一種圖像預(yù)處理的灰度空間劃分方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，提供了一種基于均值濾波的圖像預(yù)處理的灰度空 間劃分方法。
【背景技術(shù)】
[0002] 圖像分割就是把圖像分成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域并提出感興趣目標(biāo) 的技術(shù)和過程。它是由圖像處理到圖像分析的關(guān)鍵步驟?，F(xiàn)有的圖像分割方法主要分以下 幾類：基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論 的分割方法等。1998年以來，研究人員不斷改進(jìn)原有的圖像分割方法并把其它學(xué)科的一些 新理論和新方法用于圖像分割，提出了不少新的分割方法。圖像分割后提取出的目標(biāo)可以 用于圖像語義識(shí)別，圖像搜索等等領(lǐng)域。
[0003] 數(shù)字圖像處理技術(shù)是一個(gè)跨學(xué)科的領(lǐng)域。隨著計(jì)算機(jī)科學(xué)技術(shù)的不斷發(fā)展，圖像 處理和分析逐漸形成了自己的科學(xué)體系，新的處理方法層出不窮，盡管其發(fā)展歷史不長(zhǎng)，但 卻引起各方面人士的廣泛關(guān)注。首先，視覺是人類最重要的感知手段，圖像又是視覺的基 礎(chǔ)，因此，數(shù)字圖像成為心理學(xué)、生理學(xué)、計(jì)算機(jī)科學(xué)等諸多領(lǐng)域內(nèi)的學(xué)者們研究視覺感知 的有效工具。其次，圖像處理在軍事、遙感、氣象等大型應(yīng)用中有不斷增長(zhǎng)的需求。
[0004] 1998年以來，人工神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)已經(jīng)引起了廣泛的關(guān)注，并且應(yīng)用于圖像分 害J。基于神經(jīng)網(wǎng)絡(luò)的分割方法的基本思想是通過訓(xùn)練多層感知機(jī)來得到線性決策函數(shù)，然 后用決策函數(shù)對(duì)像素進(jìn)行分類來達(dá)到分割的目的。這種方法需要大量的訓(xùn)練數(shù)據(jù)。神經(jīng)網(wǎng) 絡(luò)存在巨量的連接，容易引入空間信息，能較好地解決圖像中的噪聲和不均勻問題。選擇何 種網(wǎng)絡(luò)結(jié)構(gòu)是這種方法要解決的主要問題。
[0005] 圖像分割是圖像識(shí)別和計(jì)算機(jī)視覺至關(guān)重要的預(yù)處理。沒有正確的分割就不可能 有正確的識(shí)別。但是，進(jìn)行分割僅有的依據(jù)是圖像中像素的亮度及顏色，由計(jì)算機(jī)自動(dòng)處理 分割時(shí)，將會(huì)遇到各種困難。例如，光照不均勻、噪聲的影響、圖像中存在不清晰的部分，以 及陰影等，常常發(fā)生分割錯(cuò)誤。因此圖像分割是需要進(jìn)一步研究的技術(shù)。人們希望引入一 些人為的知識(shí)導(dǎo)向和人工智能的方法，用于糾正某些分割中的錯(cuò)誤，是很有前途的方法，但 是這又增加了解決問題的復(fù)雜性。
[0006] 在通信領(lǐng)域中，圖像分割技術(shù)對(duì)可視電話等活動(dòng)圖像的傳輸很重要，需要把圖像 中活動(dòng)部分與靜止的背景分開，還要把活動(dòng)部分中位移量不同的區(qū)域分開，對(duì)不同運(yùn)動(dòng)量 的區(qū)域用不同的編碼傳輸，以降低傳輸所需的碼率。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于提高了分類精度和準(zhǔn)確性。能夠?qū)崟r(shí)穩(wěn)定的對(duì)目標(biāo)分割提取， 分割效果良好的灰度空間劃分方法。
[0008] 本發(fā)明為了實(shí)現(xiàn)上述目的采用以下技術(shù)方案：
[0009] -種基于均值濾波的圖像預(yù)處理的灰度空間劃分方法，其包括以下步驟：
[0010] 步驟I、根據(jù)RGB三個(gè)分量的重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行加 權(quán)平均運(yùn)算。由于人眼對(duì)綠色的敏感度高，對(duì)藍(lán)色的敏感度低，故可以按照不同的權(quán)值對(duì) RGB三個(gè)分量進(jìn)行加權(quán)平均運(yùn)算能得到比較合理的灰度圖像。
[0011] 步驟2、采取直方圖均衡化首選先進(jìn)行直方圖修正，把原圖像的直方圖利用灰度變 換函數(shù)修正為均勻分布，然后再進(jìn)行直方圖均衡化；
[0012] 步驟3、對(duì)圖像進(jìn)行中值濾波，
