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