处理火焰的MATLAB程序,炉膛火焰图像预处理的MATLAB实现

技术创新 中文核心期刊 《微计算机信息》(管控一体化)2007 年第 23 卷第 6-3 期 360元 / 年 邮局订阅号:82-946 《现场总线技术应用 200 例》 图 像 处 理 燃烧测量的目的是要获取温度分布, 燃烧的稳定性及其它表征燃烧状况等参数以便于研究燃烧机理或进行燃烧控制。因此, 在火焰图像的描述中, 既要有总体图像形状明显的区域划分, 也要能用统计参数表示其各种特征, 还要有关点性质的描述, 这就要求对火焰图像进行综合处理, 包括火焰图像平滑、直方图统计和火焰图像增强显示。本文具体讲述了各种预处理方法的 MATLAB 实现。 1 炉膛火焰图像的平滑 图像平滑也叫图像去噪。燃烧过程是一个动态过程, 加上各种随机干扰, 理想的稳定火焰是不存在的。由彩色摄像头摄取并经过图像采集卡量化后的数字图像信号包含着大量的噪声,必须首先进行噪声滤除。本文分别用小波, 均值滤波, 中值滤波, 自适应维纳滤波四种方法对焰火图进行去噪。 1.1 图像的调入转换 摄像头摄取的原图像(' yh.bmp' )为一真彩色图像, 因为MATLAB 的小波工具箱只能对索引图像进行处理, 所以还要对摄像头摄取的图像进行图像类型的转换。具体程序如下: JI= imread(' yh.bmp' ); 读入并显示火焰图像figure,imshow(JI) li = rgb2gray(JI); 将真彩色图像变为灰度图像[liu,map] = gray2ind(li,128); 将灰度图像变为索引图像imwrite(liu,' liu.bmp' ); I3=imread(' liu.bmp' ); imfinfo(' liu.bmp' ) figure,imshow(I3,map) 显示转换后的索引图像 1.2 火焰图像去噪的 MATLAB 实现及比较 火焰图像预处理一般在空间域进行, 一般采用均值和中值 滤波。均值滤波相对较为简单, 其基本实现是以像点附近点的平均值替代该像点的灰度值。具体程序如下: h=[111 对变换后灰度图进行 均值滤波 111 111]; h=h/9; J=conv2(li,h); figure,imshow(J,[]); 显示滤波后图像 中值滤波是一种非线性处理技术, 可用来抑制图像中的噪声而不使边缘模糊中值滤波法是对一个滑动窗口内诸像素灰度排序, 用中值代替窗口中心像素的原来灰度, 作为中值滤波的输出。自适应维纳滤波通常比均值滤波效果好, 是根据图像的局部方差来调整滤波器的输出。具体程序如下: K=wiener2(li,[5,5]); 自适应维纳滤波figure,imshow(K) Z=medfilt2(li); 中值滤波figure,imshow(Z) 小波去噪法是近年来研究较多的一种去噪方法, 是一种窗口大小不一固定不变但其形状可以改变的时频局部化分析方法。小波变换在信号的高频部分, 可以取得较好的时间分辨率; 在低频部分, 可以取得较好的频率分辨率, 从而能有效地从信号中提取信息。下面用全局域值小波去噪, 具体程序如下: [thr,sorh,keepapp]=ddencmp(' den' ,' wv' ,I3); xd=wdencmp(' gbl' ,I3,' sym4' ,2,thr,sorh,keepapp); figure,imshow(xd,map) 图 1 分别给出了图像原图、快速中值滤波和均值滤波和小波去噪的试验结果。试验表明小波去噪保留原图细节较多, 均值滤波去噪不如采用中值滤波效果好, 维纳滤波可完全满足火焰图像噪声消除的