换这些变换操作。
本科毕业设计说明书 第 7 页
图像中一般可以分为相对比较平的区域和细节边缘区域。图像预处理中的滤波步骤是最 为关键的一步，主要包含消除噪声和保护图像特征与细节信息两个内容。因而噪声抑制在图 像预处理中有不言而喻的重要性，下面介绍几种简要基本的噪声滤波法。文献综述
（1）均值滤波
噪声在图像里的分布往往是随机的，一张图像里的噪声与周围的像素点相比，灰度值有 比较大的不同。均值滤波的过程就是目标像素用它的邻域里的像素的平均值来代替[24]。具体 操作过程就是用一个模板（记为 S,M 为模板中像素个数，如下图）按一定顺序扫描图像中的 像素，求模板覆盖范围中像素灰度均值将其赋给目标像素。记处理后图像为 gx, y，表达式
(a)掺杂了噪声的图片 （b）均值滤波处理图像 图 2。2 均值滤波处理
（2）中值滤波
中值滤波的平滑是非线性的。它的实现是基于排序统计理论，也是利用一个滑动模板按
第 8 页 本科毕业设计说明书
顺序地覆盖图像，一般图像中噪声点（亮点或暗点）会在排序中处于边缘位置，不会被选中， 从而去噪。简言之就是，当某像素同它周围那些像素的灰度值相差比较大的时候，就改变它， 取一个和周围像素相差较小的值，于是一些孤立在图中的噪声点就可以去除。这就是该滤波 的主要功能。
图 2。3 中值滤波处理图像
（3）高斯滤波
高斯滤波就是对一整幅图像邻域加权平均，具体操作过程也是用一个模板按一定顺序扫 描图像中的像素，用模板覆盖范围中像素灰度的加权均值代替目标像素点的灰度。高斯函数 是能够在频域里构成一个有着平滑作用的低通滤波器的，这要归功于对一个高斯函数的变换， 它的结果仍然是高斯函数。我们可以在频域做乘积，通过这样来实现高斯滤波[24]。通过如下 公式实现：
其中为正态分布的方差。
图 2。4 均值 25，方差 5 的高斯滤波处理图像
本科毕业设计说明书 第 9 页
高斯滤波的 Matlab 仿真程序如下：
c=imread('11。bmp'); %读入彩色图片 figure,imshow(c),title('原始图象'); %显示原始图象 g=imnoise(c,'gaussian',0。1,0。002); %加入高斯噪声
figure,imshow(g),title('加入高斯噪声之后的图象'); %显示加入高斯噪声之后的图象 n3=input('请输入高斯滤波器的均值\n');
k=input('请输入高斯滤波器的方差\n'); A2=fspecial('gaussian',k,n3); %生成高斯序列 Y5=filter2(A2,g)/255; %用生成的高斯序列进行滤波
figure,imshow(Y5),title('用 Matlab 函数进行高斯滤波之后的结果'); %显示滤波后的图来~自,优^尔-论;文*网www.youerw.com +QQ752018766-
第 10 页 本科毕业设计说明书
3 图像配准
当我们对于某个景物，在不同的时间获得它的图像，要检测对比景物在不同的时间发生 的改变，我们就要进行不同时间所获得图像的有效比较。这些图像肯定有相同和不同的区域， 这就需要对图像做相应处理（诸如平移、旋转、缩放、拉伸等之类），这就是图像配准。 基于特征点的图像匹配技术研究(5):http://www.youerw.com/tongxin/lunwen_89741.html