【正文】 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(duì)稱軸進(jìn)行填充。 Bernsen方法流程圖 首先讀取原圖像的大小為。設(shè)圖像在像素點(diǎn)處的灰度值為，考慮以像素點(diǎn)為中心的窗口，（表示窗口的邊長），則Bernsen算法可以描述如下：計(jì)算圖像中各個(gè)像素點(diǎn)的閾值 (412)對(duì)圖像中各像素點(diǎn)用值逐點(diǎn)進(jìn)行二值化。 Otsu方法流程圖。其實(shí)，換一種思想也能很好的理解大津方法。記為灰度值為k的頻率，則有： (41)假設(shè)用灰度值t為閾值分割出的目標(biāo)與背景分別為：和，于是目標(biāo)部分比例：， (42)目標(biāo)部分點(diǎn)數(shù)： (43)背景部分比例： (44)背景部分點(diǎn)數(shù)： (45)目標(biāo)均值： (46)背景均值： (47)總均值： (48)大津法指出求圖像最佳閾值g的公式為： (49)該式右邊括號(hào)內(nèi)實(shí)際上就是類間方差值，閾值g分割出的目標(biāo)和背景兩部分構(gòu)成了整幅圖像，而目標(biāo)值，概率為，背景取值，概率為，總均值為，根據(jù)方差的定義即得該式。因方差是灰度分布均勻性的一種度量，方差值越大說明構(gòu)成圖像的兩部分差別越大，當(dāng)部分目標(biāo)點(diǎn)錯(cuò)分為背景或部分背景點(diǎn)錯(cuò)分為目標(biāo)點(diǎn)都會(huì)導(dǎo)致兩部分差別變小，因此使類間方差最大的分割意味著錯(cuò)分概率最小。從最小灰度值到最大灰度值遍歷，當(dāng)使得值 最大時(shí)即為分割的最佳閾值。對(duì)圖像Image，記為目標(biāo)與背景的分割閾值，目標(biāo)像素?cái)?shù)占圖像比例為，平均灰度為；背景像素?cái)?shù)占圖像比例為，平均灰度為。比較典型的局部二值化算法有Bernsen方法、多閾值的梯度強(qiáng)度法、基于紋理圖像的方法、最大方差法等。用這種方法分割后的圖像在不同子圖像的邊界處有灰度的不連續(xù)分布，因此必須采用平滑技術(shù)來消除灰度的不連續(xù)性。當(dāng)照明不均勻、有突發(fā)噪聲，或者背景灰度變化較大時(shí)，局部閾值確定技術(shù)必須根據(jù)像素的坐標(biāo)位置關(guān)系自動(dòng)確定不同閾值，實(shí)施動(dòng)態(tài)的自適應(yīng)二值化處理。但是如果圖像的背景不均勻，或目標(biāo)灰度變化率比較大，全局方法便不再適用。例如可以將原圖像劃分為一些不相交的小塊，將各塊圖像的灰度均值作為該部塊圖像的閾值，在局部上采用上面的整體閾值法。對(duì)于灰度均勻分布的區(qū)域內(nèi)的像素點(diǎn)，這些算子對(duì)其進(jìn)行灰度減弱；對(duì)于在邊緣附近的像素點(diǎn)，這些算子對(duì)其進(jìn)行灰度增強(qiáng)。但此方法依然存在一些不足，主要表現(xiàn)在：若目標(biāo)與背景之間灰度差不明顯，可能出現(xiàn)大塊黑色區(qū)域，甚至丟失整幅圖像的信息；僅利用一維灰度直方圖分布，沒有結(jié)合圖像的空間相關(guān)信息，處理效果不好；當(dāng)圖像中有斷裂現(xiàn)象或者背景有一定噪聲時(shí)，無法得到預(yù)期效果。當(dāng)被分割成的兩類類間方差最大時(shí)，此灰度值就作為圖像二值化處理的閾值。(2) 大津法：又稱最大類間差法，是基于整幅圖像的統(tǒng)計(jì)特性，實(shí)現(xiàn)閾值的自動(dòng)選取。為了滿足圖像處理應(yīng)用系統(tǒng)自動(dòng)化及實(shí)時(shí)性要求，圖像二值化的閾值的選擇最好由計(jì)算機(jī)自動(dòng)來完成。典型的全局閾值方法包括Otsu方法、最大熵方法等。其中全局閾值法又可分為基于點(diǎn)的閾值法和基于區(qū)域的閾值法。它將圖像的每個(gè)像素的灰度值與進(jìn)行比較，若大于，則取為前景色（白色）；否則，取為背景色。灰度圖像的二值化處理有很多種方法，主要分為全局閾值法和局部閾值法。圖像二值化是指用灰度變換來研究灰度圖像的一種常用方法，即設(shè)定某一閾值將灰度圖像的像素分成大于閾值的像素群和小于閾值的像素群兩部分。