2015-08-03 17:37:01 qq_26898461 阅读数 1302

 图像处理,是对图像进行分析、加工、和处理,使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储,因而图像处理很多情况下指数字图像处理。此外,基于光学理论的处理方法依然占有重要的地位。

图像处理是信号处理的子类,另外与计算机科学人工智能等领域也有密切的关系。

传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上,比如降噪量化等。然而,图像属于二维信号,和一维信号相比,它有自己特殊的一面,处理的方式和角度也有所不同。

解决方案

影像强化

几十年前,图像处理大多数由光学设备在模拟模式下进行。由于这些光学方法本身所具有的并行特性,至今他们仍然在很多应用领域占有核心地位,例如全息摄影。但是由于计算机速度的大幅度提高,这些技术正在迅速的被数字图像处理方法所替代。

从通常意义上讲,数字图像处理技术更加普适、可靠和准确。比起模拟方法,它们也更容易实现。专用的硬件被用于数字图像处理,例如,基于流水线的计算机体系结构在这方面取得了巨大的商业成功。今天,硬件解决方案被广泛的用于视频处理系统,但商业化的图像处理任务基本上仍以软件形式实现,运行在通用个人电脑上。

常用的信号处理技术

大多数用于一维信号处理的概念都有其在二维图像信号领域的延伸,它们中的一部分在二维情形下变得十分复杂。同时图像处理也具有自身一些新的概念,例如,连通性旋转不变性,等等。这些概念仅对二维或更高维的情况下才有非平凡的意义。

图像处理中常用到快速傅立叶变换,因为它可以减小数据处理量和处理时间。

从一维信号处理扩展来的技术和概念

专用于二维(或更高维)的技术和概念

典型问题

  • 几何变换(geometric transformations):包括放大、缩小、旋转等。
  • 颜色处理(color):颜色空间的转化、亮度以及对比度的调节、颜色修正等。
  • 图像融合(image composite):多个图像的加、减、组合、拼接。
  • 降噪(image denoising):研究各种针对二维图像的去噪滤波器或者信号处理技术。
  • 边缘检测(edge detection):进行边缘或者其他局部特征提取。
  • 分割(image segmentation):依据不同标准,把二维图像分割成不同区域。
  • 图像编辑(image editing):和计算机图形学有一定交叉。
  • 图像配准(image registration):比较或集成不同条件下获取的图像。
  • 图像增强(image enhancement):
  • 图像数字水印(image watermarking):研究图像域的数据隐藏、加密、或认证。
  • 图像压缩(image compression):研究图像压缩。

应用

  • 摄影及印刷 (Photography and printing)
  • 卫星图像处理 (Satellite image processing)
  • 医学图像处理 (Medical image processing)
  • 面孔识别, 特征识别 (Face detection, feature detection, face identification)
  • 显微图像处理 (Microscope image processing)
  • 汽车障碍识别 (Car barrier detection)

软件工具

  • ImageJ [1]
  • OpenCV [2]
  • Rapidminer图像处理扩展 [3] -工具,图像处理和图像挖掘

相关相近领域


2018-07-17 15:47:45 weixin_41929524 阅读数 4279

数字图像发展历史

以史为镜,可以知兴替。下面我们就来聊一聊数字图像发展的历史。

  • 数字图像处理的最早应用之一是在报纸业。早在20世纪20年代初期,Bartlane电缆图片传输系统(纽约和伦敦之间海底电缆,经过大西洋)传输一幅数字图像所需的时间由一周多减少到小于3个小时。为了用电缆传输图像,首先要进行编码,然后在接收端用特殊的打印设备重构该图片。
![这里写图片描述](https://img-blog.csdn.net/20180717113039564?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkyOTUyNA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
  • 20世纪20年代中期到末期,改进Bartlane系统后,图像质量得到了提高。
  • 打印过程中采用了新的光学还原技术,同时增加了图像的灰度等级。

下图为用15种色调的设备,从伦敦到纽约,用电缆进行传送的Perihing和Fozh两将军未经修饰的图片

  • 20世纪60年代,由于信息技术的高速发展,出现了一批数字图像处理
  • 1964年,“旅行者7号”拍摄的图像通过计算机进行处理,并且提高了图像质量;此技术也在阿波罗载人登月飞行等空间探测器中得到应用。

