1. 圖像的灰度化

在數(shù)字圖像處理當(dāng)中，一個(gè)像素用三個(gè)字節(jié)來(lái)表示，每個(gè)字節(jié)對(duì)應(yīng)著R,G,B,分量的亮度?；叶葓D像是將亮度值量化為0~225共256個(gè)級(jí)別。圖像灰度化處理的方法主要有平均值法、加權(quán)平均值法和最大、最小值法。

平均值法就是將RGB三個(gè)分量的平均值作為灰度值，加權(quán)平均法就是對(duì)每個(gè)分量乘以不同的系數(shù)然后取平均值作為灰度值，最大、最小值法就是分別取RGB分量的最大或者最小值來(lái)作為灰度值。

2. 圖像的平滑處理

圖像在獲取、轉(zhuǎn)換和傳輸?shù)倪^(guò)程中，會(huì)因?yàn)槠渌诘沫h(huán)境和拍攝設(shè)備等原因而受到噪聲干擾的問(wèn)題，圖像所含的信息會(huì)受到影響。因此需要對(duì)圖像進(jìn)行平滑處理，圖像平滑處理有兩個(gè)作用：

為后續(xù)圖像特征提取和識(shí)別做準(zhǔn)備

消除圖像數(shù)字時(shí)產(chǎn)生噪音以滿足計(jì)算機(jī)處理要求

圖像平滑處理不可能在完全消除噪聲的同時(shí)保留完整的信息包括圖像的輪廓和邊緣信息。因此在平滑處理時(shí)應(yīng)該：

盡可能的保留原始圖像的信息包括輪廓和邊緣信息等

使得圖像清晰，視覺(jué)良好

圖像平滑處理的算法有很多種，例如中值濾波算法、自適應(yīng)中值濾波算法和小波降噪等。

2.1 中值濾波算法

中值濾波的本質(zhì)是一種統(tǒng)計(jì)排序濾波器，原理是對(duì)一個(gè)滑動(dòng)窗口內(nèi)的全部像素點(diǎn)灰度值按照從大到小的順序進(jìn)行排序，排序的中值作為該窗口中心像素的灰度值。如果滑動(dòng)窗口內(nèi)像素點(diǎn)的總個(gè)數(shù)為偶數(shù)個(gè)，那么將取中間兩個(gè)像素點(diǎn)的灰度值的平均值來(lái)作為該窗口中心像素的灰度值。一般滑動(dòng)窗口的像素點(diǎn)個(gè)數(shù)都是奇數(shù)，例如方形窗口3 X 3,5 X 5,7 X 7。

中值濾波的關(guān)鍵點(diǎn)在于窗口大小的選取，事先我們很難確定窗口的大小，需要從小窗口到大窗口進(jìn)行逐次實(shí)驗(yàn)，然后選擇較優(yōu)結(jié)果的滑動(dòng)窗口。經(jīng)實(shí)驗(yàn)驗(yàn)證一般情況下滑動(dòng)窗口像素點(diǎn)越多，圖像會(huì)越來(lái)越模糊。

2.2 自適應(yīng)中值濾波算法

自適應(yīng)中值濾波算法是在中值濾波算法的基礎(chǔ)上加入了一個(gè)判斷操作，主要判斷的對(duì)象為窗口像素的中值以及濾波處的像素點(diǎn)灰度是否為脈沖降噪，并對(duì)兩者進(jìn)行分別處理。該算法能夠很好的保留原始圖像的細(xì)節(jié)，減少圖像信息的失真。

2.3小波降噪算法

小波降噪算法主要是以噪聲和圖像信息在頻域內(nèi)有不同的分布區(qū)域?yàn)楦鶕?jù)，圖像信息主要位于頻率低的區(qū)域，而噪聲則位于頻率高的區(qū)域，但是與次同時(shí)圖像的一些細(xì)節(jié)信息，也位于頻率高的區(qū)域。小波降噪的優(yōu)點(diǎn)就是不僅能夠有效去除高頻區(qū)域的噪聲，還能將圖像的細(xì)節(jié)信息得以保留。

圖像小波降噪的過(guò)程：

選取適當(dāng)?shù)男〔ê瘮?shù)和分解層數(shù)，對(duì)含噪聲圖像進(jìn)行小波分解，獲得含有噪聲圖像的小波變換系數(shù)；

修改小波系數(shù)，對(duì)小波分解后的各層高頻系數(shù)選取適當(dāng)?shù)拈撝颠M(jìn)行閾值量化，進(jìn)而得到降噪后處理后的小波變換系數(shù)。

將修改后的小波域進(jìn)行小波逆變換處理，并對(duì)小波進(jìn)行重構(gòu)，得到噪聲處理后的圖像。

2.4 降噪效果的標(biāo)準(zhǔn)評(píng)估

人類對(duì)于圖像質(zhì)量的視覺(jué)感受成為視覺(jué)質(zhì)量，視覺(jué)質(zhì)量是一種主觀標(biāo)準(zhǔn)，不能用數(shù)字來(lái)表述，因此需要一種客觀標(biāo)準(zhǔn)來(lái)評(píng)價(jià)降噪的效果。通常用于評(píng)價(jià)降噪效果有兩種方法，分別是最小化平方誤差（MSEMean Squard Error）和峰值信噪比。

3. 圖像的銳化

圖像銳化的目的是為了增強(qiáng)圖像中的細(xì)節(jié)信息以增強(qiáng)經(jīng)過(guò)圖像平滑后被模糊的圖像細(xì)節(jié)信息。圖像的邊緣是圖像中重要的特種之一，是圖像特性階躍性變化或屋脊性變化的像素集合。圖像輪廓邊緣信息對(duì)圖像識(shí)別起著重要的作用，因有必要對(duì)圖像進(jìn)行銳化，突出輪廓邊緣，使得細(xì)節(jié)更為清晰。圖像銳化的常用方法有兩種，分別是：基于一階微分的梯度法和基于二階微分的拉普拉斯算子法。

4. 圖像分割

圖像分割的目標(biāo)是將圖像劃分為與其含有的真實(shí)世界當(dāng)中的物體或者具有很強(qiáng)相關(guān)性的區(qū)域。圖像分割根據(jù)所使用的主要特征可以分為三種方法：

一是有關(guān)圖像或者部分的全局知識(shí)，分割的主要特征是圖像直方圖信息；

二是根據(jù)圖像輪廓邊緣的分割；

三是基于區(qū)域的分割；

其中閾值分割算法，分割方法理論完善，計(jì)算機(jī)計(jì)算代價(jià)小，計(jì)算速度快，因此被廣泛應(yīng)用。閾值分割的步驟有以下三步：

確定灰度閾值T，即在圖像灰度區(qū)間內(nèi)找到一個(gè)最佳的灰度值，

將圖像所有像素點(diǎn)的灰度值與該閾值進(jìn)行比較，

圖像中像素點(diǎn)灰度值大于閾值T的歸為一類，并將其灰度值設(shè)置為255，圖像中像素灰度值小于閾值T的將其歸為一類，并將其灰度值設(shè)置為0，若像素中像素點(diǎn)的灰度值與閾值T相等，則可以將其分為任意一類。

閾值化分割最為重要的是閾值T的確定，常用的三種確定的方法有：

灰度直方圖閾值法

迭代選擇閾值法

自適應(yīng)閾值法（較優(yōu)）