《應(yīng)用物理學(xué)畢業(yè)設(shè)計(jì)（論文）灰度圖像二值化處理》由會(huì)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(jì)（論文）灰度圖像二值化處理（26頁(yè)珍藏版）》請(qǐng)?jiān)谘b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(jí)： 08級(jí) 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(shí)；介紹了灰度圖像的概念及其灰度變換和灰度級(jí)插值方法；重點(diǎn)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(dòng)態(tài)；全局閾值法；局部閾值法；對(duì)Matlab7.0軟件的發(fā)展和軟件在圖像處理中的應(yīng)用做了簡(jiǎn)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(xiàng)基本技術(shù)，也是很多圖像處理技術(shù)的預(yù)處理過(guò)程。在顆粒分析、模式識(shí)別技術(shù)、光學(xué)字符識(shí)別(OCR)、醫(yī)學(xué)數(shù)據(jù)可視化中的切片配準(zhǔn)等應(yīng)用中，圖像二值化是它們進(jìn)行數(shù)據(jù)預(yù)處理的重要技術(shù)。由于圖像二值化過(guò)程將會(huì)損失原圖像的許多有用信息，因此在進(jìn)行二值化預(yù)處理過(guò)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(shí)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(duì)圖像二值化方法進(jìn)行了討論，在此基礎(chǔ)上提出了一個(gè)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(shí)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(jí)差值…………………………………………….10 2

6、.圖像二值化方法研究………………………..…………....12 2.1 二值化研究動(dòng)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(yǔ)…………………………….……………..…………19 5.參考文獻(xiàn)……………………..………………….…………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(cè)系統(tǒng)觀測(cè)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(jué)的實(shí)體。視覺(jué)是人類從大自然中獲取信息的最主要的手段。拒統(tǒng)計(jì)，在人類獲取的信息中，視覺(jué)信息約占60%，聽(tīng)覺(jué)信息約占20%，其他方式加起來(lái)才約占20%。由此可見(jiàn)，視覺(jué)信息對(duì)人類非常重要。同時(shí)，圖像又是人類獲取視覺(jué)信息的主要途徑，是人類能體驗(yàn)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(shí)際的，適于計(jì)算機(jī)處理的和不適于計(jì)算機(jī)處理的。但就其本質(zhì)來(lái)說(shuō)，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(duì)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(guò)離散化處理后得到的計(jì)算機(jī)能夠辨識(shí)的點(diǎn)陣圖像。在嚴(yán)格意義上講，數(shù)字圖像是經(jīng)過(guò)等距離矩形網(wǎng)格采樣，對(duì)幅度進(jìn)行等間隔量化的二維函數(shù)。因此，數(shù)字圖像實(shí)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(gè)數(shù)據(jù)點(diǎn)組成的，每個(gè)數(shù)據(jù)點(diǎn)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(gè)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(jí)包括單色、四色、16色、256色、24位真彩色等，量化等級(jí)越高，則量化誤差越小，圖像的顏色表現(xiàn)力越強(qiáng)。同樣，灰度是單色圖像中像素亮度的表征，量化等級(jí)越高，表現(xiàn)力越強(qiáng)。但是隨著量化等級(jí)的增加數(shù)據(jù)量將大大增加，使得圖像處理的計(jì)算量和復(fù)雜度相應(yīng)的增加。 圖像數(shù)字化：圖像經(jīng)過(guò)采樣和量化，將其變成適當(dāng)?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(jì)算機(jī)處理?？臻g坐標(biāo)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(diǎn)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(kāi)，

10、如富立葉變換，展開(kāi)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(guò)程稱為圖像的灰度化處理。彩色圖像中的每個(gè)像素的顏色有R、G、B三個(gè)分量決定，而每個(gè)分量有255種值可取，這樣一個(gè)像素點(diǎn)可以有1600多萬(wàn)的顏色的變化范圍。而灰度圖像是R、G、B三個(gè)分量相同的一種特殊的彩色圖像，一個(gè)像素點(diǎn)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(jì)算量變得少一些?；叶葓D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(jí)的分布和特征。圖像的灰度化處理可先求出每個(gè)像

