1 引言

贵州蜡染工艺品图案精美，以素雅的色调、优美的纹样、丰富的文化内涵，在贵州民间艺术中独树一帜。贵州民间蜡染的纹样分为自然纹样和几何形纹样两大类，自然纹样中多为动物植物纹；几何形纹样多为自然物的抽象化，传统蜡染纹样繁多，内涵丰富，因此获得这些纹样图案的矢量轮廓对于贵州蜡染非物质文化遗产的保护和开发具有重要的意义。但是蜡冷却后在织物上产生龟裂，色料渗入裂缝，得到变化多样的色纹，俗称“冰纹”，另外受工艺和自然环境的影响，蜡染图案还存在其它的点状杂质。由于在进行图像边缘检测的时候会受冰纹及其它点状杂质也就是图像噪声的干扰，导致无法快速和准确的获得图案的矢量轮廓，因此需要去除蜡染图像的杂质。

为在去噪与保留图像边缘信息之间更好的取舍折衷，人们已经提出了很多方法。由Mallat[1]等提出通过计算Lipschitz指数来估计图像的局部正则性。依据信号与噪声在小波变换各尺度上的传播特性，Lipschitz指数值小于零的小波系数被去除，但同时这也损失了图像边缘。Donoho[2]等提出了小波阈值估计方法，利用小波变换进行图像去噪。小波变换在图像去噪中取得较好效果的原因主要有多分辨率、低熵性、去相关性以及小波基的多样化等优点[3]。曾俊[4]、邢尚英[5]、李杏梅[6]等人提出将小波用于图像滤波和边缘检测。刘玉淑[7]使用连续尺度间小波系数的相关性从有意义的数据中区分噪声。他们的方法基于这样的事实，与噪声有关的系数较之与边缘相关的系数尺度间相关性要小得多。同时其他作者也提出了小波域图像降噪的概率统计方法[8,9]，王智峰[10]等提出一种基于高斯曲率的图像降噪的改进算法。楚恒[11]等提出了一种结合像素分类与小波变换的图像去噪方法。

本文在吸收文献[12]、[13]对纹理细节复杂的图像进行去噪算法的基础上及根据贵州蜡染的特征提出了一种基于区域的消除蜡染图像噪声的方法，首先定义一个大小一定的区域进行处理，由于区域所包含的颜色信息相对简单，因此处理方便，遍历整个图像的所有区域，也就去除了整幅图像的杂质，经实验证明，此方法简单有效，能得到轮廓清晰、几乎没有杂质的蜡染图像。

2 蜡染图像特征

整幅蜡染图像尺幅大、所包含图案信息复杂，如果用处理一般图像的方法去除杂质，会造成计算复杂、运算效率低达不到消除噪声的目的。

蜡染图像杂质的存在形式大部分是线条状，其中小部分为点状，在背景中容易识别。

通过对蜡染作品的色彩研究可以发现绝大部分蜡染作品的色彩不超过三种(不包括黑、白色)，且没有颜色的渐变，每个不同的色彩区域之间都存在明显的过渡边缘，无论是点状杂质还是线状杂质都与背景颜色有明显的差异，容易识别。

3 区域色彩识别

3.1 颜色块概念

验证颜色块的均值后需对公式(2)进行求解，即求满足f(cge1,cge2)取最小值的cge1和cge2值，由于集合{p,q}各自所包含的颜色数据是未知的，因此可用迭代的方式求出cge1和cge2。求解过程如下：

如RGB分别为(100，30，87)的颜色，给定阈值20，那么与它相似的颜色红色(R)的取值范围为(80，120)，绿色(G)的取值范围为(10，30)，蓝色(B)的取值范围为(67，107)，则可以定义从RGB(80，10，67)到RGB(120，50，107)为阈值为20的颜色块，另外定义颜色块的均值为颜色块中所有颜色的平均值，那么此颜色块的均值为RGB(100，30，87)。

