《應(yīng)用物理學(xué)畢業(yè)設(shè)計（論文）灰度圖像二值化處理》由會員分享，可在線閱讀，更多相關(guān)《應(yīng)用物理學(xué)畢業(yè)設(shè)計（論文）灰度圖像二值化處理（26頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、 包頭師范學(xué)院 本科畢業(yè)論文 題 目：灰度圖像二值化處理 學(xué)生姓名： 學(xué) 院： 物理科學(xué)與技術(shù)學(xué)院 專 業(yè)： 應(yīng)用物理學(xué) 班 級： 08級 指導(dǎo)教師： 二 〇 一二 年 4 月 中文摘要 論文介紹了圖像及數(shù)字圖像處理技術(shù)的一些概念和相關(guān)知識；介紹了灰度圖像的概念及其灰度變換和灰度級插值方法；重點介紹了圖像方法二值化研究，其

2、包括的內(nèi)容有二值化研究動態(tài)；全局閾值法；局部閾值法；對Matlab7.0軟件的發(fā)展和軟件在圖像處理中的應(yīng)用做了簡要介紹； 關(guān)鍵字：圖像處理、二值化、灰度化、MATLAB Abstract This paper introduces the image and digital image processing technology of some concepts and related knowledge; introduces the gray image of the concept and the gray

3、 level transformation and gray level interpolation method; focuses on image method two value research, which includes the contents of two value research of dynamic; global threshold method; local threshold method for Matlab7.0 software; software development and application in image processing is int

4、roduced briefly in this paper; Keywords: image processing, two values, gray, MATLAB 引言 圖像二值化是圖像處理中的一項基本技術(shù)，也是很多圖像處理技術(shù)的預(yù)處理過程。在顆粒分析、模式識別技術(shù)、光學(xué)字符識別(OCR)、醫(yī)學(xué)數(shù)據(jù)可視化中的切片配準等應(yīng)用中，圖像二值化是它們進行數(shù)據(jù)預(yù)處理的重要技術(shù)。由于圖像二值化過程將會損失原圖像的許多有用信息，因此在進行二值化預(yù)處理過程中，能否保留原圖的主要特征非常關(guān)鍵。在不同的應(yīng)用中，圖像二值化時閾值的選擇是不同的。因此，自適應(yīng)圖像閾

5、值的選取方法非常值得研究。研究者對圖像二值化方法進行了討論，在此基礎(chǔ)上提出了一個新的圖像二值化算法。該算法基于數(shù)學(xué)形態(tài)學(xué)理論，較好地保留了圖像二值化時原圖的邊緣特征。論文主要研究圖像二值化算法中的MATLAB。 目錄 1.圖像灰度化…………………………………..……………1 1.1 圖像與數(shù)字圖像……………………….………………1 1.2灰度圖像二值化原理及意義………………….……….2 1.3 灰度變換……………………………………….………2 1.4灰度級差值…………………………………………….10 2

6、.圖像二值化方法研究………………………..…………....12 2.1 二值化研究動態(tài)……………………..………...………12 2.2 全局閾值法…………………………..……….………15 2.3 局部閾值法……………………….………….……….16 3.灰度圖像二值化應(yīng)用的軟件-----MATLAB……..….….…17 4.結(jié)束語…………………………….……………..…………19 5.參考文獻……………………..………………….…………20 灰度圖像二值化處理 1. 圖像灰度化 1.1 圖像與數(shù)字圖像 圖像就是用各種觀測系統(tǒng)觀測客觀

7、世界獲得的且可以直接或間接作用與人眼而產(chǎn)生視覺的實體。視覺是人類從大自然中獲取信息的最主要的手段。拒統(tǒng)計，在人類獲取的信息中，視覺信息約占60%，聽覺信息約占20%，其他方式加起來才約占20%。由此可見，視覺信息對人類非常重要。同時，圖像又是人類獲取視覺信息的主要途徑，是人類能體驗的最重要、最豐富、信息量最大的信息源。通常，客觀事物在空間上都是三維的(3D)的，但是從客觀景物獲得的圖像卻是屬于二維(2D)平面的。 圖像存在方式多種多樣，可以是可視的或者非可視的，抽象的或者實際的，適于計算機處理的和不適于計算機處理的。但就其本質(zhì)來說，可以將圖像分為以下兩大類。 模擬圖像。包括光學(xué)圖像、照相圖

