基于LabVIEW的空间图像滤波技术

陈戈珩,　尹欢迎,　张俊芳

(长春工业大学 计算机科学与工程学院， 吉林 长春　130012)



基于LabVIEW的空间图像滤波技术

陈戈珩,尹欢迎,张俊芳

(长春工业大学 计算机科学与工程学院， 吉林 长春130012)

摘要：采用LabVIEW软件的图像处理模块对一幅图像在空间域进行的4种滤波进行处理，并利用直方图分析滤波效果。给出了4种滤波处理特点及其应用。

关键词：像素； 空间域； 处理； 滤波

0引言

一幅刚得到的图像除了包含人们感兴趣的内容外，还会包含噪声[1]，比如高斯噪声、椒盐噪声、随机噪声，它们可能来自于成像系统或图像传输过程。那么除了能有效地去除目标和背景中的噪声，还能保留目标图像的大小、尺寸、几何特性等，必须有一种有效的图像滤波处理对噪声抑制，保留图像特征细节。所以,图像滤波是图像预处理中不可缺少的操作,滤波的好坏将影响后续的图像处理和图像分析。

1LabVIEW与图像处理

LabVIEW[2-3]是美国国家仪器有限公司(NI)最核心的软件产品。它是一种编程语言，与其它常见的编程语言相比，最大特点在于它是一种图形化编程语言。它是一种靠数据流驱动的程序，而非按代码编写的先后顺序执行。LabVIEW的应用领域包括：测试测量、控制、仿真、机器视觉、FPGA等，同时LabVIEW提供了大量的虚拟仪器和函数库帮助编程，还有许多功能强大的工具包。

在图像处理方面，NI公司提供了IMAQVision子模块，它包括300多种机器视觉和图像处理的函数，按功能节点分为图像获取、视觉工具、图像处理、机器视觉4大类。用户可以方便的进行图像预处理、图像分割、灰度、彩色以及二值图像的显示、处理(包括统计、滤波等)、形状匹配、模式匹配、目标测量等操作。文中将重点讨论空间图像滤波，比较4种滤波方法的滤波效果，然后分别进行直方图分析。

2空间图像滤波

滤波源于信号经傅里叶变换后的频域，而在空间域，人们对图像像素更感兴趣，所以“空间滤波”一词只为区别于频域滤波处理。

就像“滤波”这个词所表示的，绝大多数的滤波方法都是为了改善图像质量。通常，这些方法都是利用原图像的像素值及该像素的领域来计算得到新的像素值[1]，公式如下：

(1)

式中:Sout----经计算得到的新像素值;

Sin----原图像像素值;

f(u,v)----一个m*m矩阵里的一个元素，通常m取奇数，如3，5，7。

这里定义k=(m-1)/2；且定义m*m这9个像素值为“滤波核”：

(2)

将函数Sin的变量x，y对应于变量u，v得到等式:

(3)

由于式(1)描述的是卷积的定义，所以“滤波核”又称为“卷积核”。

在LabVIEW里提供的滤波家族中共包含平滑滤波、高斯滤波、阶梯滤波、拉普拉斯滤波4种滤波方法。

2.1平滑滤波

平滑滤波，顾名思义就是讲一个波的毛刺或高于某一频率的部分去掉，简单地说就是低通滤波。对应于图像上，就是降噪和图像的模糊处理，噪声的频率一般会高于图像的频率，而且图像的边缘也属于高频部，所以，对图像的平滑滤波就会使噪声减弱，边缘模糊，即图像与背景会模糊过度。

平滑滤波就是利用滤波核确定的邻域内的图像像素平均灰度值来替代图像中每个像素点的值，这种处理减小了图像灰度的“尖锐”变化。选取m=3，平滑滤波公式为

(4)

用LabVIEW的图像处理模块对一幅图像做的平滑滤波处理如图1所示。

(a) 原图　　　　　　　　　　　　　　　　　(b) 平滑滤波后

2.2高斯滤波

用H(u)表示频域，则高斯滤波器函数为：

(5)

式中:e----高斯曲线的标准差。

所以相关的空间域滤波器为

(6)

它们的高斯曲线如图2所示。

(a) 频域　　　　　　　　　　　　　　　　(b) 空间域

而人们的兴趣在于h(x)的一般形状，以此来确定空间域中较小滤波器的个数。这两个滤波器的相似之处在于两个域中的值均为正，所以，在空间域使用带正系数的滤波核可以实现低通滤波。

