《灰度阈值处理算法的分析的论文》由会员分享，可在线阅读，更多相关《灰度阈值处理算法的分析的论文（33页珍藏版）》请在金锄头文库上搜索。
1、11 1 引言引言在对图像的研究和应用中，人们往往仅对图像中的某部分感兴趣，这部分称目标或前景，其它部分称背景。前景一般对应于图像中特定的具有独特性质的区域。为了辨识和分析目标，需要将它们分离提取出来，在此基础上才可能对目标进一步利用。 处理图像时受各种条件的限制和干扰，图像的灰度值往往与实际景物不完全匹配，这将直接影响到图像的后续处理。如果造成这种影响的原因主要是由于被摄物体的远近不同，使得图像中央区域和边缘区域的灰度失衡，或是因摄像头在扫描时各点的灵敏度有较大的差异而产生图像灰度失真，或是因曝光不足而使得图像的灰度变化范围窄，这时就可以采用灰度校正的方法来增强灰度的变化范围、丰富灰度层次，
2、达到增强图像的对比度和分辨率。灰度阈值处理是数字图像处理技术的一种，数字图像处理技术是 20 世纪 60 年代发展起来的一门新兴学科。主要利用图象中背景与对象之间的灰度差异。理想状态下，背景与对象之间的灰度差异很大，利用图像的灰度特征来选择一个或多个最佳灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后将对应的像素根据比较结果分到合适的类别中。近 30 多年来，由于大规模集成电路技术和计算机技术的迅猛发展，离散数学理论的创立和完善，以及军事，医学和工业等方面应用需求的不断增长，数字图像处理的理论进一步完善，使得灰度阈值处理算法在医学，办公和多媒体系统等领域得到了广泛应用，并显示出广阔的应用
3、前景，成为计算机、电子、医学等学科研究的热点。本论文将详细介绍灰度阈值处理算法及其 DSP 实现过程。2 2 概述概述彩色图象灰度阈值法是在图象预处理的基础上对信息进行组织与加工，是实现图象自动识别与理解的必不可少的过程，是计算机视觉的中间层次。简单的说，就2是把图象中有意义的区域和背景分离开来，依据的原则是同一区域具有“同质性”。“区域”是图象相邻的具有类似性质的点组成的集合，同一区域中的象素是相邻的。2.12.1 彩色图像灰度阈值算法及其应用彩色图像灰度阈值算法及其应用彩色图象又称“多光谱图象”，图象上的每个点有多于一个的局部特征，即每个象素点需要有红绿蓝三个基色的三个亮度值表示。由于光源
4、的光谱是渐变的，产生同样色觉的光波具有一定的波长范围，所以并没有一种颜色可以准确的叫做红、绿、蓝。为了建立标准，国际照明委员会（CIE）早在1931年就规定3种基本色的波长为R：700，G：，B：。计算机与彩色电视机显示彩色图象的nm546.1nm435.8nm原理一样，都是采用R（Red）、G（Green）、B（Blue）相加混色的原理：根据三基色原理，任意一种色光F都可以用不同分量的R、G、B三色相加混合而成。F = r R + g G + b B 其中，r、g、b分别为三基色参与混合的系数。当三基色分量都为0（最弱）时混合为黑色光；而当三基色分量都为k（最强）时混合为白色光。调整r、g、
5、b三个系数的值，可以混合出介于黑色光和白色光之间的各种的色光，通过发射出三种不同强度的电子束，使屏幕内侧覆盖的红、绿、蓝磷光材料发光而产生彩色图象。这种彩色图象的表示方法称为RGB色彩空间。RGB型颜色空间这个模型基于笛卡儿坐标系统，如图2.1所示，3个轴分别为R，G，B，他们被归一化后，用r,g,b表示，这样成了一个单位立方体。原点对应黑色，（1，1，1）对应白色，它们之间的连线分布不同的灰度值，而立方体内其余各点对应于不同的颜色，可用从原点到该点的矢量表示。根据这个模型，每幅彩色图包括3个独立的基色平面，或者说可以分解到3个平面上。一幅真彩图象一般用24bit，即R，G，B分量各用8bit
