算法介绍

改进的Prewitt 算法

本研究选用的图像经CCD采集如图1所示，图中显示的字符与背景色的灰度非常接近。

从图像的直方图上来看没有明显的峰值差异，无法用阈值或现有的其它方法使其实现有效的二值化。本文先采用Prewitt算子进行边缘轮廓提取，使得图像摆脱背景灰度与字符灰度相似的干扰，Prewitt算子由图2 所示的两个卷积核形成。在处理时, 图像中每个点都用这两个核进行卷积, 然后取其最大作为输出。

本文采用Prewitt算子的改进方法, 图像处理的过程中，处理对象不是图像的灰度, 而是灰度的对数. 这样既可保留原方法对光强变化不敏感的优点, 同时通过平滑克服了抗干扰性差的缺点, 提高信噪比. 计算公式如下:

线性变换

灰度的线性变换是将图像中所有的点的灰度按照线性灰度变换函数进行变换，线性灰度变换函数f（x）是一个一维线性函数：

灰度变换方程为：

式中参数fA为线性函数的斜率，fB为线性函数在y轴的截距，DA表示输入图像的灰度，DB表示输出图像的灰度，当fA>1时，输出图像的对比度将增大，当fA<1时，输出图像的对比度将减小。

高斯滤波器

高斯滤波器的数学表达式为：

等式(6)中的D(u,v)是距傅立叶变换原点的距离，s是高斯曲线的量度。使 s=D0,可以依据定义得到更为熟悉的等式：

这里D0为截止频率。 当D(u,v)=D0, 滤波器函数的值为最大值的0.607倍。

在本文中，GLPFs的使用是为了消除噪声和拉伸字符的边界。

灰度变换

灰度拉伸和灰度的线性变换有点类似，都用到了灰度的线性变换。但不同之处在于灰度拉伸不是完全的线性变换，而是分段进行线性变换。灰度拉伸的变换函数表达式如下：

灰度拉伸可以更加灵活地控制输出灰度直方图的分布，它可以有选择地拉伸某段灰度区间以改善输出图像。

实验结果

由于算子处理的图像的值因改进的方法而产生变换，处理后的结果对其每个像素的灰度经实验应乘因子100（经验值），经线性拉伸变换后,对图像进行分割，对直方图投影图进行分割，把图中为字符的部分分割下来并取原图的部分（见图3），再对其进行处理，为了对字符的处理更为有效，再对图3进行高斯滤波，实验选择参数D0=30，实验结果显示字符边缘因滤波而有些扩张，而且部分噪声消除了，然后对其进行改进的Prewitt算子处理，再一次进行高斯滤波， 得到的图像进行灰度拉伸，此时选用的参数x1=40，y1=100，x2=220，y2=220，最后对图像进行线性变换，使图像灰度得到均衡，选用的参数fA=8, fB=-128，得到的图像如图4所示。

此外，本实验分别采取了传统的Prewitt算子和Sobel算子处理图3，并结合灰度拉伸及滤波作用得出的结果如图5和图6所示，比较图4、5、6可以看出，图4的处理质量明显高于其它两幅，算法的计算量并没有加大，从而得出本文的方法优于其它的方法。

图像的后处理往往需要二值化的图像，简单地对图4进行二值化处理，结果如图7所示，可以看出此时分割图像的字符就十分容易了。

结语

本文所提出的基于改进的Prewitt算子结合灰度变换的算法对低对比度图像的处理结果较好且速度快，既可保留原方法对光强变化不敏感的优点, 同时通过平滑克服了抗干扰性差的缺点, 有助于图像的后续处理。■

参考文献

1 阮秋棋. 数字图像处理. 电子工业出版社，2001.1