基于Linux系统的嵌入式设计

1、 基于Matlab数字图像处理与仿真实验摘要随着现代工业水平的发展，基于视频图像的检测、识别和控制技术也得到了发展。数字图像处理技术的发展水平对于其发展就会显得十分的重要。数字图像处理技术就是利用计算机系统对数字图像进行各种目的地处理，常用的图像处理方法有图像增强、复原、编码、压缩等。Matlab是目前国内比较流行的一款功能强大的数学计算软件。其在图像处理方面也表现出了强大的功能，其提供了20类图像处理函数，涵盖了图像处理包括近期研究成果在内的几乎所有的技术方法，其界面简单友好，编程语言通俗易懂，是学习和研究图像处理工作人员难得的宝贵资料和加工工具箱。本文主要介绍了图像处理相关的知识，阐述了图

2、像处理一些基本原理和方法同时也介绍了数字图像处理中几种常见的算法。然后利用matlab中图像处理工具对所给定的图像进行了处理和仿真，得出了仿真结果，并对仿真结果进行了较为详细的分析和总结。关键词：数字图像处理，Matlab,算法，仿真实验；TOC o 1-5 h z HYPERLINK l bookmark2 o Current Document 摘要1 HYPERLINK l bookmark4 o Current Document 第一章综述3 HYPERLINK l bookmark6 o Current Document 第二章数字图像处理技术简介4 HYPERLINK l bookm

3、ark8 o Current Document 2.1数字图像处理技术发展4 HYPERLINK l bookmark10 o Current Document 2.2数字图像处理的特点4 HYPERLINK l bookmark12 o Current Document 2.2.1数字图像处理的主要特点4 HYPERLINK l bookmark14 o Current Document 2.2.2数字图像处理技术的优点5 HYPERLINK l bookmark16 o Current Document 2.3数字图像的处理过程5 HYPERLINK l bookmark18 o Curr

4、ent Document 2.4数字图像处理研究的内容7 HYPERLINK l bookmark20 o Current Document 2.5数字图像的发展方向8 HYPERLINK l bookmark22 o Current Document 第三章图像处理中常用算法9 HYPERLINK l bookmark24 o Current Document 图像边缘检测9 HYPERLINK l bookmark26 o Current Document 3.1.1边缘检测算法的步骤9 HYPERLINK l bookmark28 o Current Document 3.1.2边缘检测

5、与提取的主要算法10 HYPERLINK l bookmark40 o Current Document 3.2图像分割12 HYPERLINK l bookmark47 o Current Document 阈值分割思想和原理13 HYPERLINK l bookmark49 o Current Document 直方图阈值分割法133.2.3最大类间方差法（OTSU）14 HYPERLINK l bookmark59 o Current Document 数字滤波算法15 HYPERLINK l bookmark61 o Current Document 平均滤波15 HYPERLINK

6、l bookmark63 o Current Document 中值滤波16 HYPERLINK l bookmark65 o Current Document 第四章图像仿真实验17 HYPERLINK l bookmark67 o Current Document 装甲车形心位置仿真实验17 HYPERLINK l bookmark69 o Current Document 仿真实验步骤17仿真实验图18 HYPERLINK l bookmark71 o Current Document 仿真结果分析22 HYPERLINK l bookmark73 o Current Document

7、豆形胶质软糖个数仿真实验22 HYPERLINK l bookmark75 o Current Document 仿真实验步骤22 HYPERLINK l bookmark77 o Current Document 实验仿真图23 HYPERLINK l bookmark81 o Current Document 仿真结果分析26 HYPERLINK l bookmark87 o Current Document 参考文献27第一章综述数字图像处理（DigitalImageProcessing）是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术1。最早出现于20世纪5

8、0年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。一般来讲，对图像进行处理（或加工、分析）的主要目的有三个方面：（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，这些被提取的特征或信息往往为计算机分析图像提供便利。提取特征或信息的过程是模式识别或计算机视觉的预处理。提取的特征可以包括很多方面，如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。（3）图像数据的变换、编码和压缩，以便于图像的存储和传输。图像的边缘是图像

9、最基本也是最重要的特征之一。边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。图像分析和理解的第一步常常是边缘检测，边缘检测的目的是去发现图像中关于形状和反射或透射比的信息，是图像处理图像分析模式识别计算机视觉以及人类视觉的基本步骤之一。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提2阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术已被应用于很多的领域。本次试验着重于对图像的边缘提取和分割。具体

