APP下载

图像预处理讨论研究

2018-06-05季祥刘哲高超王浩鑫武凯璇

神州·下旬刊 2018年4期
关键词:图像增强灰度预处理

季祥 刘哲 高超 王浩鑫 武凯璇

一、图像预处理

什么是图像预处理?其实就是对图像进行加工,通过一些处理方法使得在识别过程中能对数字进行更好地识别,因此,图像的预处理在图像识别的过程中发挥着举足轻重的作用。

二、图像的灰度化

我们都知道256色的位图调色板的结构很难理解,而且很少有图像处理的方法能对其进行应用,所以我们就必须对其进行灰度处理。其实灰度图像相较于彩色图像而言,前者的每一个像素的R、G、B量的值是一样的,而后者的R、G、B的值是不一样的,因此才会有红黄蓝等色彩的出现;我们处理后灰度图像就没有这些颜色的变化,有的只是亮度上的变化,我们定义了一个灰度值,高的就比较亮,低的就相对比较暗。比如灰度值最大的255,他就显示为最亮,相反灰度值如果为0,那么它就会呈现出黑色。有很多算法能对图像进行灰度化,比较好的一种算法就是给像素的RGB附上一个权数,接着我们对其求和;当然我们还需要对256色的调色板进行简单的修改,采用公式将它转化一下:

f(x, y)=0.3×R(x, y)+0.59×G(x, y)+0.11×B(x, y)(1.1)

式中的函数是将RGB三基色体系转为孟塞尔颜色体系,在孟塞尔颜色体系中,它的颜色空间比较均匀,非常符合人们对颜色的感觉。

三、图像的二值化

我们在对图像进行灰度化之后,目标图像的像素就有了特定的灰度值,我们都知道,灰度值的大小就决定了图像的亮暗程度,但是,我们还需要对图像进行进一步地处理,可以根据图像的亮度或者灰度值的大小将图像的颜色划分成两类,这就是所谓的图像二值化。常见的二值化算法有自适应阈值和给定阈值法。

(1)阈值法

假设图像函数为f(x, y),而灰度值的区间为[Z1, Z2],在Z1和Z2的区间中选出一个合适的灰度值m,m∈[z1, z2]

(1.2)

我们在采用阈值进行二值化的时候,最重要的就是要选取合适的阈值,因为合适的阈值能够输出精度高的结果,如果阈值选取过低,那么出现物体的点就会被看作是物体,这样就会混入噪声,相反如果过高的话,就会被认为是背景。

在我的论文中采用的是自适应阈值法,我们通过迭代式阈值的选择,选出合适的阈值,再对目标图像进行二值化处理,所呈现出的结果为物体黑色,背景为白色。

(2)迭代式阈值选择

1)预定估算值M作为初始阈值,比如:图像的灰度均值;

2)利用选取的阈值M可以将图像划分成两种类型,p1和p2;

3)通过计算,求出p1和p2的均值N1和N2;

4)重新选择阈值M,M=(N1+N2)/2;

5)一直重复步骤2.4,一直等到N1,N2趋于稳定为止。

四、图像增强

图像增强是增强一些对于我们有用的信息,去除掉一些对我们识别信息有干扰的信息,使得图像的效果越来越好,对于人或者对于计算机识别、处理、分析更加有利,可以采取一些技术突出图像的某些特征,如改变图像的对比度、对噪声的去除以及加强对边缘检测的处理等。

图像平滑是一种很好地消除噪声的办法,有时候噪声是看不见摸不着的,并不是只能看见波形失真或者说变形才算是有噪声,有些噪声是需要计算机进行处理的时候才会显现出来。那么常有的噪声主要有乘性、加性噪声以及量化噪声,这些噪声经常跟图像信号混杂在一块,作为输入信号传到计算机中,尤其是乘性噪声,假如平滑不合理,就会使得图像的边缘变得模糊不清,所以就需要我们处理好平滑噪声和保留图像细节之间的关系,这也是我们研究图像平滑的迫切任务。

我们知道,图像能量有高、低频的区分,在低频部分是图像信号的有用部分,而噪声经常处在图像的高频段,而其边缘信息也处在图像的高频段中。所以我们在去除噪声的时候也有可能将图像的边缘信息一起滤出掉,所以就需要寻求一个好的办法,既能去除噪声,又能保留图像的边缘信息。图像平滑是一种采用低通濾波器滤除噪声的方法,它分为两大类:空域法和频域法。下面我们讨论一下空域法,在进行图像平滑的时候,我们通常会运用均值滤波的方法,为了简化工作,我们可以定义一个数组,它是一个n*n的模板数组,在用窗口对图像进行扫描的时候,我们不对图像四个边缘进行处理,也能将其灰度值设置为0,把图像的边缘进行扩展,因为灰度值为0,呈现出的颜色为黑色,不影响图片的信息。由此可见,采用简单的低通滤波器是有效的图像平滑的方法。

五、图像的锐化

在前期的图像预处理中,有可能图像会变得模糊不清,使得识别的结果受到严重的影响,所以我们需要采取图像的锐化,提高图像的清晰程度。我们在对图像进行处理的时候,时常会对其求平均或者是进行积分运算,这样的话图像的高频分量就会被衰减,对此,我们可以对图像进行高通滤波,但是噪声也处在高频段,在对图像进行锐化以后,图像的清晰度增强了,可是噪声也随着增强了。所以,在进行图像锐化的时候,我们要先去除噪声在对图像进行锐化处理。我们可以仿造前面图像增强的方法,采用高通滤波器来实现,只是我们选取的卷积模板不一样,通常有:

(拉普拉斯模板) 等

除了使用高通滤波器法外,对于图像的锐化,还有一种比较实用的方法:微分法。在论文里面,我也采用了微分锐化法即Roberts梯度算子,但这种算法能够去除噪声,也会对图像的边缘有所损伤。

假设原始图像上的点f(x, y),我们定义f(x, y)在f(x, y)处的梯度矢量为:

G[f(i, j)]=| f(i, j)-f(i+1, j)|+| f(i, j)-f(i, j+1)|(1.3)

我们设定一个阈值Δ进行判定,定义g(x, y)为变化后图像的函数:

(1.4)

作者简介:季祥、刘哲、高超:空军工程大学无线电通信专业;王浩鑫:空军工程大学通信工程专业;武凯璇:导航工程专业。

猜你喜欢

图像增强灰度预处理
菌剂预处理秸秆与牛粪混合对厌氧发酵产气的影响
手术器械预处理在手术室的应用
天津港智慧工作平台灰度发布系统和流程设计
华为“灰度”哲学
Arduino小车巡线程序的灰度阈值优化方案
基于非下采样剪切波变换与引导滤波结合的遥感图像增强
基于双树四元数小波变换的图像降噪增强
液化天然气技术及其应用探析
浅谈C语言中预处理
图像增强技术研究