8、像、電視圖像等。比如人在顯微鏡下看到的圖像就是一幅光學(xué)模擬圖像。對模擬圖像的處理速度快，但精度和靈活性差，不易查找和判斷。 數(shù)字圖像。數(shù)字圖像是將連續(xù)的模擬圖像經(jīng)過離散化處理后得到的計算機能夠辨識的點陣圖像。在嚴格意義上講，數(shù)字圖像是經(jīng)過等距離矩形網(wǎng)格采樣，對幅度進行等間隔量化的二維函數(shù)。因此，數(shù)字圖像實際上就是被量化的二維采樣數(shù)組。 一幅數(shù)字圖像都是由若干個數(shù)據(jù)點組成的，每個數(shù)據(jù)點稱為像素(pixel)。比如一幅256400，就是指該圖像是由水平方向上256列像素和垂直方向上400行像素組成的矩形圖。每一個像素具有自己的屬性，如顏色(color)、灰度(grayscale)等，顏色和灰度

9、是決定一幅圖像表現(xiàn)里的關(guān)鍵因素。其中顏色量化等級包括單色、四色、16色、256色、24位真彩色等，量化等級越高，則量化誤差越小，圖像的顏色表現(xiàn)力越強。同樣，灰度是單色圖像中像素亮度的表征，量化等級越高，表現(xiàn)力越強。但是隨著量化等級的增加數(shù)據(jù)量將大大增加，使得圖像處理的計算量和復(fù)雜度相應(yīng)的增加。 圖像數(shù)字化：圖像經(jīng)過采樣和量化，將其變成適當?shù)碾x散數(shù)據(jù)結(jié)構(gòu)。一幅圖象必須要在空間和灰度上都離散化才能被計算機處理?？臻g坐標的離散化叫于空間采樣，而灰度的離散化叫做灰度量化。 采樣：連續(xù)函數(shù)f(x,y)在空間上被 采樣成M行、N列的矩陣。采用平面上采樣點組成的離散的網(wǎng)格；采用正交函數(shù)基將圖像函數(shù)展開，

10、如富立葉變換，展開系數(shù)就代表了該數(shù)字圖像。 1.2灰度圖像原理及意義 灰度圖像是指只含亮度信息，不含色彩信息的圖像。將彩色圖像轉(zhuǎn)化成為灰度圖像的過程稱為圖像的灰度化處理。彩色圖像中的每個像素的顏色有R、G、B三個分量決定，而每個分量有255種值可取，這樣一個像素點可以有1600多萬的顏色的變化范圍。而灰度圖像是R、G、B三個分量相同的一種特殊的彩色圖像，一個像素點的變化范圍為255種，所以在數(shù)字圖像處理中一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像以使后續(xù)的圖像的計算量變得少一些。灰度圖像的描述與彩色圖像一樣仍然反映了整幅圖像的整體和局部的色度和亮度等級的分布和特征。圖像的灰度化處理可先求出每個像

11、素點的R、G、B三個分量的平均值，然后將這個平均值賦予給這個像素的三個分量。 單純的看，灰度圖也是黑白的，就像黑白電視顯示的圖像一樣，但是點與點之間黑的程度是不一樣的、這就是深度。如果稱不同深度的顏色為一色的話，灰度圖像就不止只有黑色和白色兩種顏色，一般使用的灰度圖為256級灰度圖，就是說圖像由256種不同灰度級的顏色組成。 灰度化原理：將彩色圖像轉(zhuǎn)化成為灰度圖像的過程成為圖像的灰度化處理。彩色圖像中的每個像素的顏色有R、G、B三個分量決定，而每個分量有255中值可取。而灰度圖像是R、G、B三個分量相同的一種特殊的彩色圖像，其一個像素點的變化范圍為255種。本實驗實現(xiàn)灰度化的方法是根據(jù)YU

