【導(dǎo)讀】作所取得的成果，成果不存在知識(shí)產(chǎn)權(quán)爭(zhēng)議。除文中已經(jīng)注明引用的內(nèi)容外，本論文。對(duì)本文的研究做出重要貢獻(xiàn)。的個(gè)人和集體在文中均作了明確的說(shuō)明并表示了謝意。本人完全意識(shí)到本聲明的法律。結(jié)果由本人承擔(dān)。現(xiàn)原始圖像的全部信息。因此，以改善圖像數(shù)據(jù)、抑制不需要的變形或者增強(qiáng)某些對(duì)于后續(xù)處理來(lái)。說(shuō)比較重要的圖像特征為目的的圖像預(yù)處理在圖像處理的過(guò)程中就顯得非常重要。銳化處理及圖像平滑處理等方法。本文在簡(jiǎn)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。開(kāi)發(fā)工具實(shí)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。

　　

【正文】 39。f:\39。)。 figure(1)。 subplot(1,2,1)。 imshow(A), title(39。原圖 39。)。 subplot(1,2,2)。 imshow(x), 21 title(39。灰度圖 39。)。 J=imread(39。f:39。)。 H=histeq(J,256)。 subplot(2,2,1), imshow(J) title(39。原圖 39。) subplot(2,2,2), imshow(H) title(39。均衡化圖 39。) subplot(2,2,3), imhist(J) subplot(2,2,4), imhist(H) e=imread(39。f:\39。)。 [rows , cols ] = size(e)。 I=e。 I=imnoise(e,39。salt amp。 pepper39。,)。%加椒鹽噪聲 N=input(39。請(qǐng)輸入一個(gè)奇數(shù)（模版尺寸階數(shù)）： 39。) k=double(ones(N)/(N*N))。 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))。 y=reshape(k1,1,N*N)。 y=sort(y)。 hh(i,j)=uint8(y((N*N+1)/2))。 end end 22 figure(1) subplot(221) imshow(e)。 title(39。原圖像 39。) subplot(222) imshow(I)。 title(39。加噪聲后的圖像 39。) subplot(223)。 imshow(hh)。 title(39。模版選擇 3X3 中值濾波圖像 39。) [A,map]=imread(39。f:\39。)。 figure(1)。 subplot(121)。 imshow(A,map), title(39。原圖 39。)。 [rows,cols]=size(A)。 image=double(A)。 for i=1:rows, for j=1:cols, if (image(i,j) 150) image(i,j)=255。 else image(i,j)=0。 end。 end, end, subplot(122) 23 imshow(image,map), title(39。二值化 39。)。 具體實(shí)例 在具體處理的過(guò)程中我使用了多組字符圖片對(duì)系統(tǒng)進(jìn)行測(cè)試，預(yù)處理算法對(duì)各種圖片的處理效果各有不同。其中對(duì)車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)車牌號(hào)碼的二值化圖像。對(duì)人的頭像的處理不如車牌 理想，但是最后還是能清晰看見(jiàn)人臉的輪廓。本文在下面分別具體列出了兩組實(shí)例的測(cè)試結(jié)果。 實(shí)例一 實(shí)例一是對(duì)車牌圖像的處理。 圖 3 是車牌圖像的原始圖。 圖 3 原圖 Fig 3 Original image （ 1）圖像 灰度化。 我所采用的是加權(quán)值法 ，得到了良好的處理結(jié)果。圖 4 是原圖和處理之后的灰度圖對(duì)比。 圖 4 原圖和灰度圖 Fig 4 Original image and grayscale image (2)圖像增強(qiáng)。 對(duì)于直方圖均衡化，我主要是調(diào)用系統(tǒng)的函數(shù)，通過(guò)對(duì)實(shí)例圖的測(cè)試發(fā)現(xiàn)， 直方圖均衡化對(duì)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(duì)處理的數(shù)據(jù)不加選擇 ， 因此經(jīng)過(guò)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(duì)于圖像里的一些無(wú)用信息削弱或增強(qiáng)對(duì)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(shí)可能導(dǎo)致的不利影響。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 。 