【文章內(nèi)容簡介】 ，因此需要對圖像上的噪聲進(jìn)行消除。圖像的噪聲處理一般有兩種方法：（ 1）鄰域平均濾波方法（ 2）鄰域中值濾波方法。 均值濾波也成為線性濾波，其采用的主要方法為領(lǐng)域平均法。線性濾波的基本原理是用均值代替原圖像中的各個 像素值，即對待處理的當(dāng)前像素點 ),( yx ，選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值富裕當(dāng)前像素點 ),( yx ，作為處理后圖像在該點上的灰度 ),( yxg ，即 ?? ),(/1),( yxfmyxg ， m 為該模板中包含當(dāng)前像素在內(nèi)的像素總個數(shù)。 由于圖像的邊緣主要包括了圖像細(xì)節(jié)和高頻信息，因此在利用鄰域平均方法進(jìn)行圖像噪聲消除的同事，會使圖像的邊緣變得有些模糊。中值濾波則是一種能夠很好地彌補領(lǐng)域平均方法不足的圖像噪聲消除方法。 中值濾波的基本思想是對一個窗口內(nèi)的所有像素的灰度進(jìn)行排序，取排序結(jié)果的中間值作為原圖像中心點出的像素的灰度值。中值濾波器是基于次序統(tǒng)計完成信號恢復(fù)的一種典型的非線性濾波器，通常選用的窗口有線形、十字形、方形和 圓形等。本文采用方形的窗口，窗口大小為 33? 。 下面為各種玻璃缺陷中值濾波后的圖像。 中北大學(xué) 20xx 屆畢業(yè)論文 圖 中值濾波后劃痕的圖像 圖 中值濾波后夾雜的圖像 中北大學(xué) 20xx 屆畢業(yè)論文 圖 中值濾波后氣泡的圖像 玻璃缺陷圖像的分割 經(jīng)過預(yù)處理后的圖像盡管濾除了干擾，但是目標(biāo)缺陷的表達(dá)形式還不夠緊湊，不能直接進(jìn)行特征提取，為了進(jìn)一步分析和辨識目標(biāo) ，需要將缺陷特征相對集中的區(qū)域從整幅圖像中分割出來。圖像分割是計算機圖像處理的一個基本問題，也是進(jìn)行許多后續(xù)圖像分析任務(wù)的先行步驟，其定義是指將圖像被劃分成或分隔成為具有相近特征的區(qū)域并提取出感興趣的目標(biāo)的過程。感興趣的部分也可以稱為目標(biāo)或前景，它們一般對應(yīng)圖像中特定、具有獨特性質(zhì)的區(qū)域，其余的區(qū)域則稱為背景。目前針對灰度圖像的分割技術(shù)主要有五種類型 :基于像素的技術(shù)、基于邊緣檢測的技術(shù)、基于區(qū)域生長的技術(shù)、基于模型的技術(shù)和混合技術(shù)，本文著重研究了基于邊緣檢測及基于區(qū)域生長的分割技術(shù)。 基于邊緣檢測的 分割技術(shù)主要依賴于對圖像中不同區(qū)域間的不連續(xù)性，即邊緣的識別達(dá)到分割效果。所謂邊緣是指其周圍像素灰度值有階躍變化或拋物線變化的那些像素點的集合，它是灰度值不連續(xù)的結(jié)果，也是圖像分割所依賴的重要特征。邊緣的種類可以分為兩種 :一種稱為階躍性邊緣，它兩邊的像素的灰度值有著顯著的不同 。另一種稱為屋頂狀邊緣，它位于灰度值從增加到減少的變化轉(zhuǎn)折點。如果一個像素落在圖像中某一個物體的邊界上，那么它的鄰域?qū)⒊蔀橐粋€灰度級的變化帶。對這種變化最有用的兩個特征是灰度的變化率和方向，它們分別以梯度向量的幅度和方向來表示。邊緣檢測 是一種突出圖像邊緣，削弱邊緣以外圖像區(qū)域，突出圖像輪廓的方法。它可以在保留關(guān)于物體邊界有用的結(jié)構(gòu)信息的同時，極大地降低處理數(shù)據(jù)量，從而簡化圖像的分析過程。 