張廣才 萬守鵬 何繼榮

摘? 要： 數(shù)字圖像處理是機(jī)器人視覺的關(guān)鍵技術(shù)之一，本文簡要介紹計(jì)算機(jī)中數(shù)字圖像定義與基本類型后，詳細(xì)介紹了數(shù)字圖像處理的常用方法，并對(duì)其優(yōu)缺點(diǎn)與應(yīng)用場合作扼要概述。接著引出數(shù)學(xué)軟件MATLAB在圖像處理方面的優(yōu)勢，分領(lǐng)域概述MATLAB在圖像處理中的實(shí)際應(yīng)用，并對(duì)其應(yīng)用或開發(fā)的系統(tǒng)作簡要評(píng)述。最后在總結(jié)全文的基礎(chǔ)上提出下一步工作重心，基于MATLAB開發(fā)設(shè)計(jì)出一款數(shù)字圖像處理系統(tǒng)，為機(jī)器人視覺計(jì)算等奠定基礎(chǔ)。

關(guān)鍵詞： 數(shù)字圖像;圖像處理;MATLAB;應(yīng)用;綜述

【Abstract】： Digital Image Processing （DIP） is one of the key technologies in robot vision， at the beginning of this paper the definition of digital image and its fundamental type are introduced briefly， then some common methods of DIP are summarized in detail， its relative merits and applications are concisely described. Next the advantage in image processing of MATLAB is discussed， its practical application is summarized by technology field and its arithmetic or the system is evaluated shortly. In the end conclude the paper and put forward to a DIP system based on MATLAB， preparing for robots vision calculation.

【Key words】： Digital image; Image processing; MATLAB; Application; Overview

0? 引言

圖像通常有兩類：一類是由無限稠密的點(diǎn)連續(xù)變化產(chǎn)生的模擬圖像，如光學(xué)圖像和電子圖像;另一類就是以計(jì)算機(jī)方式采樣并保存的數(shù)字圖像。得益于計(jì)算機(jī)領(lǐng)域的急速發(fā)展，圖像處理領(lǐng)域也在近年來逐步成長并完善成為相當(dāng)實(shí)用的技術(shù)[1]。若無特殊說明，通常文獻(xiàn)中提到圖像處理均是表示數(shù)字圖像處理。

數(shù)字圖像處理技術(shù)是通過信號(hào)采集將連續(xù)信號(hào)采樣為離散信號(hào)，運(yùn)用計(jì)算機(jī)相關(guān)計(jì)算從中獲取有效消息的技術(shù)，在科學(xué)研究、工農(nóng)生產(chǎn)、道路出行、民生國防等諸多領(lǐng)域有很好的應(yīng)用。本文解讀數(shù)字圖像處理相關(guān)內(nèi)容，并結(jié)合MATLAB綜述幾個(gè)領(lǐng)域圖像處理的應(yīng)用實(shí)例，最后展望設(shè)計(jì)一款圖像處理平臺(tái)，為機(jī)器人視覺圖像處理奠定基礎(chǔ)[2]。

1? 數(shù)字圖像處理技術(shù)

1.1? 圖像處理

圖像處理由于受到數(shù)據(jù)龐大、技術(shù)手段不成熟且處理難度高等因素的制約，其技術(shù)一開始并沒有得到很好的應(yīng)用效果。源于計(jì)算機(jī)技術(shù)急速發(fā)展，圖像處理才有所進(jìn)展。隨著科技發(fā)展，除專人專用外現(xiàn)已鮮有用戶用膠卷去獲取圖像，取而代之的是依靠數(shù)碼相機(jī)、工業(yè)相機(jī)、攝像機(jī)、掃描儀或者其他移動(dòng)設(shè)備，通過這一途徑取得的圖像均是數(shù)字圖像，圖像采樣在獲取圖像的同時(shí)已經(jīng)完成。常見的圖像處理流程如圖1所示。

