基于数学形态处理的图像增强方法的研究【开题报告+文献综述+毕业论文】

《基于数学形态处理的图像增强方法的研究【开题报告+文献综述+毕业论文】》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

本科毕业论文系列开题报告电子信息工程基于数学形态处理的图像增强方法研究一、课题研究意义及现状随着电子计算机技术的进步，计算机图像处理近年来得到了飞跃的发展。已经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。图像增强是图像处理最关键的研究问术，作为图像预处理部分的基本技术，是系统中十分重要的环节。在一般情况下，经过图像的传送和转换，会造成图像质量的下降，在视觉效果和识别方便性等方面可能存在许多问题。图像增强是根据特定的需要突出图像中的重要信息，同时减弱或除去不需要的信息。通过适当的增强的处理，可以有效去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域。由于图像增强技术现在还没有通用的算法，因此图像增强技术根据各种不同目的产生了多种算法，最常用的是“空间域”方法和“频率域”方法。近年来数学形态学成为图像处理的一个新的研究领域，它的基本思想和方法对图像处理的理论和技术产生了重大的影响。它设计了一整套变换、运算、概念和算法，用以描述图像的基本特征，这些数学工具是区别于常用的频域或时域方法的。数学形态学算法在有效的滤除噪声同时保留图像中的原有信息，突出图像的几何特征便于进一步分析图像，可以根据不同的结构元素得到的处理结果反映原始图像各像素间逻辑关系的不同侧面，易于并行处理，算法灵活，运行速度快，便于硬件实现。基于数学形态处理的图像增强方法不同于数学方法，它不涉及变换技术和不同的变换域而是直接以输入信号的集合特征为目标，直观，方便使用且更易于理解。图像增强一般包括图像的滤波和图像的锐化。因为线性滤波器对非高斯白噪声和关联噪声的滤除效果不令人满意，不能有效滤除脉冲噪声，所以提出了一种非线性滤波，而基于数学形态学的滤波器就是其中一种。它能较好的抑制噪声、保持图像的边缘轮廓。图像的锐化处理的目的是使模糊图像变得更清晰。在图像锐化中，不同的边缘提取方法与不同的锐化增强方法相结合，就会产生很多种不同的图像锐化结果，从而达到锐化增强的目的。二、课题研究的主要内容和预期目标主要内容： 基于数学形态处理的图像增强技术，研究基于数学形态的图像增强算法。具体要求：1、了解数学形态处理的基本内容。2、掌握基本的图像增强技术。3、研究分析出基于数学形态处理的图像增强算法。4、基于VC平台进行实验方针调试，分析算法性能，给出实验结果。预期目标：在已有的技术基础上，结合数学形态处理算法实现新的图像增强方法,从而增加图像的可理解性,同时减少或抑制图像中混有的噪声，改善图像的质量,提高视觉效果。三、课题研究的方法及措施1、基于数学形态学的形态滤波:数学形态的基本处理是开闭运算，由于单独使用开-闭或闭-滤波器会使得输出幅度偏大或偏小这样的结果并不能获得较好的滤波效果。图（1）是对于形状相同但尺寸不同的结构元素构成串联滤波器：原函数f(x,y)输出图像Y(x,y)用结构元素B1进行开闭运算用结构元素B2进行开闭运算……用结构元素Bn进行开闭运算图（1）用相同形状不同尺寸的结构元素构成的串联滤波器2、图像锐化：首先，提取原始图像的边缘轮廓，即边缘提取；其次，将提取的边缘信息与原始图像进行融合，称之为锐化增强。原函数f(x,y)原始图像边缘轮廓形态学运算进行边缘提取锐化后的图像锐化增强图（2）基于数学形态学的图像锐化 四、课题研究进度计划毕业设计时间：自2010年9月至2011年5月。2010/2011第一学期第8周至第9周：分析任务，学习和查找资料。2010/2011第一学期第10周至第12周：完成资料的搜集，文献综述，外文翻译以及开题报告。2010/2011第一学期第13周至第14周：上交文献综述，外文翻译，开题报告并制作开题答辩的PPT。2010/2011第一学期第15周至第18周：算法的初步设计和详细设计，并用程序实现，调测结果，撰写设计报告与论文。2010/2011第二学期第1周至第4周:听取指导老师的意见并完善论文。2010/2011第二学期第5周至第9周：上交论文并制作答辩使用的PPT。五、参考文献[1]张起丽.基于数学形态学的彩色图像处理研究[D].西北大学,2009.[2]陈爱军.数学形态学及其在图像分析中的应用[J].红外与激光工程,2006,35(3):465-468.[3]陈延梅，胡勃英.基于数学形态学的图像增强方法[J].哈尔滨工业大学学报.2006，38(6):16-18.[4]冯国进，顾国华，陈钱.基于形态学的红外图像边缘增强[J].激光与红外.2003，33（6）：3-6.[5]陈秋芳,王建国.数学形态学在SAR图像增强中的应用[J].现代电子技术,2008,31(14):36-45.[6]闫海霞，赵晓辉.基于数学形态学的图像边缘检测和增强算法的研究[D].吉林大学,2009.[7]JobsonDJ,RahmanZ,WoodellGA.Amultiscaleretinexforbridgingthegapbetweencolorimagesandthehumanobservationofscenes[J].IEEETransactionsonImageProcessing,1997,6(7):965-976.[8]曹添.基于数学形态学的超声图像增强探析.技术与市场.2009，16(2):30-45.[9]LaurenceMeylan,SabineSusstrunk.Highdynamicrangeimagerenderingwitharetinex2basedadaptivefilter[J].IEEETransactionsonImageProcessing,2006,8,(9):2820-2830.[10]朱秀昌.数字图像处理与图像通信[M].2002年5月第一版2006年6月第四次印刷. 北京:邮电大学出版社.2006，6. 毕业论文文献综述电子信息工程图像增强方法研究综述摘要：图像增强是数字图像处理的最基本的方法之一，本文简要介绍图像增强的概念，图像增强的目的，图像增强的方法，图像增强的新技术及其发展趋势。关键字：图像增强；方法；新技术；趋势1.