汽车行驶跑偏量计算系统外文翻译资料

英语原文共 72 页，剩余内容已隐藏，支付完成后下载完整资料

---

图像处理

图像现在已经从生成到运输、存储介质再到图像处理和软件分析，例如运用虚拟仪器中的视觉工具开发包来进行图像处理和分析。图像处理操作的输出存在很多形式，本章重点介绍使用查表，过滤，形态和细分等方法进行图像处理。

灰度级操作

改变数字图像最简单的方法是更改其灰度值（通常为8位，从0到255）。 在更改灰度值之前，我们需要了解图像的灰度值是如何分布的。

直方图和组织图

虚拟仪器中的视觉工具开发包为此提供了两个简单的工具：

直方图 给出关于每个灰度值的像素数分布的数字信息。

组织图 显示波形图中的直方图信息。

直方图函数H（k）简单地定义为 ：H（k）= n （1）

图1 视觉工具开发包中的直方图功能

其中n作为具有灰度值k的像素数。 图1为使用视觉工具开发包的熊图像的直方图函数H（k）。

练习1：直方图和组织图。 创建一个虚拟仪器的子程序使用图像采集系统功能直接在视觉开发工具包中显示功能直方图和图像采集系统组织图。

图2 图像的直方图和组织图

在视觉工具开发包中，直方图数据可以进一步导出处理成MS 表格; 图3显示了图1和2在MS 表格中的数据。

图3 直方图在MS 表格中导出

如果将直方图函数应用于彩色图像，则返回值H（k）对应每个彩色平面， 例如在RGB图像下的红色，绿色和蓝色的三个直方图。 图4显示了使用图像采集视觉生成器的示例。

图4 图像采集视觉生成器中的色彩直方图功能

使用查找表

你知道为什么要调整电视机的亮度、对比度或视频PC卡吗？ 是为了获得一个“更好”的图像，其目的是为了更好地分配灰度值。 这是通过一个函数f（g）（g是灰度值）实现的，它为每个像素分配一个新的值。

如果我们结合方程（1）, 那么函数f（g）将根据以下函数修改灰度级值:

（2）

其中作为原始值，作为结果值。 因为可能的结果限于256个值，函数f（g）通常在由256个值组成的一个查找表中实现。因此，如果

（3）

方程（2）将变成：

（4）

特殊LuT：数学函数。 生成LuT的最简单的方法是使用数学函数，如对数，指数和幂。 我们做以下练习：

练习2：查表 在接下来的练习中，我们会比较视觉工具开发包对手动生成的LuT产生影响。 首先，创建程序如图5所示：

5 创建用户LuT

使用 功能图像采集系统用户查找 生成第二个图像，用于结果与内置图像采集系统功能的比较; 这里是功能图像采集系统数学查询。 XY图通过简单的线显示整个LuT。

图6显示了练习2的前面板。 VI的情况0离开原始图像的灰度值不变，这意味着LuT的位置0获取值0，1获得1，依此类推，直到位置255，它得到255. XY图显示从左下到右上的一行。

图6 处理查询表

另一个内置的LuT是对数的; 如果函数f（g）为f（g）=log（g），那么添加对数（基数10）函数就足够虚拟仪器到情况1并观察结果。

自然地，255的对数（基数10）是大约2.4，所以我们必须将所得值的整个范围扩展到8位灰度级，规模集。 最终的功能是

（5）

如图7所示：

图7 创建一个对数查询表

下一个函数是指数的。 如果我们以上述方式产生，因为数值上涨得太快，我们看到一个陡峭的函数。 修正因子为c，根据

（6）

产生更合理的结果。（见图8中的这个方程的实现）：

图8 创建指数查询表

平方函数很容易：如果我们像上面做的那样乘以值本身，我们就得到了：

（7）

图9显示了相应的结果：

图9 创建平方查询表

平方根相似， 图10显示了结果，方程如下：

（8）

接下来的两种情况需要额外的因子称为功率值p，我们创建方程：

（9）

图10 创建一个平方根查找表

视觉工具开发包将此称为功能x函数; 其实现可以在图11中看到功率值为p = 3。本练习中使用的最后一个功能称为功率1 / x，通过计算p的互逆值来计算;

