數(shù)字圖像處理在機(jī)械領(lǐng)域的應(yīng)用畢業(yè)論文

1、<p><b>　　本科畢業(yè)設(shè)計(jì)</b></p><p>　　數(shù)字圖像處理技術(shù)在無損檢測等中的應(yīng)用</p><p>　　Digital image processing using in NDT.etc</p><p>　　年 級:2008級</p><p>　　學(xué) 號(hào):20087825</p

2、><p><b>　　姓 名: </b></p><p>　　專 業(yè):機(jī)械設(shè)計(jì)制造及其自動(dòng)化（汽車工程）</p><p><b>　　指導(dǎo)老師: </b></p><p>　　2012 年 6月 </p><p>　　畢 業(yè) 設(shè) 計(jì) 任 務(wù) 書</p

3、><p>　　題 目 數(shù)字圖象處理及其在無損檢測等中的應(yīng)用 </p><p>　　1、本論文的目的、意義： 無損檢測在機(jī)械設(shè)備、工程結(jié)構(gòu) 的維護(hù)中有重要意義。對油樣分析、射線探傷、超聲波探傷等無損檢測方法生成的圖像進(jìn)行數(shù)字圖象處理，是實(shí)現(xiàn)損傷判斷、故障診斷自動(dòng)化的重要方

4、法。該選題具有重要實(shí)際意義，并促進(jìn)學(xué)生在該領(lǐng)域的深入學(xué)習(xí)與應(yīng)用研究，為將來的進(jìn)一步深造打下基礎(chǔ)。 </p><p>　　2、學(xué)生應(yīng)完成的任務(wù)</p><p>　　（1） 收集有關(guān)無損檢測、數(shù)字圖像處理等方面的資料，了解數(shù)字圖像處理在無損檢測上的應(yīng)用；</p><p>　　（2）學(xué)

5、習(xí)數(shù)字圖像處理的基本理論知識(shí)，掌握其原理、方法；</p><p>　?。?）學(xué)會(huì)應(yīng)用相關(guān)軟件進(jìn)行程序設(shè)計(jì)，實(shí)現(xiàn)對圖像的計(jì)算機(jī)分析和處理； </p><p>　　（4）把數(shù)字圖像處理方法應(yīng)用于相關(guān)無損檢測的圖像分析中；</p><p>　　（5）完成具有規(guī)定格式的設(shè)計(jì)說明書一份。 </p><p>　　3、論文各部分內(nèi)容及時(shí)間分配：（共 1

6、5 周）</p><p>　　第一部分 查閱、搜集相關(guān)資料并參考學(xué)習(xí)； （3周）</p><p>　　第二部分 基于圖像處理的基本知識(shí)原理，學(xué)習(xí)圖像處理方法的程序設(shè)計(jì)，并調(diào)試；（4周）</p><p>　　第三部分 應(yīng)用圖像處理技術(shù)對無損檢測所得圖像進(jìn)行分析處理，做圖像特征提取、圖形識(shí)別，計(jì)算特征參數(shù)；（5周）</p><p>　

7、　第四部分 設(shè)計(jì)說明書的書寫整理，程序的運(yùn)行演示等工作。 （2周）</p><p>　　評閱及答辯（1周）</p><p><b>　　備 注</b></p><p><b>　　參考文獻(xiàn)：</b></p><p>　　有關(guān)圖像處理、無損檢測，以及相關(guān)程序設(shè)

8、計(jì)等方面的書籍和資料在圖書館和網(wǎng)絡(luò)上有很多，可自行選擇參考。</p><p>　　指導(dǎo)教師：郭世偉 2012年 3月 3日 </p><p>　　審 批 人： 年 月 日</p><p><b>　　摘 要</b></p><p>　　本

9、課題主要研究的是將數(shù)字圖像處理技術(shù)引入到無損檢測和油樣鐵譜分析當(dāng)中，在分析和檢測圖像的基礎(chǔ)上，運(yùn)用數(shù)字圖像處理中的圖像增強(qiáng)、圖像分割的方法并結(jié)合matlab軟件編程技術(shù)處理X射線無損檢測和鐵譜無損檢測結(jié)果所得到的圖像，能夠有效的檢測出目標(biāo)的實(shí)際位置、形狀、大小等相關(guān)參數(shù)。數(shù)字圖像處理技術(shù)是通過對圖像的數(shù)學(xué)變換和相關(guān)處理方法將圖像中的特征區(qū)域所包含的特征信息表現(xiàn)出來，在實(shí)現(xiàn)信息的可視化、智能化等方面提供了一個(gè)有效的解決方案。從而以此來進(jìn)一

10、步對機(jī)械設(shè)備的工作運(yùn)行情況進(jìn)行判斷，實(shí)現(xiàn)了機(jī)械故障診斷檢測的智能化。</p><p>　　本文在研究過程中，主要由以下幾個(gè)方面的工作：</p><p>　　（1）介紹了數(shù)字圖像處理技術(shù)和無損檢測技術(shù)的研究概況和發(fā)展趨勢，論述了數(shù)字圖像處理技術(shù)應(yīng)用于無損檢測圖像中的現(xiàn)實(shí)意義。</p><p>　?。?）概述了數(shù)字圖像處理的基本原理和方法，奠定了實(shí)現(xiàn)圖像預(yù)處理、圖像特征

11、提取的理論基礎(chǔ)。</p><p>　?。?）結(jié)合matlab軟件編程同時(shí)運(yùn)用圖像處理技術(shù)的相關(guān)原理對X射線無損檢測圖像圖像增強(qiáng)處理以及比較了不同種類的濾波方法處理檢測圖像的實(shí)際效果，確定了選擇中值濾波處理圖像的結(jié)果做進(jìn)一步圖像分析。在圖像分割過程中選取了不同閾值進(jìn)行圖像二值化處理，確定了采用最大方差閾值法分割圖像，實(shí)現(xiàn)圖像的二值化處理。并進(jìn)一步采用canny邊緣檢測技術(shù)提取出特征區(qū)域的檢測邊緣，實(shí)現(xiàn)了對目標(biāo)輪廓的

12、有效檢測。</p><p>　?。?）采用K-均值聚類方法首先對鐵譜圖像中的特征區(qū)域進(jìn)行提取，并對提取出的特征區(qū)域進(jìn)行灰度調(diào)整、中值濾波完成圖像的預(yù)處理過程，進(jìn)而采用最大方差閾值法分割圖像，將圖像合理的轉(zhuǎn)化成二值圖像，并對各特征區(qū)域進(jìn)行顏色標(biāo)記和邊緣檢測，提取出了特征區(qū)域的相關(guān)參數(shù)。最后采用鏈碼技術(shù)對其中一部分區(qū)域進(jìn)行鏈碼提取以此來描述特征區(qū)域的輪廓，實(shí)現(xiàn)了對特征區(qū)域的形狀描述。</p><p

13、>　?。?）對圖像處理技術(shù)在X射線無損檢測和鐵譜分析兩種應(yīng)用中進(jìn)行Matlab GUI界面設(shè)計(jì)。</p><p>　　關(guān)鍵詞： 無損檢測，鐵譜分析，圖像處理，邊緣檢測，圖像分割</p><p><b>　　Abstract</b></p><p>　　This thesis mainly probes the way that using

14、 the digital image processing technology into non-destructive testing and iron spectrum analysis. The essential is that I applying the image processing theory of image enhancement and image segmentation connected with th

15、e computer programming in matlab process the image of x-ray non-destructive testing and iron spectrum analysis based on analyzing test image. Afterwards, we can obtain the relative parameters of the tested image such as

