本發(fā)明涉及到郵政分揀設(shè)備系統(tǒng)
技術(shù)領(lǐng)域：
，具體地說涉及一種郵政分揀系統(tǒng)所獲取圖像的處理方法。
背景技術(shù)：
：郵政分揀是國家公共安全的重點行業(yè)，百姓有意無意郵寄違禁品包裹投入到郵寄流程將對本人及他人生命和國家財產(chǎn)構(gòu)成一種潛在的威脅，極易造成嚴(yán)重事故。更值得注意的是一些犯罪分子和恐怖分子為達(dá)到破壞社會安定的目的，有意郵寄違禁品來“考核”國家公共安全的建設(shè)水平更是一種嚴(yán)重的威脅，發(fā)生在國內(nèi)外的恐怖事件已證明了這一點。隨著國際反恐形勢的不斷深化，恐怖分子的破壞手段變得越來越高科技、越來越復(fù)雜化，使得國家職能機(jī)構(gòu)應(yīng)對不暇。采用高科技手段來提高安全檢測的準(zhǔn)確性、查堵破壞手段的復(fù)雜性變得越來越重要。多年來廣泛使用的安全檢查設(shè)備，如磁力針、金屬武器檢測門、X射線檢測儀等，能發(fā)現(xiàn)武器和普通炸藥等危險品，在安全檢查工作中發(fā)揮了重要作用。但是，這些設(shè)備受原技術(shù)條件所限，不盡如人意，漏檢失誤較多。再加之當(dāng)今隨著科學(xué)技術(shù)的發(fā)展，犯罪分子和恐怖分子也利用高新技術(shù)，制造新的武器、爆炸物等。如利用集成電路技術(shù)制造的高精密炸彈、塑性炸藥及毒品等，上述傳統(tǒng)檢測手段就無能為力。技術(shù)實現(xiàn)要素：本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)的缺陷，提供一種郵政分揀系統(tǒng)所獲取圖像的處理方法；采用圖像特征的提取、圖像增強(qiáng)、圖像復(fù)原、圖像識別及圖像編碼等處理方法，對郵政分揀系統(tǒng)所獲取的圖像進(jìn)行有效處理。為了實現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種郵政分揀系統(tǒng)所獲取圖像的處理方法，該圖像處理方法的步驟是：S1、將郵政分揀系統(tǒng)所獲取圖像采用正交變換的方法，得到變換域系數(shù)陣列；A1、用灰度直方圖對圖像進(jìn)行處理，選擇圖像某一灰度級D，然后定義一條輪廓線，該輪廓線連接了圖像上所有具有灰度級D的點；所得到的輪廓線形成了包圍灰度級大于等于D的區(qū)域的封閉曲線；將一幅連續(xù)圖像中被具有灰度級D的所有輪廓線包圍的面積稱為該圖像的閾值面積函數(shù)，直方圖定義為：H(D)=limΔD→0A(D)-A(D+ΔD)ΔD=-ddDA(D)---(1)]]>將圖像看成是一個二維的隨機(jī)變量，這面積函數(shù)相當(dāng)于其累積分布函數(shù)，而灰度直方圖相當(dāng)于其概率密度函數(shù)；對于離散函數(shù)，我們固定ΔD為1，則上式變?yōu)椋篐(D)＝A(D)-A(D+1)(2)A2、灰度的線性變換將圖像中所有的點的灰度按照線性灰度函數(shù)進(jìn)行變換；該線性灰度變換函數(shù)f(x)是一個一維線性函數(shù)：f(x)＝fA·x+fB(3)灰度變換方程為：DB＝f(DA)＝fA·DA+fB(5)式中參數(shù)fA為線性函數(shù)的斜率，fB是線性函數(shù)在y軸的截距，DA表示輸入圖像的灰度，DB表示輸出圖像的灰度；A3、灰度的閾值變換采用灰度的閾值變換將一幅灰度圖像轉(zhuǎn)換成黑白二值圖像；灰度的閾值變換的變換函數(shù)表達(dá)式：f(x)=0x<T255x≥T---(4)]]>T是指定的閾值；A4、采用灰度拉伸的方法控制輸出灰度參數(shù)的分布，有選擇地拉伸某段灰度區(qū)間以改善輸出圖像；灰度拉伸是分段進(jìn)行線性變換的函數(shù)，其表達(dá)式為：f(x)=y1x1xx<x1y2-y1x2-x1(x-x1)+y1x1≤x≤x2255-y2255-x2(x-x2)+y2x>x2---(5)]]>A5、灰度均衡，通過點運(yùn)算使輸入圖像轉(zhuǎn)換為在每一灰度級上都有相同的像素點數(shù)的輸入圖像(即輸出