【文章內(nèi)容簡(jiǎn)介】 處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，讓周圍的像素值接近的真實(shí)值，從而消除孤立的噪聲點(diǎn)。方法是用某種結(jié)構(gòu)的二維滑動(dòng)模板，將板內(nèi)像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升（或下降）的為二維數(shù)據(jù)序列。二維中值濾波輸出為g（x,y）=med{f(xk,yl),(k,l∈W)} ，其中，f(x,y)，g(x,y)分別為原始圖像和處理后圖像。W為二維模板，通常為3*3，5*5區(qū)域，也可以是不同的的形狀，如線狀，圓形，十字形，圓環(huán)形等。1：通過(guò)從圖像中的某個(gè)采樣窗口取出奇數(shù)個(gè)數(shù)據(jù)進(jìn)行排序2：用排序后的中值取代要處理的數(shù)據(jù)即可我們需要通過(guò)matlab將原始圖進(jìn)行灰度化然后加入椒鹽噪聲隨后進(jìn)行中值濾波處理，： 中值濾波效果圖均值濾波是典型的線性濾波算法，它是指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素（以目標(biāo)象素為中心的周圍8個(gè)像素，構(gòu)成一個(gè)濾波模板，即去掉目標(biāo)像素本身），再用模板中的全體像素的平均值來(lái)代替原來(lái)像素值。均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。線性濾波的基本原理是用均值代替原圖像中的各個(gè)像素值，即對(duì)待處理的當(dāng)前像素點(diǎn)（x，y），選擇一個(gè)模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當(dāng)前像素點(diǎn)（x，y），作為處理后圖像在該點(diǎn)上的灰度個(gè)g（x，y），即個(gè)g（x，y）=1/m ∑f（x，y） m為該模板中包含當(dāng)前像素在內(nèi)的像素總個(gè)數(shù)。但是均值濾波同時(shí)存在不足之處就是不能很好地保護(hù)圖像的細(xì)節(jié)，去噪的同時(shí)也可能去掉圖像的細(xì)節(jié)。： 均值濾波效果圖 形態(tài)濾波(1) 腐蝕 腐蝕可以收縮圖像，消除物體邊界點(diǎn) ，可以把小于結(jié)構(gòu)元素的物體(毛刺、 小凸起)去除，通過(guò)選取不同大小的結(jié)構(gòu)元素，就可以在原圖像中去掉不同大小的物體。如：指紋圖像中充滿了細(xì)小的粉塵顆粒 ，可以采用和粉塵大小相近的結(jié)構(gòu)元素去除，使指紋變的清晰定義： A和B是兩個(gè)集合，A被B 腐蝕定義為： （）含義：腐蝕結(jié)果是這樣一個(gè)由移位元素z組成的集合，以至B對(duì)這些元素移位操作的結(jié)果完全包含于A。： 腐蝕效果圖(2) 膨脹膨脹具有擴(kuò)大圖像的作用。通過(guò)膨脹我們可以讓圖像中的裂縫等得到填補(bǔ)，如一個(gè)破鏡子的照片，通過(guò)膨脹處理 ，可以恢復(fù)完好的樣子。 定義： A和B是兩個(gè)集合，A被B膨脹 定義為： （）上式表示：B的反射進(jìn)行平移與A的交集不為空B的反射：相對(duì)于自身原點(diǎn)的映象B的平移：對(duì)B的反射進(jìn)行位移： 膨脹效果圖(3) 開(kāi)運(yùn)算利用圖像B對(duì)圖像A做開(kāi)運(yùn)算，用符號(hào)表示，其定義為： （）含義：先用B對(duì)A腐蝕，然后用B對(duì)結(jié)果膨脹功能：使圖像的輪廓變得光滑，斷開(kāi)狹窄的間斷和消除細(xì)的突出物(4) 閉運(yùn)算使用結(jié)構(gòu)元素B對(duì)集合A進(jìn)行閉操作，定義為： A? B = (A⊕B)ΘB （）含義：先用B對(duì)A膨脹，然后用B對(duì)結(jié)果腐蝕功能：同樣使圖像的輪廓變得光滑，但與開(kāi)操作相反，它能消除狹窄的間斷和長(zhǎng)細(xì)的鴻溝，消除小的孔洞，并填補(bǔ)輪廓線中的裂痕我們通過(guò)結(jié)合開(kāi)閉運(yùn)算來(lái)查看圖像去噪的效果。