读书笔记：Computer Vision for xray testing

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：

1. 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

2. 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：
   
   

3. 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

1. 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

2. 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

3. 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