基于雙邊濾波與自適應(yīng)灰度的鋼筋圖像預(yù)處理

摘 要：雙邊濾波這一要素，能處理特有的鋼筋圖像。濾了圖像這一范疇的高頻噪聲，再依循亮度的更替，保持圖像固有的高頻成分，接納自適應(yīng)架構(gòu)下的灰度過程。這一新穎方式，把濾波器慣用的權(quán)系數(shù)，更替成亮度信息特有的乘積。經(jīng)由優(yōu)化的這一權(quán)系數(shù)，再與原初的鋼筋圖像，進(jìn)行最優(yōu)的卷積運(yùn)算。濾波流程中，要去除圖像固有的噪聲，與此同時(shí)，保持鋼筋圖像固有的清晰邊緣。濾波器預(yù)設(shè)的權(quán)系數(shù)，會隨同亮度更替而更替，因此，預(yù)處理的時(shí)段內(nèi)，要達(dá)到期待中的濾波目的。

關(guān)鍵詞：雙邊濾波；自適應(yīng)灰度；鋼筋圖像；預(yù)處理

中圖分類號：TP391.41

鋼筋圖像特有的預(yù)處理，慣常選取的途徑，即雙邊濾波和關(guān)涉的灰度。雙邊濾波特有的卷積權(quán)值，關(guān)系著低通濾波銜接的鄰域，也關(guān)系著像素原有的亮度信息。用特有規(guī)格的模板，對鋼筋圖像這一范疇的邊緣，進(jìn)行新穎的平滑處理。這樣做，去掉了自適應(yīng)態(tài)勢下的噪聲，也保持了應(yīng)有的邊緣信息。

1 預(yù)處理的本源原理

雙邊濾波這一處理路徑，來源于慣用的Gauss。Gauss這一范疇內(nèi)的權(quán)系數(shù)，經(jīng)由圖像信息特有的卷積運(yùn)算，預(yù)設(shè)預(yù)處理這一途徑。濾波權(quán)系數(shù)經(jīng)由優(yōu)化，被更替成新穎的乘積。函數(shù)及圖像特有的亮度信息，相乘得來這一乘積。這就在預(yù)設(shè)的處理中，考量了特有的邊緣信息。Gauss路徑下的模糊信息，會變得很明晰；圖像固有的邊緣，也帶有平滑的態(tài)勢。如上的辦法，在處理鋼筋特有的灰度圖像時(shí)，帶有實(shí)用特性。

雙邊濾波特有的預(yù)處理，不僅考量了像素既有的灰度值，還考量了固有的鄰近關(guān)聯(lián)，以及亮度這一范疇的類似性。經(jīng)由非線性架構(gòu)的組合，自適應(yīng)經(jīng)由濾波以后，還可獲取新穎的平滑圖像。單獨(dú)依循空域?yàn)V波這一處理途徑，對鋼筋圖像固有的多樣信息，予以辨識并處理。在圖像銜接著的邊緣，帶有灰度的這一圖像，就凸顯出慣常見到的失真弊病，限縮了應(yīng)有的濾波成效。若在預(yù)設(shè)的權(quán)系數(shù)根基之上，把圖像固有的亮度信息，看成權(quán)系數(shù)固有的成分，就能直接預(yù)設(shè)去噪這一處理。這一預(yù)處理，也回避掉了鋼筋圖像慣常的灰度失調(diào)。

雙邊濾波器固有的權(quán)系數(shù)，整合起了Gauss這一權(quán)系數(shù)，以及圖像表征出來的亮度信息。運(yùn)算得來的卷積模板，不僅關(guān)系著空域?yàn)V波，還關(guān)系著亮度特有的標(biāo)準(zhǔn)差。在這之中，標(biāo)準(zhǔn)差現(xiàn)有的數(shù)值，關(guān)聯(lián)著窗口這一范疇的高斯函數(shù)：函數(shù)細(xì)分出來的像素個(gè)數(shù)，就可以運(yùn)算出這一標(biāo)準(zhǔn)差。結(jié)合態(tài)勢下的像素值遞增時(shí)，圖像就帶有模糊的總傾向。這樣的態(tài)勢下，結(jié)合起來的像素遞增，但受到特有的數(shù)值限制，亮度差值偏大的像素，就會結(jié)合偏暗的像素。因此，鋼筋圖像固有的邊緣信息，就被存留下來，不會與體系以內(nèi)的其他信息，進(jìn)行運(yùn)算。此外，還除掉了高頻態(tài)勢下的多樣噪聲。