該算法著重于在圖像二值化時(shí)保留圖像的邊緣特征。針對(duì)幾種常用的圖像二值化自動(dòng)選取閾值方法，通過計(jì)算機(jī)仿真對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了比較研究。實(shí)驗(yàn)驗(yàn)證該方法對(duì)于噪聲干擾的一般質(zhì)量圖像有著良好的效果。一種基于遺傳算法的灰度圖二值化方法研究了遺傳算法在數(shù)字圖像的灰度圖二值化中的應(yīng)用，提出了一種新的灰度圖二值化方法。處理結(jié)果表明，與傳統(tǒng)的幾種方法相比，該方法能夠快速選取良好的二值化閾值，較好地區(qū)分目標(biāo)和背景，在相當(dāng)大模板寬度內(nèi)圖像二值化的結(jié)果都令人滿意。數(shù)碼管圖像的目標(biāo)和背景分離不明顯，直方圖分布較復(fù)雜。圖像處理中閾值法計(jì)算簡單，具有較高的運(yùn)算效率，是圖像分割中廣泛采用的方法，主要分為全局閾值法和局部閾值法。而且可以實(shí)現(xiàn)任意灰度間隔的二值化。該方法不僅在實(shí)現(xiàn)傳統(tǒng)的黑白二值化方面。提出了一種新的圖像二值化方法。經(jīng)實(shí)驗(yàn)證明，該方法既能夠有效地消除光照不均勻?qū)D像的影響，較好地保留目標(biāo)圖像的細(xì)節(jié)，又能夠有效地消除偽影，提高處理速度。針對(duì)在圖像二值化過程中動(dòng)態(tài)選取閾值難的問題，在分析了全局閾值法和局部閾值法各自優(yōu)缺點(diǎn)的基礎(chǔ)上。模擬實(shí)驗(yàn)結(jié)果表明，該方法的二值化效果明顯優(yōu)于Bernsen方法和Otsu方法，且具有良好的適應(yīng)性?；谧越M織特征映射(SOFM)神經(jīng)網(wǎng)絡(luò)的圖像融合二值化方法介紹了SOFM 神經(jīng)網(wǎng)絡(luò)的特點(diǎn)及學(xué)習(xí)算法，根據(jù)SOFM 的聚類確定圖像第一閾值作為循環(huán)迭代的初始值，對(duì)整幅圖像進(jìn)行循環(huán)迭代得到第二閾值，使用第二閾值對(duì)原始圖像進(jìn)行二值化，得到第一幅待融合圖像；通過改進(jìn)的Bernsen方法對(duì)原始圖像進(jìn)行二值化，得到第二幅待融合圖像；最后根據(jù)圖像灰度值選小的原則作為圖像融合方法，得到最終的二值化圖像。該文采用高帽與低帽形態(tài)濾波增強(qiáng)車牌圖像中的字體，去除背景對(duì)圖像的影響，使用基于迭代的圖像分塊二值化算法進(jìn)行二值化。根據(jù)分形維數(shù)反映圖像復(fù)雜程度的定義，通過計(jì)算兩次突變的分維數(shù)，來確定圖像的灰度值范圍，并利用該灰度值范圍確定閾值。為此，研究者提出一種解決辦法，首先使用同態(tài)濾波去掉車牌圖像的不均勻光照的影響，然后使用改進(jìn)的Bernsen 算法對(duì)車牌圖像進(jìn)行二值化。 本方法比其他的傳統(tǒng)的二值化方法更具有自適應(yīng)性和魯棒性，通過大量的實(shí)驗(yàn)數(shù)據(jù)，以及與常用的其他算法進(jìn)行的比較得到了驗(yàn)證。采用信號(hào)匹配的支票圖像二值化提出了一種基于信號(hào)匹配的低信噪比圖像的信號(hào)提取方法，解決類似支票日期域的這種既有復(fù)雜背景，又有印章噪聲干擾的圖像二值化問題。最后將該方法和局部自適應(yīng)閾值二值化方法及改進(jìn)前的方法進(jìn)行比較，可以發(fā)現(xiàn)：采用該方法二值化效果有了明顯提高，對(duì)于不同質(zhì)量的指紋圖像有著令人滿意的處理效果。由于指紋圖像是一種方向性很強(qiáng)的圖像，這些方法僅僅利用了指紋圖像的灰度信息，而忽略了指紋圖像的方向信息，因此這些方法對(duì)指紋圖像的二值化效果并不十分理想。在自動(dòng)指紋識(shí)別系統(tǒng)中,指紋圖像的預(yù)處理是正確進(jìn)行特征提取、比對(duì)等操作的基礎(chǔ),而二值化是指紋圖像預(yù)處理中必不可少的一步。在信息社會(huì)中人的身份識(shí)別得到廣泛關(guān)注?，F(xiàn)實(shí)世界中黑白二值圖像很少用，大多數(shù)圖像都是灰度圖像或是彩色圖像。