应用物理学毕业设计（论文）灰度图像二值化处理.doc

包头师范学院本科毕业论文题 目：灰度图像二值化处理 学生姓名： 学 院： 物理科学与技术学院 专 业： 应用物理学 班 级： 08级 指导教师： 二 一二 年 4 月中文摘要论文介绍了图像及数字图像处理技术的一些概念和相关知识；介绍了灰度图像的概念及其灰度变换和灰度级插值方法；重点介绍了图像方法二值化研究，其包括的内容有二值化研究动态；全局阈值法；局部阈值法；对Matlab7.0软件的发展和软件在图像处理中的应用做了简要介绍；关键字：图像处理、二值化、灰度化、MATLABAbstractThis paper introduces the image and digital image processing technology of some concepts and related knowledge; introduces the gray image of the concept and the gray level transformation and gray level interpolation method; focuses on image method two value research, which includes the contents of two value research of dynamic; global threshold method; local threshold method for Matlab7.0 software; software development and application in image processing is introduced briefly in this paper;Keywords: image processing, two values, gray, MATLAB引言图像二值化是图像处理中的一项基本技术，也是很多图像处理技术的预处理过程。在颗粒分析、模式识别技术、光学字符识别(OCR)、医学数据可视化中的切片配准等应用中，图像二值化是它们进行数据预处理的重要技术。由于图像二值化过程将会损失原图像的许多有用信息，因此在进行二值化预处理过程中，能否保留原图的主要特征非常关键。在不同的应用中，图像二值化时阈值的选择是不同的。因此，自适应图像阈值的选取方法非常值得研究。研究者对图像二值化方法进行了讨论，在此基础上提出了一个新的图像二值化算法。该算法基于数学形态学理论，较好地保留了图像二值化时原图的边缘特征。论文主要研究图像二值化算法中的MATLAB。目录1.图像灰度化.11.1 图像与数字图像.11.2灰度图像二值化原理及意义.21.3 灰度变换.21.4灰度级差值.102.图像二值化方法研究.122.1 二值化研究动态.122.2 全局阈值法.152.3 局部阈值法.163.灰度图像二值化应用的软件-MATLAB.174.结束语.195.参考文献.20灰度图像二值化处理1. 图像灰度化1.1 图像与数字图像图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用与人眼而产生视觉的实体。视觉是人类从大自然中获取信息的最主要的手段。拒统计，在人类获取的信息中，视觉信息约占60%，听觉信息约占20%，其他方式加起来才约占20%。由此可见，视觉信息对人类非常重要。同时，图像又是人类获取视觉信息的主要途径，是人类能体验的最重要、最丰富、信息量最大的信息源。通常，客观事物在空间上都是三维的(3D)的，但是从客观景物获得的图像却是属于二维(2D)平面的。图像存在方式多种多样，可以是可视的或者非可视的，抽象的或者实际的，适于计算机处理的和不适于计算机处理的。但就其本质来说，可以将图像分为以下两大类。模拟图像。包括光学图像、照相图像、电视图像等。比如人在显微镜下看到的图像就是一幅光学模拟图像。对模拟图像的处理速度快，但精度和灵活性差，不易查找和判断。