《图像处理的基本算法.doc》由会员分享，可在线阅读，更多相关《图像处理的基本算法.doc（12页珍藏版）》请在金锄头文库上搜索。
1、1)将256*256分辨率的图像变为128*128分辨率可以将源图像划分成2*2的子图像块,然后将2*2的子图像块的所有像素颜色均按照F(i,j)的颜色值进行设定，达到降低分辨率的目的。如: F(i,j) F(i,j+1) F(i,j) F(i,j) F(i+1,j) F(i+1,j+1) 变成 F(i,j) F(i,j)（同理，256*256分辨率的图像变成64*64分辨率，只需要划分成4*4即可，以此类推。）2) R单色, G单色,B单色化图像，只需要将图像的每一个像素中的相应的R, G, B值取出，然后利用类似(R,R,R),(G,G,G),(B,B,B)的像素重新绘制即可。3) 彩色图
2、像的RGB和亮度Y，色差I，信号值Q的关系| Y | |0.31 0.59 0.11 | | R | I | = |0.60 -0.28 -0.32 | * | G |Q | |0.21 -0.52 -0.31 | | B |即 Y = 0.31R + 0.59G+0.11B I = 0.60R - 0.28G - 0.32B Q = 0.21R - 0.52B - 0.31B4) 彩色图像的逆反处理： 将对应的(R, G, B)像素替换成(255 - R, 255 - G, 255 - B) 彩色图像的平滑处理: 将一个图片每一个像素的颜色由其相邻的n*n个像素的平均值来替代。例如，将一个3
3、*3的点阵，设带平滑的像素为f(i, j),平滑后为g(i, j)，那么f(i-1,j-1) f(i-1,j) f(i-1,j+1)f(i,j-1) f(i,j) f(i,j+1)f(i+1,j-1) f(i+1,j) f(i+1,j+1)g(i,j)=( f(i-1,j-1) + f(i-1,j) + f(i-1,j+1) + f(i,j-1) + f(i,j) + f(i,j+1) + f(i+1,j-1) + f(i+1,j) + f(i+1,j+1) ) / 9这里要注意的是对于边缘的像素的情况，防止越界。 彩色图像的霓虹处理: 同样以上面的3*3的点阵为例，目标像素g(i,j)应当以
4、f(i,j)与f(i,j+1)，f(i,j)与f(i+1,j)的梯度作为R,G,B分量，我们不妨设f(i,j)的RGB分量为(r1, g1, b1), f(i,j+1)为(r2, g2, b2), f(i+1,j)为(r3, g3, b3), g(i, j)为(r, g, b),那么结果应该为r = 2 * sqrt( (r1 - r2)2 + (r1 - r3)2 )g = 2 * sqrt( (g1 - g2)2 + (g1 - g3)2 )b = 2 * sqrt( (b1 - b2)2 + (b1 - b3)2 ) 彩色图像的锐化处理: 设f(i,j)像素为(r1, g1, b1) ,
5、 f(i-1,j-1)像素为(r2,g2,b2), g(i,j)像素为(r,g,b),则r = r1 + 0.25 * |r1 - r2|g = g1 + 0.25 * |g1 - g2|b = b1 + 0.25 * |b1 - b2| 彩色图像的浮雕处理: g(i, j) = f(i, j) - f(i - 1, j) + 常数 ， 这里的常数通常选作128 彩色图像的镶嵌处理: 与彩色图像的平滑处理类似，但是不同的地方在于3*3的目标像素点都取作g(i,j)，而不是另外的再去取所在矩阵像素的平均值。 彩色图像的灰度处理: r = r1 / 64 * 64 g = g1 / 64 * 64
6、 b = b1 / 64 * 64 注意这里的除法是程序设计当中的整数除法。5) 图象的几何变换：平移，缩放，旋转等均于解析几何当中的保持一致。6) 图象的滤波处理 卷积滤波 原理是 y(n1, n2)=x(m1,m2)h(n1-m1,n2-m2) (两个求和符号的范围分别是 m1:0N m2:0N)其中x(m1,m2)为输入图像信号,h(n1-m1,n2-m2)为滤波系统对单位采样序列(n1,n2)的响应。 低通滤波 一般而言，图像中的噪声频谱位于空间频率较高的区域，空间域低通滤波用于平滑噪声。常用低通滤波的h(n1, n2) 的3*3阵列如下： 1/9 1/9 1/9h(n1, n2) =
