chapter5数字图象处理技术精品.pptVIP

对数字图像用微分运算不方便，一般用差分来近似。 一种常用的梯度差分法 式中各像素的位置如左下图(a) 另一种梯度差分法称为Roberts梯度算子，象素位置见图(b) 微分锐化方法小结 利用上面两种近似方法求梯度时，图像最后一行和最后一列的像素的梯度无法标得。一般用其前一行或前一列的梯度值近似代替。 由于梯度值正比于相邻像素的灰度值之差，在图像中灰度变化较大的边沿区其梯度值大，而灰度变化平缓的区域或微弱细节区其梯度值小，对于灰度均匀区梯度值为零。 一旦梯度算出后，就可根据不同的需要生成不同的梯度增强图像。最简单的是让坐标(x,y)处的新图象灰度值等于该点的梯度。即g(x,y)=GM[x,y] 2、高通滤波法 图像中的边缘或线条与图像频谱中的高频分量相对应，因此，采用高通滤波的方法让高频分量顺利通过，使低频分量受到抑制，就可增强高频分量，使图像的边缘或线条变得清晰，实现图像的锐化。 与低通滤波类似，常用的有四种高通滤波形式（自学），见演示firdemo.m §5.6 图象采集与处理应用实例 动物纤维细度自动测试仪 用于测量动物纤维的平均细度及其分布状况 采用光学显微镜－精密机械－CCD－微机控制的整体方案。 该方案基于图像处理原理的软硬件一体化的自动测量系统，技术先进； 测量范围4～300微米，重复性精度小于0.12微米，最大测量速度140根/秒。 动物纤维细度自动测试仪 动物纤维细度自动测试仪 仪器的工作原理 图像采集处理系统工作原理 图像处理流程图 第五章作业汽车车牌自动识别软件 技术指标 识别时间小于0.2秒； 全天候7×24小时连续工作； 全车牌识别率大于90%，后四位识别率大于95%； 最高车辆行驶速度150公里/小时； 对恶劣的天气环境、复杂的交通场景、耀眼的照明环境、模糊的车牌等问题，均有独到的算法加以解决 要求： 分组进行，分组与讨论课分组一致 自己用数码相机拍3种环境下的车牌照片 提交Matlab软件与图像 第17周提交 4、图象文件格式 JPEG（Joint Photographic Expert Group）文件 采用静态图象压缩和编码标准，实现较少的磁盘空间获得较好的图象质量。压缩技术先进。 PSD文件 Photoshop文件格式 WMF矢量格式文件 在MS-Office软件中应用广泛 注意图象类型和图象文件格式的区别 §5.4 图象处理中的正交变换 为了获取图象中的某些重要信息，需要把图象从空间域变换到频率域。 图象变换在图象增强、图象复原、图象编码压缩和特征提取方面应用广泛。 图象变换方法一般具有线性和正交性。 常用的图象正交变换方法有： 离散傅立叶变换（重点介绍） 离散余弦变换 K-L变换 Radon变换 一、连续傅立叶变换 设f(x)为实变量x的连续函数，且在(-∞,+ ∞)内绝对可积，则 f(x)的傅立叶变换和反变换定义为： 变量x表示时域和空域，变量u表示频域。通常F(u)为复函数： 则的幅值谱和相位谱可表示为： 一、连续傅立叶变换 将傅立叶变换推广到二维情况，设f(x,y) 连续可积，则 其傅立叶变换和反变换定义为： 例：一矩形区域的二维傅立叶变换如图所示： 二、离散傅立叶变换 对f(x)在N个等间隔点处进行采样，得到离散化的函数 f(m)(m=0,1,…,N)，其离散傅立叶变换(DFT)和反变换定义为： 同样，对f(x,y)在M ? N的网格上采样，得到二维离散函数 f(m,n) ，其二维离散傅立叶变换和反变换定义为： 三、图象的离散傅立叶变换 Matlab二维离散傅立叶变换函数： A=fft2(X, Mrows, Ncols) X为图象矩阵 A为图象的傅立叶变换矩阵，数值为复数 Mrows, Ncols指定对X进行零填充后的矩阵大小，零填充的目的是提高离散傅立叶变换的频域分辨率（见后面演示）。缺省是不进行零填充。 二维傅立叶变换结果的显示方式 用三维立体图形表达，如mesh()函数 将用幅值的对数显示为一幅图象 例：矩形窗图象的离散傅立叶变换和显示 构造一个矩形窗函数 f = zeros(30,30); f(5:24,13:17) = 1;%矩形内部 imshow(f, notruesize) 进行离散傅立叶变换 F = fft2(f); F2 = log(abs(F)); imshow(F2,[-1 5], notruesize); colormap(jet);%设置图象颜色列表 colorbar;%显示色带 上面矩形窗图象的傅立叶变换存在的问题 1、fft只处理2的整数次幂个数据点，傅立叶变换采样比较粗造，频域分辨率差 2、原图象坐标原点在图形中心位置，而傅立叶变换以图形左上角为坐标原点，所以，零频率系数显示在图形的左上角，而不是传统的中心位置 对于问题1，可对图象