图像预处理技术毕业论文题目：图像预处理技术概述院系： 信息工程学院 专业：计算机科学与技术 摘要图像预处理技术就是在对图像进行正式处理前所做的一系列操作，因为图像在传输过程和存储过程中难免会受到某种程度的破坏和各种各样的噪声的污染，导致图片丧失了本质或者偏离了人们的需求，而这就需要一系列的预处理操作来消除图像受到的影响总的来说图像预处理技术分为两大方面，即图像增强和图像复原技术图像增强技术在图像预处理中占有较大的比重，是图像处理所必须的步骤，它与图像复原的不同之处在于图像复原是以恢复图像原来的本质为目的，而图像增强是以突出人们需要的特征并且弱化不需要的特征为原理的图像增强的方法很多，有灰度变换、直方图修正、图像平滑去噪、伪彩色处理等等灰度变换是图像增强技术中的一种简单的点运算处理技术，而直方图修正则是基于灰度变换而来的能够更好的显示和处理图像，然而上述两种只能够处理一些要求不高的图像，去噪功能很弱而图像平滑减噪则是图像增强的主要方面，是以对图像进行平滑和去噪为目的的最常用的预处理方法，在现代社会图像预处理研究中有着举足轻重的作用本文先着手介绍图像预处理的基础知识和灰度变换、直方图修正这两种图像预处理方法的原理，而后重点介绍了几种噪声的模型和基于这些噪声的平滑去噪的方法及其原理，并分析其优缺点。
最后以基于中值滤波的图像平滑去噪方法为基础，提出一种自适应中值滤波算法并进行探讨关键词：图像预处理，图像增强，平滑去噪，中值滤波AbstractImage pre-processing technology is made before the formal processing of the image series of operations, because the image during transmission and storage process will inevitably be some degree of damage and a variety of noise pollution, resulting in pictures lostthe nature of or deviation from the people's needs, which requires a series of preprocessing operations to eliminate the impact of the image. Overall image pre-processing technology is divided into two aspects, namely, image enhancement and image restoration techniques. Image enhancement techniques to account for a large proportion of the image pre-processing is a necessary step in the image processing, image restoration is to image restoration is to restore the original image of the essence for the purpose of image enhancement is based on the prominent people need characteristics and weaken the unwanted characteristics of the principle. Image enhancement method, there are many gray level transformation, histogram equalization, image denoising, pseudo-color processing. Gray-scale transformation is the basis and foundation of the image enhancement technology basically all image enhancement and gray-scale transformation. Image denoising, image enhancement, plays an important role in modern society. This article first started to introduce the basic theory of the basic knowledge and the gray-scale transformation of the image pre-processing, after the focus of several denoising methods and principles, at the same time they also do some basic comparisons, finally, based on the median filter image denoising method based on, to explore the median filtering of room for improvement.KeyWords:image pre-processing, image enhancement, image denoising,median filter目录第一章绪论51.1课题研究的目的意义51.2课题研究的国内外现状及应用51.3论文安排及主要研究问题7第二章图像预处理基础72.1图像预处理基础知识72.2图像增强技术82.3图像复原技术82.4图像去噪质量评价标准92.5 matlab软件与图像预处理10第三章图像灰度化及灰度变换113.1图像灰度化11灰度的概念11图像灰度化介绍11图像灰度化的实现12灰度化实现例子123.2灰度变换13灰度变换概念14灰度变换的分类14灰度变换实例16第四章图像平滑去噪174.1噪声基本介绍174.2图像噪声模型184.3图像平滑去噪19局部平滑法（均值滤波）20灰度K点平均法22最大均匀性平滑254.4算法总结29第五章总结与展望30致谢30引用文献31第一章 绪论1.1课题研究的目的意义冈萨雷斯曾在其著作中提到，视觉是人类感觉中最高级的，而图像又在人类的感知中起着重要的作用。