3.2 颜色块均值的验证

定义一个大小(w，h)的颜色区域，并对区域进行颜色块分类，颜色块分类是指在区域中寻找不同的颜色块，通过颜色块分类能够识别背景和前景颜色及它们的取值情况。由于本文只涉及一两种颜色块，故对颜色块的分类做以下简化处理。

从大小为(w，h)的区域中，可以得到w*h个像素，也就是w*h个颜色值，将这些像素分为两组，分别定义为CG1和CG2。设CG1包含了k1个颜色值，为p1，p2，…，pk1。CG2包含了k2个颜色值为q1，q2，…，qk2。则有

k1+k2=w*h

(1)

综上所述，经尿道前列腺电切术(TURP)是治疗BPH的金标准，具有创伤小，安全性高、恢复快等优点。TURP治疗储尿期症状为主的BPH效果更佳，更安全，相关机制及原因需要进一步研究明确。

农村一二三产业融合的实现路径与效应度量——以山东荣成市西霞口村为例 ………………………………………………… 黄启发 赵 锦 赵丽丽 王苏睿（3/12）

对于一个颜色值是被归于CG1还是归于CG2，取决于分类目标，颜色块分类目标是满足一个颜色块中所有值到颜色块均值的平方和最小，也就是满足：

设集合{p,q}为全体像素值，cge1为颜色块CG1的均值，cge2为颜色块CG2的均值。

 

(2)

用x替代上式的cge1，y替代上式的cge2，则上式可简化成

 

(3)

要求f(x,y)的最小值，必定满足

 

当时，有

 

(4)

所以有因为x=cge1，也就是颜色块CG1的均值，因此验证了颜色块的均值等于颜色块中的颜色的平均值。

欲使需求f(x,y)的极值点，由于得到的结果是跟y没有关系的方程所以f(x,y)的二阶导数恒等于0，因此只需求cge1和cge2，就满足f(x,y)的极值，此极值为极小值。

3.3 颜色块均值的求解

颜色块是指具有相似颜色的一组颜色。图像的像素可以用颜色值来表示，本文统一使用RGB(24位，不含Alpha通道)的格式描述颜色信息，RGB格式的图像有三种颜色通道，分别是R(红色)，G(绿色)，B(蓝色)，每一种颜色通道具有连续性，所以相似的颜色可用颜色的数值表示。

(1)设定初始值x0,y0。求得s1=f(x0,y0)。

(2)对求解值空间(所有像素值)记录，并进行分类。与x0的绝对值小于与y0的绝对值的数据放入集合{p}，反之放入集合{q}。

(3)求得{p}的均值，存入x0，求得{q}的均值，存入y0，并求得s2=f(x0,y0)。

(4)当s2和s1的绝对差小于可以接受的误差，停止迭代，此时x0接近或者等于cge1，y0接近或者等于cge2，否则设s1=s2，并重复迭代过程(2)和(4)。

3.4 区域内颜色块分析

根据上文给出的两种颜色块自动分类的处理方法及蜡染图像杂质和背景颜色存在明显差异的特征对区域内颜色块进行分析，在阀值一定的情况下，存在以下几种情况：

(1)只有背景颜色。两个颜色块的均值相似，即两个均值的差异在阈值范围内。如图1所示。

  

图1 只有背景颜色Fig.1 Only backgrounel color

管理制度的建设能为管理机构职能发挥提供保障。高职院校现行的校企合作管理制度一般不包含校友工作，同时校友工作管理制度也不包含校企合作，这对于校友与校企合作工作的耦合是一种制度障碍。针对此方面，一些院校进行了一些探索。

激励教育的应用符合新时期的课程改革要求，符合小学生的成长规律，让学生能够主动学习，激发了学生的学习兴趣，引导学生走向光明的未来。

  

图2 多种颜色Fig.2 Multiple colour

正好有客人来寄存行李，刘莉只得冷着脸起身接待。其实，她最初来上班时，是很热情周到的，但是时间一长，也没了好脸色，看到客人都是冷眉冷眼的。这个客人递上一个包不悦地说：“你们这儿怎么这么臭？”

