魏艳艳（陕西交通职业技术学院信息工程系，710018）



图像处理中几个关键算法的分析

魏艳艳
（陕西交通职业技术学院信息工程系，710018）

摘要：伴随科技的发展，图像处理技术也得到了快速的发展。在科技的快速发展下，传统基于频率域和图像处理方式的不足逐渐凸显出来。为此，文章对图像处理中的图像去噪、图像增强、边缘检测、边缘细化、图像缩放等关键算法进行分析。

关键词：图像处理；关键算法；分析

数字图像处理技术起源于 20 世纪 20 年代，采用的是数字压缩技术，在上个世纪七十年代，数字图像处理技术形成了完善的学科体系，发展成为一门独立的学科。现阶段，数字图像处理的应用范围变得越来越广泛，开始渗透在多个领域，包括生物医学、工业、航空、通信等领域。但是，现阶段图像处理技术的算法复杂度较高，涉及到了很多种算法和理论方法，比如神经网络理论、线性理论、尺度奇异值变换法等。这些技术的试验效果虽然良好，但是其运算速度较慢，在具体的应用中存在或多或少的不足。为此，文章对图像处理中的关键u技术进行分析和研究，旨在不断完善和简化各种技术，实现图像处理技术的更好发展。

1 基于人眼视觉特性的阈值计算方法

现阶段有关学者对基于人眼视觉特性的阈值计算方法 的研究大多是矛盾的，很多学者的研究都表明人眼对灰度值的分辨能力在黑色领域要比在白色领域具有更好的效果。根据人眼的视觉特性，在视觉分辨率较高的地区，阈值应该变得小一些，而在视觉分辨率低的区域，阈值应该大一些。从图一中可以看出，最低一行的灰度值是0，倒数第二行的灰度值是1，之后是2、3......，最后一行的灰度值达到了255，在这种情况下能够发现在黑色区域的灰度值达到了30、白色区域的灰度值达到200的时候，人的肉眼还是无法区分出图像的差别。因此可以总结出，分辨力从低到高的排序是白色、黑色、灰色。在灰度值在48到206的期间内，人肉眼对灰度值的敏感性不会随着灰度值的变化发生变化。另外还可以发现人眼的视觉特性在某些灰度值附近具有跳跃性，因此应该采用抛物线的形式来计算阈值。具体表现为分别在［0 、48］、（48，206）和［206，255］中分别定义一个抛物线方程g（x ）=ax + bx + c，在区域［0， 48］中，当x=0的时候，方程取值是30，当x=-48的时候，方程的取值是8.由此可以计算出a=-0.009549， b=0， c=30；在区域（48，206）中，当x=127时，方程取值是12 ，当x=48的时候，方程的取值是8.可计算出： a=-0.000641，b=0.162794， c=1.662554。检测阈值threshold用式（1）计算。

图一:示例图像

2 具有去噪功能的图像增强算法

图像在传输的过程中受传播介质的影响，会受到内外部环境的干扰，进而产生各种噪声，降低了图像的总体质量，为图像接下来的图像处理带来不便，为此需要对图像噪音进行处理。传统的去噪算法在去除噪音的同时也去除了边缘和角点等细节信息，导致图像变得模糊。具有去噪功能的图像增强算法具有很强的抑制噪声的 功能，能够对图像的细节信息进行保留。具有去噪功能的图像增强算法基于LIP 模型而发展，并对人肉眼的基本视觉特征进行了应用，利用待检测点周围3 × 3邻域像素灰度值的平均值来作为算法的基本参数，提升 图像清晰度，去除噪音。

2.1 基于 LIP 模型的图像增强算法的实现

通过对灰度函数进行归一补变换来简化算法，灰度函数归一补变换定义如（2）所示

f=1-（ f / M）（2）

灰度函数 f 在［0 ， M ）区间， M=256，简化之后的算法可以表现为如（3）所示

log（ f '（i ， j ））=α log（ a（i ， j ））+ β［log（f（i，j）-log（a（i ，j））］（3）

然后将_f '（i，j）当作f代入式（4-1），并求式（4-1）的逆运算 f（1 f）M=-得到 f（i，j），

2.2 基于LIP模型的图像增强算法去噪音方面的性能

噪音可以被认为是妨碍人们感觉器官所将诶手的信息理解的因素，比如一幅灰度图像，其亮度分布假定为 f（x，y），那么对其起干扰作用的亮度分布 R（x，y）便称为图像噪声。图像噪声是很难被区分和预测的，为此被人们认为是一种随机的行为和过程，取出噪音常用的方法是数字特征、均值方差和相关函数方法。现对Lena原图像用高斯（Gauss）滤波法、均值（3 邻域）滤波法、中值滤波法和文中方法进行滤波实验，根据实验分析最终发现中值滤波法因为图像中的细节过多，导致这部分边缘最粗糙，其次是因为等待检测的点所对象的全值较大，因此高斯滤波方法这部分边缘也比较粗糙。

3 改进的边缘检测算法

3.1改进的Robert 边缘检测算法。Roberts边缘检测算子利用 任意一对相互垂直方向上的差分可以看成求梯度的近似方法原理，并利用对角线方向相邻两像素之差代替梯度，计算梯度如（4）所示。Robert边缘检测算子采用对角线方向相邻两像素之差进行梯度幅值检测，最终的检测效果、水平和高度很高，但对噪音较为敏感。

文章在对传统边缘检测算法分析的同时，在像素8邻域内通过计算水平0度方向，垂直90度方向，135度 方向，45度 方向一阶偏导数有限差分，之后确定出像素梯度副值的方法，提升了方向的权值。这种算法达到了抑制边缘定位噪声的效果，具有良好的去除噪声效果。

3.2 改进的 Prewitt 边缘检测算法。Prewitt 边缘检测算法是一种类似 Sobel 边缘检测算法的边缘模板算法，能够对图像进行八个方向的检测。Prewitt 边缘检测算子它对噪声具有平滑作用。 针对 Prewitt 边缘检测算法的缺点，重写整合的模板。改进的模板具有以下几个新增的功效：在检测边缘时，可以获得与原 Prewitt 模板相同的梯度值；比原 Prewitt 模板具有更强的平滑噪声能力；能够自动计算阈值、实现边缘细化 。

4 结束语

伴随图像应用领域的拓宽，图像处理技术得到了快速的发展，并在发展的同时逐渐成为图像理解和计算机视觉领域中一项重要而有用的技术，能够提高传统图像处理算法的效果和运算速度。为此，需要有关人员不断加强对图像处理中几个关键算法的研究和分析。

参考文献

［1］康牧. 图像处理中几个关键算法的研究［D］.西安电子科技大学，2009.

［2］韩芳芳. 表面缺陷视觉在线检测关键技术研究［D］.天津大学，2012.

［3］丁南南. 基于特征点的图像配准技术研究［D］.中国科学院研究生院（长春光学精密机械与物理研究所），2012.

Analysis of several key algorithms in image processing

Wei Yanyan
（Shaanxi College of Communication Technology Information Technology Department，710018）

Abstract：With the development of science and technology，image processing technology has been rapid development.Under the rapid development of science and technology，the shortcomings of traditional frequency domain and image processing methods have gradually emerged.To this end，the paper analyzes the image denoising，image enhancement，edge detection，edge thinning，image scaling and other key algorithms for image processing in image processing.

Keywords：image processing；key algorithm；analysis