改进型自适应中值滤波算法在图像处理中的应用

对于高强度的椒盐噪声,标准的中值滤波算法在抑制图像噪声和保护细节两方面存在矛盾.针对上述问题,提出了一种改进型自适应中值滤波算法,该算法结合图像灰度直方图,先将噪声限制在一定的灰度值范围内,然后通过调整窗口局部大小进行滤波处理.仿真结果表明,与其他滤波算法相比,该方法的图像处理效果明显改善.     

棉花图像采集中的椒盐噪声抑制

为了消除大容量棉花纤维测试仪在图像采集过程中出现的椒盐噪声,改善试样棉花图像质量,提出一种自适应中值噪声抑制方法。该方法在噪声检测中采用了基于灰度阈值的二次判别,避免了噪声的漏检。在此基础上,根据噪声污染程度自动匹配滤波窗口尺寸,采用中值滤波原理去除椒盐噪声。仿真试验结果表明,自适应中值噪声抑制方法在有效消除噪声的同时,保护了棉花图像中杂质的边缘细节。同时,在70%的大噪声密度下峰值信噪比(PSNR)达到26.49,降噪耗时最优仅为5×5极值滤波法的13%,能够有效用于棉花图像椒盐噪声的消除。     

基于二值图像连通域提取的图像滤波方法

为解决常用滤波方法对目标图像噪声抑制效果不理想的问题,提出了一种基于二值图像连通域提取的图像滤波方法。将采集到的图像进行二值化,对图像进行连通域提取并根据连通域的轮廓筛选出噪声干扰点,对噪声点进行过滤,保留图像细节特征,对目标图像的噪声达到有效抑制的效果。结果表明:该方法在特定应用上优于常规滤波方法。     

自适应中值滤波在图像处理中的应用

图像在形成和传输的过程中会受到许多噪声污染,这时就需要对其进行滤波。传统的中值滤波在处理噪声污染时常常会牺牲掉一些图像细节部分,而自适应中值滤波在图像处理中具有更好的处理效果,可以在不影响到图像细节的基础之上,通过对噪声的检测,确定滤波窗口尺寸,再对其进行噪声的滤除,因此自适应中值滤波被广泛应用到图像处理中。     

基于相似性定位和超像素分割的织物疵点检测

为解决周期性纹理织物图像的疵点检测及其轮廓精确分割问题,提出一种基于相似性定位和超像素分割的织物疵点检测方法。将待检测图像进行中值滤波和对数增强,并利用FT算法估计增强图像的显著图实现待检测图像的预处理;将基于归一化局部均值差分的灰度相似性检测参量和结构相似性检测参量结合,构建可测量更多类型周期性纹理织物图像的相似性度量函数,通过阈值化增强图像分块的相似性测量值实现疵点在显著图中的粗定位;最后对显著图粗定位图像分块进行超像素细分割及其二值化处理,并借助连通域分析剔除孤立点,获得完整的疵点轮廓。结果表明,本方法与常规3种方法相比,对周期性纹理织物图像的疵点检测准确率更高,且提取出的疵点轮廓更精确。     

基于改进的加权中值滤波与K-means聚类的织物缺陷检测

为检测纹理织物在生产过程中产生的各种疵点,提出一种基于改进的加权中值滤波与K-means聚类相结合的纹理织物疵点检测方法。首先利用改进的加权中值滤波对纹理织物图像进行预处理,以减少纹理信息对疵点检测产生的影响,同时通过联合直方图动态数据分配权重和像素,减少寻求中位数的时间来有效地缩短检测时间,提高了执行速度;然后采用K-means算法对滤波后的织物图像进行聚类,计算织物图像疵点和非疵点的聚类中心,进而实现图像疵点区域的分割。实验结果表明,该方法可有效地检测出方格、点形、星形、平纹、斜纹等多类型纹理织物的疵点,并显著提高检测速度。     

