基于Matlab的超声清洗去污效果
基于Matlab的超声清洗去污效果[20191213090621]
摘 要
超声清洗大型水下构建物解决了对水下构建物的清洗只有在闸门、水管内壁等设备停工时才能进行，且这样的清洗方法难以准确把握清洗力度这些问题。然而，对于其清洗效果的好坏并没有严格的定量的标准可以用来说明。现有的超声清洗效果的检测方法包括图像处理比较清洗前后图像差别、超声测距、检测水浊度、检测PH值、检测水中导电能力等等。
本课题探究通过图像处理的方法来检测超声波清洗水下构筑物的效果。即将采集到的原始图像信息进行各种相关的处理，分析图像数据总结归纳得出清洗去污效果。本课题运用MATLAB软件对图像进行各种相关处理包括：灰度化、滤波平滑、边缘检测、增强对比度、二值化等，对清洗前后的图像数据进行分析，通过对比清洗前后图像中黑白点比例的变化来说明清洗效果优劣。滤波部分采用简便适用的均值滤波，并通过盒滤波算法提高处理速率；边缘检测部分采用对边缘信息敏感的LOG算子；二值化部分采取了全局滤波中更为高效的OUTS算法。本课题还对不同的超声频率的清洗效果进行了对比，得出了与理论相仿的结果，其对确定超声清洗时的超声频率、清洗头形状、清洗方式的选择具有重要意义。
查看完整论文请+Q: 351916072
关键字:超声清洗；图像处理；MATLAB仿真；边缘检测；二值化处理
目录
摘 要 I
第1章 绪论 1
1.1课题来源与背景 1
1.1.1超声水下清洗检测方法研究现状 1
1.1.2数字图像处理研究现状 1
1.2本论文研究内容 2
第2章 数字图像处理概述 3
2.1数字图像处理基本研究内容 3
2.1.1图像获取 3
2.1.2图像变换 4
2.1.3图像增强与复原 5
2.1.4图像分割 12
2.2数字图像处理基本特点及应用 13
2.2.1基本特点 13
2.2.2主要应用 14
2.3本章小结 15
第3章 图像处理关键算法选取与实现 16
3.1超声清洗原理 16
3.1.1空化效应 16
3.1.2 超声水下清洗机介绍 17
3.2图像平滑去噪方法选取 20
3.2.1常见噪声类型 20
3.2.2常用图像平滑去噪方法 22
3.2.3图像平滑去噪方法比较与选取 22
3.2.4基于盒滤波的快速均值滤波实现 24
3.3 边缘检测算子的选取 26
3.3.1常见边缘检测算子 26
3.3.2边缘检测算子性能比较 30
3.4二值化算法选取 31
3.4.1二值化算法分类 31
3.4.2二值化算法比较与选定 33
3.5本章小结 36
第4章 图像处理结果分析 37
4.1清洗效果图处理过程 37
4.2清洗效果仿真结果 38
4.3本章小结 43
第5章 总结与展望 44
5.1总结 44
5.2展望 44
参考文献 46
致谢 49
附录 50
第1章 绪论
1.1课题来源与背景
1.1.1超声水下清洗检测方法研究现状
众所周知，闸门、水管内壁等设备由于工作于水下，长年累月会生水垢而影响正常功能的发挥甚至造成设备损坏，特别是大坝裂缝。在洪水到来时若闸门无法正常开启后果将不堪设想。因此，研究一种无污染、能够在工作状态下自动安全清洗并且防止生垢的方法对水利设施的保养与维护非常有意义。我们小组设计实现了一种用超声对水下构建物进行清洗的方法。超声清洗解决了对大型水下构建物的清洗只有在闸门、水管内壁等设备只有在停工时才能进行，而且这样的清洗方法存在需要防水停工进行操作，人工敲击管壁、闸门的力度大小难以准确把握等问题。然而，对于其清洗效果的好坏并没有严格的定量的标准可以用来说明。现有的超声清洗效果的检测方法包括超声测距、检测水浊度、检测PH值、检测水中导电能力等等。通过分析以上各个方法的原理及优缺点，发现超声测距、检测水浊度这些方法存在测量设备价格高、实现困难等问题。于是我们构思提出了通过图像处理来实现对超声清洗去污效果的检测。
