本发明专利技术解决了现有技术中，使用计算机进行图像处理及模式识别虽然能一定程度地处理噪声或异常，但是往往会伴随着图像模糊、边缘细节失真等缺点的问题，在使用计算机进行图像处理及模式识别的过程中，利用了比较运算、根值运算、中值运算算法对异常或噪音数据进行处理，从而可以获得能够产生高质量的高精度数据，有效的消除了噪音或异常对图像处理、模式识别结果的影响。
【技术实现步骤摘要】
本专利技术涉及图像处理领域，特别涉及一种利用计算机进行图像处理及模式识别的 平滑方法。
技术介绍
随着智能化设备的逐步增多，图像处理、模式识别等自动化技术的应用领域越来 越广，数字化图像处理技术也在此时显得十分重要。通过摄像机、高拍仪、CT扫描等成像设 备获得的图像中，难免会因光线不均匀、设备或图像抖动、硬件本身电流电压波动、传输等 原因产生一定的图像噪声或异常，而这些噪声或异常会对图像的正确识别和数据计算造成 一定的干扰。 为了尽可能地减少图像噪声对图像处理、模式识别等后续工作的影响，需要有一 套能有效的修正噪声数据的方法，并尽可能少地更改正常数据的图像平滑。现有的一些图 像平滑技术虽然能一定程度地处理噪声或异常，但是往往会伴随着图像模糊、边缘细节失 真等缺点，仍然有改进的空间。 因此，有必要研宄出一种能够获得更高质量的计算机图像处理、模式识别的平滑 方法，从而解决现有技术当中的上述问题。
技术实现思路
为了解决上述问题，本专利技术提出了一种利用计算机进行图像处理及模式识别的平 滑方法。 本专利技术在使用计算机进行图像处理及模式识别的过程中，利用了比较运算、根值 运算、中值运算算法对异常或噪音数据进行处理，从而可以获得能够产生高质量的高精度 数据，有效的消除了噪音或异常对图像处理、模式识别结果的影响。 本专利技术请求保护，该包括以 下步骤： 步骤S101，获取数字格式的图像矩阵: 获取过程具体包括： 步骤S1011，利用成像设备获得图像，通过数据采集系统将图像传到图像转换系 统； 步骤S1012,通过图像转换系统，将图像转换成数字格式的图像矩阵八_〇11>0 ; n>〇)，并保存。 步骤S102,利用樽板对图像矩阵讲行处理： 处理过程具体包括： 步骤S1021，先确定三种合适的模板，三种模板为小于图像矩阵的图像矩阵， 例如Bu*k(u>k)，Bk*>>k)，BWk的图像矩阵；其中，BU*k(u>k)，Bk*u(u>k)，，的元素 的取值对应于A_相应的元素，u和k一般远小于m和n，或者u和k的值均小于m/2和n/2;步骤S1022,确定遍历方式，可以从图像矩阵的任意一角开始，依次通过三种 模板BuH<k，Bk>Hu，BkH<k，顺时针或逆时针方向对每一个点进行遍历计算。 第一，使用模板Bu#k?行遍历运算； 对图像矩阵按模板B_的计算方法对所有矩阵内的点进行遍历计算，遍历后 生成的矩阵记为〇_; 遍历步骤如下：先根据BuH<k的计算方法计算点Aw再计算A%，Am； Bu#k移动到最右边时，再往左移动，直至计算出AJu，A12，…；Bu#k移动到最下边时， 再往上移动，直至计算出A^A^A^，…，，最后生成的矩阵记为0_;计算方法为l^i^k, l^j^u； 第二，使用模板仏~进行遍历运算； 对图像矩阵按模板B^的计算方法对所有矩阵内的点进行遍历计算，遍历后 生成的矩阵记为？_; 遍历步骤如下：先根据BkH<u的计算方法计算点Aw再计算A⑴A%，Am，….，An， A12，…，…，，最后生成的矩阵记为？_，计算方法为l^i^k, l^j^u； 第三，使用模板Bk#k?行遍历运算； 对图像矩阵按模板B^的计算方法对所有矩阵内的点进行遍历计算，遍历后 生成的矩阵记为9_; 遍历步骤如：先根据BkH<k的计算方法计算点ATO，再计算A^，Am，….，An， A12，…，A_，A_2，…，，最后生成的矩阵记为Q^，计算方法为l^i^k, l^j^k； 步骤S103,判断异常点，并将其修lH： 过程具体包括：依次选择0_中的点，分别与矩阵P_、矩阵中对应的点进行比 较；如果〇_中的点的值大于Pm*n中对应点的值或小于Qm?n中对应点的值，对该点进行标记 处理； 标记处理后，通过0_，对0_中标记的点依次进行修正。当标记点位于矩阵内时， 将标记点的像素值修正为上下左右四个点的均值，当标记点位于矩阵边缘时，将标记点的 像素值修正为周围两个或三个点的均值； 步骤S104，处理完毕后，输出修lH后的矩阵，即为图像平滑后的结果。 进一步的，成像设备包括摄像机、尚拍仪、CT扫描等。 进一步的，步骤103中，标记处理后，还有一种可替代的处理方式：通过Pmto，对Pm#n 中标记的点依次进行修正。修正为标记点周围点的均值，当标记点位于矩阵内时是上下左 右四个点的均值，当标记点位于矩阵边缘时是周围三个点的均值。