數字圖像處理技術與MATLAB應用

張廣才 萬守鵬 何繼榮

摘? 要： 數字圖像處理是機器人視覺的關鍵技術之一，本文簡要介紹計算機中數字圖像定義與基本類型后，詳細介紹了數字圖像處理的常用方法，并對其優缺點與應用場合作扼要概述。接著引出數學軟件MATLAB在圖像處理方面的優勢，分領域概述MATLAB在圖像處理中的實際應用，并對其應用或開發的系統作簡要評述。最后在總結全文的基礎上提出下一步工作重心，基于MATLAB開發設計出一款數字圖像處理系統，為機器人視覺計算等奠定基礎。

關鍵詞： 數字圖像;圖像處理;MATLAB;應用;綜述

【Abstract】： Digital Image Processing （DIP） is one of the key technologies in robot vision， at the beginning of this paper the definition of digital image and its fundamental type are introduced briefly， then some common methods of DIP are summarized in detail， its relative merits and applications are concisely described. Next the advantage in image processing of MATLAB is discussed， its practical application is summarized by technology field and its arithmetic or the system is evaluated shortly. In the end conclude the paper and put forward to a DIP system based on MATLAB， preparing for robots vision calculation.

【Key words】： Digital image; Image processing; MATLAB; Application; Overview

0? 引言

圖像通常有兩類：一類是由無限稠密的點連續變化產生的模擬圖像，如光學圖像和電子圖像;另一類就是以計算機方式采樣并保存的數字圖像。得益于計算機領域的急速發展，圖像處理領域也在近年來逐步成長并完善成為相當實用的技術[1]。若無特殊說明，通常文獻中提到圖像處理均是表示數字圖像處理。

數字圖像處理技術是通過信號采集將連續信號采樣為離散信號，運用計算機相關計算從中獲取有效消息的技術，在科學研究、工農生產、道路出行、民生國防等諸多領域有很好的應用。本文解讀數字圖像處理相關內容，并結合MATLAB綜述幾個領域圖像處理的應用實例，最后展望設計一款圖像處理平臺，為機器人視覺圖像處理奠定基礎[2]。

1? 數字圖像處理技術

1.1? 圖像處理

圖像處理由于受到數據龐大、技術手段不成熟且處理難度高等因素的制約，其技術一開始并沒有得到很好的應用效果。源于計算機技術急速發展，圖像處理才有所進展。隨著科技發展，除專人專用外現已鮮有用戶用膠卷去獲取圖像，取而代之的是依靠數碼相機、工業相機、攝像機、掃描儀或者其他移動設備，通過這一途徑取得的圖像均是數字圖像，圖像采樣在獲取圖像的同時已經完成。常見的圖像處理流程如圖1所示。

1.2? 圖像處理目的

數字圖像處理技術最初只是為了讓圖像的品質有所提升，將圖像中不需要的部分消去，便于人們觀察和識別。隨著社會的大幅進步與生活節奏的改變與需要，圖像處理也從改善視覺效果逐漸轉變到更為深遠的層面，一是圖像在傳輸或保存時占用大量資源，繼而發展出壓縮編碼等節省儲存空間和提升信息的傳輸;二是根據圖像中包含的特征信息，使計算機更迅速更準確地識別圖片，為機器視覺與機器辨識提供便利;三從信息安全角度，圖像處理還可以進行圖像加密，防止隱私泄密、保護國家或個人信息安全等方面[3]。