圖 5 為原圖像和經(jīng)過(guò)直方圖均衡化增強(qiáng)的圖像 ， 以及圖像的直方圖在圖像增強(qiáng)前后的對(duì)比， 如圖所示。 圖 5 直方圖 均衡化對(duì)比圖像 Fig 5 Comparison images of histogram equilibrium （ 3）圖像濾波。 我在具體實(shí)現(xiàn)的過(guò)程中采用的中值濾波算法，我通過(guò)在程序運(yùn)行時(shí)讀入一個(gè) n，用來(lái)定義不同的窗口大小，以滿足對(duì)不同噪聲類型的處理需要。 中值濾波算法對(duì)去除高斯噪聲和低強(qiáng)度的椒鹽噪聲有不錯(cuò)的效果，但是由于它是以去窗口內(nèi)像素的中值作為新圖像的灰度值的，如果椒鹽噪聲分布范圍較廣且不均勻，那么進(jìn)行中值處理后有可能噪聲不 僅沒(méi)清除反而會(huì)加重噪聲點(diǎn)的范圍，所以中值濾波缺點(diǎn)也很明顯。 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。 圖 6是利用中值濾波對(duì)車牌圖片處理的效果對(duì)比圖。 25 圖 6 原圖和中值濾波對(duì)比圖 Fig 6 Comparison images of original and median filtering （ 4） 圖像二值化 。 先 取得原圖的數(shù)據(jù)區(qū)指針 ，讀入圖片。 每個(gè)像素依次循環(huán) ，若該像素灰度值 大于 150，則置為 255。若該像素灰度值小于或等于 150， 則置為 0。 如下圖所示，車牌圖有了良好的處理效果，車牌號(hào)碼清晰可見(jiàn)，達(dá)到了處理的要求。 圖 7 原圖和二值化圖對(duì)比 Fig 7 Comparison images of original image and binary image 實(shí)例二 實(shí)例二是對(duì) 人的頭像 的處理。 圖像的各 個(gè) 步驟的處理方法與實(shí)例一相同。 下面是各個(gè)步驟的效果圖。 （ 1）圖像 灰度化。 圖 8 是原圖和處理之后的灰度圖對(duì)比。 26 圖 8 原圖和灰度圖 Fig 8 Original image and grayscale image (2)圖像增強(qiáng)。 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 。但是圖像的對(duì)比度還是有所增強(qiáng)。 圖 9 為原圖像和經(jīng)過(guò) 直方圖均衡化增強(qiáng)的圖像 的對(duì)比，以及圖像的直方圖在圖像增強(qiáng)前后的對(duì)比， 如圖所示。 圖 9 直方圖均衡化對(duì)比圖像 Fig 9 Comparison images of histogram equilibrium （ 3）圖像濾波。 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。 27 下圖是利用中值濾波對(duì)圖片處理的效果對(duì)比圖。 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 。 先如 下圖所示， 圖 像 有了良好的處理效果，達(dá)到了處理的要求。 圖 11 原圖和二值化圖對(duì)比 Fig 11 Comparison images of original image and binary image 5 總結(jié) 通過(guò)對(duì) 參考 文獻(xiàn)的閱讀，在對(duì)字符 圖像預(yù)處理研究現(xiàn)狀和研究?jī)?nèi)容有了一定了解基礎(chǔ)上，本設(shè)計(jì) 圍繞著圖像預(yù)處理的基本知識(shí)及主要處理方法如灰度變換、直方圖修正特別是平滑濾波方法上展開(kāi)了著重研究，并對(duì)圖像濾波實(shí)現(xiàn) 的幾種主要算法進(jìn)行了描述，并進(jìn)行了基本的比較，而且寫出了自己的程序 ，運(yùn)用 MATLAB 軟件進(jìn) 行了仿真。 28 經(jīng)過(guò)本次設(shè)計(jì)的鍛煉，我對(duì)圖像預(yù)處理有了較為深入的了解，為以后的進(jìn)一步研究打下了基礎(chǔ)。我對(duì) MATLAB 的強(qiáng)大功能有了充分的認(rèn)識(shí)，并對(duì)其產(chǎn)生了濃厚的興趣。 在圖像處理方面也累積了不少經(jīng)驗(yàn)，特別是在對(duì)軟件開(kāi)發(fā)工具和圖像處理不很熟悉的情況下，通過(guò)自己的學(xué)習(xí)和導(dǎo)師的指導(dǎo)完成了設(shè)計(jì)任務(wù)。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。 由于設(shè)計(jì)時(shí)間有限，本人在寫出算法后編程遇到了 困難 ，只能 選取相對(duì)簡(jiǎn)單的方法進(jìn)行程序編寫。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。 參考文獻(xiàn) [1] 李站明，徐錦鋼 .車牌號(hào)識(shí)別系統(tǒng)中的車牌圖像預(yù)處理研究 [J].科學(xué)技術(shù)與工程， 20xx， 8（ 1）：20812084. [2] 彭碧霞 .