彩色图像目标提取、图像去噪和形态学处理

       在图像分析中，图像分割在两个方面有不同的解释，一个是整体图像分割，它的目标是区分开整个图像的不同的区域；另一个方面是目标分割也叫做目标提取，方便对目标的识别和理解。

       在对彩色图像进行目标提取，通常有两类方法常被采用：一类实现的目标分割取决于目标区域的颜色，包括直方图阈值法、K—均值聚类算法或模糊K—均值聚类等算法；另一类是基于像素的空间信息，后者又分为两小类：一类是取决于目标边缘的梯度信息，因此它经常被成为基于边缘分割的方法，传统的基于边缘的分割方法的实现要两个步骤，首先是用一些底层的边缘检测算子检测出图像中所有边缘，人们一般用Sobel、Canny等算子进行边缘检测，然后根据连续性和联通性，使用边缘链接策略进行边缘连接。由于局部梯度信息的利用使得这些算法对噪声非常敏感，从而影响它们的收敛速度和分割效果，因而这类方法的难点在于如何处理边缘的噪声、重叠和断裂的边界，以及复杂形状；另一类是依赖图像中区域像素空间位置信息，使用了像素之间的相关性，因为这些算法受区域中的所有的像素的影响，因此他们通常被叫做基于区域的分割。基于区域的图像分割一般不易收到噪声的影响，这类方法是以高 的计算复杂度为代价的。

图像中去除噪声

常用去噪方法：均值滤波、中值滤波、高斯滤波

对图像去噪的过程可以认为是一种图像平滑或者滤波的过程。

（1）均值滤波

         均值滤波，它是线性滤波同时是去噪算法中最简单的方法之一，考虑到噪声在数值上与其相近的像素有很大的差别的特点，为了降低这种跳动值，它采用了模板中像素平均化的方法，即用模板中所有像素的平均值作为模板中心像素值，这样就实现了图像的平滑效果。

        均值滤波算法的优点是既简单又快速，对于图像中含有零均值下的高斯噪声或对图像尖锐性要求不高的情况下有很好的处理效果；缺点是由于它采用了模板均值替换中心像素值，虽然滤除了噪声，但是它造成处于边缘的像素点变得模糊，丢失了最初图像的某些特征，并且模糊的程度随着模板的变大而加重，使得边缘提取变得很困难。

（2）中值滤波

        中值滤波其思想是把窗口的正中心的灰度值用模板中的所有像素点的灰度值的中值来替换，这个窗口是滑动的，当窗口滑过整幅图像后也就是完成了去除图像中孤立噪声点的环节。模板正中心的像素点是待处理的点，要想获得模板中的全部像素点的灰度值的中值，需要将全部像素点的灰度值按一定规则排列，处于中间位置的灰度值即为所要寻找的中值，考虑到模板的大小可能是奇数个像素或偶数个像素，对于这两种模板应按照下面原则搜索中值位置，若为奇数，则中值位置就是排好序的中间位置的像素点的灰度值；对于偶数大小模板，灰度值的中值是中间两个灰度值取平均，该方法是非线性滤波，很适合处理椒盐噪声。

       当今，中值滤波被广泛应用于处理二维图像信号的领域，窗口的形状及尺寸要根据实际的应用而确定，在处理二维图像时，窗口形状一般选取方形、圆形及十字形。该方法可以避免出现由邻域均值滤波或最小均方滤波引起的细节模糊问题，能很好的处理脉冲噪声，但是，由于边缘抖动，细节信息易被滤除，中值滤波用于细节丰富的图像时处理效果欠佳，同时不适用于处理高斯噪声。

（3）高斯滤波

      高斯滤波器在模板中心元素处引入八个方向，通过设置不同的数值可以有针对性地突出重要信息，它的权值由高斯函数来确定，离模板中心元素越近的像素对结果的影响就越大，因此采用加权的方法扩大影响的程度，权值的大小与像素跟中心点的距离成负相关，输出结果是像素邻域的加权平均值。由此可知，高斯滤波器不易受高频信号的影响，可以实现在各个方向上去噪程度一致，参数 s 的大小决定了去噪程度。

形态学处理

     通过统计图像中灰度值从而设定阈值的分割方法，由于受到光照噪声等原因，分割出来的物体区域出现空洞或者是图像中出现一些零散的被错分为目标的小区域。为了减少噪声对后面的特征提取的影响，需要填补这些空洞，同时滤除掉这些小区域，形态学处理方法就可以实现这一目标。

比较常用的方法有腐,蚀与膨,胀、开,闭运算，其中膨,胀与腐蚀互为对偶运算，开,运算与闭运算互为对偶运算，它被经常用于处理阈值化之后的二值图像。

    膨胀算法的作用是将某一区域周围的距离比较近的像素点合并成一体，使得图像被扩大。它的实现是通过图像与核卷积。

    腐蚀运算，与膨胀运算相对偶腐蚀运算可以搜索到核区域中像素的最小值。腐蚀处理可以滤除图像中的噪声点，因此腐蚀处理之后的二值图像中目标区域更加贴近真实情况，滤除了一些无用的像素。

   开运算其实就是腐蚀和膨胀方法的一种组合运算。在二值图像上先腐,蚀，再膨胀，开运算不仅可以去除图像中的小毛刺和由噪声引起的小点，同时还可以把细长的搭接相分离。因此，开运算在保证总体目标的形状和位置不变的前提下，可去除孤立点和细小的目标，起到平滑物体边界的作用。

   闭运算，与开运算不同的是闭运算先膨胀再腐蚀。它可以填充图像中小的孔，亦可连接相邻接的目标区域，这种方法使得物体边缘更加平滑并且不会改变目标区域大小。