11、素點(diǎn)的R、G、B三個(gè)分量的平均值，然后將這個(gè)平均值賦予給這個(gè)像素的三個(gè)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(diǎn)與點(diǎn)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(jí)灰度圖，就是說(shuō)圖像由256種不同灰度級(jí)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(guò)程成為圖像的灰度化處理。彩色圖像中的每個(gè)像素的顏色有R、G、B三個(gè)分量決定，而每個(gè)分量有255中值可取。而灰度圖像是R、G、B三個(gè)分量相同的一種特殊的彩色圖像，其一個(gè)像素點(diǎn)的變化范圍為255種。本實(shí)驗(yàn)實(shí)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(diǎn)的亮度，由該值反映亮度等級(jí)，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(gè)顏色分量的對(duì)應(yīng)：Y=0.3R+0.59G+0.11B，以這個(gè)亮度值表達(dá)圖像的灰度值。 隨著計(jì)算機(jī)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(shí)別、輪廓提取、圖像增強(qiáng)等熱點(diǎn)問(wèn)題的相關(guān)技術(shù)工作，大都是在灰度圖像基礎(chǔ)之上進(jìn)行進(jìn)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(jí)變換（點(diǎn)運(yùn)算）的定義 對(duì)于輸入圖象f(x,y)，灰度級(jí)變換T將產(chǎn)生一個(gè)輸出圖像g(x,y

13、)，且g(x,y)的每一個(gè)像素的灰度值(q)，都是由f(x,y)的對(duì)應(yīng)輸入像素點(diǎn)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(qiáng)圖像及其直方圖 范圍：20――120 1.3.2灰度級(jí)變換（點(diǎn)運(yùn)算）的實(shí)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(guò)查表來(lái)實(shí)現(xiàn)。 因此灰度級(jí)變換也被稱為L(zhǎng)UT（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(shí)時(shí)變換 查詢表（look-up table) LUT 圖像信號(hào) 原始亮度值 （地址） 變換后的亮度值 1.3.3灰度級(jí)變換舉例 灰度級(jí)切片 0 255 255 p q 直方圖 圖象直方圖的定義（1） 一個(gè)灰度級(jí)別在范圍[0,L-1]的數(shù)字圖象的直方圖是一個(gè)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(gè)灰度級(jí)的像素總數(shù) rk 是第k個(gè)灰度級(jí)，k = 0,1,2,…,L-1。 圖象直方圖的定義（2） 一個(gè)灰度級(jí)

15、別在范圍[0，L-1]的數(shù)字圖象的直方圖是一個(gè)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(jí)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(duì)比度較低圖象的直方圖 p(rk) nk 對(duì)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(dòng)調(diào)節(jié)圖象對(duì)比度質(zhì)量的算法使用的方法灰度級(jí)變換：q = T(rk) 基本思想是通過(guò)灰度

16、級(jí)r的概率密度函數(shù)p(rk )，求出灰度級(jí)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(gè)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(jí)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(gè)輸入像元映射到四個(gè)輸出像元之間，也就是變換點(diǎn)給出的輸出像元位置是非整數(shù)坐標(biāo)。這個(gè)輸出像元的灰度值需要用幾個(gè)相鄰的整數(shù)采樣網(wǎng)格點(diǎn)的像元亮度值內(nèi)插的方法得到。由于畸變，

