圖像預(yù)處理技術(shù)概述畢業(yè)論文

1、<p>　　2012屆本科畢業(yè)論文（設(shè)計）</p><p>　　論文（設(shè)計）題目：圖像預(yù)處理技術(shù)概述</p><p>　　學(xué)生姓名： </p><p>　　所在院系： 信息工程學(xué)院 </p><p>　　所學(xué)專業(yè)：計算機科學(xué)與技術(shù) </p><p>　　學(xué)生學(xué)號： </p&g

2、t;<p>　　導(dǎo)師姓名： </p><p>　　完成時間：2012年4月30號</p><p><b>　　圖像預(yù)處理技術(shù)概述</b></p><p><b>　　摘要</b></p><p>　　圖像預(yù)處理技術(shù)就是在對圖像進行正式處理前所做的一系列操作，因為圖像在

3、傳輸過程和存儲過程中難免會受到某種程度的破壞和各種各樣的噪聲的污染，導(dǎo)致圖片喪失了本質(zhì)或者偏離了人們的需求，而這就需要一系列的預(yù)處理操作來消除圖像受到的影響。總的來說圖像預(yù)處理技術(shù)分為兩大方面，即圖像增強和圖像復(fù)原技術(shù)。圖像增強技術(shù)在圖像預(yù)處理中占有較大的比重，是圖像處理所必須的步驟，它與圖像復(fù)原的不同之處在于圖像復(fù)原是以恢復(fù)圖像原來的本質(zhì)為目的，而圖像增強是以突出人們需要的特征并且弱化不需要的特征為原理的。圖像增強的方法很多，有灰度變

4、換、直方圖修正、圖像平滑去噪、偽彩色處理等等?；叶茸儞Q是圖像增強技術(shù)中的一種簡單的點運算處理技術(shù)，而直方圖修正則是基于灰度變換而來的能夠更好的顯示和處理圖像，然而上述兩種只能夠處理一些要求不高的圖像，去噪功能很弱。而圖像平滑減噪則是圖像增強的主要方面，是以對圖像進行平滑和去噪為目的的最常用的預(yù)處理方法，在現(xiàn)代社會圖像預(yù)處理研究中有著舉足輕重的作用。本文先著手介紹圖像預(yù)處理的基礎(chǔ)知識和灰度變換、直方圖修正這兩種圖像預(yù)處理方法的原理，而后重

5、點介紹了幾種噪聲的模型和基于這些噪聲的平滑去噪的方法</p><p>　　關(guān)鍵詞：圖像預(yù)處理，圖像增強，平滑去噪，中值濾波</p><p><b>　　Abstract</b></p><p>　　Image pre-processing technology is made before the formal processing of th

6、e image series of operations, because the image during transmission and storage process will inevitably be some degree of damage and a variety of noise pollution, resulting in pictures lost the nature of or deviation fro

7、m the people's needs, which requires a series of preprocessing operations to eliminate the impact of the image. Overall image pre-processing technology is divided into two aspects, namely, image enhancement</p>

8、<p>　　Key Words: image pre-processing, image enhancement, image denoising, median filter</p><p><b>　　第一章 緒論</b></p><p>　　1.1課題研究的目的意義</p><p>　　岡薩雷斯曾在其著作中提到，視覺是人類感

9、覺中最高級的，而圖像又在人類的感知中起著重要的作用。圖像作為一種重要的信息源，通過對圖像的處理和預(yù)處理可以幫助我們了解信息的內(nèi)涵，增強對信息的把握度，然而圖像容易受到損壞或噪聲污染，失去原來的信息，因此圖像預(yù)處理就是在這一需求下應(yīng)運而生的。圖像預(yù)處理作為圖像處理的重要組成部分，對于人們獲得貨真價實的圖像信息以及復(fù)原圖像本來的面目具有決定性的作用。圖像預(yù)處理顧名思義就是在圖像分析中，對我們輸入的圖像進行特征抽取、分割及匹配前所進行的處理。

10、進行圖像預(yù)處理主要目的是為了消除圖像中無關(guān)緊要的信息，恢復(fù)有用的真實的信息，增強相關(guān)信息的可檢測性和最大限度地簡化我們需要的數(shù)據(jù)，從而增加特征抽取、圖像分割、匹配和識別等后續(xù)圖像處理步驟的可靠性。因此對圖像進行預(yù)處理就成了人們獲得圖像信息的首要解決的事情，然而人們對于圖像預(yù)處理的知識了解不是很多，而且圖像預(yù)處理方法繁多，單單就平滑處理來說就有好多種方法，它們相比有哪些優(yōu)缺點，以及中值濾波有何改進之處，這就是本文要探討和研究的地方，當然對

11、于圖像預(yù)處理來說是一個廣闊的學(xué)科，應(yīng)用廣，分類細，但是遠遠不能滿足社會當今的需求，</p><p>　　1.2課題研究的國內(nèi)外現(xiàn)狀及應(yīng)用</p><p>　　目前人類已經(jīng)進入一個高速發(fā)展的信息時代，有80%的信息來自圖像，科學(xué)研究和技術(shù)應(yīng)用中，圖像處理技術(shù)已成為不可缺少的手段。國外最早的數(shù)字圖像處理技術(shù)出現(xiàn)在20世紀50年代末，當時的電子計算機技術(shù)已經(jīng)發(fā)展到一定水平，人們開始利用它處理圖像

12、信息，而數(shù)字圖形處理作為一門獨立的學(xué)科形成于20世紀60年代初期。早期的圖像處理的主要是為了改善圖像的質(zhì)量，首次獲得實際成功應(yīng)用的是美國噴氣推進實驗室。他們對航天探測器發(fā)回的幾千張月球圖片進行了圖像處理，比如圖像幾何校正、灰度變換、圖像平滑減噪、直方圖修正等等并由計算機成功的繪制出了月球表面地圖，為人類的登月夢想奠定了基礎(chǔ)，也推動了數(shù)字圖像處理這門學(xué)科的出現(xiàn)。此后世界上許多機構(gòu)也加強了對圖像處理技術(shù)的研究，同時圖像處理的應(yīng)用范圍也從空間

13、研究擴展到各個領(lǐng)域，特別是在醫(yī)學(xué)上取得了巨大的成就。從1970以后，隨著計算機和人工智能的迅速發(fā)展，數(shù)字圖像處理技術(shù)向著更高、更深的層次發(fā)展。人們開始研究如何利用計算機系統(tǒng)的解釋處理圖像，這類被稱為圖像理解或者計算機視覺。發(fā)達國家投入了大量的人力物力來研究這項技術(shù)，取得了不少重要的成果，其中比較有代表性的成果是70年代 Ma</p><p>　　一定的自適應(yīng)性，這就使得非線性濾波的功能更為強大，可以廣泛地應(yīng)用到醫(yī)

14、學(xué)、遙感等領(lǐng)域的圖像處理中。1971年，圖基提出了中值濾波的思想，并首先應(yīng)用與時間序列的分析中，后來這種方法引入到圖像處理中，用來濾除圖像的噪聲，收到了良好的效果。隨之而來的是各種中值濾波的改進方案。其中有一種被稱為自適應(yīng)中值濾波的改進算法引起了人們的關(guān)注，這種方法最突出的特點是具有自適應(yīng)的性能并且對圖像的邊緣保護能力較傳統(tǒng)算法具有明顯提高。另外數(shù)學(xué)形態(tài)學(xué)和統(tǒng)計學(xué)的引入為數(shù)字濾波技術(shù)開辟了新的途徑，1982年Serra出版的專著《Ima

