基于matlab的图像预处理技术研究【毕业论文】

《基于matlab的图像预处理技术研究【毕业论文】》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

（2011届）毕业设计题目：基于matlab的图像预处理技术研究姓　　名：　　　　　　　　　　　　专　　业：　　电子信息工程班　　级：　　　　　　　学号：指导教师：　　　　　　　　导师职称：　　　　　　　　　　　　　2011年5月19日III 基于matlab的图像预处理技术研究摘要2011年，我们为了进一步认识与完善图像的预处理，进行了一系列的研究和证明。本文通过图像灰度化、图像去噪、图像增强、边缘化、二值化的方法，阐述了在日常生活中图像预处理的实施研究方法，证明了研究中对灰度化、去噪、增强、边缘化、二值化可行的图像预处理方法，得出了我可以更方便快捷的用matlab软件进行图像预处理的研究。为了形象的说明本次研究，我们还通过程序的展示，程序的运行，研究截图这些鲜明的图像和文字一一呈现给大家，使大家一目了然，方便有兴趣的人跟着我们的研究思路去完成图像的预处理.关键词：图像，图像预处理，灰度化，二值化，去噪39 TheimagepreprocessingtechnologybasedresearchmatlabAbstractIn2011,weordertounderstandfurtherandimprovetheimagepreprocessing,aseriesofresearchandproof.Inthispaper,gray,imagedenoising,imageenhancement,marginalization,binarymethod,describedinthedailylifeoftheimplementationofimagepreprocessingmethods,thestudydemonstratedonthegrayscale,noisereduction,enhanced,Marginalization,binaryimagepre-processingmethodspossible,soIcometoamoreconvenientandefficientimagepreprocessingwithmatlabsoftwareresearch. Inordertoexplaintheimageofthisstudy,weshowthroughtheprogram,theprogram'soperation,researchcapturesharpimagesandtextthemonebyonepresentedtous,soweglance,easytofollowpeoplewhoareinterestedinourresearchideastocompletetheimagePretreatment.Keywords:Image，Imagepreprocessing，Graychange，Binary，Denoising39 目录摘要IIIAbstractIV第一章：绪论11.1课题的来源11.2课题的意义11.3图像预处理技术发展现状21.4课题研究的主要内容4第二章：软件基础知识与总体设计72.1软件基础知识72.2Matlab软件在数字图像处理中的应用72.3方案评价82.4图像预处理的总体设计82.4.1图像灰度化82.4.2数字图像去噪92.4.3数字图像增强112.4.4数字图像二值化122.4.5数字图形边缘化132.4.6数字二值图像倒置14第三章：基于matlab的图像预处理实验结果和分析153.1图像采集及其处理153.2图像灰度化函数及其对比图163.2.1图像灰度化函数rgb2gray163.2.2灰度化对比图163.3图像去噪函数及图像对比163.3.1图像去噪函数medfilt2163.3.2图像去噪对比图173.4图像增强函数、参数对比及图像对比173.4.1图像增强函数imadjust、histeq173.4.2参数对比193.4.3图像增强对比图193.5图像二值化函数及图像对比203.5.1图像二值化函数roicolor203.5.2图像二值化对比图213.6图像边缘化函数及图像对比2139 