張佳俊 楊富禹

摘要：玄武巖纖維瀝青混合料試件截面的圖像增強是在獲取圖像的過程中，多種因素的綜合影響下會導致圖像質(zhì)量有所降低。圖像增強是為了改善圖像的視覺效果，使人或機器能夠清晰獲取圖像中的目標，需要解決噪聲影響和提高圖像細節(jié)分辨率。數(shù)字圖像技術(shù)是提取和描述玄武巖纖維瀝青混合料細觀結(jié)構(gòu)的有效途徑，可以通過圖像增強、圖像分割來實現(xiàn)集料和其他組分的分離。本文結(jié)合Matlab軟件實現(xiàn)圖像的灰度變換增強，同時采用代數(shù)運算、除噪濾波進行處理。實驗結(jié)果表明， 該算法的圖像增強優(yōu)于現(xiàn)有的模糊圖像增強算法以及能更有效地抑制噪聲，提高清晰度，取得了較好的增強效果。

關(guān)鍵詞：玄武巖纖維;瀝青混合料;數(shù)字圖像增強;細觀結(jié)構(gòu);除噪

0引言

圖像是人類獲取信息、表達信息和傳遞信息的重要手段?數(shù)字圖像處理技術(shù)起源于20世紀20年代，目前廣泛應(yīng)用于航空航天、軍事、醫(yī)學、 工程學、統(tǒng)計學等領(lǐng)域，成為眾多學者學習和研究的重要工具。在瀝青混合料圖像中?集料、瀝青 膠漿和空隙在色彩上存在較大差別，通過對灰度圖像進行增強和分割處理可以實現(xiàn)集料和其他組分的分離，快速、準確地確定粗集料的形態(tài)特征。將數(shù)字圖像與有限元建模相結(jié)合可對瀝青混合料進行細觀力學分析?是定量研究集料對瀝青混合料性能影響的有效方法。在瀝青混合料數(shù)字圖像處理中，通常采用直方圖增強、圖像平滑濾波增強、圖像銳化等技術(shù)根據(jù)需要對圖像進行增強。本文針對瀝青混合料灰度圖像中可能出現(xiàn)的雙峰特性不明顯，不利分割的情況，采用灰度變換方法對圖像進行增強處理[1]。瀝青路面裂縫圖像檢測過程中，圖像處理算法在很大程度上影響檢測和識別的效果和精度。其中，通過圖像增強是獲得裂縫特性的關(guān)鍵之一。模糊集合理論已在圖像增強領(lǐng)域取得了較好的效果，經(jīng)典方法主要有Pal算法和Pal改進算法。但其存在缺點：算法核心的非線性變換函數(shù)在變換后，其反函數(shù)局部無解，導致圖像部分灰度信息丟失;對閾值參 數(shù)（渡越點）的選取需要人工介入;運算速度較慢等。經(jīng)典邊緣提取方法主要包括Prewitt算子和Sobel算子等，其處理速度快、實現(xiàn)簡單，但對裂縫邊緣提取的效果不太理想。針對上述缺點，本文提出一種新的廣義模糊增強算子， 以解決圖像部分灰度信息丟失問題，并將其引入圖像增強算法中，以提高運算速度。最后，結(jié)果證明，能夠很好地獲得瀝青路面裂縫特性[2]。

朱丹丹等人提出了一種Contourlet變換和遺傳算法相結(jié)合的施工瀝青紅外圖像增強方法，該算法 利用了Contourlet變換的多分辨率、多方向性、各向異性和 近鄰界采樣的特性，并且利用自適應(yīng)遺傳算法尋找 模糊增強的最優(yōu)參數(shù)，很好地減弱了背景噪聲，提高了紅外圖像的清晰度，改善了紅外圖像的質(zhì)量，提高了溫度離析監(jiān)測的準確性。并通過實驗研究，驗證了算法的可行性和有效性[3]。

1.灰度變換原理

灰度變換是一種空域處理方法?其本質(zhì)是按一定的規(guī)則修改每一個像素的灰度?從而改變圖像的動態(tài)范圍實現(xiàn)期望的增強效果。灰度變換按映射函數(shù)可分為線性、分段線性和非線性等多種形式。

1.1線性灰度變換

線性灰度變換是將輸入圖像灰度值的動態(tài)范圍按線性關(guān)系公式拉伸擴展至指定范圍或整個動態(tài)范圍。在實際運算中，原圖像f（x，y）的灰度范圍為[a，b]，使變換后圖像g（x，y）的灰度擴展為[c，d]，則采用下述線性變換來實現(xiàn)：

線性灰度變換對圖像每一個灰度范圍作線性拉伸?將有效地改善圖像視覺效果。

1.2分段線性灰度變換

為了突出圖像中感興趣的研究對象，常常要求局部拉伸某一范圍的灰度值，或?qū)Σ煌秶幕叶戎颠M行不同拉伸處理，即分段線性拉伸，數(shù)學表達式如下：

分段線性灰度變換的優(yōu)點是可以根據(jù)用戶的需要，拉伸特征物體的灰度細節(jié)，相對抑制不感興趣的灰度級。

1.3非線性灰度變換

非線性灰度變換在整個灰度范圍內(nèi)采用統(tǒng)一的變換函數(shù)?利用變換函數(shù)的數(shù)學性質(zhì)實現(xiàn)對不同灰度值區(qū)間的擴展和壓縮。

