【正文】 ，則經(jīng)過中值濾波后噪聲被消除。取窗口長度為 m(m 為奇數(shù) )，對此序列進(jìn)行中值濾波，就是從輸入序列中相繼抽出 m 個(gè)數(shù) viiiivi fffff ???? , 11 ?? 其中， 21??mv ； i 為窗口的中心位置。 傳統(tǒng)的中值濾波是采用一個(gè)含有奇數(shù)個(gè)點(diǎn)的滑動(dòng)窗口，用窗口中各點(diǎn)灰度值的中值來代替窗口中心點(diǎn)像素的灰度值。在一定條件下，中值濾波可以克服線性濾波器帶來的圖像細(xì)節(jié)模糊，而且對濾除脈沖干擾及顆粒噪聲最為有效。由于它在實(shí)際運(yùn)算過程中并不需要圖像的統(tǒng)計(jì)特性，所以使用比較方便。 東華理工大學(xué)長江學(xué)院畢業(yè)設(shè)計(jì)（論文） 圖像濾波 11 在實(shí)際應(yīng)用中，可以根據(jù)具體的局部圖像結(jié)構(gòu)來確定卷積模板，使加權(quán)值成為自由調(diào)節(jié)參數(shù)，應(yīng)用比較靈活，但模板不能分解，計(jì)算效率不高。用卷積模板 H 進(jìn)行的歸一化卷積將圖像 F和圖像 W變換為一幅新圖像 G。一種常 用的加權(quán)平均方法是根據(jù)系數(shù)與模板中心的距離反比例地確定其他內(nèi)部系數(shù)的值，常用的模板為???????????111121111101 、???????????01011101051等；還有一種常用的方法是根據(jù)二維高斯分布來確定各系數(shù)值，常稱為高斯模板，模板為???????????121242121161 。一般認(rèn)為離對應(yīng)模板中心像素近的像素對濾波結(jié)果有較大貢獻(xiàn)，所以接近模板中心的系數(shù)可較大，而模板邊界附近的系數(shù)應(yīng)較小。由 圖 21 所示的結(jié)果可以看出，超限像素算法對抑制椒鹽噪聲比較有效，能夠保護(hù)僅有微小灰度差的細(xì)節(jié)及紋理細(xì)節(jié)。這里把信噪比定義為含噪圖像的灰度均值與噪聲 方差之東華理工大學(xué)長江學(xué)院畢業(yè)設(shè)計(jì)（論文） 圖像濾波 10 比。圖 21是對加入椒鹽噪聲的 avril 圖像進(jìn)行超限像素平滑的結(jié)果。這樣平滑后的圖像比直接采用 公式 (21)的模糊程度減少。 (22) 式中， T是一個(gè)規(guī)定的非負(fù)閾值，可以根據(jù)圖像總體特性或局部特征確定。半徑越大，平滑圖像的模糊程度越大，鄰域平均法的優(yōu)點(diǎn)在于算法簡單，計(jì)算速度快，主要缺點(diǎn)是在降低噪聲的同時(shí)使圖像產(chǎn)生模糊，特別是在邊緣和細(xì)節(jié)處，鄰域越大，模糊越厲害。在實(shí)際應(yīng)用中，也可以根據(jù)不同的需要選擇使用不同的模板尺寸，如 33? ， 55? ， 77? ， 99? 等。對于位置 (i,j)處的像素，其灰度值為 f(i,j)，平滑后的灰度值為 g(i,j)，則g(i,j)由包含 (i,j)鄰域的若干個(gè)像素的灰度平均值所決定，即 由公式 (21)得到平滑的像素灰度值 ??? Ayx yxfMjig ),( ),(1),( x,y=0,1,2,? ,N1 (21) 東華理工大學(xué)長江學(xué)院畢業(yè)設(shè)計(jì)（論文） 圖像濾波 9 ??????????????????TyxfMjifjifTyxfMjifyxfMjigAyxAyxAyx|),(1),(|),(|),(1),(|,),(1),(),(),(),(式中， A表示以 (i,j)為中心的領(lǐng)域的集合， M是 A中像素點(diǎn)的總數(shù)。 本節(jié)內(nèi)容中，主要介紹基于空域的鄰域平均法、加權(quán)平均法、中值濾波以及空域低通濾波。由于是有選擇地濾波，避免了不必要的濾波操作和圖像的模糊，濾波效果得到了進(jìn)一步的提高。無條件地對每個(gè)像素進(jìn)行濾波處理必然會(huì)造成損失圖像的某些原始信息。