图象处理基本算法..docx

1)将256*256分辨率的图像变为128*128分辨率可以将源图像划分成2*2的子图像块,然后将2*2的子图像块的所有像素颜色均按照F(i,j)的颜色值进行设定，达到降低分辨率的目的。如:F(i,j)??? F(i,j+1)????????????????? F(i,j)? F(i,j)?F(i+1,j)? F(i+1,j+1)?? 变成?? F(i,j)? F(i,j)（同理，256*256分辨率的图像变成64*64分辨率，只需要划分成4*4即可，以此类推。）2)?R单色, G单色,B单色化图像，只需要将图像的每一个像素中的相应的R, G, B值取出，然后利用类似(R,R,R),(G,G,G),(B,B,B)的像素重新绘制即可。3)?彩色图像的RGB和亮度Y，色差I，信号值Q的关系| Y |??? |0.31? 0.59? 0.11?? |??? | R || I?| =? |0.60 -0.28? -0.32 | * | G ||Q |???? |0.21? -0.52 -0.31 |??? | B |即? Y = 0.31R + 0.59G+0.11B???? I? =?0.60R - 0.28G - 0.32B???? Q = 0.21R - 0.52B - 0.31B4)??彩色图像的逆反处理：?将对应的(R, G, B)像素替换成(255 - R, 255 - G, 255 - B)?????彩色图像的平滑处理:?? 将一个图片每一个像素的颜色由其相邻的n*n个像素的平均值来替代。例如，将一个3*3的点阵，设带平滑的像素为f(i, j),平滑后为g(i, j)，那么f(i-1,j-1)? f(i-1,j)? f(i-1,j+1)f(i,j-1)???? f(i,j)????? f(i,j+1)f(i+1,j-1) f(i+1,j)? f(i+1,j+1)g(i,j)=( f(i-1,j-1) + f(i-1,j) + f(i-1,j+1) + f(i,j-1) + f(i,j) + f(i,j+1) + f(i+1,j-1) + f(i+1,j) + f(i+1,j+1) ) / 9这里要注意的是对于边缘的像素的情况，防止越界。?????彩色图像的霓虹处理:?? 同样以上面的3*3的点阵为例，目标像素g(i,j)应当以f(i,j)与f(i,j+1)，f(i,j)与f(i+1,j)的梯度作为R,G,B分量，我们不妨设f(i,j)的RGB分量为(r1, g1, b1), f(i,j+1)为(r2, g2, b2), f(i+1,j)为(r3, g3, b3), g(i, j)为(r, g, b),那么结果应该为r = 2 * sqrt( (r1 - r2)^2 + (r1 - r3)^2 )g = 2 * sqrt( (g1 - g2)^2 + (g1 - g3)^2 )b?= 2 * sqrt( (b1 - b2)^2 + (b1 - b3)^2 )?????彩色图像的锐化处理:??设f(i,j)像素为(r1, g1, b1) , f(i-1,j-1)像素为(r2,g2,b2), g(i,j)像素为(r,g,b),则r = r1 + 0.25 * |r1 - r2|g = g1 + 0.25 * |g1 - g2|b = b1 + 0.25 * |b1 - b2|?????彩色图像的浮雕处理:??g(i, j) = f(i, j) - f(i - 1, j) + 常数?，这里的常数通常选作128?????彩色图像的镶嵌处理:??与彩色图像的平滑处理类似，但是不同的地方在于3*3的目标像素点都取作g(i,j)，而不是另外的再去取所在矩阵像素的平均值。?????彩色图像的灰度处理:??r = r1 / 64 * 64? g = g1 / 64 * 64? b = b1 / 64 * 64? 注意这里的除法是程序设计当中的整数除法。5)?图象的几何变换：平移，缩放，旋转等均于解析几何当中的保持一致。6)?图象的滤波处理●?卷积滤波原理是 y(n1, n2)=∑∑x(m1,m2)h(n1-m1,n2-m2)? (两个求和符号的范围分别是?m1:0~N m2:0~N)其中x(m1,m2)为输入图像信号,h(n1-m1,n2-m2)为滤波系统对单位采样序列δ(n1,n2)的响应。??? ⊙低通滤波? 一般而言，图像中的噪声频谱位于空间频率较高的区域，空间域低通滤波用于平滑噪声。常用低通滤波的h(n1, n2) 的3*3阵列如下：????????????? 1/9?? 1/9?? 1/9h(n1, n2) =?? 1/9??? 1/9?? 1/9?????????????????? 1/9??? 1/9??? 1/9??????