張佳佳， 孟憲羅， 蔣 濤， 劉 宇

（河北省氣象技術(shù)裝備中心，河北 石家莊 050021）

氣象計量自動化溫度檢定系統(tǒng)中的圖像預(yù)處理研究

張佳佳， 孟憲羅， 蔣 濤， 劉 宇

（河北省氣象技術(shù)裝備中心，河北 石家莊 050021）

針對氣象計量自動化溫度檢定系統(tǒng)中圖像噪聲大、對比度不夠等問題，在采用圖像預(yù)處理技術(shù)的基礎(chǔ)上，提出一種同態(tài)濾波的對比度受限自適應(yīng)圖像預(yù)處理方法。嘗試中值濾波對紅外圖像進行去噪，保證噪聲不被增強的前提下，利用同態(tài)濾波的原理，對圖像細節(jié)進行增強。但同態(tài)濾波依然存在圖像特征點與非特征點在圖像質(zhì)量不高的情況下容易混淆的問題，對此采用限制對比度自適應(yīng)直方圖均衡的方法進一步調(diào)整圖像的動態(tài)范圍。通過仿真實驗對此方法進行驗證，驗證了所提出方法的有效性。

圖像預(yù)處理；中值濾波；直方圖均衡化；同態(tài)濾波；自適應(yīng)

在人工站溫度檢定的過程中，往往通過人工讀數(shù)并紙質(zhì)記錄的方式實現(xiàn)玻璃溫度表的檢定工作。雖然這種傳統(tǒng)的檢定方式較為準確的反映了溫度的示值，但是由于其不可避免的受特定人為因素的影響而造成人為誤差，使讀取數(shù)值不精確，例如視線高低、個體的讀數(shù)習慣等。另外，紙質(zhì)記錄很多繁瑣的后續(xù)工作也造成了檢定過程費時費力，效率低下，給檢定工作帶來很大的不便。因此，檢定方法亟待改進提高。

現(xiàn)在氣象計量部門所使用的溫度自動檢定系統(tǒng)僅限于被檢溫度點的自動設(shè)定，至于讀取數(shù)值仍需人工讀取，沒有從根本上解決人為因素造成的讀數(shù)誤差的問題。只有將這些檢定過程中人所看到的圖像傳輸至信息終端來提取“水銀柱”這一特征信息，并通過提取的特征信息與預(yù)先規(guī)定好的量程刻度進行比對，才能達到提取精確刻度值的目的。本文旨在綜合傳統(tǒng)預(yù)處理方法的基礎(chǔ)上，針對檢定系統(tǒng)中圖像質(zhì)量不高，光照度不夠等導(dǎo)致的圖像信息提取困難的問題，提出一種基于同態(tài)濾波的對比度受限自適應(yīng)的圖像預(yù)處理方法，并經(jīng)實驗證明其有效性。

1 溫度表圖像的預(yù)處理

實際意義上的溫度自動化檢定系統(tǒng)中最重要的環(huán)節(jié)便是圖像處理，而進行圖像處理的第一步便是溫度表圖像的前期預(yù)處理。進行處理的溫度表圖像由于光線條件的差異，往往存在有噪聲較大、對比度不夠等缺陷。另外，由于工業(yè)相機距離被測試溫度表距離不等，導(dǎo)致需要提取的液面信息在整幅圖像中的位置和反射程度都是不確定的。而對溫度表圖像的預(yù)處理恰恰能在一定程度上消除上述因素的影響，使有用信息能夠得到有效保留。

2 圖像的平滑去噪

2.1 噪聲類型

根據(jù)噪聲和信號的關(guān)系可以將其分為加性噪聲和乘性噪聲[1]。

(1) 加性噪聲。加性噪聲和理想無噪圖像信號g(x,y)是不相關(guān)的，如信道噪聲、電視攝像機掃描圖像的噪聲等，這類含噪圖像f(x,y)可看成為理想無噪圖像信號g(x,y)與噪聲信號n(x,y)之和[2]。即：

(2) 乘性噪聲。乘性噪聲和理想無噪圖像信號g(x,y)是相關(guān)的，隨圖像信號的變化而變化。飛點掃描圖像中的噪聲，可由電視掃描光柵、膠片顆粒等造成。其含噪圖像f(x,y)可表示為：

2.2 圖像的去噪方法

圖像去噪方法可分兩類：圖像空間域方法和圖像頻率域方法[3]。本文主要討論圖像在空間域的處理方法。

2.2.1 均值濾波法

均值濾波算法的主要思想為鄰域平均法。即用幾個鄰域像素灰度的平均值來代替每個像素的灰度值。雖然這樣能明顯消弱噪聲點，但容易引起圖像模糊[4]。使用該方法時，如果能加以改進，避開對物體邊緣的平滑處理，也是一種簡單有效的平滑方法。

