字符圖像識(shí)別系統(tǒng)的預(yù)處理算法設(shè)計(jì)與實(shí)現(xiàn)畢業(yè)論文

1、<p>　　全日制普通本科生畢業(yè)設(shè)計(jì)</p><p>　　字符圖像識(shí)別系統(tǒng)的預(yù)處理算法設(shè)計(jì)與實(shí)現(xiàn) </p><p>　　DESIGN AND IMPLEMENTATION OF PRE-PROCESSING ALGORITHM ON CHARACTER IMAGE RECOGNITION SYSTEM</p><p><b>　　目

2、 錄</b></p><p><b>　　摘 要1</b></p><p><b>　　關(guān)鍵詞1</b></p><p><b>　　1前言2</b></p><p><b>　　1.1研究意義2</b></p>&l

3、t;p>　　1.2國(guó)內(nèi)外研究現(xiàn)狀2</p><p>　　2 MATLAB軟件與圖像預(yù)處理4</p><p>　　2.1 MATLAB簡(jiǎn)述4</p><p>　　2.2 MATLAB軟件與圖像預(yù)處理5</p><p>　　2.2.1 MATLAB處理圖像的特點(diǎn)6</p><p>　　2.2.2 MATLA

4、B在圖像方面的應(yīng)用6</p><p><b>　　3預(yù)處理介紹7</b></p><p>　　3.1圖像灰度化7</p><p>　　3.1.1灰度的概念7</p><p>　　3.1.2圖像灰度化介紹7</p><p>　　3.1.3圖像灰度化的常用方法8</p>&l

5、t;p>　　3.2 圖像增強(qiáng)9</p><p>　　3.2.1灰度變換9</p><p>　　3.2.2直方圖變換11</p><p>　　3.3圖像平滑去噪12</p><p>　　3.3.1圖像噪聲12</p><p>　　3.3.2平滑去噪常用方法14</p><p>　

6、　3.4圖像二值化18</p><p>　　3.4.1圖像二值化介紹18</p><p>　　3.4.1圖像二值化常用方法18</p><p>　　4算法設(shè)計(jì)與實(shí)現(xiàn)19</p><p>　　4.1總體設(shè)計(jì)19</p><p>　　4.2具體代碼20</p><p>　　4.3具體實(shí)例

7、23</p><p>　　4.3.1實(shí)例一23</p><p>　　4.3.1實(shí)例二25</p><p><b>　　5總結(jié)27</b></p><p><b>　　參考文獻(xiàn)28</b></p><p><b>　　致 謝29</b>&

8、lt;/p><p>　　字符圖像識(shí)別系統(tǒng)的預(yù)處理算法設(shè)計(jì)與實(shí)現(xiàn)</p><p>　　摘 要：在圖像處理的過(guò)程中，由于獲取圖像的工具或手段的影響，使獲取圖像無(wú)法完全體現(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。常用的圖像預(yù)處理手段包括圖像大小的修改、圖像濃度的擴(kuò)展，圖像由彩色差到灰

9、度的轉(zhuǎn)變、圖像二值化、圖像的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，著重討論了灰度直方圖的構(gòu)建、直方圖均衡、圖像平滑、圖像二值化和噪聲處理的原理及實(shí)現(xiàn)方法，并用MATLAB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。</p><p>　　關(guān)鍵詞：圖像預(yù)處理；圖像增強(qiáng)；平滑去噪；中值濾波</p><p>　　Design and Implemen

10、tation of Pre-Processing Algorithm on Character Image Recognition System</p><p>　　Abstract: In the process of image processing, due to the affection of image tools, the acquisition image can't reflect th

11、e original image information completely. Therefore, to improve image data, inhibit deformation and enhance image characteristics is very important in image processing.Common image preprocessing method include the image s

12、ize modification, the image thickness expansion, changing color image to gray, image gray-scale binary, image sharpening and the image smooth processing. Based</p><p><b>　　1 前言</b></p>&l

13、t;p><b>　　1.1 研究意義</b></p><p>　　視覺(jué)是人類(lèi)感覺(jué)中最高級(jí)的，而圖像又在人類(lèi)的感知中起著重要的作用。圖像作為一種重要的信息源，通過(guò)對(duì)圖像的處理和預(yù)處理可以幫助我們了解信息的內(nèi)涵，增強(qiáng)對(duì)信息的把握度，然而圖像容易受到損壞或噪聲污染，失去原來(lái)的信息，因此圖像預(yù)處理就是在這一需求下應(yīng)運(yùn)而生的。圖像預(yù)處理作為圖像處理的重要組成部分，對(duì)于人們獲得貨真價(jià)實(shí)的圖像信息

14、以及復(fù)原圖像本來(lái)的面目具有決定性的作用[1]。圖像預(yù)處理顧名思義就是在圖像分析中，對(duì)我們輸入的圖像進(jìn)行特征抽取、分割及匹配前所進(jìn)行的處理。進(jìn)行圖像預(yù)處理主要目的是為了消除圖像中無(wú)關(guān)緊要的信息，恢復(fù)有用的真實(shí)的信息，增強(qiáng)相關(guān)信息的可檢測(cè)性和最大限度地簡(jiǎn)化我們需要的數(shù)據(jù)，從而增加特征抽取、圖像分割、匹配和識(shí)別等后續(xù)圖像處理步驟的可靠性[2]。因此對(duì)圖像進(jìn)行預(yù)處理就成了人們獲得圖像信息的首要解決的事情，然而人們對(duì)于圖像預(yù)處理的知識(shí)了解不是很多

15、，而且圖像預(yù)處理方法繁多，單單就平滑處理來(lái)說(shuō)就有好多種方法，它們相比有哪些優(yōu)缺點(diǎn)，以及中值濾波有何改進(jìn)之處，這就是本文要探討和研究的地方[3]。圖像預(yù)處理是一個(gè)廣闊的學(xué)科，應(yīng)用廣，分類(lèi)細(xì)，但是遠(yuǎn)遠(yuǎn)不能滿(mǎn)足社會(huì)當(dāng)今的需求，需要不斷的完善和發(fā)展</p><p>　　1.2 國(guó)內(nèi)外研究現(xiàn)狀</p><p>　　對(duì)于獲取來(lái)的靜態(tài)圖像做的一個(gè)去噪處理過(guò)程，增強(qiáng)等處理的過(guò)程即是圖像的預(yù)處理過(guò)程。在實(shí)

16、際應(yīng)用中，各種因素都可能對(duì)拍攝的圖像產(chǎn)生影響，例如天氣好壞，光線強(qiáng)弱或者人為因素，以及設(shè)備使用時(shí)間過(guò)長(zhǎng)等。為了能最大程度減少外界干擾對(duì)于整個(gè)系統(tǒng)的影響，應(yīng)該在車(chē)牌定位以前將圖像中的干擾和噪聲濾除[5]。有些研究者專(zhuān)門(mén)針對(duì)圖像的預(yù)處理階段提出了一些算法，例如，李戰(zhàn)明等人提出了一種圖像預(yù)處理算法，該算法分四個(gè)步驟來(lái)逐步實(shí)現(xiàn)對(duì)圖像的去噪和增強(qiáng)操作，處理步驟包括尺寸歸一化，中值濾波，圖像增強(qiáng)以及二值化，在原有理論研究的基礎(chǔ)上引入了一些新思想和新

17、方法[1]。董玲嬌等人提出了一種新的圖像預(yù)處理算法，該算法充分考慮由于各種原因造成的圖像歪斜、模糊或缺損等情況，具有較好的處理效果[4]。也有一些研究者考慮先通過(guò)用形態(tài)運(yùn)算來(lái)過(guò)濾掉圖像的背景信息，因?yàn)閳D像的背景信息對(duì)于車(chē)牌的定位以及后續(xù)環(huán)節(jié)無(wú)關(guān)緊要，去掉背景信息還可以提高處理的效率，使用該種方法的研究者例如朱光忠等人提出了一種基于多尺度Top-Hat算子的圖像預(yù)處理算法，該算法針對(duì)不同的圖像模塊引入不同尺度結(jié)構(gòu)元素來(lái)對(duì)圖像進(jìn)行處理，取得