1.3? 圖像處理技術

1.3.1? 圖像預處理

圖像預處理包含圖像運算和圖像變換。圖像運算描述圖像由一種狀態轉換為另一種狀態，包含以下幾個方面：

（1）像素運算：最基本操作，處理每個像素值來修正圖像顯示效果。

（2）代數運算：理解為數組間的運算，可用作本身算術操作，也可用作復雜圖像處理的準備工作。

（3）幾何運算：可看成像素在圖像中移動的過程。

（4）邏輯運算：包含位與、位或、位補、位異或和位移位等運算。

圖像處理主要手段之一的圖像變換很好地解決了空間域中計算大或無法處理的問題，主要包含：

（1）離散傅里葉變換DFT：信號處理中最重要、應用最廣泛的變換，根據某種變換關系將信號從時域變換到頻域，經變換后在頻域進行處理。

（2）離散余弦變換DCT：類似于DFT，但只使用其實數部分，因其運算快而廣泛應用于圖像壓縮編碼領域。

（3）離散小波變換DWT：是對DFT的一個重大突破，在時域和頻域均有較好的局部特性和能量集中特性，在圖像壓縮和分割等領域解決了許多DFT解決不了的問題。

1.3.2? 圖像增強與復原

適當的圖像增強，能在圖像去噪的同時保留其特征，使圖像更加清晰明顯，為觀察者提供更為準確的信息。圖像增強的方法主要有：

（1）灰度變換增強：通過提高圖像對比度，使圖像像素值均勻分布或者滿足某種分布狀態來增強圖像。

（2）空域濾波增強：在空域中計算每個像素的灰度值來增強圖像。

（3）頻域濾波增強：圖像經某種變換到頻域，由該域專有性質處理后把所得數據反變換回原先空域中得到增強后圖像。

（4）彩色增強：根據人眼的視覺特性，通過對物體進行彩色合成、彩色顯示或改變彩色分布來突出不同物體間的差別，以提高解譯效果。

圖像降質的因素是多樣的，若不考慮其原因，是很難得到滿意的復原結果的。圖像在復原細節的同時必然會混入噪聲，而去除噪聲的同時也會一定程度上模糊邊緣，一般要對圖像的退化機理作分析。但這種退化機理較復雜，實際中常用的線性系統退化原因，用近似的退化函數來復原圖像。圖像復原方法有逆濾波復原、維納濾波復原、盲去卷積濾波復原等。

1.3.3? 圖像壓縮編碼

未經處理的圖像本身占空間較大，對其保存、處理或傳送占用大量資源，因此要對其進行相應的處理。由于原始的圖像數據含有大量各類的冗余信息，可以通過技術手段減少甚至消除這些冗余，在期望的條件下用盡可能少的數據量重構圖像，這就是圖像壓縮編碼研究的內容。

壓縮編碼分無損編碼和有損編碼。無損編碼是保留全部數據的壓縮方法，常用算法有算術編碼、Huffman編碼、行程編碼等，刪除了圖像中的編碼冗余，對于顏色大體相同的圖像壓縮效果較好。有損編碼的圖像在還原時有一定程度的失真，但這種失真是可接受范圍內的，如刪除某些人眼無法察覺的顏色信息冗余。常用算法有預測編碼、子帶編碼、統計分塊編碼和分形編碼等，因其能獲得很好的壓縮比而在實際中應用很多，有如JPEG這樣普遍應用的圖像格式。

1.3.4? 圖像形態學

數學形態學算法因其并行結構可以并行處理圖像，優勢便是使得圖像處理更迅速。其基本運算有膨脹、腐蝕、開運算和閉運算，當處理二值圖像時，形態學主要是用于提取處理所需的圖像成分，基于4種基本運算可組合或推導出實際用途的算法，如邊界提取、連通分量提取、凸殼、區域骨架的形態學算法等。當處理灰度圖像時，利用4種基本運算可建立灰度級形態學算法，如形態學梯度運算邊界提取算法、紋理區域分割算法、平滑及銳化處理算法等。這些算法在圖像壓縮、復原、分割、邊緣檢測、紋理分析或形狀識別等領域非常有用。

1.3.5? 圖像分割

一幅圖像中既有“有效”的信息部分，又有“無效”的背景部分，有時候需要提取圖像中某一個或某一些特定的對象，此時可根據這些對象具有的某種獨特的性質，這些特定的性質可以是灰度、紋理、顏色或區域等，這就是圖像分割。常用的分割方法有：

