張佳佳， 孟憲羅， 蔣 濤， 劉 宇

（河北省氣象技術(shù)裝備中心，河北 石家莊 050021）

氣象計(jì)量自動(dòng)化溫度檢定系統(tǒng)中的圖像預(yù)處理研究

張佳佳， 孟憲羅， 蔣 濤， 劉 宇

（河北省氣象技術(shù)裝備中心，河北 石家莊 050021）

針對(duì)氣象計(jì)量自動(dòng)化溫度檢定系統(tǒng)中圖像噪聲大、對(duì)比度不夠等問(wèn)題，在采用圖像預(yù)處理技術(shù)的基礎(chǔ)上，提出一種同態(tài)濾波的對(duì)比度受限自適應(yīng)圖像預(yù)處理方法。嘗試中值濾波對(duì)紅外圖像進(jìn)行去噪，保證噪聲不被增強(qiáng)的前提下，利用同態(tài)濾波的原理，對(duì)圖像細(xì)節(jié)進(jìn)行增強(qiáng)。但同態(tài)濾波依然存在圖像特征點(diǎn)與非特征點(diǎn)在圖像質(zhì)量不高的情況下容易混淆的問(wèn)題，對(duì)此采用限制對(duì)比度自適應(yīng)直方圖均衡的方法進(jìn)一步調(diào)整圖像的動(dòng)態(tài)范圍。通過(guò)仿真實(shí)驗(yàn)對(duì)此方法進(jìn)行驗(yàn)證，驗(yàn)證了所提出方法的有效性。

圖像預(yù)處理；中值濾波；直方圖均衡化；同態(tài)濾波；自適應(yīng)

在人工站溫度檢定的過(guò)程中，往往通過(guò)人工讀數(shù)并紙質(zhì)記錄的方式實(shí)現(xiàn)玻璃溫度表的檢定工作。雖然這種傳統(tǒng)的檢定方式較為準(zhǔn)確的反映了溫度的示值，但是由于其不可避免的受特定人為因素的影響而造成人為誤差，使讀取數(shù)值不精確，例如視線高低、個(gè)體的讀數(shù)習(xí)慣等。另外，紙質(zhì)記錄很多繁瑣的后續(xù)工作也造成了檢定過(guò)程費(fèi)時(shí)費(fèi)力，效率低下，給檢定工作帶來(lái)很大的不便。因此，檢定方法亟待改進(jìn)提高。

現(xiàn)在氣象計(jì)量部門(mén)所使用的溫度自動(dòng)檢定系統(tǒng)僅限于被檢溫度點(diǎn)的自動(dòng)設(shè)定，至于讀取數(shù)值仍需人工讀取，沒(méi)有從根本上解決人為因素造成的讀數(shù)誤差的問(wèn)題。只有將這些檢定過(guò)程中人所看到的圖像傳輸至信息終端來(lái)提取“水銀柱”這一特征信息，并通過(guò)提取的特征信息與預(yù)先規(guī)定好的量程刻度進(jìn)行比對(duì)，才能達(dá)到提取精確刻度值的目的。本文旨在綜合傳統(tǒng)預(yù)處理方法的基礎(chǔ)上，針對(duì)檢定系統(tǒng)中圖像質(zhì)量不高，光照度不夠等導(dǎo)致的圖像信息提取困難的問(wèn)題，提出一種基于同態(tài)濾波的對(duì)比度受限自適應(yīng)的圖像預(yù)處理方法，并經(jīng)實(shí)驗(yàn)證明其有效性。

1 溫度表圖像的預(yù)處理

實(shí)際意義上的溫度自動(dòng)化檢定系統(tǒng)中最重要的環(huán)節(jié)便是圖像處理，而進(jìn)行圖像處理的第一步便是溫度表圖像的前期預(yù)處理。進(jìn)行處理的溫度表圖像由于光線條件的差異，往往存在有噪聲較大、對(duì)比度不夠等缺陷。另外，由于工業(yè)相機(jī)距離被測(cè)試溫度表距離不等，導(dǎo)致需要提取的液面信息在整幅圖像中的位置和反射程度都是不確定的。而對(duì)溫度表圖像的預(yù)處理恰恰能在一定程度上消除上述因素的影響，使有用信息能夠得到有效保留。

