【正文】 點(diǎn)的閾值法和基于區(qū)域的閾值法。 每次移動后 ， 對窗口內(nèi)的諸像素灰度值進(jìn)行排序 。中值濾波的輸出像素是由鄰 域圖像的中間值決定的 ， 因而中值濾波對極限像素值 (與周圍像素灰度值差別較大的像素 )遠(yuǎn)不如平均值那么敏感 ， 從而可以消除孤立的噪聲點(diǎn) ， 可以使圖像產(chǎn)生較少的模糊。gaussian39。通過調(diào)節(jié)平滑程度參數(shù)σ，可在圖像特征分量模糊 (過平滑 )與平滑圖像中由于噪聲和細(xì)紋理所引起的過多的不希望突變量 (欠平滑 )之間取得折衷。 高斯函數(shù)是單值函數(shù)。 按照此灰度矩陣的值輸出圖像。它是一種直接在空間域里進(jìn)行圖像平滑處理的技術(shù)。 在空域法里還可以分為兩個方面，一類是噪聲消除，即先判定這個點(diǎn)是否為噪聲點(diǎn)，若是則重新賦值給它，不是就按原值輸出；另一類則是平均法，即不一一對噪聲點(diǎn)進(jìn)行清除，而是對整個圖像依據(jù)某種方法進(jìn)行平均運(yùn)算，一般來說這類濾波方法有均值濾波、高斯濾波、維納濾波等等。椒鹽噪聲作為一種非常典型的圖像噪聲，對圖像質(zhì)量的處理起著極大的影響。在這過程中因受到環(huán)境條件的影響及設(shè)備的性能質(zhì)量原因，使得圖像必不可免的產(chǎn)生噪聲。 圖像 平滑去噪 灰度變換和直方圖修正都可以對圖像進(jìn)行簡單的預(yù)處理，然而這些預(yù)處理僅限于圖像沒有受到污染，即沒有因為各種原因產(chǎn)生噪聲或收到不規(guī)則破壞，此時灰度變換和直方 圖就不能達(dá)到我們預(yù)期的效果了，對于圖像的復(fù)雜處理就必須采用平滑 去 噪方法。直方圖均衡化首選要先進(jìn)行直方圖修正，即把原圖像的直方圖利用灰度變換函數(shù)修正為均勻分布，然后再進(jìn)行直方圖均衡化。 直方圖反應(yīng)了圖像整體 的灰度范圍。進(jìn)行變換時，把 0255 灰度值區(qū)間分為幾個線段，每一線段都對應(yīng)一個線性變換函數(shù)?；叶茸儞Q的表達(dá)式為： )],([),( yxfTyxg ? (1) 其中函數(shù) T是灰度變換函 數(shù)，它定義了輸入圖像灰度和輸出圖像灰度之間的變換條件。有學(xué)者曾提出應(yīng)該根據(jù) 圖像 受到的噪音和 9 干擾提出一個干擾數(shù)學(xué)模型 ， 這樣就可以將外部環(huán)境對 圖像 的影響通過數(shù)學(xué)表達(dá)式的方式參與到整個系統(tǒng)的計算當(dāng)中 ， 但是在絕大多數(shù)情況下 ， 外部環(huán)境的噪音和干擾具有極大的隨機(jī)性 ， 因此到目前為止還未能提出專門的噪音干擾的數(shù)學(xué)模型。該方法是一種簡單的灰度化方法 ， 整個過程無需復(fù)雜的計算。分量法的原理即是選取像素點(diǎn)中的 某一個分量來代替該像素點(diǎn) ， 因此就完成了圖像的灰度化。 圖像灰度化介紹 將彩色的圖像轉(zhuǎn)化灰度圖像的過程叫做圖像灰度化，由于彩色圖像的每個像素的顏色由 R、 G、 B三個分量組成，即紅、綠、藍(lán)三種顏 色。另外使用灰度還能將彩色的圖像轉(zhuǎn)換為高質(zhì)量的黑白圖像，此時制圖軟件將會把原圖像的所有顏色信息丟棄。 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。 MATLAB 在圖像 方面的 應(yīng)用 （ 1） 圖像文件格式的讀入和 寫出。 （ 4） 強(qiáng)大的科學(xué)計算機(jī)數(shù)據(jù)處理能力 。 