18、了較好的效果[5]。以上列舉出來(lái)的部</p><p>　　隨著計(jì)算機(jī)和人工智能的迅速發(fā)展，數(shù)字圖像處理技術(shù)向著更高、更深的層次發(fā)展。人們開(kāi)始研究如何利用計(jì)算機(jī)系統(tǒng)的解釋處理圖像，這類(lèi)被稱(chēng)為圖像理解或者計(jì)算機(jī)視覺(jué)。發(fā)達(dá)國(guó)家投入了大量的人力物力來(lái)研究這項(xiàng)技術(shù)，取得了不少重要的成果，其中比較有代表性的成果是70年代Marr提出的視覺(jué)計(jì)算理論，此理論成為計(jì)算機(jī)視覺(jué)領(lǐng)域的主導(dǎo)思想[6]。當(dāng)前，由于計(jì)算機(jī)技術(shù)的飛速發(fā)展，圖像

19、處理總的發(fā)展研究趨勢(shì)是以數(shù)字處理為主。數(shù)字圖像處理實(shí)質(zhì)上是計(jì)算機(jī)技術(shù)、信息論和信號(hào)處理相結(jié)合的綜合性應(yīng)用學(xué)科，與其它學(xué)科有著密切的關(guān)系。圖像去噪就是數(shù)字圖像處理技術(shù)中的重要技術(shù)之一。近些年，國(guó)內(nèi)外發(fā)表的數(shù)字圖像預(yù)處理方面的論文提出了很多卓有成效的對(duì)圖像處理的模型或方法，其中最主要的是圖像去噪，圖像去噪的方法從不同處理域的角度可以劃分空域和頻域兩種處理方法：前者是在圖像本身存在的二維空間里對(duì)其進(jìn)行處理；而后者則是用一組正交函數(shù)系來(lái)逼近原信

20、號(hào)函數(shù)，獲得相應(yīng)的系數(shù)，將對(duì)原信號(hào)的分析轉(zhuǎn)化到了系數(shù)空間域，即頻域中進(jìn)行[7]。空間域的線性濾波算法理論發(fā)展較為成熟，數(shù)字分析簡(jiǎn)單，對(duì)濾除與信號(hào)不相關(guān)的隨機(jī)噪聲效果顯著，但是它本身存在著明顯的缺陷，如需</p><p>　　1.3 論文安排及主要研究問(wèn)題</p><p>　　第一章為緒論，首先闡述了本論文的研究目的和意義，然后介紹圖像預(yù)處理技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀，最后給出了本論文的主要工作

21、安排及結(jié)構(gòu)。第二章介紹MATLAB軟件，以及MATLAB對(duì)圖像處理的幾種基本方法。第三章進(jìn)行圖像灰度化設(shè)計(jì)。第四章進(jìn)行圖像增強(qiáng)。第五章重點(diǎn)介紹圖像平滑濾波技術(shù)，圍繞平滑濾波的分類(lèi)重點(diǎn)介紹了均值濾波、高斯濾波、中值濾波及頻域低通濾波等幾個(gè)方法的原理以及算法流程圖，并且分析各個(gè)算法的優(yōu)缺點(diǎn)。第六章主要介紹圖像灰度化，以及灰度化算法的。最后一章是對(duì)論文的主要工作進(jìn)行了總結(jié)，并找到不足之處及改進(jìn)的方向。</p><p>

22、　　2 MATLAB軟件與圖像預(yù)處理</p><p>　　2.1 MATLAB簡(jiǎn)述</p><p>　　MATLAB是矩陣實(shí)驗(yàn)室（Matrix Laborator）的簡(jiǎn)稱(chēng)，是美國(guó)MathWorks公司出品的商業(yè)數(shù)學(xué)軟件，用于算法開(kāi)發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級(jí)技術(shù)計(jì)算語(yǔ)言和交互式環(huán)境，主要包括MATLAB和Simulink兩大部分。</p><p>

23、　　MATLAB是由美國(guó)mathworks公司發(fā)布的主要面對(duì)科學(xué)計(jì)算、可視化以及交互式程序設(shè)計(jì)的高科技計(jì)算環(huán)境。它將數(shù)值分析、矩陣計(jì)算、科學(xué)數(shù)據(jù)可視化以及非線性動(dòng)態(tài)系統(tǒng)的建模和仿真等諸多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中，為科學(xué)研究、工程設(shè)計(jì)以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計(jì)語(yǔ)言（如C、Fortran）的編輯模式，代表了當(dāng)今國(guó)際科學(xué)計(jì)算軟件的先進(jìn)水平。MathWo

24、rks公司針對(duì)不同領(lǐng)域的應(yīng)用，推出了信號(hào)處理，控制系統(tǒng)，神經(jīng)網(wǎng)絡(luò)，圖像處理，小波分析，魯棒控制，非線性系統(tǒng)控制設(shè)計(jì)，系統(tǒng)辨識(shí)，優(yōu)化設(shè)計(jì)，統(tǒng)計(jì)分析，財(cái)政金融，樣條，通信等30多個(gè)具有專(zhuān)門(mén)功能的工具箱，這些工具箱是由該領(lǐng)域內(nèi)的學(xué)術(shù)水平較高的專(zhuān)家編寫(xiě)的，無(wú)需用戶(hù)自己編寫(xiě)所用的專(zhuān)業(yè)基礎(chǔ)程序，可直接對(duì)工具箱進(jìn)行運(yùn)用。同時(shí)，工具箱內(nèi)的函數(shù)源程序也是開(kāi)放性的，多為M文件，用戶(hù)可以查看這些文件的代碼并進(jìn)行更改，MALAB支持用戶(hù)對(duì)其函數(shù)進(jìn)行二次開(kāi)發(fā)，用

25、戶(hù)的應(yīng)用程序也可以作為新的函數(shù)添加到相應(yīng)的工具箱中。MATLAB中的數(shù)字圖像是以矩陣形式表示的，這意味著MATLAB強(qiáng)大的矩</p><p>　　MATLAB和Mathematica、Maple并稱(chēng)為三大數(shù)學(xué)軟件。它在數(shù)學(xué)類(lèi)科技應(yīng)用軟件中在數(shù)值計(jì)算方面首屈一指。MATLAB可以進(jìn)行矩陣運(yùn)算、繪制函數(shù)和數(shù)據(jù)、實(shí)現(xiàn)算法、創(chuàng)建用戶(hù)界面、連接其他編程語(yǔ)言的程序等，主要應(yīng)用于工程計(jì)算、控制設(shè)計(jì)、信號(hào)處理與通訊、圖像處理、信

26、號(hào)檢測(cè)、金融建模設(shè)計(jì)與分析等領(lǐng)域。</p><p>　　MATLAB的基本數(shù)據(jù)單位是矩陣，它的指令表達(dá)式與數(shù)學(xué)、工程中常用的形式十分相似，故用MATLAB來(lái)解算問(wèn)題要比用C，F(xiàn)ORTRAN等語(yǔ)言完成相同的事情簡(jiǎn)捷得多，并且MATLAB也吸收了像Maple等軟件的優(yōu)點(diǎn)，使MATLAB成為一個(gè)強(qiáng)大的數(shù)學(xué)軟件。在新的版本中也加入了對(duì)C，F(xiàn)ORTRAN，C++ ，JAVA的支持?？梢灾苯诱{(diào)用，用戶(hù)也可以將自己編寫(xiě)的實(shí)用程

27、序?qū)氲組ATLAB函數(shù)庫(kù)中方便自己以后調(diào)用，此外許多的MATLAB愛(ài)好者都編寫(xiě)了一些經(jīng)典的程序，用戶(hù)可以直接進(jìn)行下載就可以用。</p><p>　　2.2 MATLAB軟件與圖像預(yù)處理</p><p>　　MATLAB最突出的功能就是簡(jiǎn)潔，用更直觀的符合人們思維的代碼代替了C和VC++的冗長(zhǎng)的代碼，給用于帶來(lái)了最直觀最簡(jiǎn)潔的程序開(kāi)發(fā)環(huán)境。而且MATLAB的圖形功能很強(qiáng)大，在MATLAB

