《连续图像和数字图像如何相互转换》由会员分享,可在线阅读,更多相关《连续图像和数字图像如何相互转换(20页珍藏版)》请在金锄头文库上搜索。
1、1复习第1章-第7章有关内容的复习2连续图像和数字图像如何相互转换? 答:数字图像将图像看成是许多大小相同、形状一致 的像素组成。这样,数字图像可以用二维矩阵表示 。将自然界的图像通过光学系统成像并由电子器件 或系统转化为模拟图像(连续图像)信号,再由模 拟/数字转化器(ADC)得到原始的数字图像信号。 图像的数字化包括离散和量化两个主要步骤。在空 间将连续坐标过程称为离散化,而进一步将图像的 幅度值(可能是灰度或色彩)整数化的过程称为量 化。 3采用数字图像处理有何优点? 答:数字图像处理与光学等模拟方式相比具有以下鲜 明的特点: n1具有数字信号处理技术共有的特点。(1)处理 精度高。(2
2、)重现性能好。(3)灵活性高。 n2数字图像处理后的图像是供人观察和评价的,也 可能作为机器视觉的预处理结果。 n3数字图像处理技术适用面宽。 n4数字图像处理技术综合性强。 4数字图像处理主要包括哪些研究内容? 答:图像处理的任务是将客观世界的景象进行 获取并转化为数字图像、进行增强、变换、编 码、恢复、重建、编码和压缩、分割等处理, 它将一幅图像转化为另一幅具有新的意义的图 像。 5常见的数字图像处理开发工具有哪些?各 有什么特点? 答目前图像处理系统开发的主流工具为Visual C+(面向对象 可视化集成工具)和MATLAB的图像处理工具箱(Image Processing Tool b
3、ox)。两种开发工具各有所长且有相互间的 软件接口。 Microsoft公司的VC+是一种具有高度综合性能的面向对象可视 化集成工具,用它开发出来的Win 32程序有着运行速度快、 可移植能力强等优点。VC+所提供的Microsoft基础类库MFC 对大部分与用户设计有关的Win 32应用程序接口API进行了封 装,提高了代码的可重用性,大大缩短了应用程序开发周期, 降低了开发成本。由于图像格式多且复杂,为了减轻程序员将 主要精力放在特定问题的图像处理算法上,VC+ 6.0提供的 动态链接库ImageLoad.dll支持BMP、JPG、TIF等常用6种格式 的读写功能。 6MATLAB的图像处
4、理工具箱MATLAB是由MathWorks公司推出的用于数值计 算的有力工具,是一种第四代计算机语言,它具有相当强大的矩阵运算和 操作功能,力求使人们摆脱繁杂的程序代码。MATLAB图像处理工具箱提 供了丰富的图像处理函数,灵活运用这些函数可以完成大部分图像处理工 作,从而大大节省编写低层算法代码的时间,避免程序设计中的重复劳动 。MATLAB图像处理工具箱涵盖了在工程实践中经常遇到的图像处理手段 和算法,如图形句柄、图像的表示、图像变换、二维滤波器、图像增强、 四叉树分解域边缘检测、二值图像处理、小波分析、分形几何、图形用户 界面等。但是,MATLAB也存在不足之处限制了其在图像处理软件中实
5、际 应用。首先,强大的功能只能在安装有MATLAB系统的机器上使用图像处 理工具箱中的函数或自编的m文件来实现。其次,MATLAB使用行解释方 式执行代码,执行速度很慢。第三,MATLAB擅长矩阵运算,但对于循环 处理和图形界面的处理不及C+等语言。为此,通应用程序接口API和编 译器与其他高级语言(如C、C+、Java等)混合编程将会发挥各种程序 设计语言之长协同完成图像处理任务。API支持MATLAB与外部数据与程 序的交互。编译器产生独立于MATLAB环境的程序,从而使其他语言的应 用程序使用MATLAB。 7常见的数字图像应用软件有哪些?各 有什么特点? 答:图像应用软件是可直接供用户
6、使用的商品 化软件。用户从使用功能出发,只要了解软件 的操作方法就可以完成图像处理的任务。对大 部分用户来说,商品化的图像应用软件无需用 户进行编程,操作方便,功能齐全,已经能满 足一般需求,因而得到广泛应用。常用图像处 理应用软件有以下几种: 81PHOTOSHOP:当今世界上一流的图像设计与制作 工具,其优越性能令其产品望尘莫及。 PHOTOSHOP已成为出版界中图像处理的专业标准 。高版本的PHOTOSHOP支持多达20多种图像格式 和TWAIN接口,接受一般扫描仪、数码相机等图像 输入设备采集的图像。PHOTOSHOP支持多图层的 工作方式,只是PHOTOSHOP的最大特色。使用图 层
7、功能可以很方便地编辑和修改图像,使平面设计 充满创意。利用PHOTOSHOP还可以方便地对图像 进行各种平面处理、绘制简单的几何图形、对文字 进行艺术加工、进行图像格式和颜色模式的转换、 改变图像的尺寸和分辨率、制作网页图像等。 92CorelDRAW:一种基于矢量绘图、功能强大的图形图像 制作与设计软件。位图式图像是由象素组成的,与其相对, 矢量式图像以几何、色彩参数描述图像,其内容以线条和色 块为主。可见,采用不同的技术手段可以满足用户的设计要 求。位图式图像善于表现连续、丰富色调的自然景物,数据 量较大;而矢量式图像强于表现线条、色块的图案,数据量 较小。合理的利用两种不同类型的图像表现