下图为美国航天器传送的第一张月球照片,“旅行者7号”1964年7月31日9点09分在光线影响月球前17分钟前摄取的图像

  • 20世纪70年代,数字图像处理开始应用于医学领域。
    1979年,Godfrey N. Hounsfield先生以及Allan M. Cormack教授由于发明了“断层(CT) 技术”共同获得了诺贝尔医学奖,其背后的思想是计算机轴向断层技术 (Computerised Axial Tomography (CAT))
![这里写图片描述](https://img-blog.csdn.net/2018071714431637?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkyOTUyNA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
  • 20世纪80年代
    3D图像获取设备以及分析系统
  • 20世纪90年代至今
    通讯
    遥感:卫星、航空
    安全:指纹识别、视频跟踪及监控等
    医学:整容、立体脑图像配准、心脏核磁共振数据的可视化、支气管虚拟内窥镜。
    视频和多媒体系统
    工业生产中的应用
    电子商务等领域逐渐蓬勃发展

图像处理

  • 客观世界是三维空间,但一般图像是二维的。
  • 二维图象在反映三维世界的过程中必然丢失了部分信息。即使是记录下来的信息也可能有失真,甚至于难以识别物体。
  • 通过恢复、重建、分析、提取图像的数学模型,形成人们对于图象记录下的事物有正确和深刻的认识。这个过程就成为图象处理过程。

下图为图像的超分辨率,可以将模糊的图像变得更清晰。

广义图像处理

  • 图像信息获取,即获取研究对象的图像,并转换成数字信号,以便于计算机或其它数字设备处理。
  • 图像信息的存储。图像存储的格式、图像压缩标准以及图像数据库技术等。
  • 图像信息的传送,包括内部传送与远距离传送。内部传送多采用DMA(Direct Memory Access);远距离传送图像压缩技术,减少占用带宽。
  • 图像信息处理,即狭义的图像处理
  • 图像的输出与显示,即为人或计算机提供便于理解以及识别的图像。

狭义图像处理

  • 几何处理

  • 坐标变换:图像的放大与缩小、旋转、移动

  • 图像畸变校正

  • 几何特征计算等

  • 算术与逻辑运算

  • 图像的加减乘除,与或非等运算

  • 图像增强

  • 根据任务目标突出图像中感兴趣的信息,消除干扰,改善图像的视觉效果或增强便于机器识别的信息

  • 图像复原

  • 根据图像退化模型,消除退化因素,恢复原始的图像。

  • 散焦,散焦模型,逆滤波。

  • 图像编码

  • 研究压缩图像数据的方法,需要研究并利用图像的冗余特征

  • 如统计冗余、生理视觉冗余、知识冗余等。

  • 图像分割

  • 根据图像的某些特征将图像划分为不同的区域,以便于对图像中的物体或目标进行分析与识别。

  • 如“机动车视觉系统”中根据图像中的灰度信息分割白色导引线和路面。

  • 图像重建

  • 输入的是非图像信息,如数据、公式等,输出为图像。

  • 主要有卷积反投影法等。

  • 常用于医学设备

  • 图像模式识别

  • 在图像分割的基础上提取特征,对图像中的内容进行判决分类。

  • 图像分析与理解(视觉理解)

  • 根据图像局部内容之间的关系,利用有关知识进行推理与联想,对图像中所表现的内容进行理解。


常见的图像处理

下面列举几个常见的图像处理

  1. 图像变换:包括傅里叶变换、沃尔什-阿达玛变换、离散卡夫纳-勒维变换等
  1. 图像压缩编码:图像压缩编码技术可减少描述图像的数据量(即比特数),以便节省图像传输、处理时间和减少所占用的存储器容量。
![这里写图片描述](https://img-blog.csdn.net/20180717154512341?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkyOTUyNA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
  1. 图像增强和复原:图像增强和复原的目的是为了提高图像的质量,如去除噪声,提高图像的清晰度等。
  1. 图像分割:图像分割是数字图像处理中的关键技术之一,其可把将不同分属不同物体的像素区域分开。 如前景与后景分割开,狗的区域与猫的区域与背景分割开。
  1. 图像描述:在图像分割完成后,下一步就是用数据、符号、形式语言来表示这些具有不同特征的小区,这就是图像描述。
  1. 图像分类(识别):图像分类(识别)属于模式识别的范畴,其主要内容是图像经过某些预处理(增强、复原、压缩)后,进行图像分割和特征提取,从而进行判决分类。
2018-10-26 10:47:19 hhaowang 阅读数 313

1. DIP概述


(1) 数字图像处理(Digital Image Processing)及特点

数字图像处理又称为计算机图像处理,它是将图像信号转换成数字信号并利用计算机对其进行处理的过程,以提高图像的实用性,从而达到人们所要求的预期结果。数字图像处理有以下特点:处理信息量大、占用的频带较宽、数字图像中各个像素(Pixel)的相关性大。