2 圖像的平滑去噪

2.1 噪聲類型

根據(jù)噪聲和信號(hào)的關(guān)系可以將其分為加性噪聲和乘性噪聲[1]。

(1) 加性噪聲。加性噪聲和理想無(wú)噪圖像信號(hào)g(x,y)是不相關(guān)的，如信道噪聲、電視攝像機(jī)掃描圖像的噪聲等，這類含噪圖像f(x,y)可看成為理想無(wú)噪圖像信號(hào)g(x,y)與噪聲信號(hào)n(x,y)之和[2]。即：

(2) 乘性噪聲。乘性噪聲和理想無(wú)噪圖像信號(hào)g(x,y)是相關(guān)的，隨圖像信號(hào)的變化而變化。飛點(diǎn)掃描圖像中的噪聲，可由電視掃描光柵、膠片顆粒等造成。其含噪圖像f(x,y)可表示為：

2.2 圖像的去噪方法

圖像去噪方法可分兩類：圖像空間域方法和圖像頻率域方法[3]。本文主要討論圖像在空間域的處理方法。

2.2.1 均值濾波法

均值濾波算法的主要思想為鄰域平均法。即用幾個(gè)鄰域像素灰度的平均值來(lái)代替每個(gè)像素的灰度值。雖然這樣能明顯消弱噪聲點(diǎn)，但容易引起圖像模糊[4]。使用該方法時(shí)，如果能加以改進(jìn)，避開(kāi)對(duì)物體邊緣的平滑處理，也是一種簡(jiǎn)單有效的平滑方法。

2.2.2 中值濾波法

中值濾波是一種典型的非線性平滑濾波信號(hào)處理技術(shù)。它的主要思想是：首先確定一個(gè)以某一像素為中心點(diǎn)的鄰域，然后將這些像素點(diǎn)按照灰度值的不同依次排序，將中間值做為所有像素點(diǎn)灰度值的中值[5]。中值濾波是一種典型的低通濾波器，在濾除噪聲的同時(shí)能有效保留信號(hào)的細(xì)節(jié)信息及目標(biāo)圖像邊緣的特點(diǎn)[6]。此方法使得本文要提取的溫度液面邊緣得以有效保留。經(jīng)過(guò)中值濾波前后的圖像對(duì)比見(jiàn)圖1所示。

圖 1 中值濾波前后圖像的比較

3 圖像增強(qiáng)

圖像增強(qiáng)技術(shù)根據(jù)增強(qiáng)作用域的不同，可分為基于空域的增強(qiáng)算法和基于頻域的增強(qiáng)算法兩大類[7]。其目的是突出圖像有用信息，使圖像與視覺(jué)響應(yīng)特性相匹配。

空域增強(qiáng)算法是直接對(duì)圖像進(jìn)行點(diǎn)運(yùn)算，將包含某點(diǎn)的一個(gè)小區(qū)域內(nèi)的各點(diǎn)灰度值進(jìn)行平均運(yùn)算，用所得的平均值來(lái)代替該點(diǎn)的灰度值[8]。設(shè)f(x,y)、g(x,y)分別是處理前、后的圖像，h(x,y)為空間預(yù)算函數(shù)。則空域法公式描述如下：

頻域增強(qiáng)算法是在圖像的某個(gè)頻率域內(nèi)對(duì)圖像進(jìn)行傅里葉變換，再對(duì)圖像變換系數(shù)進(jìn)行修正，然后逆變換到空間域的方法。

3.1 直方圖均衡化

直方圖均衡化(histogram equalization, HE)的基本思想如下：

溫度表圖像的灰度經(jīng)歸一化處理分布在連續(xù)區(qū)間內(nèi)，令原始圖像的像素值為r，分布范圍為01r≤≤ ?，F(xiàn)在對(duì)[0,1]區(qū)間內(nèi)的任何一個(gè)r值進(jìn)行函數(shù)關(guān)系為S=T(r)的變換，使變換后的新灰度值具有平直的直方圖。

設(shè)溫度表圖像分為L(zhǎng)個(gè)灰度等級(jí)，圖像的像素總數(shù)為n，用nk代表第k個(gè)灰度級(jí)rk出現(xiàn)的頻數(shù)，于是第k個(gè)灰度級(jí)出現(xiàn)的概率為：

