MATLAB 图像处理技术


图像处理涵盖了广泛而多样的技术和算法。这些技术的基本过程包括锐化、噪声去除、去模糊、边缘提取、二值化、对比度增强以及目标分割标记

锐化

锐化增强了人类观看的图像的边缘和细节。它增加了明暗区域的对比度,以突出图像特征。大体上,锐化包括对图像应用高通滤波器。

噪声去除

噪声去除技术在进一步处理图像之前减少图像中的噪声量。这在图像处理和图像解译中获取有用信息是必要的。无论是数码相机还是传统的胶片相机,都能从各种来源获取图像。这些噪声源包括椒盐噪声(稀疏的光和暗色干扰)和高斯噪声(图像中的每个像素值都有少量变化)。在这两种情况下,不同像素处的噪声可以是相关的,也可以是不相关的。在许多情况下,不同像素处的噪声值被建模为独立的、 恒等分布的 ,因此不相关。在选择降噪算法时,必须考虑可用的计算机能力和时间,以及如果能够去除更多的噪声的话,是否可以接受牺牲一些图像细节。

去模糊

去模糊是从图像中去除模糊产物(如由离焦像差或运动模糊引起的模糊)的过程。模糊通常被建模为一个与假设的锐输入图像卷积的点扩散函数,其中锐输入图像(被恢复)和点扩展函数都是未知的。除模糊算法包括从图像中去除模糊的方法。清模糊是一个迭代过程,可能需要重复多次这个过程,直到最终图像是原始图像的最佳近似值。

边缘提取

边缘提取或边缘检测用于在识别对象内容之前将对象彼此分离。它包括各种数学方法,旨在识别数字图像中图像亮度急剧变化的点。边缘检测方法可以分为基于搜索的边缘检测方法和基于零交叉的边缘检测方法。基于搜索的方法检测边缘首先计算边缘强度(通常是一阶导数函数),如梯度大小,然后使用计算得到的边缘的局部方向估计(通常是梯度方向)来搜索梯度大小的局部方向最大值。零交叉方法寻找零交叉的二阶导数函数计算从图像找到边缘。一阶边缘检测器包括Canny边缘检测器、Prewitt和Sobel算子等。

其他方法包括检测过零点的二阶微分方法、相位一致性方法或相位拉伸变换方法。二阶微分法检测二阶方向导数在梯度方向上的过零。相位一致性方法试图在图像中找到在频域中所有正弦信号相位一致的位置。PST通过模拟衍射介质的传播来变换图像,该介质具有三维色散特性(折射率)。

二值化

二值化是指将灰度图像减少到只有两个灰度级别,即。比如,黑色和白色。阈值化是一种常用的将灰度图像转换为二值图像的方法。

对比度增强

对比度增强是为了改善图像以供人类观看以及图像处理任务。它使图像特征更清楚地突出,使最佳使用的颜色可用的显示或输出设备。对比度操作包括改变图像中对比度值的范围。

目标分割和标记

目标分割和标记是大多数目标识别和分类系统的先决条件。分割是将源图像中的每个像素分配给两个或多个类的过程。图像分割是将数字图像分割为多个分段(像素集,又称超像素)的过程。其目标是简化和/或改变图像的对比度表示,使其更有意义和更容易分析。一旦相关对象被分割和标记,它们的相关特征就可以被提取出来,用于分类、比较、聚类或识别所需对象。




公众号

关注公众号,获取一手资讯

“ MATLAB 图像处理技术 ” comments 0

评论/回复

电子邮件地址不会被公开。 必填项已用*标注