¿Cuál es el papel del filtrado de imágenes y cuál es la importancia de la investigación?
Filtrado de imágenes
La imagen recién obtenida tiene mucho ruido. Esto se debe principalmente al trabajo y al entorno diarios. La mejora de la imagen tiene como objetivo reducir el ruido y mejorar el contraste. No es fácil conseguir una imagen relativamente limpia y clara. El procesamiento de imágenes para este objetivo implica diseñar un filtro adecuado y un umbral adecuado. Los más utilizados incluyen el filtrado gaussiano, el filtrado medio, el filtrado de mediana, el filtrado de error cuadrático medio mínimo y el filtrado de Gabor.
Dado que la transformada de Fourier de la función gaussiana sigue siendo una función gaussiana, la función gaussiana puede formar un filtro de paso bajo con un rendimiento suave en el dominio de la frecuencia. El filtrado gaussiano se puede implementar haciendo productos en el dominio de la frecuencia. El filtrado medio realiza un promedio local de la señal y utiliza el valor promedio para representar el valor de gris del píxel. El filtro de cuadro de promedio realiza un suavizado independiente en cada componente de este vector bidimensional. Mediante cálculo y conversión, se obtiene un mapa vectorial unitario. Esta imagen vectorial de 512 × 512 se divide en un área pequeña de 8 × 8, y luego, en cada área pequeña, se cuentan las direcciones principales en esta área, es decir, se cuenta el número de direcciones de puntos en el área y la dirección con el número más grande es la dirección principal del área. Entonces obtuvimos una nueva imagen vectorial de 64 × 64. Esta nueva imagen vectorial también se puede suavizar aún más utilizando una plantilla de 3×3.
El filtrado mediano es un método de filtrado no lineal de uso común y la tecnología de preprocesamiento más utilizada en la tecnología de procesamiento de imágenes. Es muy eficaz para suavizar el ruido impulsivo y, al mismo tiempo, protege los bordes nítidos de la imagen. El filtrado mediano ponderado puede mejorar el efecto de preservación de la señal de borde del filtrado mediano. Sin embargo, al filtrar imágenes de huellas dactilares con una fuerte direccionalidad, es necesario introducir información direccional, es decir, utilizar el mapa direccional de huellas dactilares para guiar el filtrado medio.
El filtro de error cuadrático medio mínimo, también conocido como filtro de Wiener, está diseñado para minimizar el error cuadrático medio entre la señal de entrada multiplicada por la respuesta y la salida esperada.
La transformada de Gabor fue propuesta por el físico británico Gabor. Según el "principio de incertidumbre", tiene la ventana de tiempo-frecuencia más pequeña, es decir, la función de Gabor puede tener la localización de tiempo-frecuencia más precisa. Además, la función de Gabor es bastante consistente con el campo visual receptivo de los mamíferos, lo cual es muy útil para estudiar la detección de características de imágenes o el filtrado de frecuencia espacial. Con una selección adecuada de sus parámetros, la transformada de Gabor puede realizar una excelente segmentación, reconocimiento y comprensión de imágenes. Por ejemplo, el algoritmo de mejora basado en el filtro Gabor propuesto en la literatura.