;彩色图像处理关键技术解析.docVIP

彩色图像处理关键技术解析 摘 要：随着我国科学技术的发展和人们对生活的要求越来越高，如今彩色图像处理已成为一种与人们的工作和生活越来越密切的技术。本文将主要就彩色图像处理中的几个关键技术（主要是滤波技术和分割技术）进行分析，希望能为相关专业人士提供一些参考。 关键词：彩色图像处理；脉冲噪音滤波；矢量滤波法 如今，随着经济的发展，人们的审美标准也有所提升。因此，越来越重视对彩色图像的处理。但是目前，在我国的图像处理技术上还主要集中在灰度图像技术上，无法有效地实现向彩色图像技术的转移。在本文中，笔者将主要针对彩色图像处理中的关键技术作简要的分析。 彩色图像滤波技术分析 彩色图像处理的过程到底是什么样的，笔者以图的方式展示了其处理的流程（如图1），并将在下面将彩色图像处理中较关键的滤波技术进行分析。 （一）彩色图像脉冲噪音滤波技术 彩色图像滤波主要是为了过滤掉噪音，而同时，要保持图像边缘的细节总分不能降低，且不能有新的颜色产生，这样就可以很完整地保持图片本身的真实色彩。过滤彩色图像的脉冲噪音的方法主要有两种，分别是标量滤波法和矢量滤波法。彩色图像都是由三个颜色分量组成的，运用标量滤波的方法主要是将它们一个一个地逐渐进行滤波，然后对滤波以后的彩色图像再次合成。这种方法的不足之处就是没有重视这三种颜色之间的联系，从而容易产生新的颜色而导致色彩出现偏差。 矢量滤波则与标量滤波有互补之外，其在处理时将三种颜色分量之间的联系考虑进去了，因而有效地防止了新的颜色的产生，同时，运用了三维矢量的图像处理原理，因此，在行业内的人看来，矢量滤波法要比标量滤波法更为科学、合理，并且处理后的彩色图片效果更好。矢量滤波主要分为线性滤波和非线性滤两种，而非线性滤波是以排序为基础，主要用于脉冲和噪音两方面的过滤。其原因主要是可以很好地保持图像的细节。在彩色像素集合里，只有矢量中值能将颜色本身的特征反映出来，也正因为矢量中值的非线性滤波法而产生了矢量中值滤波法。并在此基础上，又产生了像矢量方向滤波法等五种滤波法，这些方法都可以或多或少地起到过滤彩色脉冲噪音的作用。 （二）非线性矢量滤波法 运用非线性矢量滤波法处理彩色像素时，不管有没有噪音对滤波像素与周边的像素进行干扰，其结果都是一样的。正常情况下，噪音也影响不到整幅噪声图象的像素。但是，如果在没有区分的情况下，对所有的像素都给予滤波处理，那会让那些原本未受到污染的像素出现色彩和信息的失真。所以，在进行像素滤波时，一定要有选择地进行，其步骤如下：首先对所有像素进行脉冲噪音检测，待结果出来后，将那些含有脉冲噪音像素的图片进行滤波，以保持其本色，并有利于保持其细节方面的提升能力，基于此，就出现了检测脉冲噪声的彩色图像的滤波方法，这样，更进一步的提升了图像的细节保持能力。当然，这种方法在进行脉冲噪声的判断和过滤时也存在不足之处，即无法对噪声的判断达到完全正确，因而也会出现漏判和误判。 二、彩色图像分割技术分析 一 图像分割 图像分割指的是将一个图像按照颜色或纹理以及边缘相同或者相似的特征分割成多个区域的一种图像处理方法。图像分割作为数字图像处理前期的一个关键性环节，其图像分割的优劣直接决定了图像的特征提取和目标识别，甚至可以说图像分割是图像分析的基础，直接决定了图像分析的质量。因此，在实现高层次的图像理解的时候，可以采用以内容为基础的图像检索和对象分析来通过高质量的图像分割的方式提取重要的信息而获得。由此可见，图像本身的内容是非常复杂和丰富的，而其评价却没有一个统一的标准，目前在业界有多种图像分割的算法，但是其各有特点和局限性，因此，还没有哪一种图像分割的方法可以适用于一切图像的处理。 二 图像分割技术分析 如今，在我国图像分割的算法主要是用于灰度图像的分割。其分割算法有两种：区域增长分割算法，区域分裂、聚合分割算法。这两种图像分割的算法都可以适用于那些图像本身含有复杂的场景和景物，但缺乏先验知识的图像，而且效果还不错。和边缘分割或者是直方图分割相比较而言，在抗噪音方面能力较强的还是区域生长为前提的分割方法更适用；但它的计算成本偏高。而且，在计算过程中，如果因操作失误引入了不恰当的预定误差E值，那么判断的结果就会出现错误，就会对目标图像内部的组织造成干扰。近几年来，随着彩色图像被广泛运用在人们生活的各个领域，因而其分割技术也越来越引起人们的关注。其实，从本质上来讲，彩色图像和灰度图像在分割算法上基本相同，所不同的是，彩色图像包含着更多的信息和表达颜色空间的方式，而灰度图像的分割方法也就不能直接用来分割彩色图像。目前，在我国用于彩色图像的分割方法有很多，除了聚类法、墒闭值之外，还有博弈论标记结合法；此外，还有区域分裂合并、区域生长、松驰和边缘检测等方法，另有一种用得比较多的方法，就是采用神经元网络法。 针对图像进行分