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(jì)）</p><p>　　論文（設(shè)計(jì)）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(jì)算機(jī)科學(xué)與技術(shù) </p><p>　　學(xué)生學(xué)號(hào)： </p&g

2、t;<p>　　導(dǎo)師姓名： </p><p>　　完成時(shí)間：2012年4月30號(hào)</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(duì)圖像進(jìn)行正式處理前所做的一系列操作，因?yàn)閳D像在

3、傳輸過程和存儲(chǔ)過程中難免會(huì)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(qiáng)和圖像復(fù)原技術(shù)。圖像增強(qiáng)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(qiáng)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(qiáng)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(qiáng)技術(shù)中的一種簡單的點(diǎn)運(yùn)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(qiáng)的主要方面，是以對(duì)圖像進(jìn)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(huì)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(shí)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(diǎn)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(qiáng)，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(jí)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(duì)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(qiáng)對(duì)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(yùn)而生的。圖像預(yù)處理作為圖像處理的重要組成部分，對(duì)于人們獲得貨真價(jià)實(shí)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(duì)我們輸入的圖像進(jìn)行特征抽取、分割及匹配前所進(jìn)行的處理。

10、進(jìn)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(shí)的信息，增強(qiáng)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(shí)別等后續(xù)圖像處理步驟的可靠性。因此對(duì)圖像進(jìn)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(duì)于圖像預(yù)處理的知識(shí)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(diǎn)，以及中值濾波有何改進(jìn)之處，這就是本文要探討和研究的地方，當(dāng)然對(duì)

11、于圖像預(yù)處理來說是一個(gè)廣闊的學(xué)科，應(yīng)用廣，分類細(xì)，但是遠(yuǎn)遠(yuǎn)不能滿足社會(huì)當(dāng)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(jìn)入一個(gè)高速發(fā)展的信息時(shí)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(jì)50年代末，當(dāng)時(shí)的電子計(jì)算機(jī)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(dú)立的學(xué)科形成于20世紀(jì)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(shí)際成功應(yīng)用的是美國噴氣推進(jìn)實(shí)驗(yàn)室。他們對(duì)航天探測器發(fā)回的幾千張?jiān)虑驁D片進(jìn)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(jì)算機(jī)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(dòng)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(jī)構(gòu)也加強(qiáng)了對(duì)圖像處理技術(shù)的研究，同時(shí)圖像處理的應(yīng)用范圍也從空間

13、研究擴(kuò)展到各個(gè)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(jì)算機(jī)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(jì)算機(jī)系統(tǒng)的解釋處理圖像，這類被稱為圖像理解或者計(jì)算機(jī)視覺。發(fā)達(dá)國家投入了大量的人力物力來研究這項(xiàng)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(qiáng)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(shí)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(jìn)方案。其中有一種被稱為自適應(yīng)中值濾波的改進(jìn)算法引起了人們的關(guān)注，這種方法最突出的特點(diǎn)是具有自適應(yīng)的性能并且對(duì)圖像的邊緣保護(hù)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(jì)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(duì)圖像的處理有了顯著提高，邊緣保護(hù)能力也得到增強(qiáng)。對(duì)機(jī)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(gè)領(lǐng)域的實(shí)質(zhì)性創(chuàng)始工作應(yīng)該歸功于Koenderink和Witkin各自獨(dú)立的工作，他們?cè)趫D像中引入了尺度空間嚴(yán)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(hào)非線性濾波領(lǐng)域</p><p>　　備的圖像邊緣保護(hù)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(jì)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(shí)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(hào)點(diǎn)逐漸減少，噪聲點(diǎn)因鄰域內(nèi)可用于濾波的信號(hào)點(diǎn)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(duì)圖像的濾波能力和邊緣保護(hù)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(xiàn)基礎(chǔ)上對(duì)自適應(yīng)中值濾波的算法及原理進(jìn)行了探討，并

18、利用仿真證明其相對(duì)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(yùn)行時(shí)間較長，因此，這類濾波器可還有待改進(jìn)。除了上述方法之外，實(shí)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(jìn)方法的優(yōu)劣不一，目的都是為了圖像預(yù)處理。進(jìn)入21世紀(jì)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(dòng)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(dòng)化方面都應(yīng)用廣泛，隨著計(jì)算機(jī)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(jī)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(yuǎn)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(huì)越來越多，但是總的來說有一下七個(gè)方面。</p><p&

