第9卷 第13期 2009年7月1671-1819(2009)13-3830-04
科 学 技 术 与 工 程
Science T echno logy and Eng i neer i ng
V o l
9 N o 13 July 2009 2009 Sci T ech Engng
图像预处理的滤波算法研究
周姗姗 柴金广
(中国科学院上海技术物理研究所,上海200083)
摘 要 对于需要持续跟踪目标的成像系统来说,目标会出现由点到面或由面到点的变化。针对这种情况,分析并比较了三
种点目标和面目标均适合的图像预处理滤波算法。仿真实验证明,改进的高通滤波算法比高通中值滤波算法和高斯高通滤波算法效果更好,可以在实际工程中得到应用。关键词
图像预处理 中值滤波 高通滤波 高斯滤波
中图法分类号 TN 911.73; 文献标志码
A
2009年3月20日收到
第一作者简介:周姗姗(1983 ),女,中国科学院上海技术物理研究所,物理电子学博士研究生,研究方向:信号与信息处理,E -m a i :l pu rpleas h an @126.co m 。
传统意义上,成像系统在获取图像之后,首先需要对图像进行预处理,以消除图像背景及系统噪声的干扰。这有利于后续的图像综合处理,从而降低目标识别等关键任务的复杂度。
在一帧图像上,对于点目标来说,其面积只占1个像素点,灰度与周围邻近象素点的灰度有明显的差异,反映在频谱上即处于高频部分,近似于高频噪声。基于这个特点,已有大量文献针对点目标提出了许多滤波算法,包括:高通滤波、Robinson 滤波、匹配滤波、神经网络、小波变换、分形滤波、形态滤波等等。预处理后的图像主要保留了点目标及孤立的高频噪声点。
对于面目标来说,目标边缘与背景的灰度差异仍旧显著,而目标内部的灰度变化缓慢,反映在频谱上则处于低频部分,若应用点目标的滤波算法,诸如高通滤波,处理后会发生目标边缘灰度增强但中心部分灰度降低的情况,相当于目标内部被看作背景受到抑制。因此,适用于面目标的算法,主要以能有效消除噪声并保留图像细节的滤波为主,如:中值滤波、均值滤波等。
对于需要持续跟踪目标的成像系统,目标在成
像面上的大小会随着跟踪距离的变化而不同,因此图像上呈现的目标会在点与面之间变化。如果对点目标和面目标采用两种不同的预处理算法,在工程应用时会增加系统的复杂度,延长系统的响应时间,降低系统的实时性。为此,寻找一种点目标、面目标均适合的滤波算法是很有必要的。
本文选取了以下几种滤波算法,分析了它们的基本原理和公式,通过仿真实验比较并验证其可行性。
1 高通中值滤波算法
传统的高通滤波算法能有效地抑制大面积的低频背景,增强目标边缘,但无法滤除孤立的高频噪声点,同时还会削弱目标中心的灰度。传统的中值滤波算法则恰好相反,它能有效滤除高频噪声点,保留完整的面目标,但无法抑制低频背景。基于将两者优缺点互补的思想,提出了一种高通滤波和中值滤波相结合算法。这里,高通滤波算法采用低通滤波的形式对输入图像作背景预测;中值滤波算法采用传统的滤波方法,即一个像素点的灰度值由该点邻域内像素点的灰度中值来代替。其滤波流程如图1所示。
算法表达式为
[1]
:
Y(i ,j)=X (i ,j)+M ed (i ,j)-2L p (i ,j)
(1)
图1 高通中值滤波算法流程
(1)式中:Y (i ,j)为输出图像;X (i ,j )为输入图像;M ed (i ,j )为中值滤波图像;
L p (i ,j)为低通滤波的预测背景图象;中值滤波公式为
[2]
:
M ed (i ,j)=m m ed ian S
{X (i -p,j -q )};(p,q ) S
(2)
(2)式中:S 为滤波窗口。
低通滤波公式为:L p (i ,j)
=
1R
R-1
r =0
1-1
R
r
s(i ,j ,r )+1-1
R
R
s(i ,j ,R )(3)
(3)式中:s (i ,j ,r )=
1
4
[X (i -r ,j -r )+X (i -r ,j +r )+X (i +r ,j -r)+X (i +r ,j +r )]
(4)
R 为滤波半径。
2 高斯高通滤波算法
高斯滤波是一种线性平滑滤波,可去除图像中的细节部分,同时能减少图
像的噪声。在本算法中,高斯滤波用于消除高频噪声,同时克服边界效应,使得面目标从中心到边缘的灰度值能够平滑过渡;经高斯滤波抑制噪声后,再由高通滤波完成背景抑制。
其算法流程如图2所示。
图2 高斯高通滤波算法流程
算法表达式为
[3]
:
高斯滤波G :(i ,j)=X (i ,j )T (m,n)
(5)
高通滤波:
Y(i ,j )=G (i ,j)-[ 8
p =1G (i +p,j)+
-1
p =-8
G (i +p,j)+
8
q=1
G (i ,j +
q )+
-1
q=-8
G (i ,j +q )]/32
(6)
(6)式中,G (i ,j )为高斯滤波图像;X (i ,j )为输入图像;Y(i ,j)为输出图像;T (m,n)为3 3的高斯滤波模板,其表达式为:
T =
1
16
1
212421
21
(7)
可以看到,模板中心点的权值最大,随着距中心点距离的增加权值减小,从而降低平滑处理中的模糊程度。
3 改进高通滤波算法
基于高通滤波抑制背景的原理,为了解决高通滤波造成面目标中心灰度严重下降的问题,这里提出一种改进的高通滤波算法,即背景预测由低通滤波完成,再将输入图像与预测背景图像相减,获得背景抑制后的滤波图像。其算法流程如图3所示。
图3 改进的高通滤波器算法框图
算法表达式为
[4]
:
Y(i ,j)=(1+ )X (i ,j)-B (i ,j )
(8)
(8)式中,Y(i ,j)为输出图像;X (i ,j )为输入图像;B (i ,j)为低通滤波的预测背景图像; 为可调参数,取值范围为0~1:处理面目标时,提高 可保留更多的原始信息;而处理点目标时,令 =0可保留更多的高频特性。
低通滤波公式为:B (i ,j )=X (i ,j)H (m,n )(9)(9)式中,H (m,n )为5 5的低通卷积模板,其表达
式为:
383113期周姗姗,等:图像预处理的滤波算法研究
