数字图像处理_最新

一、数字图像处理基础1、图像采样采样是指将空域上或时域上的图像(模拟图像)变换成离散采样点(像素)集合的一种操作。数字化坐标值成为取样，数字化幅度值成为量化。空间分辨率是图像中可辨别的最小细节。灰度级分辨率是指在灰度级别中可分辨的最小变化。采样间距越大,图像数据量越少,质量越差。(a)4邻接:如果q在N4(p)集中，则具有V中数值的两个像素P和q是4邻接的(b)8邻接:如果q在N8(p)集中，则具有V中数值的两个像素P和q是8邻接的(c)m邻接(混合邻接):如果(1)q在N4(p)中，或者(2)q在Nd(p)中且集合N4(p)nN4(q)没有v值像素则。。二、图像变换傅立叶变换：可以将时域信号变换到频域中进行处理，是一种函数的正交变换。2()()juxFufxedx，f(x)的傅里叶变换F(u)，j=1离散余弦变换（DCT）：相当于一个长度大概是它两倍的离散傅里叶变换，这个离散傅里叶变换是对一个实偶函数进行的。K-L变换（Karhunen-LoeveTransform）是建立在统计特性基础上的一种变换，特征向量矩阵向量指向数据变化最大的方向。小波变换：以某些特殊函数为基将数据过程或数据系列变换为级数系列以发现它的类似频谱的特征，从而实现数据处理。与傅里叶变换(其基础函数是正弦函数)不同，小波变换基于些小型波，称为小波，具有变化的频率和有限的持续时间。小波变换能反映时域和频域的局部特性，而傅里叶变换只能反映频域的局部特性，而在时域上不具备分辨率。三、图像增强1、灰度直方图（histogram）是灰度级的函数，它表示图像中具有每种灰度级的象素的个数，反映图像中每种灰度出现的频率。灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率，是图像的最基本的统计特征。直方图：将一个变量的不同等级的相对频数用矩形块标绘的图表(每一矩形的面积对应于频数)。直方图均衡：对在图像中像素个数多的灰度值（即对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并，从而达到清晰图像的目的。PPT中直方图均衡：1.计算原始图像的直方图2.构造转换映射3.对所有sk进行舍入处理，根据映射处理每个像素PPT中直方图规定化：指将一幅图像通过灰度变换后，使其具有特定的直方图形式，如使图像与某一标准图像具有相同的直方图，或使图像具有某一特定函数形式的直方图。1.对于变量r(指定输入)2.对于变量z(指定输入),0,1,,1krknprkLn00,0,1,,1kkjkkrjjjnsTrprkLnkkrs0rrsTrpwdw0zzGzptdzs3.然后开始映射2、图像锐化目的：突出图像的细节；增强以及模糊的细节（边缘全取0）梯度算子：Laplacian算子：Robert交叉微分算子：Sobel算子：Prewitt算子：在抗噪声能力方面，上面四个中，Prewitt最强。低通滤波(Low-passfilter)是一种过滤方式，规则为低频信号能正常通过，而超过设定临界值的高频信号则被阻隔、减弱。但是阻隔、减弱的幅度则会依据不同的频率以及不同的滤波程序（目的）而改变。它有的时候也被叫做高频去除过滤（high-cutfilter）或者最高去除过滤（treble-cutfilter)。低通过滤是高通过滤的对立。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。在一维形式下，一维中值滤波器含有奇数个数据的滑动模板，对模板中的数据由小到大排序，取排在中间位置上的数据作为最终的处理结果。特点：它是一种非线性的图像平滑法，它对脉冲干扰级椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊，画面清晰度基本保持。但是对高斯滤波的抑制效果不是很好。与均值滤波相比的优势在于：对处理椒盐噪声非常有效；可以保护边缘。11zGsGTr21,1,,1,14,ffxyfxyfxyfxyfxy四、彩色图像处理1、色彩的三个基本特性：亮度I：指彩色光作用于人眼而引起的明亮感觉程度。亮度不仅与光功率有关，还与色光波长，即彩色的种类有关。（色度的强度的概念，色度=色调+饱和度）色调H：是区别色彩种类的物理量，它取决于该种彩色的主色光之波长。普通人眼所能区分的色调约有120种左右，如红、绿、蓝、品红、橙、黄、青、绿等。（主波长）饱和度S：指该种彩色的浓淡程度，或称为鲜艳程度。（相对纯度或白色混合）2、彩色模型：①面向硬件（彩色显示器和打印机）：RGB：彩色显示器和彩色视频摄像机CMY（青色，品红色，黄色）或CMYK（青色，洋红色，黄色，黑色）：彩色打印②面向应用的（颜色操作）：HSI（色调，饱和度，亮度），彩色和灰度信息脱钩；许多灰度技术可以用了！3、彩色的三基色：RGB——加色法颜料的三原色：CMY（黄、青、品红）——减色法五、图像分割阈值化分割（二值化分割）：就是确定某个阈值Th，根据图像中每个像素的灰度值大于或小于该阈值Th，来进行图像分割。经过分割处理后的图像为二值图像。阈值化方法是根据图像的灰度值的分布特性确定某个阈值来进行图像分割的；边界分割方法是沿着闭合的边缘线将其包围的区域剪切出来；区域提取方法是根据特定区域与其他背景区域特性上的不同来进行图像分割的。