1.1.2数字图像处理研究现状
数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。
早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功，推动了数字图像处理这门学科的诞生。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索新的领域。
1.2本论文研究内容
如前文所述，由于超声测距、检测水浊度等方法存在测量设备价格高、实现困难等问题。在此次课题中构思采用了借助于MATLAB的图像处理方法，利用MATLAB软件进行各种相关处理包括灰度化、均值滤波、同态滤波[4-5]、二值化等，对清洗前后的图像进行处理，分析图像数据总结归纳得出清洗效果。目前该方法在效果检测中得到了较为广泛的应用。本课题通过数字图像处理方式来实现一种对水下构建物清洗的效果检测，通过图像携带的具体数据来说明清洗效果的优劣。其对确定超声清洗时的超声频率、清洗头形状、清洗方式的选择具有重要意义。
本论文具体结构如下：
(1) 第2章主要介绍了超声清洗的基本原理；
(2) 第3章概述了数字图像处理的研究内容、基本特点
(3) 第4章对基于MATLAB进行图像处理的关键算法的选取、实现进行了阐述
(4) 第5章展示了MATLAB仿真的结果
(5)第6章对本论文的工作进行总结与展望
第2章 数字图像处理概述
数字图像处理(Digital?Image?Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展(特别是离散数学理论的创立和完善)；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
2.1数字图像处理基本研究内容
2.1.1图像获取
(1)采样
采样（sampling）就是把在时间上和空间上连续的图像变成离散点（采样点
像素的集合的一种操作。图像基本上是在二维平面上连续分布的信息形式要把它输入到计算机中，首先要把二维信号变成一维信号，因此要进行扫描（scanning）。最常用的扫描方法是在二维平面上按一定间隔顺序地从上方顺序地沿水平方向的直线（扫描线）扫描，从而取出浓淡值（灰度值）的线扫描（Laster扫描）。对于由此得到的一维信号，通过求出每一特定间隔的值，可以得到离散的信号。对于运动图像除进行水平，垂直两个方向的扫描以外，还有进行时间轴上的扫描[1]。通过采样，如设横向的像素数为M，纵向的像素数为N，则画面的大小可以表示为“M N”个像素。
(2)量化
如果把这些连续变化的值（灰度值）量化为8bit，则灰度值被分成0-255经
过采样，图像被分解成在时间上和空间上离散分布的像素，但是像素的值（灰
度值）还是连续值。像素的值，是指白色-灰色-黑色的浓淡值，有时候也指光的
强度（亮度）值或灰度值。把这些连续的浓淡值或灰度值变为离散的值（整数
的256个级别，分别对应于各个灰度值的浓淡程度，叫做灰度等级或灰度标度。?
值）的操作就是量化。?
