一種基于迭代法的流場(chǎng)圖像預(yù)處理算法
【專利摘要】本發(fā)明公開了一種基于迭代法的流場(chǎng)圖像預(yù)處理算法。該算法可以根據(jù)尺度信息，利用高斯濾波特點(diǎn)將微小粒子信息完全濾除，然后對(duì)處理后的圖像利用可迭代的邊緣恢復(fù)算法，將模糊化的大尺度結(jié)構(gòu)信息不斷恢復(fù)，恢復(fù)后的大尺度結(jié)構(gòu)信息就是流場(chǎng)圖像的噪聲信息。最后，利用圖像背景相減法即可得到實(shí)際粒子圖像信息。按照本發(fā)明實(shí)現(xiàn)的流場(chǎng)圖像預(yù)處理算法可以根據(jù)粒子尺寸信息設(shè)置距離權(quán)重來(lái)實(shí)現(xiàn)微小粒子去除，并且采用基于迭代方法的邊緣恢復(fù)獲得背景噪聲圖像具有較好的收斂特性，采用減去噪聲背景的方法可以很好地消除由于光照、粒子不均等引起的噪聲，因此最終獲得的粒子圖像具有很好的邊緣特性且對(duì)比度較高。
【專利說(shuō)明】
-種基于迭代法的流場(chǎng)圖像預(yù)處理算法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體地，設(shè)及一種基于迭代法的流場(chǎng)圖像預(yù)處理 算法。
【背景技術(shù)】
[0002] 流場(chǎng)圖像在進(jìn)行實(shí)際粒子圖像測(cè)速算法之前，由于圖像本身的一些噪聲，都要進(jìn) 行圖像的預(yù)處理操作。預(yù)處理的基本目的是通過圖像濾波和增強(qiáng)技術(shù)W減小噪聲、激光反 射、粒子聚團(tuán)等所造成的速度誤測(cè)，其根本目的就是獲得更強(qiáng)對(duì)比度的粒子圖像。圖像預(yù)處 理可W提高粒子圖像的質(zhì)量，減小后期算法的消耗，較好的預(yù)處理算法可W很好地提高后 期流場(chǎng)處理的精度。
[0003] 流場(chǎng)中粒子圖像具有W下特點(diǎn)，粒子尺寸相對(duì)均勻，分布散亂無(wú)具體分布規(guī)律，實(shí) 際背景噪聲更不可避免，為提高圖像處理的質(zhì)量，對(duì)預(yù)處理算法速度要求較高。
[0004] 在現(xiàn)有技術(shù)中，一般通過高斯濾波的方式進(jìn)行圖像處理，在二維高斯濾波中，目標(biāo) 點(diǎn)上的像素值是通過如下方式獲得的:對(duì)所在位置周圍一定范圍內(nèi)的像素值分別賦予不同 的高斯權(quán)重值，并在加權(quán)平均后得到當(dāng)前的結(jié)果，但此種方法僅考慮到了位置權(quán)重信息，卻 沒有考慮到像素間的相似程度信息，因此單純使用高斯濾波模板通常會(huì)使整張圖片變得模 糊，應(yīng)用在流場(chǎng)預(yù)處理算法的應(yīng)用中具有一定局限性。由此，亟待設(shè)及一種針對(duì)流場(chǎng)圖像的 預(yù)處理方法，來(lái)提高圖像處理質(zhì)量。

【發(fā)明內(nèi)容】

[0005] 針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出了基于迭代的、距離權(quán)重和像素相似信息權(quán)重、 背景相減法的流場(chǎng)圖像預(yù)處理算法，旨在去除流場(chǎng)圖像中的噪聲，最終達(dá)到增強(qiáng)粒子數(shù)據(jù) 對(duì)比度的目的。
[0006] 為實(shí)現(xiàn)W上發(fā)明目的，本發(fā)明采用W下技術(shù)方案：
[0007] 本發(fā)明提出一種基于迭代法的流場(chǎng)圖像預(yù)處理算法，其特征在于，該算法包括如 下步驟：
[0008] (1)采集流場(chǎng)原始圖像函數(shù)I;
