Page 59 - 2022年第53卷第10期

融合两种同态滤波器 ＨＦ１和 ＨＦ２的方法来修正图像降质的问题，两种滤波器的参数见表 １。经过 ＨＦ１
滤波后虽然区域 Ａ和 Ｃ丢失的信息未补全，但是图像的整体亮度有所提高，中大型颗粒轮廓分明，类
似 Ｂ部分的前景区域边缘细节特征得到加强，更有利于图像轮廓的提取，减少粘连颗粒现象的发生；
经过 ＨＦ２滤波后，图像整体的对比度有了很大幅度的提高，区域 Ａ和 Ｃ丢失的前景信息得到修正补
全，且小颗粒坝料轮廓分明，但是由于亮度提高过大，会存在临近的大颗粒坝料出现粘连的现象，使
其边缘信息模糊化。因此本文设计了两种滤波器，采用 ＨＦ１滤波器识别中大型颗粒和边缘细节特征信
息，ＨＦ２滤波器修正补全图像中存在的伪阴影区域信息并用于识别零散的小颗粒物体。综合使用两种
滤波器处理后的图像亮度和对比度均得到了有效的提升，图像质量得到改善，且目标的边缘没有受到
损失，效果较佳。

图 ３ 同态滤波器设计

表 １ 同态滤波器参数

滤波器 低频增益 γ Ｌ 高频增益 γ Ｈ 锐化系数 ｃ 截止频域 Ｄ ０ ?Ｈｚ
ＨＦ１ ５ ３０ １００ ３０
ＨＦ２ １０ ３０ １００ ２００

２．３ 融合空间信息的直觉模糊 Ｃ均值聚类算法的坝料图像二值化 在土石坝坝料图像处理过程中，
我们只对图像中坝料颗粒所处的区域和形态感兴趣，这部分我们希望获取的目标区域常称为前景区
域，而其他无关的区域称为背景区域。为了将前景和背景区域分开，需要将图像预处理后的灰度图像
进行二值化处理从而生成二值图。在坝料图像中，通常我们所关注的坝料颗粒的亮度要高于颗粒间孔
隙的亮度，且孔隙在灰度图像中偏暗色，因此采用基于灰度准则的图像分割方法可以较好的实现颗粒
形态的提取。
标准模糊 Ｃ均值（ＦＣＭ）算法由于本身只考虑了图像灰度的相似性，而没有考虑图像像素邻域信
息，导致图像分割的结果容易受到噪声以及伪阴影的影响，不能得到很好的分割效果 ［２４］ 。为了改善

１
— １ ９ ７ —