【正文】 很多，比如電子噪聲、機(jī)械噪聲、信道噪聲以及其他噪聲，噪聲對(duì)圖像信號(hào)和相位的影響很大，有些噪聲和圖像信號(hào)不相關(guān)，有些卻相關(guān)。它以概率論為理論基礎(chǔ)，運(yùn)用灰度點(diǎn)運(yùn)算實(shí)現(xiàn)直方圖的變化，從而達(dá)到圖像處理的目的。直方圖反應(yīng)了圖像整體灰度分布，對(duì)于較暗的圖像，直方圖集中在灰度級(jí)低一側(cè)，相反，較亮圖像的直方圖則集中于灰度級(jí)較高的一側(cè)。 （ 3） 非線性變換 非線性變換顧名思義就是利用非線性變換函數(shù)對(duì)圖像進(jìn)行變換，分為指數(shù)變換和對(duì)數(shù)變換。所以如果灰度函數(shù)確定了，那么灰度變換就被完全確定。人們通常情況下是通過(guò)自身的經(jīng)驗(yàn)來(lái)對(duì)圖像的噪音進(jìn)行過(guò)濾。 （ 4） 加權(quán)平均值法。此種方法過(guò)程簡(jiǎn)單 ， 只需簡(jiǎn)單的計(jì)算過(guò)程即可將彩色圖像灰度化 ， 但也有一定的缺點(diǎn)和不足 ， 如果對(duì)于所有彩色圖像都采用該方法來(lái)進(jìn)行灰度化 ，同樣不能滿足系統(tǒng)的要求 ， 因?yàn)楝F(xiàn)實(shí)環(huán)境中的彩色圖像應(yīng)用的領(lǐng)域不同 ， 其對(duì)圖像灰度化的質(zhì)量也會(huì)有不同的要求。每種顏色都有 255 中灰度值可以去，而灰度圖像則是 R、 G、 B 三個(gè)分量灰度值相同的一種特殊的圖像，所以在數(shù)字圖像處理過(guò)程中將彩色圖像轉(zhuǎn)換成灰度圖像后就會(huì)使后續(xù)的圖像處理時(shí)的計(jì)算量變得相對(duì)很少，這也就是圖像灰度化的原因。而我們所說(shuō)的灰度色，就是指純白、純黑及兩者的一系列從黑到白的過(guò)渡顏色。 （ 4） 平滑與銳化濾波。 MATLAB 提供了圖像讀入函數(shù) imread()，用來(lái)讀取各種各樣的文件，如 bmp、 pcx、 jgpeg 、 hdf、 xwd 等格式的圖像。 MATLAB 是一個(gè)包含大量計(jì)算算法的集合。 （ 2） 友好的工作平臺(tái)和編程環(huán)境 。而且 MATLAB 的圖形功能很強(qiáng)大，在 MATLAB 里數(shù)據(jù)的可視化非常簡(jiǎn)單， MATLAB 還具有較強(qiáng)的編輯圖形界面的能力。 MATLAB 中的數(shù)字圖像是以矩陣形式表示的，這意味著 MATLAB 強(qiáng)大的矩陣運(yùn)算能力用于圖像處理非常有利，矩陣運(yùn)算的語(yǔ)法對(duì) MATLAB 中的數(shù)字圖像同樣適用。第五 章重點(diǎn)介紹圖像平滑濾波技術(shù)，圍繞平滑濾波的分類(lèi)重點(diǎn)介紹了均值濾波、高斯濾波、中值濾波及頻域低通濾波等幾個(gè)方法的原理以及算法流程圖，并且分析各個(gè)算法的優(yōu)缺點(diǎn)。它與線性平滑濾波器相比，能在一程度上去除椒鹽噪聲，同時(shí)減少圖像模糊。近些年，國(guó)內(nèi)外發(fā)表的數(shù)字圖像預(yù)處理方面的論文提出了很多卓有成效的對(duì)圖像處理的模型或方法，其中最主要的是圖像去噪，圖像去噪的方法從不同處理域的角度可以劃分空域和頻域兩種處理方法：前者是在圖像本身存在的二維空間里對(duì)其進(jìn)行處理；而后者則是用一組正交函數(shù)系來(lái)逼近原信號(hào)函數(shù)，獲得相應(yīng)的系數(shù)，將對(duì)原信號(hào)的分析轉(zhuǎn)化到了系數(shù)空間域，即頻域中進(jìn)行 [7]。以上列舉出來(lái)的部分圖像預(yù)處理算法大多都為傳統(tǒng)的數(shù)字圖像處理算法 ， 因此并沒(méi)有考慮到 圖像 的特殊性 ， 在實(shí)際的系統(tǒng)中處理的效果不理想。因此對(duì)圖像進(jìn)行預(yù)處理就成了人們獲得圖像信息的首要解決的事情，然而人們對(duì)于圖像預(yù)處理的知識(shí)了解不是很多，而且圖像預(yù)處 理方法繁多，單單就平滑處理來(lái)說(shuō)就有好多種方法，它們相比有哪些 優(yōu)缺點(diǎn)，以及中值濾波有何改進(jìn)之處，這就是本文要探討和研究的地方 [3]。