【正文】 采用 Bernsen 算法時，常常在背景區(qū)域出現(xiàn)偽筆畫，這叫做偽影現(xiàn)象。這時尋找最佳閾值很困難。所以，信息熵也可以說是衡量圖像有序化程度的一個度量。 表 Bernsen 方法處理不同像素的不同圖像 性能指標 圖 圖 圖 圖 圖 圖 閾值 (T) 時間 (S)/s 熵值 (H) 因為 Bernsen 方法不存在預取閾值，得到的都是局部閾值，隨像素的變化而變 化，所以沒有固定的閾值。可知， 512 512 圖像的執(zhí)行時間要比 128 128 圖像的時間要長，說明圖像越大，用 Otsu 方法對其進行二值化處理所需時間越長；大圖像的閾值也比小圖像要大。 (a) (b) (c) (d) (e) (f) 圖 原圖 (a) lena 原始圖像 (128128)； (b)peppers 原始圖像 (128128)； (c)plane 原始圖像 (128128)； (d) lena 原始圖像 (512512)； (e)peppers 原始圖像 (512512)； (f)plane 原始圖像 (512512) Otsu方法實驗結(jié)果分析 對圖 這六幅圖像都采用 Otsu 算法進行圖像二值化處理。首先創(chuàng)建一個 )2()2( ??? MN 的矩陣 extend，把矩陣 I 中的像素 ),()1,1( jiIjie x t e nd ??? ，而第一行和最后一行，第一列和最后一列的填充依據(jù)是以它靠近的行或列為對稱軸進行填充。其實，換一種思想也能很好的理解大津方法。 對圖像 Image，記 t 為目標 與背景的分割閾值， 目標像素 數(shù)占圖像比例為 0? ， 平均灰度為 0? ； 背景 像素 數(shù) 占 圖 像 比 例 為 1? ， 平 均 灰 度 為 1? 。但是如果圖像的背景不均勻，或目標灰度變化率比較大，全局方法便不再適用。當被分割成的兩類類間方差最大時，此灰度值就作為圖像二值化處理的閾值。其中全局閾值法又可分為基于點的閾值法和基于區(qū)域的閾值法。該算法著重于在圖像二值化時保留圖 像 的邊緣特征。處理結(jié)果表明，與傳統(tǒng)的幾種方法相比，該方法能夠快速選取良好的二值化閾值，較 好地區(qū)分目標和背景，在相當大模板寬度內(nèi)圖像二值化的結(jié)果都令人滿意。該方法不僅在實現(xiàn)傳統(tǒng)的黑白二值化方面。 模擬實驗結(jié)果表明，該方法的二值化效果明顯優(yōu)于 Bernsen 方法和Otsu 方法，且具有良好的適應性。為此，研究者提出一種解決辦法，首先使用同態(tài)濾波去掉車牌圖像的不均勻光照的影響，然后使用改進的 Bernsen 算法對車牌圖像進行二值化。由于指紋圖像是一種方向性很強的圖像，這些方法僅僅利用了指紋圖像的灰度信息，而忽略了指紋圖像的方向信息，因此這些方法對指紋圖像的二值化效果并不十分理想。 激光雕刻中圖像處理的二值化處理激光雕刻是近十幾年隨著激光技 術(shù)的發(fā)展而產(chǎn)生的一種新的雕刻技術(shù)，它與計算機圖形學、圖像處理等學科的結(jié)合，應用在各種材料上進行文字、圖案加工。研究者在分析和討論了多種圖像二值化的優(yōu)缺點后，在吸取各種方法優(yōu)點的基礎(chǔ)上，提出了一種新的身份證掃描圖像的二值化方法 ——嵌入式多閾值動態(tài)自適應的二值化方法。 下面有兩點值得注意： (1) 每一行的字節(jié)數(shù)必須是 4 的整倍數(shù)，如果不是，則需要補齊。真彩色圖像是不需要調(diào)色板的， BITMAPINFOHEADER 后直接是位圖數(shù)據(jù)。 