20、gt;　　（1）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(duì)月球、火星圖像的處理之外，另一方面在飛機(jī)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(jìn)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(bào)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(duì)應(yīng)用顯微技術(shù)的處理分析，如

21、染色體分析、癌細(xì)胞識(shí)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>　　（3）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(duì)于接收到的圖像必須進(jìn)行預(yù)處理以消除圖像變質(zhì)，復(fù)原圖像或者增強(qiáng)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(dòng)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(shí)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(yùn)輸、存儲(chǔ)和顯示的軍事自動(dòng)

23、化模擬系統(tǒng)；公安方面主要運(yùn)用于指紋識(shí)別、人臉識(shí)別、圖像圖片的復(fù)原和增強(qiáng)、交通監(jiān)控和事故分析等。目前已經(jīng)投入運(yùn)行的高速公路自動(dòng)收費(fèi)系統(tǒng)和車牌的自動(dòng)識(shí)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(dòng)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(yùn)動(dòng)員動(dòng)作分析和評(píng)分等等，這些應(yīng)用正在形成一門新的藝術(shù)-------計(jì)算機(jī)美術(shù)</p

24、><p>　?。?）其他方面的應(yīng)用 圖像處理技術(shù)已經(jīng)應(yīng)用到社會(huì)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(diǎn)和應(yīng)用進(jìn)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(shí)，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(qiáng)技術(shù)。第四章重點(diǎn)介紹圖像平滑濾波技術(shù)，圍繞平滑濾波的分類重點(diǎn)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(gè)方法的原理以及算法流程圖，并且分析各個(gè)算法的優(yōu)缺點(diǎn)。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(shí)驗(yàn)進(jìn)行了結(jié)果比較。最后一章是對(duì)論文的主要工作進(jìn)行了總結(jié)，并找到不足之處及改進(jìn)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(shí)</p><p>　　在上圖中我們可以看到圖像預(yù)處理在整個(gè)圖像處理過程中的位置及重要性，進(jìn)行圖像處理首先就要進(jìn)行預(yù)處理。一般情況下，人們對(duì)獲得的圖像

27、（原始圖像）進(jìn)行預(yù)處理無非是從兩個(gè)方面：圖像增強(qiáng)和圖像復(fù)原。如果人們?cè)趫D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(dú)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(qiáng)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(shí)，恢復(fù)并重構(gòu)原來的圖像。所以圖像增強(qiáng)和圖像復(fù)原的目的

28、是不一樣的，圖像增強(qiáng)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(qiáng)還便于人工或者機(jī)器對(duì)圖像的進(jìn)一步處理。而圖像復(fù)原不僅僅是對(duì)圖像進(jìn)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(jìn)行復(fù)原。</p><p><b>　　2.2圖像增強(qiáng)技術(shù)</b></p><p>　　一般來說圖像增強(qiáng)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(duì)圖像進(jìn)行運(yùn)算處理，分為兩個(gè)方面：點(diǎn)運(yùn)算和鄰域運(yùn)算（局部運(yùn)算）。其中點(diǎn)運(yùn)算包括圖像灰度變換、直方圖修正、局部統(tǒng)計(jì)法等幾種方法，鄰域運(yùn)算包括圖像平滑和圖像銳化等幾個(gè)方面。頻率域法則只在圖像的某種變換域里對(duì)圖像的變換值進(jìn)行運(yùn)算，比如我們對(duì)圖像進(jìn)行傅立葉變換，然后在變換域里對(duì)圖像的頻譜進(jìn)行某種計(jì)算，最后把計(jì)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(dāng)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(qiáng)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(duì)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(qiáng)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(qiáng)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(duì)圖像復(fù)原做一些基礎(chǔ)性知識(shí)的說明。圖像復(fù)原技術(shù)就是利用圖像的先驗(yàn)知識(shí)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(gè)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(dāng)成是一個(gè)線性模糊和一個(gè)高斯噪聲的合體。因此，圖像復(fù)原能夠通過設(shè)計(jì)復(fù)原濾波器即逆向

