图像视觉基础与数学基础精要.ppt

第2章 图像视觉基础与数学基础 2.1光度学及色度学原理 1.色彩的基本属性 色彩是光的物理属性和人眼的视觉属性的综合反映。人眼对发光体或不发光体的色彩感觉，分别是因为不同光谱波长的辐射光或反射光刺激人眼视网膜内的感受器（视色素）使之兴奋的结果。 色彩具有三个基本属性：色调、饱和度和亮度。 （2）颜色模型： 所有颜色都可以看作3个基本颜色：红(R)、绿(G)、蓝(B)的不同组合。 （i）RGB模型 RGB模型面向彩色 显示器或打印机等设备。 （ii）从HSI转换到RGB分3段： 当H在[0°，120°]之间： 当H在[240°, 360°]之间： 2.3数字图像处理的数学基础 2.3.1线性系统 1.线性系统： 2.3.2卷积与滤波 1.卷积定义： 3.离散卷积 2.3.4 数字图像的数学表示 1.连续模型： 一幅图像以灰度G在(x,y)二维空间的连续变化来描述，即 ： 图像=G(x,y) 2.离散模型： 连续图像经过采样和量化后，输入计算机后即为它的离散形式，即为数字图像。它是一个矩阵。 图像的随机场模型 2.3.6 图像的统计特征 1.图像的基本统计分析量 设数字图像为f(i,j),大小为M×N, （1）图像的信息量：表示图像所含信息的多少。 一幅图像如果有q种灰度值，并且出现的概率分别为p1,p2,p3,…,pq,则根据香农定理图像的信息量用 熵H表示为： （3）图像灰度中值 图像所有灰度级中处于中间的值，当灰度数为偶数时，则取中间的两个灰度值的平均值。 （4）图像灰度众数 图像中出现次数最多的灰度值，它反映一幅图像中密度占优的物体的灰度特征。 （1）协方差计算公式： （2）相关系数:图像波段间的相关程度的统计量。 反映两个波段图像所含信息的重叠程度，当相 关系数为1时，表明表明两幅图像完全重叠。 2.3.8 数字图像处理中的基本运算 点运算：对数字图像中像素点的操作。点运算不改变图像内的空间关系。点运算使图像数据占据的灰度范围发生改变。 例2：非线性灰度变换 用非线性函数（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点运算。 3.代数运算 代数运算： 对于两幅输入图像进行点对点的加、减、乘、除计算而得到输出图像。代数运算的一般表达式如下： 例：多光谱图像中，各波段图像的亮度差异极小，难以区分。如水和沙滩，在第四波段和第七波段亮度非常接近，但如果把两波段图像相除，其比值差异极大，就很容易区分。 对比度增强或对比度拉伸： 一幅图像通过点运算将其灰度范围扩大，该方法称为对比度增强。 方法：线性灰度变换（线性点运算）和非线性点运算。 点运算应用： （1）对比度增强（灰度变换） 例1：线性灰度变换 设输入的灰度级为DA,输出的灰度级为DB, 灰度变换函数为： 0 255 a DA a′ b′ b DB 255 a) 原图 b) 对比度扩展后的图 图像的对比度扩展 ①当a=1，b=0时，为将输入图像复制为输出图像; ②当a>1时，输出图像对比度增大，输出灰度范围变 大， DA灰度范围[a, a′], DB灰度范围[b, b′] ③当a<1时，输出图像对比度减小,输出灰度范围减小； ④当a=1,b≠0时，使所有图像的灰度值上移或下移， 其效果是图像显示为更亮或更暗； ⑤当a=-1,b=0时，暗区将变亮，亮区将变暗。实现图像 求补（求反）。 讨论： 用直接灰度变换增强图像 255 255 0 ①对数变换： 作用：对图像的低灰度区进行较大拉伸，对高灰度区 压缩，变换后图像灰度分布与人的视觉特性相 匹配。 其中，a,b,c为调整曲线位置和形状的参数。 255 255 ②指数变换： 0 作用： 对图像的高灰度区给予较大拉伸。 其中，a,b,c为调整曲线位置和形状的参数。 图像的动态范围压缩 a) 原图 b) 进行动态范围压缩后的图 （4）裁减 将图像感兴趣的部分的灰度级变换到[0，255]范围内，而其他部分则被裁减掉。 （3）轮廓线 通过点运算为图像加上轮廓线，即进行阈值化。 （2）变换灰度单位 用灰度反映物理特性，如光照强度、光密度等。 即通过点运算实现光学标定和现实标定等。 0 图2 a1 a2