這些方法在濾波性能上都比傳統(tǒng)的中值濾波方法有所改善，但都是無條件地對所有的輸入樣本進(jìn) 行濾波處理。隨著濾波窗口的長度增加和噪聲污染的加重，中值濾波效果明顯變壞。非線性濾波方法中應(yīng)用最多的是中值濾波，中值濾波可以有效地濾除脈沖噪聲，具有相對好的邊緣保持特性，并易于實(shí)現(xiàn)，因此被公認(rèn)是一種有效的方法。 灰度圖像常用的濾波方法主要分為線性和非線性兩大類。經(jīng)典的平滑技術(shù)對噪聲圖像使用局部算子，當(dāng)對某一個(gè)像素進(jìn)行平滑處理時(shí)，僅對它的局部小鄰域內(nèi)的一些像素進(jìn)行處理，其優(yōu)點(diǎn)是計(jì)算效率高，而且可以對多個(gè)像素并行處理。如電源引入的交流 噪聲；偏轉(zhuǎn)系統(tǒng)和箝位電路所引起的噪聲等。隨著材料科學(xué)的發(fā)展，這些噪聲有望不斷減少，但在目前來講，還是不可避免的。 (3)器材材料本身引起的噪聲。 (2)電器的機(jī)械運(yùn)動(dòng)產(chǎn)生的噪聲。如電流的產(chǎn)生是由電子或空穴粒子 的集合，定向運(yùn)動(dòng)所形成。如電氣設(shè)備，天體放電現(xiàn)象等引起的噪聲。在圖像生成和傳輸過程中，經(jīng)常會(huì)產(chǎn)生脈沖噪聲，主要表現(xiàn)在成像的短暫停留中，對圖像質(zhì)量有較大的影響，需要采用圖像濾波方法給予濾除。圖像噪聲的種類有多種，主要有高斯噪聲、瑞利噪聲、伽馬以及脈沖噪聲等。在圖像傳輸過程中，所用的傳輸信道受到干擾，也會(huì)產(chǎn)生噪聲污染。 數(shù)字圖像的噪聲主要來源于圖像獲取的數(shù)字化過程。噪聲對圖像的影響無法避免，因此一個(gè)良好的圖像處理系統(tǒng)不論是模擬處理還是計(jì)算機(jī)處理無不把最前一級的噪聲減少到最低作為主攻目標(biāo)。一般圖像噪聲是不可預(yù)測的隨機(jī)信號，它只能用概率統(tǒng)計(jì)的方法去認(rèn)識。 東華理工大學(xué)長江學(xué)院畢業(yè)設(shè)計(jì)（論文） 圖像濾波 7 2. 圖像濾波 本章內(nèi)容中，主要介紹圖像噪聲的一些概念，包括噪聲的定義、來源等，然后詳細(xì)的介紹常見的噪聲濾除方法，如鄰域平均法、加權(quán)平均法、中值濾波等，并對它們的濾波效果進(jìn)行比較。第四章重點(diǎn)分析研究 Canny 算子， MTM(Modified Trimmed Mean)算法及Otsu 算法，并結(jié)合 MTM 算法及 Otsu 算法對 Canny 算法中的濾波方法和雙門限選取方法進(jìn)行改進(jìn)，提出 CMO 算法，最后用 編程實(shí)現(xiàn)，并將實(shí)驗(yàn)結(jié)果與傳統(tǒng)的 Canny 算法進(jìn)行分析比較。 因此，至今圖像邊緣檢測仍有很多問題尚待解決。 (2)由于物理和光照等原因，實(shí)際圖像中的邊緣常常發(fā)生在不同的尺度范圍上，并且每一邊緣像元的尺度信息是未知的，利用單一固定尺度的邊緣檢測算子不可能同時(shí)最佳地檢測出這些邊緣，這就涉及到了多尺度的提出；而多尺度的確定又引起出了一系列的問題，如尺度范圍的確定、最佳濾波尺度大小、如何有效地利用多個(gè)尺度正確地檢測邊緣等等。高定位精度要求把邊緣以等于或小于一個(gè)像素的寬度確定在它的實(shí)際位置上。理想的邊緣檢測應(yīng)當(dāng)正確解決邊緣的有無、真假和定位方向。這些內(nèi)容將在后面的章節(jié)中作詳細(xì)介紹。 (4)定位：如果某一應(yīng)用場合要求確定邊緣位置，則邊緣的位置可在亞像素分辨率上來估計(jì)，邊緣的方位也可以被估計(jì)出來。 (3)檢測：在圖像中有許多點(diǎn)的梯度幅值比較大，而這些點(diǎn)在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來確定哪些點(diǎn)是邊緣點(diǎn)。增強(qiáng)算法可以將鄰域 (或局部 )灰 度有顯著變化的點(diǎn)突顯出來。