数字图像。数字图像是将连续的模拟图像经过离散化处理后得到的计算机能够辨识的点阵图像。在严格意义上讲，数字图像是经过等距离矩形网格采样，对幅度进行等间隔量化的二维函数。因此，数字图像实际上就是被量化的二维采样数组。一幅数字图像都是由若干个数据点组成的，每个数据点称为像素(pixel)。比如一幅256×400，就是指该图像是由水平方向上256列像素和垂直方向上400行像素组成的矩形图。每一个像素具有自己的属性，如颜色(color)、灰度(grayscale)等，颜色和灰度是决定一幅图像表现里的关键因素。其中颜色量化等级包括单色、四色、16色、256色、24位真彩色等，量化等级越高，则量化误差越小，图像的颜色表现力越强。同样，灰度是单色图像中像素亮度的表征，量化等级越高，表现力越强。但是随着量化等级的增加数据量将大大增加，使得图像处理的计算量和复杂度相应的增加。图像数字化：图像经过采样和量化，将其变成适当的离散数据结构。一幅图象必须要在空间和灰度上都离散化才能被计算机处理。空间坐标的离散化叫于空间采样，而灰度的离散化叫做灰度量化。采样：连续函数f(x,y)在空间上被 采样成M行、N列的矩阵。采用平面上采样点组成的离散的网格；采用正交函数基将图像函数展开，如富立叶变换，展开系数就代表了该数字图像。1.2灰度图像原理及意义灰度图像是指只含亮度信息，不含色彩信息的图像。将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255种值可取，这样一个像素点可以有1600多万的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，一个像素点的变化范围为255种，所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。图像的灰度化处理可先求出每个像素点的R、G、B三个分量的平均值，然后将这个平均值赋予给这个像素的三个分量。单纯的看，灰度图也是黑白的，就像黑白电视显示的图像一样，但是点与点之间黑的程度是不一样的、这就是深度。如果称不同深度的颜色为一色的话，灰度图像就不止只有黑色和白色两种颜色，一般使用的灰度图为256级灰度图，就是说图像由256种不同灰度级的颜色组成。灰度化原理：将彩色图像转化成为灰度图像的过程成为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255中值可取。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其一个像素点的变化范围为255种。本实验实现灰度化的方法是根据YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。随着计算机和信息技术的快速发展，已使数字图像学成为一门专门的学科，而关于图像的处理如图像识别、轮廓提取、图像增强等热点问题的相关技术工作，大都是在灰度图像基础之上进行进一步处理的。1.3灰度变换灰度变换常用于人观察的设备如：X-ray 图像1.3.1灰度级变换（点运算）的定义对于输入图象f(x,y)，灰度级变换T将产生一个输出图像g(x,y)，且g(x,y)的每一个像素的灰度值(q)，都是由f(x,y)的对应输入像素点的灰度值(p) 决定的。q = T(p)qpp2p1p0g(x,y) = T(f(x,y)局部增强图像及其直方图范围：201201.3.2灰度级变换（点运算）的实现q = T(p) 定义了输入像素值与输出像素之间的映射关系，通常通过查表来实现。因此灰度级变换也被称为LUT（Look Up Table）变换。