宋怀波第2讲：图像处理基础知识

《宋怀波第2讲：图像处理基础知识》由会员分享，可在线阅读，更多相关《宋怀波第2讲：图像处理基础知识（45页珍藏版）》请在金锄头文库上搜索。

1、数字图像处理宋怀波 机械与电子工程学院11.1 数字图像1.1.1 数字图像的基本概念T图：反射光或透射光的分布，或自身发出的能量T（客观）T像：人的视觉系统对图的接收在大脑中形成的印象或 认识T（主 观）T 图像处理: 是对图像信息进行加工处理，以满足人的视觉心理和实际应用的需求。21.1.1 数字图像的基本概念v模拟图像连续的，采用数字化（离散化）表示和数字技术处理之前，图像是连续的，这一类图像 称为模拟图像或连续图像连续：指从时间上和从数值上是不间断的31.1.1 数字图像的基本概念v数字图像由连续的模拟图像采样和量化而得。组成数字图像的基本单位是像素，所以数字图像是像素的集合。v像素的

2、值代表图像在该位置的亮度（或灰度），称 为图像的灰度值。v数字图像像素具有整数坐标和整数灰度值。4v表达： 建模，图像采样、数字化v图像和视觉基础v图像变换： 提高图像质量图像处理图像基础T 图像增强：改善图像质量T 图像几何处理： 平移、缩放、旋转、扭曲T 图像复原：去噪声、去模糊T 图像重建：重建原始图像T 图像编码压缩： 减少存储量和传输量T 图像分割： 分割、理解、目标描述1.2.2 数字图像处理的主要研究内容51.2.2 数字图像处理的主要研究内容图像的增强 图像增强用于调整图像的对比度，突出图像中的重要细 节，改善视觉质量。61.2.2 数字图像处理的主要研究内容图像复原78图像的

3、平滑 (Image Smoothing) 即图像的去噪声处理，主要是为了去除实际成像过程中，因成像设备和环境所造成的图像失真，提取有用信息。 1.2.2 数字图像处理的主要研究内容原图像 噪声干扰的图像 去噪后的图像（ Wiener滤波） 89101.2.2 数字图像处理的主要研究内容边缘锐化 加强图像的轮廓边缘和细节，形成 完整的边界，将物体从图像中分离 出来或将表示同一物体表面的区域 检测出来。 锐化的作用是要使灰度反差增强， 因为边缘和轮廓都位于灰度突变的 地方。所以锐化算法的实现是基于 微分作用。 它是早期视觉理论和算法中的基本 问题。10111.2.2 数字图像处理的主要研究内容v图

4、像分割（separate？Divide？Segment！） v将图像分成若干部分，每一部分对应于某一物体表面。v在进行分割时，每一部分的灰度或纹理符合某一种均匀测度度量。v其本质是将像素进行分类。分类依据是像素的灰度值、颜色、频谱特性、空间特性或纹理特性等。11121.2.2 数字图像处理的主要研究内容图像校正 数字图像信息的获取来自 于CCD 。但其I/O特性不 是线性的，如果不进行校 正处理，将无法得到好的 图像效果。 图像校正是为改善图像质 量而提出的一种处理方法 。12校正没有校正前为2.0的校正13第2章 图像处理基础知识v2.1 图像数字化v2.2 图像数据结构 v2.3 图像文件

5、格式v2.4 图像质量评价1415计算机图像处理的内容p如何对模拟图像进行采样、量化以产生数字图像图像的数字化是指将一幅图像从原来的形式转化 为数字的形式，主要研究如何对图像进行采样、 量化以及编码等过程。p如何压缩图像数据以便存储和传输图像编码压缩可减少用于描述图像的数据量，以 节省图像传输和处理的时间，减少存储容量。p如何对数字图像做各种变换以方便处理1516图像变换 由于图像阵列很大，直接在空间域中进行处理涉及的计算量 很大。 图像变换方法： 傅立叶变换、离散余弦变换、离散小波变换等几何变换：如图像缩放、旋转、平移、投影等。 目的：将空间域的处理转换为变换域的处理，减少计算量，获得更有效