12、V的顏色空間中，Y的分量的物理意義是點的亮度，由該值反映亮度等級，根據(jù)RGB和YUV顏色空間的變化關(guān)系可建立亮度Y與R、G、B三個顏色分量的對應(yīng)：Y=0.3R+0.59G+0.11B，以這個亮度值表達圖像的灰度值。 隨著計算機和信息技術(shù)的快速發(fā)展，已使數(shù)字圖像學(xué)成為一門專門的學(xué)科，而關(guān)于圖像的處理如圖像識別、輪廓提取、圖像增強等熱點問題的相關(guān)技術(shù)工作，大都是在灰度圖像基礎(chǔ)之上進行進一步處理的。 1.3灰度變換 灰度變換常用于人觀察的設(shè)備 如：X-ray 圖像 1.3.1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(chǎn)生一個輸出圖像g(x,y

13、)，且g(x,y)的每一個像素的灰度值(q)，都是由f(x,y)的對應(yīng)輸入像素點的灰度值(p) 決定的。 q = T(p) q p p2 p1 p0 g(x,y) = T(f(x,y)) 局部增強圖像及其直方圖 范圍：20――120 1.3.2灰度級變換（點運算）的實現(xiàn) q = T(p) 定義了輸入像素值與輸出像素之間的映射關(guān)系，通常通過查表來實現(xiàn)。 因此灰度級變換也被稱為LUT（Look Up Table）變換。 0 1 2 3 4 5 6 7 8 9 … … 250 251 252 253 254 255 0 3 5 7 9 11

14、13 15 17 19 … … 252 253 254 254 254 255 灰度實時變換 查詢表（look-up table) LUT 圖像信號 原始亮度值 （地址） 變換后的亮度值 1.3.3灰度級變換舉例 灰度級切片 0 255 255 p q 直方圖 圖象直方圖的定義（1） 一個灰度級別在范圍[0,L-1]的數(shù)字圖象的直方圖是一個離散函數(shù) p(rk)= nk/n n 是圖象的像素總數(shù) nk是圖象中第k個灰度級的像素總數(shù) rk 是第k個灰度級，k = 0,1,2,…,L-1。 圖象直方圖的定義（2） 一個灰度級

15、別在范圍[0，L-1]的數(shù)字圖象的直方圖是一個離散函數(shù) p(rk)= nk k = 0,1,2,…,L-1 由于rk的增量是1，直方圖可表示為：p(k)= nk 即，直方圖表示圖象中不同灰度級像素出現(xiàn)的次數(shù) 較暗圖象的直方圖 p(rk) nk 較亮圖象的直方圖 p(rk) nk 對比度較低圖象的直方圖 p(rk) nk 對比度較高圖象的直方圖 p(rk) nk 1.3.4直方圖應(yīng)用舉例——直方圖均衡化 一種自動調(diào)節(jié)圖象對比度質(zhì)量的算法使用的方法灰度級變換：q = T(rk) 基本思想是通過灰度

16、級r的概率密度函數(shù)p(rk )，求出灰度級變換T(r) ，建立等值像素出現(xiàn)的次數(shù)與結(jié)果圖象像素值之間的關(guān)系。 直方圖均衡化產(chǎn)生一幅圖像，整個圖像亮度范圍內(nèi)具有相等的灰分布度。 H(p) q G(q) p 輸入的灰度直方圖 輸出的灰度直方圖 q = T(p) 單調(diào)像元 亮度變換 qk q0 1.4灰度級插值 像素移交 向前映射 像素填充 向后映射 輸入 輸出 如果幾何變換將一個輸入像元映射到四個輸出像元之間，也就是變換點給出的輸出像元位置是非整數(shù)坐標。這個輸出像元的灰度值需要用幾個相鄰的整數(shù)采樣網(wǎng)格點的像元亮度值內(nèi)插的方法得到。由于畸變，

17、(x ,y)點不在輸入圖像的采樣網(wǎng)格點上，所以， (x ,y)點的亮度值不知道。 假設(shè)，計算輸出圖像(x ,y ) 點的亮度。 (x ,y ) (x,y)=T-1 (x ,y ) (x ,y) 做一個平面反變換T-1 就可以得到輸入圖像在 (x,y)點的坐標。也可以這樣理解：對于輸入圖像，只知道：采樣量化的數(shù)據(jù)(n Δx, m Δy) (x ,y) Δx Δy 要得到(x ,y)點的灰度值， 需要對輸入圖像進行重新采樣。 用gs(n Δx, m Δy)表示輸入的圖像灰度 用fs(x, y)表示灰度變換的結(jié)果 fs(x,y) = ∑ ∑ gs(j Δx

