【正文】 畢 業(yè) 設(shè) 計（論 文）題 目：汽車縱梁圖像去噪算法的研究與應(yīng)用系 別：電子信息科學(xué)系專 業(yè)：汽車電子工程班 級：學(xué)生姓名：學(xué) 號：指導(dǎo)教師：摘要 本課題主要研究汽車的縱梁圖像去噪，運用幾種圖像去噪的方法，如維納濾波器、中值濾波器、二值形態(tài)濾波器、均值濾波器以及二維小波分析圖像濾波器等進(jìn)行處理。通過Matlab對這些去噪方法進(jìn)行編程與仿真，并且對其結(jié)果進(jìn)行分析比較，從而找出適合于汽車縱梁圖像噪聲處理的方法。關(guān)鍵字：汽車縱梁；圖像去噪；算法研究AbstractThis topic using several image denoising methods, such as Wiener filter, median filter, binary morphological filter, mean filter, and twodimensional wavelet analysis Image filters to remove noise of the image of vehicle longitudinal. I use Matlab for programming and simulation, in order to find the best way for this research, the Analysis and parison is also essential.Key words: vehicle longitudinal。 Image denoising。 algorithm。目錄第一章 概述 1 課題研究背景 1 圖像噪聲 1 汽車縱梁圖像噪聲 2 研究圖像去噪的意義以及國內(nèi)外現(xiàn)狀 3 圖像去噪意義 3 研究圖像去噪算法的意義 3 圖像去噪國內(nèi)外現(xiàn)狀 4第二章 圖像噪聲 7 圖像噪聲分類 7 汽車縱梁圖像噪聲分析 8 圖像噪聲的衡量 9第三章 圖像去噪處理 11 圖像去噪方法分類 11 空間域圖像去噪 11 12 Matlab圖像去噪方法具體分析 16 二維自適應(yīng)維納濾波 16 中值濾波器分析圖像濾波 18 二維統(tǒng)計順序濾波 20 均值濾波 20 二值形態(tài)濾波 22 去噪方法對汽車縱梁圖像處理的具體分析小結(jié) 25第四章 新均值去噪法 26 圖像去噪的一般步驟 26 去噪方法設(shè)計思想 26 新均值去噪的效果 29 閾值的選取 32 新均值去噪法的時間復(fù)雜度 33第五章 課題界面設(shè)計 34 圖像輸入模塊 34 加入噪聲模塊與去噪模塊 35 對汽車縱梁圖像噪聲處理模塊 36 退出模塊 37 界面總圖 37結(jié)束語 38致謝 40參考文獻(xiàn) 41附錄 43第一章 概述圖像是一個信息的載體，而圖像噪聲是影響圖像信息準(zhǔn)確性的一個重要因素。我們進(jìn)行圖像噪聲處理就是將圖像經(jīng)過一定的加工處理，使其含有的噪聲盡量的減少，從而使圖像含有的信息精確化，最大化?，F(xiàn)今圖像噪聲的處理方法有很多很多，但由于圖像含有的噪聲并不是單一化的，而是非常復(fù)雜的混合噪聲。而現(xiàn)今的圖像噪聲方法一般是對某種類別的很有效，如維納濾波器對隨機噪聲的去噪不是很理想，但中值濾波器對隨機噪聲的處理效果是很好的，所以說要想對汽車縱梁圖像進(jìn)行很好的檢測，找到一種好的圖像去噪方法是很有必要的。 課題研究背景 圖像噪聲圖像[1]主要是反映客觀事物或某些過程與空間、時間有相互關(guān)聯(lián)的特征量得信息列陣。它具有兩個基本的要素：像素值層次分辨和圖像空間分辨。像素值可以反映圖像的層次細(xì)節(jié)，而圖像空間分辨率是由像素值在可分辨條件下的像元總和數(shù)來表示的?？煞直娴南裨倲?shù)越多，那么反映自然界中客觀事物的細(xì)節(jié)也就越清楚。