¿Qué es Preprocesamiento de imágenes?

En el análisis de imágenes, la imagen de entrada se procesa antes de la extracción, segmentación y coincidencia de características. El propósito principal del preprocesamiento de imágenes es eliminar información irrelevante en la imagen, restaurar información real útil, mejorar la detectabilidad de información relevante y simplificar los datos en la mayor medida posible, a fin de mejorar la confiabilidad de la extracción de características, la segmentación de imágenes, la coincidencia y el reconocimiento. sexo.

El proceso de preprocesamiento generalmente incluye pasos como digitalización, transformación geométrica, normalización, suavizado, restauración y mejora.

DigitalizaciónEl valor de gris de una foto original es una función continua de la variable espacial (el valor continuo de la posición). Muestreando y cuantificando el nivel de gris de la foto en la matriz de puntos M × N (clasificado como uno de los 2 ^b niveles de gris), se puede obtener una imagen digital que puede ser procesada por la computadora.

Para que la imagen digital reconstruya la imagen original, existen ciertos requisitos para el tamaño de M , N y b . Dentro de las capacidades de resolución espacial y de escala de grises del dispositivo receptor, el más grande de los valores de M , N, y b , mejor será la calidad de la imagen reconstruida.

Cuando el período de muestreo es igual o menor que la mitad del período de detalle mínimo en la imagen original, el espectro de frecuencia de la imagen reconstruida es igual al espectro de frecuencia de la imagen original, por lo que la imagen reconstruida puede ser exactamente igual a la imagen original. imagen original.

Desde el producto de M , N, y b determina la capacidad de almacenamiento de una imagen en el ordenador, es necesario seleccionar los adecuados valores de M , N y b de acuerdo con las diferentes propiedades de la imagen bajo la condición de un cierto almacenamiento capacidad para obtener la mejor relación calidad-precio Buen efecto de tratamiento.

La transformación geométrica es una transformación que seutiliza para corregir el error del sistema del sistema de adquisición de imágenes y el error aleatorio de la posición del instrumento.

El error del sistema de imágenes de satélite, como la distorsión causada por la rotación de la tierra, la velocidad del espejo de escaneo y la proyección del mapa, se puede representar mediante un modelo y eliminar mediante transformación geométrica. Los errores aleatorios, como los causados por la actitud de la aeronave y los cambios de altitud, son difíciles de expresar con modelos.

Por lo tanto, después de que se corrigen los errores sistemáticos, el gráfico observado se compara con el gráfico con la posición geométrica correcta conocida, y un cierto número de gráficos se utilizan en el gráfico Los puntos de control del suelo resuelven el grupo de función polinomial bivariante para lograr el propósito de la transformación.

La normalización es unaforma estándar de imagen que hace que ciertas características de una imagen tengan propiedades invariables bajo una transformación dada.

Ciertas propiedades de la imagen, como el área y el perímetro del objeto, son intrínsecamente invariantes para coordinar la rotación. En general, la influencia de ciertos factores o transformaciones sobre algunas propiedades de la imagen puede eliminarse o reducirse mediante la normalización, que puede seleccionarse como base para medir la imagen.

Por ejemplo, para imágenes de teledetección con iluminación incontrolable, la normalización del histograma gris es muy necesaria para el análisis de imágenes. La normalización de grises, la normalización geométrica y la normalización de transformación son tres métodos de normalización para obtener las propiedades invariantes de las imágenes.

Tecnología de suavizado para eliminar el ruido aleatorio en una imagen. El requisito básico de la tecnología de suavizado es eliminar el ruido sin hacer que los contornos o líneas de la imagen se vean borrosos. Los métodos de suavizado comúnmente utilizados son el método de la mediana, el método de promediado local y el método de promediado de k- vecino más cercano.

El tamaño del área local puede ser fijo o puede variar punto por punto con el tamaño del valor de gris. Además, a veces se aplica el método de filtrado de paso de banda en el dominio de la frecuencia espacial.

La restauracióncorrige la degradación de la imagen causada por varias razones, de modo que la imagen reconstruida o estimada esté lo más cerca posible del campo de imagen ideal sin degradación. La degradación de la imagen ocurre a menudo en aplicaciones prácticas.

Por ejemplo, la perturbación de la gran corriente de aire, la aberración del sistema óptico y el movimiento relativo de la cámara y el objeto degradarán la imagen de teledetección. La técnica de restauración básica es considerar la imagen degradada adquirida g ( x, y ) como la convolución de la función degradada h ( x, y ) y la imagen ideal f ( x, y ).

Su transformada de Fourier tiene una relación G ( u, v = H ( u, v ) F ( u, v ). Después de determinar la función de degradación según el mecanismo de degradación, F ( u, v ) se puede obtener de esta relación , y luego usa la transformada inversa de Fourier para encontrar f ( x, y ).

Se llama filtro inverso. Aplicación práctica, ya que
H (U, V ) con la salida de uv desde el origen del plano aumenta rápidamente disminuyó para fortalecer el rango de alta frecuencia con el fin de evitar ruido, cuando U² +V² es mayor que un valor umbral W es ₀² cuando, haga queM (u, v ) sea igual a 1.

La elección de W₀ debe hacer que H (u, v ) enu² +v²W₀² No habrá ningún punto cero en el rango. El método algebraico de restauración de imágenes se basa en el mejor criterio del método de mínimos cuadrados. Busque una estimación para minimizar el valor de función del criterio de bondad. Este método es relativamente simple y se puede derivar el filtro Wiener de mínimos cuadrados. Cuando no hay ruido, el filtro Wiener se convierte en un filtro inverso ideal.

Mejorar "Mejoray suprime selectivamente la información en la imagen para mejorar el efecto visual de la imagen, o para transformar la imagen en una forma más adecuada para el procesamiento de la máquina para facilitar la extracción o el reconocimiento de datos. Por ejemplo, un sistema de mejora de imagen puede resaltar el contorno de la imagen a través de un filtro de paso alto, de modo que la máquina pueda medir la forma y circunferencia del contorno.

Hay muchos métodos para mejorar la imagen: el ensanchamiento del contraste, la transformación logarítmica, la superposición de densidad y la ecualización del histograma se pueden utilizar para cambiar el tono gris de la imagen y resaltar los detalles. En la aplicación real, a menudo se utilizan diferentes métodos y las pruebas repetidas pueden lograr resultados satisfactorios.