图29 对灰度图像进行Canny算子边缘提取
图30 均值滤波后的Canny算子提取

图31 自适应中值滤波后的Canny边缘提取
对比图29、图30和图31，可以发现，图29直接对灰度图像进行canny算子提取，虽然达到了边缘检测的目的，但是图像中仍然存在除车牌字符和车标以外的大量不必要信息。图30是通过对灰度图像先进行均值滤波，再使用canny算子进行边缘提取，虽然滤除掉图像大量噪声，但是车牌整体灰度降低，车牌字符和车标相对原灰度图像变得更加模糊，并没有达到滤除噪声后车牌信息更清晰明朗的效果。图31是通过自适应中值滤波后再用canny算子边缘提取，滤除椒盐噪声比较彻底，有效地保护了车牌细节信息，对图像车牌号边缘部分没有损伤，并且还有效滤除掉除车牌号以外的不必要信息[14]。
自适应中值滤波在本章中的应用主要为设计完善的车牌识别系统做准备。首先对彩色图像灰度化，不仅节省了内存，大大缩短图片的处理时间，而且达到将彩色的三文图像二文化的目的，只有这样才能运用MATLAB软件进行后续操作。其次，通过最佳阈值法将灰度图像二值化处理。将图像增强结果转化成黑白二值图像，从而能够得到清晰边缘轮廓线，为车牌号码的识别做准备。最后，因为图像在二值化处理过程中不可避免的存在噪声干扰，因此采用改进中值滤波算法：自适应中值滤波法来滤波处理，这种滤波方法相对均值滤波法，不仅保留图像的细节，而且保护了边缘信息[15]。但是这只是车牌识别系统的一部分，所以下一步将对车牌识别系统中的字符分割和字符识别作进一步研究。
6. 结束语
通过本文的分析和实例可见，应用MATLAB语言对灰度图像进行中值滤波等一系列处理时具有编程简单、操作方便、处理速度快等特点。首先是中值滤波在灰度图像处理中的研究。通过传统中值滤波法分别处理椒盐噪声、高斯噪声、泊松噪声，通过处理前后的图像对比分析，得出中值滤波最适合处理椒盐噪声，滤除噪声比较好，并且滤除后图像比较清晰。但是这种滤波方法对图像的噪声滤除不够彻底，又进一步提出了基于3 3、5 5、7 7、9 9几种不同窗口传统中值滤波法对指定图像滤除椒盐噪声，比较得出窗口越大，滤除噪声越彻底，但是图像的灰度值越低的矛盾。从而提出改进中值滤波算法：自适应中值滤波法。这种滤波法具有处理噪声彻底，处理后能够使图像具有高保真度的优点。其次，自适应中值滤波在灰度图像处理中的应用：对车牌识别系统滤波。滤除噪声后的车牌图像字符清晰，同时又少了除车牌以外的不必要信息。但这只是车牌识别系统中的一部分，希望以后进一步充实自己的知识，完成后续车牌识别系统的字符分割和字符识别，以达到完成车牌识别整个系统的目的。 MATLAB中值滤波在灰度图像处理中的应用研究和仿真(6):http://www.youerw.com/tongxin/lunwen_569.html