气象计量自动化温度检定系统中的图像预处理研究

张佳佳， 孟宪罗， 蒋 涛， 刘 宇

（河北省气象技术装备中心，河北 石家庄 050021）

气象计量自动化温度检定系统中的图像预处理研究

张佳佳， 孟宪罗， 蒋 涛， 刘 宇

（河北省气象技术装备中心，河北 石家庄 050021）

针对气象计量自动化温度检定系统中图像噪声大、对比度不够等问题，在采用图像预处理技术的基础上，提出一种同态滤波的对比度受限自适应图像预处理方法。尝试中值滤波对红外图像进行去噪，保证噪声不被增强的前提下，利用同态滤波的原理，对图像细节进行增强。但同态滤波依然存在图像特征点与非特征点在图像质量不高的情况下容易混淆的问题，对此采用限制对比度自适应直方图均衡的方法进一步调整图像的动态范围。通过仿真实验对此方法进行验证，验证了所提出方法的有效性。

图像预处理；中值滤波；直方图均衡化；同态滤波；自适应

在人工站温度检定的过程中，往往通过人工读数并纸质记录的方式实现玻璃温度表的检定工作。虽然这种传统的检定方式较为准确的反映了温度的示值，但是由于其不可避免的受特定人为因素的影响而造成人为误差，使读取数值不精确，例如视线高低、个体的读数习惯等。另外，纸质记录很多繁琐的后续工作也造成了检定过程费时费力，效率低下，给检定工作带来很大的不便。因此，检定方法亟待改进提高。

现在气象计量部门所使用的温度自动检定系统仅限于被检温度点的自动设定，至于读取数值仍需人工读取，没有从根本上解决人为因素造成的读数误差的问题。只有将这些检定过程中人所看到的图像传输至信息终端来提取“水银柱”这一特征信息，并通过提取的特征信息与预先规定好的量程刻度进行比对，才能达到提取精确刻度值的目的。本文旨在综合传统预处理方法的基础上，针对检定系统中图像质量不高，光照度不够等导致的图像信息提取困难的问题，提出一种基于同态滤波的对比度受限自适应的图像预处理方法，并经实验证明其有效性。

1 温度表图像的预处理

实际意义上的温度自动化检定系统中最重要的环节便是图像处理，而进行图像处理的第一步便是温度表图像的前期预处理。进行处理的温度表图像由于光线条件的差异，往往存在有噪声较大、对比度不够等缺陷。另外，由于工业相机距离被测试温度表距离不等，导致需要提取的液面信息在整幅图像中的位置和反射程度都是不确定的。而对温度表图像的预处理恰恰能在一定程度上消除上述因素的影响，使有用信息能够得到有效保留。

2 图像的平滑去噪

2.1 噪声类型

根据噪声和信号的关系可以将其分为加性噪声和乘性噪声[1]。

(1) 加性噪声。加性噪声和理想无噪图像信号g(x,y)是不相关的，如信道噪声、电视摄像机扫描图像的噪声等，这类含噪图像f(x,y)可看成为理想无噪图像信号g(x,y)与噪声信号n(x,y)之和[2]。即：

(2) 乘性噪声。乘性噪声和理想无噪图像信号g(x,y)是相关的，随图像信号的变化而变化。飞点扫描图像中的噪声，可由电视扫描光栅、胶片颗粒等造成。其含噪图像f(x,y)可表示为：

2.2 图像的去噪方法

图像去噪方法可分两类：图像空间域方法和图像频率域方法[3]。本文主要讨论图像在空间域的处理方法。

2.2.1 均值滤波法

均值滤波算法的主要思想为邻域平均法。即用几个邻域像素灰度的平均值来代替每个像素的灰度值。虽然这样能明显消弱噪声点，但容易引起图像模糊[4]。使用该方法时，如果能加以改进，避开对物体边缘的平滑处理，也是一种简单有效的平滑方法。

2.2.2 中值滤波法

中值滤波是一种典型的非线性平滑滤波信号处理技术。它的主要思想是：首先确定一个以某一像素为中心点的邻域，然后将这些像素点按照灰度值的不同依次排序，将中间值做为所有像素点灰度值的中值[5]。中值滤波是一种典型的低通滤波器，在滤除噪声的同时能有效保留信号的细节信息及目标图像边缘的特点[6]。此方法使得本文要提取的温度液面边缘得以有效保留。经过中值滤波前后的图像对比见图1所示。