16、the position, sh</p><p>　　There were some aspects works below in researching of this task:</p><p>　　(1) Introduced the current developments of digital image processing technology and non-destruc

17、tive testing in home and abroad, I discussed the practical meaning of using digital image processing into NDT area.</p><p>　　(2) Summarized the method and fundamental theory of digital image processing, I ha

18、d gain a totally comprehension in image preprocessing and image feature extraction. </p><p>　　(3) I had processed the image of x-ray non-destructive testing based on the programming in matlab and the relativ

19、e theory of image processing technology. Besides, confirmed to apply the results of median filtering to make further image analysis by comparing the results of the different filter methods processing the tested image. Wh

20、at’s more, confirmed to apply the maximum variance threshold method to do image segmentation by comparing results of the different threshold values processing deal wit</p><p>　　(4) At the first of the begin

21、ning, extracting the target area in the iron spectrum image based on the theory of k-mean clustering method. With that, in order to finish the process of image preprocessing I choose to process the image with the methods

22、 of image gray adjustment and median filter processing. Then, I obtained the binary image by using maximum variance threshold method. Besides, I made a color indication and edge testing for the image so as to obtain some

23、 relative information of the t</p><p>　　(5) Making windows-designing of GUI matlab for the application of digital image processing into x-ray non-destructive testing and iron spectrum analysis.</p>&l

24、t;p>　　Key words: non-destructive testing, iron spectrum analysis，image processing, edge testing, image segmentation</p><p><b>　　目 錄</b></p><p><b>　　第1章 緒論1</b></p

25、><p>　　1.1 無損檢測技術(shù)簡介1</p><p>　　1.2 油樣鐵譜分析簡介1</p><p>　　1.3 數(shù)字圖像處理技術(shù)簡介2</p><p>　　1.4課題的研究內(nèi)容及意義3</p><p>　　第2章 圖像處理的基本原理及方法5</p><p>　　2.1 圖像預(yù)處理5

26、</p><p>　　2.1.1圖像增強(qiáng)5</p><p>　　2.1.2 圖像的平滑化7</p><p>　　2.2 圖像分析12</p><p>　　2.2.1 灰度閾值法分割13</p><p>　　2.2.2 邊緣檢測14</p><p>　　2.2.3 基于彩色圖像的K-均值

27、聚類分割16</p><p>　　2.3 圖像的特征描述16</p><p>　　2.3.1 形狀描述17</p><p>　　第3章 數(shù)字圖像處理技術(shù)應(yīng)用于X射線檢測20</p><p>　　3.1 X射線無損檢測技術(shù)簡介20</p><p>　　3.2 X射線檢測原理20</p><

28、p>　　3.3 圖像預(yù)處理21</p><p>　　3.3.1焊縫圖像灰度調(diào)整21</p><p>　　3.3.2 焊縫圖像濾波24</p><p>　　3.4 圖像分析30</p><p>　　3.4.1圖像灰度閾值法分割31</p><p>　　3.4.2圖像邊緣檢測33</p>&

29、lt;p>　　3.5 本章小結(jié)34</p><p>　　第4章 數(shù)字圖像處理技術(shù)應(yīng)用于油樣鐵譜分析36</p><p>　　4.1 鐵譜分析技術(shù)的基本原理36</p><p>　　4.1.1常用鐵譜儀的工作原理36</p><p>　　4.2 數(shù)字圖像技術(shù)應(yīng)用于磨粒檢測和分析37</p><p>　　4

30、.2.1鐵譜圖像處理38</p><p>　　4.3 本章小結(jié)46</p><p>　　第5章 Matlab GUI圖像處理界面設(shè)計(jì)47</p><p>　　5.1 Matlab GUI簡介47</p><p>　　5.2 GUI界面設(shè)計(jì)應(yīng)用47</p><p>　　5.2.1 X射線無損檢測GUI界面47

31、</p><p>　　5.2.2 鐵譜圖像處理GUI界面48</p><p>　　5.3 本章小結(jié)49</p><p><b>　　結(jié) 論50</b></p><p><b>　　致 謝51</b></p><p><b>　　參考文獻(xiàn)52</b

32、></p><p><b>　　附 錄54</b></p><p><b>　　第1章 緒論</b></p><p>　　1.1 無損檢測技術(shù)簡介</p><p>　　隨著科學(xué)和工業(yè)技術(shù)的飛速發(fā)展，許多現(xiàn)代化工業(yè)都是工作在工作條件相當(dāng)惡劣如高溫、高壓、高荷載的條件下，但為了使材料在其使用壽

33、命期限內(nèi)不出現(xiàn)失效損壞，以確保其在工作年限內(nèi)正常工作。從而產(chǎn)生了一種在不破壞材料形狀、不改變材料使用性能的檢測方法用之來保證零件或材料的可靠性和安全性，這項(xiàng)檢測技術(shù)即是無損檢測技術(shù)。無損檢測技術(shù)是在不損傷被檢測對象的條件下，利用材料內(nèi)部結(jié)構(gòu)的異?；蛘卟牧系娜毕菰跓?、聲、光、電、磁等條件下的反應(yīng)變化，來檢測材料及其零部件的內(nèi)部和表面缺陷，并能夠?qū)θ毕莸臄?shù)量、形狀、尺寸、分布等做出判斷和評價(jià)。</p><p>　　無

34、損檢測具有悠久的歷史，人們長期以來通過對無損檢測技術(shù)在實(shí)踐中的探索以及理論的逐步更新使無損檢測技術(shù)經(jīng)歷了三個(gè)發(fā)展階段，早期稱為無損探傷，它的作用是在不損壞產(chǎn)品的前提下，發(fā)現(xiàn)零部件中的缺陷通過人眼觀察、耳聽診斷等，以滿足制造業(yè)與使用的要求。第二階段稱為無損檢測，它不但檢驗(yàn)最終產(chǎn)品，而且要檢測加工過程的工藝參數(shù)。第三階段為無損評價(jià)，不但進(jìn)行產(chǎn)品的最終檢驗(yàn)以及過程工藝參數(shù)的測量，而且當(dāng)材料中不存在致命缺陷時(shí)還要從整體上評價(jià)材料中缺陷的分散程度

35、，以及對材料性質(zhì)、動(dòng)態(tài)響應(yīng)和服役性能指標(biāo)的實(shí)測值進(jìn)行分析和評價(jià)，因此無損評價(jià)的內(nèi)容包含無損檢測的內(nèi)容，但比無損檢測更具綜合性。</p><p>　　20世紀(jì)70年代以來是無損檢測技術(shù)飛速發(fā)展的時(shí)期，主要原因是計(jì)算機(jī)技術(shù)不斷應(yīng)用到無損檢測領(lǐng)域，同時(shí)無損檢測本身的新方法和新技術(shù)也不斷出現(xiàn)，從而也使無損檢測儀器得到很大的提高。目前，無損檢測技術(shù)正向快速化、標(biāo)準(zhǔn)化、數(shù)字化、程序化和規(guī)范化的方向發(fā)展。</p>

36、<p>　　無損檢測技術(shù)的方法很多，常用的無損檢測技術(shù)有五種：超聲檢測、射線檢測、渦流檢測、磁粉檢測和滲透檢測。它們已成為生產(chǎn)中的常規(guī)無損檢測技術(shù)。另外，還有各種新型的檢測方法，如激光全息照相、聲振檢測、紅外檢測等。</p><p>　　1.2 油樣鐵譜分析簡介</p><p>　　油樣鐵譜分析是油樣分析技術(shù)中一項(xiàng)重要的油樣分析檢測技術(shù)。油液在機(jī)器設(shè)備中的油液通道中循環(huán)流動(dòng)時(shí)，