2.2.2 中值濾波法

中值濾波是一種典型的非線性平滑濾波信號處理技術(shù)。它的主要思想是：首先確定一個以某一像素為中心點的鄰域，然后將這些像素點按照灰度值的不同依次排序，將中間值做為所有像素點灰度值的中值[5]。中值濾波是一種典型的低通濾波器，在濾除噪聲的同時能有效保留信號的細節(jié)信息及目標圖像邊緣的特點[6]。此方法使得本文要提取的溫度液面邊緣得以有效保留。經(jīng)過中值濾波前后的圖像對比見圖1所示。

圖 1 中值濾波前后圖像的比較

3 圖像增強

圖像增強技術(shù)根據(jù)增強作用域的不同，可分為基于空域的增強算法和基于頻域的增強算法兩大類[7]。其目的是突出圖像有用信息，使圖像與視覺響應(yīng)特性相匹配。

空域增強算法是直接對圖像進行點運算，將包含某點的一個小區(qū)域內(nèi)的各點灰度值進行平均運算，用所得的平均值來代替該點的灰度值[8]。設(shè)f(x,y)、g(x,y)分別是處理前、后的圖像，h(x,y)為空間預(yù)算函數(shù)。則空域法公式描述如下：

頻域增強算法是在圖像的某個頻率域內(nèi)對圖像進行傅里葉變換，再對圖像變換系數(shù)進行修正，然后逆變換到空間域的方法。

3.1 直方圖均衡化

直方圖均衡化(histogram equalization, HE)的基本思想如下：

溫度表圖像的灰度經(jīng)歸一化處理分布在連續(xù)區(qū)間內(nèi)，令原始圖像的像素值為r，分布范圍為01r≤≤ 。現(xiàn)在對[0,1]區(qū)間內(nèi)的任何一個r值進行函數(shù)關(guān)系為S=T(r)的變換，使變換后的新灰度值具有平直的直方圖。

設(shè)溫度表圖像分為L個灰度等級，圖像的像素總數(shù)為n，用nk代表第k個灰度級rk出現(xiàn)的頻數(shù)，于是第k個灰度級出現(xiàn)的概率為：

其中，0≤rk≤1，k=0,1,2,…,L -1。

式(4)的離散形式為：

因此可以根據(jù)圖像的直方圖統(tǒng)計量求均衡后各像素的灰度級變換值。

3.2 同態(tài)濾波

同態(tài)濾波是把頻率過濾和灰度變換結(jié)合起來的一種圖像處理方法。

一幅圖像f(x,y)可以用它的照射分量i(x,y)及反射分量r(x,y)的乘積來表示，即：

經(jīng)過同態(tài)濾波后其結(jié)果會改變圖像光強度和反射光強度，依此特性可做到同時降低圖像動態(tài)范圍，又增加對比度的結(jié)果[9]。

所用方法的具體步驟如下：

(1) 先對式(6)的兩邊同時取對數(shù)，即：

(2) 將式(7)兩邊取傅立葉變換，得：

(3) 用一個頻域函數(shù)H(u, v)處理F(u, v)，可得到：

(4) 逆傅立葉變換到空間域得：

圖像是由對應(yīng)照度分量與反射分量兩部分疊加而成。

(5) 再將式(10)兩邊取指數(shù)，得：

所謂同態(tài)濾波，其本質(zhì)是對濾波器H(u, v)的選擇。圖像的灰度不僅僅由光照函數(shù)（入射光）決定，而且還與反射函數(shù)有關(guān)。不同的材料或物體的反射率差異很大，常引起反射光的突變，特別是在物體的邊緣部分[10]。這些突變使圖像的灰度值發(fā)生變化，這種變化與高頻分量和反射相聯(lián)系，因此同態(tài)濾波器傳遞函數(shù)H(u, v)選擇高通濾波器。

4 實驗分析

先采用一般意義上的HE方法對溫度表圖像進行處理。圖2為溫度表原圖像與HE后的對比情況。

由兩幅圖像對比可以看出，傳統(tǒng)的HE方法可以對圖像的灰度值重新分配，直方圖的范圍加大了，但是該方法將應(yīng)該忽略的背景部分都進行了增強，在光照不充分，補償不到位的情況下，均衡化處理之后的圖像在背景灰度上與需要提取的刻度線灰度有相同的點，造成背景與前景的混淆，為了有效分離，本文提出基于同態(tài)濾波的對比度受限自適應(yīng)HE方法，有效增強溫度圖像的有用信息。

圖 2 直方圖均衡化前后圖像的比較

經(jīng)過同態(tài)濾波后的圖像如圖3所示，圖像中需要提取的溫度表液柱信息得到增強，背景相對弱化。但是對于準確提取刻度值而言，圖像的動態(tài)范圍和對比度較低，導(dǎo)致增強后的細節(jié)信息不明顯。為了提高圖像的對比度，調(diào)整圖像動態(tài)范圍，要對圖像做進一步處理。

