数字图像处理——传说中的重点.docx

绪论 图像分类 按灰度分类：二值图像和多灰度图像。二值图像：整个图中只是由黑色和白色两种像素组成。多灰度图像：含有从白色逐步过渡到黑色的一系列中间灰度级。 按色彩分类：单色图像和彩色图像。单色图像：只有某一谱段的图像，一般为黑白灰度图。彩色图像：真彩图像，合成彩色图像，伪彩色图像，假彩色图像等。 按运动分类：静态图像和动态图像。 数字图像处理的方法： 空域法：邻域处理法和点处理法。 变换域法。 数字图像处理的应用：计算机图像生成、图像传输与图像通信、机器人视觉及图像测量、办公自动化、图像跟踪及光学制导、医学图像处理与材料分析中的图像处理技术、遥感图像处理和空间探测和图像变形技术。 图像获取 一维连续傅里叶变换： Fu=-∞∞f(x)e-j2πuxdx 一维连续傅里叶逆变换： fx=-∞∞F(u)ej2πuxdu 存在条件：-∞∞|f(x)|dx∞ 复数形式：Fu=Ru+jI(u) 指数形式：Fu=|F(u)|ejφ(u) 幅度谱：Fu=[R2u+I2(u)]1/2 相位能：φu=tan-1I(u)R(u) 能谱：Eu=|F(u)|2=R2(u)+I2(u) 二维连续傅里叶变换： Fu,v=-∞∞f(x,y)e-j2π(ux+vy)dxdy 二维连续傅里叶逆变换： fx,y=-∞∞F(u,v)ej2π(ux+vy)dudv 存在条件：-∞∞-∞∞|f(x,y)|dxdy∞ 复数形式：Fu,v=Ru,v+jI(u,v) 幅度谱：Fu,v=[R2u,v+I2(u,v)]1/2 相位谱：φu,v=tan-1I(u,v)R(u,v) 能谱：Eu,v=|F(u,v)|2=R2(u,v)+I2(u.v) 欧拉变换： eix=cosx+isinx e-ix=cosx-isinx 既有： eix+e-ix=2cosx 图像的数字表示： f(x,y)表示数字图像。矩阵M×N表示图像，即f0,0,f0,1…f(M-1,N-1)作为矩阵元素即像素。坐标(x,y)处的值f(x,y)为离散的灰度级值，即 0≤fx,y≤L-1 其中，L是数字图像中每个像素所具有的离散灰度级数，即图像中不同灰度值的个数。一般为2的证整数次幂，即 L=2k 假设离散灰度级是均匀分布在[0,L-1]内，则存储一副数字图像需要的比特数为： b=M×N×k Matlab五种数字图像： 二进制图像：每个像素取0或1。uint8或双精度类型的数组。 索引图像：把像素直接作为RGB调色板的下标的图像。包含一个数据矩阵X和一个颜色映射矩阵（调色板）map。数据矩阵可以是uint8、uint16或者双精度类型的。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、绿、蓝的颜色值。索引图像的每个像素的颜色可以使用X的像素值作为map的下标来获得。 灰度的图像：由一个uint8、uint16或双精度类型的数组来表示，是一个矩阵I。0代表黑色，1,255或65535（针对不同类型的矩阵）代表黑色。 多帧图像。 RGB图像。真彩图。对于一个M×N的图像，需要M×N×3的多维数组来存储。即（R,G,B） 像素间的基本关系 邻域：p(x,y)，则其4个水平和垂直相邻像素的坐标：(x+1,y)，x-1,y，x,y+1，(x,y-1)组成p的4邻域，即N4(p)。 8邻域：p的四个对角线像素坐标：(x+1,y+1)，(x+1,y-1)，(x-1,y+1)，(x-1,y-1)这些像素集合即NDp。N4(p)和NDp合起来称为p的8邻域，即N8(p)。 如图所示： 连通性：当两个像素相邻时，必须具有同一个灰度值才能说明他们是连通的。 4连接：2个像素p和r在中取值，且r在中，则为4连接。 8连接：2个像素p和r在中取值，且r在中，则为8连接。 m连接：2个像素p和r在中取值，且满足下列情况之一：r在；r在中且 p23例子 图像变换 一维离散傅里叶变换： 对于有限长序列f(x)(x=0,1,…,N-1)，有 Fu=DFTfx=x=0N-1fxWux u=0,1,…,N-1 一维离散傅里叶逆变换： fx=IDFTFu=1Nu=0N-1F(u)W-ux x=0,1,…,N-1 其中，W=e-j2πN，称为变换核。 离散傅里叶变换对：f(x)?F(u) 离散傅里叶变换矩阵形式： 正变换： 逆变换： 一维快速傅里叶变换：p28-p30 一维离散傅里叶变换Matlab实现： 一维和二维卷积运算 二维离散傅里叶变换： 设f(x,y)(x=0,1,…,M-1:y=0,1,…,N-1)是一副M×N图像，则有： Fu,v=x=0M-1y=0N-1f(x,y)e-j2π(uxM+vyN) u=0,1,…,M-1 v=0,1,…,N