6、的处理。 图像重构(Image Reconstruction)采用滤波方法，如去噪、干扰和模糊等，恢复或重建原图像。16171.2 图像与图像数字化过程v图像的表示v物体所发出的光线进入人眼，在人眼的视网膜上成象 ，这就是人眼所看到的客观世界，称之为景象。v“象”反映了客观景物的亮度和颜色随空间位置和方向 的变化，因此“象”是空间坐标的函数。1718在空间图像信息中，光强度是其基本要素，它随图 像空间坐标(x,y,z)及光线的波长和时间t的变化而变 化，因此空间图像函数可表示为：平面图像同样可表示为：18CCD器件.swf CCD器件1.swf2.1.1 图像传感器与数字成像电荷耦合器件(CC

7、D)是典 型的固体图象传感器，它 是1970年贝尔实验室的 WSBoyle和GESmith 发明的。它成功地应用于数码相 机、摄像机、扫描仪、 广播电视、可视电话和 无线电传真，而且在生 产过程自动检测和控制 等领域已显示出广阔的 前景和巨大的潜力。19数字图像输入输出设备20CCD光敏元的基础是金属氧化物硅MOS电容器1、 CCD的工作原理CCD的单元结构P型半导体多数载流 子为空穴加正电压Metal Oxide Semiconductor接地21CCD的单元结构N型半导体多数载流 子为电子加负电压半导体也可采用N型半导体，如下图所示。很薄接地22入射光强则光生电荷多，弱则光生电荷少，无光照

8、 的光敏元则无光生电荷。这样就把光的强弱变成与其成例的电荷的数量，实 现了光电转换。若停止光照，电荷在一定时间内也不会损失，可实 现对光照的记忆。23近年来另一种图像感器互补金属氧化物场效应管CMOS光电传感器。已在电脑、笔记本电脑、掌上电脑、视频电话、扫描仪、数码相机、摄影机、监视器、车载电话、指纹认 证等图像输入领域得到广泛的应用。CMOS型CCD和普通MOS型CCD使用相同的感光元件，具有相同的灵敏度和光谱特性，但光电转换后的 信息读取方式不同。CMOS光电传感器经光电转换后直接产生电流或电压信号，信号读取十分简单。 Complement Metal Oxide Semiconducto

9、r242.1.2 数字化原理图像数字化概述数字化的目的是把真实的图像转变成计算机能够接受的显 示和存储格式，以便于计算机进行分析处理。图像的数字化过程分为采样、量化与编码三步。采样的实质就是要用多少个点来描述一张图像，采样的结 果即通常所说的图像分辨率。如，一幅640480的图像，表示 这幅图像由307200个像素点组成。采样频率是指一秒钟内采样的次数，它反映了采样点之间 的间隔大小。采样频率越高，得到的图像样本就越细腻逼真，图像的质 量也越高，但要求的存储量也越大。251数学模型262采样和量化 v采样：空间上的离散化v量化：灰度上的离散化T连续信号（抽样、量化）数字信号2.1.2 数字化原

10、理27采样点阵：正方形、正三角v图像矩阵的特点： 有限值 数字化抽样：正方形点阵、三角形点阵、正六角形点阵等2.1.2 数字化原理283. 采样定理v 一维采样定理：惠特克卡切尼柯夫香农采样定理2.1.2 数字化原理二维采样定理：采样频率大于图像信号最高频率的2倍295.量化v均匀量化v非均匀量化a）基于视觉特性：对亮度值急剧变化部分无需过细分 层，进行粗量化,对亮度值平缓变化部分需过细分层 ，进行细量化b）基于概率分布：先计算所有可能的亮度值出现的概 率分布，对概率分布大的进行细量化,对概率分布小 的进行粗量化。非均匀量化可以减少量化误差，又能用较少的比特数 实现量化2.1.2 数字化原理3

11、0T量化和采样是两个不同的概念，量化是在每个 采样点上进行的，所以必须先采样后量化。 T量化和采样是图像数字化的不可或缺的两个操 作，二者紧密相关，同时完成。2.1.2 数字化原理6. 采样和量化的关系312.1.2 数字化原理322.1.2 数字化原理3334图像采样就是在水平和垂直方向上等间隔地分割成网状3435图像量化u采样后得到的亮度或色 彩在取值空间上仍连续 。把这些连续量表示的 像素值离散化为整数值 的操作叫量化。u图像量化实际就是将图 像采样后的样本值的范 围分为有限多个区域， 落入某区域中的所有样 本值用同一值表示，用 有限的离散数值量来代 替无限的连续模拟量。u量化时确定的离