引言数字图像增强是指不考虑降质的原因，将图像中感兴趣的部分信息加以处理或突出有用的图像特征，同时削弱或去除某些不需要的信息，使得图像更符合某些特定的需要。图像增强的目的是要增强视觉效果，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，以达到改善图像质量、丰富信息量的目的，并加强图像判读和识别效果的图像处理方法。图像增强技术通常分为两大类：空间域法和频率域法。空间域法是直接对图像数据进行处理，增强过程是对每个像素点或者对较小的子图像进行处理，如线性对比度拉伸、自适应增强算法、直方图均衡化以及在直方图均衡基础上的各种改进算法。频率域法是在图像的频率域中进行的，对图像的变换系数（频率成分）直接进行运算，然后通过傅立叶逆变换以获得图像的增强效果。由于图像增强技术现在还没有通用的算法，因此图像增强技术根据各种不同目的而产生了多种算法，最常用的即“空间域”方法和“频率域”方法。随着数学各分支在理论和应用上的逐步深入，使得数学形态学、小波理论等在图像增强技术中的应用取得了很大进展，产生了不少新的算法。图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制（掩盖）图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像质量降低的原因，处理后的图像不一定逼近原始图像。2图像增强主要方法2．1空间域图像增强技术空间域图像增强是对图像的像素进行处理。可以定义为：g(x,y)T|[f(x,y)].(1) 其中f（x,y）是输入图像，g(x,y)是处理后的图像，T是对f的一种操作。空间域图像增强技术又分为点运算和局部运算。点运算包括灰度变换和直方图。灰度变换可使图像动态范围增大，图像对比度扩展，图像变清晰，特征明显，是图像增强的重要手段之一。直方图：表示数字图像中每一灰度级与其出现频数间的统计关系。直方图的修整法包括直方图均衡化和直方图均衡化。局部运算根据功能分为平滑和锐化两类。消除图像噪声的工作称图像平滑或滤波。常用的方法是中值滤波法。图像锐化的目的是使模糊图像变得清晰。常用的有微分法（梯度法、Sobel算子）和高通滤波。中值滤波是一种常用的非线性平滑滤波器。它的基本原理是把领域中的像素按灰度级进行排序，然后选择改组的中间值作为输出像素值。它能让周围像素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点，所以中值滤波对于滤除图像的椒盐噪声非常有效。在去除噪声的同时它又能保护图像的边缘从而获得叫较满意的复原效果。直方图均衡化就是把一幅已知灰度概率分布的图像，经过某种变换,使之变成具有均匀概率分布的图像。其优点主要在于能自动增强整幅图像的对比度。其实质是使图像中灰度概率密度较大的像素向附近灰度级延伸，把灰度层次拉开，而概率密度较小的像素的灰度级收缩，让出原来占有的部分灰度级，这样的处理使图像有效地利用各个灰度级，因而增强了图像对比度。直方图均衡变换函数表达式为.(2)式中，L代表输出图像灰度级的个数。将上式应用于每一个直方图，对结果进行综合就可得到整幅图像的直方图均衡结果。2.2频域图像增强技术频域图像增强的基本原理是让图像在变换域某个范围内的分量受到抑制而让其他分量不受影响，从而改变输出图像的频率分布，达到增图像强的目的。要在频率域中进行增强应先计算需增强图像的傅立叶变换，然后将其与一个(根据需要设计的)传递函数进行卷积，再将结果进行傅立叶反变换，以此得到增强了的图像。为得到好的图像增强效果，在实际情况中要找到一种有效方法，必须要进行广泛的实验。在频域中主要使用低通和高通滤波器。使用 低通滤波器时，对图像作傅立叶变换得到它的频谱，零频率分量等于图像的平均灰度，平滑的图像信号在频域中贡献低频分量，图像中的细节和边界贡献较高频域的分量，噪声的频谱具有丰富的高频分量。这样可以滤除高频的噪声的频谱使图像变平滑。使用高通滤波器时，图像的区域边界和细节提供较高频率的能量，因此在频域中让图像信号经过一高通滤波器可以实现图像的锐化，增强图像的边缘细节。3图像增强的新技术针对以上提到的传统的图像增强方法虽然对于改善图像的质量发挥了一定重要作用，但其存在一定的问题。如中值滤波在较强的抑制噪声的同时导致图像模糊，而直方图均衡化使图像细节信息丢失和噪声放大。随着对图像研究的不断深入，为解决传统方法的问题，新的图像增强方法不断出现，克服了传统图像增强方法的不足。基于动态广义直方图均衡化的红外图像增强方法是针对直方图均衡化进行红外图像增强时存在的问题提出的。一种基于组合方法的红外增强方法、基于Gabor滤波器与数学形态的视网膜图像增强方法、基于模糊集的图像增强方法研究等融合了直方图和中值滤波等图像增强方法，并分别抑制了它们的缺点，得到了更有效的改善视觉效果。下面具体分析几种典型的新技术：1、基于数学形态学的小波变换图像融合算法是基于小波变换图像传统融合算法的基础上，为了增强图像的质量，提高图像分辨率而提出的新技术。先对读入的图像进行小波变换分解，然后将分解后的高低频系数用一个扩展矩阵进行存储。在低频分量系数选择中，采用数学形态学方法进行边缘检测，得到边缘图像后，对边缘图像中的尺度系数采用加权平均法进行融合。在选择高频系数时，则基于绝对值最大的原则。2、一种基于多小波变换与图像融合的图像增强方法先利用多小波变换对原图像做分解处理,之后对一层分解后得到的多小波低频子图作直方图均衡化处理，再利用图像融合的原理,将均衡化处理后的低频子图与直方图对应的图像融合,得到最终增强结果。4发展趋势虽然国内外研究人员至今为止已提出过很多的图像增强方法，但这些方法依旧存在很多问题。一般来说传统的增强方法缺陷较大，而新技术的产生正是为了改善这些缺陷。 目前图像增强处理的应用已经渗透到医学诊断、航空航天、军事侦察、无损探伤等领域。如对射线图片、内窥镜图像进行增强，使医生更容易从中确定病变区域，从图像的细节中发现问题，当侦查是否有敌人军事调动或军事装备时可对不同时间拍摄的同一地区的遥感图片进行增强处理，在煤矿工业电视系统中采用增强处理来提高工业电视图像的清晰度，克服因光线不足、灰尘等原因带来的图像模糊、偏差等现象。图像增强技术的快速发展同它的广泛应用是分不开的，发展的动力来自稳定涌现的新的应用，我们可以预料，在未来社会中图像增强技术将会发挥更为重要的作用。5总结随着电子计算机技术的进步，计算机图像处理近年来得到了飞速的发展，已经成功应用于几乎所有与成像有关的领域，并发挥着重要作用。