在濾波中我們希望降低噪聲，但不對邊緣產(chǎn)生副作用，而實(shí)際上很難做到這一點(diǎn)，這也是邊緣檢測中的一個(gè)難點(diǎn)。 (1)濾波：邊緣檢測算法主要是基于圖像灰度的一階或二階導(dǎo)數(shù)，但導(dǎo)數(shù)的計(jì)算對噪聲很敏感，因此必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測器的性能。其中階躍型邊緣最具代表性，許多邊緣檢測算法都是針對階躍型邊緣的。階躍邊緣中兩邊的灰度值有明顯的變化；而屋頂狀邊緣位于灰度增加與減少的交界處。 圖 11 三維物體 圖像的大部分主要信息 都存在于圖像的邊緣中，主要表現(xiàn)為圖像局部特征的不連續(xù)性，是圖像中灰度變化比較劇烈的地方，即我們通常所說的信號發(fā)生東華理工大學(xué)長江學(xué)院畢業(yè)設(shè)計(jì)（論文） 數(shù)字圖像處理 5 奇異變化的地方。邊緣存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域、基元與基元之間。根據(jù) Marr 的視覺計(jì)算理論框架，提取二維圖像物體上的邊緣、角點(diǎn)、紋理等基本特征是整個(gè)系統(tǒng)框架的第一步，這些特征所組成的圖稱為基元圖?；谖⒎值膱D像銳化算法可以用于圖像的邊緣檢測，也就是說，用各種銳化模板對圖像進(jìn)行卷積運(yùn)算便可以檢測出圖像的邊緣。這種局部變化可用一定窗口運(yùn)算的邊緣檢測算子來檢測。 目前，具有 對邊緣的描述性定義，即兩個(gè)具有不同灰度的均勻圖像區(qū)域的邊界，即邊界反映局部的灰度變化。 數(shù)字圖像邊緣定義及邊緣提取方法概述 盡管邊緣在數(shù)字圖像處理和分析中具有重要作用，但是到目前為止，還沒有關(guān)于邊緣被廣泛接受和認(rèn)可的精確的數(shù)學(xué)定義。 (6)文化藝術(shù)方面 目前 在文化 應(yīng)用有電視畫面的數(shù)字編輯，動(dòng)畫的制作，電子圖像游戲，紡織工藝品設(shè)計(jì)，服裝設(shè)計(jì)與制作，發(fā)型設(shè)計(jì)，文物資料照片的復(fù)制和修復(fù)，運(yùn)動(dòng)員動(dòng)作分析和評分等等，現(xiàn)在已逐漸形成一 門新的藝術(shù) 計(jì)算機(jī)美術(shù)。 (5)軍事公安方面 在軍事方面圖像處理和 識別主要用于導(dǎo)彈的精確末制導(dǎo)，各種偵察照片的判讀，具有圖像傳輸、存儲和顯示的軍事自動(dòng)化指揮系統(tǒng)，飛機(jī)、坦克和軍艦?zāi)M訓(xùn)練系統(tǒng)等；公安業(yè)務(wù)圖片的判讀分析，指紋識別，人臉鑒別，不完整圖片的復(fù)原，以及交通監(jiān)控、事故分析等。 (4)工業(yè)工程方面 在工業(yè)和工程領(lǐng)域中圖像處理技術(shù)有著廣泛的應(yīng)用，如自動(dòng)裝配線中檢測零件的質(zhì)量、并對零件進(jìn)行分類，印刷電路板疵病檢查，彈性力學(xué)照片的應(yīng)力分析，流體力學(xué)圖片的阻力和升力分析，郵政信件的自動(dòng)分揀，在一些有毒、放射性環(huán)境內(nèi)識別工件及物體的形狀和排列狀態(tài)，先進(jìn)的設(shè)計(jì)和制造技術(shù)中采用工業(yè)視覺等等。在一定意義上講，編碼壓縮是這些技術(shù)成敗的關(guān)鍵。其中以圖像通信最為復(fù)雜和困難，因圖像的數(shù)據(jù)量十分巨大，如傳送彩色電視信號的速率達(dá) 100Mbit/s 以上。 (3)通信工程方面 通信的主要發(fā)展方向是聲音、文字、圖像和數(shù)據(jù)結(jié)合的多媒體通信。除了 CT 技術(shù)之外，還有一類是對醫(yī)用顯微技術(shù)的處理分析，如染色體分析、癌細(xì)胞識別等。在氣象預(yù)報(bào)和對太空其它星球研究方面，數(shù)字圖像處理技術(shù)也發(fā)揮了相當(dāng)大的作用?