【附图说明】 图1为本专利技术的利用计算机进行图像处理及模式识别的平滑方法的流程示意图；图2为用于计算的6*6灰度值图像原始模拟数据。 图3为u*k(3*2)模板遍历模式方法。 图4为k*u(2*3)模板遍历模式方法。 图5为k*k(3*3)模板遍历模式方法。【具体实施方式】 下面通过具体实施例对本专利技术作进一步详述，以下实施例只是描述性的，不是限 定性的，不能以此限定本专利技术的保护范围。 以下通过图1对本专利技术的利用计算机进行图像处理及模式识别的平滑方法作进 一步的介绍。本专利技术提供，该包括以 下步骤：步骤S101，获取数字格式的图像矩阵: 获取过程具体包括：步骤S1011，利用成像设备获得图像，通过数据采集系统将图像传到图像转换系 统。一般来说，成像设备包括摄像机、高拍仪、CT扫描等。 步骤S1012,通过图像转换系统，将图像转换成数字格式的图像矩阵八_〇11>0; n>〇)，并保存。步骤S102,利用樽板对图像矩阵讲行处理： 处理过程具体包括： 步骤S1021，先确定三种合适的模板，三种模板为小于图像矩阵的图像矩阵， 如Bu#k (u>k)，Bk#u (u>k)，Bk#k的图像矩阵，Bu#k (u>k)，Bk#u(u>k)，(u>k)，的元素的取值对 应于相应的元素，其中，u和k一般远小于m和n，或者u和k的值均小于m/2和n/2。 步骤S1022,确定遍历方式，可以从图像矩阵的任意一角开始，依次通过三种 模板BuH<k，Bk>Hu，BkH<k，当前第1页1 2 本文档来自技高网...
【技术保护点】
一种利用计算机进行图像处理及模式识别的平滑方法，该包括以下步骤：步骤S101，获取数字格式的图像矩阵；获取过程具体包括：步骤S1011，利用成像设备获得图像，通过数据采集系统将图像传到图像转换系统；步骤S1012，通过图像转换系统，将图像转换成数字格式的图像矩阵Am*n(m>0；n>0)，并保存。步骤S102，利用模板对图像矩阵Am*n进行处理；处理过程具体包括：步骤S1021，先确定三种合适的模板，三种模板为小于图像矩阵Am*n的图像矩阵，例如Bu*k(u>k),Bk*u(u>k),Bk*k的图像矩阵；其中，Bu*k(u>k),Bk*u(u>k),Bk*kBu*k(u>k),的元素的取值对应于Am*n相应的元素，u和k一般远小于m和n，或者u和k的值均小于m/2和n/2；步骤S1022，确定遍历方式，可以从图像矩阵Am*n的任意一角开始，依次通过三种模板Bu*k,Bk*u,Bk*k，顺时针或逆时针方向对每一个点进行遍历计算。第一，使用模板Bu*k进行遍历运算；对图像矩阵Am*n按模板Bu*k的计算方法对所有矩阵内的点进行遍历计算，遍历后生成的矩阵记为Om*n；遍历步骤如下：先根据Bu*k的计算方法计算点A00；再计算A01，A02，A03，….；Bu*k移动到最右边时，再往左移动，直至计算出A0nA11，A12，…；Bu*k移动到最下边时，再往上移动，直至计算出Am*1Am*1,Am*2，…，Am*n，最后生成的矩阵记为Om*n；计算方法为1≤i≤k,1≤j≤u；第二，使用模板Bk*u进行遍历运算；对图像矩阵Am*n按模板Bk*u的计算方法对所有矩阵内的点进行遍历计算，遍历后生成的矩阵记为Pm*n；遍历步骤如下：先根据Bk*u的计算方法计算点A00；再计算A01，A02，A03，….,A11，A12，…,Am*1,Am*2，…，Am*n，最后生成的矩阵记为Pm*n，计算方法为1≤i≤k,1≤j≤u；第三，使用模板Bk*k进行遍历运算；对图像矩阵Am*n按模板Bk*k的计算方法对所有矩阵内的点进行遍历计算，遍历后生成的矩阵记为Qm*n；遍历步骤如：先根据Bk*k的计算方法计算点A00，再计算A01，A02，A03，….,A11，A12，…,Am*1,Am*2，…，Am*n，最后生成的矩阵记为Qm*n，计算方法为1≤i≤k,1≤j≤k；步骤S103，判断异常点，并将其修正；过程具体包括：依次选择Om*n中的点，分别与矩阵Pm*n、矩阵Qm*n中对应的点进行比较；如果Om*n中的点的值大于Pm*n中对应点的值或小于Qm*n中对应点的值，对该点进行标记处理；标记处理后，通过Om*n，对Om*n中标记的点依次进行修正。当标记点位于矩阵内时，将标记点的像素值修正为上下左右四个点的均值，当标记点位于矩阵边缘时，将标记点的像素值修正为周围两个或三个点的均值；步骤S104，处理完毕后，输出修正后的矩阵，即为图像平滑后的结果。...
【技术特征摘要】
【专利技术属性】
技术研发人员：张林梁，马阅军，贾磊，刘志英，杨永杰，李朝霞，岳鹏程，
申请(专利权)人：山西省交通科学研究院，
类型：发明
国别省市：山西;14
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。