基于定向滤波的水墨图像线条渲染方法仿真

针对当前水墨图像线条渲染运行时间长、分辨率低的问题,提出基于定向滤波的水墨图像线条渲染方法.首先利用滤波函数对水墨图像进行去噪,可以得到经过去噪后的图像坐标,再利用Lab彩色模型对水墨图像做分割处理,根据聚类方法完成对图像的聚类处理,按照浮点方法将彩色水墨图像转为灰度图像,结合直方图阈值法将灰度图像转为二值图像,通过对水墨图像的去噪、分割以及预处理,完成了对水墨图像的轮廓提取,为图像线条渲染做准备.其次,利用水墨图像像素在RGB中的分量,计算输出和输入水墨图像间的关系,完成对水墨图像颜色的提取以及均一化处理.最后利用定向滤波方法计算水墨图像的相位偏移序列,对水墨图像正交滤波核的基函数进行求解,最终实现了对水墨图像线条的渲染.实验结果表明,在对水墨图像线条进行渲染时,提出方法不仅运行时间短、效率高,还具有较高的图像分辨率,图像的渲染效果较好.     

结合小波变换和改进邻域权值的FCM算法

针对改进的模糊C均值聚类算法在进行图像分割时构建的邻域权值函数未能同时考虑空间结构信息和灰度值域信息,而导致对噪声敏感及边缘纹理信息的处理粗糙的问题,提出了一种结合小波变换和改进邻域权值的FCM算法.该算法首先在原始灰度图像的基础上进行小波多分辨率分析的自适应阈值去噪处理;然后在重构图像上结合双边滤波的思想构建一个基于图像块局部空间邻域信息和灰度值域信息的改进邻域权值函数.实验结果表明,该算法比传统FCM算法以及FCM的改进算法有更高的分割精确度,对强噪声更具鲁棒性,图像边缘也更加平整.     

基于各向异性滤波和空间FCM的MRI图像分割方法

针对具复杂目标和边界模糊的MRI图像中多感兴趣区域的分割中分割MRI图像软组织难的问题, 提出了一种基于各向异性滤波和空间模糊C-均值聚类(SFCM)的MRI图像分割方法; 用新型各向异性滤波对图像进行预处理, 解决去噪平滑的同时弱化图像细节的问题; 用邻域空间信息设计空间函数, 改进传统FCM的目标函数; 用图像的空间信息实现图像各目标准确分类、有效解决孤立区域的正确归类问题, 进而使分割区域完整; 用直方图拟合曲线初始化分类数和初始聚类中心, 加快算法迭代到最优解, 进而减少运行时间。通过实验证实了各向异性滤波和空间FCM的MRI图像分割方法的综合应用显著提高了分割灰度重叠、目标不连续和目标边界模糊的MRI图像的分割效果。     

基于小波变换和形态学分水岭的血细胞图像分割

医学图像处理提取细胞中使用分水岭方法时,容易产生过分割现象且对噪声的干扰极为敏感,为了解决此缺点,提出一种基于小波变换和形态学分水岭的细胞图像分割新方法。首先采用小波变换多分辨率分析对图像进行分解,选取合适的小波基和改进去噪阈值函数对图像进行小波去噪,然后对去噪后小波重构的细胞图像应用数学形态学距离变换、灰度重建等技术产生的区域标记进行分水岭变换,最终得到分割结果。实验结果表明,该算法能稳定、准确地提取细胞和实现粘连细胞的自动分割,同时具有很好的鲁棒性和普适性。     

基于改进粒子群和自适应滤波的快速模糊聚类图像分割

为改进传统模糊C均值聚类(FCM)算法对初始聚类中心敏感、易陷入局部收敛、抗噪性差、计算量大的问题,提出一种新的基于改进粒子群算法的快速模糊聚类图像分割方法(PSOFFCM);方法首先利用自适应中值滤波对图像进行滤波处理,增强算法的鲁棒性;然后,将图像像素灰度值映射到二维直方图特征空间,作为聚类样本,优化FCM的目标函数,减少图像分割的计算量;最后,利用PSO算法代替FCM的梯度迭代过程,减弱了算法对初始聚类中心的依赖,同时增强全局搜索能力;实验结果表明,该方法不仅克服了FCM算法对初始聚类中心的依赖,而且抗噪能力强,收敛速度快,分割精度明显优于传统FCM。     

