图像预处理在机器视觉中的应用

一个典型的机器视觉系统

获取图像 分析 控制

预处理种类

滤除噪声 修复边缘 增强对比度

图像噪声基本原理

光子探测符合泊松分布 :

泊松分布的方差等于它的统计平均值 信噪比 ∝ 光子数量 /像素 光子数 ∝ 曝光时间 x 像素尺寸 x 光强

λ1 λ2

图像噪声基本原理

除了光子的散射噪声 ,有的图像还有斑点噪声

光子的散射噪声

斑点噪声

图像噪声

光子的散射噪声斑点

斑点过滤

滤除后 滤除前

斑点过滤

滤除后 滤除前

斑点过滤

滤除后 滤除前

递归降噪

Y(n)

Y(n-1)

X(n)

a(n) 帧存

只能用于视频 运动问题

递归降噪

滤除后 滤除前

多尺度分析

例如 : 小波 , 子带编码可以用于图像帧内滤波

多尺度分析 滤除后 滤除前

多尺度分析 滤除前 滤除后

边缘修复

在噪声图像中滤除噪声后 ,边缘可能不平滑

边缘检测

Canny边缘检测比较有效 ,但是占用硬件资源很多 (J.Canny, A Computational Approach To Edge Detection,IEEE PAMI, Aug 1986, 679-714).

新的边缘检测算法 : 优点：占用硬件资源很少 ,有效抑制伪边缘缺点：边缘定位欠精确

检测噪声图像中的边缘轮廓

边缘修复

修复前 修复后

增强对比度

之后之前

谢谢大家 !