15、ge Analysis and Mathematical Morphology》成為數(shù)學(xué)形態(tài)學(xué)應(yīng)用于數(shù)字圖像領(lǐng)域的咀程碑，由此孕育了很多相天的濾波算法，使得圖像濾波算法對圖像的處理有了顯著提高，邊緣保護能力也得到增強。對機器視覺研究的小斷深入使人們丌始重視偏微分方程的數(shù)學(xué)理論，這個領(lǐng)域的實質(zhì)性創(chuàng)始工作應(yīng)該歸功于Koenderink和Witkin各自獨立的工作，他們在圖像中引入了尺度空間嚴格的理論，使之成為偏微分方程在數(shù)字圖像處理學(xué)應(yīng)用的

16、基礎(chǔ)。而在偏微分方程理論應(yīng)用于數(shù)字信號非線性濾波領(lǐng)域</p><p>　　備的圖像邊緣保護功效。因此這些方法在不久的后來被廣泛地應(yīng)用到了醫(yī)學(xué)、遙感圖像的濾波去噪處理之中，獲得了令人滿意的結(jié)果。圖像去除脈沖噪聲特別是椒鹽噪聲的方法有很多，其中非線性中值濾波器作為排序統(tǒng)計濾波器的典型代表而廣泛應(yīng)用于數(shù)字圖像的預(yù)處理領(lǐng)域。它與線性平滑濾波器相比，能在一</p><p>　　定程度上去除椒鹽噪聲，

17、同時減少圖像模糊。但中值濾波的濾波窗口大小固定，隨著圖像噪聲率的增加，其噪聲去除能力下降很快。這是由于隨著噪聲率的增加，圖像中有用的信號點逐漸減少，噪聲點因鄰域內(nèi)可用于濾波的信號點太少而不能被有效濾除。因此，人們繼續(xù)研究在中值濾波基礎(chǔ)上提高對圖像的濾波能力和邊緣保護能力。后來有學(xué)者提出了自適應(yīng)濾波算法，能夠依據(jù)圖像自身的像素改變窗口大小，顯著地提升了圖像的濾波能力，本文在閱覽有關(guān)學(xué)者的文獻基礎(chǔ)上對自適應(yīng)中值濾波的算法及原理進行了探討，并

18、利用仿真證明其相對于中值濾波的優(yōu)良之處。此外，自適應(yīng)中值濾波也有一定的難度，它的算法復(fù)雜度較大，運行時間較長，因此，這類濾波器可還有待改進。除了上述方法之外，實際上還有許多學(xué)者提出了其他方面的方法，比如自適應(yīng)加權(quán)濾波等，各種改進方法的優(yōu)劣不一，目的都是為了圖像預(yù)處理。進入21世紀以后</p><p>　　數(shù)字圖像處理技術(shù)發(fā)展迅速，到目前為止，圖像處理技術(shù)在圖像通訊、辦公室自動化系統(tǒng)、地理信息檢測系統(tǒng)、醫(yī)療信息、衛(wèi)

19、星圖像傳輸以及工業(yè)分析和自動化方面都應(yīng)用廣泛，隨著計算機技術(shù)的超快發(fā)展和圖像處理相關(guān)理論的不斷完善，圖像處理技術(shù)在許多新的應(yīng)用領(lǐng)域受到廣泛重視并取得了重大的研究性成果，屬于這些領(lǐng)域的有航空航天、生物醫(yī)學(xué)工程、機器人視覺、公安司法、軍事制導(dǎo)、文化藝術(shù)等等。圖像處理技術(shù)葉成為了一門引人注目、前景遠大的新型學(xué)科。圖像處理及預(yù)處理技術(shù)在將來必將得到更多的應(yīng)用，應(yīng)用領(lǐng)域也會越來越多，但是總的來說有一下七個方面。</p><p&

20、gt;　?。?）空技術(shù)方面 圖像處理和預(yù)處理在航天航空方面的應(yīng)用，除了對月球、火星圖像的處理之外，另一方面在飛機遙感、衛(wèi)星遙感這一方面應(yīng)用也很多。現(xiàn)在世界各國利用各類遙感衛(wèi)星獲取所需的圖像來進行資源調(diào)查勘察、災(zāi)害監(jiān)測、農(nóng)業(yè)和城市規(guī)劃、軍事偵察和氣象預(yù)報等等。</p><p>　?。?）生物醫(yī)學(xué)工程方面 圖像處理和預(yù)處理在生物醫(yī)學(xué)方面的應(yīng)用很多，且很有成效。除了CT技術(shù)之外，還有就是對應(yīng)用顯微技術(shù)的處理分析，如

21、染色體分析、癌細胞識別等等。此外，在X光肺部圖像處理、超聲波圖像處理、心電圖分析處理、定向放射等等醫(yī)學(xué)診斷方面都有廣泛的應(yīng)用到圖像處理與預(yù)處理。</p><p>　?。?）通信工程技術(shù)方面 在通信領(lǐng)域主要發(fā)展方向是聲音、文字、圖像和數(shù)據(jù)想合的流媒體通信，其中尤其以圖像的通信最為復(fù)雜，因圖像傳輸過程中容易遭到損壞和噪聲污染，所以對于接收到的圖像必須進行預(yù)處理以消除圖像變質(zhì)，復(fù)原圖像或者增強某一特征。</p&

22、gt;<p>　?。?）工業(yè)方面 在工業(yè)領(lǐng)域方面圖像處理和預(yù)處理也有得到巨大的應(yīng)用，他大大的提高了工作效率，如自動裝配線中的質(zhì)量圖像處理，流體力學(xué)中的圖片處理和分析，在一些惡性環(huán)境中的工作及物體的形狀和圖像的分析和預(yù)處理，這些都是不可缺少的過程。</p><p>　?。?）軍事公安應(yīng)用方面 在這方面的圖像處理和識別主要用于導(dǎo)彈的精確制導(dǎo)、各種偵察照片的解讀，以及具有圖像運輸、存儲和顯示的軍事自動

23、化模擬系統(tǒng)；公安方面主要運用于指紋識別、人臉識別、圖像圖片的復(fù)原和增強、交通監(jiān)控和事故分析等。目前已經(jīng)投入運行的高速公路自動收費系統(tǒng)和車牌的自動識別就是圖像處理和預(yù)處理技術(shù)成功應(yīng)用的例子。</p><p>　?。?）文化藝術(shù)方面 目前這類方面的應(yīng)用包括電視畫面的圖像處理、動畫的編輯、電子圖像游戲、文物資料照片的復(fù)制和修復(fù)、運動員動作分析和評分等等，這些應(yīng)用正在形成一門新的藝術(shù)-------計算機美術(shù)</p

24、><p>　　（7）其他方面的應(yīng)用 圖像處理技術(shù)已經(jīng)應(yīng)用到社會的方方面面，如地理信心系統(tǒng)的二維、三維電子地圖的生成及處理修復(fù)，教育領(lǐng)域各種輔助教學(xué)系統(tǒng)研究制作，流媒體技術(shù)領(lǐng)域等等。</p><p>　　1.3論文安排及主要研究問題</p><p>　　本文主要就圖像預(yù)處理技術(shù)的特點和應(yīng)用進行概述。第一章為緒論，首先闡述了本論文的研究目的和意義，然后介紹圖像預(yù)處理技術(shù)的

25、國內(nèi)外研究現(xiàn)狀，最后給出了本論文的主要工作安排及結(jié)構(gòu)。第二章介紹圖像預(yù)處理的基礎(chǔ)性知識，包括圖像預(yù)處理的基本概念，。第三章介紹圖像的灰度化及圖像處理的幾種基本方法的原理，包括灰度變換、直方圖修正、圖像平滑去噪以及圖像銳化等常用的圖像增強技術(shù)。第四章重點介紹圖像平滑濾波技術(shù)，圍繞平滑濾波的分類重點介紹了均值濾波、高斯濾波、中值濾波及頻域低通濾波等幾個方法的原理以及算法流程圖，并且分析各個算法的優(yōu)缺點。第五章結(jié)合上一章的中值濾波技術(shù)引入了自

