【正文】 (或頻率 )，而丟失了其所在位置的信息。因此，灰度直方圖描述了一幅圖像的概貌，是研究圖像灰度分布的 手段，是數(shù)字圖像處理中一個(gè)非常有用的工具 [11]。同時(shí)灰度級(jí)的直方圖給出了對(duì)圖像概貌的總的概述。 點(diǎn) 擊【灰度】按鈕，對(duì)程序執(zhí)行結(jié)果操作，得出去噪前效果圖 310 如上 ： 點(diǎn)擊【去噪】按鈕，對(duì)程序執(zhí)行結(jié)果操作，得出去噪后效果圖 311 如下： 圖 311 去噪后效果圖 直方圖 直方圖的基本概念 直方圖是針對(duì)灰度圖像進(jìn)行描述和處理的。 (i, j), RGB(pic(i, j, 0), pic(i, j, 0), pic(i, j, 0)) Next i Next j End Sub Private Sub Command4_Click() Dim i As Long, j As Long, k As Long Dim m As Long, n As Long Dim t As Long Dim k1 As Integer Dim k2 As Integer Dim num As Long Dim a() As Integer ReDim g(w 1, h 1) Size = Val(Text1): num = (Size + 1) * (Size + 1) ReDim a(num) For j = Fix(Size \ 2) To h 1 Fix(Size \ 2) For i = Fix(Size \ 2) To w 1 Fix(Size \ 2) k = 0 For k1 = Fix(Size \ 2) To Fix(Size \ 2) For k2 = Fix(Size \ 2) To Fix(Size \ 2) 哈爾濱理工大學(xué)學(xué)士學(xué)位論文 26 a(k) = f(i + k1, j + k2): k = k + 1 Next k2 Next k1 For m = 0 To num 1 k = m For n = m + 1 To num 2 If a(n) a(k) Then k = n Next n If m k Then t = a(k): a(k) = a(m): a(m) = t End If Next m g(i, j) = a(Fix(num \ 2)) 39。存放去噪后數(shù)據(jù) Private Declare Function SetPixelV Lib gdi32 (ByVal hdc As Long, ByVal x As Long, ByVal y As Long, ByVal crColor As Long) As Long Private Sub Command1_Click() = 打開文件 = pictures(*.bmp)|*.bmp End Sub Private Sub Command2_Click() Dim i As Long, j As Long, k As Long Open For Binary As 1 Get 1, 19, w Get 1, 23, h Seek 1, 55 ReDim pic(w 1, h 1, 4) For j = h 1 To 0 Step 1 哈爾濱理工大學(xué)學(xué)士學(xué)位論文 25 For i = 0 To w 1 For k = 2 To 0 Step 1 Get 1, , pic(i, j, k) Next k Next i If (w * 3) Mod 4 0 Then For k = 1 To 4 ((w * 3) Mod 4) Get 1, , pix Next k End If Next j Close 1 For j = 0 To h 1 For i = 0 To w 1 SetPixelV , i, j, RGB(pic(i, j, 0), pic(i, j, 1), pic(i, j, 2)) 39。存放原始顏色數(shù)據(jù) Dim pix As Byte Dim a() As Integer Dim Size As Long Dim h As Integer Dim w As Integer Dim f() As Integer 39。 