37、油液中所蘊(yùn)含的各項(xiàng)信息能夠反映機(jī)械設(shè)備的運(yùn)行情況，因而通過對工作油液進(jìn)過合理的采樣后進(jìn)行分析處理后，即可取得機(jī)械設(shè)備中各摩擦副的磨損狀況、磨損發(fā)生部位以及磨損程度等方面的信息。而作為油樣分析的鐵譜分析技術(shù)最早是由美國麻省理工學(xué)院W.W.Seifert和美國FoXboro公司V.C.Westcott于1970年提出，鐵譜分析即是一種借助磁力將油液中的金屬顆粒分離出來，并對這些顆粒進(jìn)行分析的技術(shù)。該項(xiàng)技術(shù)的提出者于1971年研制出用于分離磨

38、損顆粒并進(jìn)行觀察分析的儀器即鐵譜儀和鐵譜顯微鏡。目前鐵譜分析儀主要有兩種類型：一種是直讀式鐵譜儀，一種是分析式鐵譜儀。通過這項(xiàng)技術(shù)的不斷創(chuàng)新，鐵譜分析技術(shù)已經(jīng)成為機(jī)器狀態(tài)監(jiān)測和故障診斷的一項(xiàng)重要工具。其在國民經(jīng)濟(jì)建設(shè)及國防建設(shè)的各個(gè)部門如航空、艦船、鐵路、以及汽車、液壓、機(jī)床、礦山、石油等機(jī)械設(shè)備的狀態(tài)監(jiān)測與故障診斷方面，都得到了廣泛的應(yīng)用。</p><p>　　1.3 數(shù)字圖像處理技術(shù)簡介</p>

39、<p>　　圖像處理技術(shù)最早出現(xiàn)于20 世紀(jì)50 年代圖像處理是利用計(jì)算機(jī)對圖像進(jìn)行圖像數(shù)字化、圖像增強(qiáng)、圖像復(fù)原、提取特征等處理的一類理論技術(shù)。一幅真實(shí)的圖像并不能直接被計(jì)算機(jī)識(shí)別，需要以計(jì)算機(jī)圖像文件的形式存貯于計(jì)算機(jī)中圖像按照信息的連續(xù)性可以分為兩類，即模擬圖像和數(shù)字圖像。模擬圖像中，圖像的信息顏色、亮度和空間位置是連續(xù)的，而數(shù)字圖像中信息是離散的。對于一張普通的照片，照片中的信息在空間上是連續(xù)的，計(jì)算機(jī)并不能讀取這種

40、連續(xù)的信息。為了讓計(jì)算機(jī)讀取照片中的信息，需要對照片進(jìn)行圖像處理。在圖像處理過程中，對照片中的信息進(jìn)行數(shù)字化離散，轉(zhuǎn)化為計(jì)算機(jī)可以識(shí)別的數(shù)字圖像。</p><p>　　數(shù)字圖像在計(jì)算機(jī)中以兩種方式存儲(chǔ)，即矢量圖和位圖。矢量圖是利用一系列數(shù)學(xué)表達(dá)式來表述圖像，優(yōu)點(diǎn)為隨著圖像的放大或者縮小，不會(huì)降低圖像的清晰度。但對于復(fù)雜的圖像，很難找到合適的數(shù)學(xué)表達(dá)式。位圖圖像由一個(gè)個(gè)的像素組成，每一個(gè)像素代表一個(gè)特定的圖像信息。

41、位圖圖像在將圖像轉(zhuǎn)化為數(shù)字圖像時(shí)，將圖像分割為一個(gè)個(gè)像素，每個(gè)像素由一定的數(shù)值來表述其顏色和亮度。當(dāng)一張圖片轉(zhuǎn)化為數(shù)字圖片后，我們可以在每個(gè)像素上面都可得到該像素量化后的亮度值和顏色值。常見的圖片和照片在空間上是平面，一般由兩個(gè)坐標(biāo)變量來確定空間位置。因此，數(shù)字圖像一般的表述形式為二維函數(shù)的矩陣，如式1-1：</p><p><b>　?。?-1） </b></p><

42、p>　　1.4課題的研究內(nèi)容及意義</p><p>　　投入無損檢測技術(shù)領(lǐng)域的研究是一項(xiàng)非常有意義的研究課題，目前無損檢測技術(shù)作為一種綠色檢測技術(shù)，逐漸替代了傳統(tǒng)的對環(huán)境產(chǎn)生較大的檢測方法，對材料也不會(huì)造成破壞或者對材料造成二次污染。因此，對無損檢測技術(shù)的繼續(xù)深入研究是符合我國旨在建設(shè)一個(gè)環(huán)境友好性，資源節(jié)約型國家的核心要求的。</p><p>　　隨著現(xiàn)代工業(yè)的飛速發(fā)展，在滿足產(chǎn)品

43、使用性能的基礎(chǔ)上，人們更加側(cè)重與對產(chǎn)品的使用壽命以及缺陷特性進(jìn)行分析，以確保產(chǎn)品在設(shè)計(jì)壽命年限內(nèi)能夠具有較好的可靠性，可行性。而無損檢測技術(shù)作為世界上一項(xiàng)飛速發(fā)展的檢測技術(shù)，在不損傷產(chǎn)品使用情況的同時(shí)，結(jié)合產(chǎn)品材料的相關(guān)物理特性，光學(xué)特性等性質(zhì)，能夠較好的對產(chǎn)品中存在的相關(guān)缺陷進(jìn)行識(shí)別，在各個(gè)國家的工業(yè)等相關(guān)領(lǐng)域?qū)@項(xiàng)優(yōu)勢的檢測技術(shù)相當(dāng)重視，而通過使用這種檢測技術(shù)而帶來的經(jīng)濟(jì)效益也相當(dāng)可觀。同時(shí)隨著電子技術(shù)及計(jì)算機(jī)技術(shù)的飛速發(fā)展，計(jì)算機(jī)

44、圖像處理技術(shù)相關(guān)理論也不斷完善，利用計(jì)算機(jī)圖像處理可對圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等，該項(xiàng)處理技術(shù)已廣泛應(yīng)用與通信、控制、故障檢測等相關(guān)領(lǐng)域。而Matlab軟件作為國際上公認(rèn)的最優(yōu)秀的科學(xué)計(jì)算與數(shù)學(xué)應(yīng)用軟件之一，也是最近幾年來在國內(nèi)外廣泛流行的一種可視化科學(xué)計(jì)算軟件，它集數(shù)值分析、矩陣運(yùn)算、信號(hào)處理和圖像顯示為一體，構(gòu)成了一個(gè)方便的、界面友好的用戶環(huán)境。而結(jié)合Matlab數(shù)據(jù)工具箱中的圖像處理方法目前也已廣泛應(yīng)用與無損檢

45、測領(lǐng)域。</p><p>　　而作為現(xiàn)目前發(fā)展迅速的油樣分析檢測技術(shù)也是針對實(shí)時(shí)檢測機(jī)械運(yùn)行故障的一項(xiàng)重要檢測技術(shù)。國外有數(shù)據(jù)統(tǒng)計(jì)機(jī)械設(shè)備有70%以上的故障與設(shè)備的磨損狀況有關(guān)，而通過對機(jī)械設(shè)備中的潤滑油進(jìn)行采樣分析來評估機(jī)械運(yùn)行的工作情況，對設(shè)備劣化趨勢即是得到矯正，可以有效的避免惡性事故的發(fā)生和發(fā)展，同時(shí)通過對油樣的監(jiān)測及時(shí)發(fā)現(xiàn)油質(zhì)劣變的原因和污染狀況，對此及時(shí)采取相關(guān)措施，使設(shè)備處于良好的潤滑狀態(tài)，從而減少

