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