摘 要：針對(duì)有色溶液圖像處理中均值濾波算法精確度低和時(shí)效性弱的問題，本文提出一種基于局部均值濾波的綜合處理方法。利用圖像分割技術(shù)將圖像分割為光照影響區(qū)和非影響區(qū)2個(gè)部分。采用局部均值濾波將影響區(qū)中的像素點(diǎn)逐一替換為各像素點(diǎn)鄰域內(nèi)非影響區(qū)像素點(diǎn)，以消除反光影響。進(jìn)行多組試驗(yàn)，結(jié)果表明進(jìn)行處理后圖像RGB均值與未受光照影響的圖像RGB均值的平均誤差為0.140，最大誤差為0.261。與傳統(tǒng)的均值濾波算法相比，本文方法具有精度高、時(shí)效性強(qiáng)等優(yōu)點(diǎn)，為解決光照反光的干擾問題提供一種有效的處理方案。

關(guān)鍵詞：圖像分割；光照影響；局部均值濾波

中圖分類號(hào)：TP 751 " " " " " " 文獻(xiàn)標(biāo)志碼：A

均值濾波能夠提升圖像質(zhì)量，在去除噪聲方面應(yīng)用廣泛，其利用周邊像素值進(jìn)行均值運(yùn)算[1]，在圖像處理、特征提取以及邊緣檢測(cè)等實(shí)際應(yīng)用中具有重要意義。在常用的去噪方法中，非局部均值濾波需要手動(dòng)設(shè)定參數(shù)，邊緣保持均值濾波處理時(shí)間較長(zhǎng)[2]，鄰域均值濾波處理后的圖像通常比較模糊[3]，其在精確度和時(shí)效性方面存在局限性?；诖?，本文采用局部均值濾波技術(shù)，利用鄰域內(nèi)非影響像素點(diǎn)和已處理像素點(diǎn)的RGB均值平滑噪聲，完成高效降噪。

1 圖像分割

在圖像處理領(lǐng)域，圖像分割是一項(xiàng)重要技術(shù)。其將圖像分割為若干個(gè)具有特定特征的區(qū)域，提升了后續(xù)處理的效率和準(zhǔn)確性。因此對(duì)圖像的光照影響區(qū)和非光照影響區(qū)進(jìn)行分割是后續(xù)圖像反光抑制處理的關(guān)鍵，具體操作步驟如下。

1.1 灰度化

在灰度圖像中每個(gè)像素點(diǎn)僅包括一個(gè)灰度值，可以用一個(gè)二維矩陣來表示整個(gè)圖像，不需要考慮RGB 3個(gè)通道的值。因此，先將彩色圖像灰度化，使其轉(zhuǎn)變?yōu)椴煌叶燃?jí)的圖像。處理后的灰度圖不僅保持了明暗對(duì)比度，而且減少了圖像的信息存儲(chǔ)量和計(jì)算量[4]。利用冪指函數(shù)拉伸亮區(qū)域灰度值，增強(qiáng)亮區(qū)域的對(duì)比度，降低圖像光照影響區(qū)邊緣與非影響區(qū)灰度值的集中程度。

1.2 邊緣檢測(cè)

光照影響區(qū)邊緣是光照影響區(qū)與非影響區(qū)的分界，在后續(xù)的圖像分割過程中，精確地識(shí)別這個(gè)邊界十分重要。本文采用廣泛應(yīng)用的算子檢測(cè)圖像光照影響區(qū)邊緣，根據(jù)試驗(yàn)結(jié)果可知Prewitt算子、LoG算子以及Canny算子的可識(shí)別度高于其他算子，但是LoG算子檢測(cè)的邊緣較模糊[5]，Canny算子會(huì)檢測(cè)到偽邊緣[6]。Prewitt算子利用局部差分平均技術(shù)追蹤邊緣，準(zhǔn)確性較高，因此本文選擇Prewitt算子進(jìn)行圖像邊緣檢測(cè)。在檢測(cè)后，為保證檢測(cè)區(qū)域包括弱邊緣，首先，采用閉運(yùn)算填充細(xì)小空洞，增強(qiáng)光點(diǎn)并連接各個(gè)部分。其次，采用膨脹運(yùn)算連接邊緣，保證光照影響區(qū)域邊緣的完整性。最后，采用填充算法擴(kuò)大覆蓋面積，使其包括弱影響區(qū)。如果上述操作后噪點(diǎn)較多，那么采用開運(yùn)算使圖像邊緣平滑，消除噪聲造成的瑕疵點(diǎn)。邊緣檢測(cè)效果如圖1所示。

