淺談數字圖像處理技術的基本原理

摘要:原始資料因為時間原因變得模糊不清，人眼無法識別相關內容，把這些原始資料變為數字圖象輸入計算機，運用數字圖象處理技術對這些數字圖像進行去除噪聲、增強、復原、分割等處理，將其還原達到人眼可以看清的效果，可以保存資料和進行歷史研究。

關鍵詞:識別;圖象處理;去噪;增強;復原;分割

A Survey of the Basic Principles in Digital Image Processing Technology

PAN Zhen-gan1，2， GONG Sheng-rong1

(1.School of Computer Scinence Technology， Soochow University， Suzhou 215006， China; 2.Certer of Network， Suzhou University of Scinence Technology， Suzhou 215009， China)

Abstract: If the corresponding contents of blurry source materials are difficult for naked eye to identify， it is feasible to preserve the materials and carry out history research by inputting the digital images of source materials into a computer， disposing the images with the technology of noise removal， enhancement， restoration， segmentation and reverting them to the effect of visibility.

Key words: identify; image processing; noise removal; enhancement; restoration; segmentation

一些歷史檔案和資料具有很高的研究價值，對于研究該地區當時的經濟和文化背景有很大的作用，但是因為年代久遠，其紙質或布質的材質因為時間原因，使得寫在上面的圖案和文字資料都模糊不清，有些肉眼已經很難分辨出具體內容，對于歷史和研究都是很大的損失，用數碼相機將這些紙質或布質材質的資料拍攝下來輸入計算機，將原始的資料變為數字圖象，再用數字圖象處理的方法將其處理還原，以達到人眼可以看清內容，進行研究的效果。

用計算機進行圖像處理的前提是圖像必須以數字格式存儲到計算機中，以數字格式存放的圖像稱為數字圖像(digital image)。數字圖像處理(digital image processing)，就是利用計算機對數字圖像進行去除噪聲、增強、復原、分割、特征提取等理論、方法和技術，將原始資料清晰化，改善圖象的質量，使人的肉眼可以看清這些圖象，從而得以保存和研究的目的。由于圖像處理是利用計算機硬件和軟件實現的，因此也被稱為計算機圖像處理(computer image processing)。

數字圖象處理一般有兩種基本的方法:一種方法是在圖象的空間域中處理，即在圖象空間中對圖象本身直接進行各種處理優化，達到改善圖象質量的目的;另一種方法是把空間圖象進行某些轉化，從空間域轉到頻率域中，再在頻率域中進行各種處理，然后再變回到圖象的空間域，形成處理后的圖象，從而達到改善圖象質量的目的。

1 去除噪聲

原始實體資料變為數字圖象在計算機中進行處理的時候，可能會產生各種各樣的噪聲，這些噪聲可能是在進行數字轉換過程中，因為輸入設備的原因產生，也可能在對數字圖象的處理中產生，噪聲不一定是真實的聲音，可以理解為影響人的視覺器官或系統傳感器對所接收圖象源信息進行理解或分析的各種因素。不同原因產生的噪聲，其分布特性也不完全相同，根據噪聲和信號的關系可將其分為兩種形式:1)加性噪聲，此類噪聲與輸入圖象信號無關，含噪圖象表示為f(x，y)=g(x，y)+n(x，y);2)乘性噪聲，此類噪聲與圖象信號有關，含噪圖象表示為f(x，y)=g(x，y)+n(x，y)g(x，y)。噪聲對圖象處理十分重要，如果圖象伴有較大噪聲，它會直接影響到圖象處理的輸入、采集、處理的各個環節以及輸出的全過程甚至輸出結果，因此，在進行數字圖象處理的時候，首先需要對目標圖象進行去除噪聲的工作。

1.1 均值濾波器

采用鄰域平均法的均值濾波器適用于去除通過掃描得到的圖象中的顆粒噪聲。鄰域平均法是空間域平滑技術。對于給定的圖象f(x，y)中的每個像點(x，y)，取其鄰域Sxy，設Sxy含有M個像素，取其平均值作為處理后所得圖像像點(x，y)處的灰度。

