學(xué)習(xí)MATLAB數(shù)字圖像處理經(jīng)驗(yàn)談

學(xué)習(xí)數(shù)字圖像處理經(jīng)驗(yàn)談 (趙小川) 一、面向應(yīng)用：層層分解、抓住要點(diǎn) 我們學(xué)習(xí)數(shù)字圖像處理的最終目的還是應(yīng)用，不管是用它來(lái)研制產(chǎn)品還是研發(fā)項(xiàng)目抑或是研究課題，都要用數(shù)字圖像處理的理論、方法和技術(shù)來(lái)解決實(shí)際問(wèn)題。在此過(guò)程中，提高效率是非常重要的，因此，我們?cè)趯?shí)際應(yīng)用過(guò)程中要面向需求，結(jié)合實(shí)際；將問(wèn)題層層分解，理清解決思路；抓住其要害，集中力量進(jìn)行突破，切忌眉毛胡子一把抓。 下面就結(jié)合筆者所研究過(guò)的一個(gè)課題進(jìn)行詳細(xì)說(shuō)明。 任務(wù)要求：一臺(tái)智能移動(dòng)機(jī)器人上配備有單目可見(jiàn)光視覺(jué)傳感器，要求通過(guò)該視覺(jué)傳感器采集的視頻序列圖像，實(shí)現(xiàn)在復(fù)雜環(huán)境下實(shí)現(xiàn)對(duì)紋理清晰的特定目標(biāo)的實(shí)時(shí)跟蹤。 (注：該問(wèn)題的解決應(yīng)從硬件和軟件兩個(gè)方面進(jìn)行考慮，對(duì)硬件的選擇、設(shè)計(jì)和搭建超出了本文所討論的內(nèi)容，因此，本文僅從數(shù)字圖像處理方法的角度進(jìn)行分析) 分析討論： (1)任務(wù)分解：通過(guò)對(duì)任務(wù)要求進(jìn)行分析可知，該任務(wù)的核心是“目標(biāo)識(shí)別跟蹤”；在此基礎(chǔ)上有兩個(gè)約束條件：“復(fù)雜環(huán)境下”和“實(shí)時(shí)性”；方法實(shí)現(xiàn)的平臺(tái)是“移動(dòng)機(jī)器人”。任務(wù)的核心——“目標(biāo)識(shí)別跟蹤”是我們所需要解決的難點(diǎn)和重點(diǎn)；約束條件1“復(fù)雜環(huán)境下”則要求我們對(duì)所采集的圖像進(jìn)行去噪預(yù)處理；約束條件2“實(shí)時(shí)性”也是需要解決的問(wèn)題，這就要求我們盡可能地降低各種算法的運(yùn)算復(fù)雜度；由于實(shí)現(xiàn)平臺(tái)“移動(dòng)機(jī)器人”在行進(jìn)過(guò)程中采集的視頻圖像存在抖動(dòng)現(xiàn)象，因此，在對(duì)采集的圖像進(jìn)行去噪后需要對(duì)其進(jìn)行增穩(wěn)處理。通過(guò)初步分解，我們就得到了任務(wù)中所要解決的問(wèn)題以及大致流程(如圖1所示)。 圖1 任務(wù)分解及流程 (2)難點(diǎn)分解：本任務(wù)的難點(diǎn)是“目標(biāo)識(shí)別跟蹤”。之所以稱其為難點(diǎn)，是對(duì)目標(biāo)的識(shí)別和跟蹤過(guò)程中，存在視覺(jué)傳感器與目標(biāo)物體的相對(duì)運(yùn)動(dòng)，因而，目標(biāo)在圖像中存在著尺度變化、旋轉(zhuǎn)變化、視角變化、照度變化以及局部遮擋，這給目標(biāo)識(shí)別和跟蹤帶來(lái)了挑戰(zhàn)。我們常用的目標(biāo)識(shí)別與跟蹤算法有：基于幀間差分的目標(biāo)識(shí)別與跟蹤法、基于光流的目標(biāo)識(shí)別與跟蹤法、基于模板匹配的目標(biāo)識(shí)別與跟蹤法、基于顏色的目標(biāo)識(shí)別與跟蹤法、基于特征點(diǎn)的目標(biāo)識(shí)別與跟蹤法。考慮到每種方法的特點(diǎn)以及待跟蹤目標(biāo)具有清晰的紋理，我們可以采用基于特征點(diǎn)的目標(biāo)識(shí)別與跟蹤法，更進(jìn)一步地說(shuō)，我們應(yīng)采用尺度不變特征點(diǎn)(SIFT)作為識(shí)別與跟蹤的特征，因?yàn)槌叨炔蛔兲卣鼽c(diǎn)對(duì)尺度變化、旋轉(zhuǎn)變換、視角變化、照度變化和局部遮擋具有魯棒性。同時(shí)，我們希望目標(biāo)識(shí)別和跟蹤算法具有良好的實(shí)時(shí)性，因而，可以考慮PCA－SIFT和SURF特征點(diǎn)作為目標(biāo)特征。此外，由于視頻序列相鄰圖像之間存在相關(guān)性，目標(biāo)在相鄰幀之間不會(huì)有劇烈的變換，因而，可采用隔幀搜索法對(duì)目標(biāo)進(jìn)行檢測(cè)并用Kalman濾波或粒子濾波對(duì)目標(biāo)的軌跡進(jìn)行預(yù)測(cè)。難點(diǎn)分解的過(guò)程如圖2所示。 