《数字图像处理技术》由会员分享，可在线阅读，更多相关《数字图像处理技术（16页珍藏版）》请在金锄头文库上搜索。
1、数字图像解决技术一数字图像解决概述数字图像解决是指人们为了获得一定的预期结果和相关数据运用计算机解决系统对获得的数字图像进行一系列有目的性的技术操作。数字图像解决技术最早出现在上个世纪中期，随着着计算机的发展，数字图像解决技术也慢慢地发展起来。数字图像解决初次获得成功的应用是在航空航天领域，即1964年使用计算机对几千张月球照片使用了图像解决技术，并成功的绘制了月球表面地图，取得了数字图像解决应用中里程碑式的成功。最近几十年来，科学技术的不断发展使数字图像解决在各领域都得到了更加广泛的应用和关注。许多学者在图像解决的技术中投入了大量的研究并且取得了丰硕的成果，使数字图像解决技术达成了新的高度，
2、并且发展迅猛。二数字图象解决研究的内容一般的数字图像解决的重要目的集中在图像的存储和传输，提高图像的质量，改善图像的视觉效果，图像理解以及模式辨认等方面。新世纪以来，信息技术取得了长足的发展和进步，小波理论、神经元理论、数字形态学以及模糊理论都与数字解决技术相结合，产生了新的图像解决方法和理论。比如，数学形态学与神经网络相结合用于图像去噪。这些新的方法和理论都以传统的数字图像解决技术为依托，在其理论基础上发展而来的。数字图像解决技术重要涉及： 图像增强图像增强是数字图像解决过程中经常采用的一种方法。其目的是改善视觉效果或者便于人和机器对图像的理解和分析，根据图像的特点或存在的问题采用的简朴改善
3、方法或加强特性的措施就称为图像增强。 图像恢复图像恢复也称为图像还原，其目的是尽也许的减少或者去除数字图像在获取过程中的降质，恢复被退化图像的本来面貌，从而改善图像质量，以提高视觉观测效果。从这个意义上看，图像恢复和图像增强的目的是相同的，不同的是图像恢复后的图像可当作时图像逆退化过程的结果，而图像增强不用考虑解决后的图像是否失真，适应人眼视觉和心理即可。 图像变换图像变换就是把图像从空域转换到频域，就是对原图像函数寻找一个合适变换的数学问题，每个图像变换方法都存在自己的正交变换集，正是由于各种正互换集的不同而形成不同的变换。图像变换分为可分离变换和记录变换两大类。 图像压缩数字图像需要很大的
4、存储空间，因此无论传输或存储都需要对图像数据进行有效的压缩，其目的是生成占用较少空间而获得与原图十分接近的图像。 图像分割图像分割的目的是把一个图像分解成它的构成成分，图像分割是一个十分困难的过程。图像分割的方法重要有两类：一种是假设图像各成分的强度值是均匀的，并运用这个特性。另一种方法是寻找图像成分之间的边界，运用的是图像的不均匀性。 边沿检测边沿检测技术用于检测图像中的线状局部结构。边沿是图像中具有不同平均灰度等级的两个区域间的边界，因此，大多数的检测技术应用某种形式的梯度算子。图像边沿是图像的基本特性之一，蕴含了图像丰富的内在信息，它广泛应用于图像分割、图像分类、图像配准和模式辨认中。在
5、大多数的实际应用中，边沿检测是当做一个局部滤波运算完毕的。三数字图像解决系统不管是对什么图像进行数字解决，它的基本思想和操作方法都是同样的。数字图像解决系统重要由三个基本部件构成，分别是计算机（用于解决图像程序的执行和运算）、数字化设备（重要用于图像模式转化）和显示设备（用于图像解决过程中图像的显示）。图像解决过程中按照环节进行划分的数字图像解决系统如下图所示：图像输入数字化预解决特性提取图像分割图像辨认结果输出初始人机交互视频图像数字图像压缩图像二值图像实体位置坐标由于数字图像解决系统的灵活性和方便性，所以数字图像解决已成为图像解决的主流。常见的数字图像解决有：图像的采集、数字化、编码、增强
