数字图像检测预处理方法研究

王志坚

摘要：随着计算机技术的发展，数字图像处理技术也在不断进步，图像检测的应用越来越广。图像检测与国家的各种行业都有着息息相关的联系，比如在工业上，可以检测成品的质量;在交通上，可以检测车子的牌照等等。为了提高图像检测的准确性，我们往往需要对获取的数字图像先进行预处理。

关键词：数字图像;图像检测;预处理

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2018）11-0061-02

1 数字图像处理技术简介

在数字图像处理技术没发展起来之前，一般都是先将图像转化为模拟信号，而现在都是转化为数字信号。数字图像处理技术由许多部分组成，主要包含几何处理与图像识别。因为数学与物理学等方面的学科对数字图像处理技术有重大的影响，所以这几年这方面的研究内容也不断提升。本世纪，数字图像处理技术已深入到人们生活的方方面面，比如生物医学、工业检测、遥感及人工智能等，并且这方面的技术又有了更快的提高。

一般说来，人们看到的图像其实都不是真正的图像，而只是经过大脑处理后感受到的模拟图像，并且图像上不同的颜色也会形成不同的形状。在人观看一个具体事物时，如果是运动物体，那么看到的图像会有不同的颜色和形状，这可以作为图像空间坐标的函数用来计算。拍摄黑白（或称单色）照片时，只记录了景物中每点的亮度，而彩色照片不仅记录了亮度还把颜色记录了下来[1]。

一幅图像我们首先感受到的就是它的明暗程度，可以称作光的强度，它是随空间坐标（x，y），光线的波长λ和时间t而变化的，因此图像函数可以表示为：

2 图像数字化处理的优点

采集一幅图像的数字信号，需要在计算机上合成采集信号的系统，并且将原本的图像转化为分散的像素集合。采集图像一般由成像、采样及量化三个步骤完成，图像的空间坐标由采样获得，而将图像转为离散的数据主要靠量化，采样和量化统称为数字化。

2.1 再现性好

直接使用模拟图像进行处理，很有可能会使原始模拟图像的质量退化。因为在图像做存储、传输、复制这些操作时，总会出现一系列的失误，但是数字图像却没有这个缺点，因为图像已经以数字化的形式来表达，不存在失误的情况，所以图像始终不会改变。

2.2 处理精度高

在当前的技术下，图像数字化设备的研究已经非常深入，一幅模拟图像经过数字化处理后可以转换为一个二维数组，并且此数组可以任意变换大小。更令人振奋的是，图像的数字化精度可以满足所有工作的需求，因为图像中的每个像素都有分级，可以达到16位以上，所以只要改变数组参数，就可以完成图像的所有处理。

2.3 适用面宽

当今，图像的来源非常之广，从图像大小来说，显微镜下的图像最小，而用太空望远镜所拍摄到的图像不仅包含的信息量非常复杂，而且尺寸也非常巨大。不论图像是哪种尺寸，最终都可以通过数字化编码，全部转化为二维数组，这样使用起来更便捷。

2.4 灵活性高

之前比较流行的图像处理方式是光学图像处理，但此方法有很大的缺点，就是它不能实现非线性运算，这对它的发展前景蒙上了一层阴影。但数字图像处理是以数字化形式表达，无论是线性或非线性，都可以检测。

2.5 信息压缩的潜力大

数字图像由各个像素组成，在同一幅图像上，由于一部分像素的灰度级非常相似，有些甚至完全相同，由此我们可以确定，图像是可以进行压缩的，并且压缩的潜力很大。

3 数字图像检测预处理

由于拍摄图像时，物体的反射光不是100%的平行光，同时光线的亮度也具有不均匀性，加之外界光的干扰以及物体表面因素影响，图像会变得模糊。还有一种情况也可能导致图像的退化，那就是转化被测图像到数字图像时，这个过程不是人为操控，可能出现各种干扰信号，有可能发生偏差。例如，如果图像的形状被破坏，或者图像本身就是看不清楚的。因此，为了保证图像在各种信号干扰的情况下还可以被检测，需要对图像进行必要的校正，同时避免图像有用信号也受到干扰。这就是数字图像分析和识别中的预处理[2]。

3.1 图像平滑

一幅图像在成像之时，图像不可避免会有一些失真，这时就需要对图像进行去噪，然后才可以检测图像。去噪一般使用空间域或频率域这两种方法，它们各有优缺点，不同的环境下需要不同的选择。在空间域，一般采用的都是邻域平均滤波，但是还有一种方法也经常被用到，这就是中值滤波。而在频率域，因为这已经变为了二维方向上的滤波，所以低通滤波的方法是不錯的选择。图1为均值滤波的经常用到的模板，图2为高斯滤波的平滑模板，从这里可以看出，它们的输出都为1。