的灰度參數(shù)是平的)；按照圖像的概率密度函數(shù)(歸一化到單位面積的直方圖)的定義：p(x)=1A0H(x)---(6)]]>其中H(x)為直方圖，A0為圖像的面積；設(shè)轉(zhuǎn)換前圖像的概率密度函數(shù)為pr(r)，轉(zhuǎn)換后的圖像的概率密度函數(shù)為ps(s)，轉(zhuǎn)換函數(shù)為s＝f(r)；由概率知識我們可以得到：ps(s)=pr(r)·drds---(7)]]>這樣，如果想使轉(zhuǎn)換后圖像的概率密度函數(shù)為1(即直方圖為平的)，則必須滿足：pr(r)=dsdr---(8)]]>等式兩邊對r積分，可得：s=f(r)=∫0rpr(μ)dμ=1A0∫0rH(μ)dμ---(9)]]>該轉(zhuǎn)換公式被稱為圖像的累積分布函數(shù)；上面的公式是被歸一化后推導(dǎo)的，對于沒有歸一化的情況，只要乘以最大灰度值(Dmax，對于灰度圖就是255)即可；灰度均衡的轉(zhuǎn)換公式為：DB=f(DA)=DmaxA0∫0DAH(μ)dμ---(10)]]>對于離散圖像，轉(zhuǎn)換公式為：DB=f(DA)=DmaxA0Σi=0DAHi---(11)]]>式中Hi為第i級灰度的像素的個數(shù)；S2、圖像的幾何變換處理B1、圖像的平移，將圖像中所有的點都按照指定的平移量水平垂直移動；如圖像中兩個任意點x1和x2的關(guān)系用矩陣表示如下：x1y11=10tx01ty001x0y01---(12)]]>對該矩陣求逆，可以得到逆變換：即這樣，平移后的圖像上的每一點都可以在原圖像中找到對應(yīng)點；B2、圖像的鏡像變換設(shè)圖像高度為lHeight，寬度為lWidth。原圖中(x0，y0)經(jīng)過水平鏡向后坐標(biāo)將變?yōu)?lWidth-x0，y0)，其矩陣表達(dá)式為：x1y11=-10lWidth010001x0y01---(14)]]>逆運(yùn)算矩陣表達(dá)式為：即同樣，(x0，y0)經(jīng)過垂直鏡向后坐標(biāo)將變?yōu)?x0，lHeight-y0)，其矩陣表達(dá)式為：x1y11=1000-1lHeight001x0y01---(16)]]>其逆矩陣表達(dá)式為：即B3、圖像的轉(zhuǎn)置將圖像的x坐標(biāo)和y坐標(biāo)互換。此變換將是圖像的高度和寬度互換。其變換矩陣表達(dá)式：x1y11=010100001x0y01---(18)]]>它的逆矩陣變換表達(dá)式為：即B4、圖像的縮放假設(shè)圖像X軸方向縮放比率為fx，Y軸方向縮放比率是fy，那么，原圖中點(x0，y0)對應(yīng)與新圖中的點(x1，y1)的轉(zhuǎn)換矩陣為：x1y11=fx000fy0001x0y01---(20)]]>它的逆運(yùn)算表達(dá)式為：x0=x1fxxy=y1fy---(21)]]>如果fx＝fy＝0.5時，圖像將被縮小一半；此時，縮小后圖像中的(0，0)像素將對應(yīng)原圖中的(0，0)像素；圖像中的(0，1)像素對應(yīng)于原圖中的(0，2)像素；(1，0)像素對應(yīng)于原圖中的(2，0)像素，依此類推；在原圖基礎(chǔ)上，每行隔一個像素取一點，每個以行進(jìn)行操作；同理，當(dāng)fx＝fy＝2時，圖像將放大2倍；實際是將原圖每行中的像素重復(fù)取值一遍，然后每行重復(fù)一次。依此類推；B5、圖像的旋轉(zhuǎn)在旋轉(zhuǎn)前：x0=rcos(α)y0=rsin(α)---(22)]]>在旋轉(zhuǎn)后寫成矩陣表達(dá)式：x1y11=cos(θ)sin(θ)0-sin(θ)cos(θ)0001x0y01---(23)]]>其逆運(yùn)算如下：x0y01=cos(θ)-sin(θ)0sin(θ)cos(θ)0001x1y11---(24)]]>上述旋轉(zhuǎn)是繞坐標(biāo)軸原點(0，0)進(jìn)行的，如果是繞一個指定點(a，b)旋轉(zhuǎn)，則先要將坐標(biāo)系平移到該點，再進(jìn)行旋轉(zhuǎn)，然后平移回新的坐標(biāo)原