3.6.1图像边缘化函数bwmorph、bwperim213.6.2图像边缘化对比图223.7图像二值倒置函数及图像对比223.7.1图像二值倒置函数abs223.7.2二值倒置对比图23第四章：拓展研究244.1图像平滑的拓展研究244.2图像融合的拓展研究26第五章：设计说明285.1研究设计说明285.1拓展研究设计说明28结论29参考文献30致谢32附录33附录程序1：图像灰度化程序33附录程序2：图像去噪程序33附录程序3：图像增强程序33附录程序4:图像二值化程序34附录程序5:图像边缘化程序34附录程序6:图像二值倒置程序35附录程序7:图像平滑程序35附录程序8:图像融合程序3539 基于matlab的图像预处理技术研究第一章：绪论1.1课题的来源自从数字图像时代以来，图像预处理技术作为处理图像的前提工作，在各行各业都获得了重要的应用。近年来，图像预处理技术不仅在研究和开发方面迅速发展，更在实际应用中雨的了长足的进步，成为了这个数字时代，人们关注的一个必不可少的技术。目前最困扰的问题之一是摄像头存在干扰问题，中低档的存在摄像头比较明显，特别环境中在低照度的干扰下对图像质量有非常大的影响。根据解析主要有两种噪声会影响中低档视频的质量，一种是相邻区域色素之间产生的是伪颜色噪声，一种是在图像中由于信号强度而会产生的泊松噪声（会影响物体的边缘清晰度）。低通滤波是一般滤波器的工作原理中先做的，而后再去做高通滤波的滤波实验。我们分析一下频谱，物在做低通的时候体的边缘成分已经损失掉了一些部分，即使在高通滤波器后通过后，还是可以通过一定的处理还原大部分，但是，本质上它已经不能够到达最理想的视图效果了。随着产品型号和工作环境是不同这些噪点也会不同。这种随机性噪点对压缩的影响是非常巨大的，有些时候可能会造成码流上的成倍成倍的上升，也会将压缩算法中的优点全部将其掩盖掉，这是由于视频在压缩算法的前后帧图像的差异实现的压缩。这些噪声主要可以采用两种滤波的方式去解决：空间轴上的滤波和时间轴上的滤波。空间轴滤波是用来去除泊松噪声的同时强化物体边缘程度。时间轴滤波是采用运动自适应方式去处伪颜色噪声的同时还原运动中的物体。除了这些，还有一种柱状均衡器，它会改善对比度是通过平滑亮度信号的突变而来的。在帧间编码这种技术中主要还是采用了针对摄像头在一些主要的环境特征即图像变化不大和静止图像的情况下进行压缩处理，这样保证在正常情况下图像都可以以高质量的水平保存。另外一个方面，能使在压缩之前就可以排除了信号中的干扰，压缩还原的图像也会有很大的提高，同时也能降低了码流，这是通过实时滤波的技术。这些就是现实生活中遇到的问题，在此我们把它提出来，当作本文的研究课题，实现理论知识与实际的应用相结合，发挥出最好的使用价值，解决实际中所遇到的困难。这就是本次课题的来源[1-5]。1.2课题的意义图像预处理是39 基于matlab的图像预处理技术研究在图像分析中，对输入图像进行特征抽取、分割和匹配前所进行的处理。但是由于光照条件的不稳定变化、图片不整洁、摄像头与牌照的距离或角度不合适以及速度较快等因素，都将引起图像质量严重下降，包括模糊、光照不均、亮度太低、对比度太小、倾斜等现象。所以图像预处理的意义在于消除图像中无关的信息，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，从而改进图像分割、特征抽取、匹配和识别的可靠性。预处理过程一般有几何变换、数字化、归一化、复原、平滑和增强等步骤。就数字图像处理与分析而言,一般来讲，图像处理的主要意义有三个方面: 　　(1)提高图像的视感质量,如进行图像的彩色变换、亮度、抑制、增强某些成分,对图像进行几何变换等,以改善图像中的质量。 　　(2)提取图像中所包扩的某些特殊信息或特征,这些被提取的信息或特征往往会为计算机图像分析提供技术上的便利。模式识别或计算机视觉的预处理是提取信息或特征的过程。提取的特征能包括方面很广,如形状特征、灰度或颜色特征、拓扑特征、频域特征、关系结构、区域特征、边界特征和纹理特征等。 　　(3)图像编码和压缩、数据的变换,方便与于图像的传输和存储。 　　无论是何种方向的图像预处理,都需要由图像专用设备和计算机组合成的图像预处理系统对采样图像数据进行合理的输入、加工和输出[6]。