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(shù)據(jù)，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

灰度化，在RGB模型中，如果R=G=B時，則彩色表示一種灰度顏色，其中R=G=B的值叫灰度值，因此，灰度圖像每個像素只需一個字節(jié)存放灰度值（又稱強度值、亮度值），灰度范圍為0-255。一般有分量法 最大值法平均值法加權平均法四種方法對彩色圖像進行灰度化。

對彩色圖像進行處理時，我們往往需要對三個通道依次進行處理，時間開銷將會很大。因此，為了達到提高整個應用系統(tǒng)的處理速度的目的，需要減少所需處理的數(shù)據(jù)量。

1.分量法

將彩色圖像中的三分量的亮度作為三個灰度圖像的灰度值，可根據(jù)應用需要選取一種灰度圖像。

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：

彩色圖的三分量灰度圖：

（a）R分量灰度圖 （b）G分量灰度圖 （c）B分量灰度圖

2.最大值法

將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。

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

3.平均值法

將彩色圖像中的三分量亮度求平均得到一個灰度值。

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

4.加權平均法

根據(jù)重要性及其它指標，將三個分量以不同的權值進行加權平均。由于人眼對綠色的敏感最高，對藍色敏感最低，因此，按下式對RGB三分量進行加權平均能得到較合理的灰度圖像。

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(tǒng)的系統(tǒng)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(shù)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(shù)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(shù)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(shù)濾波器。

圖像增強可分成兩大類：頻率域法和空間域法。

前者把圖像看成一種二維信號，對其進行基于二維傅里葉變換的信號增強。采用低通濾波（即只讓低頻信號通過）法，可去掉圖中的噪聲；采用高通濾波法，則可增強邊緣等高頻信號，使模糊的圖片變得清晰。

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

方法

圖像增強的方法是通過一定手段對原圖像附加一些信息或變換數(shù)據(jù)，有選擇地突出圖像中感興趣的特征或者抑制(掩蓋)圖像中某些不需要的特征，使圖像與視覺響應特性相匹配。

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(jù)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。

空域法是對圖像中的像素點進行操作，用公式描述如下：

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(shù)；g(x,y)表示進行處理后的圖像。

基于空域的算法處理時直接對圖像灰度級做運算，基于頻域的算法是在圖像的某種變換域內對圖像的變換系數(shù)值進行某種修正，是一種間接增強的算法。

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、灰度變換和直方圖修正等，目的或使圖像成像均勻，或擴大圖像動態(tài)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。銳化的目的在于突出物體的邊緣輪廓，便于目標識別。常用算法有梯度法、算子、高通濾波、掩模匹配法、統(tǒng)計差值法等。