緣的大小和角度分別以圖像的形式輸出即邊緣幅值圖像（LastRun.EdgeMagnitudeImage）和邊緣角度圖像（LastRun.EdgeAngleImage）（3）CogSobelEdgeTool工具還生成最終幅度圖像（LastRun.FinalMagnitudeImage）以反映“后處理閾值處理模式”的結(jié)果。如果“后處理閾值處理模式”為“無”，則邊緣幅值圖像和最終幅度圖像將相同。三、圖像銳化應(yīng)用圖像銳化應(yīng)用（1） 新建解決方案并取像，如圖所示。1)新建空白解決方案并保存為“3.6-圖像銳化-XXX”；2)添加“內(nèi)部觸發(fā)”、“Cog取像”、“ToolBlock”工具并進(jìn)行鏈接3)”Cog取像”工具：打開“002_Cog取像”工具并配置其圖像來源為“文件”，文件名為“DCCKLogo.bmp”，運(yùn)行即可預(yù)覽加載的圖像三、圖像銳化應(yīng)用圖像銳化應(yīng)用（2）預(yù)處理工具的添加和配置如CogImageConvertTool和CogIPOneImageTool的添加以及圖像源的選擇三、圖像銳化應(yīng)用圖像銳化應(yīng)用（3）平滑處理。圖像中所添加的是高斯白噪聲，因此可選擇高斯濾波進(jìn)行圖像的平滑。雙擊打開“003_ToolBlock”，單擊①處添加“卷積3×3”，在②處的步驟中設(shè)置濾波器的值，如圖所示三、圖像銳化應(yīng)用圖像銳化應(yīng)用（4）銳化工具的添加，如圖所示。1)單擊圖3.101中①處的“顯示工具箱”→雙擊添加②處的“ImageProcessing”文件夾中的“CogSobelEdgeTool”；2)將“CogIPOneImageTool”的“OutputImage”鏈接到“CogSobelEdgeTool”的“InputImage”→將“CogSobelEdgeTool”的輸出“Result.FinalMagnitudeImage”鏈接至“OutputImage”三、圖像銳化應(yīng)用圖像銳化應(yīng)用5)銳化工具的屬性配置。如圖所示為對(duì)輸入圖像進(jìn)行銳化處理，并設(shè)定后處理閾值處理模式為“滯后閾值處理”，其所需參數(shù)可自行調(diào)整。三、圖像銳化應(yīng)用圖像銳化應(yīng)用6)運(yùn)行解決方案并查看“003_ToolBlock”的處理結(jié)果。如圖所示，為經(jīng)過平滑的銳化結(jié)果，相比Sobel算子和拉普拉斯算子直接處理的結(jié)果都要優(yōu)化了很多。3.7圖像形態(tài)學(xué)操作TASK任務(wù)二、腐蝕與膨脹三、開運(yùn)算與閉運(yùn)算一、灰度形態(tài)學(xué)基礎(chǔ)常用的圖像銳化方法有哪些？分別舉例。課前回顧形態(tài)學(xué)操作腐蝕閉運(yùn)算膨脹開運(yùn)算在前文的學(xué)習(xí)中，已經(jīng)了解到圖像采集及提取的過程中經(jīng)常包含不必要的噪聲，對(duì)圖像感興趣區(qū)域內(nèi)的處理產(chǎn)生了干擾。因此，通常需要對(duì)提取的圖像區(qū)域進(jìn)行形狀的調(diào)整以獲取想要的結(jié)果。此被定義為數(shù)學(xué)形態(tài)學(xué)領(lǐng)域的課題，可以被看做是一種特殊的數(shù)字圖像處理方法和理論，主要以圖像的形態(tài)特征為研究對(duì)象。為什么進(jìn)行圖像形態(tài)學(xué)操作形態(tài)學(xué)的處理方法能夠在區(qū)域和灰度值圖像上被定義，基于區(qū)域的形態(tài)學(xué)處理輸入的是經(jīng)過值處理的二值圖像區(qū)域，允許修改或描述區(qū)域的形狀，這種操作可以用于連接或分離相鄰區(qū)域，或平滑區(qū)域的邊界；基于灰度的形態(tài)學(xué)處理輸入的是灰度圖像，允許對(duì)圖像中的灰度值進(jìn)行非線性處理，取決于它們的像素鄰域。