【文章內(nèi)容簡介】 需要一定的細節(jié)來刻畫作品的藝術品質(zhì)，所以對中值濾波方式進行一定的改進，以便更有效的保護邊界的同時保留圖像細節(jié)特征。設=對象點進行中值濾波的工作窗口，=像點的灰度， =中的灰度最小值，=中的灰度最大值，=中的灰度中值， =允許的最大窗口。自適應中值濾波算法的基本步驟如下[10]：1) 計算，2) 如果且，那么轉(zhuǎn)至3）；否則，增大窗口尺寸，如則重復1），2）；否則輸出。3) 計算。4) 如果且，那么輸出；否則，輸出在上述算法中，如果,表明不是噪聲，轉(zhuǎn)至3），判斷是否是脈沖，當與都不是脈沖噪聲時，優(yōu)先輸出。這種算法可以去除脈沖噪聲，平滑其他非脈沖噪聲，減小失真，保護細節(jié)。，為處理后的圖像與原圖的對比[9~15]。 a）中值濾波平滑效果圖 b） 自適應中值濾波平滑效果圖 自適應中值濾波平滑處理前后圖像 圖像銳化處理由于圖像平滑處理中涉及對圖像平均或積分運算，這往往使圖像中的邊界、輪廓變的模糊，圖像降質(zhì)，為了減少這類不利效果的影響，需要在圖像平滑處理后，利用圖像銳化和增強技術加強圖像中的目標邊界和圖像細節(jié)。圖像銳化的目的是補償圖像的輪廓,增強圖像的邊緣及灰度跳變的部分，使圖像的邊緣向有利于識別的方向變化。它分為空域處理和頻域處理兩類，在空間域中，較常見的是反銳化掩模法，該方法在計算機中實現(xiàn)起來很方便，其基本算法如下： ()其中原始圖像；是用人為方法模糊所得到的圖像；C是常數(shù)，用以控制圖像的銳化程度。，而較完整地保留了高頻部分，在第一項上疊加此差值的C倍，將增強圖像的高頻分量，而低頻部分幾乎不受影響。從頻譜角度來考慮，在邊緣輪廓處都有灰度突變特性，可以認為灰度突變是一個高頻分量，因此可使用高通濾波器優(yōu)化高頻分量，抑制低頻分量，提高圖像邊界清晰度。圖像銳化可以通過卷積實現(xiàn)，利用三個常用的高通濾波器,，,在不改變圖像亮度的情況下，設所有卷積系數(shù)和為1，則有： 三個常用高通濾波器卷積模板[14]在高通濾波器中，卷積后圖像中的高頻部分變得更加突出，同時低頻部分所受到得影響較小，從而達到圖像銳化的效果。 a）圖像銳化前圖像 b）圖像銳化后的圖像 位圖銳化處理前后圖像上述兩種方法能便捷地實現(xiàn)圖像銳化，由于這種圖增強的是圖像整體的高頻成分，在突出邊緣和輪廓的同時也放大了高頻噪聲，導致銳化后的圖像在非邊緣區(qū)域明顯的毛刺噪聲。這點也是其他常用整體銳化算法的通病，因此在整體銳化之后，還需應用一些經(jīng)典的邊緣檢測算法，去除高頻噪聲，檢測出真正的邊緣，進而達到矢量化的效果。 圖像矢量化處理 圖像特征提取 特征提取是對圖像進行初級的運算，通過檢查每個像素來判斷該像素是否代表一個特征。假如它是一個更大算法的一部分，那么這個算法一般 只檢查圖像的特征區(qū)域。作為特征提取的一個前提運算，輸入的圖像一般都會通過高斯濾等圖像平滑處理，再通過局部導數(shù)運算來計算圖像的一個或多個特征。為能準確的對圖像進行建模和雕刻，必須提取高質(zhì)量的圖像特征，其中，邊緣是圖像的最顯著特征，圖像處理中對邊緣的提取也是圖像處理的最基本的特征。邊緣檢測主要通過區(qū)別目標、背景與區(qū)域(包括不同色彩)三者之間的梯度變化進行，它是圖像分割、紋理特征和形狀特征等圖像分析的重要理論基礎，也是磚雕建模和數(shù)控加工的前提。