基于图像识别的苹果分级研究 第5页
第3章苹果分级系统低层信息处理
  实现计算机图像识别的，就必须靠计算机视觉模拟人眼，完成对周围环境事
物的感知、识别或理解。图像信息处理和识别从逻辑上可分为三个阶段：图像的
低层处理、特征提取和模式识别与理解。在成像过程中，因受各种条件的限制和
许多随机因素的干扰，由成像装置获得的数字图像必须要经过低层处理。图像的
低层处理主要完成原始图像的噪声滤波、灰度校正、几何校正、信息变换、图像
增强、伪彩色处理等。图像的特征提取就是从大量图像数据中，提取有利于图像
识别和理解的主要特征量，用有限的特征来描述原始图像中的目标。图像的特征
主要包括形状特征、纹理特征、结构特征、颜色特征、分形特征等。特征的提取
方法主要有区域分割、边缘检测、纹理分析等。模式识别和理解就是根据已有的
特征参数，采用相应的识别匹配方法，完成对目标物的识别、分类或理解。模式
识别的方法大致可分为统计决策法、句法结构法、模糊判别法与人工智能法四大
类。    一
  图像的低层处理算法面对的是大量的原始图像数据，所以在基于计算机视觉
的水果分级系统中，识别和分级的准确性在很大程度上取决于图像的低层处理算
法的好坏。本章对水果品质检测中常用的图像低层处理算法进行了研究、比较和
分析，确定了适合于苹果分级的图像处理的实用性算法，为后面水果的识别和分
级奠定了基础。
3．1图像处理基础
  数字图像处理又称为计算机图像处理，是指将图像信号转换成数字信号并利
用计算机对其进行处理的过程。图像处理的目的有两个，一是确定在含信息量丰
富的图像中有无需要的信息；二是判断这些信息是什么。围绕这个目的，图像处
理需要做到对图像进行一定的预处理，使更加方便容易地突出图像中包含的有用
信息。对图像进行某些变换，从而得到清晰的图像。这里的“清晰”是对需要从
图像中得到有用信息的用户而言的，换言之是“有用信息”清楚明了。
  数字图像处理最早出现于20世纪50年代，人们开始利用计算机来处理图形
和图像信息。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善
人的视觉效果为目的，使人的视觉效果更好。图像处理中，输入的是质量低的图
像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、
压缩等。图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，
属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、
军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。
  从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，
数字图像处理向更高、更深层次发展。人们开始研究如何用计算机系统解释图像，
实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国
家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究
成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理
论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上
已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类
本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索
的新领域。
3．1．1数字图像处理的主要研究的内容
  图像处理技术的主要内容有：图像变换、图像增强、图像恢复、图像分割、
图像重建、图像数据的压缩和编码、图像分析等。以下将对其中几个进行说明。
    (1)图像变换：由于图像阵列很大，如直接在空间域中进行处理，则涉及计算
量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离
散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，这样不仅可减
少计算量，而且可获得更有效的处理。目前新兴研究的小波变换在时域和频域都
具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。
    (2)图像增强和复原：图像增强和复原的目的是为了提高图像的质量，如去除
