【文章內(nèi)容簡介】 開始讀取圖像將圖片轉(zhuǎn)化為灰度圖像中值去噪圖像分割轉(zhuǎn)化成彩色圖片結(jié)束 圖 總體方案流程圖4 激光光斑圖像去噪 中值去噪中值濾波是一種非線性濾波，由于它在實際運算過程中并不需要圖像的統(tǒng)計特性，所以比較方便。中值濾波首先是被應(yīng)用在一維信號處理技術(shù)中，后來被二維圖像信號處理技術(shù)所應(yīng)用。在一定的條件下，可以克服線性濾波器所帶來的圖像細(xì)節(jié)模糊，而且對濾除脈沖干擾及圖像掃描噪聲最為有效。但是對一些細(xì)節(jié)多，特別是點、線、尖頂細(xì)節(jié)多的圖像不宜采用中值濾波的方法。中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替。設(shè)有一個一維序列，…，取窗口長度為m(m為奇數(shù))，對此序列進行中值濾波，就是從輸入序列中相繼抽出m個數(shù)，…，…，…，…，其中為窗口的中心位置，再將這m個點按其數(shù)值大小排列，取其序號為正中間的那作為出。用數(shù)學(xué)公式表示為: (41) 對于二位序列進行中值濾波時，濾波窗口也是二維的，但這種二位窗口可以有各種不同的形狀，如線狀、方形、圓形、十字形、圓環(huán)形等。在實際使用窗口時，窗口的尺寸一般先用再取逐漸增大，直到其濾波效果滿意為止。對于有緩變的較長輪廓線物體的圖像，采用方形或圓形窗口為宜，對于包含尖頂角物體的圖像，適宜用十字形窗口。使用二維中值濾波最值得注意的是保持圖像中有效的細(xì)線狀物體。與平均濾波器相比，中值濾波器從總體上來說，能夠較好地保留原圖像中的躍變部分[16]。圖像去噪程序：I=imread(39。39。)。 %讀取圖片subplot(2,2,1)。imshow(I)。 %顯示圖片title(39。有背景噪聲的激光圖像39。)I1=I(:,:,1)。% RI2=I(:,:,2)。% GI3=I(:,:,3)。% B%分別對I1，I2,I3進行中值濾波，最后相加,統(tǒng)一3*3大小的模板，可以修改為5*5，或7*7I1=medfilt2(I1)。%默認(rèn)為3*3I2=medfilt2(I2)。I3=medfilt2(I3)。I(:,:,1)=I1。I(:,:,2)=I2。I(:,:,3)=I3。subplot(2,2,2)。imshow(I)。title(39。去噪后圖像39。)。中值去噪子程序流程圖如下：讀取圖片定義R G B采用3*3模板中值去噪開始結(jié)束 中值去噪子程序流程圖 中值去噪，中值去噪后小的噪音沒有了。但并不能去除大的噪音。大的噪音需要圖像分割去除。 圖像分割 圖像分割概述　圖像分割是圖像處理中的一項關(guān)鍵技術(shù),自20 世紀(jì)70 年代起一直受到人們的高度重視,至今已提出上千種分割算法。然而,由于尚無通用的分割理論,現(xiàn)提出的分割算法大都是針對具體問題的,并沒有一種適合所有圖像的通用分割算法。另外,還沒有制定出選擇合用分割算法的標(biāo)準(zhǔn),這給圖像分割技術(shù)的應(yīng)用帶來許多實際問題[10]。 圖像分割方法　圖像分割方法有多種分類方式,本文將分割方法分為3類（1）閾值分割方法；（2）邊緣檢測方法；（3）區(qū)域提取方法。（1）閾值分割方法閾值分割方法的歷史可追溯到近40 年前,現(xiàn)已提出了大量算法。對灰度圖像的取閾值分割就是先確定一個處于圖像灰度取值范圍之中的灰度閾值,然后將圖像中各個象素的灰度值都與這個閾值相比較,并根據(jù)比較結(jié)果將對應(yīng)的象素分為兩類。這兩類象素一般分屬圖像的兩類區(qū)域,從而達到分割的目的。從該方法中可以看出,確定一個最優(yōu)閾值是分割的關(guān)鍵。現(xiàn)有的大部分算法都是集中在閾值確定的研究上。閾值分割方法根據(jù)圖像本身的特點,可分為單閾值分割方法和多閾值分割方法。也可分為基于象素值的閾值分割方法、基于區(qū)域性質(zhì)的閾值分割方法和基于坐標(biāo)位置的閾值分割方法。