6、表示。RGB虽然表示直接，但R，G，B数值和色彩的三属性没有直接关系，不能揭示色彩之间的关系。3图2.1 RGB单位立方体模型黑白图象又称为灰度图象、亮度图象或单色图象等，图象中每个象素点只有一个亮度值。即灰度图只含亮度信息，不含色彩信息的图象。灰度是指黑白图像中点的颜色深度，代表DPI的值，DPI是指每平方英寸有多少象素点，象素点越大，图象的精确度越大，同时文件的尺寸也越大，当然也不是DPI越大就越好，具体情况具体分析，其范围一般从0到255,白色为255,黑色为0,像素灰度级用8bit表示,所以每个像素都是介于黑色和白色之间的256()种灰度中的一种。灰度图像只有灰度82256颜色而没有彩
7、色。通常说的黑白照片，其实包含了黑白之间的所有灰度色调。从技术上来说，就是具有从黑到白的256种灰度色域(Gamut)的单色图像，故黑白图片也称灰度图像。创建灰度图是作图像处理最基本的一步。因为很多图像的处理问题都要在灰度图或者是二值化图像上进行。由于摄像机抓拍到的图像均为24位真彩色图像,而大多数的图像处理技术都是针对256 级灰度图的,所以有必要将彩色图转换为灰度图。并且彩色图象是多光谱图象，而转换后的黑白图像是单色的灰度图像，其一个像素用一个字节表示该点的灰度值，在图像处理时灰度图象的处理速度比较快。所以一般处理图像时先要把彩色图像灰度化。将RGB值转换为灰度的原理，主要利用图象中背景与
8、对象之间的灰度差异。理想状态下，背景与对象之间的 灰度差异很大，利用图像的灰度特征来选择一个或多个最佳灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后将对应的像素根据比较结果分到合适的类别中。灰度值变换函数将亮度范围映射到自身。0,M表示考察图像亮度的范围，对4于8位的图像M255。灰度变换就是函数F将每个灰度值x替换为新值( )f x，即: 0,0,( )( 1,2)( 1,2)FMM xfx nnFfnn 函数F对图像的任一象素点( 1, 2)n n的灰度值x进行修正，如下：( 1, 2)( ( 1, 2)n nF f n n本次试验中，先把图像归一化。之后在从RGB空间转换到YCb
9、Cr空间，转换到YCbCr空间后，提取Y、Cb和Cr分量后，再将Y值切分。切分后再从YCbCr空间转换到RGB空间。Y值切分原理是，将所有灰度小于阈值0 t的像素判定为0即黑色，灰度值大于t1的像素判定为255即白色，否则这些像素点的灰度值不变。表达式如下：0 ( )0 ( )( ) 0( )1 255 ( )1f xt f xf xtf xt f xt上面就是如何将RGB值转换为灰度的过程，灰度阈值法是一种简单有效的图像分割方法，也是图像分割中常用的一种方法，灰度阈值处理的作用很多。比如，灰度变换可以增加或减少亮度范围。利用灰度变换，从曝光过渡，曝光不足以及动态范围很小的图像中恢复有用的视觉
10、信息。当图像的亮度范围太大二不能在一定的媒介上显示的时，如终端，打印机或胶片，也可以利用灰度变化，可以通过区分黑白使图像产生木刻效果；可以通过阈值调整，找到图像中所需的灰度选区；可以通过阈值提高黑白图像的扫描效果；可以通过阈值调整净化图像等。随着数字图像处理理论的完善，使得灰度阈值处理在很多领域得到了广泛应用。比如:(1)在智能交通系统中，彩色图像转化为灰度图像后，在保持原来主要信息的同时还可以比较明显的提高运算速度。在实际的车牌自动识别系统中，摄像机一般是固定不变的，当车辆出现的信号被检测装置传给摄像机后，摄像机立刻进行图像采集，使得车牌图像的位置在整个画面中的位置基本上是固定的，偏差较小，
11、而且通过观察可以知道，我们国家的车牌绝大多数都是挂在车头的，所以可以部分的忽略外界环境的影响，以简化算法。5(2)在医学应用非常广泛，无论是临床诊断还是病理研究都人量采用灰度阈值处理技术；立体脑图像配准、心脏核磁共振数据的可视化、支气管虚拟内窥镜，它的直观、无创伤、安全方便等优点备受青睐。(3)在通讯领域中包括图像传输、电视电话、电视会议等,主要是进行图像压缩和传输。(4)在工业生产中，在生产线对产品进行无损检测是灰度阈值技术的重要应用；该应用从70年代起取得了迅速的发展，主要有产品质量检测、生产过程的自动控制、机器人视觉等；在产品质量检测方面：检验印刷电路板的质量、监测零部件的装配等；食品、