1.3 迭代式閾值選擇法

本文采用迭代式閾值選擇法分割圖像的光照影響區(qū)和非影響區(qū)，該方法選擇合適的閾值來增強(qiáng)圖像對(duì)比度，并保留關(guān)鍵像素信息，保證分割后圖像的完整性。圖像分割步驟如下。

1.3.1 選擇合適的初始閾值T0

本文將處理后邊緣區(qū)域的灰度最小值、中值、均值和最大值作為初始閾值進(jìn)行圖像分割，并計(jì)算其消除反光影響后圖像的RGB均值以及灰度均值，計(jì)算結(jié)果見表1。由于光照影響會(huì)使圖像灰度值增加，因此灰度均值越小，處理效果越好。結(jié)果表明，選擇灰度最小值作為初始閾值T0時(shí)反光抑制處理效果最佳，T0最接近實(shí)際閾值T，減少了后續(xù)圖像分割的迭代次數(shù)和運(yùn)算量。

1.3.2 迭代處理

在圖像處理領(lǐng)域，通常采用自動(dòng)選取最優(yōu)閾值的算法分割圖像，本文使用迭代優(yōu)化策略，如公式（1）、公式（2）所示[7]。

（1）

（2）

式中：μ1、μ2分別為區(qū)域R1、R2的灰度均值；Ti為進(jìn)行圖像分割的閾值；i為索引變量；Pi為第i個(gè)灰度級(jí)在圖像中出現(xiàn)的頻次；L-1為圖像的灰度級(jí)別。

迭代式閾值選擇法設(shè)定閾值Ti，將圖像分割為低灰度區(qū)域R1和高灰度區(qū)域R2，區(qū)域R1包括所有灰度值低于或等于閾值Ti的像素，區(qū)域R2包括所有灰度值高于閾值Ti的像素。計(jì)算圖像分割后的區(qū)域R1、R2的灰度均值μ1、μ2以及新的閾值Ti+1，如公式（3）所示。

（3）

1.3.3 循環(huán)迭代

判斷迭代是否收斂，如果不收斂，那么將分割后的均值作為新的閾值進(jìn)行循環(huán)計(jì)算。采用迭代式閾值選擇法將圖像中小于閾值的像素賦值為0，大于閾值的像素賦值為1，并轉(zhuǎn)化為二值圖像。圖像分割效果如圖2所示。對(duì)二值圖像進(jìn)行適當(dāng)膨脹處理，保證光照影響區(qū)弱邊緣進(jìn)入范圍，計(jì)算光照影響區(qū)和非影響區(qū)的像素點(diǎn)坐標(biāo)集合U1和U2。

2 局部均值濾波處理

2.1 處理方法

與均值濾波利用鄰域像素的平均值替換中心像素完成去噪的方法類似，局部均值濾波選擇U1內(nèi)的像素點(diǎn)n，以n為中心選擇Un，計(jì)算Un與U2的交集An。An中像素點(diǎn)的個(gè)數(shù)為M，其中第i個(gè)像素點(diǎn)的RGB值分別為Ri、Gi和Bi。計(jì)算An中M個(gè)像素點(diǎn)的RGB均值Rn、Gn和Bn，如公式（4）～公式（6）所示。

（4）

（5）

（6）

式中：Rn、Gn和Bn為M個(gè)像素點(diǎn)的RGB均值；M為像素點(diǎn)的個(gè)數(shù)；Ri、Gi和Bi為第i個(gè)像素點(diǎn)的RGB值。

用計(jì)算得到的RGB均值替換n點(diǎn)原RGB值，再將新的n點(diǎn)坐標(biāo)及其對(duì)應(yīng)的RGB值從U1并入U(xiǎn)2，用新像素點(diǎn)集U2和新鄰域Un+1的交集An+1重復(fù)以上操作，計(jì)算第n+1個(gè)像素點(diǎn)的RGB值，以此類推，逐步替換U1內(nèi)的所有像素點(diǎn)。局部均值濾波處理流程如圖3所示。

2.2 固定領(lǐng)域Un的選擇

設(shè)置固定的處理鄰域，能夠更精確地保留和去除圖像中的特定信息。小鄰域中的像素具有強(qiáng)相關(guān)性[8]，當(dāng)噪聲密度較高時(shí)不能準(zhǔn)確估計(jì)噪聲像素的灰度值。大鄰域會(huì)增加計(jì)算負(fù)擔(dān)，無法實(shí)時(shí)對(duì)圖像進(jìn)行處理。因此本文采用多鄰域策略對(duì)圖像進(jìn)行處理，并分別計(jì)算圖像的RGB均值和灰度均值，計(jì)算結(jié)果見表2。綜合比較處理效果和運(yùn)算效率，設(shè)鄰域?yàn)?5×75。

