图像处理文献综述【范本模板】
基于数字图象处理测量几何尺寸文献综述
基于数字图象处理测量几何尺寸文献综述一：前言1.写作目的通过文献综述的写作针对毕业设计的题目学会搜集和整理材料，能提出问题、分析问题并解决问题，并将其结果以文字的形式表示出来。
对利用数字图像处理进行几何尺寸的测量方法进行归纳、总结和研究。
对所阅读文献理解分析，并介绍相关概念，加深对所学知识的理解与掌握。
2.相关概念(1)数字图像处理：又称计算机图像处理，是利用计算机对图像信息进行各种处理的一门技术和方法。
(2) CCD：是Charge Coupled Device的缩写，称为电荷耦合器件，它是用一种高感光度的半导体材料制成，能把光线转变成电荷。
当CCD表面受光线照射时,每个感光单位会将电荷反映在组件上,所有的感光单位所产生的信号加在一起,就构成了一幅完整的画面。
(3)图像噪声：所谓噪声就是妨碍人的视觉器官或系统传感器对所接收的图像信息进行理解或分析的各种因素。
一些常见的噪声有椒盐噪声、脉冲噪声、高斯噪声等。
(4)灰度直方图：是灰度级的函数，它表示图象中具有每种灰度级的象素的个数，反映图象中每种灰度出现的频率。
灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率，是图象的最基本的统计特征。
(5)边缘：是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。
边缘反映的是图像灰度的不连续性。
(6)二值化：图像的二值化是指将灰度图像(灰度有255阶)转化为只包含黑、白两个灰度的二值图像,即0和1两个值。
一般采用阈值法,关键是阈值的选取技术。
(7) 曲线拟合：用连续曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系的一种数据处理方法。
3.综述范围几何尺寸的测量方法主要有传统的接触式测量与非接触式测量两类。
传统的接触式测量存在误差大、易受人为因素影响等缺点，本文主要探讨利用数字图像处理技术进行几何尺寸测量的方法，为产品的尺寸测量提供实时、快速、有效、经济的测量途径，它主要包括图像的预处理、二值化、图像分割、轮廓线条的提取与拟合、尺寸的计算等，并从理论和实践上证明该方法的可行性和正确性。
图像处理综述.
图像噪声分类及去噪方法综述2013552070 王跃洋数字图像中，噪声主要来源于图像的获取或传输过程。
成像传感器的性能受各种因素的影响，如图像获取过程中的环境条件和传感元器件自身的质量。
例如，在使用CCD摄像机获取图像时，光照水平和传感器温度是影响结果图像中噪声数量的主要因素。
图像在传输中被污染主要是由于传输信道中的干扰。
例如，使用无线网络传输的图像可能会因为光照或其他大气因素而污染。
图像噪声的分类图像噪声是图像在摄取或传输时所受的随机信号干扰，是图像中各种妨碍人们对其信息接受的因素。
很多时候将图像噪声看成是多维随机过程，因而描述噪声的方法完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数。
图像噪声是多种多样的，其性质也千差万别，所以了解噪声的分类是很有必要的。
一．按产生的原因分类1.外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。
如电气设备，天体放电现象等引起的噪声。
2.内部噪声，一般有四个源头：a)由光和电的基本性质所引起的噪声。
如电流的产生是由电子或空穴粒子的集合，定向运动所形成。
因这些粒子运动的随机性而形成的散粒噪声；导体中自由电子的无规则热运动所形成的热噪声；根据光的粒子性，图像是由光量子所传输，而光量子密度随时间和空间变化所形成的光量子噪声等。