H =
140
2
22222
1112210122
1112222
2
2
(10)
4 仿真实验分析
为了比较三种不同算法的实际效果,分别选取了点目标和面目标两类图像进行仿真,实验结果如图4、图5所示。
定量分析三种算法的滤波效果,计算峰值信噪比的结果如表1所示。
表1 三种算法的峰值信噪比比较
峰值信噪比高通中值滤波高斯高通滤波改进高通滤波点目标16.143216.144316.5943面目标
11.7758
11.8408
13.7362
从图像来看,改进高通滤波算法得到的目标最接近原始图像,灰度保留的最好,高斯高通滤波算法得到的目标存在像素扩散的现象,而高通中值滤波算法得到的目标不够完整,灰度也较低。
从定量分析的结果来看,高通中值滤波算法与高斯高通滤波算法的峰值信噪比相近,而改进高通滤波算法的峰值信噪比优于前两者。
因此,改进高通滤波算法是三种算法中滤波效果最好的,对于点目标和面目标的预处理都能得到清晰的滤波图像,有利于后续的图像处理。在工程应用中,也已经证实改进高通滤波算法是可行的。
5 结论
本文研究分析了三种点目标、面目标均适用的滤波算法,通过仿真实验比较,对三种算法进行了评价。实验结果表明,改进高通滤波算法相较于高通中值滤波算法和高斯高通滤波算法,滤波效果更显著,可以作为比较理想的预处理算法,在实际工程中得到应用。
参 考 文 献
1 李 杰,马 强.一种新的红外图像背景滤除算法研究.航空兵器,2006;1(1):29 31
2 李 伟,于凤梅,庞其昌,等.基于DSP 的紫外图像中值滤波算法的实现.科学技术与工程,2007;7(24):6457 6459,6466
3 尹业宏,王 涛,陈 颖.基于FPGA 的图像预处理滤波算法.光学与光电技术,2004;2(5):61 64
4 陈 镇.基于FPGA 的红外图像分割与识别技术.硕士学位论文,中国科学院上海技术物理研究所,2005
(下转第3839页)
3832科 学 技 术 与 工 程9卷
Application ofW ireless Sensor N et works i n
Em ergency M on itori ng and Co mmunication
HUANG H ua ,WU Yan -j u n
(H arb i n E ngi neeri ng U nivers it y ,H arb i n 150001,P .R .C h i na)
[A bstract] A i m to m eet the need o f se is m etc g rave nature d isaster of e m er gency m onitori n g and co mmun ica ti o n ,a e m ergency m on itoring syste m was desi g ned w hich based on w ireless sensor net w ork .F irs,t it s structure o f the sys -te m w as bu ilt too .Besi d es ,then d i s cussed a ne w l o calization algo rithm of range -free -m ulti p les overlay loca lizati o n a-l gorith m based on the mu lti p les coverage m ethod o f TOA i n for m ation for t h e app lication of the syste m.S i m u lations sho w that the a l g orithm can satisf y t h e perfor m ance needs of the syste m to l o calization .
[Key words] w ire less sensor net w orks e m ergency m on itori n g and co mmun ication syste m node loca lization
(上接第3829页)
D esign and I mple m entati on of H i gh Speed D igital Signal Transferri ng
Board Based on the A synchronous Serial Interface C riterion
Z HANG M i n g 1,2
,XU X iang -hui 1
,CU I Peng -fe i 1,2
,N I Chong
1,2
(I nstit u t e ofE l ectro n ics ,Chi nese Acade my of Sci ences 1,Bei ji ng 100190,P .R .Ch i na ;GraduateUn i versit y ofCh i n es e Acade m y of Sci ences 2,Beiji ng 100049,P .R .Chi na)
[A bstract] A k i n d of data transferring board based on A synchronous Serial Interface C riterion is intr oduced .The boar d uses C YPRESS Co s CY7B923and CY7B933chips to code and decode the data ,and uses CPLD and FI FO to realize the transfor m bet w een para llel data and serial data .The data is transferred by 75 coax ial cab le ,w hile t h e transferri n g rate can be up to 400M b /s .
