【文章內(nèi)容簡(jiǎn)介】 到最合理的灰度圖像。 用MATLAB實(shí)現(xiàn)程序如下：I=imread(39。F:\39。)。figure(1),imshow(I)。I=rgb2gray(I)。figure(2),imshow(I) (a) 原始圖像 (b) 灰度化圖像 彩色圖像的灰度化 圖像灰度求反對(duì)圖像求反是將原圖灰度值翻轉(zhuǎn)，簡(jiǎn)單說(shuō)來(lái)就是使黑變白，使白變黑。當(dāng)被顯示圖像在低灰度區(qū)間呈現(xiàn)高度非線性時(shí)，此變換能使原圖像低灰度區(qū)間的細(xì)節(jié)轉(zhuǎn)換到高灰度區(qū)間。即假設(shè)對(duì)灰度范圍是的圖像求反，就是通過(guò)變換將 變換到，變換公式如下： （） (a)原始圖像 (b)求反處理的結(jié)果圖 圖像灰度求反結(jié)果圖 用MATLAB實(shí)現(xiàn)程序如下： I=imread(39。F:\39。)。figure(1),imshow(I)。I=rgb2gray(I)。figure(2),imshow(I)I=double(I)。I=2561I。figure,imshow(uint(I))。 圖像灰度拉伸一般，圖像看不清楚，多數(shù)是由于圖像相鄰像元的灰度級(jí)太接近，稱為灰度壓縮，即相互之間灰度差遠(yuǎn)小于人的視覺(jué)對(duì)灰度分辨能力的限制。這種圖像視覺(jué)效果差，人會(huì)感覺(jué)模糊。我們可以用映射的方法，把原來(lái)壓縮的直方圖分開一些，也就是灰度拉伸，得到的圖像自然會(huì)清晰的多。 (a)原始圖像 (b) 灰度拉伸結(jié)果 圖像灰度拉伸結(jié)果圖 用MATLAB實(shí)現(xiàn)程序如下：I=imread(39。F:\39。)。figure,imshow(I)。I=rgb2gray(I)。figure,imshow(I)。I=double(I)。[m,n]=size(I)。for i=1:m for j=1:nif I(i,j)=30 I(i,j)=I(i,j)。elseif I(i,j)=150I(i,j)=(20030)/(15030)*(I(i,j)30)+30。else I(i,j)=(255200)/(255150)*(I(i,j)150)+200。endendendfigure,imshow(uint8(I))。 圖像平滑去噪圖像在生成和傳輸過(guò)程中常受到各種噪聲的干擾和影響，使圖像質(zhì)量下降。為了達(dá)到系統(tǒng)的要求，就要抑制噪聲，改善圖像質(zhì)量，也就是對(duì)圖像進(jìn)行平滑去噪處理。對(duì)于濾除圖像中的噪聲，人們已經(jīng)提出了很多的方法。通常，將數(shù)字圖像的平滑技術(shù)劃分為兩類。一類是全局處理，即對(duì)噪聲圖像的整體或大的塊進(jìn)行校正以得到平滑的圖像。例如在變換域中使用wiener 濾波、最小二乘法濾波等。使用這些技術(shù)需要知道信號(hào)和噪聲的統(tǒng)計(jì)模型。但對(duì)大多數(shù)圖像而言，人們不知道或不可能用簡(jiǎn)單的隨機(jī)過(guò)程精確地描述統(tǒng)計(jì)模型，而且，這些技術(shù)的計(jì)算量也相當(dāng)大。另一類平滑技術(shù)是對(duì)噪聲圖像使用局部算子。當(dāng)對(duì)某一像素進(jìn)行平滑處理時(shí)，僅對(duì)它的局部小鄰域的一些像素加以運(yùn)算，其優(yōu)點(diǎn)是計(jì)算效率高，而且可以多個(gè)像素并行處理。因此可實(shí)現(xiàn)實(shí)時(shí)或者準(zhǔn)實(shí)時(shí)處理。 