基于機器視覺的點滴液位檢測算法設(shè)計與實現(xiàn)第一章緒論1.1研究背景及意義現(xiàn)代社會正處于工業(yè)和信息技術(shù)高速發(fā)展的時期，隨著現(xiàn)代醫(yī)療技術(shù)的進步與社會醫(yī)療福利的建設(shè)，無論是去看病或是做檢查，醫(yī)院已經(jīng)成為了我們?nèi)粘Ｉ畹闹匾顒訄鏊?。輸液或打點滴是治療流程中的一種常見的治療手段，作為注射劑的一個主要分支，其作用過程通常是將特定的不含抑菌劑的注射液包裝在玻璃或塑料的輸液瓶中，經(jīng)由點滴管由靜脈滴注入體內(nèi)，特點是通常一次給藥是在100ml以上的大劑量，并且對注射或滴注的滴速有嚴格要求以確保能持續(xù)穩(wěn)定地將注射液輸入體內(nèi)。對于負責一次特定的輸液過程的醫(yī)護人員，除了確定注射液的劑量和種類以及對注射液滴速的調(diào)節(jié)，往往會消耗大量的時間在觀測點滴瓶中的注射液的液位，通過這樣的觀察來確認輸液過程的結(jié)束或更換相應(yīng)的注射液，有經(jīng)驗的護士往往能憑借自己的經(jīng)驗間歇性的觀測液位，即便如此仍然需要多次查看點滴瓶。并且仍然存在當無醫(yī)護人員在場時輸液過程出現(xiàn)滴空、停滴的風險。并且由于輸液注射量大、輸液時間長的特點，人工對長時間的輸液過程進行監(jiān)管和控制將導致對人力等資源的調(diào)用效率低下?，F(xiàn)代醫(yī)院中對輸液過程進行監(jiān)視和管理實際上還是依賴于護士和醫(yī)生的親自檢查和手動測量，這無形中消耗了大量的人力。一般的輸液過程中需要專業(yè)醫(yī)護人員參與的部分有：藥品種類的選擇、藥品劑量的選擇、點滴瓶的放置和更換。在輸液過程中還需要醫(yī)護人員頻繁的檢查點滴瓶中注射液的液位。在這個過程里最為重要的部分便是得到點滴瓶中注射液的液位信息。因此，如何準確且及時地判斷點滴瓶中的注射液是否快要滴完是醫(yī)護人員和陪護者的一個主要任務(wù)。并且人為檢測無法避免會出現(xiàn)因主觀因素導致的干擾。所以，為了最大化的利用人工勞力，確保點滴液位檢測的精確性和準確性，由醫(yī)護人員或陪護者肉眼檢測點滴瓶液位已經(jīng)無法很好地滿足現(xiàn)在的需要。醫(yī)護人員和科研人員當前在主動改善現(xiàn)狀，面對目前市場動向和綜合考慮各方面的因素，主要的解決方法體現(xiàn)在對檢測技術(shù)的引入，合理運用具有高新技術(shù)的檢測方法，綜合考慮對成本和人工資源的合理運用，從而完成對點滴液位檢測系統(tǒng)的設(shè)計，以提高對自身系統(tǒng)的優(yōu)化，從而更好地服務(wù)人民。對液位監(jiān)測的方法目前主要有非接觸式檢測和接觸式檢測，考慮到監(jiān)護環(huán)境中點滴液位檢測的特殊性，非接觸性檢測是更為合適的檢測手段。非接觸式檢測能夠避免與點滴瓶接觸，便于點滴瓶的更換，能有效防止灰塵細菌進入點滴瓶，具有高效率、衛(wèi)生、安全的優(yōu)點。能顯著提高液位監(jiān)測的自動化程度，提升工作效率、檢測準確度和降低成本等。針對玻璃容器的非接觸式檢測，主要有超聲波式、電參數(shù)式、壓力式、機械浮點式、光學式等。