图像处理方法综述与案例分析

刘一宵++牛珊珊++栗春晓

摘 要 在實际的科学研究中，受拍摄条件、设备的影响，图像往往会出现边界模糊、脉冲噪声、颗粒噪声及特征不够明显等问题。因此，需要对图像进行中值滤波处理，图像锐化，使用Roberts梯子算法进行边缘检测，对图像灰度化、二值化，从而使得预处理后的图片真实有用信息更加突出，增加有关信息的可检测性。

关键词 图像处理；滤波；锐化；二值化；灰度处理

中图分类号 TP2 文献标识码 A 文章编号 2095-6363（2017）16-0159-01

近年来，利用计算机模拟预测人若干年后（或若干年前）的容貌这项技术在寻找失踪儿童、提供娱乐等方面得到了较为广泛的应用。随着岁月的流逝，人脸会随着年龄的改变而改变。对于同一个人不同年龄阶段的照片，我们通常可以根据其个性特点判断是否为同一个人，但是如果两张照片拍摄相隔时间越长，辨别起来也就越困难。

随着人脸识别与修复技术的兴起，计算机图形处理技术在此成为研究的热点。进行这一技术的首要环节是图像的预处理，主要目的是消除掉无用的信息，保留有用的真实信息并使有用的真实信息更加突出，增加有关信息的可检测性和最大限度的简化数据利于对数据的处理分析。我们所采集的图片质量不可能是十分完美的。例如：图像人物不突出、表情过于丰富、照片边界模糊等。所以进行预处理就会显得格外重要。

1 中值滤波

中值滤波与加权平均方式的平滑滤波不同，能很好的滤除脉冲噪声和颗粒噪声等，并保护图像边界，更好地保留图像的细节和边缘。

中值滤波的原理是利用一个正方形窗口，假设窗口是3×3的，则窗口里的数字均为1/9，然后将窗口依次与原始图像相乘，并将结果赋值到一个新的图像上去。通过该过程，可以得到一个新的图像，该图像剔除了原始图像中的椒盐噪声等影响。

采用中值滤波处理结果如图1所示：

2 图像锐化

对图像进行中值滤波处理往往使图像的轮廓变得较为模糊，从而影响后续的处理，为了减少由中指滤波带来的影响，可以采用图像锐化算法处理，即利用算法突出图像的边缘细节信息。

所以，我们选取方法较为简单，运算速度快的Roberts梯子算法。Roberts梯子算法采用对角方向相邻两像素之差，故也称为四点差分法。

3 边缘检测

边缘是指图象中灰度发生急剧变化的区域。根据第二步的Roberts梯子算法，我们选定一个阈值，若G（x，y）大于该阈值，我们就认为该点为边缘点。利用这种方法将边缘点找出，得到人脸的边缘区域。进一步将图像规范化，提取面部的有效部分。

4 灰度化，二值化

基于像素平均值的图像阈值二值化算法的灰度处理。灰度处理后，图片上人脸的特征部位更加明确。具体步骤如下：1）首先使用MATLAB软件中的rgb2gray函数-将彩色图像转化为灰度图像，如图4所示。2）计算灰度图像的算数平均值—M。3）以M为阈值，完成对灰度图二值化（大于阈值M，像素点阈值为白色，否则阈值为黑色）。

5 结论

目前，计算机图像处理技术正随着人工智能技术的发展而呈现出新的研究热点，在对图像进行操作的初始步骤是图像预处理过程，即降低图像在获取或者处理不当引起的误差。本文介绍了一幅图像较为常见的处理方法，如解决椒盐噪声或者斑点噪声的中值滤波；使图像边缘信息更加突出的图像锐化处理；以及边缘检测和图像二值化等处理。未进行系统学习图像处理技术的科研人员可以借鉴一下这些过程。

参考文献

[1]Scandrett C M，Solomon C J， Gibson S J. A person-specific，rigorous agingmodelofthehumanface[J].PatternRecognitionLetters，2006，27（15）：1776-1787.

[2]李洪升.基于ASM算法的人脸特征点定位研究及应用[D].南京：东南大学，2009.

[3]MatthewsI，BakerS.Activeappearance models revisited[J].International Journal of Computer Vision，2004，60（2）：135-164.

[4]Beymer D.Vectorizing face images by interleaving shape and texture computation[J].TechnicalReport，AIM-1537，MITArtificialIntelligenceLaboratory，1995.endprint