1、精選優質文檔-傾情為你奉上基于Matlab的圖像預處理算法實現目 錄專心-專注-專業第一章 緒 論1.1何謂數字圖像處理數字圖像處理（Digital Image Processing），就是利用數字計算機或則其他數字硬件，對從圖像信息轉換而得到的電信號進行某些數學運算，以提高圖像的實用性。例如從衛星圖片中提取目標物的特征參數，三維立體斷層圖像的重建等。總的來說，數字圖像處理包括點運算、幾何處理、圖像增強、圖像復原、圖像形態學處理、圖像編碼、圖像重建、模式識別等。目前數字圖像處理的應用越來越廣泛，已經滲透到工業、醫療保健、航空航天、軍事等各個領域，在國民經濟中發揮越來越大的作用。1.2 數字圖像

2、處理的特點及其應用在計算機出現之前，模擬圖像處理占主導地位。隨著計算機的發展，數字圖像處理發展速度越來越快。盡管目前一般采用順序處理的計算機，對大數據量的圖像處理速度不如光學方法快，但是其處理的精度高，實現多種功能的、高度復雜的運算求解非常靈活方便。在其短短的歷史中，它卻成功的應用于幾乎所有與成像有關的領域，并正發揮相當重要的作用。1.2.1 數字圖像處理的特點同模擬圖像處理相比，數字圖像處理有很多優點。主要表現在：1. 精度高不管是對4bit還是8bit和其他比特圖像的處理，對計算機程序來說幾乎是一樣的。即使處理圖像變大，只需改變數組的參數，而處理方法不變。所以從原理上不管處理多高精度的圖像

3、都是可能的。而在模擬圖像處理中，要想使精度提高一個數量級，就必須對處理裝置進行大幅度改進。2. 再現性好不管是什么圖像，它們均用數組或集合表示。將它們輸入到計算機內，用計算機容易處理的方式表示。在傳送和復制圖像時，只在計算機內部進行處理，這樣數據就不會丟失或遭破壞，保持了完好的再現性。而在模擬圖像處理中，就會因為各種干擾及設備故障而無法保持圖像的再現性。3. 通用性、靈活性高不管是可視圖像還是X線照片、紅外線熱成像、超聲波圖像等不可見光成像，盡管這些圖像成像體系中的設備規模和精度各不相同，但當把圖像信號直接進行A/D變換，或記錄成照片再數字化，對于計算機來說都能用二維數組表示，不管什么樣的圖像

4、都可以用同樣的方法進行處理，這就是計算機處理的通用性。另外，對處理程序自由加以改變，可進行各種各樣的處理。如上下滾動、漫游、拼圖、合成、變換、放大、縮小和各種邏輯運算等，所以靈活性很高。1.2.2圖像預處理的內容在圖像分析中，對輸入圖像進行特征抽取、分割和匹配前所進行的處理。圖像預處理的主要目的是消除圖像中無關的信息，恢復有用的真實信息，增強有關信息的可檢測性和最大限度地簡化數據，從而改進特征抽取、圖像分割、匹配和識別的可靠性。預處理過程一般有數字化、幾何變換、歸一化、平滑、復原和增強等步驟。1.數字化 一幅原始照片的值是空間變量（位置的連續值）的。在MN點陣上對照片灰度采樣并加以量化（歸為2

5、b個灰度等級之一），可以得到計算機能夠處理的數字圖像。為了使數字圖像能重建原來的圖像,對M、N和b值的大小就有一定的要求。在接收裝置的空間和灰度分辨能力范圍內,M、N 和b的數值越大,重建圖像的質量就越好。當取樣周期等于或小于原始圖像中最小細節周期的一半時，重建圖像的頻譜等于原始圖像的頻譜，因此重建圖像與原始圖像可以完全相同。由于M、N 和b三者的乘積決定一幅圖像在計算機中的存儲量，因此在存儲量一定的條件下需要根據圖像的不同性質選擇合適的M、N 和b值，以獲取最好的處理效果。2.幾何變換 用于改正圖像采集系統的和儀器位置的隨機誤差所進行的變換。對于衛星圖像的系統誤差，如地球自轉、掃描鏡速度和地