MATLAB 處理圖像的特點(diǎn) （ 1） MATLAB 的基本數(shù)據(jù)單位是矩陣，它的指令表達(dá)式與數(shù)學(xué) ， 工程中常用的形式十分相似 ， 故用 MATLAB 來解算問題要比用 C， FORTRAN 等語言完 成 相同的事情簡捷得多 。 MATLAB 軟件與圖像預(yù)處理 MATLAB 最突出的功能就是簡潔，用更直觀的符合人們思維的代碼代替了 C 和VC++的冗長的代碼，給用于帶來了最直觀最簡潔的程序開發(fā)環(huán)境。同時，工具箱內(nèi)的函數(shù)源程序也是開放性的，多為 M 文件，用戶可以查看這些文件的代碼并進(jìn)行更改， MALAB 支持用戶對其函數(shù)進(jìn)行二次開發(fā)，用戶的應(yīng)用程序也可以作為新的函數(shù)添加到相應(yīng)的工具箱中。第四章進(jìn)行圖像增強(qiáng)。圖像去除脈沖噪聲特別是椒鹽噪聲的方法有很多，其中非線性中值濾波器作為排序統(tǒng)計濾波器的典型代表而廣泛應(yīng)用于數(shù)字圖像的預(yù)處理領(lǐng)域。圖像去噪就是數(shù)字圖像處理技術(shù)中的重要技術(shù)之一。也有一些研究者考慮先通過用形態(tài)運(yùn)算來過濾掉 圖像 的背景信息 ， 因為 圖像 的背景信息對于車 牌的定位以及后續(xù)環(huán)節(jié)無關(guān)緊要 ， 去掉背景信息還可以提高處理的效率 ， 使用該種方法的研究者例如朱光忠等人提出了一種基于多尺度TopHat 算子的 圖像 預(yù)處理算法 ， 該算法針對不同的圖像模塊引入不同尺度結(jié)構(gòu)元素來對圖像 進(jìn)行處理 ， 取得了較好的效果 [5]。進(jìn)行圖像預(yù)處理主要目的是為了消除圖像中無關(guān)緊要的信息，恢復(fù)有用的真實的信息，增強(qiáng)相關(guān)信息的可檢測性和最大限度地簡化我們需要的數(shù)據(jù)，從而增加特征抽取、圖像分割、匹配和識別等后續(xù)圖像處理步驟的可靠性 [2]。 關(guān)鍵詞 ： 圖像預(yù)處理；圖像增強(qiáng)；平滑去噪；中值濾波 Design and Implementation of PreProcessing Algorithm on Character Image Recognition System Abstract: In the process of image processing, due to the affection of image tools, the acquisition image can39。 湖 南 農(nóng) 業(yè) 大 學(xué) 全日制普通本科生畢業(yè)設(shè)計 字符圖像識別系統(tǒng)的預(yù)處理算法設(shè)計與實現(xiàn) DESIGN AND IMPLEMENTATION OF PREPROCESSING ALGORITHM ON CHARACTER IMAGE RECOGNITION SYSTEM 湖南農(nóng)業(yè)大學(xué)全日制普通本科生畢業(yè)設(shè)計 誠 信 聲 明 本人鄭重聲明：所呈交的本科畢業(yè)論文是本人在指導(dǎo)老師的指導(dǎo)下，進(jìn)行研究工作所取得的成果，成果不存在知識產(chǎn)權(quán)爭議。本文在簡單介紹數(shù)字圖像處理技術(shù)的基礎(chǔ)上，著重討論了灰度直方圖的構(gòu)建、直方圖均衡、圖像平滑、圖像二值化和噪聲處理的原理及實現(xiàn)方法，并用 MATLAB開發(fā)工具實現(xiàn)了上述圖像預(yù)處理算法并給出了各種算法 的處理結(jié)果。圖像預(yù)處理顧名思義就是在圖像分析中，對我們輸入的圖像進(jìn)行特征抽取、分割及匹配前所進(jìn)行的處理。董玲嬌等人提出了一種新的 圖像 預(yù)處理算法 ， 該算法充分考慮由于各種原因造成的 圖像 歪斜、模糊或缺損等情況 ， 具有較好的處理效果 [4]。