数字图像处理——图像处理算子体系梳理

在数字图像处理中算子Operator本质上是用于提取图像信息或改变图像属性的数学工具。为了系统性地掌握这些算子我们可以根据其处理目的将其划分为四大核心类别图像平滑与去噪、边缘检测与锐化、形态学处理以及特征提取与描述。图像平滑与去噪算子此类算子主要用于抑制图像中的噪声或模糊不必要的细节通常作为图像处理的预处理步骤。均值滤波原理一种简单的线性滤波。利用模板内所有像素的算术平均值来代替中心像素的值。特点算法简单计算速度快。局限在去噪的同时会导致图像边缘模糊且无法很好地保护图像细节。高斯滤波原理基于二维高斯函数正态分布计算权重。距离中心越近的像素权重越大越远权重越小。特点对服从正态分布的噪声高斯噪声抑制效果最好。相比均值滤波它在平滑图像的同时能更好地保留边缘信息。应用几乎所有图像处理流程的基础预处理步骤。中值滤波原理一种非线性滤波。将模板内的像素灰度值进行排序取中间值代替中心像素。特点对椒盐噪声随机出现的黑白噪点有极佳的去除效果且能有效保护边缘不被模糊。双边滤波原理结合了“空间邻近度”和“灰度相似度”。只有空间距离近且灰度值相近的像素才会参与计算。特点具有保边去噪的特性常用于人像磨皮等需要保留边缘细节的场景。边缘检测与锐化算子此类算子基于微积分原理通过计算灰度变化的导数来定位边缘或增强细节。Sobel算子原理一阶微分算子。通过计算图像水平和垂直方向的梯度近似值来检测边缘。特点引入了加权平均中心权重高因此比Prewitt和Roberts算子具有更好的抗噪性。局限检测出的边缘较粗定位精度一般。Laplacian算子原理二阶微分算子。通过计算图像灰度变化的二阶导数即变化的速率来寻找边缘。特点具有旋转不变性各向同性对细节如细线、孤立点反应强烈。局限对噪声极度敏感。因此Laplacian算子通常不单独使用而是与高斯滤波结合。高斯-拉普拉斯算子原理先对图像进行高斯平滑以抑制噪声再应用Laplacian算子检测边缘寻找零交叉点。特点结合了高斯滤波的去噪能力和Laplacian的精确定位能力是经典的边缘检测方法。Canny算子原理一种多阶段优化的边缘检测算法。包含高斯滤波、计算梯度通常用Sobel、非极大值抑制、双阈值检测四个步骤。特点目前工业界的“黄金标准”。它能实现低误检率、高定位精度且能确保单像素边缘的连续性。形态学处理算子此类算子主要用于处理二值图像基于集合论来调整物体的形状结构。腐蚀作用收缩或细化物体边界。应用消除小噪点、分离粘连的物体。膨胀作用扩张或粗化物体边界。应用填充物体内部空洞、连接邻近物体。开运算流程先腐蚀后膨胀。作用平滑物体轮廓断开狭窄连接去除细小突出物。闭运算流程先膨胀后腐蚀。作用填充物体内部小孔连接邻近物体弥合狭窄间断。特征提取与描述算子此类算子用于从图像中提取具有独特性、稳定性的关键信息是计算机视觉如目标识别、SLAM的基础。SIFT特性尺度不变特征变换。优势对图像的尺度缩放、旋转、亮度变化均具有极强的不变性稳定性极高。SURF特性加速稳健特征。优势SIFT的改进版利用积分图和盒状滤波器近似计算速度更快。ORB特性结合了FAST角点检测和BRIEF描述子。优势计算效率极高适合实时处理但稳健性略逊于SIFT。HOG特性方向梯度直方图。优势通过统计局部区域的梯度方向来表征物体形状在行人检测等领域应用广泛。算子分类总结算子类别核心目的代表算子关键特性平滑/去噪抑制噪声高斯、中值、双边高斯适合高斯噪声中值适合椒盐噪声双边保边边缘/锐化提取轮廓Sobel、Laplacian、CannyLaplacian对噪声敏感但定位准Canny综合性能最优形态学形状处理腐蚀、膨胀、开闭运算基于结构元素处理二值图像结构特征提取关键点描述SIFT、ORB、HOG具有尺度、旋转不变性、用于高层视觉任务