【文章內(nèi)容簡介】 數(shù)字化 一幅原始照片的灰度值是空間變量（位置的連續(xù)值）的連續(xù)函數(shù)。在 MN 點陣上對照片灰度采樣并加以量化（歸為 2b 個灰度等級之一），可以得到計算機能夠處理的數(shù)字圖像。為了使數(shù)字圖像能重建原來的圖像 ,對 M、 N 和 b 值的大小就有一定的要求。在接收裝置的空間和灰度分辨能力范圍內(nèi) ,M、 N 和 b的數(shù)值越大 ，重建圖像的質(zhì)量就越好。當取樣周期等于或小于原始圖像中最小細節(jié)周期的一半時，重建圖像的頻譜等于原始圖像的頻譜，因此重建圖像與原始圖像可以完全相同。由于 M、 N 和 b三者的乘積決定一幅圖像在計算機中的存儲量，因此在存儲量一定的條件下需要根據(jù)圖像的不同性質(zhì)選擇合適的 M、 N 和 b值，以獲取最好的處理 效果。 用于改正圖像采集系統(tǒng)的系統(tǒng)誤差和儀器位置的隨機誤差所進行的變換。對于衛(wèi)星圖像的系統(tǒng)誤差，如地球自轉(zhuǎn)、掃描鏡速度和地圖投影等因素所造成的畸變 ，可以用模型表示 ， 并通過幾何變換來消除。隨機誤差如飛行器姿態(tài)和高度變化引起的誤差，難以用模型表示出來，所以一般是在系統(tǒng)誤差被糾正后，通過把被觀測的圖和已知正確幾何位置的圖相比較，用圖中一定數(shù)量的地面控制點解雙變量多項式函數(shù)組而達到變換的目的。 使圖像的某些特征在給定變換下具有不變性質(zhì)的一種圖像標準形式。圖像的某些性質(zhì)，例如物體 的面積和周長，本來對于坐標旋轉(zhuǎn)來說就具有不變的性質(zhì)。在一般情況下，某些因素或變換對圖像一些性質(zhì)的影響可通過歸一化處理得到消除或減弱，從而可以被選作測量圖像的依據(jù)。例如對于光照不可控的遙感圖片，灰度直方圖的歸一化對于圖像分析是十分必要的。灰度歸一化、幾何歸一化和變換歸一化是獲取圖像不變性質(zhì)的三種歸一化方法。 消除圖像中隨機噪聲的技術(shù)。對平滑技術(shù)的基本要求是在消去噪聲的同時不使圖像輪廓或線條變得模糊不清。常用的平滑方法有中值法、局部求平均法和 k 近鄰平均法。局部區(qū)域大小可以是固定的，也可以是逐點 隨灰度值大小變化的。此北京印刷學院本科生畢業(yè)設(shè)計（論文） 12 外，有時應(yīng)用空間頻率域帶通濾波方法。 校正各種原因所造成的圖像退化，使重建或估計得到的圖像盡可能逼近于理想無退化的像場。在實際應(yīng)用中常常發(fā)生圖像退化現(xiàn)象。例如大氣流的擾動，光學系統(tǒng)的像差，相機和物體的相對運動都會使遙感圖像發(fā)生退化。基本的復原技術(shù)是把獲取的退化圖像 g(x， y)看成是退化函數(shù) h(x， y)和理想圖像 f(x， y)的卷積。它們的傅里葉變換存在關(guān)系 G(u， v＝ H(u， v)F(u， v)。根據(jù)退化機理確定退化函數(shù)后，就可從此關(guān)系式求出 F(u， v)，再用傅里葉反變換求 出 f(x， y)。通常把 稱為反向濾波器。實際應(yīng)用時，由于 H(u， v)隨離開 uv 平面原點的距離增加而迅速下降，為了避免高頻范圍內(nèi)噪聲的強化，當 u2+v2 大于某一界限值 W時，使 M(u，v)等于 1。 W0 的選擇應(yīng)使 H(u， v)在 u2+v2≤W 范圍內(nèi)不會出現(xiàn)零點。圖像復原的代數(shù)方法是以最小二乘法最佳準則為基礎(chǔ)。尋求一估值弮 ， 使優(yōu)度準則函數(shù)值最小。這種方法比較簡單，可推導出最小二乘法維納濾波器。當不存在噪聲時，維納濾波器成為理想的反向濾波器。 對圖像中的信息有選擇地加強和抑制，以改善圖像的視覺效果，或 將圖像轉(zhuǎn)變?yōu)楦m合于機器處理的形式，以便于數(shù)據(jù)抽取或識別。例如一個圖像增強系統(tǒng)可以通過高通濾波器來突出圖像的輪廓線，從而使機器能夠測量輪廓線的形狀和周長。圖像增強技術(shù)有多種方法，反差展寬、對數(shù)變換、密度分層和直方圖均衡等都可用于改變圖像灰調(diào)和突出細節(jié) 。 圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣目標的技術(shù)和過程，此處特性可以是像素的灰度、顏色、紋理等預(yù)先定義的目標可以對應(yīng)單個區(qū)域，也可以對應(yīng)多個區(qū)域。 圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟，在圖像工程中占據(jù)重要的位置。一方面，它是目標表達的基礎(chǔ)，對特征測量有重要的影響；另一方面，因為圖像分割及其基于分割的目標表達、特征抽取和參數(shù)測量的將原始圖像轉(zhuǎn)化為更抽象更緊湊的形式，使得更高層的圖像分析和理解成為可能。 圖像分割是圖像理解的基礎(chǔ)，而在理論上圖像分割又依賴圖像理解， 彼此是緊北京印刷學院本科生畢業(yè)設(shè)計（論文） 13 密關(guān)聯(lián)的。圖像分割在一般意義下是十分困難的問題，目前的圖像分割一般作為圖像的前期處理階段，是針對分割對象的技術(shù)，是與問題相關(guān)的，如最常用到的利用閾值化處理進行的圖像分割。 圖像分割有三種不同的途徑，其一是將各象素劃歸到相應(yīng)物體或區(qū)域的象素聚類方法即區(qū)域法，其二是通過直接確定區(qū)域間的邊界來實現(xiàn)分割的邊界方法，其三是首先檢測邊緣象素再將邊緣象素連接起來構(gòu)成邊界形成分割。 閾值是在分割時作為區(qū)分物體與背景象素的門限，大于或等于閾值的象素屬于物體，而其它屬于背景。這種方法對于在物體與背景之間存在明顯差別（對比）的景物分割十分有效。實際上，在任何實際應(yīng)用的圖像處理系統(tǒng)中，都要用到閾值化技術(shù)。為了有效地分割物體與背 景，人們發(fā)展了各種各樣的閾值處理技術(shù)，包括全局閾值、自適應(yīng)閾值、最佳閾值等等。 當物體與背景有明顯對比度時，物體的邊界處于圖像梯度最高的點上，通過跟蹤圖像中具有最高梯度的點的方式獲得物體的邊界，可以實現(xiàn)圖像分割。 這種方法容易受到噪聲的影響而偏離物體邊界，通常需要在跟蹤前對梯度圖像進行平滑等處理，再采用邊界搜索跟蹤算法來實現(xiàn)。 為了獲得圖像的邊緣人們提出了多種邊緣檢測方法，如 Sobel, Canny edge, LoG。在邊緣圖像的基礎(chǔ)上，需要通過平滑、形態(tài)學等處理去除噪聲點、毛刺、空洞等不需要的部分，再通過細化、邊緣連接和跟蹤等方法獲得物體的輪廓邊界。 4. Hough 變換 對于圖像中某些符合參數(shù)模型的主導特征，如直線、圓、橢圓等，可以通過對其參數(shù)進行聚類的方法，抽取相應(yīng)的特征。 區(qū)域增長方法是根據(jù)同一物體區(qū)域內(nèi)象素的相似性質(zhì)來聚集象素點的方法，從初始區(qū)域（如小鄰域或甚至于每個象素）開始，將相鄰的具有同 樣性質(zhì)的象素或其它區(qū)域歸并到目前的區(qū)域中從而逐步增長區(qū)域，直至沒有可以歸并的點或其它小區(qū)域為止。區(qū)域內(nèi)象素的相似性度量可以包括平均灰度值、紋理、顏色等信息。 北京印刷學院本科生畢業(yè)設(shè)計（論文） 14 區(qū)域增長方法是一種比較普遍的方法，在沒有先驗知識可以利用時，可以取得最佳的性能，可以用來分割比較復雜的圖像，如自然景物。但是，區(qū)域增長方法是一種迭代的方法 ，空間和時間開銷都比較大。 模板匹配是最早出現(xiàn)，也是最簡單的模式識別方法之一，匹配是模式識別的一種分類操作，主要是判斷同一類的兩個實體（如點、曲線、形狀等）之間的相似性。要進行模板匹配，首先需要存儲一些已知模板，然后考慮所有可能的變化，將待識別模板與已知模板相比較，從而得出二者之間的相似性度量。為保證模板的通用性，已知模板一般是通過訓練得到的。 依照此系統(tǒng)的要求所實現(xiàn)模板匹配的算法如下：先要確定模板的形式，如 33或 4 4的模板如圖（ 21）所示。然后將目標圖形放到確定的模板中去，通過以圖形包括的模板中點的不同，找出圖形之間的差異，從而實現(xiàn)分辨圖形的目的，典型圖形（三角形，矩形，圓形）模板匹配示意圖，見圖（ 22） 。