《数字图像处理期末总结》由会员分享,可在线阅读,更多相关《数字图像处理期末总结(7页珍藏版)》请在金锄头文库上搜索。
1、绪论图像:是客观目标的一种相似性描述,它包含了被描述的对象,是客观世界三维实体到 维实体的变换(连续图像)。数字图像:连续图像经过空间离散化,灰度整量后的图像。连续图像处理:利用光学、化学方法对图像进行一系列操作。数字图像处理:基于计算机和一定的数学变换方法,对数字图像进行一系列的操作处理,称为数字图像处理。数字图像处理目的:数字图像处理强调图像间的数学变换,目的是对图像进行各种加工处理,以改善图像视觉效果,并为自动识别打下基础。或对图像进行压缩编码,以减少所需存储空 间和传输时间。数字图像处理主要内容: 图像获取、图像显示、图像变换、图像增强、图像压缩、图像恢复 与重建、 图像分割、图像描述
2、、图像纹理分析第二章、数字图像处理基础2. 2图像与数字化2. 2. 1连续图像:指图像强度随空间位置,光线波长入及时间t变化。2. 2. 1. 1灰度图象:仅考虑光的能量,不顾及波长(频率)变化,图像视觉上表示为灰 度变化,称为灰度图像或单色图像。2. 2. 1. 2彩色图像:由于不同波长光的彩色效应,则图像视觉上表现为彩色图像。2. 2. 1. 3静止图像:图像内容不随时间变化的图像称为静止像像,反之称为运动图像。2. 2. 2图像数字化:图像数字化是将一幅图像转换成计算机可以处理的形式。图像数字化 分为采样与整量两部分。2. 2. 2 . 1采样:将连续图像在空间上进行离散化的过程。其中
3、采样间隔与采样孔是两个 重要参数的选择。2 . 2 . 2 . 2整量:连续图像经过空间离散化,其像素灰度需转换成离散整数值过程。2 . 3直方图:表示图像中各灰度级与对应灰度级像素出现的频率间关系。性质:(1)直方图上没有位置信息, 灰度直方图仅统计某一灰度值的像素个数占全幅像素 的比例,同一灰度的像素在图象中空间位置未表示。(2)直方图是总体灰度概念,直方图可以看出图像总体性质,一幅图像对应唯一直方图,但不同图像可能有相同直方图。(3)直方图可叠加性,一幅图像分成数个不同区域,各区域直方图之和即为该像直方图。应用:1.用于判断图像量化是否恰当 2 .确定图像分割的阈值2 . 4图像文件结构
4、概述: 目前存储图像的格式 BMP, TIFF ,PCX, GIF.图像文件格式。特点: (1 )图像高度、宽度及各种物理特性。(2)图像彩色意义:调色板(非真彩色)彩色平面数、颜色数量(色度)。3)图像的位图数据。2 . 4 . 1BMP文件:BMP图象格式是 Windows定义的图象标准格式。BMP文件可分四部分:文件头信息、位图信息头、颜色表、位图数据。2 . 4 . 2TIFF文件Tag Image File Format : 1.文件组成:文件头、标识信息区、图像数 据区.2 . TIFF文件特点1 )应用指针,可存储多幅图像 .(2)标识信息区和图像数据区在文 件中没有固定位置,图
5、像数据可分 块分别存档.(3)可存储多份调色板数据。第三章、图像变换傅里叶变换 第四章、图像增强(重点:直方图均衡化、规定化 )4图像增强是指对图像的某些特征,如边缘轮廓、对比度等进行变换处理,改善图像的视觉效果,提高图像的清晰度。J匀衡化规定化灰度变换点运算直方图修正法 空间域!局部统计法局部运算图像平滑 图像锐化4. 1图像增强点运算4. 1. 1直接灰度变换,对一幅图像进行点运算,输出图像上每个像素灰度值,仅与输入像 素有关,直接灰度变换、对比度增强、对比度拉伸都属于点运算变换。4. 1. 1. 1线性变换:图像f(i,j)的灰度范围为a,b,线性变换后图像 g(i,j)的范围为a ,b
