占俊

摘 要： 主要對在計算機數(shù)字圖像處理技術(shù)中常用的灰度變換、直方圖處理、圖像平滑、圖像分割和圖像邊緣提取這5種常見技術(shù)進行了研究，介紹了這些技術(shù)的理論依據(jù)、用途以及實際圖像處理效果。對其中的每一種技術(shù)，還分別研究了其常見的技術(shù)類型，是對常見的數(shù)字圖像處理技術(shù)的一次較為詳細的介紹和研究。

關(guān)鍵詞： 計算機數(shù)字圖像技術(shù)； 常見技術(shù)； 處理效果； 圖像識別

中圖分類號： TN911.73?34 文獻標(biāo)識碼： A 文章編號： 1004?373X（2015）21?0032?04

Research on processing effect of several computer digital image technologies

ZHAN Jun

（Jingdezhen University， Jingdezhen 333000， China）

Abstract： The five common processing technologies of the gray level transformation， histogram processing， image smoothing， image segmentation and image edge extraction in computer digital image technology are studied. The theoretical foundation， applications and real image processing effect of these technologies are introduced. For each technology， the common technology types are studied separately. The common digital image processing technologies are introduced and studied in detail in this paper.

Keywords： computer digital image technology； common technology； treatment effect； image recognition

0 引 言

隨著計算機技術(shù)的快速發(fā)展，新的理論和技術(shù)層出不窮，特別是近年來人工智能技術(shù)的廣泛應(yīng)用，使得人們對計算機技術(shù)的認識上了一個新的臺階。而人工智能的兩大關(guān)鍵技術(shù)就是“語音識別技術(shù)”和“計算機數(shù)字圖像技術(shù)”。本文主要研究了在計算機圖像處理過程中幾種重要的處理方法的原理及其處理效果。

數(shù)字圖像處理技術(shù)就是利用相關(guān)設(shè)備將從圖像信息轉(zhuǎn)化而來的數(shù)字電信號進行特定的數(shù)學(xué)運算，過濾、增強或提取圖像信息以達到人們要求的效果的技術(shù)。它是現(xiàn)代工業(yè)生產(chǎn)及人類日常生活中的一項重要技術(shù)，極大地提高了人們工作和生產(chǎn)的精度和效率。

圖像一般分為數(shù)字圖像和模擬圖像兩種，模擬圖像指空間坐標(biāo)和幅度連續(xù)變化的圖像，數(shù)字圖像則是采用離散數(shù)字來表示其空間坐標(biāo)和幅度的圖像，數(shù)字圖像和模擬圖像可以采用一定方法相互轉(zhuǎn)換。

數(shù)字圖像處理的對象主要是在空間上是離散的、在幅值上是量化分層的數(shù)字圖像。一般情況下，一個完整的計算機數(shù)字圖像識別系統(tǒng)包含如圖1所示的幾個部分。

待處理的數(shù)字圖像首先要經(jīng)過圖像質(zhì)量預(yù)判，篩選出可以用于分析的圖片；然后再經(jīng)過數(shù)字圖像的分析及處理，再將處理后的圖像進行特征提取從而得到圖像的特征參數(shù)；經(jīng)過建立特征庫和數(shù)據(jù)樣本集等方法，最后得到圖像識別的結(jié)果。整個處理過程最關(guān)鍵的步驟就是圖像分析及處理技術(shù)，在這一步需要用到的數(shù)字圖像處理技術(shù)有很多，如圖像強度分析、圖像灰度變換、圖像輪廓提取、圖像直方圖繪制、圖像濾波、圖像閾值化和圖像邊緣檢測等。本文將重點研究這些技術(shù)。

1 幾種常見的數(shù)字圖像處理技術(shù)

1.1 灰度變換

通常數(shù)字圖像設(shè)備獲取的最初圖像都是真彩圖像，即RGB圖像，它的每個像素都用代表三原色的R，G，B表示。由于真彩圖像包含的圖像信息較大，不適合用于圖像處理，因此通常需要將其轉(zhuǎn)化為灰度圖像，即灰度變換。如果將[f（x，y）]看做代表RGB圖的表示函數(shù)，經(jīng)過轉(zhuǎn)換函數(shù)[g=F[f]]可以轉(zhuǎn)化成表示函數(shù)為[g（x，y）]的灰色圖像，轉(zhuǎn)換公式如下：

其中：[C]為尺度比例常數(shù)；[s]為原圖灰度值；[t]為目標(biāo)圖灰度值；[s]和[t]的取值范圍都為[0～L-1。]經(jīng)過灰度處理后的圖形效果如圖2（c）所示。

灰度直方圖是許多進一步的圖像處理技術(shù)的基礎(chǔ)。另一方面，從特定目的出發(fā)，也常需要對原始灰度直方圖進行處理，以獲得更好的灰度直方圖像，而直方圖均值化和直方圖規(guī)定化是最為常見的兩種處理方式。

1.2.1 直方圖均衡化

直方圖均衡化是指通過調(diào)整圖像像素之間的映射和分布關(guān)系，使灰度的概率密度呈均勻分布，從而調(diào)整圖像的整體對比度，使得圖像過去亮度較暗部分的信息得以呈現(xiàn)，其變換公式為：

