读书笔记:Computer Vision for xray testing
第四章:X-ray Image Processing
1、图像预处理以增强细节
2、图像滤波,以去除噪声或检测高频细节
3、边缘检测识别物体边界
4、图像分割隔离感兴趣的区域
5、恢复图像,消除图像的模糊性
学习内容介绍
在处理图像时,我们需要先将图像处理得清晰可见,然后再对其进行图像分析。比如说对图像进行识别、解释、度量、特征提取
Image preprocessing(图像预处理)
必要性:在进行图像分析之前,必须对图像进行预处理。具体为一下几个方法步骤:
-
去除噪声
产生噪声的原因是:xray的量子性质,xray的光子撞击了接收器
去除的方法:我们使用均值/积分的方法来降低滤波,其数学表达式为:
处理中将多张重复的/静止的照片进行处理,处理过程中具体关注两个值对其去除噪声模型进行建模****a、关注n张重复的静止图像b、对不同的噪声分布进行关注
n通常取值10~16,在这个示例中,噪声明显降低得比较明显 -
增强图像对比度
必要性(原因):xray图像的灰度值相对在一个比较窄的区间
方法:通过线性变换,将x射线图像的最大最小值设置为0~255
数学表达式:
-
阴影校正
原因:xray投影角强度的减小会导致xray图像中较低的一个空间频率变换
我们进行一个矩阵变换,对其阴影进行校正,其数学表达式为:
Image Filter
滤波是图像处理的重要步骤,我们可以通过滤波器进行滤波
图像的滤波器是数学表达式可以被表达为
而滤波器可以被分为线性滤波器和非线性滤波器
- 线性滤波器
线性滤波器,简单的来解释就是输出结果是输入像素的线性组合
输入线性滤波输出的表达式为:
较小的缺陷使用低通滤波,用于平滑缺陷。但是线性滤波器存在不足
- 非线性滤波器
使用非线性滤波器的原因:线性滤波器存在不足,需要使用非线性滤波器比如说使用中值滤波器
中值滤波器非常适合生成参考图像,它可以平滑噪声但保留锐利的边缘
更多详细的知识在我写的另一篇博客
添加链接描述
- Edge Detection 边缘检测
边缘检测主要通过三种方法 a、梯度下降法 b、高斯滤波算子 c、canny
segmentation
分割:图像分割定义为图像细分为不相交区域过程
一部通过程序来进行选择,例如下面两个例子
分割一直是图像处理中一个不小的困难与挑战:因为有遮挡、自我角度遮挡、噪声、采集出现问题的困难
同时在我们的分割研究中:我们分割为前景和背景
前景:我们感兴趣的像素(例如铸件的缺陷、焊接的焊锡?)
背景:剩下来的像素
通过阈值化、region growing 、maximally stable extremal regions三种方法进行分割
1、阈值化
2、region growing
区域增长以像素数量为1、5、12、16的速度进行增长
3.maxioually stable extremal regions