12、水果质量的检查，纺织品质量检查，焊缝质量或表面缺陷、无损探伤。总之，图像处理技术应用领域相当广泛，已在国家安全、经济发展、日常生活中充当越来越重要的角色，并显示出广阔的应用前景，对国计民生的作用不可低估。2.22.2 课题预期目标课题预期目标本论文介绍了关于灰度阈值处理的图像基础知识，应用MATLAB软件仿真，在DSP的CCS上运行。图像在处理后应该出现失真现象，因为图像的某些灰度偏高，导致阈值高于平均灰度值，从而在阈值判断时，部分出现了白色“失真”现象；而图像的某些灰度偏低，导致阈值低于平均灰度值，从而在阈值判断时，部分就出现黑色“失真”现象。3 3 YUVYUV图像的灰度阈值算法原理及仿真
13、图像的灰度阈值算法原理及仿真3.13.1 概述概述前面我们已经知道计算机彩色显示器显示色彩的原理与彩色电视机一样，都是采用R（Red）、G（Green）、B（Blue）相加混色的原理，来产生其它的颜色。自然界的任何一种颜色,都可以通过R ,G,B 三基色按照不同的比例混合而成。由于其设备的独立性,它被广泛应用于计算机图形、成像系统和彩色电视中。但是在图形图像的处理过程中,RGB 的效率不是很高,因为在产生任何一种颜色时,R ,G,B 三者需要同样的带宽。另外,为了更改一个像素的亮度或色度,必须把R ,G,B 三者的数值从缓存中读取出来, 然后对它们三者作修改,最后还得把它们写回缓存中。假如可以
14、把亮6度和色度分离开来,这个处理过程将会更快。YUV 正是这样的一种色彩空间,它描述了亮度和色差的概念。那么 YUV 又从何而来呢？YUV 是由广播电视需求的推动而开发的颜色空间，主要目的是通过压缩色度信息以有效地播送彩色电视图像，是应用于电视传播系统的色彩模，在计算机里 YUV 颜色模型是仅次于 RGB 模型的使用较广泛的颜色模型。对于视频信号的传输，为了减少所需的带宽并与单色电视系统兼容，采用亮度/色度坐标系模型。但通常用于彩色显示的 RGB 基色混合了光的亮度和色度属性。1931 年，国际照明委员会（CIE）规定了 XYZ 彩色坐标，但 XYZ 基色不能直接用于产生色彩，它主要用于定义其
15、他的基色和彩色的数字说明，如用于传输彩色电视信号的 YUV 彩色坐标。在 XYZ 模型中，Y 表示亮度,另外两个分量共同表示色度和饱和度。除了能分离亮度和色度信息，XYZ 另外一个优点是几乎所有的可见彩色都能由非负的激励值规定。XYZ 坐标系中（X，Y，Z）与 RGB 坐标系（R，G，B）的关系如下：2.7689 1.7517 1.1302R 1.0000 4.5907 0.0601G0.0000 0.0565 5.5943X YZ 目前，世界上主要有三种不同的电视系统：PAL 系统用于大多数西欧国家和包括中国以及中东的亚洲国家；NTSC 系统用于北美和包括日本在内的部分亚洲国家和地区；SEC
16、AM 系统用于前苏联、东欧、法国以及一些中东国家。在 PAL 制式中采用的就是 YUV 彩色模型，而 YUV 就来源于 XYZ 彩色模型。根据RGB 基色与 YUV 基色之间的关系，我们把由三极管彩色摄像机或彩色 CCD 摄像机进行摄像，然后把摄得的彩色图像信号经分色、分别放大校正后得到 RGB，再经过矩阵变换电路得到亮度信号 Y 和两个色差信号 RY（即 U）、BY（即 V），最后发送端将亮度和色差三个信号分别进行编码，用同一信道发送出去。这种色彩的表示方法就是所谓的 YUV 色彩模型。其中的 Y,U,V 几个字母不是英文单词的组合词,Y 是指亮度分量，表示明亮度即（Luminance 或 Luma），也就是灰阶值；“亮度”是透过 RGB 输入信号来建立的，方法是将 RGB 信号的特定部分叠加到一起。而“U”和“V” 表示的则是色
