数字图像处理讲座课件.ppt

使用（a,b,r）来确定一个圆心为（a,b）半径为 r 的圆。某个圆过点（x1,y1），则有：(x1-a1)^2 + (y1-b1)^2 = r1^2 。那么过点（x1,y1）的所有圆可以表示为（a1(i),b1(i),r1(i)），其中r1∈（0，无穷），每一个 i 值都对应一个不同的圆，（a1(i),b1(i),r1(i)）表示了无穷多个过点（x1,y1）的圆。如果点（x1,y1）、点（x2,y2）、点（x3,y3）在同一个圆上，那么存在一个值（a0,b0,r0），使得 a0=a1(k)=a2(k)=a3(k) 且b0=b1(k)=b2(k)=b3(k) 且r0=r1(k)=r2(k)=r3(k)，即这三个点同时在圆（a0,b0,r0)上。 首先，分析过点（x1,y1）的所有圆（a1(i),b1(i),r1(i)），当确定r1(i)时 ，（a1(i),b1(i)）的轨迹是一个以（x1,y1,r1(i)）为中心半径为r1(i)的圆。那么，所有圆（a1(i),b1(i),r1(i)）的组成了一个以（x1,y1,0）为顶点，锥角为90度的圆锥面。三个圆锥面的交点A 既是同时过这三个点的圆。 首先，无论是线性插值还是高阶非线性插值，都是用某一光滑曲线来拟合已知数据，它们本质上都相当于一种低通处理，而对象的边界主要由高频分量决定，因此，插值的结果势必引起边界模糊；其次，两相邻切片中对应位置处的像素点可能分别属于不同的生物组织，用这样两种不同属性的信息来进行插值从逻辑上讲是有问题的。 行程编码：擅长于重复像素的压缩。熵编码：擅长于像素个数的不同编码。DCT变换：擅长将高频部分分离出来。 LZW是无损的，GIF文件采用了这种压缩算法。 式中，fi为个体i代表的推测恢复图像；g为观测到的退化图像；h为退化过程； 首先，无论是线性插值还是高阶非线性插值，都是用某一光滑曲线来拟合已知数据，它们本质上都相当于一种低通处理，而对象的边界主要由高频分量决定，因此，插值的结果势必引起边界模糊；其次，两相邻切片中对应位置处的像素点可能分别属于不同的生物组织，用这样两种不同属性的信息来进行插值从逻辑上讲是有问题的。 采用伪彩色增强是由于人眼分辨不同彩色的能力比分别不同的灰度级的能力强，因此，把人眼无法区别的灰度变化，施以不同的彩色可以提高识别率。 模板运算实现了一种邻域运算，即某个象素点的结果灰度不仅和该象素灰度有关，而且和其邻域点的值有关。模板运算的数学涵义是一种卷积(或互相关)运算。 图象锐化的目的是加强图象中景物的边缘和轮廓。锐化的作用是要使灰度反差增强。因为边缘和轮廓都位于灰度突变的地方。所以锐化算法的实现是基于微分作用。 如果是灰度图像，一般需要阈值化之后再进行轮廓提取。 因为有上述的困难，所以我们今天要介绍的只是一些最基本，最简单的算法和思想，针对也只能是一些具体(而不是通用)的应用。算法共有三个：投影法、差影法和模板匹配。 我们通过观察发现，纪念碑上象素的灰度都差不多而且与众不同，我们选取选175到220的阈值做削波处理，将左图二值化得中图。由于纪念碑所在的那几列的白色点比起其他列多很多，将中图在垂直方向做投影得右图。其中，黑色线条的高度代表了该列上白色点的个数。图中间的高峰部分就是我们要找的水平方向上纪念碑所在的位置，这就是投影法。 傅里叶变换是指将信号分解为基波为不同频率的余弦信号的线形组合，它有两个好处：可以得出信号在各个频率点上的强度；可以将卷积运算化为乘积运算。 傅立叶变换的一个最大的问题是：它的参数都是复数，在数据的描述上相当于实数的两倍。余弦变换实际上是傅立叶变换的实数部分，它主要用于图象的压缩，如目前的国际压缩标准的JPEG格式中就用到了DCT变换。具体的做法与DFT相似。给高频系数大间隔量化，低频部分小间隔量化。 傅立叶变换可以把时域上的信号处理为频域上的信号叠加。对于在空间域上的数字图像，我们也能通过傅立叶变换转换为频域类的信号。在实现某些图像处理的时候，频域类的处理比空间域更简单。 在分析图像信号的频率特性时，对于一幅图像，直流分量表示预想的平均灰度，低频分量代表了大面积背景区域和缓慢变化部分，高频部分代表了它的边缘，细节，跳跃部分以及颗粒噪声。 在前面我们实现了图像在空域的模糊和锐化。其实在频域，我们也能方便的实现图像的锐化和模糊。我们截取频率的低频分量，对其作傅立叶反变换，得到的就是模糊后的图像。我们截取频率的高频分量，对其作傅立叶反变换，得到的就是锐化后的图像。 选择哪一类压缩，要折衷考虑，尽管我们希望能够无损压缩，但是通常有损压缩的压缩比(即原图象占的字节数与压缩后图象占的字节数之比，压缩比越大，说明压缩效率越高)比无损压缩的高。 还有串行边界连接技术，例如蛇模型、动态规划、区域生长、分类合并等等。