圖像處理中幾個關鍵算法的分析

魏艷艷（陜西交通職業技術學院信息工程系，710018）

?

圖像處理中幾個關鍵算法的分析

魏艷艷
（陜西交通職業技術學院信息工程系，710018）

摘要：伴隨科技的發展，圖像處理技術也得到了快速的發展。在科技的快速發展下，傳統基于頻率域和圖像處理方式的不足逐漸凸顯出來。為此，文章對圖像處理中的圖像去噪、圖像增強、邊緣檢測、邊緣細化、圖像縮放等關鍵算法進行分析。

關鍵詞：圖像處理；關鍵算法；分析

數字圖像處理技術起源于 20 世紀 20 年代，采用的是數字壓縮技術，在上個世紀七十年代，數字圖像處理技術形成了完善的學科體系，發展成為一門獨立的學科。現階段，數字圖像處理的應用范圍變得越來越廣泛，開始滲透在多個領域，包括生物醫學、工業、航空、通信等領域。但是，現階段圖像處理技術的算法復雜度較高，涉及到了很多種算法和理論方法，比如神經網絡理論、線性理論、尺度奇異值變換法等。這些技術的試驗效果雖然良好，但是其運算速度較慢，在具體的應用中存在或多或少的不足。為此，文章對圖像處理中的關鍵u技術進行分析和研究，旨在不斷完善和簡化各種技術，實現圖像處理技術的更好發展。

1 基于人眼視覺特性的閾值計算方法

現階段有關學者對基于人眼視覺特性的閾值計算方法 的研究大多是矛盾的，很多學者的研究都表明人眼對灰度值的分辨能力在黑色領域要比在白色領域具有更好的效果。根據人眼的視覺特性，在視覺分辨率較高的地區，閾值應該變得小一些，而在視覺分辨率低的區域，閾值應該大一些。從圖一中可以看出，最低一行的灰度值是0，倒數第二行的灰度值是1，之后是2、3......，最后一行的灰度值達到了255，在這種情況下能夠發現在黑色區域的灰度值達到了30、白色區域的灰度值達到200的時候，人的肉眼還是無法區分出圖像的差別。因此可以總結出，分辨力從低到高的排序是白色、黑色、灰色。在灰度值在48到206的期間內，人肉眼對灰度值的敏感性不會隨著灰度值的變化發生變化。另外還可以發現人眼的視覺特性在某些灰度值附近具有跳躍性，因此應該采用拋物線的形式來計算閾值。具體表現為分別在［0 、48］、（48，206）和［206，255］中分別定義一個拋物線方程g（x ）=ax + bx + c，在區域［0， 48］中，當x=0的時候，方程取值是30，當x=-48的時候，方程的取值是8.由此可以計算出a=-0.009549， b=0， c=30；在區域（48，206）中，當x=127時，方程取值是12 ，當x=48的時候，方程的取值是8.可計算出： a=-0.000641，b=0.162794， c=1.662554。檢測閾值threshold用式（1）計算。

圖一:示例圖像

2 具有去噪功能的圖像增強算法

圖像在傳輸的過程中受傳播介質的影響，會受到內外部環境的干擾，進而產生各種噪聲，降低了圖像的總體質量，為圖像接下來的圖像處理帶來不便，為此需要對圖像噪音進行處理。傳統的去噪算法在去除噪音的同時也去除了邊緣和角點等細節信息，導致圖像變得模糊。具有去噪功能的圖像增強算法具有很強的抑制噪聲的 功能，能夠對圖像的細節信息進行保留。具有去噪功能的圖像增強算法基于LIP 模型而發展，并對人肉眼的基本視覺特征進行了應用，利用待檢測點周圍3 × 3鄰域像素灰度值的平均值來作為算法的基本參數，提升 圖像清晰度，去除噪音。