46、故障發(fā)生的概率，延長設(shè)備的使用效率，在實(shí)現(xiàn)設(shè)備的主動(dòng)性維護(hù)方面意義頗佳。鐵譜分析作為油樣分析技術(shù)的一種重要檢測和分析方法，也正是依托上述故障檢測意義通過鐵譜顯微鏡對油樣中的油質(zhì)進(jìn)行分析和檢測。</p><p>　　本文旨在通過學(xué)習(xí)基本的matlab圖像處理原理來對無損檢測領(lǐng)域中的X射線檢測像以及油樣分析中的鐵譜分析檢測圖像進(jìn)行相關(guān)編程操作，達(dá)到熟悉和基本掌握matlab圖像處理編程的方法，對檢測圖像做圖像處理、圖

47、像分析及圖像特征提取。從而，為進(jìn)一步圖像處理技術(shù)的深入學(xué)習(xí)打下堅(jiān)實(shí)的基礎(chǔ)。</p><p>　　第2章 圖像處理的基本原理及方法</p><p><b>　　2.1 圖像預(yù)處理</b></p><p>　　圖像預(yù)處理就是在圖像分析中對輸入圖像進(jìn)行特征取、分割、識(shí)別前所進(jìn)行的處理過程。圖像預(yù)處理的主要目的是消除圖像中無用的信息，而恢復(fù)圖像有用的信

48、息，顯現(xiàn)圖像的真實(shí)情況，以增強(qiáng)有關(guān)信息的可檢測性和簡化處理數(shù)據(jù)，從而提高后續(xù)處理過程中包括特征提取、圖像分割、識(shí)別過程的操作可靠性。</p><p>　　對采集來的圖像進(jìn)行分析，首先應(yīng)當(dāng)做的即是對其進(jìn)行圖像預(yù)處理操作，圖像預(yù)處理包括圖像的灰度變換、圖像的平滑處理、圖像的銳化處理等等。其最終目的即是為了提高圖像的綜合質(zhì)量，如去除噪聲，提高圖像顯示的清晰度等等。圖像處理過程流程圖2-1所示:</p>&

49、lt;p><b>　　圖像輸入</b></p><p><b>　　圖像輸出 </b></p><p>　　圖2-1 圖像預(yù)處理過程</p><p><b>　　2.1.1圖像增強(qiáng)</b></p><p>　　圖像增強(qiáng)是在對原有圖像的基礎(chǔ)上進(jìn)行操作的，其目的是得到視覺效果

50、更好或者更有用的新圖像以方便計(jì)算機(jī)進(jìn)行進(jìn)一步的識(shí)別處理。圖像增強(qiáng)分為兩大部分即狹義上的圖像增強(qiáng)和廣義上的圖像增強(qiáng)。狹義上的圖像增強(qiáng)指加強(qiáng)灰度圖像的明暗對比度，而廣義上的圖像增強(qiáng)還包括圖像模糊處理以及彩色圖像增強(qiáng)等。</p><p>　　2.1.1.1 圖像灰度變換</p><p>　　圖像的灰度變換處理是圖像增強(qiáng)處理技術(shù)中一種非常基礎(chǔ)和直接的空間域處理方法。灰度變換是指更具某種目標(biāo)條件按一

51、定的變換關(guān)系逐點(diǎn)改變原圖像中的每一個(gè)像素灰度值的方法，其主要目的是為了改善圖像質(zhì)量，使圖像的顯示效果更加清晰，灰度變換也叫對比度增強(qiáng)或?qū)Ρ榷壤臁?lt;/p><p>　　灰度變換的處理方法也叫做點(diǎn)運(yùn)算方法，點(diǎn)運(yùn)算是一種既簡單又重要的技術(shù)，它的主要特點(diǎn)是輸入像素點(diǎn)的灰度值決定輸出像素點(diǎn)的灰度值，同時(shí)不改變圖像的空間關(guān)系。</p><p>　　設(shè)圖像變換表達(dá)式：，其中為輸入增強(qiáng)前圖像，為輸出增強(qiáng)

52、后的圖像，是對圖像進(jìn)行處理的操作符。另設(shè)和分別代表和在處的灰度值，則圖像變化表達(dá)式可另表示為：。</p><p>　　若要保持圖像的低端和高端的灰度值不變，把中間的灰度值從到拉伸到到，則可采用式2-1進(jìn)行計(jì)算：</p><p><b>　　（2-1）</b></p><p>　　通過變換后可將需要的圖像細(xì)節(jié)灰度拉伸，將不需要的圖像細(xì)節(jié)灰度級進(jìn)行

53、壓縮，從而使圖像細(xì)節(jié)信息更加豐富，也會(huì)便于計(jì)算機(jī)辨認(rèn)進(jìn)行下一步識(shí)別處理。</p><p>　　2.1.1.2 直方圖修正</p><p>　　直方圖修正是灰度變換的一種方法，它指通過增加圖像像素值分布來對圖像進(jìn)行增強(qiáng)處理，經(jīng)過直方圖修正后，圖像像素值在各個(gè)級別上都有分布，從而也更容易表現(xiàn)圖像細(xì)節(jié)，使圖像的視覺效果得到改善。直方圖修正通常有直方圖均衡化和直方圖規(guī)定化兩大類，直方圖均衡化技術(shù)是

54、把已知灰度概率分布的圖像，經(jīng)過數(shù)學(xué)變換，使之演變成一幅具有均勻分布的新圖像，直方圖規(guī)范化是指圖像經(jīng)過處理后，直方圖的分布呈現(xiàn)出指定的形態(tài)，下面就直方圖均衡化灰度變換原理用數(shù)學(xué)符號(hào)進(jìn)行直觀地闡述。</p><p>　　數(shù)字圖像中灰度級為的像素出現(xiàn)的頻率：，其中N為一幅圖像的總像素?cái)?shù)，是出現(xiàn)第k級灰度的次數(shù)，表示第k個(gè)灰度級。</p><p>　　對數(shù)字圖像進(jìn)行直方圖的均衡化處理時(shí)，采用式2-

55、2變換形式進(jìn)行灰度變換處理。</p><p>　?。?，k=0,1,2----,L-1） （2-2）</p><p>　　其中為輸出圖像中的亮度值，L為灰度級的總數(shù)。通過變換后的s值只能選擇最靠近的一個(gè)灰度級的值，以此對s值進(jìn)行修正，從而將得到不同的灰度級別，確定出輸入與輸出像素值的映射關(guān)系，將原灰度值映射到變換后圖像所對應(yīng)的灰度級別的灰度值上。</p><p&g

56、t;　　2.1.2 圖像的平滑化</p><p>　　數(shù)字圖像中往往存在各種各樣的噪聲如在圖像數(shù)據(jù)傳輸過程中會(huì)引入噪聲，以及通過掃描得到的照片由于灰塵時(shí)噪聲源，最終也會(huì)引入噪聲從而影響圖像的質(zhì)量使獲得的圖像像素值不能真實(shí)反映真實(shí)場景亮度而造成的誤差。為了消除噪聲常用的空間域?yàn)V波方法有線性濾波、中值濾波、自適應(yīng)濾波等方法；頻域增強(qiáng)濾波方法有頻域低通濾波、頻域高通濾波以及同態(tài)濾波。通過濾波處理后的圖像看起來圖像效果比

