“数字图像处理”综合实践教学改革与创新——以路面裂缝图像增强为例

张湃，孟庆莹

（唐山学院智能与信息工程学院，河北唐山，063000）

0 引言

综合类实践教学是在学生学习相关理论的基础上，为了更好的进行实践和研究而开设的一种综合性的实验教学模式。它在考查学生课程基本知识点的同时，又培养了学生的动手操作能力、误差分析能力、资料搜集、查阅能力和实验数据分析能力[1]。

“数字图像处理”课程是通信类专业本科教学一门重要的专业课程，该课程重点突出图像处理的基础理论和具体应用实例的工程实现。基于图像处理综合实践教学能够帮助学生在理解算法等基本知识点的同时，对实际问题，如图像复原、图像去噪、图像增强[2]等应用能够有较深入理解与掌握。目前，针对图像处理的应用非常广泛，如路面裂缝识别技术[3]，路面裂缝识别技术是针对目前道路交通而设计的，由于路面存在各种缺陷，会造成交通拥堵，甚至有可能发生事故，因此利用边缘增强和提取算法来实现对路面裂缝的识别，能够有效检测裂缝的形态，大小以及判断是否需要修复等问题。本实验基于“路面裂缝图像增强”的应用背景，结合“数字图像处理”课程教学和实验教学的培养方案，以路面裂缝图像增强为案例，设计相应的综合性实验项目。主要综合了信号与系统、多媒体通信技术和现代通信原理等相关专业课程的理论知识，选择Matlab 作为仿真软件[4]，在开发环境下完成对路面裂缝的增强。

1 路面裂缝图像增强原理

实际问题中不仅存在裂缝，而且收集的人行道裂缝图像中也存在噪声。因此，改善人行道裂缝图像的主要目的是增加人行道裂缝与背景之间的对比度，使裂缝更加可见，这要求在算法配置中尽可能去除图像噪声，同时，路面裂缝边缘尽可能不要出现模糊。本实验中介绍的非下采样轮廓波变换（NSCT）[5]不仅可以抑制伪Gibbs变形引起的裂缝不透明度，还可以准确区分排气表面裂缝的纹理特征，以消除噪声并增加裂缝和背景之间的对比度。

NSCT首先使用未增强金字塔滤波器组（NSPFB）实现多维图像退化，然后使用未增强滤波器工具（NSDFB）在每个尺度上完成接收子属性图像的多向退化，以获得子带图像（系数）不同的尺度和方向。在图像退化和重建过程中，NSCT避免了采样和图像捕获，因此NSCT变换不仅具有多尺度、多方向的优点，而且具有良好的局部特性和空间、频率的平移不变性，这在很大程度上解决了频谱混叠的问题，并且使每个子带的系数矩阵不同，这不仅是相同尺度的属性，而且是相同大小的属性。图1是NSCT变换图，降级后的频域图像如图2所示。

图1 NSCT变换

图2 分解后理想频域分布

非降采样单元滤波器组的层次结构通过多级迭代实现。它可以提供完全符合以下恢复条件的基本低通和高通滤波器组，如式（1）所示：

其中，H0(z)H0(z)，H1(z)为=分别是低通和高通滤波器，G0(z)，G1(z)为低通和高通重构滤波器。通过这组滤波器，图像被分为二维低频子带和二维高频子带，为了理解多层结构，只需要对低频子带继续迭代滤波。NSCT滤波器提供了所需的象限滤波器组和并行滤波器组，避免了图像采样。

因此，非采样滤波器组具有以下结构：

（1）通过扇形滤波和象限滤波将图像分为四个子带；

（2）迭代并行滤波器组后，将其分为不同方向的子带。

图3 非下采样塔式滤波器组(NSPFB)

图4 非下采样方向滤波器组(NSDFB)

2 路面裂缝图像增强算法设计

处理灰度图像是改善人行道裂缝图像的第一步。使用特定算法的语言将彩色图像转换为灰度图像的处理过程[6]。彩色图像的显示必须从三种基本颜色（红色、绿色和蓝色）开始。三种基本颜色红色（R）、绿色（g）和蓝色（b）可以合并创建自然界中的所有颜色。例如，某些颜色包含的红色成分较多，而其他成分较少。为了便于共享和应用，此颜色中的红色成分数量被人为划分为256个级别，即0~255。级别0表示颜色不包含红色成分，级别255表示，颜色包含100%的红色成分。类似地，绿色和蓝色可以人为地划分为256个级别，因此，就其本质而言，256×256×256（约1600万）颜色可以从红色、绿色和蓝色组合而成。