10、的研究现状以及相关算法将在下面章节具体描述。第二章数字图像处理技术简介2.1数字图像处理技术发展图像处理技术基本可以分成两大类：模拟图像处理和数字图像处理。数字图像处理是指将图像信号转换成数字信号并利用计算机进行处理的过程。其优点是处理精度高，处理内容丰富，可进行复杂的非线性处理，有灵活的变通能力，一般来说只要改变软件就可以改变处理内容。困难主要在处理速度上，特别是进行复杂的处理。数字图像处理技术主要包括如下内容：几何处理、算术处理、图像增强、图像复原、图像重建、图像编码、图像识别、图像理解3。数字图像处理技术的发展涉及信息科学、计算机科学、数学、物理学以及生物学等学科，因此数理及相关的边缘学

11、科对图像处理科学的发展有越来越大的影响数字图像处理的早期应用是对宇宙飞船发回的图像所进行的各种处理4。到了70年代，图像处理技术的应用迅速从宇航领域扩展到生物医学、信息科学、资源环境科学、天文学、物理学、工业、农业、国防、教育、艺术等各个领域与行业，对经济、军事、文化及人们的日常生活产生重大的影响。2.2数字图像处理的特点2.2.1数字图像处理的主要特点（1）目前数字图像处理的信息大多是二维信息，处理信息量很大，因此对计算机的计算速度、存储容量等要求较高。（2）数字图像处理占用的频带较宽，与语言信息相比，占用的频带要大几个数量级。所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较

12、大，成本也高，这就对频带压缩技术提出了更高的要求。（3）数字图像中各个像素是不独立的，其相关性大。因此，图像处理中信息压缩的潜力很大。（4）由于图像是三维景物的二维投影，一幅图像本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。因此，要分析和理解三维景物必须作合适的假定或附加新的测量5。在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。（5）数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进一步深

13、入的研究。另一方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究，这些都是心理学和神经心理学正在着力研究的课题。2.2.2数字图像处理技术的优点（1）再现性好数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化，只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的再现。（2）处理精度高按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。（3）适用面宽图像可以来自多种信息源，从图像反映的客

14、观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像组合而成，因而均可用计算机来处理。（3）灵活性高数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。2.3数字图像的处理过程由于数字图像处理的灵活性和方便性，所以数字图像处理已成为图像处理的主流7。常见的数字图像处理有：图像的采集、数字化、编码、增强、恢复、变换、压缩、存储、传输、分析、识别、分割等，其处理流程如图1所示。图11）图像数字化通过取样和量化将一个以自然

15、形式存在的图像变换为适合计算机处理的数字形式，图像在计算机内部被表示为一个数字矩阵，矩阵中每一元素称为像素。（2）图像的编码编码的目的是压缩图像的信息量（但图像质量几乎不变）以满足传输和存储的要求，为此，可以采用模拟处理技术，再通过模-数转换得到编码，不过多数是采用数字编码技术，其编码方法可以对图像逐点进行加工，也可以对图像施加某种变换或基于区域、特征进行编码。（3）图像增强图像增强的目的是使图像清晰或将其转换为更适合人或机器分析的形式，常用的图像增强方法有：灰度等级直方图处理、干扰抵制、边缘锐化、伪彩色处理。（4）图像恢复其目的是除去或减少在获得图像过程中因各种原因产生的退化，可能是光学系统

16、的像差或离焦、摄像系统与被摄物之间的相对运动、电子或光学系统的噪声和介于摄像系统与被摄像物间的大气湍流。图像输入设备A/D键盘显示器主计算机D/A监视器（5）图像分割将图像划分为一些互不重叠的区域，每一区域是像素的一个连续集，通常采用把像素分入特定区域的区域法和寻求区域之间边界的境界法这2种方法都可以利用图像的纹理特性实现图像分割。（6）图像分析从图像中抽取某些有用的度量、数据或信息，其目的是得到某种数值结果。图像分析的内容和模式识别、人工智能的研究领域有交叉，但图像分析与典型的模式识别有区别。图像分析需要用图像分割方法抽取出图像的特征，然后对图像进行符号化的描述，这种描述不仅能对图像中是否存

