2 

 

算法，实验表明，针 对不同种类的图像，相同算法具有不同的处理效果，而且

对相同图像进行预处理的效果，不 仅与算法有关，还与处理的顺序密切相关．然

而，现有的图像预处理算法大多没有考虑后续 处理的要求，针对B超图像处理的

效果也很不明显，所以在现有算法的基础上进行改造、 创新，经反复的实验分

析，找到了较适合于B超图像的预处理方法。在实际运用中，采用的 方法是对原

始的B超图像先进行保持边缘的平滑化滤波，再进行直方图均衡化增强，这样能

很好地完成图像预处理的任务。实践证明，该处理方法能为轮廓提取提供一幅好

的数 字图像。预处理的第一步就是对图像进行灰度化处理。 

2.1.1  基本原理与实现方法 

将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。彩色图像中的

每个像素的颜色有 R、G、B 三个分量决定，而每个分量有 255 个中值可取，这

样一个像素点可以有 1600 多万（255×255×255）的颜色的变化范围。而灰度图

像是 R、G、B 三个分量相同的一种特殊的彩色图像，其中一个像素点的变化范

围为 255 种，所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以

使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了

整幅图像的整体和局部的色度和亮度等级的分布和特征。 

在 RGB 模型中，如果 R=G=B 时，则彩色表示一种灰度颜色，其中 R=G=B

的值叫做灰度值。因此，灰度图像每个像素只需一个字节存放灰度值（又称强度

值、亮度值）

，灰度范围为 0-255。图像的灰度化处理，一般有以下三种设计方案： 

（1）加权平均法 

根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼

对绿色的敏感最高，对蓝色敏感最低，因此，对 RGB 三分量进行加权平均能得

到较合理的灰度图像。 

根据重要性及其它指标，将 R、G、B 三个分量以不同的权值进行加权平均。

由于人眼对绿色的敏感度最高，对蓝色敏感度最低。因此，我们可以按下式，对

RGB 三分量进行加权平均能得到较合理的灰度图像。 

      f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))       

（2）平均值法 

求出每个像素点的 R、G、B 三个分量的平均值，然后将彩色图像中的这个

平均值赋予给这个像素的三个分量。 

将彩色图像中的 R、G、B 三个分量的亮度求简单的平均值，将得到均值作

为灰度值输出而得到灰度图。其表达式见下式： 

  f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3