每个像素中的所有像素都可以用它们的RGB分量表示。决定每个像素颜色的值是R、G和B。因此，每个像素的颜色范围在彩色图像中为0$2553，而灰色图像是彩色图像中的一个特殊图像，其RGB分量具有相同的值。因此，每个像素范围的变化为0~255，其中全黑为0（最暗）和255都是白色（最亮），因此在处理采集的数字图像之前，为了减少处理图像后的计算量，首先将彩色图像转换为灰色图像。本实验采集的人行道裂缝图像是彩色图像。因此，首先需要将这些彩色图像转换为灰色图像。灰度图像是指仅包含亮度信息而不包含颜色信息的图像。f(x,y)来表示，x、y为图像像素点的空间坐标，该函数f(x,y)的值即是像素点的亮度值，将灰度图像看作矩阵，彩色图像可以用式（2）表示：

其中，R、G、B分别表示图像坐标(x,y)处的红色、绿色、蓝色各分量值。

颜色还可用YUV颜色模型表示，Y是亮度分量，U、V是色度分量。Y分量包含了灰度图中所有的信息，YUV和RGB之间有着如式（3）的对应关系：

利用式（3）可以得到式（4）：

根据式（4），Y可以由R、G、B通过矩阵换算。

本实验采用NSCT变换用于增强图像的算法步骤如下：

第一步：路面裂缝的灰色图像处理。原始输入图像是一个彩色图像，可以从前面部分的灰色处理原理中获得。灰色处理彩色图像可以减少不同后处理的计算量。因此，输入彩色图像必须在其他操作之前进行灰色处理。在MATLAB中，灰色处理图像可直接命名为灰色处理函数，以便方便、快速地实现灰色处理彩色图像。图像和灰色图像如图5所示。

图5 输入图像与灰度处理后对比图像

根据上述对比图，可以获得灰色图像处理效果，但由于采集的人行道裂缝图像接近黑白，处理结果不明显，但是，这种处理减少了以后大量的计算，并为其他功能的实现和操作节省了时间。

第一步：本实验中呈现的灰色人行道裂缝图像是人行道裂缝图像，用作NSCT变换的输入，用以获得基于不同尺度和方向的变换系数；

第二步：评估输入成像噪声的标准偏差；

第三步：在每个量表上使用DFB：

(1)包括噪音评估；

(2)阈值的计算；

(3)放大系数计算；

(4)计算每个标度上所有子频率系数的平均数和最大数；

(5)完成各方向子频率系数的分类和修改。

第四步：使用修正系数重建增强图像，并比较NSCT图像效果。

在本实验中，NSCT对图像进行了三次修改。下一个参数是人行道裂缝图像的多层NSCT转换。本实验仅给出参考的第一层和第二层，第三层和第四层仅在模拟实验中显示。NSCT人行道裂缝用于在四个不同方向上改善图像，从图中可以清楚地看到提取方向不同，在第三层，它也在四个方向上进行处理；第四层，在八个不同的方向上进行处理。

对路面裂缝进行处理和重建后，可获得图6所示的效果图和效果对比图。

图6 经NSCT增强后与原始图像对比图

由两幅图可明显得出，采用NSCT算法对路面裂缝图像进行增强后的效果，明显好于经典滤波算法的增强，且前者在去除图像中噪声的同时，尽可能的防止路面裂缝边缘出现模糊，使裂缝边缘较清晰，纹理分明。

图7 经典滤波算法增强后与原始图像对比图

基于NSCT的阈值识别和裂缝提取算法应用于人行道裂缝图像。该算法取得了良好的效果。利用尺度和方向滤波去可以实现对裂缝图像的有效分解，在表征裂缝的形状和位置方面突出，同时抑制了噪声以及其他由于光照不均等因素的干扰，经实验证明是一种有效的算法。

3 结语

本实验对数字图像处理课程的实验教学改革进行了探索，以路面裂缝增强案例为例，设计Matlab仿真实验，其目标是在虚拟环境中完成计划的试点项目，锻炼学生的实践能力和创新能力，帮助学生从系统的角度理解和获取理论知识点，同时，实验设计与项目教学法相结合，激发了学生的学习积极性。虚拟仿真测试是对现有硬件实验的有益补充，有助于实现课程教学目标。