2.1 基于 LIP 模型的圖像增強算法的實現

通過對灰度函數進行歸一補變換來簡化算法，灰度函數歸一補變換定義如（2）所示

f=1-（ f / M）（2）

灰度函數 f 在［0 ， M ）區間， M=256，簡化之后的算法可以表現為如（3）所示

log（ f '（i ， j ））=α log（ a（i ， j ））+ β［log（f（i，j）-log（a（i ，j））］（3）

然后將_f '（i，j）當作f代入式（4-1），并求式（4-1）的逆運算 f（1 f）M=-得到 f（i，j），

2.2 基于LIP模型的圖像增強算法去噪音方面的性能

噪音可以被認為是妨礙人們感覺器官所將誒手的信息理解的因素，比如一幅灰度圖像，其亮度分布假定為 f（x，y），那么對其起干擾作用的亮度分布 R（x，y）便稱為圖像噪聲。圖像噪聲是很難被區分和預測的，為此被人們認為是一種隨機的行為和過程，取出噪音常用的方法是數字特征、均值方差和相關函數方法。現對Lena原圖像用高斯（Gauss）濾波法、均值（3 鄰域）濾波法、中值濾波法和文中方法進行濾波實驗，根據實驗分析最終發現中值濾波法因為圖像中的細節過多，導致這部分邊緣最粗糙，其次是因為等待檢測的點所對象的全值較大，因此高斯濾波方法這部分邊緣也比較粗糙。

3 改進的邊緣檢測算法

3.1改進的Robert 邊緣檢測算法。Roberts邊緣檢測算子利用 任意一對相互垂直方向上的差分可以看成求梯度的近似方法原理，并利用對角線方向相鄰兩像素之差代替梯度，計算梯度如（4）所示。Robert邊緣檢測算子采用對角線方向相鄰兩像素之差進行梯度幅值檢測，最終的檢測效果、水平和高度很高，但對噪音較為敏感。

文章在對傳統邊緣檢測算法分析的同時，在像素8鄰域內通過計算水平0度方向，垂直90度方向，135度 方向，45度 方向一階偏導數有限差分，之后確定出像素梯度副值的方法，提升了方向的權值。這種算法達到了抑制邊緣定位噪聲的效果，具有良好的去除噪聲效果。

3.2 改進的 Prewitt 邊緣檢測算法。Prewitt 邊緣檢測算法是一種類似 Sobel 邊緣檢測算法的邊緣模板算法，能夠對圖像進行八個方向的檢測。Prewitt 邊緣檢測算子它對噪聲具有平滑作用。 針對 Prewitt 邊緣檢測算法的缺點，重寫整合的模板。改進的模板具有以下幾個新增的功效：在檢測邊緣時，可以獲得與原 Prewitt 模板相同的梯度值；比原 Prewitt 模板具有更強的平滑噪聲能力；能夠自動計算閾值、實現邊緣細化 。

4 結束語

伴隨圖像應用領域的拓寬，圖像處理技術得到了快速的發展，并在發展的同時逐漸成為圖像理解和計算機視覺領域中一項重要而有用的技術，能夠提高傳統圖像處理算法的效果和運算速度。為此，需要有關人員不斷加強對圖像處理中幾個關鍵算法的研究和分析。

參考文獻

［1］康牧. 圖像處理中幾個關鍵算法的研究［D］.西安電子科技大學，2009.

［2］韓芳芳. 表面缺陷視覺在線檢測關鍵技術研究［D］.天津大學，2012.

［3］丁南南. 基于特征點的圖像配準技術研究［D］.中國科學院研究生院（長春光學精密機械與物理研究所），2012.

Analysis of several key algorithms in image processing

Wei Yanyan
（Shaanxi College of Communication Technology Information Technology Department，710018）

Abstract：With the development of science and technology，image processing technology has been rapid development.Under the rapid development of science and technology，the shortcomings of traditional frequency domain and image processing methods have gradually emerged.To this end，the paper analyzes the image denoising，image enhancement，edge detection，edge thinning，image scaling and other key algorithms for image processing in image processing.

Keywords：image processing；key algorithm；analysis