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