图像编码及形态学.ppt

算术编码 （1）首先把“当前区间”定义为[0，1] （2）对输入流中的每个符号x，重复下面两步： 1）把当前区间分割为长度正比于符号概率的子区间(当前子区间）。 2）为x选择一个子区间，并将其定义为新的当前区间。 （3）当把整个输入流处理完后，就能输出唯一确定当前区间的数字。 1、求这幅图像的图像熵 2、利用二进制哈夫曼编码、费诺编码、香农编码分别对此图像进行编码，并求出各种编码的编码效率 有失真编码：变换编码 基本原理： 第6章 基于形态学的图像处理 数学形态学进行图像处理有其独有的特性： （1）反映的是一幅图像中像素点间的逻辑关系，而不是简单的数值关系。 （2）是一种非线性的图像处理方法，并且具有不可逆性。 （3）可以用来描述和定义图像的各种集合参数和特征。 数学形态学基于集合的观点 （1）运算由集合运算（如并、交、补等）来定义； （2）所有的图像都必须以合理的方式转换为集合。 （3）最基本的形态学运算有：腐蚀，膨胀, 开，闭。 基本思想： 利用结构元素作为“探针”在图像中不断移动，在此过程中收集图像的信息、分析图像各部分间的相互关系，从而了解图像的结构特征。 数学形态学的方法 几个基本概念 1、元素和集合、集合和集合之间的关系， 2、交集、并集和补集 3.击中与击不中 设有两幅图像A和B，如果A∩B≠Ф（空集），那么称B击中（hit）A，记为B↑A，；否则，如果A∩B=Ф，称B击不中（miss）A。 4.平移和反射 设A是一幅数字图像，a是A的元素；b是一个点，那么定义A被b平移后的结果为 A＋b＝{a＋b| a∈A} 即整个图像沿着向量b的方向平行移动。 一幅数字图像A关于原点的反射定义为 AV＝{a| -a∈A} 5. 目标图像和结构元素 目标图像：被处理的图像被称为目标图像 在考察目标图像各部分之间的关系时，需要设计一种“结构元素”。在图像中不断移动结构元素，就可以考察图像之间各部分的关系。 结构元素与被处理的目标图像中抽取何种信息密切相关。 根据不同的图像分析目的，常用的结构元素有方形、扁平形、圆形等。 一、二值形态学 1、腐蚀 2、膨胀 3、腐蚀和膨胀操作的直观解释 4、二值开运算和闭运算 5、腐蚀和膨胀的变体 二、灰值形态学 1 、灰值腐蚀 2 、灰值膨胀 二值形态学 二值图像是数字图像的重要子集，指灰度值只取两种值的图像。 二值形态学处理算法都是以腐蚀，膨胀这两种最基本的运算为基础的。 一般设集合A为图像集合，集合B为结构元素，数学形态学运算是用B对A进行操作。 1、腐蚀(Erosion) 集合A（输入图像）被集合B（结构元素）腐蚀: A B 2、膨胀(dilation) 3、腐蚀和膨胀操作的直观解释 腐蚀具有收缩图像的作用，膨胀具有扩大图 像的作用，（膨胀是对背景的收缩） 4、二值开运算和闭运算 膨胀可以填充分割后图像中的小孔及物体边缘处的小凹陷。 腐蚀可以缩小物体，并断开细小的连接。 所以，反复施以腐蚀运算,将使一个物体变得不存在。类似地,反复膨胀将把一幅图像中的所有物体合并为一个。 膨胀和腐蚀并不互为逆运算，但可以级联结合使用。然而,这些过程可以改变一下,以便在一些应用中产生更合适的结果。 开运算的定义 假设A仍为输入图像，B为结构元素，利用B对A作开运算，用符号A○B表示，其定义为： 利用圆盘作开运算 　 二值闭运算 闭运算是开运算的对偶运算，定义为先作膨胀后作腐蚀。 利用圆盘作闭运算 5、腐蚀和膨胀的变体 收缩(Shrinking) 当腐蚀以一种不触及单像素物体的方式执行时,这个过程称为收缩。当物体总数必须保持不变时,这种方法很有用。 二、 灰值形态学 在灰度图像形态处理中，输入和输出的图像都是灰度级形式的 输入和输出像素值是在最低灰度值到最高灰度值之间。 1、灰值腐蚀 用结构元素g对输入图像f (x, y)进行灰值腐蚀记为 图9.6 灰值腐蚀运算 2 灰值膨胀 灰值膨胀可用灰值腐蚀的对偶运算来定义。 采用求极大值的方法，即在位于信号下方的条件下，求上推结构所能达到的最大值。 用结构元素g对输入图像f(x, y)进行灰值膨胀 灰值膨胀运算 (a)灰值膨胀过程 (b)灰值膨胀结果 (f⊕g)(s, t)=max{f(s-x, t-y)+g(x, y)|s-x,