8、方式,往往会收 到意想不到的艺术效果。CorelDraw是当今流行的图像处理 软件中为数不多的特点明显、功能强大的基于矢量绘图的软 件包。利用它,可以方便地制作精美的名片、贺卡、书签、 图书封面、广告、宣传画等作品。 103ACDSee:快速、高性能的看图程序,是目前最享 盛名的图片浏览器。它能广泛应用于图片的获取、 管理、浏览和优化,支持BMP、GIF、JPG、TGA、 TIF等超过50种常见的图形文件格式,图片打开速度 极快,可以直接查看动画GIF,处理如Mpeg之类常 用的视频文件,还可以为每一个目录建立一个相册 。ACDSee可以从数码相机和扫描仪高效获取图片, 并进行便捷的查找、组织
9、和预览。ACDSee还是得心 应手的图片编辑工具,轻松处理数码影像,拥有去 红眼、剪切图像、锐化、浮雕特效、曝光调整、旋 转、镜像等功能,还能进行批量处理。 11讨论数字图像处理的主要应用答:图像处理的应用几乎渗透科学研究、工程技术和 人类社会生活的各个领域。 1航天和航空技术方面的应用 2生物医学工程方面的应用 3通信工程方面的应用 4工业自动化和机器人视觉方面的应用 5军事和公安方面的应用 6生活和娱乐方面的应用 12什么是图像平滑?试述均值滤波 的基本原理。 解:为了去除或减弱图像中的噪声,可以对图 像进行平滑处理,称为图像平滑。大部分的噪 声都可以看作是随机信号,它们对图像的影响 可以
10、看作是孤立的。对于某一像素而言,如果 它与周围像素点相比,有明显的不同,我们就 认为该点被噪声感染了。基于这样的分析,我 们可以用求均值的方法,来判断每一点是否含 有噪声,并用适当的方法消除所发现的噪声。 13什么是中值滤波,有何特点? 解:中值滤波是非线性的处理方法,在去 噪的同时可以兼顾到边界信息的保留。 中值滤波首先选一个含有奇数点的窗口 W,将这个窗口在图像上扫描,把该窗 口中所含的像素点按灰度级的升(或降 )序排列,取位于中间的灰度值,来代 替该点的灰度值。 14n设原图像为:2 4 7 4 3 5 4 6 4 4 4, 求经过中值滤波后的值,中值滤波取一维的 模板如下图b所示,待处
11、理像素的灰度取这个 模板中的灰度的中值。边界点保持不变。n n解:2 4 4 4 4 4 4 4 4 15在MATLAB环境中,完成图像的增亮、 变暗处理。 解:MATLAB程序如下: A=imread(pout.tif); %读入图像 imshow(A); %显示图像 figure,imhist(A); %显示图像的直方图 J1=imadjust(A,0.3 0.7,); %将图像在0.32550.7255灰度之间的值通过线性变换映射到0255之间 figure,imshow(J1); %输出图像效果图 figure,imhist(J1) %输出图像的直方图 J2=imadjust(A,0
12、0.7); %使用此函数,将图像灰度通过线性变换映射到02550.7之间 figure,imshow(J2); %输出图像效果图 figure,imhist(J2) %输出图像的直方图 16引起图像退化的原因有哪些? 答:造成图像退化的原因很多,大致可分为以下几个方面: (1)射线辐射、大气湍流等造成的照片畸变。 (2)模拟图像数字化的过程中,由于会损失部分细节,造成图 像质量下降。 (3)镜头聚焦不准产生的散焦模糊。 (4)成像系统中始终存在的噪声干扰。 (5)拍摄时,相机与景物之间的相对运动产生的运动模糊。 (6)底片感光、图像显示时会造成记录显示失真。 (7)成像系统的像差、非线性畸变、
13、有限带宽等造成的图像失 真。 (8) 携带遥感仪器的飞行器运动的不稳定,以及地球自转等 因素引起的照片几何失真。 17什么是阈值分割技术?该技术适用于 什么场景下的图像分割? 解:可用一个灰度级阈值Th进行分割,分割出 目标区域与背景区域,这种方法我们称为灰 度阈值分割方法。通常用于图像中目标和背 景具有不同的灰度集合:目标灰度集合与背 景灰度集合。 18边缘检测的理论依据是什么?有哪些 方法?各有什么特点? 解:边缘检测这是基于幅度不连续性进行的 分割方法。通常采用差分、梯度、拉普拉斯 算子及各种滤波处理方法对图像进行边缘检 测。 19基于图像边缘的算子分割技术的 理论根据是什么? 解:通过差分、梯度、拉普拉斯算子及各种高 通滤波处理方法对图像边缘进行增强,然后再 进行一次门限化的处理,便可以将边缘增强的 方法用于边缘检测,最后根据边缘来进行图像 分割。 20谢谢谢谢 ! !