32、濾波來實(shí)現(xiàn)。在進(jìn)行圖像復(fù)原時(shí)，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(jìn)行圖像處理時(shí)既可以在空域里還可以在頻率域里。此外，當(dāng)復(fù)原采用數(shù)字方法是，處理時(shí)既可以通過空域的卷積運(yùn)算，也可以通過頻域的相乘運(yùn)算來進(jìn)行。</p><p>　　2.4圖像去噪質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)</p><p>　　圖像質(zhì)量評(píng)估也是圖像處理領(lǐng)域的研究方向之一，當(dāng)我們進(jìn)行圖像增強(qiáng)時(shí)，把一幅含有噪聲的圖像處理之

33、后圖像的質(zhì)量是否會(huì)有所提高，這需要一個(gè)標(biāo)準(zhǔn)來衡量圖像增強(qiáng)的好壞，因此，引入圖像的去噪評(píng)價(jià)標(biāo)準(zhǔn)對(duì)圖像去噪前后的質(zhì)量進(jìn)行評(píng)比，做出比較標(biāo)準(zhǔn)的判斷?，F(xiàn)在比較常用的圖像去噪的評(píng)估標(biāo)準(zhǔn)有兩類：客觀準(zhǔn)則和主觀準(zhǔn)則。</p><p>　　客觀評(píng)價(jià)標(biāo)準(zhǔn)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(gè)方法是均方誤差估計(jì)，它通過計(jì)算輸入圖像與輸出圖像的均方值(MSE)來評(píng)價(jià)圖像處理質(zhì)量。具體計(jì)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(duì)于圖像中任意某點(diǎn)(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(píng)價(jià)標(biāo)準(zhǔn)是信噪比(SNR)比較法，同樣對(duì)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(duì)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(píng)鑒圖像質(zhì)量的客觀量測法，其計(jì)量方法如式示：</p><p>　　以上簡單介紹了兩種常用的客觀評(píng)價(jià)標(biāo)準(zhǔn)。也可采用主觀評(píng)測準(zhǔn)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(píng)價(jià)帶有主觀性，因人而異，主要從以下兩方面進(jìn)行評(píng)價(jià)：<

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?yàn)槿搜蹖?duì)于平坦區(qū)、緩變區(qū)的噪聲的敏感度相對(duì)其它區(qū)域會(huì)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(jìn)行。</p><p>　　觀測圖像的結(jié)構(gòu)的邊緣保護(hù)情況。因?yàn)樵谄交ピ氲倪^程中，為了消除噪聲，會(huì)將圖像邊緣的部份結(jié)構(gòu)模糊掉，這會(huì)對(duì)圖像邊緣和細(xì)節(jié)信息造成一定的破壞。目前大部份濾波方法都會(huì)產(chǎn)生邊緣模

37、糊、邊緣移動(dòng)、邊緣失真及細(xì)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(duì)圖像的保護(hù)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(shí)驗(yàn)室的縮寫，是美國MathWorks公司專門開發(fā)的集數(shù)值計(jì)算、符號(hào)計(jì)算、圖像可視化三大功能于一體的功能強(qiáng)大的仿真軟件，是國際上公認(rèn)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(dá)式與數(shù)學(xué)和工程中的相似，故用Matlab解決計(jì)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(qiáng)大，在Matlab里數(shù)據(jù)的可視化非常簡單，Matlab還具有較強(qiáng)的編輯圖形界面的能力。Matlab的另一大特色是功能強(qiáng)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(gè)內(nèi)部函數(shù)，工具箱又分為兩個(gè)方面：功能性工具箱和學(xué)科性工具箱。前者用來擴(kuò)充符號(hào)計(jì)算功能，圖像建模仿真功能，文字處理功能和硬件實(shí)時(shí)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(jìn)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(qiáng)與恢復(fù)、線性濾波和濾波器的設(shè)計(jì)與實(shí)現(xiàn)等等。下面簡單介紹一些Matlab在圖像處理方面的實(shí)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>　　（2）圖像處理相關(guān)的基本運(yùn)算。Matlab提供了圖像線性運(yùn)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(shí)現(xiàn)了A，B兩幅圖像的卷積運(yùn)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>　　（4）圖像分析、增強(qiáng)。針對(duì)圖像的統(tǒng)計(jì)計(jì)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(shí)現(xiàn)的，因此使用時(shí)，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(gè)灰度對(duì)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(shí)制圖軟件將會(huì)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(shí)際上都應(yīng)稱為灰度照片、灰度電視才準(zhǔn)確。灰度共有256個(gè)級(jí)別，灰度最高的相當(dāng)于最高的黑，那就是純黑。灰度最低的相當(dāng)于最低的黑，也就是沒有黑，就是純白。當(dāng)把像素量化以后，用一個(gè)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(gè)灰度級(jí)，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(duì)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(gè)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(gè)像素的顏色由R、G、B三個(gè)分量組成，即紅、綠、藍(lán)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(gè)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(huì)使后續(xù)的圖像處理時(shí)的計(jì)算量變得相對(duì)很少，這也就是圖像灰度化的原因。而且灰度圖像對(duì)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(gè)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(shí)候，要分別對(duì)RGB三種分量進(jìn)行處理，實(shí)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(jìn)行顏色的調(diào)配。所以人們?cè)谶M(jìn)行圖像處理和預(yù)處理時(shí)都會(huì)先進(jìn)行圖像的灰度化處理，方便對(duì)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(shí)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(gè)值叫灰度值，所以灰度圖像每個(gè)像素用一個(gè)字節(jié)存放灰度值（亮度值），一般有四種方法對(duì)彩色圖進(jìn)行灰度化：&l