1.2? 圖像處理目的

數(shù)字圖像處理技術(shù)最初只是為了讓圖像的品質(zhì)有所提升，將圖像中不需要的部分消去，便于人們觀察和識(shí)別。隨著社會(huì)的大幅進(jìn)步與生活節(jié)奏的改變與需要，圖像處理也從改善視覺效果逐漸轉(zhuǎn)變到更為深遠(yuǎn)的層面，一是圖像在傳輸或保存時(shí)占用大量資源，繼而發(fā)展出壓縮編碼等節(jié)省儲(chǔ)存空間和提升信息的傳輸;二是根據(jù)圖像中包含的特征信息，使計(jì)算機(jī)更迅速更準(zhǔn)確地識(shí)別圖片，為機(jī)器視覺與機(jī)器辨識(shí)提供便利;三從信息安全角度，圖像處理還可以進(jìn)行圖像加密，防止隱私泄密、保護(hù)國家或個(gè)人信息安全等方面[3]。

1.3? 圖像處理技術(shù)

1.3.1? 圖像預(yù)處理

圖像預(yù)處理包含圖像運(yùn)算和圖像變換。圖像運(yùn)算描述圖像由一種狀態(tài)轉(zhuǎn)換為另一種狀態(tài)，包含以下幾個(gè)方面：

（1）像素運(yùn)算：最基本操作，處理每個(gè)像素值來修正圖像顯示效果。

（2）代數(shù)運(yùn)算：理解為數(shù)組間的運(yùn)算，可用作本身算術(shù)操作，也可用作復(fù)雜圖像處理的準(zhǔn)備工作。

（3）幾何運(yùn)算：可看成像素在圖像中移動(dòng)的過程。

（4）邏輯運(yùn)算：包含位與、位或、位補(bǔ)、位異或和位移位等運(yùn)算。

圖像處理主要手段之一的圖像變換很好地解決了空間域中計(jì)算大或無法處理的問題，主要包含：

（1）離散傅里葉變換DFT：信號(hào)處理中最重要、應(yīng)用最廣泛的變換，根據(jù)某種變換關(guān)系將信號(hào)從時(shí)域變換到頻域，經(jīng)變換后在頻域進(jìn)行處理。

（2）離散余弦變換DCT：類似于DFT，但只使用其實(shí)數(shù)部分，因其運(yùn)算快而廣泛應(yīng)用于圖像壓縮編碼領(lǐng)域。

（3）離散小波變換DWT：是對(duì)DFT的一個(gè)重大突破，在時(shí)域和頻域均有較好的局部特性和能量集中特性，在圖像壓縮和分割等領(lǐng)域解決了許多DFT解決不了的問題。

1.3.2? 圖像增強(qiáng)與復(fù)原

適當(dāng)?shù)膱D像增強(qiáng)，能在圖像去噪的同時(shí)保留其特征，使圖像更加清晰明顯，為觀察者提供更為準(zhǔn)確的信息。圖像增強(qiáng)的方法主要有：

（1）灰度變換增強(qiáng)：通過提高圖像對(duì)比度，使圖像像素值均勻分布或者滿足某種分布狀態(tài)來增強(qiáng)圖像。

（2）空域?yàn)V波增強(qiáng)：在空域中計(jì)算每個(gè)像素的灰度值來增強(qiáng)圖像。

（3）頻域?yàn)V波增強(qiáng)：圖像經(jīng)某種變換到頻域，由該域?qū)Ｓ行再|(zhì)處理后把所得數(shù)據(jù)反變換回原先空域中得到增強(qiáng)后圖像。

（4）彩色增強(qiáng)：根據(jù)人眼的視覺特性，通過對(duì)物體進(jìn)行彩色合成、彩色顯示或改變彩色分布來突出不同物體間的差別，以提高解譯效果。

圖像降質(zhì)的因素是多樣的，若不考慮其原因，是很難得到滿意的復(fù)原結(jié)果的。圖像在復(fù)原細(xì)節(jié)的同時(shí)必然會(huì)混入噪聲，而去除噪聲的同時(shí)也會(huì)一定程度上模糊邊緣，一般要對(duì)圖像的退化機(jī)理作分析。但這種退化機(jī)理較復(fù)雜，實(shí)際中常用的線性系統(tǒng)退化原因，用近似的退化函數(shù)來復(fù)原圖像。圖像復(fù)原方法有逆濾波復(fù)原、維納濾波復(fù)原、盲去卷積濾波復(fù)原等。

