計算機數字圖像處理的算法探究與實踐

吳 娟 嚴 妍 焦月華 姜 波

（黑龍江中醫藥大學藥物安全性評價中心，黑龍江 哈爾濱 150040）

0 引言

隨著科學技術的發展，圖像識別技術在各行各業中逐漸得到廣泛應用。象在人臉識別、指紋識別、模式識別等方面，通過使用計算機數字圖像處理技術，可以得到預期的處理效果。圖像處理的方法和手段較多，根據不同需求其處理方式也不盡相同。象人臉識別是通過攝像機對人臉進行拍照比對，從而得到人臉信息，一般在考勤機中應用較廣；車牌識別是通過攝像機對機動車車牌數字、漢字和英文字母進行識別，從而得到車輛信息，一般在智能停車場中應用較廣。由于識別目標和目的不同，其使用的圖像處理算法也不同。該文以識別黑色軌跡的圖像處理為例，應用圖像灰度處理、中值濾波處理、自適應二值化處理和形態學濾波處理，最終得到特征矩陣的圖像處理算法。

1 任務目標和背景

該文以醫學細胞影像處理為例，通過專用設備采集細胞影像，排除噪點和環境的干擾，準確識別出細胞的關鍵信息，為后期的臨床實驗提供數據參考。

2 圖像的灰度處理

圖像的灰度處理是將彩色攝像機采集的彩色圖像處理成灰度圖像。一般彩色攝像機傳感器采集的彩色信息分為2種，一種是256色，另一種是RGB。256色是通過0-255分別描述不同的色彩信息，但是將所有色彩通過256個數據進行區分，其細化度明顯不足。而RGB則是通過三維信息對顏色進行描述，每一個色彩點由（R、G、B）表述，其中R、G、B這3個數據均由0-255構成，也就是說一個色彩點總共有16 777 216種可能性，其色彩十分豐富，是最為理想的采集方式。而灰度圖像則是每個點都由0-255進行表示，其中0代表全黑，255代表全白，由0向255過渡的過程中，點的顏色由白至灰至黑，有一個明顯的過度。通過灰度處理，將豐富的色彩轉換成單一的灰度圖像，有助于后期的圖像處理。

3 圖像的中值濾波處理

中值濾波是圖基（Turky）在1971年提出的。中值濾波的原理是把序列或數字圖像中的一點的值，用該點鄰域中各點的中值來替代。

基于極值的新型濾波算法是對中值濾波的擴展，其基本思想是由于圖像灰度值的連續性，某一個點的灰度值與它的鄰域的灰度值應該是比較的接近，如果在一幅圖像中出現一個點的灰度值遠遠大于或者小于其鄰域的值，那么說明這個點可能就是噪聲，否則就說明這個點是有用的信號，然后就可以只對可能是噪聲的點進行中值濾波了，從而減少了計算量。

4 圖像的自適應二值化處理

圖像的自適應二值化處理是將由0-255構成的灰度圖像，通過閾值的設定與劃分將圖像處理成只有0和255這2種數值的圖像。上文中提到0代表黑色，255代表白色，即經過二值化處理后圖像信息中只剩0和255這2種數值，圖像變成僅由純黑和純白構成的黑白圖像。圖像的自適應二值化處理過程中必須選取一個閾值，灰度圖像是由0-255任意一個數構成的，一旦設定閾值后，由每個點依次和閾值進行對比，小于閾值的歸為0，大于等于閾值的歸為255，這樣就可以成功地將灰色圖像轉換成黑白圖像。但是由于二值化的閾值對圖像光強環境的影響較大，因此一個固定的閾值不利于圖像處理效果，于是動態閾值的設定就成為自適應二值化處理的關鍵。根據實際光照強度的不同，需要設定不同的閾值，從而使圖像不斷進行自適應二值化處理。結果如圖1所示。

圖1 灰度和二值化后圖像

5 圖像的形態學濾波處理

形態濾波主要應用于數字圖像處理領域中，其特點是通過在采集并處理成二值后的圖像中對圖中的關鍵特征信息進行提取，也就是選擇具有一定形態結構的元素，然后對圖像內的特征矩陣進行提取分析，將圖像中的目標信息與背景信息進行分離。其特點是能夠使圖像信息更加穩定、清晰，并濾除一些干擾信息。圖像處理的形態學基本操作主要有膨脹和腐蝕2種。

腐蝕算法是指選取一個若干行列組成的圖像結構元素，用該結構元素與前期經自適應二值化處理后的圖像中的每一個像素做“與”運算，結果如果全是“1”，那么該圖像的這個像素就是“1”，否則為“0”。

膨脹算法是指選取一個若干行列組成的圖像結構元素，用該結構元素與前期經自適應二值化處理后的圖像中的每一個像素做“與”運算，結果如果全是“0”，那么該圖像的這個像素就是“0”，否則為“1”。如圖2所示為形態學濾波后圖像。

圖2 形態學濾波后圖像

采集的圖像灰度值經濾波、二值化后難免會再出現噪聲，如下所示：

對于上面這些孤立的噪聲點，可以采取形態學中腐蝕和膨脹的思想對其進行處理。采取一定的結構元素，最終處理成下面的數列：

6 結語

通過圖像的對比可知，將某一幅彩色圖像經過圖像灰度處理、中值濾波處理、自適應二值化處理和形態學濾波處理后最終得到較為完整的圖像信息，這是一種圖像的處理方式和流程。該種圖像處理方式可以為細胞分析和臨床醫療提供有力支持。