MATLAB水下气泡采集处理系统设计+文献综述(3)
直方图处理
通常，为了描述一幅图像当中灰度的灰度级和各个灰度级所出现的比例情况，我们会想到用图像的直方图来描述这一属性。一般规定：它的横坐标表示灰度级，而纵坐标表示灰度值出现的概率。它的意义在于为图像处理的后续技术提供一个直观的图像信息，为接下来的图像处理作出准备。同时，它也能反应图像的清晰度以及图像的空间几何位置等等信息。它的作用包含在以下几个方面：邻域平均，直方图匹配，局域增强，直方图均衡化，中值滤波。
图像去噪
现实中图像在经过设备系统误差和自身传输误差以及外部环境噪声所导致的失真，称为含噪图像。因而，降低或者去掉这些噪声不免需要进行一些去噪手段。噪声分为三种，如下表所示：
加性噪声 这种噪声和输入图像信号无关，它是叠加在信号上的。比如摄像机扫描图像所产生的噪声。
乘性噪声 此类噪声和输入图像信号有关，它和信号的大小成正比，比如电视图像中的相关噪声，和胶片颗粒中的噪声。
量化噪声 量化噪声：此类噪声与输入图像信号无关，是一种比较复杂的噪声。
一般而言，均值滤波器可以起到去噪作用，但是，相应的，它以牺牲图像的分辨率为代价。几何均值滤波器在平滑度方面和算术均值滤波器差不多,但在滤波过程中会丢失更少的图象细节。谐波均值滤波器对于高斯噪声去噪效果好，但对于其他类型的噪声效果一般，因而，去噪是一门大学问，在去噪之前，我们需要知道我们主要要去掉何种噪声，在选择相应的去噪手段。
另一方面，噪声又分为两种形式，一种噪声出现的位置分布均匀，但幅度却参差不齐。另一种噪声出现的位置是随机的，但其幅度缺变化不大。一般而言，我们可以用图像的噪声均值来反映噪声的总体强度。下面给出公式：
在求得图像的噪声均值之后，我们需要用噪声的方差表示噪声分布的均匀情况
上一篇：二自由度简易云台增稳控制系统设计