48、t;/p><p>　　取分量法。將彩色圖像中的三個(gè)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(gè)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(gè)分量的亮度值求平均值得到一個(gè)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(gè)分量的重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)</p><p>　　值進(jìn)行加權(quán)平均運(yùn)算。由于人眼對(duì)綠色的敏感度高，對(duì)藍(lán)色的敏感度低，故可以按照不同的權(quán)值對(duì)RGB三個(gè)分量進(jìn)行加權(quán)平均運(yùn)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(diǎn)運(yùn)算，是圖像增強(qiáng)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(biāo)條件按照一定的變換關(guān)系去逐點(diǎn)改變?cè)瓐D像中每一個(gè)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(duì)比增強(qiáng)。經(jīng)過灰度變換后的圖像動(dòng)態(tài)范圍變大，對(duì)比度會(huì)增強(qiáng)，圖像會(huì)變得更加清晰，特征也更加明顯?；叶茸儞Q主要利用點(diǎn)運(yùn)算來改變圖像像素點(diǎn)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(jìn)行變換之外，灰度變換可以認(rèn)為是對(duì)像素進(jìn)行簡單的復(fù)制?；叶茸儞Q的表達(dá)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(dòng)態(tài)范圍調(diào)整及灰度級(jí)修正等等。以上幾種方法對(duì)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(diǎn)運(yùn)算。點(diǎn)運(yùn)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(kuò)展至[c, d]，則對(duì)于圖像的任一點(diǎn)的灰度值(x ,y)，其表達(dá)式如下所示：</p><p>　　若原圖像大部分像素的灰度級(jí)在區(qū)間[a, b]內(nèi)，max f為原圖像灰度最大值，只有個(gè)別部分的灰度級(jí)不在區(qū)間內(nèi)，則為了改善圖像增強(qiáng)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(huì)分布在一個(gè)很小的范圍內(nèi)，這時(shí)得到的圖像是一個(gè)比較模糊、沒有灰度層次的圖像。采用上述線性變換對(duì)圖像的每一個(gè)像素進(jìn)行灰度作線性拉伸，將會(huì)有效的增強(qiáng)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(duì)抑制不需要的灰度區(qū)間，可以進(jìn)行分段線性變換，它對(duì)圖像灰度區(qū)間進(jìn)行兩至多段

55、的分段。進(jìn)行變換時(shí)，把0-255灰度值區(qū)間分為幾個(gè)線段，每一線段都對(duì)應(yīng)一個(gè)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(duì)圖像進(jìn)行變換，分為指數(shù)變換和對(duì)數(shù)變換。指數(shù)變換，就是指輸出圖像像素點(diǎn)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(duì)數(shù)變換也就是指輸出圖像像素

56、點(diǎn)的灰度值與輸入圖像的灰度值之間呈現(xiàn)出對(duì)數(shù)關(guān)系，其一般公式為：</p><p>　　可見指數(shù)變換對(duì)于高灰度區(qū)間的擴(kuò)展度要遠(yuǎn)遠(yuǎn)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(duì)數(shù)變換對(duì)于低灰度區(qū)間擴(kuò)展度較大，所以一般用來對(duì)過亮的圖像進(jìn)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(jí)與這種灰度級(jí)出現(xiàn)的概率之間的相對(duì)關(guān)系的圖形。通常灰度級(jí)為[0,L-1]范圍的圖像直方圖則是離散函數(shù)h()=， 是第k級(jí)灰度，是圖像灰度級(jí)=的像素個(gè)數(shù)。求灰度直方圖的方法就是拿圖像中像素?cái)?shù)目的總和n去除圖像的每一個(gè)像素灰度值，表達(dá)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(gè)特點(diǎn)：</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(duì)于較暗的圖像，直方圖集中在灰度級(jí)低一側(cè)，相反，較亮