本文对图像增强方法进行了研究，图像增强是图像处理最关键的研究问题之一。本文在分析传统的图像增强方法的同时，介绍了几种新技术，对于它的发展趋势也进行了分析。在平时，我们应该具体问题具体分析，只有根据图像增强的具体目的选择相应的增强方法，才能达到期望的效果。参考文献[1]朱秀昌.数字图像处理与通信[M].2002年5月第一版2006年6月第四次印刷.北京:邮电大学出版社.2006，6.[2]图像增强处理.[EB/OL],[2010-10-09].http://wenku.baidu.com/view/a617d10bf78a6529647d53e8.html.[3]ChristelleHennequet-Antier,HélèneChiapello,KarinePiot,SéverineDegrelle,IsabelleHue,Jean-PaulRenard,FrançoisRodolphe,StéphaneRobin.ASetofSASMacrosfortheAnalysisofVarianceofGeneExpressionData[J].BMCBioinformatics,2005,(6):150.[4]李斯那.图像增强基本理论综述[J].中国期刊，2010，10，6（02）：124～126.[5]朱喜军.MATLAB在信号与图像处理中的应用[M].北京：电子工业出版社，2009.[6]于天河等.红外图像增强技术综述[J].红外与激光工程，2007，09，36，增刊：335～339.[7]陈何辉.频率域图像增强[EB/OL],[2010-8-15].http://wenku.baidu.com/view/9cb3728884868762caaed5ce.html.[8]刘松涛，王维，殷福亮.基于动态广义直方图均衡的红外图像增强方法[J].中国期刊，2010，07，32（07）：32～34.[9]张志忠，康蓉等.一种基于组合方法的红外图像增强方法[J].中国期刊，2009，11，10. [10]刘尚平，陈翼.基于Gabor滤波器与数学形态学的视网膜图像增强方法[J].中国期刊，2010，02，21（02）：318～321.[11]贾莹，段玉波.基于模糊集的图像增强方法研究[J].中国期刊，2010，06，10（16）.[12]SridharR,RajeevR,KyuseokSEfficientAlgorithmsforMiningOutliersfromLargeDataSets[C].ProceedingsoftheACMSIGMODConference,2000.[13]刘晨，候德文.基于多小波变换与图像融合的图像增强方法.计算机技术及应用，2009，05,(08). 本科毕业设计（20届）基于数学形态处理的图像增强方法的研究 摘要图像信息具有形象、直观、易懂和信息量大等特点，人类从外界获得的信息约有70%是从图像中获得的。在图像处理中，图像增强技术对于提高图像的质量起着重要的作用。由于图像增强技术现在还没有通用的算法，因此图像增强技术根据各种不同目的产生了多种算法，最常用的是“空间域”和“频域”这两种传统的图像增强方法。针对传统图像增强方法存在的一些不足，提出了基于数学形态学的图像增强的新算法。首先介绍了数学形态学的基本原理及运算，然后分别介绍了形态滤波、图像锐化等图像增强的理论和相关算法，并在前人研究的基础上对算法进行改进，采用不同的结构元素，结合使用开闭运算，构造了开闭运算的串、并复合形态滤波器。实验结果显示，改进后的多结构元素自适应权重滤波算法不仅能很好地去除噪声，同时还能很好地保持图像的边缘轮廓，改进后的自适应阈值形态学锐化算法能有效地增强图像中的边缘轮廓信息，从而达到锐化效果。关键词：图像增强；数学形态学；开闭运算 AbstractImageinformationwithimage,intuitive,easytounderstandandinformativefeatures,thehumanfromtheoutsideworldsome70%oftheinformationobtainedfromtheimagesobtained.Inimageprocessing,imageenhancementtechniquesforimprovingthequalityoftheimageplaysanimportantrole.Becauseimageenhancementtechnologyisnownogeneralalgorithm,sotheimageenhancementtechnologyproducesavarietyofpurposesunderavarietyofalgorithms,themostcommonlyusedisthe"spatial"and"frequencydomain"boththetraditionalimageenhancementmethods.Thetraditionalimageenhancementmethodsexistsomeshortcomings,basedonmathematicalmorphologyisproposedanewalgorithmforimageenhancement.Firstintroducesthebasicprinciplesandmathematicalmorphologyoperations,andthenwereintroducedaformoffiltering,imagesharpeningandotherimageenhancementtheoryandrelatedalgorithms,andonthebasisofpreviousresearchtoimprovethealgorithm,usingdifferentstructuralelements,combinationofopeningandclosingoperations,constructedastringofopeningandclosingoperations,andcompositemorphologicalfilter.Experimentalresultsshowthatmultiplestructuralelementsoftheimprovedadaptivefilteringalgorithmfortheweightcannotonlyremovethenoise,whilemaintainingagoodimageedgeprofile,improvedmorphologicalsharpeningalgorithmadaptivethresholdcanenhancetheedgesintheimageinformationtoachievethesharpeningeffect.KeyWords:imageenhancement；morphology；Openingandclosingoperation 