【文章內(nèi)容簡介】 調(diào)整、去噪、銳化等，其實可以把圖像分割之前的所有處理都歸為圖像預(yù)處理。在圖像預(yù)處理中圖像增強占了最大的比重，并且圖像預(yù)處理的主要目的就是進行圖像增強，而圖像增強的目的是使經(jīng)過預(yù)處理之后的圖像的某些特定信息比原來更有效、更容易辨認[34][35][36]。在進行圖像的處理之前，非常有必要了解圖像整體或局部的灰度分布情況，對圖像的灰度分布進行分析的重要手段就是建立灰度直方圖。如果將圖像中像素亮度看成一個隨機變量，則其分布情況就反映了圖像的統(tǒng)計特性，可以用灰度直方圖來刻畫和描述，它是灰度級的函數(shù)，表示圖像中具有某個灰度級的像素數(shù)，反映了圖像中每個灰度出現(xiàn)的頻率?；叶戎狈綀D是圖像最基本的統(tǒng)計特性，它的橫坐標(biāo)表示灰度級，縱坐標(biāo)是該灰度級出現(xiàn)的頻率。設(shè)代表圖像中的像素灰度級，作歸一化處理之后，就被限定在[0，1]之內(nèi)。對于一幅給定的圖像來說，每一個像素在[0，1]區(qū)間內(nèi)的灰度級是隨機的，也就是為一個隨機變量。對每一瞬間，它們是連續(xù)的隨機變量，就可以用概率密度函數(shù)來表示原始圖像的灰度分布[36]。通過上面介紹的直方圖基本概念可以知道，圖像的直方圖具有以下三個重要的性質(zhì)：(a)直方圖是一幅圖像中各像素灰度值出現(xiàn)次數(shù)的統(tǒng)計結(jié)果，它只是反映該圖像中不同灰度值出現(xiàn)的次數(shù)，而不能反映某一灰度值像素所在的位置。即它只包含了該圖像中某一灰度值的像素出現(xiàn)的概率，而丟失了其所在位置的信息。(b)對于任一幅圖像，都能唯一地確定出與它對應(yīng)的直方圖，但是不同的圖像，可能有相同的直方圖。即圖像與直方圖之間是多對一的映射關(guān)系。(c)由于直方圖是對具有相同灰度值的像素統(tǒng)計得到的，因此，一幅圖像各子區(qū)的直方圖之和就等于該圖像全圖的直方圖。依據(jù)定義，對直方圖的計算如下，在離散形式下，用代表離散灰度級，用代表，并且有下面的式子成立： (31)，為圖像中出現(xiàn)級灰度的像素數(shù)，是圖像像素總數(shù)，而就是頻數(shù)。如果在直角坐標(biāo)系中把和的關(guān)系用圖形表示出來，就是該圖像的直方圖。如果我們假設(shè)圖像共有級灰度（通常=256，即8位灰度級），則大小為的灰度圖像的灰度直方圖可以用以下的算法得到：(1)初始化： ；,(2)統(tǒng)計： ；,(3)歸一化： 。在上面的算法中，直方圖的歸一化是一個可選項，若不需要特殊的處理就可以不進行此項操作。 圖像預(yù)處理常用的方法(1) 圖像的直方圖修正用于圖像預(yù)處理一幅數(shù)字圖像在計算機中可以表示成一個矩陣，該矩陣中的元素是與其相對應(yīng)的圖像各個坐標(biāo)點的灰度值，這些值一般取0到255之間的數(shù)。圖像的直方圖描述了圖像的灰度級，不過直方圖只能統(tǒng)計某一級灰度像素出現(xiàn)的概率，卻反映不了該像素在圖像中的二維坐標(biāo)，所以說不同的圖像可能會有相同的直方圖。如果一幅圖像的直方圖效果不是太理想，我們可以使用直方圖均衡化處理方法來作適當(dāng)修改，使之變?yōu)榫哂芯鶆蚧叶雀怕史植嫉囊环聢D像，從而實現(xiàn)圖像清晰的目的。直方圖均衡化經(jīng)常用于圖像比較和圖像分割前的預(yù)處理，主要使用圖像對比度拉伸這一方法進行處理。直方圖均衡化是通過灰度變換將一幅圖像轉(zhuǎn)換為另一幅圖像，而轉(zhuǎn)換過之后的圖像具有均衡的直方圖，即在每個灰度級上都有相同的像素點數(shù)。直方圖均衡化處理的中心思想就是把原圖的灰度直方圖從比較集中的某個灰度區(qū)域分散開來，變成在全部灰度范圍內(nèi)均勻分布的灰度直方圖[37]。