数字.docx
《数字.docx》由会员分享,可在线阅读,更多相关《数字.docx(13页珍藏版)》请在冰豆网上搜索。
数字
数字图像:
空间坐标和灰度均不连续、用离散数字表示的图像。
数字图像和计算机图形的比较
图像图形
组成像素曲线
放大后出现锯齿保持光滑
存储空间大小
处理方式图像处理软件图形处理软件
你真的理解了吗?
画家在画布上创作得到的油画A.模拟图像
将1中的油画进行扫描得到B.数字图像
将1中的油画用传统相机拍摄冲洗得到相片C.计算机图形
将1中的油画用数码相机拍摄得到B.数字图像
在Illustrator中用钢笔工具绘制的图案C.计算机图形
将5中的图案栅格化得到B.数字图像
数字图像处理技术的特点
1.精度高
2.再现性好
3.通用性、灵活性高
数字图像处理技术在印刷行业中的应用
1.原稿调整、修饰
2.创意、特殊效果制作
3.印前技术:
数字加网、RIP
4.色彩管理
图像数字化:
把一幅模拟图像分割成一个个像素,
并用整数值表示像素颜色。
图像数字化包括两个过程:
采样、量化
图像数字化器:
将图像划分为若干像素并分别给它们地址,
然后度量每一像素的颜色并量化为整数,
并将这些整数写入存储设备
采样:
将空间上连续的图像变换成离散点的操作。
即像素.
采样定理:
当采样频率大于图像最高频率的两倍时,采样后得到的数字图像不会出现失真.
量化:
将连续变量转换成离散整数值的过程。
量化器:
具有量化功能。
典型的量化器:
模/数转换器。
量化级数:
离散整数值的数量。
一般为2的整数次幂。
量化级数越多,量化误差就越小,质量就越好。
量化必然导致信息损失!
量化过程将连续变化的颜色划分到有限个级别中,必然会导致颜色信息损失!
但是当量化级别达到一定数量时,人眼感觉不出颜色信息的丢失。
量化级数
数字图像处理中,量化级数即一个颜色通道中的总灰度级数。
通常量化级数:
256级
位深:
8位
采样分辨率、量化级数与数字图像质量之间的关系
采样频率越低,所得图像像素数越少,图像的空间分辨率越低,质量越差,严重时出现像素呈块状的国际棋盘效应;采样频率越大,所得图像像素数越多,图像空间分辨率越大,图像质量越好,但图像数据量增大。
Tip:
根据不同使用目的选择采样频率。
数字图像的表示:
矩阵方式\向量方式.
每个象素都有两个属性:
位置\颜色
量化级数与图像质量的关系
量化级数越少,图像灰度分辨率降低,颜色层次欠丰富,可能出现伪轮廓,图像质量降低.量化级数越多,图像灰度分辨率越高,颜色层次越丰富,但数据量增大;
3.RGB图像、CMYK图像、灰度图像的每个像素分别有几个灰度
值?
通常需要几个字节?
灰度值:
表示该颜色通道色光或色料的相对数量.
灰度直方图:
反映一幅图象中各灰度级与其出现频率之间的关系.
横坐标:
灰度值.纵坐标:
出现频率
结论:
灰度直方图是图象的一个重要特征,反映图象的明暗,层次分布情况、反差等信息
局部处理又称邻域处理。
有两个特例:
点处理,大局布处理
邻域:
某像素一定数量的周围像素构成的集合。
点处理:
在局部处理中,某像素输出值仅与该像素的输入灰度值有关的处理。
实例:
图像对比度增强、图像二值化。
图像文件格式介绍
图像经过数字化后,图像数据必须采用一定、格式存储成图像文件,才可被显示、处理及传送
多重图像数据存储
对于彩色图像或多波段图像,每个像素包含了多个波段的信息。
存储方式:
1)逐波段存储
2)逐行存储
3)逐像素存储
BMP图像文件格式介绍
BMP图像文件格式是Microsoft为其Windows环境设计的标准图像格式。
Windows操作系统、内含了一套支持BMP图像处理的API函数。
随着Windows操作系统的普及,BMP文件格式成为流行图像格式,所有图像处理软件都支
持BMP。
BMP文件结构
文件头、位图信息、位图数据
调色板结构
调色板逐个定义用到的所有颜色。
每个颜色的定义需要4个字节:
1.蓝分量
2.绿分量
3.红分量
4.保留值,固定为0。
BMP文件格式计算题
1.一幅二值位图,宽和高都为160像素,将它保存为BMP文件。
该BMP文件为多少字节?
2.一幅256色位图,宽和高都为160像素,将它保存为BMP文件。
该BMP文件多少字节?
3.一幅真彩色位图,宽和高都为160像素,将它保存为BMP文件。
该BMP文件多少字节?
图像增强方法分类
根据作用域分类:
空间域增强、频率域增强
空间域增强:
直接对图像像素灰度值进行操作。
频率域增强:
对图像变换后的频谱成分进行操作,然后经逆变换获得所需结果。
点运算:
输出图像上每个像素灰度值仅由相应输入像素灰度值决定。
点运算是一种简单而非常重要的图像处理方法。
设备线性化校正
存在问题:
理想的设备输入/输出关系是线性的,但现实中通常呈非线性关系。
解决办法:
利用该设备的输入/输出特性关系的反函数进行校正。
设备线性化校正的方法
利用设备自身的输入输出关系的反函数对设备进行线性化校正,校正时依设备类型不同而有所区别。
输入设备:
例如:
扫描仪数码相机、输入设备获取数字图像信息,应该在获取图像后对
获取的数字图像信息进行线性化校正。
输出设备:
例如:
显示器、打印机、印刷机、激光照排机输出设备根据数字图像信息输出图像,应该在输出前对数字图像信息进行线性化校正,然后输出。
、
数字图像直方图均衡化公式
直方图均衡化公式就是最大灰度值与累积分布函数的乘积。
直方图均衡化计算题
有一幅64×64像素的图像,灰度级数为8,其直方图分布如下表所示,请将此图像均衡化,并画出均衡化前后图像的直方图。
解题思路:
1.根据直方图均衡化公式进行灰度变换2.灰度值量化3计算新灰度值对应像素数4.计算新旧灰度值对应的像素百分比5.画直方图
第一步:
根据直方图均衡化公式进行灰度变换
其中各参数值:
Dm,最大输入灰度值,=8-1=7A0,总像素数,=64*64=4096
我们如何应对信息的损失?