激光雕刻中圖像處理的二值化處理激光雕刻是近十幾年隨著激光技術(shù)的發(fā)展而產(chǎn)生的一種新的雕刻技術(shù)，它與計(jì)算機(jī)圖形學(xué)、圖像處理等學(xué)科的結(jié)合，應(yīng)用在各種材料上進(jìn)行文字、圖案加工。研究者對(duì)圖像二值化方法進(jìn)行了討論，在此基礎(chǔ)上提出了一個(gè)新的圖像二值化算法。在不同的應(yīng)用中，圖像二值化時(shí)閾值的選擇是不同的。在顆粒分析、模式識(shí)別技術(shù)、光學(xué)字符識(shí)別(OCR)、醫(yī)學(xué)數(shù)據(jù)可視化中的切片配準(zhǔn)等應(yīng)用中，圖像二值化是它們進(jìn)行數(shù)據(jù)預(yù)處理的重要技術(shù)。研究者在分析和討論了多種圖像二值化的優(yōu)缺點(diǎn)后，在吸取各種方法優(yōu)點(diǎn)的基礎(chǔ)上，提出了一種新的身份證掃描圖像的二值化方法——嵌入式多閾值動(dòng)態(tài)自適應(yīng)的二值化方法。必須經(jīng)過預(yù)處理，除去大量的噪聲信號(hào)，才能更好的進(jìn)行字符的定位、分割，以及識(shí)別。 二值化方法研究動(dòng)態(tài)作為一種高效智能的人機(jī)交互手段，身份證的快速識(shí)別技術(shù)可以廣泛的應(yīng)用于公民身份核查、暫住人口調(diào)查、旅店業(yè)登記核查、罪犯追逃等公安業(yè)務(wù)當(dāng)中，大大提高了工作人員的錄入速度，減少了用戶的等待時(shí)間，提高了工作效率。依次類推，最后得到的是最上面的最右邊的一個(gè)像素。下面有兩點(diǎn)值得注意：(1) 每一行的字節(jié)數(shù)必須是4的整倍數(shù)，如果不是，則需要補(bǔ)齊。對(duì)于16色位圖，用4位就可以表示一個(gè)像素的顏色，所以一個(gè)字節(jié)可以表示2個(gè)像素。下面就2色、16色、128色和真彩色位圖分別介紹。數(shù)組中每個(gè)元素的類型是一個(gè)RGBQUAD結(jié)構(gòu)，占4個(gè)字節(jié)，其定義如下：typedef struct tagRGBQUAD { BYTE rgbBlue；BYTE rgbGreen；BYTE rgbRed；BYTE rgbReserved；} RGBQUAD；第四部分就是實(shí)際的圖像數(shù)據(jù)。真彩色圖像是不需要調(diào)色板的，BITMAPINFOHEADER后直接是位圖數(shù)據(jù)。由于RLE4和RLE8的壓縮格式用的不多，一般僅討論biCompression的有效值為BI_RGB，即不壓縮的情況。 WORD biPlanes；WORD biBitCount； DWORD biCompression； DWORD biSizeImage；LONG biXPelsPerMeter；LONG biYPelsPerMeter；DWORD biClrUsed；DWORD biClrImportant；} BITMAPINFOHEADER；這個(gè)結(jié)構(gòu)的長度是固定的，為40個(gè)字節(jié)(LONG為32位二進(jìn)制整數(shù))。 BMP圖像文件結(jié)構(gòu)文件部分屬 性說 明BITMAPFILEHEADER(位圖文件頭)bfType文件類型，必須是0x424D，即字符串 “BM”bfSize指定文件大小，包括這14個(gè)字節(jié)bfReservered1保留字，不用考慮bfReservered2保留字，不用考慮bfOffBits從文件頭到實(shí)際位圖數(shù)據(jù)的偏移字節(jié)數(shù)BITMAPINFOHEADER(位圖信息頭)biSize該結(jié)構(gòu)長度，為40biWidth圖像的寬度，單位是像素biHeight圖像的高度，單位是像素biplanes位平面數(shù)，必須是1，不用考慮biBitCount指定顏色位數(shù)，1為二值，4為16色，8為128色，16，232為真彩色biCompression指定是否壓縮，有效的值為BI_RGB，BI_RLE8，BI_RLE4，BI_BITFIELDSbiSizeImage實(shí)際的位圖數(shù)據(jù)占用的字節(jié)數(shù)biXPelsPerMeter目