26、適應(yīng)濾波算法，描述了它的一般步驟，并根據(jù)仿真實驗進行了結(jié)果比較。最后一章是對論文的主要工作進行了總結(jié)，并找到不足之處及改進的方向。</p><p>　　第二章 圖像預(yù)處理基礎(chǔ)</p><p>　　2.1圖像預(yù)處理基礎(chǔ)知識</p><p>　　在上圖中我們可以看到圖像預(yù)處理在整個圖像處理過程中的位置及重要性，進行圖像處理首先就要進行預(yù)處理。一般情況下，人們對獲得的圖像

27、（原始圖像）進行預(yù)處理無非是從兩個方面：圖像增強和圖像復(fù)原。如果人們在圖像處理過程中并不考慮圖像的降質(zhì)等相關(guān)原因，只是單獨的將人們感興趣的圖像特征有選擇的突出出來，并衰減其他不需要或者次要的特征，這類圖像預(yù)處理方法所得到的圖像并不需要和原來的圖像接近，只是讓人們更容易觀察到自己感興趣的地方，所以稱這類預(yù)處理方法為圖像增強技術(shù)。而圖像復(fù)原技術(shù)需要知道圖像的降質(zhì)緣由，根據(jù)圖像降質(zhì)的現(xiàn)眼知識，恢復(fù)并重構(gòu)原來的圖像。所以圖像增強和圖像復(fù)原的目的

28、是不一樣的，圖像增強的目的是為了改善圖像視覺效果，便于觀察和分析人們所感興趣的東西，而把那些不重要的地方給清除出去，不僅如此，圖像增強還便于人工或者機器對圖像的進一步處理。而圖像復(fù)原不僅僅是對圖像進行預(yù)處理還要恢復(fù)至原來的面貌，它需要建立模型依此為依據(jù)進行復(fù)原。</p><p><b>　　2.2圖像增強技術(shù)</b></p><p>　　一般來說圖像增強技術(shù)主要有兩種

29、方法：空間域和頻率域法?？臻g域法則主要是直接在空間域內(nèi)對圖像進行運算處理，分為兩個方面：點運算和鄰域運算（局部運算）。其中點運算包括圖像灰度變換、直方圖修正、局部統(tǒng)計法等幾種方法，鄰域運算包括圖像平滑和圖像銳化等幾個方面。頻率域法則只在圖像的某種變換域里對圖像的變換值進行運算，比如我們對圖像進行傅立葉變換，然后在變換域里對圖像的頻譜進行某種計算，最后把計算后的圖像逆變換到空間域。頻率域法通常分為高、低通濾波、頻率帶通和帶阻濾波、同態(tài)濾波

30、等等。當然以上分類是從圖像預(yù)處理的方法上來分的，如果從處理目的方面來說圖像增強可以分為灰度調(diào)整、平滑減噪、圖像銳化等，從處理策略分類上可以分為全局處理和局部處理兩大方面，從處理對象上來分可以分為灰度圖像處理和偽彩色圖像處理。所以圖像預(yù)處理中的圖像增強技術(shù)分類極其復(fù)雜，這里只闡述下圖像灰度化及灰度變換、圖像平滑減噪及其中濾波方法之一的均值濾波等常用的預(yù)處理方法。</p><p><b>　　2.3圖像復(fù)原

31、技術(shù)</b></p><p>　　由于本文主要講圖像增強技術(shù)和圖像平滑，但是它也是圖像預(yù)處理中常見的處理方法，所以這里便對圖像復(fù)原做一些基礎(chǔ)性知識的說明。圖像復(fù)原技術(shù)就是利用圖像的先驗知識來改變一副被退化的圖像的過程，圖像復(fù)原技術(shù)需要我們先建立圖像模型，然后逆向反解這個退化過程，最后獲得退化前的最優(yōu)圖像。圖像退化模型可以當成是一個線性模糊和一個高斯噪聲的合體。因此，圖像復(fù)原能夠通過設(shè)計復(fù)原濾波器即逆向

32、濾波來實現(xiàn)。在進行圖像復(fù)原時，有許多選擇。首先可以用連續(xù)數(shù)學(xué)，也可以用離散數(shù)學(xué)來處理。其次，進行圖像處理時既可以在空域里還可以在頻率域里。此外，當復(fù)原采用數(shù)字方法是，處理時既可以通過空域的卷積運算，也可以通過頻域的相乘運算來進行。</p><p>　　2.4圖像去噪質(zhì)量評價標準</p><p>　　圖像質(zhì)量評估也是圖像處理領(lǐng)域的研究方向之一，當我們進行圖像增強時，把一幅含有噪聲的圖像處理之

33、后圖像的質(zhì)量是否會有所提高，這需要一個標準來衡量圖像增強的好壞，因此，引入圖像的去噪評價標準對圖像去噪前后的質(zhì)量進行評比，做出比較標準的判斷。現(xiàn)在比較常用的圖像去噪的評估標準有兩類：客觀準則和主觀準則。</p><p>　　客觀評價標準是用去噪后的圖像與原始圖像的偏離程度來衡量圖像去噪處理的質(zhì)量。常用的一個方法是均方誤差估計，它通過計算輸入圖像與輸出圖像的均方值(MSE)來評價圖像處理質(zhì)量。具體計算方法如下：&l

34、t;/p><p>　　設(shè)f為原圖像，fN為加噪后圖像，fd為復(fù)原后圖像，則對于圖像中任意某點(x，y)，其誤差值為：</p><p>　　假定原圖像為M*N的大小，均方誤差可以表示為：</p><p>　　其中，均方誤差值越小，去噪效果就越好。</p><p>　　另外一種常用的客觀評價標準是信噪比(SNR)比較法，同樣對于原始圖像f和去噪圖像f

35、d，則fd的均方信噪比可以表示為：</p><p>　　對于式中的信噪比SNR，將其歸一化并轉(zhuǎn)化，可以得到峰值信噪比(PSNR)。峰值信噪比是最被廣泛使用的評鑒圖像質(zhì)量的客觀量測法，其計量方法如式示：</p><p>　　以上簡單介紹了兩種常用的客觀評價標準。也可采用主觀評測準則，即主觀比較去噪圖像與原圖像兩者之間的差別。所以主觀評價帶有主觀性，因人而異，主要從以下兩方面進行評價：<

36、/p><p>　　觀察圖像去噪后的平滑效果。通過觀察圖片復(fù)原前后平坦區(qū)域和緩變區(qū)域的平滑程度。因為人眼對于平坦區(qū)、緩變區(qū)的噪聲的敏感度相對其它區(qū)域會更高，而且目前常見的平滑去噪的過程也大多在這些區(qū)域進行。</p><p>　　觀測圖像的結(jié)構(gòu)的邊緣保護情況。因為在平滑去噪的過程中，為了消除噪聲，會將圖像邊緣的部份結(jié)構(gòu)模糊掉，這會對圖像邊緣和細節(jié)信息造成一定的破壞。目前大部份濾波方法都會產(chǎn)生邊緣模

37、糊、邊緣移動、邊緣失真及細節(jié)丟棄的后果。因此可以通過觀察圖像的邊緣和平坦的區(qū)域是否受到損壞以判斷濾波器對圖像的保護效果。</p><p>　　2.5 matlab軟件與圖像預(yù)處理</p><p>　　Matlab是Matrix Laboratory即矩陣實驗室的縮寫，是美國MathWorks公司專門開發(fā)的集數(shù)值計算、符號計算、圖像可視化三大功能于一體的功能強大的仿真軟件，是國際上公認的優(yōu)

38、秀數(shù)學(xué)應(yīng)用軟件之一。由于它的基本單位是矩陣，它的指令表達式與數(shù)學(xué)和工程中的相似，故用Matlab解決計算和圖像問題比用其他語言完成要簡單的多。Matlab最突出的功能就是簡潔，用更直觀的符合人們思維的代碼代替了C和VC++的冗長的代碼，給用于帶來了最直觀最簡潔的程序開發(fā)環(huán)境。而且Matlab的圖形功能很強大，在Matlab里數(shù)據(jù)的可視化非常簡單，Matlab還具有較強的編輯圖形界面的能力。Matlab的另一大特色是功能強大的工具箱。Ma

