数字图像处理复习材料Word格式文档下载.docx

1、一、三基色原理：人眼的视网膜上存在有大量能在适当亮度下分辨颜色的锥状细胞，分别对应红、绿、蓝三种颜色。红R、绿G、蓝B被称为三基色。人眼所感受到的颜色其实是三种基色按照不同比例的组合。C = R（R）+ G（G）+ B（B）二、颜色模型：表示颜色的方法。面向机器（如显示器、摄像机、打印机等）RGB模型和面向颜色处理HSI（HSV）模型（面向人眼视觉，亮度I与彩色无关，HS与人感知对应）。1RGB模型：在三维直角坐标系中，用相互垂直的三个坐标轴代表R、G、B三个分量，并将R、G、B分别限定在0,1，则该单位正方体代表颜色空间，其中一个点代表一种颜色。2HSI模型：利用颜色的三个属性色调H（hue

2、）、饱和度S（saturation）和亮度I（intensity）组成一个表示颜色的圆柱体。H角度值色谱变化，S1常数彩色饱和，I加小数改亮度三、数字图像的矩阵表示f（0,0） f（0,1） . f（0,N-1）;f（m,n）= f（1,0） f（1,1） . f（1,N-1）;.f（M-1,0） f（M-1,1） . f（M-1,N-1）;模板坐标：f（i-2,j-2） f（i-2,j-1） f（i-2,j） f（i-2,j+1） f（i-2,j+2）;f（i-1,j-2） f（i-1,j-1） f（i-1,j） f（i-1,j+1） f（i-1,j+2）;f（i,j-2） f（i,j-1）

3、 f（i,j） f（i,j+2） f（i,j+2） ;f（i+1,j-2） f（i+1,j-1） f（i+1,j） f（i+1,j+1） f（i+1,j+2）;f（i+2,j-2） f（i+2,j-1） f（i+2,j） f（i+2,j+1） f（i+2,j+2）;四、数字图像的特点1信息量大：1024*768，256个灰度级的图像多少bit=1024*768*8位2占用频带宽。压缩的高要求。3像素间相关性大。（1） 帧内相邻像素相关性大；（2） 帧间对应像素相关性更大。4视觉效果的主观性大。第3章 图像变换一、图像的几何变换（空间平移、比例缩放、旋转、仿射变换和图像插值）实质：改变像素的空间

4、位置，估算新位置的像素值。基本几何变换的定义通过坐标变换得新坐标u=a（x,y）；v=b（x,y），原图像f（x,y）几何变换后：g（u,v）=f（a（x,y）, b（x,y）;g（x,y）是目标图象。表面看没有值的改变。二、几种常见的几何变换u,v是新点的坐标1平移变换：u = x + x0；v = y + y0；2放缩变换：x方向放缩sx倍，y方向放缩sy倍。u = x*sx；v= y*sy；3旋转变换：绕原点旋转度。u = x*cos（）-y*sin（）；v= x*sin（）+y*cos（）；三、灰度插值（一般了解）最近邻近插值、双线性插值（一阶）、卷积插值法。四、非几何变换的定义（以下

5、是非几何变换，补充概念）对于原图象f（x,y）通这灰度值变换函数可唯一确定了非几何变换：g（x,y） = T（f（x,y）没有几何位置的改变。彩色图像的变换要对不同层矩阵进行处理。五、非几何变换核心是模板运算（技术：走遍每个元素）所谓模板就是一个系数矩阵。模板大小（奇数），如：3*3等。最后再总结。六、非几何变换：灰度级变换灰度级变换：有图象求反、对比度拉伸、动态范围压缩、灰度级切片七、离散傅立叶变换1傅里叶变换的重要性质及在图像处理中应用变换核的可分离性（可将2D分为2次1D）、移位性、周期与共轭对称性、旋转不变性、实偶（奇）函数DFT、线性性、平均值、卷积定理、相关性定理。应用：频谱分析、

6、滤波、降噪等。2标准函数：fft2，ifft2，fftshift。3原理的理解及实现思路（1）二维离散傅立叶变换（书上P39） N-1 N-1F（u,v） =1/Nf（x,y）exp-j2（ux+vy）/N x=0 y=0u = 0, 1, 2, N-1; v = 0, 1, 2, .N-1N-1 N-1 f（x,y） = F（u,v）expj2（ux+vy）/N u=0 v=0x = 0, 1, 2, .N-1; y = 0, 1, 2, .N-1（2）实现算法：对F的一个点的变换如下所示，走遍所有u,v即可（u,v为0M-1,0N-1）k=0;for x=0:M-1 for y=0:N-1