點；兩種坐標(biāo)系的坐標(biāo)變換表達(dá)式為：xIIyII1=10-a0-1b001xIyI1---(25)]]>其逆變換矩陣表達(dá)式為：xIyI1=10a0-1b001xIIyII1---(26)]]>假設(shè)圖像未旋轉(zhuǎn)時中心坐標(biāo)為(a，b)，旋轉(zhuǎn)后中心坐標(biāo)為(c，d)，(在新的坐標(biāo)系下，以旋轉(zhuǎn)后新圖像左上角為原點)，則旋轉(zhuǎn)后變換矩陣表達(dá)式為：x1y11=10c0-1d001x1II′y1II′1=10c0-1d001cos(θ)sin(θ)0-sin(θ)cos(θ)0001x1IIy1II1=10c0-1d001cos(θ)sin(θ)0-sin(θ)cos(θ)000110-a0-1b001x0y01---(27)]]>其逆變換矩陣表達(dá)式：x0y01=10a0-1b001cos(θ)-sin(θ)0sin(θ)cos(θ)000110c0-1d001x1y11---(28)]]>即x0y00=cos(θ)sin(θ)-ccos(θ)-dsin(θ)+a-sin(θ)cos(θ)csin(θ)-dcos(θ)+b001---(29)]]>因此{(lán)x0=x1cos(θ)+y1sin(θ)-csos(θ)-dsin(θ)+ay0=-x1sin(θ)+y1cos(θ)+csin(θ)-dcos(θ)+b---(30)]]>根據(jù)上面的轉(zhuǎn)換公式，我們可以方便的編寫出實現(xiàn)圖像旋轉(zhuǎn)的函數(shù)。首先計算出公式中需要的幾個參數(shù)：a，b，c，d和旋轉(zhuǎn)后新圖像的高、寬度?，F(xiàn)在已知圖像的原始高度為lHeight，寬度為lWidth，以圖像中心為坐標(biāo)系原點，則原始圖像四個角的坐標(biāo)分別為(-lWidth-12,lHeight-12),(lWidth-12,lHeight-12)]]>(-lWidth-12,-lHeight-12),(-lWidth-12,-lHeight-12)]]>按照旋轉(zhuǎn)公式，在旋轉(zhuǎn)后的新圖中，這四個點的坐標(biāo)(根據(jù)上面的公式)為：(fDstX1,fDstY1)=(-lWidth-12cos(θ)+lHeight-12sin(θ),lWidth-12sin(θ)+lHeight-12cos(θ))]]>(fDstX1,fDstY1)=(lWidth-12cos(θ)+lHeight-12sin(θ),-lWidth-12sin(θ)+lHeight-12cos(θ))]]>(fDstX1,fDstY1)=(-lWidth-12cos(θ)-lHeight-12sin(θ),-lWidth-12sin(θ)-lHeight-12cos(θ))]]>(fDstX1,fDstY1)=(-lWidth-12cos(θ)-lHeight-12sin(θ),lWidth-12sin(θ)-lHeight-12cos(θ))]]>則新圖像的寬度lNewWidth和高度lNewHeight為：lNewWidth＝max(|fDstX4-fDstx1|，|fDstX3-fDstX2|)lNewHeight＝max(|fDstY4-fDstY1|，|fDstY3-fDstY2|)令因為a=lWidth-12,b=lHeight-12,]]>c=lNewWidth-12,d=lNewHeight-12]]>所以則x0=xlcos(θ)+ylsin(θ)+f1y0=xlsin(θ)+ylcos(θ)+f2---(31)]]>S3、圖像的正交變換處理采用沃爾什變換法對圖像進(jìn)行正交變換；S4、圖像增強(qiáng)處理空間域的圖像增強(qiáng)用下面的數(shù)學(xué)運(yùn)算表達(dá)式來表示：g(x，y)＝f(x，y)·h(x，y)(36)式中f(x，y)是處理前的圖像，g(x，y)表示處理后的圖像，h(x，y)表示空間處理函數(shù)；在圖像的某種變換中(通常是頻率域中)對圖像的變換值進(jìn)行某種運(yùn)算處理，然后變換回空間域；數(shù)學(xué)描述如下：G(μ，v)＝H(μ，v)·F(μ，v)(33)在式中，表示某種頻域的正變換，表示該種頻域的反變換。