【正文】 廈門(mén)大學(xué)本科畢業(yè)論文 目錄圖像閾值分割及去噪的實(shí)現(xiàn)畢業(yè)論文目錄摘要………………………………………………………………………………………………1Abstract……………………………………………………………………………………………2目錄………………………………………………………………………………………………3引言………………………………………………………………………………………………4第一章 圖像噪音…………………………………………………………………………………5第二章 圖像縮放和灰度變換處理…………………………………………………………………6…………………………………………………………………………6……………………………………………………………………6第三章 圖像閾值分割………………………………………………………………………8 圖像分割技術(shù)概要………………………………………………………………………8……………………………………………………………………8……………………………………………………………………9第四章 圖像去噪…………………………………………………………………………………12 濾波原理…………………………………………………………………………………12……………………………………………………………………………12第五章 仿真實(shí)驗(yàn)結(jié)果和討論……………………………………………………………………16……………………………………………………………………16………………………………………………………………………17結(jié)論………………………………………………………………………………………………21參考文獻(xiàn)…………………………………………………………………………………………22致謝語(yǔ)……………………………………………………………………………………………233廈門(mén)大學(xué)本科畢業(yè)論文 引言引言數(shù)字圖像處理是從 20 世紀(jì) 60 年代以來(lái)隨著計(jì)算機(jī)技術(shù)和 VLSI 的發(fā)展而產(chǎn)生、發(fā)展和不斷成熟起來(lái)的一個(gè)新興技術(shù)領(lǐng)域，它在理論上和實(shí)際應(yīng)用上都取得了巨大的成就，并引起各方面人士的廣泛重視[1]。首先，視覺(jué)是人類最重要的感知手段，圖像又是視覺(jué)的基礎(chǔ)。因此數(shù)字圖像成為心理學(xué)、生物醫(yī)學(xué)、計(jì)算機(jī)科學(xué)等諸多方面的學(xué)者研究視覺(jué)感知的有效工具。其次，數(shù)字圖像處理在軍事、遙感、工業(yè)圖像處理等大型應(yīng)用中也有不斷增長(zhǎng)的需求。為適用特殊的場(chǎng)合和獲得較好的視覺(jué)效果，常常需要一種有效的方法來(lái)對(duì)圖像進(jìn)行處理。數(shù)字圖像處理技術(shù)從廣義上可看作是各種圖像加工技術(shù)的總稱。它包括利用計(jì)算機(jī)和其他電子設(shè)備完成的一系列工作，如圖像分割、圖像變換、圖像去噪等。本文主要是在整合各種優(yōu)秀的閾值分割和濾波算法的基礎(chǔ)上，實(shí)現(xiàn)對(duì)圖像進(jìn)行分割和去噪，達(dá)到處理和讀取圖像的目的。在MATLAB仿真的基礎(chǔ)上，比對(duì)各種分割和去噪方法的優(yōu)缺點(diǎn)。4廈門(mén)大學(xué)本科畢業(yè)論文 第一章第一章 圖像噪聲大量的實(shí)驗(yàn)研究發(fā)現(xiàn)，由攝像機(jī)拍攝得到的圖像受離散的脈沖、椒鹽噪聲和零均值的高斯噪聲的影響較嚴(yán)重。噪聲給圖像處理帶來(lái)很多困難，對(duì)圖像分割、特征提取、圖像識(shí)別等具有直接影響。因此，實(shí)時(shí)采集的圖像需進(jìn)行濾波處理。消除圖像中的噪聲成份叫做圖像的平滑化或?yàn)V波操作。按信號(hào)與噪聲的關(guān)系，噪聲主要分為加性噪聲和乘性噪聲[2]：1)加性噪聲，即與信號(hào)存在與否無(wú)關(guān)，是獨(dú)立于信號(hào)之外的噪聲，疊加方式為[3]： ()其中表示輸出信號(hào)，表示源信號(hào)，表示噪聲信號(hào)。 比如說(shuō)放大器噪聲。2)乘積性噪聲又稱為卷積噪聲，只有在信號(hào)出現(xiàn)在信道中才表現(xiàn)出來(lái)，它不會(huì)主動(dòng)對(duì)信號(hào)形成干擾。