7、 k= k +f（x,y）*exp（-j*2*pi*（u*x+v*y）/N）; endendF（u,v）=k;要会写出反变换。4证明：（频率移位）已知M*N的图像为f（m,n），其傅里叶变换为F（u,v）。求（-1）m+nf（m,n）的傅里叶变换。基本公式：0.基础：ej（x+y）= （ej）（x+y）=（cos+jsin）（x+y）=（-1） （x+y） cos=-1，sin=01新f=f（x,y）expj2（u0x+v0y）/N代入基本式新F（u,v） =f（x,y） expj2（u0x+v0y）/Nexp-j2（ux+vy/N只看里面exp-j2（u-u0）x+（v-v0）y）/N=ex

8、p-j2（u-u0）x+（v-v0）y）/N变成移位型2当u0=v0=N/2时（频谱中心化）expj2（u0x+v0y）/Nexp-j2（ux+vy）/N中心到（N/2,N/2）=expj2（Nx/2+Ny/2）Nexp-j2（ux+vy）/N=expj（x+y）exp-j2（ux+vy）/N=（-1） （x+y）exp-j2（ux +vy）/N3得证明八哈达玛矩阵H2=1 1 H4= H2 H2 H8= H4 H4 1 -1 H2 H2 H4 H4W2=？ W4=？ W8=？九、离散余弦变换（原理同前，一般掌握）十、简述二维DFT、DCT、DHT、DWT的异同0：DFT函数fft2，ifft

9、2。DCT函数dct2，idct2，DHT的hadamard，DWT要推出1：DCT比DFT有更好的压缩功能。少数几个变换系数可表征信号总体。运算简单，变换后结果仍是实数。2：DHT、DWT正反变换相同。是实函数变换。无正余弦计算。DHT的行（列）变号次数乱序，DWT则自然定序。所以，DWT可由DHT推出。第4章 图像增强一、非几何变换：直方图（标准函数hist1图象直方图的定义（两种方法）（1）灰度级0，L-1直方图是一个离散函数p（rk）= nk/nn 像素总数；nk第k个灰度级的像素总数；rk第k个灰度级，k = 0,1,2,L-1（2）灰度级0，L-1直方图是一个离散函数p（rk）=

10、nk（不除n）k = 0,1,2,L-1要求编写程序实现方法2的直方图，并会用imhistA=imread（LENA256.bmp）;B=double（A）;m,n=size（B）;h=zeros（1,256）;for i=1:m for j=1:n k=B（i,j）; h（1,k+1）=h（1,k+1）+1;%该灰度单元+imshow（A）; imhist（A）; plot（h）2直方图均衡化（自动调节图象对比度）通过灰度级r的概率密度函数p（rk ），求出灰度级变换T（r） ，建立等值像素出现的次数与结果像素值之间的关系。要求会用求图均衡化。3直方图规定化要求会用函数求规定化。%求灰度图像

11、直方图及均衡化,规定化%横坐标是灰度级,纵坐标是灰度出现的频率（个数）B=histeq（A）;%直方图均衡化hgram=100:255;hgram1=zeros（256,1）;%前100项为0,从100255hgram1（100:255）=hgram（1:156）;%规定hgram1C=histeq（A,hgram1）;%直方图规定化imhist（A）;%显示直方图imhist（B）%显示均衡化直方图imhist（C）%显示规定化直方图0255二、图像平滑、锐化处理空域1空域滤波处理的基本概念定义：使用空域模板进行的图像处理，被称为空域滤波。模板本身被称为空域滤波器线性滤波器：线性系统和频域滤

12、波概念在空域的自然延伸。其特征是结果像素值的计算由下列公式定义：算出一个数（均值滤波去除高斯噪声）椒盐滤波R = w1z1 + w2z2 + + wnzn其中：wi i = 1,2, ,n 是模板的系数zi i = 1,2, ,n 是被计算像素及其邻域像素的值低通滤波器主要用途：钝化图像、去除噪音高通滤波器主要用途：边缘增强、边缘提取带通滤波器主要用途：删除特定频率、增强中很少用非线性滤波器：使用模板进行结果像素值的计算，结果值直接取决于像素邻域的值，而不使用乘积和的计算（不用R = ）挑一个数中值滤波用途：钝化图像、去除椒盐噪声。公式：R = mid zk | k = 1,2,9最大值滤波用