6、b - ag(i, J) =a + (f (I, J) -a)b - a4. 1 . 1. 2分段线性变换4. 1 . 1. 3非线性灰度变换:当用某些非线性函数如对数函数、指数函数等,作为映射函 数时,可实现图像灰度的非线性变换。4. 1 . 2直方图修整法: 灰度直方图反映了数字图像中每一灰度级与其出现频率间的关系,它能描述该图像的概貌。 通过修改直方图的方法增强图像是一种实用而有效的处理技术。直方图修整包括直方图均衡化及直方图规定化两类。4. 1. 2. 1直方图均衡化:将图像直方图修正为均匀分布的变换方法,称为直方图均衡化。方法:1归一化处理(p (s) =1) 2.通过概率累积去除概
7、率小的灰度值4. 1 . 2. 2直方图规定化:目的:需要特定的直方图,以便增强图像中某些灰度级方法:1归一化处理2分别对原始图像和目标图像进行均衡化处理3逆变换4. 1 . 3局部统计法增强g(x, ymi(x, y) k f (x, y) - mi (x, y)m表示图像均值,f为图像,K为局部标准偏差比率K 1 输出图像被锐化,属于高通处理。K 1 输出图像被平滑,属于低通处理。4. 2图像的空间域平滑 :目的:为了抑制噪声改善图像质量4. 2. 1局部平滑法:原理: 假设图像是由许多灰度相等小块组成,相邻像素间存在很高的 空间相关性,而噪声是统计独立的。 方法:可用邻域内各像素的灰度平
8、均值代替该像素原来 的灰度值,实现图像平滑。优势:计算简单,速度快。缺点:图像变的模糊4. 2. 2超限像素平滑法:方法: 根据相邻灰度差与阈值比较,决定灰度值的改变(具体方 法同上)优势:算法对抑制椒盐噪声比较有效, 对保护仅有微小灰度差的细节及纹理也有效。 同局部平滑法相比,超限像元平滑法去椒盐噪声效果更好。4. 2. 3梯度倒数加权平滑:原理:定义相邻像素间灰度之差的绝对值为两点间梯度。具有同一区域内相邻像素间梯度小,不同区域间相邻像素间梯度较大的特点。优势:区域内权值较大,两区域相邻处权值较小,图像平滑的同时,细节保持良好。4. 2. 4最大均匀性平滑:目的:避免消除噪声引起边缘模糊。
9、方法:先找出环绕图像中每像素的最均匀区域,然后用该区域的灰度均值代替该像素原来的灰度值。4. 2. 5有选择保边缘平滑法:方法:对图像上任一像素(x,y)的5 X 5邻域,采用9个模板计算各个模板的均值和方差,对方差进行排序,最小方差所对应的区域灰度均值就是该像素(x,y)的输出值。优势:以方差作为各个区域灰度均匀性的测度。若区域含有尖锐的边缘, 它的灰度方差必定很大而不含边缘或灰度均匀的区域,它的方差就小,那么最小方差所对 应的区域就是灰度最均匀区域。因此有选择保边缘平滑法既能够消除噪声,又不破坏区域边界的细节。4. 2. 6空间低通滤波法4. 2. 6. 1空间滤波器:卷积定理:g(x,y
10、)二 f(x,y)* h(x, y)二 F(u,v) H(u,v) h(x, y) = IDFT (H(u,v)h(x,y)为频率域滤波器 H(u , v)的傅里叶逆变换,故称为空间滤波器。4. 2. 6. 2空间低通滤波器:方法:选择低通空间滤波器,可以对数字图像f(x,y)中高频信息抑制,而对低频轮廓不产生影响。注意:模板不同,中心点或邻域的重要程度也不相同,应根据需要选取合适的模板。同时必须保证全部权系数之和为单位值,这样可保证输出图像灰度值在许可范围内,不会产生溢出”现象。4. 2. 6. 3图像卷积运算4. 2. 7中值滤波4. 2. 7. 1中值滤波是对一个滑动窗口内的诸像素灰度值