59、圖像的直方圖則集中于灰度級(jí)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(gè)分部直方圖的和。</p><p>　?。?）直方圖具有統(tǒng)計(jì)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(jì)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(duì)

60、圖像的灰度級(jí)進(jìn)行修正，即對(duì)圖像的直方圖進(jìn)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(jìn)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(jìn)行直方圖均衡化。它以概率論為理論基礎(chǔ)，運(yùn)用灰度點(diǎn)運(yùn)算實(shí)現(xiàn)直方圖的變化，從而達(dá)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(gè)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(xì)節(jié)邊緣比較模糊，此時(shí)我們可以進(jìn)行直方圖均衡化將圖像的灰度范圍均勻分布。而當(dāng)圖像的直方圖分布為均勻分布時(shí)，此時(shí)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(huì)出現(xiàn)灰度級(jí)減少的現(xiàn)象即“簡并”。由于以上原因，我們也要進(jìn)行直方圖均衡化，以改善圖像灰度的動(dòng)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(diǎn)，但是它是以累計(jì)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(duì)數(shù)和指數(shù)等，就需要進(jìn)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(duì)原圖像做直方圖均衡化，即：</p><p>　　對(duì)于得到的圖

63、像設(shè)它的概率密度函數(shù)是’,對(duì)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(duì)圖像進(jìn)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?yàn)楦鞣N原因產(chǎn)生噪聲或收到不規(guī)則破壞，此時(shí)灰度變換

64、和直方圖就不能達(dá)到我們預(yù)期的效果了，對(duì)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(duì)所收到的圖像信息進(jìn)行準(zhǔn)確理解的因素，噪聲的種類很多，比如電子噪聲、機(jī)械噪聲、信道噪聲以及其他噪聲，噪聲對(duì)圖像信號(hào)和相位的影響很大，有些噪聲和圖像信號(hào)不相關(guān)，有些卻相關(guān)。圖像在生成和傳輸過程當(dāng)中常常會(huì)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(duì)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(duì)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(jìn)一步的處理，對(duì)圖像進(jìn)行去噪預(yù)處理是首要的步驟。人們根據(jù)圖像的實(shí)際特點(diǎn)、噪聲的統(tǒng)計(jì)特點(diǎn)、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(gè)像素點(diǎn)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(biāo)準(zhǔn)差。由于高斯噪聲在實(shí)際圖像中很常見，且在數(shù)學(xué)上處理相對(duì)比較容易，使高斯噪聲模型應(yīng)用比較廣泛。</p><p>　?。?）椒鹽噪聲。椒鹽噪聲也叫脈沖噪聲，

68、它的特點(diǎn)是持續(xù)時(shí)間小于0.5秒，間隔時(shí)間大于1秒。椒鹽噪聲作為一種非常典型的圖像噪聲，對(duì)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(gè)亮點(diǎn)即鹽粉微粒；灰度值a則將以的概率顯示為一個(gè)暗點(diǎn)（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>　?。?）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(shí)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(huì)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(gè)方面，一類是噪聲消除，即先判定這個(gè)點(diǎn)是否為噪聲點(diǎn)，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(duì)噪聲點(diǎn)進(jìn)行清除，而是對(duì)整個(gè)圖像依據(jù)某種方法進(jìn)行平均運(yùn)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?yàn)V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?yàn)V波方法均值濾波和高斯濾波都屬于線性濾波，而空域?yàn)V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(duì)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(shí)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(shí)現(xiàn)濾波。</p><p>　　頻域法則是先進(jìn)行傅里葉變換到頻