有基于機器視覺的非接觸式檢測技術(shù)，其核心為計算機和圖像處理，首先通過攝像頭加以輔助光源對目標進行拍攝，攝像頭將光信號轉(zhuǎn)換為電信號進行傳輸，然后通過圖像處理算法對圖像進行進一步的處理，將最終得到的圖像信息輸出顯示。在非接觸式檢測方法中，基于機器視覺的檢測方式具有檢測精度高、檢測自動化程度高、檢測效率高、穩(wěn)定性好等優(yōu)點。基于機器視覺的液位檢測技術(shù)融合了多個領(lǐng)域的專業(yè)技術(shù)，其中有電子學、計算機學、圖像處理和光學等，在目前現(xiàn)代檢測技術(shù)領(lǐng)域中占有重要的地位。在基于機器視覺的檢測技術(shù)理論的不斷發(fā)展下，各種不同的方法得到提出并實現(xiàn)，隨著相關(guān)軟硬件技術(shù)的不斷發(fā)展，基于機器視覺的檢測技術(shù)更快地應(yīng)用于各行各業(yè)，使各個行業(yè)的發(fā)展進程得到了促進和進步。目前工業(yè)領(lǐng)域的液位監(jiān)測技術(shù)得到了較大的進步和推廣，相關(guān)技術(shù)愈加成熟和安全。目前主要有兩類基于機器視覺的檢測系統(tǒng)：一是基于軟件的圖像處理檢測系統(tǒng)，其原理是利用相機得到的目標圖像，通過采集設(shè)備將采集到的數(shù)據(jù)傳輸至計算機系統(tǒng)中，通過計算機軟件中的一系列處理算法得到最終檢測結(jié)果；二是基于硬件的圖像處理檢測系統(tǒng)，其原理是利用嵌入式技術(shù)使得需要的圖像處理算法固化到芯片中，然后將監(jiān)測數(shù)據(jù)通過輸入、輸出接口傳出。前者的優(yōu)點是有人機界面，因此便于工作人員的直觀操作，并且較容易實現(xiàn)遠距離傳送信息。目前基于計算機軟件的圖像處理檢測系統(tǒng)發(fā)展得較為完善，但針對醫(yī)院場景下對點滴瓶實施液位檢測的系統(tǒng)尚未充分發(fā)展，目前市場中現(xiàn)有的檢測手段主要有成本高、安裝復雜、可拓展性低等缺點。所以，研究點滴瓶液位檢測系統(tǒng)具有十分重要的意義。1.2主要研究內(nèi)容及國內(nèi)外現(xiàn)狀1.2.1主要研究內(nèi)容主要研究任務(wù)是實現(xiàn)對點滴瓶的跟蹤和對液位的識別1.2.2國內(nèi)外現(xiàn)狀跟蹤定位系統(tǒng)歷史研究改進隨著目標跟蹤算法應(yīng)用越來越廣泛，近年來各種應(yīng)用算法層出不窮，其中核方法跟蹤目標的主要研究有很打的進展。針對其進一步改進的算法也有很多，改進的方向主要是針對背景復雜、消失和遮擋以及算法的融合等方面，改進方向如圖所示：背景復雜：遮擋和消失：多算法融合：液位檢測系統(tǒng)玻璃容器液位檢測方面的研究在國外起步比較早，因此相關(guān)的技術(shù)積累就比較多，其中比較具有代表性的液位測量的產(chǎn)品有AMETEK-DREXELBROOK公司研制出的UniversalIITM連續(xù)液位變送器，還有Foxboro公司、MooreIndustries公司、TexasInstruments公司以及Rosemount公司也有相關(guān)的產(chǎn)品。這些相關(guān)產(chǎn)品主要運用在食品檢測和工業(yè)生產(chǎn)相關(guān)方面。在我國，隨著改革開放的進一步推進，我國的經(jīng)濟得到快速的發(fā)展，我國對科學領(lǐng)域的大量資金投入，在液位檢測領(lǐng)域的各項技術(shù)也得到了很大的支持，目前我國的液位檢測系統(tǒng)和相關(guān)的液位檢測算法發(fā)展迅猛，這方面的國際競爭力得到了較大的提高，但與發(fā)達國家相比仍然有較大的差距，目前的部分研究成果如下：