6、圖投影等因素所造成的,可以用模型表示,并通過幾何變換來消除。隨機誤差如飛行器姿態和高度變化引起的誤差，難以用模型表示出來，所以一般是在系統誤差被糾正后，通過把被觀測的圖和已知正確幾何位置的圖相比較，用圖中一定數量的地面解雙變量函數組而達到變換的目的。 3.歸一化 使圖像的某些特征在給定變換下具有不變性質的一種圖像標準形式。圖像的某些性質，例如物體的面積和周長，本來對于坐標旋轉來說就具有不變的性質。在一般情況下，某些因素或變換對圖像一些性質的影響可通過歸一化處理得到消除或減弱，從而可以被選作測量圖像的依據。例如對于光照不可控的遙感圖片，灰度的歸一化對于圖像分析是十分必要的。灰度歸一化、幾何歸一化

7、和變換歸一化是獲取圖像不變性質的三種歸一化方法。 4.圖像平滑 消除圖像中隨機噪聲的技術。對平滑技術的基本要求是在消去噪聲的同時不使圖像輪廓或線條變得模糊不清。常用的平滑方法有中值法、局部求平均法和k 近鄰平均法。局部區域大小可以是固定的，也可以是逐點隨灰度值大小變化的。此外，有時應用空間頻率域帶通濾波方法。 5.復原 校正各種原因所造成的圖像退化，使重建或估計得到的圖像盡可能逼近于理想無退化的像場。在實際應用中常常發生圖像退化現象。例如大氣流的擾動，光學系統的像差，相機和物體的都會使遙感圖像發生退化。基本的復原技術是把獲取的退化圖像g(x，y)看成是退化函數h(x，y)和理想圖像f(x，y)

8、的卷積。它們的存在關系 G(u，vH(u，v)F(u，v)。根據退化機理確定退化函數后，就可從此關系式求出F(u，v)，再用反變換求出f(x，y)。通常把 稱為反向。實際應用時，由于H(u，v)隨離開uv平面的距離增加而迅速下降，為了避免高頻范圍內噪聲的強化，當u2+v2大于某一界限值W娿時，使M(u，v)等于1。W0的選擇應使H(u，v)在 u2+v2W范圍內不會出現零點。圖像復原的代數方法是以最佳準則為基礎。尋求一估值,使優度準則函數值最小。這種方法比較簡單，可推導出最小二乘法濾波器。當不存在噪聲時，維納濾波器成為理想的反向濾波器。 6.增強 對圖像中的信息有選擇地加強和抑制，以改善圖像的

9、視覺效果，或將圖像轉變為更適合于機器處理的形式，以便于數據抽取或識別。例如一個圖像增強系統可以通過來突出圖像的輪廓線，從而使機器能夠測量輪廓線的形狀和周長。圖像增強技術有多種方法，反差展寬、變換、密度分層和直方圖均衡等都可用于改變圖像灰調和突出細節。實際應用時往往要用不同的方法，反復進行試驗才能達到滿意的效果。 1.2.3 數字圖像處理的應用計算機圖像處理和計算機、多媒體、智能機器人、專家系統等技術的發展緊密相關。近年來計算機識別、理解圖像的技術發展很快，也就是圖像處理的目的除了直接供人觀看（如醫學圖像是為醫生觀看作診斷）外，還進一步發展了與計算機視覺有關的應用，如郵件自動分檢，車輛自動駕駛等

10、。下面僅羅列了一些典型應用實例，而實際應用更廣。1. 在生物醫學中的應用主要包括顯微圖像處理；DNA顯示分析；紅、白血球分析計數；蟲卵及組織切片的分析；癌細胞的識別；染色體分析等等。2. 遙感航天中的應用軍事偵察、定位、導航、指揮等應用；多光譜衛星圖像分析；地形、地圖、國土普查；地質、礦藏勘探；天文、太空星體的探測及分析等。3. 工業應用CAD 和CAM技術用于模具、零件制造、服裝、印染業；零件、產品無損檢測，焊縫及內部缺陷檢查；交通管制、機場監控；火車車皮識別等。4. 軍事公安領域中的應用巡航導彈地形識別；指紋自動識別；警戒系統及自動火炮控制；反偽裝偵察；手跡、人像、印章的鑒定識別；過期檔案

11、文字的復原；集裝箱的不開箱檢查等。5. 其他應用圖像的遠距離通信；多媒體計算機系統及應用；電視電話；服裝試穿顯示；理發發型預測顯示；電視會議；辦公自動化、現場視頻管理等。1.3 MATLAB1.3.1 matlab簡述MATLAB是矩陣實驗室（Matrix Laboratory）的簡稱，是美國MathWorks公司出品的商業，用于算法開發、數據可視化、數據分析以及數值計算的高級技術計算語言和交互式環境，主要包括MATLAB和Simulink兩大部分。MATLAB是由美國mathworks公司發布的主要面對科學計算、可視化以及交互式程序設計的高科技計算環境。它將數值分析、矩陣計算、科學數據可視化