0 1 2 3 4 5 6 7 8 9 250 251 252 253 254 2550 3 5 7 9 11 13 15 17 19 252 253 254 254 254 255灰度实时变换查询表（look-up table)LUT图像信号原始亮度值（地址）变换后的亮度值1.3.3灰度级变换举例灰度级切片0255255pq直方图图象直方图的定义（1）一个灰度级别在范围0,L-1的数字图象的直方图是一个离散函数 p(rk)= nk/n n 是图象的像素总数 nk是图象中第k个灰度级的像素总数 rk 是第k个灰度级，k = 0,1,2,L-1。图象直方图的定义（2）一个灰度级别在范围0，L-1的数字图象的直方图是一个离散函数 p(rk)= nk k = 0,1,2,L-1 由于rk的增量是1，直方图可表示为：p(k)= nk 即，直方图表示图象中不同灰度级像素出现的次数较暗图象的直方图p(rk) nk· 较亮图象的直方图p(rk) nk········ 对比度较低图象的直方图 p(rk) nk对比度较高图象的直方图 p(rk) nk1.3.4直方图应用举例直方图均衡化一种自动调节图象对比度质量的算法使用的方法灰度级变换：q = T(rk) 基本思想是通过灰度级r的概率密度函数p(rk )，求出灰度级变换T(r) ，建立等值像素出现的次数与结果图象像素值之间的关系。直方图均衡化产生一幅图像，整个图像亮度范围内具有相等的灰分布度。H(p)qG(q)p输入的灰度直方图输出的灰度直方图q = T(p)单调像元亮度变换qkq01.4灰度级插值像素移交向前映射像素填充向后映射输入输出如果几何变换将一个输入像元映射到四个输出像元之间，也就是变换点给出的输出像元位置是非整数坐标。这个输出像元的灰度值需要用几个相邻的整数采样网格点的像元亮度值内插的方法得到。由于畸变， (x ,y)点不在输入图像的采样网格点上，所以， (x ,y)点的亮度值不知道。假设，计算输出图像(x´ ,y ´) 点的亮度。(x´ ,y ´)(x,y)=T-1 (x´ ,y ´)(x ,y)做一个平面反变换T-1 就可以得到输入图像在(x,y)点的坐标。也可以这样理解：对于输入图像，只知道：采样量化的数据(n x, m y)(x ,y)xy要得到(x ,y)点的灰度值，需要对输入图像进行重新采样。用gs(n x, m y)表示输入的图像灰度用fs(x, y)表示灰度变换的结果fs(x,y) = gs(j x, k y)hs(x-jx,y-k y)hs的作用相当于采样脉冲，参与内插计算的区域要很小。2.图像二值化方法2.1二值化方法研究动态作为一种高效智能的人机交互手段，身份证的快速识别技术可以广泛的应用于公民身份核查、暂住人口调查、旅店业登记核查、犯罪追逃等公安业务当中，大大提高了工作效率。由于身份证图像背景复杂，由激光防伪阴影网格线及各种版面噪声构成:且因激光防伪标志和打印条件的千差万别，再加上身份证的字符识别带来了很大的困难。必须经过预处理，除去大量的噪声信号，才能更好的进行字符的定位、分割，以及识别。而二值化是，预处理中非常重要的一步也是最为关键的一步，他直接影响到OCR系统的性能、研究者在分析和讨论了多种图像二值化的优缺点后，在吸取各种方法的优点的基础上，提出了一种新的身份证扫描图像的二值化方法嵌入式多 值动态自适应的二值化方法。 图像二值化是图像处理中的一项基本技术，也是很多图像处理技术的预处理过程。在颗粒分析、模式识别技术、光学字符识别（OCR）、医学数据可视化中的切片配准等应用中，图像二值化是它们进行数据预处理的重要技术。由于图像二值化过程将会损失原图像的许多有用信息，因此在进行二值化预处理过程中，能否保留原图的主要特征非常关键。在不同的应用中，图像二值化时 值的选择是不同的。因此，自适应图像 值的选取方法非常值得研究。研究者对图像二值化方法进行了讨论，在此基础上提出了新的图像二值化算法。该算法基于数学形态学理论，较好的保留了图像二值化时原图的边缘特征。 激光雕刻中图像处理的二值化处理激光雕刻是近十几年随着激光技术的发展而产生的一种新的雕刻技术，它与计算器图形学、图像处理等学科的结合，应用在各种材料上进行文字、图像加工。