图像作为一种重要的信息源，通过对图像的处理和预处理可以帮助我们了解信息的内涵，增强对信息的把握度，然而图像容易受到损坏或噪声污染，失去原来的信息，因此图像预处理就是在这一需求下应运而生的图像预处理作为图像处理的重要组成部分，对于人们获得货真价实的图像信息以及复原图像本来的面目具有决定性的作用图像预处理顾名思义就是在图像分析中，对我们输入的图像进行特征抽取、分割及匹配前所进行的处理进行图像预处理主要目的是为了消除图像中无关紧要的信息，恢复有用的真实的信息，增强相关信息的可检测性和最大限度地简化我们需要的数据，从而增加特征抽取、图像分割、匹配和识别等后续图像处理步骤的可靠性因此对图像进行预处理就成了人们获得图像信息的首要解决的事情，然而人们对于图像预处理的知识了解不是很多，而且图像预处理方法繁多，单单就平滑处理来说就有好多种方法，它们相比有哪些优缺点，以及中值滤波有何改进之处，这就是本文要探讨和研究的地方，当然对于图像预处理来说是一个广阔的学科，应用广，分类细，但是远远不能满足社会当今的需求，自身也在不断的完善和发展，有很多新的方面需要探索本文只就一些图像预处理中平滑处理及中值滤波、均值滤波的主要方法和算法进行分析，然后以中值滤波为例进行探讨并总结归纳出观点，以此来给人们提供一些了解和学习图像预处理的基础性知识，方便以后更系统的学习图像预处理。
1.2课题研究的国内外现状及应用目前人类已经进入一个高速发展的信息时代，有80%的信息来自图像，科学研究和技术应用中，图像处理技术已成为不可缺少的手段国外最早的数字图像处理技术出现在20世纪50年代末，当时的电子计算机技术已经发展到一定水平，人们开始利用它处理图像信息，而数字图形处理作为一门独立的学科形成于20世纪60年代初期早期的图像处理的主要是为了改善图像的质量，首次获得实际成功应用的是美国喷气推进实验室他们对航天探测器发回的几千张月球图片进行了图像处理，比如图像几何校正、灰度变换、图像平滑减噪、直方图修正等等并由计算机成功的绘制出了月球表面地图，为人类的登月梦想奠定了基础，也推动了数字图像处理这门学科的出现此后世界上许多机构也加强了对图像处理技术的研究，同时图像处理的应用范围也从空间研究扩展到各个领域，特别是在医学上取得了巨大的成就从1970以后，随着计算机和人工智能的迅速发展，数字图像处理技术向着更高、更深的层次发展人们开始研究如何利用计算机系统的解释处理图像，这类被称为图像理解或者计算机视觉发达国家投入了大量的人力物力来研究这项技术，取得了不少重要的成果，其中比较有代表性的成果是70年代 Marr提出的视觉计算理论，此理论成为计算机视觉领域的主导思想。
当前，由于计算机技术的飞速发展，图像处理总的发展研究趋势是以数字处理为主，因为这种方法有处理精度高、灰阶多、能进行复杂的非线性运算、重复性好等许多优点数字图像处理实质上是计算机技术、信息论和信号处理相结合的综合性应用学科，与其它学科有着密切的关系图像去噪就是数字图像处理技术中的重要技术之一近些年，国内外发表的数字图像预处理方面的论文提出了很多卓有成效的对图像处理的模型或方法，其中有代表性的是基于结构的方法和基于纹理合成的方法这些方法都是通过建立数学模型来对图像进行增强和复原其中最主要的是图像去噪，图像去噪的方法从不同处理域的角度可以划分空域和频域两种处理方法：前者是在图像本身存在的二维空间里对其进行处理；而后者则是用一组正交函数系来逼近原信号函数，获得相应的系数，将对原信号的分析转化到了系数空间域，即频域中进行空间域的线性滤波算法理论发展较为成熟，数字分析简单，对滤除与信号不相关的随机噪声效果显著，但是它本身存在着明显的缺陷，如需要随机噪声的先验统计知识，对图像边缘细节保护能力较差等，特别是后者使得线性滤波无法很好地适应于图像的噪声滤除处理与线性滤波相对应的非线性滤波大都考虑到了人的视觉标准和最佳滤波准则，提高了图像分辨率和边缘保护能力，特别是一些改进后的非线性滤波方法一般都具有了一定的自适应性，这就使得非线性滤波的功能更为强大，可以广泛地应用到医学、遥感等领域的图像处理中。
1971年，图基提出了中值滤波的思想，并首先应用与时间序列的分析中，后来这种方法引入到图像处理中，用来滤除图像的噪声，收到了良好的效果随之而来的是各种中值滤波的改进方案其中有一种被称为自适应中值滤波的改进算法引起了人们的关注，这种方法最突出的特点是具有自适应的性能并且对图像的边缘保护能力较传统算法具有明显提高另外数学形态学和统计学的引入为数字滤波技术开辟了新的途径，1982年Serra出版的专著《Image Analysis and Mathematical Morphology》成为数学形态学应用于数字图像领域的咀程碑，由此孕育了很多相天的滤波算法，使得图像滤波算法对图像的处理有了显著提高，边缘保护能力也得到增强对机器视觉研究的小断深入使人们丌始重视偏微分方程的数学理论，这个领域的实质性创始工作应该归功于Koenderink和Witkin各自独立的工作，他们在图像中引入了尺度空间严格的理论。