数字图像如处理基础.ppt

二值化结果 边缘检测结果 用这种方法处理前面的图像： 一种简单的图像识别方法：模板匹配 概念：模板就是一幅已知的图像。 模板匹配就是用已知的模板图像和其它图像进行比对，若模板图像与其它图像有相同图像特征，可通过一定的算法确定被比对图像和模板图像之间的关系。 问题： 确定一幅小图像是否是一幅大图像的局部？ 模板匹配就是在一幅大图像中搜寻目标，已知该图中有要找的目标，且该目标同模板有相同的尺寸、方向和图像，通过一定的算法可以在图中找到目标，确定其坐标位置。 模板匹配的过程： 以256级灰度图为例，模板T( M x N个像素)叠放在被搜索图S( W x H个像素)上平移， 模板覆盖被搜索图的那块区域叫子图Sij。 i， j为子图左下角在被搜索图 S上的坐标。搜索范围是： 通过比较T和Sij的相似性，完成模板匹配过程。 模板匹配的过程： 衡量T和Sij相似性的公式 可用D(i,j)描述： 上式的第一项为子图的能量，第三项为模板的能量，都与模板匹配无关。第二项是模板和子图的互相关，随( i, j )而改变。当模板和子图匹配时，该项有极大值。将其归一化，得模板匹配的相关系数，或称为匹配率： 当模板和子图完全一样时，相关系数R( i, j ) = 1。用相关系数R( i, j )的公式可以做模板匹配，但运算量大。另一种算法是衡量T和Sij的误差，其公式为： 在整个图像中，E( i, j )为最小值处即为匹配目标。 本章总结 1.介绍图像处理的基础知识。 2.图像处理的方法：阈值分割与图像测量 3.边缘检测处理：roberts梯度法 4.一种简单图像识别方法：模板匹配 * 数字图像处理基础 郏东耀 主要内容 1.介绍图像处理系统结构及常用软件。 2.图像处理的方法：阈值分割与图像测量 3.图像处理的方法：roberts梯度法及边缘检测 4.一种简单图像识别方法：模板匹配 * 数字图像处理及其特点 1. 数字图像 用计算机进行图像处理的前提是图像必须以数字格式存储， 我们把以数字格式存放的图像称之为数字图像。常见的各种照片、 图片、海报、广告画等均属模拟图像，要将模拟图像数字化后生成数字图像，需要利用数字化设备。 数字图像处理的定义 图像处理： 对图像进行各种加工以改善图像的效果，为图像分析做准备。它是图像到图像的过程。 点运算：灰度变换、阈值变换等 几何变换：移动、旋转、扭曲校正等。 图像分析： 对图像中感兴趣的目标进行检测和测量(特征提取)，以获得客观的信息。它是图像到数据的过程。 字符识别（OCR）、产品质量检验（目检）、人脸识别、边缘检测与提取、图像分割、模板匹配等。 图像理解： 研究图像中各目标的性质和其相互关系，理解图像的含义。 自动驾驶、医学图像和地貌图像的自动判读理解等。 图像处理、图像分析和图像理解的关系： * 数字图像处理系统 数字图像处理系统硬件 早期的数字图像处理系统为了提高处理速度、增加容量都采用大型机。随着计算机性价比（性能价格比）日新月异的提高，以小型机为主的微型图像处理系统得到发展。主机为PC机， 配以图像采集卡及显示设备就构成了最基本的微型图像处理系统。微型图像处理系统成本低、应用灵活、便于推广。特别是微型计算机的性能逐年提高，使得微型图像处理系统的性能也不断升级，加之软件配置丰富，使其更具实用意义。 * 图像处理系统示意图 * 图像处理系统软件 微型图像处理系统既包含硬件设备，也需要一定的软件环境支持。目前，图像处理系统平台多为Microsoft Windows或X-Windows，开发的主流工具为Microsoft公司的VC++。这是因为VC++是一种具有高度综合性能的软件开发工具，用它开发出来的程序有着运行速度快、可移植能力强等优点。 * MATLAB是由美国MathWorks公司推出的用于数值计算的有力工具，它具有相当强大的矩阵运算和操作功能，并且MATLAB图像处理工具箱提供了丰富的图像处理函数，灵活运用这些函数几乎可以完成所有的图像处理工作，从而大大节省编写低层算法代码的时间，避免程序设计中的重复劳动，达到事半功倍的效果。但是，MATLAB强大的功能只能在安装有MATLAB系统的机器上使用图像处理工具箱中的函数或自编的m文件来实现，实际应用极为不便，且MATLAB使用行解释方式执行代码， 执行速度很慢。 MATLAB的图像处理工具箱 图像处理系统一般使用256级灰度图像，即 8 位黑白图像，其1个像素由 1个字节描述。0表示黑色，255为白色；其它中间灰度见图2。一个立方形物体的照片如图1所示。通过图像采集卡后，其像素矩阵如表1所示。 * 需要强调的是