图像处理2(免费阅读).pptVIP

第二章 图像获取 2.1 概 述 连续图像的表达式 连续图像的表达式 连续图像的的随机表征 一维连续傅里叶变换 一维连续傅里叶变换 二维连续傅里叶变换 二维连续傅里叶变换 二维连续傅里叶变换 图像采样 采样后图像 图像采样 采样图像频谱 图像采样 图像重建 图像采样 二维采样定理 奈奎斯特准则 图像采样 自适应采样 均匀采样，即上述讨论的等间隔采样。当对采样点数目有所限制时，比如说N×N个采样点，此时可以根据图像的特性采用自适应采样方案，有可能获得更好的效果。 自适应采样方案的基本思想是：在图像函数值变化较大的区域采用精细的采样，在相对平滑的区域采用粗糙的采样。这种自适应采样方案又称为非均匀采样。 例如，一幅在均匀背景上叠加了一幢房屋的图像。显然，该图像的背景只有极少的细节信息，用粗糙的采样来表示已经足够。另一方面，图像上的房屋含有大量的细节信息，在该区域增加采样点就可以改善整体效果，特别是当N较小时尤其如此。 2.5 图像量化 量化器模型 K=1是标量量化K1为向量量化 标量量化 标量量化的线表示法 多对一的映射 标量量化 标量量化特性 标量量化 等间隔划分区间，且取其中值作为量化电平。 量化误差 均方误差 信噪比 均匀量化器 标量量化 最优量化器设计就是取均方误差最小或信噪比最大的量化 最优量化器 于是有： 标量量化 最优量化器 最优量化器——迭代方法求解 标量量化 压扩量化——与非均匀量化器等效的均匀量化方法 g=T(f) 压扩量化器 标量量化 压扩量化变换表 向量量化 向量量化模型 向量量化 向量量化模型 向量量化 向量量化器 向量量化 ? 压缩能力强。由于码书长度J一般远小于总的输入信号样本数，适当选取码书长度和码字维数，可以获得很大的压缩比。 ? 码书控制着量化失真量的大小。向量量化中码书的码字越多，失真就越小。只要适当选取码字数量，就能控制失真量在容许的范围内。因此，码书设计是向量量化的关键环节之一。 ? 计算量大。向量量化每输入一个向量f，都要和J个码字逐一比较，搜索出最接近的yi，所以工作量很大。因此，寻求一种合适的快速码书搜索算法是实现向量量化的第二个关键。 ? 向量量化是定长码，容易处理。 向量量化特点 向量量化 码书设计 LBG算法——设计向量量化器码书的算法 向量量化 码书设计 向量量化 码书搜索 向量量化 码书搜索 向量量化 码书搜索 2.6 数字图像的基本概念 数字图像的表示 M和N为正整数 矩阵中的每个元素称为图像单元，又称为图像元素，或简称像素 数字图像的表示 (1)二进制图像 在一幅二进制图像中，每一个像素将取两个离散数值（0或1）中的一个。二进制图像使用uint8或双精度类型的数组来存储。 (2)索引图像 索引图像是一种把像素直接作为RGB调色板下标的图像。在MATLAB中，索引图像包含一个数据矩阵X和一个颜色映射（调色板）矩阵map。数据矩阵可以是unit8、unit16或双精度类型的。颜色映射矩阵map是一个m?3的数据阵列，其中每个元素的值均为[0,1]之间的双精度浮点型数据，map矩阵中的每一行分别表示红色、绿色和蓝色的颜色值。索引图像可把像素的值直接映射为调色板数值，每个像素的颜色通过使用X的像素值作为map的下标来获得，如值1指向map的第一行，值2指向第二行，以此类推。 MATLAB图像类型 * * 图像 景物 成像系统 采样图像 采样子系统 数字图像 量化器 图2.1 图像采集系统 2.2 连续图像模型 代表像源的空间辐射能量分布 标准观察者对图像光函数的亮度响应——光场的瞬时光亮度计量 相对光效函数，即人视觉的光谱响应 蓝基色组的光谱三刺激值 绿基色组的光谱三刺激值 红基色组的光谱三刺激值 图像函数是一种空间变量为x, y、时间变量为t 的三维连续随机过程 随机过程可以由它的联合概率密度完全地表示出来 对于所有样本点的联合概率密度 常用的概率密度模型 1. 均匀密度 2. 雷利(Rayleigh)密度 分别是随机过程的均值和方差。对于图像正交变换（如傅里叶变换）系数的幅度概率密度来说，高斯密度是相当精确的模型。 3. 指数密度 4. 高斯密度 常数 常用的概率密度模型 常用的概率密度模型 用于估计点上的图像函数f1，其前提是点上的图像函数f2已知。 5. 拉普拉斯密度 6. 条件概率密度 图像随机过程的数字特征 1). 一阶矩或平均值 2). 二阶矩或自相关函数 图像随机过程的数字特征 3). 自协方差 4). 方差 2.3 连续图像的频谱 变换存在的 充分条件 幅度谱 能 谱 相位谱 变