  

图3 一个背景颜色和杂质Fig.3 One background color and impurities

(4)包含两种背景颜色，不包含杂质，这种情况跟(3)一致。如图4所示。

  

图4 两种背景颜色Fig.4 Two background colors

4 区域处理

4.1 杂质识别

蜡染杂质主要表现形式为不规则线段，且线段宽度较小、分布松散，因此可将待识别杂质描述为线状杂质和点状杂质。识别方法分别如下：

(1)识别线状杂质：

对标国外先进技术，渤海装备目前已先后完成中国石油集团公司科研项目6项，专利申报26项，技术攻关48项，为产品升级换代、适应用户新的更高要求提前做好技术储备。

第一步：初步判断杂质颜色。

计算区域内存在的两个颜色集合中每个集合所包含的像素个数，将像素个数较少的假设为杂质颜色。

1.2 仪器 1290 型高效液相色谱(美国 Agilent 公司)，AB 4500Trap 三重四级杆液质联用仪(Applied Biosystems C)，TE612-L型电子天平(S 公司)，Allegra 64R型高速冷冻离心机(BECKMAN COULTER 公司)，Maxi Mix Ⅱ型旋涡混匀仪(美国 Thermolyne 公司)，烘箱。

取任意点的杂质所在像素，用八连通走向法进行连通性分析，若不能全部或者大部分连通，则不可证明为杂质颜色，退出，以待区域移动后进行再次处理。

在开展小学语文教学中，运用合作学习方法以后，要对学习的效果进行总结。对于教师而言，要及时与学生进行谈话，并对作业进行批改，同时注意课堂观察，以取得更好的实施该学习方法的效果。在教学过程中，要注意经验的积累。对于存在的问题，要及时进行反思，并从中获取一些经验。在各个小组学习中，教师要对学生的合作技能进行指导，进而不断提升其学习能力。

第三步：区域边界处杂质识别。

区域边界最外一层所包含的像素个数为w*2+h*2-4。若这些像素中包含了超过一定比例(如20%)的假设杂质颜色，则不能证明其为杂质颜色，退出，以待区域移动后进行再次处理。

(2)包含多种背景颜色和杂质。两个均值的差异在阈值范围外，同时存在一个颜色块包含的颜色范围过大，超过阈值的范围。如图2所示。

经过以上三步处理，可证明杂质位于区域内部，并且成连通线状。

(2)识别点状杂质：

取三组小鼠的肾组织，使用匀浆器进行匀浆，采用相应试剂盒检测肾组织中超氧化物歧化酶（SOD）、丙二醛（MDA）、谷胱甘肽（GSH）的水平。

第一步：同识别线状杂质的第一步。

(3)包含一个背景颜色和杂质。两个均值的差异在阈值范围外，同时颜色块内部包含的颜色范围也是在阈值范围外。如图3所示。

第二步：同识别线状杂质的第三步。

经过以上两步处理，可证明杂质位于区域内部，不与区域边界相连，或者连接量较少。

4.2 区域移动

当区域内包含多种背景颜色和杂质，导致无法识别背景和杂质，需要对区域进行移动，以期获得可识别的颜色区域。首先处理当前区域相邻部分，能够启发式判断此区域杂质识别，如果此区域颜色块集合小于等于2，就能识别出杂质背景，如果相邻区域不能启发式当前区域的识别，则用递归对相邻区域进行处理。

第二步：判断第一步假设的杂质颜色是否具有连通性。

本文采用区域移动的方法定义区域相邻部分，该方法通过移动区域使关键事物置于区域中心。如图2所示，上方矩形表示原区域块，人脸表示识别对象，即本文要去除的杂质，上方矩形只包含了识别对象的一部分，通过区域移动后得到下方矩形，则包含了识别对象所有特征。

  

