【文章內(nèi)容簡介】 需要一定的細(xì)節(jié)來刻畫作品的藝術(shù)品質(zhì)，所以對中值濾波方式進(jìn)行一定的改進(jìn)，以便更有效的保護(hù)邊界的同時保留圖像細(xì)節(jié)特征。設(shè)=對象點(diǎn)進(jìn)行中值濾波的工作窗口，=像點(diǎn)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(yīng)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(fù)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(dāng)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(hù)細(xì)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(yīng)中值濾波平滑效果圖 自適應(yīng)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(yùn)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(qiáng)技術(shù)加強(qiáng)圖像中的目標(biāo)邊界和圖像細(xì)節(jié)。圖像銳化的目的是補(bǔ)償圖像的輪廓,增強(qiáng)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(jī)中實(shí)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(qiáng)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(rèn)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(shí)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(shè)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(dá)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(shí)現(xiàn)圖像銳化，由于這種圖增強(qiáng)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(dǎo)致銳化后的圖像在非邊緣區(qū)域明顯的毛刺噪聲。這點(diǎn)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(yīng)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(jìn)而達(dá)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(jìn)行初級的運(yùn)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(yùn)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(dǎo)數(shù)運(yùn)算來計算圖像的一個或多個特征。為能準(zhǔn)確的對圖像進(jìn)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(biāo)、背景與區(qū)域(包括不同色彩)三者之間的梯度變化進(jìn)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(chǔ)，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(rèn)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(shí)現(xiàn)，具有很好的實(shí)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(shù)品雕刻對圖像的邊緣細(xì)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(jié)合被處理圖像的特點(diǎn)，采用高斯噪聲濾波方式進(jìn)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(guān)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(biāo)的輸入圖像，用平方根運(yùn)算處理，能取得更合適的效果，Robert一階算子實(shí)際是對旋轉(zhuǎn)45度兩個方向上微分值的和。加強(qiáng)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(jìn)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(yīng)關(guān)系定義為：模板式中，分別代表垂直、水平模板。設(shè)窗口灰度為：模板卷積計算就是下式求乘機(jī)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(jié)果的最大值，賦予圖像中對應(yīng)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(dāng)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]?？梢?，Sobel邊緣算子是利用像素上下、左右相鄰點(diǎn)的灰度加權(quán)算法，根據(jù)在邊緣點(diǎn)處達(dá)到極值這一現(xiàn)象，進(jìn)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(jìn)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(yīng)，即邊界定位不夠準(zhǔn)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(xì)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(kuò)散效應(yīng)有關(guān)，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(dǎo)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(diǎn)[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(jìn)行平滑處理，過濾噪聲之后再進(jìn)行使用，可以達(dá)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(lǐng)域得到了廣泛應(yīng)用。Canny考核邊緣檢測算子的指標(biāo)是：（1）低誤判率，即盡可能地把邊緣點(diǎn)誤認(rèn)為是非邊緣點(diǎn)；（2）高定位精度，即準(zhǔn)確地把邊緣點(diǎn)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(biāo)出發(fā)，推導(dǎo)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(jìn)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(shù)，細(xì)化平滑后的圖像梯度幅值矩陣，尋找圖像中的可能邊緣點(diǎn)；最后利用雙門限檢測通過雙閾值遞歸尋找圖像邊緣點(diǎn)，實(shí)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(diǎn)的基礎(chǔ)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(jié)果來完成。通常在邊緣檢測完成之后，檢測出的邊緣點(diǎn)不一定都在區(qū)域的邊界上，有部分邊緣線以外的點(diǎn)也被錯誤地認(rèn)為是邊緣點(diǎn)而被提取，而且圖像仍是以點(diǎn)陣的形式存放的，很難進(jìn)行下一步的分析與處理。因而需要進(jìn)行輪廓跟蹤，將真正的邊緣點(diǎn)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(diǎn)來跟蹤出邊界，原理為：首先是找到輪廓上的第一點(diǎn)，然后按順時針或逆時針找輪廓上的下一個點(diǎn)，不斷重復(fù)找下去，直到回到找到的第一個點(diǎn)為止，這種輪廓跟蹤算法可以得到圖像邊緣的像素坐標(biāo)，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(biāo)準(zhǔn)是[16]：(1) 高效，輪廓應(yīng)該是一種簡潔的表示； (2) 有效，輪廓應(yīng)適合于后階段的計算； (3) 精確，輪廓應(yīng)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(diǎn)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(yīng)于圖像區(qū)域的邊界；斷開的輪廓則認(rèn)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(diǎn)，有的交叉點(diǎn)存在多個邊緣點(diǎn)，如果交叉點(diǎn)只能被搜索過一次就設(shè)置為已跟蹤過點(diǎn)，必然會導(dǎo)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(diǎn)進(jìn)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(shè)當(dāng)前點(diǎn)相鄰點(diǎn)有個未跟蹤過的邊緣點(diǎn)，其中，則為交叉點(diǎn)，將點(diǎn)的位置、其對應(yīng)的方向模板和值保存到堆棧中； 2) 依次按當(dāng)前方向模板的優(yōu)先級順序從第一邊界點(diǎn)進(jìn)行試探前進(jìn)，如果跟蹤過程能夠再次經(jīng)過點(diǎn)，就將點(diǎn)的邊緣點(diǎn)數(shù)由改為；如果跟蹤過程遇到某個點(diǎn)的周圍不存在未跟蹤過的邊界點(diǎn)，則此時出現(xiàn)跟蹤到末端，無法回到起點(diǎn)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(diǎn)，同樣將點(diǎn)的邊緣點(diǎn)數(shù)改為，順著點(diǎn)的第二個邊緣點(diǎn)向前跟蹤；3)遇到交叉點(diǎn)重復(fù)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(yù)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(shè)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(shè)區(qū)域1的中值為,區(qū)域2的中值為,則當(dāng) 時，令；當(dāng) 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(yù)處理期望的結(jié)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(shí)現(xiàn)圖像的矢量化處理。 圖像灰度化處理在計算機(jī)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(lán)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?；叶葓D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(jī)圖像領(lǐng)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(guān)鍵是根據(jù)紅、綠、藍(lán)分量來計算灰度值，采用不同的計算方法，其結(jié)果也不同。假如原來某點(diǎn)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(shí)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