11.2图像预处理技术在线视频

各位同学大家好！

咱们接着学习

刑侦图像检索

这节课

咱们开始讲第二部分的内容

图像预处理技术

因为要实现鞋印图像检索

如果采集的图像不清晰

或者中间有噪声的话

咱们为了提高

鞋印图像检索的精度

对图像

首先要进行预处理

常用的预处理方法有三种

第一种

图像增强处理

第二种

中值滤波处理

第三种

二值化

处理

咱们现在分别来进行详细介绍

第一种：图像增强技术

图像增强

是数字图像处理中间

一个非常经典的研究课题

图像增强的方法也很多很多

在咱们鞋印图像检索过程中

咱们采用了直方图均衡化

对图像进行增强处理

所谓的直方图均衡化

他的基本思想就是这样

就是要寻找一个增强函数

把原图像进行增强处理

希望得到的新图像

它所对应的直方图

是均匀分布的

这个增强函数

他要满足两个方面的条件

第一个方面的条件：就是

增加函数T它是一个严格的增函数

第二个条件

增加上诉T它的定义域和值域相同

为什么要满足这两个条件呢？

第一个条件

就是要保证

增强之后的图像和原图像

不要发生黑白颠倒

原来它的灰度值大一点

在增强之后的话

它所对应的灰度值

还是会大一点

第二个条件

要保证增强之后的图像

和原图像

动态范围相一致的

例如原图像

它的取值范围

0到255

增强之后的话

它范围也在0~255之间

它的范围不要发生变化

经过研究发现

直方的均衡化

他要寻找的增强函数

累积直方图函数

换句话说就是

累积直方图函数

就是直方图均衡化

要寻找的变换函数

这个地方的话

直方图均衡化

它的算法步骤

大概分为6步

第一步

首先要列出

原图像的灰度值

第二步

要统计原图像的不同的灰度值

它们出现的频率

即出现的次数

第三步

对直方图

次数要进行归一化处理

第4步

要计算累计直方图

第5步

要利用数学式子

来建立映射关系

当映射关系建立完之后

咱们就可以

根据建立的映射关系

对原图像进行灰度变换

以得到增强之后的新图像

这个地方的话

是直方图均衡化的处理结果

左上角

这个是原图像

看上去比较暗

里面的细节

图像

里面的物体

目标都看不清楚

它所对应的直方图

看第一列右上角这个地方

它的直方图

主要是分布在

低（灰度值）范围里面

第二行

左边这个图像

增强之后的新图像

从右下角图像可以知道

它的直方图分布的比较均匀

所以看这个图像

就经过均衡化处理之后的话

能够明显改善图像的视觉效果

这个地方的话

是鞋印图像增强的实际效果

左边是原图像

右边的话

是视觉增强之后的新图像

预处理

第二个技术

中指滤波图像平滑

如果图像中间有噪声的话

咱们要进行平滑去噪处理

最常用的方法

咱们可以采用中指滤波的方法

对图像进行平滑处理

所谓中值滤波

首先，咱们要知道

中值这个概念

如果用一个长度为N这么一个

序列

他的数字分别是X1,X2

到Xn. 要得到序列的中值

首先，咱们的序列要进行排序

小的排在前面

大的排在后面

所谓的中值

排在中间的那个数字就是中值

如果序列长度N为基础的话

中值的话就在1/2（N+1）那个地方

下标为二分之

N+1那个地方的话

就是中值

如果这个序列长度是偶数的话

那么就有两个数字

趴在中间

就把这两个数字相加

然后再平均，就是（二数之和）除以2

这个值的话就称为中值

所谓中值绿波

咱们通过一个例子

来看一下中度滤波的原理

现在，咱们假设有一张图像

咱们要对它要进行中值滤波

例如：

左边这个图像

中间有一个灰色像像素

那个值是一个2

如果要这个像素

要进行中值滤波的话

要以像素为中心点

取一个邻域

取个3×3

这么一个邻域

中间的话

总共的话就有9个像素

就有9个数字

咱们就把9个数字进行排序

排完之后的话

再然后的话就去中值

咱们从上面排序那个结果可以知道

前面的话122

前面的4个把它去掉

3

刚好排在最这中间

这个3的话

就是这个（3x3）窗口里面

9个数字的1个中值

然后就在新图像中间

就把原来

2

就替换为3

这样的话

就可以完成中值滤波

用相同的方法

对原图像中间

以每个像素

为中心点，取中值

然后进行替换

然后的话

就会得到一个新图像

新图像的话

就是经中值滤波

结果

中值滤波的话

它可以去掉

图像中间的噪声

特别是对椒盐噪声，效果非常明显

这个地方的话

是

中值滤波的一个结果

左边是原图像

右边的话

是中度滤波的一个结果

看中毒的一个结果的话

可以明显会发现

图像比较平缓

噪声的话可以得到滤掉

第三个技术就是

二值化处理

所谓，图像阈值分割

它的基本原理是

假设，f(x,y)是原图像

g(x,y)是新图像

在阈值分割的这个算法里面

它中间有一个参数T

如果f(x,y)大于或等于T的话

那么g(x,y)的话

就等于1

不然的话就等于0

这个地方的话

就是阈值分割的原理

这地方的话是阈值分割了一个

仿真程序

课外的话

可以去试一下这个程序

这个图可以看到

阈值分割的一个结果

以128为阈值

分割结果

左边是 原图像

右边的话是分割了一个结果

咱们通过阈值分割原理

可以知道

在阈值图像分割这个算法里面

有一个非常重要的参数

即阈值T

如果对一个图像

T选择不恰当的话

分割的效果会不好

如果能够选择到一个

恰当的阈值T的话

咱们就可以得到一个非常

好的一个分割结果

咱们在工程中间的话

怎样能够选择一个最佳的阈值

在咱们实验中间的话

咱们采用大津法

来选择最佳阈值

大津法

就称为最大类间方差法

他的基本思想是

如果用某一个灰度值T将图像

分成两部分

当两部分的内间方差

达到最大的时候

这个时候的T，就成为了一个最佳阈值

用 T来对图像进行分割的话

就会得到一个很好的效果

这地方咱们看到阈值分割的结果

左边是原图像

右边是分割的结果

看完之后的话

咱们就会发现

经过分割

处理之后图像

鞋印的图像

它的花纹非常清晰

这样的话

就便于咱们进行识别

对（鞋印）图像进行检索

这地方的话

也是图像分割

图像预处理的一个最终结果

好的

这节课就上到这个地方

谢谢