【正文】 敘述，主要介紹一下傳統(tǒng)的時(shí)域去噪處理方法。傳統(tǒng)時(shí)域處理方法主要有均值濾波和中值濾波。1. 均值濾波鄰域平均法是一種局部空間域處理的算法。設(shè)一幅圖像為的陣列，處理后的圖像為，它的每個(gè)像素的灰度級(jí)由包含領(lǐng)域的幾個(gè)像素的灰度級(jí)的平均值所決定，即用下式得到處理后的圖像: (2l)式中；s是以點(diǎn)為中心的鄰域的集合，M是s內(nèi)坐標(biāo)總數(shù)。圖像鄰域平均法的處理效果與所用的鄰域半徑有關(guān)。半徑愈大，則圖像模糊程度也愈大。另外，圖像鄰域平均法算法簡(jiǎn)單，計(jì)算速度快，但它的主要缺點(diǎn)是在降低噪聲的同時(shí)使圖像產(chǎn)生模糊，特別在邊緣和細(xì)節(jié)處，鄰域越大，模越厲害。2. 中值濾波中值濾波是一種非線性濾波，由于它在實(shí)際運(yùn)算過(guò)程中并不需要圖像的統(tǒng)計(jì)特性，所以比較方便。中值濾波首先是被應(yīng)用在一維信號(hào)處理技術(shù)中，后來(lái)被二維圖像信號(hào)處理技術(shù)所應(yīng)用。在一定的條件下，可以克服線性濾波器所帶來(lái)的圖像細(xì)節(jié)模糊，而且對(duì)濾除脈沖干擾及圖像掃描噪聲最為有效。但是對(duì)一些細(xì)節(jié)多，特別是點(diǎn)、線、尖頂細(xì)節(jié)多的圖像不宜采用中值濾波的方法。中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替。設(shè)有一個(gè)一維序列，…，取窗口長(zhǎng)度為m(m為奇數(shù))，對(duì)此序列進(jìn)行中值濾波，就是從輸入序列中相繼抽出m個(gè)數(shù)，…，…，…，…，其中為窗口的中心位置，再將這m個(gè)點(diǎn)按其數(shù)值大小排列，取其序號(hào)為正中間的那作為出。用數(shù)學(xué)公式表示為: (22)例如：有一個(gè)序列為{0，3，4，0，7}，則中值濾波為重新排序后的序列{0，0，3，4，7}中間的值為3。此例若用平均濾波，窗口也是取5，那么平均濾波輸出為。因此平均濾波的一般輸出為: (23)對(duì)于二位序列 進(jìn)行中值濾波時(shí)，濾波窗口也是二維的，但這種二位窗口可以有各種不同的形狀，如線狀、方形、圓形、十字形、圓環(huán)形等。二維數(shù)據(jù)的中值濾波可以表示為: (24)在實(shí)際使用窗口時(shí)，窗口的尺寸一般先用再取逐漸增大，直到其濾波效果滿意為止。對(duì)于有緩變的較長(zhǎng)輪廓線物體的圖像，采用方形或圓形窗口為宜，對(duì)于包含尖頂角物體的圖像，適宜用十字形窗口。使用二維中值濾波最值得注意的是保持圖像中有效的細(xì)線狀物體。與平均濾波器相比，中值濾波器從總體上來(lái)說(shuō)，能夠較好地保留原圖像中的躍變部分。 小波去噪近年來(lái)，小波理論得了非常迅速的發(fā)展，由于其具備良好的時(shí)頻特性和多分辨率特性，小波理論成功地在許多領(lǐng)域得到了廣泛的應(yīng)用?，F(xiàn)在小波分析已經(jīng)滲透到自然科學(xué)、應(yīng)用科學(xué)、社會(huì)科學(xué)等領(lǐng)域。在圖像去噪領(lǐng)域中，應(yīng)用小波理論進(jìn)行圖像去噪受到許多專家學(xué)者的重視，并取得了非常好的效果。小波去噪的方法有多種，如利用小波分解與重構(gòu)的方法濾波降噪、利用小波變換模極大值的方法去噪、利用信號(hào)小波變換后空域相關(guān)性進(jìn)行信噪分離、非線性小波閾值方法去噪、平移不變量小波去噪法，以及多小波去噪等等。歸結(jié)起來(lái)主要有三類:模極大值檢測(cè)法、閾值去噪法和屏蔽(相關(guān))去噪法。其中最常用的就是閾值法去噪，本文主要研究閾值去噪。小波去噪的基本思路：（1）.先對(duì)含噪信號(hào)做小波變換，得到一組小波系數(shù)；（2）.通過(guò)對(duì)進(jìn)行閾值處理，得到估計(jì)系數(shù)，使得與兩者的差值盡可能小；（3）.利用進(jìn)行小波重構(gòu)，得到估計(jì)信號(hào)即為去噪后的信號(hào)。Donoho提出了一種非常簡(jiǎn)潔的方法對(duì)小波系數(shù)進(jìn)行估計(jì)。