[0009] (2)利用高斯濾波對(duì)所述原始圖像函數(shù)I進(jìn)行處理進(jìn)而去除小尺度結(jié)構(gòu)信息獲得 輸出圖像函數(shù)0,其中所述小尺度結(jié)構(gòu)信息為低于4像素的圖像信息；
[0010] (3)利用雙邊濾波函數(shù)迭代獲取大尺度結(jié)構(gòu)信息恢復(fù)函數(shù)G。"，其中n為迭代次數(shù)， 所述迭代次數(shù)滿足設(shè)定的闊值精度則停止迭代，其中所述大尺度結(jié)構(gòu)信息為高于15像素的 圖像信息；
[0011] (4)獲得最終圖像信息為J = I-GD+1。
[0012] 進(jìn)一步地，所述步驟(2)的濾波過程為：
[OOU]
(1)
[0014] 其中，
巧來(lái)實(shí)現(xiàn)歸一化，N(a)為a點(diǎn)鄰域的像素集合。
[0015] 進(jìn)一步地，所述步驟(3)的迭代過程為：
[0016] (克)
[0017] i果歸一化，N(a)為a點(diǎn) 鄰域的像素集合，其中Os和Or分別為基于空間距離和像素間相似程度的權(quán)重參數(shù)。
[0018] 進(jìn)一步地，在所述步驟(2)中，其中可通過調(diào)節(jié)Os,消除不同尺寸的所述小尺寸結(jié) 構(gòu)信息粒子。
[0019] 本發(fā)明具有W下有益效果：
[0020] 1.利用高斯濾波算法對(duì)小尺度輪廓信息進(jìn)行消除，因?yàn)榱鲌?chǎng)中示蹤粒子的尺寸大 小較為均勻，因此具有很好的濾除效果；
[0021] 2.基于迭代的邊緣恢復(fù)，對(duì)小尺度輪廓信息完全無(wú)影響，且可W通過原始圖像信 息對(duì)模糊化的大尺度輪廓信息恢復(fù)；
[0022] 3.基于迭代的流場(chǎng)圖像預(yù)處理算法具有很好的收斂性，且收斂于輸入圖像信息。
【附圖說(shuō)明】
[0023] 圖1是按照本發(fā)明實(shí)現(xiàn)的算法流程示意圖；
[0024] 圖2是本發(fā)明實(shí)現(xiàn)的算法具體實(shí)施過程效果圖。
【具體實(shí)施方式】
[0025] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，W下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用W解釋本發(fā)明，并 不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個(gè)實(shí)施方式中所設(shè)及到的技術(shù)特征只要 彼此之間未構(gòu)成沖突就可W相互組合。
[0026] 實(shí)際上在現(xiàn)有的圖像處理領(lǐng)域中，雙邊濾波在實(shí)際處理時(shí)不僅考慮了圖像像素在 空間距離上的信息，同時(shí)考慮到了像素間的相似程度信息，因而可W保持原始圖像的大體 分塊信息，進(jìn)而保持邊緣信息。
[0027] 基于背景相減原理的預(yù)處理算法在圖像的預(yù)處理中具有較為廣泛的應(yīng)用，對(duì)于去 除背景噪聲具有很好的實(shí)際應(yīng)用效果。
[0028] 本發(fā)明主要是在W上幾種算法的研究基礎(chǔ)上，提出了一種基于迭代的流場(chǎng)圖像預(yù) 處理算法?？珊芎迷诒３至Ｗ虞喞畔⒌幕A(chǔ)上，達(dá)到較好效果地濾除流場(chǎng)圖像中非粒子 圖像的大尺度結(jié)構(gòu)信息。
[0029] 在本實(shí)施例中，圖像數(shù)據(jù)通過行列方向的二維數(shù)組來(lái)表示，每個(gè)數(shù)組元素的值代 表該點(diǎn)的像素灰度值，W圖像左上角為圖像坐標(biāo)的原點(diǎn)，垂直向下方向?yàn)閅正方向。
