圖像處理在護照縫紉裝訂中的應(yīng)用

畢月

摘 要：為提高護照質(zhì)量，有效防止護照被不法分子仿制，以及國民個人信息安全被泄露，利用圖像處理技術(shù)通過Matlab軟件處理采集到的圖像。在紫外燈照射下，縫紉線與紙張上的熒光纖維都呈現(xiàn)出一定亮度的顏色。先將RGB顏色空間轉(zhuǎn)換為HSV空間對原始圖像進行同態(tài)濾波處理，然后轉(zhuǎn)回RGB空間，提取紅色通道，對灰度圖進行圖像增強與圖像平滑預(yù)處理；再利用巴特沃茲濾波器增強縫紉線的邊緣，對濾波后的圖像進行均衡處理；最后用Otsu進行圖像分割，最終獲得細(xì)節(jié)分明的二值圖像。通過以上的圖像處理步驟，在消除背景噪聲的同時，可獲得了細(xì)節(jié)豐富的縫紉線圖像。

關(guān)鍵詞：護照；縫紉質(zhì)量；圖像處理；同態(tài)濾波；巴特沃茲濾波

DOIDOI：10.11907/rjdk.173253

中圖分類號：TP317.4

文獻標(biāo)識碼：A 文章編號：1672-7800（2018）002-0195-03

0 引言

隨著圖像處理生物識別技術(shù)的不斷發(fā)展，國內(nèi)外研究水平不斷的提高，圖像處理已經(jīng)從研究領(lǐng)域拓展到了應(yīng)用領(lǐng)域，與人們的日常生活息息相關(guān)，在工業(yè)、農(nóng)業(yè)、生物醫(yī)學(xué)等領(lǐng)域應(yīng)用廣泛。彭俊善[1]在工業(yè)鋼筋計數(shù)方面利用RGB顏色空間，將3個分量加權(quán)平均后的值作為灰度圖像的亮度信息對彩色圖像進行灰度化處理；李露露[2]利用直方圖均衡化對灰度圖進行圖像增強，但處理后的圖像會出現(xiàn)偏暗的現(xiàn)象，致使圖像細(xì)節(jié)不清晰，很難進行有效辨別；段麗英[3]將圖像處理應(yīng)用于糧食品種的識別與計數(shù)；李江波[4]在農(nóng)業(yè)方面，對臍橙表面的缺陷檢測進行了研究，通過亮度變換理論，對經(jīng)過傅立葉變換后的圖像進行低通濾波均衡圖像亮度；黃紅梅[5]介紹了很多應(yīng)用于生物工程細(xì)胞識別方面的圖像分割方法。圖像處理除了應(yīng)用于靜態(tài)圖像，還可應(yīng)用于動態(tài)視頻圖像的目標(biāo)跟蹤與識別，甚至在醫(yī)學(xué)圖像處理中，已逐步引入人工智能技術(shù)[6-7]。

指紋、人臉識別也已開始應(yīng)用于個人身份認(rèn)證，但證明公民國籍的合法證件護照實體仍然不可或缺。我國對護照生產(chǎn)質(zhì)量要求嚴(yán)格，為了提高護照的安全性與耐用性，在材料選擇上選用帶有熒光纖維的防偽紙張及防偽印刷油墨[8]，在裝訂技術(shù)方面采用傳統(tǒng)的縫紉訂[9]，這種裝訂方式擁有獨特優(yōu)勢，比鐵絲訂牢固耐用。在護照裝訂成品的在線檢測中，利用圖像灰度化、圖像去噪等基本流程進行圖像處理得到的二值圖像，線條過粗，細(xì)節(jié)缺失嚴(yán)重，不利于后續(xù)識別與計數(shù)工作的開展。

綜上所述，由于護照屬于安防保密品，涉及公民個人信息安全，防偽功能突出，目前尚沒有一種方法適用于護照縫紉線圖像的提取。本文針對護照縫紉線圖像，利用圖像處理中的濾波及灰度拉伸等技術(shù)對縫紉線圖像進行預(yù)處理與分割，獲得了細(xì)節(jié)較為豐富的二值圖。對后期控制護照外觀質(zhì)量及耐用度、改善護照的美觀程度具有一定意義。

