玄武岩纤维沥青混合料试件截面的数字图像增强

张佳俊 杨富禹

摘要：玄武岩纤维沥青混合料试件截面的图像增强是在获取图像的过程中，多种因素的综合影响下会导致图像质量有所降低。图像增强是为了改善图像的视觉效果，使人或机器能够清晰获取图像中的目标，需要解决噪声影响和提高图像细节分辨率。数字图像技术是提取和描述玄武岩纤维沥青混合料细观结构的有效途径，可以通过图像增强、图像分割来实现集料和其他组分的分离。本文结合Matlab软件实现图像的灰度变换增强，同时采用代数运算、除噪滤波进行处理。实验结果表明， 该算法的图像增强优于现有的模糊图像增强算法以及能更有效地抑制噪声，提高清晰度，取得了较好的增强效果。

关键词：玄武岩纤维;沥青混合料;数字图像增强;细观结构;除噪

0引言

图像是人类获取信息、表达信息和传递信息的重要手段‚数字图像处理技术起源于20世纪20年代，目前广泛应用于航空航天、军事、医学、 工程学、统计学等领域，成为众多学者学习和研究的重要工具。在沥青混合料图像中‚集料、沥青 胶浆和空隙在色彩上存在较大差别，通过对灰度图像进行增强和分割处理可以实现集料和其他组分的分离，快速、准确地确定粗集料的形态特征。将数字图像与有限元建模相结合可对沥青混合料进行细观力学分析‚是定量研究集料对沥青混合料性能影响的有效方法。在沥青混合料数字图像处理中，通常采用直方图增强、图像平滑滤波增强、图像锐化等技术根据需要对图像进行增强。本文针对沥青混合料灰度图像中可能出现的双峰特性不明显，不利分割的情况，采用灰度变换方法对图像进行增强处理[1]。沥青路面裂缝图像检测过程中，图像处理算法在很大程度上影响检测和识别的效果和精度。其中，通过图像增强是获得裂缝特性的关键之一。模糊集合理论已在图像增强领域取得了较好的效果，经典方法主要有Pal算法和Pal改进算法。但其存在缺点：算法核心的非线性变换函数在变换后，其反函数局部无解，导致图像部分灰度信息丢失;对阈值参 数（渡越点）的选取需要人工介入;运算速度较慢等。经典边缘提取方法主要包括Prewitt算子和Sobel算子等，其处理速度快、实现简单，但对裂缝边缘提取的效果不太理想。针对上述缺点，本文提出一种新的广义模糊增强算子， 以解决图像部分灰度信息丢失问题，并将其引入图像增强算法中，以提高运算速度。最后，结果证明，能够很好地获得沥青路面裂缝特性[2]。

朱丹丹等人提出了一种Contourlet变换和遗传算法相结合的施工沥青红外图像增强方法，该算法 利用了Contourlet变换的多分辨率、多方向性、各向异性和 近邻界采样的特性，并且利用自适应遗传算法寻找 模糊增强的最优参数，很好地减弱了背景噪声，提高了红外图像的清晰度，改善了红外图像的质量，提高了温度离析监测的准确性。并通过实验研究，验证了算法的可行性和有效性[3]。

1.灰度变换原理

灰度变换是一种空域处理方法‚其本质是按一定的规则修改每一个像素的灰度‚从而改变图像的动态范围实现期望的增强效果。灰度变换按映射函数可分为线性、分段线性和非线性等多种形式。

1.1线性灰度变换

线性灰度变换是将输入图像灰度值的动态范围按线性关系公式拉伸扩展至指定范围或整个动态范围。在实际运算中，原图像f（x，y）的灰度范围为[a，b]，使变换后图像g（x，y）的灰度扩展为[c，d]，则采用下述线性变换来实现：

