【正文】 法，提出了一種在改進(jìn) Hough 變換基礎(chǔ)上結(jié)合模糊理論的算法框架。它充分的利用了至今已經(jīng)提出的關(guān)于圓或橢圓檢測(cè)的Hough 變換算法，并改進(jìn)了算法中存在的一些不足，如：算法的適用性不廣，等等。同時(shí)也深入的考慮了 Hough 變換中存在己久的缺點(diǎn)：計(jì)算量大，資源需求大，抗干擾能力差等缺點(diǎn)。并仔細(xì)的研究圖像分析過(guò)程中的處理步驟，洛陽(yáng)理工學(xué)院畢業(yè)設(shè)計(jì) (論文 ) 2 提出了一種結(jié)合模糊理論檢測(cè)圓的算法。這種算法避免了在傳統(tǒng) Hough 變換算法里，參數(shù)空間中 的每個(gè)參數(shù)累積的計(jì)算，是將圖像空間中的模糊點(diǎn)經(jīng)Hough 變換后在該參數(shù)點(diǎn)的隸屬度的值來(lái)累加，避免了原始的只對(duì)隸屬度值為一的映射點(diǎn)進(jìn)行累積造成的檢測(cè)不準(zhǔn)確的問(wèn)題，從而實(shí)現(xiàn)了對(duì)圓或橢圓圖形有效的檢測(cè)，并且由于此算法在隨機(jī) Hough 變換基礎(chǔ)上提出的，因此計(jì)算量小，對(duì)資源的需求也很少。 圖像檢測(cè)技術(shù)發(fā)展現(xiàn)狀 圖像檢測(cè)作為圖像分析技術(shù)的一個(gè)研究?jī)?nèi)容，它也是伴隨著數(shù)字圖像處理的發(fā)展而發(fā)展的。數(shù)字圖像處理這門(mén)學(xué)科的形成也是和社會(huì)生產(chǎn)力發(fā)展的需要分不開(kāi)的。早期的圖像處理是由于通訊方面的要求而發(fā)展起來(lái)的，這就是本 世紀(jì) 20 年代傳真技術(shù)的發(fā)明和發(fā)展。其后，則是由于宇宙方面的要求，需要處理大量的宇宙探測(cè)器上拍攝下來(lái)的不清楚的其他天體 (如月球、火星等 )以及地球本身的照片。然而，圖像處理技術(shù)的發(fā)展，遠(yuǎn)遠(yuǎn)突破了這兩個(gè)領(lǐng)域，到今天，它已經(jīng)廣泛的應(yīng)用到科學(xué)研究、工農(nóng)業(yè)生產(chǎn)、軍事技術(shù)、政府部門(mén)、醫(yī)療衛(wèi)生等許多領(lǐng)域，進(jìn)一步推動(dòng)著社會(huì)生產(chǎn)力的發(fā)展。 圖像檢測(cè)是圖像分析研究?jī)?nèi)容的一部分。目前，在圖像分析領(lǐng)域已經(jīng)有很大的發(fā)展。圖像分析是一種從一幅圖像中通過(guò)自動(dòng)的或半自動(dòng)的方法提取圖像尺寸、數(shù)據(jù)或信息的方法。圖像分析方法通常因圖像分析系統(tǒng)最后 的輸出是數(shù)字而不是畫(huà)面，使它與其他類(lèi)型的圖像處理方法，如編碼、恢復(fù)、放大等不同。圖像分析源于經(jīng)典的模式識(shí)別方法，根據(jù)定義，分析系統(tǒng)并不局限于對(duì)一個(gè)固定數(shù)量類(lèi)別的場(chǎng)景區(qū)域的分類(lèi)，而是更傾向于可設(shè)計(jì)成用于描繪復(fù)雜場(chǎng)景。根據(jù)事先預(yù)測(cè)，該場(chǎng)景的種類(lèi)可能是非常多的和不確定的。 目前，圖像分析領(lǐng)域主要包括形態(tài)學(xué)圖像處理、邊緣檢測(cè)、圖像特征提取、圖像分割、形狀分析、圖像檢測(cè)和配準(zhǔn)等幾個(gè)方面的內(nèi)容： (l) 形態(tài)學(xué)圖像處理：它的基本概念可以追朔到 Minkowski 對(duì)空間集合代數(shù)的研究和 Matheron 對(duì)拓?fù)涞难芯?。