動目標(biāo)識別過程中的二值圖像噪聲消除

1 前言

　　在動目標(biāo)識別工程項目中，要進行背景重構(gòu)、前景提取、圖像消噪、投影求取四個階段的工作。在獲取原始視頻后，首先便是圖像預(yù)處理階段，如果這階段處理不好，后面的工作根本無法展開。在實際應(yīng)用時，系統(tǒng)獲取的原始圖像，由于噪聲、光照等原因，圖像的質(zhì)量不高，所以需要進行預(yù)處理。圖像的預(yù)處理包括圖像增強、平滑濾波、銳化等內(nèi)容。圖像的預(yù)處理既可以在空間域?qū)崿F(xiàn)，也可以在頻域內(nèi)實現(xiàn)，本文主要介紹腐蝕膨脹法對二值圖像噪聲的消除，它們是一種既簡單又重要的圖像處理技術(shù)。

　　2 噪聲的產(chǎn)生及分類

　　噪聲是圖像干擾的重要原因。一幅圖像在實際應(yīng)用中可能存在各種各樣的噪聲, 這些噪聲可能在傳輸中產(chǎn)生, 也可能在量化處理中產(chǎn)生。根據(jù)噪聲和信號的關(guān)系可將其分為三種形式:( f(x,y)表示給定原始圖像, g(x,y)表示圖像信號, n(x,y)表示噪聲。)

　　2．1 加性噪聲

　　此類噪聲與輸入圖像信號無關(guān), 含噪圖像可表示為f(x,y)=g(x,y)+n(x,y), 信道噪聲及光導(dǎo)攝像管的攝像機掃描圖像時產(chǎn)生的噪聲就屬這類噪聲;

　　2.2 乘性噪聲

　　此類噪聲與圖像信號有關(guān), 含噪圖像可表示為f(x,y)=g(x,y)+n(x,y)g(x,y), 飛點掃描器掃描圖像時的噪聲, 電視圖像中的相干噪聲, 膠片中的顆粒噪聲就屬于此類噪聲。

　　2.3 量化噪聲

　　此類噪聲與輸入圖像信號無關(guān), 是量化過程存在量化誤差, 然后反映到接收端而產(chǎn)生。

　　3 去除圖像噪聲的方法簡介

　　圖像處理發(fā)展至今，經(jīng)典的圖像處理方法不勝枚舉，以下從分析了近年來圖像消噪處理領(lǐng)域比較有代表性的濾波器和目前比較前沿的處理方法，使讀者對目前消噪領(lǐng)域的發(fā)展歷史有所了解。

　　3.1 均值濾波器

　　它是用一個有奇數(shù)點的滑動窗口在圖像上滑動，將窗口中心點對應(yīng)的圖像像素點的灰度值用窗口內(nèi)的各個點的灰度值的平均值代替，如果滑動窗口規(guī)定了在取均值過程中窗口各個像素點所占的權(quán)重，也就是各個像素點的系數(shù)，這時候就稱為加權(quán)均值濾波。

　　3.2 自適應(yīng)維納濾波器

　　它能根據(jù)圖像的局部方差來調(diào)整濾波器的輸出, 局部方差越大,濾波器的平滑作用越強。它的最終目標(biāo)是使恢復(fù)圖像f^ (x,y)與原始圖像f(x,y)的均方誤差e2=E[( f(x,y)- f^ (x,y)) 2]最小。該方法的濾波效果比均值濾波器效果要好, 對保留圖像的邊緣和其他高頻部分很有用, 不過計算量較大。維納濾波器對具有白噪聲的圖像濾波效果最佳。

　　3.3 中值濾波器

　　它是一種常用的非線性平滑濾波器, 其基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個領(lǐng)域中各點值的中值代換。其主要功能消除孤立的噪聲點, 所以中值濾波對于濾除圖像的椒鹽噪聲非常有效。中值濾波器可以做到既去除噪聲又能保護圖像的邊緣, 從而獲得較滿意的復(fù)原效果, 而且, 在實際運算過程中不需要圖像的統(tǒng)計特性, 這也帶來不少方便, 但對一些細節(jié)多, 特別是點、線、尖頂細節(jié)較多的圖像不宜采用中值濾波的方法。