在各類缺陷圖像中，劃痕與氣泡大量存在階躍性邊緣，以氣泡為例，透射光線在其中北大學(xué) 20xx 屆畢業(yè)論文 邊緣將發(fā)生折射，因此，氣泡邊緣的光強增大，邊緣灰度值就偏高 。而在氣泡的中心區(qū)域，光線發(fā)生反射，光強減弱，中心區(qū)域灰度值偏低 。而對于夾雜與結(jié)石缺陷，由于固體夾雜物改變了玻璃內(nèi)部晶體的結(jié)構(gòu)，進(jìn)而影響了光線透過玻璃的均勻性，因而其邊緣灰度值存在過渡，屬于屋頂狀邊緣。如果用邊緣檢測法 進(jìn)行分割，可以找出缺陷的位置和方向。常見的邊緣檢測算子有 Robert 算子、 Sobel 算子、 Prewitt 算子、 Canny 算等。 1 .Roberts 算子 Roberts 邊緣檢測算子采用的是對角方向相鄰的兩個像素之差，其本質(zhì)是利用局部差分算子尋找邊緣的算子，它由下式 給出。 22 ]1,(),1([)]1,1(),([),( ）???????? jifjifjifjifjiG ≈ )1,1(),( ??? jifjif + )1,(),1( ??? jifjif （ ） 其中 ),( jiG 是表示處理后 ),( ji 點的灰度值， ),( jif 表示處理前該點的灰度值。 ),( jif 是具有整數(shù)像素坐標(biāo)的輸入圖像，平方根運算使處理類似于在人類視覺系統(tǒng)中發(fā)生的過程。該算法的算子模板如圖 所示。 0 1 1 0 圖 Roberts 算子模塊 2. Sobel算子 Sobel邊緣算子的掩模模板是兩個 3X3 的卷積核。它用于邊緣提取，圖像中的每個點都用這兩個模板來做卷積，第一個模板對垂直邊緣影響最大 。第二個模板對水平邊緣影響最大。兩個卷積的最大值最為該 點的輸出，運算結(jié)果是一幅邊緣幅度圖像。它具有方向性，在水平方向和垂直方向上形成最強烈的邊緣。 Sobel算子模板如圖 所示。 1 0 0 1 中北大學(xué) 20xx 屆畢業(yè)論文 圖 Sobel 算子模塊 邊緣檢測算子 濾波器的尺度選擇一直是邊緣檢測的一大難題， Canny 提出了多尺度空間邊緣檢測。其具體步驟為 : (1)用高斯濾波器平滑圖像 。 (2)用一階偏導(dǎo)的有限差分來計算梯度的幅值和方向 。 (3)對梯度幅值應(yīng)用非極大值抑制 。 (4)用雙閩值算法檢測和連接邊緣。 4. Prewitt 算子 與使用 Sobel算子的方法相同，圖像中的每個點都用這兩個模板做卷積，并且取最大值作為輸出，結(jié)果是邊緣幅度的圖像。它與 Sobel算子不同，這一算子沒有把重點放在接近模板中心的像素點。 Prewitt 算子模板如圖 所示。 圖 Prewitt 算子模塊 用上述各種邊緣檢測算子對 各種 缺陷圖像進(jìn) 行邊緣檢測，檢測效果如 面 所示 : 1 2 1 0 0 0 1 2 1 1 0 1 2 0 2 1 0 1 1 1 1 0 0 0 1 1 1 1 0 1 1 0 1 1 0 1 中北大學(xué) 20xx 屆畢業(yè)論文 圖 劃痕邊緣檢測結(jié)果 圖 夾雜邊緣檢測結(jié)果 中北大學(xué) 20xx 屆畢業(yè)論文 圖 氣泡邊緣檢測結(jié)果 經(jīng)過比對可以看出 roberts 算子邊緣檢測后的圖像輪廓比較清晰，所以選用 roberts算子邊緣檢測后的圖像作為經(jīng)過預(yù)處理后的圖像，這位下一章提取特征值奠定了基礎(chǔ)。 中北大學(xué) 20xx 屆畢業(yè)論文 3 玻璃缺陷圖像特征提取 3. 1 缺陷特征選取的原則 特征參數(shù)的提取是玻璃缺陷識別的一個重要部分 。特征參數(shù)選取的合理與否，直接關(guān)系到缺陷識別的效果。