邊緣檢測經(jīng)典的邊緣檢測算法認為邊緣主要表現(xiàn)為圖像局部特征的不連續(xù)性，因此前期對邊緣檢測研究主要集中于灰度圖像梯度的研究。典型的邊緣檢測算子包括：一階微分Rborets算子、Prwetit算子、sboel算子，二階有Laplace算子、Loc算子等等。這些算子簡單易于實現(xiàn)，具有很好的實時性。利用邊緣檢測算子提取輪廓邊緣，其中算法的優(yōu)劣決定著邊緣輪廓提取精度的高低。由于磚雕藝術品雕刻對圖像的邊緣細節(jié)要求較高，使用邊緣檢測算子法提取的圖像邊緣輪廓將為后續(xù)的圖像處理增加難度。因此，結合被處理圖像的特點，采用高斯噪聲濾波方式進行邊緣檢測。（1）Robert一階梯度算子Robert 一階梯度算子是一種利用局部差分算子尋找邊緣的算子,采用的是交叉差分計算,. Robert算子的像素關系示意圖對數(shù)字圖像，Robert一階梯度算子定義如下[11]： ()其中，二維函數(shù)形式表示具有整像素坐標的輸入圖像，用平方根運算處理，能取得更合適的效果，Robert一階算子實際是對旋轉(zhuǎn)45度兩個方向上微分值的和。加強高平分量，使圖像輪廓更清晰。（2）Sobel邊緣檢測法Sobel邊緣檢測方法是在圖像空間利用兩個模板與圖像進行鄰域卷積來完成的，這兩個方向模塊一個檢測垂直邊緣，另一個檢測水平邊緣，如下式所示,式中模板內(nèi)的數(shù)字為模板系數(shù)，梯度方向與邊緣方向總是正交垂直的。 水平邊緣Sobel算子 垂直邊緣Sobel算子[13]模板元素和窗口像素之間的對應關系定義為：模板式中，分別代表垂直、水平模板。設窗口灰度為：模板卷積計算就是下式求乘機和的過程： （）其中，為模板卷積法邊緣檢測的輸出；,L為窗口寬度，對33窗口， 。將兩個卷積結果的最大值，賦予圖像中對應模板中心位置的像素，作為該像素的新灰度值，即： （）Sobel邊緣檢測方法不但產(chǎn)生較好的邊緣檢測效果，而且由于Sobel算子引入局部平均，使其受噪聲的影響也比較小，當使用大的鄰域時，抗噪聲特性會更好，但會引起計算量的大幅增加，邊緣檢測的效果也會有所下降[11]。可見，Sobel邊緣算子是利用像素上下、左右相鄰點的灰度加權算法，根據(jù)在邊緣點處達到極值這一現(xiàn)象，進行邊緣檢測，同時對噪聲具有平滑作用，能提供較為精確的邊緣信息，是一種比較常用的邊緣檢測方法[9~13]。通過對經(jīng)典邊緣檢測算子所形成的邊界進行分析，我們可以發(fā)現(xiàn)利用邊緣檢測算子提取輪廓邊緣有以下幾個方面的不足:① 提取的邊界有時不是完全連通的，存在一定程度的斷開；② 提取的邊界與視覺的邊界無法完全相對應，即邊界定位不夠準確；③ 在被分割的圖像中，非邊界像素太多，雖然能夠較好地反映圖像細節(jié)，但為圖像的后續(xù)處理增加了難度；④ 在被分割的圖像中，丟失了部分邊界像素，邊界連續(xù)性不好；⑤ 算法計算量較大，計算時間長，效率偏低等。（3）Laplacian二次微分算子Laplacian二次微分算子也稱各向同性微分算子或者二階微分算子，對灰度值的突變比較敏感，對于連續(xù)圖像在（x,y）處的Laplacian算子定義為： ()檢測后圖像為,式中與擴散效應有關，處理圖像是需要注意合理的取值。