圖像預處理討論研究

季祥 劉哲 高超 王浩鑫 武凱璇

一、圖像預處理

什么是圖像預處理？其實就是對圖像進行加工，通過一些處理方法使得在識別過程中能對數字進行更好地識別，因此，圖像的預處理在圖像識別的過程中發揮著舉足輕重的作用。

二、圖像的灰度化

我們都知道256色的位圖調色板的結構很難理解，而且很少有圖像處理的方法能對其進行應用，所以我們就必須對其進行灰度處理。其實灰度圖像相較于彩色圖像而言，前者的每一個像素的R、G、B量的值是一樣的，而后者的R、G、B的值是不一樣的，因此才會有紅黃藍等色彩的出現；我們處理后灰度圖像就沒有這些顏色的變化，有的只是亮度上的變化，我們定義了一個灰度值，高的就比較亮，低的就相對比較暗。比如灰度值最大的255，他就顯示為最亮，相反灰度值如果為0，那么它就會呈現出黑色。有很多算法能對圖像進行灰度化，比較好的一種算法就是給像素的RGB附上一個權數，接著我們對其求和；當然我們還需要對256色的調色板進行簡單的修改，采用公式將它轉化一下：

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

式中的函數是將RGB三基色體系轉為孟塞爾顏色體系，在孟塞爾顏色體系中，它的顏色空間比較均勻，非常符合人們對顏色的感覺。

三、圖像的二值化

我們在對圖像進行灰度化之后，目標圖像的像素就有了特定的灰度值，我們都知道，灰度值的大小就決定了圖像的亮暗程度，但是，我們還需要對圖像進行進一步地處理，可以根據圖像的亮度或者灰度值的大小將圖像的顏色劃分成兩類，這就是所謂的圖像二值化。常見的二值化算法有自適應閾值和給定閾值法。

（1）閾值法

假設圖像函數為f（x， y），而灰度值的區間為[Z1， Z2]，在Z1和Z2的區間中選出一個合適的灰度值m，m∈[z1， z2]

（1.2）

我們在采用閾值進行二值化的時候，最重要的就是要選取合適的閾值，因為合適的閾值能夠輸出精度高的結果，如果閾值選取過低，那么出現物體的點就會被看作是物體，這樣就會混入噪聲，相反如果過高的話，就會被認為是背景。

在我的論文中采用的是自適應閾值法，我們通過迭代式閾值的選擇，選出合適的閾值，再對目標圖像進行二值化處理，所呈現出的結果為物體黑色，背景為白色。

（2）迭代式閾值選擇

1）預定估算值M作為初始閾值，比如：圖像的灰度均值；

2）利用選取的閾值M可以將圖像劃分成兩種類型，p1和p2；

3）通過計算，求出p1和p2的均值N1和N2；

4）重新選擇閾值M，M=（N1+N2）/2；

5）一直重復步驟2.4，一直等到N1，N2趨于穩定為止。

四、圖像增強

圖像增強是增強一些對于我們有用的信息，去除掉一些對我們識別信息有干擾的信息，使得圖像的效果越來越好，對于人或者對于計算機識別、處理、分析更加有利，可以采取一些技術突出圖像的某些特征，如改變圖像的對比度、對噪聲的去除以及加強對邊緣檢測的處理等。

圖像平滑是一種很好地消除噪聲的辦法，有時候噪聲是看不見摸不著的，并不是只能看見波形失真或者說變形才算是有噪聲，有些噪聲是需要計算機進行處理的時候才會顯現出來。那么常有的噪聲主要有乘性、加性噪聲以及量化噪聲，這些噪聲經常跟圖像信號混雜在一塊，作為輸入信號傳到計算機中，尤其是乘性噪聲，假如平滑不合理，就會使得圖像的邊緣變得模糊不清，所以就需要我們處理好平滑噪聲和保留圖像細節之間的關系，這也是我們研究圖像平滑的迫切任務。

我們知道，圖像能量有高、低頻的區分，在低頻部分是圖像信號的有用部分，而噪聲經常處在圖像的高頻段，而其邊緣信息也處在圖像的高頻段中。所以我們在去除噪聲的時候也有可能將圖像的邊緣信息一起濾出掉，所以就需要尋求一個好的辦法，既能去除噪聲，又能保留圖像的邊緣信息。圖像平滑是一種采用低通濾波器濾除噪聲的方法，它分為兩大類：空域法和頻域法。下面我們討論一下空域法，在進行圖像平滑的時候，我們通常會運用均值濾波的方法，為了簡化工作，我們可以定義一個數組，它是一個n*n的模板數組，在用窗口對圖像進行掃描的時候，我們不對圖像四個邊緣進行處理，也能將其灰度值設置為0，把圖像的邊緣進行擴展，因為灰度值為0，呈現出的顏色為黑色，不影響圖片的信息。由此可見，采用簡單的低通濾波器是有效的圖像平滑的方法。

五、圖像的銳化

在前期的圖像預處理中，有可能圖像會變得模糊不清，使得識別的結果受到嚴重的影響，所以我們需要采取圖像的銳化，提高圖像的清晰程度。我們在對圖像進行處理的時候，時常會對其求平均或者是進行積分運算，這樣的話圖像的高頻分量就會被衰減，對此，我們可以對圖像進行高通濾波，但是噪聲也處在高頻段，在對圖像進行銳化以后，圖像的清晰度增強了，可是噪聲也隨著增強了。所以，在進行圖像銳化的時候，我們要先去除噪聲在對圖像進行銳化處理。我們可以仿造前面圖像增強的方法，采用高通濾波器來實現，只是我們選取的卷積模板不一樣，通常有：

（拉普拉斯模板） 等

除了使用高通濾波器法外，對于圖像的銳化，還有一種比較實用的方法：微分法。在論文里面，我也采用了微分銳化法即Roberts梯度算子，但這種算法能夠去除噪聲，也會對圖像的邊緣有所損傷。

假設原始圖像上的點f（x， y），我們定義f（x， y）在f（x， y）處的梯度矢量為：

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

我們設定一個閾值Δ進行判定，定義g（x， y）為變化后圖像的函數：

（1.4）

作者簡介：季祥、劉哲、高超：空軍工程大學無線電通信專業；王浩鑫：空軍工程大學通信工程專業；武凱璇：導航工程專業。