1.3图像预处理技术发展现状图像处理中的重要环节之一是图像预处理。原先预处理方法主要是锐化和平滑,例如常用线性滤波器，对高斯噪声；而中值滤波器往往是对椒盐噪声进行的处理,往往能得到一些非常好的很好的效果。现今有提出一种先进型的中值滤波器,通过对图像的比较去除最小和最大灰度值后算出的中值与中心像素灰度值相减确定中心点的像素灰度值,这样在噪声很严重时仍然具有良好的滤波性能，但是这样也会破坏图像的一些细节，使图像模糊程度加大。现今还提出了一种图像增强方法是关于离散高斯滤波器的，它选择权值的线性平滑滤波器是根据高斯函数的形状来的，这种方案对于除去服从正态函数分布的噪声具有很有效果，但是对非线性函数的噪声效果就不是那么的理想了。近些年来以来，基于数学上形态学在图像预处理方面越来越具有广泛的应用性。如今运用数学形态学达到了消除噪声已经图像预处理过程中成功的得到了运用,从线结构中分离出厚区域以及连接断口的目的。对差、并噪声并存的采集图像进行了有效的处理是采用交变开闭的滤波。综和上所述，图像预处理技术在基于数学形态学上已经有了深入的研究了。随着技术不断发展，人们获取图像的途径越来越多，使图像预处理的图像种类也越来越多。传统的预处理方法已经不能满足需要，要求对不同的图像数据处理39 基于matlab的图像预处理技术研究问题提出有效的解决方法，而发展迅速的基于认知的智能计算为许多问题找到了很好的解决办法。在深入讨论图像预处理基础上，再结合神经网络理论、遗传算法和统计理论等，为解决图像预处理问题提供有效方法，这种方法主要包括两大部分：第一部分为图像预处理，包括图像滤波、二值化、边缘化、灰度化、图像增强、去噪。第二部分为图像融合算法研究。其中还有为图像预处理的服务的。研究主要围绕图像预处理全过程而展开，完成的主要研究工作如下：1、对于常用方法对质量下降的图像恢复性效果较差的缺陷，研究了利用影藏的小波变换和Markov树的图像恢复算法。在图像通过Wiener反卷积图像滤波以后，采用具有平移不变性的复数小波—双树变换进行小波分解，然后在复数小波域中运用影藏Markov树进行图像的去噪，最后得到受白噪声干扰图像的还原，得到了非常不错的效果。2、对于图像形变目标分割算法计算量大、模型表述复杂，利用了交叉熵及弧线进化对图像给以分割。对于类间差异性最大的分割准则，利用交叉熵来搭建能量函数，将分割这个问题转变为求能量函数最小化；经过最小化能量函数传出用水平集方案表达的弧线进化方程，随后利用简单算法进行求解，实现函数图像有利的分割。3、对于图像配准的精度与速度问题，改善了基于互信息和小波分解的图像配准算法准则。运用分层配准策略，加快了配准的速率；利用Parzen窗口来估计概率准度，运用了二阶梯度法求出配准度量和互信息的最好值，提高了匹配的速度和精度。这方法可以运用于参考图和实时图之间有仿射转变的情况，并作为图像配准制导的关键技术之一。4、对于一般小波重建复杂的缺点，运用了上升策略进行自合理小波变换。这样的算法可以很准确地完成信号的完全重构而且并不需要另外多余的信息，这该方法适用于图像融合当中，把图像的相近信号去平均值化，细节信号可以获得较大的去融合处理。仿真研究证实了这方法能非常好的提取图像中的细微分量，还能得到抗干扰能力，并且可以适用于多传感器遥感图像融合当中去。5、对于现今的神经布局图像融合方法的短处，得出了一种改进的关于粗糙核聚类和神经布局的图像融合方案。运用小波变换去混合噪声图像的滤波，设计粗糙核聚类算法拿去图像聚类操作，提升了融合实时性和效果。经过仿真研究，并与其它的神经布局图像融合方案进行相比，结论表示其方法是有效的。6、对于基于粗糙神经布局及神经布局以的图像融合方案存在自己结构和参数难以调准的问题，得出了一种基于遗传进化粗糙神经布局的图像融合方案。方案运用了粗糙神经布局作为单幅图像处理的聚类算数，以融合后图像的峰值噪声比为适合度函数，利用遗传算数调整粗糙神经布局的内部参数，从峰值噪声比的角度，最大程度地提升了图像融合感觉。仿真研究表示，与基于基于粗糙神经布局和SOM布局的图像融合方法相比，这种方案确实是非常的有效[7-9]。39 基于matlab的图像预处理技术研究1.4课题研究的主要内容图像预处理主要涉及到的内容有以下几个方面：1)图像变换是由于图像的矩阵很大，如果直接在空间域中进行图像变换处理，涉及到的计算量会非常大。