图5 移动区域Fig.5 Moving area

区域移动操作如下：

（1）制作噬菌体的蛋白质外壳。分别取红色和蓝色的彩色磁片，先在上面画出噬菌体模型的外观图，再按照图形裁剪出红色和蓝色两种噬菌体的外壳模型（红色代表有放射性标记，蓝色代表没有放射性标记，以下同，与教科书中的颜色标记一致）。

设当前区域窗口为Rect(i,j,w,h)，i,j表示当前区域在原图像的位置，w表示当前区域宽度，h表示当前区域高度。那么当前区域窗口移动m,h后，此区域就变成了Rect(i+m,j+n,w,h)。

4.3 杂质背景化

对于上述识别出杂质的图像区域，需要用背景颜色来修正这些杂质。

首先，根据每位高中生的学习水平、兴趣爱好以及性格特征等进行小组分设；其次，明确学生的学习任务，并在每个小组中选择一个小组长，再让小组长把小组内每位组员的任务“捋”清楚，“整”明白。

设DArr(i,j)=1，表示第(i,j)个位置是杂质，那么寻找其八个方向(上下左右，上左，下左，上右，下右)最近的不是杂质的颜色，分别设为UM、UR、UL、MR、ML、DR、DM、DL，则在(i,j)处的颜色为(UM*len(UM)+UR*Len(UR)+UL*Len(UL)+MR*Len(MR)+ML*Len(ML)+DR*Len(DR)+DM*Len(DM)+DL*Len(DL))/Len(All)

其中Len()表示此像素到(i,j)的距离。

4.4 算法实现

本文算法首先定义一个区域(w,h)及两个颜色块CG1、CG2；然后对区域内的颜色进行颜色块分类；设定阀值，分析区域内颜色块；再进行杂质识别，如无法识别则进行区域移动，直至识别出区域内杂质；最后对杂质进行背景化处理，遍历整幅图像去除图像所有杂质。值得注意的是，如果一次处理不能去除所有杂质、得不到较好的处理效果，那么可以进行多次迭代的更改处理区域(w,h)大小或颜色块阈值大小以调整图像处理效果，直至满意。本文算法流程如图6所示。

  

图6 本文算法流程图Fig.6 Algorithm flowchart

5 实验与讨论

本文算法在2.60 GHz CPU的PC上用Visual Studio 2008集成开发环境，使用GDI+图形程序接口和C#(.net3.5版本)语言实现。由于贵州蜡染的图像色彩差异明显，容易识别，因此颜色块阀值可以设为定值，则影响处理速度和处理效果的主要参数为区域的大小(w,h)及区域移动的距离(m,n)，根据处理的具体图像不同，得到较佳处理效果的参数取值也不同。

在处理如图7a蜡染图像(2000,2000)时，对不同参数得到的不同处理结果进行比较。首先根据图像像素的大小，设定(w,h)值为(30,30)，(m,n)值为(20,20)进行第一次处理，然后根据结果如图7b所示，调整(w,h)和(m,n)取值直到得到满意的处理效果如图7d所示，调整时以(w,h)或(m,n)其中的一组为定值，以避免调整的盲目性。不同取值的处理效果对比如表1所示。

建场以来，农场种过柑桔、橡胶等农作物，办过场办工厂，因效益不佳都没能坚持下来。“那时可不像现在这样。2001、2002年的时候，农场工资发不出、社保医保没落实，职工居民住的是旧瓦房、吃的是番薯……”湛江农垦集团宣传处副处长傅学军回忆道。

 

a b c d

 

图7 蜡染图像去除杂质1Fig.7 Batik images removing impurities 1

 

表1 不同取值的处理效果对比Tab.1 Treatment effect comparison of different valuesl

  

