模糊集与非线性增益相结合的自适应图像增强算法

针对部分图像对比度低、细节模糊不清等问题,提出了一种模糊集增强与非线性增益相结合的自适应图像增强算法,使用双正交小波变换对原始图像进行分解,低频子带系数采用改进的模糊集增强算法,以提升图像的整体对比度;对高频子带,先采用贝叶斯萎缩法估计噪声与信号的阈值,再使用一种非线性增益函数增强图像细节并抑制噪声。对算法中影响增强效果的关键参数进行了研究,并提出了一种模糊集增强算子的阈值选取算法,能够实现不同图像自适应参数选择;将信息熵作为非线性增益函数的参数选取准则,并针对算法中排序算法运算量过多导致算法时间过长的情况,提出了一种替代求解方法,极大地提高了算法效率。对算法进行仿真,结果表明:算法能够有效提升对比度、增强图像细节并抑制噪声,可以明显改善图像的视觉效果,具有参数自适应、算法效率高等优点。

基于图像处理的轴类零件表面裂纹检测

针对轴类零件表面图像的特点,提出一种基于图像处理的表面裂纹检测算法。算法首先采用空域和小波域混合滤波对图像去噪,提出一种图像分块自适应模糊集增强方法,以提高裂纹区和背景区的对比度;然后应用Canny边缘检测算子和数学形态学操作进行图像分割,提取裂纹区域;最后通过计算裂纹连通域的圆形度和长宽比特征判断零件的表面图像中是否有裂纹存在,实现裂纹检测。试验表明,该算法即使在信噪比不高的图像中也能实现对目标裂纹的检测,证明了算法的有效性。

印制电路板光电图像边缘信息提取

针对印制电路板(printed circuit board,PCB)光电图像模糊且含噪声的具体情况,提出了改进的边缘信息提取算法。首先分别对自适应模糊集增强算法与数学形态学边缘检测算法(edge detection algorithm of mathematical morphology,EDAMM)实施改进,并分析了其基本原理。然后结合这两种算法对PCB光电图像进行预处理及边缘信息提取。最后对两幅由不同成像系统获取的PCB光电图像进行了边缘信息提取实验。结果表明:用本文算法获得的PCB光电图像明暗对比度较高,并提取了精确且清晰的图像边缘信息,明显减少了噪声,所得图像的优质系数较高,两幅图像的优质系数分别是0.885 2、0.874 9,均高于本文中所提到的另外4种算法的结果。可见,采用本文算法可以更好地去除PCB光电图像中的模糊与噪声,并精确地提取出PCB光电图像的边缘信息。