如何能得到光滑且能真实反映原图像的雕刻图像是其中的主要问题，但是激光器的开关只有两种状态，因此，图像的二值化处理就成为了关键性技术，其中 值的选取是决定二值化图像好坏的因素。现实世界中黑白二值图像很少用，大多数图像都是灰度图像或是彩色图像。要使这些图像适用于激光雕刻中，就需要对其进行二值化处，研究者针对激光雕刻总结了适用于雕刻的二值化方法，使得得到的二值图像效果最好。 在信息社会中人的身份识别得到广泛关注。指纹识别技术除了在传统的法律公安上得到应用之外，还有更广阔的应用前景，如计算器用户的确认、访问网络资源的口令、银行ATM机和信用卡的使用、各类智能IC卡的双重确认，以及雇员证明、海关身份鉴定、家用电子门锁等一个完整的自动指纹识别系统（AFIS）包括指纹采集、指纹图像预处理、指纹特征提取和比对等几个模块。在自动指纹识别系统中，指纹图像的预处理是正确进行特征提取、比对等操作的基础，而二值化是指纹图像预处理中必不可少的一步。目前，国内外学者在这方面已经做了大量的工作，常用的二值化方法有固定 值发、自适应 值发、局部自适应 值发等。由于指纹图像是一种方向性很强的图像，这些方法仅仅利用了指纹图像的灰度信息，而忽略了指纹图像的方向信息，因此这些方法对指纹图像的二值化效果并不十分理想。尔后提出了一种改进的二值化方法：利用梯度法求取快方向图，将其量化成8个标准方向，以块方向代替点方向并利用灰度信息对指纹图像进行二值化。最后将该的方法和局部自适应 值二值化方法进行比较，可以发现;采用该方法二值化效果有了明显提高，对于不同质量的指纹图像有着令人满意的效果。 结合Canny算子的图像二值化方法，对经典的二值化方法Otsu算法和Bernser算法中存在的缺点进行了分析后提出图像二值化方法，该方法综合考虑了边缘信息和灰度信息，通过边缘附近种子点在高 值二值化图像中的填充的低 值图像对它的修补而得到二值化结果图像，较好的解决了经典二值化方法存在的抗噪能力差、边缘粗超、伪影现象等缺点，实验结果证明，该方法能够较好地解决低对比度图像和目标像素灰度不均匀图像的二值化问题。 采用信号匹配的支票图像二值化提出了一种基于信号匹配的低信噪比图像的信号提取方法解决类似支票日期域的这种既有复杂背景，又有印章噪声干扰的图像二值化问题。这种二值化方法完全不同于传统的方法，它从信号处理的角度出发，利用了部分先验知识和理想状态下的投影轮廓信号，再通过用不同阈值分割的投影信号与之匹配，匹配度最大时的阈值即为图像分割的最佳阈值。本方法比其他的传统的二值化图像具有自适应性和鲁棒性，通过大量的实验数据以及与常用的其他算法进行的比较得到了验证。 基于灰度的车牌图像二值化算法不均匀光照下的图像二值化是数字图像处理中的一个难题，汽车牌照自动识别系统工作在复杂的光照环境下，经常会出现车牌光照不均的现象，给图像二值化带来困难。为此，研究者提出一种解决方法，首先使用同态滤波去掉车牌图像的不均匀光照的影响，然后使用改进的Bernsen算法对车牌图像进行二值化。实验表明，使用该算法能有效的克服不均匀光照的影响，二值化效果良好，车牌识别率得到显著的提高;针对常用车牌识别二值化算法存在的问题，提出了基于分形维数的二值化的方法。根据分形维数反映图像复杂程度的定义，通过计算两次突变的分维数来确定图像的灰度值范围，并利用该灰度值范围确定阈值。并通过实验，表明利用分形维数所得到的阈值进行二值化处理较传统方法有较大改进，且该方法解决了在自然光和不同光照背景下对车牌的干扰问题，也可以从复杂背景中提取出倾斜的车牌；偏白或泛白背景的车牌图像二值化方法，在车辆牌照识别系统中，由于摄像机畸变，动态范围太窄、车辆牌照被污染等原因，灰度化的车辆牌照图像背景变得模糊，接近于字体的灰度或者动态范围不高，使得前景字体根背景难以分开，该采用的高帽与低帽形态滤波增强车牌图像中的字体，去除背景对图像的影响，使用基于 代的图像分块二值化算法进行二值化。实验表明，该算法可有效克服偏暗或泛白背景的影响，二值化效果良好。