1.黃玲等人觀察到在液位后方的標桿在液面處會出現(xiàn)由于液體折射而產(chǎn)生的折斷的虛像，于是利用了光線在兩種介質(zhì)之間的折射現(xiàn)象，通過識別標桿在液面處的折斷點虛像的位置來作為判斷液面實際位置的間接依據(jù)，從而得到液面高度的數(shù)據(jù)，此方法在透明無色液體的檢測效果較好，但是需要額外的裝置來作為檢測的間接依據(jù)，因此此方法的便攜性和可移植性較差，因此該方法適用性較差。 2.孫懷遠等人是利用了無液體區(qū)域和容器自身的灰度特征，從而計算液面到容器頂部的相對距離，然后根據(jù)容器的相關(guān)參數(shù)從而確定液面的實際高度。該方法在容器大小型號固定時效果較好，然而并不適用于標準多樣的各種點滴瓶，且對于結(jié)構(gòu)復雜，非無色透明的容器來說適應(yīng)性較差，因此該方法的適用性較差。 3.Sun等人是通過多角度的拍攝對液面高度做出識別，其原理是利用分別從水平方向和豎直方向拍攝的兩個角度的圖像做出灰度投影，其中液面的高度信息通過液面區(qū)域的灰度特性進行識別，此方法在容器無相應(yīng)標簽且容器光滑無褶皺時效果較好，且若容器標有刻度線，其灰度投影的結(jié)果將會受到影響，造成對液面高度判斷的干擾，此方法對光照強度的要求較高，且其魯棒性較差，因此很難滿足在更加多變的真實輸液環(huán)境下對點滴瓶液位的檢測，因此該方法的適用性較差。 4.徐馳等人提出利用模板匹配的方法確定液面位置，通過事先截取的玻璃容器中的部分液面區(qū)域圖像作為模板，然后對采集到的圖像中的液面部分作模板匹配。這個方法在面對型號相同的容器時有較高的準確度，并且可以將液位測量的精度控制在0.1mm以內(nèi)，然而與上述的一些方法一樣，在面對規(guī)格和型號不一定相同的容器時其適應(yīng)性較差，需要針對不同的容器重新構(gòu)建模板，因此其操作復雜、效率低下、適用性較差。 5.孟磊等人通過對上述辦法進一步的改良，首先利用線性濾波器、閾值分割提取所需要的液面區(qū)域，然后利用角點檢測得到液面的具體位置，這種方法準確度稍差但實時性比較好，時間開銷在毫秒級別。然而此方法在應(yīng)對透光性不好以及常見的有條紋的容器時無法正確找到液面位置，因此該方法適用性較差。以上的幾種方法分別采用了不同的圖像處理算法和思路，基本的思路有：利用圖像的灰度特征（方法1、方法2、方法3）、利用模板匹配（方法4）、利用二值化后的角點檢測（方法5）等。其中利用圖像的灰度特征在面對容器顏色不同時效果較差，且方法1和方法2的檢測的精確度比較差，方法3在面對常見的有標簽和刻度的容器時失效。利用模板匹配的方法4則存在面對不同容器需要構(gòu)建相應(yīng)模板的的問題，且當液面擾動大時也會產(chǎn)生誤判斷和錯檢。角點檢測則對玻璃容器的材質(zhì)有限制。所以上述方法的適用范圍都比較窄，沒有能力涵蓋目前常用的點滴瓶的液位檢測任務(wù)。