17、在某一特定对象作出回答，还能对图像内容作出详细描述。图像处理的各个内容是互相有联系的，一个实用的图像处理系统往往结合几种图像处理技术才能得到所需要的结果，图像数字化是将一个图像变换为适合计算机处理的形式的第1步，图像编码可用以传输和存储图像。图像增强和复原可以是图像处理的最后目的，也可以是为进一步的处理作好准备8。通过图像分割得出的图像特征可以作为最后结果，也可以作为下一步图像分析的基础。2.4数字图像处理研究的内容数字图像处理主要研究的内容有以下几个方面：（1）图像变换由于图像阵列很大,直接在空间域中进行处理,涉及计算量很大.因此,往往采用各种图像变换的方法,如傅立叶变换、沃尔什变换、离散余

18、弦变换等间接处理技术,将空间域的处理转换为变换域处理,不仅可减少计算量,而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）.目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性,它在图像处理中也有着广泛而有效的应用。（2）图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数）,以便节省图像传输、处理时间和减少所占用的存储器容量.压缩可以在不失真的前提下获得,也可以在允许的失真条件下进行.编码是压缩技术中最重要的方法,它在图像处理技术中是发展最早且比较成熟的技术。（3）图像增强和复原图像增强和复原的目的是为了提高图像的质量,如去除噪声,提高图像的清晰度等。图像增强不考

19、虑图像降质的原因,突出图像中所感兴趣的部分。如强化图像高频分量,可使图像中物体轮廓清晰,细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解,一般讲应根据降质过程建立“降质模型”,再采用某种滤波方法,恢复或重建原来的图像。（4）图像分割图像分割是数字图像处理中的关键技术之一.图像分割是将图像中有意义的特征部分提取出来,其有意义的特征有图像中的边缘、区域等,这是进一步进行图像识别、分析和理解的基础.虽然目前已研究出不少边缘提取、区域分割的方法,但还没有一种普遍适用于各种图像的有效方法.因此,对图像分割的研究还在不断深入之中,是目前图像处理中研究的热点之一。（5）

20、图像描述是图像识别和理解的必要前提.作为最简单的二值图像可采用其几何特性描述物体的特性,一般图像的描述方法采用二维形状描述,它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展,已经开始进行三维物体描述的研究,提出了体积描述、表面描述、广义圆柱体描述等方法。（6）图像分类（识别）图像分类（识别）属于模式识别的范畴,其主要内容是图像经过某些预处理（增强、复原、压缩）后,进行图像分割和特征提取,从而进行判决分类.图像分类常采用经典的模式识别方法,有统计模式分类和句法（结构）模式分类,近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越

21、来越受到重视。2.5数字图像的发展方向经过近90年的发展，特别是第3代数字计算机问世后,数字图像处理技术出现了空前的发展，但存在一定的问题9，具体体现在以下5个方面：（1）在提高精度的同时着重解决处理速度的问题,巨大的信息量和数据量和处理速度仍然是一对主要矛盾；（2）加强软件的研究和开发新的处理方法,重点是移植其他学科的技术和研究成果；（3）边缘学科的研究（如人的视觉特性、心理学特性的研究的突破）促进图像处理技术的发展；（4）理论研究已逐步形成图像处理科学自身的理论体系；（5）建立图像信息库和标准子程序,统一存放格式和检索。数字图像处理技术的未来发展大致可归纳为：图像处理随着高清电视的出现，将

22、开展实时图像处理的理论及技术的研究，向高速、高分辨率、立体化、多媒体化、智能化和标准化发展；图像与图形相结合，将朝着三维成像或多维成像的方向发展；硬件芯片方面，会将图像处理的众多功能固化在一个芯片上；在新理论与新算法方面的研究也会有进一步的进展。在图像处理领域，近几年来引入了一些新的理论并提出了一些新的算法如小波分析、分析几何、形态学、遗传算法和人工神经网络等。第三章图像处理中常用算法3.1图像边缘检测数字图像边缘检测处理技术在最近的10年发展尤为迅速，每年均有数以百计的新算法诞生。这些算法在设计时大量运用数学、数字信号处理、信息论以及色度学的有关知识，而且不少新算法还充分吸取了神经网络、遗传

23、算法、人工智能以及模糊逻辑等相关理论的一些思想，开阔了进行数字图像边缘检测处理的设计思路10。3.1.1边缘检测算法的步骤边缘检测主要包括以下四个步骤：（1）图像滤波边缘检测算法主要是基于图像亮度的一阶和二阶导数但是导数的计算对噪声很敏感因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。（2）图形增强增强边缘的基础是确定图像各点邻域强度的变化值增强算法可以将邻域强度值有显著变化的点突出显示。（3）图像检测在图像中有许多点的梯度幅值比较大而这些点在特定的应用领域中并不都是边缘应该用某些方法来确定那些是边缘点最简单的边缘检测判据是梯度幅值阈值判据11。（4）图像定位如果某一应用场合要求确定边缘

