数字图像处理总结Word下载.docx

1、采样，量化（编码）采样：空间坐标值的离散化。对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构,所形成的微小方格称为像素点.一副图像就被采样成有限个像素点构成的集合。采样频率是指一秒钟内采样的次数，它反映了采样点之间的间隔大小。采样频率越高，得到的图像样本越逼真，图像的质量越高，但要求的存储量也越大。量化：灰度值的离散化。要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。香浓取样定理（奈奎斯特采样定理）：为了不失真地恢复模拟信号，采样频率应该不小于模拟信号频谱中最高频率的2倍。 f s2f max像素间关系：4邻域，D邻域

2、，8邻域neighbors；相邻的像素点。4邻接，8邻接，m邻接adjacency；4连通，8连通，m连通；通路path；连通区域（Connected Component），连通集；4-邻接:如果q 是N4（p） ，且p 和q 属于V；8-邻接:如果q 是N8（p） ，且p 和q 属于V；m-邻接:p 和q 属于V ，（1）q 是N4（p） ； （2）q 是Nd（p） 且 N4（p） 与N4（q）的交集没有属于V的像素。像素p（x,y）和q（s,t）间的距离：（1）欧氏距离：（2）D4距离（城市距离）：（3）D8距离（棋盘距离）：D8（p,q） = max（ x-s , y-t ）1.邻域：数

3、字图像中，邻域分为4邻域和8邻域，4邻域就是某个（x,y）点的上下左右四个点，8邻域再加上左上右上左下右下四个点。如果p在q周围的8个点内，就是p在q的8邻域内。2.邻接：邻接算是包含了邻域，如果说p和q是邻接，那么p和q必须互在邻域内，而且这两个的像素还要都在同一个集合V1内。（什么叫都在集合V1内：假如集合V1包含012345，这五个数代表的是像素值，而p值为2，q值为6，那它们两个就不在同一个集合V1内，当然如果有个集合V2，它俩可能也在另一个集合V2内）数字图像中常见的邻接有三种，4邻接、8邻接和m邻接。如果p在q的4邻域内，且q和p的值都在V中，那么p和q是4邻接的，8邻接概念一样。

4、m邻接不太一样，如果q和p互在8邻域内，p和q都在V内，且q的4邻域和p的4邻域的共同覆盖的点不在V内，则p和q是m邻接的。m邻接是为了消除8邻接的二义性而引进的。3.通路：如果从（x0,y0）点到（xn,yn）点，其中的每个点与前后都是K邻接的（K代表4、8、m），则说这两个点之间存在一条K通路，注意一定要强调明白K，而n是这个通路的长度，如果（x0,y0）和（xn,yn）是重合的，那么说这是一条闭合通路。4.连通：对于图像中的某一个像素子集U和其中的两个点p和q，如果p和q之间有一个由U中全部元素构成的通路，那就说p和q是连通的。5.连通集：接上，对于U中的元素p，U中能连通到p的元素的集

5、合叫做U的连通分量，如果U只有一个连通分量，那么U就是一个连通集。6.区域：令T是图像中的某一个子集，如果T是一个连通集，那么称T是一个区域。理解这些概念的时候，不能孤立的看，要和图像分割的过程结合起来看，比如图像的前景和背景，就是跟区域有关的。假设一幅图像中有M个不连接的区域，且它们都不接触图像的边界，令R1代表这M个区域的并集，令R2代表其补集，那么R1中的所有点就是图像中的前景，而R2中的所有点就是图像的背景。二、空域增强灰度变换：也被称为图像的点运算，对图像的计算仅依赖于当前像素和灰度变换函数，指根据某种目标条件按一定变换关系逐点改变源图像中每一个像素灰度值的方法。其目的是为了改善画质

6、，使图像的显示效果更加清晰。改善图像的质量，使图像能够显示更多的细节，提高图像的对比度（对比度拉伸），有选择的突出图像感兴趣的特征或者抑制图像中不需要的特征，可以有效的改变图像的直方图分布，使像素的分布更为均匀s=T（r）T是灰度变换函数，r是变换前的灰度，s是变换后的像素。图像反转，是图像线性变换的一种，可以得到图像负片，能够有效的增强图像的暗色区域中的白色或者灰色细节对数变换，扩展图像中的低灰度区域，压缩图像中的高灰度区域，能够增强图像中的暗色区域的细节；反对数变换与此相反。对数变换还有个重要作用是，能够压缩图像灰度值的动态范围，在傅立叶变换中能够显示更多的变换后的频谱细节。伽马变换，主要

