王成營，　羅　輝

(中海工業(yè)(江蘇)有限公司，江蘇 揚州 062511)

水下機器人所攝圖像的預處理

王成營，羅輝

(中海工業(yè)(江蘇)有限公司，江蘇 揚州 062511)

摘要:水下機器人在獲取圖像的過程中會受到多種因素的干擾，圖像處理難度大。為提高水下圖像的質(zhì)量，改善圖像視覺效果，必須首先解決各種干擾因素對視覺信息造成的干擾和影響。圖像預處理旨在去除噪聲，提高圖像質(zhì)量，以改善人們的視覺效果和圖像質(zhì)量，降低后續(xù)算法處理的難度?；诖?，主要探討使用分段線性灰度變換法進行圖像處理，以達到預期效果。

關鍵詞:水下；圖像；機器人；圖像處理；分段線性灰度變換法

0引言

水下機器人在海洋環(huán)境下進行目標偵察和識別時，主要靠聲、光視覺融合技術(shù)獲取圖像信息，而這些信息在傳輸和接收過程中會受到各種因素的干擾，降低了水下圖像的質(zhì)量。為提高水下圖像的質(zhì)量，改善圖像視覺效果，需深入研究影響水下圖像的各種因素及其對圖像質(zhì)量的影響，并在此基礎上采取必要的技術(shù)措施和補償方法。在水下拍攝時，由于水的密度比空氣大800倍，能見度極低，透明度只有空氣的千分之一，因此光在水中傳輸時會產(chǎn)生強烈的吸收和散射效應[1-2]，使得圖像的信號衰減很快。此處重點研究水中光的吸收和散射對水下圖像產(chǎn)生的影響。

1水下圖像的干擾因素

1.1水下光的吸收特性

水對光的吸收在不同的光譜區(qū)域是不同的，具有明顯的選擇性[3]，對光譜中的紫外和紅外部分表現(xiàn)出強烈的吸收；在可見光譜區(qū)段，吸收最大的是紅色、黃色和淡綠色光譜。純凈水和清澈的大洋水在光譜的藍—綠區(qū)域透射比量大，在該區(qū)域，水的吸收足以使光的強度每米衰減約4%，其他顏色被吸收的更多。因此，水對光的吸收造成了部分光通量的損失[3]。為克服水下光線的衰減以順利進行水下拍攝，在機器人上安裝了水下照明燈一般情況下水下照明燈會對稱地安裝在機器人上視覺傳感器的正前方，可自動調(diào)節(jié)亮度，使得背景與景物之間的灰度方差增大，有利于后期水下目標的識別和特征提取。

1.2水下光的散射特性

雖然水介質(zhì)對光能量的吸收可以通過安裝水下照明燈并增大照明光源功率來補償，但是水介質(zhì)對光的散射現(xiàn)象也會隨著照明的增強而更趨嚴重，使得水下拍攝更加困難，圖像質(zhì)量更低。水中光散射是指光在水中傳播時因受到介質(zhì)微粒的作用而偏離原來的直線傳播方向，包括純水本身產(chǎn)生的散射和有懸浮粒子所引起的散射2種[4]。水粒子的散射會使圖像的反差迅速衰減，產(chǎn)生嚴重的灰白效應，造成圖像對比度下降；同時，水下圖像會隨著拍攝距離的增大而更加模糊，影響成像質(zhì)量。光在水中傳輸，接收器接收的光信息主要由3部分組成：

(1) 從目標反射回并經(jīng)由水介質(zhì)吸收、散射損耗后的成像光束(信號光)；

(2) 光源與目標之間介質(zhì)散射的后向散射光；

(3) 目標與接收器之間水介質(zhì)散射到較小角度并直接影響目標細節(jié)分辨率的前向散射光。

圖像的灰白效應主要是由后向散射導致的。

1.3機器人運動產(chǎn)生的干擾

水下機器人在運動的過程中，螺旋槳轉(zhuǎn)動所激起的浪花、漩渦和氣泡在很大程度上也是影響水下圖像的成像質(zhì)量的重要因素。另外，機器人在海水中運動時還常常引起海底泥沙翻滾，使得水中浮游顆粒增多，這也會造成圖像中噪聲增強，目標區(qū)域模糊不清(甚至難以辨識)，水下圖像的對比度更低，存在明顯的灰白效應[5]。

