2.2图像处理的基本知识
2.2.1 BMP图像的读取
BMP图像文件由三部分组成：位图文件头数据结构，它包含BMP图像文件的类型、显示内容等信息；位图信息数据结构，它包含有BMP图像的宽、高、压缩方法，以及定义颜色等信息。 位图文件主要分为如下3个部分：
块名称 对应Windows结构体定义 大小（Byte） 文件信息头 BITMAPFILEHEADER 14 位图信息头 BITMAPINFOHEADER 40 RGB颜色阵列 BYTE* 由图像长宽尺寸决定
2.2.2图像的灰度化处理
颜色可分为黑白色和彩色。黑白色指颜色中不包含任何颜色成分，仅有黑色和白色组成。在RGB颜色模型中，如果R=G=B，则颜色表示一种黑白颜色；其中R=G=B的值叫做灰度值，所以黑白色又叫灰度颜色。彩色和灰度之间可以互相转换，有彩色转化为灰度的过程叫做灰度化处理；由灰度转化为彩色的过程为伪彩色处理。
灰度化就是使彩色的R，G，B分量相等的过程。由于R，G，B的取值范围是0-255，所以灰度的级别只有256级，即灰度图像仅能表现256种颜色（灰度）。 灰度化处理的方法主要有三种：
（1）最大值法：使R，G，B的值等于3值中最大的一个，即
R=G=B=max（R，G，B）
最大值法会形成亮度很高的灰度图像。
（2）平均值法：使R，G，B的值求出平均值，即
R=G=B=（R+G+B）/3
平均值法会形成较柔和的灰度图像。
（3）加权平均值法：根据重要性或其他指标给R，G，B赋予不同的权值，并使R，G，B的值加权平均，即
- -
11
R=G=B=（WRR+WGG+WBB）/3
其中WR，WG，WB分别为 R，G，B的权值。WR，WG，WB取不同的值，加权平均值法将形成不同的灰度图像。由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，因此使WR>WG>WB将得到较合理的灰度图像试验和理论推导证明，当WR=0.30，WG=0.59，WB=0.11时，即当
Vgray=0.30R+0.59G+0.11B
R=G=B=gray
时，能得到最合理的灰度图像。
2.2.3图像的平滑处理
基本图像处理方法可分为点处理和区域处理两类。
点处理相对较简单，只能改变图像的灰度分布，但不会改变图像内的空间关系。点处理可以按预定的方式改变图像的灰度直方图。最常用的点处理是灰度直方图均衡。
区域处理在处理某个像素时，利用与该像素相邻的一组像素，经过某种变化得到处理后图像某一点的像素值。目标像素的邻域一般是由像素组成的二位矩阵，该矩阵的大小为奇数。目标像素位于该矩阵的中央，即目标像素就是区域的中心像素。经过处理后，目标像素的值为经过特定算法计算后所得的结果。区域中心像素周围的那些像素值在二维方向上提供了图像的亮度变化趋势的信息。图像中像素的亮度在一定距离上变化速率称为图像的空间频率。区域处理将改变图像的空间频率信息，减缓或增强图像中的某些特定的频率分量。
区域处理算法一般是针对灰度图像进行处理的，对于RGB彩色图像，可以分别对其R,G,B分量进行处理，最后再组合颜色分量，以得到彩色输出图像。 主要的区域处理算法有卷积法、中值滤波法和Sobel边缘检测法等。
在对目标图像进行采集时，难免会遇到一些因素的干扰，比如：气候、环境以及摄像机的原件损耗等。这些噪声往往会影响图像的质量，淹没图像的特征。因此应对图像中可能存在的噪声我们需要进行相应的处理。消除图像的噪声最常采用的方法便是图像平滑。一般有邻域平均法和中值滤波法。对比这两种方法，
- -
12
邻域平均法对随机噪声处理效果比中值滤波要好，但会使图片模糊。中值滤波对椒盐噪声的处理效果比邻域平均法要好，图片变得清晰。所以，在本篇论文采用的是中值滤波法。
2.2.4灰度图像的二值化处理
灰度图像中的像素就只有一个像素的灰度值，这个值决定了像素的明亮程度。接下来还需要做的就是将图像进行二值化处理。图像的二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。 图像的二值化有很多种方法，例如：阈值分割法、给定阈值法等等。阈值分割法可以分为全局阈值法和局部阈值分割法。所谓局部阈值分割法是将原始图像划分成较小的图像，并对每个子图像选取相应的阈值。在阈值分割后，相邻子图像之间的边界处可能产生灰度级的不连续，因此需用平滑技术进行排除。局部阈值法常用的方法有灰度差直方图法、微分直方图法。全局阈值分割方法在图像处理中应用比较多，它在整幅图像内采用固定的阈值分割图像。根据阈值选择方法的不同，可以分为模态方法、迭代式阈值选择等方法。这些方法都是以图像的灰度直方图为研究对象来确定阈值的。另外还有类间方差阈值分割法、二维最大熵分割法、模糊阈值分割法、共生矩阵分割法、区域生长法等等。
