基于Windows Mobile嵌入式系统的类圆管材识别与计数系统研究

灰度图是只含亮度信息而不含色彩信息的图像，它把亮度值量化为0到255共256级，其中0最暗(全黑)，255最亮(全白)。R、G、B分量的值是相等的，且称之为灰度值，即：

经实验与理论推导证明，当ωR=0．30，ωG=0.59，ωB=0.11时，能获取到最合理最适合图像处理的灰度图像。

3.3 图像的增强

在管材横截面图像处理的过程中，实际获得的图像一般都因灰尘、光照等某种干扰而含有噪声，因而会影响图像质量。为了改善图像质量，降低或消除噪音影响，还需要对图像进行增强处理。为了保护图像中目标区域的边缘特征，并且能够平滑噪声，本系统主要采用图像增强中的图像平滑方法，也就是中值滤波法，并通过修改像素灰度值的方法来减少和消除图像中的高频噪音，改善图像对比度，提高管材识别与计数的准确率。

中值滤波法属于空域处理中的非线性图像平滑方法，它一般是在二维坐标(x，y)内创建一个大小为(2m+1)×(2m+1)滑动窗口，并对窗口内的各像素灰度值进行排序，再用排序后的中值来替代滑动窗口的原中心像素。其排序后的中值为(i，j)：

图3为中值滤波平滑后的图像。相对来说，中值滤波法可以克服线性滤波所带来的图像细节模糊等现象，能够比较好的保护源图像边缘，而且对滤除脉冲干扰及颗粒噪声最为有效。

3.4 图像的分割

图像分割是依据图像的灰度、颜色或几何性质将图像中具有特殊含义的不同区域分开。为了将管材的横截面特征从背景中提取分离出来，我们选用二值化方法来使图像只具有两个灰度级，即0和255，也就是黑和白。为了将目标从图像中分割出来，可将其灰度值设为255，将背景的灰度值设为0。

实现图像二值化有直方图统计法、阈值分割法等。考虑到系统的性能需求，这里采用阈值分割法进行图像的二值化。设输入图像为F(i，j)，输出图像为G(i，j)，以(i，j)代表任一点像素，f(i，j)代表输入图像该点的灰度值，g(i，j)代表输出图像该点的灰度值，那么，阈值分割可用公式表示。

若图像分为目标与背景，所选阈值为T，则有：

这样，采用T就可将图像分为背景和目标，所得的图像称为二值图像。