12、以及非線性動態系統的建模和仿真等諸多強大功能集成在一個易于使用的視窗環境中，為科學研究、工程設計以及必須進行有效數值計算的眾多科學領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非交互式程序設計語言（如C、Fortran）的編輯模式，代表了當今國際科學計算軟件的先進水平。MATLAB和Mathematica、Maple并稱為三大數學軟件。它在數學類科技應用軟件中在數值計算方面首屈一指。MATLAB可以進行矩陣運算、繪制函數和數據、實現算法、創建用戶界面、連接其他編程語言的程序等，主要應用于工程計算、控制設計、信號處理與通訊、圖像處理、信號檢測、金融建模設計與分析等領域。MATLAB的基本

13、數據單位是矩陣，它的指令表達式與數學、工程中常用的形式十分相似，故用MATLAB來解算問題要比用C，FORTRAN等語言完成相同的事情簡捷得多，并且MATLAB也吸收了像Maple等軟件的優點,使MATLAB成為一個強大的數學軟件。在新的版本中也加入了對C，FORTRAN，C+ ，JAVA的支持。可以直接調用,用戶也可以將自己編寫的實用程序導入到MATLAB函數庫中方便自己以后調用，此外許多的MATLAB愛好者都編寫了一些經典的程序，用戶可以直接進行下載就可以用。1.3.2 matlab處理圖像的特點第一，MATLAB的基本數據單位是矩陣，它的指令表達式與數學,工程中常用的形式十分相似,故用M

14、ATLAB來解算問題要比用C,FORTRAN等語言完成相同的事情簡捷得多。第二，友好的工作平臺和編程環境。MATLAB由一系列工具組成。這些工具方便用戶使用MATLAB的函數和文件，其中許多工具采用的是圖形用戶界面。包括MATLAB桌面和命令窗口、歷史命令窗口、編輯器和調試器、路徑搜索和用于用戶瀏覽幫助、工作空間、文件的瀏覽器。第三，簡單易用的程序語言。Matlab一個高級的距陣/陣列語言，它包含控制語句、函數、數據結構、輸入和輸出和面向對象編程特點。用戶可以在命令窗口中將輸入語句與執行命令同步，也可以先編寫好一個較大的復雜的應用程序(M文件)后再一起運行。第四，強大的科學計算機數據處理能力。

15、MATLAB是一個包含大量計算算法的集合。其擁有600多個工程中要用到的數學運算函數，可以方便的實現用戶所需的各種計算功能。第五，出色的圖形處理功能，MATLAB自產生之日起就具有方便的數據可視化功能，以將向量和距陣用圖形表現出來，并且可以對圖形進行標注和打印。高層次的作圖包括二維和三維的可視化、圖象處理、動畫和表達式作圖。可用于科學計算和工程繪圖。第六，應用廣泛的模塊集合工具箱，MATLAB對許多專門的領域都開發了功能強大的模塊集和工具箱。一般來說，他們都是由特定領域的專家開發的，用戶可以直接使用工具箱學習、應用和評估不同的方法而不需要自己編寫代碼。文章主要分為四部分，其中，文章的開頭簡單介

16、紹了數字圖像應用的發展過程，還對本文應用的matlab開發工具的發展進行簡單講述。文章的第二部分主要針對圖像預處理系統中怎么做到灰度轉換及灰度直方圖的構建。第三部分講的是圖像的預處理技術，其中包括圖像平滑、銳化等。第四部分講的是噪聲處理，噪聲特性以及matlab去除噪聲的方法。第二章 數字圖像處理的灰度直方圖2.1灰度的定義灰度使用黑表示物體。 每個灰度對象都具有從 0%（白色）到 圖2.1灰度條100%（黑色）的值。 使用黑白或儀生成的圖像通常以灰度顯示。使用灰度還可將彩色圖稿轉換為高質量黑白圖稿。 灰度級變換(點運算)的定義對于輸入圖象f(x，y)，灰度級變換T將產生一個輸出圖像g(x，y