形態(tài)學(xué)圖 像處理是這樣的一種處理類(lèi)型，它對(duì)圖像中的物體的空間形態(tài)或結(jié)構(gòu)進(jìn)行修改。膨脹、腐蝕和骨架化是三種基本的形態(tài)學(xué)計(jì)算。 洛陽(yáng)理工學(xué)院畢業(yè)設(shè)計(jì) (論文 ) 3 (2) 邊緣檢測(cè)：一幅圖像的振幅屬性 (如亮度或三色值 )的變化或突變是對(duì)圖像進(jìn)行描述的重要特性，因?yàn)樗鼈兂Ｖ甘緢D像中物體的物理特性。從一個(gè)層面到另一個(gè)層面的圖像亮度的局部突變叫亮度邊緣。對(duì)于亮度圖像中的邊緣檢測(cè)、直線(xiàn)檢測(cè)和點(diǎn)檢測(cè)有兩類(lèi)近似方法：微分檢測(cè)和模型擬合。 (3) 圖像特征提?。簣D像的特征是指圖像顯著的基本特征或特性。一些圖像是其本質(zhì)的特性，在一定程度上這樣的特征可以從視覺(jué)上分辨出來(lái)，另一 些則是通過(guò)某些變換產(chǎn)生的人為特征。本質(zhì)特征包括像素區(qū)域和灰度紋理區(qū)域的亮度。 (4) 圖像分割：圖像分割法使圖像被劃分成或分隔成具有相近特征的區(qū)域。對(duì)于圖像分割法，其最基本的特征是：?jiǎn)紊掌瑘D像的亮度振幅和彩色圖像的彩色因素。圖像邊緣和紋理也是對(duì)分割法很有用的特征。 (5) 形狀分析：目前已經(jīng)提出了幾種定性的和定量的方法來(lái)描述圖像中物體的形狀，這些方法對(duì)于在模式識(shí)別系統(tǒng)中對(duì)物體進(jìn)行分類(lèi)和在圖像理解系統(tǒng)中象征性的描述物體是很有用的。在這些方法中，有一些只能應(yīng)用在二進(jìn)制圖像中，另外的一些則可以被擴(kuò)展到灰度圖像中 。 (6) 圖像檢測(cè)和配準(zhǔn)：圖像檢測(cè)主要是確定位于圖像內(nèi)被猜測(cè)的物體是存在還是不存在的。而圖像配準(zhǔn)主要是涉及到一對(duì)圖像區(qū)域的空間配準(zhǔn)問(wèn)題。在一個(gè)圖像區(qū)域中，物體檢測(cè)的一種最基本方法是通過(guò)模板匹配來(lái)進(jìn)行。在目前的實(shí)際應(yīng)用中，廣泛的利用 Hough 變換來(lái)進(jìn)行圓形或橢圓性的物體檢測(cè)。比如，利用 Hough 變換進(jìn)行人臉圖像的定位；利用 Hough 變換進(jìn)行車(chē)牌字符分割；利用 Hough 變換進(jìn)行文本圖像的檢測(cè)；利用 Hough 變換進(jìn)行虹膜定位；利用寬線(xiàn)段 Hough 變換進(jìn)行箭靶識(shí)別上的應(yīng)用；利用 Hough變換進(jìn)行懸停直升機(jī)檢測(cè)器性 能分析 等等。 本文研究的主要內(nèi)容 數(shù)字圖像預(yù)處理 人們從各種觀(guān)測(cè)系統(tǒng)所獲得的圖像，我們稱(chēng)之為原始圖像。由于不同的成像機(jī)理，得到的原始圖像都含有大量不同性質(zhì)的噪聲，這些噪聲的存在影響著人們的對(duì)圖像的觀(guān)察，干擾人們對(duì)圖像信息的理解。噪聲嚴(yán)重時(shí)候，圖洛陽(yáng)理工學(xué)院畢業(yè)設(shè)計(jì) (論文 ) 4 像幾乎產(chǎn)生變形，更使得圖像失去了存儲(chǔ)信息的本質(zhì)意義。顯然，對(duì)圖像進(jìn)行去噪處理，是正確識(shí)別圖像信息的必要保證。圖像的平滑濾波也是圖像增強(qiáng)的主要手段。