t reflect the original image information pletely. Therefore, to improve image data, inhibit deformation and enhance image characteristics is very important in image image preprocessing method include the image size modification, the image thickness expansion, changing color image to gray, image grayscale binary, image sharpening and the image smooth processing. Based on the brief introduction of digital image processing technique, this paper discussed the construction of gray histogram, equilibrium of histogram, the image smoothing， image grayscale binary and noise treatments’ principle and method. The realizations of all those image preprocessing algorithm which is realized with MATLAB has been discussed in this paper, and all those result has been given after the implementations. KeyWords:image preprocessing。除文中已經(jīng)注明引用的內(nèi)容外，本論文不含任何 其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的作品成果。常用的圖像預(yù)處理手段包括圖像大小的修改、圖像濃度的擴(kuò)展，圖像由彩色差到灰度的轉(zhuǎn)變、圖像二值化、圖像的銳化處理及圖像平滑處理等方法。圖像預(yù)處理 作為圖像處理的重要組成部分，對(duì)于人們獲得貨真價(jià)實(shí)的圖像信息以及復(fù)原圖像本來(lái)的面目具有決定性的作用 [1]。有些研究者專(zhuān)門(mén)針對(duì)圖像的預(yù)處理階段提出了一些算法 ， 例如 ， 李戰(zhàn)明等人提出了一種 圖像 預(yù)處理算法 ， 該算法分四個(gè)步驟來(lái)逐步實(shí)現(xiàn)對(duì) 圖像 的去噪和增強(qiáng)操作 ， 處理步驟包括尺寸歸一化 ， 中值濾波 ， 圖像增強(qiáng)以及二值化 ， 在原有理論研究的基礎(chǔ)上引入了一些新思想和新方法 [1]。當(dāng)前，由于計(jì)算機(jī)技術(shù)的飛速發(fā)展，圖像處理總的發(fā)展研究趨勢(shì)是以數(shù)字處理為主。其中有一種被稱(chēng)為自適應(yīng)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(diǎn)是具有自適應(yīng)的性能并且對(duì)圖像的邊緣保護(hù)能力較傳統(tǒng)算法具有明顯提高。第二章介紹 MATLAB 軟件，以及 MATLAB 對(duì) 圖像處理的幾種基本方法。它將數(shù)值分析、矩陣計(jì)算、科學(xué)數(shù) 據(jù)可視化以及非線性動(dòng)態(tài)系統(tǒng)的建模和仿真等諸多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中，為科學(xué)研究、工程設(shè)計(jì)以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計(jì)語(yǔ)言（如 C、 Fortran）的編輯模式，代表了當(dāng)今國(guó)際科學(xué)計(jì)算軟件的先進(jìn)水平。在新的版本中也加入了對(duì) C， FORTRAN， C++ ， JAVA 的支持?？