3.5.1中值滤波的定义 22

3.5.2中值滤波的实现方法 23

3.6图像增强 24

3.6.1常用的图像增强方法 25

3.6.2关键程序及运行结果 26

3.7图像灰度化 27

3.7.1图像灰度化的基本原理 28

3.7.2图像灰度化方法 28

3.7.3关键程序和运行结果 29

3.8二值化 30

3.8.1图像的二值化的基本原理 30

3.8.2二值化阈值选取常见方法 31

3.8.3关键程序和运行结果 32

3.9边缘检测 33

3.9.1Canny算子步骤 33

3.9.2运行结果 37

总结与展望 38

致 谢 39

参考文献 40

第一章绪论

1.1课题研究背景及意义

通常经过图像信息输入系统所获取的源图像得信息中都含有许多噪声与畸变。例如传感器获取的遥感图像中就含有大量的事物特征信息，在图像上这些事物特征的信息以灰度这一形式来表现出来，当事物特征间表现的灰度相差很小时，人眼就无法认辨出来[1]。

图像处理系统可以利用一些技术手段来提高图像的视觉效果，使图像更加清晰，目标更加突出。图像可以转换为更适合的分析和处理形式与人或机器。它不以图像保真度为原理，而是通过处理来试图选择性地突出用户或机器来分析一些有趣的信息，抑制一些无用的信息来提升图像的使用价值。

20世纪20年代就已经提出数字图像处理这一概念，但是直到20世纪50年代，电子计算机发展到了一定水平，才开始利用计算机来处理图形和图像信息[2]。随着图像处理技术的发展，计算机技术的进步，已经开始研究如何利用计算机系统对图像实现人类视觉系统的扩展，这种处理技术被称为图像理解和计算机视觉。许多国家投入了大量的人力物力进行研究，特别是发达国家。其中，最代表性的成果是20世纪70年代末麻省理工学院的Marr提出的视觉计算理论。这一理论在未来十多年的计算机视觉领域已成为主导思想[3]。对图像分析与理解的研究在理论上取得了很大的进步，但它是一个困难的研究领域，还存在许多困难，因为人类对其视觉的理解能力较差，因此，是计算机视觉是人们进一步探索新领域的一个方向。

据统计，约80%的信息来自图像。图像处理技术在科学研究和技术应用中已经成为不可缺少的手段。图像处理涉及到广泛的领域，如军事应用，医疗诊断，工业监控，自动分拣和识别对象等，这些都要用到计算机来提供图像。

图像处理是对图像信息的处理，以满足人们的视觉要求或应用要求。据调查，在人们获得的信息中，视觉信息占60%，听觉信息占到了20%，其他信息如味觉、触觉，合计占到了20%左右。在这里可以看到视觉信息的重要性，而图像是获取视觉信息的主要途径。图形是指物体的光分布的传输或反射。它是指通过人类视觉系统接收到的信息在大脑中形成的印象和认知[4]。前者是客观存在，后者是人的感觉，图像就是两者结合在一起。