周曉寧++郝建敏++陳悅

摘要：采用合理的圖像增強(qiáng)和圖像分割技術(shù)，可以幫助人們辨識(shí)出原始圖像中肉眼無(wú)法識(shí)別的目標(biāo)物。模型算法主要通過(guò)對(duì)目標(biāo)物的顏色特征的統(tǒng)計(jì)分析，可以實(shí)現(xiàn)對(duì)衛(wèi)星圖像中目標(biāo)物的識(shí)別分割。現(xiàn)在已經(jīng)出現(xiàn)了許多圖像分割算法，可以用于各種用途。本文基于灰度直方圖的閾值分割法進(jìn)行目標(biāo)物的分割，從算例結(jié)果看出，該算法計(jì)算簡(jiǎn)單，分割效果較好，具有一定的實(shí)際應(yīng)用價(jià)值，可為相關(guān)圖像處理工作提供借鑒。

關(guān)鍵詞：圖像增強(qiáng) 圖像分割 灰度直方圖 閾值

中圖分類(lèi)號(hào)：TP37 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2016）10-0131-01

1 引言

數(shù)字圖像是獲取、表達(dá)和傳遞信息的重要手段之一。雖然人眼具有很高的識(shí)別能力，可辨認(rèn)出原始圖像中的上千種顏色、各種不同物體的輪廓和形態(tài)。但由于人眼的生理限制或目標(biāo)物體本身的一些特性，有時(shí)難以對(duì)圖像中特定目標(biāo)物進(jìn)行準(zhǔn)確識(shí)別。因此，需要采用合理的圖像增強(qiáng)和圖像分割技術(shù)來(lái)輔助識(shí)別。

計(jì)算機(jī)表示和存儲(chǔ)圖像時(shí)，可用二維數(shù)組來(lái)表示數(shù)字圖像，數(shù)組的每個(gè)元素被稱(chēng)為像素，像素的計(jì)數(shù)值又被稱(chēng)為灰度值[1]。數(shù)字圖像可以分為二值圖像、索引圖像、灰度圖像和真彩色圖像等幾種基本類(lèi)型。當(dāng)圖像的色彩比較復(fù)雜時(shí)，常使用彩色圖像來(lái)表示。每個(gè)像素用紅（R）、綠（G）、藍(lán)（B）三個(gè)通道的值來(lái)分別表示。單個(gè)通道中每個(gè)像素點(diǎn)的值的取值為0～255。0表示黑色，255表示白色，中間從小到大的數(shù)值分別表示由黑到白的過(guò)渡灰度[2]?；叶戎狈綀D反映的是就是圖像灰度和該灰度出現(xiàn)概率之間的關(guān)系。

本文首先針對(duì)原始數(shù)字圖像進(jìn)行灰度等級(jí)直方圖處理，然后通過(guò)直方圖均衡化使其在某一灰度范圍內(nèi)有更好的對(duì)比度；接著分析目標(biāo)物（被分割對(duì)象）和背景（下墊面）的顏色特征，統(tǒng)計(jì)比較目標(biāo)物與背景的閾值；最后建立閾值分割算法，從而實(shí)現(xiàn)對(duì)目標(biāo)物的識(shí)別[3]。

2 算法模型

步驟I：原始圖像的灰度直方圖處理。

設(shè)變量r代表圖像中像素點(diǎn)的灰度值，并進(jìn)行歸一化處理，將其歸一化到[0，1]范圍之內(nèi)。由于圖像中每個(gè)像素的灰度取值可能是任意的，即r是一個(gè)隨機(jī)變量，原始圖像的灰度分布可用概率分布函數(shù)p（rk）來(lái)表示[2]：

其中，rk是第k個(gè)灰度等級(jí)，nk是在rk灰度等級(jí)的像素?cái)?shù)，N是圖像中像素總數(shù)，L為圖像的灰度值。在笛卡爾坐標(biāo)系中這種關(guān)系圖即表現(xiàn)為原始圖像的灰度直方圖。