[Key words] AS I seri a -l parallel transfo r m high speed data transfer radar syste m
(上接第3832页)
Researchi ng on F ilteri ng A lgorith m s for I m age Pretreat m ent
Z HOU Shan -shan ,C HA I Ji n -guang
(Shangh ai In stit u te ofT echn i calPhysics ,C hinese A cade m y of S ci ences ,Shangha i200083,P.R.Ch i na)
[Abstract] For t h e m i agi n g syste m w it h tracki n g target c onti n uall y ,the tar get can cha nge fr o m po i n t to side or fro m si d e t o poin.t Acc ordi n g t o such case ,three ki n ds of filteri n g al g orith m s are a na l y zed a nd co mpared f o r m i agi n g pretr eat m ent that adapt t o bot h po i n t and si d e targets .The sm i ulated experm i ents sho w that t h e filteri n g effect of m i pr oved hi g h -pass filteri n g is better t h a n t h ose of hi g h -passm e d i a n filteri n g and ga uss high -pass filteri n g ,and it can be a pplie d to practi c al projec.t [Key words] i m age pretreat m ent m edian filteri n g h i g h -pass filter i n g gauss filtering
383913期黄 华,等:无线传感器网络在应急监测和通信系统中的应用研究
精心整理 水样的常见预处理方法 样品前处理是目前分析测试工作的瓶颈，也是国内外研究的薄弱环节，同时又非常重要。因为样品被沾污或者因吸附、挥发等造成的损失，往往使监测结果失去准确性，甚至得出错误的结论，所以样品前处理过程是保证监测结果准确度的一个重要环节，样品前处理技术方法及需要注意的问题是保证监测结果真实可靠的保障。 常用的水样前处理方法有多种。无机物测定的前处理方法常用的有过滤、絮凝沉淀、蒸馏、酸化吹气法等；CuPbZnCd等重金属的前处理一般选用消解的方法；从环境水样中富集分离有机物的方法也有许多，半挥发性有机物的方法主要有液-液萃取，液-固萃取及固相微萃取等；对挥发性有机物主要有吹脱捕集法-顶空法和液-液萃取。 样特点等来确定， 准确性。 1、环境水样过滤絮凝沉淀前处理方法 测定天然水样溶解态元素时，用0.45μm 物和颗粒物如可溶性正磷酸盐Fe、Cd、Cu、Pb滤膜过滤，弃去初始50～100ml 滤和不过滤对测定结果影响很大， 否过滤，否则，严重影响测定结果的准确性。 测定沉淀物中硫化物。测定氯化物硝酸盐氮、 过滤后测定滤液中 其中 进一步除去可溶性物质， 2 调节水样的PH值非常重要氟化物在含高氯 PH值4，氰 蒸馏含酚水样时，由于流出液体积和原蒸馏液相当，蒸馏后的残液也须呈酸性，如不呈酸性，则应重新取样，增加磷酸加入量，进行蒸馏，否则苯酚未全部蒸馏，使测定结果偏低。注意检查蒸馏和吸收装置的连接部位，使其严密，氰化物、氨氮蒸馏装置的导管下端插入吸收液面下，这些细节都必须注意，否则蒸馏液损失，使测定结果偏低。蒸馏温度应适当，更应避免发生暴沸，否则可造成流出液温度升高，氰化氢、氨吸收不完全。 3、环境水样消解前处理方法 金属及其化合物的测定，常选择消解水样的方法消解样品，使水样无机结合态的和有机结合态的金属以及悬浮颗粒物中的金属化合物转变为游离态的离子，以便于进行原子吸收等的测定用原子吸收法测定金属时，消解用的酸的选择非常重要，作为基体应不影响后面的原子吸收测定。对于火焰原子吸收法，一般以稀HNO3介质为佳，HCIO3次之，因有分子吸收，不用H2SO4，H3PO4存在化学干扰，也不宜选用。对于石墨炉原子吸收法一般以HNO3介质为佳，应避免使用HCl介质，因一些金属的氯化物在灰化阶段易挥发损失，如CdCl2、ZnCl2、PbCl2等，同时NaCl、CaCl2、MgCl2常常产生基体干扰，也要避免使用H2SO4和HCIO3介质，即使使用了对以后测定有干扰
数字图像处理技术试题库 一、单项选择题：(本大题 小题, 2分/每小题,共 分) 1.自然界中的所有颜色都可以由（）组成 A.红蓝绿 B.红黄绿 C.红黄蓝绿 D.红黄蓝紫白 2. 有一个长宽各为200个象素，颜色数为16色的彩色图，每一个象素都用R(红)、G(绿)、B(蓝)三个分量表示，则需要（）字节来表示 A.100 B.200 C.300 D. 400 3.颜色数为16种的彩色图，R(红)、G(绿)、B(蓝)三个分量分别由1个字节表示，则调色板需要（）字节来表示 A.48 B.60 C.30 D. 40 4.下面哪一个不属于bmp 文件的组成部分 A ．位图文件信息头 B. 位图文件头 C.调色板 D. 数据库标示 5.位图中，最小分辨单元是 A.像素 B.图元 C.文件头 D.厘米 6.真彩色的颜色数为 A.888?? B. 161616?? C.128128128?? D.256256256?? 7.如果图像中出现了与相邻像素点值区别很大的一个点，即噪声，则可以通过以下方式去除 A.平滑 B.锐化 C. 坐标旋转 D. 坐标平移 8.下面哪一个选项不属于图像的几何变换() A.平移 B.旋转 C. 镜像 D. 锐化 9.设平移量为x x t t (,)，则平移矩阵为() A .1 0 00 1 0 1x y t t ?????????? B. 1 0 00 -1 0 1x y t t ??-???????? C.1 0 00 1 0 - 1x y t t ????????-?? D.1 0 00 1 0 - -1x y t t ?????????? 10.设旋转角度为a ，则旋转变换矩阵为() A ．cos() sin() 0sin() cos() 00 0 1a a a a -?????????? B ．cos() sin() 0sin() cos() 00 0 1a a a a ?????????? C ．sin() cos() 0 sin() cos() 0 0 0 1a a a a -?????????? D ．cos() sin() 0sin() cos() 00 0 1a a a a -????-?????? 11.下面哪一个选项是锐化模板 A ．-1 -1 -1-1 9 -1-1 -1 -1??????????g B ．-1 -1 -1-1 -9 -1-1 -1 -1??????????g C ．-1 -1 -1-1 8 -1-1 -1 -1??????????g D ．-1 -1 -1-1 6 -1-1 -1 -1?????????? g 12.真彩色所能表示的颜色数目是 A ．128128? B ．256256256 ?? C ．256 D ．6059