57、較的平滑。</p><p>　　2.1.2.1 空間域?yàn)V波</p><p>　　空間域?yàn)V波是在圖像空間借助模板進(jìn)行卷積操作完成的。其基本特點(diǎn)是讓圖像在傅立葉空間的某個(gè)范圍的分量受到抵制，而讓其他分量不受影響，達(dá)到圖像增強(qiáng)的目的。在空域?qū)崿F(xiàn)濾波增強(qiáng)功能的方式都是利用模板卷積，其主要步驟是：</p><p>　?、賹⒛０逯行呐c圖像中某個(gè)像素位置重合；</p>

58、<p>　?、趯⒛０逑禂?shù)與模板下對應(yīng)的像素相乘；</p><p><b>　?、蹖⑺谐朔e相加；</b></p><p>　?、軐⒑唾x值給圖像中對應(yīng)模板中心位置的像素；</p><p>　　如圖2-2（a）所示給出圖像的一部分，其中為一些像素的灰度值，設(shè)有1個(gè)的模板如圖2-2（b）所示，模板為模板系數(shù)。如過將所在位置與圖（a）中灰

59、度值為的像素重合，則模板卷積的輸出響應(yīng)R為：</p><p><b>　?。?-3）</b></p><p>　　通過把響應(yīng)值賦給增強(qiáng)圖，覆蓋原來灰度值為的像素。則可知對原圖每個(gè)像素都進(jìn)行這樣的操作后可得到增強(qiáng)圖所有位置的新灰度值。同時(shí)對模板系數(shù)設(shè)定不同的值將得到不同的增強(qiáng)效果。</p><p>　　(a)

60、 (b)</p><p>　　圖 2-2 原圖像素點(diǎn)與濾波模板</p><p><b>　　1、線性平滑濾波</b></p><p>　　線性低通濾波器是最常用的線性平滑濾波器，實(shí)現(xiàn)這種濾波的方法稱為領(lǐng)域平均法。領(lǐng)域平均法的基本思想是用幾個(gè)像素灰度的平均值來代替每個(gè)像素的灰度。</p><p>　　如對

61、于一幅NN個(gè)像素的圖像，平滑處理后得到圖像為且有： （2-4）</p><p>　　式2-4中S是（x,y）點(diǎn)領(lǐng)域的集合但不包括其本身；M是集合內(nèi)坐標(biāo)點(diǎn)的總數(shù)。從上式表達(dá)式可得出平滑后圖像中的每個(gè)像素的灰度值均由包含在（x,y）的</p><p>　　預(yù)定領(lǐng)域中的的幾個(gè)像素的灰度值的平均值來決定。圖

62、2-3即是一種圖像陣列選取領(lǐng)域的方法。</p><p>　　圖 2-3 領(lǐng)域平均法選取領(lǐng)域</p><p>　　通過這種方法對圖像進(jìn)行濾波處理對抑制噪聲是有效的，但是隨著領(lǐng)域半徑r的增大，圖像的模糊程度就愈加嚴(yán)重?？梢酝ㄟ^閾值法減少由于領(lǐng)域平均產(chǎn)生的模糊效應(yīng)?？赏ㄟ^式2-5進(jìn)行具體說明：</p><p>　　（2-5） 式2-5表明當(dāng)一點(diǎn)及其領(lǐng)域內(nèi)點(diǎn)的灰度的

63、平均值的差不超過規(guī)定的閾值T時(shí)，就保留其原來的灰度值，如果大于閾值T就用其平均值來代替該點(diǎn)的灰度值。</p><p><b>　　2、中值濾波</b></p><p>　　中值濾波是一種典型的非線性濾波技術(shù)。傳統(tǒng)的中值濾波一般采用含有奇數(shù)個(gè)點(diǎn)的滑動(dòng)窗口，用窗口中各點(diǎn)灰度值的中值來代替指定點(diǎn)的灰度值。對于奇數(shù)個(gè)元素，中值是指按大小排序后中間的數(shù)值；對于偶數(shù)個(gè)元素，中值是

64、指排序后中間兩個(gè)元素灰度值的平均值。中值濾波也是一種典型的低通濾波器，主要用來抑制脈沖噪聲，同時(shí)又具有能較好地保護(hù)目標(biāo)圖像邊緣的特點(diǎn)。</p><p>　　當(dāng)退化圖像用 表示時(shí)，用中值濾波器得到的恢復(fù)圖像為：</p><p>　　,其中median表示取中值操作。W表示以（x,y）為中心的模板區(qū)域。</p><p>　　2.1.2.2 頻域?yàn)V波</p>

65、<p>　　頻域?yàn)V波增強(qiáng)方法是將圖像從空間域變換到頻域，在圖像的頻域空間對圖像進(jìn)行濾波處理，在頻域空間的濾波與空間域?yàn)V波一樣也可以通過卷積運(yùn)算實(shí)現(xiàn)。</p><p>　　假定原始圖像，經(jīng)傅立葉變換后為，頻率域平滑濾波就是選擇合適的濾波器函數(shù)對的頻譜成分進(jìn)行相應(yīng)的調(diào)整，然后在經(jīng)過傅立葉逆變換得到濾波后的圖像。其相應(yīng)的頻域?yàn)V波框圖如圖2-4所示，其濾波處理過程分為一下三個(gè)步驟：</p>&l

66、t;p>　　圖 2-4 頻域?yàn)V波處理過程</p><p>　　如果通過增強(qiáng)的高頻信息，如增強(qiáng)圖像的邊緣信息，則為高通濾波，如是為了增強(qiáng)頻譜的低頻信息，如對圖像進(jìn)行平滑操作，則為低通濾波。</p><p><b>　　1、低通濾波</b></p><p>　　圖像從空間域變換到頻域后，其低頻分量對應(yīng)圖像中灰度值變化比較緩慢的區(qū)域，而高頻分量

67、則表示了圖像中物體的邊緣和隨機(jī)噪聲信息。低通濾波器的功能即是通過濾波器函數(shù)抑制高頻分量而保留低頻分量，從而達(dá)到消除隨機(jī)噪聲，削弱邊緣效應(yīng)，起到平滑圖像的作用。常用的低通濾波器包括理想低通濾波器、巴特沃斯低通濾波器、指數(shù)低通濾波器等。其相應(yīng)的傳遞函數(shù)如下：</p><p>　　理想低通濾波器傳遞函數(shù)為：</p><p><b>　?。?-6）</b></p>

68、<p>　　式2-6中是理想低通濾波器的截止頻率；是從點(diǎn)到頻域原點(diǎn)的距離，即</p><p>　　巴特沃斯低通濾波器傳遞函數(shù)為：</p><p><b>　?。?-7）</b></p><p>　　式2-7中n為濾波器的階次，階次越高，濾波效果越理想。</p><p>　　指數(shù)低通濾波器傳遞函數(shù)為：<

69、/p><p><b>　　（2-8）</b></p><p><b>　　2、高通濾波</b></p><p>　　圖像中物體的邊緣及其他灰度變化較快的區(qū)域與圖像的高頻信息有關(guān)，因而可利用高通濾波器對圖像的邊緣信息進(jìn)行增強(qiáng)，起到銳化邊緣的作用。相應(yīng)地，高通濾波器分為理想高通濾波器、巴特沃斯高通濾波器，指數(shù)高通濾波器等。其相應(yīng)的

70、傳遞函數(shù)如下：</p><p>　　理想高通濾波器傳遞函數(shù)為：</p><p><b>　?。?-9）</b></p><p>　　巴特沃斯高通濾波器傳遞函數(shù)為：</p><p><b>　?。?-10）</b></p><p>　　指數(shù)高通濾波器傳遞函數(shù)為：</p&g