72、域進(jìn)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(duì)圖像的像素值進(jìn)行鄰域內(nèi)運(yùn)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(bǔ)償圖像的輪廓，增強(qiáng)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(duì)圖像進(jìn)行濾波去噪，但是往往會(huì)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(duì)圖像的邊緣輪廓進(jìn)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?yàn)閳D像收到了線性或者非線性運(yùn)算，而圖像銳化正是從這一方面考慮對(duì)圖像進(jìn)行逆運(yùn)算（微分運(yùn)算）讓圖像變得清晰，圖像的銳化也可以濾波器的方式實(shí)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(jìn)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(dú)立存在的，因此可以用鄰域內(nèi)各個(gè)像素的灰度級(jí)平均值來代替該像素原來的灰度值，這樣各個(gè)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(shí)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(diǎn)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(yùn)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(dāng)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>　?。?）選擇一個(gè)3 ×3窗口，中心像素是該點(diǎn)輸入時(shí)的像素值，其余的是它鄰域內(nèi)像素的值。</p><p>　?。?）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>　　（3）另外對(duì)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(gè)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(dāng)把九個(gè)數(shù)相加后就超過了255，因此它會(huì)自動(dòng)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(gè)數(shù)據(jù)運(yùn)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(qiáng)度不大的椒鹽噪聲，幾何均值濾波器相對(duì)于算術(shù)濾波器能夠保留更多的

80、圖像細(xì)節(jié)，但是由于算法過程中缺少對(duì)保持圖像中含有目標(biāo)邊緣的考慮，對(duì)圖像中的所有像素點(diǎn)包括信號(hào)突變處都進(jìn)行了平滑，使用均值濾波會(huì)造成邊緣的模糊和細(xì)節(jié)的湮沒，因此均值濾波在圖像去噪的同時(shí)也產(chǎn)生了不好的影響，這種方法在平滑了圖像信號(hào)的同時(shí)也使圖像的細(xì)節(jié)部分變得更加模糊，可以驗(yàn)證當(dāng)鄰域取得越大圖像會(huì)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(duì)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(dá)式如下為，對(duì)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(gè)重要性質(zhì)：</p><p>　

82、?。?）二維高斯函數(shù)具有旋轉(zhuǎn)對(duì)稱性，也就是濾波器在各個(gè)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?cè)跒V波之前是無法確定哪個(gè)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(huì)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(diǎn)的像素值，而權(quán)值的選取是隨著該像素點(diǎn)與中心點(diǎn)距離單調(diào)遞減的，所以離中心點(diǎn)比較遠(yuǎn)的像素

83、權(quán)值較小，受到的高斯濾波影響會(huì)很小。相反如果平滑濾波對(duì)邊緣像素點(diǎn)仍然有很大的作用，則會(huì)導(dǎo)致圖像失真。</p><p>　?。?）高斯函數(shù)的傅立葉變換頻譜是單瓣的。因?yàn)閳D像常被高頻信號(hào)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(huì)被不需要的高頻信號(hào)所污染，同時(shí)保留了大部分所需要的信號(hào)。</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(xì)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(shí)現(xiàn)。通過二維高斯函數(shù)的卷積可以分兩步來進(jìn)行，首先將圖像與一維高斯函數(shù)進(jìn)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(jìn)行卷積。因此，二維高斯濾波的計(jì)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>　?。?）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(jìn)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(duì)正太分布的高

87、斯噪聲進(jìn)行濾波，而對(duì)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?yàn)楦咚篂V波用matlab函數(shù)就可以實(shí)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(jì)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(gè)以某個(gè)像素為中</p><p>　　心點(diǎn)的鄰域, 一般為方形鄰域, 然后將鄰域中各像素的灰度值進(jìn)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(dāng)窗</p><p>

89、;　　口在圖像中上下左右進(jìn)行移動(dòng)后, 利用中值濾波算法可以很好地對(duì)圖像</p><p>　　進(jìn)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(duì)極限像素值( 與周圍像素灰度值差別較大的像素) 遠(yuǎn)不如</p><p>　　平均值那么敏感, 從而可以消除孤立的噪聲點(diǎn), 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(jì)算中涉及的像素?cái)?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(huì)被濾除, 而較大的物體幾乎原封不動(dòng)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(jìn)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(shí)時(shí)性好、可靠性高等特點(diǎn), 既能保護(hù)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(shí)用價(jià)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(dòng), 并用窗口內(nèi)像素灰度值的中值來代替窗中心點(diǎn)處的像素灰度值。</p><p>　　傳統(tǒng)的中值濾波算法的實(shí)現(xiàn)過程如下:</p><p>　　(1)選擇一個(gè)(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(jìn)行或列方向的滑動(dòng);</p><p>　　(2)每次移動(dòng)后, 對(duì)窗口內(nèi)的諸像素灰度值進(jìn)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(duì)去除高斯噪聲和低強(qiáng)度的椒鹽噪聲有不錯(cuò)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(jìn)行中值處理后有可能噪聲不僅沒清除反而會(huì)加重噪聲點(diǎn)的范圍，所以傳統(tǒng)的中值濾波缺點(diǎn)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?yàn)V波之低通濾波</p><p>