b)电器的机械运动产生的噪声。
如各种接头因抖动引起电流变化所产生的噪声；磁头、磁带等抖动或一起的抖动等。
c)器材材料本身引起的噪声。
如正片和负片的表面颗粒性和磁带磁盘表面缺陷所产生的噪声。
随着材料科学的发展，这些噪声有望不断减少，但在目前来讲，还是不可避免的。
d)系统内部设备电路所引起的噪声。
如电源引入的交流噪声；偏转系统和箝位电路所引起的噪声等。
这种分类方法有助于理解噪声产生的源头，有助于对噪声位置定位，对于降噪算法只能起到原理上的帮助。
二．按噪声频谱分类频谱均匀分布的噪声称为白噪声；频谱与频率成反比的称为1/f噪声；而与频率平方成正比的称为三角噪声等等。
图像处理技术综述
图像处理技术综述图像处理是指对数字图像进行计算机处理的一系列技术。
其目的是识别、理解和改善图像的质量、更好地表示图像中的信息。
图像处理技术通过对图像进行数字处理，对图像进行增强、去燥、去模糊、变形、特征提取等操作，使得图像可以被更好地利用。
图像处理技术的应用广泛，包括医学、航空航天、军事、计算机视觉、娱乐等诸多领域。
下面将简要介绍图像处理技术的几个关键方面。
图像增强图像增强是一种通过对图像进行计算机处理来提高其质量的技术。
增强可以包括调整图像的亮度、对比度或色彩饱和度，或应用锐化技术。
增强可以明显提高图像的质量，以便于人类或计算机视觉系统更好地分析图像。
图像去燥图像去燥是通过对图像进行滤波以减少噪声的技术。
噪声可能是由于图像传感器、图像采集过程或图像处理造成的。
去噪可以提高图像质量，使得信息更加清晰。
图像去模糊是通过计算从模糊的图像中恢复尽可能多的信息的技术。
模糊可能是由于摄像机移动、光照不足、散焦模糊等造成的。
去模糊可以使得模糊的图像清晰化，以便于人类或计算机视觉系统更好地分析图像。
图像变形图像变形是一种改变图像形状、大小、方向等的技术。
变形技术可以用于图像增强、建模、图像贴合等应用中。
特征提取特征提取是从图像中提取关键信息的技术。
这些信息可以包括对象形状、边缘、纹理、颜色等。
经过特征提取处理的图像可以更好地用于对象检测、跟踪、分类等应用。
特征提取是计算机视觉领域中广泛应用的一项技术。
总之，图像处理技术在很多应用领域中都具有重要的作用。
随着计算机技术的发展，图像处理技术的应用将会越来越广泛，对于提高人们的生活质量、推动人类社会进步都将有着重要的意义。
图像分割文献综述
文献综述图像分割就是把图像分成各具特色的区域提取感兴趣目标的技术和过程。
它是由图像处理到图像分析的关键步骤，是一种基本的计算机视觉技术。
图像分割起源于电影行业。
伴随着近代科技的发展，图像分割在实际中得3到了广泛应用，如在工业自动化、在线产品检验、生产过程控制、文档图像处理、遥感和生物医学图像分析、以及军事、体育、农业工程等方面。
总之，只要是涉及对对象目标进行特征提取和测量，几乎都离不开图像分割。
所以，对图像分割的研究一直是图像工程中的重点和热点。
自图像分割的提出至今，已经提出了上千种各种类型的分割算法。
由于分割算法非常多，所以对它们的分类方法也不尽相同。
我们依据使用知识的特点与层次，将其分为基于数据和基于模型两大类。
前者是直接对当前图像的数据进行操作，虽然可以利用相关的先验信息，但是不依赖于知识；后者则是直接建立在先验知识的基础上，这类分割更符合当前图像分割的技术要点，也是当今图像分割的主流。
基于数据的图像分割算法多数为传统算法，常见的包括，基于边缘检测，基于区域以及边缘与区域相结合的分割方法等等。
这类分割方法具有以下缺点，○1易受噪声和伪边缘影响导致得到的边界不连续，需要用特定的方法进行连接；○2只能提取图像局部特征，缺乏有效约束机制，难以获得图像的全局信息；○3只利用图像的底层视觉特征，难以将图像的先验信息融合到高层的理解机制中。
