基于LabVIEW的空間圖像濾波技術

陳戈珩,　尹歡迎,　張俊芳

(長春工業大學 計算機科學與工程學院， 吉林 長春　130012)

?

基于LabVIEW的空間圖像濾波技術

陳戈珩,尹歡迎,張俊芳

(長春工業大學 計算機科學與工程學院， 吉林 長春130012)

摘要：采用LabVIEW軟件的圖像處理模塊對一幅圖像在空間域進行的4種濾波進行處理，并利用直方圖分析濾波效果。給出了4種濾波處理特點及其應用。

關鍵詞：像素； 空間域； 處理； 濾波

0引言

一幅剛得到的圖像除了包含人們感興趣的內容外，還會包含噪聲[1]，比如高斯噪聲、椒鹽噪聲、隨機噪聲，它們可能來自于成像系統或圖像傳輸過程。那么除了能有效地去除目標和背景中的噪聲，還能保留目標圖像的大小、尺寸、幾何特性等，必須有一種有效的圖像濾波處理對噪聲抑制，保留圖像特征細節。所以,圖像濾波是圖像預處理中不可缺少的操作,濾波的好壞將影響后續的圖像處理和圖像分析。

1LabVIEW與圖像處理

LabVIEW[2-3]是美國國家儀器有限公司(NI)最核心的軟件產品。它是一種編程語言，與其它常見的編程語言相比，最大特點在于它是一種圖形化編程語言。它是一種靠數據流驅動的程序，而非按代碼編寫的先后順序執行。LabVIEW的應用領域包括：測試測量、控制、仿真、機器視覺、FPGA等，同時LabVIEW提供了大量的虛擬儀器和函數庫幫助編程，還有許多功能強大的工具包。

在圖像處理方面，NI公司提供了IMAQVision子模塊，它包括300多種機器視覺和圖像處理的函數，按功能節點分為圖像獲取、視覺工具、圖像處理、機器視覺4大類。用戶可以方便的進行圖像預處理、圖像分割、灰度、彩色以及二值圖像的顯示、處理(包括統計、濾波等)、形狀匹配、模式匹配、目標測量等操作。文中將重點討論空間圖像濾波，比較4種濾波方法的濾波效果，然后分別進行直方圖分析。

2空間圖像濾波

濾波源于信號經傅里葉變換后的頻域，而在空間域，人們對圖像像素更感興趣，所以“空間濾波”一詞只為區別于頻域濾波處理。

就像“濾波”這個詞所表示的，絕大多數的濾波方法都是為了改善圖像質量。通常，這些方法都是利用原圖像的像素值及該像素的領域來計算得到新的像素值[1]，公式如下：

(1)

式中:Sout----經計算得到的新像素值;

Sin----原圖像像素值;

f(u,v)----一個m*m矩陣里的一個元素，通常m取奇數，如3，5，7。

這里定義k=(m-1)/2；且定義m*m這9個像素值為“濾波核”：

(2)

將函數Sin的變量x，y對應于變量u，v得到等式:

(3)

由于式(1)描述的是卷積的定義，所以“濾波核”又稱為“卷積核”。

在LabVIEW里提供的濾波家族中共包含平滑濾波、高斯濾波、階梯濾波、拉普拉斯濾波4種濾波方法。

2.1平滑濾波

平滑濾波，顧名思義就是講一個波的毛刺或高于某一頻率的部分去掉，簡單地說就是低通濾波。對應于圖像上，就是降噪和圖像的模糊處理，噪聲的頻率一般會高于圖像的頻率，而且圖像的邊緣也屬于高頻部，所以，對圖像的平滑濾波就會使噪聲減弱，邊緣模糊，即圖像與背景會模糊過度。

平滑濾波就是利用濾波核確定的鄰域內的圖像像素平均灰度值來替代圖像中每個像素點的值，這種處理減小了圖像灰度的“尖銳”變化。選取m=3，平滑濾波公式為

(4)

用LabVIEW的圖像處理模塊對一幅圖像做的平滑濾波處理如圖1所示。

(a) 原圖　　　　　　　　　　　　　　　　　(b) 平滑濾波后

2.2高斯濾波

用H(u)表示頻域，則高斯濾波器函數為：

(5)

式中:e----高斯曲線的標準差。

所以相關的空間域濾波器為

(6)

它們的高斯曲線如圖2所示。

(a) 頻域　　　　　　　　　　　　　　　　(b) 空間域

而人們的興趣在于h(x)的一般形狀，以此來確定空間域中較小濾波器的個數。這兩個濾波器的相似之處在于兩個域中的值均為正，所以，在空間域使用帶正系數的濾波核可以實現低通濾波。

根據文獻[6]，用LabVIEW的圖像處理模塊對一幅圖像做的高斯濾波處理如圖3所示。

(a) 原圖　　　　　　　　　　　　　　　　(b) 高斯濾波后

平滑濾波及高斯濾波同電子電路里的低通濾波器對應，在圖像處理方面功能大致相同，都是減弱噪聲和邊緣模糊，但是高斯濾波更適合濾除服從正態分布的噪聲。

2.3階梯濾波

對于階梯濾波，它能提取有意義的亮度變化，因此階梯濾波可用于突出邊緣，提取圖像邊緣。但是梯度濾波會有方向的區分，可以通過濾波核的設計來得到相應方向的邊緣，比如濾波核為