12、散取值 个数称为量化级数，表 示量化的色彩或亮度值 所需的二进制位数称为 量化字长。u一般可用8位、16位、 24位或更高的字长来表 示颜色。u量化字长越大，越能真 实反映原有图像的颜色 。但得到的数字图像容 量也越大。3588 像素 (256色) 1616像素(256色) 3232像素 (256色) 6464像素 (16位量化，65536种颜色) 不同采样精度所获得的图像分辨率不同马赛克！36375 bit(32色) 4 bit (16色) 3 bit (8色) 2 bit (4色) 1 bit (2色) 不同量化字长的灰度图象效果37图像界永恒的Lenav她是让无数专家为之痴迷和 痛苦的研

13、究对象；v是充斥着枯燥数学公式的论 文中最吸引眼球的光芒；v任何一本图像处理书籍，都 能看到她动人的微笑；v她就是Lena，她的照片是图 像处理领域使用最为广泛的 标准测试图。 38一举成名计算机界v1973年，美国南加州大学 信号与图像处理研究所年 轻的助教亚历山大和研究 员威廉，试图从一叠常用 的测试图片中找出一张适 合测试压缩算法的图片： 最好是人脸，表面光滑， 内容多层次。v正巧有人拿着一本花花公子 杂志（1972年11月刊）到实 验室串门。v亚历山大发现这张有着光滑面 庞和繁杂饰物的图片正好符合 要求，于是，他们撕下这张彩 图，将上半部扫描成一张 512512像素大小的图片，“雷 娜

14、图”就此诞生。v特别提示：v年满十八岁打算Google的同学 们，搜素之前请先卸载绿坝；v十八岁以下的小朋友请耐心等 待长大。39图像界永恒的Lenav亚历山大用此图测试了自己的压缩算法，满意地完 成了论文。v远在芝加哥的雷娜对此一无所知，在结束自己的模 特生涯后，她回到故乡瑞典，结婚生子。v论文发表后，不断有人向他索要原始的扫描件，以 便比较。久而久之，这张图片成为了图像处理领域 的一个标准测试图。v研究者奋斗的目标只有一个：如何在保证图片质量 的同时让它的压缩率高一点，再高一点40图像界永恒的Lenav1988年，一家瑞典的电脑出版社联系并采访到了雷娜，这是她十五年来首次得知自己的照片被应

15、用在计算机行业里。v1991年，国际光学工程学会下属的Optical Engineering杂志 使用雷娜图作为其7月刊的封面。至此，花花公子才得知 这张图片已然在学术界被“盗用”了18年之久！ v1997年，在花花公子杂志社的帮助下，图像科学和技术 会议(IS&T)的筹办方正式邀请雷娜参会。v这离当初雷娜图的诞生，已经过去了约四分之一个世纪，当 初的年轻助教已成为业内的知名学者，而红颜少女的鬓边终 于也见到了白发。v“他们肯定早已厌烦我了，这么多年都看着同一张照片。” -LENA41“雷娜图”并非完美无缺v雷娜图为何如此受欢迎？v1.图片含细节、平坦区域、阴影和纹理，有利于测试各种不同的图像

16、处理算法。v2.非常迷人的女性照片。v3.图片频段丰富，而人眼对于人脸的细节差别感受也远比一般的景物更为明显。v由于软件错误，LENA图只有511行数据。v由于数模转换器计时器的问题，图像比原件有略微的拉长变形。v最重要的是，作为一张标准图，雷娜图缺少了很多关键信息，例如所用胶片、光线环境、印刷环境、扫描仪型号等。42Lena对比照43写给Lena的诗哦，亲爱的Lena， 你的美丽是如此浩瀚而难以快速描绘， 如果我能压缩你的影像，我想我能震动整个世界！ 唉， 当我第一次使用矢量量化， 我发现你的面庞只属于你自己， 你那千缕丝般的长发，怎能用离散余弦变换来匹配？ 而你那性感的双唇， 即使耗尽十三部超级计算机也找不到合适的分形碎片来形容！ 虽然这些挫折如此巨大， 我也许还能将它们一一克服，