3.5 小波去噪

　　小波的特点是符合人类视觉原理：即由粗到细，逐步细化，最后达到较好的处理效果

　　这种方法保留了大部分包含信号的小波系数, 因此可以较好地保持图像细节。

　　4 具体工程中噪声消除

　　笔者将数学形态学方法应用于动目标检测的工程实践中，在吸取大量前人成果的基础上，有针对性的采用了合适的消噪模板，收到了较好的动目标检测效果。

　　4.1 图像类型转换

　　工程中采集卡过来的图像为彩色图像，为加快处理速度，要把彩色图像转换为黑白图象，一般情况下彩色图像每个像素用三个字节表示，每个字节对应着R、G、B分量的亮度（红、绿、蓝），转换后的黑白图像的一个像素用一个字节表示该点的灰度值，它的值在0～255之间，数值越大，该点越白，即越亮，越小则越黑。经典转换公式：

Gray(x,y)=0.11*R(x,y)+0.59*G(x,y)+0.3*B(x,y)

　　其中Gray(x,y)为转换后的黑白图像在（x，y）点处的灰度值，绿色所占的比重最大，所以转换时也可以直接使用G值作为转换后的灰度。

　　为了在动目标检测时做到更好的实时性，要将得到的灰度图像转换为黑白二值图像，二值图像是一种简单的图像格式，它只有两个灰度级，即“0”表示黑色象素点，“255”表示白色象素点，若将（x，y）点处的在二值图像中的值记为F（x，y），那么有

　　式中，为二值化阈值。

4.2 数学形态学运算

　　二值图像处理运算是从数学形态学下的集合论发展起来的，尽管它的基本运算很简单，但却可以产生复杂的图像处理效果。常用的图像处理操作有许多方法，比如腐蚀、膨胀、细化、开运算和闭运算等。形态学是一门新兴科学，它的用途主要是获取物体拓扑和结果信息，它通过物体和结构元素相互作用的某些运算，得到物体更本质的形态。它在图像处理中的应用主要是：

　　1.利用形态学的基本运算，对图像进行观察和处理，从而达到改善图像质量的目的；

　　2.描述和定义图像的各种几何参数和特征，如面积，周长，连通度，颗粒度，骨架和方向性。

　　二值图像基本的形态学运算是腐蚀和膨胀，在这两种操作中要选择某种模板作为滑块，在得到的二值图像上滑动，滑块上要指定一个点为中心点，若物体颜色为白色，即二值图像中的“0”，腐蚀操作时，必须要所有的滑块上的点都为“1”时,处理后图像中心点的值才能为“1”；膨胀时，只要中心点的值为“1”，那么滑块上的其他点的值都应置为“1”, 对应的处理后图像上点的值也置为“1”。简单起见，我们选3×3的矩形滑块为例。腐蚀可以消除物体的所有边界点，其结果是使剩下的物体沿其周边比原物体小一个像素的面积。如果物体是圆的，它的直径在每次腐蚀后将减少两个像素，如果物体在某一点处任意方向上连通的像素小于三个，那么该物体经过一次腐蚀后将在该点处分裂为二个物体。如果是和物体相比较小的多离散的噪声，那么将被消除。简单的膨胀运算是将与某物体接触的所有背景点合并到该物体中的过程。过程的结果是使物体的面积增大了相应数量的点，如果物体是圆的，它的直径在每次膨胀后将增大两个像素。如果两个物体在某一点的任意方向相隔少于三个像素，它们将在该点连通起来。

　　腐蚀可以消除图像中小的噪声区域，膨胀可以填补物体中的空洞。对一个图像先进行腐蚀运算然后再膨胀的操作过程称为开运算，它可以消除细小的物体、在纤细点处分离物体、平滑较大物体的边界时不明显的改变其面积。如果对一个图像先膨胀然后再收缩，我们称之为闭运算，它具有填充物体内细小的空洞、连接邻近物体、在不明显改变物体面积的情况下平滑其边界的作用。通常情况下，当有噪声的图像用阈值二值化后，所得到的边界是很不平滑的，物体区域具有一些错判的孔洞，背景区域散布着一些小的噪声物体，连续的开和闭运算可以显著的改善这种情况，这时候需要在连接几次腐蚀迭代之后，再加上相同次数的膨胀，才可以产生所期望的效果。一下是工程中随机生成的一幅二值图像分别经过腐蚀和膨胀以后得到效果图（用的是3×3的滑块）：