17、)，且g(x，y)的每一個像素值都是由f(x，y)的對應輸入像素點的值決定的，g(x，y)=T(f(x，y)。對于原圖象f(x，y)和灰度值變換函數T(f(x，y)，由于灰度值總是有限個(如：O2 5 5)，非幾何變換可定義為：R=T(r)。2.2直方圖定義直方圖：圖像直方圖是圖像處理中一種十分重要的圖像分析工具，它描述了一幅圖像的灰度級內容，任何一幅圖像的直方圖都包含了豐富的信息，它主要用在圖象分割，圖像灰度變換等處理過程中。從數學上來說圖像直方圖是圖像各灰度值統計特性與圖像灰度值的函數，它統計一幅圖像中各個灰度級出現的次數或概率；從圖形上來說，它是一個二維圖，橫坐標表示圖像中各個像素點的灰

18、度級，縱坐標為各個灰度級上圖像各個像素點出現的次數或概率。直方圖的縱坐標都對應著該灰度級在圖像中出現的概率。2.2.1直方圖的典型用途對圖像進行數字化時，利用直方圖可以檢查輸入圖像的灰度值在可利用的灰度范圍內分配得是否適當。在醫學方面，為了改善X射線操作人員的工作條件，可采用低輻射X射線曝光，但這樣獲得的X光片灰度級集中在暗區，導致某些圖像細節無法看清，判讀困難。通過直方圖修正使灰度級分布在人眼合適的亮度區域，便可使X片中的細節清晰可見。可以根據直方圖確定二值化的閾值；當物體部分的灰度值比其它部分的灰度值大時，可以用直方圖求出物體的面積(實際上是象素數=灰度大于和等于q的象素的總和)；當物體部

19、分的灰度值比其它部分的灰度值大時，可以用直方圖求出物體的面積(實際上是象素數=灰度大于和等于q的象素的總和)；利用色彩直方圖可以進行基于顏色的圖象分割。2.2.2灰度直方圖的計算若圖象具有L級灰度(通常L=256，即8位灰度級)，則大小為m(n的灰度圖象f(x，Y)的灰度直方圖Hk，k=0L-1，可按如下步驟計算獲得：1) 初始化數據，清空表中所以內容；2) 對圖像中的各個像素中的灰度級進行統計，并把其相各個灰度級中所對應的像素點統計下來；3) 用橫坐標表示圖像中各個像素點的灰度級，縱坐標表示各個灰度級上圖像各個像素點出現的次數或概率。2.2.3圖像直方圖實現代碼A,map=imread(f:

20、234.bmp); imshow(A,map), image=double(A);for i=1:256, a(i)=0;end,for i=1:256, for j=1:256, b=image(i,j)+1; a(b)=a(b)+1; end,end,for k=1:256, p(k)=a(k)/(2562);end,figure,stem(p);用上述代碼生成圖2.2的直方圖，結果如圖2.3所示。 圖2.2 原圖 圖2.3 直方圖2.3直方圖均衡中文名稱：直方圖均衡 英文名稱：histogram equalization 定 義：使原直方圖變換為具有均勻密度分布的直方圖，然后按該直方圖調

21、整原圖像的一種圖像處理技術。 2.3.1 直方圖均衡原理直方圖均衡化是灰度變換的一個重要應用，廣泛應用在圖像增強處理中，它是以累計分布函數變換為基礎的直方圖修正法，可以產生一幅灰度級分布具有均勻概率密度的圖像，擴展了像素的取值動態范圍。若像素點的原灰度為R，變換后的灰度為S，需要注意的是R、S是歸一化后的灰度值，其灰度變換函數T(R)為： （2-1）式中，是第j級灰度值的概率，是圖像中j級灰度的像素總數，是圖像中灰度級的總數目，是圖象中像素的總數。對變換后的S值取最靠近的一個灰度級的值，建立灰度級變換表，將原圖像變換為直方圖均衡的圖像。下面是實現圖像直方圖均衡化函數的源代碼和效果圖：2.3.2

22、直方圖均衡的實現(1) 對給定的待處理圖像統計其直方圖，求出.(2) 根據統計出的直方圖采用累積分布函數作變換, 求變換后的新灰度； （2-2）(3) 用新灰度代替舊灰度，求出Ps(s)，這一步是近似過程，應根據處理目的盡量做到合理，同時把灰度值相等或近似地合并到一起。A,map=imread(f:456.bmp); imshow(A,map), title(原圖);image=double(A);for i=1:256, n(i)=0;end,for i=1:256, for j=1:256, s=image(i,j)+1; n(s)=n(s)+1; end,end,for k=1:256,

