基于局部均值滤波的有色溶液图像反光抑制处理

2025-01-21徐潞生李学亮周思彤林珊珊

中国新技术新产品 2025年1期

摘要：针对有色溶液图像处理中均值滤波算法精确度低和时效性弱的问题，本文提出一种基于局部均值滤波的综合处理方法。利用图像分割技术将图像分割为光照影响区和非影响区2个部分。采用局部均值滤波将影响区中的像素点逐一替换为各像素点邻域内非影响区像素点，以消除反光影响。进行多组试验，结果表明进行处理后图像RGB均值与未受光照影响的图像RGB均值的平均误差为0.140，最大误差为0.261。与传统的均值滤波算法相比，本文方法具有精度高、时效性强等优点，为解决光照反光的干扰问题提供一种有效的处理方案。

关键词：图像分割；光照影响；局部均值滤波

中图分类号：TP 751 " " " " " " 文献标志码：A

均值滤波能够提升图像质量，在去除噪声方面应用广泛，其利用周边像素值进行均值运算[1]，在图像处理、特征提取以及边缘检测等实际应用中具有重要意义。在常用的去噪方法中，非局部均值滤波需要手动设定参数，边缘保持均值滤波处理时间较长[2]，邻域均值滤波处理后的图像通常比较模糊[3]，其在精确度和时效性方面存在局限性。基于此，本文采用局部均值滤波技术，利用邻域内非影响像素点和已处理像素点的RGB均值平滑噪声，完成高效降噪。

1 图像分割

在图像处理领域，图像分割是一项重要技术。其将图像分割为若干个具有特定特征的区域，提升了后续处理的效率和准确性。因此对图像的光照影响区和非光照影响区进行分割是后续图像反光抑制处理的关键，具体操作步骤如下。

1.1 灰度化

在灰度图像中每个像素点仅包括一个灰度值，可以用一个二维矩阵来表示整个图像，不需要考虑RGB 3个通道的值。因此，先将彩色图像灰度化，使其转变为不同灰度级的图像。处理后的灰度图不仅保持了明暗对比度，而且减少了图像的信息存储量和计算量[4]。利用幂指函数拉伸亮区域灰度值，增强亮区域的对比度，降低图像光照影响区边缘与非影响区灰度值的集中程度。

1.2 边缘检测

光照影响区边缘是光照影响区与非影响区的分界，在后续的图像分割过程中，精确地识别这个边界十分重要。本文采用广泛应用的算子检测图像光照影响区边缘，根据试验结果可知Prewitt算子、LoG算子以及Canny算子的可识别度高于其他算子，但是LoG算子检测的边缘较模糊[5]，Canny算子会检测到伪边缘[6]。Prewitt算子利用局部差分平均技术追踪边缘，准确性较高，因此本文选择Prewitt算子进行图像边缘检测。在检测后，为保证检测区域包括弱边缘，首先，采用闭运算填充细小空洞，增强光点并连接各个部分。其次，采用膨胀运算连接边缘，保证光照影响区域边缘的完整性。最后，采用填充算法扩大覆盖面积，使其包括弱影响区。如果上述操作后噪点较多，那么采用开运算使图像边缘平滑，消除噪声造成的瑕疵点。边缘检测效果如图1所示。

1.3 迭代式阈值选择法

本文采用迭代式阈值选择法分割图像的光照影响区和非影响区，该方法选择合适的阈值来增强图像对比度，并保留关键像素信息，保证分割后图像的完整性。图像分割步骤如下。

1.3.1 选择合适的初始阈值T0

本文将处理后边缘区域的灰度最小值、中值、均值和最大值作为初始阈值进行图像分割，并计算其消除反光影响后图像的RGB均值以及灰度均值，计算结果见表1。由于光照影响会使图像灰度值增加，因此灰度均值越小，处理效果越好。结果表明，选择灰度最小值作为初始阈值T0时反光抑制处理效果最佳，T0最接近实际阈值T，减少了后续图像分割的迭代次数和运算量。

