figure,imshow(k1);
  figure,imshow(k2);
figure,imshow(k3);

原图像和经MATLAB处理后的图像如图3-3（a）~（d）所示：
         (a) 原始图像                     (b) 3×3中值滤波后结果
           (c) 5×5中值滤波后结果           (d) 7×7中值滤波后结果
图3-3  中值滤波处理后的图像结果
由以上处理结果可以看出，中值滤波器的窗口形状大小和尺寸设计对滤波效果影响较大，过大会影响裂缝的清晰度，过小则不能有效的滤除噪声。不同的图像内容和不同的应用要求往往选用不同的窗口形状和尺寸，本文可选用5×5的模板。
3.4 图像分割[10]
图像分割是图像处理的关键步骤,是计算机视觉的基础,也是图像理解的重要组成部分。图像分割技术指按一定规则将一幅图像分成若干个有意义的区域的处理技术，是实现自动图像分析时首先需要完成的操作，在图像工程中占据着重要的位置。图像分割是目标表达的基础，对特征提取有着重要的影响，将原始图像化为更抽象更紧凑的形式，使得后续的图像分析成为可能。
由于图像是千差万别的，图像分割的方法也是丰富多彩的。目前已经提出了很多方法，它们各自基于不同的图像类型，利用不同的特性，有各自一定的使用范围和优缺点。
    从分割依据的角度来看，图像的分割方法可以分为相似性分割和非连续性分割[11]。也就是基于边缘检测的方法和基于区域生长的方法两大类。基于边缘检测的分割方法首先检出局部特性的不连续性，再将它们连成边界，这些边界把图像分成不同的区域。基于区域生长的方法是将像素分成不同的区域。这两种方法互为对偶，相辅相成，有时还要结合起来，可以得到更好的效果。
  对于裂缝图像进行图像分割处理，不仅能够更好的将裂缝从图像中分离出来，而且也是为后续裂缝特征提取做好准备工作。下面将先介绍用基于边缘检测的分割方法,然后介绍基于区域生长的阈值分割法。
3.4.1各种边缘检测算子及其MATLAB实现
所谓边缘是指其周围像素灰度有变化的那些像素的集合。边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。物体的边缘是由灰度不连续所反映的。基于边缘的分割代表了一大类基于图像边缘信息的方法，它是最早的分割方法之一，而且现在仍然是非常重要的。基于边缘的分割依赖于由边缘检测算子找到的图像边缘，这些边缘标示出了图像在灰度、色彩、纹理等方面不连续的位置。下面我们将描述各种边缘检测算子，但是边缘检测得到的图像结果并不能用作分割结果，必须采用后续的处理将边缘合并为边缘链，使它与图像中的边界对应得更好。最终的目标是至少达到部分分割，即将局部边缘聚合到一幅图像中，使其中只出现对应于存在的物体或图像部分的边缘链。
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。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此，我们可以用局部图像微分技术来获得边缘检测算子。经典的边缘检测方法是对原始图像中像素的某小邻域来构造边缘检测算子 [12]。
记： 为图像的梯度， 中包含灰度的变化信息。
记 为梯度 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 的绝对值之和，见公式（3-3）： 高速公路裂缝检测算法研究(6):http://www.youerw.com/tongxin/lunwen_2093.html