由于圖像的細(xì)節(jié)在頻域反映為圖像的高頻分量，與噪聲的高頻混淆，因此，如何既保持圖像的細(xì)節(jié)又能濾除隨機(jī) 噪聲，一直是圖像平滑的關(guān)鍵問(wèn)題。圖像濾波主要分為空間域?yàn)V波和頻率域?yàn)V波 [2]。圖像的雙邊濾波是近年來(lái)提出的一種新的濾除高斯噪聲的方法，與高斯濾波容易模糊圖像的邊緣相比，雙邊濾波能夠在濾除圖像中噪聲的同時(shí)很好地保持圖像的細(xì)節(jié)信息。雙邊濾波將依據(jù)像素鄰域位置關(guān)系的空間域高斯低通濾波器和依據(jù)鄰域像素亮度相似性的強(qiáng)度濾波器結(jié)合起來(lái)，能夠?yàn)V除圖像中的高斯噪聲，同時(shí)雙邊濾波在圖像邊緣處變?yōu)橐粋€(gè)沿著邊緣方向截?cái)嗖⑸扉L(zhǎng)的高斯濾波器，使處在邊緣梯度方向上的像素點(diǎn)的權(quán)值急速變小，能夠很大程度地保持圖像中的邊緣信息。該方法對(duì)彩色 和灰度圖像都適用，具有很強(qiáng)的實(shí)用性。但是由于雙邊濾波器的模板系數(shù)大小依賴(lài)于該像素點(diǎn)與中心像素點(diǎn)亮度的相似程度，當(dāng)中心像素點(diǎn)的亮度與周?chē)袼攸c(diǎn)差別較大時(shí)，特別是對(duì)圖像中的椒鹽噪聲，雙邊濾波器得不到很好的濾波效果，也給正確地檢測(cè)到圖像的邊緣帶來(lái)了很大的難度。 Hough 變換 Hough 變換是由 Paul Hough 于 1962 年提出的，并申請(qǐng)了專(zhuān)利。其基本思想是將圖像空間的一點(diǎn)變換到參量空間的一條曲線(xiàn)或一個(gè)曲面，而具有同一參量特征的點(diǎn)經(jīng)變換后在參量空間中相交，通過(guò)判斷交點(diǎn)處的累積程度來(lái)完成特征曲線(xiàn)的 檢測(cè)。它是一種檢測(cè)二進(jìn)制圖像中圖形的有效方法，如直線(xiàn)、圓、橢圓等，后來(lái)提出的廣義 Hough 變換可以檢測(cè)任意形狀的圖形，解決了模式識(shí)別和計(jì)算機(jī)視覺(jué)的許多問(wèn)題。經(jīng)過(guò)幾十年的發(fā)展， Hough 變換已經(jīng)不僅限于單純地識(shí)別圖像中的圖形邊界，在辦公文檔圖像處理、多普勒一時(shí)間圖像處理、航空?qǐng)D像自動(dòng)判讀和生物醫(yī)學(xué)工程等多個(gè)方面也都得到了應(yīng)用。本文將傳統(tǒng) Hough 變換算法作為研究的重點(diǎn)，在被檢測(cè)的圖像不是很復(fù)雜的情況下，傳統(tǒng) Hough 變換能夠得到令人滿(mǎn)意的結(jié)果，但由于傳統(tǒng)Hough 變換算法是一對(duì)多的映射匹配算法，圖像中的每一個(gè) 特征點(diǎn) (邊緣像素點(diǎn) )與參數(shù)空間中可能通過(guò)該點(diǎn)的所有曲線(xiàn)的參數(shù)相匹配，并對(duì)這些參數(shù)洛陽(yáng)理工學(xué)院畢業(yè)設(shè)計(jì) (論文 ) 5 單元投票累加。這就使得該方法有很大的缺陷： (l) 計(jì)算量大，所需的計(jì)算時(shí)間長(zhǎng)。 (2) 需要將參數(shù)空間單元預(yù)存到存儲(chǔ)單元中，耗費(fèi)大量的存儲(chǔ)空間。 (3) 由于圖像空間和參數(shù)空間的離散化，使得 Hough 變換的檢測(cè)精度不高。 (4) Hough 變換采用 1 值累加的方案對(duì)所有的特征點(diǎn)都進(jìn)行平等投票，無(wú)法區(qū)分噪聲點(diǎn)和組成目標(biāo)的特征點(diǎn)。 因此，有必要對(duì)傳統(tǒng) Hough 變換算法進(jìn)行一些改進(jìn)。