1 圖像背景分離

護照使用的熒光縫紉線，日光燈下呈白色，紫外燈下呈紅色，紫外燈光照條件下縫紉線比較清晰飽滿，回縫線易辨別，因此選取紫外燈照射下的圖像采集方案。但是護照使用的是帶有彩色熒光纖維的防偽紙張，在紫外燈照射下，纖維呈現(xiàn)不同亮度的綠光與藍光，對縫紉線的提取產(chǎn)生了干擾。

在采集的原始圖像中，縫紉線與彩色纖維等背景噪聲有明顯的顏色差別，可以利用紅色通道提取縫紉線，實現(xiàn)背景分離。但是直接提取原始圖像的紅色通道，獲得的縫線線段過粗，回縫線[10-11]形態(tài)丟失細(xì)節(jié)，本應(yīng)呈現(xiàn)的孔洞被填充，不能達到預(yù)期要求。

2 同態(tài)濾波

同態(tài)濾波是一種在頻域中將圖像亮度范圍進行壓縮的同時增強對比度的方法，通過分別處理照度和反射光，可以有效改善圖像質(zhì)量，揭示圖像暗調(diào)細(xì)節(jié)特征，解決光照分布不均情況下的圖像增強問題[12]。

由于原始圖像光照不均勻，消除噪聲后暗調(diào)細(xì)節(jié)易丟失，而同態(tài)濾波器可以較好地控制照射分量和反射分量，因而對原始圖像采用了色調(diào)保持不變的方法，增強飽和度，在空間域中對亮度分量進行同態(tài)濾波。因為同態(tài)濾波函數(shù)與高通濾波器的轉(zhuǎn)移函數(shù)有類似的形狀，所以用高通濾波器的轉(zhuǎn)移函數(shù)逼近同態(tài)濾波函數(shù)。首先將原始圖像的RGB顏色空間轉(zhuǎn)換為以色調(diào)、飽和度、亮度為標(biāo)準(zhǔn)參數(shù)的HSV顏色空間，然后利用高斯低通濾波器構(gòu)造一個高斯高通濾波器作為同態(tài)濾波函數(shù)，濾出圖像高頻部分，接著用對數(shù)變換將圖像的入射光和反射光部分分開，最后將高斯高通濾波器與經(jīng)對數(shù)轉(zhuǎn)換的圖像做卷積進行濾波處理，再將濾波后的圖像用冪變換轉(zhuǎn)換回來。圖1為采集的原始圖像，用Matlab軟件進行實現(xiàn)，結(jié)果如圖2所示。

實驗結(jié)果表明，同態(tài)濾波解決了圖像上照明不均勻的問題，在不損壞圖像的輪廓及邊緣信息的條件下使圖像清晰、視覺效果好。避免了后期因消除噪聲丟失細(xì)節(jié)導(dǎo)致的失真，增強了圖像暗調(diào)的細(xì)節(jié)，使圖像上的回縫線得以區(qū)分。

3 圖像灰度化

灰度化是對彩色圖像中每個像素點的R、G、B三個分量進行加權(quán)處理，用所得的亮度值表達圖像的灰度。由于本實驗?zāi)繕?biāo)圖像縫紉線段呈現(xiàn)紅色，在顏色上區(qū)別于背景噪聲，經(jīng)過同態(tài)濾波處理，實現(xiàn)了圖像增強，而另外一種獲得灰度圖的方式是提取彩色圖像的顏色通道，于是使用Matlab軟件分別提取圖像的3個顏色通道，如圖3所示，可以看出紅色通道分量得到的灰度圖縫紉線突出，背景噪聲不明顯，線條亮度較均勻，因此選擇提取紅色通道獲取灰度圖。

為了改善灰度圖的視覺效果，提高圖像質(zhì)量，需要對圖像進行增強處理。圖像增強分為兩類，空間域增強以及頻率域增強。空間域圖像增強有直方圖均衡化、灰度拉伸。頻率域圖像增強的方法有傅立葉變換、小波變換、Gabor變換等[13] 。

