灰度阈值处理算法分析论文-精品.docVIP

PAGE PAGE 32 1 引言 在对图像的研究和应用中，人们往往仅对图像中的某部分感兴趣，这部分称目标或前景，其它部分称背景。前景一般对应于图像中特定的具有独特性质的区域。为了辨识和分析目标，需要将它们分离提取出来，在此基础上才可能对目标进一步利用。 处理图像时受各种条件的限制和干扰，图像的灰度值往往与实际景物不完全匹配，这将直接影响到图像的后续处理。如果造成这种影响的原因主要是由于被摄物体的远近不同，使得图像中央区域和边缘区域的灰度失衡，或是因摄像头在扫描时各点的灵敏度有较大的差异而产生图像灰度失真，或是因曝光不足而使得图像的灰度变化范围窄，这时就可以采用灰度校正的方法来增强灰度的变化范围、丰富灰度层次，达到增强图像的对比度和分辨率。 灰度阈值处理是数字图像处理技术的一种，数字图像处理技术是20世纪60年代发展起来的一门新兴学科。主要利用图象中背景与对象之间的灰度差异。理想状态下，背景与对象之间的灰度差异很大，利用图像的灰度特征来选择一个或多个最佳灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后将对应的像素根据比较结果分到合适的类别中。 近30多年来，由于大规模集成电路技术和计算机技术的迅猛发展，离散数学理论的创立和完善，以及军事，医学和工业等方面应用需求的不断增长，数字图像处理的理论进一步完善，使得灰度阈值处理算法在医学，办公和多媒体系统等领域得到了广泛应用，并显示出广阔的应用前景，成为计算机、电子、医学等学科研究的热点。 本论文将详细介绍灰度阈值处理算法及其DSP实现过程。 2 概述 彩色图象灰度阈值法是在图象预处理的基础上对信息进行组织与加工，是实现图象自动识别与理解的必不可少的过程，是计算机视觉的中间层次。简单的说，就是把图象中有意义的区域和背景分离开来，依据的原则是同一区域具有“同质性”。“区域”是图象相邻的具有类似性质的点组成的集合，同一区域中的象素是相邻的。 2.1 彩色图像灰度阈值算法及其应用 彩色图象又称“多光谱图象”，图象上的每个点有多于一个的局部特征，即每个象素点需要有红绿蓝三个基色的三个亮度值表示。由于光源的光谱是渐变的，产生同样色觉的光波具有一定的波长范围，所以并没有一种颜色可以准确的叫做红、绿、蓝。为了建立标准，国际照明委员会（CIE）早在1931年就规定3种基本色的波长为R：700，G：，B：。计算机与彩色电视机显示彩色图象的原理一样，都是采用R（Red）、G（Green）、B（Blue）相加混色的原理：根据三基色原理，任意一种色光F都可以用不同分量的R、G、B三色相加混合而成。F = r [ R ] + g [ G ] + b [ B ]其中，r、g、b分别为三基色参与混合的系数。当三基色分量都为0（最弱）时混合为黑色光；而当三基色分量都为k（最强）时混合为白色光。调整r、g、b三个系数的值，可以混合出介于黑色光和白色光之间的各种的色光，通过发射出三种不同强度的电子束，使屏幕内侧覆盖的红、绿、蓝磷光材料发光而产生彩色图象。这种彩色图象的表示方法称为RGB色彩空间。 RGB型颜色空间这个模型基于笛卡儿坐标系统，如图2.1所示，3个轴分别为R，G，B，他们被归一化后，用r,g,b表示，这样成了一个单位立方体。原点对应黑色，（1，1，1）对应白色，它们之间的连线分布不同的灰度值，而立方体内其余各点对应于不同的颜色，可用从原点到该点的矢量表示。根据这个模型，每幅彩色图包括3个独立的基色平面，或者说可以分解到3个平面上。一幅真彩图象一般用24bit，即R，G，B分量各用8bit表示。RGB虽然表示直接，但R，G，B数值和色彩的三属性没有直接关系，不能揭示色彩之间的关系。 图2.1 RGB单位立方体模型 黑白图象又称为灰度图象、亮度图象或单色图象等，图象中每个象素点只有一个亮度值。即灰度图只含亮度信息，不含色彩信息的图象。灰度是指黑白图像中点的颜色深度，代表DPI的值，DPI是指每平方英寸有多少象素点，象素点越大，图象的精确度越大，同时文件的尺寸也越大，当然也不是DPI越大就越好，具体情况具体分析，其范围一般从0到255,白色为255,黑色为0,像素灰度级用8bit表示,所以每个像素都是介于黑色和白色之间的256()种灰度中的一种。灰度图像只有灰度颜色而没有彩色。通常说的黑白照片，其实包含了黑白之间的所有灰度色调。从技术上来说，就是具有从黑到白的256种灰度色域(Gamut)的单色图像，故黑白图片也称灰度图像。 创建灰度图是作图像处理最基本的一步。因为很多图像的处理问题都要在灰度图或者是二值化图像上进行。由于摄像机抓拍到的图像均为24位真彩色图像,而大多数的图像处理技术都是针对256 级灰度图的,所以有必要将彩色图转换为灰度图。并且彩色图象是多光谱图象，而转换后的黑白图像是单色的灰度