（1）邊緣檢測分割：檢測不同部分的邊界來分割圖像，本質上是利用某種算法提取所需對象和背景間的分界線。

（2）閾值分割：按照灰度級整合像素集合，閾值的選取可以是多樣的，各區域內具有相同的屬性，使用較廣泛，如二值化分割等。

（3）區域分割：解決了閾值分割閾值選取受限的問題，方法有區域生長法、分裂合并法等。

隨著理論的推進，已有學者在圖像分割中加入模糊理論、遺傳算法、小波變換等研究成果，形成聯合特定方法和面向特定圖像的現代分割手段。

1.3.6? 圖像描述與對象識別

圖像處理最后要達到的期望是對圖像有一個客觀的描述并且能夠進行識別，涉及模式識別領域，要點是圖像的特征提取。進行了前述一個或多個操作的圖像預處理后，對圖像進行特征提取，形成圖像的客觀描述，若注重于形狀特征時，可采用外部表示法，若更側重顏色、紋理等特征時，可采用內部表示法，當然很多時候會同時采取兩種方法。抓取各對象間能代表本質差異的描繪子進行特征提取，得到計算機關于圖像的認知，從而對圖像進行比對、識別、分類等。常用的模式識別方法有決策理論方法、結構性方法和統計方法等。

2? MATLAB應用

2.1? MATLAB簡介

三十余年前MathWorks公司發布軟件MATLAB，鑒于其良好的開放性、計算穩定和易于上手等優點，幾年內就淘汰了當時市場上控制領域的軟件如UMIST、LUND、SIMNON、KEDDC，成為國際控制界標準計算軟件。如今MATLAB在數值計算方面首屈一指，廣泛應用于控制設計、信號處理和圖像處理，新版本中還加入了對C、C++、FORTRAN、JAVA的支持[4]。

2.2? 圖像處理工具箱

MATLAB DIP Toolbox囊括二十多類百余種圖像處理函數，如圖像導入imread（）、圖像導出imwrite（）、圖像呈現imshow（）、圖像調整imresize（）、圖像直方圖imhist（）、二維DCT變換dct2（）、霍夫變換hough（）、邊緣檢測edge（）、圖像膨脹imdilate（）、圖像腐蝕imerode（）等等。經過多年工程應用，很多科研工作者及編程愛好者也編寫了許多經典的圖像處理函數庫，可直接修改調用，極大地方便了用戶編程。

2.3? 圖像處理應用

（1）工業生產領域

某些領域由于特殊的生產環境及粗糙的噴印狀況，致使物資上的物料編碼難以分辨，給企業的調度管理帶來麻煩。為消除人工操作帶來的弊端，實現物資自動化出入管理，圖像處理技術在物料編碼自動識別領域也大有作為。東南大學相關學者針對企業鋼板自動識別的需要，設計一款基于數字圖像處理的板號識別系統，該系統準確率達99.02%，在特殊工況下應用較好。圖像處理在檢測有色金屬時也有較好的表現，如銅礦石種類繁多，組成成分復雜，性質、狀態等存在明顯的差別，依靠人為檢測具有較大的難度。計算機圖像處理與識別技術有效地解決了銅礦石復雜的組成成分帶來的問題，實踐中取得了更為精確的檢測結果[5-7]。

（2）交通監管領域

智能交通系統關鍵的一步便是車牌自動識別，這也是建立在日益成熟的圖像處理技術基礎之上的，采用機器視覺及圖像處理的方法代替人類視覺對圖像進行分析，識別車牌號碼。我國汽車保有量巨大，相應的車牌也較復雜。中文、英文、阿拉伯數字、特殊符號及顏色的組合提高了車牌識別的復雜程度，運用高級語言如C、C++等進行圖像處理對程序能力要求高、難度大且日后維護困難，基于MATLAB計算能力優勢及各類圖像處理函數庫可降低編程和維護的難度與麻煩，判別迅速，已有諸多學者將其應用在汽車牌照自動識別中，基于MATLAB的車牌識別反應靈敏、識別迅速，應用效果較好，在各類車型與日俱增的大環境下將會發揮出越來越多的作用[8-11]。

（3）監控安防領域

臉部特征是一個人的固有特性，發育成型的個體臉部能長期保持不變且個體間臉部特征迥異，是以考究身份的有力憑據。因其方便友好、識別被動、用戶易于接受等優勢，應用人臉圖像來證實和判斷身份成為國內外監控安防領域研究的熱點之一。