在0-255的值对应于白-黑的时候，有以0为白，255为黑的方法，也有以
0为黑，255为白的方法，这取决于图像的输入方法以及用什么样的观点对图像进行处理等，这是在编程时应特别注意的问题。但在只有黑白二值的二值图像的情形，一般设1为白，0为黑。
对连续的灰度值赋予量化级的，即将亮度转化为灰度值方法有：均匀量化
（uniform quantization）， 线性量化（liner?quantization），对数量化，MAX量化，锥形量化[3]（tapered?quantization）等
2.1.2图像变换
图像变换是将图像从空间（2D平面）变换到变换域（或频率域）。变换的目的是根据图像在变换域的某些性质对其进行处理。通常，这些性质在空间域难以获取，在变换与处理完后在变换到空间域。因此，在实际应用中往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术。
(1)傅里叶变化
傅里叶变化是一种常用的正交变换，它的理论完善，应用广泛，按应用对
象域分为连续傅里叶变换、离散傅里叶变换。在数字图像应用领域，主要应用的是离散傅里叶变换，它是完成众多图像分析、图像增强及图像滤波等的预处理工作。在图像处理过程中，我们经常用到的是二维离散傅里叶变化。
二维离散傅里叶变换由下式2.1定义：
(2.1)
二维离散傅里叶反变换变换由下式2.2定义：
(2.2)
其中f(x,y)为原始图像对应的矩阵，F(u,v)为图像频域对应的矩阵。
其傅里叶频谱、相位谱、能量谱如下式2.3、2.4、2.5[1]：
傅里叶频谱： (2.3)
相位谱： (2.4)
能量谱： (2.5)
其中，I(u,v)和R(u,v)分别是傅里叶变换F(u,v)的虚部和实部
(2)离散余弦变换
离散余弦变换(DCT ，Discrete Cosine Transform)应用于绝大多数图像压缩场合， 并且它能在图像的压缩操作中获得较高的压缩比。DCT变换是在最小均方误差条件下得出的最佳正交变换，且已获得广泛应用， 并成为许多图像编码国际标准的核心。
二维离散余弦变换由下式2.6定义[3]：
(2.6)
DCT变换的核心为余弦函数，计算速度较快， 有利于图像压缩和其他处理。
3.沃尔什变换
沃尔什变换（Walsh Transform）属于正交变换，主要应用于图像压缩。
二维离散沃尔什变换由下式2.7[3]：
(2.7)
这种变换压缩效率低，所以实际使用并不多。但它快速，因为计算只需加
减和偶尔的右移操作。
2.1.3图像增强与复原
(1)空间域增强
空间域增强是指在空间域中通过线形或非线性变换来增强构成图像的像
素。增强的方法主要分为点处理和模板处理两大类。点处理是作用于单个像素点的空间域处理方法，包括图像灰度变换、直方图处理、伪彩色处理等技术；而模板处理是作用于像素邻域的处理方法，包括图像平滑、图像锐化等技术。
①灰度变换
直接灰度变化属于点处理技术。其主要分为：灰度线性变化、分段线性变
化、对数 变化、幂次变换、灰度切分等。
摘 要
超声清洗大型水下构建物解决了对水下构建物的清洗只有在闸门、水管内壁等设备停工时才能进行，且这样的清洗方法难以准确把握清洗力度这些问题。然而，对于其清洗效果的好坏并没有严格的定量的标准可以用来说明。现有的超声清洗效果的检测方法包括图像处理比较清洗前后图像差别、超声测距、检测水浊度、检测PH值、检测水中导电能力等等。
本课题探究通过图像处理的方法来检测超声波清洗水下构筑物的效果。即将采集到的原始图像信息进行各种相关的处理，分析图像数据总结归纳得出清洗去污效果。本课题运用MATLAB软件对图像进行各种相关处理包括：灰度化、滤波平滑、边缘检测、增强对比度、二值化等，对清洗前后的图像数据进行分析，通过对比清洗前后图像中黑白点比例的变化来说明清洗效果优劣。滤波部分采用简便适用的均值滤波，并通过盒滤波算法提高处理速率；边缘检测部分采用对边缘信息敏感的LOG算子；二值化部分采取了全局滤波中更为高效的OUTS算法。本课题还对不同的超声频率的清洗效果进行了对比，得出了与理论相仿的结果，其对确定超声清洗时的超声频率、清洗头形状、清洗方式的选择具有重要意义。
查看完整论文请+Q: 351916072
关键字:超声清洗；图像处理；MATLAB仿真；边缘检测；二值化处理
目录
摘 要 I
第1章 绪论 1
1.1课题来源与背景 1
1.1.1超声水下清洗检测方法研究现状 1
1.1.2数字图像处理研究现状 1
1.2本论文研究内容 2
第2章 数字图像处理概述 3
2.1数字图像处理基本研究内容 3
2.1.1图像获取 3
2.1.2图像变换 4
2.1.3图像增强与复原 5
2.1.4图像分割 12
2.2数字图像处理基本特点及应用 13
2.2.1基本特点 13
2.2.2主要应用 14
2.3本章小结 15
第3章 图像处理关键算法选取与实现 16
3.1超声清洗原理 16
3.1.1空化效应 16