對于數(shù)字圖像，的二階偏導表示為： ()Laplacian算子表示為：卷積形式則表示為： ()于是得到卷積核,是一種空間濾波的形式。卷積核對稱分布能夠突出線和孤立點[13]。但是由于Laplacian算子對噪聲敏感，并且檢測后存在雙邊界現(xiàn)象，必須在檢測之前進行平滑處理，過濾噪聲之后再進行使用，可以達到比較好的效果。（4）坎尼（Canny）邊緣算子坎尼算子是一類最優(yōu)邊緣檢測算子，它在許多圖像處理領域得到了廣泛應用。Canny考核邊緣檢測算子的指標是：（1）低誤判率，即盡可能地把邊緣點誤認為是非邊緣點；（2）高定位精度，即準確地把邊緣點定位在灰度變化最大的像素上；（3）抑制虛假邊緣。Canny從這三項指標出發(fā)，推導出了最佳邊緣檢測算子Canny邊緣算子。該算子的基本思想是：先對處理的圖像選擇一定的Guass濾波器進行平滑濾波，抑制圖像噪聲；然后采用一種稱之為“非極值抑制”(Nonmaxima Suppression)的技術，細化平滑后的圖像梯度幅值矩陣，尋找圖像中的可能邊緣點；最后利用雙門限檢測通過雙閾值遞歸尋找圖像邊緣點，實現(xiàn)邊緣提取。因此，針對磚雕雕刻圖像綜合多種算法提取圖像邊緣輪廓曲線有點的基礎上，本文通過坎尼（Canny）邊緣算子提取圖像邊緣特征[14][15]。 a）銳化處理圖 b）邊緣檢測處理圖 采用坎尼邊緣檢測處理后圖片 圖像輪廓跟蹤處理輪廓跟蹤是利用邊緣檢測的結果來完成。通常在邊緣檢測完成之后，檢測出的邊緣點不一定都在區(qū)域的邊界上，有部分邊緣線以外的點也被錯誤地認為是邊緣點而被提取，而且圖像仍是以點陣的形式存放的，很難進行下一步的分析與處理。因而需要進行輪廓跟蹤，將真正的邊緣點連接成一條連續(xù)的邊界。所謂輪廓跟蹤就是通過順序找出邊緣點來跟蹤出邊界，原理為：首先是找到輪廓上的第一點，然后按順時針或逆時針找輪廓上的下一個點，不斷重復找下去，直到回到找到的第一個點為止，這種輪廓跟蹤算法可以得到圖像邊緣的像素坐標，最后把這些邊緣連接起來就成為磚雕加工輪廓。輪廓表示的評價標準是[16]：(1) 高效，輪廓應該是一種簡潔的表示； (2) 有效，輪廓應適合于后階段的計算； (3) 精確，輪廓應能精確地逼近圖像特征。輪廓表示的精確性由下面三個方面因素決定[17]： (1)用于輪廓建模的曲線形式；(2)曲線擬合的算法性能；(3)邊緣位置估計的精確度。 圖像輪廓跟蹤的交叉點處理算法圖像經(jīng)過邊緣特征檢測后，所形成磚雕加工輪廓可以是斷開的，也可以是封閉的[18]。對于封閉的輪廓則對應于圖像區(qū)域的邊界；斷開的輪廓則認為可能是區(qū)域邊界一部分，也可能是圖像的線條特征。而造成輪廓斷開的原因就是邊緣跟蹤過程中存在的交叉點，有的交叉點存在多個邊緣點，如果交叉點只能被搜索過一次就設置為已跟蹤過點，必然會導致邊緣曲線分離，無法形成封閉輪廓，使其后續(xù)的資料排序及刀具路徑的生成無法繼續(xù)處理，因此需要對交叉點進行特殊處理。具體處理算法為[19]：1) 在輪廓跟蹤過程中，如果設當前點相鄰點有個未跟蹤過的邊緣點，其中，則為交叉點，將點的位置、其對應的方向模板和值保存到堆棧中； 2) 依次按當前方向模板的優(yōu)先級順序從第一邊界點進行試探前進，如果跟蹤過程能夠再次經(jīng)過點，就將點的邊緣點數(shù)由改為；如果跟蹤過程遇到某個點的周圍不存在未跟蹤過的邊界點，則此時出現(xiàn)跟蹤到末端，無法回到起點形成封閉輪廓線，這時需要從堆棧中取出最近一次保存的交叉點，同樣將點的邊緣點數(shù)改為，順著點的第二個邊緣點向前跟蹤；3)遇到交叉點重復步驟1和步驟2操作過程，直到整幅圖像邊緣跟蹤完成。 