當今人臉識別主流方法是Kirby和Turk等人為了解決高維度向量不緊湊及計算分析上的難度與復雜度而提出的主分量分析子空間方法，較成功的有線性判別分析法、主分量分析法、矢量量化法、獨立元分析法等?；诙S人臉識別技術已日趨完善，在相關應用中得到了較好的識別結果，但當發生姿位、神態、化妝或者光照等變化顯著時，識別效果不太理想。近年來，學術界已經著手研究三維人臉識別技術，借助如雙目相機等手段獲取景深，構造三維立體模型進行匹配，基于MATLAB強大的數學計算能力，使人臉識別技術朝著更加準確、高效、便捷的方向發展[12-13]。

（4）人工智能領域

由于中國人口基數大，老齡人口與殘障殘疾人口也數目眾多，殘疾人中尤以聾啞人數目最多。絕大多數人不能理解手語，傳統的紙筆交流不僅費時耗力，還需極大的耐心，使得這部分殘疾人在生活中與外界溝通時存在著極大的交流障礙，極易導致自卑心理甚至報復社會。在此背景下基于圖像處理借助計算機、智能手機或其他智能穿戴設備的手勢識別及表情識別便應運而生。已有學者通過MATLAB建立手勢模型，利用分類識別的方法識別手勢含義等，再借助人機交互設備進行行文顯示，達到溝通迅速、便捷、無障礙是未來這一領域的目標方向[14]。

3? 總結與展望

數字圖像處理技術借助計算機技術，能夠實現圖像處理的復雜運算，優勢在于其精度高、應用面廣、靈活性高及有很強的再現性，在許多領域和行

業已得到廣泛的應用。數字圖像處理技術日臻完善的同時，也受到一些技術條件的限制，如數學理論的進步、計算機技術與性能的進展以及相關軟硬件的發展等因素。

本文詳細介紹了現階段數字圖像處理的有關技術以及圖像處理MATLAB的相干應用，隨著計算機硬件、通信技術以及其他科學技術領域新理論、新算法、新設備的提出，未來數字圖像處理的應用領域將更加廣闊，發展方向將是技術標準化、處理高速化、設備芯片化及智能化。項目下一步工作是基于MATLAB設計一款圖像處理系統，為機器人視覺及后續工作提供一套可行性方案。

參考文獻

[1]安從姝. 關于圖像處理技術現狀及發展的分析[J]. 科技資訊， 2018， 25： 72-73.

[2]Rafael C. Gonzalez， Richard E. Woods. Digital Image Proce ssing[M]. Third Edition. 北京： 電子工業出版社. 2010.

[3]張薇， 于碩. 數字圖像處理綜述[J]. 論述， 2015， 9： 258-259.

[4]秦貝貝， 毛一敏， 王艷梅. MATLAB在數字圖像處理中的應用[J]. 無線互聯科技， 2018， 12： 135-136.

[5]相銀堂， 李奇. 基于數字圖像處理的鋼板號識別系統設計[J]. 冶金自動化， 2018， 42（6）： 54-58.

[6]申賓德. 數字圖像處理技術在機械工程領域中的應用與研究[J]. 機械研究與應用， 2018， 2： 170-172.

[7]許超， 吳劍劍， 廖開星， 等. 數字圖像處理在核電廠安全殼外觀檢查中的應用[J]. 電子設計工程， 2019， 27（11）： 87-90.

[8]宋延爽. 數字圖像處理技術在智能交通中的應用研究[J]. 信息記錄材料， 2019， 20（4）： 86-88.

[9]莫玲. 圖像處理技術在車牌識別中的研究[J]. 輕工科技， 2018， 34（8）： 88-90.

[10]崔詩晨， 遲宗濤. 基于MATLAB的車牌識別的設計[J]. 工業控制計算機， 2017， 30（8）： 68-69.

[11]黃岳銳， 黃楷佳. 基于圖像處理的車牌識別與字符分割及MATLAB實現[J]. 內蒙古科技與經濟， 2019， 10： 64-66.

[12]覃杰， 喬濤. 數字圖像處理技術在視聽資料證據中的應用研究[J]. 法制博覽， 2015， 12： 284-285.

[13]李雄偉， 王秋云， 楊昊亮. 數字圖像司法鑒定相關技術研究[J]. 法庭科學， 2018， 2： 99-102.

[14]陳旭， 張卓， 趙越， 等. 數字圖像處理技術在機器人方面的應用[J]. 技術研發， 2017， 24（3）： 44-45.