28、里數(shù)據(jù)的可視化非常簡(jiǎn)單，MATLAB還具有較強(qiáng)的編輯圖形界面的能力。MATLAB的另一大特色是功能強(qiáng)大的工具箱。MATLAB軟件里包含兩部分：核心部分和各種可自由選取的工具箱。核心部分則有數(shù)百個(gè)內(nèi)部函數(shù)，工具箱又分為兩個(gè)方面：功能性工具箱和學(xué)科性工具箱。前者用來(lái)擴(kuò)充符號(hào)計(jì)算功能，圖像建模仿真功能，文字處理功能和硬件實(shí)時(shí)交互功能等?？梢钥闯龉δ苄怨ぞ呦溆糜诙喾N類(lèi)型的學(xué)科，而學(xué)科性工具箱是比較專(zhuān)業(yè)性的工具箱，如signl processin

29、g toolbox，communication toolbox等等，所以用戶(hù)可以不編寫(xiě)自己學(xué)科內(nèi)的基礎(chǔ)性程序，直接進(jìn)行高端的程序研究。在上述工具箱中，圖像處理工具包是由一系列支持圖像處理操作的函數(shù)構(gòu)成的，所支持的圖像操作有：圖像幾何操作，鄰域操作、圖像變換、圖像增強(qiáng)與恢復(fù)、線性濾波和濾波器的設(shè)計(jì)與實(shí)現(xiàn)等等。</p><p>　　2.2.1 MATLAB處理圖像的特點(diǎn)</p><p>　　

30、（1）MATLAB的基本數(shù)據(jù)單位是矩陣，它的指令表達(dá)式與數(shù)學(xué)，工程中常用的形式十分相似，故用MATLAB來(lái)解算問(wèn)題要比用C，F(xiàn)ORTRAN等語(yǔ)言完成相同的事情簡(jiǎn)捷得多。</p><p>　?。?）友好的工作平臺(tái)和編程環(huán)境。MATLAB由一系列工具組成。這些工具方便用戶(hù)使用MATLAB的函數(shù)和文件，其中許多工具采用的是圖形用戶(hù)界面。包括MATLAB桌面和命令窗口、歷史命令窗口、編輯器和調(diào)試器、路徑搜索和用于用戶(hù)瀏覽

31、幫助、工作空間、文件的瀏覽器。</p><p>　?。?）簡(jiǎn)單易用的程序語(yǔ)言。MATLAB一個(gè)高級(jí)的距陣/陣列語(yǔ)言，它包含控制語(yǔ)句、函數(shù)、數(shù)據(jù)結(jié)構(gòu)、輸入和輸出和面向?qū)ο缶幊烫攸c(diǎn)。用戶(hù)可以在命令窗口中將輸入語(yǔ)句與執(zhí)行命令同步，也可以先編寫(xiě)好一個(gè)較大的復(fù)雜的應(yīng)用程序(M文件)后再一起運(yùn)行。</p><p>　　（4）強(qiáng)大的科學(xué)計(jì)算機(jī)數(shù)據(jù)處理能力。MATLAB是一個(gè)包含大量計(jì)算算法的集合。其擁有

32、600多個(gè)工程中要用到的數(shù)學(xué)運(yùn)算函數(shù)，可以方便的實(shí)現(xiàn)用戶(hù)所需的各種計(jì)算功能。</p><p>　　（5），出色的圖形處理功能，MATLAB自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和距陣用圖形表現(xiàn)出來(lái)，并且可以對(duì)圖形進(jìn)行標(biāo)注和打印。高層次的作圖包括二維和三維的可視化、圖象處理、動(dòng)畫(huà)和表達(dá)式作圖?？捎糜诳茖W(xué)計(jì)算和工程繪圖。</p><p>　?。?），應(yīng)用廣泛的模塊集合工具箱，MATL

33、AB對(duì)許多專(zhuān)門(mén)的領(lǐng)域都開(kāi)發(fā)了功能強(qiáng)大的模塊集和工具箱。一般來(lái)說(shuō)，他們都是由特定領(lǐng)域的專(zhuān)家開(kāi)發(fā)的，用戶(hù)可以直接使用工具箱學(xué)習(xí)、應(yīng)用和評(píng)估不同的方法而不需要自己編寫(xiě)代碼。</p><p>　　2.2.2 MATLAB在圖像方面的應(yīng)用</p><p>　?。?）圖像文件格式的讀入和寫(xiě)出。MATLAB提供了圖像讀入函數(shù) imread()，用來(lái)讀取各種各樣的文件，如bmp、pcx、jgpeg 、h

34、df、xwd等格式的圖像。MATLAB還提供了圖像寫(xiě)出函數(shù)imwrite()，另外還有圖像顯示函數(shù) image()、imshow()。</p><p>　?。?）圖像處理相關(guān)的基本運(yùn)算。MATLAB提供了圖像線性運(yùn)算以及卷積、相關(guān)、濾波等非線性算。例如，用函數(shù)conv2(A，B)實(shí)現(xiàn)了A，B兩幅圖像的卷積運(yùn)算。</p><p>　?。?）圖像變換。圖像變換技術(shù)是圖像處理的重要工具，常運(yùn)用于

35、圖像壓縮、濾波、編碼和后續(xù)的特征抽取或信息分析過(guò)程。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(shí)現(xiàn)二維快速傅立葉變換與其逆變換，dct2()與idct2()函數(shù)實(shí)現(xiàn)二維離散余弦變換與其逆變換，Radon()與iradon()函數(shù)實(shí)現(xiàn)Radon變換與逆Radon變換。</p><p>　?。?）平滑與銳化濾波。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?；蛟陬l

36、域上采取低通濾波，因在灰度連續(xù)變化的圖像中，我們通常認(rèn)為與相鄰像素灰度相差很大的突變點(diǎn)為噪聲點(diǎn)，灰度突變代表了一種高頻分量，低通濾波則可以削弱圖像的高頻成分，平滑了圖像信號(hào)，但也可能使圖像目標(biāo)區(qū)域的邊界變得模糊。而銳化技術(shù)采用的是頻域上的高通濾波方法，通過(guò)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。在MATLAB中，各種濾波方法都是在空間域中通過(guò)不同的軍紀(jì)模板即濾波算子實(shí)現(xiàn)，可用fspeci

37、al()函數(shù)創(chuàng)建預(yù)定義的濾波算子，然后用filter2()或conv2()函數(shù)在實(shí)現(xiàn)卷積運(yùn)算的基礎(chǔ)上進(jìn)行濾波。</p><p>　　以上所提到的 MATLAB軟件在圖像中的各種處理應(yīng)用都是通過(guò)相應(yīng)的MATLAB函數(shù)來(lái)實(shí)現(xiàn)的，因此使用時(shí)，只需正確調(diào)用相應(yīng)的函數(shù)并輸入?yún)?shù)即可。</p><p><b>　　3 預(yù)處理介紹</b></p><p>

38、　　3.1 圖像灰度化</p><p>　　3.1.1 灰度的概念</p><p>　　首先了解一下灰度的基本概念，灰度用黑色調(diào)來(lái)表示物體，每個(gè)灰度對(duì)象有0%（白色）至 100%（黑色）的范圍值，通常用灰度來(lái)表示黑白或灰度掃描儀生成的圖像。另外使用灰度還能將彩色的圖像轉(zhuǎn)換為高質(zhì)量的黑白圖像，此時(shí)制圖軟件將會(huì)把原圖像的所有顏色信息丟棄。而我們所說(shuō)的灰度色，就是指純白、純黑及兩者的一系列從

39、黑到白的過(guò)渡顏色。平常所說(shuō)的黑白照片、電視，實(shí)際上都應(yīng)稱(chēng)為灰度照片、灰度電視才準(zhǔn)確。灰度共有256個(gè)級(jí)別，灰度最高的相當(dāng)于最高的黑，那就是純黑?；叶茸畹偷南喈?dāng)于最低的黑，也就是沒(méi)有黑，就是純白。當(dāng)把像素量化以后，用一個(gè)字節(jié)表示像素的大小。如果把黑-灰-白連續(xù)多種變化的灰度值也量化為256個(gè)灰度級(jí)，則灰度值的范圍大小為0到255，表示的含義是亮度從深到淺，相對(duì)應(yīng)的圖像中的顏色則是從黑到白[11]。所以黑白照片里包含了黑白之間的所有灰度值，

40、每個(gè)像素都在黑和白之間的256種灰度中包含著。</p><p>　　3.1.2 圖像灰度化介紹</p><p>　　將彩色的圖像轉(zhuǎn)化灰度圖像的過(guò)程叫做圖像灰度化，由于彩色圖像的每個(gè)像素的顏色由R、G、B三個(gè)分量組成，即紅、綠、藍(lán)三種顏色。每種顏色都有255中灰度值可以去，而灰度圖像則是R、G、B三個(gè)分量灰度值相同的一種特殊的圖像，所以在數(shù)字圖像處理過(guò)程中將彩色圖像轉(zhuǎn)換成灰度圖像后就會(huì)使后