慣用的空域?yàn)V波，會把鋼筋圖像固有的多樣信息，予以同時(shí)歸整處理，再去妥善合并；而雙邊濾波這一新穎路徑，就省略掉了這一處理流程，縮減了慣常見到的信息失真。比對異性擴(kuò)散這一自適應(yīng)，雙邊濾波特有的自適應(yīng)，不用預(yù)設(shè)復(fù)雜態(tài)勢下的迭代運(yùn)算。若既有的窗口偏大，則可以維護(hù)應(yīng)有的濾波實(shí)效，限縮濾波流程以內(nèi)的運(yùn)算時(shí)間、這一流程以內(nèi)的運(yùn)算量。圖1為原始的鋼筋圖像，圖2為濾波處理以后的圖像。

圖1 原始的鋼筋圖像 圖2 為濾波處理以后的圖像

2 局部態(tài)勢下的自適應(yīng)

雙邊濾波預(yù)設(shè)的取值，關(guān)系著窗口曲線的延展程度?？臻g方差若遞增，則高斯曲線原有的下降速率，將會被限縮。在這樣的時(shí)段，高斯平滑這一作用，就被凸顯出來，鋼筋圖像帶有模糊的總傾向。為此，預(yù)設(shè)最佳情形下的空間方差，能妥善存留固有的邊緣特性。經(jīng)由計(jì)算，可以明晰像素點(diǎn)關(guān)涉的目標(biāo)尺度，明晰周邊區(qū)段既有的平滑范疇。這就妥善管控了空間的方差。在圖像細(xì)分出來的平滑區(qū)段，目標(biāo)尺度遞增時(shí)，空間方差預(yù)設(shè)的取值，也會遞增。

2.1 定義出來的目標(biāo)尺度

圖像預(yù)設(shè)的目標(biāo)尺度，被看成像素點(diǎn)銜接著的超球體，運(yùn)算得來的半徑。超球體以內(nèi)的像素點(diǎn)，都被劃歸成同一固有的目標(biāo)體。定義出來的這一尺度，折射著局部態(tài)勢下的圖像尺寸；在細(xì)節(jié)遞增的區(qū)段內(nèi)，或圖像銜接的邊界以內(nèi)，預(yù)設(shè)的尺度被限縮；在同質(zhì)態(tài)勢下的平滑區(qū)段，預(yù)設(shè)的尺度又遞增。為此，用定義好的這種尺度，來表征空間方差應(yīng)有的數(shù)值大小。最大范疇內(nèi)的自變量，密切關(guān)聯(lián)著閾值函數(shù)。為此，還要明晰閾值函數(shù)慣常的設(shè)定途徑。

目標(biāo)尺度預(yù)設(shè)的數(shù)值，要考量如下要素：第一，鋼筋圖像夾帶著的噪聲，讓鄰近范疇內(nèi)的區(qū)段，都很難回避掉這一干擾。第二，雙邊濾波存留著的灰度限制，決定了要延展預(yù)設(shè)的目標(biāo)尺寸。像素銜接著的鄰域以內(nèi)，許可設(shè)定出來的像素點(diǎn)，最多有兩個(gè)預(yù)設(shè)的點(diǎn)，沒能被劃歸進(jìn)同一區(qū)段。在這時(shí)，仍舊把固有的整個(gè)鄰域，整合進(jìn)同一預(yù)設(shè)的目標(biāo)區(qū)域。