71、t;<p><b>　?。?-11）</b></p><p><b>　　3、同態(tài)濾波</b></p><p>　　同態(tài)濾波法是一種將頻域過濾與灰度變換結(jié)合起來的圖像處理方法，它是把圖像的反射模型作為頻域處理的基礎(chǔ)，利用壓縮亮度范圍和增強(qiáng)對比度來改善圖像的一種處理技術(shù)。</p><p>　　一幅圖像可以用它的

72、照明分量及反射分量來表示，即：</p><p><b>　?。?-12）</b></p><p>　　對上式去自然對數(shù)為：</p><p><b>　　（2-13）</b></p><p>　　對上式傅立葉變換為：</p><p><b>　?。?-14）</

73、b></p><p>　　用一個(gè)濾波器函數(shù)H來處理，可得到：</p><p><b>　?。?-15）</b></p><p><b>　　逆變換到空間域得：</b></p><p><b>　?。?-16）</b></p><p>　　對上式兩邊

74、取指數(shù)得：</p><p>　?。?-17） </p><p>　　同態(tài)濾波法的關(guān)鍵在于利用自然對數(shù)的傅立葉變換將圖像中的照明分量和反射分量分開。這樣同態(tài)濾波函數(shù)就可以分別作用在這兩個(gè)分量上。圖像中的照明分量往往具有變化緩慢的特征，而反射分量則傾向劇烈變化，這使得圖像對數(shù)傅立葉變換中的低頻部分對應(yīng)照明分量，而高頻部分對應(yīng)反射分量。通過設(shè)計(jì)一個(gè)對傅立葉變化的高頻分量和低頻分量影響不同的

75、濾波函數(shù)，如果，，則濾波函數(shù)將壓縮低頻段，而增強(qiáng)高頻段，最后的結(jié)果是壓縮了圖像的動(dòng)態(tài)范圍，同時(shí)又增強(qiáng)了圖像的對比度。從而，相對低通濾波和高通濾波而言，同態(tài)濾波更容易突出圖像目標(biāo)區(qū)域的邊緣特征信息。</p><p><b>　　2.2 圖像分析</b></p><p>　　圖像分析可以看作是一種描述的過程，主要是從圖像中提取有用的數(shù)據(jù)和信息，生成非圖的描述和表示。圖像分

76、析的主要內(nèi)容分為二值化圖像處理、圖像的分割和圖像的邊緣檢測等。圖像分割是一種重要的圖像分析技術(shù)。在對圖像的研究和應(yīng)用中，我們往往僅對圖像中的某些部分感興趣，這些部分稱為目標(biāo)或背景。其一般對應(yīng)著圖像中特定的、具有特殊性質(zhì)的區(qū)域，這些特殊性質(zhì)包括像素的灰度值、物體輪廓曲線、顏色等。為了計(jì)算機(jī)進(jìn)一步識(shí)別和分析圖像中的目標(biāo)。需要將這些帶有特殊性質(zhì)的區(qū)域分離提取出來，在此基礎(chǔ)上才能進(jìn)一步對目標(biāo)進(jìn)行測量和對圖像進(jìn)行利用。簡而言之，圖像分割就是指將圖

77、像分成各具特征區(qū)域并提取出其中感興趣目標(biāo)的技術(shù)和過程。</p><p>　　數(shù)字圖像的邊緣檢測是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域的基礎(chǔ)部分，也是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性，在對圖像進(jìn)行圖像理解和分析時(shí)，第一步操作即是邊緣提取，目前邊緣提取技術(shù)已成為機(jī)器視覺研究領(lǐng)域最活躍的課題之一，在工程上的應(yīng)用也占有十分重要的地位。</p><p>　　2.2.1 灰度閾值法分

78、割</p><p>　　對于只有黑和白的圖像，由于其像素值只取0和1兩個(gè)數(shù)值，因而稱為二值圖像。二值化圖像處理在計(jì)算機(jī)圖像處理中占有很重要的地位。為了分析圖像的相關(guān)特性，常常從圖像中分離出對象物，提取出圖形和背景而進(jìn)行二值化處理。圖像的二值化可根據(jù)式2-18的閾值處理來進(jìn)行。</p><p><b>　?。?-18）</b></p><p>　

79、　其中T是輸入圖像中灰度級范圍內(nèi)的一個(gè)值。是二值化后的輸出圖像。通過對圖像進(jìn)行二值化操作后可以從圖中提取所需處理圖形的邊緣。</p><p>　　常用的閾值法處理就是圖像的二值化處理，設(shè)定不同的閾值T對圖像進(jìn)行二值化處理效果有明顯的差異。常用的閾值確定方法有最小誤差閾值法、最大方差閾值法、最佳閾值法等等。下面介紹其中最大方差閾值法的原理。</p><p>　　最大方差閾值也叫大津閾值，是1

80、980年由日本學(xué)者大津展之提出來的，它是在差別與最小二乘法原理的基礎(chǔ)上推導(dǎo)出來的，可得到較好的閾值結(jié)果。</p><p>　　把直方圖在某一閾值處分割成兩組，當(dāng)被分割的兩組間方差為最大時(shí)，確定閾值。設(shè)一幅圖像的灰度級為1~m級，灰度值i的像素?cái)?shù)為，則有：</p><p><b>　　像素總數(shù)為：</b></p><p><b>　?。?/p>

81、2-19）</b></p><p><b>　　各灰度級的概率為：</b></p><p><b>　　（2-20）</b></p><p>　　通過閾值T將圖像的灰度級劃分為兩組即和則各組產(chǎn)生的概率為：</p><p><b>　　第一組產(chǎn)生的概率：</b><

82、;/p><p><b>　　（2-21）</b></p><p><b>　　第二組產(chǎn)生的概率：</b></p><p><b>　?。?-22）</b></p><p>　　第一組的灰度平均值為：</p><p><b>　　（2-23）<

83、/b></p><p>　　第二組的灰度平均值為：</p><p><b>　　（2-24）</b></p><p>　　其中是整體圖像的灰度平均值，是閾值為T時(shí)的灰度平均值。則有兩組間的方差為：</p><p><b>　?。?-25）</b></p><p>　　從

84、灰度級范圍中改變T即可求得D（T）的最大值，此時(shí)對應(yīng)的T值便是閾值。</p><p>　　2.2.2 邊緣檢測</p><p>　　物體邊緣是以圖像的局部特征不連續(xù)的形式出現(xiàn)的，即指圖像局部亮度變化最顯著的部分，如灰度值的突變、顏色的突變等同時(shí)物體的邊緣也是不同區(qū)域的分界處。圖像邊緣具有方向和幅度兩個(gè)特性，通常沿邊緣的走向灰度變化平滑，垂直于邊緣走向的像素灰度變化劇烈。</p>

85、<p>　　利用邊緣檢測來分割圖像，其基本思想就是先檢測出圖像中的邊緣點(diǎn)，再按照某種策略方式將邊沿點(diǎn)連接成輪廓，從而構(gòu)成分割區(qū)域。由于邊緣是所要提取目標(biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景分開，因而邊緣檢測技術(shù)對于數(shù)字圖像十分重要。圖像中某物體邊界上的像素點(diǎn)，其領(lǐng)域?qū)⑹且粋€(gè)灰度級變化帶。衡量這種變化最有效的兩個(gè)特征值就是灰度的變化率和變化方向，它們分別以梯度向量的幅值和方向來表示?？傊?，邊緣檢測就是使用數(shù)學(xué)方法提取圖

