王成营，　罗　辉

(中海工业(江苏)有限公司，江苏 扬州 062511)

水下机器人所摄图像的预处理

王成营，罗辉

(中海工业(江苏)有限公司，江苏 扬州 062511)

摘要:水下机器人在获取图像的过程中会受到多种因素的干扰，图像处理难度大。为提高水下图像的质量，改善图像视觉效果，必须首先解决各种干扰因素对视觉信息造成的干扰和影响。图像预处理旨在去除噪声，提高图像质量，以改善人们的视觉效果和图像质量，降低后续算法处理的难度。基于此，主要探讨使用分段线性灰度变换法进行图像处理，以达到预期效果。

关键词:水下；图像；机器人；图像处理；分段线性灰度变换法

0引言

水下机器人在海洋环境下进行目标侦察和识别时，主要靠声、光视觉融合技术获取图像信息，而这些信息在传输和接收过程中会受到各种因素的干扰，降低了水下图像的质量。为提高水下图像的质量，改善图像视觉效果，需深入研究影响水下图像的各种因素及其对图像质量的影响，并在此基础上采取必要的技术措施和补偿方法。在水下拍摄时，由于水的密度比空气大800倍，能见度极低，透明度只有空气的千分之一，因此光在水中传输时会产生强烈的吸收和散射效应[1-2]，使得图像的信号衰减很快。此处重点研究水中光的吸收和散射对水下图像产生的影响。

1水下图像的干扰因素

1.1水下光的吸收特性

水对光的吸收在不同的光谱区域是不同的，具有明显的选择性[3]，对光谱中的紫外和红外部分表现出强烈的吸收；在可见光谱区段，吸收最大的是红色、黄色和淡绿色光谱。纯净水和清澈的大洋水在光谱的蓝—绿区域透射比量大，在该区域，水的吸收足以使光的强度每米衰减约4%，其他颜色被吸收的更多。因此，水对光的吸收造成了部分光通量的损失[3]。为克服水下光线的衰减以顺利进行水下拍摄，在机器人上安装了水下照明灯一般情况下水下照明灯会对称地安装在机器人上视觉传感器的正前方，可自动调节亮度，使得背景与景物之间的灰度方差增大，有利于后期水下目标的识别和特征提取。

1.2水下光的散射特性

虽然水介质对光能量的吸收可以通过安装水下照明灯并增大照明光源功率来补偿，但是水介质对光的散射现象也会随着照明的增强而更趋严重，使得水下拍摄更加困难，图像质量更低。水中光散射是指光在水中传播时因受到介质微粒的作用而偏离原来的直线传播方向，包括纯水本身产生的散射和有悬浮粒子所引起的散射2种[4]。水粒子的散射会使图像的反差迅速衰减，产生严重的灰白效应，造成图像对比度下降；同时，水下图像会随着拍摄距离的增大而更加模糊，影响成像质量。光在水中传输，接收器接收的光信息主要由3部分组成：

(1) 从目标反射回并经由水介质吸收、散射损耗后的成像光束(信号光)；

(2) 光源与目标之间介质散射的后向散射光；

(3) 目标与接收器之间水介质散射到较小角度并直接影响目标细节分辨率的前向散射光。

图像的灰白效应主要是由后向散射导致的。

1.3机器人运动产生的干扰

水下机器人在运动的过程中，螺旋桨转动所激起的浪花、漩涡和气泡在很大程度上也是影响水下图像的成像质量的重要因素。另外，机器人在海水中运动时还常常引起海底泥沙翻滚，使得水中浮游颗粒增多，这也会造成图像中噪声增强，目标区域模糊不清(甚至难以辨识)，水下图像的对比度更低，存在明显的灰白效应[5]。

1.4其他干扰因素

由CCD(摄像头)获得的图像经过A/D转换、线路传送都会产生噪声污染等。

2图像增强

以上这些因素都不可避免地会影响系统图像的清晰度，降低图像质量。轻者表现为图像不干净，难以看清细节；重者表现为图像模糊不清，甚至概貌也看不出来。因此，在对图像进行分析之前，必须对图像质量进行改善。

图像增强的目的是设法改善图像的视觉效果，提高图像的可读性，将图像中人们可能感兴趣的特征有选择地突出，便于人和计算机分析与处理。图像增强不考虑图像质量下降的原因，只将图像中感兴趣的特征有选择地突出衰减不需要的特征；在图像增强和像质改善过程中，总是以对某一部分信息的强调和对另一部分信息的损失为代价。因此，图像增强算法的应用是有针对性的，并不存在通用的增强算法。图像增强包括原始图像对比度的增强、灰度校正、边缘特征的加强、噪声过滤、畸变校正、伪彩色处理等。以下主要介绍灰度校正边缘特征的加强。

2.1直方图分布均衡化

图像的直方图[6]包含了丰富的图像信息，描述了图像的灰度级内容，反映了图像的灰度分布情况，是图像处理中一种十分重要的图像分析工具，主要用在图像分割、图像灰度变换等处理过程中。从数学上来说，它统计一幅图像中各个灰度级出现的次数或概率；从图形上来说，它是一个二维图，横坐标表示图像中各个像素点的灰度级，纵坐标表示各个灰度级上图像像素点出现的个数或概率。

直方图的应用范围十分广泛，可以通过直方图的显示来判断一幅图像是否合理利用了全部允许使用的灰度级范围，通过直方图了解图像的灰度分布，通过对图像灰度密度修改，有选择地突出所需要的图像特征，以满足人们的要求。图1(a)为待处理的原32位灰度图像(此图像由水下拍摄)，红、绿、蓝颜色分量全相等，图1(b)为该原图像3个分量的直方图分布。