1.4其他干擾因素

由CCD(攝像頭)獲得的圖像經(jīng)過A/D轉(zhuǎn)換、線路傳送都會產(chǎn)生噪聲污染等。

2圖像增強

以上這些因素都不可避免地會影響系統(tǒng)圖像的清晰度，降低圖像質(zhì)量。輕者表現(xiàn)為圖像不干凈，難以看清細節(jié)；重者表現(xiàn)為圖像模糊不清，甚至概貌也看不出來。因此，在對圖像進行分析之前，必須對圖像質(zhì)量進行改善。

圖像增強的目的是設法改善圖像的視覺效果，提高圖像的可讀性，將圖像中人們可能感興趣的特征有選擇地突出，便于人和計算機分析與處理。圖像增強不考慮圖像質(zhì)量下降的原因，只將圖像中感興趣的特征有選擇地突出衰減不需要的特征；在圖像增強和像質(zhì)改善過程中，總是以對某一部分信息的強調(diào)和對另一部分信息的損失為代價。因此，圖像增強算法的應用是有針對性的，并不存在通用的增強算法。圖像增強包括原始圖像對比度的增強、灰度校正、邊緣特征的加強、噪聲過濾、畸變校正、偽彩色處理等。以下主要介紹灰度校正邊緣特征的加強。

2.1直方圖分布均衡化

圖像的直方圖[6]包含了豐富的圖像信息，描述了圖像的灰度級內(nèi)容，反映了圖像的灰度分布情況，是圖像處理中一種十分重要的圖像分析工具，主要用在圖像分割、圖像灰度變換等處理過程中。從數(shù)學上來說，它統(tǒng)計一幅圖像中各個灰度級出現(xiàn)的次數(shù)或概率；從圖形上來說，它是一個二維圖，橫坐標表示圖像中各個像素點的灰度級，縱坐標表示各個灰度級上圖像像素點出現(xiàn)的個數(shù)或概率。

直方圖的應用范圍十分廣泛，可以通過直方圖的顯示來判斷一幅圖像是否合理利用了全部允許使用的灰度級范圍，通過直方圖了解圖像的灰度分布，通過對圖像灰度密度修改，有選擇地突出所需要的圖像特征，以滿足人們的要求。圖1(a)為待處理的原32位灰度圖像(此圖像由水下拍攝)，紅、綠、藍顏色分量全相等，圖1(b)為該原圖像3個分量的直方圖分布。

直方圖分布均衡化的基本思想是對圖像中像素個數(shù)多的灰度級進行展寬，而對像素個數(shù)少的灰度級進行縮減，從而達到清晰圖像的目的。通過點運算使輸入圖像轉(zhuǎn)換為在每個灰度級上都有相同數(shù)目的像素點，即輸出圖像的直方圖是平的。從理論上說，直方圖均衡化就是通過變換函數(shù)將原圖的直方圖調(diào)整為平坦的直方圖，然后用此均衡直方圖校正圖像。而實際上直方圖均衡化修正后的圖像直方圖并不是十分均衡的，這是因為在操作過程中原直方圖上頻數(shù)較小的某些灰度級數(shù)要并入一個或幾個灰度級中，這可由圖2證明。

均衡化以后，圖像直方圖趨于平坦化，且灰度間隔被拉大，從而有利于圖像的分析和識別。但同時也增強了噪聲，提高了整體亮度。分布均衡化以后的圖像見圖2(a)，此時直方圖分布見圖2(b)。

(a) 待處理原圖像

(b) 原圖像直方圖分布

(a) 分布均衡化后的圖像

(b) 分布均衡化后直方圖分布

比較圖2(b)與圖1(b)可知，原直方圖有2個明顯的波峰和1個波谷，而均衡化后的直方圖就比較均衡，但不是十分均衡。這并沒有使圖像質(zhì)量得到提高，相反，整體亮度雖然提高了，但是圖像還沒有原圖像清晰，目標物體與背景之間的灰度差距不但沒有拉開，反而縮小了。這是因為目標物體與背景的灰度并不是集中于波峰的，采用直方圖分布均衡化并未發(fā)揮其應有的效果，說明水下拍攝的這些圖像并不適合進行直方圖分布均衡化處理，故不采用。

2.2線性灰度變換

灰度變換主要針對獨立的像素點進行處理，通過改變原始圖像數(shù)據(jù)占據(jù)的灰度范圍而使圖像在視覺上得到良好的改觀，沒有利用像素點之間的相互空間關系。

若g(x,y)=T[f(x,y)]是一個線性或分段線性的單值函數(shù)，例如，

(1)

