图像预处理在运动目标的检测中有着很大的地位，它直接关乎图像接下来的质量如何。
在此章中，主要对图像进行常见的三大方面的预处理，分别是灰度化、滤波及锐化三个大类。
2.1  图像的灰度化
在RGB模型中，如果RGB三个分量相等那么图像便只显示出一种灰度色，这里的相等的三值叫做灰度值，因此图像中每个像素的灰度值只有一个字节，也称之为亮度值，是一种灰度范围0-255。
主要分为主成分法、极值法、平均法、加权平均法。在Matlab这款软件中，我们可以直接调用灰度函数（rgb2gray）即可得到彩色图像的灰度变化。
原始图像在经过了灰度化处理程序计算后，得出实验结果，如图2-1所示：
  
（a）原图        （b）灰度图
       图2-1原图和灰度化处理后的图
2.2  图像的滤波
    图像的滤波是数字图像处理中一个非常重要的过程，因为在图像在最初拍摄和传输的过程中，会受到各种因素的干扰从而形成噪声。这种噪声在后续的处理中会影响实验结果甚至造成错误。因此，我们要重视图像的滤波处理。这里，本文着重介绍的是中值滤波。
目前最为常见的滤波方式为中值滤波，像素的值可以以像素相邻区域内的中值取代。它是基于代替局部平均局部中值，并且对脉冲噪声（也称为椒盐噪声）是非常有效的，可以保存性能良好的边缘。具体方法是：以像素值(x,y)为中心，在所获得的灰度图像f中的N×N窗口(3,5,7,...)内，把N×N个像素点的灰度值按次序从大到小的完成排列，之后选择处于正中间地方的那个点的灰度值，记为a，使f(x,y)=a[1]。然后，把我们处理掉的那个点的一个相邻域中像素的灰度中值作为这个点的像素的灰度估计值。
原始图像在经过了加噪处理后，得出实验结果，如图2-2所示:
 
   图2-2添加盐椒噪声后的灰度图像
改变加噪的参数，可以得到含有不同程度噪声的图像，实验结果如图2-3所示:
     
                         （a）0.5椒盐噪声        （b）0.1椒盐噪声
图2-3改变加噪参数得到的不同灰度图像
我们还可以加入高斯噪声，实验结果如图2-4所示:
 
                                 图2-4添加高斯噪声后的灰度图像
    当图像添加了盐椒噪声后，我们对其进行滤波处理。首先对其采取中值滤波，实验结果如图2-5所示:
 
                           图2-5添加椒盐噪声后再进行中值滤波后的图像
接着对其采取均值滤波处理，同样以添加椒盐噪声的图像为原始图，实验结果如图2-6所示：
 
 图2-6添加椒盐噪声后再通过均值滤波的灰度图像
2.3  图像的锐化
图像锐化可以增强图像的边缘、轮廓和灰度剧烈变化的区域，通俗地讲就是使图像的边缘变得更清晰，主要处理技术分为空域和频域两大类。图像平滑处理往往会使得图像的边缘和轮廓变得模糊和不清，我们可以通过图像锐化处理来使图像的边缘、轮廓和细节变得清楚，来得到我们所期望的图像。经过模糊图像的平均或积分运算后的图像变得粗糙，在了解其原理之后我们可以采用相应的处理运算使图像变得清晰。另一种观点是从频率域开始，因为减少了其高频分量图像变得不清楚，所以它可以用于高通滤波图像清晰[2]。 MATLAB监控系统中运动目标的检测算法(3):http://www.youerw.com/tongxin/lunwen_22888.html