我們讀取灰度圖通過(guò)二值化和開(kāi)閉運(yùn)算來(lái)對(duì)胡椒鹽噪聲去噪。： 開(kāi)閉效果圖隨后我們需要對(duì)圖像進(jìn)行二值化的處理使特征明顯。： 開(kāi)閉效果圖最后我們對(duì)圖像進(jìn)行開(kāi)閉運(yùn)算來(lái)去噪查看效果， 開(kāi)閉效果圖 開(kāi)閉效果圖 灰度化灰度數(shù)字圖像是每個(gè)像素只有一個(gè)采樣顏色的圖像。這類圖像通常顯示為從最暗黑色到最亮的白色的灰度，理論上這個(gè)采樣可以是任何顏色的深淺不同，甚至可以是不同亮度上的不同顏色?；叶葓D像與黑白圖像不同，在計(jì)算機(jī)圖像領(lǐng)域中黑白圖像只有黑白兩種顏色，灰度圖像在黑色與白色之間還有許多級(jí)的顏色深度?；叶葓D像經(jīng)常是在單個(gè)電磁波頻譜如可見(jiàn)光內(nèi)測(cè)量每個(gè)像素的亮度得到的。在RGB模型中，如果R=G=B時(shí)，則彩色表示一種灰度顏色，其中R=G=B的值叫灰度值，因此，灰度圖像每個(gè)像素只需一個(gè)字節(jié)存放灰度值（又稱強(qiáng)度值、亮度值），灰度范圍為0255。一般有以下四種方法對(duì)彩色圖像進(jìn)行灰度化：灰度值的方法：分量法將彩色圖像中的三分量的亮度作為三個(gè)灰度圖像的灰度值，可根據(jù)應(yīng)用需要選取一種灰度圖像。 f1(i,j)=R(i,j)f2(i,j)=G(i,j)f3(i,j)=B(i,j) ()其中fk(i,j)(k=1,2,3)為轉(zhuǎn)換后的灰度圖像在（i,j）處的灰度值。如圖41的彩色圖像轉(zhuǎn)為42三種灰度圖。（a）R分量灰度圖 （b）G分量灰度圖 （c）B分量灰度圖圖42 彩色圖的三分量灰度圖最大值法將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。 f(i,j)=max(R(i,j),G(i,j),B(i,j)) ()平均值法將彩色圖像中的三分量亮度求平均得到一個(gè)灰度值。 f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3 ()加權(quán)平均法根據(jù)重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均。由于人眼對(duì)綠色的敏感最高，對(duì)藍(lán)色敏感最低，因此，按下式對(duì)RGB三分量進(jìn)行加權(quán)平均能得到較合理的灰度圖像。 f(i,j)=(i,j)+(i,j)+(i,j)) ()： 二值化圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為0或255，也就是將整個(gè)圖像呈現(xiàn)出明顯的黑白效果。