基于自组织特征映射（SOFM）神经网络的图像融合二值化方法介绍了OFM神经网络的特点及学习算法，根据SOFM的聚类确定图像第一阈值作为循环 代的初始值，对整幅图像进行循环 代得到第二阈值，使用第二阈值对原始图像进行二值化，得到第一幅待融合图像；通过改进的Bernsen方法对原始图像进行二值化，得到第二幅待融合图像；最后根据图像灰度值选小的原则作为图像融合方法，得到最终的二值化图像。该方法既能有效地消除伪影，又能较好的分离字符和文字。模拟实验结果表明，该方法的二值化效果明显优于Bernsen方法和Otsu方法，且具有良好的适应性。 基于贝叶斯算法的二值化算法。针对在图像二值化过程中动态选取阈值难的问题，在分析了全局阈值法和局部阈值法各自优缺点的基础上。提出了一种基于贝叶斯算法的全局阈值法和局部阈值法相结合的二值化方法。经试验证明，该方法既能够有效的消除光照不均匀对图像的影响，较好的保留目标图像的细节，又能有效的消除伪影，提高处理速度。 在模式识别中二值化效果的好坏直接影响着识别效果，首先通过改进的Bernsen方法对原始图像进行二值化，得到第一幅源图像；然后根据自组织神经网络计算阈值，对图像进行二值化，得到第二幅源图像；再根据灰度值最小的原则作为图像融合方法，得到最终的二值化图像，最后给出模拟实验，实验结果表明该方法是有效的。提出了一种新的二值化方法。图像的带参数的二值化方法。该方法不仅在实现传统的黑白二值化方面。有强于Windows的绘图软件的黑白二值化功能。而且可以实现任意灰度间隔的二值化。因此该方法除能用于任意灰度起点的一般意义上的二值化外，特别适宜于图像的挖掘和隐藏。图像处理中阈值法计算简单，具有较高的运算效率，是图像分割中广泛采用地方法，主要分为全局阈值法和局部阈值法。针对颗粒图像，提出了一种基于形态学的最大类间方差Otsu二值化算法，实验证明，该算法这一算法能较好的保留原图像中的特征，二值化后的图像效果不错。数码管图像的目标和背景分离不明显，直方图分布较复杂。针对该问题，提出基于拉普斯高斯（Laplacian of Gaussian,LOG）算子边缘检测的全局二值化方法对其进行处理，该方法通过提取图像边缘部分的像素灰度获得图像二值化的阈值。处理结果表明，与传统的几种方法相比，该方法能够快速选取良好的二值化阈值，较好的区分目标和背景，在相当大模板宽度内图像二值化的结果都令人满意。遗传算法是当前许多科学实验领域广泛应用的一种非线性并行算法。一种基于遗传算法的灰度二值化方法研究了遗传算法在数字图像的灰度二值化中的应用，提出了一种新的灰度图像二值化方法。该方法通过对每个子群体的优化计算和动态改进的适应度函数，确定新的分割阈值。基于边缘特征的二值化阈值选取方法，阈值选取是图像处理与分析的基础。针对几种常用的图像二值化自动选取阈值方法，通过计算机仿真对实验结果进行了比较研究。在此基础上，提出了一种新的灰度图像二值化算法。该算法着重于在图像二值化时保留图像的边缘特征。实验结果表明，这个基于边缘特征检测算子的算法能很好地保留原图的边缘特征，并能处理低质量的图形。图像二值化是指灰度变换来研究图像的一种常用方法，即设定某一阈值将灰度图像的的像素分成大于阈值的像素群和小于阈值的像素群两部分。例如输入灰度图像函数为f(x.y)，则，g(x.y)= （1）阈值(threshold)是把目标和背景区分开的标尺，选取适当的阈值就是既要尽可能保存图像信息，又要尽可能减少背景和噪声的干扰，这是选择阈值的原则。灰度图像的二值化处理有很多种方法，主要分为全局阈值法和局部阈值法。2.2全局阈值法 全局阈值法是指在二值化过程中只使用一个全局阈值T的方法。它将图像的每个像素的灰度值与T进行比较，若大于T，则取为前景色（白色）；否则，取为背景色。根据文本图像的直方图或灰度空间分布确定一个阈值，以此实现灰度文本图像到二值图像的转化，其中全局阈值法又可分为基于点的阈值法和基于区域的阈值法。阈值分割法的结果很大程度上依赖于对阈值的选择，因此该方法的关键是如何选择合适的阈值。