　　3.4 數(shù)學(xué)形態(tài)學(xué)噪聲濾除器

　　將開啟和閉合結(jié)合起來可用來濾除噪聲, 首先對有噪聲圖像進行開啟操作, 可選擇結(jié)構(gòu)要素模型比噪聲的尺寸大, 因而開啟的結(jié)果是將背景上的噪聲去除。最后是對前一步得到的圖像進行閉合操作, 將圖像上的物體還原。

　　3.5 小波去噪

　　小波的特點是符合人類視覺原理：即由粗到細，逐步細化，最后達到較好的處理效果

　　這種方法保留了大部分包含信號的小波系數(shù), 因此可以較好地保持圖像細節(jié)。

　　4 具體工程中噪聲消除

　　筆者將數(shù)學(xué)形態(tài)學(xué)方法應(yīng)用于動目標(biāo)檢測的工程實踐中，在吸取大量前人成果的基礎(chǔ)上，有針對性的采用了合適的消噪模板，收到了較好的動目標(biāo)檢測效果。

　　4.1 圖像類型轉(zhuǎn)換

　　工程中采集卡過來的圖像為彩色圖像，為加快處理速度，要把彩色圖像轉(zhuǎn)換為黑白圖象，一般情況下彩色圖像每個像素用三個字節(jié)表示，每個字節(jié)對應(yīng)著R、G、B分量的亮度（紅、綠、藍），轉(zhuǎn)換后的黑白圖像的一個像素用一個字節(jié)表示該點的灰度值，它的值在0～255之間，數(shù)值越大，該點越白，即越亮，越小則越黑。經(jīng)典轉(zhuǎn)換公式：

Gray(x,y)=0.11*R(x,y)+0.59*G(x,y)+0.3*B(x,y)

　　其中Gray(x,y)為轉(zhuǎn)換后的黑白圖像在（x，y）點處的灰度值，綠色所占的比重最大，所以轉(zhuǎn)換時也可以直接使用G值作為轉(zhuǎn)換后的灰度。

　　為了在動目標(biāo)檢測時做到更好的實時性，要將得到的灰度圖像轉(zhuǎn)換為黑白二值圖像，二值圖像是一種簡單的圖像格式，它只有兩個灰度級，即“0”表示黑色象素點，“255”表示白色象素點，若將（x，y）點處的在二值圖像中的值記為F（x，y），那么有

　　式中，為二值化閾值。

4.2 數(shù)學(xué)形態(tài)學(xué)運算

　　二值圖像處理運算是從數(shù)學(xué)形態(tài)學(xué)下的集合論發(fā)展起來的，盡管它的基本運算很簡單，但卻可以產(chǎn)生復(fù)雜的圖像處理效果。常用的圖像處理操作有許多方法，比如腐蝕、膨脹、細化、開運算和閉運算等。形態(tài)學(xué)是一門新興科學(xué)，它的用途主要是獲取物體拓撲和結(jié)果信息，它通過物體和結(jié)構(gòu)元素相互作用的某些運算，得到物體更本質(zhì)的形態(tài)。它在圖像處理中的應(yīng)用主要是：

　　1.利用形態(tài)學(xué)的基本運算，對圖像進行觀察和處理，從而達到改善圖像質(zhì)量的目的；

　　2.描述和定義圖像的各種幾何參數(shù)和特征，如面積，周長，連通度，顆粒度，骨架和方向性。

　　二值圖像基本的形態(tài)學(xué)運算是腐蝕和膨脹，在這兩種操作中要選擇某種模板作為滑塊，在得到的二值圖像上滑動，滑塊上要指定一個點為中心點，若物體顏色為白色，即二值圖像中的“0”，腐蝕操作時，必須要所有的滑塊上的點都為“1”時,處理后圖像中心點的值才能為“1”；膨脹時，只要中心點的值為“1”，那么滑塊上的其他點的值都應(yīng)置為“1”, 對應(yīng)的處理后圖像上點的值也置為“1”。簡單起見，我們選3×3的矩形滑塊為例。腐蝕可以消除物體的所有邊界點，其結(jié)果是使剩下的物體沿其周邊比原物體小一個像素的面積。如果物體是圓的，它的直徑在每次腐蝕后將減少兩個像素，如果物體在某一點處任意方向上連通的像素小于三個，那么該物體經(jīng)過一次腐蝕后將在該點處分裂為二個物體。如果是和物體相比較小的多離散的噪聲，那么將被消除。簡單的膨脹運算是將與某物體接觸的所有背景點合并到該物體中的過程。過程的結(jié)果是使物體的面積增大了相應(yīng)數(shù)量的點，如果物體是圓的，它的直徑在每次膨脹后將增大兩個像素。如果兩個物體在某一點的任意方向相隔少于三個像素，它們將在該點連通起來。

