基于多特征盒計數(shù)圖像子塊的道路圖像的縮小

劉晟

摘要

本文提出了一種多特征盒計數(shù)圖像子塊的道路圖像高-低精度變換方法，針對道路圖像檢測的特點，著重感興趣區(qū)域的細節(jié)特征，首先判斷的圖像子塊灰度的分布，根據(jù)灰度分布判斷圖像子塊的特征，最終將不同大小的圖像子塊按照其特征進行加權(quán)平均，代替原圖像的像素點。實驗證明，本文提出的圖像算法克服了現(xiàn)有算法的不足，有效的減少圖像信息，并能準確的提取出目標，抗干擾性強，具有一定的實際工程意義。

【關(guān)鍵詞】道路圖像 縮小 多特征盒計數(shù)

1 引言

圖像縮放包含很多種具體方法，常見的有圖像的幾何變換、圖像的尺度變換、圖像分辨率的轉(zhuǎn)換以及圖像的重采樣。在圖像預(yù)處理中，圖像縮放也有著重要的作用，例如減少無用信息量，驗證算法的可行性等。目前應(yīng)用于數(shù)字灰度圖像縮小的方法有許多種，例如，基于小波的圖像縮放技術(shù)。智能交通系統(tǒng)需要依靠信息采集技術(shù)提供的圖像、視頻等交通信息，來判別某些交通事件、進行后續(xù)的工作，但往往得到的原始數(shù)據(jù)不能夠完全滿足于需求，比如檢測出某些感興趣的區(qū)域等，高一低精度圖像變換即圖像縮小技術(shù)就顯得尤為重要。

2 圖像縮小的原理

2.1 經(jīng)典的圖像縮小方法

經(jīng)典的圖像縮小方法通常使用插值算法，常用的插值算法有最近鄰域法（Nearest）、雙線性插值法（Bilinear）和雙三次插值法（Bicubic）。插值法的原理基本相同，即通過原圖像點附近鄰域的像素集合的加權(quán)平均值來確定縮小后新圖像的對應(yīng)點的灰度值，不同的地方在于鄰域周圍像素的計算方法不同。

3 基于多特征盒計數(shù)圖像子塊的道路圖像的縮小

在對圖像進行變換時，如何有效地減少信息的丟失是算法的關(guān)鍵。上節(jié)所論述的插值算法雖然有效，但當(dāng)縮小的倍數(shù)增大時圖像會出現(xiàn)鋸齒狀邊緣，文獻[3]提出一種基于映射圖像子塊的圖像縮小加權(quán)平均算法，首先根據(jù)縮小圖像中每點映射計算得到原始圖像中的子塊，然后采用加權(quán)平均方法計算出縮小圖像的像素值，最終得到縮小圖像。文獻[4]中提出了利用圖像縮小算子的構(gòu)造，通過平均聚合函數(shù)在不同條件的設(shè)定，有效的縮小了圖像。

在本文中，提出了一種多特征盒計數(shù)圖像子塊的道路圖像高一低精度變換方法，針對道路圖像檢測的特點，著重感興趣區(qū)域的細節(jié)特征，首先判斷的圖像子塊灰度的分布，根據(jù)灰度分布判斷圖像子塊的特征，最終將不同大小的圖像子塊按照其特征進行加權(quán)平均，代替原圖像的像素點。

具體的步驟如下：

（1）假定輸入圖像為f（x，Y），其中x∈[1，2…m]，Y∈[1，2…n]，縮小后的圖像為f'（x，y'），其中x'∈[1，2…m'}，y'∈[1，2…n']，根據(jù)該比例確定圖像子塊B的大小;

式中B指圖像子塊的尺寸，對于不為整數(shù)的，可按取整操作。另外B的大小也可根據(jù)實際情況設(shè)置。根據(jù)圖像塊的設(shè)置，找出縮小后圖像的像素點在原圖像上的映射點（x，y）

（2）利用盒計數(shù)法思想，計算圖像子塊中中心像素點的灰度分布。用c（c=1，2，3…）個盒子順序表示圖像子塊中各個像素點的灰度值，按照灰度值的分布情況依次存放于各個盒子中，將c個盒子分為三部分，分別是[1，2…int（c/3）]、[int（c/3）+1，2…int（2c/3）]、[int（2c/3）+1，2…c]，記錄中心像素點（x，y）的位置c_i。根據(jù)c_i所在的位置判定該圖像塊的灰度值分布情況。