圖2 難點(diǎn)分解過(guò)程 (3)算法分解：經(jīng)過(guò)任務(wù)分解和難點(diǎn)分解后，我們已經(jīng)對(duì)任務(wù)的實(shí)現(xiàn)步驟和每個(gè)步驟所需的算法有了一個(gè)清晰的了解。在此之后，我們還需對(duì)每一個(gè)具體的算法進(jìn)行分解，形成實(shí)現(xiàn)步驟，以便于后續(xù)的研究以及模塊化分工實(shí)現(xiàn)。 二、面向?qū)W習(xí)：追根溯源、比較總結(jié) 在數(shù)字圖像處理中，很多算法是一脈相承或有著密切聯(lián)系的，搞清楚這些來(lái)龍去脈以及相互聯(lián)系，有利于我們加強(qiáng)對(duì)算法的理解以及改進(jìn)創(chuàng)新。 那么，如何把握這些聯(lián)系呢？我認(rèn)為，首先得清楚每種算法的提出背景，也就是“這種算法為什么會(huì)被提出”或是“這種算法是針對(duì)什么問(wèn)題而提出的”。就拿數(shù)字圖像變換中的內(nèi)容為例，我們是從圖像的空間變換講起的，但是空間變換無(wú)法反映圖像的頻率分布信息，隨著傅里葉變換的誕生，這一問(wèn)題得到了解決，傅里葉變換也被研究者譽(yù)為是“圖像處理的第二種語(yǔ)言”。正在人們?yōu)橹畾g心鼓舞之時(shí)，研究者有發(fā)現(xiàn)傅里葉變換也存在著不足，它在空域上無(wú)任何分辨，不能作局部分析。針對(duì)于此，D.Gabor 于1946年提出了加窗傅里葉變換，也就是著名的Gabor變換，它通過(guò)引入一個(gè)時(shí)間局部化“窗函數(shù)”改進(jìn)了傅里葉變換的不足，但其窗口大小和形狀都是固定的，沒(méi)有從根本上彌補(bǔ)傅里葉變換的缺陷。小波變換的提出從根本上解決了這一難題，它有一個(gè)靈活可變的時(shí)間—頻率窗，能有效地從信號(hào)中提取信息，通過(guò)伸縮和平移等運(yùn)算功能對(duì)函數(shù)或信號(hào)進(jìn)行多尺度細(xì)化分析，“數(shù)學(xué)顯微鏡”的美譽(yù)也因此得來(lái)。如果我們能夠把這些聯(lián)系梳理清楚，那么，我們?cè)趯W(xué)習(xí)小波變換時(shí)就會(huì)豁然開(kāi)朗，游刃有余。難道小波變換就那么完美嗎？答案當(dāng)然是否定的，當(dāng)前有很多算法就如何提高小波變換的效能提出了改進(jìn)。按照上述的“聯(lián)系”方式，就不難建立起完備的知識(shí)體系。 圖3 圖像分析聯(lián)系示意圖 談過(guò)了“追根溯源”，我們?cè)賮?lái)聊聊“比較總結(jié)”。我們以圖像的邊緣檢測(cè)為例來(lái)進(jìn)行說(shuō)明。每一種方法都能實(shí)現(xiàn)邊緣檢測(cè)，但對(duì)于同一幅圖像，每一種邊緣檢測(cè)方法的效果又不盡相同。這是為什么呢？原來(lái)，每一種邊緣檢測(cè)的方法都有自己優(yōu)點(diǎn)和不足，都有自己特定的應(yīng)用背景。我們不妨對(duì)其進(jìn)行列表比較(如表1所示)。 表1 邊緣檢測(cè)算子比較 名 稱 特 點(diǎn) 基于一階微分算子檢測(cè)邊緣 運(yùn)算簡(jiǎn)單，但對(duì)噪聲敏感 基于LOG算子檢測(cè)邊緣 邊緣保留較為完整、定位準(zhǔn)確、抗干擾能力強(qiáng) 基于 Canny算子檢測(cè)邊緣 抗干擾能力強(qiáng)，邊緣連續(xù)性好 基于SUSAN算子檢測(cè)邊緣 抗噪聲能力好、運(yùn)算量小，速度快 對(duì)各種邊緣檢測(cè)算子進(jìn)行比較后，它們各自的特點(diǎn)便一目了然，在何種情況下運(yùn)用哪種邊緣檢測(cè)算子效果最佳便做到了心中有數(shù)。 在比較完各種邊緣檢測(cè)算子的“個(gè)性”之后，我們不妨再來(lái)總結(jié)一下它們的“共性”。盡管邊緣檢測(cè)的方法林林總總，但各種方法的共同目的就是要檢測(cè)出圖像灰度變化劇烈的區(qū)域。從數(shù)學(xué)的角度來(lái)看，就是對(duì)數(shù)字圖像進(jìn)行差分；從信號(hào)處理角度看，就是用高通濾波器來(lái)保留高頻信號(hào)。 學(xué)習(xí)的過(guò)程講究循序漸進(jìn)，溫故知新，當(dāng)然，對(duì)數(shù)字圖像處理技術(shù)的學(xué)習(xí)也不例外。但是，數(shù)字圖像處理技術(shù)又有自身的特點(diǎn)：理論深、角度廣、更新快，因此，良好的學(xué)習(xí)方法可以使數(shù)字圖像處理的學(xué)習(xí)事半功倍。在學(xué)習(xí)數(shù)字圖像處理技術(shù)時(shí)，讀者不妨嘗試著去追根溯源、比較總結(jié)，相信定會(huì)受益匪淺。

總結(jié)

以上是生活随笔為你收集整理的matlab对于处理数字图像的优点,学习MATLAB数字图像处理经验谈的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。