前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇濾波器去噪原理和基本方法范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

濾波器去噪原理和基本方法范文第1篇

Li Yaqiang； Zhang Xianye

（①渭南職業(yè)技術(shù)學(xué)院，渭南 714000；②渭南師范學(xué)院數(shù)學(xué)與信息科學(xué)院，渭南 714000）

（①Weinan Professional Technology Institute，Weinan 714000，China；

②Department of Mathematic and Information，Weinan Normal University，Weinan 714000，China）

摘要：本文提出將二維物體的輪廓圖像坐標(biāo)信息轉(zhuǎn)換成基于質(zhì)心距離的一維向量信息來進(jìn)行檢測。設(shè)計了基于雙正交對稱小波的去噪算法。實驗結(jié)果表明，這種算法可以有效地去除噪聲信號和緩變信號，保留缺陷的突變信息，是一種有效和實用的輪廓缺陷檢測算法。

Abstract: The two-dimensional contour imaging coordinate information is transferred to one-dimensional vector of the centroid-based distance, which is proposed in the paper. The de-noising algorithm based on symmetric bi-orthogonal wavelet is designed. The experimental results show that the detecting result of this algorithmcan effectively remove the noise signal and the gentle change signal with the deficient mutant information retained. It is an effective and practical contour defect detection algorithm.

關(guān)鍵詞： 小波變換 輪廓 缺陷檢測 小波特性 分解層次

Key words: wavelet transform；profile；defect detection；wavelet features；decomposition level

中圖分類號：TP317.4文獻(xiàn)標(biāo)識碼：A文章編號：1006-4311（2011）26-0125-02

0引言

物體的圖像是二維的，其輪廓缺陷在圖像上也表現(xiàn)為二維，本文提出將輪廓的位置表示為到物體質(zhì)心的幅度，則物體的二維輪廓坐標(biāo)就變成一維向量。二維輪廓的凸起與凹陷突變就是一種突變信號。

小波變換（wavelet transform）是一種信號的時間―頻率分析方法，具有多分辨率分析的特點(diǎn)，而且在時域和頻域都具有表征信號局部特征的能力。很適合于探測正常信號中夾帶的瞬態(tài)反?，F(xiàn)象并展示其成分。在圖像去噪領(lǐng)域也得到了越來越廣泛的應(yīng)用。本文提出了將小波變換用于檢測二維突變點(diǎn)的原理與實現(xiàn)算法。由于輪廓信號中含有不規(guī)則的緩變信號，所以這里主要利用小波去噪。光滑輪廓物體作為一個應(yīng)用實例驗證了這一原理和相應(yīng)實現(xiàn)算法的正確性。

1小波變換原理及小波去噪原理

1.1 小波變換原理小波函數(shù)的定義為：設(shè)?鬃（t）為一平方可積函數(shù)，即?鬃（t）∈L2（R），若其傅立葉變換?鬃（?棕）滿足條件：

■■d?棕

則?鬃（t）為一個基本小波或小波母函數(shù)，并稱（1）式為小波函數(shù)的可容許性條件。

1.2 小波的多分辨率分析定義小波函數(shù)?鬃（t）伸縮和平移有為：?鬃■（t）=a■?鬃（■），（a>0，?子∈R）（2）

其中，?琢為伸縮因子，?子為平移因子。稱?鬃■（t）為依賴于?琢和?子的小波基函數(shù)[1]。將任意L2（R）空間中的函數(shù)f（t）在小波基下進(jìn)行展開，稱這種展開為函數(shù)f（t）的連續(xù)小波變換，其表達(dá)式為：

WT■（a，?子）==■■f（t）?鬃■dt（3）

多分辨率分析又稱為多尺度分析，是建立在函數(shù)空間概念上的理論。不同尺度上的高頻信號的頻率是不同的，需要根據(jù)噪聲覆蓋的頻率范圍確定小波分解的尺度，以有效地去除高頻噪聲。

1.3 小波去噪原理

1.3.1 強(qiáng)制去噪算法1989年，Mallat提出了實現(xiàn)小波變換的快速算法―Mallat算法[2]，這樣可以利用小波分解與重構(gòu)的方法濾波去噪。由Mallat算法的分解公式：V■=H?V■W■=G?W■ j=0，1，…，J-1（4）

其中H和G為濾波器系數(shù)矩陣，V0為原始圖像的采樣值，Vj和Wj分別為尺度j上的逼近系數(shù)和小波系數(shù)，將含有噪聲的采樣值在某一尺度下分解到不同的頻帶內(nèi)，然后再將噪聲所處的頻帶置零，進(jìn)行強(qiáng)制消噪處理，再利用相應(yīng)的重構(gòu)公式：

V■=H*V■+G*W■，j=J-1，…，1，0（5）

其中H*和G*為重構(gòu)濾波器，且滿足H*H+G*G=1，進(jìn)行小波重構(gòu)，從而達(dá)到去噪的目的。

1.3.2 小波變換模極大值的去噪方法[3][4]突變點(diǎn)是描述一個瞬態(tài)信號的重要特征，信號的奇異點(diǎn)就是信號中的突變點(diǎn)，如何檢驗信號的突變點(diǎn)具有實際意義。Mallat等人建立了小波變換與刻劃信號奇異性的Lipschitz指數(shù)之間的關(guān)系：設(shè)0≤α≤1，存在常數(shù)k>0，使信號f（x）的Lipschitz指數(shù)與小波變換模極大值滿足：

log■W■f（x）?燮log■■+?琢（6）

由式（6）可知，對于一般信號，由于?琢?叟0，小波變換的模極大值將隨著j的增大而增大；而對于白噪聲?琢

2小波變換尺度選擇

小波變換尺度選擇與去噪的方式有關(guān)，由于輪廓信號的噪聲很多，如圖1（b）所示，所以采用強(qiáng)制去噪算法，即將某幾個尺度上的高頻信號全部置為零[5][6]。在輪廓信號中，同時存在輪廓的不規(guī)則緩變信號、突變信號和劇烈變化的噪聲信號。劇烈變化的噪聲，這種噪聲變化周期短，劇烈變化的噪聲一般在時域中保持的空間跨度不會超過8個像素，所以這里定義突變信號為空間跨度大于8個像素的變化，對于空間跨度小于8個像素的變化作為噪聲直接去除，與頻域高于1/8的采樣率對應(yīng)，所以進(jìn)行突變信號檢測時，小波分解層次應(yīng)為3。噪聲信號還有輪廓緩變信號，這種噪聲的變化幅度較小，據(jù)小波分解的層次不同，變化幅度值也不同。為了更有效地區(qū)分突變信號和緩變噪聲信號，需要對去噪信號再做進(jìn)一步的處理。

3實驗與分析

選擇一光滑物體的輪廓，如圖1（a）所示，并依連接關(guān)系找出邊界點(diǎn)的二維坐標(biāo)，計算其質(zhì)心點(diǎn)坐標(biāo)，將輪廓表示成質(zhì)心―邊界點(diǎn)幅值向量，其波形圖如圖1（b）所示。采用選擇的小波，對此向量波形分別進(jìn)行3層小波分解[5]，如圖2（a）所示。從圖2（a）中可以看出，突變信號疊加在緩變信號上，采用一維差分即可將緩變信號的干擾去除，如圖2（b），再利用突變信號與噪聲信號幅值的不同對差分信號去除噪聲，如圖3所示，即可得到突變信號的寬度與幅度。

4結(jié)論

信號的小波去噪方法是眾多去噪方法的理想之選，它利用信號小波分解后，各個子帶信號的不同特性，選取不同的去噪手段，從而達(dá)到較好的去噪效果。但是，它也同樣受到去噪和保留有用高頻信息兩難的困擾。信號的突變信息位于高頻段，噪聲信號也位于高頻段,在信號去噪的同時，盡量保留信號的突變特征。基于突變信號與噪聲信號位于不同的高頻段，確定小波的分解層次，采用強(qiáng)制去噪算法，得到了比較理想去噪結(jié)果。針對輪廓的緩變信號，采用差分及強(qiáng)制去噪算法，將疊加在緩變信號上的突變信號分離，便于突變信號特征的計算。

參考文獻(xiàn)：

[1]朱秀昌，劉峰，胡棟.數(shù)字圖像處理與圖像通信[M].北京：北京郵電大學(xué)出版社，2002:241.

