作者：cvvision
連結：http://www.cvvision.cn/8907.html


二、

22、均值濾波 均值濾波是典型的線性濾波演算法，它是指在影象上對目標畫素給一個模板，該模板包括了其周圍的臨近畫素（以目標象素為中心的周圍8個畫素，構成一個濾波模板，即去掉目標畫素本身），再用模板中的全體畫素的平均值來代替原來畫素值。 不足之處：均值濾波本身存在著固有的缺陷，即它不能很好地保護影象細節，在影象去噪的同時也破壞了影象的細節部分，從而使影象變得模糊，不能很好地去除噪聲點。

23、高斯濾波 高斯濾波是一種線性平滑濾波，適用於消除高斯噪聲，廣泛應用於影象處理的減噪過程。通俗的講，高斯濾波就是對整幅影象進行加權平均的過程，每一個畫素點的值，都由其本身和鄰域內的其他畫素值經過加權平均後得到。高斯濾波的具體操作是：用一個模板（或稱卷積、掩模）掃描影象中的每一個畫素，用模板確定的鄰域內畫素的加權平均灰度值去替代模板中心畫素點的值。 中文名 高斯濾波 定    義 實質上是一種訊號的濾波器 應    用 影象處理，計算機視覺 方    式 離散化視窗滑窗卷積、傅立葉變換

24、雙邊濾波 雙邊濾波（Bilateral filter）是一種非線性的濾波方法，是結合影象的空間鄰近度和畫素值相似度的一種折衷處理，同時考慮空域資訊和灰度相似性，達到保邊去噪的目的。具有簡單、非迭代、區域性的特點。 雙邊濾波器的好處是可以做邊緣儲存（edge preserving），一般過去用的維納濾波或者高斯濾波去降噪，都會較明顯地模糊邊緣，對於高頻細節的保護效果並不明顯。雙邊濾波器顧名思義比高斯濾波多了一個高斯方差sigma－d，它是基於空間分佈的高斯濾波函式，所以在邊緣附近，離的較遠的畫素不會太多影響到邊緣上的畫素值，這樣就保證了邊緣附近畫素值的儲存。 但是由於儲存了過多的高頻資訊，對於彩色影象裡的高頻噪聲，雙邊濾波器不能夠乾淨的濾掉，只能夠對於低頻資訊進行較好的濾波 雙邊濾波器是什麼？ 雙邊濾波（Bilateral filter）是一種可以保邊去噪的濾波器。之所以可以達到此去噪效果，是因為濾波器是由兩個函式構成。一個函式是由幾何空間距離決定濾波器係數。另一個由畫素差值決定濾波器係數。可以與其相比較的兩個filter：高斯低通濾波器和α-截尾均值濾波器（去掉百分率為α的最小值和最大之後剩下畫素的均值作為濾波器）。雙邊濾波器中，輸出畫素的值依賴於鄰域畫素的值的加權組合，

25、影象增強 增強影象中的有用資訊，它可以是一個失真的過程，其目的是要改善影象的視 覺效果，針對給定影象的應用場合，有目的地強調影象的整體或區域性特性，將原來不清晰的影象變得清晰或強調某些感興趣的特徵，擴大影象中不同物體特徵之間的差別，抑制不感興趣的特徵，使之改善影象質量、豐富資訊量，加強影象判讀和識別效果，滿足某些特殊分析的需要。 中文名 影象增強 外文名 image enhancement 類    型 頻率域法和空間域法 目    的 改善影象的視覺效果 影象增強可分成兩大類：頻率域法和空間域法。前者把影象看成一種二維訊號，對其進行基於二維傅立葉變換的訊號增強。採用低通濾波（即只讓低頻訊號通過）法，可去掉圖中的噪聲；採用高通濾波法，則可增強邊緣等高頻訊號，使模糊的圖片變得清晰。後者空間域法中具有代表性的演算法有區域性求平均值法和中值濾波（取區域性鄰域中的中間畫素值）法等，它們可用於去除或減弱噪聲。 影象增強的方法是通過一定手段對原影象附加一些資訊或變換資料，有選擇地 突出影象中感興趣的特徵或者抑制(掩蓋)影象中某些不需要的特徵，使影象與視覺響應特性相匹配。在影象增強過程中，不分析影象降質的原因，處理後的影象不 一定逼近原始影象。影象增強技術根據增強處理過程所在的空間不同，可分為基於空域的演算法和基於頻域的演算法兩大類。基於空域的演算法處理時直接對影象灰度級做運算，基於頻域的演算法是在影象的某種變換域內對影象的變換系數值進行某種修正，是一種間接增強的演算法。 基於空域的演算法分為點運算演算法和鄰域去噪演算法。點運算演算法即灰度級校正、 灰度變換和直方圖修正等，目的或使影象成像均勻，或擴大影象動態範圍，擴充套件對比度。鄰域增強演算法分為影象平滑和銳化兩種。平滑一般用於消除影象噪聲，但是 也容易引起邊緣的模糊。常用演算法有均值濾波、中值濾波。銳化的目的在於突出物體的邊緣輪廓，便於目標識別。常用演算法有梯度法、運算元、高通濾波、掩模匹配 法、統計差值法等。