數(shù)字圖像處理實質(zhì)上是計算機(jī)技術(shù)、信息論 和信號處理相結(jié)合的綜合性應(yīng)用學(xué)科，與其它學(xué)科有著密切的關(guān)系。另外數(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)域的咀程碑，由此孕育了很多相天的濾波算法，使得圖像濾波算法對圖像的處理有了顯著提高，邊緣 保護(hù)能力也得到增強(qiáng) [9]。 第三章進(jìn)行圖像灰度化設(shè)計。 MathWorks 公司針對不同領(lǐng)域的應(yīng)用，推出了信號處理，控制系統(tǒng)，神經(jīng)網(wǎng)絡(luò)，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，財政金融，樣條，通信等 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(xué)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(jìn)行運(yùn)用。可以直接調(diào)用 ， 用戶也可以將自己編寫的實用程序?qū)氲?MATLAB 函數(shù)庫中方便自己以后調(diào)用，此外許 多的 MATLAB 愛好者都編寫了一些經(jīng)典的程序，用戶可以直接進(jìn)行下載就可以用。在上述工具箱中，圖像 處理工具包是由一系列支持圖像處理操作的函數(shù)構(gòu)成的，所支持的圖像操作有：圖像幾何操作，鄰域操作、圖像變換、圖像增強(qiáng)與恢復(fù)、線性濾波和濾波器的設(shè)計與實現(xiàn)等等。用戶可以在命令窗口中將輸入語句與執(zhí)行命令同步，也可以先編寫好一個較大的復(fù)雜的應(yīng)用程序 (M 文件 )后再一起運(yùn)行。一般來說，他們都是由特定領(lǐng)域的專家開發(fā)的，用戶可以直接使用工具箱學(xué)習(xí)、應(yīng)用和評估不同的方法而不需要自己編寫代碼。 圖像變換技術(shù)是圖像處理的重要工具，常運(yùn)用于圖像壓縮、濾波、編碼和后續(xù)的特征抽取或信息分析 過程。 3 預(yù)處理介紹 圖像灰度化 灰度的概念 首先了解一下灰度的基本概念，灰度用黑色調(diào)來表示物體，每個灰度對象有 0%（白色） 至 100%（黑色）的 范圍值，通常用灰度來表示黑白或灰度掃描儀生成的圖像。所以黑白照片里包含了黑白之間的所有灰度值，每個像素都在黑和白之間的 256 種灰度中包含著。在彩色空間中 ， 圖像的每一個像素點(diǎn)都同時有幾個不同的分量 ， 如果每一個分量都有 8bit 來表示 ， 那么每一個分量共有 256 個顏色變化值。例如在 RGB色彩空間 ， 每一個像素點(diǎn)都包含 R、 G、 B三分量 ， 利用 R、 G、 B三分量的平均值來替代該像素。 這樣的影響如果太大 ， 將會影響人和機(jī)器對圖像的理解 ， 將會降低整個系統(tǒng)的識別率和準(zhǔn)確率?；叶茸儞Q主要利用點(diǎn)運(yùn)算來改變圖像像素點(diǎn)的灰度值，不改變圖像內(nèi)的空間關(guān)系，除了根據(jù)某種特定的變換函數(shù)進(jìn)行變換之外，灰度變換可以認(rèn)為是對像素進(jìn)行簡單的復(fù)制。 （ 2） 分段線性變換 分段線性變換與線性變換類似，區(qū)別是為了突出圖像中感興趣的灰度區(qū)間，相對抑制不需要的灰度區(qū)間，可以進(jìn)行分段線性變換，它對圖像灰度區(qū)間進(jìn)行兩至多段的分段。直方圖僅僅反應(yīng)了圖像的灰度分布，和灰度所在的位置沒有絲毫關(guān)系，因此不同的圖像也可能具有相同的直方圖。直方圖均衡化是圖像處理中較常用的方法之一。 