41、續(xù)的圖像處理時(shí)的計(jì)算量變得相對(duì)很少，這也就是圖像灰度化的原因。而且灰度圖像對(duì)圖像特征的描述與彩色圖像沒(méi)有什么區(qū)別，仍能反應(yīng)整個(gè)圖像的整體和局部的亮度和色度特征?，F(xiàn)在大部分的彩色圖像都是采用RGB顏色模式，處理圖像的時(shí)候，要分別對(duì)RGB三種分量進(jìn)行處理，實(shí)際上RGB并不能反映圖像的形態(tài)特征，只是從光學(xué)的原理上進(jìn)行顏色的調(diào)配[12]。所以人們?cè)谶M(jìn)行圖像處理和預(yù)處理時(shí)都會(huì)先進(jìn)行圖像的灰度化處理，方便對(duì)圖像的后續(xù)化處理，減少圖像的復(fù)雜度和信息處

42、理量。</p><p>　　3.1.3 圖像灰度化的常用方法</p><p>　　彩色圖像RGB模型中，如果R=G=B，則彩色表示一種灰度顏色，其中這個(gè)值叫灰度值，所以灰度圖像每個(gè)像素用一個(gè)字節(jié)存放灰度值（亮度值），一般有四種方法對(duì)彩色圖進(jìn)行灰度化：</p><p>　?。?）取分量法。分量法是一種比較簡(jiǎn)單的圖像灰度化的方法。在彩色空間中，圖像的每一個(gè)像素點(diǎn)都同時(shí)

43、有幾個(gè)不同的分量，如果每一個(gè)分量都有8bit來(lái)表示，那么每一個(gè)分量共有256個(gè)顏色變化值。分量法的原理即是選取像素點(diǎn)中的某一個(gè)分量來(lái)代替該像素點(diǎn)，因此就完成了圖像的灰度化。此種方法過(guò)程簡(jiǎn)單，只需簡(jiǎn)單的計(jì)算過(guò)程即可將彩色圖像灰度化，但也有一定的缺點(diǎn)和不足，如果對(duì)于所有彩色圖像都采用該方法來(lái)進(jìn)行灰度化，同樣不能滿(mǎn)足系統(tǒng)的要求，因?yàn)楝F(xiàn)實(shí)環(huán)境中的彩色圖像應(yīng)用的領(lǐng)域不同，其對(duì)圖像灰度化的質(zhì)量也會(huì)有不同的要求。</p><p&g

44、t;　　（2）取最大值法。最大值法的原理是選取每一個(gè)像素點(diǎn)的所有分量中最大的分量來(lái)代替該像素點(diǎn)，從而達(dá)到圖像灰度化的目的。這種方法同樣比較簡(jiǎn)單，沒(méi)有復(fù)雜的計(jì)算過(guò)程，因此可以在較短的時(shí)間內(nèi)就可以得到彩色圖像的灰度化圖像。</p><p>　?。?）平均值法。由于彩色圖像每一個(gè)像素點(diǎn)都同時(shí)有幾個(gè)不同的分量，因此平均值法的原理是將每一個(gè)像素點(diǎn)的所有分量的平均值作為當(dāng)前像素點(diǎn)的像素值。例如在RGB色彩空間，每一個(gè)像素點(diǎn)都

45、包含R、 G、 B三分量，利用R、 G、 B三分量的平均值來(lái)替代該像素。該方法是一種簡(jiǎn)單的灰度化方法，整個(gè)過(guò)程無(wú)需復(fù)雜的計(jì)算。</p><p>　?。?）加權(quán)平均值法。根據(jù)三個(gè)分量的重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均運(yùn)算。由于人眼對(duì)綠色的敏感度高，對(duì)藍(lán)色的敏感度低，故可以按照不同的權(quán)值對(duì)RGB三個(gè)分量進(jìn)行加權(quán)平均運(yùn)算能得到比較合理的灰度圖像。</p><p><b&

46、gt;　　3.2 圖像增強(qiáng)</b></p><p>　　很多由于場(chǎng)景條件的影響圖像拍攝的質(zhì)量不佳或者干擾噪音較多，這就需要圖像增強(qiáng)技術(shù)來(lái)改善圖像的視覺(jué)效果。圖像增強(qiáng)其目的主要是通過(guò)對(duì)圖像進(jìn)行一定的變換處理去除一些無(wú)關(guān)緊要的信息同時(shí)增強(qiáng)有用信息，比如突出圖像中車(chē)牌的某些特點(diǎn)、從數(shù)字圖像中提取目標(biāo)物的特征參數(shù)或者忽略一些不關(guān)緊要圖像信息等等，經(jīng)過(guò)增強(qiáng)后的圖像將會(huì)具有更好的視覺(jué)效果，同時(shí)更有利于提取相關(guān)信

47、息。本文前部已經(jīng)提到，利用圖像獲取設(shè)備得到的圖像并不是完全理想的圖像，實(shí)際應(yīng)用中的圖像都受到了不同程度的干擾，因此將會(huì)對(duì)提取圖像中的重要信息帶來(lái)不利影響。這樣的影響如果太大，將會(huì)影響人和機(jī)器對(duì)圖像的理解，將會(huì)降低整個(gè)系統(tǒng)的識(shí)別率和準(zhǔn)確率。有學(xué)者曾提出應(yīng)該根據(jù)圖像受到的噪音和干擾提出一個(gè)干擾數(shù)學(xué)模型，這樣就可以將外部環(huán)境對(duì)圖像的影響通過(guò)數(shù)學(xué)表達(dá)式的方式參與到整個(gè)系統(tǒng)的計(jì)算當(dāng)中，但是在絕大多數(shù)情況下，外部環(huán)境的噪音和干擾具有極大的隨機(jī)性，因

48、此到目前為止還未能提出專(zhuān)門(mén)的噪音干擾的數(shù)學(xué)模型。人們通常情況下是通過(guò)自身的經(jīng)驗(yàn)來(lái)對(duì)圖像的噪音進(jìn)行過(guò)濾。例如由于拍攝環(huán)境的原因使得拍攝的圖像模糊或者重要細(xì)節(jié)丟失等等不利于整個(gè)系統(tǒng)的干擾產(chǎn)生，這樣的情況下可以使用一些常</p><p>　　3.2.1 灰度變換</p><p>　　灰度變換是基本的圖像點(diǎn)運(yùn)算，是圖像增強(qiáng)處理中的一種非常基礎(chǔ)空間域圖像處理方法?；叶茸儞Q是指根據(jù)某種目標(biāo)條件按照一

49、定的變換關(guān)系去逐點(diǎn)改變?cè)瓐D像中每一個(gè)像素灰度值，目的是為了改善畫(huà)質(zhì)，以便讓圖像的顯示效果更佳清晰，因此灰度變換還被稱(chēng)為圖像的對(duì)比增強(qiáng)。經(jīng)過(guò)灰度變換后的圖像動(dòng)態(tài)范圍變大，對(duì)比度會(huì)增強(qiáng)，圖像會(huì)變得更加清晰，特征也更加明顯?；叶茸儞Q主要利用點(diǎn)運(yùn)算來(lái)改變圖像像素點(diǎn)的灰度值，不改變圖像內(nèi)的空間關(guān)系，除了根據(jù)某種特定的變換函數(shù)進(jìn)行變換之外，灰度變換可以認(rèn)為是對(duì)像素進(jìn)行簡(jiǎn)單的復(fù)制?；叶茸儞Q的表達(dá)式為：</p><p><

50、b>　　(1)</b></p><p>　　其中函數(shù)T是灰度變換函數(shù)，它定義了輸入圖像灰度和輸出圖像灰度之間的變換條件。所以如果灰度函數(shù)確定了，那么灰度變換就被完全確定?；叶茸儞Q的方法有很多種，比如圖像灰度求反、灰度拉伸、灰度切分、灰度動(dòng)態(tài)范圍調(diào)整及灰度級(jí)修正等等。以上幾種方法對(duì)圖像的處理效果各不相同，但是它們處理過(guò)程中都必須用到點(diǎn)運(yùn)算。點(diǎn)運(yùn)算通常可以分為線性變換、分段線性變換以及非線性變換這三