遥感影像预处理 预处理是遥感应用的第一步，也是非常重要的一步。目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。预处理的大致流程在各个行业中有点差异，而且注重点也各有不同。 本小节包括以下内容： ? ? ●数据预处理一般流程介绍 ? ? ●预处理常见名词解释 ? ? ●ENVI中的数据预处理 1、数据预处理一般流程 数据预处理的过程包括几何精校正、配准、图像镶嵌与裁剪、去云及阴影处理和光谱归一化几个环节，具体流程图如图所示。 图1数据预处理一般流程
各个行业应用会有所不同，比如在精细农业方面，在大气校正方面要求会高点，因为它需要反演；在测绘方面，对几何校正的精度要求会很高。 2、数据预处理的各个流程介绍 （一）几何精校正与影像配准 引起影像几何变形一般分为两大类：系统性和非系统性。系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正；非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。 在做几何校正前，先要知道几个概念： 地理编码：把图像矫正到一种统一标准的坐标系。 地理参照：借助一组控制点，对一幅图像进行地理坐标的校正。 图像配准：同一区域里一幅图像（基准图像）对另一幅图像校准影像几何精校正，一般步骤如下， （1）GCP（地面控制点）的选取 这是几何校正中最重要的一步。可以从地形图（DRG）为参考进行控制选点，也可以野外GPS测量获得，或者从校正好的影像中获取。选取得控制点有以下特征：
1、GCP在图像上有明显的、清晰的点位标志，如道路交叉点、河流交叉点等； 2、地面控制点上的地物不随时间而变化。 GCP均匀分布在整幅影像内，且要有一定的数量保证，不同纠正模型对控制点个数的需求不相同。卫星提供的辅助数据可建立严密的物理模型，该模型只需9个控制点即可；对于有理多项式模型，一般每景要求不少于30个控制点，困难地区适当增加点位；几何多项式模型将根据地形情况确定，它要求控制点个数多于上述几种模型，通常每景要求在30-50个左右，尤其对于山区应适当增加控制点。 （2）建立几何校正模型 地面点确定之后，要在图像与图像或地图上分别读出各个控制点在图像上的像元坐标（x，y）及其参考图像或地图上的坐标（X，Y），这叫需要选择一个合理的坐标变换函数式（即数据校正模型），然后用公式计算每个地面控制点的均方根误差（RMS） 根据公式计算出每个控制点几何校正的精度，计算出累积的总体均方差误差，也叫残余误差，一般控制在一个像元之内，即RMS<1。 （3）图像重采样
对车牌识别图像预处理技术的探究 摘要：随着当今汽车数量日益增加，城市交通状况也相应的受到人们的重视，如何进行有效的交通管理更是成为了人们关注的焦点。针对此问题，人们运用新的科学技术，相继研制开发出了各种交通道路监视、管理系统。这些系统通过车辆检测装置对过往的车辆实施检测，提取有关交通数据，达到监控、管理和指挥交通的目的。MATLAB是一种高效的工程计算语言，它是一个比较完整的数据库系统，在数据处理、图像处理、神经网络、小波分析等方面都有广泛的应用。本文详细阐述了运用MATLAB对车牌进行图像增强、边缘检测、二值图像化、形态学滤波等处理过程，为后面研究其定位、分割、识别做好充分的准备。 关键词：车牌图像增强中值滤波二值化形态学滤波 MATLAB 引言：通常情况下，由于外界光线、气候或其他自然、设备本身、人为因素等干扰而导致所拍摄的车牌图片成像不完美，使得对比度太小、曝光量太大、不清晰、倾斜等情况产生，这些情况都会极大的影响后期车牌号码字符的分割、识别操作，甚至导致无法进行字符分割和识别操作。因而，在做字符分割和识别操作之前，对图像做一系列的预处理很有必要。这些预处理操作包括图像增强处理（中值滤波、均值滤波、直方图均衡化）、边缘检测、二值化、形态学滤波处理。 1图像的增强处理 1.1中值滤波 中值滤波是一种非线性滤波，由于它在实际运算过程中并不需要图像的统计特性，所以比较方便。中值滤波首先是被应用在一维信号处理技术中，后来被二维图像信号处理技术所应用。在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。但是对一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波的方法。 中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替。
基于图像预处理的二维码识别技术的研究 摘要：随着计算机科学技术的发展，自动识别技术得到了广泛的应用。在众多自动识别的技术中，条码技术已经成为当今主要的计算机自动识别技术之一。为解决条码信息容量有限的问题，九十年代以来出现一种新的条码——二维码。 二维码是指在平面二维方向上，使用某种特定的几何图形按一定规律分布的黑白相间的，用以记录信息的符号。在代码编制上巧妙地利用构成计算机内部逻辑基础的“0”、“1”比特流的概念，使用若干个与二进制相对应的几何形体来表示文字数值信息，通过图象输入设备或光电扫描设备自动识读以实现信息自动处理：它具有条码技术的一些共性：每种码制有其特定的字符集；每个字符占有一定的宽度；具有一定的校验功能等。同时还具有对不同行的信息自动识别功能、及处理图形旋转变化等特点。 二维码主要分为两大类：一是堆叠式是二维码，其主要代表是pdf417；二是矩阵式二维码，主要包括QR码和Data Matrix码。在现代商业活动中，二维码以其低成本、快速识读、含有大量信息而广泛应用于各个行业，如：产品防伪/溯源、广告推送、网站链接、数据下载、商品交易、定位/导航、电子凭证、车辆管理、信息传递、名片交流、wifi共享等，人们通过手机二维码的扫描软件就可以轻松获得二维码中所储藏的信息。 对QR码进行识别需要使用采集设备采集的图像，但图像的采集过程中由于受到各种因素（如光照不均匀、拍摄角度、二维码有褶皱等）的影响，可能导致二维码图像背景有各种噪声，收到的图像可能存在几何畸变或者图像有阴影，从而导致识读设备很难识读，给解码带来相当大的困难。因此，如何对收集到的图像进行适当的去噪和校正已成为二维码识别的关键问题[1]。 本文主要针对异常QR码以及Data Matrix码的识别进行描述，先表明二维码识别要解决的问题、任务和框架，并对现有方法进行阐述，最后讨论二维码识别技术仍需解决的问题，并展望看其未来研究方向。 1.二维码识别的概念框架 随着二维码的广泛使用，二维码被广泛认知，当人们遇到二维码扫描失败的时候，对其产生的影响也是巨大的，人们会怀疑是不是产品是假的，或者是有诈骗信息，但其主要问题可能是： 1)二维码的扫描不够精确； 2)不是真的二维码图形；