即將256個(gè)亮度等級(jí)的灰度圖像通過(guò)適當(dāng)?shù)拈撝颠x取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，特別是在實(shí)用的圖像處理中，以二值圖像處理實(shí)現(xiàn)而構(gòu)成的系統(tǒng)是很多的，要進(jìn)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，這樣子有利于在對(duì)圖像做進(jìn)一步處理時(shí)，圖像的集合性質(zhì)只與像素值為0或255的點(diǎn)的位置有關(guān)，不再涉及像素的多級(jí)值，使處理變得簡(jiǎn)單，而且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閾值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。如果某特定物體在內(nèi)部有均勻一致的灰度值，并且其處在一個(gè)具有其他等級(jí)灰度值的均勻背景下，使用閾值法就可以得到比較的分割效果。如果物體同背景的差別表現(xiàn)不在灰度值上（比如紋理不同），可以將這個(gè)差別特征轉(zhuǎn)換為灰度的差別，然后利用閾值選取技術(shù)來(lái)分割該圖像。動(dòng)態(tài)調(diào)節(jié)閾值實(shí)現(xiàn)圖像的二值化可動(dòng)態(tài)觀察其分割圖像的具體結(jié)果。所有灰度大于或等于閾值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。全局二值化一幅圖像包括目標(biāo)物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個(gè)全局的閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。將大于T的像素群的像素值設(shè)定為白色（或者黑色），小于T的像素群的像素值設(shè)定為黑色（或者白色）。全局二值化，在表現(xiàn)圖像細(xì)節(jié)方面存在很大缺陷。為了彌補(bǔ)這個(gè)缺陷，出現(xiàn)了局部二值化方法。局部自適應(yīng)二值化局部二值化的方法就是按照一定的規(guī)則將整幅圖像劃分為N個(gè)窗口，對(duì)這N個(gè)窗口中的每一個(gè)窗口再按照一個(gè)統(tǒng)一的閾值T將該窗口內(nèi)的像素劃分為兩部分，進(jìn)行二值化處理。Surendra局部二值化也有一個(gè)缺陷。這個(gè)缺陷存在于那個(gè)統(tǒng)一閾值的選定。這個(gè)閾值是沒(méi)有經(jīng)過(guò)合理的運(yùn)算得來(lái)，一般是取該窗口的平局值。這就導(dǎo)致在每一個(gè)窗口內(nèi)仍然出現(xiàn)的是全局二值化的缺陷。為了解決這個(gè)問(wèn)題，就出現(xiàn)了局部自適應(yīng)二值化方法。局部自適應(yīng)二值化，該方法就是在局部二值化的基礎(chǔ)之上，將閾值的設(shè)定更加合理化。該方法的閾值是通過(guò)對(duì)該窗口像素的平均值E，像素之間的差平方P，像素之間的均方根值Q等各種局部特征，設(shè)定一個(gè)參數(shù)方程進(jìn)行閾值的計(jì)算，例如：T=a*E+b*P+c*Q，其中a,b,c是自由參數(shù)。這樣得出來(lái)的二值化圖像就更能表現(xiàn)出二值化圖像中的細(xì)節(jié)。閥值選取Surendra算法提取背景及目標(biāo)提取都需對(duì)圖像二值化。分割閾值的選取會(huì)直接影響目標(biāo)的分割效果，閾值T的增加可以一定量的減少環(huán)境的影響，可是同時(shí)也容易將差分結(jié)果中變化不明顯的區(qū)域作為前景被忽略掉；閾值T減小時(shí)的效果正好相反會(huì)面臨環(huán)境的影響。閾值的選取都是采用的靜態(tài)固定閾值。這種閾值的選取方法在實(shí)際運(yùn)用中有限制，因?yàn)樵谝曨l監(jiān)控應(yīng)用中，監(jiān)控者不可能隨時(shí)對(duì)監(jiān)控質(zhì)量做出評(píng)估并相應(yīng)的修改閾值。