疊加方式為[4] ()乘積性噪聲可以通過(guò)同態(tài)變換成為加性噪聲。比如說(shuō)膠片顆粒噪聲。本文討論通過(guò)對(duì)圖像施加高斯噪聲、椒鹽噪聲和乘性噪聲，來(lái)模擬實(shí)際應(yīng)用中圖像損毀的部分情況。其中，高斯噪聲和椒鹽噪聲屬于加性噪聲。28廈門(mén)大學(xué)本科畢業(yè)論文 第二章第二章 圖像縮放和灰度變換處理 圖像縮放處理方法 在計(jì)算機(jī)圖像處理中，圖像縮放（image scaling）是指對(duì)數(shù)字圖像的大小進(jìn)行調(diào)整的過(guò)程。圖像放大是從一幅低分辨率圖像獲得其高分辨率版本的一種圖像處理技術(shù)[5]。各種插值技術(shù)是實(shí)現(xiàn)圖像放大的最常用的方法，其實(shí)質(zhì)是對(duì)源圖像建立連續(xù)的數(shù)學(xué)模型，然后按縮放要求進(jìn)行重采樣得到目的圖像，如最近鄰插值、雙線性插值、雙三次插值等。最近鄰插值是最簡(jiǎn)便的插值，在這種算法中，每一個(gè)插值輸出像素的值就是在輸入圖像中與其最臨近的采樣點(diǎn)的值，運(yùn)算量非常小。當(dāng)圖像中包含像素之間灰度級(jí)變化的細(xì)微結(jié)構(gòu)時(shí)，最近鄰插值法會(huì)在圖像中產(chǎn)生人工的痕跡。具體原理為如下[5]：最近鄰點(diǎn)插值的一個(gè)隱含的假設(shè)條件是任一網(wǎng)格點(diǎn) p(x,y) 的屬性值都使用距它最近的位置點(diǎn)的屬性值，用每一個(gè)網(wǎng)格節(jié)點(diǎn)的最鄰點(diǎn)值作為待定節(jié)點(diǎn)值。當(dāng)數(shù)據(jù)已經(jīng)是均勻間隔分布，要先將數(shù)據(jù)轉(zhuǎn)換為SURFER網(wǎng)格文件，可以應(yīng)用最近鄰點(diǎn)插值法；或者在一個(gè)文件中,數(shù)據(jù)緊密完整，只有少數(shù)點(diǎn)沒(méi)有取值，可用最近鄰點(diǎn)插值法來(lái)填充無(wú)值的數(shù)據(jù)點(diǎn)。最近鄰點(diǎn)插值網(wǎng)格化法沒(méi)有選項(xiàng),它是均質(zhì)且無(wú)變化的,對(duì)均勻間隔的數(shù)據(jù)進(jìn)行插值很有用,同時(shí),它對(duì)填充無(wú)值數(shù)據(jù)的區(qū)域很有效圖像的灰度變換(GrayScale Transformation GST) 處理是圖像增強(qiáng)處理技術(shù)中一種非?；A(chǔ)、直接的空間域圖像處理方法，也是圖像數(shù)字化軟件和圖像顯示軟件的一個(gè)重要組成部分[6]?；叶茸儞Q是指根據(jù)某種目標(biāo)條件按一定變換關(guān)系逐點(diǎn)改變?cè)瓐D像中每一個(gè)像素灰度值的方法。目的是為了改善畫(huà)質(zhì)，使圖像的顯示效果更加清晰?；叶茸儞Q有時(shí)又被稱為圖像的對(duì)比度增強(qiáng)或?qū)Ρ榷壤?。例如為了顯示出圖像的細(xì)節(jié)部分或提高圖像的清晰度，需要將圖像整個(gè)范圍的灰度級(jí)或其中某一段灰度級(jí)擴(kuò)展或壓縮到，這些都要求采用灰度變換方法。從圖像輸入裝置得到的圖像數(shù)據(jù)，以濃淡表示，各個(gè)像素與某一灰度值相對(duì)應(yīng)。設(shè)原圖像像素的灰度值，處理后圖像像素的灰度值。則灰度增強(qiáng)[5]可表示為： ()或 () 要求D和D′都在圖像的灰度范圍之內(nèi)。函數(shù)T稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系。根據(jù)()式可以將灰度變換分為線性變換和非線性變換。本文采取rgb2gray函數(shù)來(lái)實(shí)現(xiàn)灰度變換。其原理如下：以R、G、B為軸建立空間直角坐標(biāo)系，則RGB圖的每個(gè)象素的顏色可以用該三維空間的一個(gè)點(diǎn)來(lái)表示，而Gray圖的每個(gè)象素的顏色可以用直線R=G=B上的一個(gè)點(diǎn)來(lái)表示。于是RGB圖轉(zhuǎn)Gray圖的本質(zhì)，就是尋找一個(gè)三維空間到一維空間的映射[6]，最直接的方法是射影（即過(guò)RGB空間的一個(gè)點(diǎn)向直線R=G=B做垂線），matlab中也是如此實(shí)現(xiàn)的。