一般的，圖像在空間和亮度上都是連續(xù)取值的，稱為連續(xù)圖像或模擬圖像，如果連續(xù)圖像在空間和亮度上進(jìn)行離散化，就稱為了數(shù)字圖像。數(shù)字圖像也是唯一能夠用計算機進(jìn)行處理的圖像形式，數(shù)字圖像可以表示為一個矩陣： ()其中。還可以將以上的矩陣按行或按列堆疊為一個一維矢量，表示為： ()至于用哪種表達(dá)方式來表示，我們要根據(jù)實際情況來定。圖像只是傳輸視覺信息的媒介，對圖像信息的認(rèn)識和理解是由我們的視覺系統(tǒng)來決定的，我們認(rèn)為影響我們視覺美觀，以及影響我們的后續(xù)工作成果精確性的東西都可以稱之為圖像噪聲。當(dāng)前我們大多數(shù)運用到數(shù)字圖像的系統(tǒng)中，輸入的圖像大多是將多維圖像變成一維電信號，然后再對其進(jìn)行處理、存儲、傳輸?shù)燃庸ぷ儞Q，最后將其組成多維圖像信號，而圖像噪聲也將在這樣的處理過程中進(jìn)行分解與產(chǎn)生。在這些處理過程中電氣系統(tǒng)以及外界影響將使得圖像噪聲變得越來越復(fù)雜。在圖像系統(tǒng)對圖像進(jìn)行采集、編碼、傳輸、恢復(fù)的幾個基本步驟中，影響圖像質(zhì)量的因素很多。但大致可以將其歸為兩大類：一、外部噪聲，即由系統(tǒng)外部干擾以及電磁波或經(jīng)電源串進(jìn)系統(tǒng)內(nèi)部而引起的噪聲；二、內(nèi)部噪聲，即由光電的基本性質(zhì)、點起的機械運動、器材材料本生以及系統(tǒng)內(nèi)部設(shè)備電路所引起的噪聲。我們要想那些運用數(shù)字圖像的系統(tǒng)產(chǎn)生的結(jié)果更加精確有效，我們就必須對我們輸入以及輸出的圖像進(jìn)行去噪過程。所以圖像噪聲處理這個話題一直都受到很多人的關(guān)注。 汽車縱梁圖像噪聲汽車縱梁[2~5]是汽車中承受車身及汽車有效載荷的基礎(chǔ)構(gòu)件。發(fā)動機、變速器總成, 轉(zhuǎn)向器及操縱踏板都通過縱梁上的安裝孔固定。所以對于縱梁來說, 縱梁上的安裝孔的大小以及位置是一項重要的技術(shù)指標(biāo)。如果這些安裝孔不滿足要求，那么將來要安裝在縱梁的各種零件就會出現(xiàn)安裝不上的問題。而在汽車縱梁的安裝孔檢測過成中，攝像頭掃描到的圖片都存在各種各樣的噪聲。這些噪聲將會對邊緣掃描、漏孔檢測等的精確度產(chǎn)生影響，所以找出一種針對汽車縱梁圖像有效的圖像去噪方法是很必要的。 研究圖像去噪的意義以及國內(nèi)外現(xiàn)狀 圖像去噪意義一般來說，在整個圖像分析的流程上圖像去噪聲處理屬于圖像的預(yù)處理階段，而在數(shù)字圖像處理技術(shù)中它屬于圖像恢復(fù)的技術(shù)范疇。而這兩個階段是很重要的，所以說圖像的去噪處理有著非常重要的意義，其主要體現(xiàn)在：（1）由于圖像的生成有著不同的成像原理，所以我們得到的初始圖像中都含有很多噪聲，而且這些噪聲并不是單一的，它們具有不同的性質(zhì)。這些噪聲的存在干擾了我們對圖像信息的理解的準(zhǔn)確性，影響了我們對圖像的觀察的精確度。當(dāng)一個圖像的噪聲非常嚴(yán)重時，圖片有可能會產(chǎn)生變形，從而使該圖像失去了存儲信息的本質(zhì)意義。從以上可以看出，對圖片進(jìn)行去噪處理是正確額圖像信息的必要保證。（2）對圖像進(jìn)行去噪處理除了能夠提高我們視覺識別圖像信息的準(zhǔn)確性，它還是對圖像進(jìn)行進(jìn)一步處理可靠性的保證。當(dāng)我們對一幅圖像進(jìn)行特征提取、配準(zhǔn)或者進(jìn)行圖像融合等處理時，如果該圖像中含有噪聲，那么我們得到的結(jié)果肯定不能令人滿意，所以對圖像進(jìn)行去噪處理是必需的。（3）研究圖像去噪對數(shù)字圖像其他處理環(huán)節(jié)性能的提升也有著促進(jìn)意義。對于汽車縱梁圖像來說，我們對其進(jìn)行去噪處理將有利于我們檢測其上面的安裝孔的直徑、位置等的精確度分析。