概述 一般，噪聲是不可預(yù)測(cè)的隨機(jī)信號(hào)，通常是通過(guò)概率統(tǒng)計(jì)的方法對(duì)其進(jìn)行分析，噪聲對(duì)圖像處理十分重要，它影響圖像處理的輸入，采集，處理的各個(gè)環(huán)節(jié)以及輸出結(jié)果的全過(guò)程，特別是圖像的輸入，采集噪聲的抑制是十分關(guān)鍵的問(wèn)題，若輸入伴有較大的噪聲，必然影響處理全過(guò)程及輸出的結(jié)果，因此，一個(gè)良好的圖像處理系統(tǒng)，不論是模擬處理還是用計(jì)算機(jī)進(jìn)行的數(shù)字處理，并不把減少最前一級(jí)的噪聲作為主攻目標(biāo)。 圖像噪聲分類 根據(jù)噪聲產(chǎn)生的來(lái)源，大致可以分為外部噪聲和內(nèi)部噪聲兩大類。 外部噪聲指從處理系統(tǒng)外來(lái)的影響，如天線干擾或電磁波從電源線竄入系統(tǒng)的噪聲。內(nèi)部噪聲則有以下四種最常見(jiàn)的形式。（1）由光和電的基本性質(zhì)引起的噪聲，例如電流可看作電子或空穴運(yùn)動(dòng)，這些粒子運(yùn)動(dòng)產(chǎn)生隨機(jī)散粒噪聲，導(dǎo)體中電子流動(dòng)的熱噪聲，光量子運(yùn)動(dòng)的光量子。（2）有機(jī)械運(yùn)動(dòng)引起的噪聲，例如，接頭振動(dòng)使電流不穩(wěn)，磁頭或磁帶，磁盤抖動(dòng)等。（3）元器件的噪聲，如光學(xué)底片的顆粒噪聲，磁帶，磁盤缺陷噪聲，光盤點(diǎn)噪聲等。（4）系統(tǒng)內(nèi)部電路噪聲。從噪聲的分類方法來(lái)看是多種多樣的，但綜合來(lái)說(shuō)，噪聲是隨機(jī)產(chǎn)生的量，所以又可以從統(tǒng)計(jì)數(shù)學(xué)的觀點(diǎn)來(lái)定義噪聲。凡是統(tǒng)計(jì)特性不隨時(shí)間變化的噪聲稱為平穩(wěn)噪聲，而統(tǒng)計(jì)特性隨時(shí)間變化的噪聲稱為非平穩(wěn)噪聲。 圖像系統(tǒng)噪聲的特點(diǎn)對(duì)灰度圖像來(lái)說(shuō)，可看作是二維亮度分析，則噪聲可看作是對(duì)亮度的干擾，用 來(lái)表示。噪聲是 隨機(jī)性的，因而需用隨機(jī)過(guò)程來(lái)描述，即要求知道其分布函數(shù)或密度函數(shù)。但在許多情況下著些函數(shù)很難測(cè)出或描述，甚至不可能看到，所以常用統(tǒng)計(jì)特征來(lái)描述噪聲，如均值，方差，總功率等。 設(shè)為理想圖像，為噪聲，實(shí)際輸出圖像為。 對(duì)于加性噪聲而言，其特點(diǎn)是和圖像光強(qiáng)大小無(wú)關(guān)。即有 =+ () 對(duì)于乘性噪聲而言，其特點(diǎn)是和圖像光強(qiáng)度相關(guān)，隨亮度的大小變化而變化。即有 =[1+]=+ () 乘性噪聲模型和它的分析計(jì)算都比較復(fù)雜。通?？偸羌俣ㄐ盘?hào)和噪聲互相獨(dú)立的，通常對(duì)數(shù)變換后當(dāng)作加性噪聲的模型來(lái)處理。按噪聲對(duì)圖像的影 均值濾波均值濾波的方法是對(duì)待處理的當(dāng)前像素選擇一個(gè)模板，該模板為其近鄰的若干像素組成，用模板中的像素的均值代替原像素值的方法。 考慮到數(shù)據(jù)分析的平衡性，模板一般選擇為33，55，待處理像素放在模板的中心，為了使輸出像素值保持在原來(lái)的灰度值范圍之內(nèi)，模板的餓權(quán)值總和應(yīng)維持為1，因此模板與模板像素的乘積要處以一個(gè)系數(shù)，通常是模板系數(shù)之和，這個(gè)過(guò)程被稱為歸一化。