三种数字图像滤波技术的特点及适用场景（行业资料）.docVIP

三种数字图像滤波技术的特点及适用场景（行业资料） 文档信息 主题： 关于“行业资料”中“毕业资料”的参考范文。 属性： F-01H6HX，doc格式，正文19482字。质优实惠，欢迎下载！ 适用： 作为毕业资料网、毕业资料范文写作的参考文献，解决如何写好实用应用文、正确编写文案格式、内容摘取等相关工作。 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：三种数字图像滤波技术的特点及适用场景 2 1 数字图像的存储及噪声分类 2 2 常见三种滤波技术的原理 3 3 三种滤波技术的特点分析及适用场景 5 文2：三种常见的MEMS微执行器的特点及原理 6 1、背景 6 2、微执行器的分类及特点 7 3三种微执行器的工作原理 8 参考文摘引言： 9 原创性声明（模板） 10 文章致谢（模板） 11 正文 三种数字图像滤波技术的特点及适用场景（行业资料） 文1：三种数字图像滤波技术的特点及适用场景 1 数字图像的存储及噪声分类 数字图像在计算机中的存储方式 图像在计算机中会转化为计算机可识别的数值来进行存储, 数字化图像数据有两种存储方式:一为位图存储、二为矢量存储。由于本文主要使用的都是位图图像, 所以下文将主要介绍位图存储。位图图像是由一系列像素 (像素值取0~255) 组成的可识别图像, 所以可以把一幅图像看成一个数字矩阵, 矩阵的每一个元素对应于图像中的一点, 而相应的值对应于该点的颜色或者灰度。例如一张分辨率为640times;480, 16位色的图片, 就可由216=65536种颜色约640times;480=307200个像素点组成[1]。位图图像的优点与缺点都同样明显, 在优点方面, 位图图像可以表现出丰富的图像效果和颜色, 可以更加逼真的表现图像细节, 这就是为什么平时我们使用的图像都是位图图像的原因。但是, 位图图像由于每一个存储单元都是一个单独的像素导致颜色丰富的位图图像的储存占空间较大, 在传输文件时会很慢。而且位图图像不能放大太大, 在放大时, 位图图像的像素不会随之改变, 因此图像会出现失真的情况。 噪声及噪声分类 图像噪声就是指存在于图像中的不必要的信息, 也就是说图像中存在的干扰人们获取图像信息的因素就是噪声。噪声在理论上可以定义为“不可预测, 只能用概率统计方法来认识的随机误差”, 描述噪声可以借用随机过程的描述, 即用其概率分布函数, 由于噪声的存在严重干扰了图像的质量, 因而在图像增强处理和分类处理之前, 必须予以纠正[2]。噪声按性质分类主要有:椒盐噪声, 高斯噪声, 伽马噪声、泊松噪声、乘性噪声等。最常见的噪声为椒盐噪声和高斯噪声。 椒盐噪声就是图像上随机出现的或白或黑的像素点, 如同盐或者胡椒撒在图片上一样。椒盐噪声的成因主要是在信号接收过程中, 突然受到强烈的干扰。 高斯噪声的特点是噪声的幅度分布为高斯正态分布曲线 (二维高斯正态分布曲线) , 由中心点向外辐射逐渐模糊, 高斯噪声的成因主要是在采集信号时突然的强光或者高温造成的传感器噪声。 2 常见三种滤波技术的原理 滤波一词源于通信, 它是从含有干扰的接收信号中提取有用信号的技术。由于成像系统、成像设备均不完善导致数字图像在形成往往伴随着多种噪声干扰, 图像滤波也就是为去除这些干扰我们获得图像中有用信息的噪声而存在, 原理与通讯滤波相似。如果要构造一种滤波器必须考虑两个因素: (1) 能否有效去除噪声; (2) 能否在去除噪声的同时, 保护目标图像的特征。因此针对于以上因素, 我们构建了三种滤波器来解决这个问题。 中值滤波 中值滤波是一种非线性平滑技术, 其实现方式较简单;首先构建一种二维模板, 二维模板通常为ntimes;n的区域 (由于ntimes;n的奇数区域更方便取中心点, 奇数个数字也更方便取中值, 因此n常取奇数) 当然, 也可以是不同的形状, 如线状、圆状、十字形或圆环形。从前至后对一张图像进行处理, , 在二维模板的区域内取所有像素值的中位数对二维模板的中心点进行替换, 接着向后移动一个像素单位时, 最后重复此操作直到图像中所有被覆盖的中心点的的像素值都被中值替换。 具体实现过程见图1, 用矩阵代表一张灰度图像, 二维模板取3times;3的区域。 图1 中值滤波示例 限幅平均滤波 限幅平均滤波其实结合了两种滤波方法一为限幅滤波, 二为算数平均滤波。处理方法与中值滤波相似, 首先设定一个像素幅度A, 接着判断当前二维模板所覆盖中心点的像素值和前一个中心点像素值的差值的绝对值是否超出所设定幅度, 若未超出所设定幅度则不对当前中心点进行处理, 若超过所设定幅度, 则将当前中心点的值变更为此而为二维模板内所有像素值的平均值, 重复此