并且有 ()廈門(mén)大學(xué)本科畢業(yè)論文 第三章第三章 圖像閾值分割 圖像分割技術(shù)概要 圖像分割是一種重要的圖像技術(shù)，在理論研究和實(shí)際應(yīng)用中都得到了人們的廣泛重視。圖像分割的方法和種類有很多，值得指出的是，沒(méi)有惟一的標(biāo)準(zhǔn)的分割方法。許多不同種類的圖像或景物都可作為待分割的圖像數(shù)據(jù)，不同類型的圖像，已經(jīng)有相對(duì)應(yīng)的分割方法對(duì)其分割，同時(shí)，某些分割方法也只是適用于某些特殊類型的圖像分割?？梢哉f(shuō)，圖像分割結(jié)果的好壞直接影響對(duì)圖像的理解。 在圖像研究中，圖像分割的方法主要可以分成兩大類[1]。一類是邊界方法，這種方法的假設(shè)是圖像分割結(jié)果的某個(gè)子區(qū)域在原來(lái)圖像中一定會(huì)有邊緣存在；一類是區(qū)域方法，這種方法的假設(shè)是圖像分割結(jié)果的某個(gè)子區(qū)域一定會(huì)有相同的性質(zhì)，而不同區(qū)域的像素則沒(méi)有共同的性質(zhì)，閾值分割方法屬于區(qū)域分割。不可否認(rèn)，這兩類方法都有優(yōu)缺點(diǎn)，限于時(shí)間和篇幅，本文將采用閾值法來(lái)分割圖像。從某種角度講，圖像分割的目的之一就是目標(biāo)提取―將人類感興趣的區(qū)域提取出來(lái)。從這一點(diǎn)說(shuō)，區(qū)域分割是最直接的方法，利用這種分割方法可以直接得到感興趣的目標(biāo)區(qū)域。本文介紹其中的一種方法閾值分割方法。閾值分割這種方法，作為一種圖像預(yù)處理方式，圖像分割并不考慮圖象降質(zhì)，只將圖象中感興趣的特征有選擇地突出，衰減其不需要的特征，故預(yù)處理后的輸出圖象并不需要去逼近原圖象。 圖像閾值分割原理 閾值分割的基本想法是確定一個(gè)閾值，然后把每個(gè)像素點(diǎn)的像素值和閾值相比較，根據(jù)比較的結(jié)果把該像素劃分成兩類——前景或者背景。一般閾值分割可以分成以下3步[7]。 （1）確定閾值T。 （2）將閾值T和像素值比較。 （3）把像素歸類。 上面的3個(gè)步驟，關(guān)鍵的是第一步，如果能確定一個(gè)合適的閾值，就可以對(duì)圖像進(jìn)行正確、方便的分割。即：設(shè)定某一閾值T，用T將圖像的數(shù)據(jù)分成兩大部分：大于T的像素群和小于T 的像素群。這是研究灰度變換最特殊的方法，稱為圖像的二值化（binarization）。閾值處理的操作過(guò)程是先由用戶指定或通過(guò)算法生成一個(gè)閾值，如果圖像中某像素的灰度值小于該閾值，則將該像素的灰度值設(shè)置為0或255，否則灰度值設(shè)置為255或0。 閾值方法分全局閾值和局部閾值兩種，如果分割過(guò)程中對(duì)圖像上每個(gè)像素所使用的閾值都相等，則為全局閾值方法；如果每個(gè)像素所使用的閾值可能不同，則為局部閾值方法。前者較簡(jiǎn)單，但抑制噪聲和不均勻光照的能力較差[8]。后者則是根據(jù)區(qū)域灰度分布特性，自適應(yīng)調(diào)節(jié)閾值，效果一般好于前者?？梢哉J(rèn)為局部閾值是全局閾值的一般情況，全局閾值則是最簡(jiǎn)單的圖像分割方法。本文中介紹了三種經(jīng)典的圖像區(qū)域閾值分割方法。 圖像閾值分割方法一、Otsu算法Otsu是一種全局閾值算法，是在最小二乘法原理基礎(chǔ)上推導(dǎo)出來(lái)的。這種方法的基本思想是將直方圖在某一閾值處分割成兩組，一組對(duì)應(yīng)于背景文字部分，當(dāng)被分成的兩組的組內(nèi)方差最小，組間方差最大時(shí)，決定閾值。這種基于兩組間最佳分類而決定閾值的方法也成為最大類間方差閾值分割法。設(shè)給定圖像具有L級(jí)灰度值，對(duì)1 i L 中的每個(gè)i 將1，2，… …，L分成兩組，計(jì)算落在組1的像素個(gè)數(shù)，平均灰度，方差；落在組2的像素個(gè)數(shù)，平均灰度，方差。設(shè)給定圖像的灰度級(jí)L ，灰度值為i 的像素?cái)?shù) ，總的像素?cái)?shù)為 N，每一個(gè)灰度值出現(xiàn)的概率為 ，則有 () () 對(duì)1 i L 中的每個(gè) 將1，2，… …，L分成兩組，以為閾值，將像素分為兩組，組1為灰度值小于 的像素集合。分別計(jì)算