1.3本文章節(jié)內(nèi)容及安排本文是研究基于機器視覺的點滴液位檢測算法設(shè)計與實現(xiàn)，主要有兩個部分組成，分別為點滴瓶的定位和跟蹤算法設(shè)計、液位檢測算法設(shè)計。主要任務(wù)有：檢測平臺的選擇和搭建、攝像頭的標定、研究點滴瓶定位和跟蹤算法、研究液位檢測算法。本文的章節(jié)安排如下：第一章：緒論。主要介紹了本文課題的研究背景和意義、主要研究內(nèi)容以及國內(nèi)外研究現(xiàn)狀第二章：方案設(shè)計。主要介紹了本文課題使用的平臺（opencv和VS），其環(huán)境的搭建，介紹了定位跟蹤系統(tǒng)和液位檢測系統(tǒng)的實現(xiàn)方法。第三章：定位系統(tǒng)設(shè)計。詳細介紹了跟蹤定位系統(tǒng)的實現(xiàn)方法，包括介紹了核方法、基于核方法的MEANSHIFT算法和在meanshift算法上進一步改進的camshift算法。第四章：液位檢測系統(tǒng)設(shè)計。詳細介紹了圖像預處理方法，包括各種濾波方法，還介紹了圖像分割方法、閾值法和harris角點分析法。第五章：實驗結(jié)果與分析。第六章：總結(jié)與展望。第二章方案設(shè)計第三章跟蹤定位系統(tǒng)設(shè)計根據(jù)實際對點滴瓶跟蹤定位的要求，深入分析了跟蹤定位系統(tǒng)的實現(xiàn)方法，依據(jù)相關(guān)算法和光學原理，完成了對點滴瓶定位和跟蹤系統(tǒng)的設(shè)計。系統(tǒng)結(jié)構(gòu)本系統(tǒng)主要由拍攝設(shè)備、注射液吊瓶組成。核方法核方法（kernelmethods）是一種基于搜索的跟蹤算法，是目標跟蹤領(lǐng)域的一種重要方法，包括meanshift，camshift算法，通過最速下降法的原理，用逐步替代的方法由框定區(qū)域向梯度下降方向進行目標模板替代，最終可以迭代到最優(yōu)位置。這是一種以一步一步的迭代找到最優(yōu)點為核心的算法，在迭代過程中，以尋找相似度最大的候選區(qū)域為目的。其中方向矢量是這樣定義的：在框定區(qū)域中，區(qū)域的幾何中心到n個樣本點的向量的向量和。其中k為框定區(qū)域的幾何中心，ki為滿足計算范圍內(nèi)的樣本點。X?半徑為MXMeanshiftMeanshift算法是一種基于核密度估計的爬山算法，通常用于跟蹤、圖像分割、聚類等，是通過對區(qū)域幾何中心點到樣本點的向量差求平均值。得到的向量和的方向就是樣本密度增加的方向，然后通過沿著樣本密度增加的方向移動向量，一步一步迭代得到最終的最優(yōu)區(qū)域。另外，通過（1）式可以看出，凡是在X?內(nèi)的樣本點，不管離其中幾何中心點k的距離是多少，其對最終的M?k核函數(shù)的定義是：X是一個d維的歐式空間，x是這個空間的其中一個點，使用一個向量來表示。x的模x2=xTxk:即K并且滿足：k是非負的；k是非增的k是分段連續(xù)的，且0那么，函數(shù)Kx核函數(shù)又叫窗口函數(shù)，在核方法中的核估計中的作用是使其更加平滑。主要的核函數(shù)有：Uniform，Epannechnikov，Gaussian等。本文的算法主要使用Epannechnikov函數(shù)，其數(shù)序定義如下：K如圖表示了meanshift算法的跟蹤原理示意圖：容易看出，meanshift算法通過一步一步的迭代來找到樣本點密度最大的方向，并進行逐步收斂。