一种基于HSV颜色空间的车辆牌照提取方法

给出了一种根据车牌底的彩色信息，利用HSV颜色空间对输入的含有汽车牌照的彩色图像直接进行处理，从而快速提取车牌照的方法。该方法的主要思想是通过选取合适的彩色空间将输入的彩色图像直接转换为二值图像，再用空问聚类技术进行滤波消噪，最后利用二值图像的水平垂直投影来分割提取车牌区域。     

优化分割的手绘图像彩色化技术

图像彩色化技术是计算机图形学与数字图像处理中重要的研究课题,目前该技术主要基于笔触交互方式完成,所以精确的着色区域分割是提高彩色化质量的关键.手绘黑白图像往往有复杂的线条、纹理和不封闭的轮廓,对分割造成了很大的困难.为解决这一问题,提出一种交互式彩色化方法.首先运用一个高质量、高效率的边缘保持滤波和拉普拉斯算子来解决灰度不连续的问题,强化区域边界信息,并计算灰度能量;然后利用标色信息计算标色能量,克服用户不精确标色的问题;最后将灰度能量和标色能量构建成一个能量函数,利用Graph Cut技术检测最优分割.该方法不受内部纹理、边界缺口和不精确标色的影响,可以更准确地划分着色区域.实验结果表明,由于获得的分割信息更准确,文中方法对于多种手绘图像能够取得更好的着色效果.     

基于小波多尺度聚类水平集的医学图像分割

针对医学图像低对比度、灰度不均匀等特点,提出了一种小波多尺度聚类水平集的图像分割方法,能够很好地解决医学图像灰度不均匀的问题。首先,利用小波多尺度分析的良好信噪分离能力提取各尺度下图像的有效边缘信息,将边缘信息添加到水平集模型的能量函数中从而提高模型的局部控制能力。然后,基于灰度不均匀的图像模型,派生出对于感兴趣区域的局部灰度聚类,在每个点的邻域内定义基于灰度的局部聚类准则函数。将局部聚类准则函数转化为全局准则函数。在水平集框架中,该准则根据水平集函数定义了代表图像域划分的能量项和引起图像强度不均匀的偏置域。最后,从小波变换的顶层低频子带图像开始逐层采用改进的聚类水平集方法分割图像,并将分割结果通过插值方式传递至下一层作为分割的初始轮廓,最终实现灰度不均匀医学图像的分割。实验结果表明,该方法能够有效地分割医学图像,具有计算更加鲁棒稳定、效率更高和更加准确的优点。     

基于NL-Means的双水平集脑部MR图像分割算法

针对脑部MR图像中通常伴有灰度不均、高噪声的缺点,且传统水平集无法有效分割的问题,提出了一种基于NL-Means的双水平集算法。首先,利用改进型NL-Means算法对带有噪声的医学图像进行去噪处理,再通过双水平集算法对图像进行分割,提取多目标区域,为了去除医学图像中灰度不均对分割效果的影响,所提算法引入了偏移场拟合项,进一步改进了双水平集模型,进而对去噪图像分割效果进行了优化处理。实验结果表明,所提算法能有效地解决灰度不均与高噪声的问题,能够将伴有灰度不均的高噪声脑部MR图像完全分割出来,从而获得预期的分割效果。     

基于Prewitt的指纹图像预处理算法研究

指纹识别能否取得预期的效果,取决于指纹图像预处理。传统图像预处理的步骤包含灰度滤波、二值化及二值滤波、细化及细化去噪。提出一种将优化的Prewitt算子用于灰度滤波的指纹图像预处理方法:先在灰度滤波时采用方向图滤波进行滤波处理,之后采用优化的Prewitt算子进行图像增强处理;再在局部快速傅氏变换时引入方向傅氏变换滤波;最后,采用八邻域查表细化算法进行细化去噪。该方法不仅使指纹图像的对比度更加清晰,同时还对指纹图像进行了边界提取与处理。整个方案具有较强的实用价值和应用前景。