基于LabVIEW的图像工程实验
【实验目的】
1. 理解图像工程中的基本概念和方法
2. 掌握基于LabVIEW的图像工程任务的实现方法
【预习重点】
1. 常用的图像增强技术 2. 常用的灰度图像分割技术
3. LabVIEW景象子模板（Vision）中相关节点的功能和使用方法
【参考书】
1. 图象处理和分析；章毓普 编著；清华大学出版社，1999年3月 第1版
2. 数字图像处理；何东健 等编著；西安电子科技大学出版社，2003年7月 第1版
3. 数字图像处理及模式识别；沈庭芝，方子文 编著；北京理工大学出版社，1998年6月 第1版 4. LabVIEW程序设计与应用；杨乐平 等编著；电子工业出版社，2001年7月第1版 5. 虚拟仪器技术概论；杨乐平 等编著；电子工业出版社，2003年3月第1版
6. 基于LabVIEW的虚拟仪器设计；刘君华 等编著；电子工业出版社，2003年1月第1版
【实验仪器】
工业用摄像头、图像采集卡（IMAQ1407/1409）、PC机、LabVIEW应用软件（LabVIEW 7 Express）和NI景象处理模块（NI Vision Development Module）
【实验原理】
一、图像工程概述
图像工程的内容非常丰富，根据抽象程度和研究方法等的不同可分为3个层次（见 图1 ）：图像处理、图像分析和图像理解。换句话说，图像工程是既有联系又有区别的图像处理、图像分析及图像理解三者的有机结合，另外还包括对他们的应用。
高 小
高层 符号 图像理解
抽操数 象语作中层 目标 据图像分析 程义对 量度象
低层 象素 图像处理
低 大
图1 图像工程三层次示意图
图像处理着重强调在图像之间进行的变换。虽然人们常用图像处理泛指各种图像技术，但比较狭义的图像处理主要满足对图像进行各种加工以改善图像的视觉效果并为自动识别打基础，或对图像进行压缩编码以减少所需存储空间或传输时间、传输通路的要求。
图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获得他们的客观信息从而建立对图像的描述。如果说图像处理是一个从图像到图像的过程，则图像分析是一个从图像到数据的过程。这里数据可以是对目标特征测量的结果，或是基于测量的符号表示。它们描述了图像种目标的特点和性质。
图像理解的重点是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行动。如果说图像分析主要是以观察者为中心研究客观世界（主要间就可观察到的事物），那么图像理解在一定程度上是以客观世
界为中心，借助知识、经验等来把握整个客观世界（包括没有直接观察到的事物）。本实验主要涉及图像处理和不想理解的部分内容。
（一）数字图像基础
用计算机进行图像处理的前提是图像必须以数字格式存储，我们把以数字格式存放的图像称之为数字图像。根据数字图像的特性可以将其分成不同的类型，静态图像可分为矢量（Vector）图和位图（Bitmap），位图也称为栅格图像。
矢量图是用一系列绘图指令来表示一幅图，如AutoCAD中的绘图语句。这种方法的本质是用数学（更准确的说是几何学）公式描述一幅图像，图像中每一个形状都是一个完整的公式。
位图是通过许多像素点表示一幅图像，每个像素具有颜色属性和位置属性。位图又可以分成线画稿（Line Art）、灰度图像（Gray Scale）、索引颜色图像（Index Color）和真彩色图像（True Color）。在灰度图像中，像素灰度级用8 bit表示，所以每个像素都是介于黑色和白色之间的256（28 =256）种灰度中的一种。灰度图像只有灰度颜色而没有彩色，从技术上来说就是具有从黑到白的256种灰度色域（Gamut）的单色图像。
我们日常生活中常见的各种照片、图片、海报、广告画等均属连续形式的模拟图像，所以数字图像处理的一个先决条件就是将连续图像进行采样和量化，转换为数字图像。如 图2 所示，就描述了一幅黑白照片经过采样和量化被转换为灰度图像的过程。 采样 量化
数字化
图2 数字图像的生成
即把图像划分为若干图像元素（像素）并给出他们的地址（采样）；度量每一像素的灰度，并把连续的度量结果量化为0~255之间的整数（量化）。这样，一幅照片就被转换成了一个2维数组，数组中某一特定位置的元素（（x，y））与图像中某一特定位置的图像元素相对应，数组中元素的值（f（x，y））代表了其所对应的那一特定位置图像元素的灰度。
（二）图像增强
图像的生成、传输或变换的过程中，由于多种因素的影响，总要造成图像的降质。图像增强技术作为一大类基本的图像处理技术，其目的是采用一系列技术去改善图像的效果或将图像转换成一种更适合于人或机器进行分析处理的形式。目前常用的增强技术根据其处理所进行的空间不同，可分为基于图像域的方法和基于变换域的方法2类。基于图像域的方法是指增强操作直接作用于像素的增强方法，可表示为：
g?x,y??EH?f?x,y??……（1）
其中f（x，y）和g（x，y）分别为增强前后的图像，而EH代表增强操作。如果EH是定义在每个（x，y）上的，则EH是点操作；如果EH是定义在（x，y）某个临域上，则EH常称为模板操作。
1. 灰度变换
基于点操作的增强方法也叫灰度变换，常见的几类方法为：直接灰度变换、直方图处理和图像间运算。
直接灰度变换是将f（x，y）中的每个像素按EH操作直接变换以得到g（x，y）的图像处理方法。图3 所示，为一幅图像经几种直接灰度变换处理的过程：
255 255 255 255
g?x,y?EH??g?x,y?EH??g?x,y?EH??g?x,y?
0 255 0 255 0 255 0 f?x,y?f?x,y?f?x,y? （a） （b） （c） 图3 利用直接灰度变换增强图像
EH??f?x,y?255 （d）
图3（a）中的EH操作是对图像求反，即将原图像的灰度值翻转。图3（b）中的EH操作是增强图像对比度，即通过增加原图里某两个灰度值间的动态范围来增强原图各部分的反差。图3（c）中的EH操作是动态范围压缩，即通过减小原图灰度值间的动态范围来减弱原图各部分的反差。图3（a）中的EH操作是灰度切分，即将某个灰度范围变得非常突出来突显该灰度范围内像素的分布信息。
直方图表示数字图像中每一灰度值出现频数的统计。如 图4 所示，它能给出该图像的概貌性的描述：整幅图像的灰度范围、每个灰度级的频数、整幅图像的亮度和平均对比度等。
直方图统计
图4 直方图统计
通过值方图处理，从新调整原图中各灰度值的分布位置，而实现增强整个图像对比度（直方图均衡化）或有选择地增强某个灰度值范围内对比度（直方图规定化）的目的。图5 所示，为一幅图像分别经直方图均衡化和直方图规定化处理的过程。
直方图均衡化 直方图规定化