17、(x ,y)點(diǎn)不在輸入圖像的采樣網(wǎng)格點(diǎn)上，所以， (x ,y)點(diǎn)的亮度值不知道。 假設(shè)，計(jì)算輸出圖像(x ,y ) 點(diǎn)的亮度。 (x ,y ) (x,y)=T-1 (x ,y ) (x ,y) 做一個(gè)平面反變換T-1 就可以得到輸入圖像在 (x,y)點(diǎn)的坐標(biāo)。也可以這樣理解：對(duì)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(diǎn)的灰度值， 需要對(duì)輸入圖像進(jìn)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(dāng)于采樣脈沖，參與內(nèi)插計(jì)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(dòng)態(tài) 作為一種高效智能的人機(jī)交互手段，身份證的快速識(shí)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(dāng)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(biāo)志和打印條件的千差萬(wàn)別，再加上身份證的字符識(shí)別帶來(lái)了很大的困難。必須經(jīng)過(guò)預(yù)處理，除去大量的噪聲信號(hào)，才能更好的進(jìn)行字符的定位、分割，以及識(shí)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(diǎn)后，在吸取各種方法的優(yōu)點(diǎn)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(dòng)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(xiàng)基本技術(shù)，也是很多圖像處理技術(shù)的預(yù)處理過(guò)程。在顆粒分析、模式識(shí)別技術(shù)、光學(xué)字符識(shí)別（OCR）、醫(yī)學(xué)數(shù)據(jù)可視化中的切片配準(zhǔn)等應(yīng)用中，圖像二值化是它們進(jìn)行數(shù)據(jù)預(yù)處理的重要技術(shù)。由于圖像二值化過(guò)程將會(huì)損失原圖像的許多有用信息，因此在進(jìn)行二值化預(yù)處理過(guò)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(shí) 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(duì)圖像二值化方法進(jìn)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(shí)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(jì)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(jìn)行文字、圖像加工。如何能得到光滑且能真實(shí)反映原圖像的雕刻圖像是其中的主要問(wèn)題，但是激光器的開(kāi)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(shí)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(duì)其進(jìn)行二值化處，研究者針對(duì)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(huì)中人的身份識(shí)別得到廣泛關(guān)注。指紋識(shí)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(jì)算器用戶的確認(rèn)、訪問(wèn)網(wǎng)絡(luò)資源的口令、銀行ATM機(jī)和信用卡的使用、各類智能IC卡的雙重確認(rèn)，以及雇員證明、海關(guān)身份鑒定、家用電子門鎖等一個(gè)完整的自動(dòng)指紋識(shí)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(duì)等幾個(gè)模塊。在自動(dòng)指紋識(shí)別系統(tǒng)中，指紋圖像的預(yù)處理是正確進(jìn)行特征提取、比對(duì)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(guó)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(qiáng)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(duì)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(jìn)的二值化方法：利用梯度法求取快方向圖，將其量化成8個(gè)標(biāo)準(zhǔn)方向，以塊方向代替點(diǎn)方向并利用灰度信息對(duì)指紋圖像進(jìn)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(jìn)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(duì)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(duì)經(jīng)典的二值化方法Otsu算法和

23、Bernser算法中存在的缺點(diǎn)進(jìn)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(guò)邊緣附近種子點(diǎn)在高 值二值化圖像中的填充的低 值圖像對(duì)它的修補(bǔ)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(diǎn)，實(shí)驗(yàn)結(jié)果證明，該方法能夠較好地解決低對(duì)比度圖像和目標(biāo)像素灰度不均勻圖像的二值化問(wèn)題。 采用信號(hào)匹配的支票圖像二值化提出了一種基于信號(hào)匹配的低信噪比圖像的信號(hào)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(wèn)題。這種二值化方法完全不同于傳統(tǒng)的方法，它從信號(hào)處理的角度出發(fā)，利用了部分先驗(yàn)知識(shí)和理想狀態(tài)下的投影輪廓信號(hào)

24、，再通過(guò)用不同閾值分割的投影信號(hào)與之匹配，匹配度最大時(shí)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(guò)大量的實(shí)驗(yàn)數(shù)據(jù)以及與常用的其他算法進(jìn)行的比較得到了驗(yàn)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(gè)難題，汽車牌照自動(dòng)識(shí)別系統(tǒng)工作在復(fù)雜的光照環(huán)境下，經(jīng)常會(huì)出現(xiàn)車牌光照不均的現(xiàn)象，給圖像二值化帶來(lái)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(jìn)的Bernsen算法對(duì)車牌圖像進(jìn)行二值化。實(shí)驗(yàn)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(shí)別率得到顯著的

25、提高;針對(duì)常用車牌識(shí)別二值化算法存在的問(wèn)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(guò)計(jì)算兩次突變的分維數(shù)來(lái)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(guò)實(shí)驗(yàn)，表明利用分形維數(shù)所得到的閾值進(jìn)行二值化處理較傳統(tǒng)方法有較大改進(jìn)，且該方法解決了在自然光和不同光照背景下對(duì)車牌的干擾問(wèn)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(shí)別系統(tǒng)中，由于攝像機(jī)畸變，動(dòng)態(tài)范圍太窄、車輛牌照被污染等原因，灰度化的車輛牌照?qǐng)D像背景變得模糊，接近于字體的灰度或者動(dòng)態(tài)范圍不高，使得前景字體根背景難以分開(kāi)，該采用的高帽與低帽形態(tài)濾波增強(qiáng)車牌圖