目录1引言12图像增强32.1图像增强概述32.2图像增强的主要内容32.2.1直方图42.2.2图像平滑53数学形态学83.1数学形态学的基本知识83.1.1结构元素83.1.2膨胀与腐蚀83.2二值图像的数学形态学变换93.3灰度图像的数学形态学94基于数学形态学的形态滤波114.1数学形态学滤波的基本原理114.2多结构元素形态滤波器设计125基于数学形态学的图像锐化135.1边缘提取135.2锐化增强145.3基于自适应阈值形态学锐化的思想156实验结果167实验结论17致谢18参考文献19附录1算法源程序21附录2科研论文28 1引言计算机图像处理近年来得到了飞跃的发展，并应用在各个领域。我们用计算机对数字图像进行一系列的操作后可以获得某种预期的结果。我们经常运用图像增强技术对图像进行处理，从而改善图像的质量。我们得到的图像与原始图像之间会产生某种差异的原因是图像经过了传送和转换，如复制、传输等。不仅如此，并且在传输过程中还会引入各种类型的噪声。为了把噪声消除，使图像变清晰，不得不对这些模糊的图像信息进行处理。图像增强就是指在不考虑降质的原因下，将图像中感兴趣的部分信息加以处理或突出有用的图像特征，同时削弱或去除某些不需要的信息，使得图像更符合某些特定的需要[1]。图像增强的目的是增强图像中的有用信息，削弱干扰和噪声，以便于观察、识别和进一步分析处理，增强后的图像未必与原图一致[2]。由于图像增强技术现在还没有通用的算法，因此图像增强技术根据各种不同目的产生了多种算法，最常用的是“空间域”方法和“频率域”方法。近年来数学形态学已经成为图像处理的一个新的研究领域，它的基本思想和方法对图像处理的理论和技术产生了重大的影响。根据数学形态学，人们设计了一整套变换、运算、概念和算法，用以描述图像的基本特征[3]。基于数学形态学的算法不仅能有效的滤除噪声而且还能保留原图像信息。图像增强一般包括图像滤波和图像锐化。基于数学形态学的滤波是一种非线性滤波，非线性滤波是因为线性滤波对非高斯白噪声和关联噪声的滤除效果不令人满意，不能有效滤除脉冲噪声而提出的。数学形态学滤波能较好的抑制噪声、保持图像的边缘轮廓。图像锐化处理的目的是使模糊图像变得更清晰。如果将不同的边缘提取方法与不同的锐化增强方法相结合，就会产生很多种不同的图像锐化结果，达到锐化增强的目的。文章的第二部分介绍了图像增强，重点介绍了直方图和图像平滑的主要方法。第三部分介绍了数学形态学的基本知识，结构元素，膨胀腐蚀，开闭运算以及二值图像的数学形态变换和灰度图像的数学形态学。第四部分介绍了基本数学形态学的图像滤波算法，并在此基础上提出多结构元素形态滤波器设计。第五部分介绍了基于数学形态学的图像锐化算法，提出了一种自适应形态学锐化思想。第六部分展示了实验结果，实验结果显示基于数学形态学的形态滤波， 采用同一形状，不同尺寸的结构元素构成串联滤波器能基本把椒盐白噪声滤除，但是所得的图像也因此变的比较模糊；而经过改进后的多结构元素串联再对其并联得到的串、并复合滤波算法不仅把椒盐白噪声很好的滤除，而且还能保持图像的清晰性，保持图像的边缘轮廓；基于自适应阈值的形态学图像锐化算法能有效地增强图像中的边缘轮廓信息，从而达到锐化效果。 2图像增强2.1图像增强概述图像增强是数字图像处理的最基本的方法之一，是突出图像中感兴趣信息、削弱不感兴趣的信息，改善图像的视觉效果和质量的处理方法[3]。图像增强主要是为了增强视觉效果，强调某些感兴趣的特征，抑制不感兴趣的特征或将原来不清晰的图像变得清晰，从而使图像的质量得到改善，图像的信息量得到丰富[1]。图像增强方法的应用已经渗透到医学诊断、航空航天、军事侦察、无损探伤等领域。如为了使医生更容易确定病变区域，就是要从图像的细节中发现问题，一般对射线图片进行增强；通过对不同时间拍摄的同一地区的遥感图片进行增强处理来当侦查是否有敌人军事调动或军事装备；在煤矿工业电视系统中为了克服因光线不足、灰尘等原因带来的图像模糊、偏差等现象，常采用图像增强处理来提高工业电视图像的清晰度。图像增强技术通常分为两大类：空间域法和频率域法。空间域法是直接对图像数据进行处理，增强过程是对每个像素点或者对较小的子图像进行处理。频率域法是在图像的频率域中进行的，对图像的变换系数（频率成分）直接进行运算，然后通过傅立叶逆变换以获得图像的增强效果[4]。随着数学各分支在理论和应用上的逐步深入，使得数学形态学、小波理论等在图像增强技术中的应用取得了很大进展，产生了不少新的算法。图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，在图像增强过程中，不分析图像质量降低的原因，处理后的图像不一定逼近原始图像[5]。2.2图像增强的主要内容图像增强的内容主要包括灰度级修正、图像的平滑、图像的锐化、图像的同态增晰、图像的伪彩色处理、图像的几何校正。图像增强处理的方法就是根据这些内容而形成的。下面主要就直方图和图像锐化这两方面进行展开讨论。 2.2.1直方图图像直方图描述了一幅图像的灰度级内容，是图像处理中一种非常有必要的分析工具。它具有图像最基本的统计特征，是一个二维图，图像中各个像素点的灰度级用横坐标来表示，而各个灰度级上图像像素点出现的次数或概率则用纵坐标表示。这是从图形特征上来说的。如果把它描述为一个函数，描述了图像各灰度值统计特性与图像灰度值的关系，统计了一幅图像中各个灰度级出现的次数或概率的时候则是从数学角度考虑的。直方图有以下性质[6]：(1)直方图是对一幅图像中各灰度级出现的次数或概率的统计。(2)与任何一幅图像对应的直方图都是唯一确定的，而相同的直方图也可能出现在两个不同的图像中。(3)如果一幅图像包含多个子区，那么该图像全图的直方图就等于各子区的直方图之和。直方图的内容：(1)直方图修正法直方图表示数字图像中每一灰度级与其出现频数间的统计关系。