由於資訊科技與產品快速且多樣的發展與進步，除了早期的科學數據型資料外，近年來幾乎所有的資料如文字、聲音、圖(影)像等皆以數位方式呈現儲存，舉凡MP3、MP4、PDF、JPG等常見檔案皆為儲存數位化資料檔案，簡單的說存在於電腦儲存設備內並使用電腦周邊設備呈現的資料即為數位資料。數位方式所呈現與儲存的資料有著穩定、不會質變和搬運與複製方便等等優點，資料數位化已逐漸變成不可避免的一種趨勢了。然而較早期的一些舊資料（包含可能的有聲音、影像、文字或者圖像）為了長久保存以及方便管理目的而產生了數位化需求。而數位化資料品質與資料原始來源本身的保存好壞，以及數位化轉換方法與設備規格有者絕對的相關性。舊資料在數位轉換過程中往往可能發生失真、雜訊等不良現象，且長期累積的龐大數量傳統資料如以人工方式進行轉換及消除雜訊需耗費大量人力及時間，且可能因為處理人員主觀意識不同而產生出來的結果有所差異。在本論文中我們將針對紙本文件本身，及其轉換後所產生的文件做雜訊優化處理。目的希望取代人工方式並且能夠達到一定程度的雜訊辨識、與消除率。
此篇論文主要研究關鍵在於如何識別及定位雜訊，利用地理模型概念統計影像密度、範圍與分佈位置等方式作為雜訊判斷及識別指標（Threshold），並藉由此值找出雜訊可能位置及區域與字體區分，再將目標文件進行分割消除、合併還原等處理。

In this paper, we introduce a method for noise reduction in digitized document. We proposed a method that uses a successive procedure based on Mathematical Morphology concept to remove noise. We not only remove pepper and salt noise, but the noise generated by digitization process or the dirty file itself. This approach applies geographical model to image and then utilize segmentation, statistic and average method to elect proper threshold to remove noise area for sub image. Finally, we judge and restore the excessive reduction area. The goal of this paper is we hope to find a method to substitute for artificial noise reduction.

目錄
第一章	 緒論 1
1.1	 研究動機與目的 1
1.2	 相關研究 2
1.3	 論文架構 4
第二章	 背景知識 5
2.1	 文件數位化引發的問題 5
2.2	 雜訊分析與介紹 6
2.3	 雜訊處理的方法與相關理論 8
2.4	 基本運算 9
第三章	 雜訊消除實作 16
3.1	 概述 16
3.2	 前景物件分析 21
3.3	 影像強度區塊統計 22
3.4	 雜訊可能點清除 24
3.5	 非雜訊前景還原 25
3.6	 雜訊消除範例 27
第四章	 研究結果探討 32
4.1	 系統及環境說明 32
4.2	 研究過程與結果討論 32
第五章	 結論與未來展望 38
參考文獻 39
附錄一英文論文 41

圖目錄
圖1.超音波醫學影像雜訊消除,[1],p57 3
圖2.雜訊清除附帶邊緣偵測,[2],p189 3
圖3.OCCO模糊化,[3],p22 4
圖4.光子雜訊模擬,[4] 8
圖5.形態學圖例,[9] 10
圖6.形態學運算圖例,[10],p42 11
圖7.指紋影像進行連續型態學運算,[11],p37 12
圖8.建構元示意圖,[11],p7 13
圖9.電路圖套用不同大小建構元進行運算,[11],p28 13
圖10.中值濾波,[12] 14
圖11.Otsu’s method門檻值效果圖,[13] 15
圖12.系統流程圖 17
圖13.系統處理對照圖 18
圖14.物件連通性示意圖I 22
圖15.物件連通性示意圖II,[14] 22
圖16.連通性統計圖 23
圖17.圖16套用門檻值後之影像 23
圖18.圖17之子影像 24
圖19.雜訊去除 25
圖20.區域平均點數去除影像圖 26
圖21.門檻值64影像還原圖 26
圖22.門檻值84影像還原圖 27
圖23.清除前無背景純文字類型 28
圖24.清除後無背景純文字類型 28
圖25.清除前背景純文字類型 29
圖26.清除後背景純文字類型 29
圖27.清除前圖像與文字混合類型 30
圖28.清除後圖像與文字混合類型 30
圖29.圖像類型 31
圖30.連通性統計圖I 33
圖31.連通性統計圖II 34
圖32.連通性統計圖III 34
圖33.連通性統計圖IV 35
圖34.連通性統計圖V 35
圖35.原始影像I 36
圖36.圖35處理後影像 36
圖37.原始影像II 37
圖38.圖37處理後影像 37

[1]T.RathaJeyalakshmi and K.Ramar ,”A Modified Method for Speckle Noise Removal in Ultrasound Medical Images”,International Journal of Computer and Electrical Engineering, Vol. 2, No. 1, February, 2010 

[2]M Rama Bai , Dr V VenkataKrishnaandJSreeDevi,”A new Morphological Approach for Noise Removal cum Edge”, IJCSI International Journal of Computer Science Issues, Vol. 7, Issue 6, November 2010

[3]Richard Alan Peters,”A New Algorithm for Image Noise 
Reduction”,IEEE Transactions on Image Processing Volume 4, Number3, pp. 554-568, May 1995

[4]Shot noise (7,April ,2014) Retrieved 25,May,2014 from 
http://en.wikipedia.org/wiki/Shot_noise

[5]MathematicalMorphology(28,August, 2013) Retrieved25,May,2014
from http://en.wikipedia.org/wiki/Mathematical_morphology

[6]Georges Matheron and Jean Serra,” The Birth of Mathematical Morphology”, Ecole des Mines de Paris, Centre de MorphologieMathematique 35, rue Saint Honore, 77300 Fontainebleau France June 1998

[7]Conecells (13,December,2013) Retrieved 1,May,2014 from
http://en.wikipedia.org/wiki/Cone_cells

[8]White (9,December,2014) Retrieved 15,May,2014 from
http://en.wikipedia.org/wiki/White

[9]Robert Fisher, Simon Perkins, Ashley Walker and Erik Wolfart,HIPR,(13,October,2003) Retrieved 20,April,2014 from
http://homepages.inf.ed.ac.uk/rbf/HIPR2/morops.htm

[10]Petros Maragos, Ronald W. Schafer. “Morphological Filters-Part 1: Their Set-Theoretic Analysis and Relations to Linear Shift-Invariant Filters”

[11]Patrice's and Georgy'sLectures,COMPSCI 373 Semester 1, City Campus https://www.cs.auckland.ac.nz/courses/compsci373s1c/Patrices Lectures/2013/CS373-IP-02.pdf

[12]Median filter (20,December,2013) Retrieved 15,May,2014 from http://en.wikipedia.org/wiki/Median_filter

[13]Otsu'smethod (25,April,2014) Retrieved 30,May,2014 from
http://en.wikipedia.org/wiki/Otsu's_method

[14]Connected-component labeling (12,June,2014) Retrieved
16,June,2014 from http://en.wikipedia.org/wiki/Connected-component_labeling,