[0013] 步驟4、采取是全局閾值法，在二值化過程中只使用一個(gè)全局閾值T的方法，它將 圖像的每個(gè)像素的灰度值與T進(jìn)行比較，若大于T，則取為前景色；否則，取為背景色；
[0014] 步驟5、將L個(gè)灰度級(jí)范圍內(nèi)對(duì)應(yīng)像素個(gè)數(shù)最多中心點(diǎn)P作為初始類均值 μ/1)，μ2(2)，…，μ/1)。
[0015] 步驟6、在第i次迭代時(shí)，考察每個(gè)像素，計(jì)算它與每個(gè)灰度級(jí)的均值之間的間距， 即它與聚類中心的距離D，將每個(gè)像素賦均值距其最近的類，即
[0016] D|Xp-yi(1)| =min{D|Xp-y j(1)|，（j = 1，2,…1)}
[0017] D為兩個(gè)像素灰度值差小于定間距；
[0018] Xp(p = 0, 1，…，255)為像素的灰度值；
[0019] 則
為第i次迭代后賦給類j的像素集合；
[0020] 步驟7、對(duì)于j = 1，2,…1，計(jì)算新的聚類中心，更新類均值：
[0022] 式中，％是ρ丨中的像素個(gè)數(shù)；
[0023] 步驟8、將所有像素逐個(gè)考察，如果j = 1，2,…Κ，有μ /1+1)= μ ,(1)，則算法收斂， 結(jié)束；否則返回步驟6繼續(xù)下一次迭代；
[0024] 步驟9、以上聚類過程結(jié)束后，分割結(jié)果的各像素以聚類中心灰度值作為該類最終 灰度。
[0025] 上述技術(shù)方案中，中值濾波包括以下步驟：
[0026] 首先確定一個(gè)以某個(gè)像素為中心點(diǎn)的鄰域，，然后將鄰域中各像素的灰度值進(jìn)行 排序，取中間值作為中心像素灰度的新值；
[0027] 當(dāng)鄰域在圖像中上下左右進(jìn)行移動(dòng)后，利用中值濾波算法對(duì)圖像進(jìn)行平滑處理。
[0028] 綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：
[0029] 均值濾波算法的輸出圖像是以窗口內(nèi)所有像素按照某種數(shù)學(xué)操作取均值，算術(shù)濾 波器可以有效的去除高斯噪聲和強(qiáng)度不大的椒鹽噪聲，幾何均值濾波器相對(duì)于算術(shù)濾波器 能夠保留更多的圖像細(xì)節(jié)。
[0030] 采用本申請(qǐng)的分割方法邊緣更加清晰，分割結(jié)果既突出了目標(biāo)，又保留了細(xì)節(jié)信 息，達(dá)到了較好的分割效果。因此，本算法可以有效地對(duì)灰度圖像進(jìn)行分割，從分割后的圖 像中可獲取更多的目標(biāo)信息。
【具體實(shí)施方式】
[0031] 本說明書中公開的所有特征，或公開的所有方法或過程中的步驟，除了互相排斥 的特征和/或步驟以外，均可以以任何方式組合。
[0032] -幅圖像中的信息包括目標(biāo)物體，背景和噪聲三個(gè)部分，圖像的二值化是為了得 到圖像中的目標(biāo)物體而產(chǎn)生的一種圖像處理方法，二值化以后圖像中所有的像素點(diǎn)將會(huì)變 為白或黑。當(dāng)圖像中只包含前景和背景兩部分信息時(shí)，就可以將前景的像素值置為1，背景 的像素值置為〇,這樣圖像就被二值化了。二值化的方法有很多種，一般分為全局閾值法和 局部閾值法
[0033] 全局閾值法是指在二值化過程中只使用一個(gè)全局閾值T的方法。它將圖像的每 個(gè)像素的灰度值與T進(jìn)行比較，若大于T，則取為前景色（白色）；否則，取為背景色。根據(jù) 文本圖像的直方圖或灰度空間分布確定一個(gè)閾值，以此實(shí)現(xiàn)灰度文本圖像到二值圖像的轉(zhuǎn) 化。其中全局閾值法又可分為基于點(diǎn)的閾值法和基于區(qū)域的閾值法。閾值分割法的結(jié)果很 大程度上依賴于對(duì)閾值的選擇，因此該方法的關(guān)鍵是如何選擇合適的閾值。
[0034] 典型的全局閾值方法包括Otsu方法、最大熵方法等。全局閾值法算法簡(jiǎn)單，對(duì)于 目標(biāo)和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對(duì)于由于光照不均勻、噪聲干 擾較大等原因使直方圖分布不呈雙峰的圖像，二值化效果明顯變差。
[0035] 局部平滑法也稱為鄰域平均法，由其原理組成的濾波器叫做均值濾波器，這是一 種典型的線性濾波[15]。它是一種直接在空間域里進(jìn)行圖像平滑處理的技術(shù)。假設(shè)圖像由 許多灰度值恒定的小塊組成，相鄰像素之間存在著很大的空間相關(guān)性，而噪聲卻是獨(dú)立存 在的，因此可以用鄰域內(nèi)各個(gè)像素的灰度級(jí)平均值來代替該像素原來的灰度值，這樣各個(gè) 像素之間的灰度值就都具有相關(guān)性，就可以去除噪聲，實(shí)現(xiàn)圖像的平滑。均值濾波還分為算 術(shù)均值濾波和幾何均值濾波。算術(shù)均值濾波顧名思義是以窗口內(nèi)所有像素點(diǎn)灰度值