均值濾波處理之后，噪聲部分被弱化到周圍像素點(diǎn)上，所以得到的結(jié)果是噪聲值減少，但是總的顆粒面積變大。另外，均值濾波有一個(gè)非常致命的缺點(diǎn)，就是在求均值的計(jì)算中，會(huì)同時(shí)將景物的邊緣點(diǎn)同時(shí)進(jìn)行均值處理，這樣就使景物的清晰度降低，畫面變得模糊。設(shè)為給定的含有噪聲的圖像，經(jīng)過(guò)簡(jiǎn)單領(lǐng)域平均處理為，在數(shù)學(xué)上可表現(xiàn)為： 其中 ()式中 是所取鄰域中的各鄰近像素的坐標(biāo)， 是領(lǐng)域中包含的鄰近像素的個(gè)數(shù)。可以這樣說(shuō)明， 在上按行（或列）對(duì)每個(gè)像素選取一定尺寸的鄰域，并用鄰域中鄰近像素的平均灰度來(lái)置換這一像素值，對(duì)全部像素處理后可獲得。對(duì)于鄰域可以有不同的選取方式。為了保持平滑處理后的圖像的平均值不變，模板內(nèi)各元素之和為1。有時(shí)，為了突出原點(diǎn)本身的重要性，以便盡量抑制圖像中的模糊效應(yīng)，在模板中心和較近的元素，可以賦以大的加權(quán)值。 用MATLAB實(shí)現(xiàn)程序如下：I=imread(39。F:\39。)。figure(1),imshow(I)。I=rgb2gray(I)。figure(2),imshow(I)K=filter2(fspecial(39。average39。,3),I)。 figure,imshow(uint8(K))。 (a) 原始圖像 (b) 均值濾波圖像 均值濾波處理結(jié)果可見(jiàn)，均值濾波處理時(shí)是以圖像模糊為代價(jià)來(lái)?yè)Q取噪聲的減小的，且面積（即模板大?。┰酱螅肼暅p少越明顯。如果 處理點(diǎn)是噪聲點(diǎn)，其鄰近像素灰度與之相差很大，一旦用簡(jiǎn)單鄰域平均法，即鄰近像素的平均值來(lái)置換它，能明顯地將噪聲點(diǎn)壓制下去，使鄰域中灰度接近均勻，起到平滑灰度的作用。因此，領(lǐng)域平均法具有顯著地平滑噪聲的效果，鄰域平均法是一種有效的平滑技術(shù)。 中值濾波中值濾波法也是一種局部平均平滑技術(shù)。它對(duì)脈沖干擾和椒鹽噪聲的抑制效果較好，在抑制隨機(jī)噪聲的同時(shí)能使邊緣減少模糊。中值濾波法是一種非線性的圖像平滑方法，它對(duì)一個(gè)滑動(dòng)窗口內(nèi)的諸像素灰度排序，用其中值代替窗口中心像素原來(lái)的灰度（若窗口中有偶數(shù)個(gè)像素，則取兩個(gè)中間值的平均）。 （a） 原始圖像 （b）中值濾波 中值濾波處理結(jié)果 用MATLAB實(shí)現(xiàn)程序如下：I=imread(39。F:/39。)。figure(1)。imshow(I)。J=rgb2gray(I)。figure(2)，imshow(J)。K=medfilt2(J,[3 3])。應(yīng)用中值濾波，就能很好地保持原來(lái)邊界。所以說(shuō)，中值濾波的特點(diǎn)是保護(hù)圖像邊緣的同時(shí)去除噪聲。另外，中值濾波對(duì)脈沖噪聲也非常有效。雖然，中值濾波容易去除孤立點(diǎn)、線性的噪聲，同時(shí)保持圖像的邊緣，并能很好地去除二值噪聲，但對(duì)高斯噪聲無(wú)能為力。要注意的是，當(dāng)窗口內(nèi)噪聲點(diǎn)的個(gè)數(shù)大于窗口寬度一半時(shí)，中值濾波的效果不好。因此，正確選擇窗