（10）

图11 创建功能x查找表

图12显示了虚拟仪器视觉工具开发包中功能1 / x函数的实现。很容易看出，这些功能可以分为两组：像对数，平方根和功能1 / x压缩区域具有高灰度值的效果，扩展区域具有低灰度值的效果。 指数，平方和幂函数相反：他们扩大区域具有较高灰度级别，压缩区域具有低灰度级别。

特殊路线：均衡和反向。 视觉工具开发包还包含一个称为图像采集系统补偿的函数，它将灰度值均匀地分配在整个灰度级上（通常为0到255为8位）。 如果图像不使用所有可用的灰度级，那么对比度（差异）从一个灰度级到另一个灰度级可以增强。

图12 创建功能 1 / x查找表

空间图像过滤

本节中描述的大多数方法用于提高图像的质量。 一般来说，这些方法通过使用原始像素值和其邻近像素值的新像素值来计算，例如，我们可以使用方程式：

（12）

看起来很复杂。 通过分析可以看出方程（12）通过使用mtimes;m阵列计算出新的像素值出来。 通常，m为3,5或7; 多数情况我们使用m = 3，这意味着原始像素值使用八个周围像素的值来计算新的值。 k定义为k =（m-1）/ 2。

这些9个像素的值用过滤器内核修改：

（13）

如方程（12）所示，指数u和v取决于x和y k =（m-1）/ 2。 使用索引x和y，我们可以写：

（14）

在练习6没有计算新结果图像只是一个3times;3阵列，它指定像素本身与其周围相邻的八个像素。 事实上，有一些空间过滤处理图像边界的方法：

第一种正是我们在练习6中所做的：结果图像的像素边框较小。

第二种是原始图像的灰度值保持不变，更改并转移到生成的图像中。

您还可以为新的边框像素使用特殊值; 例如，0，127或255。

在练习中指定的四个过滤器系列通常是：

平滑

高斯

梯度

拉普拉斯

图像平滑

所有平滑滤波器构建周围像素的加权平均值，其中一些也使用中心像素本身过滤平滑。 典型的平滑核心如图13所示。 这里，新值被计算为所有九个像素的平均值：

图13 过滤器示例：平滑

（15）

其他典型的平滑内核是 ，

或 请注意，中心像素的系数为0或1; 所有其他系数均为正。

过滤器系列：高斯 它模拟高斯曲线的形状，高斯核心的中心像素系数总是大于1因此大于其他系数。 如图14所示。

图14 滤波器示例：高斯

高斯核的更多例子是：

平滑和高斯内核对应于“低通滤波器”，其作用是去除图像高频尖锐的边缘部分。

边缘检测和增强

检测图像的边缘是一个重要的研究领域。边缘是图像的像素亮度发生显著变化的区域。

过滤器系列：梯度 梯度滤波器提取显著的亮度变化，因此能够在特定方向上改变边缘。 图15显示了一个垂直梯度滤波器的效果，从左到右提取暗色变化。

图15 过滤器示例：梯度1

换掉这个核心的中心系数0，如果我们等于1，在图16中，边缘信息被添加到原始图像中保留，指定方向的边缘突出显示。图17显示了在水平方向上的相似效果（暗亮）从底部到顶部的变化）。图15和图17所示的渐变内核也是已知的如普鲁伊特内核。 另一组梯度内核，例如： 称为索贝尔内核。 最简单的过滤器内核，用于两个正交的方向。