圖 3 同態(tài)濾波前后圖像的比較

本文在同態(tài)濾波的基礎(chǔ)上采用對比度受限的自適應(yīng)HE方法，通過限制局部對比度的增強幅度，來限制噪聲的放大及局部對比度的增強。其具體思想為：將圖像進行區(qū)域分割，分別計算每個區(qū)域的直方圖，根據(jù)受限值對每個區(qū)域的直方圖進行重新分配。在重新映射過程中將增強后的各塊子區(qū)域使用雙線性插值拼接在一起，以消除明顯的邊緣[11]。

為了驗證提出算法的增強效果，選取一段工業(yè)相機采樣得到的640×480玻璃溫度表圖像在MatLab試驗平臺中進行仿真驗證。首先構(gòu)造一個在頻域具有平滑性能的低通高斯濾波器Lpf，按照模板n=2σ+1的取值，當平滑尺度為2時，模板大小取5×5，截止頻率Do=1.414；其次通過這個低通濾波器構(gòu)造高通濾波器：Hpf=rH×Hpf-(rH- rL)-Lpf，其中，rH＞1、rL＜1為調(diào)節(jié)參數(shù)，取rH=2.2，rL=0.5。圖4所示為本文采用該方法處理的結(jié)果圖像。

圖 4 采用本文方法的仿真實驗比較

5 結(jié) 論

本文提出的圖像預(yù)處理方法避免了溫度圖像背景與前景灰度相似時的混淆，解決了在外界光線受限，補償不到位情況下的圖像細節(jié)不清問題。利用了同態(tài)濾波的優(yōu)勢，增強了溫度表圖像液柱的細節(jié)特征。采用對比度受限的自適應(yīng)HE方法，進一步調(diào)整圖像的灰度動態(tài)范圍。此方案解決了同態(tài)濾波后對比度不足的缺陷，最終增強圖像液柱信息，弱化背景信息，最大程度反映真實溫度值，并通過仿真驗證得到非常好的預(yù)處理效果，為下一步溫度刻度值和液柱的準確提取提供了基礎(chǔ)。

[1] Sattar F, Floreby L, Salomonsson G, et al. Image enhancement based on a nonlinear multiscale method [J]. IEEE Trans on Image Processing, 1997, 6(6): 888-895.

[2] 楊枝靈, 王 開. Visual C++數(shù)字圖像獲取處理及實踐應(yīng)用[M]. 北京: 人民郵電出版社, 2003: 91-106.

[3] Rowley H A, Baluja S, Kanade T. Neural network-based face detection [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20(1): 23-28.

[4] 孫海燕. 基于小波分析小域特征融合的人臉識別算法研究[D]. 秦皇島: 燕山大學(xué), 2010.

[5] 劉 培, 王建英, 尹忠科. 圖像光照補償方法的研究[J].系統(tǒng)工程與電子技術(shù), 2008, 30(7): 1343-1346.

[6] Brinkman B H, Manduca A, Robb R A. Optimized homomorphic unsharp masking for MR grayscale inhomogeneity correction [J]. IEEE Transactions on Medical Imaging, 1998, 17(2): 161-171.

[7] 馬 龔, 張成義. 基于 Matlab的同態(tài)濾波囂的優(yōu)化設(shè)計[J]. 應(yīng)用光學(xué), 2010, 3l(4): 585-588.

[8] 葉仕通. 結(jié)合閾值去噪與邊緣優(yōu)化的圖像增強算法[J].圖學(xué)學(xué)報, 2014, 35(4): 571-576.

[9] Hanmandlu M, Jha D. An optimal fuzzy system for color image enhancement [J]. IEEE Transactions on Image Processing, 2006, 15(10): 2956-2966.

[10] Yamaguchi K, Itoh K. An algerbraic solution to independent component analysis [J]. Optics Communication, 2000, 178(10): 59-64.

[11] 胡竇明, 趙海生, 李云川, 等. 一種基于同態(tài)濾波的紅外圖像增強新方法[J]. 紅外技術(shù), 2012, 34(4): 224-226.

Meteorological Measurement Automatic Temperature Testing System in the Research of Image Preprocessing

Zhang Jiajia, Meng Xianluo, Jiang Tao, Liu Yu

(Meteorological Technology and Equipment Center in Hebei Province, Shijiazhuang Hebei 050021, China)

Automation temperature calibration system based on meteorological measurement issues such as big noise, low contrast in the image, homomorphic filtering is proposed for contrast limited adaptive image preprocessing method on the basis of the image preprocessing technology. Try median filter for infrared image denoising, and use the principle of homomorphic filtering to enhance image details based on the premise that the noise would not be enhanced. However feature points and non-feature points are very confusing when the image is very poor quality in the method of homomorphic filtering, so the method of equalling limited contrast adaptive histogram is used to adjust the dynamic range of the image. The simulation results verify the feasibility of the method.

image preprocessing; median filter; histogram equalization; homomorphic filtering; adaptive

TN 911.73

A

2095-302X(2015)03-0352-04

2014-10-30；定稿日期：2014-12-14

張佳佳(1982-)，女，河北衡水人，工程師，碩士。主要研究方向為數(shù)字圖像處理、計量校準方法研究。E-mail：sunyi_12_12@sina.com