[2]潘泉，張磊，孟晉麗等.小波濾波方法及應(yīng)用[M].北京：清華大學(xué)出版社，2005:41.

[3]謝杰成，張大力，徐文立.一種小波去噪方法的幾點(diǎn)改進(jìn)[J].清華大學(xué)學(xué)報（自然科學(xué)版），2002，42（9）:1269-1272.

[4]孫兆林.MATLAB 6.0圖象處理[M].北京:清華大學(xué)出版社，2002:247.

濾波器去噪原理和基本方法范文第2篇

關(guān)鍵詞：數(shù)學(xué)形態(tài)學(xué)；分水嶺算法；圖像分割；過分割；梯度重建

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044(2011)16-3920-03

Image Segmentation Based on Improved Watershed Algorithm

LI Ran

(School of Electronic and Communication Engineering, North China Electric Power University, Baoding 071003, China)

Abstract: With regard to the over-segmentation of traditional watershed algorithm, an improved watershed algorithm based on pre-processing is proposed aiming to human brain MRI image. Noise is considered as direct factor of over-segmentation in this paper. Firstly, morphological opening operation and closing operation are used to denoise. Then, calculate the gradient image for the denoised image. Subsequencely, amend the gradient image according to inside and outside marks. Finally, implement watershed transformation on the amended gradient image. The results show that this method can effectively restrain the over-segmentation of traditional watershed algorithm.

Key words: mathematical morphology; watershed algorithm; image segmentation; over-segmentation; gradient reconstruction

圖像分割是把圖像分成有意義的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程，是由圖像處理到圖像分析的關(guān)鍵步驟。分割結(jié)果的優(yōu)劣直接影響到隨后更高層次的分析和理解等問題求解的正確與否。關(guān)于圖像分割的方法，國內(nèi)外許多學(xué)者做了大量的研究，提出了很多實用的分割方法，如形態(tài)學(xué)分水嶺分割法[1-2]，閾值分割法[3]、區(qū)域生長法[4-5]、模糊聚類法[6]、小波變換法[7]、邊緣檢測法[8-9]等。其中,分水嶺變換是一種經(jīng)典的圖像分割方法，采用此種方法通常能得到封閉、連續(xù)、單像素寬的物體輪廓線[10]，而且定位比較精確，分割精度高，計算速度快，從而引起人們的高度重視和廣泛關(guān)注，成為近年來圖像分割研究的熱點(diǎn)。但是分水嶺算法存在過分割和對噪聲敏感的缺陷。為了解決這個問題，一些學(xué)者對傳統(tǒng)分水嶺算法進(jìn)行了改進(jìn)[11-12]，但是過分割問題并沒有被有效地解決。

本文針對分割之前的預(yù)處理過程，設(shè)計了一種改進(jìn)的分水嶺分割算法。首先，利用數(shù)學(xué)形態(tài)學(xué)的方法對待分割圖像進(jìn)行平滑去噪處理；然后，對去噪后圖像的梯度圖進(jìn)行標(biāo)記，重構(gòu)梯度圖像；最后，對重構(gòu)梯度圖像進(jìn)行分水嶺變換，檢測前景邊緣，提取目標(biāo)。

1 分水嶺算法的基本思想及實現(xiàn)原理

1.1 分水嶺算法的基本思想

分水嶺算法是數(shù)學(xué)形態(tài)學(xué)在圖像處理理論中的經(jīng)典方法，其思想起源于測地學(xué)的地形地貌。圖像中每一像素點(diǎn)的灰度值可以等同于該點(diǎn)的海拔高度，則可在該圖像中模擬自底向上逐漸淹沒地形圖的過程。圖像中邊緣點(diǎn)的灰度值較大，可以對應(yīng)于地形圖中的山脊；圖像中灰度連續(xù)變化的區(qū)域可以找到灰度極小點(diǎn)，這里則可對應(yīng)于地形圖中的盆地；由邊緣區(qū)域過渡到灰度極小點(diǎn)的漸變區(qū)域則可對應(yīng)于地形圖中的山坡。在進(jìn)行圖像分割時如果可以準(zhǔn)確地找到“山脊”，則可實現(xiàn)對各個“盆地（目標(biāo)物體）”的分割。

1.2 分水嶺算法的實現(xiàn)原理

經(jīng)典的分水嶺分割方法有兩種：一種是模擬浸水過程，另一種是模擬降水過程。

1）模擬浸水過程的實現(xiàn)原理。根據(jù)前面的分析，如果將圖像中所有像素的灰度值對應(yīng)于地形中的海拔高度，則地形中包括盆地（局部灰度極小點(diǎn)）、山脊（圖像邊緣）以及盆地和山脊之間的山坡。將這個地形模型垂直放入湖水中，并在各個“盆地”最低處刺上孔洞，則水可以慢慢浸入孔洞中，水面逐步上升。當(dāng)水位到達(dá)“山脊”頂端時，相鄰“盆地”的水就會匯合，從而無法分辨出不同的“盆地”。如果要阻止這些水匯合，就要在“山脊”上接著修建“堤壩”，這樣“堤壩”將各個“盆地”完全包圍。隨著水位的上漲，各個“盆地”完全被水浸沒，而各個“堤壩”隨水位上漲而上漲，最終沒有被淹沒。這樣“堤壩（分水嶺）”將各個“盆地（目標(biāo)物體）”隔離，完成了圖像分割。

2）模擬降水過程的實現(xiàn)原理。依然將圖像等同為地貌模型。當(dāng)此地貌模型上空有水滴落下時，水滴必將沿山坡流入“盆地”底部，水滴經(jīng)過的路線就是一個連通分支，通往同一谷底的所有連通分支就形成了一個“集水盆地”。通過這個過程也可以找到各個目標(biāo)區(qū)域，實現(xiàn)圖像分割。

根據(jù)圖像特點(diǎn)，本文選用的是模擬浸水過程實現(xiàn)分水嶺分割。

2 形態(tài)學(xué)去噪原理

形態(tài)學(xué)中包括兩種基本的運(yùn)算――腐蝕和膨脹，形態(tài)學(xué)的其它運(yùn)算都以這兩種運(yùn)算為基礎(chǔ)。

灰度圖像的腐蝕和膨脹運(yùn)算分別定義為式（1）和式（2）：

（1）

（2）

其中f為一灰度圖像，g為一個灰度結(jié)構(gòu)元，“”代表腐蝕運(yùn)算，“”代表膨脹運(yùn)算。

在腐蝕和膨脹運(yùn)算的基礎(chǔ)之上，可以定義兩個二級運(yùn)算――開運(yùn)算和閉運(yùn)算。這兩種運(yùn)算也構(gòu)成對偶運(yùn)算。開運(yùn)算和閉運(yùn)算定義為式（3）和式（4）

（3）

（4）

由式（3）可以看出，開運(yùn)算是先對圖像進(jìn)行腐蝕運(yùn)算，再進(jìn)行膨脹運(yùn)算。開運(yùn)算之后，背景中的小結(jié)構(gòu)被清除了，前景結(jié)構(gòu)中的主干被保留了下來，這樣圖像中的孤立噪聲點(diǎn)就被濾除了。