對(duì)連續(xù)做幾次小波分解后，有空間分布不均勻信號(hào)各尺度上小波系數(shù)在某些特定位置有較大的值，這些點(diǎn)對(duì)應(yīng)于原始信號(hào)的奇變位置和重要信息，而其他大部分位置的較??；對(duì)于白噪聲，它對(duì)應(yīng)的小波系數(shù)在每個(gè)尺度上的分布都是均勻的，并隨尺度的增加，系數(shù)的幅值減小。因此，通常的去噪辦法是尋找一個(gè)合適的數(shù)作為閾值（門限），把低于λ的小波函數(shù)（主要由信號(hào)引起），設(shè)為零，而對(duì)于高于的小波函數(shù)（主要由信號(hào)引起），則予以保留或進(jìn)行收縮，從而得到估計(jì)小波系數(shù)，它可理解為基本由信號(hào)引起的，然后對(duì)進(jìn)行重構(gòu)，就可以重構(gòu)原始信號(hào)。估計(jì)小波系數(shù)的方法如下，?。? （25）定義： （26）稱之為硬閾值估計(jì)方法。一般軟閾值估計(jì)定義為 （27）（4）.綜上所述基于空域的平均濾波法和非線性的中值濾波都是通過(guò)對(duì)圖像像素的灰度值進(jìn)行運(yùn)算，達(dá)到平滑圖像的效果。平均濾波是以點(diǎn)鄰域像素灰度平均值來(lái)代替該點(diǎn)的灰度值，而中值濾波則以點(diǎn)鄰域像素灰度值中值來(lái)代替該點(diǎn)的灰度值，因此，對(duì)于隨機(jī)噪音的抑制能力，中值濾波器的性能要比均值濾波器的差些。但對(duì)于脈沖干擾來(lái)講，特別是脈沖寬度小于濾波器的窗口寬度一半，中值濾波還是很有效的。不過(guò)，他們?cè)谄交瑘D像的同時(shí)亦會(huì)使圖像輪廓變得模糊，它們的噪音平滑效果與窗口的寬度有關(guān)，窗口寬度越寬，噪音平滑效果越好，但圖像就越模糊，這個(gè)矛盾難于解決，也是均值濾波和中值濾波的缺點(diǎn)。 去噪方法的最終確定綜上所述基于空域的平均濾波法和非線性的中值濾波都是通過(guò)對(duì)圖像像素的灰度值進(jìn)行運(yùn)算，達(dá)到平滑圖像的效果。平均濾波是以點(diǎn)鄰域像素灰度平均值來(lái)代替該點(diǎn)的灰度值，而中值濾波則以點(diǎn)鄰域像素灰度值中值來(lái)代替該點(diǎn)的灰度值，因此，對(duì)于隨機(jī)噪音的抑制能力，中值濾波器的性能要比均值濾波器的差些。但對(duì)于脈沖干擾來(lái)講，特別是脈沖寬度小于濾波器的窗口寬度一半，中值濾波還是很有效的。不過(guò)，他們?cè)谄交瑘D像的同時(shí)亦會(huì)使圖像輪廓變得模糊，它們的噪音平滑效果與窗口的寬度有關(guān)，窗口寬度越寬，噪音平滑效果越好，但圖像就越模糊，這個(gè)矛盾難于解決，也是均值濾波和中值濾波的缺點(diǎn)。而小波法去噪又剛好克服了這些缺點(diǎn)，所以最終選擇了小波法去噪。經(jīng)過(guò)對(duì)比和選擇，攝像頭選擇為數(shù)字?jǐn)z像頭；二值化算法選擇雙峰法；去噪選擇小波去噪法。第3章 硬件設(shè)計(jì) 硬件總體方案設(shè)計(jì)為滿足飛思卡爾賽車的設(shè)計(jì)要求，總體硬件思路如下設(shè)計(jì)思路：通過(guò)對(duì)攝像頭采集到的圖像的進(jìn)行處理，然后通過(guò)測(cè)速電機(jī)對(duì)小車的實(shí)時(shí)速度的采集，通過(guò)處理器對(duì)采集到的數(shù)據(jù)進(jìn)行分析，然后控制小車的運(yùn)動(dòng)方向和速度。同時(shí)外加小液晶和相應(yīng)按鍵，這樣可以根據(jù)實(shí)時(shí)情況來(lái)調(diào)節(jié)相應(yīng)的PID參數(shù)來(lái)適應(yīng)相應(yīng)路況。本章主要論述的是各種方案的對(duì)比以及最終方案的選擇。此智能車輛定位系統(tǒng)用攝像頭拍攝車輛前方的賽道，通過(guò) MC9S12DG12采樣視頻信號(hào)，獲得圖像數(shù)據(jù)。然后用合適的算法，如跟蹤邊緣檢測(cè)算法，分析圖像數(shù)據(jù)，提取目標(biāo)指引線。然后，系統(tǒng)根據(jù)目標(biāo)指引線的位置信息，對(duì)舵機(jī)和電機(jī)施以合適的控制。本智能車輛定位系統(tǒng)的結(jié)構(gòu)圖如圖31所示。