39、tlab軟件里包含兩部分：核心部分和各種可自由選取的工具箱。核心部分則有數(shù)百個內(nèi)部函數(shù)，工具箱又分為兩個方面：功能性工具箱和學(xué)科性工具箱。前者用來擴充符號計算功能，圖像建模仿真功能，文字處理功能和硬件實時交互功能等?？梢钥闯龉δ苄怨ぞ呦溆糜诙喾N類型的學(xué)科，而學(xué)科性工具箱是比較專業(yè)性的工具箱，如signl processing toolbox，communicatio</p><p>　　等等，所以用戶可以不編寫自

40、己學(xué)科內(nèi)的基礎(chǔ)性程序，直接進行高端的程序研究。在上述工具箱中，圖像處理工具包是由一系列支持圖像處理操作的函數(shù)構(gòu)成的，所支持的圖像操作有：圖像幾何操作，鄰域操作、圖像變換、圖像增強與恢復(fù)、線性濾波和濾波器的設(shè)計與實現(xiàn)等等。下面簡單介紹一些Matlab在圖像處理方面的實際操作應(yīng)用。</p><p>　?。?）圖像文件格式的讀入和寫出。Matlab提供了圖像讀入函數(shù) imread()，用來讀取各種各樣的文件，如bmp、

41、pcx、jgpeg 、hdf、xwd等格式的圖像。Matlab還提供了圖像寫出函數(shù)imwrite()，另外還有圖像顯示函數(shù) image()、imshow()。</p><p>　?。?）圖像處理相關(guān)的基本運算。Matlab提供了圖像線性運算以及卷積、相關(guān)、濾波等非線性算。例如，用函數(shù)conv2(A，B)實現(xiàn)了A，B兩幅圖像的卷積運算。</p><p>　?。?）圖像變換。Matlab提供了

42、傅立葉變換、快速傅立葉變換、離散余弦變換及其反變換和連續(xù)小波變換、離散小波變換及其反變換各種變換。</p><p>　?。?）圖像分析、增強。針對圖像的統(tǒng)計計算Matlab 提供了灰度調(diào)整、直方圖均衡、中值濾波、自適應(yīng)濾波等一系列圖像預(yù)處理技術(shù)。</p><p>　　以上所提到的 MATLAB軟件在圖像中的各種處理應(yīng)用都是通過相應(yīng)的Matlab函數(shù)來實現(xiàn)的，因此使用時，只需正確調(diào)用相應(yīng)的函

43、數(shù)并輸入?yún)?shù)即可。</p><p>　　第三章 圖像灰度化及灰度變換</p><p><b>　　3.1圖像灰度化</b></p><p>　　3.1.1灰度的概念</p><p>　　首先了解一下灰度的基本概念，灰度用黑色調(diào)來表示物體，每個灰度對象有0%（白色）至 100%（黑色）的范圍值，通常用灰度來表示黑白或灰度掃

44、描儀生成的圖像。另外使用灰度還能將彩色的圖像轉(zhuǎn)換為高質(zhì)量的黑白圖像，此時制圖軟件將會把原圖像的所有顏色信息丟棄。而我們所說的灰度色，就是指純白、純黑及兩者的一系列從黑到白的過渡顏色。平常所說的黑白照片、電視，實際上都應(yīng)稱為灰度照片、灰度電視才準確?；叶裙灿?56個級別，灰度最高的相當于最高的黑，那就是純黑。灰度最低的相當于最低的黑，也就是沒有黑，就是純白。當把像素量化以后，用一個字節(jié)表示像素的大小。如果把黑-灰-白連續(xù)多種變化的灰度值也

45、量化為256個灰度級，則灰度值的范圍大小為0到255，表示的含義是亮度從深到淺，相對應(yīng)的圖像中的顏色則是從黑到白。所以黑白照片里包含了黑白之間的所有灰度值，每個像素都在黑和白之間的256種灰度中包含著。</p><p>　　3.1.2圖像灰度化介紹</p><p>　　將彩色的圖像轉(zhuǎn)化灰度圖像的過程叫做圖像灰度化，由于彩色圖像的每個像素的顏色由R、G、B三個分量組成，即紅、綠、藍三種顏色。

46、每種顏色都有255中灰度值可以去，而灰度圖像則是R、G、B三個分量灰度值相同的一種特殊的圖像，所以在數(shù)字圖像處理過程中將彩色圖像轉(zhuǎn)換成灰度圖像后就會使后續(xù)的圖像處理時的計算量變得相對很少，這也就是圖像灰度化的原因。而且灰度圖像對圖像特征的描述與彩色圖像沒有什么區(qū)別，仍能反應(yīng)整個圖像的整體和局部的亮度和色度特征?，F(xiàn)在大部分的彩色圖像都是采用RGB顏色模式，處理圖像的時候，要分別對RGB三種分量進行處理，實際上RGB并不能反映圖像的形態(tài)特征

47、，只是從光學(xué)的原理上進行顏色的調(diào)配。所以人們在進行圖像處理和預(yù)處理時都會先進行圖像的灰度化處理，方便對圖像的后續(xù)化處理，減少圖像的復(fù)雜度和信息處理量。</p><p>　　3.1.3圖像灰度化的實現(xiàn)</p><p>　　彩色圖像RGB模型中，如果R=G=B，則彩色表示一種灰度顏色，其中這個值叫灰度值，所以灰度圖像每個像素用一個字節(jié)存放灰度值（亮度值），一般有四種方法對彩色圖進行灰度化：&l

48、t;/p><p>　　取分量法。將彩色圖像中的三個分量之一的亮度值作為灰度圖像的灰度值，</p><p>　　根據(jù)需要選取一種作為灰度圖像。</p><p>　　取最大值法。是將彩色圖像中的三個分量的亮度的最大值作為灰度圖像的灰</p><p><b>　　度值。</b></p><p>　　平均值法

49、。將彩色圖像中的三個分量的亮度值求平均值得到一個灰度值，作</p><p><b>　　為灰度圖像的灰度。</b></p><p>　　加權(quán)平均值法。根據(jù)三個分量的重要性及其它指標，將三個分量以不同的權(quán)</p><p>　　值進行加權(quán)平均運算。由于人眼對綠色的敏感度高，對藍色的敏感度低，故可以按照不同的權(quán)值對RGB三個分量進行加權(quán)平均運算能得到

50、比較合理的灰度圖像。</p><p><b>　　圖像灰度化前后</b></p><p><b>　　3.2灰度變換概念</b></p><p>　　灰度變換是基本的圖像點運算，是圖像增強處理中的一種非?；A(chǔ)空間域圖像處理方法?；叶茸儞Q是指根據(jù)某種目標條件按照一定的變換關(guān)系去逐點改變原圖像中每一個像素灰度值，目的是為了改善

51、畫質(zhì)，以便讓圖像的顯示效果更佳清晰,因此灰度變換還被稱為圖像的對比增強。經(jīng)過灰度變換后的圖像動態(tài)范圍變大，對比度會增強，圖像會變得更加清晰，特征也更加明顯?；叶茸儞Q主要利用點運算來改變圖像像素點的灰度值，不改變圖像內(nèi)的空間關(guān)系，除了根據(jù)某種特定的變換函數(shù)進行變換之外，灰度變換可以認為是對像素進行簡單的復(fù)制?；叶茸儞Q的表達式為：</p><p>　　其中函數(shù)T是灰度變換函數(shù)，它定義了輸入圖像灰度和輸出圖像灰度之間的