車牌圖像自動(dòng)識(shí)別系統(tǒng)預(yù)處理算法研究 [J].武漢大學(xué)學(xué)報(bào)（工學(xué)版）， 20xx， 39（ 3）：131134. [3] 董玲嬌 .車牌圖像預(yù)處理研究 [J].機(jī)電工程 ， 20xx， 26(6): 107109. [4] 李德峰 ， 丁玉飛 ， 邱細(xì)亞 .基于 VC++車牌圖像預(yù)處理方法研究 [J].電子質(zhì)量， 20xx，（ 11）： 3537. [5] 朱光忠 ， 鄭月齋 .基于多尺度 TopHat 算子的車牌圖像預(yù)處理研究 [J].中國(guó)科技信息 ， 20xx，12: 155156. [6] Yoping Huang. A templatebased model for license plate recognition[C].IEEE International Conference on Networking， Sensing and Control,20xx， 11(2): 6568. [7] 后俊 .車牌圖像分割與智能字符識(shí)別方法的研究 [D]，合肥：合肥工業(yè)大學(xué)， 20xx:126. [8] 楊亞莉 .夏勇 .車牌圖像的預(yù)處理實(shí)現(xiàn) [J]. 武漢科技學(xué)院學(xué)報(bào)， 20xx， 21(12):3133. [9] 趙茜 .基于圖像處理的車牌識(shí)別系統(tǒng)的研究 [D].天津：天津大學(xué)， 20xx： 120. [10] 羅金凱 .基于顏色劃分的車牌識(shí)別研究 [D].長(zhǎng)沙：中南林業(yè)科技大學(xué) ， 20xx: 118. [11] 陳軒飛 .車牌識(shí)別技術(shù)的研究 [D].長(zhǎng)沙：中南大學(xué)， 20xx： 316. [12] 江治國(guó) ， 章飛 .圖像增強(qiáng)算法在車牌圖像預(yù)處理中的研究與應(yīng)用 [J].河南城建學(xué)院學(xué)報(bào) ,20xx: 118. [13] 冀光強(qiáng) .基于 MATLAB 的車牌識(shí)別技術(shù) [J]. 微計(jì)算機(jī)信息 ， 20xx:3133. 29 [14] 劉連忠 ， 寧海燕 .基于支持向量機(jī)的車牌字符識(shí)別 [J].微計(jì)算機(jī)信息 ， 20xx :3537. [15] 宋萬(wàn)里 ， 張鸰 .車牌識(shí)別中的傾斜車牌校正算法 [J].科技信息 ， 20xx:107109. [16] 馬俊莉 ， 莫玉龍 .一種基于改進(jìn)模板匹配的車牌宇符識(shí)別方法 [J].小型微型計(jì)算機(jī)系統(tǒng) ， 20xx， 24(9): 16701672. [17] 王敏 ， 黃心漢 .一種模板匹配和神經(jīng)網(wǎng)絡(luò)的車牌字符識(shí)別方法 [J].華中科技大學(xué)學(xué)報(bào) ， 20xx， 29(3):4850. [18] 邢博 ， 梁德群 ， 李文舉 .一種新的車牌數(shù)字及字母字符識(shí)別方法 [J].遼寧師范大學(xué)學(xué)報(bào) (自然科學(xué)版 )， 20xx， 28(1): 5658. [19] 童劍軍 ， 鄒明福 .車牌字符的一種精判別識(shí)別方法 [J].計(jì)算機(jī)工程與應(yīng)用 ， 20xx， 2:223226. [20] 黃戈祥 ， 陳繼榮 ， 胡應(yīng)添 .基于 ARTZ 神經(jīng)網(wǎng)絡(luò)的車牌字符識(shí)別 [J].計(jì)算機(jī)應(yīng)用 ， 20xx，24:309312. [21] Xuan and Application on License Plate Character RecognitionBased on Support Vector Machine[J]， Computer Systems amp。 Applications， 20xx： 4345. [22] Lairong Chen， Ronghua Ji， Ning on SVMbased License PlateRecognition[J]. Journal of Highway and Transportation Research and Development， 20xx， 23(5):128129. 致 謝 在畢業(yè)論文完成之際，我首先要感謝周麗娟老師 的悉心指導(dǎo)， 她 嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度，一絲不茍的敬業(yè)精神給我留下了深刻的印象。 感謝她在百忙 之中一直督促關(guān)心著我的本科論文的寫作。她的 博學(xué)、勤勉以及平和的為人，使我油然而生敬意。 還要感謝何儒云老師，是她給了我這個(gè)機(jī)會(huì)加入到圖像預(yù)處理項(xiàng)目中來(lái)，使我能夠?qū)W習(xí)到許多圖像處理學(xué)科前沿的知識(shí)，而且通過(guò)實(shí)際項(xiàng)目開(kāi)發(fā)，積累了寶貴的實(shí)踐經(jīng)驗(yàn)，提高了我用 MATLAB 的操作和編程能力。 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。在這里，我再次對(duì)你們表示深深的