经过前期的一番准备和学习,我的地盘终于到了我做主的时候。由于我们组的项目和图像处理(运动物体检测与跟踪)有关,和我同组的iamfrankie同学将在FPGA方面对该项目发表一些好的博文,前段时间他的博文也受到各位的好评,其中不乏好的文章,而且有的还被推荐为精品,这里先祝贺他!由于我们组内有分工,他主要负责FPGA技术,我主要负责图像处理算法这块,所以我的文章会以图像处理相关的主题为主。前期我会介绍一些滤波器的知识,我认为这是图像处理中最关键的组成部分之一。无论是在图像变换、图像增强和图像恢复中都是相当重要的。
消除图像中的噪声成分叫作图像的平滑化或滤波操作。信号或图像的能量大部分集中在幅度谱的低频和中频段是很常见的,而在较高频段,感兴趣的信息经常被噪声淹没。因此一个能降低高频成分幅度的滤波器就能够减弱噪声的影响。
滤波的目的有两个:一是抽出对象的特征作为图像识别的特征模式;另一个是为适应图像处理的要求,消除图像数字化时所混入的噪声。
对滤波处理的要求有两条:一是不能损坏图像的轮廓及边缘等重要信息;二是使图像清晰视觉效果好。
图像的滤波方法很多,主要可以分为频率域法和空间域法两大类。频率域法的处理是在图像的某种变换域内,对图像的变换系数值进行运算,然后通过逆变换获得增强图像。这是一种间接的图像滤波方法。空间滤波方法是一类直接的滤波方法,它在处理图像时直接对图像灰度作运算。
频率域滤波是将图像从空间或时间域转换到频率域,再利用变换系数反映某些图像特征的性质进行图像滤波的方法。傅立叶变换是一种常用的变换。在傅立叶变换域,频谱的直流分量正比于图像的平均亮度,噪声对应于频率较高的区域,图像实体位于频率较低的区域。图像在变换具有的这些内在特性可被用于图像滤波。可以构造一个低通滤波器,使低频分量顺利通过而有效地阻于高频分量,即可滤除图像的噪声,再经过反变换来取得平滑的图像。
低通的数学表达式如下式所示:
G(u,v)=F(u,v)H(u,v)
式中F (u, v)一含有噪声的原图像的傅立叶变换;
H (u, v)一为传递函数,也称转移函数(即低通滤波器);
G (u, v)一为经低通滤波后输出图像的傅立叶变换。
H滤波滤去高频成分,而低频信息基本无损失地通过。滤波后,经傅立叶变换反变换可得平滑图像,即
选择适当的传递函数H (u, v),对频率域低通滤波关系重大。常用的传递函数有梯形函数、指数函数、巴特沃思函数等。
频域常用的几种低通滤波器为理想低通滤波器(Ideal circular Iow-passfilter)、巴特沃思(Butterworth)低通滤波器、指数低通滤波器及梯形低通滤波器。这些低通滤波器,都能在图像内有噪声干扰成分时起到改善的作用。
常用的平面空间域滤波法有两类:一类是拟合图像的方法,包括n阶多项式拟合、离散正交多项式拟合、二次曲面拟合等多种方法;另一类是平滑图像的方法,包括领域平均法、中值滤波法、梯度倒数加权法、选择式掩模法等。
在后续的文章里我将介绍其中的一些滤波方法。