因?yàn)橄到y(tǒng)是一個(gè)有機(jī)的整體，所以任何一部分的改進(jìn)都能提高小車的性能。圖31 智能車結(jié)構(gòu)圖雖然輪胎、驅(qū)動(dòng)電機(jī)、舵機(jī)和電池等車模主要結(jié)構(gòu)不能作改動(dòng)，但是一些機(jī)械結(jié)構(gòu)上的細(xì)節(jié)仍然會(huì)對(duì)小車性能產(chǎn)生影響，為此我們對(duì)這些細(xì)節(jié)進(jìn)行了一定的調(diào)整。 核心控制板核心控制板（如圖32所示）負(fù)責(zé)視頻采集、獲取速度并輸出舵機(jī)和驅(qū)動(dòng)電機(jī)的控制信號(hào)。電路板上包括了S12單片機(jī)工作所必需的穩(wěn)壓模塊、時(shí)鐘模塊和復(fù)位模塊，同時(shí)還包括了調(diào)PID參數(shù)電路、串口以及無(wú)線SPI接口等。圖32 核心控制板核心控制板的原理圖見(jiàn)附錄。 攝像頭的安裝攝像頭的安裝位置應(yīng)合適選取。安裝位置太低，會(huì)導(dǎo)致視域不夠廣闊，影響尋線的有效范圍；安裝位置太高，導(dǎo)引線會(huì)變得過(guò)窄而無(wú)法被檢測(cè)到，而且賽車系統(tǒng)會(huì)因重心抬高而穩(wěn)定性變差。 安裝位置合適的一個(gè)標(biāo)準(zhǔn)是：在此位置的拍攝范圍能滿足控制的需要?？刂频牟呗院?jiǎn)單，則所需的拍攝范圍就可以小一些；反之策略復(fù)雜，需獲得的賽道信息較多，則拍攝范圍就應(yīng)大一些。作為本設(shè)計(jì)的賽車系統(tǒng)，控制策略涉及到賽車入彎時(shí)能區(qū)分S彎還是普通的單向彎。安裝方式如圖33所示，經(jīng)過(guò)測(cè)試安裝滿足要求。圖33 智能車攝像頭安裝圖 小結(jié)由于小車要快速奔跑，需要保證它的穩(wěn)定性堅(jiān)固性，對(duì)于小車的布局都有嚴(yán)格的要求，經(jīng)過(guò)測(cè)試如上圖的的布局最為合理。20 第4章 軟件設(shè)計(jì) 系統(tǒng)軟件總體設(shè)計(jì)方案根據(jù)設(shè)計(jì)要求軟件設(shè)計(jì)的總體流程圖如圖41所示：圖41 系統(tǒng)軟件結(jié)構(gòu) 圖像二值化軟件設(shè)計(jì)根據(jù)第二章的雙峰值法設(shè)計(jì)原理相應(yīng)的程序的代碼如下（部分代碼）：pragma CODE_SEG DEFAULTuchar threshold。//動(dòng)態(tài)閾值uchar max。 //雙峰法的最大值uchar min。 //雙峰法的最小值/********************二值化***********************/void Binary(void){ for(temp_i = 0。temp_i line。temp_i++) //每行求一次動(dòng)態(tài)閾值 { max = 110。 //賦初值 min = 90。 //賦初值 for(temp_j = 0。temp_j point。temp_j++) { /*取值范圍在40250中間*/ if(Data_buffer[temp_i][temp_j] max amp。amp。 Data_buffer[temp_i][temp_j] = 250) max = Data_buffer[temp_i][temp_j]。 else if(Data_buffer[temp_i][temp_j] min amp。amp。 Data_buffer[temp_i][temp_j] = 40) min = Data_buffer[temp_i][temp_j]。 } threshold = (uchar)((max+min)/2)。 //每行最大值最小值的平均值 Data_Binary(temp_i,threshold)。 //每行求一次動(dòng)態(tài)閾值 //Data_Binary(temp_i + 1,threshold)。 //沒(méi)行求一次動(dòng)態(tài)閾值 //Data_Binary(temp_i + 2,threshold)。 //沒(méi)行求一次動(dòng)態(tài)閾值 //Data_Binary(temp_i + 3,threshold)。 //沒(méi)行求一次動(dòng)態(tài)閾值 //Data_Binary(temp_i + 4,threshold)。 //沒(méi)行求一次動(dòng)態(tài)閾值 } } 閥值點(diǎn) 個(gè)數(shù) 黑線中心區(qū)域 底板中心區(qū)域50004000300020001000 寬度值圖42 直方圖統(tǒng)計(jì)法 從分割（如圖42所示）的效果來(lái)看，當(dāng)前后景的對(duì)比較為強(qiáng)烈時(shí)，分割效果較好；否則基本無(wú)效。 去噪設(shè)計(jì)接下來(lái)按照上述小波閾值變換在信號(hào)去噪中的算法及小波閾值函數(shù)進(jìn)行計(jì)算機(jī)仿真，仿真程序采用MATLAB語(yǔ)言編寫(xiě)。該節(jié)首先產(chǎn)生一個(gè)實(shí)驗(yàn)信號(hào)，然后對(duì)小波去噪時(shí)各種參數(shù)設(shè)置進(jìn)行了詳細(xì)的對(duì)比研究，最后用MATLAB語(yǔ)言對(duì)小波去噪進(jìn)行仿真。 實(shí)驗(yàn)信號(hào)的產(chǎn)生該節(jié)所用到的實(shí)驗(yàn)信號(hào)是由wnoise（）函數(shù)產(chǎn)生的長(zhǎng)度為211點(diǎn)、含標(biāo)準(zhǔn)高斯白噪聲、信噪比為3的‘heavy sine’信號(hào)。MATLAB工具箱提供了函數(shù)wnoise以實(shí)現(xiàn)為檢驗(yàn)小波去噪性能產(chǎn)生測(cè)試噪聲。其語(yǔ)法格式為：X = wnoise(FUN,N)[X,XN] = wnoise(FUN,N,SQRT_SNR)[X,XN] = wnoise(FUN,N,SQRT_SNR,INIT) = wnoise(FUN,N)產(chǎn)生幅值在[0，1]之間長(zhǎng)度為2N的信號(hào)，信號(hào)的類型由FUN指定：FUN=1 BLOCKS 產(chǎn)生不規(guī)則的方波信號(hào)FUN=2 BUMPS 產(chǎn)生低頻噪聲FUN=3 HEAVY SIN 產(chǎn)生隨機(jī)間斷的正弦信號(hào)FUN=4 DROPLER 產(chǎn)生chirp信號(hào)FUN=5 QUADCHIRP 產(chǎn)生4次調(diào)頻信號(hào)FUN=6 MISHMASH 產(chǎn)生混雜信號(hào)2.[X,XN] = wnoise(FUN,N,SQRT_SNR)產(chǎn)生含有白噪聲的信號(hào)XN，SQRT_SNR是信號(hào)的噪聲比。3.[X,XN] = wnoise(FUN,N,SQRT_SNR,INIT)使用初始值INIT產(chǎn)生含噪信號(hào)。下面的MATLAB語(yǔ)句產(chǎn)生信號(hào)：%產(chǎn)生一個(gè)Heavy sine初始信號(hào)x和長(zhǎng)度為211點(diǎn)、含標(biāo)準(zhǔn)高斯白噪聲的信號(hào)xrefsnr = 3。 init = 2055615866。 [xref,x] = wnoise(3,11,snr,init)。subplot(221), plot(xref), axis([1 2048 10 10])。 title(39。Original signal39。)。 subplot(223), plot(x), axis([1 2048 10 10])。 title([39。Noisy signal Signal to noise ratio = 39。,... num2str(fix(snr))])。 圖43所示就是以上語(yǔ)句為產(chǎn)生的測(cè)試信號(hào)圖形。圖43 原始信號(hào)和含燥信號(hào) 各參數(shù)下去噪效果對(duì)比MATLAB工具箱提供了函數(shù)wden以實(shí)現(xiàn)自動(dòng)利用小波進(jìn)行一維信號(hào)的去噪。其語(yǔ)法格式為：[XD,CXD,LXD] = wden(X,TPTR,SORH,SCAL,N,39。wname39。)[XD,CXD,LXD] = wden(C,L,TPTR,SORH,SCAL,N,39。wname39。)（1）[XD,CXD,LXD] = wden(X,TPTR,SORH,SCAL,N,39。wname39。)對(duì)輸入信號(hào)X進(jìn)行去噪