23、 p(k)=n(k)/(2562);end,figure,bar(p,r);title(直方圖);for k=1:256, q(k)=0;end,for k=1:256, for j=1:k, q(k)=q(k)+p(j); end,end,figure,bar(q,y);title(累積直方圖);N=256;for k=1:256, o(k)=round(N-1)*q(k)+0.5);end,for i=1:256, for j=1:256, rimage(i,j)=(image(i,j); endendfigure,imshow(uint8(rimage);title(均衡化后的圖);fo

24、r i=1:256, n(i)=0;end,for i=1:256, for j=1:256, s=rimage(i,j)+1; n(s)=n(s)+1; end,end,for k=1:256, p(k)=n(k)/(2562);end,figure,bar(p,b);title(均衡化的直方圖);圖2.4 原圖 圖2.5 原始圖象的直方圖圖2.6 直方圖均衡化后的效果圖 圖2.7 均衡化后的直方圖 從上述效果圖可以看出，經過直方圖均衡化處理后，圖像變的清晰了，從直方圖來看，處理后的LENA的圖像直方圖分布更均勻了，在每個灰度級上圖像都有像素點。但是直方圖均衡化存在著兩個缺點：（1）變換后圖

25、像的灰度級減少，某些細節消失；（2）某些圖像，如直方圖有高峰，經處理后對比度不自然的過分增強。第三章 圖像平滑與圖像銳化3.1圖像的平滑圖像的平滑方法是一種實用的圖像處理技術，能減弱或消除圖像中的高頻率分量，但不影響低頻率分量。因為高頻率分量主要對應圖像中的區域邊緣等灰度值具有較大較快變化的部分，平滑濾波將這些分量濾去可減少局部灰度起伏，使圖像變得比較平滑。實際應用中，平滑濾波還可用于消除噪聲，或者在提取較大目標前去除過小的細節或將目標內的小間斷連接起來。它的主要目的是消除圖像采集過程中的圖像噪聲，在空間域中主要利用鄰域平均法、中值濾波法和選擇式掩模平滑法等來減少噪聲；在頻率域內，由于噪聲主要

26、存在于頻譜的高頻段，因此可以利用各種形式的低通濾波器來減少噪聲。本節主要介紹常用的空間域圖像平滑方法。3.1.1領域平均法基礎理論最簡單的平滑濾波是將原圖中一個像素的灰度值和它周圍鄰近8個像素的灰度值相加，然后將求得的平均值（除以9）作為新圖中該像素的灰度值。它采用模板計算的思想，模板操作實現了一種鄰域運算，即某個像素點的結果不僅與本像素灰度有關，而且與其鄰域點的像素值有關。模板運算在數學中的描述就是卷積運算，這里不再贅述。鄰域平均法也可以用數學公式表達：設為給定的含有噪聲的圖像，經過鄰域平均處理后的圖像為，則:, （3-1）所取鄰域中各鄰近像素的坐標，是鄰域中包含的鄰近像素的個數。鄰域平均法

27、的模板為：，中間的黑點表示以該像素為中心元素，即該像素是要進行處理的像素。在實際應用中，也可以根據不同的需要選擇使用不同的模板尺寸，如33、55、77、99等。鄰域平均處理方法是以圖像模糊為代價來減小噪聲的，且模板尺寸越大，噪聲減小的效果越顯著。如果是噪聲點，其鄰近像素灰度與之相差很大，采用鄰域平均法就是用鄰近像素的平均值來代替它，這樣能明顯消弱噪聲點，使鄰域中灰度接近均勻，起到平滑灰度的作用。因此，鄰域平均法具有良好的噪聲平滑效果，是最簡單的一種平滑方法。3.1.2算法實現程序中采用的是33的模板，即把當前圖像和它周圍8個像素的灰度值相加，然后將求得的平均值（除以9）作為該點的像素值。A,m

28、ap=imread(f:234.bmp); figure(1);imshow(A,map),title(原圖);image=double(A);for i=1:256, a(i)=0;end,for i=2:255, for j=2:255,b=image(i-1,j-1)+image(i-1,j)+image(i-1,j+1)+image(i,j-1)+image(i,j)+image(i,j+1)+image(i+1,j-1)+image(i+1,j)+image(i+1,j+1); b=b/9; image(i,j)=b; end,end,figure(2);imshow(image,m

