基于自適應(yīng)閾值的不規(guī)則光照下圖像提取方法

張思俊，王樂樂，宦 海，陸振宇

(南京信息工程大學(xué)電子與信息工程學(xué)院，江蘇南京 210044)

隨著智能手機(jī)的普及，信息分享的速度越來越快。很多人喜歡用手機(jī)隨時拍下自己的所見所聞。例如，在課堂上，如果來不及記錄老師的PPT，很多同學(xué)會用手機(jī)直接拍下黑板上的影像回去再慢慢整理。不過，由于手機(jī)的拍攝功能遠(yuǎn)沒有相機(jī)專業(yè)，加之多是在1～2 s的短時間內(nèi)迅速完成的拍照，更無暇考慮光線的問題，因而導(dǎo)致拍攝的內(nèi)容不清晰。這種在不規(guī)則光線下拍攝的圖片上會出現(xiàn)大塊的陰影、噪聲點(diǎn)或者是局部出現(xiàn)高光，直接影響了有效信息的讀取。針對這些問題，提出了自適應(yīng)閾值處理分割的有效信息提取方法，較好地解決了問題。

1 原始圖像預(yù)處理

對于原始圖像首先是進(jìn)行前期處理，這樣可以濾除一部分噪聲的影響以及其他一些無關(guān)信息，增強(qiáng)圖像的品質(zhì)以便于之后的分割。通常圖像預(yù)處理過程包括:數(shù)字化、幾何變換、歸一化、平滑、復(fù)原和增強(qiáng)等步驟［1］。但文中的預(yù)處理主要是進(jìn)行圖像灰度化處理，將彩色的原始圖像轉(zhuǎn)換為灰度圖。此時顏色并不是目標(biāo)信息，灰度處理能降低需要處理的信息量，排除不必要的干擾。在處理后圖像的基礎(chǔ)上再進(jìn)行前景背景的分割，效果會更好。圖1是原始圖像和經(jīng)過預(yù)處理后的圖像。

圖1 原始圖片與預(yù)處理圖片對比

2 閾值分割

通常圖像二值化是一種特殊的閾值分割法。設(shè)原始圖像為f(x，y)，按一定的準(zhǔn)則在原始圖像f(x，y)中找到特征值T，將圖像分割為兩個部分。如指定b0=0(黑)，b1=1(白)，得出的就是二值化的圖像［2］。閾值分割方法是在區(qū)域圖像分割技術(shù)的基礎(chǔ)上，像上述這樣通過設(shè)定不同的特征閾值，對圖像像素點(diǎn)進(jìn)行分類，再按照特征閾值進(jìn)行分割的方法。閾值分割方法分為:基于點(diǎn)的全局閾值方法、基于區(qū)域的全局閾值方法、局部閾值方法以及多閾值方法［3］。針對不規(guī)則光照下的圖像，由于陰影、噪聲、局部高光和不規(guī)則邊緣等復(fù)雜因子的存在，并不能找到一個有效的單一閾值，這時如仍采用單一的全局閾值分割方法，會將目標(biāo)區(qū)域和背景區(qū)域混淆，導(dǎo)致錯誤劃分。

3 方法實現(xiàn)

3.1 自適應(yīng)閾值分割方法

自適應(yīng)閾值分割的思想，即圖像中的每個像素點(diǎn)對應(yīng)的閾值有可能不相同。一個比較簡單的自適應(yīng)閾值選取方法是:每個像素的閾值由以自身為中心的一個鄰域內(nèi)的窗口確定，該鄰域的中值、均值、或者高斯卷積都可以作為閾值，另外還可以在此基礎(chǔ)上加上一個常量等。

自適應(yīng)閾值分割是建立在局部多閾值方法上。將圖像劃分成若干個子圖像(F1，F(xiàn)2，F(xiàn)3，…，F(xiàn)n)，每個子圖像再根據(jù)自身的顏色分布等特征劃分多個鄰域(M1，M2，M3，…，Mn)，這樣劃分出來的鄰域足夠小并具有一定的代表性，整個大圖就有很多個閾值(a1，a2，a3，…，an)，圖2所示是這種方法的原理示意圖。若劃分夠多，每個閾值近乎可以代表原來那個像素點(diǎn)的灰度值。采用自適應(yīng)劃分閾值的方法，對于照明不均而使畫面變得復(fù)雜的圖像，它的多個局部特征得到保留，就可有效地避免背景和有效信息的錯誤劃分［4－5］。

圖2 自適應(yīng)閾值劃分原理示意圖

文中設(shè)計的算法包含兩個Matlab代碼，將自適應(yīng)閾值分割算法作為函數(shù)調(diào)用。圖3是分割后的結(jié)果。

圖3 提取出的前景圖像

3.2 目標(biāo)圖像增強(qiáng)

進(jìn)一步對初步提取的目標(biāo)圖像進(jìn)行圖片質(zhì)量增強(qiáng)。分割后的圖片中可能還存在一些噪聲，可以通過中值濾波去除獨(dú)立存在的噪聲，如果噪聲比較多而且分布得較分散，則采用均值濾波，一般采用3×3的窗口再進(jìn)行二值化增強(qiáng)效果較好。如果目標(biāo)圖像中的字母，文字等比較模糊，可以采用Sobel算子進(jìn)行銳化處理。圖4是使用圖片的實際效果進(jìn)行增強(qiáng)后的結(jié)果。

圖4 增強(qiáng)處理后的目標(biāo)圖像

對比圖2和圖3，通過坐標(biāo)定位，圖3去除了一些不需要的背景線條，使目標(biāo)區(qū)域更加突出。通過均值濾波去除了部分噪聲點(diǎn)，目標(biāo)圖像更加清晰。

文中對多幅不規(guī)則光照下拍攝的圖像進(jìn)行了分割實驗，圖4是另外兩組圖片的原始圖像和自適應(yīng)閾值分割后的圖像。經(jīng)多次實驗發(fā)現(xiàn)，對于英文、數(shù)字、圖形類似的對象，采用文中方法提取出的效果較好，對于筆畫多的漢字，由于光照不均已經(jīng)造成文字模糊，識別更加復(fù)雜。

圖5 另兩組圖片的識別效果

4 結(jié)束語

文中所提出的自適應(yīng)閾值分割方法，能夠較好地解決不規(guī)則光照下圖像中陰影、高光等造成的模糊問題，快捷有效地提取目標(biāo)圖像，從而方便人們讀取有用信息。文中提出的方法針對拍攝到的書本文字圖像、PPT投影圖像、文件等圖片前景的提取效果較好。

［1］錢蘇斌.基于四鄰域檢索的自適應(yīng)閾值分割方法［J］.成都大學(xué)學(xué)報:自然科學(xué)版，2011(3):239－241.

［2］迂雪峰，吳慶洪.美元圖像的自適應(yīng)閾值分割方法［J］.現(xiàn)代電子技術(shù)，2007(8):96－100.

［3］楊星，陸宇平.一種用于彩色圖像目標(biāo)識別的自適應(yīng)閾值分割方法［J］.計算機(jī)與數(shù)字工程，2006(8):15－17.

［4］高旭輝.一種自適應(yīng)閉值分割方法［J］.紅外與激光工程，2006(10):167－170.

［5］趙仕良.一種用于彩色圖像處理的自適應(yīng)閾值分割方法［J］.四川師范大學(xué):自然科學(xué)版，2002，25(4):405 －408.

［6］冉隆科.一種基于檢測方法的骨齡圖像關(guān)鍵點(diǎn)定位［J］.電子設(shè)計工程，2011(14):181－183.