2.3 均值濾波

經(jīng)過局部均值濾波處理后，反光影響基本消除，但是仍然存在弱影響區(qū)和輕微邊界痕跡。由于均值濾波處理易于操作，處理弱噪聲效果較好，因此選擇均值濾波進(jìn)一步對(duì)圖像進(jìn)行平滑處理，以達(dá)到完全消除反光的效果。

3 模型效果

為驗(yàn)證該圖像反光抑制處理方法的有效性和實(shí)用性，本文利用MATLAB圖像處理平臺(tái)分別以溶液顏色、溶液濃度和光照條件為單一變量進(jìn)行試驗(yàn)。將處理前后的圖像進(jìn)行比較，對(duì)本文方法的實(shí)際效果進(jìn)行定性分析。

3.1 不同顏色溶液的圖像處理效果

處理不同顏色溶液的圖像，固定溶液濃度，調(diào)整光照條件，對(duì)不同顏色溶液圖像進(jìn)行反光抑制處理，處理結(jié)果見表3。由表3可知，本文方法對(duì)不同顏色的溶液圖像均有效，并保證圖像清晰度、準(zhǔn)確性較高。

3.2 不同濃度溶液的圖像處理效果

對(duì)不同濃度溶液的圖像進(jìn)行處理。固定溶液顏色和光照條件，改變?nèi)芤簼舛龋?duì)其圖像進(jìn)行反光抑制處理，處理結(jié)果見表4。由表4可知，本文方法能夠在溶液濃度產(chǎn)生變化的情況下有效去除溶液圖像中的反光干擾。

3.3 不同光照條件的圖像處理效果

為進(jìn)一步驗(yàn)證本文方法的可靠性，對(duì)處于不同光照環(huán)境中的溶液圖像進(jìn)行處理。固定溶液顏色和濃度，調(diào)整光照條件，并對(duì)其圖像進(jìn)行反光抑制處理，處理結(jié)果見表5。由表5可知，本文方法能夠在光照條件變化的情況下，有效控制有色溶液的反光干擾。

4 結(jié)語

本文提出了一種新型的基于局部均值濾波對(duì)有色溶液的反光抑制處理方法。試驗(yàn)結(jié)果表明本文方法對(duì)不同顏色、濃度和光照條件溶液圖像的反光抑制處理均具有良好效果。本文方法操作簡(jiǎn)單，提升了圖像特征提取的精確度和圖像處理的時(shí)效性，為解決光照反光的干擾問題提供了一種有效的處理方案。

參考文獻(xiàn)

[1]汪珺.基于加權(quán)均值濾波和拉普拉斯算子的邊緣檢測(cè)FPGA實(shí)現(xiàn)[J].電腦知識(shí)與技術(shù)，2024，20（15）：13-16.

[2]孔祥陽(yáng)，徐保根.均值濾波及其改進(jìn)算法去噪效果研究[J].商丘師范學(xué)院學(xué)報(bào)，2016，32（6）：21-25.

[3]牛秀琴.改進(jìn)的鄰域均值濾波去噪算法研究[J].長(zhǎng)治學(xué)院學(xué)報(bào)（自然科學(xué)版），2012，29（2）：4-8.

[4]廖一帆，李子豪，伍春花，等.基于輔助變量增強(qiáng)的可逆彩色圖像灰度化[J].電子與信息學(xué)報(bào)，2023，45（12）：4448-4450.

[5]李平，張勇，田忠彬，等.基于改進(jìn)LOG算子的雷達(dá)圖像邊緣檢測(cè)算法[J].空天預(yù)警研究學(xué)報(bào)，2024，38（1）：16-18.

[6]康峰，薛瑞雷，劉澤慶，等.基于改進(jìn)Canny算子的管道GMAW熔池邊緣檢測(cè)[J].現(xiàn)代制造工程，2024（5）：122-124.

[7]李小琦.基于Matlab的圖像閾值分割算法研究[J].軟件導(dǎo)刊，2014，13（12）：77-78.

[8]陳家益，戰(zhàn)蔭偉，曹會(huì)英，等.鄰域均值檢測(cè)的迭代加權(quán)中值濾波算法[J].計(jì)算機(jī)應(yīng)用研究，2020，37（6）：1906-1909，1915.

通信作者：李學(xué)亮（1988-），男，漢族，河南省安陽(yáng)市人，博士，講師，研究方向?yàn)槲⒓{器件設(shè)計(jì)與制造。

電子郵箱：zhf870721@zknu.edu.cn。