當偏移量小于事先設(shè)定好的某個閾值時，就可以認為當前迭代點已經(jīng)到達最佳區(qū)域，從而實現(xiàn)對目標的跟蹤。其跟蹤過程主要分為三個步驟：目標區(qū)域的劃定：在第t幀中劃定目標所在的區(qū)域，通常是第1幀，對這一幀中的目標區(qū)域建立RGB顏色空間直方圖。其目標模型表示為：q其中c是歸一化系數(shù)，K表示的是內(nèi)核函數(shù)，即本算法中使用的Epannechnikov函數(shù)，δ函數(shù)的作用的判斷xi模型搜索：通過在后續(xù)幀中進行搜索，得到前一幀基礎(chǔ)上的搜索結(jié)果，框定目標區(qū)域的模型如下，其中y為窗口的中心位置坐標，r是核窗口的寬度。p判別相似度：通過對相似度判別式的判斷來做出是否繼續(xù)迭代的決定。定義一個閾值，當當前跟蹤模型與目標模型的相似度小于這個閾值時，認為此時的的跟蹤區(qū)域為目標區(qū)域，并停止迭代。引入BH系數(shù)作為判斷依據(jù)，相似度隨系數(shù)值的增大而增大。Su和QρCamshiftMeanshift算法較好地實現(xiàn)了跟蹤效果，但是在實際應(yīng)用中仍然有一定缺點，即其不能根據(jù)目標的尺度變化而進行相應(yīng)的自適應(yīng)的尺度變化，因此容易造成跟蹤不收斂的情況。Camshift就是人們針對meanshift的這一缺陷而提出的一種新型核跟蹤算法。Camshift算法是基于meanshift算法基礎(chǔ)上的改良版算法，與meanshift不同之處在于camshift加入了基于目標尺度變化而產(chǎn)生自適應(yīng)改變的機制，即可以根據(jù)目標在實際拍攝中因距離遠近和拍攝角度的變化而產(chǎn)生的大小變化的情況自動調(diào)節(jié)跟蹤框的大小尺度，其算法流程如下圖：YYes初始化窗口大小和位置HSV選擇計算區(qū)域計算目標區(qū)域顏色直方圖下一幀窗口初始化移動窗口中心到質(zhì)心搜索窗口質(zhì)心色調(diào)概率分布圖收斂目標中心位置No首先，camshift使用的是具有較強魯棒性的HSV顏色直方圖。然后，通過所求的顏色直方圖將初始輸入圖像進一步轉(zhuǎn)化為概率分布圖像。最終則是meanshift的迭代過程。在meanshift的迭代過程中，通過將前一幀的圖像輸出作為后一幀的圖像輸入。其原理即為meanshift的基本原理，當通過不斷迭代，窗口中心移動到質(zhì)心時，即可認為當前位置滿足迭代終止條件，停止迭代。其中窗口的大小是通過零階矩來得到調(diào)整的。第四章液位檢測系統(tǒng)設(shè)計圖像預處理線性平滑濾波（均值濾波）圖像平滑（smoothing）平滑濾波是一種常用的空間域濾波技術(shù)，也叫做模糊處理，是一種常見的低頻增強的圖像處理方法，由于其方法簡單故使用頻率比較高。常用來減弱圖像中的噪聲、弱化圖像中的細節(jié)、減少圖像中的失真。其對降低圖像分辨率的作用是很關(guān)鍵的。噪聲圖像中的噪聲主要分為兩種：椒鹽噪聲、高斯噪聲。其中椒鹽噪聲的特點是噪聲的幅值大概率相同，但有較為隨機出現(xiàn)的噪聲位置；高斯噪聲的特點是噪聲的幅值是比較隨機的，但會在每一點都出現(xiàn)噪聲。相較而言椒鹽噪聲比較適用于中值濾波算法。