圖像處理中幾個(gè)關(guān)鍵算法的分析

魏艷艷（陜西交通職業(yè)技術(shù)學(xué)院信息工程系，710018）

?

圖像處理中幾個(gè)關(guān)鍵算法的分析

魏艷艷
（陜西交通職業(yè)技術(shù)學(xué)院信息工程系，710018）

摘要：伴隨科技的發(fā)展，圖像處理技術(shù)也得到了快速的發(fā)展。在科技的快速發(fā)展下，傳統(tǒng)基于頻率域和圖像處理方式的不足逐漸凸顯出來(lái)。為此，文章對(duì)圖像處理中的圖像去噪、圖像增強(qiáng)、邊緣檢測(cè)、邊緣細(xì)化、圖像縮放等關(guān)鍵算法進(jìn)行分析。

關(guān)鍵詞：圖像處理；關(guān)鍵算法；分析

數(shù)字圖像處理技術(shù)起源于 20 世紀(jì) 20 年代，采用的是數(shù)字壓縮技術(shù)，在上個(gè)世紀(jì)七十年代，數(shù)字圖像處理技術(shù)形成了完善的學(xué)科體系，發(fā)展成為一門(mén)獨(dú)立的學(xué)科?，F(xiàn)階段，數(shù)字圖像處理的應(yīng)用范圍變得越來(lái)越廣泛，開(kāi)始滲透在多個(gè)領(lǐng)域，包括生物醫(yī)學(xué)、工業(yè)、航空、通信等領(lǐng)域。但是，現(xiàn)階段圖像處理技術(shù)的算法復(fù)雜度較高，涉及到了很多種算法和理論方法，比如神經(jīng)網(wǎng)絡(luò)理論、線(xiàn)性理論、尺度奇異值變換法等。這些技術(shù)的試驗(yàn)效果雖然良好，但是其運(yùn)算速度較慢，在具體的應(yīng)用中存在或多或少的不足。為此，文章對(duì)圖像處理中的關(guān)鍵u技術(shù)進(jìn)行分析和研究，旨在不斷完善和簡(jiǎn)化各種技術(shù)，實(shí)現(xiàn)圖像處理技術(shù)的更好發(fā)展。

1 基于人眼視覺(jué)特性的閾值計(jì)算方法

現(xiàn)階段有關(guān)學(xué)者對(duì)基于人眼視覺(jué)特性的閾值計(jì)算方法 的研究大多是矛盾的，很多學(xué)者的研究都表明人眼對(duì)灰度值的分辨能力在黑色領(lǐng)域要比在白色領(lǐng)域具有更好的效果。根據(jù)人眼的視覺(jué)特性，在視覺(jué)分辨率較高的地區(qū)，閾值應(yīng)該變得小一些，而在視覺(jué)分辨率低的區(qū)域，閾值應(yīng)該大一些。從圖一中可以看出，最低一行的灰度值是0，倒數(shù)第二行的灰度值是1，之后是2、3......，最后一行的灰度值達(dá)到了255，在這種情況下能夠發(fā)現(xiàn)在黑色區(qū)域的灰度值達(dá)到了30、白色區(qū)域的灰度值達(dá)到200的時(shí)候，人的肉眼還是無(wú)法區(qū)分出圖像的差別。因此可以總結(jié)出，分辨力從低到高的排序是白色、黑色、灰色。在灰度值在48到206的期間內(nèi)，人肉眼對(duì)灰度值的敏感性不會(huì)隨著灰度值的變化發(fā)生變化。另外還可以發(fā)現(xiàn)人眼的視覺(jué)特性在某些灰度值附近具有跳躍性，因此應(yīng)該采用拋物線(xiàn)的形式來(lái)計(jì)算閾值。具體表現(xiàn)為分別在［0 、48］、（48，206）和［206，255］中分別定義一個(gè)拋物線(xiàn)方程g（x ）=ax + bx + c，在區(qū)域［0， 48］中，當(dāng)x=0的時(shí)候，方程取值是30，當(dāng)x=-48的時(shí)候，方程的取值是8.由此可以計(jì)算出a=-0.009549， b=0， c=30；在區(qū)域（48，206）中，當(dāng)x=127時(shí)，方程取值是12 ，當(dāng)x=48的時(shí)候，方程的取值是8.可計(jì)算出： a=-0.000641，b=0.162794， c=1.662554。檢測(cè)閾值threshold用式（1）計(jì)算。

圖一:示例圖像

2 具有去噪功能的圖像增強(qiáng)算法

圖像在傳輸?shù)倪^(guò)程中受傳播介質(zhì)的影響，會(huì)受到內(nèi)外部環(huán)境的干擾，進(jìn)而產(chǎn)生各種噪聲，降低了圖像的總體質(zhì)量，為圖像接下來(lái)的圖像處理帶來(lái)不便，為此需要對(duì)圖像噪音進(jìn)行處理。傳統(tǒng)的去噪算法在去除噪音的同時(shí)也去除了邊緣和角點(diǎn)等細(xì)節(jié)信息，導(dǎo)致圖像變得模糊。具有去噪功能的圖像增強(qiáng)算法具有很強(qiáng)的抑制噪聲的 功能，能夠?qū)D像的細(xì)節(jié)信息進(jìn)行保留。具有去噪功能的圖像增強(qiáng)算法基于LIP 模型而發(fā)展，并對(duì)人肉眼的基本視覺(jué)特征進(jìn)行了應(yīng)用，利用待檢測(cè)點(diǎn)周?chē)? × 3鄰域像素灰度值的平均值來(lái)作為算法的基本參數(shù)，提升 圖像清晰度，去除噪音。