選取特征參數(shù)是識別前的準(zhǔn)備工作。所以在選取玻璃缺陷的特征參數(shù)時，要盡量反映缺陷本身的特征，盡量選取缺陷之間最能區(qū)別于其它缺陷的特征。特征參數(shù)還要盡量選得精，選得少，以能把缺陷識別出來即可，太多的參數(shù)將會增加系統(tǒng)的計算量，降低系統(tǒng)的運行速度。 在對玻璃缺陷的圖像觀察中發(fā)現(xiàn)，不同類型的玻璃缺陷在幾何形狀上差異較大，而相同類型缺陷的幾何形狀比較類似，只是在位置和大小上不確定，可能會出現(xiàn)平移、旋轉(zhuǎn)、比例縮放等問題 。并且某些缺陷，比如氣泡、結(jié)石，改變了玻璃的 透射性能，會對光線會產(chǎn)生折射、反射等現(xiàn)象，導(dǎo)致缺陷邊緣產(chǎn)生了紋理圖案。根據(jù)這兩種特點，本章基于 Hu不變矩進(jìn)行提取，利用這種方法提取出的特征可以描述缺陷，作為感知器神經(jīng)網(wǎng)絡(luò)的輸入。 3. 2 基于 Hu 不變矩特征的提取 不變矩是一種非常重要的表示目標(biāo)總體形狀的特征量，而且它具有對旋轉(zhuǎn)和縮放變化的目標(biāo)具有良好的不變性及抗干擾性，不受待識別物體的大小、位置、方位的影響，能有效地反映圖像的形狀特征，在圖像特征提取方面得到了廣泛的應(yīng)用。 Hu 不變矩概述 矩特征定義 對于連續(xù)灰度函數(shù) f(x,y),它的 m+n 階二維原點矩 Mmn 的定義為 : dx dyyxfyxM nmmn ),(? ?????????? m,n=0,1,2... () 假設(shè) f(x,y)為分段連續(xù)的有界函數(shù)，并且在 x,y 平面上有限區(qū)域內(nèi)有非零值。根據(jù)唯一性定理，它的各階矩存在且唯一地被 f (x,y)確定，反過來 f (x,y)也唯一地被它的各階矩確定。 此外，還可以定義了 f(x,y)的 m+n 階中心距為 : 中北大學(xué) 20xx 屆畢業(yè)論文 ? ????? ???? ??? ),()() yxfyyxx nomomn （? m,n=0,1,2... () 其中 oo yx, 分別表示圖像關(guān)于 x 軸和 y軸的灰度重心坐標(biāo) : ? ?? ? ???? ???????? ????? ),(),( yxfyxxfx o （ ） ? ?? ? ???? ???????? ????? ),(),(0 yxfyxyfy （ ） 歸一化中心矩 mnI 為： rmnI ??? ??mn （ ） 其中 2nm??r ， m+n=2,3... 以上是連續(xù)的情況，而數(shù)字圖像都是經(jīng)過離散化的，因此需要計算離散情況下的 m+n 階矩，設(shè)一幅分辨率為 qp? 的二維離散的玻璃缺陷圖像的灰度函數(shù)為 ),( yxf 相應(yīng)的原點矩和中心距公式如下 : ??? ??pxqynmmn yxfyxM1 1 ),( （ ） ? ?? ? ??? px qy nmomn yxfyyxx1 1 0 ),()()(? （ ） 重心坐標(biāo)為： ? ?? ? ? ?? ?? px qypx qyo yxfyxxfx 1 11 1 ),(),( （ ） ? ?? ? ? ?? ?? px qypx qy yxfyxyfy 1 11 10 ),(),( （ ）矩特征的物理意義 (1)零階矩 根據(jù)矩的定義，圖像 ),( yxf 的零階矩 00M 定義為 : 中北大學(xué) 20xx 屆畢業(yè)論文 ? ????? ????? dxdyyxfM ),(00