基于Gabor优化选择的彩色图像边缘检测算法

针对图像边缘检测过程中易出现图像细节信息丢失以及边缘断裂等问题,提出一种基于Gabor优化选择的图像边缘检测算法。Gabor滤波器虚部可以较好地描述像素周围的方向变化信息以及伸缩、平移、旋转不变性。利用3个尺度8个方向的Gabor虚部滤波器组提取图像边缘特征;分别计算滤波后各图像的熵值,对于同一方向、不同尺度下的滤波图像,选择熵值最大的滤波通道作为最优;根据二范数进行边缘特征融合,通过迭代式阈值分割方法获得边缘检测结果。实验结果表明,所提算法边缘定位准确且边缘细节信息丰富,边缘连续度较高。     

基于灰度邻域操作的缺陷图像消噪分析与实现

以图像中的噪声影响下一步图像处理、分析及识别为启示,分析了常用的数字滤波算法优缺点,提出了基于MATLAB的灰度邻域操作消噪方法。该方法将灰度化的缺陷图像,利用相邻像素间的颜色分布对图像进行平滑、增强、边缘提取、滤波、恢复。仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波方面能有效地滤除噪声,同时还能较好的保护图像细节,较准确的复原受噪图像特征。     

两步法快速复原噪声模糊图像

本文提出了一种两步复原法,以用于复原被脉冲噪声干扰的模糊图像。第一步,对离群点进行识别,即那些疑似被脉冲噪声损坏的像素,并将剩余的像素视为基本非离群点。第二步,基于非离群像素,利用变分法对图像进行去模糊和去噪声。实验结果显示,使用该方法复原后图像的峰值信噪比dB值较采用典型变分法有所提高。     

基于颜色信息的改进NL法图像噪声消除算法初探

对于古旧图像数字化处理时嵌入的随机噪声,拟在改进Non Local Means算法进行研究。通过对像素周围整个区域的灰度分布做整体对比,根据灰度分布的相似性求得决定权值,研究并算出对应各个像素集合块自适应参数,继而算出相似度,筛选出基础模板。再通过修正目标像素区域值,并利用加权平均值替代目标像素区域值,以达到噪声消除的目的。最终参照图像噪声消除精度和图像质量参数,仿真了此噪声消除算法的可行性和科学性。     

基于参数可调均值迁移滤波实现筒子纱的识别检测

为了提高机器视觉对纱筒图像识别检测的准确率,课题组提出了一种参数可调均值迁移滤波算法.在图像采样过程中,先对源图像进行锐化处理,再对图像空间窗口与颜色窗口同时进行卷积操作,筒子纱的边缘轮廓得到完整保留,且通过滤波处理去除图像噪声;采用Canny算子边缘检测,完成对筒子纱的轮廓提取;几何矩计算轮廓质心和横纵比过滤判别筒子...     

基于图像处理的教室人员密度算法设计

本课题基于图像处理的方法研究教室的人员分布状态。首先介绍了图像采集硬件,通过嵌入式摄像头采集教室的图像信息,然后利用一系列图像方法进行处理。文章对教室图像做了灰度化和二值化处理,进行了中值滤波,再对图像作了二值化形态学分析和运算,通过腐蚀和膨胀算法,获得了可以对人员分布作有效分析的图像。文章最后对人员密度算法方案作了对比,分别用像素统计法和特征识别法进行了统计分析,均能达到了教室人员密度分析的效果。     

基于Matlab的图像灰度分析及高斯白噪声的研究

通过Matlab对图像进行直方图分布,利用峰值找到图像阈值。对存在高斯白噪声的仿真图像进行去噪的效果分析,通过仿真的手法对其进行比较。最后通过Matlab的进行仿真,利用维纳滤波法、中值滤波法等有效手段,对图形图像进行处理分析,通过对比几组滤波方法发现维纳滤波法和中值滤波法都适合去除高斯白噪声。     

基于机器视觉激光切割自动寻边技术研究

论述了利用计算机视觉和图像处理技术实现激光切割机自动寻边切割的基本原理和实现方法.提出一种阈值滤波算法用于图像预处理,能在去除噪声的同时,较好地保留原图像的边缘信息.为了克服由于环境而导致的光强变化及物体表面粗糙度对物体图像边缘的影响,采用改进的边缘检测算法用于边缘信息的提取,通过设计一个梯度极值算子窗口,在窗口领域内直接对像素进行操作,来提取边界特征像素.用VC 6.0开发了整个系统的图像处理软件和系统控制软件,该方法对自动寻边切割具有计算简单、效率高、边缘提取准确的特点,已成功地应用于实际的自动寻边激光切割系统中.     