线性灰度变换对图像每一个灰度范围作线性拉伸‚将有效地改善图像视觉效果。

1.2分段线性灰度变换

为了突出图像中感兴趣的研究对象，常常要求局部拉伸某一范围的灰度值，或对不同范围的灰度值进行不同拉伸处理，即分段线性拉伸，数学表达式如下：

分段线性灰度变换的优点是可以根据用户的需要，拉伸特征物体的灰度细节，相对抑制不感兴趣的灰度级。

1.3非线性灰度变换

非线性灰度变换在整个灰度范围内采用统一的变换函数‚利用变换函数的数学性质实现对不同灰度值区间的扩展和压缩。

1）对数扩展。对数变换常用来扩展低值灰度，压缩高值灰度，这样可以使低值灰度的图像细节更容易看清，从而达到增强的效果。其具体形式为：

式中：[f（x，y）+1]是为了避免对零求对数;C为尺度比例系数，用于调节动态范围。

2）指数扩展。指数扩展的基本形式为：

式中：a 为可以改变曲线的起始位置;c 为可以改变曲线的变化速率‚指数扩展可以对图像的高亮度进行大幅扩展。

2.玄武岩纤维沥青混合料的图像增强及Matlab的实现

2.1数字图像采集

本文采用CCD数码相机作为图像的获取设备，在室内照明条件下拍摄沥青混合料剖切面图像。结合Matlab软件将采集到的RGB原图转换为256级灰度图像，其语法格式为：

I=rgb2gray（Y）;imshow（I），title（‘灰度图像’）得到的灰度图像见图1。

2.2图像增强

1）灰度变换增强。灰度变换可以针对直方图“谷底”部分的灰度级范围进行局部拉伸，增大此范围内集料的灰度对比度‚以便于下文进行阀值分割时阈值的确定。在此采用灰度变换方法对图像进行局部对比度扩展，针对（0.2，0.6）、（0.3，0.7）、（0.2，0.8）、（0，1）4个不同的灰度范围对图像进行灰度变换，程序语言如下：

J1=imadjust（I，[0.2，0.6]，[ ]）;subplot（2，2，1），imshow（J1），title（'0.2～0.6'）;

J2=imadjust（I，[0.3，0.7]，[ ]）;subplot（2，2，2），imshow（J2），title（'0.3～0.7'）;

J3=imadjust（I，[0.2，0.8，[ ]）;subplot（2，2，3），imshow（J3），title（'0.2～0.8'）;J4=imadjust（I，[0，1]，[ ]）;subplot（2，2，4），imshow（J4），title（'0～1'）;

得到局部對比度调整后的图像‚如图3所示：

2）代数运算。

从图3可以看出，对（0.3，0.7）灰度范围内采取线性变换效果较好对比鲜明‚但整体偏暗。为了增强图像的整体亮度‚同时不改变图像的对比度‚这里使用图像的乘法运算来对亮度进行整体缩放。为了验证本文算法的可行性和有效性，对其进行Matlab仿真实验。在Matlab中通过对图像矩阵乘以一个常数来实现：R=immultiply（J2，1.8），从而得到图3。

3）除噪滤波

图像在获取、传输、处理的过程中，难免会受到各种噪声的干扰‚使图像退化，质量下降。本文使用二维自适应滤波（wiener2函数）来消除噪声‚通过M×N（在此使用3×3模板）大小领域局部图像均值和方差‚采用像素式自适应滤波器对图像进行滤波。其优点是消除噪声的同时还能保持图像中的细节部分‚不会像其他滤波方法那样平滑图像后导致图像过分模糊‚得到滤波后的效果如图4所示。

估计噪声能量。[P，noise]=wiener2（R，[3 3]）;noise=0.0613

图像平滑。P=wiener2（R，[33]）;imshow（P）

3结论

图像灰度变换属于图像预处理范畴，直接影响到后续的图像分割处理效果。本文介绍了灰度变换的基本理论，结合matlab语言对双峰特性不明显的沥青混合料图像实例采用灰度变换进行增强处理。该方法可以快速提取出沥青混合料图像中的集料颗粒，清晰识别集料 颗粒边界特性，效果良好，为后继研究的开展提供了快速、精确的数字图像处理技术。

参考文献

[1]钱野，袁峻.基于灰度变换的沥青混合料图像增强及分割实现[J].交通信息与安全，2009（5）：4.

[2]伯绍波，闫茂德，孙艳，等.沥青路面裂缝图像增强与边缘提取算法研究[J].电子技术应用，2007，33（12）：4.

[3]朱丹丹，王斌，杨奕，等.Contourlet变换和遗传算法相结合的沥青红外图像增强方法[J].计量学报，2019（1）：6.

本论文依托吉林省大学生创新创业项目，项目编号：202010191130