[发明专利]一种图像预处理的灰度空间划分方法

说明书

技术领域

本发明涉及图像处理技术领域，提供了一种基于均值滤波的图像预处理的灰度空间划分方法。

背景技术

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。1998年以来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。图像分割后提取出的目标可以用于图像语义识别，图像搜索等等领域。

数字图像处理技术是一个跨学科的领域。随着计算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起各方面人士的广泛关注。首先，视觉是人类最重要的感知手段，图像又是视觉的基础，因此，数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。其次，图像处理在军事、遥感、气象等大型应用中有不断增长的需求。

1998年以来，人工神经网络识别技术已经引起了广泛的关注，并且应用于图像分割。基于神经网络的分割方法的基本思想是通过训练多层感知机来得到线性决策函数，然后用决策函数对像素进行分类来达到分割的目的。这种方法需要大量的训练数据。神经网络存在巨量的连接，容易引入空间信息，能较好地解决图像中的噪声和不均匀问题。选择何种网络结构是这种方法要解决的主要问题。

图像分割是图像识别和计算机视觉至关重要的预处理。没有正确的分割就不可能有正确的识别。但是，进行分割仅有的依据是图像中像素的亮度及颜色，由计算机自动处理分割时，将会遇到各种困难。例如，光照不均匀、噪声的影响、图像中存在不清晰的部分，以及阴影等，常常发生分割错误。因此图像分割是需要进一步研究的技术。人们希望引入一些人为的知识导向和人工智能的方法，用于纠正某些分割中的错误，是很有前途的方法，但是这又增加了解决问题的复杂性。

在通信领域中，图像分割技术对可视电话等活动图像的传输很重要，需要把图像中活动部分与静止的背景分开，还要把活动部分中位移量不同的区域分开，对不同运动量的区域用不同的编码传输，以降低传输所需的码率。

发明内容

本发明的目的在于提高了分类精度和准确性。能够实时稳定的对目标分割提取，分割效果良好的灰度空间划分方法。

本发明为了实现上述目的采用以下技术方案：

一种基于均值滤波的图像预处理的灰度空间划分方法，其包括以下步骤：

步骤1、根据RGB三个分量的重要性及其它指标，将三个分量以不同的权值进行加权平均运算。由于人眼对绿色的敏感度高，对蓝色的敏感度低，故可以按照不同的权值对RGB三个分量进行加权平均运算能得到比较合理的灰度图像。

步骤2、采取直方图均衡化首选先进行直方图修正，把原图像的直方图利用灰度变换函数修正为均匀分布，然后再进行直方图均衡化；

步骤3、对图像进行中值滤波，

步骤4、采取是全局阈值法，在二值化过程中只使用一个全局阈值T的方法，它将图像的每个像素的灰度值与T进行比较，若大于T，则取为前景色；否则，取为背景色；

步骤5、将L个灰度级范围内对应像素个数最多中心点P作为初始类均值μ₁⁽¹⁾,μ₂⁽²⁾,…，μ_l^(l)。

步骤6、在第i次迭代时，考察每个像素，计算它与每个灰度级的均值之间的间距，即它与聚类中心的距离D，将每个像素赋均值距其最近的类，即

D|x_p-μ_l⁽ⁱ⁾|＝min{D|x_p-μ_j⁽ⁱ⁾|,(j＝1,2,…l)}

D为两个像素灰度值差小于定间距；

x_p(p＝0,1,…,255)为像素的灰度值；

则为第i次迭代后赋给类j的像素集合；

步骤7、对于j＝1,2,…l,计算新的聚类中心，更新类均值:

式中，N_j是中的像素个数；