而由式（4）可以看出，閉運(yùn)算和開運(yùn)算相反，對圖像進(jìn)行了先膨脹、后腐蝕的操作。閉運(yùn)算后，圖像背景中不包含結(jié)構(gòu)元素的部分被填充，這樣可消除連通區(qū)域中的孔洞。

由于過分割在很大程度上由圖像中的噪聲點(diǎn)引起，因此在分割之前對圖像進(jìn)行預(yù)處理非常重要。本文選用了先開運(yùn)算、后閉運(yùn)算并基于重建的濾波方法對圖像進(jìn)行平滑濾波。

3 改進(jìn)的分水嶺分割方法

3.1 改進(jìn)思路

分水嶺算法是一種非常有效的圖像分割工具，具有分割速度快，能準(zhǔn)確定位目標(biāo)輪廓并得到封閉輪廓線等特點(diǎn)。但是由于圖像本身都存在不同程度的噪聲，直接利用分水嶺算法對圖像進(jìn)行分割往往會導(dǎo)致過分割，即生成大量的小區(qū)域而使目標(biāo)淹沒其中。圖1體現(xiàn)了過分割問題，其中圖（a）為待分割圖像，圖（ b）為直接采用分水嶺算法的分割結(jié)果，可以看出圖（b）中出現(xiàn)了許多無意義的小區(qū)域。

目前克服過分割的方法主要包括在變換前進(jìn)行預(yù)處理和在變換后進(jìn)行區(qū)域合并。由于后處理的區(qū)域合并過程沒有固定的準(zhǔn)則，而且計算量大，因此本文采用變換前預(yù)處理的辦法來控制過分割現(xiàn)象。首先用形態(tài)學(xué)的重建濾波器[13-14]對圖像進(jìn)行去噪處理；接著求取預(yù)處理圖像的梯度圖像，并利用文獻(xiàn)[15-16]中提出的方法對得到的梯度圖進(jìn)行修正；最后對梯度圖像實施分水嶺變換，實現(xiàn)圖像分割。

3.2 算法步驟

根據(jù)3.1節(jié)的改進(jìn)算法思路，分割關(guān)鍵過程如圖2所示：

圖2 改進(jìn)算法的分割過程

算法步驟描述如下：

1）首先對原始圖像進(jìn)行灰度拉伸；

2）運(yùn)用第2節(jié)中提到的形態(tài)學(xué)開閉重建濾波器去除圖像中的噪聲點(diǎn)；

3）對（2）中得到的消除噪聲的圖像求取梯度圖像，并利用距離變換和極大值擴(kuò)展變換分別得到目標(biāo)區(qū)域的外部標(biāo)記和內(nèi)部標(biāo)記，依據(jù)內(nèi)外標(biāo)記得到修正的梯度圖像；

4）在修正后的梯度圖像上施以分水嶺變換。

4 仿真結(jié)果及分析

應(yīng)用本文設(shè)計的改進(jìn)分水嶺分割算法對圖1（a）所示的顱腦MRI圖像進(jìn)行分割實驗。

圖3（a）為采用基于重建的形態(tài)學(xué)開閉濾波器去噪的結(jié)果；圖3（b）為預(yù)處理圖像的梯度圖像；圖3（c）為根據(jù)求得的內(nèi)外標(biāo)記對圖3（b）修正的結(jié)果；圖3（d）為在圖3（c）上采用分水嶺算法得到的分割結(jié)果，該結(jié)果對于灰質(zhì)區(qū)得到了較為完整的輪廓。可以看出相對于圖1（b），采用本文給出的方法得到的分割結(jié)果抑制了過分割現(xiàn)象的發(fā)生，分割結(jié)果更為準(zhǔn)確。

5 結(jié)論

本文針對分水嶺算法的過分割問題，設(shè)計了一種改進(jìn)的分水嶺分割方法。該方法基于分割前的預(yù)處理工作，采取先清除引起過分割的因素再實施分水嶺算法的方法來抑制過分割現(xiàn)象的發(fā)生。實驗結(jié)果表明，應(yīng)用該方法對顱腦MRI圖像進(jìn)行分割，分割結(jié)果具有較為完整的輪廓，并得到了有意義的分割區(qū)域，有效地減輕了過分割現(xiàn)象。應(yīng)用該算法較好地提取了顱腦MRI圖像的灰質(zhì)區(qū)，但是白質(zhì)區(qū)輪廓還存在不清晰的現(xiàn)象，這將是下一步工作中要重點(diǎn)解決的問題。

參考文獻(xiàn)：

[1] Vincent L,Soille P.Watersheds in digital spaces:An efficient algorithm based on immersion simulations[J].IEEE Transactions on PAMI,1991,13(5):538-598.

[2] Haris K,Efstratiadis S.Hybrid image segmentation using watersheds and fast region merging[J].IEEE Transactions on Image processing,1998,7(12):1685-1699.

[3] 薛景浩,章毓晉,林行剛.基于最大類間后驗交叉熵的閾值化分割算法[J].中國圖象圖形學(xué)報,1999,4(2):110-114.

[4] Iseki F.Extraction of 3D tree structure of blood vessels in lung area from chest CT images[C]//Lemke HU.Proceedings of the 12th International Symposium and Exhibition of Computer Assisted Radiology and herland:Elsevier Science,1998,45-48.

[5] 王楠,黃養(yǎng)成.一種改進(jìn)的彩色圖像區(qū)域分割和邊緣提取算法[J].裝備指揮技術(shù)學(xué)院學(xué)報,1999,10(4):106-110.

[6] Chen CW,Luo J,Parker KJ,et al. A knowledge-based approach to volumetric medical image segmentation[C].IEEE International conference on Image processing, 1994,3:493-497.

[7] Song J,Shao QM,Zhou YH.Multiscale zero-crossings representation of wavelet transform and its application in ultrasound medical image segmentation[J]. J Fudan Univ(Natural Science),2001,40(1):40-43.

[8] 應(yīng)駿,葉秀清,顧偉康.一個基于知識的邊沿提取算法[J].中國圖象圖形學(xué)報,1999,4(3):239-242.

[9] 王宇生,卜佳俊,陳純.一種基于積分變換的邊緣檢測算法[J].中國圖象圖形學(xué)報,2002,7(2):145-159.

[10] 王忠義.分水嶺變換在醫(yī)學(xué)圖像分割中的應(yīng)用[J].電腦知識與技術(shù),2009,5(12):3221-3223.

[11] HIEU T,MARCEL M,REIN V.Watersnakes:Energy-driven watershed segmentation[J].IEEE Transaction on pattern Analysis and Machine Intelligence,2003,25(3):330-342.

[12] Haris K,Efstratiadis S.Hybrid image segmentation using watersheds and fast region merging [J].IEEE Transaction on Image Processing,1998,7(12):1684-1698.

[13] 王鳳娥.改進(jìn)后的分水嶺算法在圖像分割中的應(yīng)用研究[D].山東:山東大學(xué),2008.

[14] 高靜.基于形態(tài)學(xué)分水嶺算法的細(xì)胞圖像分割[D].吉林:吉林大學(xué),2008.

[15] 朱俊良,王茂芝,郭科.基于形態(tài)預(yù)處理和標(biāo)記提取的分水嶺分割算法[J].信息技術(shù),2010(9):17-20.

