何谓影像处理.PPTVIP

圖 1.15 第一章 導論 第13頁 圖1.15 1.5　應用 醫療 X-ray, MRI, CAT 細胞影像及染色體組型 農業 衛星空照，蔬果分類 工業 生產線檢測，樣本檢視 法律 指紋分析，測速照相分析 第一章 導論 第13-14頁 1.6　影像處理的面向 影像增強 失焦影像之銳利化或去除模糊現象 凸顯邊緣 改善影像對比或提高亮度，以及 去除雜訊 影像回復 去除線性運動造成的模糊現象 去除鏡頭造成的扭曲，以及 去除週期性的干擾 第一章 導論 第14頁 1.6　影像處理的面向 影像切割 搜尋影像中的線條、圓圈或特定形狀 辨識空照圖中的汽車、樹木、建築物或道路 某些演算法可能在影像增強和影像回復上都會用到。 第一章 導論 第14頁 1.7　影像處理工作 擷取影像（acquiring the image ） 前置處理（preprocessing ） 切割（segmentation ） 表示與描述（representation and description ） 辨識與解讀（recognition and interpretation） 第一章 導論 第15頁 1.8 數位影像的類型 二元數位影像（binary） 第一章 導論 第15.16頁 圖1.16 圖 1.17 灰階影像（grayscale） 第一章 導論 第16.17頁 圖1.17 圖 1.18 全彩或RGB（ 紅綠藍） 影像（true color or red-green-blue） 第一章 導論 第16.18頁 圖1.18 圖 1.19 索引影像（Indexed） 第一章 導論 第17.18頁 圖1.19 1.9　影像檔案大小 512×512 的二元數位影像檔 同樣大小的灰階影像則需要： 第一章 導論 第19頁 彩色影像 1.9　影像檔案大小 第一章 導論 第19頁 1.10　影像感知 影像處理是為了讓影像呈現較符合人眼所需，因此必須考慮人類視覺系統的限制： 觀察到的明暗度（observed intensities）會隨著背景改變。 對於連續變化的灰色漸層圖樣，人眼會感知事實上不存在的條狀明暗度。 人類的視覺系統在不同明暗度的交接處，容易產生過與不及的感覺。 第一章 導論 第19-20頁 圖 1.20 第一章 導論 第20頁 圖1.20 圖 1.21 第一章 導論 第21頁 圖1.21 * * ? 2010 Cengage Learning Engineering. All Rights Reserved. 第一章 導論 1.1　影像與圖片 人類強烈依賴視覺來感知(sense)週遭的事物，視覺的作用不只在物體的分辨(identify)與分類(classify) ，還可比較差異(differences) ，及短暫一瞥中對所見景象(scene)歸納出粗略的整體概念。 人類的視覺已經演化出許多精巧的功能： 能夠在一瞬間辨認出對方的臉孔 能夠分辨顏色的差異 能夠快速處理大量的視覺資訊 第一章 導論 第2頁 1.1　影像與圖片 在此，我們研究的是視覺景象(visual scene)的單一影像(image)，或稱快照(snapshot)。 影像只是一張呈現事物的單一圖片，呈現的可能是人、動物、戶外景象、電子零件的縮影照、或醫療影像的結果。 第一章 導論 第2頁 影像處理（image processing）是改變影像的本質，以便： 強化圖片資訊，便於人眼辨識。 轉化成更適合機器自動辨識的格式。 1.2　何謂影像處理？ 第一章 導論 第2頁 1.2　何謂影像處理？ 狀況一： 加強影像的邊緣線條，呈現更銳利的影像。 見圖1.1，第二幅影像顯得更清晰，讓人看得更舒服。 銳利的邊緣對印刷來說相當重要。 第一章 導論 第3頁 圖 1.1 第一章 導論 第3頁 圖1.1 1.2　何謂影像處理？ 狀況一（續）： 去除影像的雜訊。雜訊是影像中不規則的錯誤資訊，見圖1.2。 去除影像的動態模糊現象，見圖1.3。 圖1.3(b) 是經過強化，去除模糊現象後的影像，可以清楚看到車牌號碼、車後圍牆上的尖角，以及圖1.3(a) 中其他看不清楚的細節。 第一章 導論 第3頁 圖 1.2 第一章 導論 第4頁 圖1.2 圖 1.3 第一章 導論 第4頁 圖1.3 1.2　何謂影像處理？ 狀況二： 取得影像邊緣線條。這個動作是為了測量影像中的物體，見圖1.4(a) 與(b)。 取得影像邊緣線條之後，便可以測量物體的體積及物體包含的範圍。 亦可使用邊緣偵測演算法作為邊緣強化的第一步。 第一章 導論 第4頁 圖 1.4 第一章 導論 第5頁 圖1.4 1