11、排序( fl , f2 ,fn ),用灰度 中值代替窗口中心像素的原来灰度值。4. 2. 7. 2中值滤波窗口选择: 对中值滤波法来说,正确选择窗口尺寸的大小是很重要的 环节。一般很难事先确定最佳的窗口尺寸,需通过从小窗口到大窗口的中值滤波试验,再从中选取最佳的。4. 2. 7 . 3中值滤波性质(1)非线性(2)中值滤波对于去除点状尖峰噪声干扰有效。(3)对延续距离小于 w/2(窗口一半)的噪声干扰抑制效果好。第五章图像复原与重建5 . 1图像退化模型5 . 1 . 1图像退化:指图像在形成、传输和记录过程中,由于成像系统、传输介质和设备的 不完善,使图像的质量变坏。 图像复原:尽可能恢复退
12、化图像的本来面目,它是沿图像退化的逆过程进行处理。图像复原与图像增强:图像增强不考虑图像是如何退化的,而是试图采用各种技术来增强图像的视觉效果。图像增强可以不考虑增强后图像是否失真。图像复原需知道图像退化机制、退化过程等先验知识,据此找出一种相应的逆处理方法,从而得到复原的图像。图像复原过程:根据图像退化的先验知识建立一个退化模型,以此模型为基础,采用各种逆退化处理方法进行恢复,使图像质量得到改善。找退化原因t建立退化模型t反向推演t恢复图像5 . 1 . 2线性位移不变系统5 . 1. 2 . 1点源:一幅图像可以看成由无穷多小的像素所组成。每一像素都可以看作为一 个点源,因此一幅图像也可以
13、看成由无穷多点源组成的。5 . 1. 3采用线性位移不变系统的原因 :1)由于许多退化都可以用线性位移不变模型来近 似,这样线性系统中的许多数学工具如线性代数,能用于求解图像复原问题,从而使运算方法简捷和快速。2) 当退化不太严重时,一般用线性位移不变系统模型来复原图像,在应用中有较好的复原 结果,且计算大为简化。3) 尽管实际非线性和位移可变的情况能更加准确反映图像复原问题的本质,但在数学上求解困难。只有在要求很精确的情况下才用位移可变的模型去求解,其求解也常以位移不变的解法为基础加以修改而成。5. 1. 4图像退化数学模型:获取图像:g (x, y) = f (x, y) * h (x,
14、y)退化后图像:g(x, y) = f (x, y) * h (x, y) + n(x, y)退化后的离散矩阵:g=H f + n5. 2代数恢复方法: 代数恢复方法是利用图像退化数学模型:g=H f + n在假定已知关于f、H、g的某些知识时,寻求原图像最优估计的方法。5. 2. 1无约束最小二乘恢复:由n= g - H f应用最小二乘法当H为满秩方阵时恢复原图像最优估计的方法。对于位移不变系统产生的图像模糊可在频率域进行噪声处理。5. 2. 2约束最小二乘恢复:原因:大多数图像恢复过程都存在H为奇异阵问题,称为恢复过程存在病态性。为克服求解图像最优估计中的病态性,增加约束条件。5. 2.
15、3平滑约束最小二乘恢复:图像平滑约束是使被恢复的图像保持光滑特性5. 3频率域恢复方法:逆滤波恢复(1)对退化图像g(x, y)作二维离散傅立叶变换,得到G(u,v);计算系统点扩散函数 h(x, y)的二维傅立叶变换,得到H(u,v);(3)由逆滤波计算F?(U,V);?计算F?(U,V)的傅立叶逆变换,求得?(x, y)5. 3. 2运动引起模糊去除:由目标或摄影机运动引起模糊(由傅里叶变换位移性质去除)5. 4图像的几何校正5. 4. 1几何失真:图像在获取过程,由于拍摄角度、成像系统具有非线性等因素的影响, 使获得的图像产生几何失真,也称几何变形。几何失真分为:系统失真和非系统失真。系统失真是有规律的、能预测的;非系统失真则是随机的。5. 4. 2几何校正方法:1、直接法:(1)由已知点坐标,解求未知参数;(2)然后从畸变图像出发,根据上述关系依次计算每个像素的校正坐标,(3)同时把像素灰度值赋予对应像素,这样生成一幅校正图像。2、间接法:(1 )根据若干已知点,解求未知数。(2)推算出各格网点