52、變換條件。所以如果灰度函數(shù)確定了，那么灰度變換就被完全確定?；叶茸儞Q的方法有很多種，比如圖像灰度求反、灰度拉伸、灰度切分、灰度動態(tài)范圍調(diào)整及灰度級修正等等。以上幾種方法對圖像的處理效果各不相同，但是它們處理過程中都必須用到點運算。點運算通?？梢苑譃榫€性變換、分段線性變換以及非線性變換這三大類。</p><p><b>　　3.2.1線性變換</b></p><p>　

53、　假定輸入圖像f(x, y)的灰度值范圍為[a, b]，變換后的輸出圖像g(x, y)的灰度值范圍擴展至[c, d]，則對于圖像的任一點的灰度值(x ,y)，其表達式如下所示：</p><p>　　若原圖像大部分像素的灰度級在區(qū)間[a, b]內(nèi)，max f為原圖像灰度最大值，只有個別部分的灰度級不在區(qū)間內(nèi)，則為了改善圖像增強效果，可以令：</p><p>　　因此線性變換適合那些曝光不足或

54、過度的圖像，它們的灰度可能會分布在一個很小的范圍內(nèi)，這時得到的圖像是一個比較模糊、沒有灰度層次的圖像。采用上述線性變換對圖像的每一個像素進行灰度作線性拉伸，將會有效的增強圖像的質(zhì)量。</p><p>　　3.2.2 分段線性變換</p><p>　　分段線性變換與線性變換類似，區(qū)別是為了突出圖像中感興趣的灰度區(qū)間，相對抑制不需要的灰度區(qū)間，可以進行分段線性變換，它對圖像灰度區(qū)間進行兩至多段

55、的分段。進行變換時，把0-255灰度值區(qū)間分為幾個線段，每一線段都對應(yīng)一個線性變換函數(shù)。</p><p>　　3.2.3 非線性變換</p><p>　　非線性變換顧名思義就是利用非線性變換函數(shù)對圖像進行變換，分為指數(shù)變換和對數(shù)變換。指數(shù)變換，就是指輸出圖像像素點的灰度值與輸入圖像灰度值之間是指數(shù)關(guān)系，其一般公式為：</p><p>　　對數(shù)變換也就是指輸出圖像像素

56、點的灰度值與輸入圖像的灰度值之間呈現(xiàn)出對數(shù)關(guān)系，其一般公式為：</p><p>　　可見指數(shù)變換對于高灰度區(qū)間的擴展度要遠遠高于低灰度的區(qū)間，所以指數(shù)灰度變換一般適用于過亮的圖像。與指數(shù)變換相反，對數(shù)變換對于低灰度區(qū)間擴展度較大，所以一般用來對過亮的圖像進行處理。</p><p><b>　　3.3 直方圖變換</b></p><p>　　3.

57、3.1 直方圖基礎(chǔ)</p><p>　　圖像的灰度直方圖是反映圖像的像素灰度級與這種灰度級出現(xiàn)的概率之間的相對關(guān)系的圖形。通常灰度級為[0,L-1]范圍的圖像直方圖則是離散函數(shù)h()=， 是第k級灰度，是圖像灰度級=的像素個數(shù)。求灰度直方圖的方法就是拿圖像中像素數(shù)目的總和n去除圖像的每一個像素灰度值，表達式如下：</p><p>　　k=0, 1, 2 , ...

58、 </p><p>　　從以上表述可以總結(jié)出直方圖主要有以下幾個特點：</p><p>　?。?）直方圖中沒有圖像的位置信息。直方圖僅僅反應(yīng)了圖像的灰度分布，和灰度所在的位置沒有絲毫關(guān)系，因此不同的圖像也可能具有相同的直方圖。</p><p>　?。?）直方圖反應(yīng)了圖像整體的灰度范圍。直方圖反應(yīng)了圖像整體灰度分布，對于較暗的圖像，直方圖集中在灰度級低一側(cè)，相反，較亮

59、圖像的直方圖則集中于灰度級較高的一側(cè)。</p><p>　?。?）直方圖具有可疊加性。圖像的直方圖等于它各個分部直方圖的和。</p><p>　　（4）直方圖具有統(tǒng)計特性。從定義可知，連續(xù)圖像的直方圖是連續(xù)函數(shù)，它具有統(tǒng)計特征。</p><p>　　3.3.2 直方圖均衡化</p><p>　　如果圖像的視覺效果差或者人們特殊需要，常常需要對

60、圖像的灰度級進行修正，即對圖像的直方圖進行轉(zhuǎn)換。直方圖均衡化是圖像處理中較常用的方法之一。直方圖均衡化首選要先進行直方圖修正，即把原圖像的直方圖利用灰度變換函數(shù)修正為均勻分布，然后再進行直方圖均衡化。它以概率論為理論基礎(chǔ)，運用灰度點運算實現(xiàn)直方圖的變化，從而達到圖像處理的目的。直方圖的變換函數(shù)取決于直方圖的累積分布函數(shù)。簡單的說即把已知灰度值概率分布的圖像經(jīng)過一種變換，讓它成為一個灰度值概率均勻分布的新圖像。比如有些圖像在低灰度區(qū)間的分

61、布頻率較大，使較暗地方的細節(jié)邊緣比較模糊，此時我們可以進行直方圖均衡化將圖像的灰度范圍均勻分布。而當圖像的直方圖分布為均勻分布時，此時圖像包含的信息量最多，看起來就越清晰。另外由于直方圖是只是近似的概率函數(shù)，直接變換求直方圖很少能得到完全平坦的分布，而且變換后會出現(xiàn)灰度級減少的現(xiàn)象即“簡并”。由于以上原因，我們也要進行直方圖均衡化，以改善圖像灰度的動態(tài)范圍。</p><p>　　3.3.3 直方圖規(guī)定化</

62、p><p>　　直方圖均衡化雖然有很多優(yōu)點，但是它是以累計分布函數(shù)為基礎(chǔ)的直方圖修正，變換后所得的灰度概率密度函數(shù)都是均勻分布的，如果在很多特殊情況下，需要讓變換后的圖像直方圖以某種特定的曲線顯示，例如對數(shù)和指數(shù)等，就需要進行直方圖規(guī)定化。直方圖規(guī)定化的方法如下：假設(shè)是原圖像分布的概率密度函數(shù)，是希望得到的圖像的概率密度函數(shù)。我們先對原圖像做直方圖均衡化，即：</p><p>　　對于得到的圖

63、像設(shè)它的概率密度函數(shù)是’,對該圖像做直方圖規(guī)定化處理，即：</p><p>　　這樣就能夠得到我們所需要的 函數(shù)的直方圖了。</p><p><b>　　3.4圖像平滑減噪</b></p><p>　　灰度變換和直方圖修正都可以對圖像進行簡單的預(yù)處理，然而這些預(yù)處理僅限于圖像沒有受到污染，即沒有因為各種原因產(chǎn)生噪聲或收到不規(guī)則破壞，此時灰度變換

64、和直方圖就不能達到我們預(yù)期的效果了，對于圖像的復(fù)雜處理就必須采用平滑減噪方法。</p><p>　　3.4.1噪聲基本介紹</p><p>　　噪聲就是妨礙人們感覺器官對所收到的圖像信息進行準確理解的因素，噪聲的種類很多，比如電子噪聲、機械噪聲、信道噪聲以及其他噪聲，噪聲對圖像信號和相位的影響很大，有些噪聲和圖像信號不相關(guān)，有些卻相關(guān)。圖像在生成和傳輸過程當中常常會受到各種噪聲的干擾和破壞

65、而使圖像失去原來的本色，這將對后續(xù)圖像的處理比如圖像分割、壓縮、圖像理解等產(chǎn)生不好的影響。上面這幅圖片就是受到噪聲污染后的圖像，可以看出圖像的質(zhì)量與我們所預(yù)想的差別很大。因此，對于圖像處理來說，圖像去噪是必不可少的預(yù)處理操作，為了抑制和消減噪聲，改善圖像的質(zhì)量，以便于做進一步的處理，對圖像進行去噪預(yù)處理是首要的步驟。人們根據(jù)圖像的實際特點、噪聲的統(tǒng)計特點、頻譜的分布規(guī)律等等，發(fā)展了各式各樣的減噪方法。圖像的去噪方法種類很多，依據(jù)的原理也

