郑丹1，马尚昌1,2，赵静1

　　（1.成都信息工程大学 电子工程学院，四川 成都 610225；2.中国气象局大气探测重点开放实验室，四川 成都 610225)

       摘要：图像采集和处理方法的发展日新月异，针对不同图像特征的图像增强技术，可以加强图像可懂性，提高视觉效果，抑制噪声，为图像的后续识别做更好的铺垫。本文MATLAB平台主要用于平滑和锐化的QR码图像处理，在QR码图像去噪问题上，结合滤波的不同模板以及噪声类型，所获得的不同滤波的仿真实验结果表明：中值滤波窗口的尺寸大小是影响椒盐噪声去除有效性和提升图像识别率的关键因素；空域图像增强法中，平滑滤波所呈现出的功能效果更优于锐化滤波。

　　关键词：图像增强；空域滤波；中值滤波；噪声；QR码

　　中图分类号：911.7文献标识码：ADOI： 10.19358/j.issn.16747720.2017.04.012

　　引用格式：郑丹，马尚昌，赵静.基于空域滤波的图像增强法的探讨［J］.微型机与应用，2017,36（4）：4042，46.

0引言

　　图像是最直观的视觉信息，了解包含了大量信息的图像是获取信息的最直观的方式之一，图像技术已在科学研究、医疗、军事、教育、交通、执法和安全等方面得到了广泛的重视和极大的关注，并取得长足进展。图像技术的不断发展，信息交换的频繁以及二维条码的普及，提高了对图像精细程度、分辨率技术等指标的要求。噪声、曝光度、系统自身原因等会引起各种干扰因素，从而影响图像的获取和传输，导致出现失真、图像降质的问题。为此，在图像处理技术水平上，要提高层次效果，加强图像的可懂度，保证各种特征分析和处理水平的提升。在图像预处理中，图像复原和图像增强是提高视感质量的两种方法。繁琐的图像恢复技术需使用“降质模型”以复原图像［1］。而图像增强技术则只需将感兴趣的目标特征信息更精细化地表达出来，增强图像中特定目标信息的可辨识能力，抑制噪声，强化特色，提高可理解性，利于QR码图像的后续识别及内容的自动提取能力。

　　针对不同图像特征，提出不同的增强技术。图像增强技术主要包括：对比度拉伸、边缘突出、图像去噪、亮度校正以及伪彩色处理等［2］。基于空间的差异，该增强技术可分为：空域法和频域法。以灰度映射变换为基础的空域法，在像素组成的空间里直接对像素进行点操作和邻域操；而作用于傅里叶变换的频域增强法，是建立在卷积运算上的一种间接增强算法［3］。

　　本文重点介绍空间域的图像增强算法，在MATLAB平台上对QR码进行平滑滤波和锐化滤波处理，引入不同的噪声信号，对非线性滤波范围内的中值滤波所呈现出的滤除效果的实验结果，分析出不同滤波法的优劣势。

1空域图像增强技术

　　图像增强是改变QR码图像中的像素值的过程，改进了人或机器对重要图像细节或目标的检测能力，特定目标的图像增强技术没有通用理论和完美算法，实则为一个交互过程（如图1所示），最终获得一个改进新版本。

　　空域滤波本质上是作用于模板上的邻域操作，模板可看作一个小的覆盖在图像上的窗，每次执行对一个像素的操作，由原始值和它的邻域像素值确定结果像素值。根据模板的特点，空域滤波可划分为基于傅里叶分析的线性滤波和对邻域直接操作的非线性滤波［4］；按处理效果来分类，又可分为平滑滤波（可由低通滤波器完成）和锐化滤波两类，平滑滤波通过消除混杂在图像中的干扰因素，达到主观质量的要求，强化图像表现特征；高通滤波器（HPF）作用于QR码图像呈现出的总体效果是一个受控制的锐化程度,HPF对高频分量的保留或增强会产生噪声加强的副作用。

　　1.1平滑滤波

　　1.1.1均值滤波

　　平滑滤波器滤去图像中微小细节，有效抑制加性噪声，减少局部灰度的起伏，但容易引起由图像灰度尖锐变化所带来的边缘模糊的负影响。邻域均值法是典型的空间域平滑噪声技术，原始图像中邻域里的像素值和模板系数乘积的和是结果像素的输出［5］。一个常用的3×3同质均值滤波器的所有系数均相等（全为1），通过对模板卷积后的结果除以放缩因子来实现；而非同质的均值滤波器则给模板中心一个较高权重的值，所有其他系数都根据它们与中心的距离加权，这是一种特殊的模板（如图2所示）。速度快、算法简单的均值滤波会以付出图像模糊加重为代价，来消除噪声。邻域均值法图像平滑处理由式（1）可得：

　　其中M为邻域S内所包含的像素总数；S为事先确定的邻域（该邻域不包括（x,y）点）。

　　在均值滤波中：算术均值滤波会导致一定的图像模糊（与窗口尺寸成正比），从而减小噪声的影响，对高斯、均匀和厄朗噪声工作效果最好；作为算术均值滤波器变型之一的几何均值滤波，能较好地保留图像细节，主要用于高斯噪声图像［6］；同样对高斯噪声很管用的调和均值滤波可滤除盐噪声，黑色像素（椒噪声）却不受影响；逆调和均值滤波可以消减盐噪声或椒噪声的量，但不是同时两者。

　　1.1.2中值滤波

　　空域噪声消除技术涉及：均值滤波和序统计滤波。中值滤波是一种能有效抑制噪声的最常用和最好用的排序滤波，它对窗中的值排序、选取正中间像素值来替换原始像素值。至今，中值滤波器（如图3所示）是使用最广泛的排序滤波器，根据需求来调整中值滤波的空间尺寸，一般常用的有3×3、5×5、7×7或9×9等模块，分布稀疏的中值模板更适用于大尺度的中值滤波器［78］。一个2D中值滤波可用式（2）表示：

