【正文】 尤為顯著，當(dāng)然代價是增加了計算復(fù)雜度。Otsu方法對目標(biāo)與背景比例懸殊的圖像失效．Kitter和Illingworthf 出了適應(yīng)能力更強(qiáng)的最小誤差法[11]。 值是用戶自定義系數(shù)，用來調(diào)整決定多大的字符目標(biāo)邊界被作為給定目標(biāo)的一部分。二、Niblack 算法Niblack 二值化算法是局部閾值法，其基本思想是根據(jù)點( x , y)鄰域 N N 塊內(nèi)所有像素的灰度值來決定一個閾值。設(shè)組1出現(xiàn)的概率為 ，平均灰度為 ，方差為 。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?？梢哉J(rèn)為局部閾值是全局閾值的一般情況，全局閾值則是最簡單的圖像分割方法。閾值處理的操作過程是先由用戶指定或通過算法生成一個閾值，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。 （3）把像素歸類。 圖像閾值分割原理 閾值分割的基本想法是確定一個閾值，然后把每個像素點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。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。可以說，圖像分割結(jié)果的好壞直接影響對圖像的理解。于是RGB圖轉(zhuǎn)Gray圖的本質(zhì)，就是尋找一個三維空間到一維空間的映射[6]，最直接的方法是射影（即過RGB空間的一個點向直線R=G=B做垂線），matlab中也是如此實現(xiàn)的。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。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，需要將圖像整個范圍的灰度級或其中某一段灰度級擴(kuò)展或壓縮到，這些都要求采用灰度變換方法。最近鄰點插值網(wǎng)格化法沒有選項,它是均質(zhì)且無變化的,對均勻間隔的數(shù)據(jù)進(jìn)行插值很有用,同時,它對填充無值數(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)中一種非常基礎(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重要組成部分[6]。最近鄰插值是最簡便的插值，在這種算法中，每一個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的值，運(yùn)算量非常小。其中，高斯噪聲和椒鹽噪聲屬于加性噪聲。2)乘積性噪聲又稱為卷積噪聲，只有在信號出現(xiàn)在信道中才表現(xiàn)出來，它不會主動對信號形成干擾。因此，實時采集的圖像需進(jìn)行濾波處理。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，實現(xiàn)對圖像進(jìn)行分割和去噪，達(dá)到處理和讀取圖像的目的。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)用中也有不斷增長的需求。廈門大學(xué)本科畢業(yè)論文 目錄圖像閾值分割及去噪的實現(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 仿真實驗結(jié)果和討論……………………………………………………………………16……………………………………………………………………16………………………………………………………………………17結(jié)論………………………………………………………………………………………………21參考文獻(xiàn)…………………………………………………………………………………………22致謝語……………………………………………………………………………………………233廈門大學(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 年代以來隨著計算機(jī)技術(shù)和 VLSI 的發(fā)展而產(chǎn)生、發(fā)展和不斷成熟起來的一個新興技術(shù)領(lǐng)域，它在理論上和實際應(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]。為適用特殊的場合和獲得較好的視覺效果，常常需要一種有效的方法來對圖像進(jìn)行處理。在MATLAB仿真的基礎(chǔ)上，比對各種分割和去噪方法的優(yōu)缺點。消除圖像中的噪聲成份叫做圖像的平滑化或濾波操作。疊加方式為[4] ()乘積性噪聲可以通過同態(tài)變換成為加性噪聲。28廈門大學(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 在計算機(jī)圖像處理中，圖像縮放（image scaling）是指對數(shù)字圖像的大小進(jìn)行調(diào)整的過程。當(dāng)圖像中包含像素之間灰度級變化的細(xì)微結(jié)構(gòu)時，最近鄰插值法會在圖像中產(chǎn)生人工的痕跡?；叶茸儞Q是指根據(jù)某種目標(biāo)條件按一定變換關(guān)系逐點改變原圖像中每一個像素灰度值的方法。從圖像輸入裝置得到的圖像數(shù)據(jù)，以濃淡表示，各個像素與某一灰度值相對應(yīng)。根據(jù)()式可以將灰度變換分為線性變換和非線性變換。