濾波器去噪原理和基本方法范文第3篇

關(guān)鍵詞:邊緣檢測;數(shù)學(xué)形態(tài)學(xué);噪聲圖像;結(jié)構(gòu)元素

中圖分類號:TP18文獻(xiàn)標(biāo)識碼:A文章編號:1009-3044(2010)17-4758-02

The Image Edge Detection Based on the Mathematical Morphology

SUN Xiao-fei, ZHANG Hong-qun

(College of Electronic & Information Engineering, Nanjing University of Information Science & Technology, Nanjing, 210044 China)

Abstract: Image edge detection is the key technology of image processing. Edge extraction is always the most classically studied projects in the computer vision and image procession field. In this paper, the applied research of the morphology is introduced in the noisy image. Finally, through simulation results, analyze its properties and give the comparison to the operators of conventional edge detection and analyze its advantages and disadvantages.

Key words: edge detection; mathematical morphology; noisy image; structural elements

圖像邊緣是細(xì)節(jié)信息中最具描述圖像特征的部分,也是圖像分析中的一個不可缺少的部分,邊緣檢測在圖像分割,目標(biāo)區(qū)域識別,模式識別以及圖像編碼等領(lǐng)域有著重要的研究價值。傳統(tǒng)的邊緣檢測方法如Roberts、Sobel、Prewitt等一階檢測算子和LoG、Canny等二階算子,算法簡單,檢測線條不連續(xù),去除噪聲能力差?？傮w上來說,傳統(tǒng)邊緣檢測算子對含有噪聲的圖像處理效果不理想,邊緣定位有偏差,不能有效抑制噪聲。

數(shù)學(xué)形態(tài)學(xué)是以積分幾何和隨機(jī)集論為基礎(chǔ),綜合了多學(xué)科知識的交叉學(xué)科;近年來不斷發(fā)展和完善,使得其在圖像處理中的應(yīng)用越來越廣泛。形態(tài)學(xué)在信號處理上是一種非線性的濾波方法,對圖像邊緣方向不敏感,能很好的抑制噪聲和定位真正的邊緣。數(shù)學(xué)形態(tài)學(xué)已經(jīng)成為數(shù)字圖像處理一個重要的研究領(lǐng)域。

1 數(shù)學(xué)形態(tài)學(xué)圖像邊緣檢測原理

數(shù)學(xué)形態(tài)學(xué)是建立在嚴(yán)格數(shù)學(xué)理論上的一門新學(xué)科,是一種新型的數(shù)學(xué)圖像處理方法和理論。形態(tài)運(yùn)算中的腐蝕、膨脹、閉、開是基本的邊緣檢測運(yùn)算?？梢愿鶕?jù)需要組合成不同的數(shù)學(xué)形態(tài)算子,從而根據(jù)圖像的不同情況進(jìn)行檢測。

形態(tài)運(yùn)算的質(zhì)量取決于所選的結(jié)構(gòu)元和形態(tài)變換[2,6],在灰度圖像中,設(shè)f(x,y)是輸入圖像,B(i,j)是結(jié)構(gòu)元素,Df和DB分別是函數(shù)f和B的定義域。則:

灰度膨脹定義為:

(1)

灰度腐蝕定義為:

(2)

開運(yùn)算定義為: (3)

閉運(yùn)算定義為: (4)

由于開運(yùn)算可以去除比結(jié)構(gòu)元素小的明亮細(xì)節(jié),閉運(yùn)算可以去除比結(jié)構(gòu)元素小的暗色細(xì)節(jié),因而可以組合在一起平滑圖像噪聲。傳統(tǒng)的形態(tài)學(xué)邊緣檢測算子:(f?茌B)-f,它得到的是圖像外邊緣;f-(f?專B),它得到圖像內(nèi)邊緣;(f?茌B)-( f?專B),它得到的是騎跨在內(nèi)外邊界上的邊緣。

2 形態(tài)學(xué)噪聲檢測算法

將開運(yùn)算和閉運(yùn)算組合可構(gòu)成形態(tài)噪聲濾波器,對于灰度圖像就是進(jìn)去形態(tài)噪聲平滑。形態(tài)學(xué)邊緣檢測中的開運(yùn)算和膨脹可以抑制信號中的尖峰噪聲,而形態(tài)閉運(yùn)算和腐蝕可以抑制噪聲中的低谷噪聲。根據(jù)這些性質(zhì),可以得到基本的抗噪形態(tài)算子。

抗噪膨脹型算子: (5)

抗噪腐蝕型算子: (6)

抗噪膨脹腐蝕型算子: (7)

抗噪膨脹型算子對低谷噪聲(負(fù)脈沖)的響應(yīng)為零,抗噪腐蝕型算子對尖峰噪聲(正脈沖)的響應(yīng)為零,而抗噪膨脹腐蝕型算子對正負(fù)脈沖噪聲的響應(yīng)都是零[4],這主要受圖像的凹凸影響。為了對正負(fù)噪聲都有抑制作用,可以對基本的算子進(jìn)行修正然后給出了修正的抗噪算子如下:

修正的抗噪膨脹型算子: (8)

修正的抗噪腐蝕型算子: (9)

形態(tài)學(xué)邊緣檢測中最主要的是結(jié)構(gòu)元素,不同的結(jié)構(gòu)元素檢測的效果是不一樣的。在噪聲圖像中,為了得到好的濾波效果,采用多尺度多結(jié)構(gòu)是很好的解決方法[3-4,7]。多尺度結(jié)構(gòu)表示為:nB=BB…B(n次),當(dāng)n=0時,nB={(0,0)}。從中看出,結(jié)構(gòu)元素自身也可以通過膨脹得到大結(jié)構(gòu)元素。多結(jié)構(gòu)是根據(jù)結(jié)構(gòu)元素的不同,對圖像不同的部位進(jìn)行邊緣檢測。結(jié)構(gòu)元素不是越多越好,選擇好的結(jié)構(gòu)元素是形態(tài)學(xué)邊緣檢測的成功關(guān)鍵。下面給出多結(jié)構(gòu)抗噪形態(tài)檢測算子:

,其中i=1,2。進(jìn)行加權(quán)求和,即可得到最后的圖像邊緣。

構(gòu)建的多結(jié)構(gòu)多尺度的形態(tài)邊緣檢測算子如下:

其中,i=1,2,3,4,即四個方向的結(jié)構(gòu)元素,這樣每個方向的邊緣都能檢測到。每個方向還都可以進(jìn)行尺度擴(kuò)展,因而可以得到較完善的邊緣檢測圖像。

3 實驗仿真分析

一般圖像中的噪聲都是隨機(jī)脈沖噪聲,在實驗中,采用加椒鹽噪聲的Lena圖。圖2是以傳統(tǒng)的檢測算子提取的圖像邊緣,從檢測的結(jié)果來看,傳統(tǒng)的檢測算子對噪聲很敏感,從圖2(c)、(d)檢測結(jié)果來看,噪聲完全覆蓋邊緣;Canny、LoG對高斯噪聲有較好的去噪能力的二階微分算子對椒鹽噪聲去噪能力也很差,在圖2(e)、(f)中可以看到去噪效果不理想。

圖3是用數(shù)學(xué)形態(tài)學(xué)抗噪算子檢測的結(jié)果,在圖3(c)中,用的是一般的膨脹腐蝕型算子,可以看到相對于傳統(tǒng)的算子,檢測的結(jié)果連續(xù)性更好,能更好的去除噪聲。圖3(d)、(e)、(f)分別是多尺度,多結(jié)構(gòu)和多尺度多結(jié)構(gòu)去噪型算子,相對于普通膨脹腐蝕型檢測的結(jié)果更細(xì)膩,去除噪聲的能力更強(qiáng)。