由于 Hough 變換對(duì)于區(qū)域邊界被噪聲干擾或被其他目標(biāo) 遮蓋而引起邊界發(fā)生某些間斷的情況具有很好的容錯(cuò)性和魯棒性，也引起了許多國(guó)內(nèi)外學(xué)者和工程技術(shù)人員的普遍關(guān)注，近年來(lái)，一些有價(jià)值的改進(jìn)算法也相繼被提出來(lái)。如概率 Hough變換算法、隨機(jī) Hough 變換算法、模糊 Hough 變換算法和分層迭代 Hough變換算法等。 整篇文章的具體內(nèi)容安排如下： 第一章 緒論：介紹了圖像檢測(cè)課題研究的意義，這些領(lǐng)域發(fā)展的現(xiàn)狀及本文研究的主要內(nèi)容。 第二章 圖像預(yù)處理：主要討論了數(shù)字圖像的灰度化及濾波的不同方法，并對(duì)各個(gè)方法進(jìn)行了對(duì)比。 第三章 圖像分割：通過(guò)查閱國(guó)內(nèi)外的不同文獻(xiàn)找出了圖 像分割的不同方法，并進(jìn)行了對(duì)比，從而選出了最佳方法。 第四章 Hough 變換形狀特征檢測(cè)的基本方法：討論了 Hough 變換的基本概念、研究歷史和現(xiàn)狀， Hough 變換檢測(cè)圓的方法以及廣義 Hough 變換。 第五章 實(shí)驗(yàn)結(jié)果與分析：介紹了仿真用到的工具并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析。 總結(jié)：本文所有的工作，提出了仍存在的問(wèn)題，并對(duì)下一步的研究工作做了簡(jiǎn)單的介紹。 洛陽(yáng)理工學(xué)院畢業(yè)設(shè)計(jì) (論文 ) 6 第 2 章 圖像預(yù)處理 圖像預(yù)處理涉及到數(shù)學(xué)、計(jì)算機(jī)科學(xué)、模式識(shí)別、人工智能、信息論、生物醫(yī)學(xué)等學(xué)科，是一門(mén)多學(xué)科交叉應(yīng)用技術(shù)。它包括噪聲的濾除、邊緣的增強(qiáng)、 對(duì)比度的改善等等，其主要目的在于： (l) 改善圖像的視覺(jué)效果，提高圖像清晰度。 (2) 將圖像轉(zhuǎn)換成一種更適合于人或機(jī)器分析處理的形式，它不以圖像保真為原則，而是通過(guò)處理有選擇地突出某些感興趣的信息，預(yù)處理中出現(xiàn)的錯(cuò)誤和偏差會(huì)直接影響到后續(xù)處理與檢測(cè)的正確性。 精確的預(yù)處理為后續(xù)處理提供可信度高的輸入資料。能否正確地提取被檢測(cè)物體的特征參數(shù)。能否盡可能少地受到圖像中噪聲的影響，這些都在很大程度上取決于對(duì)原始圖像的預(yù)處理措施是否有效、是否符合實(shí)際情況。 圖像灰度化 灰度圖 灰度圖 (Grayscale)是指只含亮度信息，不含色彩信息的圖像，就像我們平時(shí)看到亮度由暗到明的黑白照片。因此，要表示灰度圖，就需要把亮度值進(jìn)行量化。通常劃分成 0 到 255 共 256 個(gè)級(jí)別， 0 最暗 (全黑 )， 255 最亮 (全白 )。 BMP 格式的文件中并沒(méi)有灰度圖這個(gè)概念，但是我們可以很容易地用BMP 文件來(lái)表示灰度圖。方法是用 256 色的調(diào)色板，只不過(guò)這個(gè)調(diào)色板有點(diǎn)特殊，每一項(xiàng)的 RGB 值都是相同的，也就是說(shuō) RGB 值從 (0， 0， 0)， (l，l， 1)一直到 (255， 255， 255)。 (0， 0， 0)是全黑色， (255， 255， 255)是全白色，中間的是灰色。這樣，灰度圖就可用 256 色圖來(lái)表示。 灰度圖使用比較方便。