数字图像处理2数字图像基础-4,5,6分解.pptVIP

2）人工特征 图像的人工特征很多，主要包括以下几种: ①直方图特征 ②灰度边缘特征 图像灰度在某个方向上的局部范围内表现出不连续性，这种灰度明显变化点的集合称为边缘。灰度边缘特征反映了图像中目标或对象所占的面积大小和形状。 ③线和角点特征 城市区划图中有建筑群、街道、公路、铁路、桥梁等，这些地物可用线、线相交的角点来表示。从图中提出这些特征，不仅可压缩图像，也可用于识别。角点代表的局部结构关系不因视角而改变，在图像匹配中很有用。 ④纹理特征 纹理区域是指某种结构在比它更大的范围内大致呈现重复排列，这种结构称为纹理基元。有如草地、大面积农作物构成的自然纹理和如砖墙、建筑群等构成的人工纹理。 图像的特征有很多，但在实际的特征提取中，重视何种特征主要依赖于对象和处理的目的。按提取特征的范围大小又可分为： ①点特征 仅由各个像素就能决定的性质。如单色图像中的灰度值、彩色图像中的红(R)、绿(G)、蓝(B)成分的值。 ②局部特征 在小邻域内所具有的性质，如线和边缘的强度、方向、密度和统计量(平均值、方差等)等。 ③区域特征 在图像内的对象物 (一般是指与该区域外部有区别的具有一定性质的区域)内的点或者局部的特征分布，或者统计量，以及区域的几何特征(面积、形状)等。 ④整体特征 整个图像作为一个区域看待时的统计性质和结构特征等。 2．特征提取 获取图像特征信息的操作称作特征提取。它作为模式识别、图像理解或信息量压缩的基础是很重要的。 通过特征提取，可以获得特征构成的图像（称作特征图像）和特征参数。 3．特征空间 对于由图像中提取出的特征量，利用特征空间这一定义，可应用于模式分类等方面。把从图像提取的m个特征量y1，y 2，…，ym，用m维的向量Y＝[y1 y2…ym]t表示称为特征向量。另外，对应于各特征量的m维空间叫做特征空间，那么特征向量Y就可作为这个特征空间的点来表示。 1.连续图像f(x,y)与数字图像I(r,c)中各量的含义是什么？它们有何联系和区别？ 2.何谓量化噪声？如何减少量化噪声？ 3.统计并绘出下面图像的灰度直方图。 0 1 3 2 1 3 2 1 0 5 7 6 2 5 6 7 1 6 0 6 1 6 3 4 2 6 7 5 3 5 6 5 3 2 2 7 2 6 1 6 2 6 5 0 2 7 5 0 1 2 3 2 1 2 1 2 3 1 2 3 1 2 2 1 　　 在数字图像处理中，灰度直方图是最简单且最有用的工具，可以说，对图像的分析与观察直到形成一个有效的处理方法，都离不开直方图。 一、灰度直方图的定义 　　灰度直方图是灰度级的函数，描述的是图像中该灰度级的像素个数或该灰度级像素出现的频率。即：横坐标表示灰度级，纵坐标表示图像中该灰度级出现的个数或该灰度级像素出现的频率，这个关系图就是灰度直方图。它反映了图像灰度分布的情况。 1 2 3 4 5 6 6 4 3 2 2 1 1 6 6 4 6 6 3 4 5 6 6 6 1 4 6 6 2 3 1 3 6 4 6 6 1 2 3 4 5 6 5 4 5 6 2 14 灰度直方图 1 2 3 4 5 6 5 4 5 6 2 14 频率的计算式为： 二、直方图的性质 １．灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置，即所有的空间信息全部丢失。 ２．一幅图像对应唯一的灰度直方图，反之不成立。不同的图像可对应相同的直方图。下图给出了一个不同的图像具有相同直方图的例子。 3．一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。 图像的直方图H(i)= 区域Ⅰ的直方图H1(i) + 区域Ⅱ的直方图H2(i) = + 三、直方图的应用 1 . 数字化参数（判断量化是否恰当） 　　直方图给出了一个简单可见的指示，用来判断一幅图象是否合理的利用了全部被允许的灰度级范围。一般一幅图应该利用全部或几乎全部可能的灰度级，否则等于增加了量化间隔。丢失的信息将不能恢复。 0 255 0 255 0 255 (a) 恰当量化 (b)未能有效利用动态范围 (c)超过了动态范围 ２. 边界阈值选取（确定图像二值化的阈值） 　　 假设某图象的灰度直方图具有 二峰性，则表明这个图象的较亮的区域和较暗的区域可以较好地分离，以这一点为阈值点，可以得到好的二值处理的效果。 目标 背景 0 255 阈值T 目标 背景 3.当物体部分的灰度值比其它部分灰度值大时，可利用直方图统计图像中物体的面积。