所以，研究人員提出了許多閾值的選取方法。但是到目前為止還不存在一種通用的方法，判斷分割是否成功的客觀標(biāo)準(zhǔn)。所以局部二值化比較合適本課題具體步驟為：(1) 選擇一個(gè)T的初始估計(jì)值(2) 用T分割圖像。這樣做會(huì)生成兩組像素：G1由所有灰度值大于T的像素組成，而G2由所有灰度值小于或等于T的像素組成。(3) 對(duì)區(qū)域G1和G2中的所有像素計(jì)算平均灰度值μ1和μ2。(4) 按下式計(jì)算新的閾值。 T=1/2(μ2+μ1) ()(5) 重復(fù)步驟(2)到(4)，直到逐次迭代所得到的T值之差小于預(yù)先定義的參數(shù)。當(dāng)背景和對(duì)象在圖像中占據(jù)的面積相近時(shí)，好的T的初始值就是圖像的平均灰度值。如果對(duì)象與背景所占的面積不相近時(shí)，則其中一個(gè)像素組合會(huì)在直方圖中占主要地位，平均灰度值就不是好的初始選擇。此時(shí)，T更合適的初值是諸如灰度值的中間值一類的初值。： 邊緣檢測(cè)邊緣檢測(cè)是圖像處理和計(jì)算機(jī)視覺(jué)中的基本問(wèn)題，邊緣檢測(cè)的目的是標(biāo)識(shí)數(shù)字圖像中亮度變化明顯的點(diǎn)。圖像屬性中的顯著變化通常反映了屬性的重要事件和變化。 這些包括（i）深度上的不連續(xù)、（ii）表面方向不連續(xù)、（iii）物質(zhì)屬性變化和（iv）場(chǎng)景照明變化。 邊緣檢測(cè)是圖像處理和計(jì)算機(jī)視覺(jué)中，尤其是特征提取中的一個(gè)研究領(lǐng)域。圖像邊緣檢測(cè)大幅度地減少了數(shù)據(jù)量，并且剔除了可以認(rèn)為不相關(guān)的信息，保留了圖像重要的結(jié)構(gòu)屬性。有許多方法用于邊緣檢測(cè)，它們的絕大部分可以劃分為兩類：基于查找一類和基于零穿越的一類?；诓檎业姆椒ㄍㄟ^(guò)尋找圖像一階導(dǎo)數(shù)中的最大和最小值來(lái)檢測(cè)邊界，通常是將邊界定位在梯度最大的方向?；诹愦┰降姆椒ㄍㄟ^(guò)尋找圖像二階導(dǎo)數(shù)零穿越來(lái)尋找邊界，通常是Laplacian過(guò)零點(diǎn)或者非線性差分表示的過(guò)零點(diǎn)。邊緣可能與視角有關(guān)—— 也就是說(shuō)邊緣可能隨著視角不同而變化，典型地反映在場(chǎng)景、物體的幾何形狀一個(gè)將另一個(gè)遮擋起來(lái)，也可能與視角無(wú)關(guān)——這通常反映被觀察物體的屬性如表面紋理和表面形狀。在二維乃至更高維空間中，需要考慮透視投影的影響。一個(gè)典型的邊界可能是，例如一塊紅色和一塊黃色之間的邊界，與此相反的是邊線可能是在另外一種不變的背景上的少數(shù)不同顏色的點(diǎn)。在邊線的每一邊都有一個(gè)邊緣。在許多圖像處理的應(yīng)用中邊緣都起著非常重要的作用。然而，在最近幾年，不明顯依賴于邊緣檢測(cè)作為預(yù)處理的計(jì)算機(jī)視覺(jué)處理方法研究取得了一些實(shí)質(zhì)性的研究成果。自然界圖像的邊緣并不總是理想的階梯邊緣。相反，它們通常受到一個(gè)或多個(gè)下面所列因素的影響：(1) 有限場(chǎng)景深度帶來(lái)的聚焦模糊。(2) 非零半徑光源產(chǎn)生的陰影帶來(lái)的半影模糊。(3) 光滑物體邊緣的陰影。(4) 物體邊緣附近的局部鏡面反射或者漫反射。盡管下面的模型不很完美，但是誤差函數(shù)erf 是常被用于實(shí)際應(yīng)用中邊緣模糊效果的建模。這樣，一個(gè)在位置 0 有一個(gè)邊界的一維圖像 f 可以用下面的模型來(lái)表示，其中σ 被稱為邊緣模糊度： ()這樣，在邊界的左側(cè)亮度是： 右側(cè)亮度是：， f 可以寫為卷積：