95、　　當(dāng)我們分析圖像信號(hào)的頻率特性時(shí)，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(shí)現(xiàn)對(duì)噪聲的清除，在頻域中實(shí)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(jìn)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(duì)傅里葉變換后的圖像頻譜進(jìn)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(jìn)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(duì)圖像頻譜進(jìn)行清高頻留低頻處理。</p><p>　　對(duì)圖像進(jìn)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(duì)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(huì)產(chǎn)生較嚴(yán)重的后果，會(huì)產(chǎn)生較大程度的圖像邊緣細(xì)節(jié)模糊，在實(shí)際圖像處理中有著明顯的缺點(diǎn)，因此單獨(dú)運(yùn)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(duì)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(xì)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(gè)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(duì)應(yīng)，并分別進(jìn)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(diǎn)a進(jìn)行中值濾波時(shí)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(diǎn)的灰度等于像素點(diǎn)的灰度中值，則輸出該點(diǎn)的灰度均值；否則，</p><p>　　增大窗口的尺寸

100、，在窗口尺寸到達(dá)最大允許值之前一直重復(fù)步驟(1)(2)，否則輸出該點(diǎn)的灰度值。</p><p>　　(5)用該點(diǎn)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(diǎn)像素灰度，否則輸出該像素點(diǎn)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(diǎn)自己的灰度是否為脈沖，如果都不是脈沖時(shí)優(yōu)先輸出像素點(diǎn)的灰度值。如果像素點(diǎn)灰度值和它的灰度中值都是噪聲時(shí)，輸出該像素點(diǎn)的灰度均值。這樣就能避免輸出噪聲了，而且又不會(huì)對(duì)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(shí)驗(yàn)結(jié)果：本方法的軟件實(shí)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(shí)驗(yàn)結(jié)果也不一樣?？梢杂胕mg_B =imnoise(img_A, 'salt & pe

103、pper',參數(shù))表達(dá)式加入噪聲，然后對(duì)加入噪聲后的圖像分別進(jìn)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(shí)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(qiáng)度很大（通過參數(shù)調(diào)節(jié)）時(shí)，中值濾波處理圖像時(shí)就會(huì)產(chǎn)生很大問題，圖形會(huì)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(yàn)證中值濾波窗口增大后圖像處理會(huì)更不清晰，對(duì)比自適應(yīng)濾波會(huì)更明顯。這種自適應(yīng)中值濾波方法通過對(duì)圖像像素灰度和灰度中值的比較, 然后自動(dòng)地選擇濾波窗口的大小。這樣既可有效濾除嚴(yán)重的噪聲干擾, 同時(shí)也保持了圖像的細(xì)節(jié)，但是本方法對(duì)高斯噪聲的處理還未研究，而且算法還有待改進(jìn)。</p><p><b>　　第六章 總結(jié)與展望</b></p><p&

105、gt;　　通過對(duì)文獻(xiàn)的閱讀，在對(duì)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(shí)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(duì)圖像濾波實(shí)現(xiàn)的幾種主要算法進(jìn)行了描述，并進(jìn)行了基本的比較，總結(jié)出了自己的觀點(diǎn)，最后又引入了一項(xiàng)基于中值濾波方法的自適應(yīng)濾波算法，運(yùn)用Matlab軟件進(jìn)行了仿真，比較了改進(jìn)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(duì)去除椒鹽噪聲有很大作用。</p

106、><p>　　雖然本文對(duì)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(xiàng)宏大的學(xué)科，應(yīng)用背景和所涉及的知識(shí)內(nèi)容非常廣泛，所以還存在著以下幾個(gè)問題:</p><p>　　由于matlab程序的復(fù)雜和設(shè)計(jì)時(shí)間有限，本人在寫出算法后編程遇到了問題，只能對(duì)其圖像處理工具箱中的圖像處理函數(shù)進(jìn)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(píng)價(jià)，受觀察者的主觀限制，