通過圖（ 22）可以看出模板越大、點數(shù)月多，判別的信息就越多，準確性越高。 圖 21 3 3， 4 4的模板 圖 22 典型圖形（三角形，矩形，圓形）模板匹配示意圖 具體算法描述為：先找圖形的中心點坐標，方法有： （ 1）找到圖像的各頂點，使其坐標 做差，算出頂點到圖形中心的距離，從而得到北京印刷學院本科生畢業(yè)設(shè)計（論文） 15 圖形的中心坐標； （ 2）通過對分割后的圖像的所用坐標求和，在用圖形總共像素數(shù)取平均。 然后根據(jù)圖形的中心點與模板其它點之間的距離，得到這些點在圖像上的實際坐標，然后判斷這些點是否被圖形包含，從而判斷是否實現(xiàn)模板匹配。 對于一個圖形的辨別還要考慮到其圖形的大小的問題，模板匹配算法可以簡單的實現(xiàn)對于大小變化圖形的識別。方法是：建立圖形中心點到某一端點的距離同模板相對應(yīng)的點與中心點間距離的比例系數(shù)關(guān)系，從而實現(xiàn)訓練模板使之能適應(yīng)圖形大小的變化。 輪廓跟蹤 跟蹤介紹 輪廓跟蹤是現(xiàn)今一種發(fā)展成熟的邊緣提取算法，它是根據(jù)提取圖像中有序邊緣點的邊緣序列實現(xiàn)輪廓特征的提取。所謂輪廓 (contour)就是把邊緣連接起來。輪廓可以是斷開的，也可以是封閉的。封閉輪廓對應(yīng)于區(qū)域的邊界，而區(qū)域內(nèi)的像素可以通過填充算法來填滿。斷開的輪廓可能是區(qū)域邊界的一部分，也可能是圖像線條特征，如手寫體筆畫、圖畫中的線條等。區(qū)域之間的對比度太弱或邊緣檢測閾值設(shè)置太高都有可能產(chǎn)生間斷的輪廓。而根據(jù)輪廓跟蹤算法描述，此系統(tǒng)處理的是封閉的輪廓。 2．輪廓編碼與存儲 對于輪廓的表示此系統(tǒng)采用鏈碼方式。 鏈碼一種邊界的編碼表示法，它規(guī)定了邊緣表中每一個邊緣點所對應(yīng)的輪廓方向，其中的輪廓方向被量化為 4－鄰接鏈碼或 8－鄰接鏈碼中的一個，如圖（ 23）所示。圖（ 23）（ b）是 8－鄰接鏈碼的表示法， 8－鄰接鏈碼從邊緣表中第一個邊緣開始，沿著輪廓按逆時針方向行走，行走方向用八鏈碼中的一個表示。本次統(tǒng)采用的就是這種 8－鄰接鏈碼的表示法。鏈碼是一種非常重要的曲線描述方法，主要是因為它節(jié)省存儲空間。 北京印刷學院本科生畢業(yè)設(shè)計（論文） 16 （ a） （ b） 圖 23 連接邊緣點方向的鏈碼示意圖，（ a）４－ 鄰接鏈碼， (b) 8－鄰接鏈碼 輪廓跟蹤與模板匹配比較 對比模板匹配與基于輪廓跟蹤的角度判別算法，本系統(tǒng)采用的是基于輪廓跟蹤的角度判別算法。原因輪廓跟蹤對于圖形的旋轉(zhuǎn)很敏感，如圖（ 27）所示。解決此問題的方法有： （ 1）使模板也旋轉(zhuǎn)同圖形旋轉(zhuǎn)一樣的角度，但此法難以實現(xiàn)，因為在判別圖像前根本不知道圖像是否有旋轉(zhuǎn)，若提供算法對任何圖形都采用統(tǒng)一的模板旋轉(zhuǎn)算法是非常難以實現(xiàn)的。如考慮圖形定點分布情況，則圓形和矩形就很難分辨，因為對于圖像查找來說，理論上都會找出四個定點，就還得根據(jù)圖像邊的走向進一步判 斷。 （ 2）加大模板的大小，增加更多的模板信息來區(qū)分圖形，此種方法雖然實現(xiàn)上不存在什么問題，但是此法會使判斷的算法復雜，加大處理負擔。 圖 27 旋轉(zhuǎn)圖形的模板匹配問題 相比下基于輪廓跟蹤的角度判別算法，它只跟圖形的輪廓信息判斷，對圖像的大小與旋轉(zhuǎn)都不敏感。雖然基于輪廓跟蹤的角度判別算法對于圖像輪廓噪聲敏感，但對于此系統(tǒng)來說采集的圖像比較標準，且采集的精確度在允許范圍內(nèi)，對于噪聲的影響不是非常嚴重，可以用算法減少噪聲的干擾。 北京印刷學院本科生畢業(yè)設(shè)計（論文） 17 第三章 實現(xiàn)過程及算法 一個圖形辨別算法的實現(xiàn)一般分為：圖像采集，圖 像預(yù)處理，圖像分割，輪廓跟蹤，圖像辨別五個部分?？傁到y(tǒng)實現(xiàn)框圖，圖（ 31）所示。 圖 像 采 集 圖 像 預(yù) 處 理 圖 像 分 割 輪 廓 跟 蹤 角 度 判 別圖 3