a）邊緣檢測圖 b）矢量化圖 c）矢量圖填充 輪廓跟蹤出的矢量圖及填充顏色效果圖 手工圖樣圖像預處理方法，目前磚雕的加工素材主要為傳統(tǒng)的手工簡圖，因此在這里提出一種相對簡單、僅適用于掃描手工圖樣所得圖像的處理方法：圖像顏色合并和圖像顏色填充。（a)所示的手工圖圖像為圖像量化處理后的圖像，包含顏色像素灰度級為256，采用顏色合并和顏色減少，將其顏色減少到2種，即灰度級減少為2級，其基本算法為：設圖像像素灰度級的中值為,并將整個灰度級劃分為兩個區(qū)域或,并設區(qū)域1的中值為,區(qū)域2的中值為,則當 時，令；當 時，令。（b）所示；顏色減少后，采用位圖顏色填充，將背景色填充為純白色，（c）所示；針對位圖顏色填充遺留的死角，則可選用矢量圖顏色填充，即在死角區(qū)繪制封閉的矢量線圖，(d)(e)所示，并對其填充， 最終得到圖像預處理期望的結果，（f)所示。 a）圖像處理前的圖像 b)顏色減少后的圖像 c）位圖顏色填充后圖像 d)繪制矢量填充區(qū)域 e)矢量填充區(qū)域局部放大圖 f)矢量填充效果圖 基于顏色減少和顏色填充的圖像處理效果圖 按顏色減少及顏色填充方法處理完成的圖像，從而實現(xiàn)圖像的矢量化處理。 圖像灰度化處理在計算機內(nèi)部，照片和圖像大多以彩色位圖的形式存在，每個像素的顏色由紅、綠、藍三分量共同決定。與彩色位圖不同，灰度圖像的每個像素只有一個采樣顏色。灰度圖像通常是從最暗的黑色到最亮的白色來顯示，理論上這種采樣方法可以表示任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色。灰度圖像又與黑白圖像不同，在計算機圖像領域中黑白圖像只有黑色與白色兩種顏色；灰度圖像在黑色與白色之間還有許多級的顏色深度，例如八位灰度圖最多可以有256中灰度值，表示256級的顏色深度。彩色圖像轉(zhuǎn)化為灰度圖像，關鍵是根據(jù)紅、綠、藍分量來計算灰度值，采用不同的計算方法，其結果也不同。假如原來某點的顏色為RGB(R，G，B)，那么，可以通過下面幾種方法，將其轉(zhuǎn)換為灰度圖像[9] [10]：：Gray=R*+G*+B*：Gray=(R*30+G*59+B*11)/100：Gray =(R*28+G*151+B*77)8。 ：Gray=（R+G+B）/3。：Gray=G；理論上，通過上述任一種方法求得Gray后，將原來的RGB(R,G,B)中的R,G,B統(tǒng)一用Gray替換，形成新的顏色RGB(Gray,Gray,Gray)，用它替換原來的RGB(R,G,B)就可得出灰度圖。在實際使用中由位圖到灰度圖的轉(zhuǎn)換存在如下的經(jīng)驗公式 [10] : ()經(jīng)驗公式灰度化轉(zhuǎn)換的計算程序如下：// 彩色圖像轉(zhuǎn)化為灰度圖像 // 1. pColorData 彩色圖像數(shù)據(jù) // 2. nWidth 圖像寬度 // 3. nHeight 圖像高度 // 4. nWidthStep 圖像行大小 // 5. p