计算机数字图像处理的算法探究与实践

吴 娟 严 妍 焦月华 姜 波

（黑龙江中医药大学药物安全性评价中心，黑龙江 哈尔滨 150040）

0 引言

随着科学技术的发展，图像识别技术在各行各业中逐渐得到广泛应用。象在人脸识别、指纹识别、模式识别等方面，通过使用计算机数字图像处理技术，可以得到预期的处理效果。图像处理的方法和手段较多，根据不同需求其处理方式也不尽相同。象人脸识别是通过摄像机对人脸进行拍照比对，从而得到人脸信息，一般在考勤机中应用较广；车牌识别是通过摄像机对机动车车牌数字、汉字和英文字母进行识别，从而得到车辆信息，一般在智能停车场中应用较广。由于识别目标和目的不同，其使用的图像处理算法也不同。该文以识别黑色轨迹的图像处理为例，应用图像灰度处理、中值滤波处理、自适应二值化处理和形态学滤波处理，最终得到特征矩阵的图像处理算法。

1 任务目标和背景

该文以医学细胞影像处理为例，通过专用设备采集细胞影像，排除噪点和环境的干扰，准确识别出细胞的关键信息，为后期的临床实验提供数据参考。

2 图像的灰度处理

图像的灰度处理是将彩色摄像机采集的彩色图像处理成灰度图像。一般彩色摄像机传感器采集的彩色信息分为2种，一种是256色，另一种是RGB。256色是通过0-255分别描述不同的色彩信息，但是将所有色彩通过256个数据进行区分，其细化度明显不足。而RGB则是通过三维信息对颜色进行描述，每一个色彩点由（R、G、B）表述，其中R、G、B这3个数据均由0-255构成，也就是说一个色彩点总共有16 777 216种可能性，其色彩十分丰富，是最为理想的采集方式。而灰度图像则是每个点都由0-255进行表示，其中0代表全黑，255代表全白，由0向255过渡的过程中，点的颜色由白至灰至黑，有一个明显的过度。通过灰度处理，将丰富的色彩转换成单一的灰度图像，有助于后期的图像处理。

3 图像的中值滤波处理

中值滤波是图基（Turky）在1971年提出的。中值滤波的原理是把序列或数字图像中的一点的值，用该点邻域中各点的中值来替代。

基于极值的新型滤波算法是对中值滤波的扩展，其基本思想是由于图像灰度值的连续性，某一个点的灰度值与它的邻域的灰度值应该是比较的接近，如果在一幅图像中出现一个点的灰度值远远大于或者小于其邻域的值，那么说明这个点可能就是噪声，否则就说明这个点是有用的信号，然后就可以只对可能是噪声的点进行中值滤波了，从而减少了计算量。

4 图像的自适应二值化处理

图像的自适应二值化处理是将由0-255构成的灰度图像，通过阈值的设定与划分将图像处理成只有0和255这2种数值的图像。上文中提到0代表黑色，255代表白色，即经过二值化处理后图像信息中只剩0和255这2种数值，图像变成仅由纯黑和纯白构成的黑白图像。图像的自适应二值化处理过程中必须选取一个阈值，灰度图像是由0-255任意一个数构成的，一旦设定阈值后，由每个点依次和阈值进行对比，小于阈值的归为0，大于等于阈值的归为255，这样就可以成功地将灰色图像转换成黑白图像。但是由于二值化的阈值对图像光强环境的影响较大，因此一个固定的阈值不利于图像处理效果，于是动态阈值的设定就成为自适应二值化处理的关键。根据实际光照强度的不同，需要设定不同的阈值，从而使图像不断进行自适应二值化处理。结果如图1所示。

图1 灰度和二值化后图像

5 图像的形态学滤波处理

形态滤波主要应用于数字图像处理领域中，其特点是通过在采集并处理成二值后的图像中对图中的关键特征信息进行提取，也就是选择具有一定形态结构的元素，然后对图像内的特征矩阵进行提取分析，将图像中的目标信息与背景信息进行分离。其特点是能够使图像信息更加稳定、清晰，并滤除一些干扰信息。图像处理的形态学基本操作主要有膨胀和腐蚀2种。

腐蚀算法是指选取一个若干行列组成的图像结构元素，用该结构元素与前期经自适应二值化处理后的图像中的每一个像素做“与”运算，结果如果全是“1”，那么该图像的这个像素就是“1”，否则为“0”。

膨胀算法是指选取一个若干行列组成的图像结构元素，用该结构元素与前期经自适应二值化处理后的图像中的每一个像素做“与”运算，结果如果全是“0”，那么该图像的这个像素就是“0”，否则为“1”。如图2所示为形态学滤波后图像。

图2 形态学滤波后图像

采集的图像灰度值经滤波、二值化后难免会再出现噪声，如下所示：

对于上面这些孤立的噪声点，可以采取形态学中腐蚀和膨胀的思想对其进行处理。采取一定的结构元素，最终处理成下面的数列：

6 结语

通过图像的对比可知，将某一幅彩色图像经过图像灰度处理、中值滤波处理、自适应二值化处理和形态学滤波处理后最终得到较为完整的图像信息，这是一种图像的处理方式和流程。该种图像处理方式可以为细胞分析和临床医疗提供有力支持。