视觉处理算法基础

第二章 视觉处理算法基础

数出图像里的所有米粒，并计算米粒的平均长度及面积，以评价等级

步骤：
1、图像预处理滤波
2、图像分割
3、计算每一个米粒的长度及面积，进一步计算均值

目标：了解图像滤波基本原理；掌握基本图像预处理滤波方法；熟悉数学形态学滤波

一、图像滤波与卷积

与一维信号滤波类似，图像滤波由卷积定义
（由一维信号转换成沿着x和y轴的图像矩阵，对图像的滤波就是把原来信号的滤波做二维扩展）
原始图像f通过滤波器滤波=原始图像f和滤波器卷积
在图像中，也常以模版的形式定义

如果滤波器对称，则二者等价

图像滤波计算——某一像素滤波结果

把原始图像对应像素和滤波器像素两两相乘，九个像素相乘结果相加，取值放在中心位置

从左到右，从上到下顺序滑动，经过滤波后的图像比原始图像小，由滤波器大小决定（半径）

二、图像去噪（图像平滑）

平均滤波
在一个小区域内（通常为33）像素值平均


加权平均滤波
在一个小区域内（通常33）像素值加权平均

图像中每个像素前乘系数，图像中心点起作用较大，权值选取（右侧为高斯模板）

中值滤波（更直观，非线性）
确定窗口及位置(含有奇数个像素)
窗口内像素按灰度大小排序
取中间值代替原窗口中心像素值
中值滤波对椒盐噪声有效

平均滤波使图像变模糊；
高斯滤波有效去噪（常用）

三、图像形态学操作

图像形态学基本操作——膨胀



(A)b 表示原始图像用其中的每一个元素进行平移操作

图像形态学基本操作——腐蚀

图像形态学操作——开闭运算
膨胀和腐蚀并不互为逆运算，二者级联使用可生成新的形态学运算
开运算：先腐蚀后膨胀

闭运算：先膨胀后腐蚀

先开后闭：可有效去除噪声
同时使得某些区域产生马赛克

相关函数

高斯平滑滤波

dst = cv.GaussianBlur(src,ksize,sigmaX[, dst[, sigmaY[, borderType]]] ]])

中值滤波

dst = cv.medianBlur( src, ksize[, dst] )

形态学滤波

dst = cv.morphologyEx(src, op, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]] )

总结

1. 滤波即卷积，由逐点乘积后累加得到
2. 平滑滤波包括平均滤波、高斯滤波、中值滤波等方法，其中高斯滤波最为常用
3. 数学形态学滤波基于腐蚀与膨胀两个基本操作