按照直方图的定义可表示为[1](2-1)式中N为一幅图像的总像素数，是第k级灰度的像素数，表示第k个灰度级，表示该灰度级出现的相对频数。(2)直方图均衡化直方图均衡化是常用的灰度增强算法，目的是使所有灰度级出现的概率相同，从而使信息熵最大，图像所包含的信息量最大。在图像均衡中一般先将图像灰度范围归一化，假定和分别为原图像和均衡后图像的概率密度函数。在均衡过程中先得到该灰度级出现的相对频数即分布概率,设r和s分别为图像的灰度和经过直方图均衡后相对应的图像灰度，则：0r,s ；经过变换后，因为每一个r值对应一个s值，设变换函数为[7]：(2-2)同时，直方图均衡的逆变换函数是[6]：(2-3)(3)直方图规定化从实现算法上可以看出直方图均衡化的优点主要在于能使整幅图像的对比度自动增强，增强效果能良好的突出出来。但也因此不易控制具体的效果，得到的直方图是经过全局均衡化处理的。特定形状的直方图分布往往是根据实际应用中的不同要求得到的，从而可以针对某灰度范围进行局部增强。我们采用直方图的规定化处理得到以上效果。所以，从某种意义上，直方图规定化可看作是直方图均衡化方法的改进。直方图规定化方法有两种[8]：方法一：将原来的直方图换成某一个规定概率密度函数的直方图。方法二：通过控制一组直线段来构成直方图，使其满足希望的形状。然后再数字化并归一化。2.2.2图像平滑图像平滑既能消掉这些寄生效应又不使图像的边缘轮廓和线条变模糊。图像平滑处理方法有空域法和频域法两类，主要有邻域平均法、低通滤波器法等[9]。图像噪声可能来自于系统外部干扰，也可能来自系统内部干扰。减少噪声的方法可以在空间域或在频率域处理。图像平滑的算法包括：(1)邻域平均基于局部空间域处理的邻域平均算法如下所示：设有一幅阵列的原始图像，是平滑后所得到的图像，由邻域的几个像素的灰度级的平均值决定每个像素的灰度级，可由下式决定[9]：(2-4) 式中的x,y=0，1，2,…,N-1；S是以点为中心的邻域的集合，M是S内坐标点的总数。图2-1分别显示出了4个邻域点和8个邻域点的集合[1]。4点邻域8点邻域图2-1图像邻域平均法图像邻域平均法的优点是算法简单，计算速度快，但它的主要缺点是在降低噪声时使图像产生模糊。为减少这种效应，可以采用阈值法，根据下列准则形成平滑图像[9]。（2-5）（2）中值滤波中值滤波是一种非线性图像增强技术。它能很好的抑制噪声，一般是对干扰脉冲和点状噪声的抑制。它是一个滑动窗口，这个窗口是一个含有奇数个点的窗口，用窗口内各点灰度的中值代替窗口正中那点值[2]。中值滤波在一定条件下能克服线性滤波器带来的模糊，滤除干扰脉冲和图像扫描噪声。但对一些细节多，特别是点、线、尖顶细节较多的图像则不宜采用这种方法。从总体上来说，中值滤波能良好地保留原图像中的越变部分。中值滤波的主要特性：1对某些输入信号中值滤波的不变性。2中值滤波去噪声性能。3中值滤波的频谱特性。(3)频率域低通滤波 这是一种频域处理法。一幅图像边缘、细节、跳跃部分以及噪声都代表图像的高频分量，而大面积的背景区和缓慢变化的部分则表示图像的低频分量，运用频率域低通滤波法去除其高频分量就能够滤掉噪声，从而达到图像平滑的效果。 3数学形态学3.1数学形态学的基本知识数学形态学作为一门新兴的、以形态为基础对图像进行分析的学科，已经得到人们的广泛关注，并应用于图像处理的许多方面，如噪声抑制、边缘检测、图像分割等[10]。数学形态学的基本思想是用一定形态的结构元素去度量和提取图像中的对应形状以达到图像分析和识别的目的。在数学形态学中，用集合来描述图像目标，描述图像各部分之间的关系。一组形态学的代数运算子组成了数学形态学，膨胀、腐蚀、开和闭构成了最基本的形态学运算子[11]。我们对图像形状和结构的分析与处理是主要利用这些运算子及其组合进行的。3.1.1结构元素结构元素是数学形态学中一个最重要也是最基本的概念。结构元素是一种背景图像，它具有一定的尺寸。它能实现对输入图像的形态学变换是通过将输入图像与之进行各种形态学运算完成的。它没有固定的形状和大小，是根据输入图像和所需信息形状特征而设计出来的。结构元素是否选择的恰当，会直接影响对输入图像的处理结果[9]。通常结构元素的形状有圆形、十字架形、方形等。3.1.2膨胀与腐蚀膨胀与腐蚀这两种操作是形态学处理的基础，许多形态学算法都是以这两种原始运算为基础的。(1)膨胀运算膨胀运算用符号“”表示，X用B来膨胀记为，定义为（3-1）膨胀过程可以描述如下：集合B首先做关于原点的映射，然后平移形成集合，X用B来膨胀是被所有平移后与X不为空集的元素[9]。(2)腐蚀运算 腐蚀运算用符号“”表示，X用B来腐蚀记为，定义为（3-2）腐蚀过程可以描述如下：集合B平移后依然包含在集合X中的元素集合。(3)开运算和闭运算用结构元素B对集合X进行开运算，表示为，定义为：（3-3）同样，使用结构元素B对集合X的闭运算，表示为，定义为[1]（3-4）由此可知，开运算是先用结构元素对图像进行腐蚀之后，再进行膨胀。用符号“”表示。闭运算是先用结构元素对图像进行膨胀之后，再进行腐蚀。用符号“”表示。开和闭运算不受参考点是否在结构元素之中的影响。开运算一般使对象的轮廓变得光滑，使狭窄的间断断开，细的突出物消除。闭运算则能填充物体内细小的空洞，连接邻近的物体，在不明显改变物体的面积的情况下，起到平滑其边界的作用[12]。3.2二值图像的数学形态学变换在前面讨论的形态学基础上，这里进一步探讨形态学在图像处理中的一些实际应用。采用基于二值数学形态学运算的形态学变换处理二值图像。主要应用是提取表示和描述图像形状、特征的有用成分。二值图像的数学形态学变换的内容包括：形态滤波、图像的平滑处理、图像的边缘提取、区域填充、目标探测—击中与否变换、细化、厚化。3.3灰度图像的数学形态学将灰度形态学运算应用到灰度图像中来提取用来描述和表示图像的某些特征。但与二值数学形态学不同的是，灰度形态学运算中的操作对象不再看成是集合而看作是灰度数字图像。下面讨论基本的灰度形态学运算。(1)膨胀运算 输入图像被结构元素b(x，y)膨胀定义为，表达式为（3-5）其中，分别为输入图像和结构元素的定义域，位移参数(s-x,t-y)必须包含在函数的定义域内[9]。膨胀的计算实际上就是需要由结构元素形状定义的邻域中的最大值，所以灰度膨胀运算会产生以下两种效果：1如果结构元素的值均为正，则输出图像会比原图像亮。