这是因为传统的图像处理算法都是基于MIT人工智能实验室Marr提出的各层相互独立、严格由低到高的分层视觉框架下进行的。
由于各层之间不存在反馈，数据自底向上单向流动，高层的信息无法指导底层特征的提取，从而导致底层的误差不断积累，且无法修正。
基于模型的分割方法则可以克服以上缺陷。
基于模型的分割方法可以将分割目标的先验知识等有用信息融合到高层的理解机制之中，并通过对图像中的特定目标对象建模来完成分割任务。
这是一种自上而下的处理过程，可以将图像的底层视觉特征与高层信息有机结合起来，因此更接近人类的视觉处理。
计算机图形图像处理技术综述-数字图像处理论文-计算机论文
计算机图形图像处理技术综述-数字图像处理论文-计算机论文——文章均为WORD文档，下载后可直接编辑使用亦可打印——改革开放以来，随着计算机的飞速发展，从以前计算机寥寥无几已发展到现在的几乎家家户户都有。
在进入信息化时代的今天，快速有效率地获取信息将直接影响到人们的思维和决策。
我们感知事物的主要途径就是图画，计算机图形图像处理技术不仅可以使人们所看到的图形图像更加清楚，也可以使图像变得更加生动具体。
举个日常生活中的例子，比如我们看到的3D电影、多媒体课件、photoshop图像处理软件等。
计算机图形图像处理可以用于生活中很多方面，比如平面设计、网站设计、图像处理等。
计算机图形图像处理技术因为其处理图形效果好、准确性高、处理速度快等特点，使得计算机图形图像技术存在于许多领域，并且发挥着重要的作用。
1 计算机图形图像处理技术的含义所谓计算机图形图像处理技术，就是利用电脑来把概念或数学模型所描绘的几何图形或者立体几何图形通过计算机进行显示、修改、储存、压缩来达到使图像质量得到增强的效果，并且可以用如几何校正、灰度变换、去除噪声等方法进行图像的改善，来使抽象、模糊、不真实的图片变得更加生动具体，来达到增加人们视觉效果的目的。
简而言之，就是利用计算机把图片进行加工处理，使图像变得更加生动。
计算机图像处理包括对数字图像的处理、对数字图像的分析与理解、结合传感设备对实际事物的数字化图像采集以及对图像处理结果的数字化表达等。
通过计算机可以把图片从二维转化成三维，增强图片的真实感，使人身临其境。
2 计算机图形图像设计的内容（1）计算机可以使图像数字化，计算机可以把需要修改的图片转化成数字模式，便于计算机处理和识别，使计算机对图片的处理更加准确；（2）计算机可以把原有的照片增强或复原，照片的增强或复原是使照片增强着色的重要途径，可以减少干扰和噪声使图像更加清晰；（3）计算机图形图像设计可以利用代数法、反投影法来进行图片的保真，达到重建图像的目的。
图像处理技术综述
图像处理技术综述图像处理技术是应用于计算机视觉、计算机图形学、人工智能等领域的一种技术，用于改善或增强图像的质量、可视性、信息含量或拟合特定需求。
在当今信息技术快速发展的时代，图像处理技术已被越来越广泛地应用于医学、军事、安全监控、遥感、交通、广告等领域。
一、图像处理的基本流程1、获取图像首先需要获得图像，其方式很多。
例如，用专业摄像机或手机或扫描仪捕获图像。
另外，从互联网或其他共享资源中获取的图像也可以作为处理对象。
2、预处理图像在采集到图像数据后，需要对图像进行预处理。
这主要是为了去除噪声和畸变，以便更好地处理图像数据。
一些常见的操作包括滤波、均衡化、归一化和旋转等。
3、分割图像将图像分成若干个区域，通过分析这些区域来获取有用的信息。
分割可以基于颜色、亮度、纹理、图像特征、形状等进行。
4、提取特征提取图像中的特征是使用智能算法和其他技术来描述图像中重要的信息。
这些特征可以是纹理、边缘、角点或其他模式，并且可以用来判断图片是否满足特定要求。
