机器视觉及其应用——视觉图像算法

图像运算

代数运算

代数运算是指两幅输入图像之间进行点对点的加、减、乘、除运算得到输出图像的过程。如果记输入图像为A(x,y)和B(x,y)，输出图像为C(x,y)，则有如下四种形式：
(1) C(x,y) = A(x,y)+ B(x,y) 加运算
(2) C(x,y) = A(x,y)- B(x,y) 减运算
(3) C(x,y) = A(x,y)×B(x,y) 乘运算
(4) C(x,y) = A(x,y)/B(x,y) 除运算

（1）加运算

C(x,y) = A(x,y) + B(x,y)
主要应用举例
去除“叠加性”随机噪音
生成图像叠加效果

去除“叠加性”噪音

对于原图象f(x,y),有一个噪音图像集{ g i (x ,y) } i =1,2,…M
其中：g i (x ,y) = f(x,y) + hi (x,y)
M个图像的均值定义为：
g(x,y) = 1/M (g0(x,y)+g1(x,y)+…+g M (x ,y))
当：噪音hi (x,y) 为互不相关，且均值为0时，上述图象均值将降低噪音的影响。

（2）减法运算

C(x,y) = A(x,y) - B(x,y)
主要应用
消除背景影响
差影法(检测同一场景两幅图像之间的变化)

消除背景影响

即去除不需要的叠加性图案
设：背景图像 b(x ,y)，前景背景混合图像
f(x ,y) g(x,y)=f(x,y)–b(x,y)
g(x,y) 为去除了背景图像

差影法

指把同一景物在不同时间拍摄的图像或同一景物在
不同波段的图像相减;
差值图像提供了图像间的差异信息，能用于指导动态监测、运动目标检测和跟踪、图像背景消除及目标识别等。

差影法在自动现场监测中的应用

差影法在自动现场监测中的应用在银行金库内，摄像头每隔一固定时间拍摄一幅图像，并与上一幅图像做差影，如果图像差别超过了预先设置的阈值，则表明可能有异常情况发生，应自动或以某种方式报警；
用于遥感图像的动态监测，差值图像可以发现森林火灾、洪水泛滥，监测灾情变化等；
也可用于监测河口、海岸的泥沙淤积及监视江河、湖泊、海岸等的污染；
利用差值图像还能鉴别出耕地及不同的作物覆盖情况。

差值法的应用举例

(a)差影法可以用于混合图像的分离
(b) 检测同一场景两幅图像之间的变化
设： 时刻1的图像为T1(x,y)，时刻2的图像为T2(x,y)
g(x,y) = T2 (x,y) - T1(x,y)

求梯度幅度

图像的减法运算也可应用于求图像梯度函数

• 梯度定义形式
  $\nabla f(x,y)=i\frac{\partial f}{\partial x}+j\frac{\partial f}{\partial y}$
• 梯度幅度
  $\mid \nabla f(x,y)\mid =\sqrt{{\frac{\partial f}{\partial x}}^2+{\frac{\partial f}{\partial y}}^2}$
• 梯度幅度的近似计算
  $\mid \nabla f(x,y)\mid =max[\mid f(x,y)-f(x+1,y)\mid ,\mid f(x,y)-f(x,y+1)\mid ]$

梯度幅度的应用

梯度幅度在边缘处很高；
在均匀的肌肉纤维的内部，梯度幅度很低。

（3）乘运算

C(x,y) = A(x,y) * B(x,y)
主要应用举例
图像的局部显示

(4) 除运算

C(x,y) = A(x,y)/ B(x,y)
主要应用举例
常用于遥感图像处理中

几何运算

空间变换（平移、放大、缩小、镜像、旋转）
灰度插值