(7)

那么它將提取從左到右的亮暗變化。

用LabVIEW的圖像處理模塊[7]對一幅圖像做的階梯濾波處理如圖4所示。

(a) 原圖　　　　　　　　　　　　　　　　　(b) 階梯濾波后

2.4拉普拉斯濾波

所有的拉普拉斯濾波核都是全方位的，這將意味著它將提供所有方向的邊緣信息，拉普拉斯算子在數學里是用二階微分表示的。它的應用強調圖像中灰度的突變，把圖像中的灰色邊緣以及突變點添加到暗背景中，達到圖像銳化處理。

用LabVIEW的圖像處理模塊對一幅圖像做的拉普拉斯濾波處理如圖5所示。

(a) 原圖　　　　　　　　　　　　　　　　(b) 拉普拉斯濾波后

階梯濾波及拉普拉斯濾波同電子電路里的高通濾波器對應，在圖像處理方面則對應于提取高頻部分，即邊緣銳化，邊緣可以用高頻分量表示。

3直方圖

根據文獻[8]，要了解關于直方圖分析，先了解灰度級的操作。

3.1灰度級操作

要改變一幅圖像最簡單的辦法是改變灰度值，那么，對于一幅分辨率為8 bit的灰度圖，它的灰度級共劃分256級，0～255灰度級。

3.2直方圖操作

LabVIEW圖像處理模塊提供兩種方式描述直方圖，但它們做的是同樣的事，統計每一幅圖像灰度值的個數。

1)直方圖，以數組的方式給出統計結果；

2)直方表，以曲線的形式表征統計結果。

所以，直方圖可簡單描述為

(8)

式中:k----灰度值;

nk----當灰度值為k時圖像里共包含的個數。

3.3直方圖分析

原圖的直方圖曲線如圖6所示。

圖6　直方圖

濾波后的直方圖曲線如圖7所示。

(a) 平滑濾波后　　　　　　　　　　　　　　　(b) 高斯濾波后

(c) 階梯濾波后　　　　　　　　　　　　　　(d) 拉普拉斯濾波后

可見一幅暗的圖像，它的直方圖成分集中在灰度級低的一側;而明亮的圖像，它的直方圖成分集中在灰度級高的一側。低對比度圖像的直方圖成分集中中間，而且分布窄;高對比度圖像的直方圖成分大體上均勻地分布在所有灰度級上。

4結語

應用LabVIEW軟件的圖像處理模塊對一幅圖像在空間域進行4種濾波處理效果可見：平滑濾波和高斯濾波都可作為低通濾波器使用，去除噪聲，模糊邊緣；而階梯濾波和拉普拉斯濾波在圖像邊緣銳化方面作用明顯，突出邊緣，可作為高通濾波器使用。利用直方圖對每種濾波結果進行直觀分析表明，不同的濾波方法對灰度級的變換效果不盡相同，應針對實際情況選擇相應的濾波方法，以達到預期目的。文中對圖像濾波的研究結果將為后續的圖像處理和分析奠定基礎，以期可以更好地完成圖像分割、模式匹配以及形態學處理等要求。

參考文獻：

[1]Rafacel C Gonzalez， Richard E Woods.數字圖像處理[M].阮秋琦，阮宇智，譯.2版.北京：電子工業出版社，2011.

[2]Thomas Klinger. Image processing with LabVIEW and IMAQ vision[M]. [S.l.]: Prentice Hall PTR，2003.

[3]阮奇楨.我和LabVIEW：一個NI工程師的十年編程經驗[M].北京:北京航空航天大學出版社，2009.

[4]徐飛,施曉紅.MATLAB應用圖像處理[M].西安:西安電子科技大學出版社，2002.

[5]姚敏.數字圖像處理[M].北京:機械工業出版社，2006:1-87.

[6]徐曉東，鄭對元，肖武.LabVIEW 8.5常用功能與編程實例精講[M].北京：電子工業出版社，2009.

[7]Jeffrey Travis， Jim Kring. LabVIEW大學實用教程[M].3版.北京：電子工業出版社，2008.

[8]趙立興，唐英于，劉冬，等.基于直方圖指數平滑的模糊散度圖像分割[J].系統工程與電子技術，2005(5):1182-1185.

LabVIEW-based spatial image filters

CHEN Geheng,YIN Huanying,ZHANG Junfang

(School of Computer Science & Engineering, Changchun University of Technology, Changchun 130012， China)

Abstract：The processing module in LabVIEW is applied to deal an image in spatial domain with four different filters, and histogram is used to compare the effects of the filters. We give the characters and applications of each filter.

Key words：pixel; spatial domain; process; filtering.

收稿日期：2016-02-25

基金項目：國家科技支撐計劃項目基金(2007BAQ00097)； 吉林省自然科學基金資助項目(20101523)

作者簡介：陳戈珩(1961-)，女，漢族，吉林長春人，長春工業大學教授，主要從事嵌入式系統設計和圖像處理方向研究,E-mail:chengeheng@ccut.edu.cn.

DOI:10.15923/j.cnki.cn22-1382/t.2016.2.04

中圖分類號：TP 391

文獻標志碼：A

文章編號：1674-1374(2016)02-0119-05