7、 1/9 1/9 1/9 1/9 1/9 1/9 1/10 1/10 1/10h(n1, n2) = 1/10 2/10 1/10 1/10 1/10 1/10 1/16 1/8 1/16h(n1, n2) = 1/8 1/4 1/8 1/16 1/8 1/16采用5*5阵列低通滤波h(n1,n2)如下： 1/35 1/35 1/35 1/35 1/35 1/35 2/35 2/35 2/35 1/35h(n1, n2) = 1/35 2/35 3/35 2/35 1/35 1/35 2/35 2/35 2/35 1/35 1/35 1/35 1/35 1/35 1/35 高通滤波 空域高通滤
8、波是对图像的低频分量进行拟制，让图像的高频分量无损耗或者低损耗的通过。空域高通滤波常用的h(n1,n2)的如下: 0 -1 0h(n1, n2) = -1 5 -1 0 -1 0 -1 -1 -1h(n1, n2) = -1 9 -1 -1 -1 -1 1 -2 1h(n1, n2) = -2 5 -2 0 -2 1 增强处理 水平增强 增强图像水平方向线条也是一种高通滤波。水平增强的h(n1, n2)的例子如下: 0 0 0h(n1, n2) = 0 0 0 -1 2 -1 垂直增强 增强图像垂直方向线条也是一种高通滤波。水平增强的h(n1, n2)的例子如下: -1 0 0h(n1, n2
9、) = 2 0 0 -1 0 0 水平垂直增强 水平垂直增强图像也是一种高通滤波。水平增强的h(n1, n2)的例子如下: -1 -1 -1h(n1, n2) = -1 8 -1 -1 -1 -1 结构滤波 并联型结构滤波结构如图:例如，当 0 0 0h1(n1, n2) = 0 0 0 -1 2 -1 -1 0 0h2(n1, n2) = 2 0 0 -1 0 0则h(n1, n2)为 -1 0 0h(n1, n2) = 2 0 0 -1 2 -1 串联型结构滤波结构如图:例如，当 0 0 0h1(n1, n2) = 0 0 0 -1 2 -1 -1 0 0h2(n1, n2) = 2 0
10、0 -1 0 0则h(n1, n2)为 1 -2 1h(n1, n2) = -2 4 -2 1 -2 17) 图象的切换特效处理 上部和下部对接显示只需要不断的同时描绘对称的上部和下部的一行像素即可 左部和右部对接显示只需要不断的同时描绘对称的左部和右部的一列像素即可 四边向中央显示只需要不断的同时等进阶的描绘四边直至描绘到中心点即可 中央向四边显示只需要不断的从中心点同时等进阶的描绘四边直至描绘到边缘即可 四角向中心显示从左上角，右下角分别同时沿着主对角线等进阶的描绘自己所在像素的行，列像素直至中心 水平删条设定分割长度L， 然后分别从高度为L, 2L, 3L . 处等进阶的描绘行像素，显然
11、这里进阶所需描绘高度为L 垂直删条设定分割长度L， 然后分别从宽度为L, 2L, 3L . 处等进阶的描绘列像素，显然这里进阶所需描绘宽度为L 由左向右（由右向左）分别从左至右(从右至左)不断的描绘列像素直至边缘 由上向下（由下向上）分别由上向下（由下向上）不断的描绘行像素直至边缘8) 边缘探测在图像测量，模式识别时，从图像中抽出线条，检测出图像边缘或者抽出图像轮廓是最常用的操作。迄今为止，已经出现了许多成熟的算法。例如微分算法，掩模算法等。在微分算法中，常使用N*N的像素块，例如3*3或者4*4。3*3的像素块如下，f(i-1,j-1) f(i-1,j) f(i-1,j+1)f(i,j-1)
12、 f(i,j) f(i,j+1)f(i+1,j-1) f(i+1,j) f(i+1,j+1)我们不妨设f(i,j)为待处理的像素，而g(i, j)为处理后的像素。 Roberts算子g(i, j) = sqrt( (f(i, j) - f(i + 1, j)2 + (f(i + 1, j) - f(i, j + 1)2 )或者g(i, j) = |f(i,j) - f(i + 1,j)| + |f(i+1,j) - f(i,j+1)| Sobel算子对数字图像的每一个像素f(i,j),考察它的上、下、左、右邻域灰度的加权值，把各方向上(0度、45度、90度、135度)的灰度值加权之和作为输出，可以达到提取图像边缘的效果。即 g(i,j) = fxr + fyr,