1.2.2 直方圖規(guī)定化

直方圖規(guī)定化是指對于實際需要，將直方圖轉(zhuǎn)換為某種特定的情況，選擇某個重要的灰度范圍進行對比度增強，其處理方法較為復(fù)雜，一般可以采用如圖3所示的步驟。

1.3 圖像平滑技術(shù)

平滑處理技術(shù)又叫圖像濾波技術(shù)，它主要用來處理數(shù)字圖像在生成、傳播和處理過程中所產(chǎn)生的噪點對原圖的影響。在圖像濾波過程中，通常會根據(jù)圖像噪聲的具體特點，選擇不同的濾波器對圖像進行處理，目前常用的濾波器有中值濾波器和高斯濾波器。

（1） 中值濾波器

中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點鄰域各點的中值代替[1]。其中，中值的定義如下：

（2） 高斯濾波

高斯濾波是一種低通濾波的方法器，它常用來對圖像進行平滑的濾波處理。高斯濾波器函數(shù)的二維形式如下：

1.4 圖像分割技術(shù)（閾值化技術(shù)）

數(shù)字圖像處理技術(shù)的一個重要應(yīng)用就是可以將人們感興趣的圖像從某個較大區(qū)域中提取出來，它是從圖像處理進入到圖像量化分析的重要步驟，它使得對圖像的數(shù)字化提取和解讀理解成為可能。

目前最常見的圖像分割技術(shù)是閾值化技術(shù)，它主要是通過選取合適的灰度閾值，然后將圖像中的點與閾值進行比對，將像素灰度值大于選定閾值的劃分為一類；其他的劃分為另一類，從而實現(xiàn)對圖像的分割，整個技術(shù)的關(guān)鍵就是選擇合適的閾值，閾值一般可寫成如下形式：

以上3個式子中的偏導(dǎo)數(shù)需對每個像素的位置計算，在實際中常用小區(qū)域模板卷積來近似計算。對[Gx]和[Gy]各用一個模板，所以需要2個模板組合起來以構(gòu)成1個梯度算子。根據(jù)模板的大小和其中元素（系數(shù)）值的不同，梯度算子分為Sobel算子、Prewit算子、Canny算子、Log算子4種，其處理效果如圖8所示。

由圖8可知，Sobel邊緣檢測法不僅產(chǎn)生的邊緣效果較好，同時算法簡單，運行處理速度快，缺點是圖像的邊緣較粗，造成圖像信息的丟失和后續(xù)圖像識別處理困難。其他3種邊緣檢測的處理結(jié)果相似，它在處理圖像時會根據(jù)設(shè)置對噪點進行識別，因此不會像Sobel邊緣檢測法那樣濾去大量有用信息，其提取圖像的邊緣連續(xù)性較好，定位精度較高，可以提取到較弱的邊緣點；缺點是算法較為復(fù)雜，處理速度慢，且部分噪點會被當(dāng)做邊緣提取，影響圖片質(zhì)量。

2 結(jié) 語

本文主要研究了常見的5種計算機圖像處理技術(shù)，詳細介紹了每種技術(shù)的原理、作用及常用方法，如灰度變換技術(shù)介紹了原始灰度變換和增強對比度灰度變換；直方圖處理給出了直方圖的均衡化和規(guī)定化兩種常見方式，并給出了二者的實際處理效果圖；圖像平滑技術(shù)介紹了目前應(yīng)用最廣泛的中值濾波和高斯濾波法，并分別給出了它們對噪聲的實際濾波效果；最后介紹了Sobel，Prewit，Canny，Log等4種邊緣提取技術(shù)，并給出了其對圖片的實際處理效果。

參考文獻

[1] 汪志云，黃夢為，胡釙，等.基于直方圖的圖像增強及其Matlab實現(xiàn)[J].計算機工程與科學(xué)，2006，28（2）：54?56.

[2] 林楠.模糊增強算法在圖像識別技術(shù)中的應(yīng)用[J].電子學(xué)報，2010，32（4）：31?36.

[3] 王穎.圖像邊緣檢測技術(shù)在視覺識別中的應(yīng)用[J].光學(xué)技術(shù)，2014，22（7）：12?16.

[4] OTSU N. A threshold selection method from gray?level histogram [J]. IEEE Transactions on Systems， Man and Cybernetics， 1999， 9（1）： 158?162.

[5] 李小紅.基于Sobel算子的圖像邊緣檢測算法的研究[J].計算機應(yīng)用與軟件，2014，24（7）：211?217.

[6] 陸興娟，吳震宇.圖像邊緣檢測算法研究[J].現(xiàn)代電子技術(shù)，2010，33（6）：128?130.

[7] 沈德海，侯建，鄂旭，等.基于均值梯度的脈沖噪聲圖像邊緣檢測算法[J].現(xiàn)代電子技術(shù)，2015，38（6）：119?121.

[8] 陳強，張小林，王耀文.圖像邊緣檢測算法的設(shè)計和研究[J].現(xiàn)代電子技術(shù)，2012，35（11）：61?63.