基于matlab的圖像去噪與邊緣檢測技術(shù)(編輯修改稿)
2024-07-24 17:48 本頁面
【文章內(nèi)容簡介】 函數(shù)是單值函數(shù)。這表明，高斯濾波器用像素鄰域的加權(quán)均值來代替該點的像素值，而每一鄰域像素點的權(quán)值是隨著該點與中心點距離單調(diào)遞減的。這一性質(zhì)是很重要的，因為邊緣是一種圖像局部特征。如果平滑運算對離算子中心很遠的像素點仍然有很大的作用，則平滑運算會使圖像失真。（3）高斯函數(shù)的傅立葉變換頻譜是單瓣的。這一性質(zhì)是高斯函數(shù)傅立葉變換等于高斯函數(shù)本身這一事實的直接推論。圖像常被不希望的高頻信號所污染，而所希望的圖像特征，既含有低頻分量，又含有高頻分量。高斯函數(shù)傅立葉變換的單瓣意味著平滑圖像不會被不需要的高頻信號所污染，同時保留了大部分所需要的信號。（4）高斯濾波器的寬度(決定著平滑程度)是由參數(shù)σ表證的，而且σ和平滑程度的關(guān)系是非常簡單的。σ越大，高斯濾波器的頻帶就越寬，平滑程度就越好。通過調(diào)節(jié)平滑程度參數(shù)σ，可在圖像特征分量模糊(過平滑)與平滑圖像中由于噪聲和細紋理所引起的過多的不希望突變量(欠平滑)之間取得折衷。（5）由于高斯函數(shù)的可分離性，大高斯濾波器可以有效實現(xiàn)。通過二維高斯函數(shù)的卷積可以分兩步來進行，首先將圖像與一維高斯函數(shù)進行卷積，然后將卷積的結(jié)果與方向垂直的相同一維高斯函數(shù)進行卷積。因此，二維高斯濾波的計算量隨濾波模板寬度成線性增長而不是成平方增長。這些性質(zhì)使得它在早期的圖像處理中特別有用，表明高斯平滑濾波器無論在空間域還是在頻率域都是十分有效的低通濾波器。[4]4邊緣檢測 邊緣檢測定義所謂圖像邊緣（Edlge）是指圖像局部特性的不連續(xù)性，例如，灰度級的突變，顏色的突變，紋理結(jié)構(gòu)的突變等。邊緣廣泛存在于目標與目標、物體與背景、區(qū)域與區(qū)域（含不同色彩）之間，它是圖像分割所依賴的重要特征。本為主要討論幾種典型的圖像灰度值突變的邊緣檢測方法，其原理也是用于其他特性突變的邊緣檢測。圖像的邊線通常與圖像灰度的一階導(dǎo)數(shù)的不連續(xù)性有關(guān)。圖像灰度的不連續(xù)性可分為兩類：階躍不連續(xù)，即圖像灰度再不連續(xù)出的兩邊的像素的灰度只有明顯的差異，線條不連續(xù)，即圖像灰度突然從一個值變化到另一個值，保持一個較小的行程又返回到原來的值。在實際中，階躍和線條邊緣圖像是較少見的，由于空間分辨率（尺度空間）、圖像傳感器等原因會使階躍邊緣變成斜坡形邊緣，線條邊緣變成房頂形邊緣。它們的灰度變化不是瞬間的而是跨越一定距離的。 圖像邊緣檢測算法的研究內(nèi)容圖像邊緣檢測和分析可定義為應(yīng)用一系列方法獲取、校正、增強、變換、檢測或壓縮可視圖像的技術(shù)。其目的是提高信息的相對質(zhì)量，以便提取有用信息。圖像邊緣檢測中的變換屬于圖像輸入圖像輸出模式，圖像邊緣檢測是一種超越具體應(yīng)用的過程，任何為解決某一特殊問題而開發(fā)的圖像邊緣檢測新技術(shù)或新方法，幾乎肯定都能找到其他完全不同的應(yīng)用領(lǐng)域。[5] ,圖像邊緣檢測的主要研究內(nèi)容包括：（1） 圖像獲得和抽樣，其中通過人眼觀察的視野獲取圖像的問題有：最常用的圖像獲取裝置——電視（TV）攝像機問題，對所獲得信號進行獨立的采樣和數(shù)字化就可用數(shù)字形式表達景物中全部彩色內(nèi)容；電荷耦合裝置，用作圖像傳感器，對景物每次掃描一行，或通過平行掃描獲得圖像；選擇正確的分辨力或采樣密度，一幅圖像實質(zhì)上是二維空間中的信號，所以適用于信號處理的法則同樣適用于圖像邊緣檢測，在放射學(xué)中常常需要高分辨力，要求圖像至少達到2048像素2048像素；灰度量化，圖像強度也必須進行數(shù)字化，通常以256級（按1字節(jié)編碼）覆蓋整個灰度，一般一幅灰度分辨力為8位，空間分辨力為512像素。（2） 圖像分割，目的是把一個圖像分解成它的構(gòu)成成分，以便對每一目標進行測量。圖像分割是一個十分困難的過程。但其測量結(jié)果的質(zhì)量卻極大地依賴于圖像分割的質(zhì)量。有兩類不同的圖像分割方法。一種方法是假設(shè)圖像各成分的強度值是均勻的并利用這種均勻性；另一
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1