8.1.5 图像平滑处理
图像平滑是指消除或减少噪声和物体本身存在的颜色突变部分，改善图像的质量，使得后续图像分析有更好的结果。噪声产生的原因包括图像采集时光照的影响、图像保存或传输时引入的信道噪声、环境中一些颗粒物体的干扰。物体本身的颜色突变部分是指物体由于受损或质量问题存在的一些裂缝、空洞或斑点等，这些都会使图像处理产生干扰。消除这些干扰的常用方法有均值滤波法、中值滤波法。图像中的噪声往往和有用信息交织在一起，这两种滤波方法在使用过程中都会使图像清晰度降低。
(1)均值滤波法
均值滤波法是一种线性滤波方法，它的原理是给各个目标像素一个模板，该模板由以目标像素为中心的周围相邻像素组成，利用模板中的所有像素的平均值来代替目标像素值。
假设f(x，y)是图像中坐标为(x，y)的像素点的颜色值，经过一个M×M 的模板均值滤波后，该像素点的值变为g(x，y)，变换公式为：
该方法的模板其实是一个低通滤波器，滤掉图像中的一些高频的噪声。但是图像中的细节信息主要分布在高频区域，因此图像滤波往往会导致图像的细节变得模糊起来。滤波的能力与模板大小选取有关，模板越大则去噪能力越强，但图像会更模糊，模板越小则滤波能力越小。因此滤波方法需要对消除噪声干扰和保留图像细节两方面进行平衡。
(2)中值滤波法
中值滤波法是一种常用的非线性的平滑滤波处理方法，其原理与均值滤波法相似，不同点在于输出的像素是由邻域像素的中间值而不是均值得到的，适合于消除孤立的噪声，较好地保护图像的细节。假设f(x，y)是图像中坐标为(x，y)的像素点的颜色值，经过一个M×M 的模板均值滤波后，该像素点的值变为g(x，y)，变换公式为：
其中Med{}代表取像素的中间值。中值滤波法的具体步骤为：
①将模板在途中遍历，模板中心与图像中的像素点重合，读取模板下各对应像素的值。
②对读取的各个像素值进行排序，计算其中间值。(https://www.daowen.com)
③将中间值赋给图像中该像素点作为此像素的颜色值。
④按上述操作遍历所有的像素点。
在实际应用中数字图像中存在的噪声可以分为椒盐噪声与高斯噪声，其中椒盐噪声是由图像传感器、传输信道、解码处理等产生的黑白相间的亮暗点噪声，而高斯噪声是指由于磁场、电场发生无序的变化，经过放大电路产生的各种干扰噪声，其概率密度函数服从正态分布。图8.4为利用5×5的模板对两类噪声干扰图像分别进行均值滤波与中值滤波平滑预处理的结果。
分析以上实验结果可知，均值滤波与中值滤波都可以滤去图像中的噪声，起到平滑图像的作用。对于椒盐噪声干扰的图像，由于其噪声点相对比较少，利用中值滤波处理图像，在消除噪声点的同时还能保持原始图像的边缘部分保持清晰；对于高斯噪声的图像，由于噪声点比较多，利用均值滤波可以比中值滤波更好地消除大部分的噪声影响，所得到的图像模糊程度与滤波时采用的模板有关，模板越大，平滑效果越好，图像也会变得更加模糊。
对于本节研究粘连颗粒图像处理所采用的玉米颗粒图像，图像本身会在传输编码过程中存在一些微小的噪声干扰，目标的边缘位置会出现一些容易与背景混淆的像素点，灰色目标内部也可能会因为细节部分而出现一些突变的点，黑色背景像素点会由于光照过强而反光的原因被误判为目标点。同时为了避免在采集图像的过程中空气中灰尘等小颗粒物体的干扰，需要对图像进行滤波方法的平滑处理，以使后续的分割效果更好。由于图像中出现的噪声点总数不多，可以归为椒盐噪声，因此采用中值滤波会取得更好的平滑效果。图像平滑结果见图8.5。
图8.4 滤波效果图
(a)原始图像；(b)椒盐噪声干扰图像；(c)高斯噪声干扰图像；
(d)椒盐噪声图像均值滤波；(e)高斯噪声图像均值滤波；
(f)椒盐噪声图像中值滤波；(g)高斯噪声图像中值滤波
图像平滑可以使得图像中微小的干扰消失，如图8.5中大的圆圈内的背景像素点受光照影响灰度接近目标，经平滑处理后亮的像素点减少。小的圆圈内的玉米颗粒边缘则存在一些干扰的像素点，颗粒内部的灰度值也不均匀，这些干扰都会对颗粒的特征分析以及颗粒计算造成一定的影响。经过平滑后图像目标颗粒的灰度值变得较为统一，不会出现极小区域的突变点。平滑处理使得后续的图像二值化处理区分目标与背景像素点变得更加准确。
图8.5 平滑效果图
(a)玉米灰度图像；(b)平滑结果
