模糊理論圖像增強算法分析

摘 要 通過對圖像模糊理論的研究，得出隸屬度函數和增強算子在模糊圖像處理中的地位，并以煤礦圖像為例進行圖像增強處理研究，取得了比傳統方法更好的增強效果。

關鍵詞 圖像增強；模糊理論；增強效果

中圖分類號：TP391 文獻標識碼：A 文章編號：1671-7597（2014）07-0044-01

圖像模糊處理就是用模糊集合的方式將圖像的各個塊或者特征信息通過模糊集合來理解表示，并進一步對這些信息進行處理，從而達到處理效果。在模糊理論處理信息的過程中，它對圖像的表示、處理取決于所選擇的模糊技術和待解決的問題，具有很強的針對性。一般情況下，圖像模糊處理主要分為三個步驟：圖像模糊特征提取、隸屬函數值的修正和模糊域反變換。

用模糊技術進行圖像處理的過程就是，首先將圖像從空間域通過隸屬函數變換到模糊特征平面，也稱為隸屬平面，就是將圖像進行模糊化的過程，對原圖像信息賦予更具體更直觀的意義。之后，根據實際需要選擇適當的模糊技術來修正隸屬度值，也就是逐點的修改轉換后的隸屬度值，達到圖像處理的目的，這一過程也就是模糊處理的過程，最后通過隸屬度函數的反變換式將圖像從模糊域反變換回空間域，以此來完成圖像的解碼過程。由此可見，對模糊增強技術最重要的環節就是對隸屬值的修正，可以從隸屬度函數的選擇使用或者推陳出新來考慮，也可以從模糊增強算子的角度來考慮。總之，都是為了能得到新的隸屬度函數值，以此來改善圖像效果。在實際應用中，對隸屬度函數的修正可以有很多種方法，研究者們也是在不斷的尋求更好的更有效更快捷的算法，比較常用的就是模糊增強算子、模糊聚類分析、模糊邏輯規則、模糊數學形態學以及各種綜合方法等。

在對圖像進行增強處理時，希望能夠較好的增強感興趣的圖像信息，同時又希望能較好的去除噪聲信息，改善整體的圖像質量。但是，實際操作中，這卻是一對矛盾體。因為，模糊圖像增強是對所處理圖像區域中的所有隸屬值進行處理，這里當然也包括噪聲的隸屬值，也就是說在增強圖像信息的同時，對噪聲信息也進行了增強處理；而在濾除噪聲信息時候，由于噪聲信息大部分分布在高頻信息區域，在濾除噪聲的同時又不會不可避免的模糊圖像的細節信息，導致圖像邊緣模糊。因此，圖像增強的過程往往也是一個自相矛盾的過程。為了能夠處理好這一對矛盾體，得到較理想的處理效果，往往選擇的是一個折中的辦法，這就需要找到一個合適的修正隸屬度值的函數，來達到較好的增強處理目的。傳統的圖像增強算法通常是基于整幅圖像的統計量通過轉換函數來進行處理，處理的過程包括所有的像素點，這樣對于某些局部區域相對于全局圖像所占信息相對來說量較小時，在處理中就會因為取值較小而被忽略，就會造成局部處理效果的不理想，影響后續噪聲濾波和邊緣增強的處理，這并不是研究者想要的結果。于是許多算法都以領域的統計特性為基點，充分利用鄰域的重要信息來對圖像進行局部灰度調整，形成了許多局域增強處理的算法。

在圖像的增強處理中，由于處理圖像有很強的針對性，因此在各類算法中在都存在一個或者以上的控制參數，通過這個參數可以控制轉換函數曲線來增強圖像的感興趣的區域，已得到某種需求的增強目的。對于如何選擇參數這個問題就引起了一些學者的關注，于是產生了一系列自適應的圖像增強處理算法。對于圖像的自適應增強研究，主要是著眼于各種算法中存在的不固定的參數值，所謂的自適應就是能自動的選擇一個最優參數來做到該算法的最優增強處理效果，而不需要以往一樣通過大量的實驗來確定最優參數值，浪費了大量的時間精力，選取的參數還未必能是處理效果最優。自適應增強目前主要應用的三大類增強算法有：自適應濾波器、基于圖像建模和估計理論的增強算法以及基于模糊集合論的增強算法。

在對S.K.Pal經典模糊增強算法的分析、模糊理論圖像增強中隸屬函數與增強算子的改進等研究，發現采用不同的隸屬函數對增強效果并沒有很大影響。

以煤礦圖像為背景，實現煤礦圖像的增強應用為例。為克服經典S.P.King算法的缺陷，采用了一種升半梯形模糊分布來求μmn，即

（1）

其中

（2）

gmax為灰度值的最大值，gmin為灰度值的最小值。在式（2）的制約下，式（1）中的μmn∈[-1，1]，符合廣義隸屬度函數的定義。式（1）是一個簡單的線性函數，與經典算法相比，運算速度將大大提高。

基于以上隸屬度函數的特點，對增強算子做如下設計：

（3）

參數r=0.2956，β=2，α=2，其中r值的選取是考慮到分段函數式（3）中的后兩式在r值兩端的連續性得到的。這里D值的選取與圖像有著直接的關系，由于圖像的千差萬別，因此不可能找到一個最好的D值來適合所有的圖像。對于同一幅圖像，D值的選擇不同就會將原始圖像映射為不同隸屬度，就會對不同的灰度區間做增強處理，從而影響到圖像的后續處理，因此合適的D值的選擇對是圖像處理有著比較重要的影響作用。經過對煤礦圖像的反復實驗，選擇相對處理效果比較好的增強后圖像的D（70）值來做處理，最終得到一個相對比較滿意的處理效果。

根據上述算法，本文選擇用一幅煤礦圖像來進行仿真分析，并與經典算法仿真效果進行比較，由于圖像增強的針對性比較強，再者本文中對煤礦圖像進行增強處理的主要目的是要明顯地改善圖像的視覺效果，以有利于工業視頻監控，這里主要以人的視覺感知來主觀評價增強處理的效果。仿真實驗環境Pentium（E）Dual-Dore CPU E5300@2.60GHz，2.59GHz，1.99GB內存的硬件環境和MATLAB7.1的軟件環境。

由實驗圖像可以看到，S.P.King算法得到的增強后的圖像，總體變亮，雖然較原圖有一定改善，但是，視覺效果上還是比較差，尤其是皮帶上煤塊的圖像質量達不到視覺上相對清晰的效果，對煤塊的大小的分辨效果比較差；通過本文算法得到的圖像皮帶上煤塊相對比較突出，煤塊的輪廓相比原始圖像清晰許多，大部分可以分辨出其大小，雖然人物及周圍場景增強效果不是很好，但是重點突出了皮帶上煤塊部分的視覺效果，可以較好的分辨煤塊，這就滿足了增強目的。當然在實際應用中我們更希望得到整體相對比較滿意的圖像，這就需要有針對性的進一步來實驗研究，以期取得更好的整體處理效果。

本文總結了經典模糊算法的隸屬度函數和增強算子的改進，以煤礦圖像為例進行圖像增強處理研究，取得了比傳統方法更好的效果，達到增強目的。

參考文獻

[1]姜慶偉.基于模糊理論的圖像增強技術研究與實現[D].華東師范大學，2009.

[2]劉習文，蔣艷榮，羅顯光.一種改進的圖像模糊增強算法[J].計算機工程與應用，2008.

作者簡介

井晶（1981-），女，江蘇聯合職業技術學院徐州財經分院教師，講師。endprint