26、像中的字體，去除背景對(duì)圖像的影響，使用基于 代的圖像分塊二值化算法進(jìn)行二值化。實(shí)驗(yàn)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(diǎn)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(duì)整幅圖像進(jìn)行循環(huán) 代得到第二閾值，使用第二閾值對(duì)原始圖像進(jìn)行二值化，得到第一幅待融合圖像；通過(guò)改進(jìn)的Bernsen方法對(duì)原始圖像進(jìn)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(shí)驗(yàn)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(duì)在圖像二值化過(guò)程中動(dòng)態(tài)選取閾值難的問(wèn)題，在分析了全局閾值法和局部閾值法各自優(yōu)缺點(diǎn)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(yàn)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(biāo)圖像的細(xì)節(jié)，又能有效的消除偽影，提高處理速度。 在模式識(shí)別中二值化效果的好壞直接影響著識(shí)別效果，首先通過(guò)改進(jìn)的Bernsen方法對(duì)原始圖像進(jìn)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(jì)算閾值，對(duì)圖像進(jìn)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(shí)驗(yàn)，實(shí)驗(yàn)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(shí)現(xiàn)傳統(tǒng)的黑白二值化方面。有強(qiáng)于Windows的繪圖軟件的黑白二值化功能。而且可以實(shí)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(diǎn)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(jì)算簡(jiǎn)單，具有較高的運(yùn)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(duì)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(shí)驗(yàn)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(cuò)。 數(shù)碼管圖像的目標(biāo)和背景分離不明顯，直方圖分布較復(fù)雜。針對(duì)該問(wèn)題，提出基于拉普斯高斯（Laplacian of Gaussian,LOG）算子邊緣檢測(cè)的全局二值化方法對(duì)其進(jìn)行處理，該方法通過(guò)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(biāo)和背景，在相當(dāng)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(dāng)前許多科學(xué)實(shí)驗(yàn)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(guò)對(duì)每個(gè)子群體的優(yōu)化

30、計(jì)算和動(dòng)態(tài)改進(jìn)的適應(yīng)度函數(shù)，確定新的分割閾值?；谶吘壧卣鞯亩祷撝颠x取方法，閾值選取是圖像處理與分析的基礎(chǔ)。針對(duì)幾種常用的圖像二值化自動(dòng)選取閾值方法，通過(guò)計(jì)算機(jī)仿真對(duì)實(shí)驗(yàn)結(jié)果進(jìn)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(shí)保留圖像的邊緣特征。實(shí)驗(yàn)結(jié)果表明，這個(gè)基于邊緣特征檢測(cè)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(lái)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(biāo)和背景區(qū)分開(kāi)的標(biāo)尺，選取適當(dāng)?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(guò)程中只使用一個(gè)全局閾值T的方法。它將圖像的每個(gè)像素的灰度值與T進(jìn)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(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)果很大程度上依賴于對(duì)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(jiǎn)單，對(duì)于目標(biāo)和背景明顯分離、直方圖分布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。 為了滿足圖像處理應(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； （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(jì)征，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，分別計(jì)算這兩類的像素點(diǎn)數(shù)和灰度平均值，然后計(jì)算它們的類間方差。

33、當(dāng)被分割成的兩類間方差最大時(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(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 （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)行灰度減弱；對(duì)于在邊緣附

34、近的像素點(diǎn)，這些算子對(duì)其進(jìn)行灰度增強(qiáng)。 2.3局部閾值法 由當(dāng)前像素灰度值與該像素周圍點(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。 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，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

35、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)成是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(lái)消除灰度的不連續(xù)性。 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(qiáng)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(guó)MathWorks公司推出的計(jì)算機(jī)軟件，經(jīng)過(guò)多年的逐步發(fā)展與不斷完善，現(xiàn)已成為國(guó)際公認(rèn)的最優(yōu)秀的科學(xué)計(jì)算與數(shù)學(xué)應(yīng)用軟件之一，是近幾年來(lái)在國(guó)內(nèi)外廣泛流行的一種可視化科學(xué)計(jì)算軟件。它集數(shù)值分析，矩陣運(yùn)算，信號(hào)處理和圖形顯示于一體，構(gòu)成了一個(gè)方便的，界面友好的用戶環(huán)境，而且還具有可擴(kuò)展性特征。MathWorks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)