雖然在圖像邊緣檢測領(lǐng)域有許多邊緣檢測算子,但它們都沒有絕對優(yōu)勢的方法,傳統(tǒng)的檢測算子檢測的精度不高,抗噪性能很差。數(shù)學(xué)形態(tài)學(xué)邊緣檢測去除噪聲性能較好,但是有時候定位精度有不夠,有些邊緣在檢測的時候變的模糊,即細(xì)化的功能不夠,這個和結(jié)構(gòu)元素的選取有關(guān)系?？梢?沒有一種通用的檢測算法來解決,只能在定位精度和去噪之間找某種平衡。所以無論哪種邊緣檢測算法都存在不同類型的缺陷。

4 結(jié)論

該文主要是對數(shù)學(xué)形態(tài)學(xué)在含有噪聲的圖像上現(xiàn)有算法進(jìn)去較為詳細(xì)的分析和闡述,并比較了各種算法的特點(diǎn)。并在仿真中和傳統(tǒng)的檢測算法結(jié)果進(jìn)行比較。實驗表明,數(shù)學(xué)形態(tài)學(xué)在去除噪聲的同時,也能很好的解決圖像的邊緣連續(xù)問題,本文最后給出的多尺度多結(jié)構(gòu)算法,不僅能濾除噪聲還能很好的定位圖像邊緣,可見數(shù)學(xué)形態(tài)學(xué)邊緣檢測算子是一種很好的邊緣檢測工具。

參考文獻(xiàn):

[1] Canny J. A computational approach to edge detection.IEEE Transactions on Pattern Analysis Machine Intelligence,1986,8(6):679-698.

[2] Robert M H, Linda G S. Morphologic edge detection[J].Journal of Robotics and Automation,1987,3(2):142-156.

[3] Jiang M Y, Yuan D F. A Multi-Grade Mean Morphologic Edge Detection[C].In: Proceedings of the 6th International Conference on Signal Processing. Beijing, China.2002:1079-1082.

[4] 梁勇,李天牧.多方位形態(tài)學(xué)結(jié)構(gòu)元素在圖像邊緣檢測中的應(yīng)用[[J].云南大學(xué)學(xué)報:自然科學(xué)版,1999,21(5):392-394.

[5] 付永慶,王詠勝.一種基于數(shù)學(xué)形態(tài)學(xué)的灰度圖像邊緣檢測算法[J].哈爾濱工程大學(xué)學(xué)報,2005,26(5):685-687.

濾波器去噪原理和基本方法范文第4篇

關(guān)鍵詞：虛擬無線電；　超高頻；　射頻識別；　讀寫器；　電子標(biāo)簽

中圖分類號：TN9234 文獻(xiàn)標(biāo)識碼：A 文章編號：1004373X（2012）22002304

近年來，隨著多核CPU的出現(xiàn)與應(yīng)用，個人計算機(jī)在計算能力和性能上大幅度提高，在某種程度上可以與傳統(tǒng)的專用數(shù)字信號處理器媲美，因此在一臺計算機(jī)上設(shè)計通用的軟件無線電平臺已成為一種可能。研究基于多核PC的軟件無線電平臺，能夠在在一臺計算機(jī)上實現(xiàn)多種通信協(xié)議，而且易于開發(fā)和軟件升級，無論從開發(fā)者角度講，還是從用戶角度講，都極大地方便了各自的工作和體驗，具有重要的研究價值和商業(yè)應(yīng)用價值。虛擬無線電是一種真正意義上的軟件無線電［1］。它采用高性能的模/數(shù)和數(shù)/模轉(zhuǎn)換器，對寬帶射頻信號直接進(jìn)行變換，　所有無線電功能用運(yùn)行于工作站或個人計算機(jī)上的應(yīng)用程序來實現(xiàn)。虛擬無線電技術(shù)主要有如下特點(diǎn)［2］：易于實驗；開發(fā)快捷；與其他應(yīng)用結(jié)合；改進(jìn)功能實現(xiàn)。無線射頻識別技術(shù)（Radio　Frequency　Identification，RFID）是一種非接觸的射頻識別技術(shù)，其基本原理是通過射頻信號與空間耦合傳輸特性，實現(xiàn)對被識別物體的自動識別［3］。現(xiàn)有的RFID讀寫器一般采用ASIC，DSP，F(xiàn)PGA或ARM對基帶信號進(jìn)行處理，此方法處理基帶信號方法不靈活，且需要設(shè)計人員掌握每種嵌入式系統(tǒng)的開發(fā)方法，因此技術(shù)門檻比較高，開發(fā)周期較長。隨著通用計算機(jī)性能的不斷提高，使得基于通用處理器實現(xiàn)通信系統(tǒng)成為可能，根據(jù)虛擬無線電的上述特點(diǎn)，本文提出了基于虛擬無線電實現(xiàn)RFID讀寫器的方案。

1　RFID系統(tǒng)結(jié)構(gòu)與工作原理

常見的RFID系統(tǒng)［4］包括4部分：標(biāo)簽、天線、讀寫器和控制器（即PC主機(jī)）組成。如圖1所示。

圖1　基本的RFID系統(tǒng)RFID系統(tǒng)的工作原理為讀寫器通過天線發(fā)出含有信息的一定頻率的射頻信號，當(dāng)標(biāo)簽進(jìn)入讀寫器的識別區(qū)域內(nèi)，標(biāo)簽周圍形成電磁場，其天線通過耦合產(chǎn)生感應(yīng)電流，從而獲得能量激活內(nèi)部微芯片電路。此時標(biāo)簽根據(jù)讀寫器發(fā)出的信息決定是否響應(yīng)，即是否反向散射數(shù)據(jù)；需要響應(yīng)時，標(biāo)簽通過天線將存儲在標(biāo)簽中的信息轉(zhuǎn)換成電磁波，然后發(fā)送給讀寫器；讀寫器接收到標(biāo)簽反射的信號時，將信號進(jìn)行解調(diào)和解碼，識別出標(biāo)簽反向散射的數(shù)據(jù)，然后通過標(biāo)準(zhǔn)的網(wǎng)絡(luò)接口傳送給控制器；控制器根據(jù)邏輯運(yùn)算判斷該標(biāo)簽的合法性，針對不同的設(shè)定對這些數(shù)據(jù)進(jìn)行管理和控制。

按照讀寫器發(fā)射頻率的不同，RFID系統(tǒng)可以分為低頻（135　kHz以下），高頻（13.56　MHz），超高頻（860～960　MHz）和微波（2.4　GHz以上）等幾大類。其中，超高頻RFID系統(tǒng)一般采用電磁反向散射原理來實現(xiàn)讀寫器和電子標(biāo)簽之間的通信過程。

本文介紹的基于虛擬無線電實現(xiàn)的RFID讀寫器符合ISO/IEC　180006C標(biāo)準(zhǔn)［5］。ISO/IEC　180006C標(biāo)準(zhǔn)是信息技術(shù)領(lǐng)域關(guān)于超高頻RFID技術(shù)的空中通信技術(shù)標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)采用開放的體系結(jié)構(gòu)，充分考慮了標(biāo)簽低處理能力、低功耗和低成本要求，在射頻頻段選擇、物理層數(shù)據(jù)編碼及調(diào)制方式、防沖突算法、標(biāo)簽訪問控制和隱私保護(hù)等技術(shù)方面采取了一系列改進(jìn)；其中，讀寫器到標(biāo)簽的前向鏈路的調(diào)制方式為ASK，采用PIE編碼，標(biāo)簽到讀寫器的反向鏈路的調(diào)制方式為ASK或PSK，采用FM0編碼或者M(jìn)iller編碼，并對傳輸數(shù)據(jù)采用差錯控制編碼技術(shù)（CRC16校驗）。本文介紹的讀寫器到標(biāo)簽的前向鏈路采用ASK調(diào)制方式和PIE編碼，標(biāo)簽到讀寫器的反向鏈路采用ASK調(diào)制方式和FM0編碼。