1.3.3? 圖像壓縮編碼

未經(jīng)處理的圖像本身占空間較大，對(duì)其保存、處理或傳送占用大量資源，因此要對(duì)其進(jìn)行相應(yīng)的處理。由于原始的圖像數(shù)據(jù)含有大量各類的冗余信息，可以通過技術(shù)手段減少甚至消除這些冗余，在期望的條件下用盡可能少的數(shù)據(jù)量重構(gòu)圖像，這就是圖像壓縮編碼研究的內(nèi)容。

壓縮編碼分無損編碼和有損編碼。無損編碼是保留全部數(shù)據(jù)的壓縮方法，常用算法有算術(shù)編碼、Huffman編碼、行程編碼等，刪除了圖像中的編碼冗余，對(duì)于顏色大體相同的圖像壓縮效果較好。有損編碼的圖像在還原時(shí)有一定程度的失真，但這種失真是可接受范圍內(nèi)的，如刪除某些人眼無法察覺的顏色信息冗余。常用算法有預(yù)測編碼、子帶編碼、統(tǒng)計(jì)分塊編碼和分形編碼等，因其能獲得很好的壓縮比而在實(shí)際中應(yīng)用很多，有如JPEG這樣普遍應(yīng)用的圖像格式。

1.3.4? 圖像形態(tài)學(xué)

數(shù)學(xué)形態(tài)學(xué)算法因其并行結(jié)構(gòu)可以并行處理圖像，優(yōu)勢便是使得圖像處理更迅速。其基本運(yùn)算有膨脹、腐蝕、開運(yùn)算和閉運(yùn)算，當(dāng)處理二值圖像時(shí)，形態(tài)學(xué)主要是用于提取處理所需的圖像成分，基于4種基本運(yùn)算可組合或推導(dǎo)出實(shí)際用途的算法，如邊界提取、連通分量提取、凸殼、區(qū)域骨架的形態(tài)學(xué)算法等。當(dāng)處理灰度圖像時(shí)，利用4種基本運(yùn)算可建立灰度級(jí)形態(tài)學(xué)算法，如形態(tài)學(xué)梯度運(yùn)算邊界提取算法、紋理區(qū)域分割算法、平滑及銳化處理算法等。這些算法在圖像壓縮、復(fù)原、分割、邊緣檢測、紋理分析或形狀識(shí)別等領(lǐng)域非常有用。

1.3.5? 圖像分割

一幅圖像中既有“有效”的信息部分，又有“無效”的背景部分，有時(shí)候需要提取圖像中某一個(gè)或某一些特定的對(duì)象，此時(shí)可根據(jù)這些對(duì)象具有的某種獨(dú)特的性質(zhì)，這些特定的性質(zhì)可以是灰度、紋理、顏色或區(qū)域等，這就是圖像分割。常用的分割方法有：

（1）邊緣檢測分割：檢測不同部分的邊界來分割圖像，本質(zhì)上是利用某種算法提取所需對(duì)象和背景間的分界線。

（2）閾值分割：按照灰度級(jí)整合像素集合，閾值的選取可以是多樣的，各區(qū)域內(nèi)具有相同的屬性，使用較廣泛，如二值化分割等。

（3）區(qū)域分割：解決了閾值分割閾值選取受限的問題，方法有區(qū)域生長法、分裂合并法等。

隨著理論的推進(jìn)，已有學(xué)者在圖像分割中加入模糊理論、遺傳算法、小波變換等研究成果，形成聯(lián)合特定方法和面向特定圖像的現(xiàn)代分割手段。