3.1 直方圖均衡化

直方圖均衡化是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成均勻分布在全部灰度范圍內(nèi)。直方圖均衡化就是對圖像進行非線性拉伸，重新分配圖像像素值，使一定灰度范圍內(nèi)的像素數(shù)量大致相同。使用累積函數(shù)對灰度值進行調(diào)整，增加像素灰度值的動態(tài)范圍，達到增強圖像整體對比度的效果。endprint

3.2 灰度拉伸

基于人眼視覺特性的灰度拉伸[14]用于強調(diào)圖像的某個部分，可以改善圖像的動態(tài)范圍，將低對比度的圖像拉伸為高對比度圖像?；叶壤炜梢愿屿`活的控制輸出灰度直方圖的分布，通過調(diào)整參數(shù)有選擇的拉伸灰度區(qū)間，改善輸出圖像質(zhì)量。

用Matlab對灰度圖進行上述兩種圖像加強處理，結(jié)果如圖4、圖5所示，圖4為直方圖均衡化的結(jié)果，圖5為灰度拉伸的結(jié)果?？梢钥闯鼋?jīng)直方圖均衡化處理后的灰度圖不理想，圖像過渡不平滑。而經(jīng)灰度拉伸處理后的灰度圖，有效的消除了噪聲，突出縫線形態(tài)。

4 圖像平滑

壓制、弱化或消除圖像中的細(xì)節(jié)、突變、邊緣和噪聲就是圖像平滑化[15]。中值濾波是一種非線性平滑技術(shù)，在消除圖像內(nèi)椒鹽噪聲和保持圖像的空域細(xì)節(jié)方面，性能優(yōu)于均值濾波。用中值濾波對灰度圖進行平滑處理，可以減少毛刺，在抑制噪聲的同時有效保護邊緣少受模糊，使線條邊緣更加流暢。

5 巴特沃茲高通濾波（Butterworth）

理想高通濾波器不能通過電子元器件來實現(xiàn)，而且存在振鈴現(xiàn)象。在實際中最常使用的高通濾波器是巴特沃斯高通濾波器。在背景噪聲基本去除后，可以利用此高通濾波器來加強縫紉線邊緣的清晰度。

傅立葉變換[16]是將圖像從空間或時間域轉(zhuǎn)換到頻率域，利用變換系數(shù)反映圖像某些特征進行圖像濾波的方法。傅立葉變換是一種常用的變換。在傅立葉變換域，頻譜的直流分量正比于圖像的平均亮度，噪聲對應(yīng)于頻率較高的區(qū)域，所以在消除圖像噪聲后，通過構(gòu)造一個高通濾波器，加強高頻分量，再經(jīng)過反變換回到空間域取得清晰的目標(biāo)圖像邊緣。

利用matlab軟件，先將圖像進行傅立葉變換，從空間域轉(zhuǎn)換到頻率域中，然后與高通濾波器做卷積進行濾波，最后用傅立葉反變換轉(zhuǎn)回到空間域中。結(jié)果如圖6所示，發(fā)現(xiàn)經(jīng)過巴特沃茲濾波[17]處理后的圖像，邊緣銳利清晰，有益于后期二值化處理。

形態(tài)學(xué)處理中的頂帽變換可以改善灰度圖中的亮度不均衡現(xiàn)象，有利于后期的圖像分割。但是在本圖像中，通過Matlab的實現(xiàn)，發(fā)現(xiàn)灰度拉伸能得到線條較細(xì)、較為理想的二值圖。所以在此依舊選擇灰度拉伸來改善巴特沃茲濾波后的圖像，使其亮度均衡，解決轉(zhuǎn)二值圖時暗調(diào)部分丟失問題。

6 圖像分割

Otsu算法被認(rèn)為是圖像分割中閾值選取的最佳算法，計算簡單，不受圖像亮度和對比度的影響。為了獲得邊緣線條平滑、內(nèi)部飽滿、細(xì)節(jié)清晰的縫紉線圖像，本實現(xiàn)采用Otsu算法自動選取閾值進行二值化，對處理后的灰度圖進行分割，結(jié)果如圖7所示。