(2) 數(shù)學(xué)形態(tài)學(xué)用于圖像預(yù)處理。數(shù)學(xué)形態(tài)學(xué)利用具有一定形態(tài)的結(jié)構(gòu)元素來度量和提取圖像中的對應(yīng)形態(tài)特征，從而達到對目標(biāo)圖像進行分析并識別的目的。數(shù)學(xué)形態(tài)學(xué)的基本運算包括腐蝕、膨脹、開啟以及閉合，由這些基本運算還可以推導(dǎo)組合出許多實用的算法[38][39]。(3) 小波分析用于圖像預(yù)處理傳統(tǒng)的傅里葉變換有一定的優(yōu)點，但是也存在一些不足。比如當(dāng)要獲取較好的低頻信息時，需要相對較長的變換窗口。當(dāng)要取得較好的高頻信息時，則需要較短的窗口，這樣就出現(xiàn)了矛盾。為了解決傅里葉變換存在的不足，小波變換便應(yīng)運而生。小波變換的思想是把圖像信號分解為小波系數(shù)，然后對這些小波系數(shù)做特定的處理，再用處理過的系數(shù)重建圖像，這樣便得到了新的增強圖像，這個過程也是小波分析的一般過程[40][41][42]。 本課題的圖像預(yù)處理 通風(fēng)管道內(nèi)壁圖像的轉(zhuǎn)換對于CCD攝像機采集的通風(fēng)管道內(nèi)壁圖像，需要對其進行相應(yīng)的轉(zhuǎn)化。一般的處理過程就是要把所采集的實際圖像轉(zhuǎn)換為灰度圖像，再對轉(zhuǎn)換之后的灰度圖像進行處理，這樣處理之后的灰度圖像既可以節(jié)省存儲數(shù)據(jù)的空間，且加快處理的速度，這樣就能保證后續(xù)分析處理的正確性。本課題采用CCD攝像機采集的通風(fēng)管道內(nèi)壁圖像是24位RGB(Red Green Blue)真彩色圖像，圖像在采集和傳輸過程中不可避免的會帶有噪聲，如果直接用于后續(xù)的問題處理，則由于圖像的信息量大，需要很大的數(shù)據(jù)存儲空間，減慢了圖像的處理速度，很難滿足系統(tǒng)實時性的要求。因此，在后續(xù)的分析處理中，常常需要使用灰度圖像，就考慮把24位RGB真彩色圖像轉(zhuǎn)化為8位的灰度圖像。灰度圖是指只含有亮度信息，而不含色彩信息的圖像。在RGB模型中，如果R=G=B時，則彩色表示一種灰度顏色，其中R=G=B的值叫灰度值，因此，灰度圖像每個像素只需一個字節(jié)存放灰度值，在圖像處理中占用的資源比較少，相對來說運算速度就比較快，通常是把灰度范圍劃分為0255共256個級別，用0表示最暗是全黑色，則255表示最亮是全白色[35]。對彩色圖像進行灰度化常用的幾種方法是：分量法、最大值法、平均值法和加權(quán)平均法。假設(shè)表示灰度圖像的灰度值，彩色圖像的RGB分量分別用表示，這幾種方法的具體原理如下：(a)分量法是將彩色圖像中的三分量的亮度作為三個灰度圖像的灰度值，可根據(jù)應(yīng)用需要選取一種灰度圖像，如下式所示： (32)在公式32中，是轉(zhuǎn)化后的灰度圖像在處的灰度值。(b)最大值法是將彩色圖像中三分量亮度的最大值作為灰度圖的灰度值，如下式所示： (33)(c)平均值法是將彩色圖像中的三分量亮度求平均得到一個灰度圖，如下式所示： (34)(d)加權(quán)平均法是根據(jù)顏色的重要性及其它指標(biāo)，將三個分量以不同的權(quán)值來進行加權(quán)平均。由于人眼對綠色最為敏感，對藍色最不敏感，因此，按下式對RGB三分量進行加權(quán)平均能得到較合理的灰度圖像。 (35)本課題中就是采用加權(quán)平均法來對CCD攝像機采集的彩色圖像進行灰度化。 通風(fēng)管道內(nèi)部圖像的噪聲消除CCD攝像機在采集圖像的過程中不可避免的會帶有許多噪聲，加上在實際的通風(fēng)管道中由于光源照射強度的不穩(wěn)定性等因素，還會附加許多噪聲干擾，這就給后續(xù)的分析處理帶來很多不便，因此需要對所采集的原始圖像進行消除噪聲的預(yù)處理。