3.1.2 超声水下清洗机介绍 17
3.2图像平滑去噪方法选取 20
3.2.1常见噪声类型 20
3.2.2常用图像平滑去噪方法 22
3.2.3图像平滑去噪方法比较与选取 22
3.2.4基于盒滤波的快速均值滤波实现 24
3.3 边缘检测算子的选取 26
3.3.1常见边缘检测算子 26
3.3.2边缘检测算子性能比较 30
3.4二值化算法选取 31
3.4.1二值化算法分类 31
3.4.2二值化算法比较与选定 33
3.5本章小结 36
第4章 图像处理结果分析 37
4.1清洗效果图处理过程 37
4.2清洗效果仿真结果 38
4.3本章小结 43
第5章 总结与展望 44
5.1总结 44
5.2展望 44
参考文献 46
致谢 49
附录 50
第1章 绪论
1.1课题来源与背景
1.1.1超声水下清洗检测方法研究现状
众所周知，闸门、水管内壁等设备由于工作于水下，长年累月会生水垢而影响正常功能的发挥甚至造成设备损坏，特别是大坝裂缝。在洪水到来时若闸门无法正常开启后果将不堪设想。因此，研究一种无污染、能够在工作状态下自动安全清洗并且防止生垢的方法对水利设施的保养与维护非常有意义。我们小组设计实现了一种用超声对水下构建物进行清洗的方法。超声清洗解决了对大型水下构建物的清洗只有在闸门、水管内壁等设备只有在停工时才能进行，而且这样的清洗方法存在需要防水停工进行操作，人工敲击管壁、闸门的力度大小难以准确把握等问题。然而，对于其清洗效果的好坏并没有严格的定量的标准可以用来说明。现有的超声清洗效果的检测方法包括超声测距、检测水浊度、检测PH值、检测水中导电能力等等。通过分析以上各个方法的原理及优缺点，发现超声测距、检测水浊度这些方法存在测量设备价格高、实现困难等问题。于是我们构思提出了通过图像处理来实现对超声清洗去污效果的检测。
1.1.2数字图像处理研究现状
数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。
早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功，推动了数字图像处理这门学科的诞生。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索新的领域。
1.2本论文研究内容
如前文所述，由于超声测距、检测水浊度等方法存在测量设备价格高、实现困难等问题。在此次课题中构思采用了借助于MATLAB的图像处理方法，利用MATLAB软件进行各种相关处理包括灰度化、均值滤波、同态滤波[4-5]、二值化等，对清洗前后的图像进行处理，分析图像数据总结归纳得出清洗效果。目前该方法在效果检测中得到了较为广泛的应用。本课题通过数字图像处理方式来实现一种对水下构建物清洗的效果检测，通过图像携带的具体数据来说明清洗效果的优劣。其对确定超声清洗时的超声频率、清洗头形状、清洗方式的选择具有重要意义。
本论文具体结构如下：
(1) 第2章主要介绍了超声清洗的基本原理；
(2) 第3章概述了数字图像处理的研究内容、基本特点
(3) 第4章对基于MATLAB进行图像处理的关键算法的选取、实现进行了阐述
(4) 第5章展示了MATLAB仿真的结果
(5)第6章对本论文的工作进行总结与展望
第2章 数字图像处理概述
数字图像处理(Digital?Image?Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展(特别是离散数学理论的创立和完善)；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
2.1数字图像处理基本研究内容
2.1.1图像获取
(1)采样
采样（sampling）就是把在时间上和空间上连续的图像变成离散点（采样点
像素的集合的一种操作。图像基本上是在二维平面上连续分布的信息形式要把它输入到计算机中，首先要把二维信号变成一维信号，因此要进行扫描（scanning）。最常用的扫描方法是在二维平面上按一定间隔顺序地从上方顺序地沿水平方向的直线（扫描线）扫描，从而取出浓淡值（灰度值）的线扫描（Laster扫描）。对于由此得到的一维信号，通过求出每一特定间隔的值，可以得到离散的信号。对于运动图像除进行水平，垂直两个方向的扫描以外，还有进行时间轴上的扫描[1]。通过采样，如设横向的像素数为M，纵向的像素数为N，则画面的大小可以表示为“M N”个像素。
(2)量化
如果把这些连续变化的值（灰度值）量化为8bit，则灰度值被分成0-255经
过采样，图像被分解成在时间上和空间上离散分布的像素，但是像素的值（灰
度值）还是连续值。像素的值，是指白色-灰色-黑色的浓淡值，有时候也指光的
强度（亮度）值或灰度值。把这些连续的浓淡值或灰度值变为离散的值（整数
的256个级别，分别对应于各个灰度值的浓淡程度，叫做灰度等级或灰度标度。?
