图像的二值化,灰度化,滤波,反色的基本原理

一、图像的灰度化处理的基本原理

将彩色图像转化成为灰度图像的过程成为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其一个像素点的变化范围为255种，所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。图像的灰度化处理可用两种方法来实现。

第一种方法使求出每个像素点的R、G、B三个分量的平均值，然后将这个平均值赋予给这个像素的三个分量。

第二种方法是根据YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。


二 图像的二值化的基本原理

图像的二值化处理就是讲图像上的点的灰度置为0或255，也就是讲整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，特别是在实用的图像处理中，以二值图像处理实现而构成的系统是很多的，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于再对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。如果某特定物体在内部有均匀一致的灰度值，并且其处在一个具有其他等级灰度值的均匀背景下，使用阀值法就可以得到比较的分割效果。如果物体同背景的差别表现不在灰度值上（比如纹理不同），可以将这个差别特征转换为灰度的差别，然后利用阀值选取技术来分割该图像。动态调节阀值实现图像的二值化可动态观察其分割图像的具体结果。


三 图像的反色原理和实现

对于彩色图像的R、G、B各彩色分量取反的技术就是图像的反色处理，这在处理二值化图像的连通区域选取的时候非常重要。如物

体连通域用黑色表示，而二值化后的物体连通域图像可那是白色的，而背景是黑色的，这时应手动选取图像的反色处理或有程序根据背景和物体连通域两种颜色的数量所占比例而自动选择是否选择选取图像的反色处理。

四 图像的滤波原理和实现

1、 基本原理
图像信息在采集过程中往往受到各种噪声源的干扰，这些噪声在图像上的常常表现为一些孤立像素点，这可理解为像素的灰度是空间相关的，即噪声点像素灰度与它们临近像素的灰度有着显著不同。通常，一般的前置图像处理后的图刺昂仍然带有后续所不希望夹带的孤立像素点，这种干扰或孤立像素点如不经过滤波处理，会对以后的图像区域分割、分析和判断带来影响。
对受到噪声污染的图像可以采用线性滤波的方法来处理，但是很多线性滤波有低通性，在去噪声的同时也使得边缘模糊了，中值滤波在某些情况下可以做到既去除噪声又保护图像的边缘，他是一种非线性的去噪声的方法。
中值滤波的实现原理是把数字图像中的一点的值用该点的一个区域的各个点的值的中值代替，中值的定义如下：
一组数X1、X2、X3…Xn 假如其排序如下：
X i 1≤X i 2≤X i 3≤…≤X i n
Y=Med{X1、X2、X3…Xn }=Xi((1+n)/2) n为奇数
Xi(n/2) ＋Xi((1+n)/2) n为偶数
Y称为X1、X2、X3…Xn 的中值，如有一个序列（10，20，30，40，50，60，70），则中值为40。
把一个点的特定长度或形状的领域称为窗口，在一维的时候，中值滤波器是一个奇数各像素点的滑动窗口，窗口正中间的值用窗口内各个像素的中值代替。设输入为{Xi,i∈I2},则滤波器的输出为：
Yi=med{Xi}=med{Xi-u…Xu…Xi+u}
如果推广到二维，则可以定义输出为：
Yi=med{Xij}=med{X(i+s),(j+s)(r,s)∈A,(i,j)∈I2 }
对于二维滤波的中值滤波，一般采用3×3或者5×5的窗口来进行滤波。