1.2 自適應維納濾波器

它能根據圖象的局部方差來調整濾波器的輸出，局部方差越大，濾波器的平滑作用越強。它的最終目標是使恢復圖像f^(x，y)與原始圖像f(x，y)的均方誤差e2=E[(f(x，y)- f^(x，y))2]最小。

1.3 中值濾波器

基本原理是把數字圖像或數字序列中一點的值用該點的一個領域中各點值的中值代換。其主要功能是讓周圍象素灰度值的差比較大的像素改取與周圍的像素值接近的值，從而可以消除孤立的噪聲點，對于濾除圖像的椒鹽噪聲非常有效。

1.4 小波去噪

小波變化具有高斯分布的特性，根據信號小波分界的特點，對信號的小波系數設置一個閾值，大于這個閾值的小波系數由信號變換得來，同時含有信號和噪聲的變換結果，而小于這個閾值的小波系數則完全由噪聲變換而來，應該去掉這些系數。這樣就可以達到降低噪聲的目的。同時由于這種方法保留了大部分包含信號的小波系數，因此可以較好地保持圖象細節。利用小波分析的理論可以構造一種既能夠降低圖象噪聲，又能保持圖象細節信息的方法。

2 圖象增強

很多歷史資料由于材質和時間的原因，整幅圖片色澤偏暗，亮度范圍不足或非線性等因素造成對比度不足，影響觀看效果，結合人眼對灰度的感覺，如果相鄰兩個物體目標灰度相差比較小，超過人眼對灰度差的感知能力，人眼就無法區分這不同的兩個物體，從而導致無法看清楚圖片，這就需要對圖片做出一些處理，使圖片的灰度差和整體色澤有所改善，以達到人眼觀看的效果。圖象處理的原始目的就是改善圖象，使看不清的目標能夠看得清楚，因此，對數字圖象識別分析的全過程，都要求圖象得到改善以適應人的肉眼，為了達到這個目的，除了首先需要去除噪聲之外，還需要分辨灰度細節，解決灰度的擴展和圖象鮮明化問題。

圖象改善最常用的方法是圖象增強，圖象增強要改善圖象的視覺效果，把圖象處理成為適用于計算機分析或控制的某種形式，圖像增強按特定的需要突出一幅圖像的某些信息，同時，削弱或除去某些不需要的信息的處理方法，以達到改善圖象的目的。圖象增強并不能完全滿足原始圖象的一些視覺特性，為了達到圖象增強的效果，圖象往往會發生變化，產生畸變，但是對人的肉眼的感覺而言，畸變后的圖象反而比原始圖象更加清晰，觀感也更舒服，因此，圖象增強不顧及原始圖象是否發生了畸變，只以符合肉眼觀感和找出特征為條件，圖象增強內容包括:去除圖象噪聲，抽取圖象中某些目標輪廓，圖象的勾邊處理，提取圖象中的特征等技術，通過直方圖均衡化技術來實現圖像增強，首先就是對原圖像通過離散函數進行直方圖處理。得到原圖像的直方圖后，根據均衡化的變換函數通過計算得到所需要的增強效果的圖像的直方圖，分析圖像增強的點處理、空間域濾波、頻域濾波、代數運算。用直方圖均衡化的算法增強灰度圖像，達到了圖象增強的目的。

3 圖象復原

有些圖象因為質量變壞，導致圖象模糊不清，或圖象有干擾等現象，這種情況叫做圖象退化，根據圖象退化的原因建立一個退化模型，以該模型為基礎依據，運動各種反退化處理方法，使復原后的圖象符合某些要求和條件，圖象的質量得到改善，這樣的方法叫做圖象復原。圖象復原和圖象增強的目的相似，都是為了改善圖象的視覺效果，令其符合人肉眼的視覺要求，但二者并不等同，圖象增強不用考慮圖象畸變或退化的原因，更多的依據主觀判斷利用各種技術進行處理，達到增強圖象的視覺效果，滿足人視覺系統的要求，不用考慮增強后的圖象是否失真，只要滿足肉眼觀感就可以，而圖象復原是根據圖象產生畸變或退化的原因，建立相應的數學模型，從畸變或退化的圖像信號中提取所需的相關信息，并找出一種相應的逆過程處理方法，從而恢復圖象的本來面貌。圖像復員的過程實際是設計一個濾波器，從已經退化的圖像中計算得到真實圖像的估計值，并國際預先規定的誤差準則，使其最大程度的接近物體的原始真實圖像