（3）通過與其相近的盒區(qū)域的棋盤格距離來計算對應(yīng)的原圖像子塊中心像素點與其他鄰域像素間相關(guān)性。如式（2）、（3）所示。

式中，D;表示圖像子塊鄰域像素點與中心像素點間的距離。（x_i，y_j）代表圖像子塊中對應(yīng)于三個盒區(qū)域中中心像素點所在區(qū)域的每個像素點以及相鄰的中間盒區(qū)域的像素點。C_i表示盒圖中原中心像素點與相鄰象素點之間的距離。c_i表示圖像子塊中心像素點在盒圖中的位置，c_j表示圖像子塊其他像素點在盒圖中的位置。

（4）如果滿足條件（2），則按照各點的加權(quán)平均系數(shù)，確定縮小后的像素點灰度值。

式中，表示圖像子塊中各像素的灰度值，為縮小后的圖像的像素值。

4 圖像縮小實驗結(jié)果與分析

本實驗中選取航拍道路圖像和道路裂縫圖像進行縮小，運行環(huán)境為matlab7，所選圖像的分辨率為道路圖像為4096*2048。圖像由于信息豐富，選取紅框中一段道路圖像為對比圖像，比較多特征子塊算法與流行算法的縮小結(jié)果。如圖1所示。

在圖像中灰度均勻的區(qū)域，絕大多數(shù)的圖像縮小算法都可以獲得接近的視覺效果。但是在圖像的高頻信息處，由于灰度變化較大，所以不同算法會得到不同的效果。

5 結(jié)論

本文中選取所做實驗中兩幅圖的結(jié)果通過相似性測度對不同算法進行比較。圖像縮小后，待檢測區(qū)域應(yīng)該保持盡量不變。如果丟失重要內(nèi)容會嚴重降低圖像的質(zhì)量，影響最終檢測結(jié)果。因此，圖像縮放的效果評價中位置以及像素所占面積的變化評價算法的好壞，面積變化越小，則圖像質(zhì)量越好，面積變化越大，則縮小后圖像質(zhì)量越差。構(gòu)造圖像面積變化函數(shù)，如下式：

式中，A表示原圖像中待檢測區(qū)域的面積，A_i表示縮小后圖像的待檢測區(qū)域的面積。這里我們通過像素數(shù)來表示檢測區(qū)域的面積。通過計算后得到。

分別通過上述評價公式對圖像進行分析，可得如表1所示。

從視覺效果來看，3種方法的效果區(qū)別不大，只有顏色的微小改變，但是這種改變對于后續(xù)的道路提取會產(chǎn)生不同程度的誤差。尤其對于現(xiàn)階段我國正在進行的各種道路規(guī)劃項目來講，這種誤差會產(chǎn)生一定的經(jīng)濟后果。本文中，通過相似性測度方式將縮小后圖像的效果呈現(xiàn)出來，結(jié)果分析如表1所示，本文算法縮小后所得的結(jié)果盡可能的保留了圖像待檢測區(qū)域的信息，效果優(yōu)于其他兩種算法。

參考文獻

[1]楊洋.基于分形維數(shù)的路面裂縫圖像分割方法研究[D].長安大學(xué)，2014.

[2]朱婷婷.圖像插值超分辮率重建算法研究[D].西南交通大學(xué)，2013.

[3]馮慧君，陶素娟，李隆.基于雙線性插值算法的圖像放縮技術(shù)與實現(xiàn)[J].計算機應(yīng)用與軟件，2004，21：117-119.

[4]張錦明.DEM插值算法適應(yīng)性研究[D].解放軍信息工程大學(xué)，2012.

[5]高健，茅時群，周宇玫等.一種基于映射圖像子塊的圖像縮小加權(quán)平均算法[J].中國圖象圖形學(xué)報，2006，10：1460-1463.

[6]劉彬旭.基于相似性測量的圖像配準研究[D].中南大學(xué)，2014.