其中，0≤rk≤1，k=0,1,2,…,L -1。

式(4)的離散形式為：

因此可以根據(jù)圖像的直方圖統(tǒng)計(jì)量求均衡后各像素的灰度級(jí)變換值。

3.2 同態(tài)濾波

同態(tài)濾波是把頻率過(guò)濾和灰度變換結(jié)合起來(lái)的一種圖像處理方法。

一幅圖像f(x,y)可以用它的照射分量i(x,y)及反射分量r(x,y)的乘積來(lái)表示，即：

經(jīng)過(guò)同態(tài)濾波后其結(jié)果會(huì)改變圖像光強(qiáng)度和反射光強(qiáng)度，依此特性可做到同時(shí)降低圖像動(dòng)態(tài)范圍，又增加對(duì)比度的結(jié)果[9]。

所用方法的具體步驟如下：

(1) 先對(duì)式(6)的兩邊同時(shí)取對(duì)數(shù)，即：

(2) 將式(7)兩邊取傅立葉變換，得：

(3) 用一個(gè)頻域函數(shù)H(u, v)處理F(u, v)，可得到：

(4) 逆傅立葉變換到空間域得：

圖像是由對(duì)應(yīng)照度分量與反射分量?jī)刹糠织B加而成。

(5) 再將式(10)兩邊取指數(shù)，得：

所謂同態(tài)濾波，其本質(zhì)是對(duì)濾波器H(u, v)的選擇。圖像的灰度不僅僅由光照函數(shù)（入射光）決定，而且還與反射函數(shù)有關(guān)。不同的材料或物體的反射率差異很大，常引起反射光的突變，特別是在物體的邊緣部分[10]。這些突變使圖像的灰度值發(fā)生變化，這種變化與高頻分量和反射相聯(lián)系，因此同態(tài)濾波器傳遞函數(shù)H(u, v)選擇高通濾波器。

4 實(shí)驗(yàn)分析

先采用一般意義上的HE方法對(duì)溫度表圖像進(jìn)行處理。圖2為溫度表原圖像與HE后的對(duì)比情況。

由兩幅圖像對(duì)比可以看出，傳統(tǒng)的HE方法可以對(duì)圖像的灰度值重新分配，直方圖的范圍加大了，但是該方法將應(yīng)該忽略的背景部分都進(jìn)行了增強(qiáng)，在光照不充分，補(bǔ)償不到位的情況下，均衡化處理之后的圖像在背景灰度上與需要提取的刻度線灰度有相同的點(diǎn)，造成背景與前景的混淆，為了有效分離，本文提出基于同態(tài)濾波的對(duì)比度受限自適應(yīng)HE方法，有效增強(qiáng)溫度圖像的有用信息。

圖 2 直方圖均衡化前后圖像的比較

經(jīng)過(guò)同態(tài)濾波后的圖像如圖3所示，圖像中需要提取的溫度表液柱信息得到增強(qiáng)，背景相對(duì)弱化。但是對(duì)于準(zhǔn)確提取刻度值而言，圖像的動(dòng)態(tài)范圍和對(duì)比度較低，導(dǎo)致增強(qiáng)后的細(xì)節(jié)信息不明顯。為了提高圖像的對(duì)比度，調(diào)整圖像動(dòng)態(tài)范圍，要對(duì)圖像做進(jìn)一步處理。

圖 3 同態(tài)濾波前后圖像的比較

本文在同態(tài)濾波的基礎(chǔ)上采用對(duì)比度受限的自適應(yīng)HE方法，通過(guò)限制局部對(duì)比度的增強(qiáng)幅度，來(lái)限制噪聲的放大及局部對(duì)比度的增強(qiáng)。其具體思想為：將圖像進(jìn)行區(qū)域分割，分別計(jì)算每個(gè)區(qū)域的直方圖，根據(jù)受限值對(duì)每個(gè)區(qū)域的直方圖進(jìn)行重新分配。在重新映射過(guò)程中將增強(qiáng)后的各塊子區(qū)域使用雙線性插值拼接在一起，以消除明顯的邊緣[11]。

為了驗(yàn)證提出算法的增強(qiáng)效果，選取一段工業(yè)相機(jī)采樣得到的640×480玻璃溫度表圖像在MatLab試驗(yàn)平臺(tái)中進(jìn)行仿真驗(yàn)證。首先構(gòu)造一個(gè)在頻域具有平滑性能的低通高斯濾波器Lpf，按照模板n=2σ+1的取值，當(dāng)平滑尺度為2時(shí)，模板大小取5×5，截止頻率Do=1.414；其次通過(guò)這個(gè)低通濾波器構(gòu)造高通濾波器：Hpf=rH×Hpf-(rH- rL)-Lpf，其中，rH＞1、rL＜1為調(diào)節(jié)參數(shù)，取rH=2.2，rL=0.5。圖4所示為本文采用該方法處理的結(jié)果圖像。