5、抽取结构信息对于一些需要对图像进行量化和分析的应用，可以从图像中提取出具有代表性的结构信息。
应用某些算法，通过获取的特征和结构信息来分析图像。
根据分析的结果，可以识别物体、建立模型、人机交互等等。
图像滤波是一种常用的基本方法，它主要用于去除图像中的噪声。
常见的滤波方法有平均滤波、高斯滤波、中值滤波等。
图像增强技术是指通过算法将低质量的图像improved以获得更高质量的图像，例如提高对比度、清晰度、亮度等。
图像压缩是将数字图像压缩到尽可能小的空间，使其更容易存储和传输。
最常用的压缩方式是JPEG和PNG。
图像分割是将图像分割成不同的部分，每个部分对应相应的特征，这些部分组成面向目标识别和跟踪的区域。
常用而有效的算法包括K均值聚类、分水岭算法等。
特征提取是将图像中的信息抽象化作为特定可识别模式。
从图像中提取特征通常需要使用泛函分析和模式识别技术。
6、目标识别目标识别即在图像中找到和辨识特定目标，它应用于许多领域，例如医疗图像识别、移动机器人、军事目标等重要领域。
三维动画场景文献综述范文模板例文
三维动画场景文献综述范文模板例文在本文综述中，我们对三维动画场景进行了详细的研究和文献综述。
我们主要关注了三维动画场景的设计、建模、渲染和动画效果等方面的研究。
我们选择了以下几篇相关文献进行综述，并对它们的研究方法、实验结果和创新点进行了详细的描述和分析。
1. 文献1：《基于虚拟场景的三维模型重建方法研究》这篇文献主要介绍了一种基于虚拟场景的三维模型重建方法。
作者首先对场景进行了拍摄和扫描，然后使用计算机视觉和图像处理技术对这些数据进行处理，最终生成了高质量的三维模型。
文章中提到了一些关键技术，如点云配准、表面重建和纹理映射等。
实验结果表明，该方法能够有效地重建复杂的三维场景，并获得真实感和逼真度较高的模型。
2. 文献2：《基于物理模拟的三维动画场景设计方法研究》这篇文献介绍了一种基于物理模拟的三维动画场景设计方法。
作者通过使用物理引擎和动力学模拟技术，可以模拟真实世界中的物理效应，如重力、碰撞和流体动力学等。
文中对于如何使用物理模拟来设计复杂的场景进行了详细的描述，并提供了一些实际案例和实验结果。
结果表明，该方法能够有效地改善三维动画场景的真实感和逼真度。
3. 文献3：《基于光线追踪的三维动画场景渲染方法研究》这篇文献提出了一种基于光线追踪的三维动画场景渲染方法。
作者通过模拟光线在场景中的传播和反射，可以模拟真实世界中的光照效果和阴影效果。
文中详细介绍了光线追踪算法的原理和实现方法，并给出了一些实验结果和比较分析。
实验结果表明，该方法具有较高的渲染质量和真实感，能够有效地提高三维动画场景的视觉效果。
综上所述，以上三篇文献对于三维动画场景的设计、建模、渲染和动画效果等方面进行了重要的研究。
它们提供了一些创新的方法和技术，能够有效地提高三维动画场景的真实感和逼真度。
未来的研究可以进一步探索和改进这些方法，并将其应用于实际的三维动画制作中。
数字图像处理综述
视频图像处理技术在实时交通信息采集中的应用交通信息是现代交通管理与控制的基础。
采集交通信息有多种技术,目前国内采用较多的是地埋式线圈检测器。
这种方法在技术上比较成熟,但从覆盖范围、检测参数、可维护性和安装简易性等角度来看,该方法有诸多缺陷。
其他自动化检测方法还包括微波雷达、激光雷达、超声波、视频检测技术等。
和其他技术相比,视频检查具有以下优点:(1)多道性。
能一次探测多条车道的交通参数,如车辆类型、道路占用率、流量和平均速度等。
(2)安装维修方便。
不会造成路面损坏,并能在不中断交通的情况下完成安装维修工作。
(3 )检测参数多。