66、各不相同，其中比較常用的就是圖像平滑去噪方法。</p><p>　　3.4.2圖像噪聲模型</p><p>　　數(shù)字圖像的噪聲一般源自于將圖像數(shù)字化和傳輸?shù)倪^程。在這過程中因受到環(huán)境條件的影響及設(shè)備的性能質(zhì)量原因，使得圖像必不可免的產(chǎn)生噪聲。下面介紹幾種常見的比較重要的噪聲：</p><p>　?。?） 均勻分布噪聲。均勻分布噪聲是指原圖像中每個像素點等概率產(chǎn)生的噪

67、聲。均勻噪聲的概率密度及其期望值和方差如下式所示：</p><p>　?。?）高斯噪聲。高斯噪聲被稱為正態(tài)噪聲，其噪聲的概率密度如下式所示：</p><p>　　式中，z代表圖像的灰度值，代表z的期望值，代表z的標準差。由于高斯噪聲在實際圖像中很常見，且在數(shù)學(xué)上處理相對比較容易，使高斯噪聲模型應(yīng)用比較廣泛。</p><p>　　（3）椒鹽噪聲。椒鹽噪聲也叫脈沖噪聲，

68、它的特點是持續(xù)時間小于0.5秒，間隔時間大于1秒。椒鹽噪聲作為一種非常典型的圖像噪聲，對圖像質(zhì)量的處理起著極大的影響。其噪聲的概率密度如式所示：</p><p>　　式中，假設(shè)b>a，則圖像中灰度值b將以的概率在圖中顯示為一個亮點即鹽粉微粒；灰度值a則將以的概率顯示為一個暗點（胡椒微粒）。</p><p>　?。?）瑞利噪聲。瑞利噪聲是服從瑞利分布的噪聲。其概率密度函數(shù)如式所示：&l

69、t;/p><p>　　（5）伽馬噪聲。伽馬噪聲又稱為愛爾蘭噪聲，其概率密度函數(shù)如式所示：</p><p>　　3.4.3圖像平滑去噪</p><p>　　圖像平滑去噪（Smoothing）是一種比較實用的數(shù)字圖像預(yù)處理技術(shù)，主要目的是減少圖像傳輸過程中參雜的噪聲。一種優(yōu)良的圖像平滑方法應(yīng)該是既可以消除圖像噪聲的影響但是又不會讓圖像的邊緣輪廓和線條變得模糊不清。圖像平滑去

70、噪的方法分為兩大類，即空域法和頻域法。</p><p>　　在空域法里還可以分為兩個方面，一類是噪聲消除，即先判定這個點是否為噪聲點，若是則重新賦值給它，不是就按原值輸出；另一類則是平均法，即不一一對噪聲點進行清除，而是對整個圖像依據(jù)某種方法進行平均運算，一般來說這類濾波方法有均值濾波、高斯濾波、維納濾波等等。另外空域濾波還可以根據(jù)輸出圖像采用什么線性組合分為線性濾波和非線性濾波，線性濾波就是輸出像素是輸入像素的

71、鄰域像素的線性組合，而非線性濾波則指的是輸出像素是輸入像素的鄰域像素的非線性組合。例如我們最常見的空間域濾波方法均值濾波和高斯濾波都屬于線性濾波，而空域濾波中的中值濾波屬于非線性濾波。線性平滑濾波在大多數(shù)情況下對各種類型的噪聲有很好的去除效果。線性濾波器用連續(xù)窗函數(shù)內(nèi)像素加權(quán)和來實現(xiàn)平滑濾波。特別典型的是線性濾波器是空間不變的，這樣就可以使用卷積模板來實現(xiàn)濾波。</p><p>　　頻域法則是先進行傅里葉變換到頻

72、域進行處理然后在反變回空間域還原圖像，一般人們采用低通濾波等方法，這和空間域里直接對圖像的像素值進行鄰域內(nèi)運算不同</p><p><b>　　3.5圖像銳化</b></p><p>　　圖像銳化也是圖像預(yù)處理中的重要部分，圖像銳化目的就是補償圖像的輪廓，增強圖像的邊緣和灰度突變部分，使圖像變得更加清晰，也分為空域處理和頻域處理兩大部分。這里就不再一一描述，只說下圖像

73、銳化的原理。圖像平滑處理雖然可以對圖像進行濾波去噪，但是往往會使圖像中的邊界和輪廓變得模糊，為了減少圖像平滑的這一不利影響，就需要用到了圖像銳化技術(shù)，使圖像的邊緣變得清晰。因此圖像銳化的目的就是對圖像的邊緣輪廓進行處理使之不受圖像平滑的影響。經(jīng)過平滑處理的圖像變得邊緣模糊的根本原因就是因為圖像收到了線性或者非線性運算，而圖像銳化正是從這一方面考慮對圖像進行逆運算（微分運算）讓圖像變得清晰，圖像的銳化也可以濾波器的方式實現(xiàn)。常用的圖像銳化

74、濾波有線性銳化濾波和非線性銳化濾波。與前面圖像平滑一樣，如果輸出像素是輸入像素的線性組合則是線性銳化濾波，否則為非線性銳化濾波。</p><p>　　第四章 平滑去噪常用方法比較</p><p>　　圖像的平滑去噪一般分為空域和頻域兩種方法，本文只介紹空域和頻域里幾種常用的平滑濾波方法，比如均值濾波、高斯濾波以及中值濾波和低通濾波等等，其他的常用方法不在研究之內(nèi)。</p>&

75、lt;p>　　4.1局部平滑法（均值濾波）</p><p>　　局部平滑法也稱為鄰域平均法，由其原理組成的濾波器叫做均值濾波器，這是一種典型的線性濾波。它是一種直接在空間域里進行圖像平滑處理的技術(shù)。假設(shè)圖像由許多灰度值恒定的小塊組成，相鄰像素之間存在著很大的空間相關(guān)性，而噪聲卻是獨立存在的，因此可以用鄰域內(nèi)各個像素的灰度級平均值來代替該像素原來的灰度值，這樣各個像素之間的灰度值就都具有相關(guān)性，就可以去除噪聲

76、，實現(xiàn)圖像的平滑。均值濾波還分為算術(shù)均值濾波和幾何均值濾波。算術(shù)均值濾波顧名思義是以窗口內(nèi)所有像素點灰度值的算術(shù)平均值替代窗口中心的灰度值，這是最簡單的均值濾波，而幾何均值濾波的原理是將窗口中圖像像素的灰度值以幾何運算求均值，下面給出均值濾波的一般公式。</p><p>　　設(shè)有一幅 N×N 的圖像f(x，y)，若平滑圖像為g(x，y),則有</p><p>　　可知鄰域平均法就

77、是將當前圖像各像素鄰域內(nèi)的灰度平均值作為其輸出值的一種簡單的去噪辦法。</p><p>　　如圖所示均值濾波算法主要步驟如下：</p><p>　　（1）選擇一個3 ×3窗口，中心像素是該點輸入時的像素值，其余的是它鄰域內(nèi)像素的值。</p><p>　　（2）然后求這些像素值的均值，作為輸出的像素值，這就是鄰域平均法的原理。</p><

78、p>　?。?）另外對于第一行和最后一行、第一列和最后一列來說，不能找到與自己相鄰的八個像素，因此保持它們的數(shù)據(jù)不變，最后把這幾行列的數(shù)據(jù)和那些變化后的數(shù)據(jù)組合在一起組成圖像的灰度矩陣。</p><p>　?。?）按照此灰度矩陣的值輸出圖像。</p><p>　　根據(jù)均值濾波原理編寫的算法流程圖如下：</p><p>　　matlab中讀取的圖像都是八位的，其最