圖 4 采用本文方法的仿真實(shí)驗(yàn)比較

5 結(jié) 論

本文提出的圖像預(yù)處理方法避免了溫度圖像背景與前景灰度相似時(shí)的混淆，解決了在外界光線受限，補(bǔ)償不到位情況下的圖像細(xì)節(jié)不清問(wèn)題。利用了同態(tài)濾波的優(yōu)勢(shì)，增強(qiáng)了溫度表圖像液柱的細(xì)節(jié)特征。采用對(duì)比度受限的自適應(yīng)HE方法，進(jìn)一步調(diào)整圖像的灰度動(dòng)態(tài)范圍。此方案解決了同態(tài)濾波后對(duì)比度不足的缺陷，最終增強(qiáng)圖像液柱信息，弱化背景信息，最大程度反映真實(shí)溫度值，并通過(guò)仿真驗(yàn)證得到非常好的預(yù)處理效果，為下一步溫度刻度值和液柱的準(zhǔn)確提取提供了基礎(chǔ)。

[1] Sattar F, Floreby L, Salomonsson G, et al. Image enhancement based on a nonlinear multiscale method [J]. IEEE Trans on Image Processing, 1997, 6(6): 888-895.

[2] 楊枝靈, 王 開(kāi). Visual C++數(shù)字圖像獲取處理及實(shí)踐應(yīng)用[M]. 北京: 人民郵電出版社, 2003: 91-106.

[3] Rowley H A, Baluja S, Kanade T. Neural network-based face detection [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20(1): 23-28.

[4] 孫海燕. 基于小波分析小域特征融合的人臉識(shí)別算法研究[D]. 秦皇島: 燕山大學(xué), 2010.

[5] 劉 培, 王建英, 尹忠科. 圖像光照補(bǔ)償方法的研究[J].系統(tǒng)工程與電子技術(shù), 2008, 30(7): 1343-1346.

[6] Brinkman B H, Manduca A, Robb R A. Optimized homomorphic unsharp masking for MR grayscale inhomogeneity correction [J]. IEEE Transactions on Medical Imaging, 1998, 17(2): 161-171.

[7] 馬 龔, 張成義. 基于 Matlab的同態(tài)濾波囂的優(yōu)化設(shè)計(jì)[J]. 應(yīng)用光學(xué), 2010, 3l(4): 585-588.

[8] 葉仕通. 結(jié)合閾值去噪與邊緣優(yōu)化的圖像增強(qiáng)算法[J].圖學(xué)學(xué)報(bào), 2014, 35(4): 571-576.

[9] Hanmandlu M, Jha D. An optimal fuzzy system for color image enhancement [J]. IEEE Transactions on Image Processing, 2006, 15(10): 2956-2966.

[10] Yamaguchi K, Itoh K. An algerbraic solution to independent component analysis [J]. Optics Communication, 2000, 178(10): 59-64.

[11] 胡竇明, 趙海生, 李云川, 等. 一種基于同態(tài)濾波的紅外圖像增強(qiáng)新方法[J]. 紅外技術(shù), 2012, 34(4): 224-226.

Meteorological Measurement Automatic Temperature Testing System in the Research of Image Preprocessing

Zhang Jiajia, Meng Xianluo, Jiang Tao, Liu Yu

(Meteorological Technology and Equipment Center in Hebei Province, Shijiazhuang Hebei 050021, China)

Automation temperature calibration system based on meteorological measurement issues such as big noise, low contrast in the image, homomorphic filtering is proposed for contrast limited adaptive image preprocessing method on the basis of the image preprocessing technology. Try median filter for infrared image denoising, and use the principle of homomorphic filtering to enhance image details based on the premise that the noise would not be enhanced. However feature points and non-feature points are very confusing when the image is very poor quality in the method of homomorphic filtering, so the method of equalling limited contrast adaptive histogram is used to adjust the dynamic range of the image. The simulation results verify the feasibility of the method.

image preprocessing; median filter; histogram equalization; homomorphic filtering; adaptive

TN 911.73

A

2095-302X(2015)03-0352-04

2014-10-30；定稿日期：2014-12-14

張佳佳(1982-)，女，河北衡水人，工程師，碩士。主要研究方向?yàn)閿?shù)字圖像處理、計(jì)量校準(zhǔn)方法研究。E-mail：sunyi_12_12@sina.com