　　添加噪声的方差为0.04，采用5×5的滤波窗口，得到均值滤波和中值滤波的仿真对比结果（如图4所示），由此结果可知，经均值滤波处理后的QR码图像中，椒盐噪声明显减少的同时图像本身被模糊；中值滤波所得出的结果明显好于相同尺寸窗的均值滤波的结果，中值滤波对减少“椒盐噪声”（一类导致图像中出现非常亮（盐）和非常暗（椒）的孤立点的噪声）非常有效（明显比具有相比拟邻域尺寸的平均滤波器要好），椒盐噪声的斑点全部被去除，并保持了细节的清晰。

　　1.2锐化滤波

　　图像增强处理中，除了对比度拉伸、改善颜色效果、提高细微层次外，还需突出加强目标主题的边界和细节信息。模板卷积用于实现线性锐化滤波，卷积操作可以用来检测或强调一幅图像的高频内容，而线性高通滤波器可使用具有正的和负的系数的2D卷积模板来实现［9］；对图像进行非线性锐化滤波处理中最常用到梯度算子，同样sobel算子、prewitt算子、log算子等亦可突出边缘［10］。而在频域中通常采用高通滤波技术，能保留或增强图像的高频分量（如微小细节、点、线和边缘），即能凸显图像中的亮度过度部分。本文内容还包含运用微分在空间域进行锐化滤波的定义和实现，对sobel算子、log算子和拉普拉斯算子所得出的效果图进行对比。

2空域滤波仿真实验

　　2.1不同模板的滤除实验

　　窗尺寸和模板系数参数的配置直接影响中值滤波的去噪效果。图5展示了对一幅受0.06密度的椒盐噪声污染的QR码图像使用不同模板的中值滤波所呈现出的效果，可以注意到：对于椒盐噪声，当所用的平滑模板的尺寸增大时，衰减噪声能力加强，但计算量的增加比消噪效果的改善更加明显。

　　2.2三大噪声的滤除实验

　　给原图像分别添加椒盐噪声、高斯噪声以及乘性噪声，针对不同类型的干扰，通过仿真实验得到3×3模板的中值滤波结果（如图6所示），中值滤波除了对椒盐噪声有较好的滤除效果（椒盐噪声的斑点全部被去除）外，高斯噪声图像滤除后的质量也得到了一定幅度的提升，而乘性噪声相对而言比较难以去除。中值滤波比小尺寸的线性平滑滤波器显著降低了图像的模糊程度，有效地去除了脉冲噪声（椒盐噪声）。

　　2.3锐化滤波实验

　　锐化可提高图像上边缘与线性目标的反差，突出边缘细节信息或亮度变化大的区域［11］。高频提升滤波是锐化技术之一，生成一个锐化图像并将其加到原始图像上。高频成分受到抑制，导致图像细节轮廓模糊不清，经锐化处理的算子滤波图像和原图像对比（如图7）可以发现：经sobel算子、log算子实现的轮廓锐化后，被模糊的边缘区域得到较大提高，图像轮廓清晰突出。缩放图像以使其灰度扩展到整个动态范围，可以得到拉普拉斯算子所产生细节的较好观察效果。拉普拉斯算子检测的是变化率的变化率，是具有各向同性的（即旋转不变时）二阶微分，它能对任何方向的亮度过渡产生响应。但拉普拉斯算子滤波的缺点是，图像中清晰显示的部分经滤波后出现失真情况。

3结论

　　本文利用MATLAB平台，对QR码图像分别进行平滑和锐化滤波的增强技术实验，在QR码图像去噪问题上，结合滤波的不同模板以及噪声类型，对比其他去噪方法，将仿真实验效果进行比较分析，得出以下结论：

　　（1）空域法图像增强处理中，从消除噪声的能力考虑，中值滤波明显好于用相同尺寸窗的均值滤波效果，均值滤波的邻域取得越大，图像的模糊程度也会相应增加。

　　（2）滤波窗口尺寸会对中值滤波算法的效果有一定的控制性：采用大尺寸窗口的模板，在增强去噪能力的同时也会削弱细节的保留能力；反之，去除噪声干扰的效果会随着模板窗口的变小而显著降低。选择一个合适滤波表达的关键是发现在窗口尺寸、主观质量的兼容性之间的较好折衷。

　　（3）中值滤波最适用于强度大、分布稀松的椒盐噪声图像，对高斯噪声的滤除效果需进一步提高，对乘性噪声的消噪效果相对较差；

　　（4）从图像增强处理功能效果方面，平滑滤波比锐化滤波更占优势，就一种平滑方法而言，应在保持噪声去除效果的同时，加强图像清晰程度的掌控，以便提高QR码的识别率。

　　采用空域图像增强技术能更好地解决特定的图像处理问题，其关键取决于技术的正确选择、参数（如窗口尺寸和模板系数）的配置以及使用顺序的合理安排。通过不同方法的探讨与尝试，获得QR码图像增强的最为适合的方法，以提高对QR码图像的识别能力。

参考文献

　　［1］ 李艳梅.图像增强的相关技术及应用研究［D］.成都：成都科技大学，2013.

　　［2］ 许欣.图像增强若干理论方法与应用研究［D］：南京：南京理工大学，2010.

　　［3］ 高成，董长虹.Matlab图像处理与应用［M］.北京：国防工业出版社，2008.

　　［4］ 柏春岚.基于空域图像增强的研究与分析［J］.河南城建学院学报，2011,20（1）：57-60.