6、、恢复、变换、压缩、存储、传输、分析、辨认、分割等。图像解决的各个内容是互相联系的，一个实用的图像解决系统往往结合几种图像解决技术才干得到所需的结果，图象数字化是将一个图像变换为适合计算机解决的形式的第一步，图像编码可用以传输和存储图像，图像增强和复原可以是图像解决的最后目的，也可以是为进一步的解决做准备。通过图像分割得到的图像特性可以作为最后结果，也可以作为下一步图像分析和辨认的基础。四数字图像解决技术1.图像数字化图像数字化是计算机解决图像之前的基本环节，目的是把真实的图像转变成计算机可以接受的存储格式，数字化过程分为采样和量化两个环节。图像在某个空间上的离散化状态称为采样，即用空间上部分
7、点的灰度值来表达图像，这些点称为样点。采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低用图像分辨率来衡量。采样方法可分为两种：点阵采样（直接对表达图像的二维函数值进行采样）和正交系数采样（对图像函数进行正交变换，用其变换系数作为采样值）。量化是指要使用多大范围的数值来表达图像采样后的每个点，这个数值范围涉及了图像上所能使用的颜色总数。量化的结果是图像可以容纳的颜色总数。所以，量化位数越大，表达图像可以拥有的颜色越多，可以产生更为细致的图像效果。图像通过采样和量化后才干产生一张计算机可以解决的数字化图像，不仅可减少计算量，并且可获得更有效的解决。2. 图像类型转换数字图像存在着很多不同
8、的类型，在解决图像前，有时必须转换成所需类型或者解决技术所支持的图像类型，这里介绍图像类型之间的互相转换的实现。2.1. 图像类型数字图像类型重要有以下几种： 索引图像索引图像是一种把像素值直接作为RGB调色板下标的图像。 灰度图像灰度图像就是只有强度信息，在灰度图像中，像素灰度级用8bit表达。由于灰度图像中每个像素都是介于黑色和白色之间的 256 种灰度中的一种，所以灰度图像是没有颜色信息的图像。 RGB图像RGB图像又称为真彩色图像，它运用R（red）、G（green）、B（blue）3个分量表达一个像素的颜色，用R、G、B这3种不同的颜色可以合成出任意颜色。 二值图像表达二值图像的二维
9、矩阵仅由0、1组成。二值图像可当作是一个仅涉及黑和白的特殊灰度图像，亦可当作是仅有2种颜色的索引图像。 多帧图像多帧图像是一种包含多幅图像或帧的图像文献，又称为多页图像或图像序列，它重要用于对时间或场景上相关图像合集进行操作的场合，例如电影帧。2.2. 图像类型之间的互相转换图像类型的互相转换有很多种，灰度-二值、RGB-灰度、灰度-索引、二值-索引、索引-RGB等图像类型的互相转换的实现重要是运用MATLAB提供的图像类型转换函数。假定B 为转换后输出图像类型，A 为输入图像类型，下面列举几种运用MATALB实现的图像类型转换： 灰度-二值：运用 dither 函数来实现，这里用到的是抖动法
10、，B=dither（A）。 RGB-灰度：运用 rgb2gray 函数实现，B=rgb2gray(A)。 灰度-索引：运用 gray2ind 函数实现，B，map=gray2ind(A，n)，按照指定的灰度级数 n 和颜色图 map 进行转换。 二值-索引：转换的实现与灰度-索引的转换相同，使用同一个调用函数，在这里 n 表达的是指定颜色图 map 的颜色种类。 索引-RGB：运用 ind2rgb 函数实现，B=ind2rgb（A，map），将矩阵 A和相应的颜色图 map 转换成 RGB 图像。3. 图像变换由于图像阵列很大，直接在空间域中进行解决，涉及计算量很大。因此，往往采用各种图像变换