所以，往往采用各种各样的图像变换的方案，如傅沃尔什变换、立离散余弦变换、叶变换等间接处的理技术，将图像空间区域的处理转变为图像变换区域的处理，不但可以减少一些计算量，还可获得很效的处理。目前最新研究的小波变换在频域和时域中都有非常好的区域化的特性，它在图像预处理中同样也有着非常有效和广泛的应用。2)将图像上的点的灰度值置为0或255，这就是图像的二值化处理，也就是把整个采集图像显示出明显的黑和白目的。也就是将256个亮度等级的和白图像通过合理的阀值选择而得到仍旧能反映出图像局部和整体特征的二值化（0和1）图像。 目前在数字图像预处理中，二值图像拥有非常重要的位置，尤其是在实际的图像预处理中，有很多系统是以而知图像处理进行实现的，如果要对二值图像进行分析和处理，第一必须要把灰度图像进行二值化，得到一个二值图像，进行了这样的处理以后才有助于对图像进行进一步的处理，然而图像中的集合特质只与像素的值为255或0的点有关，不需要才牵涉到像素的多级值，这样可以让处理变得更加的简单，同事也能使压缩和数据处理量减少。然而而知图像在图像预处理和图像分析当中有着非常广泛的应用，二值图像就是指图像只有0和1这两个灰度的图像，这样的图像有存储空间减小，运算速度加快，可以方便快捷的对图像进行一些运算。而且，在得到二值图像以后，还可以对图像进行进一步的处理和研究，获得图像中的一些人们想得到的信息或者特性。3)图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立"降质模型"，再采用某种滤波方法，恢复或重建原来的图像。4)噪声对人的影响噪声可以认为“阻碍人们感觉器官去感觉，对就收到的信息理解的因素”。例如一张黑白颜色的图像，其平面亮度分布假定为f（a，b），那么对于它接收到干扰作用的亮度分布R（a，b）就可以叫做这个图像的噪声。开着的黑白的电视有时候图像会有噪声，这时可以表示为R（x，y，t）。开着的彩色的电视中图像噪声可以表达为R（x，y，t，，.）。但是，39 基于matlab的图像预处理技术研究噪声在实际中也是不可能预测到的，在理论当年高中也是，他只能用数学当中的概率统计的方案来得出，因为噪声完全是是当中的一个随机的过程。所以噪声的表述完全可借用函数来表述出来，即用其概率分布函数和概率密度分布函数。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，成为含噪图像。取出或减轻在获取数字图像中的噪声成为图像去噪。所以去噪在图像预处理中就显得那么的重要，因为这直接影响图像后期的效果与处理。除了这些还有一些图像预处理之后的技术：1)图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省处理时间、图像传输和减少看空间的存储量。图像的压缩可以在图像不失真之前进行提取，反之也可以进行提取和获得。在压缩技术中编码最重要的一种方法，它在图像处理中是发展最早也是最成熟的技术之一。2）数字图像处理中图像分割也是的关键技术之一。图像分割也就是将图像中有意义的那一部分获得出来，而图像有意义的部分有图像的边缘、区域等，这也是图像处理当红图像分析、识别、处理的基础知识。虽然目前有很多关于边缘化、区域分割的一些算法及其研究，但是还是没有出现一种能普遍适用于它们的方案，这就是关键所在。所以，对图像进行分割这种研究还在社会上不断的研究和探讨。对于最简单的二值图像可采用数学上的集合特性来进行描述其特征，一般的图像描述都是二维的，它有区域描述和边界描述两类方法。所以对于特别的纹理团这些就可以运用二值描述来进行。经过图像处理研究的深入开展，我们已经进入了三维的时代，也就说三维图像的研究已经正在进行了，而且发展的也是很快，已经提出了表面描述、体积描述、广义圆柱体描述等方案。3）我把多新到中所采集到的关于同一目标的图像给以一些图像的预处理，然后提取各自新到中的信息，最后把他合并成同一个图像进行观赏和进一步的处理，这就是图像融合技术。如果对于高效的图像融合技术而言，可以根据通过变换得到多信道同时处理的方法来处理，从而提高图像在实际中的系统对目标探测识别地可靠性利用率及系统的自动化程度。