圖像濾波圖像濾波，簡單來說就是盡可能的在保留原圖像的各種需要的信息細節(jié)的基礎(chǔ)上將干擾噪聲抑制到最低狀態(tài)，通常是圖像處理工作中不可缺少又至關(guān)重要的一個步驟，通過一次成功的濾波算法，往往可以增強圖像處理的可靠程度和有效程度。根據(jù)信號論的基礎(chǔ)知識，在一次采集到的信號或圖像中，我們所需要的信息往往大部分集中于幅頻圖的低頻段和中頻段，而高頻段通常會有一定的噪聲伴隨出現(xiàn)。故一個好的圖像濾波算法需要將各個頻段依據(jù)其各自的特點做出合適的區(qū)分。合適的圖像濾波算法一般需要滿足兩個條件：盡量保存所有圖像的重要信息如邊緣和輪廓；盡可能使圖像在濾波后擁有更高的清晰度。并且應(yīng)該有兩個目的：提取出圖像的特征便于下一步算法處理；適應(yīng)項目要求且能降低噪聲。平滑濾波主要以模糊和消除噪聲為主要目的，常用實現(xiàn)方法是使用簡單平均法，通過分析鄰近像元點的平均亮度值來實現(xiàn)平滑濾波。平滑濾波的效果與所選取的鄰域大小有關(guān)，鄰域越大效果越好，但過大的鄰域也會使得邊緣信息的損失較大，最終得到的圖像也會比較模糊，因此合適的鄰域大小選擇也是濾波算法成功的關(guān)鍵?？臻g濾波技術(shù)分類平滑濾波和銳化濾波（根據(jù)空間濾波增強分類）線型濾波和非線性濾波（根據(jù)空間濾波的特點分類）1平滑濾波，特點是在減小圖像中的高頻噪聲的同時盡可能的保留低頻信息。在一組空間信號或圖像中，高頻分量往往是圖像中灰度值變化較大和較快的部分，如圖像的區(qū)域邊緣。通過平滑濾波可以使局部的灰度變化減弱，從而得到更加平滑的圖像。在實際應(yīng)用中可以用來減少噪聲，也可以在面對較大目標前用來過濾一些不需要的細節(jié)或連接圖像中的不連續(xù)特征。銳化濾波，特點是在弱化圖像中的低頻分量的同時盡可能的保留高頻信息。在圖像中低頻信號是圖像灰度值變化比較小比較慢的部分，與圖像的平均灰度值和對比度有關(guān)。因而通過銳化濾波使得圖像邊緣凸顯、圖像反差增大。在實際應(yīng)用中可以用來增強圖像中比較模糊的部分和背景的邊緣特征。2線性濾波（LinearFilter），是一種鄰域算子（局部算子），特點是根據(jù)選定的像素點周圍的像素值得分布來決定這個像素最終的值，即輸出值為輸入像素的加權(quán)值其核心數(shù)學理論是卷積：g其中?k,l是窗口大?。ê耍?，g?,j是線性濾波處理的輸出像素值（上圖紅心），即為輸入值均值濾波（MeanFilter）是一種使用目標像素點周圍的均值替代處理后的此像素點的一種濾波算法，是一種典型的線性濾波算法。其實現(xiàn)原理通常是給定一個窗口模板，通常為以目標像素點為中心加上周圍的八個臨近像素點組成的3*3的窗口，然后去掉目標像素點，以周圍的8個像素點的平均值來替代原來的目標像素值。此方法在待處理圖像中有較大的孤立點時反應(yīng)比較突出，并且在少量數(shù)量點出現(xiàn)差異時也能使最終的平均值有所波動。其原理為（K為模板）：K=經(jīng)過處理的目標像素值為：gM即總3*3窗口的像素總和。均值濾波的特點在于降低圖像噪聲的同時也對圖像進行了模糊化處理，在圖像細節(jié)處和區(qū)域邊緣處尤為如此。并且模板的大小對圖像處理的效果也有影響，模板越大，對噪聲的抑制效果就越好，但最后得到的圖像也就越模糊，所以在不同的需求下選擇合適的模板窗口尺寸對于成功的使用均值濾波算法尤為重要。