图像到时间序列的转化过程
此文档讲述的是由图像转化为时间序列数据的过程，此过程包括时间序列图像的获取过程、图像预处理过程以及图像转化为时间序列的过程。首先，我们可以通过数码相机进行植物叶片或植物整体形状的采集，获得我们所需要的图像以后需要对图形进行预处理。其次，图像预处理的过程主要目的是为了提高图像的信噪比，减少图像处理的数据量，并对图形进行边缘检测。最后，将获取到的二值化图像转化为时间序列。
图形的预处理过程主要包括图像的灰度化、图像的二值化、图形的去噪处理、图形的边缘提取。图像转化为时间序列的过程，主要包括质心的求取以及时间序列转化的过程。下面对图形的预处理过程及转化为时间序列的过程做详细的说明，并应用Matlab软件通过leaf图像数据集做简要的实例分析。
1.  图像灰度化
通过采集模块得到的图形数据量非常大，即使一副320*240的RGB图片都有200K左右的大小，直接对其提取特征参数会影响程序运行速度，所以首先对以其进行灰度变化处理，将其
转化为256级灰度图像。在Matlab中使用rgb2gray( )函数将图像进行灰度化处理，这个函数的输入为RGB三维图形，输出为0到255的256级的灰度图像矩阵。另外，图像灰度化处理的函数可简为：Gray(x,y)=a*R(x,y)+b*G(x,y)+c*B(x,y)。其中，(x,y)为图像中的坐标点，函数为相应坐标点的值。
2.  图像的去噪处理
图像在采集过程中会受到各种因素的干扰，如光照变化、图像压缩等，这些噪声会使图像的质量下降，对图形的分割、特征提取、模式识别等工作带来更多不利。因此，在特征提取之前我们需要对图形进行去噪处理，可以用图像平滑滤波器进行处理。
传统的去噪方法有邻域平均法、中值滤波法、多图形平均法、高斯平滑滤波、空间域低通滤波和频率域低通滤波等，这里我们采用中值滤波法进行去噪处理。在Matlab中使用medfilt2( )函数对图像进行中值滤波去噪处理。该方法的输入为灰度化图像矩阵，输出为经过滤波处理的灰度化图像矩阵。
3.  图形二值化
一幅图像包括目标物体、背景和噪声，从多值的数字图像中只取出目标物体，最常用的方法就是设定某一阀值X，用X将图像的数据分成两大部分：大于X的像素和小于X的像素。很明显，这种二值化的方法的关键是X值的选取。在Matlab中使用im2bw( )函数进行图像二值化处理，这个函数包括im2bw(I,level)，im2bw(X,map,level)，im2bw(RGB,level)三种方法。我们主要使用im2bw(RGB,level)对图像进行二值化处理，level为[0,1]的比例。这个函数的输入为0到255的灰度图像矩阵，输出为0、1值的二值化矩阵。另外，二值化函数可简记为：当G(x,y)<X时，B(x,y)=1；当G(x,y)>=X时，B(x,y)=0。
4.  图像的边缘提取
流程图转换为ns图图像在进行去噪和二值化处理之后，还需要对图形内物体进行边缘提取和轮廓跟踪。这是因为图像的边缘特性是做时间序列分类所需要的基本特征。常用的边缘提取方法有Canny算子提取方法，Sobel算子提取方法，Roberts算子提取方法，Prewitt算子提取方法。在Matlab中使用edge( )函数进行边缘提取，该方法的输入为需要进行边缘检测的二值化图像矩阵和鉴于提取方法，输出为经过边缘提取的二值化图像矩阵。另外，我们也可以使用八邻域法对图形的边缘进行提取，在Matlab中的使用bwlabel( )函数对矩阵中的连通域进行标号。
5.  图像质心求取
图像的质心求取，即求取出形状的中心点位置。质心求取的目的是为了计算质心到边缘点的距离，从而用得到的距离作为时间序列的属性值。由上面的八领域法获取到的边缘标号矩阵，我们简单的把横坐标和纵坐标的均值作为该图像区域的质心。在Matlab中，利用坐标均值计算得到质心点并且进行了标注。
6.  图像转化为时间序列
由上述步骤得到图像的边缘和质心之后，首先设置要取得的采样点的个数nsamp。在采样之前，我们首先要确定好采样的起始点，以及采取下一个样本点的方向。确定好起始点与采样方向，然后在图像的边缘点上均匀地取nsamp个点，分别计算nsamp个样本点与质心之间的距离，作为时间序列的属性值。这样，每一幅图像都将被转化成一条维度为n的时间序列，并且将与之对应的类标进行标注。以此类推，最终得到转化为时间序列的训练集合测试集数据。
7.  实例分析
上述中的转化过程，我们是在Matlab2012b平台上实现的，并且使用leaf实例来说明上述图像转化为时间序列的过程。图1为图像转化为时间序列的流程图，图2为以leaf图像为实例进行处理得到的结果，其中图2-a为图像转化为时间序列的转化过程，图2-b为转化后的leaf时间序列。
为了实现流程图中的转化过程，在Matlab中运行了一个Main脚本和img_prepro、get_samples、dis2、get_series四个函数。其中，img_prepro函数实现了图像的预处理过程及质心点的获取，get_samples函数用于获取所需数量的样本点，dist2函数用于求两个相同矩阵的距离，get_series用于寻起始点及寻下一个点的方向，并最终计算得到质心点到样本点的距离形成序列。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。