1.3.6? 圖像描述與對(duì)象識(shí)別

圖像處理最后要達(dá)到的期望是對(duì)圖像有一個(gè)客觀的描述并且能夠進(jìn)行識(shí)別，涉及模式識(shí)別領(lǐng)域，要點(diǎn)是圖像的特征提取。進(jìn)行了前述一個(gè)或多個(gè)操作的圖像預(yù)處理后，對(duì)圖像進(jìn)行特征提取，形成圖像的客觀描述，若注重于形狀特征時(shí)，可采用外部表示法，若更側(cè)重顏色、紋理等特征時(shí)，可采用內(nèi)部表示法，當(dāng)然很多時(shí)候會(huì)同時(shí)采取兩種方法。抓取各對(duì)象間能代表本質(zhì)差異的描繪子進(jìn)行特征提取，得到計(jì)算機(jī)關(guān)于圖像的認(rèn)知，從而對(duì)圖像進(jìn)行比對(duì)、識(shí)別、分類等。常用的模式識(shí)別方法有決策理論方法、結(jié)構(gòu)性方法和統(tǒng)計(jì)方法等。

2? MATLAB應(yīng)用

2.1? MATLAB簡介

三十余年前MathWorks公司發(fā)布軟件MATLAB，鑒于其良好的開放性、計(jì)算穩(wěn)定和易于上手等優(yōu)點(diǎn)，幾年內(nèi)就淘汰了當(dāng)時(shí)市場上控制領(lǐng)域的軟件如UMIST、LUND、SIMNON、KEDDC，成為國際控制界標(biāo)準(zhǔn)計(jì)算軟件。如今MATLAB在數(shù)值計(jì)算方面首屈一指，廣泛應(yīng)用于控制設(shè)計(jì)、信號(hào)處理和圖像處理，新版本中還加入了對(duì)C、C++、FORTRAN、JAVA的支持[4]。

2.2? 圖像處理工具箱

MATLAB DIP Toolbox囊括二十多類百余種圖像處理函數(shù)，如圖像導(dǎo)入imread（）、圖像導(dǎo)出imwrite（）、圖像呈現(xiàn)imshow（）、圖像調(diào)整imresize（）、圖像直方圖imhist（）、二維DCT變換dct2（）、霍夫變換hough（）、邊緣檢測edge（）、圖像膨脹imdilate（）、圖像腐蝕imerode（）等等。經(jīng)過多年工程應(yīng)用，很多科研工作者及編程愛好者也編寫了許多經(jīng)典的圖像處理函數(shù)庫，可直接修改調(diào)用，極大地方便了用戶編程。

2.3? 圖像處理應(yīng)用

（1）工業(yè)生產(chǎn)領(lǐng)域

某些領(lǐng)域由于特殊的生產(chǎn)環(huán)境及粗糙的噴印狀況，致使物資上的物料編碼難以分辨，給企業(yè)的調(diào)度管理帶來麻煩。為消除人工操作帶來的弊端，實(shí)現(xiàn)物資自動(dòng)化出入管理，圖像處理技術(shù)在物料編碼自動(dòng)識(shí)別領(lǐng)域也大有作為。東南大學(xué)相關(guān)學(xué)者針對(duì)企業(yè)鋼板自動(dòng)識(shí)別的需要，設(shè)計(jì)一款基于數(shù)字圖像處理的板號(hào)識(shí)別系統(tǒng)，該系統(tǒng)準(zhǔn)確率達(dá)99.02%，在特殊工況下應(yīng)用較好。圖像處理在檢測有色金屬時(shí)也有較好的表現(xiàn)，如銅礦石種類繁多，組成成分復(fù)雜，性質(zhì)、狀態(tài)等存在明顯的差別，依靠人為檢測具有較大的難度。計(jì)算機(jī)圖像處理與識(shí)別技術(shù)有效地解決了銅礦石復(fù)雜的組成成分帶來的問題，實(shí)踐中取得了更為精確的檢測結(jié)果[5-7]。

