圖像處理的相關(guān)技術(shù)

在機(jī)器視覺這一領(lǐng)域誕生的初期，一種普遍的研究范式，是將圖像看做二維的數(shù)字信號(hào)，然后借用數(shù)字信號(hào)處理中的方法，這就是圖像處理。今天小編給大家介紹的就是圖像處理的相關(guān)技術(shù)。

有一些運(yùn)算只對圖像的每一個(gè)像元點(diǎn)操作，產(chǎn)生一幅新圖像，二值化就是一個(gè)典型的例子。在預(yù)先設(shè)定了閥值的情況下，二值化的輸出僅僅取決于該點(diǎn)的值，因此

式中 fA 和 fB 分別為輸入和輸出圖像。這種運(yùn)算可使用查找表，LUT，在圖像數(shù)據(jù)順序通過時(shí)一次完成。各種灰度校正也是這種運(yùn)算，所不同的是二值化產(chǎn)生了二值圖像，而校正產(chǎn)生的仍為灰度圖像。

式中的 N 代表以[i,j]為中心的局部子圖像。這種運(yùn)算的一個(gè)例子見下圖，這種運(yùn)算幾乎會(huì)出現(xiàn)在每一個(gè)機(jī)器視覺系統(tǒng)中，它的輸入圖像可以是灰度圖像，也可以是二值圖像；它可以作平滑、銳化、去噪、細(xì)化、邊緣檢出等等運(yùn)算，局部像元的取法可以有多種方法，十字形、方形、蜂窩形等等，但使用得最多的是方形，例如使用 3×3 或 5×5 或 7×7 的方形模板，模板中每一位置具有一個(gè)核系數(shù)，用此模板對每一像元及其相鄰像元作卷積，是用得最多的一種運(yùn)算，其它如中值濾波也是去除噪音的較好算法。

有一些算法是基于整個(gè)輸入圖像而獲得的，被稱作全局算子

這類算法的一個(gè)例子在下圖中顯示。

它的輸出可以是一幅圖像，也可以是符號(hào)輸出。直方圖、富氏變換、廣義 Hough 變換都是全局算法。

在大多數(shù)機(jī)器視覺的應(yīng)用領(lǐng)域，都要求計(jì)算出圖像中物體的特性。為了識(shí)別這些物體，大小、平均灰度、周長、重心、形狀和其他一些特性都是常用到的，是直接對目標(biāo)物體計(jì)算而獲得的；而在缺陷檢測中，也是通過對目標(biāo)物體所作的檢測而獲得的。這就引出一個(gè)非常困難，而在機(jī)器視覺系統(tǒng)中又至關(guān)重要的問題：目標(biāo)物體是什么？在哪里？ 

在機(jī)器視覺中的很多算法都是圍繞圖像中的物體在哪里這一目的而展開的。而圖像中的物體還會(huì)帶來令人左右為難的決策。

例如，我們必須使用屬于目標(biāo)物體的所有點(diǎn)來計(jì)算該物體的特性；但我們又必須使用這些特性來區(qū)別這些點(diǎn)是否屬于該物體。

所以從背景像元成功分割出前景物體是視覺系統(tǒng)工作成敗的關(guān)鍵。為了徹底理解圖像的內(nèi)容，機(jī)器視覺必須對目標(biāo)物體作多種運(yùn)算操作，以便做出正確的分割。

下圖演示了對一個(gè)物體的邊緣進(jìn)行跟蹤以后獲取的鏈碼，通過對鏈碼可以直接做形狀分類；還可以通過鏈碼做富氏算子變換，從而突出反映形狀的分量。從這個(gè)例子可以看出物體級(jí)算法不象前面所述的三種類型的算法那么有規(guī)律，可以按照像元掃描的順序來進(jìn)行，便于使用專門芯片來實(shí)時(shí)完成。物體目標(biāo)級(jí)算法往往是較復(fù)雜的，只適用于處理器來執(zhí)行，例如 PC 機(jī)的 CPU，專用信號(hào)處理器 DSP 等；同時(shí)這些算法的運(yùn)算時(shí)間不是往往固定的，而是隨著圖像內(nèi)容的復(fù)雜程度而變化的。