1）對數(shù)擴展。對數(shù)變換常用來擴展低值灰度，壓縮高值灰度，這樣可以使低值灰度的圖像細節(jié)更容易看清，從而達到增強的效果。其具體形式為：

式中：[f（x，y）+1]是為了避免對零求對數(shù);C為尺度比例系數(shù)，用于調(diào)節(jié)動態(tài)范圍。

2）指數(shù)擴展。指數(shù)擴展的基本形式為：

式中：a 為可以改變曲線的起始位置;c 為可以改變曲線的變化速率?指數(shù)擴展可以對圖像的高亮度進行大幅擴展。

2.玄武巖纖維瀝青混合料的圖像增強及Matlab的實現(xiàn)

2.1數(shù)字圖像采集

本文采用CCD數(shù)碼相機作為圖像的獲取設(shè)備，在室內(nèi)照明條件下拍攝瀝青混合料剖切面圖像。結(jié)合Matlab軟件將采集到的RGB原圖轉(zhuǎn)換為256級灰度圖像，其語法格式為：

I=rgb2gray（Y）;imshow（I），title（‘灰度圖像’）得到的灰度圖像見圖1。

2.2圖像增強

1）灰度變換增強?；叶茸儞Q可以針對直方圖“谷底”部分的灰度級范圍進行局部拉伸，增大此范圍內(nèi)集料的灰度對比度?以便于下文進行閥值分割時閾值的確定。在此采用灰度變換方法對圖像進行局部對比度擴展，針對（0.2，0.6）、（0.3，0.7）、（0.2，0.8）、（0，1）4個不同的灰度范圍對圖像進行灰度變換，程序語言如下：

J1=imadjust（I，[0.2，0.6]，[ ]）;subplot（2，2，1），imshow（J1），title（'0.2～0.6'）;

J2=imadjust（I，[0.3，0.7]，[ ]）;subplot（2，2，2），imshow（J2），title（'0.3～0.7'）;

J3=imadjust（I，[0.2，0.8，[ ]）;subplot（2，2，3），imshow（J3），title（'0.2～0.8'）;J4=imadjust（I，[0，1]，[ ]）;subplot（2，2，4），imshow（J4），title（'0～1'）;

得到局部對比度調(diào)整后的圖像?如圖3所示：

2）代數(shù)運算。

從圖3可以看出，對（0.3，0.7）灰度范圍內(nèi)采取線性變換效果較好對比鮮明?但整體偏暗。為了增強圖像的整體亮度?同時不改變圖像的對比度?這里使用圖像的乘法運算來對亮度進行整體縮放。為了驗證本文算法的可行性和有效性，對其進行Matlab仿真實驗。在Matlab中通過對圖像矩陣乘以一個常數(shù)來實現(xiàn)：R=immultiply（J2，1.8），從而得到圖3。

3）除噪濾波

圖像在獲取、傳輸、處理的過程中，難免會受到各種噪聲的干擾?使圖像退化，質(zhì)量下降。本文使用二維自適應(yīng)濾波（wiener2函數(shù)）來消除噪聲?通過M×N（在此使用3×3模板）大小領(lǐng)域局部圖像均值和方差?采用像素式自適應(yīng)濾波器對圖像進行濾波。其優(yōu)點是消除噪聲的同時還能保持圖像中的細節(jié)部分?不會像其他濾波方法那樣平滑圖像后導致圖像過分模糊?得到濾波后的效果如圖4所示。

估計噪聲能量。[P，noise]=wiener2（R，[3 3]）;noise=0.0613

圖像平滑。P=wiener2（R，[33]）;imshow（P）

3結(jié)論

圖像灰度變換屬于圖像預處理范疇，直接影響到后續(xù)的圖像分割處理效果。本文介紹了灰度變換的基本理論，結(jié)合matlab語言對雙峰特性不明顯的瀝青混合料圖像實例采用灰度變換進行增強處理。該方法可以快速提取出瀝青混合料圖像中的集料顆粒，清晰識別集料 顆粒邊界特性，效果良好，為后繼研究的開展提供了快速、精確的數(shù)字圖像處理技術(shù)。

參考文獻

[1]錢野，袁峻.基于灰度變換的瀝青混合料圖像增強及分割實現(xiàn)[J].交通信息與安全，2009（5）：4.

[2]伯紹波，閆茂德，孫艷，等.瀝青路面裂縫圖像增強與邊緣提取算法研究[J].電子技術(shù)應(yīng)用，2007，33（12）：4.

[3]朱丹丹，王斌，楊奕，等.Contourlet變換和遺傳算法相結(jié)合的瀝青紅外圖像增強方法[J].計量學報，2019（1）：6.

本論文依托吉林省大學生創(chuàng)新創(chuàng)業(yè)項目，項目編號：202010191130