的算术 平均值替代窗口中心的灰度值，这是最简单的均值滤波，而几何均值滤波的原理是将窗口 中图像像素的灰度值以几何运算求均值。
[0036] 可知邻域平均法就是将当前图像各像素邻域内的灰度平均值作为其输出值的一 种简单的去噪办法。
[0037] 均值滤波算法主要步骤如下：
[0038] 选择一个3X3窗口，中心像素是该点输入时的像素值，其余的是它邻域内像素的 值。
[0039] 然后求这些像素值的均值，作为输出的像素值，这就是邻域平均法的原理。
[0040] 另外对于第一行和最后一行、第一列和最后一列来说，不能找到与自己相邻的八 个像素，因此保持它们的数据不变，最后把这几行列的数据和那些变化后的数据组合在一 起组成图像的灰度矩阵。
[0041] 按照此灰度矩阵的值输出图像。
[0042] MATLAB中读取的图像都是八位的，其最大值只有255因此当把九个数相加后就超 过了 255,因此它会自动的取255.于是在im2double中将uint8数据类型转换为double 型，再在整个数据运算完了以后调用im2uint8将double数据转换为uint8并显示出来。
[0043] 均值滤波算法的输出图像是以窗口内所有像素按照某种数学操作取均值，算术滤 波器可以有效的去除高斯噪声和强度不大的椒盐噪声，几何均值滤波器相对于算术滤波器 能够保留更多的图像细节，但是由于算法过程中缺少对保持图像中含有目标边缘的考虑， 对图像中的所有像素点包括信号突变处都进行了平滑，使用均值滤波会造成边缘的模糊和 细节的湮没，因此均值滤波在图像去噪的同时也产生了不好的影响，这种方法在平滑了图 像信号的同时也使图像的细节部分变得更加模糊，可以验证当邻域取得越大图像会更模 糊。
[0044] 灰度变换是基本的图像点运算，是图像增强处理中的一种非常基础空间域图像处 理方法。灰度变换是指根据某种目标条件按照一定的变换关系去逐点改变原图像中每一个 像素灰度值，目的是为了改善画质，以便让图像的显示效果更佳清晰，因此灰度变换还被称 为图像的对比增强。经过灰度变换后的图像动态范围变大，对比度会增强，图像会变得更加 清晰，特征也更加明显。灰度变换主要利用点运算来改变图像像素点的灰度值，不改变图像 内的空间关系，除了根据某种特定的变换函数进行变换之外，灰度变换可以认为是对像素 进行简单的复制。灰度变换的表达式为：
[0045] g(x,y) = T[f(x,y)] (I)
[0046] 其中函数T是灰度变换函数，它定义了输入图像灰度和输出图像灰度之间的变换 条件。所以如果灰度函数确定了，那么灰度变换就被完全确定。灰度变换的方法有很多种， 比如图像灰度求反、灰度拉伸、灰度切分、灰度动态范围调整及灰度级修正等等。以上几种 方法对图像的处理效果各不相同，但是它们处理过程中都必须用到点运算。点运算通常可 以分为线性变换、分段线性变换以及非线性变换这三大类。
[0047] (1)线性变换
[0048] 假定输入图像f (X，y)的灰度值范围为[a，b]，变换后的输出图像g(x，y)的灰度 值范围扩展至[c，d]，则对于图像的任一点的灰度值（x，y)，其表达式如下所示：
[0050] 若原图像大部分像素的灰度级在区间[a，b]内，max f为原图像灰度最大值，只有 个别部分的灰度级不在区间内，则为了改善图像增强效果，可以令：
[0052] 因此线性变换适合那些曝光不足或过度的图像，它们的灰度可能会分布在一个很 小的范围内，这时得到的图像是一个比较模糊、没有灰度层次的图像。采用上述线性变换对 图像的每一个像素进行灰度作线性拉伸，将会有效的增强图像的质量。
[0053] (2)分段线性变换
[0054] 分段线性变换与线性变换类似，区别是为了突出图像中感兴趣的灰度区间，相对 抑制不需要的灰度区间，可以进行分段线性变换，它对图像灰度区间进行两至多段的分段。 进行变换时，把0-255灰度值区间分为几个线段，每一线段都对应一个线性变换函数。
[0055] (3)非线性变换
[0056] 非线性变换顾名思义就是利用非线性变换函数对图像进行变换，分为指数变换和 对数变换。指数变换，就是指输出图像像素点的灰度值与输入图像灰度值之间是指数关系， 其一般公式为：
[0058] 对数变换也就是指输出图像像素点的灰度值与输入图像的灰度值之间呈现出对 数关系，其一般公式为：
[0059] g(x, y) = lg[f (x, y)] (5)
[0060] 可见指数变换对于高灰度区间的扩展度要远远高于低灰度的区间，所以指数灰度 变换一般适用于过亮的图像。与指数变换相反，对数变换对于低灰度区间扩展度较大，所以 一般用来对过亮的图像进行处理。
【主权项】
1. 一种基于均值滤波的图像预处理的灰度空间划分方法，其特征在于：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； 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、对图像进行均值滤波，选择一个ηΧη窗口，中心像素是该点输入时的像素值， 其余的是它邻域内像素的值，然后求这些像素值的均值，作为输出的像素值； 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Τ的方法，它将图像 的每个像素的灰度值与Τ进行比较，若大于Τ，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Ρ作为初始类均值μ/1)，μ2(2)，…，μι⑴； 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 〇|χρ-μι(ι)I=min{D|xp-y/0 |,(j= 1, 2, ---1)} D为两个像素灰度值差小于定间距； Xp (P= 0, 1，…，255)为像素的灰度值； 则'e 0"为第i次迭代后赋给类j的像素集合； 步骤7、对于j= 1，2,…1，计算新的聚类中心，更新类均值：式中，％是0"中的像素个数； 步骤8、将所有像素逐个考察，如果j= 1，2,…K，有μ/1+1)=μ,(1)，则算法收敛，结束； 否则返回步骤6继续下一次迭代； 步骤9、以上聚类过程结束后，分割结果的各像素以聚类中心灰度值作为该类最终灰 度。
【专利摘要】一种基于均值滤波的图像预处理的灰度空间划分方法，包括以下步骤根据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；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；对图像进行均值滤波，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；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。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，将每个像素赋均值距其最近的类，对于j＝1,2,…l,计算新的聚类中心，更新类均值，将所有像素逐个考察。
【IPC分类】G06T7/00
【公开号】CN105303561
【申请号】CN201510607728
【发明人】张岱, 齐弘文
【申请人】成都融创智谷科技有限公司
【公开日】2016年2月3日
【申请日】2015年9月22日