常見的影象增強方法

1.對比度拉昇 採用了線性函式對影象的灰度值進行變換

2. Gamma校正 採用了非線性函式（指數函式）對影象的灰度值進行變換 這兩種方式的實質是對感興趣的影象區域進行展寬，對不感興趣的背景區域進行壓縮，從而達到影象增強的效果

3.直方圖均衡化 將原始影象的直方圖通過積分概率密度函式轉化為概率密度為1（理想情況）的影象，從而達到提高對比度的作用。直方圖均衡化的實質也是一種特定區域的展寬，但是會導致整個影象向亮的區域變換。當原始影象給定時，對應的直方圖均衡化的效果也相應的確定了。

4.直方圖規定化 針對直方圖均衡化的存在的一些問題，將原始影象的直方圖轉化為規定的直方圖的形式。一般目標影象的直方圖的確定需要參考原始影象的直方圖，並利用多高斯函式得到。

5. 同態濾波器 影象的灰度影象f(x,y)可以看做為入射光分量和反射光分量兩部分組成：f(x,y)=i(x,y)r(x,y).入射光比較的均勻，隨著空間位置變化比較小，佔據低頻分量段。反射光由於物體性質和結構特點不同從而反射強弱很不相同的光，隨著空間位置的變化比較的劇烈。佔據著高頻分量。基於影象是由光照譜和反射譜結合而成的原理設計的。 基於HSV空間的彩色影象增強方法 針對於灰度影象，我們主要有以上的幾種處理方法，但是針對於彩色影象，由於存在RGB分量，故而不能直接將灰度影象的處理方法應用。因為直接對每一個分量使用灰度增強的方法會導致顏色的紊亂髮生。 而我們可以將RGB影象轉化為其他空間的影象，比如：我們可以將RGB空間的影象轉換為HSV空間的影象。HSV分別指色調，飽和度，亮度。由於調整HSV三個不同的量，我們可以得到比較直觀的

26、影象分割 影象分割就是把影象分成若干個特定的、具有獨特性質的區域並提出感興趣目標的技術和過程。它是由影象處理到影象分析的關鍵步驟。現有的影象分割方法主要分以下幾類：基於閾值的分割方法、基於區域的分割方法、基於邊緣的分割方法以及基於特定理論的分割方法等。1998年以來，研究人員不斷改進原有的影象分割方法並把其它學科的一 些新理論和新方法用於影象分割，提出了不少新的分割方法。影象分割後提取出的目標可以用於影象語義識別，影象搜尋等等領域。 中文名 影象分割 外文名 image segmentation 分割方法 閾值分割等 用途 影象語義識別，影象搜尋 型別 計算機技術 學科 跨學科 發展實踐 1998

27、邊緣檢測 邊緣檢測是影象處理和計算機視覺中的基本問題，邊緣檢測的目的是標識數字影象中亮度變化明顯的點。影象屬性中的顯著變化通常反映了屬性的重要事件和變化。 這些包括（i）深度上的不連續、（ii）表面方向不連續、（iii）物質屬性變化和（iv）場景照明變化。 邊緣檢測是影象處理和計算機視覺中，尤其是特徵提取中的一個研究領域。 中文名邊緣檢測 領域 影象處理和計算機視覺 目的 標識數字影象中亮度變化明顯的點 原因 深度上的不連續 原因 表面方向不連續 原因 物質屬性變化和 檢測方法 有許多用於邊緣檢測的方法, 他們大致可分為兩類：基於搜尋和基於零交叉。 基於搜尋的邊緣檢測方法首先計算邊緣強度， 通常用一階導數表示， 例如梯度模，然後，用計算估計邊緣的區域性方向， 通常採用梯度的方向，並利用此方向找到區域性梯度模的最大值。 基於零交叉的方法找到由影象得到的二階導數的零交叉點來定位邊緣。 通常用拉普拉斯運算元或非線性微分方程的零交叉點。 濾波做為邊緣檢測的預處理通常是必要的，通常採用高斯濾波。 已發表的邊緣檢測方法應用計算邊界強度的度量，這與平滑濾波有本質的不同。 正如許多邊緣檢測方法依賴於影象梯度的計算，他們用不同種類的濾波器來估計x-方向和y-方向的梯度。

步驟： ①濾波：邊緣檢測演算法主要是基於影象強度的一階和二階導數，但導數的計算對噪聲很敏感，因此必須使用濾波器來改善與噪聲有關的邊緣檢測器的效能。需要指出，大多數濾波器在降低噪聲的同時也導致了邊緣強度的損失，因此，增強邊緣和降低噪聲之間需要折中。

②增強:增強邊緣的基礎是確定影象各點鄰域強度的變化值。增強演算法可以將鄰域(或區域性)強度值有顯著變化的點突顯出來。邊緣增強一般是通過計算梯度幅值來完成的。

③檢測：在影象中有許多點的梯度幅值比較大，而這些點在特定的應用領域中並不都是邊緣，所以應該用某種方法來確定哪些點是邊緣點。最簡單的邊緣檢測判據是梯度幅值閾值判據。

