圖像處理方法綜述與案例分析

劉一宵++牛珊珊++栗春曉

摘 要 在實(shí)際的科學(xué)研究中，受拍攝條件、設(shè)備的影響，圖像往往會(huì)出現(xiàn)邊界模糊、脈沖噪聲、顆粒噪聲及特征不夠明顯等問(wèn)題。因此，需要對(duì)圖像進(jìn)行中值濾波處理，圖像銳化，使用Roberts梯子算法進(jìn)行邊緣檢測(cè)，對(duì)圖像灰度化、二值化，從而使得預(yù)處理后的圖片真實(shí)有用信息更加突出，增加有關(guān)信息的可檢測(cè)性。

關(guān)鍵詞 圖像處理；濾波；銳化；二值化；灰度處理

中圖分類號(hào) TP2 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2095-6363（2017）16-0159-01

近年來(lái)，利用計(jì)算機(jī)模擬預(yù)測(cè)人若干年后（或若干年前）的容貌這項(xiàng)技術(shù)在尋找失蹤兒童、提供娛樂(lè)等方面得到了較為廣泛的應(yīng)用。隨著歲月的流逝，人臉會(huì)隨著年齡的改變而改變。對(duì)于同一個(gè)人不同年齡階段的照片，我們通常可以根據(jù)其個(gè)性特點(diǎn)判斷是否為同一個(gè)人，但是如果兩張照片拍攝相隔時(shí)間越長(zhǎng)，辨別起來(lái)也就越困難。

隨著人臉識(shí)別與修復(fù)技術(shù)的興起，計(jì)算機(jī)圖形處理技術(shù)在此成為研究的熱點(diǎn)。進(jìn)行這一技術(shù)的首要環(huán)節(jié)是圖像的預(yù)處理，主要目的是消除掉無(wú)用的信息，保留有用的真實(shí)信息并使有用的真實(shí)信息更加突出，增加有關(guān)信息的可檢測(cè)性和最大限度的簡(jiǎn)化數(shù)據(jù)利于對(duì)數(shù)據(jù)的處理分析。我們所采集的圖片質(zhì)量不可能是十分完美的。例如：圖像人物不突出、表情過(guò)于豐富、照片邊界模糊等。所以進(jìn)行預(yù)處理就會(huì)顯得格外重要。

1 中值濾波

中值濾波與加權(quán)平均方式的平滑濾波不同，能很好的濾除脈沖噪聲和顆粒噪聲等，并保護(hù)圖像邊界，更好地保留圖像的細(xì)節(jié)和邊緣。

中值濾波的原理是利用一個(gè)正方形窗口，假設(shè)窗口是3×3的，則窗口里的數(shù)字均為1/9，然后將窗口依次與原始圖像相乘，并將結(jié)果賦值到一個(gè)新的圖像上去。通過(guò)該過(guò)程，可以得到一個(gè)新的圖像，該圖像剔除了原始圖像中的椒鹽噪聲等影響。

采用中值濾波處理結(jié)果如圖1所示：

2 圖像銳化

對(duì)圖像進(jìn)行中值濾波處理往往使圖像的輪廓變得較為模糊，從而影響后續(xù)的處理，為了減少由中指濾波帶來(lái)的影響，可以采用圖像銳化算法處理，即利用算法突出圖像的邊緣細(xì)節(jié)信息。

所以，我們選取方法較為簡(jiǎn)單，運(yùn)算速度快的Roberts梯子算法。Roberts梯子算法采用對(duì)角方向相鄰兩像素之差，故也稱為四點(diǎn)差分法。

3 邊緣檢測(cè)

邊緣是指圖象中灰度發(fā)生急劇變化的區(qū)域。根據(jù)第二步的Roberts梯子算法，我們選定一個(gè)閾值，若G（x，y）大于該閾值，我們就認(rèn)為該點(diǎn)為邊緣點(diǎn)。利用這種方法將邊緣點(diǎn)找出，得到人臉的邊緣區(qū)域。進(jìn)一步將圖像規(guī)范化，提取面部的有效部分。

4 灰度化，二值化

基于像素平均值的圖像閾值二值化算法的灰度處理。灰度處理后，圖片上人臉的特征部位更加明確。具體步驟如下：1）首先使用MATLAB軟件中的rgb2gray函數(shù)-將彩色圖像轉(zhuǎn)化為灰度圖像，如圖4所示。2）計(jì)算灰度圖像的算數(shù)平均值—M。3）以M為閾值，完成對(duì)灰度圖二值化（大于閾值M，像素點(diǎn)閾值為白色，否則閾值為黑色）。

5 結(jié)論

目前，計(jì)算機(jī)圖像處理技術(shù)正隨著人工智能技術(shù)的發(fā)展而呈現(xiàn)出新的研究熱點(diǎn)，在對(duì)圖像進(jìn)行操作的初始步驟是圖像預(yù)處理過(guò)程，即降低圖像在獲取或者處理不當(dāng)引起的誤差。本文介紹了一幅圖像較為常見(jiàn)的處理方法，如解決椒鹽噪聲或者斑點(diǎn)噪聲的中值濾波；使圖像邊緣信息更加突出的圖像銳化處理；以及邊緣檢測(cè)和圖像二值化等處理。未進(jìn)行系統(tǒng)學(xué)習(xí)圖像處理技術(shù)的科研人員可以借鑒一下這些過(guò)程。

參考文獻(xiàn)

[1]Scandrett C M，Solomon C J， Gibson S J. A person-specific，rigorous agingmodelofthehumanface[J].PatternRecognitionLetters，2006，27（15）：1776-1787.

[2]李洪升.基于ASM算法的人臉特征點(diǎn)定位研究及應(yīng)用[D].南京：東南大學(xué)，2009.

[3]MatthewsI，BakerS.Activeappearance models revisited[J].International Journal of Computer Vision，2004，60（2）：135-164.

[4]Beymer D.Vectorizing face images by interleaving shape and texture computation[J].TechnicalReport，AIM-1537，MITArtificialIntelligenceLaboratory，1995.endprint