13、途：寻找最亮点。R = max zk | k = 1,2,9最小值滤波用途：寻找最暗点。R = min zk | k = 1,2,92钝化滤波器基本低通滤波（优点：降低噪音。钝化处理，恢复过分锐化的图像。删去无用的细小细节。图像创艺，有阴影、软边、朦胧效果。缺点：在去噪同时也钝化了边和尖锐的细节）模板系数设计：1）大于0。2）都选1，或中间选1，周围选0.5（5*5为1或3*3为1，周围为0.5）。如3*3，5*5模板。3）求均值，/n通过求均值，解决超出灰度范围问题。模板尺寸越大，图像越模糊，图像细节丢失越多3锐化滤波器基本高通滤波（优点：强化边缘、克服边缘模糊及过度钝化。图像创意，只要边界

14、。增强边缘的同时，也加强了噪声，丢失了图像的层次和亮度）1）中心系数为正值，外围为负值2）系数之和为0（书上为1）3）/n有了正负了。微分滤波器的原理均值产生钝化的效果，微分能产生相反的效果，即锐化。应用微分最常用的方法是计算梯度。函数f（x,y）在（x,y）处的梯度为一个向量：af / ax=z5z6近似af / ay=z5z8近似，组合为：grad（x,y）=（z5 - z6）2 + （z5 - z8）21/2三、图像平滑、锐化处理频域的低通滤波、高通滤波1低通滤波基本低通滤波器 巴特沃斯低通滤波器指数低通滤波 梯形低通滤波%频域低通滤波ILPFP82F=imread（M,N=size（F

15、）;ILPF=zeros（M,N）;H=zeros（M,N）;F=fft2（F）; fftshift（F）;d0=250;for u=1:M for v=1:N d（u,v）=sqrt（u2+v2）;%算距离 if d（u,v）=d0 H（u,v）=1; else H（u,v）=0; end ILPF（u,v）=H（u,v）*F（u,v）;ILPFfiltered=ifft2（ILPF）;%反变换imshow（F,）;%原图imshow（ILPFfiltered,）;替换阴影BLPF处理：h （u,v）= 1/（1+0.414*（d/d0）（2*n）;ELPF处理： h（u,v）=exp（lo

16、g（1/sqrt（2）*（D（u,v）/D0）n）;TLPF处理：D（u,v）=sqrt（u2+v2）;if D（u,v）=D0）&（D（u,v）要求次，结束。否则继续第二步。（3）类间方差法8区域分割法主要有区域增长法、分裂合并法。区域增长法：简单生长法（点与生长点比）、质心生长法（点与已生长区域均值比）、混合生长法（相邻两区域比）分裂合并法：先分解不重叠区域，再按相似性准则合并。第8章 图像描述图像几何特征和几种常用图像描述方法（边界、矩、纹理、形态学）。1像素间基本关系4连通（8连通）当前像素为黑，其4（8）个近邻至少一个为黑。连通域：相互连在一起黑色像素的集合。2像素间距离（对两个点来

17、说）欧几里得距离（平方和的根）、街区距离（绝对值的和）、棋盘距离（绝对值的最大）3目标物的边界描述边界描述是将目标物的边界用简洁的数值序列表示。链码任一条边界点连成的曲线序列，可由起点坐标和代表各方向的方向符构成的数码序列（链码）表示。存贮了目标信息（位置、周长、形状）。根据4方向数或8方向数，会写出曲线的链码表示。为克服码串较长、噪声影响、起点及旋转影响的问题，提出了起点归一化、差分码两种方法。4图像的几何特征（对区域来说）面积、周长、圆形度、外接矩形、偏心率、紧凑性5图像的不变矩目标图像的形状描述可用不变矩来描述。不变矩具有平移、旋转、缩放不变性。对一个图像进行计算后，可得到不变矩的7个参数。可用来进行形状识别。6数学形态学（1）四种基本运算：腐蚀、膨胀、开运算、闭运算（2）可实现骨架化、细化、粗化、修剪、区域填充等功能。第9章 图像分类识别1图像分类识别系统图像获取图像预处理图像分割特征提取分类识别2图像匹配模板匹配已知模板T、搜索图像S，将T在S上平移，模板盖住的S区域为子图。比较T与S子图来看相似性。问题：需要逐点检测，计算量大。3特征匹配人们关心的不是目标区域内所有像素，而是目标特征。常用的匹配特征：特征点、字符串、形状数等。4图像分类监督分类根据预先已知类别训练样本的学习，形成固化的记忆模式，再对未知数据进行分类。