2　基于虛擬無線電實現(xiàn)讀寫器的方法

2.1　讀寫器的結(jié)構(gòu)

該讀寫器的結(jié)構(gòu)如圖2所示，主要由4部分組成：主控部分、FPGA邏輯控制模塊、射頻前端模塊及天線。主控部分：主控部分選擇通用PC，標(biāo)簽識別層數(shù)據(jù)處理和基帶信號處理在PC中完成，通過PCIe接口和邏輯控制模塊連接；FPGA邏輯控制模塊：主要負(fù)責(zé)有AD/　DA控制、RF切換、功放、發(fā)送和接收數(shù)據(jù)控制的功能；射頻前端模塊：其中射頻收發(fā)功能采用LMS6002D芯片實現(xiàn)，該芯片集成LNA/PA驅(qū)動、TX　/RX混頻器、TX　/RX濾波器、頻率綜合器、接收增益控制發(fā)送功率控制等子模塊，能夠完成射頻模擬前端的大部分功能；天線。

圖2　讀寫器的結(jié)構(gòu)2.2　工作流程

讀寫器工作流程分為讀寫器發(fā)送指令與接收標(biāo)簽反向散射的數(shù)據(jù)信息2部分。

讀寫器發(fā)送指令的工作流程：

（1）　應(yīng)用層程序發(fā)出調(diào)用標(biāo)簽識別層模塊的命令，標(biāo)簽識別層模塊產(chǎn)生要發(fā)送的訪問標(biāo)簽的指令，并將指令送至基帶處理模塊；

（2）　基帶處理模塊對標(biāo)簽識別層指令進(jìn)行編碼調(diào)制，生成基帶信號，基帶信號分成I，Q兩路通過PCIe接口傳入FPGA的FIFO；

（3）　FIFO中的數(shù)據(jù)被打包成串行基帶信號送至射頻前端模塊；

（4）　串行基帶信號進(jìn)入射頻前端模塊經(jīng)過DA變換、功率放大、上變頻后被調(diào)制到超高頻頻段，然后送至帶通濾波器進(jìn)行濾波；

（5）　濾波以后，信號被送至功率放大器放大，然后送至天線發(fā)送出去。

讀寫器接收標(biāo)簽反向散射的數(shù)據(jù)信息的工作流程：

（1）　標(biāo)簽接收到讀寫器發(fā)來的信號，獲得能量被上電激活，開始執(zhí)行讀寫器命令，并進(jìn)行判斷是否需要應(yīng)答，需要應(yīng)答時，將應(yīng)答信息以反向散射方式通過天線送至射頻前端模塊；

（2）　射頻前端模塊將接收到的信號送至帶通濾波器進(jìn)行濾波，濾波后通過低噪放、下變頻、AD變換等部分，載波信號恢復(fù)為基帶信號并傳入FPGA的FIFO；

（3）　FIFO中的數(shù)據(jù)通過PCIe接口被送至PC中的基帶處理模塊；

（4）　基帶信號處理模塊對接收到的數(shù)字基帶信號進(jìn)行解調(diào)，將結(jié)果傳遞給標(biāo)簽識別層；

（5）　標(biāo)簽識別層根據(jù)接收到的標(biāo)簽反向散射的數(shù)據(jù)進(jìn)行CRC校驗，解出標(biāo)簽反向散射的信息并做出判斷，決定下一次發(fā)送的指令。

2.3　主控部分

2.3.1　主控部分軟件設(shè)計

系統(tǒng)的主控部分為PC，結(jié)構(gòu)圖如圖2讀寫器的結(jié)構(gòu)圖左邊部分所示。主控部分的工作主要包括：完成基帶信號處理、標(biāo)簽識別處理和驅(qū)動層與應(yīng)用層的數(shù)據(jù)通信。

工作原理：啟動時，通過PC配置射頻參數(shù)，射頻參數(shù)存入緩沖區(qū)寄存器中，初始化內(nèi)存；應(yīng)用程序發(fā)出對標(biāo)簽的應(yīng)用功能指令，該指令通過應(yīng)用程序接口調(diào)用標(biāo)簽識別處理模塊，標(biāo)簽識別處理模塊發(fā)出相應(yīng)的指令給基帶處理模塊，基帶處理模塊對指令進(jìn)行編碼調(diào)制形成基帶信號，通過PCIe接口將基帶信號發(fā)送給射頻板；主控部分通過PCIe接口接收射頻板傳送來的基帶信號，基帶處理模塊對基帶信號進(jìn)行解調(diào)，形成標(biāo)簽反向散射的指令格式，傳至標(biāo)簽識別處理模塊，標(biāo)簽識別處理模塊對指令進(jìn)行相關(guān)CRC校驗對做出相應(yīng)的響應(yīng)。軟件流程如圖3所示。

為防止多個標(biāo)簽同時響應(yīng)，讀寫器發(fā)送的Query指令中令Q不等于0，Q為（0～15），標(biāo)簽接收到Query指令后，會選擇（0～2Q-1）給Slot　Counter，當(dāng)Slot　Counter=0時，標(biāo)簽反向散射數(shù)據(jù)，Slot　Counter不為0時標(biāo)簽不響應(yīng)，如果標(biāo)簽無響應(yīng)，則連續(xù)發(fā)送QueryReq，每發(fā)送一次QueryReq，標(biāo)簽的Slot　Counter的值會減1，直到Slot　Counter=0，標(biāo)簽響應(yīng)為止。其流程圖如圖4所示。

接收端算法：接收端接收的信號為（A/2）g（t），經(jīng)過I/Q兩路解調(diào)、低通濾波、隔直流后分別為（A/2）g（t）sin　θ和（A/2）g（t）cos　θ，如果只采用單路接收信號，當(dāng)接收信號的相位和本振信號的相位相差θ為90°或者0°，則接收到的信號（A/2）g（t）sin　θ或（A/2）g（t）cos　θ可能始終為0，即有用信號沒有解調(diào)出來。為了避免射頻場中存在的盲點(diǎn)，系統(tǒng)接收端采用兩路正交混頻結(jié)構(gòu)［6］，即：（（A/2）g（t）sin　θ）2+（（A/2）g（t）cos　θ）2=

（A2/4）g2（t）

（1）將I，Q兩路信號平方后求和得出（A2/4）g2（t），無論接收信號的相位和本振信號的相位相差θ為多少，總能解調(diào)出有用信號。

對于本方案，接收端基帶信號處理在PC中完成，PC中接收到的I，Q兩路的數(shù)據(jù)存在一個數(shù)組RECEIVE［N］中，針對接收端算法的具體實現(xiàn)步驟如圖5所示。

圖5　接收端算法實現(xiàn)步驟（1）　首先解調(diào)出I，Q兩路信號。即：

RECEIVE_I=RECEIVE（1，1：2：N）

RECEIVE_Q=RECEIVE（1，2：2：N）

RECEIVE_data2=RECEIVE_I2+RECEIVE_Q2

//N為接收數(shù)據(jù)所在數(shù)組的大小

（2）　求接收信號的均值，即求信號的直流分量

sum=0

for　i=1：N/2

sum=sum+RECEIVE_data［i］

end

ave_sum=（sum/（N/2））

（3）　去直流分量

RECEIVE_data　=　RECEIVE_data-ave_sum

（4）　做相關(guān)，找到同步點(diǎn)

在該系統(tǒng)中，標(biāo)簽反向散射的數(shù)據(jù)有加短前導(dǎo)Frame_Sync和長前導(dǎo)Preamble兩種形式，讀寫器發(fā)送的Query指令中的TRext位決定了標(biāo)簽反向散射的數(shù)據(jù)的前導(dǎo)形式，本方案中標(biāo)簽反向散射的數(shù)據(jù)采用加前導(dǎo)Preamble的方式。