图像处理的基本步骤 针对不同的目的，图像处理的方法不经相同。大体包括图像预处理和图像识别两大模块。 一、图像预处理： 结合识别复杂环境下的成熟黄瓜进行阐述，具体步骤如下： · 图像预处理阶段的流程图 对以上的图像流程进行详细的补充说明: 图像预处理的概念: 将每一个文字图像分检出来交给识别模块识别，这一过程称为图像预处理。 图像装换和图像分割以及区域形态学处理都是属于图像处理的基本内容之一。 图像转换：方法：对原图像进行灰度化处理生成灰度矩阵——降低运算速度（有具体的公式和方程），中值滤波去噪声——去除色彩和光照的影响等等。 图像分割：传统方法：基于阈值分割、基于梯度分割、基于边缘检测分割和基于区域图像割等方法。脉冲耦合神经网络 （ＰＣＮＮ）是针对复杂环境下 图像采集 图像采集中注意采集的方法、工具进行介绍。目的是怎样获取有代表性的样本。（包括天气、相机的位置等） 对采集的图像进行特征分析 目标的颜色和周围环境的颜色是否存在干涉的问题、平整度影响相机的拍摄效果、形状 图像转换 图像分割 区域形态学处理
的有效分割方法，分割的时候如果将一个数字图像输入ＰＣＮＮ，则能基于空间邻近性和亮度相似性将图像像素分组，在基于窗口的图像处理应用中具有很好的性能。 区域形态学处理：对ＰＣＮＮ分割结果后还存在噪声的情况下，对剩余的噪声进行分析，归类属于哪一种噪声。是孤立噪声还是黏连噪声。采用区域面积统计法可以消除孤立噪声。对于黏连噪声，可以采用先腐蚀切断黏连部分，再膨胀复原目标对象，在进行面积阙值去噪，通过前景空洞填充目标，最后通过形态学运算，二值图像形成众多独立的区域，进行各连通区域标识，利于区域几何特征的提取。 二、图像识别： 针对预处理图像提取 目标特征 建立LS SVM分类器 得到结果 图像识别流程图 提取目标特征：目标特征就是的研究对象的典型特点，可以包括几何特征和纹理特征。 对于几何特征采用的方法：采用LS-SVM支持向量机对几何特征参数进行处理，通过分析各个参数的分布区间来将目标和周围背景区分开，找出其中具有能区分功能的决定性的几何特征参数。 纹理特征方法：纹理特征中的几个参数可以作为最小二乘支持向量机的辅助特征参数，提高模型的精准度。 最小二乘支持向量机介绍：首先选择非线性映射将样本从原空间映射到特征空间，以解决原空间中线性不可分问题，在此高维空间中把最优决策问题转化为等式约束条件，构造最优决策函数，并引入拉格朗日乘子求解最优化问题，对各个变量求偏微分。 LS SVM分类器：对于p种特征选择q个图像连通区域，作为训练样本。依
研究生课程论 文 基于滤波的图像降噪算法的研究 课程名称专业文献阅读与综述 姓名张志化 学号1200214006 专业模式识别与智能系统 任课教师钟必能 开课时间2018.9——2018.11 教师评阅意见： 论文成绩评阅日期 课程论文提交时间：2018 年11月11日
基于滤波的图像降噪算法的研究 摘要：图像在获取和传输过程中，往往受到噪声的干扰，而降噪的目的是尽可能保持原始信号主要特征的同时除去信号中的噪声。目前的图像去噪方法可以将图像的高频成分滤除，虽然能够达到降低噪声的效果，但同时破坏了图像细节。边缘特性是图像最为有用的细节信息，本文对邻域平均法、中值滤波法及维纳滤波法的图像去噪算法进行了研究分析和讨论。 关键词：滤波；图像噪声；图像降噪算法；评价方法； 1 引言 数字图像处理，就是利用数字计算机或其他数字硬件，对图像信息转换而来的电信号进行某种数字运算，以提高图像的实用性，进而达到人们所要求的某种预期效果[1]。数字图像处理已经广泛应用于遥感、工业检测、医学、气象、侦查、通信、智能机器人等众多学科与工程领域中。 数字图像处理技术的优点主要有：<1)再现性好。数字图像处理不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的真实再现。 <2)处理精度高。按目前的技术，几乎可以将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16 位甚至更高，意味着图像的数字化精度可以满足应用需求。 (3>适用面宽。图像可以来自多种信息源。从图像反映的客观实体尺度看，可以小到电了显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像组合而成，均可用计算机来处理。 (4>灵活性高。由于图像的光学处理从原理上讲只能进行线性运算，极大地限制了光学图像处理能实现的目标；而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数字公式或逻辑关系来表达的一切运算均可用数字图像处理实现。 (5＞信息压缩的潜力大。数字图像中各个像素是不独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。就电视画面而言，同一
预处理就是在图像分析中，对输入图像进行特征抽取等前所进行的处理。输入图像由于图像采集环境的不同，如光照明暗程度以及设备性能的优劣等，往往存在有噪声，对比度不够等缺点。另外，距离远近，焦距大小等又使得人脸在整幅图像中间的大小和位置不确定。为了保证人脸图像中人脸大小，位置以及人脸图像质量的一致性，必须对图像进行预处理。图像预处理的主要目的是消除图像中无关的信息，滤除干扰、噪声，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取的可靠性. 人脸图像的预处理主要包括人脸扶正，人脸图像的增强，以及归一化等工作。人脸扶正是为了得到人脸位置端正的人脸图像；图像增强是为了改善人脸图像的质量，不仅在视觉上更加清晰图像，而且使图像更利于计算机的处理与识别。归一化工作的目标是取得尺寸一致，灰度取值范围相同的标准化人脸图像[4]。 几何规范化 由于图像在提取过程中易受到光照、表情、姿态等扰动的影响,因此在识别之前需要对图像做归一化的预处理[4],通常以眼睛坐标为基准点,通过平移、旋转、缩放等几何仿射变换对人脸图像进行归一化。因为人脸虽然是柔性的三维曲面,同一人脸因表情变化会有差异,但相对而言人的两眼之间的距离变化不会很大,因此双眼的位置及眼距,就成为人脸图像归一化的依据。 定位眼睛到预定坐标,将图像缩放至固定大小。通过平移、旋转、缩放等几何仿射变换,可以对人脸图像做几何规范化处理,仿射变换的表达式为: ]100][1,,[]1,,[3231 22 211211 a a a a a a v u y x = (2-1) 其中(u,v)表示输入图像中像素的坐标(x,y)表示输出图像中像素的坐标。将上式展开可得 322212312111u a x a v a u a y a v a ++=++= (2-2)