消除圖像噪聲的主要方法就是對灰度圖像進行平滑處理，平滑處理的方法有很多種，比如噪聲門限法、鄰域平均法、中值濾波、加權(quán)平均法、掩膜平均法和空間低通濾波法等[37]。下面我們將利用幾種方法對中央空調(diào)通風(fēng)管道內(nèi)壁灰度圖像進行平滑，并對平滑處理過之后的圖像進行對比，選出一種較好的平滑方法應(yīng)用于我們的清潔機器人視覺系統(tǒng)中。(1) 鄰域平均法進行圖像的平滑：鄰域平均法是一種利用Box模板對圖像進行模板操作的圖像平滑方法，所謂的Box模板就是指模板中所有系數(shù)都取相同值的模板，常用的33和55模板如下： 在上面兩個模板中，表示模板的中心點。圖像中點位置處的像素灰度值用表示，經(jīng)過鄰域平均法平滑之后的灰度值用表示，則由包含鄰域的若干個像素的灰度平均值所決定，具體計算方法可以由下式表示：， (36)在公式36中，A表示以為中心的所有鄰域點的集合，M為A中所有像素點的總數(shù)。鄰域平均法對灰度圖像進行平滑的效果與所使用鄰域的半徑大小有關(guān)，半徑越小，平滑的模糊程度越小，相反則模糊程度越大。該平滑方法的優(yōu)點是算法簡單，計算速度快，可進行快速平滑，但是該算法也存在一定的缺點，比如在降噪的同時會使圖像變得模糊，尤其是在圖像的邊緣和細節(jié)處，鄰域越大則模糊越厲害，可見鄰域平均法是以圖像模糊為代價來換取噪聲減少的[36]。實驗結(jié)果：圖31到圖33分別是使用 33和55的模板對干凈的內(nèi)壁模板圖像、未清掃的內(nèi)壁圖像、已清掃的內(nèi)壁圖像先加噪聲再進行平滑去除噪聲的結(jié)果。 (a)干凈的內(nèi)壁圖像 (b) 33除噪結(jié)果圖 (c) 55除噪結(jié)果圖 圖31 干凈內(nèi)壁模板圖像及鄰域平均除噪結(jié)果圖 (a) 未清掃的內(nèi)壁圖像 (b) 33除噪結(jié)果圖 (c) 55除噪結(jié)果圖圖32未清掃的內(nèi)壁圖像及鄰域平均除噪結(jié)果圖 (a) 已清掃的內(nèi)壁圖像 (b) 33除噪結(jié)果圖 (c) 55除噪結(jié)果圖圖33已清掃的內(nèi)壁圖像及鄰域平均除噪結(jié)果圖 結(jié)果分析：根據(jù)實驗結(jié)果可以發(fā)現(xiàn)，采用鄰域平均法進行平滑濾波時，算法快速方便。使用模板的效果要比模板的去噪效果好，但是使用模板處理過之后的圖片的細節(jié)要比模板處理之后圖像的細節(jié)模糊，實驗要求既要保證圖像的細節(jié)不被損壞，又要盡可能好的消除噪聲，所以對于清潔機器人通風(fēng)管道內(nèi)壁圖像噪聲的消除而言，鄰域平均法并不是最理想的選擇。(2) 中值濾波進行圖像的平滑：中值濾波是一種非線性信號處理方法，最初應(yīng)用于一維信號處理技術(shù)中，后來被二維圖像處理技術(shù)所引用。中值濾波的優(yōu)點是可以克服線性濾波對圖像所造成的模糊，缺點是對點和尖頂細節(jié)多的圖像處理效果不好[35]。中值濾波的滑動窗口都是含有奇數(shù)個點，用該窗口中各點灰度值的中值代替窗口中心點像素的灰度值。比如一個一維序列的窗口長度可以取為m，(m是奇數(shù))。如果對該序列進行中值濾波的話，就從這個序列中按順序取出m個元素，這m個元素表示為，窗口的中心位置用下標(biāo)i表示，序列按數(shù)值的大小來排列，因為m為奇數(shù)，必有一數(shù)值位于正中間，將該數(shù)值作為濾波結(jié)果輸出。具體表示形式下式所示： (37)在式37中表示取序列的中值。比如一個序列，首先對序列進行排序得到序列，則經(jīng)過中值濾波之后的輸出結(jié)果為25。也就是說其他幾個值被濾除掉了，在這里如果噪聲點的灰度值為43，則噪聲被濾除。