86、像像元中具有亮度值（灰度）空間方向梯度大的邊、線特征的過程。對于圖像中的邊緣檢測可借助空域微分算子通過卷積完成。</p><p><b>　　1.梯度算子</b></p><p>　　梯度對應(yīng)為一階導(dǎo)數(shù)，梯度算子是一階導(dǎo)數(shù)算子，對一個(gè)連續(xù)函數(shù)。它在位置（x,y）的梯度可表示成一個(gè)矢量。</p><p><b>　?。?-26）<

87、/b></p><p>　　這個(gè)矢量的幅度和方向角分別為：</p><p><b>　?。?-27）</b></p><p><b>　　（2-28）</b></p><p>　　在實(shí)際中常用小區(qū)域模板卷積來近似計(jì)算上式中的偏導(dǎo)數(shù)，對、各用一個(gè)模板，則需要兩個(gè)模板構(gòu)成一個(gè)梯度算子。根據(jù)模板的大

88、小、其中元素值的不同，人們已提出了許多不同的算子。最簡單的梯度算子是羅伯特交叉算子（Roberts cross）、普瑞維特算子（Prewitt）和索貝爾算子（Sobel）。其常用的2個(gè)模板如下：</p><p>　　Roberts cross： H1=, H2=；</p><p>　　Prewitt：H1= ，H2= ；</p><p>　　Sobel：H1= ，H

89、2= ；</p><p>　　將模板與原始圖像的像素矩陣進(jìn)行卷積，即可得到梯度：</p><p><b>　?。?-29）</b></p><p>　　求出梯度后，設(shè)定一個(gè)閾值T，當(dāng)，標(biāo)出該點(diǎn)為邊界點(diǎn)，其像素值設(shè)為0，否則設(shè)為255，通過適當(dāng)?shù)恼{(diào)整T的大小達(dá)到最佳效果。</p><p><b>　　2.CANN

90、Y算子</b></p><p>　　Canny算子是一類最優(yōu)邊緣算子，它在許多圖像處理領(lǐng)域得到了廣泛運(yùn)用。Canny考核邊緣檢測算子的指標(biāo)從低誤判率，高定位精度即準(zhǔn)確的把邊緣點(diǎn)定位在灰度變化最大的像素上，以及抑制虛假邊緣的考慮出發(fā)推導(dǎo)出了最佳邊緣檢測算子-Canny邊緣檢測算子。Canny算子與其他邊緣檢測方法的不同之處在于它使用了兩種不同的閾值分別檢測強(qiáng)邊緣和弱邊緣，并且僅當(dāng)強(qiáng)弱邊緣相連時(shí)才將弱邊緣

91、包含在輸出圖像中，因而這種方法容易檢查出真正的弱邊緣。</p><p>　　2.2.3 基于彩色圖像的K-均值聚類分割</p><p>　　對于給定一幅由多種顏色組成的彩色圖像，我們有時(shí)候是對彩色圖像中某個(gè)顏色所包含的區(qū)域感興趣，如果是按照先把彩色圖像轉(zhuǎn)化為灰度圖像然后提取相應(yīng)的特征邊緣相對來說提取過程比較復(fù)雜，而如果是對這幅彩色圖像直接實(shí)行K-均值聚類分割來提取圖像中某個(gè)顏色所包含的區(qū)域

92、則能夠得到很好的解決。實(shí)際上，K-均值聚類分割是通過將抽象對象的集合分成由多個(gè)相似的對象組成的多個(gè)子類的過程，從而可以根據(jù)不同的顏色塊進(jìn)行聚類，最終可以將具有同種顏色的圖像區(qū)域從整個(gè)彩色圖像中劃分出來，以利于后續(xù)的計(jì)算機(jī)圖像處理。</p><p>　　K-均值聚類分割算法的基本原理就是：首先從數(shù)據(jù)集中選取K個(gè)點(diǎn)作為初始聚類中心，然后計(jì)算各個(gè)樣本到聚類中心的距離，把樣本點(diǎn)歸并入到離它最近的那個(gè)聚類中心所在的類內(nèi)，通

93、過計(jì)算新形成的每一個(gè)聚類的數(shù)據(jù)對象的平均值來得到新的聚類中心，如果相鄰兩次的聚類中心沒有發(fā)生變化，則調(diào)整結(jié)束，聚類完成，否則再修改聚類中心進(jìn)入下一次迭代。</p><p>　　2.3 圖像的特征描述</p><p>　　圖像描述是圖像處理的核心內(nèi)容。為了便于有效地研究和應(yīng)用，往往需要用一些簡單明確的數(shù)值、符號(hào)或圖來表征所給定的圖像及已分割的圖像區(qū)域。這些數(shù)值、符號(hào)或圖是按照一定的概念和公式

94、產(chǎn)生，反映了圖像或圖像區(qū)域的基本信息和主要特征。通常稱這些數(shù)值、符號(hào)或圖為圖像的特征，而用這些特征來表示圖像稱為圖像描述。</p><p>　　2.3.1 形狀描述</p><p><b>　　1. 鏈碼</b></p><p>　　鏈碼是圖像處理和模式識(shí)別中最常用的一種表示方法，最初是由Freemam于1961年提出來的，用來表示線條模式。根

95、據(jù)鏈的斜率不同常用的有4方向和8方向的鏈碼，其方向定義如圖2-5所示：</p><p>　　圖2-5 4方向碼和8方向碼</p><p>　　在4方向碼中，4方向碼的長度都是一個(gè)像素單位；在8方向碼中，水平和垂直方向的方向碼的長度都是一個(gè)像素單位；在對角線方向的4個(gè)方向碼為像素單位的倍。因此，它們的共同點(diǎn)在于直線度的長度固定，方向數(shù)有限，所以可以用一系列具有這些特點(diǎn)的相連的直線來表示目標(biāo)的

96、邊界。這樣只有邊界的起點(diǎn)需要用絕對坐標(biāo)來表示，其余點(diǎn)可用接續(xù)方向來表偏移量。從在物體邊界上任意選取的某個(gè)起始點(diǎn)坐標(biāo)開始，跟蹤邊界并賦給每兩個(gè)相鄰像素的連續(xù)一個(gè)方向值，最后按照逆時(shí)針方向沿著邊界將這些方向碼連接起來，就可以得到物體邊界的鏈碼，因此鏈碼的其實(shí)位置和鏈碼完整的包含了目標(biāo)的形狀和位置信息。</p><p><b>　　2. 鏈碼的歸一化</b></p><p>

97、;　　使用鏈碼時(shí)，起點(diǎn)的選擇是很關(guān)鍵的。對同一個(gè)邊界，如果采用不同的邊界點(diǎn)作為鏈碼的起點(diǎn)，所得到的鏈碼是不同的，從而提出了一種鏈碼歸一化的思想。具體做法是：給定一個(gè)從任意點(diǎn)開始的產(chǎn)生的鏈碼，把它看作一個(gè)由各方向數(shù)構(gòu)成的自然數(shù)，首先，將這些方向數(shù)按一個(gè)方向循環(huán)，以使它們所構(gòu)成的自然數(shù)的值最??；然后，將這樣轉(zhuǎn)換后所對應(yīng)的鏈碼起點(diǎn)作為這個(gè)邊界的歸一化鏈碼的起點(diǎn)。</p><p>　　3. 形狀特征的描述</p&g

98、t;<p><b>　?。?）、長軸和短軸</b></p><p>　　當(dāng)物體的邊界已知時(shí)，用其外接矩形的尺寸來刻畫它的基本形狀。如對圖2-6邊界進(jìn)行外接矩形描述：</p><p>　　圖 2-6 MER法求物體的長軸和短軸</p><p>　　求物體在坐標(biāo)軸上方向上的外接矩形，只需計(jì)算物體邊界點(diǎn)的最大坐標(biāo)值和最小坐標(biāo)值，即可得

