图像处理的流程和步骤

2023-06-28 理论教育版权反馈

【摘要】：一般的图像处理流程包括图像预处理、边缘检测、图像分割、特征提取、目标识别与分类或尺寸测量等，如图10-2所示。图10-2机器视觉中的图像处理流程图像预处理由于数字图像采集不同于传统照片拍摄，在采集与传输等环节极易受到干扰，这些干扰将在所得的数字图像中形成噪声，进而对图像数据的处理与识别造成影响。特征提取通常首先将经图像分割而离散的特征信息进行聚类，避免因信息离散而导致的特征信息提取不准确，影响后续处理。

机器视觉是一个系统工程，涉及大量硬件与软件系统，图像处理与分析是整个视觉系统中的关键步骤。一般的图像处理流程包括图像预处理、边缘检测、图像分割、特征提取、目标识别与分类或尺寸测量等，如图10-2所示。

pagenumber_ebook=240,pagenumber_book=224

图10-2　机器视觉中的图像处理流程

（1）图像预处理

由于数字图像采集不同于传统照片拍摄，在采集与传输等环节极易受到干扰，这些干扰将在所得的数字图像中形成噪声，进而对图像数据的处理与识别造成影响。因此，为了有效改善所获取图像的质量，一方面可在硬件上增加电子屏蔽，另一方面主要通过相应的图像预处理手段以消除噪声干扰。

另外，预处理导致的图像劣化问题，或采集环节中光照、环境等原因造成图像质量较差，这些因素也会直接影响后续的图像识别与分析。图像增强则针对给定图像的应用场合，有目的的增强图像的整体或局部特征，将原来不清晰的图像变得清晰，或者使某些感兴趣的特征得以突显，扩大图像中不同物体特征之间的差异，抑制不感兴趣的特征，从而使图像质量得以改善，使图像信息量得以丰富，提高后续图像分析与识别的效果。

（2）边缘检测

为了提取图像中感兴趣的目标，首先需要圈定感兴趣目标的区域，以减少多余信息对目标识别的干扰，同时提高计算效率。边缘检测常用语剔除图像中不相关的信息，保留图像中重要的结构属性，并借助图像信息深度上的不连续性、表面方向的不连续性、物质属性变化以及场景照明的变化来标识图像中亮度变化明显的点集。

（3）图像分割

虽然图像中目标与背景大多混杂在一起，人脑能轻易、快速地完成目标分割、提取与识别的整个过程，但计算机却很难做到这点。图像分割将图像以一定标准分割成若干个特定的、具有独特性质的区域，是由图像处理到图像分析的关键步骤。现有的图像分割方法主要包括基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。

（4）特征提取

经图像分割后，目标与背景得以分离，但此时可能出现特征信息断裂、离散程度过大等问题。特征提取通常首先将经图像分割而离散的特征信息进行聚类，避免因信息离散而导致的特征信息提取不准确，影响后续处理。准确聚类后，再提取诸如边界、斑点等信息，以便后续的目标识别或尺寸测量。

（5）目标识别与分类

目标识别与分类是对整个系统智能化要求最高的环节，它是模拟人对目标的判断，属于图像理解这一较高层次。常用的目标识别方法主要有基于传统模板匹配的识别方法与基于统计的模式识别方法。神经网络分类器等一系列方法是目前识别与分类研究领域的核心方法。

（6）尺寸测量

多数视觉系统都需要基于尺寸测量进而作出判断，如缺陷的尺寸及其种类、位置信息等都是视觉系统所必需的，这些量化的指标一同决定着待检测产品的质量优劣。

（7）信息传递与存储

经过以上图像识别与分析流程，识别信息均已确定，这些信息可用于系统控制并形成报告。