標(biāo)設(shè)備水平分辨率，單位是每米的像素?cái)?shù)biYPelsPerMeter目標(biāo)設(shè)備垂直分辨率，單位是每米的像素?cái)?shù)biClrUsed實(shí)際使用的顏色數(shù)，若該值為0，則使用顏色數(shù)為2的biBitCount次方種biClrImportant圖像中重要的顏色數(shù)，若該值為0，則所有的顏色都是重要的Palette(調(diào)色板)rgbBlue該顏色的藍(lán)色分量rgbGreen該顏色的綠色分量rgbRed該顏色的紅色分量rgbReserved保留字ImageData(位圖數(shù)據(jù))按像素按行優(yōu)先順序排序，每一行的字節(jié)數(shù)必須是4的整倍數(shù)第一部分為位圖文件頭BITMAPFILEHEADER，它是個(gè)結(jié)構(gòu)體，其定義如下：typedef struct tagBITMAPFILEHEADER { WORD bfType；DWORD bfSize；WORD bfReserved1；WORD bfReserved2；DWORD bfOffBits；} BITMAPFILEHEADER；這個(gè)結(jié)構(gòu)的長度是固定的，為14個(gè)字節(jié)(WORD為無符號(hào)16位二進(jìn)制整數(shù)，DWORD為無符號(hào)32位二進(jìn)制整數(shù))。BMP(Bitmap Picture)文件格式是Windows系統(tǒng)交換圖形、圖像數(shù)據(jù)的一種標(biāo)準(zhǔn)格式。除以上基本圖像處理功能，MATLAB還提供了如二值圖像的膨脹運(yùn)算dilate()函數(shù)、腐蝕運(yùn)算erode()函數(shù)等基本數(shù)學(xué)形態(tài)學(xué)與二值圖像的操作函數(shù)。(4) 圖像變換功能圖像變換技術(shù)是圖像處理的重要工具，常運(yùn)用于圖像壓縮、濾波、編碼和后續(xù)的特征抽取或信息分析過程。MATLAB工具箱提供的edge()函數(shù)可針對(duì)sobel算子、prewitt算子、Roberts算子、log算子和canny算子實(shí)現(xiàn)邊緣檢測的功能。對(duì)這種變化最有用的兩個(gè)特征就是灰度的變化率和方向。(3) 邊緣檢測和圖像分割功能邊緣檢測是一種重要的區(qū)域處理方法，邊緣是所要提取目標(biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開來。而銳化技術(shù)采用的是頻域上的高通濾波方法，通過增強(qiáng)高頻成分而減少圖像中的模糊，特別是模糊的邊緣部分得到了增強(qiáng)，但同時(shí)也放大了圖像的噪聲。平滑技術(shù)用于平滑圖像中的噪聲，基本采用在空間域上的求平均值或中值，或在頻域上采取低通濾波。照片或電子方法得到的圖像，常表現(xiàn)出低對(duì)比度即整個(gè)圖像較亮或較暗，為此需要對(duì)圖像中的每一像素的灰度級(jí)進(jìn)行標(biāo)度變換，擴(kuò)大圖像灰度范圍，以達(dá)到改善圖像質(zhì)量的目的。直方圖均衡化可用histeq()函數(shù)實(shí)現(xiàn)。常用的圖像增強(qiáng)方法有以下幾種：灰度直方圖均衡化。imcrop()對(duì)圖像進(jìn)行剪裁，圖像的插值縮放可用imresize()函數(shù)實(shí)現(xiàn)，旋轉(zhuǎn)用imrotate()實(shí)現(xiàn)。 工具箱實(shí)現(xiàn)的常用功能就圖像處理的基本過程討論工具箱所實(shí)現(xiàn)的常用功能。MATLAB圖像處理工具箱支持四種圖像類型，分別為真彩色圖像、索引圖像、灰度圖像、二值圖像，由于有的函數(shù)對(duì)圖像類型有限制，這四種類型可以用工具箱的類型轉(zhuǎn)換函數(shù)相互轉(zhuǎn)換。(5) 對(duì)M文件編輯器(MEditor)進(jìn)行了功能增強(qiáng)，可以支持多種格式的源代碼文件可視化編輯，如C/C++、HTML、Java等。(3) 在當(dāng)前目錄瀏覽器(Current Directory Browser)工具中，增加了代碼效率分析、覆蓋度的分析等功能。就其開發(fā)環(huán)境方面來說：(1) 重