摘要：数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。虽然某些处理也可以用光学方法或模拟技术实现，但它们远不及数字图像处理那样灵活和方便，因而数字图像处理成为图像处理的主要方面。
关键词：数字图像；图像处理技术；灵活方便
一、图像滤波去噪
在数字式仪表图像中，高斯噪声、椒盐噪声、随机噪声普遍存在并混叠在一起，必须要对图像进行滤波去噪。通过前期对相关研究文献的阅读和分析，我们发现数字式仪表图像中的噪声大部分服从高斯分布，因此，我们拟选用高斯滤波器进行去除。此外，数字式仪表中还有一部分噪声属于椒盐噪声，我们拟选用中值滤波器加以去除。
二、图像增强和灰度处理
图像增强是以改善图像的视觉效果为根本目的，在采集图像的过程中，光照条件对图片质量的影响十分明显，而拍摄的过程中可能会出现曝光过度或者曝光不足的现象，这样得到的图像将会是模糊的，不利于仪表图像的识别。为了使表盘上数字区域与背景区域的界限变得明显，需要对图像进行空间域的图像增强。图像的去噪过程会使图像变得模糊，从而丢失边缘和细节特征，我们选用拉普拉斯锐化算法进行图像锐化处理，使图像的细节特征变得清晰。
利用灰度的线性拉伸可以将集中在很小的区域内对比度不良的灰度范围拓展到 0～255 的灰度范围。通过选取合适的转折点来改变图像光照分布不均的情况，增强对比度，为下一步的提取数字字符候选区域做好铺垫。
图1分别为摄像头拍摄的原图、倾斜校正和灰度增强后的效果图：
图1 燃气表图像预处理
三、图像二值化
对于增强之后的灰度图像，像素都可以有较多的取值，这样的图像计算和处理起来十分的麻烦，而且容易出错，所以，就要对图像进行二值化处理，使图像的每个像素只能取0和1两个值，以此来便于计算。通常情况下，在二值化图像中，数值是0的表示背景区域，数值是1的代表目标区域。选用判别分析法选择合适的阈值，完成图像的二值化处理。
四、倾斜校正
采集到的燃气表图像经常由于操作人员拍摄姿态原因而呈现一定角度的倾斜，当倾斜角度较大时，就需要进行图像的倾斜校正。Radon变换的原理是在不同角度方向上对图像像素进行线积分，并不依赖图像边框的边缘，对图像质量依赖较小。Radon变换的倾斜校正算法过程为：首先将燃气表图像转化为灰度图像，然后分别对灰度图进行水平和垂直方向上的边缘检测，利用Radon变换计算出燃气表图像在水平和垂直方向上的倾斜角，最终根据得到的水平和倾斜角进行双线性插值旋转校正和错位偏移校正。
五、字符分割和归一化
数字字符的分割是燃气表数字字符识别中最重要的一个部分，定位筛选出所有数字字符的候选区域，不仅能够提高后续的处理速度，还能在这些区域上继续提取特征，并根据这些特征来确定该候选区域是否为数字字符。本系统采用连通域法来提取燃气表数字字符的最大稳定极值区域（MSER）。MSER是当使用不同的灰度阈值对图像进行二值化时得到的最稳定的区域，具有很好的仿射不变性。
（1）MSER 的提取。首先使用一系列灰度阈值 g＝［0，255］对输入图像进行二值化处理，得到的一系列二值图像并融合为一个连通区域，如果该连通区域的面积在比较宽的灰度阈值范围内保持形状稳定，那么该区域就是最大稳定极值区域（MSER）。
（2）非字符区域的剔除。对图像进行初步的MSER后，候选区域中有很多并不是燃气表数字字符的区域，因此需要对这些候选区域进一步判断是否为数字文本区域，剔除伪字符。对 MSER提取后，发现非数字字符区域的面积和宽高特征与数字字符连通域的特征差异明显，通过设定面积范围进行粗过滤，然后再根据宽高比来进一步剔除伪字符。
（3）字符合并。MSER的提取过程中会对稳定的单个字符区域重复检测，产生一系列嵌套的最大稳定极值区域，导致字符过度分割，出现同一字符被多个不同的极值区域选中的问题，需要做字符合并的工作：将各个 MSER 区域的外接小矩形按其矩形中心点的位置从左到右依次排序；根据坐标关系判断是包含关系或相邻关系，对于包含关系的剔除内部小矩形，相邻的进行合并操作；经过以上的合并后，结合字符的长宽比和面积进行再一次的噪声区域的排除，最后在倾斜校正后的图像上提取字符并切分得到单个字符。
（4）字符归一化。字符切分后的数字字符图片常常大小不一，为了消除字符的大小对提取字符稳定特征的影响，需要对字符图像作归一化处理。采用双线性插值法将字符分割得到的单个字符归一化的尺寸为 28*28。图2为在倾斜校正后的图上切分并归一化后的效果。
图2 归一化的字符
参考文献：
[1]Feihong Xu.Accurate measurement of structural vibration based on digital image processing technology[J].Concurrency and Computation：Practice and Experience，2019，31（10）.
[2]王云峰.基于PBL模式的数字图像处理实践课程探索[J].通讯世界，2019，26（04）：310-311.
[3]汪太月，明廷桥.基于矩阵变换的数字图像处理技术[J].湖北理工学院学报，2019，35（02）：24-30.
论文作者:阚新妤
论文发表刊物:《基层建设》2019年第15期
论文发表时间:2019/8/6
标签：图像论文; 字符论文; 区域论文; 灰度论文; 数字论文; 图像处理论文; 噪声论文; 《基层建设》2019年第15期论文;