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(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(wú)需用戶自己編寫所用的專業(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，用戶可以查看這些文件的代碼并進(jìn)行更改，MALAB支持用戶對(duì)其函數(shù)進(jìn)行二次開(kāi)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(jiǎn)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(gè)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(dòng)顯示信息；啟動(dòng)平臺(tái)(LaunchPad)，當(dāng)用戶需要啟動(dòng)某個(gè)工具箱的應(yīng)用程序時(shí)，可以在啟動(dòng)平臺(tái)中實(shí)現(xiàn)。工作空間(Workspace)，MATLAB工作空間作為一個(gè)獨(dú)立的窗口，其操作相當(dāng)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(chǔ)；命令歷史記錄(CommandHistory)，主要顯示在命令中已執(zhí)行過(guò)的命令；當(dāng)前路徑窗口(CurrentDirectory)，主要顯示當(dāng)前工作在什么路徑下進(jìn)行，包括M文件的打開(kāi)路徑，雙擊M文件名打開(kāi)該文件進(jìn)行編輯。論文中使用的MATLAB軟件為7.0版本。MATLAB7.0針對(duì)編程環(huán)境、代碼效率、數(shù)

39、據(jù)可視化、數(shù)學(xué)計(jì)算、文件I/O操作等方面都有進(jìn)行不斷升級(jí)、增加了新功能。為此、相對(duì)于以前的版本，也具有一些新的特性。就起開(kāi)發(fā)環(huán)境方面來(lái)說(shuō)： (1)重新設(shè)計(jì)的桌面環(huán)境，針對(duì)多文檔界面提供了簡(jiǎn)便的管理和訪問(wèn)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(qiáng)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(dāng)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(duì)M文件編輯器(M-Editor)進(jìn)行了功能增強(qiáng)，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(qiáng)大的矩陣運(yùn)算能力用于圖像處理非常有利，矩陣運(yùn)算的語(yǔ)法對(duì)MATLAB中的數(shù)字圖像同樣適用。本文對(duì)MATLAB圖像處理工具箱進(jìn)行探索及應(yīng)用，實(shí)驗(yàn)證明該軟件功能強(qiáng)大，語(yǔ)言簡(jiǎn)潔易學(xué)，人機(jī)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(jiǎn)單而效果良好。 結(jié)束語(yǔ)

41、在兩個(gè)多月的畢業(yè)設(shè)計(jì)中，通過(guò)廣泛查閱與課題有關(guān)的內(nèi)容，我掌握了許多與計(jì)算機(jī)有關(guān)的東西，更重要的是使我對(duì)7.0軟件功能應(yīng)用和圖像處理知識(shí)有了一定的了解。同時(shí)也了解到數(shù)字圖像處理在模式識(shí)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(yàn)，特別是在圖像灰度化和圖像處理不熟悉的情況下，通過(guò)自己學(xué)習(xí)和導(dǎo)師的指導(dǎo)完成了設(shè)計(jì)任務(wù)。并在設(shè)計(jì)過(guò)程中，自己分析問(wèn)題和解決問(wèn)題的能力都得到了鍛煉和提高，完善自己的知識(shí)結(jié)構(gòu)，加深對(duì)知識(shí)的理解。 這次畢業(yè)設(shè)計(jì)完成后，體會(huì)頗多，在學(xué)與做的過(guò)程中，取長(zhǎng)補(bǔ)短，不斷學(xué)習(xí)新的知識(shí)，吸取經(jīng)驗(yàn)，達(dá)到進(jìn)步的目的。在學(xué)與做的過(guò)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(shí)水平有限，實(shí)踐知識(shí)和設(shè)計(jì)經(jīng)驗(yàn)不足，在設(shè)計(jì)過(guò)程中難免存在一些不足，甚至錯(cuò)誤，懇請(qǐng)老師批評(píng)指正，致使我在以后的工作和實(shí)踐中加以改進(jìn)和提高。 。 參考文獻(xiàn)： 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(jué)得自適應(yīng)均值濾波算法【J】.計(jì)算機(jī)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(jìn)

43、與應(yīng)用[J].哈爾濱商業(yè)大學(xué)大學(xué)報(bào)：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(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2004，16（5）：697——700. 5. 郝永杰，劉文耀，路爍?；兤嚺普?qǐng)D像的空間校正[J].西南交通大學(xué)學(xué)報(bào)，2002，4（37）：417——420. 6. 陳丹，張峰，賀貴明.一種改進(jìn)的文體圖像二值化算法【J】.計(jì)算機(jī)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(bào)（自然科學(xué)版），2002，23（4）：427——430. 8. 鄭咸義，張穎豪.一個(gè)改進(jìn)的LBG算法【J】.J計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，1997.9（4）：335——338.