高斯濾波（GaussianFilter）是一種廣泛應(yīng)用于消除高斯噪聲的線性平滑濾波算法，與均值濾波不同的是，高斯濾波是基于整幅圖像的加權(quán)平均過程，每一個像素點的值都由它與它周圍的臨近像素點的值經(jīng)過加權(quán)平均后得到。其具體操作是：先遍歷圖像中的每一個像素點，通常是使用一個模板（又叫掩膜或卷積），通過由模板確定的鄰域中的像素的加權(quán)平均灰度值代替模板的中心像素的值。高斯濾波的一般原因是空間中實像的像素在緩慢變化，因此相鄰點的像素變化不明顯，但隨機兩點可能形成較大的像素差?；诖?，高斯濾波在保留信號的同時降低了噪聲。不幸的是，這種方法在邊緣附近是無效的，因此有破平邊緣的現(xiàn)象?？傮w來講，高斯平滑濾波器仍然能非常有效地抑制服從正態(tài)分布的噪聲。一維高斯函數(shù)為：G二維高斯函數(shù)為：G非線性濾波（Nonlinearfiltering）中值濾波（Medianbluring）中值濾波算法是一種能較好地抑制噪聲的非線性平滑濾波算法，其原理是基于排序統(tǒng)計理論，將每一個目標像素點的灰度值用對應(yīng)模板窗口中所有像素點的灰度值的中值來替換，即目標像素值的確定是有包括其在內(nèi)的模板窗口的像素值的中間值來確定的，所以其通過使用中間值來替換目標像素點的方法來避免某個孤立噪聲的干擾。中值濾波在對脈沖噪聲和椒鹽噪聲以及斑點噪聲的處理上有其獨特的優(yōu)勢，濾除干擾的效果較好。其另外一個相較于一般線性濾波方法的特點就是能在過濾掉噪聲的同時保留更多的圖像區(qū)域邊緣的信息，從而使其保持良好的清晰度。中值濾波憑借其良好的濾波效果和容易實現(xiàn)的方便性在圖像信號處理中得到了廣泛的應(yīng)用。其原理是：G其中fx,y和Gx,y分別表示中值濾波處理前后的圖像，模板用W表示，模板窗口的形狀各異，通常用3*3，5中值濾波的特點主要在于：相較于一般的常規(guī)線型濾波算法如均值濾波，中值濾波不會出現(xiàn)對細節(jié)的過度模糊化的影響，并且相較于均值濾波以所有灰度值為輸入的方法，中值濾波能夠在一定程度上減弱噪點對輸出值的影響，所以中值濾波能表現(xiàn)出比較好的降噪效果。在算法實現(xiàn)方面，中值濾波的運行時間比較長，比均值濾波慢了4倍。雙邊濾波（BilateralFiltering）雙邊濾波也是一種非線性濾波算法，雙邊濾波算法同時將空域信息和灰度相似性納入考慮，通過對目標圖像的像素值相似度和空間鄰似度的分析和綜合考慮，達到降噪的目的，同時能很好地保留圖像邊緣細節(jié)，并且具有簡單、非迭代和局部的特點。雙邊濾波是一種能保留圖像邊緣細節(jié)的算法，但相應(yīng)的需要更多的處理時間。這樣的算法能根據(jù)目標像素點和其鄰域的特點構(gòu)造出一個加權(quán)平均值，這點與高斯平滑濾波算法一致。與高斯濾波算法相似的是其加權(quán)計算由兩部分組成，第一部分與高斯濾波相同，第二部分與高斯濾波相似，不同點在于高斯濾波是一種跟距離相關(guān)的加權(quán)方法，即權(quán)重與離目標像素點的距離有關(guān)，而雙邊濾波則是一種跟亮度有關(guān)的加權(quán)算法，根據(jù)其他像素與目標像素點的亮度差值來決定其權(quán)重。