18、, k Δy)hs(x-jΔx,y-k Δy) hs的作用相當于采樣脈沖，參與內(nèi)插計算的區(qū)域要很小。 2.圖像二值化方法 2.1二值化方法研究動態(tài) 作為一種高效智能的人機交互手段，身份證的快速識別技術(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、犯罪追逃等公安業(yè)務(wù)當中，大大提高了工作效率。由于身份證圖像背景復(fù)雜，由激光防偽陰影網(wǎng)格線及各種版面噪聲構(gòu)成:且因激光防偽標志和打印條件的千差萬別，再加上身份證的字符識別帶來了很大的困難。必須經(jīng)過預(yù)處理，除去大量的噪聲信號，才能更好的進行字符的定位、分割，以及識別。而二值化是，

19、預(yù)處理中非常重要的一步也是最為關(guān)鍵的一步，他直接影響到OCR系統(tǒng)的性能、研究者在分析和討論了多種圖像二值化的優(yōu)缺點后，在吸取各種方法的優(yōu)點的基礎(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 值動態(tài)自適應(yīng)的二值化方法。 圖像二值化是圖像處理中的一項基本技術(shù)，也是很多圖像處理技術(shù)的預(yù)處理過程。在顆粒分析、模式識別技術(shù)、光學(xué)字符識別（OCR）、醫(yī)學(xué)數(shù)據(jù)可視化中的切片配準等應(yīng)用中，圖像二值化是它們進行數(shù)據(jù)預(yù)處理的重要技術(shù)。由于圖像二值化過程將會損失原圖像的許多有用信息，因此在進行二值化預(yù)處理過程中，能否保留原圖的主要特征非常關(guān)鍵。在不同的應(yīng)用中，圖像二值化時 值的選擇是不同的。因此

20、，自適應(yīng)圖像 值的選取方法非常值得研究。研究者對圖像二值化方法進行了討論，在此基礎(chǔ)上提出了新的圖像二值化算法。該算法基于數(shù)學(xué)形態(tài)學(xué)理論，較好的保留了圖像二值化時原圖的邊緣特征。 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)，它與計算器圖形學(xué)、圖像處理等學(xué)科的結(jié)合，應(yīng)用在各種材料上進行文字、圖像加工。如何能得到光滑且能真實反映原圖像的雕刻圖像是其中的主要問題，但是激光器的開關(guān)只有兩種狀態(tài)，因此，圖像的二值化處理就成為了關(guān)鍵性技術(shù)，其中 值的選取是決定二值化圖像好壞的因素?，F(xiàn)實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。要使這

21、些圖像適用于激光雕刻中，就需要對其進行二值化處，研究者針對激光雕刻總結(jié)了適用于雕刻的二值化方法，使得得到的二值圖像效果最好。 在信息社會中人的身份識別得到廣泛關(guān)注。指紋識別技術(shù)除了在傳統(tǒng)的法律公安上得到應(yīng)用之外，還有更廣闊的應(yīng)用前景，如計算器用戶的確認、訪問網(wǎng)絡(luò)資源的口令、銀行ATM機和信用卡的使用、各類智能IC卡的雙重確認，以及雇員證明、海關(guān)身份鑒定、家用電子門鎖等一個完整的自動指紋識別系統(tǒng)（AFIS）包括指紋采集、指紋圖像預(yù)處理、指紋特征提取和比對等幾個模塊。在自動指紋識別系統(tǒng)中，指紋圖像的預(yù)處理是正確進行特征提取、比對等操作的基礎(chǔ)，而二值化是指紋圖像預(yù)處理中必不可少的一步。目前，

22、國內(nèi)外學(xué)者在這方面已經(jīng)做了大量的工作，常用的二值化方法有固定 值發(fā)、自適應(yīng) 值發(fā)、局部自適應(yīng) 值發(fā)等。由于指紋圖像是一種方向性很強的圖像，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，因此這些方法對指紋圖像的二值化效果并不十分理想。爾后提出了一種改進的二值化方法：利用梯度法求取快方向圖，將其量化成8個標準方向，以塊方向代替點方向并利用灰度信息對指紋圖像進行二值化。最后將該的方法和局部自適應(yīng) 值二值化方法進行比較，可以發(fā)現(xiàn);采用該方法二值化效果有了明顯提高，對于不同質(zhì)量的指紋圖像有著令人滿意的效果。 結(jié)合Canny算子的圖像二值化方法，對經(jīng)典的二值化方法Otsu算法和