BMP(Bitmap Picture)文件格式 是Windows 系統(tǒng)交換圖形、圖像數(shù)據(jù)的一種標準格式。對這種變化最有用的兩個特征就是灰度的變化率和方向。照片或電子方法得到的圖像，常表現(xiàn)出低對比度即整個圖像較亮或較暗，為此需要對圖像中的每一像素的灰度級進行標度變換，擴大圖像灰度范圍，以達到改善圖像質(zhì)量的目的。 工具箱實現(xiàn)的常用功能 就圖像處理的基本過 程討論工具箱所實現(xiàn)的常用功能。就其開發(fā)環(huán)境方面來說： (1) 重新設(shè)計的桌面環(huán)境，針對多文檔界面提供了簡便的管理和訪問方法，允許用戶自定義桌面外貌，創(chuàng)建常用命令的快捷方式 。 MATLAB的工作環(huán)境 MATLAB 的工作環(huán)境簡單明了 ， 易于操作 ， 使用的 MATLAB 軟件一般是 版本 。 在數(shù)字圖像處理中，二值 化 圖像占有非常重要的地位，特別是在實用的圖像處理中，以二值圖像處理實現(xiàn)而構(gòu)成的系統(tǒng)是很多的，要進行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像，這樣子有利于再對圖像做進一步處理時，圖像的集合性質(zhì)只與像素 的 值為 0 或 1 的點的位置有關(guān)，不再涉及像素的多級值，使處理變得簡單，而且 數(shù) 據(jù)的處理和壓縮量小。 南京師范大學泰州學院本科生畢業(yè) (設(shè)計 )論文 5 灰度圖像二值化原理及意義 灰度圖像是指只含亮度信息，不含色彩信息的圖像。為此，如何客觀評價圖像質(zhì)量還有待進一步深入的研究。如電視圖像的帶寬約 56MHz，而語音帶寬僅為 4KHz 左右。 20 世紀 90 年代是圖像處理技術(shù)的實用化時期，圖像處理的信息量巨大，對處理速度的要求極高。例如，圖像變換 是圖像編碼技術(shù)的基礎(chǔ)，而圖像增強與復原一般又是圖像處理的最終目的，也可以作為進一步圖像處理工作的準備；通過圖像分割得到的圖像特征既可以作為最后結(jié)果，也可以作為下一步圖像分析的基礎(chǔ)。對圖像中的不同對象進行分割、分 類、識別、描述和解釋。圖像增強并不是要求真實地反映原 始圖像，而圖像復原則要求盡量消除或減少獲取圖像過程中所產(chǎn)生的某些退化，使圖像能夠反映原始圖像的真實面貌。圖像處理的基礎(chǔ)是數(shù)字，主要任務是進行各種算法設(shè)計和算法實現(xiàn)。但是隨著量化等級的增加，數(shù)據(jù)量將大大增加，使得圖像處理的計算量和復雜度相應 的 增加。數(shù)字圖像是將連續(xù)的模擬圖像經(jīng)過離散化處理后得到的計算機能夠辨識的點陣圖像。 通常，客觀事物在空間上都是三維的 (3D)的，但是從客觀景物獲得的圖像卻是屬于二維 (2D)平面的。 課題重點實現(xiàn)了圖像分割技術(shù)中灰度圖像二值化方法，如 Otsu 算法、 Bernsen算法，并對這些算法運行的實驗結(jié)果進行分析與比較。同時，圖像是人類獲取視覺信息的主要途徑。 據(jù) 統(tǒng)計，在人類獲取的信息中，視覺信息約占 60%，聽覺信息約占 20%，其他方式加起來才約占 20%。比如人在顯微鏡下看到的圖像就是一幅光學模擬圖像。每一個像素具有自己的屬性，如顏色 (color)、灰度 (gray scale)等，顏色和灰度是決定一幅圖像表現(xiàn)的關(guān)鍵因素。 (3) 重復性好。