图像信号在其形成、CL-200IR-X-TSL传输和记录过程中，由于成像系统、传输介质、工作环境和记录设备的不完善，会引入噪声而使图像质量下降，或称退化。对有噪图像来说，其后续处理（如特征提取图

像分析和识别、图像压缩等）的成败往往取决于其前期处理的效果和质量。尤其是在恶劣和高噪声环境下（如军事电子对抗、工业机器人、历史文物资料等）得到的一些低信噪比图像，如前期处理效果不佳，则后续处理往往难以为继。因此，这部分的工作具有相当重要的意义。

  中值滤波是常用的滤波方法。中值滤波是一种去除噪声的非线性处理方法。开始，中值滤波用于时间序列分析，后来被用于图像处理，并在图像的去噪复原中取得了较好的效果。中值滤波的基本原理是把数字图像中一个像素点的灰度值用该点的一个小邻域中各点值的中值代替。把一个点的特定长度或形状的邻域称作窗口。邻域的大小决定在多少个数值中求中值，窗口的形状决定在什么样的几何空间中取元素计算中值。对二维图像，窗口的形状可以是矩形、圆形及十字形等，它的中心一般位于被处理点上。窗口大小及形状有时对滤波效果影响很大。

   图像的二值化

   目标图像的二值化也是图像处理中非常重要的部分。图像分割是图像识别的关键和前提，阈值分割是图像分割的一种简单的常用的方法，通过选取适当的阈值，将原图像中的前景和背景分开。该方法的处理结果直接依赖于阈值的选择，如何确定最优阈值保证有效的分割效果，一直是阈值分割的难题。

   图像阈值分割是一种广泛使用的图像分割技术，它利用了图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域（目标和背景）的组合，选取一个合适的阈值，以确定图像中每一个像素点应该属于目栎还背景区域，从而产生相应的二值图像。阈值分割后大大简化了后面的分析和处理步骤。和灰度图像一样，二值图像只需要一个数据矩阵，每个像素只取两个离散的值。实际上，这两个值就相当于开和关，对应于white和black，一个二值图像是以0和1的逻辑矩阵存储的。