常规检测器受采集方法的限制,理论上无法准确计算出排队长度和交通流密度等参数而只能估算道路占有率,视频检测器由于其视野广的特点而使之成为可能。
(4 )可重现场景。
视频检测图象记录在硬盘或磁带上,可以事后重现交通场景。
这为研究交通行为、改进交通管理方法和处理交通事故提供了大量信息。
视频检测是前瞻性好且能代表发展趋势的自动化检测技术之一。
目前实践上已经有不少视频检测产品, 按工作原理可分为两类: 虚拟线圈法和车辆跟踪法, 介绍其工作原理如下:虚拟线圈法: 早期大部分视频检测技术是采用是虚拟线圈法,其工作原理类似于地埋式线圈检测器。
用户在图象上定义检测线位置, 系统通过计算检测线变化强度来判断车辆的经过, 从而计算交通参数。
该方法的优点是大大减少了数据处理时间, 在满足实时要求的前提下完成流量、速度的检测。
由于交通场景象素值与路面象素值作差分比较仅仅可得到有无车辆通过采样线位置这一唯一的特征值, 而丢失了包括车辆长度、宽度和运动轨迹等特征, 所以降低了系统的可靠性, 同时也未能充分利用图象信息。
车辆跟踪法: 通过识别出交通场景图象中符合车辆特征的象素, 进行图象分割, 并依据提取出的特征来匹配前后帧中车辆, 从而计算交通参数。
理论上, 车辆跟踪法比虚拟线圈法更为严谨, 所以更能代表发展的趋势。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
信息工程学院毕业设计文献综述姓名：学号：专业:班级：此栏为论文题目作者姓名：（塔里木大学信息工程学院＊*系＊＊班，电话号码）摘要：在图像处理中，图像滤波起着重要作用。
它可以有效地抑制（平滑）各种噪声、保持边缘信息，从而改善后续处理工作的质量（如提高图像分割精度等）。
图像滤波的方法有很多,比如说中值滤波、均值滤波、高斯滤波、维纳滤波等，中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，均值滤波是把每个像素都用周围的8个像素来做均值操作，高斯滤波实质上是一种信号的滤波器，其用途是信号的平滑处理，本文着重对中值滤波、均值滤波和高斯滤波进行分析，进一步了解它们的原理、特点、改进的算法及其应用.关键词：图像；滤波；中值滤波；均值滤波；高斯滤波一、引言图像滤波就是采用一定的算法对数字图像进行处理，以获得人眼视觉或者某种接受系统所需要的图像处理过程。
［1]对图像滤波的要求是，既能滤除图像中的噪声又能保持图像的细节。
[2］由于噪声和图像细节的混叠，所以在图像滤波中，图像的去噪与细节的保留往往是一对矛盾。
数字图像滤波技术是20世纪60年代发展起来的一门新兴学科,随着图像滤波理论和方法的进一步完善，［3］使得数字图像滤波技术在各个领域得到了广泛应用，并显示出广阔的应用前景。
面对数字化时代的来临，图像滤波知识显得越来越重要，实际上图像滤波已经渗透到计算机、电子、地质、气象、医学等诸多领域.二、正文1、＊＊的发展状况图像滤波的发展大致经历了初创期、发展期、普及期和实用化期4个阶段.初创期开始于20世纪60年代，当时的图像采用像素型光栅进行少秒显示，大多采用中、大型机对其处理.[5］在这一时期，由于图像存储成本高、处理设备昂贵，其应用面很窄。
进入20世纪70年代的发展期，开始大量采用中、小型机进行处理，图像处理也逐渐改用光栅扫描方式，特别是CT和卫星遥感图像的出现，对图像处理技术的发展起到了很好的推动作用。
到了20世纪80年代，图像处理技术进入普及期，此时的微机已经能够担当起图形图像处理的任务。
超大规模集成电路(Very Large Scale Integration，VLSI)的出现使处理速度大大提高，设备造价也进一步降低，极大地促进了图形图像系统的普及和应用。
[7]20世纪90年代是图像处理技术的实用化时期，图像处理的信息量巨大,对处理速度的要求极高。