則由其確定的灰度變換稱為灰度線性變換，簡稱線性變換。

分段線性變換[7]是將圖像灰度區(qū)間分成多段，分別作線性變換。圖3是分3段作線性變換的示意圖，其優(yōu)點是可以根據(jù)用戶的需要拉伸特征物體的灰度細節(jié)，相對抑制不感興趣的灰度級。圖3中的(0,x1)，(x1,x2)，(x2,255)變換區(qū)間邊界能通過鍵盤隨時做交換式輸入，因此，分段線性變換是非常靈活的。

(2)

式(2)中：(x1,y1)和(x2,y2)為2個轉(zhuǎn)折點坐標，x1

該變換函數(shù)的運算結(jié)果是將原圖在x1和x2之間的灰度拉伸到y(tǒng)1和y2之間。通過有選擇地拉伸某段

圖3　分段線性變換

灰度區(qū)間，能夠更加靈活地控制圖像灰度直方圖的分布，以改善輸出圖像質(zhì)量。如果一幅圖像灰度集中在較暗的區(qū)域而導致圖像偏暗，可以用灰度拉伸功能拉伸(斜率>1)物體灰度區(qū)間來改善圖像質(zhì)量；同樣，如果圖像灰度集中在較亮的區(qū)域而導致圖像偏亮，也可以用灰度拉伸功能壓縮(斜率<1)物體灰度區(qū)間來改善圖像質(zhì)量。

由于目標物體的灰度并不是集中在波峰的，故由原圖像直方圖分布并不能清楚地知道目標物體的像素值范圍。在此運用編程來獲得目標物體像素值的大致范圍，由此得知目標物體的灰度像素值在85～200均有分布，故將該區(qū)間的像素值拉伸。此時，設定x1=85，y1=50，x2=200，y2=230。分段線性變換法界面見圖4，得到的圖像見圖5(a)，圖5(b)顯示了此時的直方圖分布。

圖4　分段線性變換法界面

(a) 分段線性變換后的圖像

(b) 分段線性變換后直方圖分布

由圖5(a)可見，目標物體與背景之間的灰度差距拉大了，背景變得更黑，目標物體與背景之間的過渡處比原圖像清晰，故這樣的分段線性變換能夠提高圖像質(zhì)量，采用之。

3結(jié)語

在程序中的預處理部分，首先分析了圖像的噪聲特性，并針對性地提出了一些提高圖像質(zhì)量的簡單算法。在圖像增強環(huán)節(jié)中，采用了分段線性灰度變換法，使得目標物體與背景之間的灰度差距拉大，背景變得更黑，目標物體與背景之間的過渡處變得清晰。

參考文獻：

[1]陳榮盛，袁小海，胡震，等.水下機器人作業(yè)目標控制和目標識別[J].船舶力學，1998，2(1):62-68.

[2]Jaffe J S.Computer Modeling and the Optimal Underwater Image System[J].IEEE J. of Ocean Eng.1990，15(2).

[3]孫傳東，陳良益，高立民，等.水的光學特性及其對水下成像的影響[J].應用光學，2004，21(4)：39-40.

[4]Wettergreen D, Zelinsky A, Gaskett C. Development of a Visually-Guided Autonomous Underwater Vehicle[J]. Oceans-Conference, 1998，2：1200-1204.

[5]Dudek D. A Visually Guided Swimming Robot[C]. IEEE/RSJ International Conference on Intelligent Robots and Systems, 2005.

[6]李在銘.數(shù)字圖像處理、壓縮與識別技術(shù)[M].成都：電子科技大學出版社，2000.

[7]龔聲蓉，劉純平，王強.數(shù)字圖像處理與分析[M].北京：清華大學出版社，2006.

收稿日期：2014-11-24

作者簡介：王成營(1983—)，男，河北滄州人，助理工程師，主要從事船舶設計建造技術(shù)研究。

文章編號：1674-5949(2015)01-078-05

中圖分類號：TP391.41

文獻標志碼：A

Preprocessing of the Images Pictured by Underwater Robot

WangChengying，LuoHui

(China Shipping Industry (Jiangsu) Co., Ltd, Yangzhou 225211, China)

Abstract:Due to the poor underwater imaging conditions and interference factors, the image processing is difficult. Preprocessing is necessary to improve the image quality the through reducing the interference and noises. The piecewise linear gray level transformation method is introduced for image preprocessing in order to achieve the desired effect.

Key words:underwater; images; robot; image processing; piecewise linear gray level transformation method