图号(w,h)(m,n)效果b(30,30)(20,20)较差C(70,70)(20,20)一般d(100,100)(20,20)较佳

在处理如图8a蜡染图像(1000,1000)时，对不同参数得到的不同处理结果进行比较。初始(w,h)值与图7a中的相同，得到如图8b所示的效果，说明相同取值处理不同像素图像会得到不同处理结果。另外如图8d虽然噪声的处理效果令人满意，但同时原图像的边缘信息也有严重的损失，故其效果是不佳的，因此较佳的处理效果为图8c。不同取值的处理效果对比如表2所示。

民以食为天，蔬菜在人们的日常饮食中占有重要地位。近年来，绿色食品的推广对蔬菜种植提出了更高的要求，只有绿色、无公害的蔬菜才能满足人们对健康饮食的要求。而病虫害对蔬菜种植产生了不利影响，为妥善进行防治，需要采取更加科学有效的技术手段，将病虫害造成的危害降至最低，确保人们能够安全食用蔬菜。

 

a b c d

图8 蜡染图像去除杂质2Fig.8 Batik image removing impurities 2

 

表2 不同取值的处理效果对比Tab.2 Treatment effect eomparison of differeut values 2

  

图号(w,h)(m,n)效果b(30,30)(10,10)较差c(50,50)(10,10)较佳d(60,60)(10,10)不佳

现有的一些处理方法[2,4,8,9]在对其他图像降噪处理上，已经取得了很好的效果，在降噪的同时，基本上保留了图像的边缘信息，但在处理贵州蜡染图像时，其方法存在一些不足。因此针对蜡染图像的特殊性，本文提出了上述的去除杂质方法，同时，实验结果表明，针对具体的蜡染图像，找到较优的参数能得到非常好的处理效果，既有效的去除了噪声的干扰，又很好的保留了蜡染图像的边缘信息，为图像的边缘检测及其它的进一步处理提供了很好的基础。当然本方法也存在一定的不足，在今后的研究工作中主要解决预定初始区域大小(w,h)和区域移动距离(m,n)处理效果较佳时的取值范围及建立一套客观效果评价体系的问题。

参考文献：

[1]MALLAT S,ZHONG S.Singularity Detection and Processing with Wavelet.IEEE Trans.on IT,1992,38(2):617-643.

[2]DONOHO D L,JOHNSTONE I M.Ideal spatial adaptation by wavelet shrinkage [J].Biometrika,1994,81(3):425-455.

[3]XIE J,ZHANG D,XU W.Several improvements for a wavelet denoising method [J].Journal of Tsinghua University Science & Technology,2002,42(9):1269-1272.

[4]曾俊.图像边缘检测技术及其应用研究[D].武汉：华中科技大学,2011.

[5]邢尚英.基于小波变换的图像边缘检测[D].成都：成都理工大学,2013.

[6]李杏梅.Contourlet变换在图像去噪与边缘检测中的应用研究[D].武汉：华中科技大学,2011.

[7]刘玉淑.基于多尺度变换的图像去噪及融合算法研究[D].济南：山东大学,2013.

[8]SIMONCELLI E P,ADELSON E.Noise removal via Bayesian wavelet coring[C].Proc.IEEE International Conference on Image Processing,Lausanne,Switzerland,SEPT.1996:279-382.

[9]CHANG S G,YU B,VETTERLI M.Spatially adaptive wavelet thresholding with context modeling for image denosing [J].IEEE Trans.Image Processing,Sept.2000,9:1522-1531.

[10]王智峰,李小,唐延东，等.一种改进的基于高斯曲率和偏微分方程的图像降噪算法[J].红外与激光工程,2006,35(z4):156-159.DOI:10.3969/j.issn.1007-2276.2006.z4.031.

[11]楚恒,朱维乐.一种利用像素分类的自适应小波图像降噪方法[J].光电子激光,2007,18(4):482-486.

[12]倪永婧.基于纹理细节的图像去噪算法的研究[D].秦皇岛：燕山大学,2006.DOI:10.7666/d.y867347.

[13]倪永婧,王成儒,郭巍.一种新的复杂纹理图像的去噪方法[J].微计算机信息,2006,33:303-305+252.