2、＊＊的意义图像滤波，即在尽量保留图像细节特征的条件下对目标像的噪声进行抑制，是图像预处理中不可缺少的操作，[9]其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。
由于成像系统、传输介质和记录设备等的不完善,数字图像在其形成、传输记录过程中往往会受到多种噪声的污染.另外，在图像处理的某些环节当输入的对象并不如预想时也会在结果图像中引入噪声。
[11］这些噪声在图像上常表现为-引起较强视觉效果的孤立象素点或象素块.一般，噪声信号与要研究的对象不相关它以无用的信息形式出现，扰乱图像的可观测信息.对于数字图像信号，噪声表为或大或小的极值，这些极值通过加减作用于图像象素的真实灰度值上，在图像造成亮、暗点干扰,极大降低了图像质量,影响图像复原、分割、特征提取、图识别等后继工作的进行。
[15]要构造一种有效抑制噪声的滤波必须考虑两个基本问题能有效地去除目标和背景中的噪声；同时，能很好的保护图像目标的形状、大小及特定的几何和拓扑结构特征.随着计算机的发展,图像滤波越来越受人们所关注。
早期的图像滤波的目的仅仅只是为了改善图像的质量，当时图像拍摄的硬件技术相对比较落后，获得图像的质量也比较差，科学家们发现可以利用计算机来改善图像的显示效果，弥补硬件的不足。
在图像滤波中,输入视觉效果差的图像，输出的是改善质量后的图像。
3、图像滤波的方法在图像处理中,图像滤波起着重要作用.它可以有效地抑制（平滑)各种噪声、保持边缘信息，从而改善后续处理工作的质量（如提高图像分割精度等）。
图像滤波的方法有很多，具体如下:（1)中值滤波：常用的非线性滤波方法，也是图像处理技术中最常用的预处理技术。
它在平滑脉冲噪声方面非常有效，同时它可以保护图像尖锐的边缘.(2）均值滤波：均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个象素,构成一个滤波模板,即去掉目标象素本身）。
[16］均值滤波也称为线性滤波，其采用的主要方法为领域平均法。
（3)高斯滤波：高斯滤波实质上是一种信号的滤波器，其用途是信号的平滑处理。
（4）维纳滤波：维纳滤波是用来解决从噪声中提取信号问题的一种过滤（或滤波)的方法。
（5）空域滤波：空域滤波是在图像空间中借助模板对图像进行领域操作,处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。
(6）频域平滑滤波：将图像从空间或时间域转换到频率域，在频域里，采用简单平均法求频谱的直流分量。
可以构造一个低通滤波器,使低频分量顺利通过而有效地阻于高频分量,再经过反变换来取得平滑的图像.4、**的应用（1）中值滤波及其改进算法的应用中值滤波是一种非线性滤波技术，中值滤波器的优点是运算简单而且速度较快，在滤除叠加白噪声和长尾叠加噪声方面显示出了极好的性能.但是对一些细节多，特别是点、线和尖顶多的图像不宜采用中值滤波的方法。
为了扩大它的应用范围，对中值滤波也有很多改进算法，如权重中值滤波,就是通过给窗口内的像素赋不同的权值来调节噪声抑制与细节保持之间的矛盾，该方法以牺牲噪声抑制来获得比传统中值滤波更为有效的细节保持能力;还有一种基于排序阈值的开关中值滤波算法，对噪声点和平坦区进行中值滤波以得到良好的噪声滤除效果，而对边缘细节区不做处理以获得良好的细节保护效果。
另有一种可以处理具有更大概率的冲激噪声的是自适应中值滤波器,在进行滤波处理时,能依赖一定条件而改变邻域的大小.其优点是在平滑非冲激噪声时可以保存细节,所以既能除去“椒盐”噪声,平滑其他非冲激噪声，还能减少诸如物体边界细化或粗化等失真. （2)均值滤波及其改进算法的应用采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。
