【正文】 end endendback=(I0/(N*M))*log2(N*M/I0)。I0=0。 %求出3*3矩陣的最小值 t=*(high+low)。 %填充第一列endif j==M+2 extend(i,j)=extend(i,j2)。%把I數(shù)組的灰度賦給extend數(shù)組 endendextend(N+2,M+2)=0。)。 %求出背景像素的熵值fore=(I1/(N*M))*log2(N*M/I1)。 I0=I0+1。I1=0。for i=2:lastfirst3 %因為firsttlast,所以t可取值的個數(shù)為lastfirst2 if higharg(i) high=arg(i)。 %算出每一個t對應的方差值end ep=0。 %賦予目標均值for i=t:L averB=averB+(i)*P(i)/w1(y)。%存儲選取閾值為t時目標點的概率endw0(y)=ep。 %記錄背景均值的疊加值for t=0:L y=t+1。 %記錄灰度圖像的熵值for i=first:last if (P(i)~=0) entropy1=entropy1+P(i)*log2(1/P(i))。%記錄像素值為K出現(xiàn)的概率count=0。 %取得圖像數(shù)組的像素點個數(shù)L=256。)。此次畢業(yè)設計可能沒有達到老師的要求，但是我自己還是很有收獲的。反觀自己大學四年又做或學了些什么呢？什么都沒有，有得是碰到課程設計、程序就抓耳撓腮，學了這么多語言沒有真正的掌握好一門。但是詞真是官方，我自己應該想不出來，當然與自己文學水平也有關系。但由于自己的理論知識水平有限，實踐知識和設計經(jīng)驗不足，在設計過程中難免存在一些不足，甚至錯誤。在圖像處理方面也累積了不少經(jīng)驗，特別是在對軟件開發(fā)工具和圖像處理不很熟悉的情況下，通過自己的學習和導師的指導完成了設計任務。結束語在兩個多月的畢業(yè)設計中，通過廣泛查閱與課題有關的內容，我掌握了許多與計算機有關的東西。采用Bernsen算法時，常常在背景區(qū)域出現(xiàn)偽筆畫，這叫做偽影現(xiàn)象。由于Bernsen算法要尋找局部極大、極小值，因此速度較慢。這時尋找最佳閾值很困難。二值圖像的熵值：H(Otsu)H(Bernsen)，可以見Otsu方法對于光照不均、噪聲干擾大的圖像，其二值化效果較差，其反映了整個圖像的整體灰度分布情況。所以，信息熵也可以說是衡量圖像有序化程度的一個度量。H表示由Otsu方法、Bernsen方法處理得到的二值圖像的熵值，單位為比特/符號。 Bernsen方法處理不同像素的不同圖像性能指標閾值(T)時間(S)/s熵值(H)因為Bernsen方法不存在預取閾值，得到的都是局部閾值，隨像素的變化而變化，所以沒有固定的閾值。lenna(256256)、lenna(512512)?？芍?，512512 圖像的執(zhí)行時間要比256256圖像的時間要長，說明圖像越大，用Otsu方法對其進行二值化處理所需時間越長；大圖像的閾值也比小圖像要大。peppers(256256)、peppers(512512)。 (a) (b) (c) (d) (e) (f) 原圖(a) lenna原始圖像(256256)；(b)barbara原始圖像(256256)；(c)peppers原始圖像(256256)；(d) lenna原始圖像(512512)；(e)barbara原始圖像(512512)； (f)peppers原始圖像(512512) Otsu方法實驗結果分析。顯示得到的二值圖像。首先創(chuàng)建一個的矩陣extend，把矩陣中的像素，而第一行和最后一行，第一列和最后一列的填充依據(jù)是以它靠近的行或列為對稱軸進行填充。設圖像在像素點處的灰度值為，考慮以像素點為中心的窗口，（表示窗口的邊長），則Bernsen算法可以描述如下：計算圖像中各個像素點的閾值 (12)對圖像中各像素點用值逐點進行二值化。和，可以分別代表目標和背景的中心灰度，則代表整幅圖像的中心灰度，要使目標和背景得到最好的分割，當然希望分割出的目標盡量遠離圖像中心，即或盡量大，背景也盡量遠離中心，即或盡量大，由于希望兩者都大，于是有：(1) 兩者之加權和最大：(2) 兩者之積最大： (11) 注意到有，且，因此有：。