29、ap),title(平滑);使用上述代碼對含有高斯噪聲的圖像3.1分別利用鄰域平均法的不同尺寸模板進行平滑后的實驗結果，圖3.2、圖3.3顯示的是分別使用了33、55模板平滑后的圖像。從實驗結果可以看出，當所用平滑模板尺寸增大時，對噪聲的消除效果也有所增強，但同時會帶來圖像的模糊，邊緣細節逐步減少，且運算量增大。在實際應用中，可以根據不同的應用場合選擇合適的模板大小。圖3.1 含有噪聲的原始圖像圖3.2 33鄰域平均法的平滑圖像 圖3.3 55鄰域平均法的平滑圖像3.2圖像銳化3.2.1圖像銳化的目的和意義 圖像銳化是一種補償輪廓、突出邊緣信息以使圖像更為清晰的處理方法.銳化的目標實質上是要增

30、強原始圖像的高頻成分.常規的銳化算法對整幅圖像進行高頻增強,結果呈現明顯噪聲.為此,在對銳化原理進行深入研究的基礎上,提出了先用邊緣檢測算法檢出邊緣,然后根據檢出的邊緣對圖像進行高頻增強的方法. 實驗結果表明,該方法有效地解決了圖像銳化后的噪聲問題銳化的目的在于使圖像中對象輪廓上的像素灰度大的更大，小的更小，但對輪廓外的像素不起作用。由于這一原因，圖像的銳化對孤立點或對孤立線條的 邊緣增強作用十分明顯，但在一定程度上也會對噪聲信號產生增強作用。圖像銳化處理的主要目的是突出圖像中的細節或者增強被模糊了的細節。模糊可能是由于錯誤操作，或者是由于圖像獲取方法的固有影響所導致的。例如，當圖像的分辨率有

31、限時，所獲得的像素值不是一點的亮度，而是周圍景物亮度的平均值。圖像平滑往往使圖像中的邊界、輪廓變的模糊，為了減少這類不利效果的影響，這就需要利用圖像鋭化技術，使圖像的邊緣變的清晰。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細節變的清晰，經過平滑的圖像變得模糊的根本原因是因為圖像受到了平均或積分運算，因此可以對其進行逆運算（如微分運算）就可以使圖像變的清晰。從頻率域來考慮，圖像模糊的實質是因為其高頻分量被衰減，因此可以用高通濾波器來使圖像清晰。3.2.2圖像銳化算法為了要把圖像中間任何方向伸展的的邊緣和輪廓線變得清晰，我們希望對圖像的某種運算是各向同性的。可以證明偏導平方和的運算是各

32、向同性的，既: （3-2）式中是圖像旋轉前的坐標，是圖像旋轉后的坐標。梯度運算就是在這個式子的基礎上開方得到的。圖像（x，y）點的梯度值： （3-3）為了突出物體的邊緣，常常采用梯度值的改進算法，將圖像各個點的梯度值與某一閾值作比較，如果大于閾值，該像素點的灰度用梯度值表示，否則用一個固定的灰度值表示。我們在對圖像增強的過程中，采用的是一種簡單的高頻濾波增強方法： （3-4）式中f，g分別為銳化前后的圖像，是與擴散效應有關的系數。表示對圖像f進行二次微分的拉普拉斯算子。這表明不模糊的圖像可以由模糊的圖像減去乘上系數的模糊圖像拉普拉斯算子來得到。可以用下面的模板H=1，4，1，4，-20，4，1

33、，4，1來近似。在具體實現時，上述模板H中的各個系數可以改變，這個系數的選擇也很重要，太大了會使圖像的輪廓過沖，太小了則圖像銳化不明顯。實驗表明，選取2-8之間往往可以達到比較滿意的效果。下面給出等于4的情況下的實現代碼和效果圖。3.2.3圖像銳化的實現代碼A,map=imread(f:234.bmp); figure(1);imshow(A,map), title(原圖);image=double(A);for i=2:255, for j=2:255,b=image(i,j)-2*1*image(i-1,j-1)+4*image(i-1,j)+1*image(i-1,j+1)+4*imag

34、e(i,j-1)-20*image(i,j)+4*image(i,j+1)+1*image(i+1,j-1)+4*image(i+1,j)+1*image(i+1,j+1); image(i,j)=b; end,end,figure(2);imshow(image,map),title(銳化);圖3.5原圖 圖3.6銳化圖從上述效果圖可以看出，經過拉普拉斯銳化處理后，圖像變的色彩濃密了，從拉普拉斯銳化圖來看，處理后的LENA的圖像像素點對比度更明顯了，圖像的邊緣和輪廓都變的清晰了，每個像素點都被體現了出來。第四章 圖像噪聲與噪聲的處理4.1噪聲的概念目前大多數數字圖像系統中，輸入圖像都是采用先