C1、圖像的平滑處理采用低通濾波法來減少噪聲；C2、圖像的銳化處理采用圖像消除模糊算法進(jìn)行圖像的銳化處理，使變模糊的圖像變得更加清晰；設(shè)圖像為f(x，y)，f(x，y)在點(x，y)處的梯度矢量G→[f(x,y)]=∂f∂x∂f∂y---(35)]]>我們知道梯度的方向是在函數(shù)f(x，y)最大變化率方向上，且其幅值為：G[f(x,y)]=(∂f∂x)2+(∂f∂y)2---(36)]]>由此，我們得出下列結(jié)論：梯度的數(shù)值就是f(x，y)在其變化率方向上的單位距離所增加的量；對于離散數(shù)字圖像，上式可以寫為：G[f(i,j)]=[f(i,j)-f(i+1,j)]2+[f(i,j)-f(i,j+1)]2---(37)]]>為了方便起見，采用近似計算公式：在圖像銳化過程中，圖像變化緩慢的地方梯度很小，圖像顯得很暗，給出一個閾值Δ，如果G[f(x，y)]小于該閾值，則圖像保持原灰度值不變；如果大于或等于閾值，則賦值為G[f(x，y)]；用公式表示如下：g(x,y)=G[f(x,y)](G[f(x,y)]≥Δ)f(x,y)(G[f(x,y)]<Δ)---(39)]]>如果以La表示一個固定的灰度值，上式可以寫成：g(x,y)=La(G[f(x,y)]≥Δ)f(x,y)(G[f(x,y)]<Δ)---(40)]]>在進(jìn)行圖像增強(qiáng)時，我們可以使圖像有一個固定背景的灰度值Lb，以突出邊緣灰度的變換，變換公式如下：g(x,y)=G[f(x,y)](G[f(x,y)]≥Δ)Lb(G[f(x,y)]<Δ)---(41)]]>只保留兩個灰度值時，公式就變?yōu)椋篻(x,y)=La(G[f(x,y)]≥Δ)Lb(G[f(x,y)]<Δ)---(42)]]>S5、圖像邊緣檢測、提取及輪廓跟蹤D1、邊緣檢測采用Roberts邊緣檢測算子、Sobel邊緣檢測算子、Prewitt邊緣檢測算子、Krisch邊緣檢測算子、高斯-拉普拉斯算子中的一種方法考察圖像的每個像素在某個鄰域內(nèi)灰度的變化，利用邊緣臨近一階或二階方向?qū)?shù)變化規(guī)律；D2、輪廓的提取和跟蹤對于二值圖像，進(jìn)行輪廓提取，將圖像內(nèi)部點掏空，得到圖像的輪廓；先根據(jù)“探測準(zhǔn)則”找出目標(biāo)物體輪廓上的像素，再根據(jù)這些像素的某些特征用“跟蹤準(zhǔn)則”找出目標(biāo)物體上的其他像素，從而對圖像進(jìn)行跟蹤。作為對上述方法的改進(jìn)，所述Roberts邊緣檢測算子的公式為：g(x,y)={[f(x,y)-f(x+1,y+1)]2+[f(x+1,y)-f(x,y+1)]2}12---(43)]]>其中f(x，y)是具有整數(shù)像素坐標(biāo)的輸入圖像，平方根運(yùn)算使該處理類似于在人類視覺系統(tǒng)中發(fā)生的過程。作為對上述方法的改進(jìn)，所述“探測準(zhǔn)則”的算法是：首先找到第一個邊界像素的“探測準(zhǔn)則”是：按照從左到右、從下到上的順序搜索，找到的第一個黑點一定是最左下方的邊界點，記為A；它的右、右上、左、左上四個鄰點中至少有一個是邊界點，記為B；從B開始找起，按右、右上、上、左上、左、左下、下、右下的順序查找相鄰點中的邊界點C；如果C就是A點，則表示已經(jīng)轉(zhuǎn)了一圈，程序結(jié)束；否則從C點繼續(xù)找，直到找到A為止；如果它的上下左右四個鄰點都不是黑點則它既為邊界點。作為對上述方法的改進(jìn)，所述“探測準(zhǔn)則”的另一種算法是：首先按照上面所說的“探測準(zhǔn)則”找到最下方的邊界點；以這個邊界點起始，假設(shè)已經(jīng)沿順時針方向環(huán)繞整個圖像一圈找到了所有的邊界點；由于邊界是連續(xù)的，所以每一個邊界點都可以用這個邊界點對前一個邊界點所形成的夾角來表示；使用下面的跟蹤準(zhǔn)則：從第一個邊界點開始，定義初始的搜索方向為沿左上方；如果左上方的點是黑點，則為邊界點，否則搜索方向順時針旋轉(zhuǎn)45°；這樣一直到找到第一個黑點為止；然后把這黑點作為新的邊界點，在當(dāng)前搜索方向的基礎(chǔ)上逆時針旋轉(zhuǎn)90°，繼續(xù)用同樣的方法搜索下一個黑點，直到返回最初的邊界點為止。