OpenCV图像处理的膛口火焰测量系统设计+文献综述(5)
IplImage* pGrayImg = NULL;
IplImage* dstGrayImg = NULL;
pGrayImg=cvCreateImage(cvGetSize(pDst),8,1);
cvCvtColor(pDst,pGrayImg,CV_RGB2GRAY);
其中pGrayImg 为灰度图像的名称。
一般图像的效果图如图5（膛口火焰的图像将在第四章系统实验验证中展示）：
图5(a)为原图 图5(b)为灰度化后的图像
3. 5 图像增强
图像增强处理是数字图像处理的一个重要分支。很多由于场景条件的影响图像拍摄的视觉效果不佳，这就需要图像增强技术来改善人的视觉效果，比如突出图像中目标物体的某些特点、从数字图像中提取目标物的特征参数等等，这些都有利于对图像中目标的识别、跟踪和理解。图像增强处理主要内容是突出图像中感兴趣的部分，减弱或去除不需要的信息。这样使有用信息得到加强，从而得到一种更加实用的图像或者转换成一种更适合人或机器进行分析处理的图像[12]。
本文采用的是直方图均衡化的方法来增强图像的。直方图均衡化是通过使用累积函数对灰度值进行“调整”以实现对比度的增强。其处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同[13-14]。
直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围从而可达到增强图像整体对比度的效果。设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。在灰度直方图均衡化处理中对图像的映射函数可定义为: ，这个映射函数 必须满足两个条件(其中L为图像的灰度级数): (1) 在 范围内是一个单值单增函数。这是为了保证增强处理没有打乱原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。
(2)对于 有 ,这个条件保证了变换前后灰度值动态范围的一致性。
累积分布函数(cumulative distribution function，CDF)即可以满足上述两个条件，并且通过该函数可以完成将原图像f的分布转换成g的均匀分布。此时的直方图均衡化映射函数为: 上述求和区间为0到k，根据该方程可以由源图像的各像素灰度值直接得到直方图均衡化后各像素的灰度值。在实际处理变换时，一般先对原始图像的灰度情况进行统计分析，并计算出原始直方图分布，然后根据计算出的累计直方图分布求出fk到gk的灰度映射关系。在重复上述步骤得到源图像所有灰度级到目标图像灰度级的映射关系后，按照这个映射关系对源图像各点像素进行灰度转换，即可完成对源图的直方图均衡化。直方图均衡化的代码如下：
cvEqualizeHist(pGrayImg, dstGrayImg);
其中dstGrayImg是对灰度图像pGrayImg进行直方图均衡化处理后的结果图。
3. 6 高斯滤波与形态学去噪
图像受获取和存储、处理及各种干扰的影响，显示时画面上会出现噪声，为了减少噪声带来的负面影响，尽可能地还原干净真实的画面，就需要用到降噪滤波器对图像数据进行处理。
高斯滤波器是根据高斯函数的形态来选取权值的线性平滑滤波器，高斯平滑滤波器对去除服从正态分布的噪声有很好的效果，一文零均值高斯函数为 其中的 决定了高斯滤波器的宽度[15]。对图像来说，常用二文零均值离散高斯函数做平滑滤波器，函数表达式如下： 。高斯滤波的程序代码如下