梢钥闯龉δ苄怨ぞ呦溆糜诙喾N類(lèi)型的學(xué)科，而學(xué)科性工具箱是比較專(zhuān)業(yè)性的工具箱，如 signl processing toolbox， munication toolbox 等等，所以用戶可以不編寫(xiě)自己學(xué)科內(nèi)的基礎(chǔ)性程序，直接進(jìn)行高端的程序研究。 MATLAB 一個(gè)高級(jí)的距陣 /陣列語(yǔ)言，它包含控制語(yǔ)句、函數(shù)、數(shù)據(jù)結(jié)構(gòu)、輸入和輸出和面向?qū)ο缶幊烫攸c(diǎn)。 （ 6） ， 應(yīng)用廣泛的模塊集合工具箱 ， MATLAB 對(duì)許多專(zhuān)門(mén)的領(lǐng)域都開(kāi)發(fā)了功能強(qiáng)大的模塊集和工具箱。 （ 3）圖像變換。 以上所提到的 MATLAB 軟件在圖像中的各種處理應(yīng)用都是通過(guò)相應(yīng)的 MATLAB 函數(shù)來(lái)實(shí)現(xiàn)的，因此使用時(shí)，只需正確調(diào)用相應(yīng)的 函數(shù)并輸入?yún)?shù)即可。如果把黑 灰 白連續(xù)多種變化的灰度值也量化為 256 個(gè)灰度級(jí)，則灰度值的范圍大小為 0 到 255，表示的含義是亮度從深到淺，相對(duì)應(yīng)的圖像中的顏色則是從黑到白 [11]。 分量法是一種比較簡(jiǎn)單的圖像灰度化的方法。 由于彩色圖像每一個(gè)像素點(diǎn)都同時(shí)有幾個(gè)不同的分量 ， 因此平均值法的原理是將每一個(gè)像素點(diǎn)的所有分量的平均值作為當(dāng)前像素點(diǎn)的像素值。本文前部已經(jīng)提到 ， 利用圖像獲取設(shè)備得到的 圖像 并不是完全理想的圖像 ， 實(shí)際應(yīng)用中的圖像都受到了不同程度的干擾 ， 因此將會(huì)對(duì)提取圖像中的重要信息帶來(lái)不利影響。經(jīng)過(guò)灰度變換后的圖像動(dòng)態(tài)范圍變大，對(duì)比度會(huì)增強(qiáng)，圖像會(huì)變得更加清晰，特征也更加明顯。采用上述線性變換對(duì)圖像的每一個(gè)像素進(jìn)行灰度作線性拉伸，將會(huì)有效的 增 強(qiáng)圖像的質(zhì)量。求灰度直方圖的方法就是拿圖像中像素?cái)?shù)目的總和 n 去除圖像的每一個(gè)像素灰度值，表達(dá)式如下： nnrP kk /)( ? k=0， 1， 2， ... (6) 11 從以上表述可以總結(jié)出直方圖主要有以下幾個(gè)特點(diǎn)： 直方圖中沒(méi)有圖像的位置信息。 （ 2） 直方圖均衡化 如果圖像的視覺(jué)效果差或者人們特殊需要，常常需要對(duì)圖像的灰度級(jí)進(jìn)行修正，即對(duì)圖像的直方圖進(jìn)行轉(zhuǎn)換。另外由于直方圖是只是近似的概率函數(shù)，直接變換求直方圖很少能得到完全平坦的分布，而且變換后會(huì)出現(xiàn)灰度級(jí)減少的現(xiàn)象即“簡(jiǎn)并”。圖像的去噪方法種類(lèi)很多，依據(jù)的原理也各不相同，其中比較常用的就是圖像平滑去噪方法。 椒鹽噪聲。一種優(yōu)良的圖像平滑方法應(yīng)該是 既可以消除圖像噪聲的影響但是又不會(huì)讓圖像的邊緣輪廓和線條變得模糊不清。 頻域法則是先進(jìn)行傅里葉變換到頻域進(jìn)行處理然后在反變回空間域還原圖像，一般人們采用低通濾波等方法，這和空間域里直接對(duì)圖像的像素值進(jìn)行鄰域內(nèi)運(yùn)算不同 平滑去噪常用方法 圖像 的平滑去噪一般分為空域和頻域兩種方法，本文只介紹空域和頻域里幾種常用的平滑濾波方法，比如均值濾波、高斯濾波以及中值濾波和低通濾波等等，其他的常用方法不在研究之內(nèi)。 然后求這些像素值的均值，作為輸出的像素值，這就是鄰域平均法的原理 。 高斯濾波的特性與高斯函數(shù)息息相關(guān)，高斯函數(shù)具有 一下的 重要性質(zhì)： 二維高斯函數(shù)具有旋轉(zhuǎn)對(duì)稱(chēng)性，也就是濾波器在各個(gè)方向上的平滑程度是相同的。 高斯濾波器的寬度 (決定著平滑程度 )是由參數(shù)σ表證的，而且σ和平滑程度的關(guān)系是非常簡(jiǎn)單的。 