¿Cuál es el papel del filtrado de imágenes y la importancia de la investigación?
La imagen recién obtenida tiene mucho ruido. Esto se debe principalmente al trabajo diario y al entorno. La mejora de la imagen consiste en reducir el ruido y mejorar el contraste. Obtener imágenes limpias y claras no es fácil. Para ello, las operaciones implicadas en el procesamiento de imágenes consisten en diseñar filtros adaptados y umbrales adecuados. Los más utilizados incluyen el filtro gaussiano, el filtro medio, el filtro de mediana, el filtro de error cuadrático medio mínimo y el filtro de Gabor.
Debido a que la transformada de Fourier de la función gaussiana sigue siendo una función gaussiana, la función gaussiana puede formar un filtro de paso bajo con un rendimiento suave en el dominio de la frecuencia. El filtrado gaussiano se puede implementar mediante la multiplicación en el dominio de la frecuencia. El filtrado medio realiza un promedio local de la señal y utiliza el valor promedio para representar el valor de gris del píxel. El filtro de caja promedio suaviza cada componente de este vector bidimensional de forma independiente. Mediante cálculo y transformación se obtiene el mapa de vectores unitarios. Divida la imagen vectorial de 512 × 512 en áreas pequeñas de 8 × 8 y luego, en cada área pequeña, cuente las direcciones principales en el área, es decir, cuente el número de direcciones de puntos en el área y tome la dirección más grande como principal. dirección de la zona. Entonces obtenemos una nueva imagen vectorial de 64 × 64. Esta nueva imagen vectorial se puede suavizar aún más utilizando una plantilla de 3×3.
El filtrado mediano es un método de filtrado no lineal de uso común y la tecnología de preprocesamiento más utilizada en la tecnología de procesamiento de imágenes. Es muy eficaz para suavizar el ruido impulsivo y al mismo tiempo proteger los bordes nítidos de la imagen. El filtrado mediano ponderado puede mejorar el efecto de preservación de la señal de borde del filtrado mediano. Sin embargo, al filtrar imágenes de huellas dactilares con una fuerte direccionalidad, es necesario introducir información direccional, es decir, el mapa direccional de huellas dactilares se utiliza para guiar el filtrado medio.
El filtro de error cuadrático medio mínimo, también conocido como filtro de Wiener, está diseñado para minimizar el error cuadrático medio entre la salida de la señal de entrada multiplicada por la respuesta y la salida esperada.
La transformada de Gabor fue propuesta por el físico británico Gabor. Según el principio de incertidumbre, tiene la ventana de tiempo-frecuencia más pequeña, es decir, la función de Gabor puede lograr la localización de tiempo-frecuencia más precisa. Además, la función de Gabor es bastante consistente con el campo receptivo visual de los mamíferos, lo cual es útil; Para estudiar la detección de características de la imagen o el filtrado de frecuencia espacial. Al elegir los parámetros apropiados, la transformada de Gabor puede lograr bien la segmentación, el reconocimiento y la comprensión de la imagen. Por ejemplo, el algoritmo de mejora basado en el filtro Gabor propuesto en la literatura.