📚 课程目录第4章图像预处理

4. 图像预处理

在无人机降落标志识别任务中，机载相机采集到的原始图像往往受到光照变化、运动模糊、传感器噪声以及复杂背景的干扰。如果直接把彩色原图送入检测或跟踪算法，不仅计算量大，而且特征稳定性差。图像预处理的目标，就是在保留降落标志关键结构的前提下，抑制干扰、增强对比、突出轮廓，为后续的角点检测、轮廓拟合与位姿解算提供更“干净”的输入。

本节的核心逻辑可以概括为：降维 → 去噪 → 增强 → 提边 → 整形 → 选色。六个步骤并非必须全部使用，而是根据飞行阶段、光照条件和标志类型灵活组合。

一、核心原理：六类预处理手段的作用

灰度化是把三通道彩色图像压缩为单通道亮度图。常用加权公式为 Y = 0.299R + 0.587G + 0.114B，它符合人眼对绿色更敏感的视觉特性。灰度化后数据量降为原来的三分之一，后续滤波、边缘检测的计算速度显著提升。对于以黑白棋盘、H 形、T 形为主的降落标志，灰度图已经足够表达结构信息。

滤波去噪用于抑制高斯噪声、椒盐噪声和压缩伪影。高斯滤波适合平滑随机噪声；中值滤波对椒盐噪声和细小纹理特别有效，且能较好保留边缘；双边滤波在平滑的同时保留强边缘，适合标志边界清晰的场景。无人机在悬停时画面较稳，可选用较小核；高速下降时运动模糊明显，应避免过度平滑。

直方图均衡通过重新分配灰度分布提升整体对比度。全局均衡在逆光或阴影下容易放大背景噪声，因此实际中更常用 CLAHE（限制对比度自适应直方图均衡），它分块处理并限制对比度拉伸，能在保留局部细节的同时避免噪声爆炸。

边缘检测用于提取标志的几何轮廓。Sobel 计算简单、方向性强；Canny 通过双阈值和滞后连接得到细且连续的边缘，是降落标志轮廓提取的首选。阈值设置需结合图像梯度分布，过高会断边，过低会引入大量背景纹理。

形态学操作包括腐蚀、膨胀、开运算和闭运算。开运算先腐蚀后膨胀，可去除小噪点、断开细连接；闭运算先膨胀后腐蚀，可填补轮廓空洞、连接断裂边缘。对二值化后的标志区域，闭运算常用于把虚线轮廓补成闭合区域，便于轮廓面积和中心点计算。

颜色空间选择决定后续分割的稳定性。RGB 对光照敏感；HSV 将色调、饱和度、明度分离，适合按颜色提取红色或蓝色标志；YCrCb 在肤色和亮度分离上表现好，也常用于嵌入式视觉；Lab 接近人眼感知，适合色差明显的场景。若标志为黑白，则灰度空间即可；若标志含彩色环，则优先 HSV。

二、方法流程：一条可落地的预处理链

下面给出面向降落标志的典型预处理流水线，适用于机载算力有限的嵌入式平台：

输入：BGR 原图 frame
1. 灰度化：gray = cvtColor(frame, COLOR_BGR2GRAY)
2. 去噪：blur = medianBlur(gray, 5) 或 GaussianBlur(gray, (5,5), 0)
3. 增强：clahe = createCLAHE(2.0, (8,8)); eq = clahe.apply(blur)
4. 边缘：edges = Canny(eq, 60, 150)
5. 形态学：kernel = getStructuringElement(MORPH_RECT, (3,3))
   closed = morphologyEx(edges, MORPH_CLOSE, kernel, iterations=1)
6. 颜色辅助：hsv = cvtColor(frame, COLOR_BGR2HSV)
   mask = inRange(hsv, lower_red, upper_red)
输出：closed 与 mask 融合后的候选区域

该流程的关键在于顺序：先灰度化再滤波，可减少计算量；先增强再边缘，可让弱边缘更易被 Canny 捕获；先边缘再闭运算，可把断裂轮廓连接成完整区域。若标志为纯色，可把第 6 步的颜色掩膜与边缘图做按位与，快速锁定候选区域。

三、案例场景：不同光照下的参数取舍

场景一：正午强光、标志反光。此时灰度图高光区域饱和，Canny 容易在反光边缘产生伪轮廓。建议先做 CLAHE 压缩高光，再用较小的高斯核去噪，Canny 高阈值适当提高，形态学闭运算核缩小到 3×3，避免把相邻噪点连成假区域。

场景二：傍晚弱光、草地背景。图像整体偏暗，标志与草地灰度接近。此时应优先使用 HSV 空间提取标志颜色，若标志为白色，则改用 Lab 的 L 通道做自适应阈值。直方图均衡可显著拉开标志与背景的差距，但要注意噪声同步放大，需在中值滤波后再增强。

场景三：高速下降、运动模糊。模糊会使边缘变宽、Canny 边缘不连续。可先做一次轻度锐化或使用双边滤波保留边缘，再以闭运算连接断裂轮廓。若仍不稳定，应降低跟踪帧率或改用光流预测补偿，而不是一味加大形态学核。

四、常见误区与复盘清单

误区	后果	修正建议
先边缘检测再滤波	噪声被当成边缘，轮廓杂乱	先滤波去噪，再做 Canny
全局直方图均衡用于逆光	背景噪声被放大，标志反而模糊	改用 CLAHE，限制对比度
Canny 阈值固定不变	不同光照下断边或过检	按梯度中位数自适应设定双阈值
形态学核过大	标志与背景粘连，中心点偏移	核不超过 5×5，优先闭运算 1 次
始终使用 RGB 分割颜色	光照变化时颜色漂移严重	改用 HSV 或 YCrCb，固定色调范围

复盘时建议记录每组参数对应的识别成功率与耗时。预处理不是越复杂越好，能在机载算力约束下稳定输出候选区域，才是最优链路。

注意：颜色空间转换、CLAHE 和 Canny 都会引入额外计算。若帧率低于 20 FPS，应优先保证灰度化与中值滤波，把颜色分割放到 ROI 内执行，避免全图重复计算。

综上，灰度化负责降维，滤波负责去噪，直方图均衡负责增强，边缘检测负责提轮廓，形态学负责整形，颜色空间负责按色锁定目标。六者按“先降维、再去噪、后增强、再提边、最后整形与选色”的顺序组合，才能让降落标志在复杂光照和运动条件下依然稳定可辨，为后续的识别与跟踪打下可靠基础。