如圖 35 中，當(dāng)小窗口 (3 3)在左上角時(shí)，窗口內(nèi)的像素灰度按從小到大的順序排列后為： 6 中值為 3，當(dāng)小窗口在圖像中移動(dòng)時(shí)，按類似方法計(jì)算，得出處理后的圖像如圖 36： 從圖 37 中可以看出，中值濾波法處理結(jié)果平滑效果不如鄰域平均法，但它能去除噪聲點(diǎn)并保持圖像邊界，如圖 38 所示。 中值濾波法去噪 所謂中值濾波，是指把以某點(diǎn) (x,y)為中心的小窗口內(nèi)的所有像素的灰度按從大到小的順序排列，將中間值作為 (x,y)處的灰度值 (若窗口中有偶數(shù)個(gè)像素，則取兩個(gè)中間值的平均 )。卷積核中的元素稱作加權(quán)系數(shù) (亦稱為卷積系數(shù) )，卷積核中的系數(shù)大小及排列順序，決定了對(duì)圖像進(jìn)行區(qū)處理的類型。 模板操作實(shí)現(xiàn)了一種領(lǐng)域運(yùn)算，可用卷積來完成各種處理變換，卷積運(yùn)算中的卷積核就是模 板運(yùn)算中的模板，卷積就是作加權(quán)系數(shù)求和的過程。例如，有一種常見的平滑算法是源圖中的一個(gè)像素的灰度值和它周圍臨近的 8 個(gè)像素的灰度值相加，然后將球得的平均值作為新圖像中該像素的灰度值。首先，是記錄在感光片上的圖像會(huì)受到感光 顆粒噪聲的影響；其次，圖像從光學(xué)到電子形式的轉(zhuǎn)換是一個(gè)統(tǒng)計(jì)過程 (因?yàn)槊總€(gè)圖像元素接收到的光子數(shù)目是有限的 )。為了分析處理方便，常常將乘性噪聲近似認(rèn)為是加性噪聲，而且總是假定信號(hào)和噪聲是互相統(tǒng)計(jì)獨(dú)立 [12]。由于載送每一個(gè) 像素 信 哈爾濱理工大學(xué)學(xué)士學(xué)位論文 22 息的載體的變化而產(chǎn)生的噪聲受信息本身調(diào)制。每一個(gè) 像素 的噪聲不管輸入信號(hào)大小，噪聲總是分別加到信號(hào)上。 ，按噪聲和信號(hào)之間關(guān)系可分為加性噪聲和乘性噪聲：假定信號(hào)為 )(ts ， 噪聲為 )(tn ，如果混合迭加波形是 )()( tnts ? 形式，則稱此類噪聲為加性噪聲；如果迭加波形為 )](1)[( tnts ? 形式，則稱其為乘性噪聲。 。其統(tǒng)計(jì)特性隨時(shí)間變化而變化的稱其為非平穩(wěn)噪聲。 。 (4)系統(tǒng)內(nèi)部設(shè)備電路所引起的噪聲。如正片和負(fù)片的表面顆粒性和磁帶磁盤表面缺陷所產(chǎn)生的噪聲。如各種接頭因抖動(dòng)引起電流變化所產(chǎn)生的噪聲；磁頭、磁帶等抖動(dòng)一起的抖動(dòng)等。因這些粒子運(yùn)動(dòng)的隨機(jī)性而形成的散粒噪聲；導(dǎo)體中自由電子運(yùn)動(dòng)所形 成的熱噪聲；根據(jù)光的粒子性，圖像是由光量子所傳輸，而光量子密度 隨 時(shí)間和空間變化所形成的光量子噪聲等。 內(nèi)部噪 聲：一般又可分為以下四種： (1)由光和電的基本性質(zhì)所引起的噪聲。 噪聲的分類 ： 外部噪聲，即指系統(tǒng)外部干擾以電磁波或經(jīng)電源串進(jìn)系統(tǒng)內(nèi)部而引起的噪聲。但這種描述方法很復(fù)雜，甚至不可能完成，而且實(shí)際應(yīng)用往往也不必要。噪聲在理論上可以定義為“不可預(yù)測(cè)，只能用概率統(tǒng)計(jì)方法來認(rèn)識(shí)的隨機(jī)誤差”。 哈爾濱理工大學(xué)學(xué)士學(xué)位論文 18 圖 31 灰度化界面設(shè)計(jì)示意圖 在程序代碼中輸入程序如下： Dim pic(0 To 5000, 0 To 5000, 4) As Byte Dim pix As Byte Dim h As Integer Dim w As Integer Private Sub Command1_Click() = ―打開文件 ‖ = ―pictures(*.bmp)|*.bmp‖ End Sub Private Sub Command2_Click() Open For Binary As 1 Get 1, 19, w Get 1, 23, h Seek 1, 55 For j = h – 1 To 0 Step 1 For i = 0 To w – 1 For k = 2 To 0 Step 1 Get 1, pic(i, j, k) Next k Next i If (w * 3) Mod 4 0 Then 