圖象復原是根據退化原因，建立相應的數學模型，從被污染或畸變的圖象信號中提取所需要的信息，沿著使圖象降質的逆過程恢復圖象本來面貌。實際的復原過程是設計一個濾波器，使其能從降質圖象g(x，y)中計算得到真實圖象的估值f(x，y)，使其根據預先規定的誤差準則，最大程度地接近真實圖象f(x，y)。

象平面所得圖像為H[f(x，y)]，加性噪聲n(x，y)，實際所得的退化圖象g(x，y)模型函數是g(x，y)=H[f(x，y)]+n(x，y)，其中H[·]是綜合所有退化因素的函數。

4 圖象分割

圖像作為一個整體，有豐富的內容和色彩，我們所需要的目標和背景與整幅圖像融為一體，不利于進行圖像處理，因此，先將圖象劃分成若干個與物體目標相對應的區域，根據目標和背景的先驗知識，對圖象中的目標與背景進行標識、定位，將目標從背景或其他偽目標中分離出來，這種方法稱為圖象分割。

圖象分割而成的區域所包含的信息包括了分區分割和對各分區的描述，利用這些區域中所包含的部分特征，例如灰度差別、局部紋理差別、彩色差別、局部統計特征或局部區域的頻譜特征的差別等，可以用來區分整幅圖象中不同的目標物體，這些區域稱為感興趣區。因為我們是利用現有圖象信息中的部分特征去進行區域分割，所以這樣的分割方法并不具有通用性。

理論上來說，圖象分割有兩個原理，一是在圖象中，找出有代表性的物體的邊緣，利用邊緣信息把整幅圖象分割為各個感興趣區;二是從圖象中找出具有相似特征的物體區，將這些物體區的外輪廓作為邊緣，根據特征相似度的準則進行劃分。

三種分割方法:

基于閾值的分割，這是一種最常用的區域分割技術，閾值是用于區分不同目標的灰度值。在圖象只有目標和背景的情況下，只需選取單閾值分割，將圖象中每個象素的灰度值和閾值比較，灰度值大于閾值的象素和灰度值小于閾值的象素分別歸類。如果圖象中有多個目標，就需要選取多個閾值將各個目標分開，這種方法稱為多閾值分割。閾值分割的結果依賴于閾值的選取，確定閾值是閾值分割的關鍵。

基于區域的分割，有兩種基本形式:區域生長和分裂合并。前者是從單象素出發，逐漸合并以形成所需的分割結果。后者是從整個圖象出發，逐漸分裂或合并以形成所需要的分割結果。與閾值方法不同，這類方法不但考慮了象素的相似性，還考慮了空間上的鄰接性，因此可以有效地消除孤立噪聲的干擾，具有很強的魯棒性。而且，無論是分裂還是合并，都能將分割深入達到象素級，因此可以保證較高的分割精度

基于邊緣的分割，是利用不同區域間象素灰度不連續的特點檢測出區域間的邊緣，從而實現圖象分割。邊界的象素灰度值變化往往比較劇烈。首先檢測圖象中的邊緣點，在按一定策略連接成輪廓，從而構成分割區域。

5 結束語

很多文獻和資料因為年代久遠導致字跡模糊，內容無法識別而失去其歷史和研究價值，用數字圖象處理的方法將其處理還原，以達到人眼可以看清內容，進行研究的效果。因此可以看出，數字圖像處理技術更加普適、可靠和準確。比起其它簡單的模擬操作的方法，也更容易實現。

參考文獻:

[1] 容觀澳.計算機圖像處理[M].北京:清華大學出版社，2000.

[2] 邊肇祺.模式識別[M].2版.北京:清華大學出版社，2000.

[3] 顧亞芳.圖象中的噪聲及復原方法研究[J].大眾科技，2005(2):41-41.

[4] 章毓晉.圖象處理與分析基礎[M].北京:高等教育出版社，2003.