51、大類(lèi)。</p><p><b>　　（1）線性變換</b></p><p>　　假定輸入圖像f(x，y)的灰度值范圍為[a，b]，變換后的輸出圖像g(x，y)的灰度值范圍擴(kuò)展至[c，d]，則對(duì)于圖像的任一點(diǎn)的灰度值(x，y)，其表達(dá)式如下所示： (2)</p><

52、p>　　若原圖像大部分像素的灰度級(jí)在區(qū)間[a，b]內(nèi)，max f為原圖像灰度最大值，只有個(gè)別部分的灰度級(jí)不在區(qū)間內(nèi)，則為了改善圖像增強(qiáng)效果，可以令： (3)</p><p>　　因此線性變換適合那些曝光不足或過(guò)度的圖像，它們的灰度可能會(huì)分布在一個(gè)很小的范圍內(nèi)，這時(shí)得到的圖像是一個(gè)比較模糊、沒(méi)有灰度層次的圖像。采用上述線性變換對(duì)圖像的每一個(gè)像素進(jìn)行灰度作

53、線性拉伸，將會(huì)有效的增強(qiáng)圖像的質(zhì)量。</p><p><b>　?。?）分段線性變換</b></p><p>　　分段線性變換與線性變換類(lèi)似，區(qū)別是為了突出圖像中感興趣的灰度區(qū)間，相對(duì)抑制不需要的灰度區(qū)間，可以進(jìn)行分段線性變換，它對(duì)圖像灰度區(qū)間進(jìn)行兩至多段的分段。進(jìn)行變換時(shí)，把0-255灰度值區(qū)間分為幾個(gè)線段，每一線段都對(duì)應(yīng)一個(gè)線性變換函數(shù)。</p>&

54、lt;p><b>　?。?） 非線性變換</b></p><p>　　非線性變換顧名思義就是利用非線性變換函數(shù)對(duì)圖像進(jìn)行變換，分為指數(shù)變換和對(duì)數(shù)變換。指數(shù)變換，就是指輸出圖像像素點(diǎn)的灰度值與輸入圖像灰度值之間是指數(shù)關(guān)系，其一般公式為：</p><p><b>　　(4)</b></p><p>　　對(duì)數(shù)變換也就是指輸

55、出圖像像素點(diǎn)的灰度值與輸入圖像的灰度值之間呈現(xiàn)出對(duì)數(shù)關(guān)系，其一般公式為：</p><p><b>　　(5)</b></p><p>　　可見(jiàn)指數(shù)變換對(duì)于高灰度區(qū)間的擴(kuò)展度要遠(yuǎn)遠(yuǎn)高于低灰度的區(qū)間，所以指數(shù)灰度變換一般適用于過(guò)亮的圖像。與指數(shù)變換相反，對(duì)數(shù)變換對(duì)于低灰度區(qū)間擴(kuò)展度較大，所以一般用來(lái)對(duì)過(guò)亮的圖像進(jìn)行處理。</p><p>　　3.2

56、.2 直方圖變換</p><p><b>　?。?） 直方圖介紹</b></p><p>　　圖像的灰度直方圖是反映圖像的像素灰度級(jí)與這種灰度級(jí)出現(xiàn)的概率之間的相對(duì)關(guān)系的圖形。通?；叶燃?jí)為[0，L-1]范圍的圖像直方圖則是離散函數(shù)h()=，是第k級(jí)灰度，是圖像灰度級(jí)=的像素個(gè)數(shù)[13]。求灰度直方圖的方法就是拿圖像中像素?cái)?shù)目的總和n去除圖像的每一個(gè)像素灰度值，表達(dá)式

57、如下：</p><p>　　k=0，1，2， ... (6)</p><p>　　從以上表述可以總結(jié)出直方圖主要有以下幾個(gè)特點(diǎn)：</p><p>　　直方圖中沒(méi)有圖像的位置信息。直方圖僅僅反應(yīng)了圖像的灰度分布，和灰度所在的位置沒(méi)有絲毫關(guān)系，因此不同的圖像也可能具有相同的直方圖。&

58、lt;/p><p>　　直方圖反應(yīng)了圖像整體的灰度范圍。直方圖反應(yīng)了圖像整體灰度分布，對(duì)于較暗的圖像，直方圖集中在灰度級(jí)低一側(cè)，相反，較亮圖像的直方圖則集中于灰度級(jí)較高的一側(cè)。</p><p>　　直方圖具有可疊加性。圖像的直方圖等于它各個(gè)分部直方圖的和。</p><p>　　直方圖具有統(tǒng)計(jì)特性。從定義可知，連續(xù)圖像的直方圖是連續(xù)函數(shù)，它具有統(tǒng)計(jì)特征。</p>

59、;<p><b>　　（2）直方圖均衡化</b></p><p>　　如果圖像的視覺(jué)效果差或者人們特殊需要，常常需要對(duì)圖像的灰度級(jí)進(jìn)行修正，即對(duì)圖像的直方圖進(jìn)行轉(zhuǎn)換。直方圖均衡化是圖像處理中較常用的方法之一。直方圖均衡化首選要先進(jìn)行直方圖修正，即把原圖像的直方圖利用灰度變換函數(shù)修正為均勻分布，然后再進(jìn)行直方圖均衡化。它以概率論為理論基礎(chǔ)，運(yùn)用灰度點(diǎn)運(yùn)算實(shí)現(xiàn)直方圖的變化，從而達(dá)到

60、圖像處理的目的。直方圖的變換函數(shù)取決于直方圖的累積分布函數(shù)。簡(jiǎn)單的說(shuō)即把已知灰度值概率分布的圖像經(jīng)過(guò)一種變換，讓它成為一個(gè)灰度值概率均勻分布的新圖像。比如有些圖像在低灰度區(qū)間的分布頻率較大，使較暗地方的細(xì)節(jié)邊緣比較模糊，此時(shí)我們可以進(jìn)行直方圖均衡化將圖像的灰度范圍均勻分布。而當(dāng)圖像的直方圖分布為均勻分布時(shí)，此時(shí)圖像包含的信息量最多，看起來(lái)就越清晰。另外由于直方圖是只是近似的概率函數(shù)，直接變換求直方圖很少能得到完全平坦的分布，而且變換后會(huì)

61、出現(xiàn)灰度級(jí)減少的現(xiàn)象即“簡(jiǎn)并”。由于以上原因，我們也要進(jìn)行直方圖均衡化，以改善圖像灰度的動(dòng)態(tài)范圍。</p><p>　　3.3 圖像平滑去噪</p><p>　　灰度變換和直方圖修正都可以對(duì)圖像進(jìn)行簡(jiǎn)單的預(yù)處理，然而這些預(yù)處理僅限于圖像沒(méi)有受到污染，即沒(méi)有因?yàn)楦鞣N原因產(chǎn)生噪聲或收到不規(guī)則破壞，此時(shí)灰度變換和直方圖就不能達(dá)到我們預(yù)期的效果了，對(duì)于圖像的復(fù)雜處理就必須采用平滑去噪方法。<

62、;/p><p>　　3.3.1 圖像噪聲</p><p><b>　　（1）噪聲基本介紹</b></p><p>　　噪聲就是妨礙人們感覺(jué)器官對(duì)所收到的圖像信息進(jìn)行準(zhǔn)確理解的因素，噪聲的種類(lèi)很多，比如電子噪聲、機(jī)械噪聲、信道噪聲以及其他噪聲，噪聲對(duì)圖像信號(hào)和相位的影響很大，有些噪聲和圖像信號(hào)不相關(guān)，有些卻相關(guān)。圖像在生成和傳輸過(guò)程當(dāng)中常常會(huì)受到各

63、種噪聲的干擾和破壞而使圖像失去原來(lái)的本色，這將對(duì)后續(xù)圖像的處理比如圖像分割、壓縮、圖像理解等產(chǎn)生不好的影響。上面這幅圖片就是受到噪聲污染后的圖像，可以看出圖像的質(zhì)量與我們所預(yù)想的差別很大。因此，對(duì)于圖像處理來(lái)說(shuō)，圖像去噪是必不可少的預(yù)處理操作，為了抑制和消減噪聲，改善圖像的質(zhì)量，以便于做進(jìn)一步的處理，對(duì)圖像進(jìn)行去噪預(yù)處理是首要的步驟。人們根據(jù)圖像的實(shí)際特點(diǎn)、噪聲的統(tǒng)計(jì)特點(diǎn)、頻譜的分布規(guī)律等等，發(fā)展了各式各樣的減噪方法。圖像的去噪方法種類(lèi)

