数字图像处理要点简述剖析.docVIP

第一．二章．采样，量化，数字图像的表示 基本的数字图像处理系统 系统的层次结构 图像处理的主要任务： 图像获取与数字化 图像增强 图像恢复 图像重建 图像变换 图像编码与压缩 图像分割 特点： （1）处理精度高。 （2）重现性能好。 （3）灵活性高 1.图像的数字化包括两个主要步骤：离散和量化 2.在数字图像领域，将图像看成是许多大小相同、形状一致的像素组成 3.为便于数字存储和计算机处理可以通过数模转换（A/D）将连续图像变为数字图像 。 4.数字化包括取样和量化两个过程 ： 取样 ：对空间连续坐标(x, y)的离散化 量化 ：幅值 f (x, y)的离散化（使连续信号的幅度用有限级的数码表示的过程。） 5.数字化图像所需的主要硬件： 采样孔、图像扫描机构 、光传感器 、量化器 、输出存储体 6.取样和量化的结果是一个矩阵 7.其中矩阵中的每个元素代表一个像素 8.存储一幅图像的数据量又空间分辨率和幅度分辨率决定 9.灵敏度、分辨率、信噪比是三大指标 第三章，傅里叶变换，DCT变换，WHT 余弦型变换： 傅里叶变换（DFT）和余弦变换（DCT）。 方波型变换： 沃尔什-哈达玛变换（DWT） 1.二维连续傅里叶正反变换 ： 二维离散傅里叶变换： 。F(u, v)即为f (x, y)的频谱 。频谱的直流成分说明在频谱原点的傅里叶变换F(0, 0)等于图像的平均灰度级 卷积定理： 2.二维离散余弦变换（DCT） 一维离散余弦变换： 3.一维沃尔什变换核g(x,u)： 二维： 4．一维哈达玛变换核为 ： 第四章：图像增强：算术运算，灰度变换，直方图均衡化，平滑，锐化 1.图像增强是一类对图像降质进行改善的方法 2.图像增强技术大致分为：空间域增强（直接对像素灰度值）和频率域增强两类。从频率域看： 低通滤波可以对图像进行平滑去噪处理 高通滤波可对图像进行边缘锐化处理 3.区域增强算法包括：平滑算法和锐化算法。 单点增强： 灰度级校正（图像失真，灰度不均）、 灰度变换（线性变换、分段线性变换和非线性变换）、 灰度直方图变换：直方图的横坐标是图像的各灰度级，纵坐标是各个灰度出现的像素个数 灰度直方图描述了图像的概貌。 直方图变换后可使图像的灰度间距拉开或使灰度分布均匀，从而增大对比度，使图像细节清晰，达到增强的目的 直方图变换有两类： 直方图均衡化; 直方图规定化 区域增强的平滑方法： 邻域平均法：在去噪的同时也使边界变得模糊了 中值滤波：非线性的处理方法，在去噪的同时可以兼顾到边界信息的保留 各种边界保持类滤波方法 区域增强的锐化方法：加强图像中景物的边缘和轮廓 梯度锐化法： 1.罗伯茨差分F=max(|f(i+1.j+1)-f(i,j)|.|f(i.j+1)-f(i+1,j)|) 2.拉普拉斯算子: 3.高通滤波: 图像模糊的本质是图像的高频分量受到衰减，采用合适的高通滤波器提升高频分量将会使模糊得到相应的补偿 及其他常用的锐化算子 第五章：图像编码与压缩：熵，Huffman编码及其变种，LZW编码，Fano编码，算术编码，预测编码（Deta调制），跳跃白色块编码，游程长编码，JPEG压缩的过程 编码方法 统计编码： 1.Huffman编码：在无失真的编码方法中效率优于其他编码方法，是一种最佳变长码，其平均码长接近于熵值 2.Shannon编码与Pano编码 3．算术编码 预测编码： 在某种模型的指导下，根据过去的样本序列推测当前的信号样本值，然后用实际值与预测值之间的误差值进行编码 差分脉冲编码调制（DPCM） 无损预测编码:编码器 + 解码器（有相同的预测器）消除了像素间冗余） ===信息保存型 有损预测编码:增加了1个量化器.量化减少了心理视觉冗余===信息损失型(德尔塔调制（DM）) 变换编码 混合编码 图像压缩方法的分类 ：信息保存型，信息损失型 无损压缩有 Huffman编码 Shannon编码 游程编码 算术编码和轮廓编码等。 有损压缩有 预测编码 变换编码。 一般图像中存在着以下数据冗余因素: 编码冗余 与灰度分布的概率特性有关 像素间的相关性形成的冗余 空间冗余，几何冗余 视觉特性和显示设备引起的冗余 与主观感觉有关 信息量：随概率增加而减少 熵（Entropy）：代表信源所含的平均信息量： 二值图像编码 只有“白”（用“0”表示）和“黑”（用“1”表示）两个灰度级称之为二值图像 跳跃白色块编码（WBS） （1）全是“0”像素。 这种线段称为“空白块（blank）”，常表示二值图像的背景成分。 编码时“空白块”用码字“0”表示。“空白块” （2）