23、Bernser算法中存在的缺點進行了分析后提出圖像二值化方法，該方法綜合考慮了邊緣信息和灰度信息，通過邊緣附近種子點在高 值二值化圖像中的填充的低 值圖像對它的修補而得到二值化結(jié)果圖像，較好的解決了經(jīng)典二值化方法存在的抗噪能力差、邊緣粗超、偽影現(xiàn)象等缺點，實驗結(jié)果證明，該方法能夠較好地解決低對比度圖像和目標像素灰度不均勻圖像的二值化問題。 采用信號匹配的支票圖像二值化提出了一種基于信號匹配的低信噪比圖像的信號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。這種二值化方法完全不同于傳統(tǒng)的方法，它從信號處理的角度出發(fā)，利用了部分先驗知識和理想狀態(tài)下的投影輪廓信號

24、，再通過用不同閾值分割的投影信號與之匹配，匹配度最大時的閾值即為圖像分割的最佳閾值。本方法比其他的傳統(tǒng)的二值化圖像具有自適應(yīng)性和魯棒性，通過大量的實驗數(shù)據(jù)以及與常用的其他算法進行的比較得到了驗證。 基于灰度的車牌圖像二值化算法不均勻光照下的圖像二值化是數(shù)字圖像處理中的一個難題，汽車牌照自動識別系統(tǒng)工作在復(fù)雜的光照環(huán)境下，經(jīng)常會出現(xiàn)車牌光照不均的現(xiàn)象，給圖像二值化帶來困難。為此，研究者提出一種解決方法，首先使用同態(tài)濾波去掉車牌圖像的不均勻光照的影響，然后使用改進的Bernsen算法對車牌圖像進行二值化。實驗表明，使用該算法能有效的克服不均勻光照的影響，二值化效果良好，車牌識別率得到顯著的

25、提高;針對常用車牌識別二值化算法存在的問題，提出了基于分形維數(shù)的二值化的方法。根據(jù)分形維數(shù)反映圖像復(fù)雜程度的定義，通過計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。并通過實驗，表明利用分形維數(shù)所得到的閾值進行二值化處理較傳統(tǒng)方法有較大改進，且該方法解決了在自然光和不同光照背景下對車牌的干擾問題，也可以從復(fù)雜背景中提取出傾斜的車牌；偏白或泛白背景的車牌圖像二值化方法，在車輛牌照識別系統(tǒng)中，由于攝像機畸變，動態(tài)范圍太窄、車輛牌照被污染等原因，灰度化的車輛牌照圖像背景變得模糊，接近于字體的灰度或者動態(tài)范圍不高，使得前景字體根背景難以分開，該采用的高帽與低帽形態(tài)濾波增強車牌圖

26、像中的字體，去除背景對圖像的影響，使用基于 代的圖像分塊二值化算法進行二值化。實驗表明，該算法可有效克服偏暗或泛白背景的影響，二值化效果良好。 基于自組織特征映射（SOFM）神經(jīng)網(wǎng)絡(luò)的圖像融合二值化方法介紹了OFM神經(jīng)網(wǎng)絡(luò)的特點及學(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) 代的初始值，對整幅圖像進行循環(huán) 代得到第二閾值，使用第二閾值對原始圖像進行二值化，得到第一幅待融合圖像；通過改進的Bernsen方法對原始圖像進行二值化，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。該方法既能有效地消除偽影，又能較好的分離字符和文字。模擬實驗結(jié)果表明，

27、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。 基于貝葉斯算法的二值化算法。針對在圖像二值化過程中動態(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)缺點的基礎(chǔ)上。提出了一種基于貝葉斯算法的全局閾值法和局部閾值法相結(jié)合的二值化方法。經(jīng)試驗證明，該方法既能夠有效的消除光照不均勻?qū)D像的影響，較好的保留目標圖像的細節(jié)，又能有效的消除偽影，提高處理速度。 在模式識別中二值化效果的好壞直接影響著識別效果，首先通過改進的Bernsen方法對原始圖像進行二值化，得到第一幅源圖像；然后根據(jù)自組織神經(jīng)網(wǎng)絡(luò)計算閾值，對圖像進行二值化，得到第二幅源圖像；再根

