馬秀蓮，田麗，張楠

（黑龍江八一農墾大學信息技術學院，大慶163319）

在實際應用中，由于受傳感器設備和種蛋采集條件等因素的限制，所采集到的種蛋圖像不能保證都很清晰，圖像中可能出現(xiàn)邊緣模糊或對比度不均勻等情形。在這種情況下很難從圖像中正確分離出種蛋邊緣輪廓，實現(xiàn)較高的無精蛋識別精度非常困難。為了確保種蛋外形特征的提取正確，需要對原始種蛋圖像進行增強處理，增加種蛋邊緣輪廓的清晰度，增強種蛋區(qū)域和背景區(qū)域的對比度，減少噪聲。種蛋圖像的增強一般由規(guī)格化、方向圖的計算、濾波幾個部分組成。目前比較常用的種蛋圖像增強方法是基于空域方法的種蛋圖像增強[1，2]，這種方法算法雖然簡單，但計算速度慢，圖像模糊，邊緣輪廓信息不整齊。為了保證邊緣檢測的質量，提出采用頻域方法增強。對于無精蛋識別系統(tǒng)來說，最重要的是保持種蛋邊緣輪廓的清晰，同時又能夠去除高頻噪聲。為了兼顧抑止噪聲和不丟失邊緣輪廓信息，選擇頻域方法增強去除圖像噪聲干擾。利用頻域方法增強進行平滑處理還可以保留更多的關于圖像的灰度信息，使種蛋圖像邊緣檢測的質量得到了提高，因此能檢測出圖像邊緣的更多細節(jié)。實驗表明，該方法增強效果明顯，運算速度快。

1 常用種蛋圖像增強算法

在種蛋圖像處理的過程中，實際采集到的圖像一般會因某種干擾而含有噪聲，這些噪聲將影響圖像質量，并給種蛋的特征提取和無精蛋識別造成困難。在機器視覺系統(tǒng)中進行圖像增強處理，可以盡可能減少噪音影響，增強種蛋外形特征。

一般情況下，各類圖像系統(tǒng)中圖像的傳送和轉換（如成像、復制、掃描、傳輸以及顯示等）總要造成圖像的某些部分降質。例如在攝像時，光學系統(tǒng)的失真、相對運動、大氣流動等都會使圖像模糊；在傳輸過程中，由于噪聲污染，圖像質量會有所下降。必須對降質的圖像進行改善處理。通常改善方法有兩種：一類是不考慮圖像降質的原因，只將圖像中感興趣的特征有選擇的突出，而衰減其次要信息；另一類是針對圖像降質的原因，設法去補償降質因素，從而使改善后的圖像盡可能地逼近原始圖像。第一類方法能提高圖像的可讀性，改善后的圖像不一定逼近原始圖像，如突出目標的輪廓、衰減各種噪聲，將黑白圖像轉換成彩色圖像等。第二類方法能提高圖像質量的逼真度，一般稱為圖像復原技術。目前圖像增強技術根據(jù)其處理的空間不同，可分為兩大類：空域方法（In Spatial Domain）和頻域方法（In Frequency Domain）。前者直接在圖像所在像素空間進行處理，后者是通過對圖像進行傅里葉變換后在頻域上間接進行的。

1.1 鄰域平均法

鄰域平均法是線性濾波的一種，它屬于空域濾波平滑技術，鄰域平均法的主要思想是用幾個像素灰度的平均值來代替某個像素。假定有一幅M*N個像素的圖像f（x，y），平滑處理后得到一幅圖像g（x，y），g（x，y）由下式決定：

