圖像處理方法綜述與案例分析

劉一宵++牛珊珊++栗春曉

摘 要 在實際的科學研究中，受拍攝條件、設備的影響，圖像往往會出現邊界模糊、脈沖噪聲、顆粒噪聲及特征不夠明顯等問題。因此，需要對圖像進行中值濾波處理，圖像銳化，使用Roberts梯子算法進行邊緣檢測，對圖像灰度化、二值化，從而使得預處理后的圖片真實有用信息更加突出，增加有關信息的可檢測性。

關鍵詞 圖像處理；濾波；銳化；二值化；灰度處理

中圖分類號 TP2 文獻標識碼 A 文章編號 2095-6363（2017）16-0159-01

近年來，利用計算機模擬預測人若干年后（或若干年前）的容貌這項技術在尋找失蹤兒童、提供娛樂等方面得到了較為廣泛的應用。隨著歲月的流逝，人臉會隨著年齡的改變而改變。對于同一個人不同年齡階段的照片，我們通常可以根據其個性特點判斷是否為同一個人，但是如果兩張照片拍攝相隔時間越長，辨別起來也就越困難。

隨著人臉識別與修復技術的興起，計算機圖形處理技術在此成為研究的熱點。進行這一技術的首要環節是圖像的預處理，主要目的是消除掉無用的信息，保留有用的真實信息并使有用的真實信息更加突出，增加有關信息的可檢測性和最大限度的簡化數據利于對數據的處理分析。我們所采集的圖片質量不可能是十分完美的。例如：圖像人物不突出、表情過于豐富、照片邊界模糊等。所以進行預處理就會顯得格外重要。

1 中值濾波

中值濾波與加權平均方式的平滑濾波不同，能很好的濾除脈沖噪聲和顆粒噪聲等，并保護圖像邊界，更好地保留圖像的細節和邊緣。

中值濾波的原理是利用一個正方形窗口，假設窗口是3×3的，則窗口里的數字均為1/9，然后將窗口依次與原始圖像相乘，并將結果賦值到一個新的圖像上去。通過該過程，可以得到一個新的圖像，該圖像剔除了原始圖像中的椒鹽噪聲等影響。

采用中值濾波處理結果如圖1所示：

2 圖像銳化

對圖像進行中值濾波處理往往使圖像的輪廓變得較為模糊，從而影響后續的處理，為了減少由中指濾波帶來的影響，可以采用圖像銳化算法處理，即利用算法突出圖像的邊緣細節信息。

所以，我們選取方法較為簡單，運算速度快的Roberts梯子算法。Roberts梯子算法采用對角方向相鄰兩像素之差，故也稱為四點差分法。

3 邊緣檢測

邊緣是指圖象中灰度發生急劇變化的區域。根據第二步的Roberts梯子算法，我們選定一個閾值，若G（x，y）大于該閾值，我們就認為該點為邊緣點。利用這種方法將邊緣點找出，得到人臉的邊緣區域。進一步將圖像規范化，提取面部的有效部分。

4 灰度化，二值化

基于像素平均值的圖像閾值二值化算法的灰度處理。灰度處理后，圖片上人臉的特征部位更加明確。具體步驟如下：1）首先使用MATLAB軟件中的rgb2gray函數-將彩色圖像轉化為灰度圖像，如圖4所示。2）計算灰度圖像的算數平均值—M。3）以M為閾值，完成對灰度圖二值化（大于閾值M，像素點閾值為白色，否則閾值為黑色）。

5 結論

目前，計算機圖像處理技術正隨著人工智能技術的發展而呈現出新的研究熱點，在對圖像進行操作的初始步驟是圖像預處理過程，即降低圖像在獲取或者處理不當引起的誤差。本文介紹了一幅圖像較為常見的處理方法，如解決椒鹽噪聲或者斑點噪聲的中值濾波；使圖像邊緣信息更加突出的圖像銳化處理；以及邊緣檢測和圖像二值化等處理。未進行系統學習圖像處理技術的科研人員可以借鑒一下這些過程。

參考文獻

[1]Scandrett C M，Solomon C J， Gibson S J. A person-specific，rigorous agingmodelofthehumanface[J].PatternRecognitionLetters，2006，27（15）：1776-1787.

[2]李洪升.基于ASM算法的人臉特征點定位研究及應用[D].南京：東南大學，2009.

[3]MatthewsI，BakerS.Activeappearance models revisited[J].International Journal of Computer Vision，2004，60（2）：135-164.

[4]Beymer D.Vectorizing face images by interleaving shape and texture computation[J].TechnicalReport，AIM-1537，MITArtificialIntelligenceLaboratory，1995.endprint