4.图像噪声的抑制
图像噪声的定义，是采集或传输图像时受到的外界干扰。噪声会对人的视觉接收产生影响，或会干扰传感器处理和分析图像的工作，也可能是因为真实信号与理想图像之间的误差造成的。通常我们使用概率统计法来处理分析图像，因为噪声是随机产生的信号。噪声对图像质量的影响很大，尤其是在采集和输入图像信号时期，噪声抑制十分重要，若在图像采集时混入一定量的噪声，图像处理结果必定会受到严重影响。因此，无论对数字信号还是模拟信号进行图像处理之前，噪声抑制都是关键的一步目标[9]。因此，最大化减少噪声是图像处理的一大重要课题。常用噪声抑制算法有空域的均值滤波、中值滤波以及频域的低通、高通、中通滤波等等。
5.图像的锐化处理及边缘检测
使用图像锐化技术，我们可以获得图像中的重点细节或者还原图像中模糊化的细节部分[10]。采取图像时，当图像摄取工具的清晰度限制，人员操作不当调焦不到位或者由于物体本身的运动，模糊就不可避免。比如低分辨率摄取工具采集的图像中，一个像素点的亮度只是真实点周围景物的平均值，并不能代表真实点的亮度值，图像模糊往往就是由于这种均值采集导致。而取平均值的运算相似于数学积分，所以从逆向计算，我们可以使用微分的方法对模糊进行锐化，通常运用于图像边缘检测和提取的工作。常用锐化算法有Roberts算子、Sobel算子、Priwitt算子、Laplacion算子、Wallis算子等等，较好的边缘检测算法是Canny算法。
6.图像分割
在图像处理过程中，有时我们需要把关键部分从大背景中提取出来单独分析，因而图像分割就是这样一种分离提取出图像中指定区域的图像处理过程。由于图像分割处理的关键就是把图像中重点部分和背景区域进行辨别分隔，所以我们又把这种步骤称为图二值化处理，图像分割的关键是阈值的选取。常用的图像分割算法有p参数法、均匀性度量法、类间最大距离法等。
7.二值图像处理
完成图像分割工作后，我们可以把图像分为目标物与背景区域两种不同的信息，但是目标提取后的图像并没有完善，存在一些问题。例如，目标物中包含不少虚假提取点；目标图像中有黏连或断开的情况；各个目标点形态特征不一样。因此我们要使用二值图像处理，在区分出目标点所属的各个部分后，要对不同点进行运算处理，以获得理想效果。常用二值处理算法有腐蚀与膨胀、开运算与闭运算、细化、贴标签等等[11]。
1.2  本文工作
本课题是源于企业委托对具有背景噪音、对比度低、颜色差异大的两工件刻线之间垂直距离进行测量，利用 CCD 相机采集工件表面图像，采用图像处理技术，使用Matlab软件对图像进行处理，经过去噪、增强、边缘化、线性拟合等步骤，得到两刻线的拟合直线，计算垂直距离，从而校验工件对接精度。本文中首先选取合适镜头的CCD相机对工件及标定尺进行图像提取，然后对其图像做数字化处理工作，最后计算刻线距离。图像处理是本文的核心工作，主要步骤如下：
（1）通过非线性动态范围调整，将刻线所处位置的暗区扩展，获得对比度清晰的刻线图像。
（2）使用中值滤波除去刻线周围的噪点干扰，保证刻线边缘特性清晰。
（3）利用Canny算子对两刻线进行边缘提取。
（4）通过最小二乘法拟合出两条刻线的中线，延长舵线至舱线左端得出两线垂直方向的像素差值。
（5）对标定游标卡尺进行边缘提取、拟合中线，方法同上，计算出图像垂直方向上1像素所代表的直线距离，即像素当量。 Matlab低对比度刻线图像处理技术的研究(3):http://www.751com.cn/wuli/lunwen_20498.html