79、大值只有255因此當把九個數(shù)相加后就超過了255，因此它會自動的取255.于是在im2double中將uint8數(shù)據(jù)類型轉(zhuǎn)換為double型，再在整個數(shù)據(jù)運算完了以后調(diào)用im2uint8將double數(shù)據(jù)轉(zhuǎn)換為uint8并顯示出來。</p><p>　　均值濾波算法的輸出圖像是以窗口內(nèi)所有像素按照某種數(shù)學(xué)操作取均值，算術(shù)濾波器可以有效的去除高斯噪聲和強度不大的椒鹽噪聲，幾何均值濾波器相對于算術(shù)濾波器能夠保留更多的

80、圖像細節(jié)，但是由于算法過程中缺少對保持圖像中含有目標邊緣的考慮，對圖像中的所有像素點包括信號突變處都進行了平滑，使用均值濾波會造成邊緣的模糊和細節(jié)的湮沒，因此均值濾波在圖像去噪的同時也產(chǎn)生了不好的影響，這種方法在平滑了圖像信號的同時也使圖像的細節(jié)部分變得更加模糊，可以驗證當鄰域取得越大圖像會更模糊。。</p><p>　　4.2高斯平滑濾波[1]</p><p>　　高斯平滑濾波也屬于線性

81、濾波，它是根據(jù)高斯函數(shù)的形狀來選擇權(quán)值的線性平滑濾波器。高斯平滑濾波對去除服從正太分布的噪聲特別是高斯噪聲很有效果。[1]高斯函數(shù)可以分為一維零均值高斯函數(shù)和二維零均值高斯函數(shù)。一維零均值高斯函數(shù)為2 。其中，高斯分布參數(shù)決定了高斯濾波器的寬度。二維零均值高斯函數(shù)表達式如下為，對圖像處理來說，常用二維零均值離散高斯函數(shù)作平滑濾波器。高斯濾波的特性與高斯函數(shù)息息相關(guān)，高斯函數(shù)具有5個重要性質(zhì)：</p><p>　

82、　（1）二維高斯函數(shù)具有旋轉(zhuǎn)對稱性，也就是濾波器在各個方向上的平滑程度是相同的。通常來說一幅圖像的邊緣方向是不知道的，因此，我們在濾波之前是無法確定哪個方向上需要要更多的平滑的，而這意味著高斯濾波在圖像處理中不會偏向任一方向。</p><p>　?。?）高斯函數(shù)是單值函數(shù)。與均值濾波相似，高斯濾波用圖像像素鄰域的加權(quán)均值來代替該點的像素值，而權(quán)值的選取是隨著該像素點與中心點距離單調(diào)遞減的，所以離中心點比較遠的像素

83、權(quán)值較小，受到的高斯濾波影響會很小。相反如果平滑濾波對邊緣像素點仍然有很大的作用，則會導(dǎo)致圖像失真。</p><p>　　（3）高斯函數(shù)的傅立葉變換頻譜是單瓣的。因為圖像常被高頻信號所污染，而我們所期望的圖像特征，既含有低頻分量，又含有高頻分量。高斯函數(shù)傅立葉變換的單瓣意味著平滑圖像不會被不需要的高頻信號所污染，同時保留了大部分所需要的信號。</p><p>　　（4）高斯濾波器的寬度(決

84、定著平滑程度)是由參數(shù)σ表證的，而且σ和平滑程度的關(guān)系是非常簡單的。σ越大，高斯濾波器的頻帶就越寬，平滑程度就越好。通過調(diào)節(jié)平滑程度參數(shù)σ，可在圖像特征分量模糊(過平滑)與平滑圖像中由于噪聲和細紋理所引起的過多的不希望突變量(欠平滑)之間取得折衷。</p><p>　　（5）由于高斯函數(shù)的可分離性，大高斯濾波器可以有效實現(xiàn)。通過二維高斯函數(shù)的卷積可以分兩步來進行，首先將圖像與一維高斯函數(shù)進行卷積，然后將卷積的結(jié)果

85、與方向垂直的相同一維高斯函數(shù)進行卷積。因此，二維高斯濾波的計算量隨濾波模板寬度成線性增長而不是成平方增長。這些性質(zhì)使得它在早期的圖像處理中特別有用，表明高斯平滑濾波器無論在空間域還是在頻率域都是十分有效的低通濾波器。高斯濾波的算法一般分如下幾步：</p><p>　　（1）使用imread()讀入原始的彩色圖像。</p><p>　　（2）輸入高斯濾波器的均值和方差。</p>

86、<p>　?。?）利用高斯濾波A1=fspecial('gaussian',k,n3) %生成高斯序列 </p><p>　?。?）用生成的高斯序列進行濾波。Y1=filter2(A2,g)/255</p><p>　?。?）顯示濾波后的圖像。</p><p>　　以上分析可以看出高斯濾波是有高斯函數(shù)而決定的，所以它非常適合對正太分布的高

87、斯噪聲進行濾波，而對那些隨即分布的噪聲比如脈沖噪聲和椒鹽噪聲的清除效果就不很好了，所以高斯濾波有他的局限性。這里高斯濾波的流程圖就不在描述，因為高斯濾波用matlab函數(shù)就可以實現(xiàn)。</p><p><b>　　4.3中值濾波</b></p><p><b>　　中值濾波[]</b></p><p>　　中值濾波( Med

88、ian Filtering) 是一種基于排序統(tǒng)計理論的可有效抑制</p><p>　　噪聲的非線性平滑濾波。其濾波原理是: 首先確定一個以某個像素為中</p><p>　　心點的鄰域, 一般為方形鄰域, 然后將鄰域中各像素的灰度值進行排序,</p><p>　　取中間值作為中心像素灰度的新值, 這里的鄰域通常被稱為窗口; 當窗</p><p>

89、;　　口在圖像中上下左右進行移動后, 利用中值濾波算法可以很好地對圖像</p><p>　　進行平滑處理。中值濾波的輸出像素是由鄰域圖像的中間值決定的, 因</p><p>　　而中值濾波對極限像素值( 與周圍像素灰度值差別較大的像素) 遠不如</p><p>　　平均值那么敏感, 從而可以消除孤立的噪聲點, 可以使圖像產(chǎn)生較少的</p><p&

90、gt;<b>　　模糊。</b></p><p>　　中值濾波去除噪聲的效果除了與噪聲的類型有關(guān)外, 還與鄰域的空</p><p>　　間范圍和中值計算中涉及的像素數(shù)有關(guān)。一般來說, 小于濾波器面積一</p><p>　　半的亮或暗的物體基本上會被濾除, 而較大的物體幾乎原封不動地保存</p><p>　　下來, 因此,

91、 中值濾波器的空間尺寸必須根據(jù)現(xiàn)有的問題來進行調(diào)整。較</p><p>　　簡單的模板是NN 的方形( 注: 此處的N 通常是奇數(shù)) ?？傊? 中值濾波具</p><p>　　有算法簡單、實時性好、可靠性高等特點, 既能保護圖像的邊緣信息, 又</p><p>　　可以除去圖像中的噪聲, 具有較高的實用價值。</p><p>　　傳統(tǒng)的中值濾

92、波方法是先選擇一定的窗口( 一般窗口大小為3 ×3 或5 ×5) , 然后使窗口在圖像內(nèi)逐次移動, 并用窗口內(nèi)像素灰度值的中值來代替窗中心點處的像素灰度值。</p><p>　　傳統(tǒng)的中值濾波算法的實現(xiàn)過程如下:</p><p>　　(1)選擇一個(2n +1) ×(2n +1) 的窗口(通常為3 ×3 或5 ×5) , 并用該窗口沿圖像數(shù)