記為圖像點處的灰度值，灰度級為，不妨假設取值。圖像的總平均灰度為：。 局部閾值法一般用于識別干擾比較嚴重、品質較差的圖像，相對整體閾值方法有更廣泛的應用，但也存在缺點和問題，如實現(xiàn)速度慢、不能保證字符筆畫連通性以及容易出現(xiàn)偽影現(xiàn)象(即在背景域受到噪音干擾得到筆畫結果)等。局部閾值法是用像素灰度值和此像素鄰域的局部灰度特性來確定該像素的閾值的。 局部閾值法由當前像素灰度值與該像素周圍點局部灰度特征來確定像素的閾值。大津法的使用范圍比較廣，不論圖像的直方圖有無明顯的雙峰，都能得到較滿意的結果，在很多領域得到了應用和發(fā)展。下面列舉幾個閾值的自動選擇算法：(1) 平均灰度值法：以圖像中所有像素灰度值的平均值為閾值。閾值分割法的結果很大程度上依賴于對閾值的選擇，因此該方法的關鍵是如何選擇合適的閾值。 全局閾值法全局閾值法是指在二值化過程中只使用一個全局閾值的方法。實驗結果表明，這個基于邊緣特征檢測算子的算法能很好地保留原圖的邊緣特征，并能處理低質量的圖像?；谶吘壧卣鞯亩祷撝颠x取方法，閾值選取是圖象處理與分析的基礎。遺傳算法是當前許多科學實驗領域廣泛應用的一種非線性并行算法。針對顆粒圖像，提出了一種基于形態(tài)學的最大類間方差Otsu二值化算法，實驗證明，該算法這一算法能較好地保留原圖像中的特征，二值化后的圖像效果不錯。有強于Windows的繪圖軟件的黑白二值化功能。在模式識別中，二值化效果的好壞直接影響著識別效果，首先通過改進的Bernsen方法對原始圖像進行二值化，得到第一幅源圖像；然后根據(jù)自組織神經(jīng)網(wǎng)絡計算閾值，對圖像進行二值化，得到第二幅源圖像；再根據(jù)灰度值最小的原則作為圖像融合方法，得到最終的二值化圖像，最后給出模擬實驗，實驗結果表明該方法是有效的?；谪惾~斯算法的二值化算法。實驗表明，該算法可有效克服偏暗或泛白背景的影響，二值化效果良好。實驗表明，使用該算法能有效地克服不均勻光照的影響，二值化效果良好，車牌識別率得到顯著的提高；針對常用車牌識別二值化算法存在的問題，提出了基于分形維數(shù)的二值化的方法。這種二值化方法完全不同于傳統(tǒng)的方法，它從信號處理的角度出發(fā)，利用了部分先驗知識和理想狀態(tài)下的投影輪廓信號，再通過用不同閾值分割的投影信號與之匹配，匹配度最大時的閾值即為圖像分割的最佳閾值。爾后提出了一種改進的二值化方法：利用梯度法求取塊方向圖，將其量化成8個標準方向，以塊方向代替點方向并利用灰度信息對指紋圖像進行二值化。指紋識別技術除了在傳統(tǒng)的法律公安上得到應用之外，還有更廣闊的應用前景，如計算機用戶的確認、訪問網(wǎng)絡資源的口令、銀行ATM 機和信用卡的使用、各類智能IC 卡的雙重確認，以及雇員證明、海關身份鑒定、家用電子門鎖等一個完整的自動指紋識別系統(tǒng)(AFIS) 包括指紋采集、指紋圖像預處理、指紋特征提取和比對等幾個模塊。如何能得到光滑且能真實反映原圖像的雕刻圖像是其中的主要問題，但是激光器的開關只有兩種狀態(tài)，因此，圖像的二值化處理就成為了關鍵性技術，其中閾值的選取是決定二值化圖像好壞的因素。因此，自適應圖像閾值的選取方法非常值得研究。圖像二值化是圖像處理中的一項基本技術，也是很多圖像處理技術的預處理過程。由于身份證圖像背景復雜，由激光防偽陰影網(wǎng)格線及各種版面噪聲構成；且因激光防偽標志和打印條件的千差萬別，再加上身份證圖像質量偏差，給身份證的字符識別帶來了很大的困難。(2) BMP文件的數(shù)據(jù)存放是從下到上，從左到右的，也就是說，從文件中最先讀到的是圖像最下面的一行的左邊的第一個像素，然后是左邊的第二個像素，接下來是倒數(shù)第二行左邊第一個像素，左邊第二個像素。對于2色位圖，用1位就可以表示該像素的顏色(一般0表示黑色，1表示白色)，所以一個字節(jié)可以表示8個像素。調色板實際上是一個數(shù)組，共有biClrUsed個元素(如果該值為零，則有2的biBitCount次方個元素)。其中，biCompression的有效值為BI_RGB、BI_RLEBI_RLEBI_BITFIELDS，這都是一些Windows定義好的常量。BMP圖像的數(shù)據(jù)由四個部分組成。