实验目的 |
1、加深对图像滤波概念的理解；
2、掌握常用的滤波方法和编程方法；
3、加深对不同滤波方法滤波效果的理解
|
实验原理 |
图像滤波主要是为了消除噪声。图像噪声并不限于人眼所能看的见的失真和变形，有些噪声只有在进行图像处理时才可以发现。图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。
图像中的噪声往往和信号交织在一起，尤其是乘性噪声。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，边缘信息也主要集中在其高频部分。，如果平滑不当，就会使图像本身的细节如边界轮廓、线条等变的模糊不清。因此，如何去掉高频干扰又同时保持边缘信息，即如何既平滑掉噪声有尽量保持图像细节，是图像滤波主要研究的内容。
对图像进行滤波（平滑化），可以采用低通滤波的方法去除高频干扰。图像平滑包括空域法和频域法两大类，在空域法中，图像平滑的常用方法是采用均值滤波或中值滤波。
对于均值滤波，它是用一个有奇数点的滑动窗口（邻域，模板）在图像上滑动，将窗口中心点对应的图像像素点的灰度值用窗口内的各个点的灰度值的平均值代替。如果滑动窗口规定了在取均值过程中窗口各个像素点所占的权重，也就是各个像素点的系数，这时候就称为加权均值滤波。通过均值滤波，可以有效去除图像的高频成分，使得噪声显著减少，并可以抑制尖峰脉冲。另一方面，平滑化的结果，使得原有的阶跃特征转变为渐变特征，因而边缘被模糊化，导致细节损失，牺牲精确定位能力。此外，模板的大小与平滑的效果直接相关，模板尺寸越大平滑的效果越好。但模板过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需合理选择模板的大小。
中值滤波是一种非线性滤波。它是把邻域内的所有像元值从小到大排序，取中间值作为邻域中心像元点的输出值。中间值取法如下：当邻域内的像元数为奇数时，取排序后的中间像元值；当邻域内的像元数为偶数时，取排序后的中间两像元值的平均值，其邻域也可选择不同方式。中值滤波的突出优点，是可以去除图像中的脉冲噪声、椒盐噪声，即消除一些孤立的噪声点。中值滤波的另一优点，是在消除噪音的同时，还能防止边缘模糊。
另外需要注意一点，在用窗口扫描图像过程中，对于图像的四个边缘的像素点，可以不处理；也可以用灰度值为"0"的像素点扩展图像的边缘。 |
实验仪器与设备 |
(1) 黑白数字摄像机：同前；
(2) FA镜头：同前；
(3) LED光源：同前；
(3) 视觉检测实验台：同前；
(4) 被测试件：；
(5) 计算机：同前，包括大恒数字摄像机应用接口库。
|
实验内容与过程 |
(1) 打开计算机电源，运行计算机桌面上的摄像机演示程序demo，检查是否可以捕获黑白图像。
(2) 关闭LED光源，调整被测物、镜头、数字摄像机，保证较为清晰成像（略带一些噪声点为宜，以便凸显滤波效果），并使得被测轮廓占据约半个视场，且位置居中为宜。利用VC语言采集一幅图像，并保存图像。
(3) 编制VC语言程序，实现对图像的均值滤波，改变模板大小，分别观察滤波效果，并保存图像。
(4) 编制VC语言程序，实现对图像的中值滤波，改变模板大小，分别观察滤波效果，并保存图像。
|
实验报告 |
将实验中保存的图像分别拷贝出来，放入下面的相应表格中，并将总结的现象和规律填入表格。
原始图像 |
内容 |
采集图象 |
结果 |
|
现象 |
|
均值滤波 |
序号 |
第一次 |
第二次 |
第三次 |
模板 |
|
|
|
滤波
结果 |
|
|
|
现象 |
|
|
|
规律 |
|
中值滤波 |
序号 |
第一次 |
第二次 |
第三次 |
模板 |
|
|
|
滤波
结果 |
|
|
|
现象 |
|
|
|
规律 |
|
|