其目的是消除多传感器信息之间可能有的矛盾和冗余，将不同类传感器或单一传感器的多波段信息所得出的信息加以处理，以增加图像中信息透明度，改善解译的可靠性、精度以及使用率，以形成对目标的完整、清晰、准确的信息描绘。在本文的研究中，我们分析了整个过程，探清了课题的研究思路，总结出了毕业设计的内容，主要包括：第一章：主要写图像预处理的一些理论概念，一些研究内容。图像预处理的来源，发展现状及其研究的意义[10-15]。第二章：主要写MATLAB这个软件的一些基础知识，和图像预处理的基本研究。第三章：主要写论文主要函数和研究内容。39 基于matlab的图像预处理技术研究第四章：主要写平滑和融合的拓展研究。第五章：主要写设计说明。39 基于matlab的图像预处理技术研究第二章：软件基础知识与总体设计2.1软件基础知识MATLAB是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将矩阵计算、数值分析、科学数据可视化以及非线性动态系统的仿真和建模等诸多强大功能集于一身，显示在一个易于使用的可视化窗口的环境当中，为工程设计、科学研究以及必须进行有效数值计算的众多科学研究提供了一种权威的解决方法，并且在很多时候在很大的范畴内被拖了传统的编程模式，使使用者更加简单灵活的操作这一软件，得到了很好的效果。这也是当今科学界的一大成就。众所周知，MATLAB在数据处理、数值计算、图像、自动控制、神经布局、优化计算、模糊逻辑、信号处理、小波分析等众多地方都有着广泛的应用，特别是MATLAB的图像处理和与分析工具箱支持RGB图像、索引图像、二值图像、灰度图像，并能操作*.tif、*bmp、*.jpg。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。MATLAB的基本数据单位是矩阵，它的指令表达式与工程、数学中常用的形式都差不多类似，所以MATLAB来解决算法上的问题要比用FOR-TRAN、C等语言完成相同的事情会简便的多，并且MATLAB还吸收了像Maple等软件的优越之处,使MATLAB成为一个强大功能的算数软件。而且在心的版本中还加入了对FORTRAN，C，C++，JAVA的支持技术。可以直接调用函数,用户也可以将自己编写的实际程序代码导入到MATLAB函数库中，成为自己的函数，以后就可以方便的利用。此外许多的MATLAB的爱好者都会遍一些经典的程序，上传到网上，用户可以去方便的下载和使用[16-17]。2.2Matlab软件在数字图像处理中的应用MATLAB软件中有20类图像处理的函数，几乎涵盖可图像处理的所有技术方法，包括近期研究的成果，是研究和学习图像处理的需要者难得的宝贵资料和处理工具箱。这些函数按功能可分为图像图像文件I/O、显示、色彩空间变换像素值与统计、集合几何变换、灰度与二值化图像的形态学运算、图像算数运算、邻域与块处理、图像估计、结构元素查创建与处理、图像分析、图像增强、线性滤波、线性二元滤波设计、图像去迷糊、图像变换、基于边缘的处理、色彩映射表操作、及图像类型与类型转换。MATLAB数字图像处理工具箱函数包括一下几类：39 基于matlab的图像预处理技术研究1：图像类型和类型转换函数；2：颜色空间转换函数；3：图像像素值及统计函数；4：颜色图像操作函数；5：图像文件输出、输出函数；6：基于区域的图像处理函数；7：图像分析函数；8：图像邻域及块操作函数；9：图像增强函数；10：二值图像操作函数；11：图像变换函数；12：二维线性滤波器设计函数；13：图像几何操作函数；14：线性滤波函数；15：图像显示函数；2.3方案评价在设计开始初的过程中，出现很多思路去研究这个课题，那是因为没有研究到实际当中去，拿着理论知识在里面做文章，还有就是图像预处理有很多环节，不是每个图像都适用于这些方案，还要根据图像所需要的目的去选过程。在进一步的研究中，我发现了要有针对性去的研究，这也是毕业设计的理念所在，在一个小区域里面深入的去研究和讨论，得出自己的心得和体会，为往后的发展起到推波助澜的作用。认识到这一点，我果断的理清了思路，确定了设计方案。而且跟着这条思路一直走下去，希望能得到更多现在还没发现的成果[18-19]。2.4图像预处理的总体设计总体设计主要内容：1.数字图像灰度化2.数字图像去噪3.数字图像增强4.数字图像二值5.化数字图形边缘化6.