步驟II：灰度直方圖均衡化的圖像增強(qiáng)處理。

為增加原始圖像的對(duì)比度，可通過(guò)直方圖均衡化處理，使圖像細(xì)節(jié)更清晰，提高目標(biāo)物的識(shí)別度。直方圖均衡化的主要思想是對(duì)圖中像素個(gè)數(shù)多的灰度等級(jí)進(jìn)行拉伸，而對(duì)像素個(gè)數(shù)少的灰度等級(jí)進(jìn)行壓縮，動(dòng)態(tài)拓展原始圖像灰度等級(jí)的范圍，增加對(duì)比度和灰度色調(diào)，達(dá)到使圖像更清晰的目的。

通過(guò)累積分布函數(shù)（Cumulative Distribution Function，CDF）可實(shí)現(xiàn)圖像的原始灰度分布與增強(qiáng)后的灰度值的轉(zhuǎn)換：

上述2-2式的求和區(qū)間為0到k。

通過(guò)上述公式，可將原始圖像的灰度值rk直方圖均衡化轉(zhuǎn)換為Sk，完成圖像增強(qiáng)處理。

步驟III：分析目標(biāo)物和背景的特征（特征向量），使用閾值法進(jìn)行圖像分割，實(shí)現(xiàn)目標(biāo)物識(shí)別。

設(shè)C（R，G，B）為物體在彩色圖像中的任意一點(diǎn)，則對(duì)應(yīng)的RGB三個(gè)通道特征向量為：

式中是RGB三通道灰度值的平均值，與圖像的亮度成正比，是圖像的亮度特征。

統(tǒng)計(jì)得到不同目標(biāo)物體的顏色特征向量：

通過(guò)判斷比較目標(biāo)物體的顏色特征與閾值的大小，即可實(shí)現(xiàn)對(duì)目標(biāo)物的分割。

3 算例實(shí)驗(yàn)

針對(duì)樣例衛(wèi)星數(shù)據(jù)。首先對(duì)原始的單通道數(shù)據(jù)值進(jìn)行讀取和轉(zhuǎn)換，進(jìn)行原始圖像的灰度直方圖處理。通過(guò)反色及灰度直方圖均衡化，對(duì)原始圖像進(jìn)行增強(qiáng)處理；然后進(jìn)行RGB通道組合構(gòu)成真彩色圖像；對(duì)圖像中的任意像素點(diǎn)構(gòu)建RGB特征向量，比較與閾值的大小，實(shí)現(xiàn)對(duì)目標(biāo)物（云）的圖像分割（圖略）。通過(guò)對(duì)連續(xù)一個(gè)月的數(shù)據(jù)檢驗(yàn)，本文的算法在白天對(duì)目標(biāo)物（云）和背景（晴空）的進(jìn)行了比較理想的分割，準(zhǔn)確率可達(dá)80%以上，分割效果較好。

4 結(jié)語(yǔ)

綜上看出，本文所提出的模型算法主要通過(guò)對(duì)目標(biāo)物的顏色特征的統(tǒng)計(jì)分析，可以實(shí)現(xiàn)對(duì)衛(wèi)星圖像中目標(biāo)物的識(shí)別分割。現(xiàn)在已經(jīng)出現(xiàn)了許多圖像分割算法，可以用于各種用途。但是，對(duì)于圖像分割的問(wèn)題仍然沒(méi)有統(tǒng)一的解決方案，這一技術(shù)和相關(guān)領(lǐng)域知識(shí)往往要緊密結(jié)合，從而為更有效的解決圖像分割領(lǐng)域。通過(guò)各種新理論和新技術(shù)結(jié)合，圖像分割方法將不斷取得突破和進(jìn)展，分割結(jié)果更加高效、精確。

參考文獻(xiàn)

[1]陳炳權(quán)，劉宏立，孟凡斌.數(shù)字圖像處理技術(shù)的現(xiàn)狀及其發(fā)展方向[J].吉首大學(xué)學(xué)報(bào)（自然科學(xué)版），2009.1：63-65.

[2]萬(wàn)玲，馬興.數(shù)字圖像處理的方法與應(yīng)用[J].科技信息，2010.23：590，635.

[3]張姍姍.基于直方圖均衡化的數(shù)字圖像增強(qiáng)技術(shù)[J].電腦編程技巧與維護(hù)，2015.21：77-78.

收稿日期：2016-09-01

作者簡(jiǎn)介：周曉寧（1980—），女，江蘇南京人，研究生，講師，研究方向：圖像處理相關(guān)算法研究。