64、很多，依據(jù)的原理也各不相同，其中比較常用的就是圖像平滑去噪方法。</p><p><b>　?。?）圖像噪聲模型</b></p><p>　　數(shù)字圖像的噪聲一般源自于將圖像數(shù)字化和傳輸?shù)倪^(guò)程。在這過(guò)程中因受到環(huán)境條件的影響及設(shè)備的性能質(zhì)量原因，使得圖像必不可免的產(chǎn)生噪聲。下面介紹幾種常見(jiàn)的比較重要的噪聲：</p><p>　　均勻分布噪聲。均勻

65、分布噪聲是指原圖像中每個(gè)像素點(diǎn)等概率產(chǎn)生的噪聲。均勻噪聲的概率密度及其期望值和方差如下式所示：</p><p><b>　　(7)</b></p><p>　　高斯噪聲。高斯噪聲被稱(chēng)為正態(tài)噪聲，其噪聲的概率密度如下式所示：</p><p><b>　　(8)</b></p><p>　　式中，z代表

66、圖像的灰度值， 代表z的期望值， 代表z的標(biāo)準(zhǔn)差。由于高斯噪聲在實(shí)際圖像中很常見(jiàn)，且在數(shù)學(xué)上處理相對(duì)比較容易，使高斯噪聲模型應(yīng)用比較廣泛。</p><p>　　椒鹽噪聲。椒鹽噪聲也叫脈沖噪聲，它的特點(diǎn)是持續(xù)時(shí)間小于0.5秒，間隔時(shí)間大于1秒。椒鹽噪聲作為一種非常典型的圖像噪聲，對(duì)圖像質(zhì)量的處理起著極大的影響。其噪聲的概率密度如式所示：</p><p><b>　　(9)</

67、b></p><p>　　式中，假設(shè)b>a，則圖像中灰度值b將以 的概率在圖中顯示為一個(gè)亮點(diǎn)即鹽粉微粒；灰度值a則將以 的概率顯示為一個(gè)暗點(diǎn)（胡椒微粒）。</p><p>　　瑞利噪聲。瑞利噪聲是服從瑞利分布的噪聲。其概率密度函數(shù)如式所示：</p><p><b>　　(10) </b></p><p&g

68、t;　　伽馬噪聲。伽馬噪聲又稱(chēng)為愛(ài)爾蘭噪聲，其概率密度函數(shù)如式所示：</p><p><b>　　(11)</b></p><p>　　(3) 圖像平滑去噪</p><p>　　圖像平滑去噪（Smoothing）是一種比較實(shí)用的數(shù)字圖像預(yù)處理技術(shù)，主要目的是減少圖像傳輸過(guò)程中參雜的噪聲[14]。一種優(yōu)良的圖像平滑方法應(yīng)該是既可以消除圖像噪聲的影

69、響但是又不會(huì)讓圖像的邊緣輪廓和線條變得模糊不清。圖像平滑去噪的方法分為兩大類(lèi)，即空域法和頻域法。</p><p>　　在空域法里還可以分為兩個(gè)方面，一類(lèi)是噪聲消除，即先判定這個(gè)點(diǎn)是否為噪聲點(diǎn)，若是則重新賦值給它，不是就按原值輸出；另一類(lèi)則是平均法，即不一一對(duì)噪聲點(diǎn)進(jìn)行清除，而是對(duì)整個(gè)圖像依據(jù)某種方法進(jìn)行平均運(yùn)算，一般來(lái)說(shuō)這類(lèi)濾波方法有均值濾波、高斯濾波、維納濾波等等。另外空域?yàn)V波還可以根據(jù)輸出圖像采用什么線性組合

70、分為線性濾波和非線性濾波，線性濾波就是輸出像素是輸入像素的鄰域像素的線性組合，而非線性濾波則指的是輸出像素是輸入像素的鄰域像素的非線性組合。例如我們最常見(jiàn)的空間域?yàn)V波方法均值濾波和高斯濾波都屬于線性濾波，而空域?yàn)V波中的中值濾波屬于非線性濾波。線性平滑濾波在大多數(shù)情況下對(duì)各種類(lèi)型的噪聲有很好的去除效果。線性濾波器用連續(xù)窗函數(shù)內(nèi)像素加權(quán)和來(lái)實(shí)現(xiàn)平滑濾波。特別典型的是線性濾波器是空間不變的，這樣就可以使用卷積模板來(lái)實(shí)現(xiàn)濾波。</p>

71、;<p>　　頻域法則是先進(jìn)行傅里葉變換到頻域進(jìn)行處理然后在反變回空間域還原圖像，一般人們采用低通濾波等方法，這和空間域里直接對(duì)圖像的像素值進(jìn)行鄰域內(nèi)運(yùn)算不同</p><p>　　3.3.2 平滑去噪常用方法</p><p>　　圖像的平滑去噪一般分為空域和頻域兩種方法，本文只介紹空域和頻域里幾種常用的平滑濾波方法，比如均值濾波、高斯濾波以及中值濾波和低通濾波等等，其他的常

72、用方法不在研究之內(nèi)。</p><p><b>　　(1) 均值濾波</b></p><p>　　局部平滑法也稱(chēng)為鄰域平均法，由其原理組成的濾波器叫做均值濾波器，這是一種典型的線性濾波[15]。它是一種直接在空間域里進(jìn)行圖像平滑處理的技術(shù)。假設(shè)圖像由許多灰度值恒定的小塊組成，相鄰像素之間存在著很大的空間相關(guān)性，而噪聲卻是獨(dú)立存在的，因此可以用鄰域內(nèi)各個(gè)像素的灰度級(jí)平均值

73、來(lái)代替該像素原來(lái)的灰度值，這樣各個(gè)像素之間的灰度值就都具有相關(guān)性，就可以去除噪聲，實(shí)現(xiàn)圖像的平滑。均值濾波還分為算術(shù)均值濾波和幾何均值濾波。算術(shù)均值濾波顧名思義是以窗口內(nèi)所有像素點(diǎn)灰度值的算術(shù)平均值替代窗口中心的灰度值，這是最簡(jiǎn)單的均值濾波，而幾何均值濾波的原理是將窗口中圖像像素的灰度值以幾何運(yùn)算求均值。</p><p>　　可知鄰域平均法就是將當(dāng)前圖像各像素鄰域內(nèi)的灰度平均值作為其輸出值的一種簡(jiǎn)單的去噪辦法。&

74、lt;/p><p>　　均值濾波算法主要步驟如下：</p><p>　　選擇一個(gè)3 ×3窗口，中心像素是該點(diǎn)輸入時(shí)的像素值，其余的是它鄰域內(nèi)像素的值。</p><p>　　然后求這些像素值的均值，作為輸出的像素值，這就是鄰域平均法的原理。</p><p>　　另外對(duì)于第一行和最后一行、第一列和最后一列來(lái)說(shuō)，不能找到與自己相鄰的八個(gè)像素，

75、因此保持它們的數(shù)據(jù)不變，最后把這幾行列的數(shù)據(jù)和那些變化后的數(shù)據(jù)組合在一起組成圖像的灰度矩陣。</p><p>　　按照此灰度矩陣的值輸出圖像。</p><p>　　MATLAB中讀取的圖像都是八位的，其最大值只有255因此當(dāng)把九個(gè)數(shù)相加后就超過(guò)了255，因此它會(huì)自動(dòng)的取255.于是在im2double中將uint8數(shù)據(jù)類(lèi)型轉(zhuǎn)換為double型，再在整個(gè)數(shù)據(jù)運(yùn)算完了以后調(diào)用im2uint8將

76、double數(shù)據(jù)轉(zhuǎn)換為uint8并顯示出來(lái)。</p><p>　　根據(jù)均值濾波原理編寫(xiě)的算法流程圖如圖1所示。</p><p>　　圖1 均值濾波流程圖</p><p>　　Fig 1 Average filtering flow diagram</p><p>　　均值濾波算法的輸出圖像是以窗口內(nèi)所有像素按照某種數(shù)學(xué)操作取均值，算術(shù)濾波