與現(xiàn)有技術(shù)相比，本發(fā)明具有的優(yōu)點和積極效果是：本發(fā)明的郵政分揀系統(tǒng)所獲取圖像的處理方法，實現(xiàn)了旅客行包的圖形圖像處理軟件系統(tǒng)?？稍陔p顯示器上顯示出旅客行包的黑白圖像和彩色圖像，并包括圖形的邊緣增強(qiáng)、圖形放大、圖形局部放大、有機(jī)物剔出、無機(jī)物剔出、黑白圖像反轉(zhuǎn)、偽彩色圖像、圖像增暗、圖像增亮、危險品報警等功能；實現(xiàn)細(xì)化分析、區(qū)域分析及特殊圖像處理等數(shù)學(xué)模型；提高物質(zhì)識別的準(zhǔn)確性。具體實施方式下面結(jié)合具體實施方式對本發(fā)明技術(shù)作進(jìn)一步詳細(xì)說明。本發(fā)明的一種郵政分揀系統(tǒng)所獲取圖像的處理方法，該圖像處理方法的步驟是：S1、將郵政分揀系統(tǒng)所獲取圖像采用正交變換的方法，得到變換域系數(shù)陣列；A1、用灰度直方圖對圖像進(jìn)行處理，選擇圖像某一灰度級D，然后定義一條輪廓線，該輪廓線連接了圖像上所有具有灰度級D的點；所得到的輪廓線形成了包圍灰度級大于等于D的區(qū)域的封閉曲線；將一幅連續(xù)圖像中被具有灰度級D的所有輪廓線包圍的面積稱為該圖像的閾值面積函數(shù)，直方圖定義為：H(D)=limΔD→0A(D)-A(D+ΔD)ΔD=-ddDA(D)---(1)]]>將圖像看成是一個二維的隨機(jī)變量，這面積函數(shù)相當(dāng)于其累積分布函數(shù)，而灰度直方圖相當(dāng)于其概率密度函數(shù)；對于離散函數(shù)，我們固定ΔD為1，則上式變?yōu)椋篐(D)＝A(D)-A(D+1)(2)A2、灰度的線性變換將圖像中所有的點的灰度按照線性灰度函數(shù)進(jìn)行變換；該線性灰度變換函數(shù)f(x)是一個一維線性函數(shù)：f(x)＝fA·x+fB(3)灰度變換方程為：DB＝f(DA)＝fA·DA+fB(5)式中參數(shù)fA為線性函數(shù)的斜率，fB是線性函數(shù)在y軸的截距，DA表示輸入圖像的灰度，DB表示輸出圖像的灰度；A3、灰度的閾值變換采用灰度的閾值變換將一幅灰度圖像轉(zhuǎn)換成黑白二值圖像；灰度的閾值變換的變換函數(shù)表達(dá)式：f(x)=0x<T255x≥T---(4)]]>T是指定的閾值；A4、采用灰度拉伸的方法控制輸出灰度參數(shù)的分布，有選擇地拉伸某段灰度區(qū)間以改善輸出圖像；灰度拉伸是分段進(jìn)行線性變換的函數(shù)，其表達(dá)式為：f(x)=y1x1xx<x1y2-y1x2-x1(x-x1)+y1x1≤x≤x2255-y2255-x2(x-x2)+y2x>x2---(5)]]>A5、灰度均衡，通過點運(yùn)算使輸入圖像轉(zhuǎn)換為在每一灰度級上都有相同的像素點數(shù)的輸入圖像(即輸出的灰度參數(shù)是平的)；按照圖像的概率密度函數(shù)(歸一化到單位面積的直方圖)的定義：p(x)=1A0H(x)---(6)]]>其中H(x)為直方圖，A0為圖像的面積；設(shè)轉(zhuǎn)換前圖像的概率密度函數(shù)為pr(r)，轉(zhuǎn)換后的圖像的概率密度函數(shù)為ps(s)，轉(zhuǎn)換函數(shù)為s＝f(r)；由概率知識我們可以得到：ps(s)=pr(r)·drds---(7)]]>這樣，如果想使轉(zhuǎn)換后圖像的概率密度函數(shù)為1(即直方圖為平的)，則必須滿足：pr(r)=dsdr---(8)]]>等式兩邊對r積分，可得：s=f(r)=∫0rpr(μ)dμ=1A0∫0rH(μ)dμ---(9)]]>該轉(zhuǎn)換公式被稱為圖像的累積分布函數(shù)；上面的公式是被歸一化后推導(dǎo)的，對于沒有歸一化的情況，只要乘以最大灰度值(Dmax，對于灰度圖就是255)即可；