典型的全局阈值法包括Otsu方法、最大熵方法等。全局阈值法算法简单，对于目标和背景明显分离、直方图分布呈双峰的图像效果良好，但对于由于光照不均匀、噪声干扰较大等原因使直方图分布不呈双峰的图像，二值化效果明显变差。为了满足图像处理应用系统自动化及实时性要求，图像二值化的阈值的选择最好由计算机自动来完成。下面列举几个阈值的自动选择算法；（1） 平均灰度值法以图像中所有像素灰度值的平均值为阈值。（2） 大津法：又称最大类间差发，是基于整幅图像的统计征，实现阈值的自动选取。其原理是把图像直方图用某一灰度值分割成两类，分别计算这两类的像素点数和灰度平均值，然后计算它们的类间方差。当被分割成的两类间方差最大时，此灰度值就作为图像二值化处理的阈值。大津法的使用范围比较广，不论图像的直方图有无明显的双峰，都能得到较满意的结果，在很多领域得到了应用和发展。但此方法依然存在一些不足，主要表现在：若目标与背景之间灰度差不明显，可能出现大块黑色区域，甚至丢失整幅图像的信息；仅利用一维灰度直方图分布，没有结合图像的空间相关信息，处理效果不好；当图像中有断裂现象或者背景有一定噪声时，无法得到预期效果（3） 边缘算子法；采用Laplace算子、Robert算子、Sober算子等对像素点进行灰度级增强或减弱的变换。对于灰度均匀分布的区域内的像素点，这些算子对其进行灰度减弱；对于在边缘附近的像素点，这些算子对其进行灰度增强。2.3局部阈值法由当前像素灰度值与该像素周围点局部灰度特征来确定像素的阈值。例如可以将原图像划分为一些不相交的小块，将各块图像的灰度均值作为该部块图像的阈值，在局部上采用上面的整体阈值法。对于目标和背景比较清楚的图像，全局阈值化方法可以取得较好结果。但是如果图像的背景不均匀，或目标灰度变化率比较大，全局方法便不再适用。局部阈值法是用像素灰度值和此像素邻域的局部灰度特性来确定该像素的阈值的，当照明不均匀，有突发噪声，或者背景灰度变化较大时，局部阈值确定技术必须根据像素的坐标位置关系自动确定不同阈值，实施动态的自适应二值化处理。局部阈值选取一般将图像划分为若干子图像，在每个子图像区域上使用整体阈值法，从而可以构成是整幅图像的局部阈值法（根据每个子图像确定相应的阈值，具体的阈值确定方法同全局阈值的确定类似）。用这种方法分割后的图像在不同的子图像的边界处有灰度的不连续分布，因此必须采用平滑技术来消除灰度的不连续性。局部阈值法一般用于识别干扰比较严重、品质较差的图像，相对整体阈值方法有更广泛的应用，但也存在缺点和问题，如实现速度慢、不能保证字符笔画连通性以及容易出现伪装现象（即在背景阈受到噪声干扰得到笔画结果）等。比较典型的局部二值化算法有Bernsen方法、多阈值的梯度强度法、基于纹理图像的方法、最大方差法等。3. 软件工具MATLABMATLAB是MatrixLaboratory的缩写，是由美国MathWorks公司推出的计算机软件，经过多年的逐步发展与不断完善，现已成为国际公认的最优秀的科学计算与数学应用软件之一，是近几年来在国内外广泛流行的一种可视化科学计算软件。它集数值分析，矩阵运算，信号处理和图形显示于一体，构成了一个方便的，界面友好的用户环境，而且还具有可扩展性特征。MathWorks公司针对不同领域的应用，推出了信号处理，控制系统，神经网络，图像处理，小波分析，鲁棒控制，非线性系统控制设计，系统辨识，优化设计，统计分析，财政金融，样条，通信等30多个具有专门功能的工具箱，这些工具箱是由该领域内的学术水平较高的专家编写的，无需用户自己编写所用的专业基础程序，可直接对工具箱进行运用。同时，工具箱内的函数源程序也是开放性的，多为M文件，用户可以查看这些文件的代码并进行更改，MALAB支持用户对其函数进行二次开发，用户的应用程序也可以作为新的函数添加到相应的工具箱中。MATLAB的工作环境简单明了，易于操作，使用的MATLAB软件一般是6.x版本。