圖像預處理方法研究

圖像分析中，圖像質量的好壞直接影響識別算法的設計與效果的精度，因此在圖像分析（特征提取、分割、匹配和識別等）前，需要進行預處理。圖像預處理的主要目的是消除圖像中無關的信息，恢復有用的真實信息，增強有關信息的可檢測性、最大限度地簡化數據，從而改進特征提取、圖像分割、匹配和識別的可靠性。一般的預處理流程為：1灰度化->2幾何變換->3圖像增強

一、灰度化

灰度化，在RGB模型中，如果R=G=B時，則彩色表示一種灰度顏色，其中R=G=B的值叫灰度值，因此，灰度圖像每個像素只需一個字節存放灰度值（又稱強度值、亮度值），灰度范圍為0-255。一般有分量法 最大值法平均值法加權平均法四種方法對彩色圖像進行灰度化。

對彩色圖像進行處理時，我們往往需要對三個通道依次進行處理，時間開銷將會很大。因此，為了達到提高整個應用系統的處理速度的目的，需要減少所需處理的數據量。

1.分量法

將彩色圖像中的三分量的亮度作為三個灰度圖像的灰度值，可根據應用需要選取一種灰度圖像。

f1(i,j)=R(i,j)f2(i,j)=G(i,j)f3(i,j)=B(i,j)

其中fk(i,j)(k=1,2,3)為轉換后的灰度圖像在（i,j）處的灰度值。

2.最大值法

將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。

f(i,j)=max(R(i,j),G(i,j),B(i,j))

3.平均值法

將彩色圖像中的三分量亮度求平均得到一個灰度值。

f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3

4.加權平均法

根據重要性及其它指標，將三個分量以不同的權值進行加權平均。由于人眼對綠色的敏感最高，對藍色敏感最低，因此，按下式對RGB三分量進行加權平均能得到較合理的灰度圖像。

f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)

二、幾何變換

圖像幾何變換又稱為圖像空間變換，通過平移、轉置、鏡像、旋轉、縮放等幾何變換對采集的圖像進行處理，用于改正圖像采集系統的系統誤差和儀器位置（成像角度、透視關系乃至鏡頭自身原因）的隨機誤差。此外，還需要使用灰度插值算法，因為按照這種變換關系進行計算，輸出圖像的像素可能被映射到輸入圖像的非整數坐標上。通常采用的方法有最近鄰插值、雙線性插值和雙三次插值。

三、圖像增強

增強圖像中的有用信息，它可以是一個失真的過程，其目的是要改善圖像的視覺效果，針對給定圖像的應用場合，有目的地強調圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強調某些感興趣的特征，擴大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質量、豐富信息量，加強圖像判讀和識別效果，滿足某些特殊分析的需要。圖像增強算法可分成兩大類：空間域法和頻率域法。

3.1空間域法

空間域法是一種直接圖像增強算法，分為點運算算法和鄰域去噪算法。點運算算法即灰度級校正、灰度變換（又叫對比度拉伸）和直方圖修正等。鄰域增強算法分為圖像平滑和銳化兩種。平滑常用算法有均值濾波、中值濾波、空域濾波。銳化常用算法有梯度算子法、二階導數算子法、高通濾波、掩模匹配法等。

3.2頻率域法

頻率域法是一種間接圖像增強算法，常用的頻域增強方法有低通濾波器和高通濾波器。低頻濾波器有理想低通濾波器、巴特沃斯低通濾波器、高斯低通濾波器、指數濾波器等。高通濾波器有理想高通濾波器、巴特沃斯高通濾波器、高斯高通濾波器、指數濾波器。

圖像增強可分成兩大類：頻率域法和空間域法。

前者把圖像看成一種二維信號，對其進行基于二維傅里葉變換的信號增強。采用低通濾波（即只讓低頻信號通過）法，可去掉圖中的噪聲；采用高通濾波法，則可增強邊緣等高頻信號，使模糊的圖片變得清晰。

后者空間域法中具有代表性的算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用于去除或減弱噪聲。

方法

圖像增強的方法是通過一定手段對原圖像附加一些信息或變換數據，有選擇地突出圖像中感興趣的特征或者抑制(掩蓋)圖像中某些不需要的特征，使圖像與視覺響應特性相匹配。

在圖像增強過程中，不分析圖像降質的原因，處理后的圖像不一定逼近原始圖像。圖像增強技術根據增強處理過程所在的空間不同，可分為基于空域的算法和基于頻域的算法兩大類。

空域法是對圖像中的像素點進行操作，用公式描述如下：

g(x,y)=f(x,y)*h(x,y)

其中是f(x,y)是原圖像；h(x,y)為空間轉換函數；g(x,y)表示進行處理后的圖像。

基于空域的算法處理時直接對圖像灰度級做運算，基于頻域的算法是在圖像的某種變換域內對圖像的變換系數值進行某種修正，是一種間接增強的算法。

基于空域的算法分為點運算算法?[1]??和鄰域去噪算法?[2]??。

點運算算法即灰度級校正、灰度變換和直方圖修正等，目的或使圖像成像均勻，或擴大圖像動態范圍，擴展對比度。

鄰域增強算法分為圖像平滑和銳化兩種。

平滑一般用于消除圖像噪聲，但是也容易引起邊緣的模糊。常用算法有均值濾波、中值濾波。銳化的目的在于突出物體的邊緣輪廓，便于目標識別。常用算法有梯度法、算子、高通濾波、掩模匹配法、統計差值法等。

編輯：黃飛

?