2它们是否在膨胀中被消减或除掉是根据输入图像中暗细节的灰度值以及它们的形状相对于结构元素的关系。(2)腐蚀运算输入图像被结构元素b(x，y)腐蚀定义为，表达式为（3-6）由腐蚀运算的定义可知，需要求由结构元素形状定义的邻域中的最小值，因此灰度腐蚀运算通常会产生以下两种效果：1如果结构元素的值都为正的，则输出图像会比原图像暗。2如果输入图像中亮细节的尺寸比结构元素小，则其影响会被减弱，减弱的程度取决于这些亮细节周围灰度值和结构元素的形状和幅值。(3)开运算和闭运算灰度图像的开和闭运算与二值图像开与闭运算一致，分别记为和，定义为[1]：(3-7)(3-8) 4基于数学形态学的形态滤波形态滤波器是研究者们为解决图像滤波时的轮廓保持问题而提出的。形态滤波器可以达到提取信号、抑制噪声的目的。它依赖信号的几何特征，结合预先定义的结构元素对信号进行匹配[13]。在进行形态开运算、闭运算，以及它们的级联组合形式的时候往往采用不同尺寸、多个形状的结构元素。这样做的目的是为了解决只采用一种结构元素会出现的问题。比如：滤波器的输出信号只保持了一种几何信息，滤掉了其它几何信息与噪声。下面介绍运用数学形态学的理论和方法，从多结构元素形态学变换的角度出发所得到的结构元素算法，并在此基础上构造开、闭运算的串、并复合形态滤波器。4.1数学形态学滤波的基本原理形态变换分为二值和灰度两种变换形式，一般二值变换用于处理集合，灰度变换用于处理函数。它的基本形态变换包括腐蚀、膨胀、开运算和闭运算。开运算可用于过滤信号中正脉冲噪声，闭运算可用于过滤信号中负脉冲噪声。为了同时抑制图像中的正、负脉冲噪声，Maragos采用相同尺寸的结构元素以不同顺序级联开、闭运算，构造出了形态开-闭（OC）和闭-开（CO）滤波器[14]。分别定义为：（4-1）（4-2）其中，为输入离散信号，B为结构元素，并且。平移不变性、递增性、对偶性和幂等性质是形态开-闭（OC）和形态闭-开（CO）滤波器具有的。我们单独使用开-闭或闭-开滤波器并不能取得很好的滤波效果。由于开运算的扩展性和闭运算的反扩展性，它们都存在着统计偏差现象，会导致开-闭滤波器的输出幅度偏小，而闭-开滤波器的输出幅度偏大。 4.2多结构元素形态滤波器设计在形态滤波过程中，采用结构元素进行处理可以达到几乎全部滤除噪声的目的。而采用多结构元素进行处理除了能使更多的细节被保持之外，还能使等多的有用信息得到保持[15]。图4-1是对于形状相同但尺寸不同的结构元素构成串联滤波器：原函数F(x,y)输出图像Y(x,y)用结构元素B1进行开闭运算用结构元素B2进行开闭运算……用结构元素Bn进行开闭运算图4-1用相同形状不同尺寸的结构元素构成的串联滤波器如果将不同形态结构元素构成的串联滤波器加以并联，结合自适应权重算法就能构成串、并复合滤波器如图4-2。用结构元素Bn进行开闭运算原始图像F(x,y)用结构元素B2进行开闭运算用结构元素B1进行开闭运算……用结构元素B2进行开闭运算…………用结构元素Bn进行开闭运算…………用结构元素B1进行开闭运算Y(X,y)图4-2串、并联复合滤波器根据图4-2所示，输入图像f（x），用各种结构元素进行的开闭运算所串形的滤波器结果为f(x)（i=1，2，…,n）；输出图像为：（4-3） 5基于数学形态学的图像锐化图像锐化处理的目的是使模糊图像变得清晰。图像模糊实质上就是受到平均或积分运算，因此对其进行逆运算如微分运算、梯度运算，就可以使图像清晰。图像锐化的实质就是使灰度反差增强，增强图像中的边缘信息，从而有利于轮廓的提取[1]。由于锐化处理会使噪声受到比信号还强的增强，所以我们一般先去除或减轻干扰噪声后，再进行锐化处理。图像锐化处理又称边缘增强处理，目的是加强图像中景物的边缘和轮廓。一般情况下，我们对图像锐化采取两个步骤：首先，提取原始图像的边缘轮廓，即边缘提取；其次，将提取的边缘信息与原始图像进行融合，称之为锐化增强。5.1边缘提取在一幅图像中，图像的边缘线或棱线是信息量最为丰富的区域。提取边界或边缘也是图像分割的重要组成部分。图像的边缘是图像最基本的特征，它是图像局部特性不连续性（灰度变换、颜色突变、纹理结构突变等）的反应，标志着一个区域的终结和另一个区域位置的开始[16]。边缘能传递图像中的很多信息，并且能勾勒出物体的基本轮廓。基于形态学的边缘提取其实就是利用数学形态学的各种形态变换，检测出相应的形态学边缘算子，从而获得图像的边缘轮廓。二值图像形态学边缘提取方法有三种[17]：（1）基于腐蚀运算的边缘提取：用结构元素B先对原始图像进行腐蚀运算，再用原始图像减去腐蚀后的图像，表示为：(5-1)（2）基于膨胀运算的边缘提取：用结构元素B先对原始图像进行膨胀运算，然后将膨胀后的图像减去原始图像，表示为：(5-2)（3）基于膨胀腐蚀复合运算的边缘提取：用结构元素B分别对原始图像进行膨胀和腐蚀运算，再将膨胀的图像减去腐蚀的图像，表示为：(5-3) 因为灰度形态学是由二值形态学推广得到，所以二值图像的边缘检测算子都可以延伸到灰度图像中进行。灰度图像形态学边缘提取与二值图像一样[18]。5.2锐化增强当提取完形态学边缘算子后，我们就可以根据不同的需要生成不同的锐化增强图像。锐化增强方法常见的有如下几种[2]：第一种是使各点的灰度等于该点的形态学梯度幅度，表示为(5-4)此方法得到的增强图像使灰度变化比较慢的区域呈现黑色，而只显示灰度变化比较快的边缘轮廓。第二种增强的图像是使(5-5)上式中，T是一个非负的阈值，这个值是我们自己定义的。适当地选取T的值，不仅不会破坏原灰度变化比较慢的背景而且可以突出图像的轮廓。第三种增强的图像是使(5-6)上式中，是根据指定需要而定的一个灰度级，该方法的实现是通过用指定的一个灰度级来描述边缘轮廓。第四中增强的图像是使(5-7)此方法是这样实现的：将图像中的背景用一个固定的灰度级描述。 5.3基于自适应阈值形态学锐化的思想基本的形态锐化方法会导致视觉效果不佳的原因是由于没有区分边缘与平坦区,没有对噪声采取抑制的措施，而且不能根据边缘自动调整形态学结构。本文采用基于腐蚀运算的边缘提取算子，结合新的锐化增强方法，研究出一种自适应阈值的形态学锐化算法。该方法不仅使图像的边缘轮廓得到了很好的增强,而且使噪声得到平滑。为实现形态学结构的自适应性,我们先提取边缘算子,在5.1中分析过灰度图像的膨胀腐蚀复合运算的边缘提取算子为(5-8)由于在运算过程中，的灰度值有可能不在灰度值范围[0-255]内。所以，当的灰度值小于0时，令=0；当的灰度值大于255时，令=255。