④定位：如果某一應用場合要求確定邊緣位置，則邊緣的位置可在子畫素分辨 率上來估計，邊緣的方位也可以被估計出來。在邊緣檢測演算法中，前三個步驟用得十分普遍。這是因為大多數場合下，僅僅需要邊緣檢測器指出邊緣出現在影象某一 畫素點的附近，而沒有必要指出邊緣的精確位置或方向。 邊緣檢測的實質是採用某種演算法來提取出影象中物件與背景間的交界線。我們將邊緣定義為影象中灰度發生急劇變化的區域邊界。影象灰度的變化情況可以用影象灰度分佈的梯度來反映，因此我們可以用區域性影象微分技術來獲得邊緣檢測運算元。經典的邊緣檢測方法，是通過對原始影象中畫素的某小鄰域構造邊緣檢測運算元來達到檢測邊緣這一目的的。 邊緣檢測運算元： 一階:：Roberts Cross運算元，Prewitt運算元，Sobel運算元， Kirsch運算元，羅盤運算元； 二階： Marr-Hildreth，在梯度方向的二階導數過零點，Canny運算元，Laplacian運算元。

28、工業相機基礎知識

1.焦距（Focal Length） 焦距是從鏡頭的中心點到膠平面上所形成的清晰影像之間的距離。焦距的大小決定著視角的大小，焦距數值小，視角大，所觀察的範圍也大；焦距數值大，視角小，觀察範圍小。根據焦距能否調節，可分為定焦鏡頭和變焦鏡頭兩大類。

2.光圈(Iris) 用F表示，以鏡頭焦距f和通光孔徑D的比值來衡量。每個鏡頭上都標有最大F值，例如 8mm /F1.4代表最大孔徑為 5.7毫米 。F值越小，光圈越大，F值越大，光圈越小。

3.對應最大CCD尺寸(Sensor Size) 鏡頭成像直徑可覆蓋的最大CCD晶片尺寸。主要有：1/2″、2/3″、1″和1″以上。

4.介面(Mount) 鏡頭與相機的連線方式。常用的包括C、CS、F、V、T2、Leica、M42x1、M75x0.75等。

5.景深(Depth of Field,DOF) 景深是指在被攝物體聚焦清楚後，在物體前後一定距離內，其影像仍然清晰的範圍。景深隨鏡頭的光圈值、焦距、拍攝距離而變化。光圈越大，景深越小；光圈越小、景深越大。焦距越長，景深越小； 焦距越短，景深越大。距離拍攝體越近時，景深越小；距離拍攝體越遠時，景深越大。

6.解析度(Resolution) 解析度代表鏡頭記錄物體細節的能力，以每毫米里面能夠分辨黑白對線的數量為計量單位：“線對/毫米”（lp/mm）。解析度越高的鏡頭成像越清晰。

7、工作距離(Working distance,WD) 鏡頭第一個工作面到被測物體的距離。

8、視野範圍(Field of View,FOV) 相機實際拍到區域的尺寸。 9、光學放大倍數(Magnification,ß) CCD/FOV，即晶片尺寸除以視野範圍。

10、數值孔徑(Numerical Aperture,NA) 數值孔徑等於由物體與物鏡間媒質的折射率n與物鏡孔徑角的一半（a\2）的正弦值的乘積，計算公式為N.A=n*sin a/2。數值孔徑與其它光學引數有著密切的關係，它與解析度成正比，與放大率成正比。也就是說數值孔徑，直接決定了鏡頭解析度，數值孔徑越大，解析度越 高，否則反之。

11、後背焦(Flange distance) 準確來說，後倍焦是相機的一個引數，指相機介面平面到晶片的距離。但線上掃描鏡頭或者大面陣相機的鏡頭選型時，後倍焦是一個非常重要的引數，因為它直接影響鏡頭的配置。不同廠家的相機，哪怕介面一樣也可能有不同的後倍焦。

30、開操作與開操作 開操作是先腐蝕再膨脹，開操作是先膨脹再腐蝕。灰度影象是求最大最小值，二值影象是進行與運算。 二值形態學: 1.二值腐蝕的具體操作是：用一個結構元素(一般是3×3的大小)掃描影象中的每一個畫素，用結構元素中的每一個畫素與其覆蓋的畫素做“與”操作，如果都為1，則該畫素為1，否則為0。中心及領域有一個點不是黑點，該點就被腐蝕成白點 2.二值膨脹的具體操作是：用一個結構元素(一般是3×3的大小)掃描影象中的每一個畫素，用結構元素中的每一個畫素與其覆蓋的畫素做“與”操作，如果都為0，則該畫素為0，否則為1。 目的：開操作可以平滑物體輪廓，斷開狹窄的間斷和消除細小的突出物。 閉操作可以消弭狹窄的間斷，消除小的孔洞。