灰度均衡的轉(zhuǎn)換公式為：DB=f(DA)=DmaxA0∫0DAH(μ)dμ---(10)]]>對于離散圖像，轉(zhuǎn)換公式為：DB=f(DA)=DmaxA0Σi=0DAHi---(11)]]>式中Hi為第i級灰度的像素的個數(shù)；S2、圖像的幾何變換處理B1、圖像的平移，將圖像中所有的點都按照指定的平移量水平垂直移動；如圖像中兩個任意點x1和x2的關(guān)系用矩陣表示如下：x1y11=10tx01ty001x0y01---(12)]]>對該矩陣求逆，可以得到逆變換：即這樣，平移后的圖像上的每一點都可以在原圖像中找到對應(yīng)點；B2、圖像的鏡像變換設(shè)圖像高度為lHeight，寬度為lWidth。原圖中(x0，y0)經(jīng)過水平鏡向后坐標(biāo)將變?yōu)?lWidth-x0，y0)，其矩陣表達(dá)式為：x1y11=-10lWidth010001x0y01---(14)]]>逆運(yùn)算矩陣表達(dá)式為：即同樣，(x0，y0)經(jīng)過垂直鏡向后坐標(biāo)將變?yōu)?x0，lHeight-y0)，其矩陣表達(dá)式為：x1y11=1000-1lHeight001x0y01---(16)]]>其逆矩陣表達(dá)式為：即B3、圖像的轉(zhuǎn)置將圖像的x坐標(biāo)和y坐標(biāo)互換。此變換將是圖像的高度和寬度互換。其變換矩陣表達(dá)式：x1y11=010100001x0y01---(18)]]>它的逆矩陣變換表達(dá)式為：即B4、圖像的縮放假設(shè)圖像X軸方向縮放比率為fx，Y軸方向縮放比率是fy，那么，原圖中點(x0，y0)對應(yīng)與新圖中的點(x1，y1)的轉(zhuǎn)換矩陣為：x1y11=fx000fy0001x0y01---(20)]]>它的逆運(yùn)算表達(dá)式為：x0=x1fxxy=y1fy---(21)]]>如果fx＝fy＝0.5時，圖像將被縮小一半；此時，縮小后圖像中的(0，0)像素將對應(yīng)原圖中的(0，0)像素；圖像中的(0，1)像素對應(yīng)于原圖中的(0，2)像素；(1，0)像素對應(yīng)于原圖中的(2，0)像素，依此類推；在原圖基礎(chǔ)上，每行隔一個像素取一點，每個以行進(jìn)行操作；同理，當(dāng)fx＝fy＝2時，圖像將放大2倍；實際是將原圖每行中的像素重復(fù)取值一遍，然后每行重復(fù)一次。依此類推；B5、圖像的旋轉(zhuǎn)在旋轉(zhuǎn)前：x0=rcos(α)y0=rsin(α)---(22)]]>在旋轉(zhuǎn)后寫成矩陣表達(dá)式：x1y11=cos(θ)sin(θ)0-sin(θ)cos(θ)0001x0y01---(23)]]>其逆運(yùn)算如下：x0y01=cos(θ)-sin(θ)0sin(θ)cos(θ)0001x1y11---(24)]]>上述旋轉(zhuǎn)是繞坐標(biāo)軸原點(0，0)進(jìn)行的，如果是繞一個指定點(a，b)旋轉(zhuǎn)，則先要將坐標(biāo)系平移到該點，再進(jìn)行旋轉(zhuǎn)，然后平移回新的坐標(biāo)原點；兩種坐標(biāo)系的坐標(biāo)變換表達(dá)式為：xIIyII1=10-a0-1b001xIyI1---(25)]]>其逆變換矩陣表達(dá)式為：xIyI1=10a0-1b001xIIyII1---(26)]]>假設(shè)圖像未旋轉(zhuǎn)時中心坐標(biāo)為(a，b)，旋轉(zhuǎn)后中心坐標(biāo)為(c，d)，(在新的坐標(biāo)系下，以旋轉(zhuǎn)后新圖像左上角為原點)，則旋轉(zhuǎn)后變換矩陣表達(dá)式為：x1y11=10c0-1d001x1II′y1II′1=10c0-1d001cos(θ)sin(θ)0-sin(θ)cos(θ)0001x1IIy1II1=10c0-1d001cos(θ)sin(θ)0-sin(θ)cos(θ)000110-a0-1b001x0y01---(27)]]>其逆變換矩陣表達(dá)式：x0y01=10a0-1b001cos(θ)-sin(θ)0sin(θ)cos(θ)000110c0-1d001x1y11---(28)]]>即x0y00=cos(θ)sin(θ)-ccos(θ)-dsin(θ)+a-sin(θ)cos(θ)csin(θ)-dcos(θ)+b001---(29)]]>因此{(lán)x0=x1cos(θ)+y1sin(θ)-csos(θ)-dsin(θ)+ay0=-x1sin(θ)+y1cos(θ)+csin(θ)-dcos(θ)+b---(30)]]>根據(jù)上面的轉(zhuǎn)換公式，我們可以方便的編寫出實現(xiàn)圖像旋轉(zhuǎn)的函數(shù)。首先計算出公式中需要的幾個參數(shù)：a，b，c，d和旋轉(zhuǎn)后新圖像的高、寬度。現(xiàn)在已知圖像的原始高度為lHeight，寬度為lWidth，以圖像中心為坐標(biāo)系原點，則原始圖像四個角的坐標(biāo)分別為(-lWidth-12,lHeight-12),(lWidth-12,lHeight-12)]]>(-lWidth-12,-lHeight-12),(-lWidth-12,-lHeight-12)]]>按照旋轉(zhuǎn)公式，在旋轉(zhuǎn)后的新圖中，這四個點的坐標(biāo)(根據(jù)上面的公式)為：(fDstX1,fDstY1)=(-lWidth-12cos(θ)+lHeight-12sin(θ),lWidth-12sin(θ)+lHeight-12cos(θ))]]>(fDstX1,fDstY1)=(lWidth-12cos(θ)+lHeight-12sin(θ),-lWidth-12sin(θ)+lHeight-12cos(θ))]]>(fDstX1,fDstY1)=(-lWidth-12cos(θ)-lHeight-12sin(θ),-lWidth-12sin(θ)-lHeight-12cos(θ))]]>(fDstX1,fDstY1)=(-lWidth-12cos(θ)-lHeight-12sin(θ),lWidth-12sin(θ)-lHeight-12cos(θ))]]>則新圖像的寬度lNewWidth和高度lNewHeight為：lNewWidth＝max(|fDstX4-fDstx1|，|fDstX3-fDstX2|)lNewHeight＝max(|fDstY4-fDstY1|，|fDstY3-fDstY2|)令因為a=lWidth-12,b=lHeight-12,]]>c=lNewWidth-12,d=lNewHeight-12]]>所以則x0=xlcos(θ)+ylsin(θ)+f1y0=xlsin(θ)+ylcos(θ)+f2---(31)]]>S3、圖像的正交變換處理采用沃爾什變換法對圖像進(jìn)行正交變換；S4、圖像增強(qiáng)處理空間域的圖像增強(qiáng)用下面的數(shù)學(xué)運(yùn)算表達(dá)式來表示：g(x，y)＝f(x，y)·h(x，y)(36)式中f(x，y)是處理前的圖像，g(x，y)表示處理后的圖像，h(x，y)表示空間處理函數(shù)；在圖像的某種變換中(通常是頻率域中)對圖像的變換值進(jìn)行某種運(yùn)算處理，然后變換回空間域；數(shù)學(xué)描述如下：G(μ，v)＝H(μ，v)·F(μ，v)(33)在式中，表示某種頻域的正變換，表示該種頻域的反變換。C1、圖像的平滑處理采用低通濾波法來減少噪聲；C2、圖像的銳化處理采用圖像消除模糊算法進(jìn)行圖像的銳化處理，使變模糊的圖像變得更加清晰；設(shè)圖像為f(x，y)，f(x，y)在點(x，y)處的梯度矢量G→[f(x,y)]=∂f∂x∂f∂y---(35)]]>我們知道梯度的方向是在函數(shù)f(x，y)最大變化率方向上，且其幅值為：G[f(x,y)]=(∂f∂x)2+(∂f∂y)2---(36)]]>由此，我們得出下列結(jié)論：梯度的數(shù)值就是f(x，y)在其變化率方向上的單位距離所增加的量；對于離散數(shù)字圖像，上式可以寫為：G[f(i,j)]=[f(i,j)-f(i+1,j)]2+[f(i,j)-f(i,j+1)]2---(37)]]>為了方便起見，采用近似計算公式：在圖像銳化過程中，