图像点变换算法研究与实现

摘??? 要 本文主要研究了数字图像的点变换的算法与仿真实验。文章首先分析了数字图像处理中点变换的研究背景和研究意义。在此基础上描述了点变换相关理论及定义等理论内容。分析了图像点变换国内外的研究现状。分析了现有的常用的基于K-紧邻点云去噪算法，针对此算法的不足，提出了一种改进的K-近邻点云去噪算法。通过使用VC++windows平台上仿真实验，学习了图像处理里的点变换的作用和方法，并看出本文提出算法具有较好的去噪效果。 关键词：图像处理、点变换、VC++，K-近邻点 ?????? 目??? 录1? 绪论??? 11.1 课题背景??? 11.2 课题意义??? 22? 图像点变换理论概述??? 42.1? 数字图像处理与图像点变换的相关定义??? 42.2? 图像点变换的定义??? 52.3? 图像视觉技术的发展现状??? 62.4? 图像点变换算法国内外研究现状??? 83? 基于K-近邻点云去噪算法??? 113.1 引言??? 113.1 K-近邻搜索??? 113.2 基于K-近邻的噪声点去除??? 123.3 算法实例与分析??? 134? 一种改进的K-近邻点云去噪算法??? 174.1? 引言??? 174.2 核密度函数??? 174.3 参数优化??? 184.4? 改进算法实例与分析??? 195? 结论??? 26致谢??? 27参考文献??? 28附录??? 29 数字图像处理技术（Digital Image Procesing）是指图像信号转成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，为人们开始利用计算机来处理图形和图像信息提供了硬件支持。随着人们研究的不断深入，20世纪60年代初期，数字图像处理逐渐发展成为一门学科，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标。人们常用的图像处理方法有图像增强、复原、编码、压缩等技术。在图像处理发展的过程中，美国喷气推进实验室（JPL）使用图像处理技术的实际性应用首次获得巨大的标志性的成功，它们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，包括灰度变换、几何校正、去除噪声等方法，并考虑了太阳位置和月球环境的影响，成功地绘制出月球表面的地图，对推动图像处理技术的发展具有重大意义。于此同时，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，如生物医学工程、工业检测、机器人视觉、航天航空、公司司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的学科。 本课题主要研究的是数字图像中点变换的算法与实现，在国内外研究的过程中，许多学者对图像边缘、图像分割技术、图像拼接等数字图像实际应用性强的领域进行了大量的算法研究与应用实现。在《图像拼接算法及实现》与《图像拼接技术综述》中都提到，图像拼接作为这些年来图像研究方面的重点之一，国内外研究人员也提出了很多拼接算法。一般图像拼接的算法分为两种类型第一种是基于区域相关的拼接算法。这是最为传统和最普遍的算法。基于区域的配准方法是从待拼接图像的灰度值出发，对待配准图像中一块区域与参考图像中的相同尺寸的区域使用最小二乘法或者其它数学方法计算其灰度值的差异，对此差异比较后来判断待拼接图像重叠区域的相似程度，由此得到待拼接图像重叠区域的范围和位置，从而实现图像拼接。也可以通过FFT 变换将图像由时域变换到频域，然后再进行配准。对位移量比较大的图像，可以先校正图像的旋转，然后建立两幅图像之间的映射关系。当以两块区域像素点灰度值的差别作为判别标准时，最简单的一种方法是直接把各点灰度的差值累计起来。这种办法效果不是很好，常常由于亮度、对比度的变化及其它原因导致拼接失败。另一种方法是计算两块区域的对应像素点灰度值的相关系数，相关系数越大，则两块图像的匹配程度越高。该方法的拼接效果要好一些，成功率有所提高。第二种即是基于特征相关的拼接算法。基于特征的配准方法不是直接利用图像的像素值，而是通过像素导出图像的特征，然后以图像特征为标准，对图像重叠部分的对应特征区域进行搜索匹配，该类拼接算法有比较高的健壮性和鲁棒性。基于特征的配准方法有两个过程：特征抽取和特征配准。首先从两幅图像中提取灰度变化明显的点、线、区域等特征形成特征集冈。然后在两幅图像对应的特征集中利用特征匹配算法尽可能地将存在对应关系的特征对选择出来。一系列的图像分割技术都被用到特征的抽取和边界检测上。如canny 算子、拉普拉斯高斯算子、区域生长。抽取出来的空间特征有闭合的边界、开边界、交叉线以及其他特征。特征匹配的算法有：交叉相关、距离变换、动态编程、结构匹配、链码相关等算法。 在图像的分割算法中，李红燕、曹建荣等人对分割技术进行了研究综述，国内外学者对图像的分割算法的研究主要包括静止图像的分割算法和动态图像的分割算法。在静止图像的分割算法中提到4个方面，基于数学形态学的分割算法、基于特征空间聚类的分割算法、基于小波变换的分割技术以及利用神经网络的分割算法。 图像的点变换与图像的分割与拼接息息相关，图像本身是由点、线、面组成的，对于图像研究的现有技术，包括图像增强、复原、编码、压缩等技术，图像拼接与图像分割技术、图像边缘算法都是直接涉及图像点的变换，所以在在图像点变换的算法研究中，图像边缘的算法、图像分割算法与图像拼接算法都是可借鉴的。当然在具体研究过程中也要进行具体分析。 1.2 课题意义 视觉、听觉和触觉是人类接收信息的主要方式，在这些方式中视觉又占到了大约70%的比重，视觉接收到的信息包括图像、图形、视频、文本、数据等，全部是图像（image）信息，而自然界给予了我们人类一个完美、强大的视觉系统，能够轻而易举的处理和理解各种视觉信息，随着信息时代特别是数字时代的来临，再加上计算机处理速度的提高和图像处理技术的成熟，数字图像作为一种直接而内容丰富的信息载体已成为计算机科学领域越来越重要的研究对象。 在数字图像研究过程中，首先要依靠计算机视觉与机器视觉在图像中提取信息，本章在研究过程中必须依靠计算机视觉与机器视觉，工业视觉检测在工业中的应用，对图像本身进行提取与输出，继而对图像中的点提取与输出。进行工业视觉检测过程包括三个步骤 ：首先是利用各种光源和传感器进行数据采集；其次是对源图象进行数据处理、分析及特征提取，为了得到准确的检测结果，通常先要对源图象进行预处理，大部分情况下，基于预处理基础上还需应用匹配技术进行物体检测，即先建立模板，然后用已有的模板与被检测物体相匹配，以便进行分类最后是输出处理结果。检测系统能否达到预期效果 ，关键在于第二阶段——数据处理 、分析及特征提取阶段中计算机对图象处理的准确程度。 本章将根据国内学者已有的关于图像中的几何变换算法的研究的基础上，从图像的点运动出发，研究出图像点变换的算法，并且使这些算法实现。研究了图像中点变换的算法将从更好地运用于图像中几何变换算法的研究与实现，继而更好地运用于图像处理技术的实际应用范畴，其中包括灰度变换、几何校正、去除噪声图像处理技术，图像增强、复原、编码、压缩等技术以及图像边缘算法、图像分割算法和图像拼接技术的算法与实现。