28、據(jù)灰度值最小的原則作為圖像融合方法，得到最終的二值化圖像，最后給出模擬實驗，實驗結(jié)果表明該方法是有效的。提出了一種新的二值化方法。 圖像的帶參數(shù)的二值化方法。該方法不僅在實現(xiàn)傳統(tǒng)的黑白二值化方面。有強于Windows的繪圖軟件的黑白二值化功能。而且可以實現(xiàn)任意灰度間隔的二值化。因此該方法除能用于任意灰度起點的一般意義上的二值化外，特別適宜于圖像的挖掘和隱藏。 圖像處理中閾值法計算簡單，具有較高的運算效率，是圖像分割中廣泛采用地方法，主要分為全局閾值法和局部閾值法。針對顆粒圖像，提出了一種基于形態(tài)學(xué)的最大類間方差Otsu二值化算法，實驗證明，該算法這一算法能較好的保留原圖像中的特征，二值化后

29、的圖像效果不錯。 數(shù)碼管圖像的目標和背景分離不明顯，直方圖分布較復(fù)雜。針對該問題，提出基于拉普斯高斯（Laplacian of Gaussian,LOG）算子邊緣檢測的全局二值化方法對其進行處理，該方法通過提取圖像邊緣部分的像素灰度獲得圖像二值化的閾值。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，較好的區(qū)分目標和背景，在相當大模板寬度內(nèi)圖像二值化的結(jié)果都令人滿意。 遺傳算法是當前許多科學(xué)實驗領(lǐng)域廣泛應(yīng)用的一種非線性并行算法。一種基于遺傳算法的灰度二值化方法研究了遺傳算法在數(shù)字圖像的灰度二值化中的應(yīng)用，提出了一種新的灰度圖像二值化方法。該方法通過對每個子群體的優(yōu)化

30、計算和動態(tài)改進的適應(yīng)度函數(shù)，確定新的分割閾值。基于邊緣特征的二值化閾值選取方法，閾值選取是圖像處理與分析的基礎(chǔ)。針對幾種常用的圖像二值化自動選取閾值方法，通過計算機仿真對實驗結(jié)果進行了比較研究。在此基礎(chǔ)上，提出了一種新的灰度圖像二值化算法。該算法著重于在圖像二值化時保留圖像的邊緣特征。實驗結(jié)果表明，這個基于邊緣特征檢測算子的算法能很好地保留原圖的邊緣特征，并能處理低質(zhì)量的圖形。 圖像二值化是指灰度變換來研究圖像的一種常用方法，即設(shè)定某一閾值將灰度圖像的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。例如輸入灰度圖像函數(shù)為f(x.y)，則， g(x.y)= （1） 閾值(th

31、reshold)是把目標和背景區(qū)分開的標尺，選取適當?shù)拈撝稻褪羌纫M可能保存圖像信息，又要盡可能減少背景和噪聲的干擾，這是選擇閾值的原則。 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。 2.2全局閾值法 全局閾值法是指在二值化過程中只使用一個全局閾值T的方法。它將圖像的每個像素的灰度值與T進行比較，若大于T，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閾值，以此實現(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)果很大程度上依賴于對閾值的選擇，因此該方法的關(guān)鍵是如何選擇合適

32、的閾值。 典型的全局閾值法包括Otsu方法、最大熵方法等。全局閾值法算法簡單，對于目標和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對于由于光照不均勻、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。 為了滿足圖像處理應(yīng)用系統(tǒng)自動化及實時性要求，圖像二值化的閾值的選擇最好由計算機自動來完成。下面列舉幾個閾值的自動選擇算法； （1） 平均灰度值法以圖像中所有像素灰度值的平均值為閾值。 （2） 大津法：又稱最大類間差發(fā)，是基于整幅圖像的統(tǒng)計征，實現(xiàn)閾值的自動選取。其原理是把圖像直方圖用某一灰度值分割成兩類，分別計算這兩類的像素點數(shù)和灰度平均值，然后計算它們的類間方差。

33、當被分割成的兩類間方差最大時，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明顯的雙峰，都能得到較滿意的結(jié)果，在很多領(lǐng)域得到了應(yīng)用和發(fā)展。但此方法依然存在一些不足，主要表現(xiàn)在：若目標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；當圖像中有斷裂現(xiàn)象或者背景有一定噪聲時，無法得到預(yù)期效果 （3） 邊緣算子法；采用Laplace算子、Robert算子、Sober算子等對像素點進行灰度級增強或減弱的變換。對于灰度均勻分布的區(qū)域內(nèi)的像素點，這些算子對其進行灰度減弱；對于在邊緣附