77、器可以有效的去除高斯噪聲和強(qiáng)度不大的椒鹽噪聲，幾何均值濾波器相對(duì)于算術(shù)濾波器能夠保留更多的圖像細(xì)節(jié)，但是由于算法過(guò)程中缺少對(duì)保持圖像中含有目標(biāo)邊緣的考慮，對(duì)圖像中的所有像素點(diǎn)包括信號(hào)突變處都進(jìn)行了平滑，使用均值濾波會(huì)造成邊緣的模糊和細(xì)節(jié)的湮沒(méi)，因此均值濾波在圖像去噪的同時(shí)也產(chǎn)生了不好的影響，這種方法在平滑了圖像信號(hào)的同時(shí)也使圖像的細(xì)節(jié)部分變得更加模糊，可以驗(yàn)證當(dāng)鄰域取得越大圖像會(huì)更模糊。</p><p><

78、b>　　(2)高斯平滑濾波</b></p><p>　　高斯平滑濾波也屬于線性濾波，它是根據(jù)高斯函數(shù)的形狀來(lái)選擇權(quán)值的線性平滑濾波器。高斯平滑濾波對(duì)去除服從正太分布的噪聲特別是高斯噪聲很有效果。高斯濾波的特性與高斯函數(shù)息息相關(guān)，高斯函數(shù)具有一下的重要性質(zhì)：</p><p>　　二維高斯函數(shù)具有旋轉(zhuǎn)對(duì)稱(chēng)性，也就是濾波器在各個(gè)方向上的平滑程度是相同的。通常來(lái)說(shuō)一幅圖像的邊緣方

79、向是不知道的，因此，我們?cè)跒V波之前是無(wú)法確定哪個(gè)方向上需要要更多的平滑的，而這意味著高斯濾波在圖像處理中不會(huì)偏向任一方向。</p><p>　　高斯函數(shù)是單值函數(shù)。與均值濾波相似，高斯濾波用圖像像素鄰域的加權(quán)均值來(lái)代替該點(diǎn)的像素值，而權(quán)值的選取是隨著該像素點(diǎn)與中心點(diǎn)距離單調(diào)遞減的，所以離中心點(diǎn)比較遠(yuǎn)的像素權(quán)值較小，受到的高斯濾波影響會(huì)很小。相反如果平滑濾波對(duì)邊緣像素點(diǎn)仍然有很大的作用，則會(huì)導(dǎo)致圖像失真。</

80、p><p>　　高斯函數(shù)的傅立葉變換頻譜是單瓣的。因?yàn)閳D像常被高頻信號(hào)所污染，而我們所期望的圖像特征，既含有低頻分量，又含有高頻分量。高斯函數(shù)傅立葉變換的單瓣意味著平滑圖像不會(huì)被不需要的高頻信號(hào)所污染，同時(shí)保留了大部分所需要的信號(hào)。</p><p>　　高斯濾波器的寬度(決定著平滑程度)是由參數(shù)σ表證的，而且σ和平滑程度的關(guān)系是非常簡(jiǎn)單的。σ越大，高斯濾波器的頻帶就越寬，平滑程度就越好。通過(guò)調(diào)

81、節(jié)平滑程度參數(shù)σ，可在圖像特征分量模糊(過(guò)平滑)與平滑圖像中由于噪聲和細(xì)紋理所引起的過(guò)多的不希望突變量(欠平滑)之間取得折衷。</p><p>　　由于高斯函數(shù)的可分離性，大高斯濾波器可以有效實(shí)現(xiàn)。通過(guò)二維高斯函數(shù)的卷積可以分兩步來(lái)進(jìn)行，首先將圖像與一維高斯函數(shù)進(jìn)行卷積，然后將卷積的結(jié)果與方向垂直的相同一維高斯函數(shù)進(jìn)行卷積。因此，二維高斯濾波的計(jì)算量隨濾波模板寬度成線性增長(zhǎng)而不是成平方增長(zhǎng)。這些性質(zhì)使得它在早期的

82、圖像處理中特別有用，表明高斯平滑濾波器無(wú)論在空間域還是在頻率域都是十分有效的低通濾波器。高斯濾波的算法一般分如下幾步：</p><p>　　使用imread()讀入原始的彩色圖像。</p><p>　　輸入高斯濾波器的均值和方差。</p><p>　　利用高斯濾波A1=fspecial('gaussian'，k，n3) %生成高斯序列 </p&

83、gt;<p>　　用生成的高斯序列進(jìn)行濾波。Y1=filter2(A2，g)/255</p><p><b>　　顯示濾波后的圖像。</b></p><p>　　以上分析可以看出高斯濾波是有高斯函數(shù)而決定的，所以它非常適合對(duì)正太分布的高斯噪聲進(jìn)行濾波，而對(duì)那些隨即分布的噪聲比如脈沖噪聲和椒鹽噪聲的清除效果就不很好了，所以高斯濾波有他的局限性。這里高斯濾波

84、的流程圖就不在描述，因?yàn)楦咚篂V波用MATLAB函數(shù)就可以實(shí)現(xiàn)。</p><p><b>　?。?）中值濾波</b></p><p>　　中值濾波是一種基于排序統(tǒng)計(jì)理論的可有效抑制噪聲的非線性平滑濾波。其濾波原理是:首先確定一個(gè)以某個(gè)像素為中心點(diǎn)的鄰域，一般為方形鄰域，然后將鄰域中各像素的灰度值進(jìn)行排序，取中間值作為中心像素灰度的新值，這里的鄰域通常被稱(chēng)為窗口。當(dāng)窗口在

85、圖像中上下左右進(jìn)行移動(dòng)后，利用中值濾波算法可以很好地對(duì)圖像進(jìn)行平滑處理。中值濾波的輸出像素是由鄰域圖像的中間值決定的，因而中值濾波對(duì)極限像素值(與周?chē)袼鼗叶戎挡顒e較大的像素)遠(yuǎn)不如平均值那么敏感，從而可以消除孤立的噪聲點(diǎn)，可以使圖像產(chǎn)生較少的模糊。</p><p>　　圖2是中值濾波的流程圖。</p><p>　　圖2 中值濾波流程圖</p><p>　　Fig

86、 2 Median filtering flow diagram</p><p>　　中值濾波去除噪聲的效果除了與噪聲的類(lèi)型有關(guān)外，還與鄰域的空間范圍和中值計(jì)算中涉及的像素?cái)?shù)有關(guān)。一般來(lái)說(shuō)，小于濾波器面積一半的亮或暗的物體基本上會(huì)被濾除，而較大的物體幾乎原封不動(dòng)地保存下來(lái)，因此，中值濾波器的空間尺寸必須根據(jù)現(xiàn)有的問(wèn)題來(lái)進(jìn)行調(diào)整。較簡(jiǎn)單的模板是NXN 的方形(注:此處的N通常是奇數(shù))。總之，中值濾波具有算法簡(jiǎn)單、

87、實(shí)時(shí)性好、可靠性高等特點(diǎn)，既能保護(hù)圖像的邊緣信息，又可以除去圖像中的噪聲，具有較高的實(shí)用價(jià)值。傳統(tǒng)的中值濾波方法是先選擇一定的窗口( 一般窗口大小為3 ×3 或5 ×5) ，然后使窗口在圖像內(nèi)逐次移動(dòng)，并用窗口內(nèi)像素灰度值的中值來(lái)代替窗中心點(diǎn)處的像素灰度值。</p><p>　　傳統(tǒng)的中值濾波算法的實(shí)現(xiàn)過(guò)程如下:</p><p>　　選擇一個(gè)(2n +1) ×

88、(2n +1) 的窗口(通常為3 ×3 或5 ×5) ， 并用該窗口沿圖像數(shù)據(jù)進(jìn)行或列方向的滑動(dòng)。每次移動(dòng)后，對(duì)窗口內(nèi)的諸像素灰度值進(jìn)行排序。用排序法所得到的中值替代窗口中心位置的原始像素灰度值。然后以此作為新圖像的灰度值并輸出。</p><p>　　3.4 圖像二值化</p><p>　　3.4.1 圖像二值化介紹</p><p>　　一幅