邻域平均法有效地抑制了噪声,但是在求均值的计算过程中，景物的边缘点也进行均值处理，这样就使得景物的清晰度降低，画面变得模糊。
基于这种情况，对均值滤波提出了各种改进算法,实现了新的均值滤波器，如加权均值滤波器，灰度最小方差均值滤波器，K近邻均值滤波器，对称近邻均值滤波器等等，这些滤波器在进行平滑处理时，刻意避开了对景物边界的平滑处理，所以可以大大降低对图像的模糊。
（3)高斯滤波及其改进算法的应用对传统高斯滤波算法只考虑在其选择邻域内距离的影响,从而在去除噪声的同时严重模糊图像这一缺点，提出了一种改进的可保留边缘的滤波法，它是属于一种上下文有关算子,不仅考虑像素间的距离因素，而且也考虑像素间灰度值因素，整个高斯掩模权值系数是在不断地动态调整中，而并不像原高斯滤波算法中的掩模权值系数保持不变.改进的高斯掩模权值不仅随着掩模中心点与其邻域点之间的距离的增加而减小，而且也随着掩模中心点与其邻域点之间的灰度值差的增大而减小。
［21]在边缘处其灰度值差小,则其权值系数就大，反之在含有噪声处，其灰度值差大,其权值就小。
该方法在去噪的同时能很好地保留图像边缘等细节信息,获得了较好的图像增强效果.参考文献［1］霍宏涛.数字图像处理.北京理工大学出版社.[2]刘明奇,党长民。
实用数字图像处理。
北京理工大学出版社。
[3］周平,郑文刚,孙忠富。
基于局部信息的图像滤波及边缘锐化算法［J].计算机应用,2009,（06).[4］彭双春,刘光斌，张建。
烟雾干扰下的实时图滤波方法研究[J]。
红外与激光工程，2005,（08)。
[5]李勇，周颖。
基于小波变换的人体图像自适应滤波处理[J］.天津工业大学,2006,（25)。
［6］郭海霞，解凯。
一种改进的自适应中值滤波算法［J］.哈尔滨师范大学数学与计算机学院计算机系，2007,（07)。
［7］胡晓东，彭鑫，姚岚。
小波域高斯混合模型与中值滤波的混合图像去噪研究[J］.中国科学院西安光学精密机械研究所,2007,（12）。
[8］徐海东，王山林,赵春刚.图像处理的实际算法[J]。
黑龙江矿业学院，2000，（06）。
［9］唐权华,周艳.中值滤波算法的研究与改进［J].西南交通大学,2008，（08）。
[10]张天瑜.基于改进型中值滤波算法的图像去噪[J]。
无锡市广播电视大学机电工程系，2009,（02)。
[11］吴储彬.均值加速中值滤波算法［J]。
江苏技术师范学院东方学院，2006，(12）。
［12]张明源,王宏力.改进型中值滤波器在图像去噪中的应用[J]。
第二炮兵工程学院,2007，(08）。
[13]何小海,滕奇志.图像通信。
西安电子科技大学出版社。
[14］王爱玲,叶明生。
图像处理技术与应用。
电子工业出版社.［15］颜兵,王金鹤.基于均值滤波和小波变换的图像去噪技术研究［J]。
青岛理工大学计算机工程学院，2011，（02）.［16］王科俊，熊新炎。
高效均值滤波算法[J］.哈尔滨工程大学自动化学院，2010,（02）。
[17］张丽,陈志强。
均值加速的快速中值滤波算法［J］。
清华大学工程物理系,2004,（09)。
[18］胡蕾，张伟。
几种图像去噪算法的应用分析［J]。
成都理工大学信息工程学院,2007,(07）. [19］贾书香,任小洪。
一种加权均值滤波的改进算法［J]。
四川理工学院自动化与电子信息学院，2009,（08).[20］吴建华，李迟生。
中值滤波与均值滤波的去噪性能比较[J]。
南昌大学电子科学工程系,1998，(03）。
[21]刘权，吴陈.边缘保留的图像滤波方法［J].江苏科技大学电子信息学院,2007，(03)。