1.3.2 迭代处理

在图像处理领域，通常采用自动选取最优阈值的算法分割图像，本文使用迭代优化策略，如公式（1）、公式（2）所示[7]。

（1）

（2）

式中：μ1、μ2分别为区域R1、R2的灰度均值；Ti为进行图像分割的阈值；i为索引变量；Pi为第i个灰度级在图像中出现的频次；L-1为图像的灰度级别。

迭代式阈值选择法设定阈值Ti，将图像分割为低灰度区域R1和高灰度区域R2，区域R1包括所有灰度值低于或等于阈值Ti的像素，区域R2包括所有灰度值高于阈值Ti的像素。计算图像分割后的区域R1、R2的灰度均值μ1、μ2以及新的阈值Ti+1，如公式（3）所示。

（3）

1.3.3 循环迭代

判断迭代是否收敛，如果不收敛，那么将分割后的均值作为新的阈值进行循环计算。采用迭代式阈值选择法将图像中小于阈值的像素赋值为0，大于阈值的像素赋值为1，并转化为二值图像。图像分割效果如图2所示。对二值图像进行适当膨胀处理，保证光照影响区弱边缘进入范围，计算光照影响区和非影响区的像素点坐标集合U1和U2。

2 局部均值滤波处理

2.1 处理方法

与均值滤波利用邻域像素的平均值替换中心像素完成去噪的方法类似，局部均值滤波选择U1内的像素点n，以n为中心选择Un，计算Un与U2的交集An。An中像素点的个数为M，其中第i个像素点的RGB值分别为Ri、Gi和Bi。计算An中M个像素点的RGB均值Rn、Gn和Bn，如公式（4）～公式（6）所示。

（4）

（5）

（6）

式中：Rn、Gn和Bn为M个像素点的RGB均值；M为像素点的个数；Ri、Gi和Bi为第i个像素点的RGB值。

用计算得到的RGB均值替换n点原RGB值，再将新的n点坐标及其对应的RGB值从U1并入U2，用新像素点集U2和新邻域Un+1的交集An+1重复以上操作，计算第n+1个像素点的RGB值，以此类推，逐步替换U1内的所有像素点。局部均值滤波处理流程如图3所示。

2.2 固定领域Un的选择

设置固定的处理邻域，能够更精确地保留和去除图像中的特定信息。小邻域中的像素具有强相关性[8]，当噪声密度较高时不能准确估计噪声像素的灰度值。大邻域会增加计算负担，无法实时对图像进行处理。因此本文采用多邻域策略对图像进行处理，并分别计算图像的RGB均值和灰度均值，计算结果见表2。综合比较处理效果和运算效率，设邻域为75×75。

2.3 均值滤波

经过局部均值滤波处理后，反光影响基本消除，但是仍然存在弱影响区和轻微边界痕迹。由于均值滤波处理易于操作，处理弱噪声效果较好，因此选择均值滤波进一步对图像进行平滑处理，以达到完全消除反光的效果。

3 模型效果

为验证该图像反光抑制处理方法的有效性和实用性，本文利用MATLAB图像处理平台分别以溶液颜色、溶液浓度和光照条件为单一变量进行试验。将处理前后的图像进行比较，对本文方法的实际效果进行定性分析。

3.1 不同颜色溶液的图像处理效果

处理不同颜色溶液的图像，固定溶液浓度，调整光照条件，对不同颜色溶液图像进行反光抑制处理，处理结果见表3。由表3可知，本文方法对不同颜色的溶液图像均有效，并保证图像清晰度、准确性较高。

3.2 不同浓度溶液的图像处理效果

对不同浓度溶液的图像进行处理。固定溶液颜色和光照条件，改变溶液浓度，并对其图像进行反光抑制处理，处理结果见表4。由表4可知，本文方法能够在溶液浓度产生变化的情况下有效去除溶液图像中的反光干扰。

3.3 不同光照条件的图像处理效果

为进一步验证本文方法的可靠性，对处于不同光照环境中的溶液图像进行处理。固定溶液颜色和浓度，调整光照条件，并对其图像进行反光抑制处理，处理结果见表5。由表5可知，本文方法能够在光照条件变化的情况下，有效控制有色溶液的反光干扰。

4 结语

本文提出了一种新型的基于局部均值滤波对有色溶液的反光抑制处理方法。试验结果表明本文方法对不同颜色、浓度和光照条件溶液图像的反光抑制处理均具有良好效果。本文方法操作简单，提升了图像特征提取的精确度和图像处理的时效性，为解决光照反光的干扰问题提供了一种有效的处理方案。