图像分割算法一般基于亮度值的两个基本特征之一：不连续性和相似性。六、图像压缩1、压缩比概念：压缩前的数据量/压缩后的数据量。n1和n2代表两个表示相同信息的数据集合中所携载信息单元的数量，数据冗余11DRCR，RC是压缩比，定义为12RnCn2、压缩标准：JPEG（以DCT为基础），JPEG2000（以小波编码技术为基础）3、图像数据中的三种冗余：编码冗余(编码)、像素间冗余(帧内压缩)、视觉感知冗余(变换，量化)4、信息量的计算：21()log()niiiHXPaPa前处理后处理傅里叶变换滤波函数傅里叶反变换频域滤波的基本步骤5、图像的霍夫曼编码：编码效率：21logniiiavgHHPPL，，H是信息量/熵，Lavg是平均码长。七、形态学图像处理1、膨胀这个公式是以得到B的相对于它自身原点的映象进行位移为基础的。A被B膨胀是所有位移z的集合。其最简单的应用是将裂缝桥接起来。2、腐蚀这个公式表明是所有B中包含于A中的点z的集合用z平移。其最简单的用途是从二值图像中消除不相关的细节。3、开操作开操作一般使对象的轮廓变得光滑，断开狭窄的间断和消除细的突出物。4、闭操作闭操作通常消弥狭窄的间断和长细的鸿沟，消除小的孔洞，并填补轮廓线中的断裂。八、图像识别1、纹理分析种类纹理分析是指通过一定的图像处理技术提取出纹理特征参数，从而获得纹理的定量或定性描述的处理过程.纹理分析方法按其性质而言，可分为两大类：统计分析方法和结构分析方法。2、灰度共生矩阵由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。直觉上来说，如果图像的是由具有相似灰度值的像素块构成，则灰度共生矩阵的对角元素会有比较大的值；如果图像像素灰度值在局部有变化，那么偏离对角线的元素会有比较大的值。②字符识别系统车辆牌照自动识别主要包含：车牌图像提取、车牌字符分割、车牌字符识别。1、什么是中值滤波，有何特点？中值滤波是指将当前像元的窗口（或领域）中所有像元灰度由小到大进行排序，中间值作为当前像元的输出值，让周围的像素值接近的真实值，从而消除孤立的噪声点。特点：它是一种非线性的图像平滑法，它对脉冲干扰级椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。2、什么是直方图均衡化？将原图象的直方图通过变换函数修正为均匀的直方图，然后按均衡直方图修正原图象。图象均衡化处理后，图象的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图象看起来就更清晰了。3、图像增强的目的是什么？图像增强目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。4、图像锐化与图像平滑有何区别与联系？区别：图像锐化是用于增强边缘，导致高频分量增强，会使图像清晰；图像平滑用于消除图像噪声，但是也容易引起边缘的模糊。联系：都属于图像增强，改善图像效果。ˆzABzBAzABzBAABABBABABB5、在彩色图像处理中，常使用HSI模型，它适于做图像处理的原因有：①在HIS模型中亮度分量与色度分量是分开的；②色调与饱和度的概念与人的感知联系紧密。6、图像复原和图像增强的主要区别是：图像增强主要是一个主观过程，而图像复原主要是一个客观过程；图像增强不考虑图像是如何退化的，而图像复原需知道图像退化的机制和过程等先验知识。7、图像增强时，平滑和锐化有哪些实现方法？平滑的实现方法：邻域平均法，中值滤波，多图像平均法，频域低通滤波法。锐化的实现方法：微分法，高通滤波法。8、对于椒盐噪声，为什么中值滤波效果比均值滤波效果好？椒盐噪声是复制近似相等但随机分布在不同的位置上，图像中又干净点也有污染点。中值滤波是选择适当的点来代替污染点的值，所以处理效果好。因为噪声的均值不为0，所以均值滤波不能很好地去除噪声。9、什么是区域？什么是图像分割？区域可以认为是图像中具有相互连通、一致属性的像素集合。图像分割时把图像分成互不重叠的区域并提取出感兴趣目标的技术。10、图像都有哪些特征？①幅度特征。②直方图特征。③变换系数特征。④点和线条的特征。⑤灰度边沿特征。⑥纹理特征。11、均值滤波和中值滤波的特点？均值滤波可以去除突然变化的点噪声，从而滤除一定的噪声，但其代价是图像有一定程度的模糊；中值滤波容易去除孤立的点、线噪声，同时保持图像的边缘。12、傅里叶变换与小波变换的区别：傅里叶变换的基础函数是正弦函数，小波变换则是基于一些小型波，具有变化的频率和有限的持续时间，能够反映时域和频域的局部特性。而傅里叶变换只提供了频率，局部信息在变换过程中丢失了，在时域上不具备分辨率。因此，在描述局部特征方面，小波比傅里叶变换更好。四种变换中K-L变换的去除相关性最好。13、灰度直方图的横坐标是灰度级，纵坐标是该灰度出现的频率。14、数据压缩技术应用了数据固有的冗余性和不相干性，将一个大的数据文件转换成较小的文件。15、简述梯度法与Laplacian算子检测边缘的异同点？梯度算子和Laplacian检测边缘对应的模板分别为梯度算子是利用阶跃边缘灰度变化的一阶导数特性，认为极大值点对应于边缘点；而Laplacian算子检测边缘是利用阶跃边缘灰度变化的二阶导数特性，认为边缘点是零交叉点。相同点都能用于检测边缘，且都对噪声敏感。◆卷积操作：先补上一圈的0，再和模板做卷积（矩阵相乘）