根据文献[6]，用LabVIEW的图像处理模块对一幅图像做的高斯滤波处理如图3所示。

(a) 原图　　　　　　　　　　　　　　　　(b) 高斯滤波后

平滑滤波及高斯滤波同电子电路里的低通滤波器对应，在图像处理方面功能大致相同，都是减弱噪声和边缘模糊，但是高斯滤波更适合滤除服从正态分布的噪声。

2.3阶梯滤波

对于阶梯滤波，它能提取有意义的亮度变化，因此阶梯滤波可用于突出边缘，提取图像边缘。但是梯度滤波会有方向的区分，可以通过滤波核的设计来得到相应方向的边缘，比如滤波核为

(7)

那么它将提取从左到右的亮暗变化。

用LabVIEW的图像处理模块[7]对一幅图像做的阶梯滤波处理如图4所示。

(a) 原图　　　　　　　　　　　　　　　　　(b) 阶梯滤波后

2.4拉普拉斯滤波

所有的拉普拉斯滤波核都是全方位的，这将意味着它将提供所有方向的边缘信息，拉普拉斯算子在数学里是用二阶微分表示的。它的应用强调图像中灰度的突变，把图像中的灰色边缘以及突变点添加到暗背景中，达到图像锐化处理。

用LabVIEW的图像处理模块对一幅图像做的拉普拉斯滤波处理如图5所示。

(a) 原图　　　　　　　　　　　　　　　　(b) 拉普拉斯滤波后

阶梯滤波及拉普拉斯滤波同电子电路里的高通滤波器对应，在图像处理方面则对应于提取高频部分，即边缘锐化，边缘可以用高频分量表示。

3直方图

根据文献[8]，要了解关于直方图分析，先了解灰度级的操作。

3.1灰度级操作

要改变一幅图像最简单的办法是改变灰度值，那么，对于一幅分辨率为8 bit的灰度图，它的灰度级共划分256级，0～255灰度级。

3.2直方图操作

LabVIEW图像处理模块提供两种方式描述直方图，但它们做的是同样的事，统计每一幅图像灰度值的个数。

1)直方图，以数组的方式给出统计结果；

2)直方表，以曲线的形式表征统计结果。

所以，直方图可简单描述为

(8)

式中:k----灰度值;

nk----当灰度值为k时图像里共包含的个数。

3.3直方图分析

原图的直方图曲线如图6所示。

图6　直方图

滤波后的直方图曲线如图7所示。

(a) 平滑滤波后　　　　　　　　　　　　　　　(b) 高斯滤波后

(c) 阶梯滤波后　　　　　　　　　　　　　　(d) 拉普拉斯滤波后

可见一幅暗的图像，它的直方图成分集中在灰度级低的一侧;而明亮的图像，它的直方图成分集中在灰度级高的一侧。低对比度图像的直方图成分集中中间，而且分布窄;高对比度图像的直方图成分大体上均匀地分布在所有灰度级上。

4结语

应用LabVIEW软件的图像处理模块对一幅图像在空间域进行4种滤波处理效果可见：平滑滤波和高斯滤波都可作为低通滤波器使用，去除噪声，模糊边缘；而阶梯滤波和拉普拉斯滤波在图像边缘锐化方面作用明显，突出边缘，可作为高通滤波器使用。利用直方图对每种滤波结果进行直观分析表明，不同的滤波方法对灰度级的变换效果不尽相同，应针对实际情况选择相应的滤波方法，以达到预期目的。文中对图像滤波的研究结果将为后续的图像处理和分析奠定基础，以期可以更好地完成图像分割、模式匹配以及形态学处理等要求。

参考文献：

[1]Rafacel C Gonzalez， Richard E Woods.数字图像处理[M].阮秋琦，阮宇智，译.2版.北京：电子工业出版社，2011.

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

[3]阮奇桢.我和LabVIEW：一个NI工程师的十年编程经验[M].北京:北京航空航天大学出版社，2009.

[4]徐飞,施晓红.MATLAB应用图像处理[M].西安:西安电子科技大学出版社，2002.

[5]姚敏.数字图像处理[M].北京:机械工业出版社，2006:1-87.

[6]徐晓东，郑对元，肖武.LabVIEW 8.5常用功能与编程实例精讲[M].北京：电子工业出版社，2009.

[7]Jeffrey Travis， Jim Kring. LabVIEW大学实用教程[M].3版.北京：电子工业出版社，2008.

[8]赵立兴，唐英于，刘冬，等.基于直方图指数平滑的模糊散度图像分割[J].系统工程与电子技术，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

基金项目：国家科技支撑计划项目基金(2007BAQ00097)； 吉林省自然科学基金资助项目(20101523)

作者简介：陈戈珩(1961-)，女，汉族，吉林长春人，长春工业大学教授，主要从事嵌入式系统设计和图像处理方向研究,E-mail:chengeheng@ccut.edu.cn.

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

中图分类号：TP 391

文献标志码：A

文章编号：1674-1374(2016)02-0119-05