35、凍結再掃描方式將多維圖像變成一維電信號，再對其進行處理、存儲、傳輸等加工變換。最后往往還要在組成多維圖像信號，而圖像噪聲也將同樣受到這樣的分解和合成。在這些過程中電氣系統和外界影響將使得圖像噪聲的精確分析變得十分復雜。另一方面圖像只是傳輸視覺信息的媒介，對圖像信息的認識理解是由人的視覺系統所決定的。不同的圖像噪聲，人的感覺程度是不同的，這就是所謂人的噪聲視覺特性課題。 圖像噪聲在數字圖像處理技術中的重要性越來越明顯，如高放大倍數航片的判讀，射線圖像系統中的噪聲去除等已經成為不可缺少的技術步驟。4.2圖像噪聲對圖像的影響人類獲取外界信息有視覺、聽覺、觸覺、味覺等多種方法，但絕大部分(約80%)是

36、來自視覺所接收的圖像信息，即所謂“百聞不如一見”。而圖像處理就是對圖像息進行加工處理，以滿足人的視覺心理和實際應用的要求。因此，圖像處理技術的廣泛研究和應用是必然的趨勢。在分析和使用圖像之前，需要對圖像信號進行一系列處理。比如調整圖像存儲的格式，對圖像進行去噪等等。圖像處理是針對性很強的技術，根據不同用途、不同要求采用不同的處理方法。采用的方法是綜合各學科較先進的成果而成的，如數學、物理學、心理學、生理學、醫學、計算機科學、通信理論、信號分析、控制論和系統工程等，各學科相互補充、相互滲透才使數字圖像處理技術飛速發展。一般來說，在圖像采集、編碼、傳輸、恢復的幾個基本步驟中，影響圖像質量的因素很多

37、。例如，現實圖像中無用的信息對我們而言就是噪聲，設備、環境、獲取方法等因素也會引入許多噪聲干擾。如電磁干擾、相片顆粒噪聲、采集圖像信號的傳感器噪聲、信道噪聲、甚至濾波器產生的噪聲等等。所以，為了提高圖像的質量以及后續更高層次的處理，對圖像進行去噪處理是不可缺少的重要環節，而尋求一種行之有效的去噪方法也是人們一直在進行的工作。4.3噪聲來源噪聲可以理解為影響傳感器對所接收圖像源信息進行理解或分析的各種因素。噪聲一般是不可預測的隨機信號，它只能用概率統計的方法去認識。噪聲對圖像的輸入、采集和處理的各種環節，以及輸出結果的全過程都有影響。因此，去噪己經成為圖像處理中極其重要的手段，也是圖像處理領域研

38、究的一個重點。本節先對噪聲的來源和性質進行簡要的介紹，然后給出幾種去除圖像噪聲的算法及其代碼實現過程。對圖像信號來說，可將黑白圖像看作是二維亮度分布，則噪聲可看作是對亮度的干擾，用來表示。噪聲是隨機性的，因而需要用隨機過程來描述，即要求知道其分布函數和密度函數。在許多情況下，這些函數很難測定和描述，甚至無法得到，所以常用統計特征來描述噪聲，如均值、方差、相關函數等。描述噪聲的總功率： ； 方差描述噪聲的交流功率： ； 均值的平方表示噪聲的直流功率：。 對圖像中的噪聲有多種描述方式，常見的有以下幾種：（1）白噪聲（White Noise）：它具有常量的功率譜。白噪聲的一個特例是高斯噪聲 （Gau

39、ssian Noise），它的直方圖曲線服從一維高斯型分布： （4-1）（2）椒鹽噪聲（Pepper Noise）：是一種在圖像中產生黑色、白色點的脈沖噪聲。該噪聲在圖像中顯現較為明顯，對圖像分割、邊緣檢測、特征提取等后續處理具有嚴重的破壞作用。（3）沖擊噪聲（Impulsive Noise）：是指一幅圖像被個別噪聲像素破壞，而且這些像素的亮度與其鄰域的亮度顯著不同。（4）量化噪聲（Quatization Noise）：在量化級別不同時出現的噪聲。例如，將圖像的亮度級別減少一半的時候會出現偽輪廓。4.4 噪聲圖像模型及噪聲特性4.4.1 含噪模型現實中的數字圖像在數字化和傳輸過程中，常受到成像