3.1.1 均值滤波

如果f（x，y）表示的是在处理之前的图像，而处理后的图像为g（x，y），那么均值滤波的数学表达可表示为：

M表示图像上所有的像素点，S为一开始就有的一个区域，该区域不包括（x，y）点。

f（x，y）是（x，y）的邻域中的像素，算出它包含像素的总灰度，然后除以个数，求出平均数，然后将它赋值给g（x，y）中的每一个像素，这样就求出了经过均值滤波之后的图像像素的灰度值。

3.1.2 高斯滤波

高斯滤波器实际上是对信号进行处理，对其中一些噪声减噪效果很好，从图3、图4、图5的对比可以明显看出减噪效果。其中一维零均值高斯函数为：                其中表示为高斯滤波器的宽度，常用公式如下：

3.2 图像灰度调整

灰度图像上的像素级别都是一样的，虽然不同图像的灰度图看起来的颜色亮度有可能不一样，但只是设置的参数不同而已，灰度图与原图的对比如图6、图7所示。灰度图像与黑白图像有很大的不同之处，在计算机图像领域中黑白图像只有黑白两种颜色，灰度图像都具有从白色到黑色的亮度值[3]。

3.2.1 点运算

在处理图像时，如果灰度值变换的范围太大，那就必须进行点运算调整。点运算只是改变一下灰度像素的对比度，对灰度图像的整体没有太大的改变。点运算的公式如下：

上述公式中的函数为灰度变换函数，它表示了一幅图像的灰度值在运算前与运算后之间的区别。

3.2.2 灰度直方图

标准的直方图是各个像素灰度的体现，每个像素都在不同的地方。横轴代表了不同的灰度，从低到高排列，而纵轴表示点的个数，从图上能看到整幅图的内容。直方图只表示灰度值的排列顺序，不和其他因素有关，也就是说两幅看起来相差很大的图像，它们的灰度图有可能是一样的。灰度直方图已经变得非常简单，每一次检测图形时都会用到。

3.2.3 灰度的均衡

经过灰度均衡之后，在直方图上能看到灰度级的概率分布会更均匀，在这里可用点运算使直方图平缓。通常灰度图上明显地出现黑白不均，或太白，或太黑的情况，才会用到灰度均衡。

对于一幅数字图像，设它的面积（总的像素点个数）为，当前像素灰度值为，转换后的灰度值为，则转换公式为：

式中第i级灰度的像素个数。

3.3 图像二值化

一般情况下，检测目标图像时，须将目标图像提取出来，不然很可能无法检测到正确的目标。一幅图像的灰度值分布是不一样的，因此经常使用的方法就是设定阈值，用一个中间阈值将图像分为两大部分，分为目标与背景，然后再进行检测。二值化已经是基本的图像处理方法，这种方法是选取一个阈值，使得图像只留两种颜色：黑色和白色。这两部分就是背景和目标，接下来只要检测目标那部分就可以了。二值化前后的图图像如图8、图9所示。其中最重要的就是指定阈值的值，将像素的灰度值与它进行比较，然后根据大小情况设置成255或0就可以了。

其实，二值化过程就是对图像的灰度值进行阈值選取的过程，可以用下面的函数来表示：

其中T为指定的阈值，由此可见，图像二值化的最终效果与阈值T的选取关系密切。

4 结语

在对图像进行数字化转换并检测时，首先可通过图像平滑处理、图像灰度调整、图像二值化处理等方法对数字图像预处理，从而改进数字图像的识别度，提高后期图像检测准确率。其中图像平滑就是在空间域或频率域上去除多余的噪声，而图像灰度化及图像二值化也是需要重点处理的步骤。

参考文献

[1]陆春梅.基于数字图像处理技术的接杆激光环焊焊缝视觉检测系统研究[D].上海：上海交通大学，2008.

[2]吴忠.基于图像技术的手写数字识别方法的研究[D].合肥：安徽大学，2012.

[3]胡翔宇.扫描古籍图像透背去除算法研究[D].长沙：湖南大学，2016.

[4]沈小兰.基本图像几何形状检测算法的研究与应用[D].杭州：浙江工业大学，2013.

Research on Digital Image Detection Preprocessing Method

WANG Zhi-jian

（Changzhou Engineering Vocational and Technical College， Changzhou Jiangsu  213614）

Abstract：With the development of computer technology， digital image processing technology is also constantly improving， and the application of image detection is more and more extensive. Image detection has a close relationship with various industries in the country. For example， in industry， the quality of finished products can be detected. In transportation， the license plate of a car can be detected. In order to improve the accuracy of image detection， we often need to preprocess the acquired digital image first.

Key words：digital image; image detection; preprocessing