其工作环境包括五个部分：命令窗口(CommandWindow)，MATLAB的主窗口用户可以直接在此窗口输入命令，系统将自动显示信息；启动平台(LaunchPad)，当用户需要启动某个工具箱的应用程序时，可以在启动平台中实现。工作空间(Workspace)，MATLAB工作空间作为一个独立的窗口，其操作相当方便。它包含着用户已建立的变量，而且变量在工作空间中是以矩阵的形式存储；命令历史记录(CommandHistory)，主要显示在命令中已执行过的命令；当前路径窗口(CurrentDirectory)，主要显示当前工作在什么路径下进行，包括M文件的打开路径，双击M文件名打开该文件进行编辑。论文中使用的MATLAB软件为7.0版本。MATLAB7.0针对编程环境、代码效率、数据可视化、数学计算、文件I/O操作等方面都有进行不断升级、增加了新功能。为此、相对于以前的版本，也具有一些新的特性。就起开发环境方面来说：(1)重新设计的桌面环境，针对多文档界面提供了简便的管理和访问方法，允许用户自定义桌面外貌，创建常用命令的快捷方式。(2)增强数组编辑器(ArrayEditor)和工作空间浏览器(WorkspaceBrowser)功能，用于数据的显示、编辑和处理。(3)在当前目录浏览器(CurrentDirectoryBrowser)工具中，增加了代码效率分析、覆盖度的分析等功能。(4)增加了M-Lint编码分析，能辅助用户完成程序性能分析，提高程序执行效率。(5)对M文件编辑器(M-Editor)进行了功能增强，可以支持多种格式的源代码文件可视化编辑，如C/C+、HTML、Java等。MATLAB中的数字图像是以矩阵形式表示的，这意味着MATLAB强大的矩阵运算能力用于图像处理非常有利，矩阵运算的语法对MATLAB中的数字图像同样适用。本文对MATLAB图像处理工具箱进行探索及应用，实验证明该软件功能强大，语言简洁易学，人机界面友好，工具箱具有丰富的技术支持并集成了该领域专家的智慧，应用简单而效果良好。结束语在两个多月的毕业设计中，通过广泛查阅与课题有关的内容，我掌握了许多与计算机有关的东西，更重要的是使我对7.0软件功能应用和图像处理知识有了一定的了解。同时也了解到数字图像处理在模式识别，医学，军事等方面都有广泛应用，我受益匪浅。在图像处理方面也积累了不少的经验，特别是在图像灰度化和图像处理不熟悉的情况下，通过自己学习和导师的指导完成了设计任务。并在设计过程中，自己分析问题和解决问题的能力都得到了锻炼和提高，完善自己的知识结构，加深对知识的理解。这次毕业设计完成后，体会颇多，在学与做的过程中，取长补短，不断学习新的知识，吸取经验，达到进步的目的。在学与做的过程中老师的指导以及相关图书资料的帮助，我顺利完成了这次论文。但是由于自己的理论知识水平有限，实践知识和设计经验不足，在设计过程中难免存在一些不足，甚至错误，恳请老师批评指正，致使我在以后的工作和实践中加以改进和提高。参考文献：1. 潘梅森，荣求生。SOFM神经网络的图像融合的二值化方法【J】。光学精密工程，2007，15（3）：99104.2. 潘梅森，易明.一种基于人类是觉得自适应均值滤波算法【J】.计算机工程与应用，2006，42（10）：6264.3. 王建卫.彩色图像的中值滤波算法的改进与应用J.哈尔滨商业大学大学报：自然科学版.2006，22（4）：6769.4. 李文举，梁德群，王新年.质量退化的车牌字符分割方法【J】.计算机辅助设计与图形学学报，2004，16（5）：697700.5. 郝永杰，刘文耀，路烁。畸变汽车牌照图像的空间校正J.西南交通大学学报，2002，4（37）：417420.6. 陈丹，张峰，贺贵明.一种改进的文体图像二值化算法【J】.计算机工程，2003，29（13）：85860.7. 黄志斌.面向车辆牌照的L快递二值化算法【J】.华侨大学学报（自然科学版），2002，23（4）：427430.8. 郑咸义，张颖豪.一个改进的LBG算法【J】.J计算机辅助设计与图形学学报，1997.9（4）：335338.