圖像形態(tài)學(xué)操作的意義圖像形態(tài)學(xué)操作一、灰度形態(tài)學(xué)基礎(chǔ)1、圖像模板匹配工具的作用一、灰度形態(tài)學(xué)基礎(chǔ)與二值形態(tài)學(xué)相對(duì)應(yīng)另一種形態(tài)學(xué)運(yùn)算是灰度形態(tài)學(xué)。與形態(tài)學(xué)區(qū)域中的二進(jìn)制運(yùn)算不同，形態(tài)學(xué)灰度值運(yùn)算符處理包含多于一個(gè)位的像素的輸入圖像?；叶刃螒B(tài)學(xué)提供一組運(yùn)算符，允許對(duì)圖像中的灰度值進(jìn)行非線性處理，取決于它們的像素鄰域，可用于平滑或強(qiáng)調(diào)圖像中的結(jié)構(gòu)特征?；叶刃螒B(tài)學(xué)與二值形態(tài)學(xué)相比，不僅在圖像本身的空間尺寸上有一個(gè)變化，而且圖像本身的灰度值也會(huì)發(fā)上變化。因此，灰度形態(tài)學(xué)可以看作是區(qū)域形態(tài)學(xué)的一般化。在灰度形態(tài)學(xué)中，常見的操作包括：腐蝕、膨脹、開運(yùn)算、閉運(yùn)算等，這些都基于數(shù)字圖像處理中的操作。例如，腐蝕操作使高灰度值區(qū)域（亮色區(qū)域）面積縮小，使暗色區(qū)域面積擴(kuò)張。它主要研究圖像中的灰度級(jí)分布，包括灰度級(jí)的空間分布、灰度級(jí)的形狀特征等。利用這些特征，可以通過對(duì)圖像進(jìn)行數(shù)學(xué)變換來實(shí)現(xiàn)對(duì)灰度級(jí)分布的處理和分析，提取出圖像中的信息，用于后續(xù)的分析和識(shí)別。膨脹操作可以增強(qiáng)圖像中的亮點(diǎn)和暗點(diǎn)等特征，有助于目標(biāo)檢測(cè)和分割；腐蝕操作可以去除圖像中的噪聲和細(xì)節(jié)，保留圖像的主要結(jié)構(gòu)和形狀；開運(yùn)算和閉運(yùn)算則是將圖像進(jìn)行二值化處理的重要手段，可以有效地分離出圖像中的前景和背景區(qū)域。二、腐蝕與膨脹1、腐蝕與膨脹的概念二、腐蝕與膨脹（1）腐蝕，顧名思義，是將物體的邊緣（亮區(qū)）加以侵蝕。具體的操作方法是拿一個(gè)寬M高N的矩形作為模板（也稱為內(nèi)核或結(jié)構(gòu)元），對(duì)圖像中的每一個(gè)像素做如下處理：該像素位于模板的中心，根據(jù)模板的大小，遍歷所有被模板覆蓋的其他像素，修改該像素的值為所有像素中最小的值。結(jié)構(gòu)元b在該像素（x,y）處對(duì)圖像f的腐蝕寫為公式：這樣操作的結(jié)果是將圖像外圍的突出點(diǎn)加以腐蝕，操作過程如圖、原圖和腐蝕后圖像如圖所示。腐蝕操作過程原圖腐蝕后圖像1、腐蝕與膨脹的概念二、腐蝕與膨脹（2）膨脹處理和腐蝕處理實(shí)現(xiàn)的效果相反，是將物體的邊緣（亮區(qū)）加以膨脹，可以使得灰度圖像中，亮區(qū)區(qū)域變大，暗區(qū)區(qū)域變?。ū涣辽畛洌８鶕?jù)結(jié)構(gòu)元的大小，遍歷所有被結(jié)構(gòu)元覆蓋的其他像素，修改該像素的值為所有像素中最大的值。結(jié)構(gòu)元b在該像素（x,y）處對(duì)圖像f的膨脹寫為公式：與腐蝕處理的不同之處在于修改像素的值不是所有像素中最小的值，而是最大的值。這樣膨脹的操作會(huì)將邊緣外圍突出的點(diǎn)向外延伸。膨脹操作過程原圖膨脹后圖像2、灰度形態(tài)學(xué)處理工具二、腐蝕與膨脹（1）CogIPOneImageTool的灰度形態(tài)調(diào)整

支持對(duì)輸入圖像執(zhí)行灰度形態(tài)的調(diào)整，根據(jù)其大小和方向有選擇地增強(qiáng)或減少圖像特征。形態(tài)調(diào)整操作

包含腐蝕、膨脹、打開、關(guān)閉、膨脹－腐蝕、關(guān)閉－原件、原件－打開構(gòu)造元素形狀

可指定形態(tài)學(xué)操作運(yùn)算內(nèi)核，包含“3×3平面，方形”、