占俊

摘 要： 主要对在计算机数字图像处理技术中常用的灰度变换、直方图处理、图像平滑、图像分割和图像边缘提取这5种常见技术进行了研究，介绍了这些技术的理论依据、用途以及实际图像处理效果。对其中的每一种技术，还分别研究了其常见的技术类型，是对常见的数字图像处理技术的一次较为详细的介绍和研究。

关键词： 计算机数字图像技术； 常见技术； 处理效果； 图像识别

中图分类号： TN911.73?34 文献标识码： A 文章编号： 1004?373X（2015）21?0032?04

Research on processing effect of several computer digital image technologies

ZHAN Jun

（Jingdezhen University， Jingdezhen 333000， China）

Abstract： The five common processing technologies of the gray level transformation， histogram processing， image smoothing， image segmentation and image edge extraction in computer digital image technology are studied. The theoretical foundation， applications and real image processing effect of these technologies are introduced. For each technology， the common technology types are studied separately. The common digital image processing technologies are introduced and studied in detail in this paper.

Keywords： computer digital image technology； common technology； treatment effect； image recognition

0 引 言

随着计算机技术的快速发展，新的理论和技术层出不穷，特别是近年来人工智能技术的广泛应用，使得人们对计算机技术的认识上了一个新的台阶。而人工智能的两大关键技术就是“语音识别技术”和“计算机数字图像技术”。本文主要研究了在计算机图像处理过程中几种重要的处理方法的原理及其处理效果。

数字图像处理技术就是利用相关设备将从图像信息转化而来的数字电信号进行特定的数学运算，过滤、增强或提取图像信息以达到人们要求的效果的技术。它是现代工业生产及人类日常生活中的一项重要技术，极大地提高了人们工作和生产的精度和效率。

图像一般分为数字图像和模拟图像两种，模拟图像指空间坐标和幅度连续变化的图像，数字图像则是采用离散数字来表示其空间坐标和幅度的图像，数字图像和模拟图像可以采用一定方法相互转换。

数字图像处理的对象主要是在空间上是离散的、在幅值上是量化分层的数字图像。一般情况下，一个完整的计算机数字图像识别系统包含如图1所示的几个部分。

待处理的数字图像首先要经过图像质量预判，筛选出可以用于分析的图片；然后再经过数字图像的分析及处理，再将处理后的图像进行特征提取从而得到图像的特征参数；经过建立特征库和数据样本集等方法，最后得到图像识别的结果。整个处理过程最关键的步骤就是图像分析及处理技术，在这一步需要用到的数字图像处理技术有很多，如图像强度分析、图像灰度变换、图像轮廓提取、图像直方图绘制、图像滤波、图像阈值化和图像边缘检测等。本文将重点研究这些技术。

1 几种常见的数字图像处理技术

1.1 灰度变换

通常数字图像设备获取的最初图像都是真彩图像，即RGB图像，它的每个像素都用代表三原色的R，G，B表示。由于真彩图像包含的图像信息较大，不适合用于图像处理，因此通常需要将其转化为灰度图像，即灰度变换。如果将[f（x，y）]看做代表RGB图的表示函数，经过转换函数[g=F[f]]可以转化成表示函数为[g（x，y）]的灰色图像，转换公式如下：

其中：[C]为尺度比例常数；[s]为原图灰度值；[t]为目标图灰度值；[s]和[t]的取值范围都为[0～L-1。]经过灰度处理后的图形效果如图2（c）所示。

灰度直方图是许多进一步的图像处理技术的基础。另一方面，从特定目的出发，也常需要对原始灰度直方图进行处理，以获得更好的灰度直方图像，而直方图均值化和直方图规定化是最为常见的两种处理方式。

1.2.1 直方图均衡化

直方图均衡化是指通过调整图像像素之间的映射和分布关系，使灰度的概率密度呈均匀分布，从而调整图像的整体对比度，使得图像过去亮度较暗部分的信息得以呈现，其变换公式为：