而縱梁安裝孔的精確度直接影響到汽車很多重要部件的安裝，也就是說圖像去噪也就間接的改善了汽車的性能。所以說對汽車縱梁圖像進(jìn)行去噪處理是很有意義的。 研究圖像去噪算法的意義在數(shù)字圖像處理領(lǐng)域中已經(jīng)有很多的傳統(tǒng)去噪方法，它們已經(jīng)被提出并且使用了很久，在這樣堅實的學(xué)術(shù)背景下，研究圖像去噪的意義還有嗎？我想研究其的意義在于：（1）在現(xiàn)有的圖像噪聲處理領(lǐng)域，傳統(tǒng)的去噪方法有很多很多，但是這些方法都有各自的優(yōu)缺點，所處理的噪聲都具有片面性，因此進(jìn)一步的研究完善圖像去噪的算法是有很大的意義的。（2）不同的去噪算法有著不同的數(shù)學(xué)理論基礎(chǔ)，當(dāng)然它們對圖像去噪處理表現(xiàn)的效果也不同，探索他們的內(nèi)部原理，尋求相應(yīng)的關(guān)系，并且研究這些算法之間如何取長補短，這樣達(dá)到更好的去噪效果是很有意義的。 圖像去噪國內(nèi)外現(xiàn)狀圖像去噪的方法從不同處領(lǐng)域的角度可以劃分為空間域與頻域兩種處理方法：第一種，空間域處理方法，它是在圖像本身存在的二維空間里對其進(jìn)行處理，而空間域處理方法根據(jù)不同的性質(zhì)又可以分為線性處理方法與非線性處理方法；第二種，頻域處理方法，它是用一組正交函數(shù)系來逼近原信號函數(shù)，獲得相應(yīng)的系數(shù)，將對原信號的分析轉(zhuǎn)化到了系數(shù)空間域，即頻域中進(jìn)行?？臻g域的線性濾波算法理論發(fā)展較為成熟，數(shù)字分析簡單，對濾除與信號不相關(guān)的隨機噪聲效果顯著，但是它本身存在著明顯的缺陷，如需要隨機噪聲的先驗統(tǒng)計知識，對圖像邊緣細(xì)節(jié)保護(hù)能力較差等，特別是后者使得線性濾波無法很好地適應(yīng)于圖像的噪聲濾除處理。與線性濾波相對應(yīng)的非線性濾波大都考慮到了人的視覺標(biāo)準(zhǔn)和最佳濾波準(zhǔn)則，提高了圖像分辨率和邊緣保護(hù)能力，特別是一些改進(jìn)后的非線性濾波方法一般都具有了一定的自適應(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)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)用于時間序列的分析中，后來這種方法被引入到圖像處理中，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[6,7]。其中有一種被稱為自適應(yīng)加權(quán)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是具有自適應(yīng)的性能并且對圖像的邊緣保護(hù)能力較傳統(tǒng)算法具有明顯提高。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《Image 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)域的里程碑，由此孕育出很多相關(guān)的濾波算法，這些算法大都考慮了像素點附近不同的區(qū)域形態(tài)并結(jié)合統(tǒng)計學(xué)的知識，使得算法對圖像的處理具有自適應(yīng)性并且提高了邊緣保護(hù)能力[8]。對機器視覺研究的不斷深入使人們開始重視偏微分方程的數(shù)學(xué)理論，在這個領(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(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)用的基礎(chǔ)。而在偏微分方程理論應(yīng)用于數(shù)字信號非