2.2 可用的運(yùn)算途徑

明晰了目標(biāo)尺度，就要依循這一尺度，設(shè)定最優(yōu)架構(gòu)下的空間方差。目標(biāo)尺度表征著目標(biāo)構(gòu)架固有的大小，也即像素點(diǎn)固有的平滑區(qū)段。同一預(yù)設(shè)的目標(biāo)區(qū)域，銜接著內(nèi)接圓特有的最大半徑。與此同時(shí)，高斯函數(shù)潛藏的屬性，可以明晰：在設(shè)定好的某一區(qū)段內(nèi)，高斯曲線歸整出來的分量，能超出九成。

明晰了像素點(diǎn)預(yù)設(shè)的目標(biāo)尺度，經(jīng)由接續(xù)的運(yùn)算，還可以明晰像素點(diǎn)表征著的空間方差。在這以后，就描畫出三維架構(gòu)下的顯示圖。在這之中，縱橫軸帶有一致的總傾向，而空間范疇內(nèi)的軸，則表征著空間方差現(xiàn)有的數(shù)值大小。灰度圖像關(guān)聯(lián)的空間方差，可被表達(dá)成特有的三維圖。解析這一圖像，能夠明晰：在描畫出來的平滑區(qū)段，若選取出來的數(shù)值遞增，則濾波帶有最優(yōu)的平滑性能；若邊緣存留了過多紋路，那么空間方差預(yù)設(shè)的取值遞減，這就存留下來偏多的邊緣特性。

3 自適應(yīng)的新穎預(yù)處理

比對慣用的雙邊濾波，自適應(yīng)架構(gòu)下的這種濾波，帶有凸顯的特性。這就是，在設(shè)定好的灰度值域，添加了預(yù)設(shè)的補(bǔ)償函數(shù)，被表征成F。F這一函數(shù)，在雙邊濾波以內(nèi)，帶有局部特有的自適應(yīng)。若補(bǔ)償函數(shù)被表征成零，那么它就更替成慣常見到的濾波函數(shù)?？梢灶A(yù)設(shè)多樣變量，來表征窗內(nèi)原有的像素灰度，并經(jīng)由運(yùn)算，得來最大及最小的特有數(shù)值，以及均值。依循F現(xiàn)有的取值差異，可分出三類狀態(tài)：第一類，若沒能預(yù)設(shè)F這一函數(shù)，那么函數(shù)就更替成慣用的濾波；第二類，函數(shù)朝向變量這一方向，予以更替；第三類，函數(shù)背離變量這一方向，予以更替。

若朝向變量這一方向變動，那么描畫出來的濾波結(jié)果，就會帶有模糊的總傾向；若背離變量這一方向變動，那么描畫出來的濾波結(jié)果，就會被更替成銳化圖像。這時(shí)，F(xiàn)就關(guān)系著極限數(shù)值。

4 結(jié)束語

經(jīng)由模擬仿真，我們可以明晰：處理現(xiàn)有的灰度圖像，若能把圖像關(guān)涉的亮度信息，當(dāng)成可用的濾波系數(shù)，那么經(jīng)由濾波以后的鋼筋圖像，原有的邊緣信息，就會凸顯出遞增的傾向。對制備好的鋼筋圖像，進(jìn)行慣用的平滑去噪，還能維持住圖像原初的邊緣信息。如上的預(yù)處理，帶有實(shí)用的特性，也帶有自適應(yīng)這一特性。

參考文獻(xiàn)：

[1]高國旺.全向IRST系統(tǒng)的圖像處理與信息融合技術(shù)研究[D].西安電子科技大學(xué)，2013（04）.

[2]胡乃平，段利亞.基于雙邊濾波與自適應(yīng)灰度的鋼筋圖像預(yù)處理（英文）[J].廣西師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2006（12）.

[3]邱宇.基于雙邊濾波的圖像去噪及銳化技術(shù)研究[D].重慶大學(xué)，2011（05）.

作者簡介：楊懷義（1965-），男，四川通江人，副教授，主要研究方向：計(jì)算機(jī)圖形圖像處理。

作者單位：南充職業(yè)技術(shù)學(xué)院，四川南充 637000