24、位置则边缘的位置可以在子像素分辨率上来估计边缘的方位也可以被估计出来。边缘检测的具体流程图3.1所示：图3.1边缘检测算子的流程图3.1.2边缘检测与提取的主要算法边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。我们将边缘定义为图像中灰度发生急剧变化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映12，因此我们可以用局部图像微分技术来获得边缘检测算子。经典的边界提取技术大都基于微分运算。首先通过平滑来滤除图像中的噪声，然后进行一阶微分或二阶微分运算，求得梯度最大值或二阶导数的过零点，最后选取适当的阈值来提取边界。不妨记：Vf(x,y)=f+f&內(3-1)为图像的梯

25、度，Vf(x，y)是包含局部灰度的变化信息。记：e(x,y)=f2(x,y)+f2(x,y)(3-2)为梯度Vf(x,y)的幅度，e(x，y)可以用作边缘检测算子。为了简化计算，也可以将e(x,y)定义为偏导数fx，fy的绝对值之和：e(x,y)二|/(x,y)|+1/(x,y)(3-3)(1)Sobel边缘检测算子Sobel边缘算子的卷积和如图2.2所示,图像中的每个像素都用这两个核做卷积。这两个核分别对垂直边缘和水平边缘响应最大，两个卷积的最大值作为该点的输出位。运算结果是一幅边缘幅度图像。匚工MHMsF日三MEF图3.2Sobel边缘检测算子据此，定义Sobel算子如下：s(i,j)Ta

26、f|+|Af|xyT(f(i-1j-1)+2f(i-1j)+f(i-1j+1)-(f(i+1j-1)+2f(i+1j)+f(i+1j+1)|+|(f(i-1j-1)+2f(i+1j-1)-(f(i-1j-1)+2f(i,j+1)+f(i+1j+1)|(3-4)卷积算子为：-10-1-2-Af:-202,Af:000 x-101y121适当去门限TH,作如下判断：s(i,j)TH，(i,j)为阶跃状边缘点，s(I,J)为边缘图像。Sobel算子很容易在空间上实现,Sobel边缘检测器不但产生较好的边缘检测效果,而且受噪声的影响也比较小,当使用于大的领域时,抗噪声特性会更好,但这样做会增加计算量,

27、并且得出的边缘也较粗。Sobel算子利用像素点上下、左右邻点的灰度加权算法,根据在边缘点处达到极值这一现象进行边缘的检测，Sobel算子对噪声具有平滑作用，提供较为精准的边缘方向信息,但它同时也会检测出许多的为边远,边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。(2)Robert边缘检测算子Roberts边缘检测算子根据任意一对互相垂直方向上的差分可用来计算梯度的原理，采用对角线方向相邻两像素之差，即：AfTf(i,j)-f(i+1,j+1)AfTf(i,j+1)-f(i+1,j)xyR(i,j)tJa2F+A2F或R(i,j)t|Af+|Af1xyxy它们的卷积算

28、子为：fAf：0有了Af,Af之后，很容易计算出Robert的梯度幅值R(i,j)，适当取门限xyTH作如下判断：r(i,j)TH，(i,j)为阶跃边缘点，R(i,j)为边缘图像。(3)Prewitt边缘检测算子Prewitt算子是一种边缘样板算子。这些算子样板由理想的边缘子图像构成。依次用边缘样板去检测图像，与被检测区域为相似的样板给出最大值。用这个最大值作为算子的输出值P(i,j)，这样可将边缘像素检测出来。定义Prewitt边缘检测算子模板如下：11111111-11-1-11-211-2-11-2-11-2-1-1-1-11-1-111-1111(a)l方向(b)2方向(c)3方向(d

29、)4方向-1-1-1-1-11-1111111-21-1-21-1-21-1-21111111-111-1-11(e)5方向(f)6方向(g)7方向(h)8方向8个算子样板对应的边缘方向如下图3-3所示：1834567图3-3Prewitt边缘方向图适当取TH,作如下判断：p(i,j)TH，(i,j)为阶跃边缘点，P(i,j)为边缘图像。3.2图像分割图像分割是将数字图像分成互不重叠的区域并提取出感兴趣目标的技术。可见在图像特征提取之前重要的一部分工作就是图像分割，图像分割是图像识别和图像理解的基本前提步骤。图像分割算法一般是基于灰度的两个性质之一：不连续性和相似性。第一个性质的应用是基于灰度