（16）

图16 梯度2

图17 梯度3

过滤：拉普拉斯

拉普拉斯滤波器组的所有内核都是全向的，这意味着它们在每个方向上提供边缘信息。像数学拉普拉斯算子一样，拉普拉斯算子是一个二阶导数类型并显示两个有趣的效果：如果所有系数等于0，这意味着它作为全向边缘检测器，其滤镜小，内核图像亮度变化明显。如果中心系数大于所有其他系数绝对值之和，那么原始图像会叠加在边缘信息上。梯形和拉普拉斯内核都对应于“高通滤波器”原因是锋利的边缘可以用高频划线去除。

FFT滤波：截断

如果我们有图像的全部频率信息，我们可以轻松地删除不确定的频率。最好的方法是使用过滤函数 图像采集系统复形。

FFT滤波：衰减

衰减滤波器将线性衰减应用于全频率范围。在低通衰减滤波器中，从f 0到f max的每个频率f，通过系数C，它是f的函数： （17）

形态功能

如果搜索图像采集系统视觉生成器的菜单进行形态学功能仿真会发现两种不同的类型（图20）：二级菜单中的基本和高级形态，灰度菜单中的灰色形态。基本上，形态学运算改变了粒子的结构。 因此，我们必须定义“粒子”的含义。比如简单的二进制图像：粒子是像素值为1的区域。其余部分图像（像素值0）被称为背景。这就是为什么我们先学习二进制形态函数的原因。 灰度级形态将在本节稍后讨论。

图18 FFT低通衰减滤波器

图19 FFT高通衰减结果

图20 图像采集系统视觉生成器中的形态学功能

阈值

首先，我们必须对以前制作二进制图像进行转换。 调用执行此操作的功能阈值。 图21显示了使用图像采集系统视觉生成器的两个过程：像素值设置为1的值的数组，所有其他级别都被设置到0。由黑色和白色调整的灰度值重新定义。

图21 使用图像采集系统视觉生成器进行阈值处理

结果如图22所示。 在视觉生成器中，像素值1被标记为红色。 在现实中图像是二进制的，也就是只包含像素值0和1。

图22 阈值运算结果

视觉生成器还包含一个功能 - 图像采集系统多阈值，允许您为图像定义多个阈值区域。 您还可以将阈值区域应用于彩色图像的特殊平面。 彩色图像如何直接阈值？ 如果您使用图像采集系统颜色阈值，您可以直接将阈值应用于颜色图片。 要么是红色，绿色和蓝色的平面（RGB颜色模型）或者色调，饱和度和亮度平面。最后我们通常在电脑屏幕上显示我们的图像，我们的二进制图像像素值不能只有0和1， 在这里我们的显示器为8位灰度组，所有图像处理和分析软件，包括视觉系统开发包分别显示灰度值为0和255的值。因此，我们看不出它们之间的区别。

灰度形态学

我们在以下练习中处理灰度图像。一些形态学功能不仅与二进制图像一起工作，而且根据8位灰度级设置缩放图像。练习：灰色形态学功能。修改练习替换功能图像采集系统形态与图像采集系统灰度形态学。加一个数字控件迭代次数并准备程序以使用更大的结构元素，例如5times;5和7times;7。您将需要指定侵蚀和扩张检查的迭代次数，较大的结构元件可用于打开，关闭，适当打开，和适当关闭例子。结果见图23和24。灰度侵蚀和扩张。图23显示灰度侵蚀结果经过8次迭代（我们需要这个大量的迭代，导致显着的结果在灰度形态学上不是很容易看到）。

图23 灰色形态：侵蚀

图24 练习图

当然，我们必须修改侵蚀函数的算法。 在二元形态中，我们将中心像素值设置为0，由于至少有一个其他元素（）等于0。因此，我们将设置为所有其他系数的最小值： = min（）。 灰色扩张如图25所示，现在定义：被设置为所有其他系数的最大值：= max（）。

图25 灰色形态：扩张

灰色打开和关闭。 另外在灰度图像中，开放功能被定义为（灰度级）侵蚀，其次是a（灰度级）扩张使用相同的结构元素：开口（

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[139423]，资料为PDF文档或Word文档，PDF文档可免费转换为Word