哈爾濱理工大學(xué)學(xué)士學(xué)位論文 19 For k = 1 To 4 – ((w * 3) Mod 4) Get 1 , pix Next k End If Next j Close 1 For j = 0 To h – 1 For I = 0 To w – 1 (i, j), RGB(pic(i, j, 0), pic(i, j, 1), pic(i, j, 2)) Next i Next j End Sub Private Sub Command3_Click() For j = 0 To h – 1 For I = 0 To w – 1 (I, j), RGB(pic(i, j, 0), pic(i, j, 0), pic(i, j, 0)) Next i Next j End Sub Private Sub Command4_Click() = LoadPicture(―‖) = LoadPicture(―‖) End Sub 點(diǎn)擊 命令按鈕 【灰度】 進(jìn)行操作，實(shí)現(xiàn)灰度處理，效果圖如下圖 32： 圖 32 灰度處理 R 分量效果圖 哈爾濱理工大學(xué)學(xué)士學(xué)位論文 20 彩色圖像根據(jù)三個(gè)分量的不同，顯示的灰度效果圖是不一樣的，改變主程序的分量，得出另外兩種效果圖，另外兩個(gè)主程序代碼如下： 其一： Private Sub Command3_Click() For j = 0 To h 1 For i = 0 To w 1 (i, j), RGB(pic(i, j, 1), pic(i, j, 1), pic(i, j, 1)) Next i Next j End Sub 效果圖 33： 圖 33 灰度處理 G 分量示意圖 其二 ： Private Sub Command3_Click() For j = 0 To h 1 For i = 0 To w 1 (i, j), RGB(pic(i, j, 2), pic(i, j, 2), pic(i, j, 2)) Next i Next j End Sub 效果圖 34： 圖 34 灰度處理 B 分量示意圖 哈爾濱理工大學(xué)學(xué)士學(xué)位論文 21 灰度圖像平滑處理 圖像的平滑處理主要是為了去除圖 像中稱為噪聲的干擾信息。 在 Visual 中建立程序的界面，如第二章介紹的界面設(shè)計(jì)方法，設(shè)計(jì)界面如下圖 31： 界面中 各 命令按鈕 和其相對(duì)應(yīng)的操作方式與執(zhí)行作用 分別對(duì)應(yīng)結(jié)果如下： 【 Command1】對(duì)應(yīng)【打開文件】按鈕， 點(diǎn)擊【打開文件】按鈕，選擇需要圖像文件， 打開相應(yīng)的圖像文件； 【 Command2】對(duì)應(yīng)【讀取圖像】按鈕， 點(diǎn)擊【讀取圖像】按鈕，程序執(zhí)行讀取， 載入圖像文件； 【 Command3】對(duì)應(yīng)【灰度】按鈕， 點(diǎn)擊【灰度】按鈕， 對(duì)圖像進(jìn)行灰度操作； 【 Command4】對(duì)應(yīng)【清屏】按鈕， 點(diǎn)擊【清屏】按鈕， 退出運(yùn)行程序，清除圖片 。彩色圖像可以分解成紅 (R)、綠 (G)、藍(lán) (B)三個(gè)單色圖像，任何一種顏色都可以由這三種顏色混合構(gòu)成。一般將白色的灰度值定義為 255，黑色灰度值定義為 0，而由黑到白之間的明暗度均勻地劃分為256 個(gè)等級(jí)。一幅mn 大小的圖像，是由 mn 個(gè)明暗度不等的像素組成的。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。 )),(),(),(m a x (),( jiBjiGjiRjif ? 將彩色圖像中的三分量亮度求平均 值 得到一個(gè)灰度圖。 ),(),(3),(),(2),(),(1jiBjifjiGjifjiRjif??? 哈爾濱理工大學(xué)學(xué)士學(xué)位論文 17 其中 )3,2,1(),( ?? kjifk 為轉(zhuǎn)換后的灰度圖像在 ),( ji 處的灰度值。 彩色圖像灰度化的方法 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。 彩色圖像包含大量的顏色信息，不僅存儲(chǔ)量大而且處理速度也受影響。