40、設備與外部環境噪聲干擾等影響，成為含噪圖像。去除或減輕在獲取數字圖像中的噪聲稱為圖像去噪,在圖像去噪之前我們先要建立一個含噪圖像的模型，為了簡便，我們研究如下的加性噪聲模型，即含噪圖像僅由原始圖像疊加上一個隨機噪聲形成: （4-2）表示圖像，為噪聲，含噪圖像記為。4.4.2 噪聲特性在對這個含噪模型進行研究之前，我們有必要了解一下噪聲的一些特性，經常影響圖像質量的噪聲源可分為三類。人們對其生成原因及相應的模型作了大量研究:1、電子噪聲。在阻性器件中由于電子隨機熱運動而造成的電子噪聲是三種模型中最簡單的，一般常用零均值高斯白噪聲作為其模型，它可用其標準差來完全表征。2、光電子噪聲。由光的統計本質

41、和圖像傳感器中光電轉換過程引起，在弱光照的情況下常用具有泊松分布的隨機變量作為光電噪聲的模型，在光照較強時，泊松分布趨向于更易描述的高斯分布。3、感光片顆粒噪聲。由于曝光過程中感光顆粒只有部分被曝光，而其余部分則未曝光，底片的密度變化就由曝光后的顆粒密集程度變化所決定，而算曝光顆粒的分布呈現一種隨機性。在大多數情況下，顆粒噪聲可用高斯白噪聲作為有效模型。通過以上分析可以看出，絕大多數的常見圖像噪聲都可用均值為零，方差不同的高斯白噪聲作為其模型，因而為了簡便和一般化，我們采用零均值的高斯白噪聲作為噪聲源。4.5 圖像二值化4.5.1理論基礎圖像包括目標、背景還有噪聲,怎樣從多值的數字圖像中僅提取

42、出目標,常用的方法就是設定某一閾值T,用T將圖像的數據分成2大部分:大于T的像素群和小于T的像素群.這種方法稱為圖像的二值化.二值化處理就是把圖像分成目標和背景2個區域.二值化是數字圖像處理中一項最基本的變換方法,通過非零取一固定閾值、雙固定閾值等不同的閾值化變換方法,使一幅灰度圖像變成了黑白二值圖像,將我們所需的目標從復雜的圖像背景中提取出來.閾值5-6處理的操作過程是指定一個閾值,如果圖像中某像素的灰度值小于該閾值,則將該像素的灰度值設置為0或255,否則灰度值設置為255或0.4.5.2圖像二值化的實現代碼圖像二值化的實現步驟如下：(1)取得原圖的數據區指針(2)每個像素依次循環,若該像

43、素灰度值為0,則不變;若該像素灰度值不為0,則置為255。圖像二值化代碼如下:A,map=imread(f:521.bmp); figure(1);imshow(A,map), title(原圖);image=double(A);for i=1:600, for j=1:600, if (image(i,j) 200) image(i,j)=255; else image(i,j)=0; end; end,end,figure(2);imshow(image,map),title(二值化);圖4.1原圖 圖4.2二值化處理后圖4. 6二值圖像的去噪4.6.1理論基礎圖像在形成、傳輸、接收和處理

44、的過程中,不可避免地存在著外部以及內部的干擾,比如光電轉換過程中敏感元件靈敏度的不均勻性、數字化過程的量化噪聲、傳輸過程中的誤差,還有人為的因素等等,均會存在著一定程度的噪聲干擾.噪聲惡化了圖像質量,致使圖像模糊,特征不明顯。例如在車牌識別的處理過程中噪聲帶來的影響可以通過二值化去噪得到很好的處理效果。4.6.2二值圖像去噪的實現代碼二值圖像去噪的實現步驟如下：(1)取得圖像大小、數據區指針,并把數據區復制到緩沖區去(2)循環取得各點的像素值(3)取得該點周圍8像素的平均值(4)把緩沖區中改動的數據復制到原數據區中程序代碼如下:clear;close all; I=imread(f:54.bmp); I=rgb2gray(I);imwrite(I,f:544.bmp);A,map=imread(f:544.bmp); figure(1);imshow(A,map),title(原圖);image=double(A);for i=1:170, for j=1:486, if (image(i,j)