若根據(jù)分割算法所有的特征或準(zhǔn)則,還可以分為直方圖與直方圖變換法、最大類空間方差法、最小誤差法與均勻化誤差法、共生矩陣法、最大熵法、簡單統(tǒng)計法與局部特性法、概率松馳法、模糊集法、特征空間聚類法、基于過渡區(qū)的閾值選取法等。（2）邊緣檢測方法邊緣檢測方法是人們研究得比較多的一種方法,它通過檢測圖像中不同區(qū)域的邊緣來達到分割圖像的目的。很多的邊緣檢測算法是基于圖像的灰度函數(shù)求導(dǎo)和在圖像中匹配特定的邊緣模型這兩種方法,如MarrHildreth 算法和Canny 算法就是這兩種方法的經(jīng)典代表。在具體做法上,表現(xiàn)為空域算子與圖像模板求卷積和用迭代等方法求匹配函數(shù)的系數(shù)等。根據(jù)檢測邊緣采用方式的不同,邊緣檢測方法大致包括以下幾類:基于局部圖像函數(shù)的方法、多尺度方法、圖像濾波法、基于反應(yīng)擴散方程的方法、多分辨分法、基于邊界曲線擬合方法[11]、狀態(tài)空間搜索法、動態(tài)規(guī)劃法、邊界跟蹤法、哈夫變換法[12]等。基于局部圖像函數(shù)方法的基本思想是將灰度看成高度,用一個曲面來擬合一個小窗口內(nèi)的數(shù)據(jù),然后根據(jù)該曲面來決定邊緣點。多尺度方法實際上是用不同尺度的濾波算子對圖像進行卷積,并考察由此得到的邊緣點隨尺度的變化而具有的性質(zhì),結(jié)合多種不同尺度的信息來最終決定邊緣點。圖像濾波法是基于對平滑濾波后的圖像求其一階導(dǎo)數(shù)的極大值或二階導(dǎo)數(shù)的過零點來決定邊緣的,它的核心問題是要設(shè)計一個合適的濾波器,通常使用的濾波器有LOG濾波器、可控濾波器、B樣條濾波器等?；诜磻?yīng)擴散方程的方法借助反應(yīng)擴散方程的觀點來看待多尺度濾波,從而達到邊緣檢測的目的。多分辨率方法是從初始圖像用規(guī)則或不規(guī)則的方式逐步降低分辨率,得到金字塔形的一個圖像序列,再在此基礎(chǔ)上進行圖像分割。此方法的基本著眼點是較大的物體能在較低的分辨率下存在,而噪聲則不能。 基于邊界曲線擬合方法是用平面曲線來表示不同區(qū)域之間圖像的邊界線,試圖根據(jù)圖像梯度等信息找出能正確表示邊界的曲線來達到分割圖像的目的。 狀態(tài)空間搜索法[13]也稱圖(Graph) 搜索法或啟發(fā)式(Heuristic) 搜索法,該方法用圖結(jié)構(gòu)表示邊界點和邊界段,通過在圖中搜索對應(yīng)最小代價的通道找到閉合邊界,它把邊緣檢測和邊界連接有機地結(jié)合起來,在圖像受噪聲影響較大時仍能取得較好的效果。動態(tài)規(guī)劃(Dynaic Programming) 法是一個多步?jīng)Q策的過程,它通過把一個N 步過程化為N 個單步過程的方法使算法復(fù)雜度降低,根據(jù)動態(tài)規(guī)劃的原理,可將全局最優(yōu)化成局部最優(yōu)和。要使此方法的結(jié)果令人滿意,決策過程必須是一個馬爾可夫過程。邊界跟蹤(Houndary Tracking) 法也稱邊緣點鏈接(Eedge Piont Linking) 法,由圖像梯度圖中一個邊緣點出發(fā),依次搜索并連接相鄰邊緣點從而逐步檢測出邊界的方法。哈夫變換法是利用圖像全局特性而直接檢測目標(biāo)輪廓的一種常見的方法,該方法的主要優(yōu)點是受噪聲和曲線間斷的影響較小[14]。（3）區(qū)域提取方法區(qū)域提取法有兩種基本形式:一種是從單個象素出發(fā),逐漸合并以形成所需的分割區(qū)域。另一種是從全圖出發(fā),逐漸分裂切割至所需的分割區(qū)域[15]。在實際中使用的通常是這兩種基本形式的結(jié)合。根據(jù)以上兩種基本形式,區(qū)域提取法可以分為區(qū)域生長法和分裂合并法。區(qū)域生長法的基本思想是將具有相似性質(zhì)的象素合起來構(gòu)成區(qū)域,具體做法是選給定圖像中要分割的目標(biāo)物體內(nèi)的一個小塊或者說種子區(qū)域,再在種子區(qū)域的基礎(chǔ)上不斷將其周圍的象素點以一定的規(guī)則加入其中,達到最終將代表該物體的所有象素點結(jié)合成一個區(qū)域的目的。該方法的關(guān)鍵是要選擇合