7 結(jié)語

采集裝訂好的護照縫紉線圖像，用濾波、灰度化、灰度拉伸、形態(tài)學(xué)運算等在Matlab軟件下進行圖像處理。濾波是在盡量保留圖像細(xì)節(jié)特征的條件下對圖像進行噪聲抑制或邊緣增強，屬于預(yù)處理中不可缺少的操作。本實驗采用了同態(tài)、巴特沃茲及中值濾波，其處理效果提高了后續(xù)圖像處理和分析的有效性和可靠性。在目標(biāo)與背景顏色存在較大差異時，顏色通道提取是一種有效的分離背景與目標(biāo)的方法。對比直方圖均衡化發(fā)現(xiàn)，灰度拉伸是一種有效的圖像增強方法，通過調(diào)整輸入與輸出范圍參數(shù)，在增強對比度的同時，消除了大部分的背景噪聲。通過以上方法對縫紉線圖像進行圖像預(yù)處理，二值化后得到了細(xì)節(jié)分明的目標(biāo)圖像，有利于后期圖像的識別與計數(shù)，對改善護照的外觀質(zhì)量與耐用度具有一定意義。

參考文獻：

[1] 彭俊善.基于數(shù)字圖像處理技術(shù)建筑工地鋼筋計數(shù)的方法[D].深圳：深圳大學(xué)，2017.

[2] 李露露.基于圖像處理的圓管計數(shù)研究[D].南京：東南大學(xué)，2016.

[3] 段麗英.顆粒圖象識別及計數(shù)在糧種品質(zhì)測定中的應(yīng)用[D].石家莊：河北科技大學(xué)，2010.

[4] 李江波.臍橙表面缺陷的快速檢測方法研究[D].杭州：浙江大學(xué)，2012.

[5] 黃紅梅.基于區(qū)域直方圖的懸浮細(xì)胞自動識別與計數(shù)[D].廣州：暨南大學(xué)，2007.

[6] 王弈.人工智能方法在醫(yī)學(xué)圖像處理中的研究新進展[J].中國醫(yī)學(xué)物理學(xué)雜志，2013，30（3）：4138-4143.

[7] 匡斌，何超明.磁共振成像虛擬掃描技術(shù)的發(fā)展及趨勢淺談[J].磁共振成像，2011，2（3）：218-223.

[8] 寧西.多種技術(shù)在護照防偽中的應(yīng)用[J].安防科技，2003（1）：50-51.

[9] 李艷梅.服裝面料縫紉外觀質(zhì)量客觀評價及其縫制加工工藝生成系統(tǒng)的研究[D].上海：東華大學(xué)，2009.

[10] 陳丹江.工業(yè)平縫機回縫線跡質(zhì)量[J].紡織學(xué)報，2007，10（1）：100-107.

[11] P JANA.Sewing equipment and work aids[D].National Institute of Fashion Technology， New Delhi， 2015.

[12] 張亞飛.基于HSI和局部同態(tài)濾波的彩色圖像增強算法[J].計算機應(yīng)用與軟件，2013，30（12）：303-307.

[13] 陳永亮.灰度圖像的直方圖均衡化處理研究[D].合肥：安徽大學(xué)，2014.

[14] 萬智萍.結(jié)合視覺特性與灰度拉伸的直方圖均衡化紅外圖像算法[J].計算機工程與設(shè)計，2016，37（3）：714-719.

[15] 關(guān)雪梅.幾種圖像平滑處理方法比較研究[J].牡丹江師范學(xué)院學(xué)報：自然科學(xué)版，2016（1）：31-33.

[16] 張勇.傅里葉變換在數(shù)字圖像處理中的應(yīng)用[J].廊坊師范學(xué)院學(xué)報：自然科學(xué)版，2015，6（1）：25-27.

[17] 王大紅.巴特沃斯非線性混合濾波器圖像濾波方法設(shè)計[J].計算機工程與應(yīng)用，2010，46（21）：195-197.endprint