30、的不连续变化来分割图像13。第二个性质的主要应用是根据事先制定的准则将图像分割为相似的区域。这两种方法都有各自的优点和缺点。常见的分割方法有阈值分割、边缘检测、边缘跟踪、区域分裂与合并等。如下图3-4所示：图3-4图像分割法3.2.1阈值分割思想和原理若图像中目标和背景具有不同的灰度集合：目标灰度集合与背景灰度集合，且两个灰度集合可用一个灰度级阈值T进行分割。这样就可以用阈值分割灰度级的方法在图像中分割出目标区域与背景区域，这种方法称为灰度阈值分割方法。在物体与背景有较强的对比度的图像中，此种方法应用特别有效。比如说物体内部灰度分布均匀一致，背景在另一个灰度级上也分布均匀，这时利用阈值可以将目

31、标与背景分割得很好。如果目标和背景的差别是某些其他特征而不是灰度特征时，那么先将这些特征差别转化为灰度差别，然后再应用阈值分割方法进行处理，这样使用阈值分割技术也可能是有效的设图像为f(x,y)，其灰度集范围是0,L，在0和L之间选择一个合适的灰度阈值T,则图像分割方法可由式(3-4)描述g(x,y)二f(x,y)0f(x,y)gTelse(3-5)3.2.2直方图阈值分割法该阈值化方法的依据是图像的直方图，通过对直方图进行各种分析来实现对图像的分割。图像的直方图可以看作是像素灰度值概率分布密度函数的一个近似，设一幅图像仅包含目标和背景，那么它的直方图所代表的像素灰度值概率密度分布函数实际上就

32、是对应目标和背景的两个单峰分布密度函数的和。图像二值化过程就是在直方图上寻找两个峰、一个谷来对一个图像进行分割，也可以通过用两级函数来近似直方图。Rosenfeld等提出了仅由边缘值较低的像素点构成灰度直方图的方法，使所得直方图与原始直方图相比，双峰基本保持不变，而谷底变得更深。有人提出了用直方图的凸凹度来寻找最佳阈值，具体实现是通过函数计算，设凸函数为f,而概率密度函数为p，找出理论上两者的差别p-fl，当计算p凹度时，最深的凹1111点可视为阈值的候选值。设物体的光滑度为S,凹点的选择是通过一些目标属性的反馈，最终得出最佳阈值由公式给出：T*二argmax|pif1|,s(3-6)在这里，

33、考虑了物体的光滑情况，而其他一些类似的方法没有考虑物体分布的均匀情况，只把最深的凹点作为最佳阂值。323最大类间方差法(OTSU)最大类间方差法又称为OTSU算法3，该算法是在灰度直方图的基础上用最小二乘法原理推导出来的，具有统计意义上的最佳分割阈值。它的基本原理是以最佳阈值将图像的灰度直方图分割成两部分，使两部分的方差取最大值，即分离性最大。设X是一幅具有L级灰度级的图像，其中第i级像素为N个，i的值在i0L1之间，图像的总像素点个数为：(3-7)N=1Nii二0第i出现的概率为：(3-8)在0TSU算法中，以阈值k将所有的像素分为目标C和背景c两类。其中，C010类的像素灰度级为0k-1,

34、C类的像素灰度级为kL-1。1图像的总平均灰度级为：卩=因iP(3-9)ii二0C类像素所占面积的比例为：3=艺P00ii二0C类像素所占面积的比例为：二1-3110C类像素平均灰度为：卩(k)二卩(k)/30000C类像素平均灰度为：卩伙)二卩(k)/31111其中，卩(k)=艺iP,卩(k)=因iP=1-卩(k)0i1i0i二0i二0则类间方差公式为：52(k)=3(卩一卩)2+3(卩一卩)2(3-10)0010令k从0L-1变化，计算在不同k值下的类间方差52(k)，使得52(k)最大时的那个k值，就是所要求的最优阈值。3.2数字滤波算法3.2.1平均滤波均值滤波是一种典型的线性滤波算法