首先，生成本地的Preamble信號，即編碼調(diào)制后為Preamble［m］，將Preamble［m］與接收到的RECEIVE_data做相關(guān)，找到最大點(diǎn)，取出標(biāo)簽反向散射的數(shù)據(jù)。

Cor=0

for　i=1：N/2

Cor=　Cor+RECEIVE_data（i：i+m）*Preamble（1：m）

end

Correlation_Value=　Cor2

//取出最大的　Correlation_Value，此時假設(shè)i=k

RECEIVE_data=RECEIVE_data（1，k：k+Data_Length）

//Data_Length為標(biāo)簽反向反射的數(shù)據(jù)去掉前導(dǎo)后的長度

以讀寫器發(fā)送Query指令為例，在采樣率為10　MHz，標(biāo)簽反向鏈路頻率為200　kHz時，標(biāo)簽響應(yīng)時反向散射信號Preamble+RN16（16位隨機(jī)碼），通過上述過程，解調(diào)出數(shù)據(jù)如圖6所示，顯示方式為：數(shù)據(jù)以兩路A，B方式，其中A為上部分，B為下部分，如RN16［N］，則有：

A=RN16（1，1：2：N）；

//N為RN16的采樣點(diǎn)數(shù)

B=RN16（1，2：2：N）；

圖6　做相關(guān)后的RN16（5）　解調(diào)標(biāo)簽反向散射的數(shù)據(jù)

根據(jù)射頻部分的采樣率和標(biāo)簽反向散射數(shù)據(jù)的調(diào)制方式，對0和1進(jìn)行編碼調(diào)制，生成0和1的本地基帶信號，將其與接收的數(shù)據(jù)進(jìn)行相關(guān)，并進(jìn)行判斷，解調(diào)出標(biāo)簽反向散射的數(shù)據(jù)。

Cor_0=0；　Cor_1=0

for　i=1：n

Cor_0　=　Cor_0　+　zero_1（1，1：n）　*RECEIVE_data（1，1+i：n+i）

Cor_1　=　Cor_1　+　one_1（1，1：n）　*　RECEIVE_data（1，1+i：n+i）

end

判斷Cor_0與Cor_1的大小；

Cor_0大時　RECEIVE_d為0；Cor_1大時　RECEIVE_d為1

對圖6中的數(shù)據(jù)進(jìn)行解調(diào)得出此次標(biāo)簽反向散射的隨機(jī)數(shù)為：1101　0001　0100　0011。

4　結(jié)　語

本文提出的基于虛擬無線電的RFID讀寫器的實現(xiàn)方案，從系統(tǒng)級角度對基于虛擬無線電的RFID讀寫器的硬件平臺及主控部分進(jìn)行了闡述，并對接收端算法進(jìn)行了研究與實現(xiàn)。虛擬無線電技術(shù)易于實驗、開發(fā)快捷、與其他應(yīng)用結(jié)合、改進(jìn)功能的特點(diǎn)，使得基于虛擬無線電的超高頻RFID讀寫器具有靈活處理基帶信號、支持開發(fā)多種協(xié)議的優(yōu)點(diǎn)。實踐結(jié)果表明，基于虛擬無線電實現(xiàn)超高頻RFID讀寫器的方案具有可行性。

參　考　文　獻(xiàn)

［1］　TAN　Kun，　ZHANG　Jiansong，　FANG　Ji，　et　al.　Sora：　high　performance　software　radio　using　general　purpose　multicore　processors　＼[J＼].　Communications　of　the　Association　for　Computing　Machinery，　2011，　54（1）：　99107.

［2］　張麗.虛擬無線電接收機(jī)的實現(xiàn)與算法研究［D］.西安：西安電子科技大學(xué)，2007.

［3］　FINKENZELLER　K.射頻識別（　RFID）技術(shù)：無線電感應(yīng)的應(yīng)答器和非接觸IC卡的原理與應(yīng)用［M］.陳大才，譯.北京：電子工業(yè)出版社，2001.

［4］　HUNT　V　D，　PUGLIA　Mike，　PUGLIA　Albert.　A　guide　to　radio　frequency　identification?。躘M＼].　United　States　of　America：　＼[s.n.＼]，　2007.

［5］　EPCglobal　Inc.　Specification　for　RFID　air　interface?。躘R＼].?。躘S.l.＼]：　EPCglobal　Inc.，　2005.

［6］　陳逆，張春，王敬超.超高頻RFID讀寫器基帶處理器的設(shè)計［J］.半導(dǎo)體技術(shù)，2009，34（4）：370374.

［7］　唐志軍，席在芳，詹杰.無源反向散射RFID系統(tǒng)識別距離的影響因素分析［J］.計算機(jī)工程與應(yīng)用，2011（8）：9597.

濾波器去噪原理和基本方法范文第5篇

朱炯，北京電影學(xué)院攝影學(xué)院副教授。

雖然數(shù)字技術(shù)應(yīng)用到攝影領(lǐng)域已經(jīng)有十多年的時間，但是國內(nèi)攝影界對數(shù)字技術(shù)的研究和探討還處于初級階段，雖然廣大的攝影愛好者幾乎全部拿起了數(shù)碼相機(jī)，但他們對數(shù)字技術(shù)的理解和認(rèn)知卻急待提高。為此，《數(shù)碼攝影》雜志請北京電影學(xué)院副教授朱炯老師開設(shè)了專欄“數(shù)字革命”，用通俗易懂的語言和文字來解讀數(shù)字技術(shù)中的原理和技巧，希望能讓影友學(xué)習(xí)到實用的知識和經(jīng)驗。

數(shù)字影像是整個攝影領(lǐng)域的一場技術(shù)革命。它最顯著的特征是影像成像核心方式的變革，即數(shù)字編碼成像替代化學(xué)銀鹽影像。不僅如此，重要的是數(shù)字影像產(chǎn)生了一系列新的攝影技術(shù)用語、方法及技術(shù)標(biāo)準(zhǔn)來控制影像品質(zhì)，形成數(shù)字影像的技術(shù)體系。同時數(shù)字影像的技術(shù)手段也帶來了攝影方式及視覺文化傳播的新特色。攝影產(chǎn)業(yè)是研發(fā)數(shù)字影像的重要推動力，同時也在這場攝影技術(shù)革命中承受著顛覆性的變革。在新舊技術(shù)的較量過程中，大型攝影器材企業(yè)全球大洗牌，新興攝影產(chǎn)業(yè)應(yīng)運(yùn)而生。但是在這個欄目開始之初，我還是想先告訴大家，數(shù)字影像存在三個不可回避的缺陷。

噪點(diǎn)與雜色

什么是噪點(diǎn)：

噪點(diǎn)也稱雜色，是數(shù)字影像在暗部出現(xiàn)的雜亂、粗糙的彩色紋理。噪點(diǎn)展現(xiàn)的是非感光的影像像素，其形狀可能是斑點(diǎn)或者條紋狀干擾紋，畫面因此而顯得臟，清晰度差，影像質(zhì)量低。

噪點(diǎn)與顆粒形成原因的比較：

數(shù)字影像中的噪點(diǎn)和銀鹽影像中的顆粒有相似之處，都在高感光度畫面中出現(xiàn)。但數(shù)字影像還會在長時間曝光情況下出現(xiàn)，當(dāng)設(shè)置為低感光度、長時間曝光的噪點(diǎn)很明顯。數(shù)字影像在后期銳化過程中會產(chǎn)生噪點(diǎn)。在影像中噪點(diǎn)和顆粒的視覺質(zhì)感不同，我們常由此判斷照片是數(shù)字影像還是銀鹽影像。