毕业设计文献综述 题目：基于matlab的图像预处理技术研究 专业：电子信息工程 1前言部分 众所周知，MATLAB在数值计算、数据处理、自动控制、图像、信号处理、神经网络、优化计算、模糊逻辑、小波分析等众多领域有着广泛的用途，特别是MATLAB的图像处理和分析工具箱支持索引图像、RGB 图像、灰度图像、二进制图像，并能操作*.bmp、*.jpg、*.tif等多种图像格式文件如。果能灵活地运用MATLAB提供的图像处理分析函数及工具箱，会大大简化具体的编程工作，充分体现在图像处理和分析中的优越性。 图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用与人眼而产生视觉的实体。视觉是人类从大自然中获取信息的最主要的手段。拒统计，在人类获取的信息中，视觉信息约占60%，听觉信息约占20%，其他方式加起来才约占20%。由此可见，视觉信息对人类非常重要。同时，图像又是人类获取视觉信息的主要途径，是人类能体验的最重要、最丰富、信息量最大的信息源。通常，客观事物在空间上都是三维的(3D)的，但是从客观景物获得的图像却是属于二维(2D)平面的。 图像存在方式多种多样，可以是可视的或者非可视的，抽象的或者实际的，适于计算机处理的和不适于计算机处理的。 图像处理它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在 1964 年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动
图像预处理流程： 图2.2图像预处理流程图 2.2系统功能的实现方法 系统功能的实现主要依靠图像处理技术，按照上面的流程一一实现，每一部分的具体步骤如下： 1原始图像：由数码相机或其它扫描装置拍摄到的图像； 2预处理：对采集到的图像进行灰度化、图像增强，滤波、二值化等处理以克服图像干扰； 3字轮定位：用图像剪切的方法获取仪表字轮； 4字符分割：利用字符轮廓凹凸检测定位分割方法得到单个的字符； 5字符识别：利用模板匹配的方法与数据库中的字符进行匹配从而确认出字符，得到最后的仪表示数。
2.3.1 MATLA B简介 MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。 MATLAB是矩阵实验室（Matrix Laboratory）的简称，和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C++ ，JAVA的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB 爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。 2.3.2 MATLAB的优势和特点 1、MATLAB的优势 (1)友好的工作平台和编程环境 MATLAB由一系列工具组成。这些工具方便用户使用MATLAB的函数和文件，其中许多工具采用的是图形用户界面。包括MATLAB桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。随着MATLAB的商业化以及软件本身的不断升级，MATLAB的用户界面也越来越精致，更加接近Windows的标准界面，人机交互性更强，操作更简单。而且新版本的MATLAB提供了完整的联机查询、帮助系统，极大的方便了用户的使用。简单的编程环境提供了比较完备的调试系统，程序不必经过编译就可以直接运行，而且能够及时地报告出现的错误及进行出错原因分析。
第9卷 第13期 2009年7月1671-1819(2009)13-3830-04 科 学 技 术 与 工 程 Science T echno logy and Eng i neer i ng V o l 9 N o 13 July 2009 2009 Sci T ech Engng 图像预处理的滤波算法研究 周姗姗 柴金广 (中国科学院上海技术物理研究所,上海200083) 摘 要 对于需要持续跟踪目标的成像系统来说,目标会出现由点到面或由面到点的变化。针对这种情况,分析并比较了三 种点目标和面目标均适合的图像预处理滤波算法。仿真实验证明,改进的高通滤波算法比高通中值滤波算法和高斯高通滤波算法效果更好,可以在实际工程中得到应用。关键词 图像预处理 中值滤波 高通滤波 高斯滤波 中图法分类号 TN 911.73; 文献标志码 A 2009年3月20日收到 第一作者简介:周姗姗(1983 ),女,中国科学院上海技术物理研究所,物理电子学博士研究生,研究方向:信号与信息处理,E -m a i :l pu rpleas h an @126.co m 。 传统意义上,成像系统在获取图像之后,首先需要对图像进行预处理,以消除图像背景及系统噪声的干扰。这有利于后续的图像综合处理,从而降低目标识别等关键任务的复杂度。 在一帧图像上,对于点目标来说,其面积只占1个像素点,灰度与周围邻近象素点的灰度有明显的差异,反映在频谱上即处于高频部分,近似于高频噪声。基于这个特点,已有大量文献针对点目标提出了许多滤波算法,包括:高通滤波、Robinson 滤波、匹配滤波、神经网络、小波变换、分形滤波、形态滤波等等。预处理后的图像主要保留了点目标及孤立的高频噪声点。 对于面目标来说,目标边缘与背景的灰度差异仍旧显著,而目标内部的灰度变化缓慢,反映在频谱上则处于低频部分,若应用点目标的滤波算法,诸如高通滤波,处理后会发生目标边缘灰度增强但中心部分灰度降低的情况,相当于目标内部被看作背景受到抑制。因此,适用于面目标的算法,主要以能有效消除噪声并保留图像细节的滤波为主,如:中值滤波、均值滤波等。 对于需要持续跟踪目标的成像系统,目标在成 像面上的大小会随着跟踪距离的变化而不同,因此图像上呈现的目标会在点与面之间变化。如果对点目标和面目标采用两种不同的预处理算法,在工程应用时会增加系统的复杂度,延长系统的响应时间,降低系统的实时性。为此,寻找一种点目标、面目标均适合的滤波算法是很有必要的。 本文选取了以下几种滤波算法,分析了它们的基本原理和公式,通过仿真实验比较并验证其可行性。 1 高通中值滤波算法 传统的高通滤波算法能有效地抑制大面积的低频背景,增强目标边缘,但无法滤除孤立的高频噪声点,同时还会削弱目标中心的灰度。传统的中值滤波算法则恰好相反,它能有效滤除高频噪声点,保留完整的面目标,但无法抑制低频背景。基于将两者优缺点互补的思想,提出了一种高通滤波和中值滤波相结合算法。这里,高通滤波算法采用低通滤波的形式对输入图像作背景预测;中值滤波算法采用传统的滤波方法,即一个像素点的灰度值由该点邻域内像素点的灰度中值来代替。其滤波流程如图1所示。 算法表达式为 [1] : Y(i ,j)=X (i ,j)+M ed (i ,j)-2L p (i ,j) (1)