首先 RGB 的值都一樣；其次，圖像數(shù)據(jù)即調(diào)色板索引值，也就是實(shí)際的 RGB 的亮度值；另外因?yàn)槭?256 色的調(diào)色板，所以圖像數(shù)據(jù)中的一個(gè)字節(jié)代表一個(gè)像素。如果是彩色的 256 色圖，圖像處理后有可能會(huì)產(chǎn)生不屬于這 256 種顏色的新顏色，所以，圖像處理一般采用灰洛陽(yáng)理工學(xué)院畢業(yè)設(shè)計(jì) (論文 ) 7 度圖 [3]。在本中會(huì)介紹將彩色圖像轉(zhuǎn)化為灰度圖像的方法 (圖像灰度化處理 )。另外，本文所做的程序，如不做特殊說(shuō)明，都是針對(duì) 256 級(jí)灰度圖的。 圖像灰度化 由于實(shí)驗(yàn)使用的是彩 色數(shù)碼相機(jī)，所以最初輸入計(jì)算機(jī)的是 24 位真彩色圖像，而在本課題的后續(xù)研究中，如前面所述，主要是對(duì)灰度圖像進(jìn)行處理。因此有必要將 24 位彩色圖像轉(zhuǎn)化為灰度圖。 為了用計(jì)算機(jī)來(lái)表示和處理顏色，必須用定量的方法來(lái)描述顏色，即建立顏色模型，而顏色模型的基礎(chǔ)是建立在色度學(xué)理論上的。色度學(xué)理論是 在 1802 年提出的，其基本內(nèi)容是：任何色彩均可以由三種不同的基本顏色按不同的比例混合而成，即： 321 cCbCaCC ??? () 其中 321 , CCC 為三原色 (又稱(chēng)三基色 )， a， b， c 為三種原色的權(quán)值 (三原色的比例或濃度 )， C 為所合成的顏色，可為任意顏色。 色彩與亮度均是一種視覺(jué)感受，這種感受分別產(chǎn)生紅、綠、藍(lán)的視覺(jué)感受。實(shí)驗(yàn)已經(jīng)證明，由對(duì)應(yīng)三種視敏細(xì)胞而產(chǎn)生紅、綠、藍(lán)三種顏色作為任何顏色的基本色的理論稱(chēng)為三基色原理。原理指出： (l) 自然界的可見(jiàn)顏色都可以用三種基色按一定比例混合得到；反之，任意一種顏色都可以分解為三種顏色。 (2) 作為原色 的三種顏色應(yīng)該相互獨(dú)立，即其中任何一種都不能用其它兩種混合得到。 (3) 三原色之間的比例直接決定混合色調(diào)的飽和度。 (4) 混合色的亮度等于各原色的亮度之積。 在目前提出的多種顏色模型中， RGB 顏色模型是實(shí)際應(yīng)用中最多的一種。我們?cè)谇懊婕航?jīng)做了一些簡(jiǎn)單而具有代表性的介紹，我們?cè)诖说闹饕蝿?wù)是如何將彩色圖像轉(zhuǎn)化為灰度圖像，即圖像灰度化處理。 灰度化就是替彩色位圖的 R， G， B 三個(gè)分量找一個(gè)合適的、相等的值，以便將其轉(zhuǎn)換為灰度圖的過(guò)程。由于 R， G， B 的取值范圍是 0~255，所以灰度的級(jí)別只有 256 級(jí)，即灰度圖像 僅能表現(xiàn) 256 種顏色 (灰度 )。 常用的灰度化處理方法有最大值法、平均值法和加權(quán)平均值法。 洛陽(yáng)理工學(xué)院畢業(yè)設(shè)計(jì) (論文 ) 8 (l)最大值法：灰度值等于 R， G， B 分量的最大值，即 R=G=B=MAX(R，G， B)。最大值法會(huì)形成亮度很高的圖像。 (2)平均值法：灰度值等于 R， G， B 分量的平均值，即 R=G=B=(R+G+B)/3。平均值法會(huì)形成比較柔和的圖像。 (3)加權(quán)平均值法：根據(jù)重要性或其他指標(biāo)給 R， G， B 賦予不同的權(quán)值，并使， R， G， B 的值平均加權(quán)，即 3)( BwGwRwBGR b