張湃，孟慶瑩

（唐山學院智能與信息工程學院，河北唐山，063000）

0 引言

綜合類實踐教學是在學生學習相關(guān)理論的基礎(chǔ)上，為了更好的進行實踐和研究而開設(shè)的一種綜合性的實驗教學模式。它在考查學生課程基本知識點的同時，又培養(yǎng)了學生的動手操作能力、誤差分析能力、資料搜集、查閱能力和實驗數(shù)據(jù)分析能力[1]。

“數(shù)字圖像處理”課程是通信類專業(yè)本科教學一門重要的專業(yè)課程，該課程重點突出圖像處理的基礎(chǔ)理論和具體應(yīng)用實例的工程實現(xiàn)?；趫D像處理綜合實踐教學能夠幫助學生在理解算法等基本知識點的同時，對實際問題，如圖像復原、圖像去噪、圖像增強[2]等應(yīng)用能夠有較深入理解與掌握。目前，針對圖像處理的應(yīng)用非常廣泛，如路面裂縫識別技術(shù)[3]，路面裂縫識別技術(shù)是針對目前道路交通而設(shè)計的，由于路面存在各種缺陷，會造成交通擁堵，甚至有可能發(fā)生事故，因此利用邊緣增強和提取算法來實現(xiàn)對路面裂縫的識別，能夠有效檢測裂縫的形態(tài)，大小以及判斷是否需要修復等問題。本實驗基于“路面裂縫圖像增強”的應(yīng)用背景，結(jié)合“數(shù)字圖像處理”課程教學和實驗教學的培養(yǎng)方案，以路面裂縫圖像增強為案例，設(shè)計相應(yīng)的綜合性實驗項目。主要綜合了信號與系統(tǒng)、多媒體通信技術(shù)和現(xiàn)代通信原理等相關(guān)專業(yè)課程的理論知識，選擇Matlab 作為仿真軟件[4]，在開發(fā)環(huán)境下完成對路面裂縫的增強。

1 路面裂縫圖像增強原理

實際問題中不僅存在裂縫，而且收集的人行道裂縫圖像中也存在噪聲。因此，改善人行道裂縫圖像的主要目的是增加人行道裂縫與背景之間的對比度，使裂縫更加可見，這要求在算法配置中盡可能去除圖像噪聲，同時，路面裂縫邊緣盡可能不要出現(xiàn)模糊。本實驗中介紹的非下采樣輪廓波變換（NSCT）[5]不僅可以抑制偽Gibbs變形引起的裂縫不透明度，還可以準確區(qū)分排氣表面裂縫的紋理特征，以消除噪聲并增加裂縫和背景之間的對比度。

NSCT首先使用未增強金字塔濾波器組（NSPFB）實現(xiàn)多維圖像退化，然后使用未增強濾波器工具（NSDFB）在每個尺度上完成接收子屬性圖像的多向退化，以獲得子帶圖像（系數(shù)）不同的尺度和方向。在圖像退化和重建過程中，NSCT避免了采樣和圖像捕獲，因此NSCT變換不僅具有多尺度、多方向的優(yōu)點，而且具有良好的局部特性和空間、頻率的平移不變性，這在很大程度上解決了頻譜混疊的問題，并且使每個子帶的系數(shù)矩陣不同，這不僅是相同尺度的屬性，而且是相同大小的屬性。圖1是NSCT變換圖，降級后的頻域圖像如圖2所示。

圖1 NSCT變換

圖2 分解后理想頻域分布

非降采樣單元濾波器組的層次結(jié)構(gòu)通過多級迭代實現(xiàn)。它可以提供完全符合以下恢復條件的基本低通和高通濾波器組，如式（1）所示：

其中，H0(z)H0(z)，H1(z)為=分別是低通和高通濾波器，G0(z)，G1(z)為低通和高通重構(gòu)濾波器。通過這組濾波器，圖像被分為二維低頻子帶和二維高頻子帶，為了理解多層結(jié)構(gòu)，只需要對低頻子帶繼續(xù)迭代濾波。NSCT濾波器提供了所需的象限濾波器組和并行濾波器組，避免了圖像采樣。

因此，非采樣濾波器組具有以下結(jié)構(gòu)：

（1）通過扇形濾波和象限濾波將圖像分為四個子帶；

（2）迭代并行濾波器組后，將其分為不同方向的子帶。

圖3 非下采樣塔式濾波器組(NSPFB)

圖4 非下采樣方向濾波器組(NSDFB)

2 路面裂縫圖像增強算法設(shè)計

處理灰度圖像是改善人行道裂縫圖像的第一步。使用特定算法的語言將彩色圖像轉(zhuǎn)換為灰度圖像的處理過程[6]。彩色圖像的顯示必須從三種基本顏色（紅色、綠色和藍色）開始。三種基本顏色紅色（R）、綠色（g）和藍色（b）可以合并創(chuàng)建自然界中的所有顏色。例如，某些顏色包含的紅色成分較多，而其他成分較少。為了便于共享和應(yīng)用，此顏色中的紅色成分數(shù)量被人為劃分為256個級別，即0~255。級別0表示顏色不包含紅色成分，級別255表示，顏色包含100%的紅色成分。類似地，綠色和藍色可以人為地劃分為256個級別，因此，就其本質(zhì)而言，256×256×256（約1600萬）顏色可以從紅色、綠色和藍色組合而成。