1.2.2 直方图规定化

直方图规定化是指对于实际需要，将直方图转换为某种特定的情况，选择某个重要的灰度范围进行对比度增强，其处理方法较为复杂，一般可以采用如图3所示的步骤。

1.3 图像平滑技术

平滑处理技术又叫图像滤波技术，它主要用来处理数字图像在生成、传播和处理过程中所产生的噪点对原图的影响。在图像滤波过程中，通常会根据图像噪声的具体特点，选择不同的滤波器对图像进行处理，目前常用的滤波器有中值滤波器和高斯滤波器。

（1） 中值滤波器

中值滤波的基本原理是把数字图像或数字序列中一点的值用该点邻域各点的中值代替[1]。其中，中值的定义如下：

（2） 高斯滤波

高斯滤波是一种低通滤波的方法器，它常用来对图像进行平滑的滤波处理。高斯滤波器函数的二维形式如下：

1.4 图像分割技术（阈值化技术）

数字图像处理技术的一个重要应用就是可以将人们感兴趣的图像从某个较大区域中提取出来，它是从图像处理进入到图像量化分析的重要步骤，它使得对图像的数字化提取和解读理解成为可能。

目前最常见的图像分割技术是阈值化技术，它主要是通过选取合适的灰度阈值，然后将图像中的点与阈值进行比对，将像素灰度值大于选定阈值的划分为一类；其他的划分为另一类，从而实现对图像的分割，整个技术的关键就是选择合适的阈值，阈值一般可写成如下形式：

以上3个式子中的偏导数需对每个像素的位置计算，在实际中常用小区域模板卷积来近似计算。对[Gx]和[Gy]各用一个模板，所以需要2个模板组合起来以构成1个梯度算子。根据模板的大小和其中元素（系数）值的不同，梯度算子分为Sobel算子、Prewit算子、Canny算子、Log算子4种，其处理效果如图8所示。

由图8可知，Sobel边缘检测法不仅产生的边缘效果较好，同时算法简单，运行处理速度快，缺点是图像的边缘较粗，造成图像信息的丢失和后续图像识别处理困难。其他3种边缘检测的处理结果相似，它在处理图像时会根据设置对噪点进行识别，因此不会像Sobel边缘检测法那样滤去大量有用信息，其提取图像的边缘连续性较好，定位精度较高，可以提取到较弱的边缘点；缺点是算法较为复杂，处理速度慢，且部分噪点会被当做边缘提取，影响图片质量。

2 结 语

本文主要研究了常见的5种计算机图像处理技术，详细介绍了每种技术的原理、作用及常用方法，如灰度变换技术介绍了原始灰度变换和增强对比度灰度变换；直方图处理给出了直方图的均衡化和规定化两种常见方式，并给出了二者的实际处理效果图；图像平滑技术介绍了目前应用最广泛的中值滤波和高斯滤波法，并分别给出了它们对噪声的实际滤波效果；最后介绍了Sobel，Prewit，Canny，Log等4种边缘提取技术，并给出了其对图片的实际处理效果。

参考文献

[1] 汪志云，黄梦为，胡钋，等.基于直方图的图像增强及其Matlab实现[J].计算机工程与科学，2006，28（2）：54?56.

[2] 林楠.模糊增强算法在图像识别技术中的应用[J].电子学报，2010，32（4）：31?36.

[3] 王颖.图像边缘检测技术在视觉识别中的应用[J].光学技术，2014，22（7）：12?16.

[4] OTSU N. A threshold selection method from gray?level histogram [J]. IEEE Transactions on Systems， Man and Cybernetics， 1999， 9（1）： 158?162.

[5] 李小红.基于Sobel算子的图像边缘检测算法的研究[J].计算机应用与软件，2014，24（7）：211?217.

[6] 陆兴娟，吴震宇.图像边缘检测算法研究[J].现代电子技术，2010，33（6）：128?130.

[7] 沈德海，侯建，鄂旭，等.基于均值梯度的脉冲噪声图像边缘检测算法[J].现代电子技术，2015，38（6）：119?121.

[8] 陈强，张小林，王耀文.图像边缘检测算法的设计和研究[J].现代电子技术，2012，35（11）：61?63.