扫描图像中的微小污点进行识别和消除.docVIP

扫描图像中的微小污点进行识别和消除 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：扫描图像中的微小污点进行识别和消除 1 T=C2 4 总结 5 文2：如何预防和消除耳聋幼儿自卑心理 5 一、父母创造预防和消除耳聋幼儿自卑心理的条件 6 第一，耳聋幼儿父母统一思想，做到积极配合。 6 第二，耳聋幼儿父母接受心理治疗或辅导的学习 7 二、学校创新教育预防和消除耳聋幼儿自卑心理 7 （一）培养看话、听话能力 8 （二）注重教育、教学改革 8 （三）增加情感、思想交流 9 三、社会集体力量预防和消除耳聋幼儿的自卑心理教育 9 原创性声明（模板） 10 正文 扫描图像中的微小污点进行识别和消除 文1：扫描图像中的微小污点进行识别和消除 关键词：图像分割；二值化；图像识别进入了数字时代，扫描仪作为一种捕获影像的装置，可将影像转换为让计算机可以显示、编辑、储存和输出的数字格式。目前，扫描仪作为计算机的重要外部设备之一，已被广泛应用于报纸、书刊、出版印刷、广告设计等领域之中。 而图像在扫描成数字图像的过程中由于纸张、光线、人为失误等原因易产生一些我们不想要的污点，从而影响到图像数据的正确性、精确性。因此设计一个计算和处理图像的程序，利用该程序可以将扫描图像中的微小污点的识别和消除，从而提高图像数据的正确率由此产生。图象二值化的目标是要在尽可能多的保留原图象特征的前提下舍弃冗余信息。根据不同的图像与处理标准，合理地实现这一目标关键在于正确地选择阈值。 1图像分割理论 二值化图象的处理过程一般是：在输入原始的数字图象后，先对图象进行滤波，接着予用二值化分离出原图象的背景与主题，并设法去除不必要的噪声，再根据度量特征的需要，分别加以细线化、边缘检测、图象分割分析与处理，最后求得各项度量数值的结果。 在阈值分割过程中阈值的选取是关键。若阈值选取过高，则过多的目标点被误归为背景；阈值选取过低，则会出现相反的情况。阈值的选取方法有很多，一般常见的有：双峰法，迭代法，大津法，其中大津法是最常用的二值化方法之一。经典的阈值分割法是大律法（OTSU），它是由日本学者大律在1979年提出的，对于图像，记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。图像的总平均灰度为： u=w0×u0＋w1×u1 从最小灰度值到最大灰度值遍历t，当t使得值 g=w0×（u0-u）＋w1×（u1－u） 最大时的t即为分割的最佳阈值，t分割出图像的前景和背景。对大律法可理解为：g就表示类间方差，方差是灰度分布均匀性的一种度量，方差越大，说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小。 2图像二值化方法的选择 因为阈值分割算法相对简单，计算量小，稳定性较好，它是最基本、最简单和应用最广泛的方法。通过测试发现：大津法选取出来的阈值非常理想，对各种情况的表现都较为良好。虽然它在很多情况下都不是最佳的分割，但分割质量通常都有一定的保障，可以说是最稳定的分割算法。 理想情况下，在直方图上代表物体和背景的两个峰之间有一个明显的谷，谷底就是最优阈值。但在一些实际图像中谷很平、很宽，并且受噪声干扰严重，或是两个峰的高度相差较大。这时寻找最佳阈值很困难。大津法就是针对这种情况提出的，它通过利用直方图的零阶、一阶累积矩来最大化判别函数，选择最佳阈值，是经典的非参数、无监督自适应阈值方法，并且它不需要其它的先验知识，因而应用范围很广，至今仍是最常用的二值化方法之一。 3边缘检测方法的选择 已经进行二值化的分割图像，就可以开始计算其边缘的具体位置。在边缘检测上主要运用Sobel算法，和Roberts算法、Prewitt算法类似，都是利用一阶导数原理，将图像分割成n个3×3大小的小阵，分别与2个模板进行卷积，再取两者的平方和的开方值，就得到了此小阵中心像素对应Sobel算子表示的梯度值，然后进行阈值处理，得到边缘图像。边缘图像的呈现标志着污点识别的基本前期工作已经完成，接下来就是根据边缘图像计算出其图形的面积。 4图像面积的计算 图像面积的计算主要通过FloodFill算法来实现。FloodFill是一种应用于图像填充的算法，它的原理是将和此点颜色相同的而又可以到达的点全部填充。就好比在一个地方一直到水，水会往四周漫延开，直到高地阻挡。 FloodFill可以用深度优先搜索或广度优先搜索来实现。它的实现方式是寻找到一个未被标记的结点对它标记后扩展，将所有由它扩展出的结点标上与它相同的标号，然后再找另一个未被标号的结点重复该过程。这样，标号相同的