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。邊緣檢測算子可以檢查每個像素的鄰域并對灰度變化率進行量化，也包括對方向的確定，其中大多數(shù)是基于方向倒數(shù)掩模求卷積的方法。在MATLAB中，各種濾波方法都是在空間域中通過不同的軍紀模板即濾波算子實現(xiàn)，可用fspecial()函數(shù)創(chuàng)建預定義的濾波算子，然后用filter2()或conv2()函數(shù)在實現(xiàn)卷積運算的基礎上進行濾波。這一灰度調整過程可用imadjust()函數(shù)實現(xiàn)平滑與銳化濾波。均勻量化的自然圖像的灰度直方圖通常在低灰度區(qū)間上頻率較大，似的圖像中較暗區(qū)域中細節(jié)看不清楚，采用直方圖修整可使原圖灰度集中的區(qū)域拉開或使灰度分布均勻，從而增大反差，使圖像的細節(jié)清晰，達到增強目的。(1) 常用圖像操作：圖像的讀寫與顯示操作：用imread()讀取圖像，imwrite()輸出圖像，把圖像顯示于屏幕有imshow()，image()等函數(shù)。 MATLAB圖像處理工具箱數(shù)字圖像處理工具箱函數(shù)包括以下15類：(1) 圖像顯示函數(shù)；(2) 圖像文件輸入、輸出函數(shù)；(3) 圖像幾何操作函數(shù)；(4) 圖像像素值及統(tǒng)計函數(shù)；(5) 圖像分析函數(shù)；(6) 圖像增強函數(shù)；(7) 線性濾波函數(shù)；(8) 二維線性濾波器設計函數(shù)；(9) 圖像變換函數(shù)；(10) 圖像鄰域及塊操作函數(shù)；(11) 二值圖像操作函數(shù)；(12) 基于區(qū)域的圖像處理函數(shù)；(13) 顏色圖操作函數(shù)；(14) 顏色空間轉換函數(shù)；(15) 圖像類型和類型轉換函數(shù)。(2) 增強數(shù)組編輯器(Array Editor)和工作空間瀏覽器(Workspace Browser)功能，用于數(shù)據(jù)的顯示、編輯和處理。 。 MATLAB的工作環(huán)境MATLAB的工作環(huán)境簡單明了，易于操作。MathWorks公司針對不同領域的應用，推出了信號處理，控制系統(tǒng)，神經(jīng)網(wǎng)絡，圖像處理，小波分析，魯棒控制，非線性系統(tǒng)控制設計，系統(tǒng)辨識，優(yōu)化設計，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域內的學術水平較高的專家編寫的，無需用戶自己編寫所用的專業(yè)基礎程序，可直接對工具箱進行運用。二值圖像在圖像分析中應用非常廣泛，二值圖像就是指只有兩個灰度級的圖像，二值圖像具有存儲空間小，處理速度快，可以方便地對圖像進行布爾邏輯運算等特點。圖像的灰度化處理可先求出每個像素點的R、G、B三個分量的平均值，然后將這個平均值賦予給這個像素的三個分量。將彩色圖像轉化成為灰度圖像的過程稱為圖像的灰度化處理。此外，不少課題還需要更加專業(yè)的知識，如小波變換、神經(jīng)網(wǎng)絡、分形理論等。另外，計算機視覺是模仿人的視覺，人類的感知原理必然嚴重影響計算機視覺的研究。因此，圖像處理中的信息壓縮潛力巨大。(3) 數(shù)字圖像中各個像素間的相關性強，壓縮潛力大。(2) 占用頻帶較寬。(1) 信息量大，要求處理速度比較快。到了20世紀80年代，圖像處理技術進入普及期，此時的微機已經(jīng)能夠擔當起圖形圖像處理的任務。圖像處理技術的發(fā)展大致經(jīng)歷了初創(chuàng)期、發(fā)展期、普及期和實用化期4個階段。是指媒體信息的相互隱藏，常見的有數(shù)字水印和圖像的信息偽裝等。圖像識別屬于模式識別的范疇，起主要內容是在圖像經(jīng)過某些預處理（增強、復原、壓縮）后，進行圖像分割和提取，從而進行判別分類。圖像的有意義特征包括圖像的邊緣、區(qū)域等。在滿足一定保真度條件下，對圖像信息進行編碼，可以壓縮圖像信息量，簡化圖像的邊式，從而大大壓縮圖像描述的數(shù)據(jù)量，以便存儲和傳輸；圖像壓縮在不同應用背景下可以采用不失真壓縮和失真壓縮。