就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。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，首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。其次，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。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。
2.2.5图像的边缘化检测
图像的边缘是图像最基本也是最重要的特征之一。边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。 图像分析和理解的第一步常常是边缘
- - 13
检测。边缘检测的目的是去发现图像中关于形状和反射或透射比的信息，是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。对一些传统的边缘检测方法和近年来广泛收到关注的边缘检测算法进行了简单介绍。综述中只涉及到检测方面，而没有讨论滤波、边缘定位、算法的复杂程度和边缘检测器性能的评价。其基本操作就是寻找图像中变化比较剧烈的像素位置。这些像素可以简单地表示图像中有用的信息。进行边缘检测的基本步骤如下： （1）去除噪声。
（2）对图像进行灰度处理。 （3）检测边界。
边缘图像的最基本特征，边缘点是图像中周围像素灰度有急促变化的像素点，即灰度值导数较大或极大的地方。所谓边缘是指图像周围像素灰度有阶跃变化或屋顶状变化的像素的集合，它存在于目标与背景、目标与目标、区域与区域、基元与基元之间。边缘具有方向和幅度两个特征，沿边缘走向，像素值变化比较平缓；垂直于边缘走向，像素值变化比较剧烈，可能呈现阶跃状，也可能呈现斜坡状。因此边缘可以分为两种：一种为阶跃性边缘，它两边的像素灰度值有着明显的不同；另一种为屋顶状边缘，它位于灰度值从增加到减少的变化转折点。对于阶跃性边缘，二阶方向导数在边缘处呈零交叉；而对于屋顶状边缘，二阶方向导数在边缘处取极值。
由于噪声和模糊的存在，检测得到边界可能会变宽或某些点处发生间断，因此，边界检测包括两个基本内容：首先抽取反映灰度变化的边缘点，然后剔除某些边界点或者填补边界间断点，并将这些边缘连接成完整的线。
最简单的边缘检测方法是边缘检测算子，它利用相邻区域的像素值不连续的性质，采用一阶或二阶导数来检测边缘点。近年来还提出了基于曲线拟合的方法，基于边界曲线拟合的方法。其中基于曲线拟合的方法的基本思想是将灰度看成高度，用一个曲面来拟合一个小窗口内的数据，然后根据该曲面来决定边缘点。基于边界曲线拟合的方法用平面曲线来表示不同区域之间的图像边界线，试图根据图像梯度等信息找出能正确表示边界的曲线从而达到图像分割的目的，而且由于它直接给出的事边界曲线而不像一般的方法找出的事离散的、不相关的边缘点，
- - 14
因而对图像分割的后继处理如物体识别等高层处理有很大的帮助。即使用一般的方法找出边缘点，用曲线来描述它们以便于高层处理也是经常被采用的一种有效地方式。
常用的边缘检测算子有Roberts算子、Sobel算子、Prewitt算子、Laplacian算子、LoG算子、Canny算子等等。 （1）Roberts算子 Roberts梯度算子的模板:
??10??0?1??01? ?10? ????用Roberts算子计算时利用的像素数一共有4个。Roberts算子边缘定位准，但对噪声敏感。适用于边缘明显而且噪声较少的图像分割。 （2）Sobel梯度算子 Sobel梯度算子的模板：
??101???1?2?1???202??000?? ?? ????121????101??用的是邻域加权平均，相当于先做图像平滑处理，然后再求导。Sobel算子认为，邻域的像素对当前像素产生的影响不是等价的，所以距离不同的像素具有不同的权值，对算子结果产生的影响也不同。一般来说，距离越大，产生的影响越小。
（3）Prewitt梯度算子 Prewitt梯度算子的模板：
??101???1?1?1???101??000?? ?? ?????101???111??- -
15