圖像分析中，圖像質量的好壞直接影響識別算法的設計與效果的精度，因此在圖像分析（特征提取、分割、匹配和識別等）前，需要進行預處理。圖像預處理的主要目的是消除圖像中無關的信息，恢復有用的真實信息，增強有關信息的可檢測性、最大限度地簡化數據，從而改進特征提取、圖像分割、匹配和識別的可靠性。一般的預處理流程為：1灰度化->2幾何變換->3圖像增強

一、灰度化

灰(hui)(hui)度(du)(du)化(hua)，在(zai)RGB模型中，如果R=G=B時(shi)，則彩色(se)表示(shi)一(yi)種灰(hui)(hui)度(du)(du)顏色(se)，其中R=G=B的值(zhi)(zhi)叫灰(hui)(hui)度(du)(du)值(zhi)(zhi)，因此，灰(hui)(hui)度(du)(du)圖像(xiang)(xiang)每(mei)個(ge)像(xiang)(xiang)素只需一(yi)個(ge)字(zi)節存放灰(hui)(hui)度(du)(du)值(zhi)(zhi)（又稱(cheng)強度(du)(du)值(zhi)(zhi)、亮度(du)(du)值(zhi)(zhi)），灰(hui)(hui)度(du)(du)范圍為0-255。一(yi)般(ban)有(you)分量法(fa) 最大(da)值(zhi)(zhi)法(fa)平(ping)均值(zhi)(zhi)法(fa)加權平(ping)均法(fa)四種方法(fa)對彩色(se)圖像(xiang)(xiang)進行灰(hui)(hui)度(du)(du)化(hua)。

       對(dui)(dui)彩色圖像進行處理時，我們往往需要對(dui)(dui)三個(ge)通道(dao)依次進行處理，時間(jian)開(kai)銷將(jiang)會很(hen)大。因此，為了(le)達到提高整(zheng)個(ge)應用系統的處理速度(du)的目(mu)的，需要減少所需處理的數(shu)據量。

1.分量法

將(jiang)彩(cai)色(se)圖(tu)像中的三分(fen)量(liang)的亮度(du)作為三個灰度(du)圖(tu)像的灰度(du)值，可(ke)根據應用(yong)需要選取(qu)一種灰度(du)圖(tu)像。

f1(i,j)=R(i,j)f2(i,j)=G(i,j)f3(i,j)=B(i,j)

其中fk(i,j)(k=1,2,3)為轉換后的灰度圖像在（i,j）處的灰度值。

彩色圖像：

彩色圖的三分量(liang)灰(hui)度圖：

（a）R分(fen)量灰(hui)度圖(tu)(tu) （b）G分(fen)量灰(hui)度圖(tu)(tu) （c）B分(fen)量灰(hui)度圖(tu)(tu)

2.最大值法

將彩色圖像中的(de)三分量亮(liang)度的(de)最大值(zhi)作為灰度圖的(de)灰度值(zhi)。

f(i,j)=max(R(i,j),G(i,j),B(i,j))

3.平均值法

將(jiang)彩色圖像中的三分量亮度求平均(jun)得到一個(ge)灰(hui)度值。

f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3

4.加權平均法

根據重要性及其它指標(biao)，將(jiang)三(san)個分量(liang)以不同的(de)權(quan)值進行加(jia)(jia)權(quan)平均(jun)(jun)。由于人眼(yan)對綠色的(de)敏感(gan)最高(gao)，對藍(lan)色敏感(gan)最低，因此，按(an)下式(shi)對RGB三(san)分量(liang)進行加(jia)(jia)權(quan)平均(jun)(jun)能得(de)到較合理的(de)灰度圖像。

f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)

二、幾何變換

圖像幾何變換又稱為圖像空間變換，通過平移、轉置、鏡像、旋轉、縮放等幾何變換對采集的圖像進行處理，用于改正圖像采集系統的系統誤差和儀器位置（成像角度、透視關系乃至鏡頭自身原因）的隨機誤差。此外，還需要使用灰度插值算法，因為按照這種變換關系進行計算，輸出圖像的像素可能被映射到輸入圖像的非整數坐標上。通常采用的方法有最近鄰插值、雙線性插值和雙三次插值。