數(shù)字影像噪點(diǎn)的成因及控制的方法與銀鹽影像處理微粒的方法不同。影像傳感器感光生成影像的過程中產(chǎn)生噪點(diǎn)。但由于廠家設(shè)計能力的不同，CCD/CMOS的面積尺寸不同，其計算和形成數(shù)字文件的方式?jīng)Q定了數(shù)字影像噪點(diǎn)產(chǎn)生的強(qiáng)弱多少。數(shù)字影像的噪點(diǎn)比銀鹽影像的顆粒更容易產(chǎn)生，在于數(shù)字相機(jī)影像傳感器一般比35毫米膠片尺寸小，且能夠方便地選擇高感光度拍攝。

除噪與微粒的不同手段：

在銀鹽影像系統(tǒng)中控制顆粒的手段有限，如可選擇大幅面底片、低感光度膠片拍攝，沖洗時采用微粒顯影液。

數(shù)字影像系統(tǒng)的除噪空間較大，方法多樣，基本分為三個步驟。首先是數(shù)字相機(jī)自身的除噪能力提高，這是相機(jī)生產(chǎn)廠家的工作，能夠在高感光度（ISO800-1600）下生成低噪數(shù)字影像越來越成為數(shù)字相機(jī)的一項重要技術(shù)性能。其次是在拍攝時，選擇影像傳感器面積大的相機(jī)，在一定的曝光時間范圍內(nèi)選擇低感光度拍攝，選擇高品質(zhì)文件存儲格式都可以有效降低暗部噪點(diǎn)。最后是在計算機(jī)后期圖形圖像軟件中進(jìn)行降噪操作，如采用Photoshop等軟件，按照色彩通道逐一柔化噪點(diǎn)等方法。

摩爾紋

數(shù)字影像是完全不同于銀鹽影像的一種對現(xiàn)實世界影像再現(xiàn)的系統(tǒng)，其影像再現(xiàn)的原理、方法、程序的不同，導(dǎo)致影像再現(xiàn)的效果有所不同。在數(shù)字影像的視覺再現(xiàn)中，出現(xiàn)了一些銀鹽影像中沒有的視覺現(xiàn)象。數(shù)字影像和銀鹽影像與現(xiàn)實景象都有不同程度的差異。

數(shù)字相機(jī)拍攝有密紋的紋理時，畫面中常常出現(xiàn)人眼視覺觀察景物時看不到的彩色水波樣條紋，這就是摩爾紋。摩爾紋會出現(xiàn)在密布欄桿、屋頂波浪板、布料以及其他物體有規(guī)律、密集排列的景物中。這種雜亂影像是銀鹽膠片系統(tǒng)不會產(chǎn)生的。其原因是影像傳感器CCD和CMOS上的成像單元像素是整齊地排列成一個平面，在記錄相同線條規(guī)則排列的平面時產(chǎn)生錯位。

Moiré 一詞出自法文，1570 年前后被用來描述安哥拉山地羊毛特殊的織布，也有引伸為規(guī)則紋路的意思。一直到 1823 年這個字被用來說明規(guī)則波紋的形容詞。今天我們使用“摩爾紋”一詞，就是“波浪紋”的意思。計算機(jī)屏幕或電視在顯示密集條紋時也會出現(xiàn)摩爾紋，甚至如果你將數(shù)碼相機(jī)對準(zhǔn)電視屏幕以非垂直的角度拍攝，你也會發(fā)現(xiàn)摩爾紋的存在。

摩爾紋是數(shù)字影像成像的缺陷，也表明數(shù)字影像技術(shù)處于發(fā)展階段，有很多不成熟的地方。目前數(shù)碼相機(jī)廠家對此從設(shè)計環(huán)節(jié)上進(jìn)行解決，通常會在影像傳感器前安裝低通濾波器，改變信號的頻率來去除條紋的產(chǎn)生，或者在鏡頭前加防鋸齒濾鏡，但會在一定程度上降低畫面銳度。已經(jīng)生成摩爾紋的影像可以通過軟件在電腦后期對其進(jìn)行消除。

紫邊

數(shù)碼相機(jī)成像的另一個缺陷，是在拍攝高反差的景物時，明暗交界的邊緣部分會出現(xiàn)異常的彩色暈邊，通常為紫紅色。這在銀鹽膠片成像上并不明顯。低端數(shù)碼相機(jī)成像的紫邊效果更為突出，這是因為影像傳感器面積小以及數(shù)碼相機(jī)內(nèi)部信號處理方法的缺陷所導(dǎo)致的。相機(jī)鏡頭的色散情況也是影響紫邊形成的一個因素。廣角鏡頭邊緣光線傾斜入射到CCD/CMOS上，破壞了傳感器要求光線垂直入射的條件，這都經(jīng)常會強(qiáng)化紫邊的效果。影像中紫邊的產(chǎn)生，是數(shù)碼相機(jī)結(jié)構(gòu)和工作原理所致。使用數(shù)字鏡頭，這是廠家專門為解決數(shù)字影像成像缺陷而設(shè)計的鏡頭，就可以有效地減少紫邊現(xiàn)象。另外，拍攝時采用RAW格式，然后在Photoshop或其他圖像軟件中進(jìn)行后期處理，也可以有效消除紫邊。

數(shù)字影像系統(tǒng)的發(fā)展歷史還較為短暫，但數(shù)字影像技術(shù)的進(jìn)步是以一種數(shù)字倍率的速度進(jìn)行著。二十一世紀(jì)初，當(dāng)數(shù)碼相機(jī)已經(jīng)在中國新聞媒體業(yè)普及的時候，攝影師考慮選擇數(shù)字影像文件的存儲格式、文件大小等問題的標(biāo)準(zhǔn)都與今天完全不同。例如RAW格式的使用只是在這兩三年來才被重視。數(shù)字影像技術(shù)能力在現(xiàn)階段還有很多問題甚至缺陷，噪點(diǎn)、摩爾紋和紫邊就是典型代表。噪點(diǎn)問題可以跟銀鹽影像中的顆粒問題相對應(yīng)，但是其產(chǎn)生原因和解決辦法卻大相徑庭。摩爾紋和紫邊完全是數(shù)字相機(jī)的成像缺陷，它們成為現(xiàn)階段人們對數(shù)字影像能力懷疑的重要因素。不過，如果我們對比銀鹽影像發(fā)展的同等歷史階段，在19世紀(jì)末，攝影誕生后的三、四十年，銀鹽影像成像能力也是非常有限的，完全不是二十世紀(jì)九十年代成熟期的影像視覺狀況。事實已經(jīng)證明，數(shù)字影像的缺陷隨著技術(shù)的飛速發(fā)展已經(jīng)得到了很大的解決。在現(xiàn)階段，解決影像缺陷的工作更多的是在改進(jìn)數(shù)字相機(jī)成像能力和影像處理軟件的工作能力上。

和銀鹽影像系統(tǒng)相比較，數(shù)字影像品質(zhì)的控制方式，是規(guī)范化前期拍攝技術(shù)，強(qiáng)化后期影像技術(shù)處理能力。數(shù)字影像在成像時的編碼特性，為后期電腦處理提供了基本的平臺。目前數(shù)字影像在生成時的各種問題，大多可以在計算機(jī)上進(jìn)行處理。也就是說，即便是數(shù)字技術(shù)發(fā)展不成熟的今天，數(shù)字影像后期處理的能力也已經(jīng)可以彌補(bǔ)其不足，例如專業(yè)的降噪軟件，多種手段的去紫邊的方法。因此數(shù)字影像的成像特征和現(xiàn)階段缺陷，都給我們一個明顯的提示，即數(shù)字影像具有巨大的后期處理空間。