噪声，提高图像的清晰度等，以突出图像中所感兴趣的部分。如强化图像高频分
量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影
响I。
矩形等。后来的发展使有些人认为声音也是一种图像，称之为声音图像。除静态
图像外也有由多个图组成的动态图像。到目前为止图像的概念已经十分广泛，它
可以是各种物体的黑白或彩色图画、手写字体、遥感图片、声音信号、x射线的
透视胶片、指纹图案、空间物体等等。
  通常图像处理所研究的图像是数字化的，即是对图像的采样得到的计算机图
像。因此常常提到的图像处理就是数字图像处理。在数字图像里，图像是一个个
点构成的，这些点就是像素。如果一张图像是黑白，该图像就是由一些黑白象素
组成的。
    (2)颜色颜色的本质是牛顿最早研究发现的。早在17世纪，牛顿就用三棱镜
把白色的光分解成一系列的光谱，证明了白色是由不同颜色的光线混合而成的。
不同颜色的光线是一些频率不同的电磁波。人们因此而将这些不同频率的电磁波
感知为不同的颜色。
  根据人眼的感觉以及颜色的可合成性，可以把所有的颜色都看着是几种颜色
的组合。人们都普遍接受RGB颜色标准，即认为各种颜色都是由红(R，red)，
绿(G，greefl)和蓝(B，blue)的不同组合。但是谁也不能确切的说多少频率的电
磁波就代表R，G，B具体的颜色值。为了统一标准，国际上规定了这三种基本颜色
的波长分别为R：700rlm，G：546．1nm，B：435．8nm。值得一提的是定义了这三种基
波，并不是说只有这三种波才能合成各种颜色，事实上，这三种基波对有些颜色
还不能合成。RGB颜色系统是常用的一种颜色系统，但是还有几个颜色系统我们
也能遇到j它们都是不同的用户根据自己需要选用的。
    (3)灰度图：灰度，就是图像的亮度。我们知道各种颜色系统不能完整地把所
有的颜色反映出来，为了能区别各种不同的颜色，也可以定义三个基本的区别颜
色的特征量，它们是亮度、色调和饱和度。在看物体时，我们视觉的感受和照射
到物体光线以及物体表面的反射光线有关。亮度与物体反射率成正比，反射率是
一个与反射光强和入射矩形等。后来的发展使有些人认为声音也是一种图像，称之为声音图像。除静态
图像外也有由多个图组成的动态图像。到目前为止图像的概念已经十分广泛，它
可以是各种物体的黑白或彩色图画、手写字体、遥感图片、声音信号、x射线的
透视胶片、指纹图案、空间物体等等。
  通常图像处理所研究的图像是数字化的，即是对图像的采样得到的计算机图
像。因此常常提到的图像处理就是数字图像处理。在数字图像里，图像是一个个
点构成的，这些点就是像素。如果一张图像是黑白，该图像就是由一些黑白象素
组成的。
    (2)颜色颜色的本质是牛顿最早研究发现的。早在17世纪，牛顿就用三棱镜
把白色的光分解成一系列的光谱，证明了白色是由不同颜色的光线混合而成的。
不同颜色的光线是一些频率不同的电磁波。人们因此而将这些不同频率的电磁波
感知为不同的颜色。
  根据人眼的感觉以及颜色的可合成性，可以把所有的颜色都看着是几种颜色
的组合。人们都普遍接受RGB颜色标准，即认为各种颜色都是由红(R，red)，
绿(G，greefl)和蓝(B，blue)的不同组合。但是谁也不能确切的说多少频率的电
磁波就代表R，G，B具体的颜色值。为了统一标准，国际上规定了这三种基本颜色
的波长分别为R：700rlm，G：546．1nm，B：435．8nm。值得一提的是定义了这三种基
波，并不是说只有这三种波才能合成各种颜色，事实上，这三种基波对有些颜色
还不能合成。RGB颜色系统是常用的一种颜色系统，但是还有几个颜色系统我们
也能遇到j它们都是不同的用户根据自己需要选用的。
    (3)灰度图：灰度，就是图像的亮度。我们知道各种颜色系统不能完整地把所
有的颜色反映出来，为了能区别各种不同的颜色，也可以定义三个基本的区别颜
色的特征量，它们是亮度、色调和饱和度。在看物体时，我们视觉的感受和照射
到物体光线以及物体表面的反射光线有关。亮度与物体反射率成正比，反射率是
一个与反射光强和入射光强相关的量，因而亮度是与反射光能量相关的量。如果
颜色无彩色变化，颜色的变化就只是亮度的改变。对于彩色而言，颜色中掺入的
白色越多就越明亮，反之越暗淡。色调是指这些由各种光谱混合而成的颜色中的
主要光谱的颜色，换句话说色调反映某种颜色中占主导的光线。饱和度是与色调
光强相关的量，因而亮度是与反射光能量相关的量。如果

上一页  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10]  ... 下一页  >>