，F(xiàn)在世界各國都在利用陸地衛(wèi)星所獲取的圖像進(jìn)行資源調(diào)查（如森林調(diào)查、海洋泥沙和漁業(yè)調(diào)查、水資源調(diào)查等），災(zāi)害檢測（如病蟲害檢測、水火檢測、環(huán)境污染檢測等），資源勘察（如石油勘查、礦產(chǎn)量探測、大型工程地 理位置勘探分析等），農(nóng)業(yè)規(guī)劃（如土壤營養(yǎng)、水份和農(nóng)作物生長、產(chǎn)量的估算等），城市規(guī)劃（如地質(zhì)結(jié)構(gòu)、水源及環(huán)境分析等）。數(shù)字圖像處理技術(shù)未來應(yīng)用領(lǐng)域主要有以下七個(gè)方面 。 數(shù)字圖像處理的應(yīng)用 圖像是人類獲取和交換信息的主要來源，因 此，圖像處理的應(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面。 可以預(yù)期，數(shù)字圖像處理技術(shù)將經(jīng)歷一個(gè)飛躍發(fā)展的階段，進(jìn)一步深入人民生活，創(chuàng)造新的文化環(huán)境，成為提高生產(chǎn)的自動(dòng)化、智能化水平的基礎(chǔ)科學(xué)之一。 20 世紀(jì) 70 年代末，隨著人工智能的興起和發(fā)展，開始了計(jì)算機(jī)視覺的研究，由 2D圖像獲取 3D 空間信息。 20世紀(jì) 70 年代圖像處理技術(shù)開始用于處理地球衛(wèi)星獲取的遙感圖片，進(jìn)行地質(zhì)資源探測、農(nóng)作物估產(chǎn)、水文氣象檢測等，圖像增強(qiáng)和圖像識別技術(shù)達(dá)到了飛速發(fā)展。1964 年美國噴氣式推進(jìn)實(shí)驗(yàn)室 (JPL)處理衛(wèi)星發(fā)射回來的月球表面的照片使用了圖像處理技術(shù)，如幾何校正、灰度變換、去除噪聲等方法進(jìn)行處理，并考慮了太陽位置和月球環(huán)境的影響，由計(jì)算機(jī)成功地繪制出月球表面地圖，獲得了巨大的成功。 20 世紀(jì) 60 年代中期，隨電子計(jì)算機(jī)的發(fā)展得到普遍應(yīng)用。 東華理工大學(xué)長江學(xué)院畢業(yè)設(shè)計(jì)（論文） 數(shù)字圖像處理 1 1. 數(shù)字圖像處理 數(shù)字圖像處理的發(fā)展 數(shù)字圖像處理（ digital image processing）是用計(jì)算機(jī)對圖像信息進(jìn)行處理的一門技術(shù)，使利用計(jì)算機(jī)對圖像進(jìn)行各種處理的技術(shù)和方法。它避免了人工攝影、沖洗、放大、剪切等繁雜的人工配對工作，實(shí)現(xiàn)了染色體核型分 析的自動(dòng)化、智能化。此外，在 X 光肺部圖像增晰、超聲波圖像處理、心電圖分析、立體定向放射治療等醫(yī)學(xué)診斷方面都廣泛地應(yīng)用圖像處理技術(shù)。 數(shù)字圖像處理在生物醫(yī)學(xué)工程方面的應(yīng)用十分廣泛，而且很有成效。 60年代末，圖像處理技術(shù)不斷完善 ， 逐漸成為一個(gè)新興的學(xué)科。 Filtering。 Edge Detction。最后，用 MATLAB 實(shí)現(xiàn)該算法，實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法 (CMO 算法 )取得比傳統(tǒng)的 Canny 算法更好的邊緣檢測效果。但這些算法均存在對噪聲敏感、不能自適應(yīng)選擇閉值、檢測效果不太理想等缺點(diǎn)。圖像理解和分析的第一步往往就是邊緣檢測，目前它已成為機(jī)器視覺研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位。 江西財(cái)經(jīng)大學(xué) 自學(xué)考試畢業(yè)論文 題 目 圖像邊緣檢測方法研究 專 業(yè) 信息工程 學(xué)生姓名 肖 鵬 準(zhǔn)考證號