基于平滑滤波和分水岭算法的重组织织物图像分割

针对带有重组织的织物图像特点,提出了一种根据纱线颜色进行图像分割的方法。首先将织物图像转化为Lab颜色模式,采用混合中值滤波算法滤除扫描噪声;其次通过设置色差容许值改变高斯权值的平滑滤波算法进行滤波,去除织物图像中的重组织阴影和同颜色纱线纹理,保留纱线颜色特征;然后提取织物图像的色差梯度,通过分水岭算法进行图像分割,获得区域标记图像;最后将颜色相近的分割区域进行合并,得到织物图像的分色索引图像。实验结果表明,提出的算法可以对重织物图像进行较为准确地分割。     

基于图像处理的大幅面皮革图像拼接与轮廓检测算法研究

在皮革服装、运动鞋、皮包等加工领域中,皮革图像的轮廓检测、面积计算、裁剪路径优化等处理均需要应用计算机图像处理技术。由于很多动物皮革幅面较大,需要将多幅图像进行拼接,才能完成后续皮革的裁剪、排样等加工工序。对此,本文基于图像处理技术研究了大幅面皮革图像的拼接与轮廓检测算法。对采集的皮革图像进行灰度化、滤波去噪、二值化等预处理;采用Harris算法进行图像特征点检测,应用棋盘格进行特征点的匹配,计算出变换矩阵,通过投影方式将两幅皮革图像进行拼接;对二值化处理后的图像采集边界点,进行轮廓提取,并对轮廓上的点进行适当的筛选和补充,检测出完整的皮革图像轮廓。     

图像去噪领域中的优化中值滤波算法研究

文中,主要针对传统的标;住中值滤波算法的一些缺陷,通过对均值思想的利用设计了基于加权处理的自适应中值滤波算法,实验结果表明,改进后的算法能够在消除脉冲噪声的前提下更好的保护原有图像中细节信息。所以,改进后算法相较于传统的标准中值滤波算法具有更好的适用性。     

一种新型大米检测图像的自适应滤波算法

针对大米检测图像中的脉冲噪声提出了一种新型的基于极值和噪声密度估计算法的自适应滤波算法，结合了EM算法和IMFLED算法的优点。实验表明该算法比现有的中值滤波去噪和保持物体的实际大小、边缘等许多重要细节的能力更强，特别在噪声密度比较高的情况。     

不可忽视的通道混合器应用

Photoshop中的"通道混合器"工具对于RGB或CMYK色彩模式的图像是一个非常有用的工具,在某些通道缺乏颜色信息时,"通道混合器"通过编辑图像的通道,使当前源通道中的像素值按一定程度混合作用于输出通道中的像素值,可以对图像作大幅度校正.在RGB或CMYK图像中,颜色通道是代表图像颜色分量色调值的灰度图像,使用"通道混合器",可以通过源通道向输出通道加减灰度数据.不过,向特定颜色分量中增加或减去颜色的方法不同于"可选颜色"命令.     

基于邻域关联特性的纸病去噪方法

对传统的均值滤波、中值滤波的优缺点进行了分析,引入基于邻域关联特性的图像滤波去噪方法。该方法针对纸病图像噪声源多、样本有限等局限性,根据系统各因素间的内部联系和发展态势的相似程度来度量因素之间的关联程度,从而进行滤波。仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波方面能有效地滤除噪声,同时还能较好地保护图像细节。在纸病检测测试中,该方法可以解决纸病准确去噪的问题。