值）的操作就是量化。?
在0-255的值对应于白-黑的时候，有以0为白，255为黑的方法，也有以
0为黑，255为白的方法，这取决于图像的输入方法以及用什么样的观点对图像进行处理等，这是在编程时应特别注意的问题。但在只有黑白二值的二值图像的情形，一般设1为白，0为黑。
对连续的灰度值赋予量化级的，即将亮度转化为灰度值方法有：均匀量化
（uniform quantization）， 线性量化（liner?quantization），对数量化，MAX量化，锥形量化[3]（tapered?quantization）等
2.1.2图像变换
图像变换是将图像从空间（2D平面）变换到变换域（或频率域）。变换的目的是根据图像在变换域的某些性质对其进行处理。通常，这些性质在空间域难以获取，在变换与处理完后在变换到空间域。因此，在实际应用中往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术。
(1)傅里叶变化
傅里叶变化是一种常用的正交变换，它的理论完善，应用广泛，按应用对
象域分为连续傅里叶变换、离散傅里叶变换。在数字图像应用领域，主要应用的是离散傅里叶变换，它是完成众多图像分析、图像增强及图像滤波等的预处理工作。在图像处理过程中，我们经常用到的是二维离散傅里叶变化。
二维离散傅里叶变换由下式2.1定义：
(2.1)
二维离散傅里叶反变换变换由下式2.2定义：
(2.2)
其中f(x,y)为原始图像对应的矩阵，F(u,v)为图像频域对应的矩阵。
其傅里叶频谱、相位谱、能量谱如下式2.3、2.4、2.5[1]：
傅里叶频谱： (2.3)
相位谱： (2.4)
能量谱： (2.5)
其中，I(u,v)和R(u,v)分别是傅里叶变换F(u,v)的虚部和实部
(2)离散余弦变换
离散余弦变换(DCT ，Discrete Cosine Transform)应用于绝大多数图像压缩场合， 并且它能在图像的压缩操作中获得较高的压缩比。DCT变换是在最小均方误差条件下得出的最佳正交变换，且已获得广泛应用， 并成为许多图像编码国际标准的核心。
二维离散余弦变换由下式2.6定义[3]：
(2.6)
DCT变换的核心为余弦函数，计算速度较快， 有利于图像压缩和其他处理。
3.沃尔什变换
沃尔什变换（Walsh Transform）属于正交变换
二维离散沃尔什变换由下式2.7[3]：
(2.7)
这种变换压缩效率低，所以实际使用并不多。但它快速，因为计算只需加
减和偶尔的右移操作。
2.1.3图像增强与复原
(1)空间域增强
空间域增强是指在空间域中通过线形或非线性变换来增强构成图像的像
素。增强的方法主要分为点处理和模板处理两大类。点处理是作用于单个像素点的空间域处理方法，包括图像灰度变换、直方图处理、伪彩色处理等技术；而模板处理是作用于像素邻域的处理方法，包括图像平滑、图像锐化等技术。
①灰度变换
直接灰度变化属于点处理技术。其主要分为：灰度线性变化、分段线性变
化、对数 变化、幂次变换、灰度切分等。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/2279.html
