基于局部均值濾波的有色溶液圖像反光抑制處理

摘 要：針對有色溶液圖像處理中均值濾波算法精確度低和時效性弱的問題，本文提出一種基于局部均值濾波的綜合處理方法。利用圖像分割技術將圖像分割為光照影響區和非影響區2個部分。采用局部均值濾波將影響區中的像素點逐一替換為各像素點鄰域內非影響區像素點，以消除反光影響。進行多組試驗，結果表明進行處理后圖像RGB均值與未受光照影響的圖像RGB均值的平均誤差為0.140，最大誤差為0.261。與傳統的均值濾波算法相比，本文方法具有精度高、時效性強等優點，為解決光照反光的干擾問題提供一種有效的處理方案。

關鍵詞：圖像分割；光照影響；局部均值濾波

中圖分類號：TP 751 " " " " " " 文獻標志碼：A

均值濾波能夠提升圖像質量，在去除噪聲方面應用廣泛，其利用周邊像素值進行均值運算[1]，在圖像處理、特征提取以及邊緣檢測等實際應用中具有重要意義。在常用的去噪方法中，非局部均值濾波需要手動設定參數，邊緣保持均值濾波處理時間較長[2]，鄰域均值濾波處理后的圖像通常比較模糊[3]，其在精確度和時效性方面存在局限性。基于此，本文采用局部均值濾波技術，利用鄰域內非影響像素點和已處理像素點的RGB均值平滑噪聲，完成高效降噪。

1 圖像分割

在圖像處理領域，圖像分割是一項重要技術。其將圖像分割為若干個具有特定特征的區域，提升了后續處理的效率和準確性。因此對圖像的光照影響區和非光照影響區進行分割是后續圖像反光抑制處理的關鍵，具體操作步驟如下。

1.1 灰度化

在灰度圖像中每個像素點僅包括一個灰度值，可以用一個二維矩陣來表示整個圖像，不需要考慮RGB 3個通道的值。因此，先將彩色圖像灰度化，使其轉變為不同灰度級的圖像。處理后的灰度圖不僅保持了明暗對比度，而且減少了圖像的信息存儲量和計算量[4]。利用冪指函數拉伸亮區域灰度值，增強亮區域的對比度，降低圖像光照影響區邊緣與非影響區灰度值的集中程度。

1.2 邊緣檢測

光照影響區邊緣是光照影響區與非影響區的分界，在后續的圖像分割過程中，精確地識別這個邊界十分重要。本文采用廣泛應用的算子檢測圖像光照影響區邊緣，根據試驗結果可知Prewitt算子、LoG算子以及Canny算子的可識別度高于其他算子，但是LoG算子檢測的邊緣較模糊[5]，Canny算子會檢測到偽邊緣[6]。Prewitt算子利用局部差分平均技術追蹤邊緣，準確性較高，因此本文選擇Prewitt算子進行圖像邊緣檢測。在檢測后，為保證檢測區域包括弱邊緣，首先，采用閉運算填充細小空洞，增強光點并連接各個部分。其次，采用膨脹運算連接邊緣，保證光照影響區域邊緣的完整性。最后，采用填充算法擴大覆蓋面積，使其包括弱影響區。如果上述操作后噪點較多，那么采用開運算使圖像邊緣平滑，消除噪聲造成的瑕疵點。邊緣檢測效果如圖1所示。

1.3 迭代式閾值選擇法

本文采用迭代式閾值選擇法分割圖像的光照影響區和非影響區，該方法選擇合適的閾值來增強圖像對比度，并保留關鍵像素信息，保證分割后圖像的完整性。圖像分割步驟如下。

1.3.1 選擇合適的初始閾值T0

本文將處理后邊緣區域的灰度最小值、中值、均值和最大值作為初始閾值進行圖像分割，并計算其消除反光影響后圖像的RGB均值以及灰度均值，計算結果見表1。由于光照影響會使圖像灰度值增加，因此灰度均值越小，處理效果越好。結果表明，選擇灰度最小值作為初始閾值T0時反光抑制處理效果最佳，T0最接近實際閾值T，減少了后續圖像分割的迭代次數和運算量。

1.3.2 迭代處理

在圖像處理領域，通常采用自動選取最優閾值的算法分割圖像，本文使用迭代優化策略，如公式（1）、公式（2）所示[7]。

（1）

（2）

式中：μ1、μ2分別為區域R1、R2的灰度均值；Ti為進行圖像分割的閾值；i為索引變量；Pi為第i個灰度級在圖像中出現的頻次；L-1為圖像的灰度級別。

迭代式閾值選擇法設定閾值Ti，將圖像分割為低灰度區域R1和高灰度區域R2，區域R1包括所有灰度值低于或等于閾值Ti的像素，區域R2包括所有灰度值高于閾值Ti的像素。計算圖像分割后的區域R1、R2的灰度均值μ1、μ2以及新的閾值Ti+1，如公式（3）所示。

（3）

1.3.3 循環迭代

判斷迭代是否收斂，如果不收斂，那么將分割后的均值作為新的閾值進行循環計算。采用迭代式閾值選擇法將圖像中小于閾值的像素賦值為0，大于閾值的像素賦值為1，并轉化為二值圖像。圖像分割效果如圖2所示。對二值圖像進行適當膨脹處理，保證光照影響區弱邊緣進入范圍，計算光照影響區和非影響區的像素點坐標集合U1和U2。

