图像预处理方法：灰度化与二值化

计算机采集视频图像的时候，会受到各种环境光的影响，还有抖动等干扰，输入的图像会有失真和引入噪声。另外，摄像机的位置和参数设置都会对图像的质量带来影响。为了便于特征提取，提升图像识别的精确度，需要对图像先进行预处理。图像预处理方法一般包括灰度化、二值化、图像增强、图像去噪和边缘检测等。

①灰度化。在图像检测及识别等应用过程中，如果直接对图像中的颜色信息进行提取，容易受到复杂背景、光照、噪声的影响，存在干扰。人们发现灰度图像是一种简单的对比度增强方法，有助于图像识别等过程，因而被研究人员广泛使用。

灰度化是一种常用的图像预处理方法，它将彩色图像转化为灰度图像，应用在图像分析与识别等应用中。根据光的颜色RGB空间模型，物体的颜色由红（R）、绿（G）、蓝（B）3种基本的颜色组成，不同量值的R、G、B形成不同的颜色呈现。在RGB空间模型中，空间的原点对应的是黑色，距离原点最远的那个顶点对应的是白色。连接原点和这个顶点，连线段上对应了从黑色到白色的灰度值，也称亮度值。

彩色图像中的每一个像素的颜色都是由R、G、B 3个分量决定的，而每个分量都有255个值，在RGB颜色空间中，大约有1 600万种不同的颜色。灰度图像只含有亮度信息，不含色彩信息，其亮度是连续变化的，要表示灰度图像就需要把亮度值进行量化，通常把灰度划分为256个灰度级，从0到255。灰度值越接近于0，对应像素点越接近黑色。灰度值越接近于255，对应像素点越接近白色。(www.xing528.com)

在早期的图像识别应用中，为了减少数据的计算量，都是直接将各种彩色图像转变为灰度图像再进行后续运算。当前应用广泛的嵌入式系统，单片机的运算资源和能力均有限，也需要将彩色图像灰度化才能开展后续处理工作。

②二值化。二值化也是图像预处理的一种技术，又称图像黑白化。通过二值化的处理，可以凸显出图像的轮廓。它将像素点的灰度值设置为0或者255，不采用其他灰度值，目的是使整个图像都呈现出黑白效果。通过选取合适的阈值，将256个不同等级的灰度图像进行划分，划分结果仍然可以描绘图像的整体或局部特征，这样就实现了图像的二值化。

在图像预处理过程中，首先进行图像灰度化处理，再做二值化处理，从而减少图像数据的存储空间，减少了数据的运算量，提高了系统的实时性。在此基础上，进行开闭、腐蚀、膨胀、连通等图像形态学计算，就可以得到角点、边缘、轮廓等特征，供模式匹配及机器学习等算法使用。