34、近的像素點，這些算子對其進行灰度增強。 2.3局部閾值法 由當前像素灰度值與該像素周圍點局部灰度特征來確定像素的閾值。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。 對于目標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，或目標灰度變化率比較大，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確定該像素的閾值的，當照明不均勻，有突發(fā)噪聲，或者背景灰度變化較大時，局部閾值確定技術(shù)必須根據(jù)像素的坐標位置關(guān)系自動確定不同閾值，實施動態(tài)的自適應(yīng)二值化處理。局部閾值選取一般將圖

35、像劃分為若干子圖像，在每個子圖像區(qū)域上使用整體閾值法，從而可以構(gòu)成是整幅圖像的局部閾值法（根據(jù)每個子圖像確定相應(yīng)的閾值，，具體的閾值確定方法同全局閾值的確定類似）。用這種方法分割后的圖像在不同的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。 局部閾值法一般用于識別干擾比較嚴重、品質(zhì)較差的圖像，相對整體閾值方法有更廣泛的應(yīng)用，但也存在缺點和問題，如實現(xiàn)速度慢、不能保證字符筆畫連通性以及容易出現(xiàn)偽裝現(xiàn)象（即在背景閾受到噪聲干擾得到筆畫結(jié)果）等。比較典型的局部二值化算法有Bernsen方法、多閾值的梯度強度法、基于紋理圖像的方法、最大方差法等。

36、 3. 軟件工具——MATLAB MATLAB是MatrixLaboratory的縮寫，是由美國MathWorks公司推出的計算機軟件，經(jīng)過多年的逐步發(fā)展與不斷完善，現(xiàn)已成為國際公認的最優(yōu)秀的科學(xué)計算與數(shù)學(xué)應(yīng)用軟件之一，是近幾年來在國內(nèi)外廣泛流行的一種可視化科學(xué)計算軟件。它集數(shù)值分析，矩陣運算，信號處理和圖形顯示于一體，構(gòu)成了一個方便的，界面友好的用戶環(huán)境，而且還具有可擴展性特征。MathWorks公司針對不同領(lǐng)域的應(yīng)用，推出了信號處理，控制系統(tǒng)，神經(jīng)

37、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，系統(tǒng)辨識，優(yōu)化設(shè)計，統(tǒng)計分析，財政金融，樣條，通信等30多個具有專門功能的工具箱，這些工具箱是由該領(lǐng)域內(nèi)的學(xué)術(shù)水平較高的專家編寫的，無需用戶自己編寫所用的專業(yè)基礎(chǔ)程序，可直接對工具箱進行運用。同時，工具箱內(nèi)的函數(shù)源程序也是開放性的，多為M文件，用戶可以查看這些文件的代碼并進行更改，MALAB支持用戶對其函數(shù)進行二次開發(fā)，用戶的應(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的工作環(huán)境簡單明了，易于操作，使用的MATLAB軟件一般是6.x版本。其工作環(huán)境包括五個部分：命令窗口(CommandWindow)，MATLAB的主窗

38、口用戶可以直接在此窗口輸入命令，系統(tǒng)將自動顯示信息；啟動平臺(LaunchPad)，當用戶需要啟動某個工具箱的應(yīng)用程序時，可以在啟動平臺中實現(xiàn)。工作空間(Workspace)，MATLAB工作空間作為一個獨立的窗口，其操作相當方便。它包含著用戶已建立的變量，而且變量在工作空間中是以矩陣的形式存儲；命令歷史記錄(CommandHistory)，主要顯示在命令中已執(zhí)行過的命令；當前路徑窗口(CurrentDirectory)，主要顯示當前工作在什么路徑下進行，包括M文件的打開路徑，雙擊M文件名打開該文件進行編輯。論文中使用的MATLAB軟件為7.0版本。MATLAB7.0針對編程環(huán)境、代碼效率、數(shù)