因此雙邊濾波更像是一種高斯平滑算法，對相似的像素賦予較高的權(quán)重，對有較大差異的像素賦予較低的權(quán)重?？梢杂脕碜鰣D像分割。雙邊濾波一個優(yōu)點是對邊緣的保真度比較高，較好的邊緣保存可以使雙邊濾波獲得比高斯濾波更好的高頻細節(jié)保護，在高頻細節(jié)的保護上雙邊濾波強于一般的高斯濾波算法。雙邊濾波比高斯濾波算法多了一個高斯方差sigma?d，因此雙邊濾波是一種基于空間分布的高斯濾波函數(shù)，在邊緣附近，離邊緣較遠的像素點不會過度影響邊緣上的像素點，因此能表現(xiàn)出較好的邊緣細節(jié)。但對于RGB圖像中的高頻噪聲雙邊濾波無法較好的過濾掉，正式由于其對高頻信息的充分保存。但在過濾低頻噪聲時還是能表現(xiàn)出很好的效果。雙邊濾波算法是一種加權(quán)組合算法：g權(quán)重系數(shù)wi,j,k,lw其中?i,j,k,l=exp?(???k圖像分割圖像分割作為數(shù)字圖像處理技術(shù)的一個重要部分，其主要作用是將一幅圖像根據(jù)工程需要分割成幾個互不重疊且有意義的區(qū)塊，其中每一個互不交疊的區(qū)塊內(nèi)部都具有一些相似的特征或者特性，而不同區(qū)塊之間的特征和特性又有比較大的差別，即在單個區(qū)塊內(nèi)部特征變化緩慢較為相似，不同區(qū)塊之間特征變化相對劇烈較為不同。區(qū)塊是一系列圖像像素點的集合，其中每一個像素點都有與之臨近的臨近像素點。區(qū)塊是一種像素的連通集，即在連通集中選擇任意兩個像素點，他們之間都存在一條連續(xù)的像素路徑能將兩點連通，并且這條路徑上的所有像素點都屬于這個像素連通集。圖像分割就是基于像素區(qū)塊之間的相似性和不連續(xù)性原理做出的一種分割方法。其中相似性即為在某個選定的圖像區(qū)塊內(nèi)部的像素點具有某種相似的特性或者能夠呈現(xiàn)一種依據(jù)某種規(guī)則分布的現(xiàn)象；其中不連續(xù)性則是指某個選定的圖像區(qū)塊內(nèi)部的像素點的某種特性呈現(xiàn)出不連續(xù)的現(xiàn)象，比如像素灰度值突變等。依據(jù)工作對象來分類可以將圖像分割方法分為點相關(guān)分割和區(qū)域相關(guān)分割；依據(jù)算法特性分類又可分為閾值法和界限檢測法等?？偟膩碚f，大部分圖像分割方法都很難將圖像一次性的分割成我們事先理想的狀態(tài)，但選取合適的圖像分割方法有助于下一環(huán)節(jié)的處理。閾值分割閾值處理是區(qū)域分割技術(shù)中的一種常用方法，適用于圖像中我們需要的信息與背景信息有比較大的差異性和對比度的情況。總的來說，閾值分割是一種利用圖像像素灰度值的差異，針對不同的圖像像素灰度值特征的差異設(shè)定一個合適的閾值，再遍歷圖像中的每一個像素點，并判斷其是否滿足閾值要求，將所有的像素點分類到兩個部分，從而將圖像分割成目標物體和背景兩部分，最后得到二值化圖像便于下一步圖像處理。閾值分割計算簡單且能用連通而封閉的邊界定義出一個不交叉的圖像區(qū)域。由閾值分割的原理可以知道，最后二值化的效果很大程度上取決于閾值的選取，一個正確合適的閾值往往能帶來很好的二值化結(jié)果，如果將所有大于或者等于閾值的像素點灰度值都判斷為屬于物體，難么其余像素點則被認為屬于背景，排除在物體之外，因此當閾值選取過高時，可能會