圖像變化緩慢的地方梯度很小，圖像顯得很暗，給出一個閾值Δ，如果G[f(x，y)]小于該閾值，則圖像保持原灰度值不變；如果大于或等于閾值，則賦值為G[f(x，y)]；用公式表示如下：g(x,y)=G[f(x,y)](G[f(x,y)]≥Δ)f(x,y)(G[f(x,y)]<Δ)---(39)]]>如果以La表示一個固定的灰度值，上式可以寫成：g(x,y)=La(G[f(x,y)]≥Δ)f(x,y)(G[f(x,y)]<Δ)---(40)]]>在進(jìn)行圖像增強(qiáng)時，我們可以使圖像有一個固定背景的灰度值Lb，以突出邊緣灰度的變換，變換公式如下：g(x,y)=G[f(x,y)](G[f(x,y)]≥Δ)Lb(G[f(x,y)]<Δ)---(41)]]>只保留兩個灰度值時，公式就變?yōu)椋篻(x,y)=La(G[f(x,y)]≥Δ)Lb(G[f(x,y)]<Δ)---(42)]]>S5、圖像邊緣檢測、提取及輪廓跟蹤D1、邊緣檢測采用Roberts邊緣檢測算子、Sobel邊緣檢測算子、Prewitt邊緣檢測算子、Krisch邊緣檢測算子、高斯-拉普拉斯算子中的一種方法考察圖像的每個像素在某個鄰域內(nèi)灰度的變化，利用邊緣臨近一階或二階方向?qū)?shù)變化規(guī)律；D2、輪廓的提取和跟蹤對于二值圖像，進(jìn)行輪廓提取，將圖像內(nèi)部點掏空，得到圖像的輪廓；先根據(jù)“探測準(zhǔn)則”找出目標(biāo)物體輪廓上的像素，再根據(jù)這些像素的某些特征用“跟蹤準(zhǔn)則”找出目標(biāo)物體上的其他像素，從而對圖像進(jìn)行跟蹤。所述Roberts邊緣檢測算子的公式為：g(x,y)={[f(x,y)-f(x+1,y+1)]2+[f(x+1,y)-f(x,y+1)]2}12---(43)]]>其中f(x，y)是具有整數(shù)像素坐標(biāo)的輸入圖像，平方根運(yùn)算使該處理類似于在人類視覺系統(tǒng)中發(fā)生的過程。所述“探測準(zhǔn)則”的算法是：首先找到第一個邊界像素的“探測準(zhǔn)則”是：按照從左到右、從下到上的順序搜索，找到的第一個黑點一定是最左下方的邊界點，記為A；它的右、右上、左、左上四個鄰點中至少有一個是邊界點，記為B；從B開始找起，按右、右上、上、左上、左、左下、下、右下的順序查找相鄰點中的邊界點C；如果C就是A點，則表示已經(jīng)轉(zhuǎn)了一圈，程序結(jié)束；否則從C點繼續(xù)找，直到找到A為止；如果它的上下左右四個鄰點都不是黑點則它既為邊界點。所述“探測準(zhǔn)則”的另一種算法是：首先按照上面所說的“探測準(zhǔn)則”找到最下方的邊界點；以這個邊界點起始，假設(shè)已經(jīng)沿順時針方向環(huán)繞整個圖像一圈找到了所有的邊界點；由于邊界是連續(xù)的，所以每一個邊界點都可以用這個邊界點對前一個邊界點所形成的夾角來表示；使用下面的跟蹤準(zhǔn)則：從第一個邊界點開始，定義初始的搜索方向為沿左上方；如果左上方的點是黑點，則為邊界點，否則搜索方向順時針旋轉(zhuǎn)45°；這樣一直到找到第一個黑點為止；然后把這黑點作為新的邊界點，在當(dāng)前搜索方向的基礎(chǔ)上逆時針旋轉(zhuǎn)90°，繼續(xù)用同樣的方法搜索下一個黑點，直到返回最初的邊界點為止。與現(xiàn)有技術(shù)相比，本發(fā)明具有的優(yōu)點和積極效果是：本發(fā)明的郵政分揀系統(tǒng)所獲取圖像的處理方法，實現(xiàn)了旅客行包的圖形圖像處理軟件系統(tǒng)?？稍陔p顯示器上顯示出旅客行包的黑白圖像和彩色圖像，并包括圖形的邊緣增強(qiáng)、圖形放大、圖形局部放大、有機(jī)物剔出、無機(jī)物剔出、黑白圖像反轉(zhuǎn)、偽彩色圖像、圖像增暗、圖像增亮、危險品報警等功能；實現(xiàn)細(xì)化分析、區(qū)域分析及特殊圖像處理等數(shù)學(xué)模型；提高物質(zhì)識別的準(zhǔn)確性。以上所述僅為本發(fā)明的較佳實施案例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁1 2 3