0 引言
    随着计算机图像处理技术、图像模式识别技术的迅速发展，计算机图像模式识别技术在工业、农业、国防、科学研究和医学等各个方面得到了更加全面的应用。高炮实弹射击中目标的自动提取，就是应用图像模式识别技术对预先的高炮实弹射击录像进行分析，自动提取录像中的目标，确立目标在屏幕中的位置，进而计算射击偏差量，并给出校正量。

1 图像的预处理
    由于预先捕获的高炮射击录像存在一些问题，如图像灰度不均匀，整帧图像的灰度范围较小，这样显得对比度不够，模糊不清，目标与周围景物之间的灰度差别很小，这样的图像直接进行目标的提取将比较困难，使目标的轮廓不清，这样需要我们预先对图像进行图像增强处理，从而除去图像中的噪声，使边缘清晰以及突出图像中的某些性质等。图像增强技术可使图像灰度级的动态范围增大，变的轮廓比较清晰，对比度增大，使目标及弹丸与背景的灰度区别增大，易于从背景图像分离出来进行处理。通过修正直方图而增强对比度是图像增强最常用，最重要的一种方法。
    直方图修正中最优性质的是直方图均衡。图像直方图均衡处理就是用灰度变换函数对输入图像直方图进行修正，修正后的图像直方图趋向均匀分布。
    设rk为原始图像的第k级灰度，sk为变换后图像的的第k级灰度，那么直方图均衡的具体方法如下：
    首先计算原始图像的灰度级直方图，用n(i)(i=0，1，…255)表示。
    计算灰度级的变换函数T(rk)

   
    其中，N是图像的像素总数，然后根据灰度级变换函数T(rk)完成图像的灰度级变换。
    由于只是图像灰度级概率密度函数的近似，因此经过直方图均衡后，只能得到接近平坦的直方图。

2 图像分割
    图像分割一直是图像处理领域中的重点和难点，是实现自动图像分析时首先需要完成的操作，图像在分割后的处理，如特征提取，目标识别等都依赖图像分割的质量。
2．1 图像的二值化处理
    首先，逐像素扫描，统计0～255每一个灰度等级上的像素数量，相当于画一个灰度直方图，横轴为灰度等级，纵轴为像素数量。扫描完毕计算整幅图像的灰度平均值。按灰度等级低到高的顺序扫描直方图，记录每个拐点(包括峰值和谷值)的灰度和数量。
    接着，设一个灰度门限值(比如16)，合并该门限值内的峰值和谷值。比如，两个峰值相差15个灰度，则按加权平均的原则计算新的灰度值(权为各自的像素数量)，将其像素数量相加作为新的像素数量，并将原来的两个峰值和其间所有的谷值删掉。