数字图像分析-1.docVIP

数字图像分析参考资料 A:数字图像处理基础 1：图像线性变换 表达式：令H是一种算子，则输入和输出都是图像，如果对于任何两幅图像f和g及任何两个标量a,b有如下关系，则称H是线性算子：H(af+bg)=aH(f)+bH(g). 条件：齐次性，可加性。 2 图像采样(书P40) 一幅图像的x和y坐标及幅度可能都是连续的，为了把它转换为数字形式，必须在坐标和幅度上都做采样操作。数字化坐标值称为取样，数字化幅度值称为量化。 数字图像的质量很大程度上取决于取样和量化中所用的取样数和灰度级。 取样和量化的结果是一个实际矩阵，取样值是决定一幅图像空间分辨率的主要参数，基本上，空间分辨率是图像中可辨别的最小细节。 采样间隔越大，图像质量越差，数据量越小。 3 图像邻域（书P51） 两种：4邻域和8邻域 位于坐标(x,y)的一个像素p有4个水平和垂直的相邻像素，其坐标由下式给出： (x+1,y),(x-1,y),(x,y+1),(x,y-1) 这个像素集称为p的4邻域，用表示。每个像素距(x,y)一个单位距离，如果(x,y)位于图像的边界，则p的某一邻像素位于数字图像的外部。 P的4个对角邻像素有如下坐标： (x+1,y+1),(x+1,y-1),(x-1,y+1),(x-1,y-1) 并用表示。与4个邻域点一起把这些点叫做p的8邻域，用表示。 B: 图像变换 1种类：傅里叶变换、余弦变换、K-L变换、小波变换。 2傅里叶变换与小波变换的区别：傅里叶变换的基础函数是正弦函数，小波变换则是基于一些小型波，具有变化的频率和有限的持续时间，能够反映时域和频域的局部特性。而傅里叶变换只提供了频率，局部信息在变换过程中丢失了，在时域上不具备分辨率。因此，在描述局部特征方面，小波比傅里叶变换更好。 3 四种变换中K-L变换的去除相关性最好。 4 图像的直方图描述了图像的像素值的概率特性，图像与直方图的关系是多对一。 5 直方图均衡化是指直方图的归一化，直方图规定化是指用于产生处理后有特殊直方图的图像的方法。 C:图像增强 直方图处理 概念：灰度直方图（histogram）是灰度级的函数，它表示图象中具有每种灰度级的象素的个数，反映图象中每种灰度出现的频率。灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率，是图象的最基本的统计特征 直方图均衡化 概念：通过灰度变换将一幅图象转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。 直方图规定化 概念：指将一幅图象通过灰度变换后，使其具有特定的直方图形式，如使图象与某一标准图象具有相同的直方图，或使图象具有某一特定函数形式的直方图。 图像锐化 各种边缘检测算子（要求数字化实现） a.梯度算子： 由于上式对整幅图像计算时运算量很大，因此在实际操作中常用绝对值代替平方与平方根运算近似求梯度的模值： b.拉普拉斯算子: 二维拉氏算子数字实现为： c.Robert算子: 数字实现为： d.Prewitt算子(网络版) 在抗噪声能力方面，上面四个中，Prewitt最强。 频率域图像锐化的过程 如上图所示，对于频域图像锐化（即高通滤波）和图像平滑（即三1.中所指的低通滤波）来说，区别就在于滤波函数的不同， 对于二维图像，理想高通滤波器定义为： 图像平滑 低通滤波 滤波过程如上图所示，理想的低通滤波器定义为： 中值滤波 中值滤波是典型的统计排序滤波器，主要功能是使拥有不同灰度的点看起来更接近于它的邻近值。与一般的局部均值滤波相比的优势在于：对处理椒盐噪声非常有效；可以保护边缘。 过程：先将掩模内欲求的像素及其邻域的像素值排序，确定出中值，并将中值赋予该像素点。 D:彩色图像处理 彩色图像处理的三特征:亮度、色度、饱和度。 彩色模型：GRB、CMY、CMYK、HIS其中HIS模型更符合人描述和解释颜色的方式。 颜料的三原色：青、黄、品红。 颜色的三基色：RGB E:图像分割 1阈值化分割（二值化分割） 阈值分割法是一种基于区域的图像分割技术，其基本原理是：通过设定不同的特征阈值，把图像象素点分为若干类。常用的特征包括：直接来自原始图像的灰度或彩色特征；由原始灰度或彩色值变换得到的特征。设原始图像为f(x，y)，按照一定的准则f(x，y)中找到特征值T，将图像分割为两个部分，分割后的图像为： 　　若取：b0=0(黑)，b1=1(白)，即为我们通常所说的图像二值化。　图像的二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是讲整个图像呈现出明显的黑白效果。 　　将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的