直方图分布均衡化的基本思想是对图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减，从而达到清晰图像的目的。通过点运算使输入图像转换为在每个灰度级上都有相同数目的像素点，即输出图像的直方图是平的。从理论上说，直方图均衡化就是通过变换函数将原图的直方图调整为平坦的直方图，然后用此均衡直方图校正图像。而实际上直方图均衡化修正后的图像直方图并不是十分均衡的，这是因为在操作过程中原直方图上频数较小的某些灰度级数要并入一个或几个灰度级中，这可由图2证明。

均衡化以后，图像直方图趋于平坦化，且灰度间隔被拉大，从而有利于图像的分析和识别。但同时也增强了噪声，提高了整体亮度。分布均衡化以后的图像见图2(a)，此时直方图分布见图2(b)。

(a) 待处理原图像

(b) 原图像直方图分布

(a) 分布均衡化后的图像

(b) 分布均衡化后直方图分布

比较图2(b)与图1(b)可知，原直方图有2个明显的波峰和1个波谷，而均衡化后的直方图就比较均衡，但不是十分均衡。这并没有使图像质量得到提高，相反，整体亮度虽然提高了，但是图像还没有原图像清晰，目标物体与背景之间的灰度差距不但没有拉开，反而缩小了。这是因为目标物体与背景的灰度并不是集中于波峰的，采用直方图分布均衡化并未发挥其应有的效果，说明水下拍摄的这些图像并不适合进行直方图分布均衡化处理，故不采用。

2.2线性灰度变换

灰度变换主要针对独立的像素点进行处理，通过改变原始图像数据占据的灰度范围而使图像在视觉上得到良好的改观，没有利用像素点之间的相互空间关系。

若g(x,y)=T[f(x,y)]是一个线性或分段线性的单值函数，例如，

(1)

则由其确定的灰度变换称为灰度线性变换，简称线性变换。

分段线性变换[7]是将图像灰度区间分成多段，分别作线性变换。图3是分3段作线性变换的示意图，其优点是可以根据用户的需要拉伸特征物体的灰度细节，相对抑制不感兴趣的灰度级。图3中的(0,x1)，(x1,x2)，(x2,255)变换区间边界能通过键盘随时做交换式输入，因此，分段线性变换是非常灵活的。

(2)

式(2)中：(x1,y1)和(x2,y2)为2个转折点坐标，x1

该变换函数的运算结果是将原图在x1和x2之间的灰度拉伸到y1和y2之间。通过有选择地拉伸某段

图3　分段线性变换

灰度区间，能够更加灵活地控制图像灰度直方图的分布，以改善输出图像质量。如果一幅图像灰度集中在较暗的区域而导致图像偏暗，可以用灰度拉伸功能拉伸(斜率>1)物体灰度区间来改善图像质量；同样，如果图像灰度集中在较亮的区域而导致图像偏亮，也可以用灰度拉伸功能压缩(斜率<1)物体灰度区间来改善图像质量。

由于目标物体的灰度并不是集中在波峰的，故由原图像直方图分布并不能清楚地知道目标物体的像素值范围。在此运用编程来获得目标物体像素值的大致范围，由此得知目标物体的灰度像素值在85～200均有分布，故将该区间的像素值拉伸。此时，设定x1=85，y1=50，x2=200，y2=230。分段线性变换法界面见图4，得到的图像见图5(a)，图5(b)显示了此时的直方图分布。

图4　分段线性变换法界面

(a) 分段线性变换后的图像

(b) 分段线性变换后直方图分布

由图5(a)可见，目标物体与背景之间的灰度差距拉大了，背景变得更黑，目标物体与背景之间的过渡处比原图像清晰，故这样的分段线性变换能够提高图像质量，采用之。

3结语

在程序中的预处理部分，首先分析了图像的噪声特性，并针对性地提出了一些提高图像质量的简单算法。在图像增强环节中，采用了分段线性灰度变换法，使得目标物体与背景之间的灰度差距拉大，背景变得更黑，目标物体与背景之间的过渡处变得清晰。

参考文献：

[1]陈荣盛，袁小海，胡震，等.水下机器人作业目标控制和目标识别[J].船舶力学，1998，2(1):62-68.

[2]Jaffe J S.Computer Modeling and the Optimal Underwater Image System[J].IEEE J. of Ocean Eng.1990，15(2).

[3]孙传东，陈良益，高立民，等.水的光学特性及其对水下成像的影响[J].应用光学，2004，21(4)：39-40.

[4]Wettergreen D, Zelinsky A, Gaskett C. Development of a Visually-Guided Autonomous Underwater Vehicle[J]. Oceans-Conference, 1998，2：1200-1204.

[5]Dudek D. A Visually Guided Swimming Robot[C]. IEEE/RSJ International Conference on Intelligent Robots and Systems, 2005.

[6]李在铭.数字图像处理、压缩与识别技术[M].成都：电子科技大学出版社，2000.

[7]龚声蓉，刘纯平，王强.数字图像处理与分析[M].北京：清华大学出版社，2006.

收稿日期：2014-11-24

作者简介：王成营(1983—)，男，河北沧州人，助理工程师，主要从事船舶设计建造技术研究。

文章编号：1674-5949(2015)01-078-05

中图分类号：TP391.41

文献标志码：A

Preprocessing of the Images Pictured by Underwater Robot

WangChengying，LuoHui

(China Shipping Industry (Jiangsu) Co., Ltd, Yangzhou 225211, China)

Abstract:Due to the poor underwater imaging conditions and interference factors, the image processing is difficult. Preprocessing is necessary to improve the image quality the through reducing the interference and noises. The piecewise linear gray level transformation method is introduced for image preprocessing in order to achieve the desired effect.

Key words:underwater; images; robot; image processing; piecewise linear gray level transformation method