由于以上原因， 我們也要進(jìn)行直方圖均衡化，以改善圖像灰度的動態(tài)范圍。 （ 2） 圖像噪聲模型 數(shù)字圖像的噪聲一般源自于將圖像數(shù)字化和傳輸?shù)倪^程。椒鹽噪聲也叫脈沖噪聲，它的特點(diǎn)是持續(xù)時間小于 秒，間隔時間大于 1 秒。圖像平滑去噪的方法分為兩大類，即空域法和頻域法。 14 (1) 均值濾波 局部平滑法也稱為鄰域平均法，由其原理組成的濾波器叫做均值濾波器，這是一種典型的線性濾波 [15]。 另外對于第一行和最后一行、第一列和最后一列來說，不能找到與自己相鄰的八個像素，因此保持它們的數(shù)據(jù)不變，最后把這幾行列的數(shù)據(jù)和那些變化后的數(shù)據(jù)組合在一起組成圖像的灰度矩陣。通常來說一幅圖像的邊緣方向是不知道的，因此，我們在濾波之前是無法確定哪個方 16 向上需要要更多的平 滑的，而這意味著高斯濾波在圖像處理中不會偏向任一方向。σ越大，高斯濾波器的頻帶就越寬，平滑程度就越好。 利用高斯濾波 A1=fspecial(39。 當(dāng)窗口在圖像中上下左右進(jìn)行移動后 ， 利用中值濾波算法可以很好地對圖像進(jìn)行平滑處理。 傳統(tǒng)的中值濾波算法的實現(xiàn)過程如下 : 選擇一個 (2n +1) (2n +1) 的窗口 (通常為 3 3 或 5 5) ， 并用該窗口沿圖像數(shù)據(jù)進(jìn)行或列方向的滑動 。根據(jù)文本圖像的直方圖或灰度空間分布確定一個閾值，以此實現(xiàn)灰度文本圖像到二值圖像的轉(zhuǎn)化。其原理是把圖像直方圖用某一灰度值分割成兩類，分別計算這兩類的像素點(diǎn)數(shù)和灰度平均值，然后計算它們的類間方差。 對于目標(biāo)和背景比較清楚的圖像，全局閾 值化方法可以取得較好結(jié)果。 4 算法 設(shè)計與實現(xiàn) 總體設(shè)計 字符圖像預(yù)處理一共有四個階段，我對于每個階段都采取了相應(yīng)的方法對圖像進(jìn)行處理。 （ 3） 在圖像濾波階段，我采用了中值濾波。)。 imwrite(x,39。 subplot(1,2,2)。 subplot(2,2,1), imshow(J) title(39。 I=e。 for i=(N+1)/2:(rows((N1)/2)) for j=(N+1)/2:(cols((N1)/2)) k1=double(I(i(N1)/2:i+(N1)/2,j(N1)/2:j+(N1)/2))。 title(39。)。 for i=1:rows, for j=1:cols, if (image(i,j) 150) image(i,j)=255。對人的頭像的處理不如車牌 理想，但是最后還是能清晰看見人臉的輪廓。 對于直方圖均衡化，我主要是調(diào)用系統(tǒng)的函數(shù)，通過對實例圖的測試發(fā)現(xiàn)， 直方圖均衡化對于背景和前景之間存在較大差異的圖像具有較好的效果 ， 但是由于直方圖均衡 化對處理的數(shù)據(jù)不加選擇 ， 因此經(jīng)過直方圖均衡化處理后圖像里的各類信息都有 24 可能受到增強(qiáng)或削弱 ， 對于圖像里的一些無用信息削弱或增強(qiáng)對于后期圖像信息提取影響不大 ， 如果圖像里的重要信息被削弱 ， 將使得基于變換后圖像上的信息提取受到一定的影響 ， 因此這是使用直方圖均衡化時可能導(dǎo)致的不利影響。 25 圖 6 原圖和中值濾波對比圖 Fig 6 Comparison images of original and median filtering （ 4） 圖像二值化 。 （ 1）圖像 灰度化。 27 下圖是利用中值濾波對圖片處理的效果對比圖。 由于設(shè)計時間有限，本人在寫出算法后編程遇到了 困難 ，只能 選取相對簡單的方法進(jìn)行程序編寫。在這里，我再次對你們表示深深的感