89、圖像中的信息包括目標(biāo)物體，背景和噪聲三個(gè)部分，圖像的二值化是為了得到圖像中的目標(biāo)物體而產(chǎn)生的一種圖像處理方法，二值化以后圖像中所有的像素點(diǎn)將會(huì)變?yōu)榘谆蚝?。?dāng)圖像中只包含前景和背景兩部分信息時(shí)，就可以將前景的像素值置為1，背景的像素值置為0，這樣圖像就被二值化了。 二值化的方法有很多種，一般分為 全局閾值法和局部閾值法</p><p>　　全局閾值法是指在二值化過(guò)程中只使用一個(gè)全局閾值的方法。它將圖像的每個(gè)像素的灰

90、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。根據(jù)文本圖像的直方圖或灰度空間分布確定一個(gè)閾值，以此實(shí)現(xiàn)灰度文本圖像到二值圖像的轉(zhuǎn)化。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。閾值分割法的結(jié)果很大程度上依賴(lài)于對(duì)閾值的選擇，因此該方法的關(guān)鍵是如何選擇合適的閾值。</p><p>　　典型的全局閾值方法包括Otsu方法、最大熵方法等。全局閾值法算法簡(jiǎn)單，對(duì)于目標(biāo)和背景明顯分離、直方圖分布

91、呈雙峰的圖像效果良好，但對(duì)于由于光照不均勻、噪聲干擾較大等原因使直方圖分布不呈雙峰的圖像，二值化效果明顯變差。</p><p>　　3.4.1 圖像二值化常用方法</p><p>　　為了滿(mǎn)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(lái)完成。下面列舉幾個(gè)閾值的自動(dòng)選擇算法：</p><p>　　(1) 平均灰度值法：以圖像中所有像素

92、灰度值的平均值為閾值。</p><p>　　(2) 大津法：又稱(chēng)最大類(lèi)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。其原理是把圖像直方圖用某一灰度值分割成兩類(lèi)，分別計(jì)算這兩類(lèi)的像素點(diǎn)數(shù)和灰度平均值，然后計(jì)算它們的類(lèi)間方差。當(dāng)被分割成的兩類(lèi)類(lèi)間方差最大時(shí)，此灰度值就作為圖像二值化處理的閾值。大津法的使用范圍比較廣，不論圖像的直方圖有無(wú)明顯的雙峰，都能得到較滿(mǎn)意的結(jié)果，在很多領(lǐng)域得到了應(yīng)用和發(fā)展。但此方法依然

93、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(méi)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(wú)法得到預(yù)期效果。 </p><p>　　(3) 邊緣算子法：采用Laplace算子、Robert算子、Sober算子等對(duì)像素點(diǎn)進(jìn)行灰度級(jí)增強(qiáng)或減弱的變換。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

94、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)。 </p><p>　　由當(dāng)前像素灰度值與該像素周?chē)c(diǎn)局部灰度特征來(lái)確定像素的閾值。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。</p><p>　　對(duì)于目標(biāo)和背景比較清楚的圖像，全局閾值化方法可以取得較好結(jié)果。但是如果圖像的背景不均勻，或目標(biāo)灰度變化率比較大

95、，全局方法便不再適用。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(lái)確定該像素的閾值的。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。局部閾值選取一般將圖像劃分為若干子圖像，在每個(gè)子圖像區(qū)域上使用整體閾值法，從而可以構(gòu)成整幅圖像的局部閾值法(根據(jù)每個(gè)子圖像確定相應(yīng)的閾值，具體的閾值確定方法同全局閾值的確定類(lèi)似)。用這種方法分割后的圖像在不同

96、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(lái)消除灰度的不連續(xù)性。 </p><p>　　局部閾值法一般用于識(shí)別干擾比較嚴(yán)重、品質(zhì)較差的圖像，相對(duì)整體閾值方法有更廣泛的應(yīng)用，但也存在缺點(diǎn)和問(wèn)題，如實(shí)現(xiàn)速度慢、不能保證字符筆畫(huà)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(huà)結(jié)果)等。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。<

97、/p><p>　　4 算法設(shè)計(jì)與實(shí)現(xiàn)</p><p><b>　　4.1 總體設(shè)計(jì)</b></p><p>　　字符圖像預(yù)處理一共有四個(gè)階段，我對(duì)于每個(gè)階段都采取了相應(yīng)的方法對(duì)圖像進(jìn)行處理。并對(duì)測(cè)試結(jié)果進(jìn)行了測(cè)試并取得了良好的結(jié)果。</p><p>　?。?）在圖像灰度化階段，我采取的是加權(quán)平均值法。根據(jù)三個(gè)分量的重要性

98、及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均運(yùn)算。由于人眼對(duì)綠色的敏感度高，對(duì)藍(lán)色的敏感度低，故可以按照不同的權(quán)值對(duì)RGB三個(gè)分量進(jìn)行加權(quán)平均運(yùn)算能得到比較合理的灰度圖像。 </p><p>　?。?）在圖像增強(qiáng)階段，我采取的是直方圖增強(qiáng)的方法。直方圖均衡化首選要先進(jìn)行直方圖修正，即把原圖像的直方圖利用灰度變換函數(shù)修正為均勻分布，然后再進(jìn)行直方圖均衡化。它以概率論為理論基礎(chǔ)，運(yùn)用灰度點(diǎn)運(yùn)算實(shí)現(xiàn)直方圖的變化，

99、從而達(dá)到圖像處理的目的。</p><p>　?。?）在圖像濾波階段，我采用了中值濾波。首先確定一個(gè)以某個(gè)像素為中心點(diǎn)的鄰域，一般為方形鄰域，然后將鄰域中各像素的灰度值進(jìn)行排序，取中間值作為中心像素灰度的新值，這里的鄰域通常被稱(chēng)為窗口。當(dāng)窗口在圖像中上下左右進(jìn)行移動(dòng)后，利用中值濾波算法可以很好地對(duì)圖像進(jìn)行平滑處理。</p><p>　?。?）在圖像二值化階段，我采取的是全局閾值法。在二值化過(guò)

100、程中只使用一個(gè)全局閾值的方法。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。</p><p><b>　　4.2 具體代碼</b></p><p>　　A=imread('f:\yes.jpg');</p><p>　　image=double(A);</p><p&

101、gt;　　red=image(:,:,1);</p><p>　　green=image(:,:,2);</p><p>　　blue=image(:,:,3);</p><p>　　x=0.3*red+0.59*green+0.11*blue+0.5;</p><p>　　A=uint8(A);</p><p>　　

102、x=uint8(x);</p><p>　　imwrite(x,'f:\gray.bmp');</p><p>　　figure(1);</p><p>　　subplot(1,2,1);</p><p>　　imshow(A),</p><p>　　title('原圖');</p

103、><p>　　subplot(1,2,2);</p><p>　　imshow(x),</p><p>　　title('灰度圖');</p><p>　　J=imread('f:gray.jpg');</p><p>　　H=histeq(J,256);</p><p&

104、gt;　　subplot(2,2,1),</p><p><b>　　imshow(J)</b></p><p>　　title('原圖')</p><p>　　subplot(2,2,2),</p><p><b>　　imshow(H)</b></p><p&

105、gt;　　title('均衡化圖')</p><p>　　subplot(2,2,3),</p><p><b>　　imhist(J)</b></p><p>　　subplot(2,2,4),</p><p><b>　　imhist(H)</b></p><

106、p>　　e=imread('f:\gray.BMP');</p><p>　　[rows , cols ] = size(e);</p><p><b>　　I=e;</b></p><p>　　I=imnoise(e,'salt & pepper',0.05);%加椒鹽噪聲</p>

107、<p>　　N=input('請(qǐng)輸入一個(gè)奇數(shù)（模版尺寸階數(shù)）：')</p><p>　　k=double(ones(N)/(N*N));</p><p>　　for i=(N+1)/2:(rows-((N-1)/2))</p><p>　　for j=(N+1)/2:(cols-((N-1)/2))</p><p>

108、　　k1=double(I(i-(N-1)/2:i+(N-1)/2,j-(N-1)/2:j+(N-1)/2)); </p><p>　　y=reshape(k1,1,N*N);</p><p>　　y=sort(y);</p><p>　　hh(i,j)=uint8(y((N*N+1)/2));</p><p><b>　　end&

109、lt;/b></p><p><b>　　end</b></p><p><b>　　figure(1)</b></p><p>　　subplot(221)</p><p>　　imshow(e);</p><p>　　title('原圖像')<