第三章数字图像处理基本运算.pptVIP

基本运算分类 点运算 代数运算 几何运算 直方图;3.1、数字图像处理基本运算的分类;2 基本运算分类;;2、 对比度调整----图像拉伸;讨论 ： 1) d-c=b-a,图像对比度不变. c=a, 没有变化，图3.2.2 (a) c 不等于a, 灰度调整，图3.2.1. 2）d-cb-a, 图像灰度拉伸，对比度增强，图3.2.2 (b) ; 3）d-cb-c, 对比度减小，图3.2.2 (c) ; 4）反色, ，图3.2.2 (d) . ;;;;;;（2）分段灰度的线性变换 目的：突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区域;分段线性变换 ;;线性变换;分段线性变换;（3）非线性变换;3.3、代数运算;2、应用 1）运用减法运算， 去除图像的附加噪声 去除不需要的叠加性图案 检测同一场景两幅图象之间的变化 计算物体边界的梯度; 运用减法运算，可检测同一场景中两幅图像的变化，如运动目标的跟踪及故??检测 2）加法运算可以降低加性随机噪声 通过对多幅图像求平均实现 3) 实现遥感图像的比值处理 a) 扩大不同地物的光谱 b) 消除阴影的影响 4) 乘法运算，可以用来遮掉图像的一部分。 如将一幅图像与二值图像相乘、掩模操作;加法运算:　去除“叠加性”噪音 　　　　　　生成图象叠加效果 对于两个图象f(x,y)和h(x,y)的均值有： g(x,y) = 1/2f(x,y) + 1/2h(x,y) 会得到二次暴光的效果。推广这个公式为： g(x,y) = αf(x,y) + βh(x,y) 其中α+β= 1 我们可以得到各种图象合成的效果，也可以用于两张图片的衔接;;3.4、几何运算;;图像缩放 （0.5, 0.5）;1） 概述 图像的几何变换，是指使用户获得或设计的原始图像，按照需要产生大小、形状和位置的变化。 基本变换： 平移、比例缩放、旋转、反射和错切 此外还有： 透视变换等复合变换，以及插值运算等。 实 现： 通过与之对应的矩阵线性变换（除了插值运算外）;点 的平移;用矩阵的形式表示： ;扩展后的变换矩阵为2×3阶，这不符合矩阵相乘规则。;齐次坐标的几何意义;将2×n阶的二维点集矩阵表示成齐次坐标的形式 乘以相应的变换矩阵，即 变换后的点集矩阵=变换矩阵T×变换前的点集矩阵 （图像上各点的新齐次坐标） （图像上各点的原齐次坐标）;2 图像平移;;;3 图像缩放;则;2） 简单的图像放大; 在输入图像f(x,y)中，灰度值仅在整数位置(x,y)处被定义。然而，在几何变换中，输出图像g(x,y)的灰度值一般由处在非整数坐标上的f(x,y)的值来决定。所以，如果把几何变换看成是一个从f到g的映射，则f中的一个像素会映射到g中几个像素之间的位置；反过来也是如此。这就需要利用灰度级插值算法以确定几何变换后的像素的灰度值。 输出像素通常被映射到输入图像中的非整数位置，即位于四个输入像素之间来决定与该位置相对应的灰度值，所以必须进行插值运算以确定输出像素的灰度值。常用的插值算法有最近邻插值法（Nearest neighbor）和双线性插值法（Bilinear）两种。 1. 最简单的插值方法是所谓零阶插值（Zero-order）或称为最近邻插值，即令输出像素的灰度值等于离它所映射到的位置最近的输入像素的灰度值。计算十分简单，在许多情况下，其结果也可令人接受。然而，当图像中包含像素之间灰度级有变化的细微结构时，最近邻插值法会在图像中产生人工的痕迹。如图所示为一个用最近邻插位法放大图像的例子，从中可看出结果图像带有锯齿形的边。;2 双线性插值（Bilinear） ?? ? 双线性插值法是一阶插值（First-oder），和零阶插值法相比可产生更令人满意的效果。只是程序稍复杂一些，运行时间稍长一些。 假设输出图像的宽度为W，高度为H，输入图像的宽度为w高度为h，要将输入图像的尺度拉伸或压缩变换至输出图像的尺度。按照线形插值的方法，将输入图像的宽度方向分为W等份，高度方向分为H等份，那么输出图像中任意一点（x，y）的灰度值就应该由输入图像中四点（a，b）、（a+1，b）、（a，b+1）和（a+1，b+1）的灰度值来确定. ;;;;4 图像镜像;;5 图像旋转;;注意： （1） 图像旋转之前， 为了避免信息的丢失， 一定要有坐标平移；有下两种方法：;注： 　　一般图像的旋转是以图像