图 1 中值滤波前后图像的比较

3 图像增强

图像增强技术根据增强作用域的不同，可分为基于空域的增强算法和基于频域的增强算法两大类[7]。其目的是突出图像有用信息，使图像与视觉响应特性相匹配。

空域增强算法是直接对图像进行点运算，将包含某点的一个小区域内的各点灰度值进行平均运算，用所得的平均值来代替该点的灰度值[8]。设f(x,y)、g(x,y)分别是处理前、后的图像，h(x,y)为空间预算函数。则空域法公式描述如下：

频域增强算法是在图像的某个频率域内对图像进行傅里叶变换，再对图像变换系数进行修正，然后逆变换到空间域的方法。

3.1 直方图均衡化

直方图均衡化(histogram equalization, HE)的基本思想如下：

温度表图像的灰度经归一化处理分布在连续区间内，令原始图像的像素值为r，分布范围为01r≤≤ 。现在对[0,1]区间内的任何一个r值进行函数关系为S=T(r)的变换，使变换后的新灰度值具有平直的直方图。

设温度表图像分为L个灰度等级，图像的像素总数为n，用nk代表第k个灰度级rk出现的频数，于是第k个灰度级出现的概率为：

其中，0≤rk≤1，k=0,1,2,…,L -1。

式(4)的离散形式为：

因此可以根据图像的直方图统计量求均衡后各像素的灰度级变换值。

3.2 同态滤波

同态滤波是把频率过滤和灰度变换结合起来的一种图像处理方法。

一幅图像f(x,y)可以用它的照射分量i(x,y)及反射分量r(x,y)的乘积来表示，即：

经过同态滤波后其结果会改变图像光强度和反射光强度，依此特性可做到同时降低图像动态范围，又增加对比度的结果[9]。

所用方法的具体步骤如下：

(1) 先对式(6)的两边同时取对数，即：

(2) 将式(7)两边取傅立叶变换，得：

(3) 用一个频域函数H(u, v)处理F(u, v)，可得到：

(4) 逆傅立叶变换到空间域得：

图像是由对应照度分量与反射分量两部分叠加而成。

(5) 再将式(10)两边取指数，得：

所谓同态滤波，其本质是对滤波器H(u, v)的选择。图像的灰度不仅仅由光照函数（入射光）决定，而且还与反射函数有关。不同的材料或物体的反射率差异很大，常引起反射光的突变，特别是在物体的边缘部分[10]。这些突变使图像的灰度值发生变化，这种变化与高频分量和反射相联系，因此同态滤波器传递函数H(u, v)选择高通滤波器。

4 实验分析

先采用一般意义上的HE方法对温度表图像进行处理。图2为温度表原图像与HE后的对比情况。

由两幅图像对比可以看出，传统的HE方法可以对图像的灰度值重新分配，直方图的范围加大了，但是该方法将应该忽略的背景部分都进行了增强，在光照不充分，补偿不到位的情况下，均衡化处理之后的图像在背景灰度上与需要提取的刻度线灰度有相同的点，造成背景与前景的混淆，为了有效分离，本文提出基于同态滤波的对比度受限自适应HE方法，有效增强温度图像的有用信息。

图 2 直方图均衡化前后图像的比较

经过同态滤波后的图像如图3所示，图像中需要提取的温度表液柱信息得到增强，背景相对弱化。但是对于准确提取刻度值而言，图像的动态范围和对比度较低，导致增强后的细节信息不明显。为了提高图像的对比度，调整图像动态范围，要对图像做进一步处理。

图 3 同态滤波前后图像的比较

本文在同态滤波的基础上采用对比度受限的自适应HE方法，通过限制局部对比度的增强幅度，来限制噪声的放大及局部对比度的增强。其具体思想为：将图像进行区域分割，分别计算每个区域的直方图，根据受限值对每个区域的直方图进行重新分配。在重新映射过程中将增强后的各块子区域使用双线性插值拼接在一起，以消除明显的边缘[11]。

