在LabVIEW教程中改善圖像質(zhì)量的其它方法

卷積濾波
 

N序?yàn)V波器
   IMAQ NthOrder（Image Processing?Filters） 根據(jù)選擇的N的值，定義一個低通或高通濾波器。一個特定的N序?yàn)V波器，中值濾波器，可以濾除看起來像小黑點(diǎn)和白點(diǎn)的斑紋。詳見內(nèi)容請參閱NI視覺概念手冊第五章的圖像處理。
灰度幾何
在需要濾掉圖像的灰度特征是使用灰度幾何?；叶葞讉€有助于去掉或加強(qiáng)孤立特征，例如黑色背景上的亮點(diǎn)。在準(zhǔn)備進(jìn)行顆粒分析分割圖象之前，在灰度圖象上使用這種變換以增強(qiáng)非離散性。
灰度幾何變換將一個像素與它周圍的像素進(jìn)行比較。這種變換在進(jìn)行腐蝕運(yùn)算時保留最小值，而在進(jìn)行擴(kuò)散運(yùn)算時保留最大值。
詳見內(nèi)容請參閱NI視覺概念手冊第五章的圖像處理。
   IMAQ GrayMorphology (Image Processing?Morphology)模塊可以實(shí)現(xiàn)以下七種變換：
? Erosion（侵蝕）—減少被低密度鄰居包圍的像素的亮度。鄰近像素是通過結(jié)構(gòu)化元素定義的。詳細(xì)內(nèi)容請參閱NI視覺概念手冊第九章的二值幾何；
? Dilation（擴(kuò)散）—增加被高密度鄰居包圍的像素亮度。一個擴(kuò)散必然有一個對應(yīng)的侵蝕效果；
? Opening（開放）—去除暗區(qū)和光滑邊框中的孤立的亮點(diǎn)；
? Closing（閉合）—去除亮區(qū)和光滑邊框中的孤立的暗點(diǎn)；
? Proper-opening（適當(dāng)開放）—去除暗區(qū)中的孤立亮點(diǎn)，平滑區(qū)域的邊緣；
? Proper-closing(適當(dāng)閉合)—去除亮區(qū)中孤立的暗點(diǎn)，平滑區(qū)域邊緣；
? Auto-median（自動中值）—產(chǎn)生很少細(xì)節(jié)的簡單顆粒；
快速傅里葉變換
    快速傅里葉變換(FFT)用于將圖象變換到復(fù)頻域。一幅圖像中，細(xì)節(jié)和銳利的邊沿是與顆粒頻率從中到高在很短的距離內(nèi)明顯的導(dǎo)致灰度級別變化有關(guān)。緩慢變化的模式與較低的顆粒頻率有關(guān)。
一幅圖像可能有外部噪聲，例如數(shù)值化過程中導(dǎo)致的周期性條紋。在復(fù)頻域，周期圖案被簡化成一個高顆粒頻率的有限集合。另外，圖象系統(tǒng)設(shè)置可能導(dǎo)致視場亮度的不均勻，會在要分析的信息上面產(chǎn)生輕微的漂移。在復(fù)頻域，這種輕微的漂移表現(xiàn)為圖象平均密度旁邊的一個低頻有限集。成為直流（DC）成分。
    利用工作在復(fù)頻域的算法可以從圖象中孤立或去除這些不期望的頻率。完成以下步驟，就可以獲得去掉不期望的圖案但仍保留整體特征的圖像：
  1） 使用IMAQ FFT模塊將圖像從空域轉(zhuǎn)換到復(fù)頻域。該模塊計(jì)算圖像的FFT，結(jié)果形成了代表圖像的頻率信息的復(fù)數(shù)圖像；
   
? Lowpass attenuation（低通衰減）—衰減量是與頻率信息呈正比。在低頻段，只有很小的衰減，隨著頻率的增加，衰減也增加。該運(yùn)算保留所有零頻率的信息。零頻率信息對應(yīng)于圖像的直流成份或者說是空域圖像的平均密度；
? Highpass attenuation（高通衰減）—衰減量與頻率信息成反比。高頻段，只有很小的衰減，隨著頻率的降低，衰減增加。 零頻率成份被完全剔除；
? Lowpass truncation（低通截斷）—高于理想截止頻率的成份被去除，低于的保持不變；
? Highpass truncation（高通截斷）—高于理想截止頻率的成份保持不變，低于得被去除；
   3）要將圖像變換為空余，使用IMAQ InverseFFT模塊(Image Processing?Frequency Domain).

高級運(yùn)算

 IMAQ ImageToComplexPlane (Image Processing?Frequency
Domain) 和 IMAQ ComplexPlaneToImage (Image Processing?
Frequency Domain) 模塊用于任意訪問、處理、以及更新振幅、相位、和復(fù)數(shù)圖像的虛部。也可以通過IMAQ ComplexImageToArray (Image Processing?Frequency Domain)將復(fù)數(shù)圖像變換為矩陣，或者使用IMAQ ArrayToComplexImage (ImageProcessing?Frequency Domain)進(jìn)行反變換
   這樣我們就用兩篇LabVIEW教程介紹了改善圖像質(zhì)量的方法