下圖是幾種典型信號通過窗口長為5的中值濾波的結(jié)果，從圖34中可以看到，中值濾波不影響階躍函數(shù)和斜坡函數(shù)，周期小于窗口之半的脈沖受到抑制，對于三角函數(shù)的頂部變平。圖34 幾種典型信號的中值濾波（a）階躍；（b）斜坡；（c）單脈沖；（d）雙脈沖；（e）三脈沖；（f）三角波二維中值濾波是由一維中值濾波推廣而得的，在濾波時，把二維窗口中的像素進行排序，得到單調(diào)的數(shù)據(jù)序列，則二維中值濾波的公式如下表示：， (38)在公式38中：為窗口。一般而言，二維中值濾波對噪聲的抑制性能比一維中值濾波更好[35]。二維中值濾波的窗口形狀和尺寸對濾波效果的影響比較大，常用的二維中值濾波窗口有線行、方形、圓形、十字形和圓環(huán)形等。在進行二維中值濾波時，使用不同形狀的濾波窗口將會產(chǎn)生不同的濾波效果，在選用窗口時要依據(jù)圖像的內(nèi)容不同而選定。實驗結(jié)果：圖35到圖37分別是使用 33和55的模板對干凈的內(nèi)壁模板圖像、未清掃的模板圖像、已經(jīng)清掃的模板圖像進行中值濾波去除噪聲的結(jié)果。 (a)干凈的內(nèi)壁圖像 (b) 33除噪結(jié)果圖 (c) 55除噪結(jié)果圖 圖35 干凈內(nèi)壁模板圖像及中值濾波除噪結(jié)果圖 (a) 未清掃的內(nèi)壁圖像 (b) 33除噪結(jié)果圖 (c) 55除噪結(jié)果圖圖36未清掃的內(nèi)壁圖像及中值濾波除噪結(jié)果圖 (a) 已清掃的內(nèi)壁圖像 (b) 33除噪結(jié)果圖 (c) 55除噪結(jié)果圖圖37已清掃的內(nèi)壁圖像及中值濾波除噪結(jié)果圖結(jié)果分析：通過對比鄰域平均法濾波及中值濾波處理前后的通風(fēng)管道內(nèi)壁圖像可以看出，通風(fēng)管道內(nèi)壁圖像經(jīng)鄰域平均濾波和中值濾波之后，圖像的噪聲被有效的減弱，處理后的圖像也變得比較柔和。并且通過對比經(jīng)過濾波的兩種通風(fēng)管道內(nèi)壁圖像可以看出，中值濾波的效果要好于鄰域平均法濾波處理的效果，它在削弱噪聲的同時不會使圖像邊界變得太模糊，所以本課題就采用中值濾波對通風(fēng)管道內(nèi)壁圖像進行消噪處理。 通風(fēng)管道內(nèi)壁圖像的銳化 通風(fēng)管道內(nèi)壁圖像經(jīng)過濾波之后就會變得比較平滑，包括通風(fēng)管道內(nèi)壁圖像的邊界也變得平滑了，如果不加以處理就會使得在檢測時分不清楚圖像的邊界，會造成重復(fù)的清掃，增加檢測和清潔工作的難度。我們就需要對經(jīng)過平滑的圖像再進行銳化處理，保證銳化之后的圖像邊界是清晰的。銳化處理要求圖像有較高的信噪比，否則會使噪聲增加的比圖像本身還要多。一般而言，就是先去除或減輕噪聲之后，才進行銳化處理的。圖像銳化既可以在空間域進行，也可以在頻率域進行。一般而言，常用的圖像銳化方法有：Sobel算子銳化法、梯度銳化法、拉普拉斯算子銳化法、高通濾波器法等[37]。根據(jù)不同銳化方法的處理效果來選用適合于清潔機器人機器視覺系統(tǒng)的方法。(1)拉普拉斯算子銳化法：拉普拉斯算子是常用的一種邊緣增強算子，它是一種線性二次微分算子，它具有旋轉(zhuǎn)不變性，因此可以滿足各類邊緣走向的圖像銳化要求。對于一幅圖像，它的拉普拉斯算子可以用公式39表示： (39)對公式39的推導(dǎo)過程如下：假設(shè)數(shù)字圖像，它的一階偏導(dǎo)數(shù)如下式所示： (310)我們可以得到二階偏導(dǎo)數(shù)如公式311所示： （311）所以，拉普拉斯算子如公式312所示： (312)公式312可以改寫成如公式313所示的形式，即 (313)如果圖像由于光源散射或者化學(xué)擴散等擴散現(xiàn)象而引起了模糊，則用公式314來進行銳化： (314)在公式314中，是銳化前的圖像，是銳