　　腐蝕可以消除圖像中小的噪聲區(qū)域，膨脹可以填補物體中的空洞。對一個圖像先進行腐蝕運算然后再膨脹的操作過程稱為開運算，它可以消除細小的物體、在纖細點處分離物體、平滑較大物體的邊界時不明顯的改變其面積。如果對一個圖像先膨脹然后再收縮，我們稱之為閉運算，它具有填充物體內(nèi)細小的空洞、連接鄰近物體、在不明顯改變物體面積的情況下平滑其邊界的作用。通常情況下，當(dāng)有噪聲的圖像用閾值二值化后，所得到的邊界是很不平滑的，物體區(qū)域具有一些錯判的孔洞，背景區(qū)域散布著一些小的噪聲物體，連續(xù)的開和閉運算可以顯著的改善這種情況，這時候需要在連接幾次腐蝕迭代之后，再加上相同次數(shù)的膨脹，才可以產(chǎn)生所期望的效果。一下是工程中隨機生成的一幅二值圖像分別經(jīng)過腐蝕和膨脹以后得到效果圖（用的是3×3的滑塊）：

　　4.3 實踐過程中選擇有針對性的消噪模板

　　噪聲的類型多種多樣，要設(shè)計一種普適的噪聲消除模板不現(xiàn)實，也沒有必要，因為每個應(yīng)用程序都處在具體的工程環(huán)境中,碰到的噪聲都有各自的特點。本文將設(shè)計的消噪模板用于動目標(biāo)檢測過程中，為了達到最好的動目標(biāo)識別效果，文章設(shè)計了有針對性的消噪模板來處理具體的噪聲。例如，當(dāng)系統(tǒng)應(yīng)用在陰雨天情況下，大量的雨滴會在背景中形成嚴(yán)重的噪聲干擾，此時，如果僅靠增大矩形消噪模板，會在消除噪聲的同時腐蝕掉要檢測的目標(biāo)，形成漏判；反之，如果減小消噪模板大小，系統(tǒng)會一直報警，導(dǎo)致系統(tǒng)癱瘓，這兩種情況都會很大程度上影響動目標(biāo)檢測的效果，這不是我們想要的結(jié)果。分析雨點形成的噪聲的特點可以發(fā)現(xiàn)，此類噪聲只存在于縱向上（垂直方向)，且寬度較小，成像時一般在一到兩個像素點，有鑒于此，工程中采用細而長的橫向滑塊作為消噪模板，這種消噪模板在消除噪聲的同時可以很好的保留動目標(biāo)邊緣特征，比用矩形滑塊除噪效果好的多。實際編程實現(xiàn)時，將滑塊模板專門用一個二維數(shù)組表示，可以根據(jù)需要變換滑塊類型，針對不同的噪聲采用不同的消噪模板，給系統(tǒng)提供較好的靈活性。圖像處理系統(tǒng)中，好的預(yù)處理算法是成功的一半，因此筆者建議，工程中多采用幾種消噪滑塊，以便在工程實施時采用最佳的除噪滑塊。

　　5 結(jié)束語

　　圖像噪聲消除是圖像預(yù)處理的關(guān)鍵環(huán)節(jié)，幾乎每一個圖像處理應(yīng)用程序都要牽扯到噪聲消除問題，經(jīng)筆者實踐證明，文中提出的方法是有效的。本文的研究解決了工程實踐中碰到的實際問題，文章中談到的噪聲消除方法和除噪思想可以為工程實踐人員提供很好的參考，有一定的實踐意義，。

　　本文作者創(chuàng)新點: ①結(jié)合具體工程中用到的腐蝕、膨脹消除噪聲方法，討論了二值圖像噪聲的消除。②編程實現(xiàn)時設(shè)計了一種實用性較高的噪聲消除模板。