数字二值图像倒置2.4.1图像灰度化灰度图像是指只含亮度信息，不含色彩信息的图像。将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量可取值有256种，这样一个像素点颜色的变化范围可以有1600多万的。然而灰度图像是R、G、B三个分量等同的一种特殊的彩色图像，一个像素点的变化范围为256种，所以在数字图像处理当中一般先把其它格式的图像转换成为灰度图像，然后进行操作，这样可以使得计算速度加快一些。灰度图像的描述和彩色图像一样依然显示出了整幅图像的局部和整体的色度和亮度等级的特征和分布。下面我说一下弧度花处理，图像的灰度化处理可以计算出每个像素点的R、G、B三个分量的平均值，然后再将这个值分别给三个分量。39 基于matlab的图像预处理技术研究采集图像，现今大都是通过数码相机、摄像机等设备拍摄获取的，因而在处理前的图像都是彩色图像。它是利用G,R,B这3个分量表明一个像素的颜色，G,R,B分别代表绿、红、蓝3种不同的颜色，三基色可以合出任意不同的颜色。由于图像的每个像素都具有三个小同的颜色分量，图像中会出现许多与识别无关的信息，会占用很多存储空间，而且在运算上也会降低速度，以便于进一步对图像进行下一步研究工作，所以在图像处理中，往往是把彩色图像转换成灰度图像，就是为了以后工作的方便与简单。彩色图像灰度化的处理方法主要有下面三种:1.最大位法:使R,G,B的位等于三位中最大的一个，即；(2-1)2.平均位法:使R,G,B的位等于三位和的平均值，即；(2-2)3.加权平均位法:根据重要性或其它指标给R,c,B赋子小同的权值，并使R,G,B等于它们的值的加权和平均，即:;(2-3)其中，，分别为R,G,B的权值，由于人眼对绿色、红色、蓝色的敏感度依次降低，当=0.3，=0.59，=0.11，时，能得到最合理的灰度图像。因此，用g表示灰度化后的灰度值，则g=0.3R+0.59G+0.11B。图2-1原始图像图2-2灰度化后图像2.4.2数字图像去噪图像去噪作为图像处理中的一种必须的预处理手段一直以来都得到人们的密切注视，而且随着对图像新数学理论的不断引入和理解的不断深入，图像去噪的理论和方法也在不断得到更新和发展。因此本段对图像去噪的方法和理论做了39 基于matlab的图像预处理技术研究一定的研究，并对其中的一些关键技术和问题对以深入的研究。主要情况包括两方面：第一将总体最小二乘原理与多分辨模型相结合，文中给出了一种新的适用于含有混合噪声的图像中去噪算法，这种算法的运用是在充分考虑观测数据不确定的情况下。先运用多种图像特征算法算子将图像分为不同的特征块，然后对这些区域都采用不同的去噪方案。跟原来的算法相比，新的算法大大提升了总体最小二乘图像去噪算法的时间，还保证了去噪效果特别是保持图像边缘形态以及点的特征。对图像进行处理，通常情况下采用空间域法对图像进行滤波，目的是去除图像中的噪声。图像去噪有可以叫作图像滤波，是图像预处理的一种。其最终目的是恢复给定的图像，处理实际图像由于外界噪声干扰而导致图像质量不行的问题。相对于图像增强处理图像去噪应该算是一个客观的问题，通过去噪处理可以有效地提高图像品质，增大图像信噪比，更好地表现原来图像所拥有的信息，作为一种重要的预处理技术为后续的数字图像处理打下一个完好的基础[20-22]。在一般情况下获得的实际图像总是会带有一些带有噪声，因此图像去噪在图像处理领域中都占据着很重要的地位，例如拍摄中的环境因素、光电感应器获取图像或机载雷达时的各种设备中电子元件产生的噪声、气流因素等，这些无法避免的因素都需依靠去噪技术来获得高品质的图像。图像去噪可以说已经参与到了几乎所有的数字图像处理研究中。现今采用的去噪方法是运用MATLAB中所给出的图像处理工具箱中的wiener2函数，对有恒定能量中具有噪声的图像进行低通滤波，利用每个像素局部区域的估计进行像素式自适应维纳滤波，可以使需要的图像达到一个较好的效果。维纳滤波的基本算法:第一要估计出像素的领域方差和矩阵：，，;(2-4)η是图片里面每个像素MN领域。再对每个像素运用滤波器估计灰度值:;(2-5)其中ν2是图像中噪声方差。实验表明，用这种方法滤波后的灰度图像进行二值化处理有很好的效果。