7、用于图像的校正，根据参数r的选择不同，能够修正图像中灰度过高（r1）或者灰度过低（rDFT-DCT-KLT简单到困难：DCTDFT-平滑滤波也叫低通滤波理想型滤波会出现振铃，1阶巴特沃斯没有“振铃“，随着阶数增大，振铃现象越发明显。带通带阻了解滤波半径越大，模糊越小锐化：特点高频加强滤波：同态滤波：反射（变化快）照射（变化慢）模型同时抑制动态范围，增强对比度伪彩色pseudcolor增强是把黑白图像的各个不同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。假彩色falsecolor合成又称彩色合成。根据加色法或减色法，将多波段单色影像合成为假彩色影像的一种彩色增强技术

8、。合成彩色影像常与天然色彩不同，且可任意变换，故称假彩色影像。合成方法很多，主要有光学法、电子光学法、染印法等。四、图像退化和复原图像复原和图像增强的区别：图像复原需要知道图像退化的相关知识，重构出原始图像，由评判准则，是一个客观过程；图像增强不需要知道图像退化知识，是主观过程。退化模型：时域 频域噪声：高斯噪声退化函数：H（u,v）退化函数的估计：观察法，试验法，数学建模法由退化函数H退化的图像复原的最简单的方法是直接做逆滤波，设图像退化前的傅里叶变换为F（u,v），退化后的傅里叶变换为G（u,v），系统函数即退化函数的傅里叶变换为H（u,v）。逆滤波，就是用退化函数除退化图像的傅里叶变换，

9、得到退化前图像的傅里叶变换的估计。噪声很小是影响很大，限定在原点附近维纳滤波（wiener filtering） 一种基于最小均方误差准则、对平稳过程的最优估计器。这种滤波器的输出与期望输出之间的均方误差为最小，因此，它是一个最佳滤波系统。它可用于提取被平稳噪声所污染的信号。维纳滤波器是一种线性滤波器。当没有噪声时和逆滤波结果一样图像几何变换又称为图像空间变换， 它将一幅图像中的坐标位置映射到另一幅图像中的 新坐标位置需要两部分运算：首先是空问变换所需的运算， 如平移、旋转和镜像等， 需要用它来表示输出图像与输入图像之间的像素映射关系：此外， 还需要使用灰度插值算法， 因为按照这种变换关系进行

10、计算， 输出图像的像素可能被映射到输入图像的非整数坐标上。几何变换：平移，镜像，旋转，像素插值，图像配准图像平移就是将图像中所有的点按照指定的平移量水平或者垂直移动。图像缩放是指图像大小按照指定的比率放大或者缩小旋转一般是指将图像围绕某一指定点旋转一定的角度。旋转通常也会改变图像的大小。最近邻插值，双线性插双线性插值的平滑作用会使图像的细节退化， 而其斜率的不连续性 则会导致变换产生不希望的结果 这些都可以通过高阶插值得到弥补， 高阶插值常用卷积来实现。五、图像压缩编码熵的概念：压缩：无失真压缩，失真压缩三种冗余：编码冗余，像素间冗余，心理视觉冗余保真度准则：客观，主观哈夫曼编码：算术编码：预

11、测编码：位平面编码：变换编码：框图无失真预测，流程，框图误差：颗粒误差，斜率扩展子图象大小选择，比特分配：区域编码，门限编码六、中级处理（提取图像属性）：图像分割；图像表示和描述（边界描述，区域描述）基于灰度级的两个性质：非连续性，相似性点检测：线检测：边缘检测：梯度算子，罗伯茨算子，索贝尔算子，拉普拉斯算子：一般不直接用于边缘检测，因为噪声敏感，不能检测边缘方向。Ideally an edge is a set of connected pixels which is located at an orthogonal step transition in gray level.But in

12、practice, optics, sampling and other image acquisition imperfections yield edges that are blurred and more than one pixel thick.门限：基本门限（iterativ）迭代门限基本全局门限，霍夫变换：运用两个坐标空间之间的变换将在一个空间中具有相同形状的曲线或直线映射到另一个坐标空间的一个点上形成峰值，从而把检测任意形状的问题转化为统计峰值问题。一条直线在直角坐标系下可以用y=kx+b表示, 霍夫变换的主要思想是将该方程的参数和变量交换，即用x,y作为已知量k,b作为变量坐

