数字图像处理

灰度处理

灰度化处理是把含有亮度和色彩的彩色图像变换成灰度图像的过程。

灰度图像是指只含有亮度信息，不含色彩信息的图像。这类图像通常显示为从最暗的黑色到最亮的白色之间不同深浅等级的灰度，即我们通常所说的“黑白图像”。

数字图像的灰度化处理，能够减小图像的数据大小，在数据处理中提高处理器的图像处理速度，同时减小了数据的存储空间。因此，针对一些不需要色彩信息的数字图像处理中，灰度化处理有着广泛的应用。

针对不同的图像数据格式，灰度化处理拥有不同的处理方法。在YUV（YCbCr）格式中，Y值分量本来就代表像素点的亮度值，因此只需要提取其中的Y值分量即可。而针对常用的彩色图像RGB格式，需要进行相应的算法处理，提取出其中的灰度值。

针对RGB格式图像的灰度化处理，常用有3种方法：
        最大值法：Y=Max(R,G,B)，这种方法处理后灰度图象的亮度会偏高。
        平均值法：Y=(R+G+B)/3，这种方法处理后灰度图象的亮度较柔和。
        加权平均值法：Y=wr*R+wg*G+wb*B，wr、wg、wb分别为R、G、B的权值。该方法根据人的眼睛对不同颜色分量的敏感程度及其它指标，将三个分量以不同的权值进行加权平均，更接近人的视觉感受。通常的取值w_r=0.3，w_g=0.59，w_b=0.11，图像的灰度最合理。

图像滤波

图像滤波，即在尽量保留图像原有特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。

图像在采集和传输过程中，由于电子元器件本身及传输通道的限制，常常会引入各种干扰，称之为图像的噪声。一些常见的噪声有椒盐噪声、高斯噪声、脉冲噪声等。椒盐噪声含有随机出现的黑白强度值，而脉冲噪声则只含有随机的白强度值（正脉冲噪声）或黑强度值（负脉冲噪声），高斯噪声则含有强度服从高斯或正态分布的噪声。图像滤波技术对消除图像的噪声干扰具有重要作用，在数字图像处理过程中是必不可少的一部分。

中值滤波是一种非线性平滑技术，对消除椒盐噪音非常有效。中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让每一点的像素值更接近真实值，从而消除孤立的噪声点。

均值滤波是一种线性平滑技术，适合于消除高斯噪声。均值滤波的基本原理是采用领域平均法，用均值代替原图像中的各个像素点的值，以此将噪声分摊到各个像素点，达到去除噪声的目的。

二值化

二值化是图像分割的一种方法。在图像二值化的过程中，把大于某个临界灰度值的像素灰度设为灰度极大值，把小于该临界值的像素灰度设为灰度极小值，即最终所得灰度值只有0和255两个值，从而实现图像的二值化处理。根据所选择临界阈值方法的不同，二值化的算法分为固定阈值和自适应阈值两种。

在数字图像处理中，二值图像占有非常重要的地位。图像的二值化有利于图像的进一步处理，使图像变得更加简单，而且数据量减小了很多，能凸显出感兴趣的目标的轮廓。针对不同的数字图像处理目的和应用，进行二值图像的处理与分析，首先把灰度图像二值化，得到二值化图像，是一个非常重要的阶段。