11、的方法，将空间域的解决转换为变换域解决，不仅可减少计算量，并且可获得更有效的解决。图像变换分为可分离变换和记录变换两大类，可分离变换涉及傅里叶变换、离散余弦变换、哈达玛变换、沃尔什变换和哈尔变换等等；记录变换重要是霍特林变换。下面重要介绍离散余弦变换和小波变换的基本原理。 离散余弦变换离散余弦变换（DCT）是数码率压缩需要常用的一个变换编码方法。任何连续的实对称函数的傅里叶变换中只含余弦项，因此余弦变换与傅里叶变换同样有明确的物理意义。DCT是先将整体图像提成N*N像素块，然后对N*N像素块逐个进行DCT变换。由于大多数图像的高频分量较小，相应于图像高频分量的系数经常为零，加上人眼对高频成分的
12、失真不太敏感，所以可用更粗的量化。因此，传送变换系数的数码率要大大小于传送图像像素所用的数码率。到达接受端后通过反离散余弦变换回到样值，虽然会有一定的失真，但人眼是可以接受的。a.一维DCT的变换核定义为式中，u x=0,1,2,N1；一维DCT定义如下：设f(x)|x=0, 1, , N-1为离散的信号列。式中，u,x=0,1,2,N1。将变换式展开整理后，可以写成矩阵的形式，即F=Gfb.二维离散余弦变换考虑到两个变量，很容易将一维DCT的定义推广到二维DCT。其正变换核为：式中，C(u)和C(v)的定义同前面；x, u=0,1,2, M1； y, v=0,1,2,N1。二维DCT定义如下
13、：设f(x,y)为MN的数字图像矩阵，则式中： x, u=0, 1,2,M1；y, v=0,1,2,N1。二维DCT也可用两次一维DCT来完毕。 小波变换小波变换是一种窗口大小固定不变，但其形状可以改变的局部化分析方法。小波变换在信号的高频部分可以取得较好的时间分辨率；在信号的低频部分可以取得较好的频率分辨率，从而能有效地从信号中提取信息。a.连续小波变换（CWT）设,则下面的函数族，叫小波分析或连续小波，叫基本小波或小波。若是窗函数，就叫为窗口小波函数，一般我们恒假定为窗口小波函数。式中，a称为尺度参数，b称为平移参数。一维连续小波变换：设是基本小波，是其生成的连续小波，对，信号f的内积形式
14、连续小波变换定义为b.离散小波变换（DWT）离散小波变换针对尺度参数a，平移参数b进行离散化，最常用的是二进制动态采样网络，每个网格点相应的尺度为2j，平移为2jk，即：该离散化小波称为二进制小波，二进制小波对信号的分析具有变焦距的作用。4. 图像预解决图像预解决的目的是去除干扰、噪声及差异，将原始图像变成适于计算机进行特性提取的形式，它涉及图像的变换、增强和滤波等。4.1. 图像压缩编码图像编码压缩技术可减少描述图像的数据量，以便节省图像传输、解决时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，编码的目的是压缩图像的信息
15、量(但图像质量几乎不变) ,以满足传输和存储的规定。为此,可以采用模拟解决技术,再通过模-数转换得到编码,但是多数是采用数字编码技术,其编码可以对图像逐点进行加工,也可以对图像施加某种变换或基于区域、特性进行编码。一方面,对通过高精度模-数变换的原始数字图像进行去相关解决，去除信息的冗余度；然后，根据一定的允许失真规定，对去相关后的信号编码即重新码化。一般用线性预测和正交变换进行去相关解决；与之相相应，图像编码方案也提成预测编码和变换域编码两大类。预测编码运用线性预测逐个对图像信息样本去相关。对某个像素S0来说，它用邻近一些像素亮度的加权和（线性组合）作为估值,对S0进行预测。S0与它的差值e(u)就是预测误差。由于相邻像素与S0间存在相关性，差值的记录平均能量就变得很小。因此，只需用少量数码就可以实现差值图像的传输。变换域编码用一维、二维或三维正交变换对一维n、二维nn、三维nnn块中的图像样本的集合去相关，得到能量分布比较集中的变换域；在再码化时，根据变换域中变换系数能量大小分派数码，就能压缩频带。最常用的正交变换是离散余弦变换(DCT)，n值一般选为8或16。三维正交变换同时去除了三维方向的相关性,它可以压缩到平均每样本1比特。4.2. 彩色