39、據(jù)可視化、數(shù)學(xué)計算、文件I/O操作等方面都有進行不斷升級、增加了新功能。為此、相對于以前的版本，也具有一些新的特性。就起開發(fā)環(huán)境方面來說： (1)重新設(shè)計的桌面環(huán)境，針對多文檔界面提供了簡便的管理和訪問方法，允許用戶自定義桌面外貌，創(chuàng)建常用命令的快捷方式。(2)增強數(shù)組編輯器(ArrayEditor)和工作空間瀏覽器(WorkspaceBrowser)功能，用于數(shù)據(jù)的顯示、編輯和處理。 (3)在當前目錄瀏覽器(CurrentDirectoryBrowser)工具中，增加了代碼效率分析、覆蓋度的分析等功能。 (4)增加了M-Lint編碼分析，能輔助用戶完成程序性能分析，提高程序執(zhí)行效率。

40、 (5)對M文件編輯器(M-Editor)進行了功能增強，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。 MATLAB中的數(shù)字圖像是以矩陣形式表示的，這意味著MATLAB強大的矩陣運算能力用于圖像處理非常有利，矩陣運算的語法對MATLAB中的數(shù)字圖像同樣適用。本文對MATLAB圖像處理工具箱進行探索及應(yīng)用，實驗證明該軟件功能強大，語言簡潔易學(xué)，人機界面友好，工具箱具有豐富的技術(shù)支持并集成了該領(lǐng)域?qū)＜业闹腔?，?yīng)用簡單而效果良好。 結(jié)束語

41、在兩個多月的畢業(yè)設(shè)計中，通過廣泛查閱與課題有關(guān)的內(nèi)容，我掌握了許多與計算機有關(guān)的東西，更重要的是使我對7.0軟件功能應(yīng)用和圖像處理知識有了一定的了解。同時也了解到數(shù)字圖像處理在模式識別，醫(yī)學(xué)，軍事等方面都有廣泛應(yīng)用，我受益匪淺。 在圖像處理方面也積累了不少的經(jīng)驗，特別是在圖像灰度化和圖像處理不熟悉的情況下，通過自己學(xué)習(xí)和導(dǎo)師的指導(dǎo)完成了設(shè)計任務(wù)。并在設(shè)計過程中，自己分析問題和解決問題的能力都得到了鍛煉和提高，完善自己的知識結(jié)構(gòu)，加深對知識的理解。 這次畢業(yè)設(shè)計完成后，體會頗多，在學(xué)與做的過程中，取長補短，不斷學(xué)習(xí)新的知識，吸取經(jīng)驗，達到進步的目的。在學(xué)與做的過程中老師的指導(dǎo)以及相關(guān)圖書資料

42、的幫助，我順利完成了這次論文。但是由于自己的理論知識水平有限，實踐知識和設(shè)計經(jīng)驗不足，在設(shè)計過程中難免存在一些不足，甚至錯誤，懇請老師批評指正，致使我在以后的工作和實踐中加以改進和提高。 。 參考文獻： 1. 潘梅森，榮求生。SOFM神經(jīng)網(wǎng)絡(luò)的圖像融合的二值化方法【J】。光學(xué)精密工程，2007，15（3）：99——104. 2. 潘梅森，易明.一種基于人類是覺得自適應(yīng)均值濾波算法【J】.計算機工程與應(yīng)用，2006，42（10）：62——64. 3. 王建衛(wèi).彩色圖像的中值濾波算法的改進

43、與應(yīng)用[J].哈爾濱商業(yè)大學(xué)大學(xué)報：自然科學(xué)版.2006，22（4）：67——69. 4. 李文舉，梁德群，王新年.質(zhì)量退化的車牌字符分割方法【J】.計算機輔助設(shè)計與圖形學(xué)學(xué)報，2004，16（5）：697——700. 5. 郝永杰，劉文耀，路爍?；兤嚺普請D像的空間校正[J].西南交通大學(xué)學(xué)報，2002，4（37）：417——420. 6. 陳丹，張峰，賀貴明.一種改進的文體圖像二值化算法【J】.計算機工程，2003，29（13）：85——860. 7. 黃志斌.面向車輛牌照的L快遞二值化算法【J】.華僑大學(xué)學(xué)報（自然科學(xué)版），2002，23（4）：427——430. 8. 鄭咸義，張穎豪.一個改進的LBG算法【J】.J計算機輔助設(shè)計與圖形學(xué)學(xué)報，1997.9（4）：335——338.