每個像素中的所有像素都可以用它們的RGB分量表示。決定每個像素顏色的值是R、G和B。因此，每個像素的顏色范圍在彩色圖像中為0$2553，而灰色圖像是彩色圖像中的一個特殊圖像，其RGB分量具有相同的值。因此，每個像素范圍的變化為0~255，其中全黑為0（最暗）和255都是白色（最亮），因此在處理采集的數(shù)字圖像之前，為了減少處理圖像后的計算量，首先將彩色圖像轉(zhuǎn)換為灰色圖像。本實驗采集的人行道裂縫圖像是彩色圖像。因此，首先需要將這些彩色圖像轉(zhuǎn)換為灰色圖像?；叶葓D像是指僅包含亮度信息而不包含顏色信息的圖像。f(x,y)來表示，x、y為圖像像素點的空間坐標，該函數(shù)f(x,y)的值即是像素點的亮度值，將灰度圖像看作矩陣，彩色圖像可以用式（2）表示：

其中，R、G、B分別表示圖像坐標(x,y)處的紅色、綠色、藍色各分量值。

顏色還可用YUV顏色模型表示，Y是亮度分量，U、V是色度分量。Y分量包含了灰度圖中所有的信息，YUV和RGB之間有著如式（3）的對應(yīng)關(guān)系：

利用式（3）可以得到式（4）：

根據(jù)式（4），Y可以由R、G、B通過矩陣換算。

本實驗采用NSCT變換用于增強圖像的算法步驟如下：

第一步：路面裂縫的灰色圖像處理。原始輸入圖像是一個彩色圖像，可以從前面部分的灰色處理原理中獲得?；疑幚聿噬珗D像可以減少不同后處理的計算量。因此，輸入彩色圖像必須在其他操作之前進行灰色處理。在MATLAB中，灰色處理圖像可直接命名為灰色處理函數(shù)，以便方便、快速地實現(xiàn)灰色處理彩色圖像。圖像和灰色圖像如圖5所示。

圖5 輸入圖像與灰度處理后對比圖像

根據(jù)上述對比圖，可以獲得灰色圖像處理效果，但由于采集的人行道裂縫圖像接近黑白，處理結(jié)果不明顯，但是，這種處理減少了以后大量的計算，并為其他功能的實現(xiàn)和操作節(jié)省了時間。

第一步：本實驗中呈現(xiàn)的灰色人行道裂縫圖像是人行道裂縫圖像，用作NSCT變換的輸入，用以獲得基于不同尺度和方向的變換系數(shù)；

第二步：評估輸入成像噪聲的標準偏差；

第三步：在每個量表上使用DFB：

(1)包括噪音評估；

(2)閾值的計算；

(3)放大系數(shù)計算；

(4)計算每個標度上所有子頻率系數(shù)的平均數(shù)和最大數(shù)；

(5)完成各方向子頻率系數(shù)的分類和修改。

第四步：使用修正系數(shù)重建增強圖像，并比較NSCT圖像效果。

在本實驗中，NSCT對圖像進行了三次修改。下一個參數(shù)是人行道裂縫圖像的多層NSCT轉(zhuǎn)換。本實驗僅給出參考的第一層和第二層，第三層和第四層僅在模擬實驗中顯示。NSCT人行道裂縫用于在四個不同方向上改善圖像，從圖中可以清楚地看到提取方向不同，在第三層，它也在四個方向上進行處理；第四層，在八個不同的方向上進行處理。

對路面裂縫進行處理和重建后，可獲得圖6所示的效果圖和效果對比圖。

圖6 經(jīng)NSCT增強后與原始圖像對比圖

由兩幅圖可明顯得出，采用NSCT算法對路面裂縫圖像進行增強后的效果，明顯好于經(jīng)典濾波算法的增強，且前者在去除圖像中噪聲的同時，盡可能的防止路面裂縫邊緣出現(xiàn)模糊，使裂縫邊緣較清晰，紋理分明。

圖7 經(jīng)典濾波算法增強后與原始圖像對比圖

基于NSCT的閾值識別和裂縫提取算法應(yīng)用于人行道裂縫圖像。該算法取得了良好的效果。利用尺度和方向濾波去可以實現(xiàn)對裂縫圖像的有效分解，在表征裂縫的形狀和位置方面突出，同時抑制了噪聲以及其他由于光照不均等因素的干擾，經(jīng)實驗證明是一種有效的算法。

3 結(jié)語

本實驗對數(shù)字圖像處理課程的實驗教學改革進行了探索，以路面裂縫增強案例為例，設(shè)計Matlab仿真實驗，其目標是在虛擬環(huán)境中完成計劃的試點項目，鍛煉學生的實踐能力和創(chuàng)新能力，幫助學生從系統(tǒng)的角度理解和獲取理論知識點，同時，實驗設(shè)計與項目教學法相結(jié)合，激發(fā)了學生的學習積極性。虛擬仿真測試是對現(xiàn)有硬件實驗的有益補充，有助于實現(xiàn)課程教學目標。