1 基于形态学运算的星空图像分割
主要内容： 在获取星图像的过程中，由于某些因素的影响，获得的星图像存在噪声，而且星图像的背景经常是不均匀的，为星图像的分割造成了极大的困难。膨胀和腐蚀是形态学的两个基本运算。用形态学运算对星图像进行处理，补偿不均匀的星图像背景，然后进行星图像的阈值分割。 要求： 1>
图像预处理：对原始星空图像进行滤波去噪处理； 2> 对去噪后的图像进行形态学运算处理； 3>
选取自适应阈值对形态学运算处理后的图像进行二值化；
4> 显示每步处理后的图像； 5>
对经过形态学处理后再阈值的图像和未作形态学处理后再阈值的图像进行对比分析。 待分割图像 直接分割图像
处理后的分割图像 2 基于数字图像处理的印刷电路板智能检测方法 主要内容：
通过对由相机实时获取的印刷电路板图像进行焊盘识别，从而提高电子元件的贴片质量，有效提高电路板的印刷效率。 要求： 1>
图像预处理：将原始彩色印刷电路板图像转成灰度图像，对灰度图像进行背景平滑和滤波去噪； 2> 对去噪后的图像进行图像增强处理，增强边缘提取的效果。 3> 对增强后的图像进行边缘提取（至少两种以上的边缘提取算法）； 4> 显示每步处理后的图像（原始电路板图像可自行查找）； 5>
图像处理后要求能对每个焊盘进行边缘提取，边缘清晰。
图像在采集和传输中会不可避免的受到噪声的污染，影响人们对图像的理解和分析处理。图像去噪的目的就是滤除噪声，减少噪声的影响，使图像信息更加真实的呈现。本文简单介绍了图像噪声的分类及常用的图像的去噪方法，对传统的中值滤波方法进行了分析，并针对传统的中值滤波方法存在的不足,提出自适应中值滤波方法，并在MATLAB软件上进行了编程和仿真。结果表明自适应中值滤波方法对噪声密度较大的图像比传统中值滤波有更好的滤波效果。
本文第一章对数字图像处理常用方法，图像噪声的分类和主要去噪方法等基础知识做了介绍，并对MATLAB软件发展主要组成和功能进行了概括，同时对用于图像处理的MATLAB主要函数进行了介绍。第二章对图像的中值滤波方法的原理和算法进行介绍，并分析其不足，提出自适应中值滤波器的设计。第三章对自适应中值滤波器的原理和设计算法做了分析，并在MATLAB软件上进行了编程和仿真，对处理结果进行比对、归纳。最后，对本论文做了总结。
上一节课给各位同学介绍了传统信号最常用的算法——中值滤波算法。这个算法以优异的去噪性能和对信号本身较小的破坏，成为图片、视频等处理的首选。
不过在地震信号处理领域，处理噪声和提高分辨率性能更好的选择是另外一种算法——构造导向滤波算法。
01 什么是构造导向滤波
构造导向滤波采用 “各向异性扩散”平滑算法，即平滑操作只对平行于地震同相轴的信息进行，而对垂直于地震同相轴方向的信息不作任何平滑。如果发现地震同相轴横向不连续，将不作平滑，即此平滑操作不是超出地震反射终止（断层及岩性边界）的操作，因此这种滤波方法能保护断层和岩性边界信息。由图可见，经构造导向滤波处理后使原始地震数据中的断续反射（珍珠串反射）变得稳定，成为连续的、可追踪的同相轴，但在断层处反射终止形式被保留。
02 一个实战案例
我们继续延续以前案例的数据。
测试数据使用64*64的一个仿真地震数据，如图所示。
加上了15%的随机噪声，就变成了图中这模样。
可以看出，噪声对有效信号影响是比较大的，特别在信号边缘，出现了很大的干扰。接下来，我们就来看看怎样使用构造导向滤波来降噪。
接下来就是构造导向滤波的主函数：
这个函数比较复杂，具体的推导公式都是热学上的，感兴趣的可以去看原论文。这里简单介绍一下用到的公式。主要迭代方程如下：
I是信号，因为是个迭代公式，所以有迭代次数t。四个散度公式是在四个方向上对当前像素求偏导，news就是东南西北四个方向，公式如下：
而cN/cS/cE/cW则代表四个方向上的导热系数，边界的导热系数都是小的。公式如下：
最后整个公式需要先前设置的参数主要有三个，迭代次数t，根据情况设置；导热系数相关的k，取值越大越平滑，越不易保留边缘；lambda同样也是取值越大越平滑。
公式理解起来比较困难，大家主要理解怎样用就可以了。
根据实际的使用经验，这个函数主要关注的参数有这么几个：
一是迭代次数。一般来说不超过10次，迭代次数太多，很多细节都被过滤了。
二是kappa参数。对于图像来说，最大值255，一般选择50左右。所以对于地震图像首先要进行归一化，然后根据数值范围设置参数。
三是option参数。如果对于信号边缘要求比较高，建议选2。
最后看看处理的效果：
可以看到去除的噪声比较多，边缘也能够保证，相比中值滤波的效果要好。
以上就是今天的课程。这节课我们介绍了一种在传统的滤波算法中效果较好的一种方案——构造导向滤波。如果大家对程序感兴趣，可以联系我交流。今天的课程就到这里，再见。