实验五图像复原处理技术 实验目的 1 了解图像降质退化的原因，并建立降质模型。 2 理解反向滤波图像复原的原理 3 理解维纳滤波图像复原的原理实验原理图像复原处理一定是建立在图像退化的数学模型基础上的，这个退化数学模型应该能够 反映图像退化的原因。图像降质过程的模型如图5－1所示，其表达式为 g(x,y)=h (x,y)*f (x,y) +n (xy) （5.1） 图5－1图像降质模型 1、 滤波图像复原 逆滤波法是最简单的图像恢复方法。对5.1式两边作二维傅立叶变换，得到 G (u , v ) =H (u ,v) F (u ,v) + N (u ,v) H (u ,v) 为成像系统的转移函数。估算得到的恢复图像的傅立叶变换F ? (u ,v) 为 ()()()()()() ,,?,,,,G u v N u v F u v F u v H u v H u v ==+ (5.2) 若知道转移函数H (),u v ,5.2式经反变换即可得到恢复图像，其退化和恢复的全过程用图5-2表示。 图5－2频域图像降质及恢复过程
逆滤波恢复法会出现病态性，若H (),u v ，而噪声N(u,v) ≠0，则()(),,N u v H u v 比F (x,y)大很多，使恢复出来()?,f x y 与(),f x y 相差很大，甚至面目全非。一种改进的方法是在H (u , v ) =0 的频谱点及其附近，人为仔细设置()1,H u v -的值，使得在这些频 谱点附近，()(),,N u v H u v 不会对()?,F u v 产生太大影响。二种方法是考虑到降质系统的转移函数(),H u v 的带宽比噪声要窄的多，其频率特性也具有低通性质，因此可令逆滤波的转移函数()1,H u v 为 ()()()()1 222 11 2220 1,,0H u v u v D H u v u v D ?+≤?=??+>? （2）维纳滤波复原 逆滤波简单，但可能带来噪声的放大，而维纳滤波对逆滤波的噪声放大有抑制作用。 维纳滤波是寻找一个滤波器，使得复原后图像()?,f x y 与原始图像(),f x y 的方差最小，即 ()(){ }2 ?min ,,E f x y f x y ??=-?? 如果图像(),f x y 和噪声(),n x y 不相关，且(),h x y 有零均值，则可导出维纳滤波器的传递函数为 ()() () () () 2 2 ,1 ,,,,,w n f H u v H u v P u v H u v H u v P u v = ? + 式中(),n P u v 和(),f P u v 分别为噪声和原始图像的功率谱。实际上(),n P u v 和(),f P u v n 往往是未知的，这时常用常数K 来近似 () () ,,n f P u v P u v 。 【实验】产生一模糊图像，采用维纳滤波图像复原的方法对图像进行处理。 clear; %清除变量 d=15 %设定长度
研究生课程论文基于滤波的图像降噪算法的研究 课程名称专业文献阅读与综述 姓名张志化 学号1200214006 专业模式识别与智能系统 任课教师钟必能 开课时间2013.9——2013.11 课程论文提交时间：2013 年11月11 日
基于滤波的图像降噪算法的研究 摘要：图像在获取和传输过程中，往往受到噪声的干扰，而降噪的目的是尽可能保持原始信号主要特征的同时除去信号中的噪声。目前的图像去噪方法可以将图像的高频成分滤除，虽然能够达到降低噪声的效果，但同时破坏了图像细节。边缘特性是图像最为有用的细节信息，本文对邻域平均法、中值滤波法及维纳滤波法的图像去噪算法进行了研究分析和讨论。 关键词：滤波；图像噪声；图像降噪算法；评价方法； 1 引言 数字图像处理，就是利用数字计算机或其他数字硬件，对图像信息转换而来的电信号进行某种数字运算，以提高图像的实用性，进而达到人们所要求的某种预期效果[1]。数字图像处理已经广泛应用于遥感、工业检测、医学、气象、侦查、通信、智能机器人等众多学科与工程领域中。 数字图像处理技术的优点主要有： （1）再现性好。数字图像处理不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的真实再现。 （2）处理精度高。按目前的技术，几乎可以将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，意味着图像的数字化精度可以满足应用需求。 (3)适用面宽。图像可以来自多种信息源。从图像反映的客观实体尺度看，可以小到电了显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像组合而成，均可用计算机来处理。 (4)灵活性高。由于图像的光学处理从原理上讲只能进行线性运算，极大地限制了光学图像处理能实现的目标；而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数字公式或逻辑关系来表达的一切运算均可用数字图像处理实现。 (5)信息压缩的潜力大。数字图像中各个像素是不独立的，其相关性大。在图
图像预处理流程： 系统功能的实现方法 系统功能的实现主要依靠图像处理技术，按照上面的流程一一实现，每一部分的具体步骤如下： 1原始图像：由数码相机或其它扫描装置拍摄到的图像； 2预处理：对采集到的图像进行灰度化、图像增强，滤波、二值化等处理以克服图像干扰； 3字轮定位：用图像剪切的方法获取仪表字轮； 4字符分割：利用字符轮廓凹凸检测定位分割方法得到单个的字符； 5字符识别：利用模板匹配的方法与数据库中的字符进行匹配从而确认出字符，得到最后的仪表示数。 2.3.1 MATLA B简介 MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB 和Simulink两大部分。 MATLAB是矩阵实验室（Matrix Laboratory）的简称，和Mathematica、Maple 并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C++ ，JAVA的支持。可以
直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。 2.3.2 MATLAB的优势和特点 1、MATLAB的优势 (1)友好的工作平台和编程环境 MATLAB由一系列工具组成。这些工具方便用户使用MATLAB的函数和文件，其中许多工具采用的是图形用户界面。包括MATLAB桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。随着MATLAB的商业化以及软件本身的不断升级，MATLAB的用户界面也越来越精致，更加接近Windows的标准界面，人机交互性更强，操作更简单。而且新版本的MATLAB提供了完整的联机查询、帮助系统，极大的方便了用户的使用。简单的编程环境提供了比较完备的调试系统，程序不必经过编译就可以直接运行，而且能够及时地报告出现的错误及进行出错原因分析。 (2)简单易用的程序语言 MATLAB是一种高级的矩阵/阵列语言，它包含控制语句、函数、数据结构、输入和输出和面向对象编程特点。