2 局部均值濾波處理

2.1 處理方法

與均值濾波利用鄰域像素的平均值替換中心像素完成去噪的方法類似，局部均值濾波選擇U1內的像素點n，以n為中心選擇Un，計算Un與U2的交集An。An中像素點的個數為M，其中第i個像素點的RGB值分別為Ri、Gi和Bi。計算An中M個像素點的RGB均值Rn、Gn和Bn，如公式（4）～公式（6）所示。

（4）

（5）

（6）

式中：Rn、Gn和Bn為M個像素點的RGB均值；M為像素點的個數；Ri、Gi和Bi為第i個像素點的RGB值。

用計算得到的RGB均值替換n點原RGB值，再將新的n點坐標及其對應的RGB值從U1并入U2，用新像素點集U2和新鄰域Un+1的交集An+1重復以上操作，計算第n+1個像素點的RGB值，以此類推，逐步替換U1內的所有像素點。局部均值濾波處理流程如圖3所示。

2.2 固定領域Un的選擇

設置固定的處理鄰域，能夠更精確地保留和去除圖像中的特定信息。小鄰域中的像素具有強相關性[8]，當噪聲密度較高時不能準確估計噪聲像素的灰度值。大鄰域會增加計算負擔，無法實時對圖像進行處理。因此本文采用多鄰域策略對圖像進行處理，并分別計算圖像的RGB均值和灰度均值，計算結果見表2。綜合比較處理效果和運算效率，設鄰域為75×75。

2.3 均值濾波

經過局部均值濾波處理后，反光影響基本消除，但是仍然存在弱影響區和輕微邊界痕跡。由于均值濾波處理易于操作，處理弱噪聲效果較好，因此選擇均值濾波進一步對圖像進行平滑處理，以達到完全消除反光的效果。

3 模型效果

為驗證該圖像反光抑制處理方法的有效性和實用性，本文利用MATLAB圖像處理平臺分別以溶液顏色、溶液濃度和光照條件為單一變量進行試驗。將處理前后的圖像進行比較，對本文方法的實際效果進行定性分析。

3.1 不同顏色溶液的圖像處理效果

處理不同顏色溶液的圖像，固定溶液濃度，調整光照條件，對不同顏色溶液圖像進行反光抑制處理，處理結果見表3。由表3可知，本文方法對不同顏色的溶液圖像均有效，并保證圖像清晰度、準確性較高。

3.2 不同濃度溶液的圖像處理效果

對不同濃度溶液的圖像進行處理。固定溶液顏色和光照條件，改變溶液濃度，并對其圖像進行反光抑制處理，處理結果見表4。由表4可知，本文方法能夠在溶液濃度產生變化的情況下有效去除溶液圖像中的反光干擾。

3.3 不同光照條件的圖像處理效果

為進一步驗證本文方法的可靠性，對處于不同光照環境中的溶液圖像進行處理。固定溶液顏色和濃度，調整光照條件，并對其圖像進行反光抑制處理，處理結果見表5。由表5可知，本文方法能夠在光照條件變化的情況下，有效控制有色溶液的反光干擾。

4 結語

本文提出了一種新型的基于局部均值濾波對有色溶液的反光抑制處理方法。試驗結果表明本文方法對不同顏色、濃度和光照條件溶液圖像的反光抑制處理均具有良好效果。本文方法操作簡單，提升了圖像特征提取的精確度和圖像處理的時效性，為解決光照反光的干擾問題提供了一種有效的處理方案。

參考文獻

[1]汪珺.基于加權均值濾波和拉普拉斯算子的邊緣檢測FPGA實現[J].電腦知識與技術，2024，20（15）：13-16.

[2]孔祥陽，徐保根.均值濾波及其改進算法去噪效果研究[J].商丘師范學院學報，2016，32（6）：21-25.

[3]牛秀琴.改進的鄰域均值濾波去噪算法研究[J].長治學院學報（自然科學版），2012，29（2）：4-8.

[4]廖一帆，李子豪，伍春花，等.基于輔助變量增強的可逆彩色圖像灰度化[J].電子與信息學報，2023，45（12）：4448-4450.

[5]李平，張勇，田忠彬，等.基于改進LOG算子的雷達圖像邊緣檢測算法[J].空天預警研究學報，2024，38（1）：16-18.

[6]康峰，薛瑞雷，劉澤慶，等.基于改進Canny算子的管道GMAW熔池邊緣檢測[J].現代制造工程，2024（5）：122-124.

[7]李小琦.基于Matlab的圖像閾值分割算法研究[J].軟件導刊，2014，13（12）：77-78.

[8]陳家益，戰蔭偉，曹會英，等.鄰域均值檢測的迭代加權中值濾波算法[J].計算機應用研究，2020，37（6）：1906-1909，1915.

通信作者：李學亮（1988-），男，漢族，河南省安陽市人，博士，講師，研究方向為微納器件設計與制造。

電子郵箱：zhf870721@zknu.edu.cn。