99、到物體的水平跨度和垂直跨度。對任意朝向的物體，需確定物體的主軸，然后計(jì)算反映物體形狀特征的主軸方向上的長度和與其垂直方向上的寬度，而此時(shí)的外接矩形即為物體的最小外接矩形（MER）。</p><p><b>　　（2）、矩形度</b></p><p>　　圖像區(qū)域的面積與其最小外接矩形面積的比值即為矩形度：</p><p><b>　　

100、（2-30）</b></p><p>　　矩形度反映區(qū)域?qū)ζ渥钚⊥饨泳匦蔚某錆M程度，當(dāng)區(qū)域?yàn)榫匦螘r(shí)，矩形度R=1，當(dāng)區(qū)域?yàn)閳A形時(shí)，，對于邊界彎曲、呈不規(guī)則分布的區(qū)域，。</p><p><b>　?。?）、長寬比</b></p><p>　　長寬比是將目標(biāo)與近似矩形或圓形目標(biāo)進(jìn)行區(qū)分時(shí)，采用的形狀度量。長寬比為最小外接矩形的寬與長之

101、比，其定義式為：</p><p><b>　　（2-31）</b></p><p><b>　?。?）、致密度</b></p><p>　　致密度也稱復(fù)雜度，有時(shí)也稱分散度，其定義為區(qū)域周長（P）的平方與面積（A）的比值。即：</p><p><b>　　（2-32）</b>&

102、lt;/p><p>　　致密度越大表明單位面積的周長大，即區(qū)域離散為復(fù)雜形狀，反之，為簡單形狀。</p><p>　　第3章 數(shù)字圖像處理技術(shù)應(yīng)用于X射線檢測</p><p>　　3.1 X射線無損檢測技術(shù)簡介</p><p>　　X射線是1985年由德國物理學(xué)家倫琴發(fā)現(xiàn)的；1912年，美國物理學(xué)家?guī)炖┦垦兄瞥隽艘环N新型的X射線管，從而為X射

103、線的工業(yè)應(yīng)用奠定了基礎(chǔ)。其在無損檢測應(yīng)用過程中，X射線檢測常用于檢測檢測對象的缺陷情況，其中最主要的是用于焊縫缺陷檢測，利用X射線對被檢測對象表面進(jìn)行拍照，在不損傷被檢測對象的情況下就可以檢測出對象內(nèi)部有無缺陷，從而判別對象使用的安全性。</p><p>　　3.2 X射線檢測原理</p><p>　　X射線是在X射線管中，在電場的作用下在陰極處的電子在電場力的作用下電子高速飛向陽極靶，電

104、子與陽極靶的撞擊過程中產(chǎn)生。當(dāng)X射線通過被檢測物體時(shí)，物體中有缺陷的部位（如氣孔、非金屬夾雜等）與無缺陷部位對射線的吸收能力不同，一般情況下是透過有缺陷部位的射線強(qiáng)度高于無缺陷部位的射線強(qiáng)度，從而可通過檢測透過被檢測物體后的射線強(qiáng)度的差異，來判斷被檢測物體是否存在缺陷。</p><p>　　圖3-1 X射線的產(chǎn)生過程</p><p>　?。?-陰極，2-外殼，3-陽極靶） </p&g

105、t;<p>　　X射線檢測被測物體的見圖3-2。</p><p><b>　　X射線源</b></p><p><b>　　X射線底片</b></p><p>　　圖 3-2 X射線檢測物體</p><p><b>　　3.3 圖像預(yù)處理</b></p>

106、;<p>　　3.3.1焊縫圖像灰度調(diào)整</p><p>　　由于通過X射線無損檢測得到的焊縫缺陷圖但X射線得到的焊縫圖像普遍具有灰度區(qū)間比較窄、缺陷邊緣模糊、圖像噪聲多、缺陷特征有時(shí)被隱藏等特點(diǎn)，為了更加準(zhǔn)確的檢測出內(nèi)部缺陷，對焊縫圖像進(jìn)行預(yù)處理是必要的。圖3-3是一幅經(jīng)過X射線無損檢測得到的焊縫缺陷圖樣。</p><p>　　圖 3-3 原X射線檢測圖樣</p>

107、;<p>　　根據(jù)2.1的相關(guān)原理結(jié)合Matlab軟件編程對圖3-3進(jìn)行圖像預(yù)處理。流程圖見圖3-4。</p><p>　　圖 3-4 圖像預(yù)處理流程</p><p>　　3.3.1.1 焊縫圖像灰度處理</p><p>　　f=imread('F:p1.jpg');%輸入圖像</p><p>　　f1=flo

108、or(double(f));%變?yōu)殡p精度浮點(diǎn)數(shù)后再取整</p><p>　　s=size(f1);%求出圖像的行數(shù)和列數(shù)</p><p>　　N=zeros(256);%生成一個(gè)256行和256列的元素全為0的矩陣</p><p>　　for i=1:s(1) %嵌套循環(huán)</p><p>　　for j=1:s(2)</p>&

109、lt;p>　　k=f1(i,j); %取出灰度圖像的（i,j）位置的灰度值</p><p>　　N(k+1)=N(k+1)+1;%把灰度值為k的像素點(diǎn)數(shù)加1，存在數(shù)組N的第k+1個(gè)元素中</p><p><b>　　end</b></p><p><b>　　end</b></p><p>　

110、　bar(N) %繪制統(tǒng)計(jì)用柱狀圖</p><p>　　title('灰度直方圖')</p><p>　　現(xiàn)在通過Matlab的圖像處理工具箱中的imadjust、stretchlim函數(shù)對上圖進(jìn)行灰度調(diào)整，使圖像的灰度值遍布整個(gè)灰度值范圍，是圖像的顯示效果更加的清晰。 相關(guān)程序如下：</p><p>　　f=imread ('F

111、:p1.jpg');</p><p>　　f1=rgb2gray(f);% 轉(zhuǎn)化成灰度圖像</p><p>　　f2=stretchlim(f1);%計(jì)算灰度矩陣的最佳輸入?yún)^(qū)間，圖像的灰度對比度最大</p><p>　　f3=imadjust (f1, f2);%將圖像灰度值調(diào)整到一個(gè)合適的灰度范圍</p><p>　　f4=floo

112、r(double(f3));%變?yōu)殡p精度浮點(diǎn)數(shù)后再取整</p><p>　　s=size(f4);%求出圖像的行數(shù)和列數(shù)</p><p>　　N=zeros(256);%生成一個(gè)256行和256列的元素全為0的矩陣</p><p>　　for i=1:s(1) %嵌套循環(huán)</p><p>　　for j=1:s(2)</p>&

113、lt;p>　　k=f4(i,j); %取出灰度圖像的（i,j）位置的灰度值</p><p>　　N(k+1)=N(k+1)+1;%把灰度值為k的像素點(diǎn)數(shù)加1，存在數(shù)組N的第k+1個(gè)元素中</p><p><b>　　end</b></p><p><b>　　end</b></p><p>　

114、　bar(N) %繪制統(tǒng)計(jì)用柱狀圖</p><p>　　title('灰度均衡化后直方圖')</p><p>　　Subplot (1, 2, 1); imshow (f) %顯示處理前的圖像</p><p>　　Subplot (1, 2, 2); imshow (f3) %顯示灰度調(diào)整后的圖像</p><p>　　im