39 基于matlab的图像预处理技术研究图2-3原始图像图2-4去噪后图像2.4.3数字图像增强图像增强是图像预处理过程中常用的一种方法，目的是采用一系列技术去改善图像的视觉效果或将图像转换成一种更适合于人眼观察和机器自动分析的形式。图像增强是指对图像中有些特点，图轮廓、边缘、对比度等进行尖锐化或强调，以便于观察、显示或进一步处理与分析。图像增强中不会增加图像数据里面无关的信息，但他将增加所有选择特性识别或检测更加轻松。图像增强的方法有很多，如基于点运算的方法、基于空间运算的方法、基于变换域运算的方法和色彩增强方法等四类方法。结合实际需要以及处理的效果，选用了灰度拉伸，作为图像增强的方法。灰度拉伸其实是一种线性变换。变换函数为:;(2-6)在上面式子中，（X1，Y1）和（X2，Y2）是分段函数的分段点坐标。采用的拉伸算法为:1.统计出该灰度图像的直方图；2.取像素密度阈值为0.05，由低到高求出灰度区问0—127的峰值lmax（相当于上图中的X1）3.取同样像素密度阈值0.05，由高到低求出灰度区间128-255的峰值rmax（相当于上图中的X2）39 基于matlab的图像预处理技术研究4.拉伸比rate=255/（rmax-lmax）5.若f（x，y）rmax则让它等于255，否则采用公式f（x，y）=rate*（f（x，y）-lmax）。图2-5原始图像图2-6增强后图像2.4.4数字图像二值化将图像上的点的灰度置为255或0，也就是使整个图像表现出明显的黑白图像，这就是图像的二值化处理。就是将256个亮度等级的灰度图像通过适合的阀值选取而得到仍然可以反映图像局部和整体特性的二值化图像。图像二值化在树枝图像处理中占有非常重要的位置。特别是在实用的图像处理中。在现实的图像处理中，对图像二值化处理的关键是确定合适的阈值，使其早符与背景能够分割开来，而且二值变换结果图像必须具备良好的保形性，不丢掉任何形状信息，不会产生额外的空缺等等。同时，采用二值图像处理，大大提高处理效率，适应当前图像处理系统的要求。以二值图像处理来得到构成的系统有很多，要进行二值图像的分析与处理，第一要把灰度图像进行二值化，获得二值化图像，这样会有利于图像进行下一步的处理和研究，图像的集合性质只与像素的值为255或0的点的坐标有关，不会牵涉到像素级的问题，会让处理变得简单，而且也会是压缩和数据计算量下降。二值图像在图像处理和分析当中有着广泛应用，二值图像就是说只有0和255两个灰度级的图像，二值图像具有处理速度快，存储空间小，可以快捷的对图像进行函数运算。更为重要的就是，有了二值图像的基础上，能对图像进行进一步的处理，获得研究者对这图像所需要的结果。二值化处理利用图像中要用到的物体和背景之间灰度上的不同来得到一个阈值或范围，拿得到的阈值或他的范围把最开始的图像划为背景与对象物体。设f(x，y)，他的灰度级区间是[Z1，Z]，在Z1和Z239 基于matlab的图像预处理技术研究当中取个适合的灰度阈值t，所以经过二值化后的图像f(x,y)就能写成:或;(2-7)其中阈值的选取直接影响分割的结果，因此在顶处理中非常重要。我们采用全局动态阈值法确定阈值。图2-7原始图像图2-8二值化后图像2.4.5数字图形边缘化众所周知图片都有边缘，此为其最基本的特点。我们通常所说的图像的边沿就是其边上一圈的像素灰度会有跳跃性的变化或“屋顶”改变的一些像素的集中。边缘普遍处于实体物和实体物当中、实体物和背景的当中、基序和基序当中。所以，对图像进行切割的重要特点便是它。在图像中边缘相对来说比较少，但是背景部分的话就有比较多的边缘，在对图像的边缘检测处理过之后，要加强的部分就得到了加强，不必要的地方则被较多的削弱了。我们经常使用的检测算子包括Sobel算子、Robert算子和Prewitt算子等[3]。当中Robert算子属于2*2算子，对那种不太平坦的而且噪音不大的图像有很好的响应。此外2个算子全部是3*3算子，对那些灰度会变化以及那些噪音比较多图像能更好的进行处理。但是因为实际因素，在此我们还是采用Robert算子来进行边缘检测的上作。Robert边缘检测算子可以由下式给出:;(2-8)39 基于matlab的图像预处理技术研究其中f（x，y）一种可以整数像素坐标的输入图像，由于这个处理使用了平方根的运算，所以与人类视觉系统中发生的过程有点相像。经过运算，得到了边缘检测后的图像灰度图，这时的图像部分被强化。