輸入高斯濾波器的均值和方差。其濾波原理是 :首先確定一個(gè)以某個(gè)像素為中心點(diǎn)的鄰域 ， 一般為方形鄰域 ， 然后將鄰域中各 17 像素的灰度值進(jìn)行排序 ， 取中間值作為中心像素灰度的新值 ， 這里的鄰域通常被稱(chēng)為窗口 。 傳統(tǒng)的中值濾波方法是先選擇一定的窗口 ( 一般窗口大小為 3 3 或 5 5) ， 然后使窗口在圖像內(nèi)逐次移動(dòng) ， 并 18 用窗口內(nèi)像素灰度值的中值來(lái)代替窗中心點(diǎn)處的像素灰度值。它將圖像的每個(gè)像素的灰度值與 T 進(jìn)行比較，若大于 T ，則取為前景色（白色）；否則，取為背景色。 (2) 大津法：又稱(chēng)最 大類(lèi)間差法，是基于整幅圖像的統(tǒng)計(jì)特性，實(shí)現(xiàn)閾值的自動(dòng)選取。例如可以將原圖像劃分為一些不相交的小塊，將各塊圖像的灰度均值作為該部塊圖像的閾值，在局部上采用上面的整體閾值法。比較典型的局部二值化算法有 Bernsen 方法、多閾值的梯度強(qiáng)度法、基于紋理圖像的方法、最大方差法等。它以概率論為理論基礎(chǔ)，運(yùn)用灰度點(diǎn)運(yùn)算實(shí)現(xiàn)直方圖的變化，從而 達(dá)到圖像處理的目的。f:\39。 x=uint8(x)。)。 H=histeq(J,256)。 [rows , cols ] = size(e)。) k=double(ones(N)/(N*N))。) subplot(222) imshow(I)。f:\39。 image=double(A)。其中對(duì)車(chē)牌的處理收到了良好的效果，所有的步驟完成后，可以得到清晰可見(jiàn)車(chē)牌號(hào)碼的二值化圖像。 圖 4 原圖和灰度圖 Fig 4 Original image and grayscale image (2)圖像增強(qiáng)。 圖 6是利用中值濾波對(duì)車(chē)牌圖片處理的效果對(duì)比圖。 下面是各個(gè)步驟的效果圖。 為了更加得檢驗(yàn)中值濾波的效果，我在圖片中加入了椒鹽噪聲。并在設(shè)計(jì)過(guò)程中，自己分析問(wèn)題和解決問(wèn)題的能力都得到了鍛煉和提高，完善了自己的知識(shí)結(jié)構(gòu)，加深了對(duì)知識(shí)的理解。 馬上就要畢業(yè)了，四年中，我的朋友還有各位老師、同學(xué)都給予了我很大幫助。本設(shè)計(jì)采用的是 中值濾波 方法算法 ，只對(duì)加入了椒鹽噪聲的圖片進(jìn)行了處理，而 對(duì)高斯噪聲和其他噪聲的去除能力還未可知，這是接下來(lái)將要探索的地方。 圖 10 原圖和中值濾波對(duì)比圖 Fig 10 Comparison images of original and median filtering （ 4）圖像二值化 。 圖 8 是原圖和處理之后的灰度圖對(duì)比。 先 取得原圖的數(shù)據(jù)區(qū)指針 ，讀入圖片。由于直方圖均衡化是對(duì)圖像的灰度變化范圍進(jìn)行一個(gè)非線性拉伸 ， 因此變換后圖像的灰度級(jí)將減少 ， 這將導(dǎo)致圖像的某些細(xì)節(jié)在變換中消失 。本文在下面分別具體列出了兩組實(shí)例的測(cè)試結(jié)果。 else image(i,j)=0。 figure(1)。加噪聲后的圖像 39。 y=reshape(k1,1,N*N)。 I=imnoise(e,39。原圖 39。 imshow(x), 21 title(39。f:\39。 image=double(A)。 首先確定一個(gè)以某個(gè)像素為中心點(diǎn)的鄰域 ， 一般為方形鄰域 ， 然后將鄰域中各像素的灰度值進(jìn)行排序 ， 取中間值作為中心像素灰度的新值 ， 這里的鄰域通常被稱(chēng)為窗口 。 并對(duì)測(cè)試結(jié)果進(jìn)行了測(cè)試并取得了良好的結(jié)果。但是如果圖像的背景不均勻，或目標(biāo)灰度變化率比較大，全局方法便不再適用。當(dāng)被分割成的兩類(lèi)類(lèi)間方差最大時(shí)，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