2.1 基于 LIP 模型的圖像增強(qiáng)算法的實(shí)現(xiàn)

通過(guò)對(duì)灰度函數(shù)進(jìn)行歸一補(bǔ)變換來(lái)簡(jiǎn)化算法，灰度函數(shù)歸一補(bǔ)變換定義如（2）所示

f=1-（ f / M）（2）

灰度函數(shù) f 在［0 ， M ）區(qū)間， M=256，簡(jiǎn)化之后的算法可以表現(xiàn)為如（3）所示

log（ f '（i ， j ））=α log（ a（i ， j ））+ β［log（f（i，j）-log（a（i ，j））］（3）

然后將_f '（i，j）當(dāng)作f代入式（4-1），并求式（4-1）的逆運(yùn)算 f（1 f）M=-得到 f（i，j），

2.2 基于LIP模型的圖像增強(qiáng)算法去噪音方面的性能

噪音可以被認(rèn)為是妨礙人們感覺(jué)器官所將誒手的信息理解的因素，比如一幅灰度圖像，其亮度分布假定為 f（x，y），那么對(duì)其起干擾作用的亮度分布 R（x，y）便稱(chēng)為圖像噪聲。圖像噪聲是很難被區(qū)分和預(yù)測(cè)的，為此被人們認(rèn)為是一種隨機(jī)的行為和過(guò)程，取出噪音常用的方法是數(shù)字特征、均值方差和相關(guān)函數(shù)方法?，F(xiàn)對(duì)Lena原圖像用高斯（Gauss）濾波法、均值（3 鄰域）濾波法、中值濾波法和文中方法進(jìn)行濾波實(shí)驗(yàn)，根據(jù)實(shí)驗(yàn)分析最終發(fā)現(xiàn)中值濾波法因?yàn)閳D像中的細(xì)節(jié)過(guò)多，導(dǎo)致這部分邊緣最粗糙，其次是因?yàn)榈却龣z測(cè)的點(diǎn)所對(duì)象的全值較大，因此高斯濾波方法這部分邊緣也比較粗糙。

3 改進(jìn)的邊緣檢測(cè)算法

3.1改進(jìn)的Robert 邊緣檢測(cè)算法。Roberts邊緣檢測(cè)算子利用 任意一對(duì)相互垂直方向上的差分可以看成求梯度的近似方法原理，并利用對(duì)角線(xiàn)方向相鄰兩像素之差代替梯度，計(jì)算梯度如（4）所示。Robert邊緣檢測(cè)算子采用對(duì)角線(xiàn)方向相鄰兩像素之差進(jìn)行梯度幅值檢測(cè)，最終的檢測(cè)效果、水平和高度很高，但對(duì)噪音較為敏感。

文章在對(duì)傳統(tǒng)邊緣檢測(cè)算法分析的同時(shí)，在像素8鄰域內(nèi)通過(guò)計(jì)算水平0度方向，垂直90度方向，135度 方向，45度 方向一階偏導(dǎo)數(shù)有限差分，之后確定出像素梯度副值的方法，提升了方向的權(quán)值。這種算法達(dá)到了抑制邊緣定位噪聲的效果，具有良好的去除噪聲效果。

3.2 改進(jìn)的 Prewitt 邊緣檢測(cè)算法。Prewitt 邊緣檢測(cè)算法是一種類(lèi)似 Sobel 邊緣檢測(cè)算法的邊緣模板算法，能夠?qū)D像進(jìn)行八個(gè)方向的檢測(cè)。Prewitt 邊緣檢測(cè)算子它對(duì)噪聲具有平滑作用。 針對(duì) Prewitt 邊緣檢測(cè)算法的缺點(diǎn)，重寫(xiě)整合的模板。改進(jìn)的模板具有以下幾個(gè)新增的功效：在檢測(cè)邊緣時(shí)，可以獲得與原 Prewitt 模板相同的梯度值；比原 Prewitt 模板具有更強(qiáng)的平滑噪聲能力；能夠自動(dòng)計(jì)算閾值、實(shí)現(xiàn)邊緣細(xì)化 。

4 結(jié)束語(yǔ)

伴隨圖像應(yīng)用領(lǐng)域的拓寬，圖像處理技術(shù)得到了快速的發(fā)展，并在發(fā)展的同時(shí)逐漸成為圖像理解和計(jì)算機(jī)視覺(jué)領(lǐng)域中一項(xiàng)重要而有用的技術(shù)，能夠提高傳統(tǒng)圖像處理算法的效果和運(yùn)算速度。為此，需要有關(guān)人員不斷加強(qiáng)對(duì)圖像處理中幾個(gè)關(guān)鍵算法的研究和分析。

參考文獻(xiàn)

［1］康牧. 圖像處理中幾個(gè)關(guān)鍵算法的研究［D］.西安電子科技大學(xué)，2009.

［2］韓芳芳. 表面缺陷視覺(jué)在線(xiàn)檢測(cè)關(guān)鍵技術(shù)研究［D］.天津大學(xué)，2012.

［3］丁南南. 基于特征點(diǎn)的圖像配準(zhǔn)技術(shù)研究［D］.中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所），2012.

Analysis of several key algorithms in image processing

Wei Yanyan
（Shaanxi College of Communication Technology Information Technology Department，710018）

Abstract：With the development of science and technology，image processing technology has been rapid development.Under the rapid development of science and technology，the shortcomings of traditional frequency domain and image processing methods have gradually emerged.To this end，the paper analyzes the image denoising，image enhancement，edge detection，edge thinning，image scaling and other key algorithms for image processing in image processing.

Keywords：image processing；key algorithm；analysis