得到边缘轮廓之后我们使锐化增强的图像为（5-9）这里对T需要变换改进以得到良好的锐化增强效果。此时的T就变成了一个自适应的阈值。（5-10）其中，N×M的值是原始图像中像素点的个数。 6实验结果本次实验是基于MicrosoftVisualC++6.0EnterpriseEdition软件平台对实验程序进行调式和仿真从而分析改进算法的性能和效果。图6-1是基于数学形态学的形态滤波的实验结果：图a是原始图像。图b是加入30%的椒盐白噪声的图像。图c采用和的结构元素两者串联所得的滤波结果。图d是采用的结构元素串联和的结构元素串联再并联得到的滤波结果。图a原始图像图b加躁图像图c串联形态滤波图d串并联形态滤波图6-1基于数学形态学的形态滤波图6-2是基于数学形态学的图像锐化的实验结果：图a是原始图像，图b是锐化之后的图像。图a原始图像图b锐化图像图6-2基于数学形态学的图像锐化 7实验结论基于数学形态学的形态滤波，采用同一形状，不同尺寸的结构元素构成串联滤波器能基本把椒盐白噪声滤除，本文采用,的两个结构元素分别进行开闭运算之后串联，得到的结果是把椒盐白噪声滤除了，但是所得的图像也因此变的比较模糊；而经过改进后的多结构元素串联再对其并联得到的串、并复合滤波算法不仅把椒盐白噪声很好的滤除，而且还能保持图像的清晰性，保持图像的边缘轮廓。实验结果显示，这两类滤波器对于滤除椒盐噪声有很好的效果，但是对于高斯噪声的滤除效果并不是很明显。基于灰度形态学的图像锐化，采用两个步骤：首先提取原始图像的边缘轮廓，即边缘提取，这里采取的是基于腐蚀运算的边缘提取：用结构元素B先对原始图像进行腐蚀运算，再用原始图像减去腐蚀后的图像。其次，将提取的边缘信息与原始图像进行融合，称之为锐化增强。这样做的效果不仅基本滤除了椒盐噪声，另外还能保持图像的各种细节，提取出比较理想的边缘图像。 参考文献[1]朱秀昌.数字图像处理与通信[M].2002年5月第一版2006年6月第四次印刷.北京:邮电大学出版社.2006,6.[2]张弘.数字图像处理与分析[M].北京:机械工业出版社.2007,4.[3]何明一,卫报国.数字图像处理[M].北京:科学出版社.2008,8.[4]闫海霞.基于数学形态学的图像边缘检测和增强算法的研究[J].吉林大学,2010,7[5]图像增强处理.[EB/OL],[2010-10-09].http://wenku.baidu.com/view/a617d10bf78a6529647d53e8.html.[6]ChristelleHennequet-Antier,HélèneChiapello,KarinePiot,SéverineDegrelle,IsabelleHue,Jean-PaulRenard,FrançoisRodolphe,StéphaneRobin.ASetofSASMacrosfortheAnalysisofVarianceofGeneExpressionData[J].BMCBioinformatics,2005,3(6):15～17.[7]李耀辉,刘保军.基于直方图均衡的图像增强[J].华北科技学院计算机系,2003，6(2)：65～67.[8]张燕红，孔波，刑翠芳，杜晶.直方图规定化在图像增强中的应用及实现[J].海军航空工程学院,2009,11(34):14～15.[9]阮秋琦.数字图像处理学（第二版）[M].北京:电子工业出版社.2007,2.[10]冯国进,顾国华.基于形态学的红外图像边缘增强[J].激光与红外,2003,7(6):453～454.[11]陈爱军.数学形态学及其在图像分析中的应用[J].机电工程学院,2006,10(7):113～115.[12]徐杰.数字图像处理[M].华中科技大学出版社.2009,8.[13]郭景峰,籣旭.数学形态学中结构元素的分析研究[J].计算机科学,2002,4(7):113～115.[14]王咏胜.基于数学形态学的灰度图像的边缘检测技术研究[D].哈尔滨工程大学,2005. [15]MaragosP,SchaferRW.Morphologicalfilters-partII[J].IEEETrans.onASSP,1987,10,35(8):1153～1184.[16]赵春晖,乔景渌.一类多结构元素自适应广义形态滤波器[J].中国图像图形学报,1997，2(11)：806～810.[17]章毓晋.图像工程(中册)——图像分析[M].北京:清华大学出版社，2005.[18]姚进.基于灰度形态学的图像边缘检测方法分析与研究[J].山东轻工业学院信息科学与技术学院，2010,3(4)：80～83. 附录1算法源程序1对于同一形状不同尺寸的结构元素的串联滤波：voidOnErosion3(unsignedchar*InBuf,unsignedchar*OutBuf){intx,y,x1,y1,s,t;for(y=2;yt)t=s;}}OutBuf[y+x*COL]=t;}}}voidOnErosion2(unsignedchar*InBuf,unsignedchar*OutBuf){intx,y,x1,y1,s,t;for(y=1;yt)t=s;}}OutBuf[y+x*COL]=t; }}}intReadGrayImage(char*FileName,unsignedchar*Image,unsignedchar*Fheadg,char*Pallette){longIndex;intk,i,j;FILE*ImageDataFile;if((ImageDataFile=fopen(FileName,"rb"))==NULL)return(0);for(i=0;i<54;i++)Fheadg[i]=fgetc(ImageDataFile);for(i=0;i<1024;i++)Pallette[i]=fgetc(ImageDataFile);k=(COL)*3%4;if(k==4)k=0;Index=0;for(i=0;it)t=s;}}OutBuf2[y+x*COL]=t;}}for(y=1;y=0&&temp<=255)OutBuf1[index]=temp;elseif(temp<0)OutBuf1[index]=0;elseOutBuf1[index]=255;sum+=OutBuf1[index];}} T=sum/(ROW*COL);for(y=1;y=T){temp=InBuf[index]-OutBuf1[index];if(temp>=0&&temp<=255)OutBuf1[index]=temp;elseif(temp<0)OutBuf1[index]=0;elseOutBuf1[index]=255;}elseOutBuf1[index]=InBuf[index];}} 附录2科研论文数学形态学在图像增强中的应用浙江万里学院电子信息学院电子本071任松萍摘要：本文基于数学形态学的基本原理及运算，分别介绍了形态滤波、图像锐化的理论和相关算法，并在前人研究的基础上对算法进行改进，得到新的算法。