（2）交通監(jiān)管領(lǐng)域

智能交通系統(tǒng)關(guān)鍵的一步便是車牌自動(dòng)識(shí)別，這也是建立在日益成熟的圖像處理技術(shù)基礎(chǔ)之上的，采用機(jī)器視覺及圖像處理的方法代替人類視覺對(duì)圖像進(jìn)行分析，識(shí)別車牌號(hào)碼。我國汽車保有量巨大，相應(yīng)的車牌也較復(fù)雜。中文、英文、阿拉伯?dāng)?shù)字、特殊符號(hào)及顏色的組合提高了車牌識(shí)別的復(fù)雜程度，運(yùn)用高級(jí)語言如C、C++等進(jìn)行圖像處理對(duì)程序能力要求高、難度大且日后維護(hù)困難，基于MATLAB計(jì)算能力優(yōu)勢及各類圖像處理函數(shù)庫可降低編程和維護(hù)的難度與麻煩，判別迅速，已有諸多學(xué)者將其應(yīng)用在汽車牌照自動(dòng)識(shí)別中，基于MATLAB的車牌識(shí)別反應(yīng)靈敏、識(shí)別迅速，應(yīng)用效果較好，在各類車型與日俱增的大環(huán)境下將會(huì)發(fā)揮出越來越多的作用[8-11]。

（3）監(jiān)控安防領(lǐng)域

臉部特征是一個(gè)人的固有特性，發(fā)育成型的個(gè)體臉部能長期保持不變且個(gè)體間臉部特征迥異，是以考究身份的有力憑據(jù)。因其方便友好、識(shí)別被動(dòng)、用戶易于接受等優(yōu)勢，應(yīng)用人臉圖像來證實(shí)和判斷身份成為國內(nèi)外監(jiān)控安防領(lǐng)域研究的熱點(diǎn)之一。

當(dāng)今人臉識(shí)別主流方法是Kirby和Turk等人為了解決高維度向量不緊湊及計(jì)算分析上的難度與復(fù)雜度而提出的主分量分析子空間方法，較成功的有線性判別分析法、主分量分析法、矢量量化法、獨(dú)立元分析法等?；诙S人臉識(shí)別技術(shù)已日趨完善，在相關(guān)應(yīng)用中得到了較好的識(shí)別結(jié)果，但當(dāng)發(fā)生姿位、神態(tài)、化妝或者光照等變化顯著時(shí)，識(shí)別效果不太理想。近年來，學(xué)術(shù)界已經(jīng)著手研究三維人臉識(shí)別技術(shù)，借助如雙目相機(jī)等手段獲取景深，構(gòu)造三維立體模型進(jìn)行匹配，基于MATLAB強(qiáng)大的數(shù)學(xué)計(jì)算能力，使人臉識(shí)別技術(shù)朝著更加準(zhǔn)確、高效、便捷的方向發(fā)展[12-13]。

（4）人工智能領(lǐng)域

由于中國人口基數(shù)大，老齡人口與殘障殘疾人口也數(shù)目眾多，殘疾人中尤以聾啞人數(shù)目最多。絕大多數(shù)人不能理解手語，傳統(tǒng)的紙筆交流不僅費(fèi)時(shí)耗力，還需極大的耐心，使得這部分殘疾人在生活中與外界溝通時(shí)存在著極大的交流障礙，極易導(dǎo)致自卑心理甚至報(bào)復(fù)社會(huì)。在此背景下基于圖像處理借助計(jì)算機(jī)、智能手機(jī)或其他智能穿戴設(shè)備的手勢識(shí)別及表情識(shí)別便應(yīng)運(yùn)而生。已有學(xué)者通過MATLAB建立手勢模型，利用分類識(shí)別的方法識(shí)別手勢含義等，再借助人機(jī)交互設(shè)備進(jìn)行行文顯示，達(dá)到溝通迅速、便捷、無障礙是未來這一領(lǐng)域的目標(biāo)方向[14]。

3? 總結(jié)與展望

數(shù)字圖像處理技術(shù)借助計(jì)算機(jī)技術(shù)，能夠?qū)崿F(xiàn)圖像處理的復(fù)雜運(yùn)算，優(yōu)勢在于其精度高、應(yīng)用面廣、靈活性高及有很強(qiáng)的再現(xiàn)性，在許多領(lǐng)域和行