应对方法:
图像处理时尽量减少处理次数。
若有操作不当,尽量使用undo恢复后再重新处理,切勿在操作不当基础上继续修改,造成图像信息不必要损失。
图像的空间域平滑
图像在获取和传输过程中受到各种噪声干扰,使图像质量下降,特征淹没,对图像分析不利。
图像平滑(去噪):
为了抑制噪声、改善图像质量所进行的处理。
图像平滑可以在空间域或频率域中进行。
模板计算练习题
中值滤波
邻域平均法虽然可以平滑图像,但消除噪声同时使图像中的一些细节变得模糊。
中值滤波在消除噪声的同时还能保持图像中的细节部分,防止边缘模糊。
中值滤波:
对一个滑动窗口内的诸像素灰度值排序,用该数列的中位值代替窗口中心像素灰度值的滤波方法。
中值滤波特点
1.操作简单。
2.数据两端值的大小对输出结果无影响。
少数特别大或小的像素灰度值会引起均值较大
的变动,对中位数却无影响。
3.消除噪声的同时还能保持图像中的细节部分,
防止边缘模糊。
4.对点、线等细节较多的图像不太合适。
4.2图像的空间域平滑
图像在获取和传输过程中会受到各种噪声干扰,使图像质量下降,特征淹没,对图像分析不利。
图像平滑(去噪):
为了抑制噪声、改善图像质量所进行的处理。
图像平滑可以在空间域或频率域中进行。
模板计算方法
1.将模板在图像中按一定顺序移动,将模板中心与每个像素依次重合;
2将模板中各系数与其对应像素一一相乘并将所有结果相加;
3.将此结果赋予图像中对应模板中心的像素。
4.2.4中值滤波
邻域平均法虽然可以平滑图像,但消除噪声同时使图像中的一些细节变得模糊。
中值滤波在消除噪声的同时还能保持图像中的细节部分,防止边缘模糊。
中值滤波:
对一个滑动窗口内的诸像素灰度值排序,用该数列的中位值代替窗口中心像素灰度值的滤波方法。
(中位值:
将该数列从大到小排列,处于中间位置的数即中位数。
)
中值滤波特点
:
1.操作简单。
2.数据两端值的大小对输出结果无影响。
少数特别大或小的像素灰度值会引起均值较大的变动,对中位数却无影响。
3.消除噪声的同时还能保持图像中的细节部分,防止边缘模糊。
4.对点、线等细节较多的图像不太合适。
4.3图像的空间域锐化
在图像识别中常需要突出边缘和轮廓信息。
图像锐化就是增强图像的边缘或轮廓。
锐化:
微分实现
高通滤波法就是用高通滤波算子和图像卷积增强边缘。
空间域平滑和锐化小结:
图像平滑通过积分过程使得图像边缘模糊;图像锐化通过微分使图像边缘突出清晰
4.4.1图像信号的频率——空间频率
图像信号的频率——空间频率
空间频率:
在空间上呈周期分布的物理量在某个图像是空间上的灰度分布。
灰度不仅具有空间特性,还具有频率特性。
方向上单位长度内重复的次数。
4.4.1.直流分量
直流分量就是零频分量F(0,0),经公式推导:
直流分量反映了原始图像的平均亮度。
2.低频分量
空间域中灰度变化缓慢区域,对应频谱域中的低频分量。
图像的能量主要集中在低频分量。
对大多数无明显颗粒噪音的图像来说低频区集中了85%的能量。
这一规律成为图像变换压缩的理论依据。
图像变换后仅传送低频分量幅值,不传送高频分量,可大大压缩图像尺寸。
3.高频分量
高频分量部分对应图像灰度呈阶跃变化的区域,如轮廓处、细节边缘。
高频区的幅值很小或趋于零。
原图像中如果存在明显的颗粒噪者,或图像某些细节处具有明显的亮度跳跃,变换后的高频幅值数值增加,分布增多。
频率域增强的思路
1.原图像f(x,y)傅立叶变换为F(u,v);
2.选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行过滤;
3.经逆傅立叶变换得到增强图像g(x,y)。
4.5伪彩色增强:
伪彩色增强:
把灰度图像的各灰度级按照线性或非线性的映射函数变换成不同的彩色,得到一幅彩色图像的技术。
伪彩色增强使图像细节更易辨认,目标更易识别。
假彩色增强
假彩色增强:
通过映射函数将彩色图像变换成新的三基色分量,使增强图像中各目标呈现出与原图像不同的彩色。
假彩色增强的目的:
1.产生奇异的颜色效果,更受人注目;
2.提高对目标的分辨力。
乘法运算:
掩模运算
乘法运算可用来遮蔽图像的某些部分。
方法:
设置一个掩模图像(蒙版图像),大小与原图相同在原图需要保留的部分值为1,在需要抑制的部分值为0,然后用掩模图像乘原图像就可以抹去需要抑制的部分。