关键词：数学形态学；形态滤波；图像锐化Abstract：Basedonthebasicprinciplesandmathematicalmorphologyoperations,introducedtheformoffiltering,imagesharpeningtheoryandrelatedalgorithms,andinpreviousstudiesbasedonthealgorithmisimprovedbythenewalgorithm.KeyWords：Morphology；Morphologicalfiltering；ImageSharpening1引言图像增强就是指在不考虑降质的原因下，将图像中感兴趣的部分信息加以处理或突出有用的图像特征，同时削弱或去除某些不需要的信息，使得图像更符合某些特定的需要[1]。图像增强的目的是增强图像中的有用信息，削弱干扰和噪声，以便于观察、识别和进一步分析处理，增强后的图像未必与原图一致[2]。图像增强一般包括图像滤波和图像锐化。基于数学形态学的滤波是一种非线性滤波，非线性滤波是因为线性滤波对非高斯白噪声和关联噪声的滤除效果不令人满意，不能有效滤除脉冲噪声而提出的。数学形态学滤波能较好的抑制噪声、保持图像的边缘轮廓。图像锐化处理的目的是使模糊图像变得更清晰。如果将不同的边缘提取方法与不同的锐化增强方法相结合，就会产生很多种不同的图像锐化结果，达到锐化增强的目的。2基于数学形态学的形态滤波形态滤波器是研究者们为解决图像滤波时的轮廓保持问题而提出的。形态滤波器可以达到提取信号、抑制噪声的目的。它依赖信号的几何特征，结合预先定义的结构元素对信号进行匹配[4] 。下面介绍运用数学形态学的理论和方法，从多结构元素形态学变换的角度出发所得到的结构元素算法，并在此基础上构造开、闭运算的串、并复合形态滤波器。2.1多结构元素形态滤波在形态滤波过程中，采用结构元素进行处理以达到几乎全部滤除噪声的目的，为了保持更多细节，采用多结构元素以保持更多有用的几何信息[4]。图2-1是对于形状相同但尺寸不同的结构元素构成串联滤波器：原函数f(x,y)输出图像Y(x,y)用结构元素B1进行开闭运算用结构元素B2进行开闭运算……用结构元素Bn进行开闭运算图2-1用相同形状不同尺寸的结构元素构成的串联滤波器如果将不同形态结构元素构成的串联滤波器加以并联，结合自适应权重算法就能构成串、并复合滤波器如图2-2：用结构元素Bn进行开闭运算原始图像f(x,y)用结构元素B2进行开闭运算用结构元素B1进行开闭运算……用结构元素B2进行开闭运算…………用结构元素Bn进行开闭运算…………用结构元素B1进行开闭运算/NY(X,y)图2-2串、并联复合滤波器根据图2-2所示，输入图像 ，各种结构元素进行开闭运算之后串形形成的滤波结果为f(x)（i=1，2，…,n;）,输出图像为:（2-1）3基于自适应阈值的形态学锐化思想基本的形态锐化方法会导致视觉效果不佳的原因是由于没有区分边缘与平坦区,没有对噪声采取抑制的措施，而且不能根据边缘自动调整形态学结构。本文采用基于腐蚀运算的边缘提取算子，结合新的锐化增强方法，研究出一种自适应阈值的形态学锐化算法。该方法不仅使图像的边缘轮廓得到了很好的增强,而且使噪声得到平滑。为实现形态学结构的自适应性,我们先提取边缘算子,灰度图像的膨胀腐蚀复合运算的边缘提取算子为(3-1)由于在运算过程中，的灰度值有可能不在灰度值范围[0-255]内。所以，当的灰度值小于0时，令=0；当的灰度值大于255时，令=255。得到边缘轮廓之后我们使锐化增强的图像为（3-2）这里对T需要变换改进以得到良好的锐化增强效果。此时的T就变成了一个自适应的阈值。（3-3）其中，N×M的值是原始图像中像素点的个数。4实验结果本次实验是基于MicrosoftVisualC++6.0EnterpriseEdition软件平台对实验程序进行调式和仿真从而分析改进算法的性能和效果。图2-1是基于数学形态学的形态滤波的实验结果： 图a是原始图像。图b是加入30%的椒盐白噪声的图像。图c采用3*3和2*2的结构元素两者串联所得的滤波结果。图d是采用2*2的结构元素串联和3*3的结构元素串联再并联得到的滤波结果。图a原始图像图b加躁图像图c串联形态滤波图d串并联形态滤波图2-1基于数学形态学的形态滤波图2-2是基于数学形态学的图像锐化的实验结果：图a是原始图像，图b是锐化之后的图像。图a原始图像图b锐化图像图2-2基于数学形态学的图像锐化 5结论基于数学形态学的形态滤波，采用同一形状，不同尺寸的结构元素构成串联滤波器能基本把椒盐白噪声滤除，本文采用,的两个结构元素分别进行开闭运算之后串联，得到的结果是把椒盐白噪声滤除了，但是所得的图像也因此变的比较模糊；而经过改进后的多结构元素串联再对其并联得到的串、并复合滤波算法不仅把椒盐白噪声很好的滤除，而且还能保持图像的清晰性，保持图像的边缘轮廓。实验结果显示，这两类滤波器对于滤除椒盐噪声有很好的效果，但是对于高斯噪声的滤除效果并不是很明显。基于灰度形态学的图像锐化，采用两个步骤：首先提取原始图像的边缘轮廓，即边缘提取；其次，将提取的边缘信息与原始图像进行融合，称之为锐化增强。这样做的效果不仅基本滤除了椒盐噪声，另外还能保持图像的各种细节，提取出比较理想的边缘图像。6参考文献[1]朱秀昌.数字图像处理与通信[M].2002年5月第一版2006年6月第四次印刷.北京:邮电大学出版社.2006，6.[2]张弘.数字图像处理与分析[M].北京:机械工业出版社.2007,4.[3]王咏胜.基于数学形态学的灰度图像的边缘检测技术研究[D].哈尔滨工程大学,2005.[4]赵春晖,乔景渌.一类多结构元素自适应广义形态滤波器[J].中国图像图形学报,1997,2(11)：806-810.