并且有 ()廈門大學(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)，在理論研究和實際應(yīng)用中都得到了人們的廣泛重視。 在圖像研究中，圖像分割的方法主要可以分成兩大類[1]。從這一點說，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。一般閾值分割可以分成以下3步[7]。 上面的3個步驟，關(guān)鍵的是第一步，如果能確定一個合適的閾值，就可以對圖像進(jìn)行正確、方便的分割。 閾值方法分全局閾值和局部閾值兩種，如果分割過程中對圖像上每個像素所使用的閾值都相等，則為全局閾值方法；如果每個像素所使用的閾值可能不同，則為局部閾值方法。本文中介紹了三種經(jīng)典的圖像區(qū)域閾值分割方法。設(shè)給定圖像具有L級灰度值，對1 i L 中的每個i 將1，2，… …，L分成兩組，計算落在組1的像素個數(shù)，平均灰度，方差；落在組2的像素個數(shù)，平均灰度，方差。組2像素灰度值的均值為，方差為 。若點( x , y)處的灰度值大于該閾值時被判為白色,否則為黑色。當(dāng) 的取值不斷增大，噪音被完全消除，但是圖像的細(xì)節(jié)也損失越多，越來越模糊不清。該方法中，直方圖視為目標(biāo)和背景像素灰度級構(gòu)成的混合概率密度函數(shù)p( i )的估計，通常假設(shè)混合集的每個分量服從均值為，標(biāo)準(zhǔn)差為的正態(tài)分布。用 Kittler二值化算法對灰度圖像進(jìn)行二值化處理，該步驟得到全局閾值T，Kittler二值化的處理公式為: ()公式 ()中: f ( x, y)是原始的灰度圖像， 表示梯度最大值；在 中， 表示水平方向上的梯度，表示垂直方向上的梯度。從連續(xù)的(或離散的)輸入數(shù)據(jù)中濾除噪聲和干擾以提取有用信息，是抑制和防止干擾的一項重要措施，這是信號處理中經(jīng)常采用的主要方法之一，具有十分重要的應(yīng)用價值。由于有噪聲存在，導(dǎo)致圖像的質(zhì)量下降。 （a）均值濾波模板 （b）均值濾波模板這種運(yùn)算的實質(zhì)是求窗口內(nèi)的所有像素點的平均值，然后將其賦給中心像素點,作為中心像素點的濾波輸出。模板選擇越小,去噪能力會下降。它可以克服線性濾波器給圖像帶來的模糊，在有效清除顆粒噪聲的同時，又能保持良好的邊緣特性，從而獲得較滿意的濾波效果，特別適合于去除圖像的椒鹽噪聲。窗口長度為，且令，則濾波器的輸出為 ()式()表明點的中值僅與窗口前后各點的中值有關(guān)，為序列的中值。它是利用平穩(wěn)隨機(jī)過程的相關(guān)特性和頻譜特性對混有噪聲的信號進(jìn)行濾波的方法[15]。在假定信號過程與噪聲過程為聯(lián)合平穩(wěn)和假定在半無限時間區(qū)間內(nèi)能獲得的全部觀測數(shù)據(jù)的前提下，維納濾波給出了計算最優(yōu)估值的一種方法[16]。的拉普拉斯變換就是所要決定的維納濾波器的傳遞函數(shù)。四、 基于小波變換的去噪技術(shù)小波變換是通過縮放母小波（Mother wavelet）的寬度來獲得信號的頻率特征[17]， 通過平移母小波來獲得信號的時間信息。 小波變換在圖像信號去噪領(lǐng)域已得到越來越廣泛的應(yīng)用。(2) 確定最優(yōu)小波包基，即對于1個給定的熵標(biāo)準(zhǔn)計算最優(yōu)樹。根據(jù)經(jīng)過量化處理后的低層和高層小波包系數(shù)進(jìn)行小波包重構(gòu)[20]。直觀上說，得到噪聲的小波包系數(shù)越大，閾值選取也應(yīng)該越大。廈門大學(xué)本科畢業(yè)論文 第五章第五章 仿真實驗結(jié)果和討論 圖像閾值分割算法對比選用Matlab軟件作為編程實現(xiàn)平臺，選取一幅有代表性的圖像處理結(jié)果為例，來分析不同的圖像閾值分割的效果。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)有相對應(yīng)的分割方法對其分割，同時，某些分割方法也只是適用于某些特殊類型的圖像分割。本文所述三種基于小波變換的濾波法，減弱了其原來的光照亮度，清晰度降低，對高斯噪聲的過濾作用較小。均值濾波和中值濾波對于乘性噪聲的抑制作用較弱。要針對圖像的特點，選用合適的過濾方法，并且不斷改進(jìn)算法和經(jīng)驗取值，才能得到更理想的效果。上面提到的這些閾值化方法．無論是全局的還是局部的閾值，當(dāng)圖像的復(fù)雜性提高、信噪比遞減，或由于照明等因素的影響，僅利用灰度值分布得到的閾值往往不能得到滿意的分割效果，甚至還可能產(chǎn)生嚴(yán)重的分割錯誤。本文介紹的算法不可能是標(biāo)準(zhǔn)的算法，也不可能是對任何一幅圖像都能成功分割和濾波的算法。[9] [J].機(jī)電技術(shù)，2010(01).[10] [J]. 現(xiàn)代電子技術(shù), 2007,(23).[11] Kittler J, Illingworth J, Foglein J, Paler K. An automatic thresholding algorithm and its performance. In: Proc 7ICP4, 1984。在此，謹(jǐn)向康老師表示崇高的敬意和衷心的感謝。)。 endelseif ischar(varargin{1}) % INVOKE NAMED SUBFUNCTION OR CALLBACK try if (nargout