为了验证提出算法的增强效果，选取一段工业相机采样得到的640×480玻璃温度表图像在MatLab试验平台中进行仿真验证。首先构造一个在频域具有平滑性能的低通高斯滤波器Lpf，按照模板n=2σ+1的取值，当平滑尺度为2时，模板大小取5×5，截止频率Do=1.414；其次通过这个低通滤波器构造高通滤波器：Hpf=rH×Hpf-(rH- rL)-Lpf，其中，rH＞1、rL＜1为调节参数，取rH=2.2，rL=0.5。图4所示为本文采用该方法处理的结果图像。

图 4 采用本文方法的仿真实验比较

5 结 论

本文提出的图像预处理方法避免了温度图像背景与前景灰度相似时的混淆，解决了在外界光线受限，补偿不到位情况下的图像细节不清问题。利用了同态滤波的优势，增强了温度表图像液柱的细节特征。采用对比度受限的自适应HE方法，进一步调整图像的灰度动态范围。此方案解决了同态滤波后对比度不足的缺陷，最终增强图像液柱信息，弱化背景信息，最大程度反映真实温度值，并通过仿真验证得到非常好的预处理效果，为下一步温度刻度值和液柱的准确提取提供了基础。

[1] Sattar F, Floreby L, Salomonsson G, et al. Image enhancement based on a nonlinear multiscale method [J]. IEEE Trans on Image Processing, 1997, 6(6): 888-895.

[2] 杨枝灵, 王 开. Visual C++数字图像获取处理及实践应用[M]. 北京: 人民邮电出版社, 2003: 91-106.

[3] Rowley H A, Baluja S, Kanade T. Neural network-based face detection [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20(1): 23-28.

[4] 孙海燕. 基于小波分析小域特征融合的人脸识别算法研究[D]. 秦皇岛: 燕山大学, 2010.

[5] 刘 培, 王建英, 尹忠科. 图像光照补偿方法的研究[J].系统工程与电子技术, 2008, 30(7): 1343-1346.

[6] Brinkman B H, Manduca A, Robb R A. Optimized homomorphic unsharp masking for MR grayscale inhomogeneity correction [J]. IEEE Transactions on Medical Imaging, 1998, 17(2): 161-171.

[7] 马 龚, 张成义. 基于 Matlab的同态滤波嚣的优化设计[J]. 应用光学, 2010, 3l(4): 585-588.

[8] 叶仕通. 结合阈值去噪与边缘优化的图像增强算法[J].图学学报, 2014, 35(4): 571-576.

[9] Hanmandlu M, Jha D. An optimal fuzzy system for color image enhancement [J]. IEEE Transactions on Image Processing, 2006, 15(10): 2956-2966.

[10] Yamaguchi K, Itoh K. An algerbraic solution to independent component analysis [J]. Optics Communication, 2000, 178(10): 59-64.

[11] 胡窦明, 赵海生, 李云川, 等. 一种基于同态滤波的红外图像增强新方法[J]. 红外技术, 2012, 34(4): 224-226.

Meteorological Measurement Automatic Temperature Testing System in the Research of Image Preprocessing

Zhang Jiajia, Meng Xianluo, Jiang Tao, Liu Yu

(Meteorological Technology and Equipment Center in Hebei Province, Shijiazhuang Hebei 050021, China)

Automation temperature calibration system based on meteorological measurement issues such as big noise, low contrast in the image, homomorphic filtering is proposed for contrast limited adaptive image preprocessing method on the basis of the image preprocessing technology. Try median filter for infrared image denoising, and use the principle of homomorphic filtering to enhance image details based on the premise that the noise would not be enhanced. However feature points and non-feature points are very confusing when the image is very poor quality in the method of homomorphic filtering, so the method of equalling limited contrast adaptive histogram is used to adjust the dynamic range of the image. The simulation results verify the feasibility of the method.

image preprocessing; median filter; histogram equalization; homomorphic filtering; adaptive

TN 911.73

A

2095-302X(2015)03-0352-04

2014-10-30；定稿日期：2014-12-14

张佳佳(1982-)，女，河北衡水人，工程师，硕士。主要研究方向为数字图像处理、计量校准方法研究。E-mail：sunyi_12_12@sina.com