三、圖像增強

增強圖像中的有用信息，它可以是一個失真的過程，其目的是要改善圖像的視覺效果，針對給定圖像的應用場合，有目的地強調圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強調某些感興趣的特征，擴大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質量、豐富信息量，加強圖像判讀和識別效果，滿足某些特殊分析的需要。圖像增強算法可分成兩大類：空間域法和頻率域法。

3.1空間域法

空間域法是一種直接圖像增強算法，分為點運算算法和鄰域去噪算法。點運算算法即灰度級校正、灰度變換（又叫對比度拉伸）和直方圖修正等。鄰域增強算法分為圖像平滑和銳化兩種。平滑常用算法有均值濾波、中值濾波、空域濾波。銳化常用算法有梯度算子法、二階導數算子法、高通濾波、掩模匹配法等。

3.2頻率域法

頻率域法是一種間接圖像增強算法，常用的頻域增強方法有低通濾波器和高通濾波器。低頻濾波器有理想低通濾波器、巴特沃斯低通濾波器、高斯低通濾波器、指數濾波器等。高通濾波器有理想高通濾波器、巴特沃斯高通濾波器、高斯高通濾波器、指數濾波器。

圖(tu)像增(zeng)強可分(fen)成兩大類：頻率域法和空間(jian)域法。

前者把(ba)圖像看成(cheng)一(yi)種(zhong)二維(wei)信號(hao)(hao)，對其進(jin)行基于二維(wei)傅(fu)里葉(xie)變換的(de)信號(hao)(hao)增強(qiang)。采用低(di)通濾波(bo)（即只讓低(di)頻信號(hao)(hao)通過）法，可(ke)去掉圖中的(de)噪聲；采用高通濾波(bo)法，則(ze)可(ke)增強(qiang)邊(bian)緣等高頻信號(hao)(hao)，使模(mo)糊的(de)圖片變得清晰(xi)。

后者空(kong)間域法中具有代表性的算法有局(ju)部求平均值法和中值濾波（取局(ju)部鄰域中的中間像素值）法等(deng)，它們(men)可用于(yu)去除(chu)或減弱噪聲(sheng)。

方法

圖像增強的方法是通(tong)過一定手段對原圖(tu)(tu)像(xiang)(xiang)附加一些(xie)信(xin)息(xi)或(huo)變換數據，有選擇地(di)突出(chu)圖(tu)(tu)像(xiang)(xiang)中(zhong)感興趣(qu)的(de)特(te)(te)征或(huo)者抑制(掩蓋)圖(tu)(tu)像(xiang)(xiang)中(zhong)某些(xie)不需(xu)要的(de)特(te)(te)征，使(shi)圖(tu)(tu)像(xiang)(xiang)與視覺響(xiang)應(ying)特(te)(te)性相匹配。

在圖像增強過程中，不分析圖像降質的原因，處理后的圖像不一定逼近原始圖像。圖像增強技術根據增強處理過程所在的空間不同，可分為基于空域的算法和基于頻域的算法兩大類。

空域法是對圖(tu)像中的像素點進行(xing)操作(zuo)，用公式描述如(ru)下：

g(x,y)=f(x,y)*h(x,y)

其中是f(x,y)是原圖像；h(x,y)為空間轉換函數；g(x,y)表示進行處理后(hou)的(de)圖(tu)像(xiang)。

基于空域的算法處理時直接對圖像灰度級做運算，基于頻域的(de)算(suan)(suan)法(fa)是(shi)在圖像的(de)某(mou)種(zhong)變換(huan)域內對圖像的(de)變換(huan)系數值進行某(mou)種(zhong)修正，是(shi)一種(zhong)間接增強(qiang)的(de)算(suan)(suan)法(fa)。

基于空域的算法分為點運算算法 [1]  和鄰域去噪算法 [2]  。

點運算算法即灰度級校正(zheng)、灰度變換和直方圖(tu)修正(zheng)等，目的或使(shi)圖(tu)像成(cheng)像均勻(yun)，或擴大圖(tu)像動態范圍，擴展對比度。

鄰域增強算法分為圖像平滑和銳化兩種。

平滑一般用于消除圖像噪聲，但是也容易引起邊緣的模糊。常用算法有均值濾波、中值濾波。銳化的(de)目(mu)的(de)在于(yu)突出物體的(de)邊緣(yuan)輪廓，便于(yu)目(mu)標識別(bie)。常用算(suan)法有(you)梯度法、算(suan)子、高(gao)通濾波、掩模匹配(pei)法、統計差值法等。