用户可以在命令窗口中将输入语句与执行命令同步，也可以先编写好一个较大的复杂的应用程序（M文件）后再一起运行。新版本的MATLAB语言是基于最为流行的C＋＋语言基础上的，因此语法特征与C＋＋语言极为相似，而且更加简单，更加符合科技人员对数学表达式的书写格式。使之更利于非计算机专业的科技人员使用。而且这种语言可移植性好、可拓展性极强，这也是MATLAB能够深入到科学研究及工程计算各个领域的重要原因。 (3)强大的科学计算机数据处理能力 MATLAB是一个包含大量计算算法的集合。其拥有600多个工程中要用到的数学运算函数，可以方便的实现用户所需的各种计算功能。函数中所使用的算法都是科研和工程计算中的最新研究成果，而前经过了各种优化和容错处理。在通常情况下，可以用它来代替底层编程语言，如C和C++ 。在计算要求相同的情况下，使用MATLAB的编程工作量会大大减少。MATLAB的这些函数集包括从最简单最基本的函数到诸如矩阵，特征向量、快速傅立叶变换的复杂函数。函数所能解决的问题其大致包括矩阵运算和线性方程组的求解、微分方程及偏微分方程的组的求解、符号运算、
图像预处理的一般方法 （一）空域图像增强技术 1．灰度线性变换 addpath('C:\'); I = imread('C:\lzs.jpeg'); imshow(I); I = double(I); [M,N] = size(I); for i = 1:M for j = 1:N if I(i,j)<=30 I(i,j)=I(i,j); else if I(i,j)<=150 I(i,j)=(210-30)/(160-30)*(I(i,j)-30)+30; else I(i,j)=(256-210)/(256-160)*(I(i,j)-160)+210; end end end end figure(2); imshow(uint8(I)); 2.直方图均衡化 addpath('C:\'); I=imread('C:\lzs.jpeg'); figure subplot(221); imshow(I);
subplot(222); imhist(I); I1=histeq(I); figure; subplot(221); imshow(I1); subplot(222); imhist(I1) 3.均值滤波 function test1 I = imread('C:\lzs.jpeg'); [M,N]=size(I); II1=zeros(M,N); for i=1:16; II(:,:,i)=imnoise(I,'gaussian',0,0.01); II1=II1+double(II(:,:,i)); if or(or(i==1,i==4),or(i==8,i==16)); figure;imshow(uint8(II1/i)); end end 4.梯度锐化操作 addpath('C:\'); I = imread('C:\lzs.jpeg'); subplot(131); imshow(I); H=fspecial('Sobel'); H=H'; TH=filter2(H,I); subplot(132)； imshow(TH,[]);
数字图像去噪典型算法及matlab实现 希望得到大家的指点和帮助 图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等； 目前比较经典的图像去噪算法主要有以下三种： 均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进，主要避开对景物边缘的平滑处理。 中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。 Wiener维纳滤波：使原始图像和其恢复图像之间的均方误差最小的复原方法，是一种自适应滤波器，根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。实验一：均值滤波对高斯噪声的效果 I=imread('C:\Documents and Settings\Administrator\桌面\1.gif');%读取图像 J=imnoise(I,'gaussian',0,0.005);%加入均值为0，方差为0.005的高斯噪声 subplot(2,3,1);imshow(I); title('原始图像'); subplot(2,3,2); imshow(J); title('加入高斯噪声之后的图像'); %采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 K1=filter2(fspecial('average',3),J)/255; %模板尺寸为3 K2=filter2(fspecial('average',5),J)/255;% 模板尺寸为5 K3=filter2(fspecial('average',7),J)/255; %模板尺寸为7 K4= filter2(fspecial('average',9),J)/255; %模板尺寸为9 subplot(2,3,3);imshow(K1); title('改进后的图像1'); subplot(2,3,4); imshow(K2); title('改进后的图像2');
图像预处理流程： 图2.2 图像预处理流程图 2.2 系统功能的实现方法 系统功能的实现主要依靠图像处理技术，按照上面的流程一一实现，每一部分的具体步骤如下： 1原始图像：由数码相机或其它扫描装置拍摄到的图像； 2预处理：对采集到的图像进行灰度化、图像增强，滤波、二值化等处理以克服图像干扰； 3字轮定位：用图像剪切的方法获取仪表字轮； 4字符分割：利用字符轮廓凹凸检测定位分割方法得到单个的字符；
5字符识别：利用模板匹配的方法与数据库中的字符进行匹配从而确认出 字符，得到最后的仪表示数。 2.3.1 MATLAB简介 MATLAB 是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。 MATLAB是矩阵实验室（Matrix Laboratory）的简称，和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C++ ，JAVA的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。 2.3.2 MATLAB的优势和特点 1、MATLAB的优势 (1)友好的工作平台和编程环境 MATLAB由一系列工具组成。这些工具方便用户使用MATLAB 的函数和文件，其中许多工具采用的是图形用户界面。包括MATLAB 桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。随着MATLAB的商业化以及软件本身的不断升级，MATLAB的用户界面也越来越精致，更加接近Windows的标准界面，人机交互性更强，操作更简单。而且新版本的