93、據(jù)進行或列方向的滑動;</p><p>　　(2)每次移動后, 對窗口內(nèi)的諸像素灰度值進行排序;</p><p>　　(3)用排序法所得到的中值替代窗口中心位置的原始像素灰度值。</p><p>　　(4)然后以此作為新圖像的灰度值并輸出</p><p>　　中值濾波的算法流程圖大致如下;</p><p>　　傳統(tǒng)的中

94、值濾波算法對去除高斯噪聲和低強度的椒鹽噪聲有不錯的效果，但是由于它是以去窗口內(nèi)像素的中值作為新圖像的灰度值的，如果椒鹽噪聲分布范圍較廣且不均勻，那么進行中值處理后有可能噪聲不僅沒清除反而會加重噪聲點的范圍，所以傳統(tǒng)的中值濾波缺點也很明顯，盡管它在處理椒鹽噪聲上由于高斯濾波和均值濾波，所以在下一章本文引入了自適應(yīng)中值濾波的算法。</p><p>　　4.4頻域濾波之低通濾波</p><p>

95、　　當我們分析圖像信號的頻率特性時，可以看出圖像的邊緣、跳躍部分及顆粒噪聲都處于高頻部分，所以圖像的低通濾波法簡要說來就是濾除高頻成分，保留低頻成分，這樣就能實現(xiàn)對噪聲的清除，在頻域中實現(xiàn)平滑處理。前面講過頻域處理要利用傅里葉變換和反變換來進行圖像處理，假定原圖像函數(shù)f(x, y),經(jīng)過傅里葉變換為F(u, v),然后在選取合適的濾波器函數(shù)H(u,v)對傅里葉變換后的圖像頻譜進行調(diào)整，下面給出低通濾波算法的主要步驟：</p>

96、<p>　　輸入原圖像，并進行傅里葉變換。</p><p>　　得到圖像頻譜，并把頻譜中心化。</p><p>　　選擇低通濾波函數(shù)對圖像頻譜進行清高頻留低頻處理。</p><p>　　對圖像進行傅里葉反變換，得到處理后的新圖像并輸出。</p><p>　　自適應(yīng)中值濾波：[]</p><p>　　1.中

97、值濾波對椒鹽噪聲有很好的去除作用，這只局限于椒鹽噪聲在空間上出現(xiàn)的概率不大，如果椒鹽噪聲在空間上出現(xiàn)概率較大，使用中值濾波可能會產(chǎn)生較嚴重的后果，會產(chǎn)生較大程度的圖像邊緣細節(jié)模糊，在實際圖像處理中有著明顯的缺點，因此單獨運用中值濾波去處理圖像可用性不大。近年來人們一直在研究針對椒鹽噪聲的中值濾波處理方法怎樣最大程度的保留圖像細節(jié)信息，不至于使圖像變得很模糊，這已成為非線性濾波研究的一個重要方向。在這種情況下本文提出了一種自適應(yīng)中值濾波算

98、法，它基于中值濾波采用自適應(yīng)窗口大小，在中值濾波中加入判斷步驟，辨別窗口內(nèi)的像素中值是否與椒鹽噪聲相對應(yīng)，并分別進行處理。</p><p>　　2.自適應(yīng)中值濾波算法概述</p><p>　　自適應(yīng)中值濾波算法的基本步驟如下:</p><p>　　(1)尋找某像素點a進行中值濾波時的窗口內(nèi)像素灰度的中值</p><p>　　(2)用該中值分別

99、減去該窗口內(nèi)的最小灰度值和最大灰度值，設(shè)所得結(jié)果分別為</p><p><b>　　A, B</b></p><p>　　(3)如果A>0且B<0，那么轉(zhuǎn)到(5)；否則，轉(zhuǎn)到(4)</p><p>　　(4)若像素a點的灰度等于像素點的灰度中值，則輸出該點的灰度均值；否則，</p><p>　　增大窗口的尺寸

100、，在窗口尺寸到達最大允許值之前一直重復(fù)步驟(1)(2)，否則輸出該點的灰度值。</p><p>　　(5)用該點像素灰度值分別減以該窗口內(nèi)的最小灰度值和最大灰度值，所得結(jié)果為C，D</p><p>　　(6)如果C>0且D<0，那么輸出該點像素灰度，否則輸出該像素點的灰度中值</p><p>　　在上述算法中如果灰度中值在灰度最小值和最大值中間，表明該中

101、值不是噪聲，然后判斷該點自己的灰度是否為脈沖，如果都不是脈沖時優(yōu)先輸出像素點的灰度值。如果像素點灰度值和它的灰度中值都是噪聲時，輸出該像素點的灰度均值。這樣就能避免輸出噪聲了，而且又不會對低灰度值產(chǎn)生任何影響，保證了邊緣的清晰。</p><p>　　下圖給出了自適應(yīng)中值濾波算法的流程圖：</p><p>　　實驗結(jié)果：本方法的軟件實現(xiàn)流程如上圖所示，本文仿真圖像是將lena原圖像</

102、p><p>　　Lena原圖像A 加入椒鹽噪聲后的圖像B</p><p>　　中值濾波后的圖像C 自適應(yīng)濾波后的圖像D</p><p>　　加入椒鹽噪聲，噪聲參數(shù)自己選擇，選擇不同的參數(shù)實驗結(jié)果也不一樣。可以用img_B =imnoise(img_A, 'salt & pe

103、pper',參數(shù))表達式加入噪聲，然后對加入噪聲后的圖像分別進行中值濾波和自適應(yīng)中值濾波處理。圖B是將原圖像加入噪聲后的圖像。圖像C時經(jīng)過中值濾波函數(shù)處理后的圖像，可以看到雖然中值濾波可以有效的去除椒鹽噪聲，但是如果該噪聲強度很大（通過參數(shù)調(diào)節(jié)）時，中值濾波處理圖像時就會產(chǎn)生很大問題，圖形會變得很不清晰。而采用自適應(yīng)濾波處理后可以看出: 在濾除噪聲方面, 利用本文的自適應(yīng)方法處理后的圖像要優(yōu)于利用傳統(tǒng)中值濾波的3 ×3

104、 濾波窗口處理后的圖像。而且可以驗證中值濾波窗口增大后圖像處理會更不清晰，對比自適應(yīng)濾波會更明顯。這種自適應(yīng)中值濾波方法通過對圖像像素灰度和灰度中值的比較, 然后自動地選擇濾波窗口的大小。這樣既可有效濾除嚴重的噪聲干擾, 同時也保持了圖像的細節(jié)，但是本方法對高斯噪聲的處理還未研究，而且算法還有待改進。</p><p><b>　　第六章 總結(jié)與展望</b></p><p&

105、gt;　　通過對文獻的閱讀，在對圖像預(yù)處理研究現(xiàn)狀和研究內(nèi)容有了一定了解基礎(chǔ)上，本文圍繞著圖像預(yù)處理的基本知識及主要處理方法如灰度變換、直方圖修正特別是平滑濾波方法上展開了著重研究，并對圖像濾波實現(xiàn)的幾種主要算法進行了描述，并進行了基本的比較，總結(jié)出了自己的觀點，最后又引入了一項基于中值濾波方法的自適應(yīng)濾波算法，運用Matlab軟件進行了仿真，比較了改進前后的圖像優(yōu)劣，從結(jié)果來看本文的自適應(yīng)中值濾波對去除椒鹽噪聲有很大作用。</p

106、><p>　　雖然本文對圖像預(yù)處理技術(shù)做了一些研究和探索工作，但是鑒于圖像預(yù)處理技術(shù)是一項宏大的學(xué)科，應(yīng)用背景和所涉及的知識內(nèi)容非常廣泛，所以還存在著以下幾個問題:</p><p>　　由于matlab程序的復(fù)雜和設(shè)計時間有限，本人在寫出算法后編程遇到了問題，只能對其圖像處理工具箱中的圖像處理函數(shù)進行了解和應(yīng)用，未能自己編寫中值濾波程序。另外圖像處理算法的比較采用主觀評價，受觀察者的主觀限制，