基于字符串分割的字符串相似性判定

摘要 数字图像经过转换和传输后，难免会产生模糊。图像处理的主要目的是突出图像中的细节或者增强被模糊了的细节。图像锐化处理的方法多种多样，可以在空域或频域中进行。空域可以使用微分算子进行滤波，如拉普拉斯算子，Roberts算子等。频域可以使用理想滤波器，高斯滤波器等。本文研究了基于频域的锐化方法，选择巴特沃斯滤波器进行。并对普通的巴特沃斯滤波器进行改进，取得了不错的效果。 在MATLAB平台中实现了两种算法，并使用GUI界面的形式展现出来。GUI界面使用MATLAB自带的Guide工具写成。实验效果良好，图像均有锐化效果，且改进版的巴特沃斯滤波器效果更好。 关键词： 锐化 巴特沃斯 频域 MATLAB 数字图像处理（Digital Image Processing）又称为计算机图像处理，它最早出现于20世纪50年代 ，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。图像处理的基本目的是改善图像的质量。它以人为对象，改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常见的图像处理方法有图像增强、复原、编码、压缩等。图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天。生物医学工程、工业检测、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注意、前景远大的新型科学。随着图像处理技术的深入发展，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理更高、更深层次发展[1]。 数字图像处理技术已深入生活的方方面面，在图像的多种处理方式中，锐化是一种重要的预处理手段。在边界提取、二值化、图像复原、特征提取等领域中，锐化操作都有改善效果的作用。例如，在进行OCR光学字符识别之前，需要对图像进行二值化。而如果在二值化之前先进行边界锐化，那么二值化以后会更加容易处理，且再做数学形态学滤波后的线条会更加比值，可以有效避免数字或字母的扭曲和变形，提高OCR识别的正确率。 1.1? 图像锐化技术概述 图像是人类社会活动中最常用的信息载体，我们总是设法延伸视觉功能，弥补视觉功能的不足，从图像中提取更多的信息。图像又是客观世界能量或状态以可视化形式在二维平面上的投影，是社会生活中最常见的一种信息媒体。它传递着物理世界的能量和事物状态的信息，是人类获取外界原始信息的主要途径。我们在生产、科研或日常生活中看到的场景图像，包含着物体的“大量”的信息，通过感觉、知觉、记忆、认知、搜索、形成概念，直到最终理解和识别视觉刺激。 传统的方法如利用光学或模拟电路对图像进行处理，如望远镜、显微镜、眼镜，照相机、电视、录象机等。而数字图像处理是利用计算机（或数字技术）对图像信息进行加工处理，以获取更多有用的信息。在这方面，已经成为一门独立的新学科，并有着广泛的应用。 图像锐化处理是要增强图像频谱中的高频部分。相当于从原图像中减去它的低频分量，即原始图像经平滑处理后所得的图像。因为在图像中，相邻的像素之间总是表现出一些相似性。根据大面积着色原理，只有这样，才能形成可见的颜色，否则图像只是雪花点的堆砌。而这种相似性在频域中就表现为低频分量。低频分量与图像中的能量分布有关。 与此相对应，图像的高频分量对应图像的细节特征。如果图像出现了模糊，说明缺少了部分高频分量。因此在做锐化操作时，应设法加强高频分量，以提高图像的清晰度和可见度。 1.2? 国内外研究现状 图像锐化的主要目的在于补偿图像边缘轮廓、突出图像的边缘信息以使图像显得更为清晰，从而符合人类的观察习惯。图像锐化的实质是增强原图像的高频分量[2]。边缘和轮廓一般位于灰度突变的地方，因此和自然地利用灰度差分提取出来。 图像锐化是相对比较成熟的研究领域。目前已有多种方法实现。在空间域，可以采用空间滤波法。常见的滤波方法有： l? Roberts算子 l? Prewitt算子 l? Sobel算子 l? Laplacian 以上算子均为微分算子，计算的是图像像素之间的差值。因此，容易检测出图像的边缘，通过加强边缘，从而使图像看起来更加锐利。由于边缘和轮廓在一幅图中常常具有任意方向，而差分运算是有方向性的，因此和差分方向一致的边缘和轮廓便检测不出来[3]。以上所列出的算子对任意方向的边缘和轮廓都有检测能力 数字图像的锐化可分为线性锐化滤波和非线性锐化滤波。如果输出像素是输入像素领域像素的线性组合则称为线性滤波，否则称为非线性滤波。 此外，还可以在频域对图像进行滤波处理。上文已经提到，图像的频域系数分为高频分量和低频分量，低频分量代表亮度，高频分量表示图像的细节，如边缘、纹理等特征。因此如果能得到图像的频域表示，则通过加强频域高频分量即可实现锐化。具体地说，是用一个高通滤波器对图像进行滤波，最后再将结果附加到原图像中。常见的滤波方法有： l? 巴特沃斯滤波器 l? 切比雪夫滤波器 l? 椭圆滤波器 l? 高斯滤波器 1.3? 论文结构 本文在第一章简介了数字图像锐化的基本原理和应用领域，以及国内外的研究现状；在第二章中主要介绍了目前比较成熟有效的几种图像锐化算法；第三章着重介绍傅里叶变换、巴特沃斯滤波实现锐化的原理；第四章介绍了MATLAB开发平台，并在MATLAB中实现了巴特沃斯算法的锐化操作；第五章总结全文，展望下一步工作需要做的改进。