图2-9原始图像图2-10边缘化后图像2.4.6数字二值图像倒置所谓二值图像倒置，其实是在我研究到边缘化以后，为了显示明显而想出来的一个名词。因为在边缘优化以后，图像的底色的黑色，边缘是白色，这给人的感觉就是不是那么的清晰和明朗，所以我就一直在想把二值图像中的0变成1，1变成0.这样就能得到白底黑边的效果。然而刚开始的时候我我总想着怎么才能0变1，1变0，想用替换的方法，但是实现起来不是那么理想，从而我就向别人求助，结果我得到了一个很不错的想法，那就是矩阵减去一，然后在外面就加个绝对值，这样一个简单的方法就可以变换了，于是我就找到了绝对值函数abs（a），这样就有了下面的图像。图2-11原始图像图2-12二值倒置后图像39 基于matlab的图像预处理技术研究第三章：基于matlab的图像预处理实验结果和分析3.1图像采集及其处理在研究好软件的调试后，就进入了现场采样及其图像预处理的环节.。首先我用手机在学校某处的停车场拍取了一张车牌的图片，然后进行了截取。图3-1-1手机拍摄图图3-1-2图像截取3.2图像灰度化函数及其对比图3.2.1图像灰度化函数rgb2gray功能：RGB图像转换为灰度图像39 基于matlab的图像预处理技术研究格式：1：I=rgb2gray（RGB）1：NEWmap=rgb2gray（MAP）说明：1：输入为真彩图像RGB时，rgb2gray函数可将真彩图像RGB转换为灰度级亮度图像I。2：输入为颜色图MAP时，rgb2gray函数可返回一个等价的灰度级颜色图。3.2.2灰度化对比图图3-2-1灰度化前图像图3-2-2灰度化后图像3.3图像去噪函数及图像对比3.3.1图像去噪函数medfilt2功能：二维中值滤波器函数。格式：1：B=medfilt2（A，[mn]）2:B=medfilt2(A)3:B=medfilt2(A,’indexed’,…)说明：39 基于matlab的图像预处理技术研究对于格式1，medfilt2对矩阵A进行二维中值滤波。中值滤波所用的窗口大小为mn，即以输入图像各点为中心的mn领域的中值作为输出图像该点的像素值。medfilt2在图像边缘补0，因此[mn]/2内的边缘点可能发生扭曲。[mn]的缺省用值为[33]。对于格式2，medfilt2使用缺省的[33]窗口对矩阵A进行二维滤波。对于格式3，medfilt2可将A当作索引图像处理，如果A为uint8类，填补0；如果A为双精度类则填补1.3.3.2图像去噪对比图图3-3-1去噪前图像图3-3-2去噪后图像3.4图像增强函数、参数对比及图像对比3.4.1图像增强函数imadjust、histeq图像增强可通过灰度变换法，直方图调整法及直方图规格化法。MATLAB中提供了对比度调整函数imadjust，直方图均衡函数histeq。A.imadjust功能：对比度调整。格式：1：J=imadjust（I，[lowhigh],[bottomtop],gamma）2：NEWmap=imadjust（MAP，[lowhigh],[boyyomtop],gamma）39 基于matlab的图像预处理技术研究3：RGB=imadjust（RGB1，…）说明：Imadjust函数用于调整图像灰度值或颜色图。对于格式1，imadjust函数将灰度图像I转换为图像J，使值从low到high与从bottom带top相匹配，值大于high或者小于low的被剪去，即小于low的值与bottom相匹配，大于high的值与top相匹配。使用函数时可将[lowhigh]或[bottomtop]指定为空矩阵[]，此时缺省值为[01].gamma用来指定描述I和J值关系曲线的形状；gamma<1，越亮输出值越加强；gamma>1，越亮输出值减弱；缺省gamma=1，表示线性变换。对于格式2，imadjust函数对索引图像的颜色图进行变换。如果[lowhigh]和[bottomtop]均为23矩阵，则gamma为13向量，函数分别调整红、绿、蓝成分，调整后的颜色图NEWmap的大小和原来的MAP一样。对于格式3，imadjust函数对RGB图像RGB1的每个图像平面进行调整。与调整颜色图一样，通过指定[lowhigh]和[bottowtop]为23矩阵，gamma为13向量，对每个图像板可以使用不用的参数值。如果top