人工智能通识实践教程 课件 第4章-2 图像及智能应用.pptx

第4章图像及智能应用

实验要求（1）通过颜色模式、图像模式、图像类型、图像格式转换等知识，理解图像的数字化过程（2）图像裁剪、旋转、缩放和亮度/对比度调整等，为图像预处理奠定基础（3）以滤波技术为核心，通过实验认识高斯滤波技术、图像边缘提取技术、图像去噪技术（4）通过百度AI图片助手，体验并了解图像处理中的各种AI技术

实验目标通过Photopea工具了解数字图像、图像处理和图像AI应用4.2.1实验图像量化位数、RGB颜色及其表达、JPEG图像格式4.2.2实验图像进行裁剪、旋转、缩放4.3.2实验高斯模糊、边缘提取、图像去噪4.4.2实验AI+图像处理

4.2.1图像的数字化表示编号任务目标知识点1使用颜色采样器工具并观察颜色值了解RGB颜色模式，建立通道的概念2使用吸管工具并观察颜色值快速选择图像中的颜色，提取颜色值3彩色图像数字化计算理解图像数字化过程4将彩色图像转换为灰度图像和黑白图像理解灰度模式和二值模式，进行不同图像模式转换5JPEG压缩理解JPEG图像压缩比与图像质量之间的关系

4.2.1图像的数字化表示HSV（Hue,Saturation,Value）是一种基于人类颜色感知的模型，将颜色分解为色调（H）、饱和度（S）和明度（V）三个维度。色调明亮度饱和度饱和度越低，颜色变得越灰暗或接近灰色

4.2.1图像的数字化表示将彩色图像-为灰度图：Photopea利用HSV的饱和度-100100饱和度最低失去色彩变为灰度图像饱和度最高颜色最鲜艳

4.2.1图像的数字化表示转换为-黑白图像：只有黑色和白色两种颜色8位图像，像素颜色值范围0~255，将阈值设置为1280～127的像素值会被视为黑色128～255的像素值会被视为白色128阈值是全局阈值化的默认值（Photoshop沿用）

4.2.2图像的基本操作编号图像操作作用1裁剪图像去除图像中不必要的部分优化构图、突出主体，并改善视觉效果2旋转图像通过调整图像的方向和角度，纠正拍摄时因角度问题导致的倾斜；改变图像的视角，创造出更具动态感或艺术感的视觉效果，为图像赋予新的表现力和创意空间3缩放图像调整图像的尺寸和分辨率，使其适应不同的展示需求或使用场景4调整亮度和对比度调整亮度，可以修正曝光问题，改善过暗或过亮的区域；调整对比度则能增强明暗差异，突出细节和层次感

4.2.2图像的基本操作图像缩放：图像缩放时，总像素数会发生变化。像素的变化由对应的插值算法计算得到。邻近（NearestNeighbor）：最简单的算法，速度快但效果较差，适合像素艺术或需要保留硬边缘的图像。两次线性（Bilinear）：通过线性插值计算像素，效果比最近邻平滑，适合中等质量的缩放。二次立方较锐利（BicubicSharper）：适合缩小图像，能够保留更多细节。

4.3.2图像处理图像滤波（Filtering）：通过对图像的像素进行数学运算改变图像的外观或提取特定信息。是图像处理中的核心技术之一，广泛应用于医学影像、摄影、自动驾驶等领域。改善图像质量（如去噪、平滑、锐化）提取关键特征（如边缘检测、纹理等特征提取）实现艺术效果（如模糊、浮雕）

滤波技术意义常用滤波应用场景去噪与平滑图像在采集或传输过程中可能会受到噪声的干扰（如高斯噪声、椒盐噪声等），滤波可以有效地去除这些噪声，使图像更加清晰高斯滤波、均值滤波、中值滤波医学图像处理、卫星图像处理、摄影后期处理等边缘检测边缘是图像中重要的特征之一，滤波可以突出图像的边缘信息，用于目标检测、图像分割等任务Sobel算子、Canny边缘检测、Laplacian算子计算机视觉、自动驾驶、图像识别等锐化与增强细节增强图像的细节，使图像看起来更加清晰和锐利拉普拉斯锐化、UnsharpMask（非锐化掩模）摄影后期处理、图像增强等特征提取提取图像中的特定特征（如纹理、形状等），用于图像分析和模式识别Gabor滤波器、方向滤波器等纹理分析、指纹识别、人脸识别等艺术效果创建各种艺术效果，如模糊、浮雕、油画效果等高斯模糊、运动模糊、浮雕滤镜图像艺术创作、特效制作等4.3.2图像处理

4.3.2图像处理编号任务目标知识点1车牌图像的模糊处理高斯滤波2图像边缘提取边缘检测3图像去噪高斯噪声和高斯滤波，椒盐噪声和中值滤波

卷积计算

1高斯滤波高斯滤波基于高斯函数（正态分布函数）对图像进行卷积操作，通过加权平均周围像素的值来实现平滑效果。先看均值滤波（未加权）均值滤波计算后的像素值均值滤波是：在图像上对目标像素给一个模板，该模板包括了其周围的临近像素，再用模板中的全体像素的平均值来代替原来像素值。平均后的结果根据四舍五入取整。111111111

均值滤波展示原图结果均值滤波的作用：抑制噪声，减小图像灰度的“尖锐”变化均值滤