彩色图像好像需要转换为灰度图像之后再进行阈值分割 图像处理首先需要图像的分割：阈值分割，边缘检测，区域提取。 图像阈值分割是一种广泛使用的图像分割技术,它对物体与背景有较强对比的景物的分析是 特别有用，因此，我们尝试使用这种方法 直方图双峰法：左右两个峰，去峰谷可以对应的灰度级作为阈值，可以得到物体的边界，不 适合处理复杂的图像。 基于灰度值期望的阈值分割：摆脱传统基于直方图的阈值分割法对图像模型的假定，适用于 不同灰度的图像 最大类间方差阈值分割：在最小二乘法原理的基础上推导的，算法简单，适用范围广。 类间方差法和最大熵法对图像的分割效果较好，具有更广泛的适用性，但是由于算法复杂， 耗时较多，影响实时性。灰度期望算法呢虽然分割效果稍差，但是能够满足实时性。 图像边缘检测 Robert 边缘检测方法在熟悉，具体方式不明呗 拉普拉斯算子方法：对噪声比较敏感，是噪声的成分加强，应先进性平滑处理 高斯拉普拉斯算子 图像处理分算法实际的分析，比较各种图像分割的效果，选择更佳合适的分割方式 Robert 算子和 sobel 算子具有更广泛的使用性，由于 sobel 算子只能对水平或垂直一中边缘 进行检测，丢失一些边缘信息，为此可将 sobel 算子做一定的改进， 图像匹配算法 图像末班匹配是目标识别与跟踪的关键，图像匹配包含两个方面：匹配特征的选择和对特征 进行相关性的计算，图像特征的三个不同层次的选择：图像像素的灰度值、图像的物理性状 特征和图像内容的模数的特征。 Ccd 最终输出的是黑白全电视信号 图像的增强 图像对比度处理 直方图均衡化 图像的去噪 中值滤波较好的解决了消除脉冲干扰和保持信号边缘问题，得到广泛应用，传统种植滤波运 算量大，不适合实时效果，需要改进，快速中值滤波算法《》。在消除高斯噪声是效果很差。 例子，可以处理尖波噪声 

均值算法会使得图像边缘收到破坏，但是高斯噪声有很好的平滑能力。 均值滤波器是一种算法，不是硬件结构。 YUV4:2：2 的解释： 不同噪声的表现形式： 高斯噪声：图像上表现为细小的微弱的颗粒型亮点。 脉冲噪声：在图像上表象为较大的明亮的随机亮点。