35、，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素(以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身)。在模板中的全体像素的平均值来代替原来像素值。(1)均值滤波原理均值滤波原理是基于领域平均法，它是将原图像中一个像素的灰度值。它采用模板计算的思想，模板操作实现一种领域运算，即某个像素点的结果不仅与本像素灰度有关，而且与其领域点的像素值有关。模板运算在数学中的描述就是卷积运算，领域平均法的数学公式表达式为：g(x,y)=+Yf(x,y)(3-11)f,s其中，(x,y)为待处理的当前像素点，g(x,y)为处理后图像在该点上的灰度值，S为模板，M为该模板中包含

36、当前像素在内的像素总个数。(2)均值滤波算法的步骤1选择一个(2n+1)*(2n+1)的窗口(通常为3*3或5*5)，并用该窗口沿图像数据进行行或列的滑动。读取窗口下各对应像素的灰度值。求取这些像素的灰度平均值代替窗口中心位置的原始像素灰度值。3.2.2中值滤波中值滤波是对某一被测参数连续采样N次(一般N取奇数)，然后把N次采样值从小到大，或从大到小排序，再取其中间价值作为为本次采样值。设有x,x，,x,共N个数，其计算算法如下：11n利用排序算法将x重新排序，生成以排好序的新的数列yy，y。i12n计算N/2，如果能整除说明是偶数，不能整除说明是奇数，取N/2的整数部分，设为k。(3)计算所

37、求数值当N是偶数时，z=(y+J)/2(3-12)kk+1当N是奇数时，z=y(3-13)k中值滤波对于去掉偶然因素引起的波动或采样器不稳定而造成的误差所引起的脉冲干扰比较有效，对温度、液位等变化缓慢的被测参数采用此法能收到良好的滤波效果。第四章图像仿真实验4.1装甲车形心位置仿真实验4.1.1仿真实验步骤因为原始图像是RGB彩色图像，首先将其转换成灰度图像，然后利用上述阈值分割算法中最大类间方差法（Qtsu）来计算得到灰度图像转换为二值化图像的最佳阈值，通过这个阈值将灰度图像分割成二值化图像，这样就使得背景和目标分离开来，由于背景中存在着许多有目标灰度值相接近的图像，因此二值化后其就会保留下

38、来，在背景中形成许多的杂点干扰。为了使得杂点得到修补，就必须使用第三章中提到的中值滤波算法进行滤波，这样就会使得图像中的一些斑点显得更加圆润；在使用上面提到的边缘检测算法，对滤波后的图像进行边缘检测，以此来提取出坦克的边缘。然后对边缘检测图像进行空洞填充，使得目标区域图像值为1，非目标区域图像为值为0。此时的图像仍然存在着一些不需要的空洞。然后用matlab中的计算各联通域的面积的函数，来计算出每一块连通区域的面积，然后取一个合适的阈值，去掉那些面积小于该阈值的空洞部分，以此来坦克的外形轮廓。然后利用matlab中的求形心函数来求得坦克的形心。此方法的关键在于通过阈值分割来将背景与目标区域分割

39、开，并使得目标区域不会丢失，然后就是通过设置恰当的面积阈值，来将一些连通域面积小于该阈值的部分去除掉，来获得整个坦克的外形轮廓，最后通过外形轮廓来寻找形心位置。通过此方法获取形心的matlab流程图如下图所示：图4-2为经过rgb2gray（）灰度化以后的灰度图片 图4-2为经过rgb2gray（）灰度化以后的灰度图片 #图4-1坦克形心程序流程图4.1.2仿真实验图 灰慣吃團片图4-2灰度化图片图4-3为经Qtsu算法进行分割后的二值化图片图4-3二值化图片 图4-8为获得坦克形心的图片如下所示： 图4-4为经过中值滤波后得到的图像如下所示:图4-4滤波二值化图像图4-5为通过Sobel算子

40、来获得的边缘检测图像如下所示OOO边维检測圈片图4-5边缘检测图片图4-6为经过孔洞填充后的二值化图片如下所示：图4-6孔洞填充图片图4-7为通过设定一个面积阈值来消除非必要的孔洞部分得到的图片如下图4-7坦克轮廓外形图片咀克轮廓團煤图4-8坦克形心图4.1.3仿真结果分析从图4-8中可以看出，进过一系列阈值分割、滤波、边缘检测、去除孔洞等算法，很好的提取到了坦克的外形轮廓，并获得坦克外形的形心，但唯一的遗憾是，由于坦克的阴影部分与坦克的灰度值比较接近，因此并没有将其与坦克分开，造成获取到的形心存在在一定的误差。获得形心的位置如下所示：centroida=234.9259273.30144.2豆形胶质软糖个数仿真实验4.2.1仿真