13、标，所以直角坐标系下的直线y=kx+b在参数空间表示为点（k,b），而一个点（x1,y1）在直角坐标系下表示为一条直线y1=x1k+b，其中（k,b）是该直线上的任意点。为了计算方便，我们将参数空间的坐标表示为极坐标下的和。因为同一条直线上的点对应的（,）是相同的，因此可以先将图片进行边缘检测，然后对图像上每一个非零像素点，在参数坐标下变换为一条直线，那么在直角坐标下属于同一条直线的点便在参数空间形成多条直线并内交于一点。因此可用该原理进行直线检测。种子区域生长法是从一组代表不同生长区域的种子像素开始，接下来将种子像素邻域里符合条件的像素合并到种子像素所代表的生长区域中，并将新添加的像素作为新

14、的种子像素继续合并过程，直到找不到符合条件的新像素为止。该方法的关键是选择合适的初始种子像素以及合理的生长准则。区域分裂合并法的基本思想是首先将图像任意分成若干互不相交的区域，然后再按照相关准则对这些区域进行分裂或者合并从而完成分割任务，该方法既适用于灰度图像分割也适用于纹理图像分割。表示一个区域：外部性质（边界，形状），内部结构（区域性质）表示边界：描述边界长度，直线走向，边界凹面数目等（区域描绘子）表示区域：描述（内部）面积，周长，致密性（周长平方除以面积），平均数，中值等边界表示方法：链码（4连通链码，8连通链码）是用曲线起始点的坐标和边界点方向代码来描述曲线或边界。利用一系列具有特定长

15、度和方向的相连的直线段来表示目标的边界。Normalized（起点归一化）归一化链码：把原链码看作由各方向数构成的自然数，将该码按一个方向循环，使其构成的自然数最小，此时形成归一化链码，原链码具有平移不变性（平移时不改变指向符），但当改变起点S时，会得到不同的链码表示，归一化链码既具有平移不变性，也具备唯一性，但不具备旋转不变性。（旋转归一化）一阶差分链码：通过计算相邻两个元素方向变化（逆时针方向）的数字得到。就是前一个数字变化到后一个数字需要经过的步数，注意是逆时针方向，比如1-1经过0步，1-0经过7步归一化的一阶差分链码（形状数）：就是对一阶差分链码作归一化处理，即把差分链码链码看作由各

16、方向数构成的自然数，将该码按一个方向循环，使其构成的自然数最小。具有唯一性，平移和旋转不变性，长度为阶数，可表示闭合边界的周长（为偶数）。计算链码形状数傅里叶描述子的特点：对于旋转、平移、比例缩放等操作和起始点的选取不敏感。但参数变化关系到描述子的简单变化。可用于区分不同的形状边界，使用少数系数重构边界能反应大体形状，更多系统则能精确定义形状特征。重构效果与P有关，由于傅里叶变换中高频对应图像细节部分，低频部分决定整体形状，因此，P越小，边界细节丢失越多。图像的目标区域的边界是一条封闭的曲线，因此相对于边界上某一固定起点来说，沿边界曲线上的一个动点坐标变化则是一个周期函数。通过规范化之后，这个

17、周期函数可以展开成傅里叶级数，而傅里叶级数中的一系列系数是直接与边界曲线的形状有关的，可作为形状的描述，成为傅里叶描绘子。拓扑描述，纹理描述：求灰度共生矩阵：（派生的不记）灰度共生矩阵，指的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。基本方法：取图像中任意一点（x，y）及偏离它的另一点（x+a, y+b），设该点对的灰度值为（g1，g2）。对于整幅图像，统计出每种（g1，g2）值出现的概率p（g1，g2），并排列成方阵，称为联合概率矩阵，也叫做共生矩阵。再由共生矩阵计算五个统计量。 具体步骤： a） 由原始图像生成满足位置算子P的点对矩阵； b） 计算发生的概率（点对数/图像中满足P的点对总数）； c） 计算下列统计量，以描述灰度共生矩阵的“内容”特性。Hu矩：构造旋转不变性。由Hu矩组成的特征量对图片进行识别，优点就是速度很快，缺点是识别率比较低，Hu不变矩一般用来识别图像中大的物体，对于物体的形状描述得比较好，图像的纹理特征不能太复杂，像识别水果的形状，或者对于车牌中的简单字符的识别效果会相对好一些。这7个不变矩构成一组特征量，Hu.M.K在1962年证明了他们具有旋转，缩放和平移不变性。