图像预处理讨论研究

季祥 刘哲 高超 王浩鑫 武凯璇

一、图像预处理

什么是图像预处理？其实就是对图像进行加工，通过一些处理方法使得在识别过程中能对数字进行更好地识别，因此，图像的预处理在图像识别的过程中发挥着举足轻重的作用。

二、图像的灰度化

我们都知道256色的位图调色板的结构很难理解，而且很少有图像处理的方法能对其进行应用，所以我们就必须对其进行灰度处理。其实灰度图像相较于彩色图像而言，前者的每一个像素的R、G、B量的值是一样的，而后者的R、G、B的值是不一样的，因此才会有红黄蓝等色彩的出现；我们处理后灰度图像就没有这些颜色的变化，有的只是亮度上的变化，我们定义了一个灰度值，高的就比较亮，低的就相对比较暗。比如灰度值最大的255，他就显示为最亮，相反灰度值如果为0，那么它就会呈现出黑色。有很多算法能对图像进行灰度化，比较好的一种算法就是给像素的RGB附上一个权数，接着我们对其求和；当然我们还需要对256色的调色板进行简单的修改，采用公式将它转化一下：

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

式中的函数是将RGB三基色体系转为孟塞尔颜色体系，在孟塞尔颜色体系中，它的颜色空间比较均匀，非常符合人们对颜色的感觉。

三、图像的二值化

我们在对图像进行灰度化之后，目标图像的像素就有了特定的灰度值，我们都知道，灰度值的大小就决定了图像的亮暗程度，但是，我们还需要对图像进行进一步地处理，可以根据图像的亮度或者灰度值的大小将图像的颜色划分成两类，这就是所谓的图像二值化。常见的二值化算法有自适应阈值和给定阈值法。

（1）阈值法

假设图像函数为f（x， y），而灰度值的区间为[Z1， Z2]，在Z1和Z2的区间中选出一个合适的灰度值m，m∈[z1， z2]

（1.2）

我们在采用阈值进行二值化的时候，最重要的就是要选取合适的阈值，因为合适的阈值能够输出精度高的结果，如果阈值选取过低，那么出现物体的点就会被看作是物体，这样就会混入噪声，相反如果过高的话，就会被认为是背景。

在我的论文中采用的是自适应阈值法，我们通过迭代式阈值的选择，选出合适的阈值，再对目标图像进行二值化处理，所呈现出的结果为物体黑色，背景为白色。

（2）迭代式阈值选择

1）预定估算值M作为初始阈值，比如：图像的灰度均值；

2）利用选取的阈值M可以将图像划分成两种类型，p1和p2；

3）通过计算，求出p1和p2的均值N1和N2；

4）重新选择阈值M，M=（N1+N2）/2；

5）一直重复步骤2.4，一直等到N1，N2趋于稳定为止。

四、图像增强

图像增强是增强一些对于我们有用的信息，去除掉一些对我们识别信息有干扰的信息，使得图像的效果越来越好，对于人或者对于计算机识别、处理、分析更加有利，可以采取一些技术突出图像的某些特征，如改变图像的对比度、对噪声的去除以及加强对边缘检测的处理等。

图像平滑是一种很好地消除噪声的办法，有时候噪声是看不见摸不着的，并不是只能看见波形失真或者说变形才算是有噪声，有些噪声是需要计算机进行处理的时候才会显现出来。那么常有的噪声主要有乘性、加性噪声以及量化噪声，这些噪声经常跟图像信号混杂在一块，作为输入信号传到计算机中，尤其是乘性噪声，假如平滑不合理，就会使得图像的边缘变得模糊不清，所以就需要我们处理好平滑噪声和保留图像细节之间的关系，这也是我们研究图像平滑的迫切任务。

我们知道，图像能量有高、低频的区分，在低频部分是图像信号的有用部分，而噪声经常处在图像的高频段，而其边缘信息也处在图像的高频段中。所以我们在去除噪声的时候也有可能将图像的边缘信息一起滤出掉，所以就需要寻求一个好的办法，既能去除噪声，又能保留图像的边缘信息。图像平滑是一种采用低通濾波器滤除噪声的方法，它分为两大类：空域法和频域法。下面我们讨论一下空域法，在进行图像平滑的时候，我们通常会运用均值滤波的方法，为了简化工作，我们可以定义一个数组，它是一个n*n的模板数组，在用窗口对图像进行扫描的时候，我们不对图像四个边缘进行处理，也能将其灰度值设置为0，把图像的边缘进行扩展，因为灰度值为0，呈现出的颜色为黑色，不影响图片的信息。由此可见，采用简单的低通滤波器是有效的图像平滑的方法。

五、图像的锐化

在前期的图像预处理中，有可能图像会变得模糊不清，使得识别的结果受到严重的影响，所以我们需要采取图像的锐化，提高图像的清晰程度。我们在对图像进行处理的时候，时常会对其求平均或者是进行积分运算，这样的话图像的高频分量就会被衰减，对此，我们可以对图像进行高通滤波，但是噪声也处在高频段，在对图像进行锐化以后，图像的清晰度增强了，可是噪声也随着增强了。所以，在进行图像锐化的时候，我们要先去除噪声在对图像进行锐化处理。我们可以仿造前面图像增强的方法，采用高通滤波器来实现，只是我们选取的卷积模板不一样，通常有：

（拉普拉斯模板） 等

除了使用高通滤波器法外，对于图像的锐化，还有一种比较实用的方法：微分法。在论文里面，我也采用了微分锐化法即Roberts梯度算子，但这种算法能够去除噪声，也会对图像的边缘有所损伤。

假设原始图像上的点f（x， y），我们定义f（x， y）在f（x， y）处的梯度矢量为：

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

我们设定一个阈值Δ进行判定，定义g（x， y）为变化后图像的函数：

（1.4）

作者简介：季祥、刘哲、高超：空军工程大学无线电通信专业；王浩鑫：空军工程大学通信工程专业；武凯璇：导航工程专业。