式中x，y=0，1，2，…N-1，s是（x，y）點鄰域中的坐標的集合，但其中不包括（x，y）點，M是集合內坐標點的總數(shù)。

假設噪聲是加性噪聲，在空間各點互不相關，且期望為0，方差為δ2，f是原始圖像，含有噪聲的圖像g經鄰域平均后為：

由上式可以看出，經鄰域平均后，噪聲均值不變，方差減少了M倍，說明噪聲強度變弱了，即抑制了噪聲。如圖1、圖2所示。

1.2 中值濾波法

中值濾波法是一種常用的非線性平滑濾波器[3]，其濾波原理有與均值濾波類似之處，二者不同之處在于：中值濾波輸出的像素值是由鄰域像素的中間值決定的。中值對極限像素值（與周圍像素灰度值相差較大的像素）遠不如平均值那么敏感，所以中值濾波器產生的模糊較少，更適合于消除圖像的孤立噪聲點。

圖1 領域計算示意圖Fig.1 Spatial domain calculation schemes

圖2 領域處理結果Fig.2 Spatial domain processing result

中值濾波窗口一般選為正方形，中值濾波器首先將濾波器模板對應的像素灰度值｛a1，a2，…an｝進行排序，當n為奇數(shù)時，位于中間位置的那個數(shù)值稱為這n個數(shù)的中值。當n為偶數(shù)時，位于中間位置的兩個數(shù)值的平均值稱為中值。表達式為：

正確選取窗口的尺寸大小n對濾波干擾有很大的影響，考慮到一般圖像在兩維方向上均具有相關性，因此，活動窗口一般選兩維窗口（3×3，5×5或7×7），窗口常用形狀如圖3所示。當窗口尺寸大于脈沖干擾寬度的兩倍時將有效去除干擾，相比而言，鄰域平均法濾除脈沖干擾的能力就差一些。中值濾波效果如圖4所示。

圖3 濾波窗口示意圖Fig.3 Filterwindow schemes

圖4 中值濾波處理結果Fig.4 Median filter processing result

2 本文種蛋圖像增強算法

2.1 頻率域增強

圖像增強的頻率域法[4]就是在圖像的某種變換域中（通常是頻率域中）對圖像的變換值進行某種運算處理，然后變換回空間域。例如：可以先對圖像進行傅立葉變換，再對圖像的頻譜進行某種修正（如濾波等），最后再將修正后的圖像進行傅立葉反變換回空間域中，從而增強該圖像。它是一種間接處理方法，可用下圖5來描述該過程。

圖5 頻率域增強模型Fig.5 Frequency domain enhancemodel

其數(shù)學描述如下：

2.2 算法流程

（1）將圖像進行傅里葉變換，得到圖像頻域信號。

（2）頻域信號進行濾波處理。

（3）通過傅里葉逆變換，將處理返回到空域，得到與原始圖像數(shù)據(jù)類型一樣的空域圖像，效果如圖6所示。

圖6 頻域方法增強處理結果Fig.6 Frequency domain algorithm enhance processing result

3 結論

本文采用MATLAB7.0軟件[5]實現(xiàn)了上述3種算法，經測試，對3種種蛋圖像增強方法進行比較，領域平均法的特點是簡單易行，運算速度較快，去噪效果比較好，但由于鄰域平均法在去除噪聲的同時，也導致了一定程度的邊界模糊，從而影響了邊緣輪廓提取的準確性。中值濾波在保存邊緣和紋理細節(jié)方面優(yōu)于鄰域平均法，但中值濾波需要對每個像素點大小進行排序，運算量較大，運算速度較慢。頻率域增強運算速度比前兩種方法快，不僅去除了圖像噪聲，圖像清晰，而且增強后很好保存了種蛋的邊緣輪廓，保證邊緣輪廓提取的準確性。

［1］Lee Y H，tantaratana S.Decision-based order statistics filters［J］.IEEE Trans.Acoust，Speech，Signal Procession，1990，38（3）：406-420.

［2］岑益科.基于機器視覺的雞蛋品質檢測方法研究［D］.杭州：浙江大學，2006.

［3］Gabbouj M，Coyle E J，et.An overview of median and stack filtering［J］.Circuits Syst Signal Processing，1992（11）：7-45.

［4］盛道清.圖像增強算法的研究［D］.武漢：武漢科技大學，2007.

［5］秦襄培.MATLAB圖像處理與界面編程寶典［M］.北京：電子工業(yè)出版社，2009.