業(yè)已得到廣泛的應(yīng)用。數(shù)字圖像處理技術(shù)日臻完善的同時(shí)，也受到一些技術(shù)條件的限制，如數(shù)學(xué)理論的進(jìn)步、計(jì)算機(jī)技術(shù)與性能的進(jìn)展以及相關(guān)軟硬件的發(fā)展等因素。

本文詳細(xì)介紹了現(xiàn)階段數(shù)字圖像處理的有關(guān)技術(shù)以及圖像處理MATLAB的相干應(yīng)用，隨著計(jì)算機(jī)硬件、通信技術(shù)以及其他科學(xué)技術(shù)領(lǐng)域新理論、新算法、新設(shè)備的提出，未來數(shù)字圖像處理的應(yīng)用領(lǐng)域?qū)⒏訌V闊，發(fā)展方向?qū)⑹羌夹g(shù)標(biāo)準(zhǔn)化、處理高速化、設(shè)備芯片化及智能化。項(xiàng)目下一步工作是基于MATLAB設(shè)計(jì)一款圖像處理系統(tǒng)，為機(jī)器人視覺及后續(xù)工作提供一套可行性方案。

參考文獻(xiàn)

[1]安從姝. 關(guān)于圖像處理技術(shù)現(xiàn)狀及發(fā)展的分析[J]. 科技資訊， 2018， 25： 72-73.

[2]Rafael C. Gonzalez， Richard E. Woods. Digital Image Proce ssing[M]. Third Edition. 北京： 電子工業(yè)出版社. 2010.

[3]張薇， 于碩. 數(shù)字圖像處理綜述[J]. 論述， 2015， 9： 258-259.

[4]秦貝貝， 毛一敏， 王艷梅. MATLAB在數(shù)字圖像處理中的應(yīng)用[J]. 無線互聯(lián)科技， 2018， 12： 135-136.

[5]相銀堂， 李奇. 基于數(shù)字圖像處理的鋼板號(hào)識(shí)別系統(tǒng)設(shè)計(jì)[J]. 冶金自動(dòng)化， 2018， 42（6）： 54-58.

[6]申賓德. 數(shù)字圖像處理技術(shù)在機(jī)械工程領(lǐng)域中的應(yīng)用與研究[J]. 機(jī)械研究與應(yīng)用， 2018， 2： 170-172.

[7]許超， 吳劍劍， 廖開星， 等. 數(shù)字圖像處理在核電廠安全殼外觀檢查中的應(yīng)用[J]. 電子設(shè)計(jì)工程， 2019， 27（11）： 87-90.

[8]宋延爽. 數(shù)字圖像處理技術(shù)在智能交通中的應(yīng)用研究[J]. 信息記錄材料， 2019， 20（4）： 86-88.

[9]莫玲. 圖像處理技術(shù)在車牌識(shí)別中的研究[J]. 輕工科技， 2018， 34（8）： 88-90.

[10]崔詩晨， 遲宗濤. 基于MATLAB的車牌識(shí)別的設(shè)計(jì)[J]. 工業(yè)控制計(jì)算機(jī)， 2017， 30（8）： 68-69.

[11]黃岳銳， 黃楷佳. 基于圖像處理的車牌識(shí)別與字符分割及MATLAB實(shí)現(xiàn)[J]. 內(nèi)蒙古科技與經(jīng)濟(jì)， 2019， 10： 64-66.

[12]覃杰， 喬濤. 數(shù)字圖像處理技術(shù)在視聽資料證據(jù)中的應(yīng)用研究[J]. 法制博覽， 2015， 12： 284-285.

[13]李雄偉， 王秋云， 楊昊亮. 數(shù)字圖像司法鑒定相關(guān)技術(shù)研究[J]. 法庭科學(xué)， 2018， 2： 99-102.

[14]陳旭， 張卓， 趙越， 等. 數(shù)字圖像處理技術(shù)在機(jī)器人方面的應(yīng)用[J]. 技術(shù)研發(fā)， 2017， 24（3）： 44-45.