数字图像处理的理论基础_孔大力.pdfVIP

第 期 1 12 山东水利职业学院院刊 年 月 · · 2013 3 数字图像处理的理论基础 孔大力 徐 斌 （山东水利职业学院，山东日照 276826 ） 摘 要：本文简要概述了数字图像处理所研究的内容，对其中的几个重要过程：图像去噪、图像复原、图像增强的理论和方 法进行了简单介绍，最后展望了数字图像处理的发展前景。 关键词：图像去噪；图像复原；图像增强 1 数字图像处理的研究内容 有：高斯噪声（主要由阻性元器件内部产生）、椒盐 数字图象处理，就是运用计算机对图象进行信 噪声（主要是图像切割引起的黑图像上的白点噪声 息加工。 图象处理的主要内容有： 图像的采集、去 或光电转换过程中产生的泊松噪声）等。 噪、增强、复原、变换、编码、重建、分割、配准、嵌拼、 目前比较经典的图像去噪算法主要有以下三 [1] 种： 融合、特征提取、模式识别和图象理解 。 对图像进行处理 或加工、分析 的主要目的有 （1）均值滤波算法：也称线性滤波，主要思想为 ( ) 三个方面： 邻域平均法，即用几个像素灰度的平均值来代替每 [2] 个像素的灰度 。 有效抑制加性噪声 一般指热噪声、 （1）提高图像的视感质量。 如进行图像的亮度、 ( 彩色变换、增强、抑制某些成分，对图像进行几何变 散弹噪声等，它们与信号的关系是相加，不管有没 有信号，噪声都存在 ，但容易引起图像模糊，可以对 换等，以改善图像的质量。 ) （2 ）提取图像中所包含的某些特征或特殊信息。 其进行改进，主要避开对景物边缘的平滑处理。 这些被提取的特征或信息往往为计算机分析图像 （2 ） 中值滤波：是基于排序统计理论的一种能 提供便利。 提取特征或信息的过程是模式识别或计 有效抑制噪声的非线性平滑滤波信号处理技术。 中 算机视觉的预处理。 提取的特征可以包括很多方 值滤波的处理过程是，首先确定一个以某个像素为 面，如频域特征、灰度或颜色特征、边界特征、区域 中心点的邻域，一般为方形邻域，也可以为圆形、十 特征、纹理特征、形状特征、拓扑特征和关系结构 字形等等， 然后将邻域中各像素的灰度值排序，取 等。 其中间值作为中心像素灰度的新值，这里领域被称 （3 ）对图像数据进行变换、编码和压缩，以便于 为窗口，当窗口移动时，利用中值滤波可以对图像 图像的存储和传输。 不管是何种目的的图像处理， 进行平滑处理。