為此，通常采用各種圖像變換方法，如傅立葉變換、沃爾什變換、離散余弦變換、小波變換等間接處理技術(shù)，將空域處理轉(zhuǎn)換到變換域處理，這樣可以有效地減少計算量，提高處理性能。它是進一步進行圖像識別、分析和理解的基礎(chǔ)。 (7) 圖像隱藏。進入 20 世紀 70 年代的發(fā)展期，開始大量采用中、小型機進行處理，圖像處理也逐漸改用光柵掃描方式，特別是 CT 和衛(wèi)星遙感圖像的出現(xiàn)，對圖像處理技術(shù)的發(fā)展起到了很好的推動作用。因此對計算機的計算速度、存儲容量等要求較高。一般而言，相鄰兩幀之間的相關(guān)性比幀內(nèi)相關(guān)性還要大。此外， 不少課題還需要更加專業(yè)的知識，如小波變換、神經(jīng)網(wǎng)絡、分形理論等。圖像的灰度化處理可先求出每個像素點的 R、 G、 B 三個分量的平均值，然后將這個平均值賦予給這個像素的三個分量。 MathWorks 公司針對不同領(lǐng)域的應用，推出了信號處理，控制系統(tǒng)，神經(jīng)網(wǎng)絡，圖像處理，小波分析，魯棒控制，非線性系統(tǒng)控制設(shè)計，系統(tǒng)辨識，優(yōu)化設(shè)計，統(tǒng)計分析等 30 多個具有專門功能的工具箱，這些工具箱是由該領(lǐng)域內(nèi)的學術(shù)水平較高的專家編寫的，無需用戶自己編寫所用的專業(yè)基礎(chǔ)程序，可直接對工具箱進行運用。 圖 論文中使用的 MATLAB 軟件為 版本，如圖 所示。 MATLAB圖像處理工具箱 數(shù)字圖像處理工具箱函數(shù)包括以下 15 類： (1) 圖像顯示函數(shù)； (2) 圖像文件輸入、輸出函數(shù)； (3) 圖像幾何操作函數(shù)； (4) 圖像像素值及統(tǒng)計函數(shù)； (5) 圖像分析函數(shù)； (6) 圖像增強函數(shù)； (7) 線性濾波函數(shù)； (8) 二維線性濾波器設(shè)計函數(shù)； (9) 圖像變 換函數(shù)； (10) 圖像鄰域及塊操作函數(shù)； (11) 二值圖像操作函數(shù)； (12) 基于區(qū)域的圖像處理函數(shù)； (13) 顏色圖操作函數(shù)； 南京師范大學泰州學院本科生畢業(yè) (設(shè)計 )論文 9 (14) 顏色空間轉(zhuǎn)換函數(shù)； (15) 圖像類型和類型轉(zhuǎn)換函數(shù)。均勻量化 的自然圖像的灰度直方圖通常在低灰度區(qū)間上頻率較大，低的圖像中較暗區(qū)域中細節(jié)看不清楚，采用直方圖修整可使原圖灰度集中的區(qū)域拉開或使灰度分布均勻，從而增大反差，使圖像的細節(jié)清晰，達到增強目的。在 MATLAB 中，各種濾波方法都是在空間域中通過不同的軍紀模板即濾波算子實現(xiàn)，可用 fspecial()函數(shù)創(chuàng)建預定義的濾波算子，然后用filter2()或 conv2()函數(shù)在實現(xiàn)卷積運算的基礎(chǔ)上進行濾波。 MATLAB工具箱提供了常用的變換函數(shù)，如 fft2()與 ifft2()函數(shù)分別實現(xiàn)二維快速傅立葉變換與其逆變換， dct2()與 idct2()函數(shù)實現(xiàn)二維離散余弦變換與其逆變換， Radon()與 iradon()函數(shù)實現(xiàn) Radon 變換與逆Radon 變換。其中，biCompression 的有效值為 BI_RGB、 BI_RLE BI_RLE BI_BITFIELDS，這南京師范大學泰州學院本科生畢業(yè) (設(shè)計 )論文 13 都是一些 Windows 定義好的常量。 