[0030] 總體而言，本發(fā)明所描述的流場(chǎng)圖像預(yù)處理算法主要分為如下步驟：
[0031] (1)去除小尺度結(jié)構(gòu)信息；
[0032] (2)大尺度結(jié)構(gòu)信息迭代恢復(fù)；
[0033] (3)圖像背景相減。
[0034] 本發(fā)明所提出的流場(chǎng)圖像預(yù)處理算法中，對(duì)于高斯濾波的尺度一般是根據(jù)標(biāo)準(zhǔn)差 來(lái)決定的，實(shí)際的流場(chǎng)圖像處理中實(shí)際粒子大小在8個(gè)像素大小左右，所W在本算法設(shè)及的 步驟中，進(jìn)行圖像處理時(shí)，將高于15像素的圖像信息稱為大尺度結(jié)構(gòu)信息，低于4像素的為 小尺度結(jié)構(gòu)信息。
[0035] 下面對(duì)本發(fā)明提出的流場(chǎng)圖像預(yù)處理算法作詳細(xì)說(shuō)明，具體步驟如下：
[0036] (1)去除小尺度結(jié)構(gòu)信息
[0037] 第一步先通過高斯濾波濾除小尺度結(jié)構(gòu)信息，尺度算子通過加權(quán)平均的形式表 述，在公式中采用I為輸入圖像，0為輸出圖像，a和0分別表示圖像坐標(biāo)系中的像素坐標(biāo)，Os 表示標(biāo)準(zhǔn)差，決定高斯濾波器的寬度，濾波器函數(shù)表達(dá)式為：
[00 測(cè) （1)
[0039] >]結(jié)果歸一化，N(Ci)為a點(diǎn)鄰域的像素集合。
[0040] 使用運(yùn)個(gè)濾波器可W將小的邊緣信息全部都濾除，而大輪廓邊緣信息被模糊化， 注意，此步驟中通過對(duì)Os的調(diào)節(jié)，即通過不同尺寸粒子的消除設(shè)置不同的標(biāo)準(zhǔn)差來(lái)完成調(diào) 節(jié)，可W很好地適用于不同尺寸的小尺寸結(jié)構(gòu)信息粒子的消除，將尺度小于Os的粒子信息 全部濾除，使該預(yù)處理算法在粒子尺寸不同時(shí)中也有很好的適用性。
[0041] (2)大尺度結(jié)構(gòu)信息恢復(fù)
[0042] 基于迭代方法的大輪廓邊緣恢復(fù)是該算法的關(guān)鍵之一。在該過程中，圖像G被不斷 迭代更新，用GD+1表示第n+1次的迭代輸出圖像，Gi就是公式（1)中的0,即公式（1)中高斯濾 波處理后的輸出圖像數(shù)據(jù)。第n次的迭代結(jié)果GD+1的是通過雙邊濾波函數(shù)獲得的，該函數(shù)的 輸入由最初原始圖像I和上一次的迭代輸出結(jié)果GD,該雙邊濾波函數(shù)公式為：
[0043] (2)
[0044] 雖果歸一化，N(a)為a點(diǎn) 鄰域的像素集合，其中Os和Or分別為基于空間距離和像素間相似程度的權(quán)重參數(shù)。
[0045] 利用上述式子進(jìn)行迭代處理，直到達(dá)到所需精度終止算法迭代，例如流場(chǎng)測(cè)量互 相關(guān)算法中，我們算法迭代至0.1 pixel精度終止運(yùn)行，從而獲得最終圖像函數(shù)Gn"W供下一 步處理。
[0046] 同時(shí)，在公式(2)中，由于小尺度結(jié)構(gòu)信息已經(jīng)被公式（1)完全去除，因此IlGD(Q)- GD(P) I I約等于0,運(yùn)也導(dǎo)致基于像素間相似程度的權(quán)重對(duì)小的輪廓信息完全不起作用。也 就是說(shuō)，之后的所有的迭代操作所具有的邊緣恢復(fù)對(duì)小的輪廓信息都不起作用，小的輪廓 信息將無(wú)法被恢復(fù)。