對于 2 色位圖，用 1 位就可以表示該像素的顏色 (一般 0 表示黑色， 1 表示白色 )，所以一個字節(jié)可以表示 8 個像素。由于身份證圖像背景復雜，由激光防偽陰影網(wǎng)格線及各種版面噪聲構(gòu)成 ；且因激光防偽標志和打印條件的千差萬別，再加上身份證圖像質(zhì)量偏差，給身份證的字符識別帶來了很大的困難。因此，自適應圖像閾值的選取方法非常值得研究。指紋識別技術(shù)除了在傳統(tǒng)的法律南京師范大學泰州學院本科生畢業(yè) (設(shè)計 )論文 15 公安上得到應用之外，還有更廣闊的應用前景，如計算機用戶的確認、訪問網(wǎng)絡資源的口令、銀行 ATM 機和信用卡的使用、各類智能 IC 卡的雙重確認，以及雇員證明、海關(guān)身份鑒定、家用電子門鎖等一個完整的自動指紋識別系統(tǒng) (AFIS) 包括指紋采集、指紋圖像預處理、指紋特征提取和比對等幾個模塊。這種二值化方法完全不同于傳統(tǒng)的方法，它從信號處理的角度出發(fā)，利用了部分先驗知識和理想狀態(tài)下的投影輪廓信號，再通過用不同閾值分割的投影信號與之匹配，匹配度最大時的閾值即為圖像分割的最佳閾值。實驗表明，該算法可有效克服偏暗或泛白背景的影響，二值化效果良好。 在模式識別中，二值化效果的好壞直接影響著識別效果，首先通過改進的南京師范大學泰州學院本科生畢業(yè) (設(shè)計 )論文 17 Bernsen 方法對原始圖像進行二值 化，得到第一幅源圖像；然后根據(jù)自組織神經(jīng)網(wǎng)絡計算閾值，對圖像進行二值化，得到第二幅源圖像；再根據(jù)灰度值最小的原則作為圖像融合方法，得到最終的二值化圖像，最后給出模擬實驗，實驗結(jié)果表明該方法是有效的。針對顆粒圖像，提出了一種基于形態(tài)學的最大類間方差 Otsu 二值化算 法 ，實驗證明，該算法這一算法能較好地保留原圖像中的特征，二值化后的圖像效果不錯。 基于邊緣特征的二值化閾值選取方法，閾值選取是圖象處理與 分析 的基 礎(chǔ)。 全局閾值法 全局閾值法是指在二值化過程中只使用一個全局閾值 T 的方法。下面列舉幾個閾值的自動選擇算法： (1) 平均灰度值法：以圖像中所有像素灰度值的平均值為閾值。 局部閾值法 由當前像素灰度值與該像素周圍點局部灰度特征來確定像素的閾值。 局部閾值法一般用于識別干擾比較嚴重、品質(zhì)較差的圖像，相對整體閾值方法有更廣泛的應用，但也存在缺點和問題，如實現(xiàn)速度慢、不能保證字符筆畫連通性以及容易出現(xiàn)偽影現(xiàn)象 (即在背景域受到噪音干擾得到筆畫結(jié)果 )等。 記 ),( jif 為 MN? 圖像 ),( ji 點處的灰度值，灰度級為 ? ，不妨假設(shè) ),( jif 取值 ]1,0[ ?m 。 ??? ??? ),(),(1 ),(),(0),( jiTjif jiTjifjib (413) 用 I 存儲灰度圖像的值，設(shè) I 為 MN? ，把 I 邊界擴展成 ? ? ? ?22 ??? MN extend 矩陣。 南京師范大學泰州學院本科生畢業(yè) (設(shè)計 )論文 24 Bernsen 方法流程圖如圖 所示。 南京師范大學泰州學院本科生畢業(yè) (設(shè)計 )論文 26 (a)二值 lena 圖像 (128128) (b)二值 lena 圖像 (512512) 圖 Otsu 方法二值化 lena 圖像 (a)二值 peppers 圖像 (128128)