[0047] 在大尺度結(jié)構(gòu)信息迭代恢復(fù)的過程中，模糊化的大尺度結(jié)構(gòu)信息被逐漸恢復(fù)，最 終輸出的結(jié)果為恢復(fù)具有大尺度結(jié)構(gòu)信息的圖像，小尺度結(jié)構(gòu)信息完全被濾除。因此，獲得 的圖像數(shù)據(jù)為去除粒子信息的噪聲數(shù)據(jù)。
[0048] (3)背景相減，獲得粒子圖像
[0049] 在PIV圖像中，由于示蹤粒子尺寸相對(duì)較小且尺寸相似，因此利用公式（1)的高斯 濾波將示蹤粒子輪廓從圖像中濾除。此時(shí)，獲得的圖像就是去除了所有小的輪廓信息(粒子 圖像)和部分大輪廓信息的數(shù)據(jù)圖像，將模糊后的一些噪聲信息重新進(jìn)行邊緣恢復(fù)，最終公 式(2)中所獲得的圖像數(shù)據(jù)就是濾除所有示蹤粒子的噪聲信息。下面，就需要利用原始圖像 數(shù)據(jù)減去邊緣恢復(fù)后圖像噪聲數(shù)據(jù)，即可獲得示蹤粒子輪廓信息，具體如下公式：
[0050] J = I-G""! (3)
[0051] J即為最終獲得的流場(chǎng)圖像中的示蹤粒子圖像信息。
[0052] 如圖2所示，是按照本發(fā)明實(shí)現(xiàn)的流場(chǎng)迭代圖像處理方法中的圖像處理的具體執(zhí) 行之后的圖像效果圖，可W看出在經(jīng)過了上述的高斯濾波和迭代之后獲得的圖像能夠獲得 較好的效果，并且能夠?qū)崿F(xiàn)。
[0053] 本領(lǐng)域的技術(shù)人員容易理解，W上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用W 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、等同替換和改進(jìn)等，均應(yīng)包含 在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于迭代法的流場(chǎng)圖像預(yù)處理算法，其特征在于，該算法包括如下步驟： (1) 采集流場(chǎng)原始圖像函數(shù)I; (2) 利用高斯濾波對(duì)所述原始圖像數(shù)據(jù)I進(jìn)行處理進(jìn)而去除小尺度結(jié)構(gòu)信息獲得輸出 圖像數(shù)據(jù)〇,其中所述小尺度結(jié)構(gòu)信息為低于4像素的圖像信息； (3) 利用雙邊濾波函數(shù)迭代獲取大尺度結(jié)構(gòu)信息恢復(fù)函數(shù)Gn+1，其中η為迭代次數(shù)，所述 迭代次數(shù)滿足設(shè)定的閾值精度則停止迭代，其中所述大尺度結(jié)構(gòu)信息為高于15像素的圖像 信息； (4) 獲得最終圖像彳目息為J = ]>Gn+1。2. 如權(quán)利要求1所述的基于迭代法的流場(chǎng)圖像預(yù)處理算法，其特征在于，所述步驟(2) 的濾波過程為：(1) :現(xiàn)歸一化，α和β為圖像坐標(biāo)系中的像素坐標(biāo)，N (α)為α點(diǎn)鄰域的像素集合。3. 如權(quán)利要求2所述的基于迭代法的流場(chǎng)圖像預(yù)處理算法，其特征在于，所述步驟(3) 的迭代過程為：化，Ν(α)為α點(diǎn)鄰域 的像素集合，其中Os和％分別為基于空間距離和像素間相似程度的權(quán)重參數(shù)。4. 如權(quán)利要求3所述的基于迭代法的流場(chǎng)圖像預(yù)處理算法，其特征在于，在所述步驟 (2)中，其中可通過調(diào)節(jié)〇s，消除不同尺寸的所述小尺寸結(jié)構(gòu)信息粒子。
【文檔編號(hào)】G06T5/00GK106023097SQ201610307839
【公開日】2016年10月12日
【申請(qǐng)日】2016年5月11日
【發(fā)明人】楊華, 馮佳樂, 歐陽(yáng)振興
【申請(qǐng)人】華中科技大學(xué)