(2)图像处理系统
一般的图像处理系统都是由图像数字化设备、图像处理器(计算机)和图像输出设备组成的。
图像数字化设备是将输入的模拟量(如光、超声波和X射线等)转换成离散的电信号,以供计算机使用。图像处理计算机是以软件方式完成对图像的各种处理和识别。图像输出设备则是将图像处理的中间或最后结果显示出来。
数字图像处理系统的优点是:精度高、处理速度快、通用性和灵活性高、再现性好等。
(3)主要研究内容

  • 图像增强(Enhancement):包括时域频域变换、点运算、空间域滤波和频率域滤波。
  • 图像复原(Restoration):预测图像退化模型,并尽可能恢复图像的原貌。
  • 图像压缩与编码(Compression and Coding):利用图像信号的统计特征对图像信号进行高效压缩和编码。
  • 图像分割(Segmentation):把图像按照其灰度或者集合特征分割成独立区域的过程。
  • 图像分类(Classification):将图像经过预处理(变换、增强、压缩、编码、复原等)操作后,再将图像中的目标物体特征进行分割,特征提取,进而进行分类。

2. MATLAB与数字图像处理

Matlab(Matrix—Lab矩阵实验室)软件功能强大,其内容涉及矩阵代数、微积分、应用数学、有限单元法、科学计算与数理统计、信号与系统、自动控制系统及通信技术、神经网络、小波分析及其应用、数字图像处理、计算机图形学、电子电气、电机学、朴素物理、力学和机械振动等方面。MATLAB语法结构简单,数值计算工具丰富效率高,图形功能完备,特别受到以完成数据处理为目标的广大研究生和技术研发人员的青睐。但是,MATLAB相比于其他开源图像处理库如OpenCV、OpenGL、OpenCL等,其程序执行速度有不小差距。

Matlab中的基本数据结构是由一组有序的实数或复数元素构成的数组,同样的,Matlab中通常用二维数组(矩阵)来存储图像数据,数组的每个元素对应一个像素值。而不同类型的图像数据其存储结构通常不同,如RGB256256256真彩色图像则需要一个三维数组,3个维度分别代表R(red)、G(green)、B(blue)。
在这里插入图片描述
RGB图像:

一副RGB图像就是彩色像素的一个MN3数组,其中每一个彩色相似点都是在特定空间位置的彩色图像相对应的红、绿、蓝三个分量。
令fR,fG,fB分别代表三种RGB分量图像,一副RGB图像就利用cat(级联)操作将这些分量图像组合成彩色图像:

rgb_image=cat(3,fR,fG,fB);


3. MATLAB图像处理工具箱

  1. MATLAB提供了丰富的图像处理函数,主要完成以下功能:
  • 图像的几何操作
  • 图像的领域和图像块操作
  • 线性滤波和滤波器设计
  • 图像变换
  • 图像分析和增强
  • 二值图像形态学操作
  • 图像复原
  • 图像编码
  • 特定区域操作
  1. 图像文件的读/写函数
    (1)imread(); 函数用于实现图像文件的读取。

    A = imread('ima.jpg'); % imread来读取图像
    imshow(A);        %用imshow函数显示图像
    

    (2)imwrite();函数用来实现图像文件的写入。

    imwrite(A,'image.jpg'); %把文件写在MATLAB工作目录下
    

    (3)用iminfo()函数来获取图像文件信息

    info=iminfo(A); %用iminfo查询图像信息
    

    (4)colorbar()函数将颜色条添加在坐标轴对象上。

	RGB=imread('ima.jpg');
	I=rgb2gray(RGB);      %RGB转灰度图
	h=[1,2,1;0,0,0;-1,-2,-1];
	I2=filter2(h,I);
	imshow(I2,[]),colorbar('vert')  %将颜色条添加到坐标对象中
  1. 图像变换函数
2014-12-03 14:08:36 u013018721 阅读数 1109
一.图像的分类

1 按灰度分类

图像按灰度分类有二值图像和多灰度图像. 前者是只有黑色与白色两种像素组成的图像,后

含有从白逐步过渡到黑的中间级灰度.


2 按色彩分类

图像可以分为单色图像和彩色图像,单色图像只有某一段频谱.彩色图像包括镇彩色,假彩色,伪

彩色,合成彩色


3 按运动分类

图像可以分为静态图像和动态图像.静态图像包括静止图像和凝固图像。动态图像包括视频和

动画。


4.按时空分类

图像分为二维图像和三维图像。二维图像为平面图像,三维图像为立体图像。



二.图像的数字化

所谓数字图像即是经过数字化处理后的图像。对模拟图像数字化处理后即为数字图像。

数字化处理包括两个方面:采样和量化


所谓采样,就是将模拟图像划分为M*N个网格,模拟图像中每个网格的亮度即代表该网格的

亮度,这样就得到一个M*N的网格,每个网格代表一个像素。图像的采样也要符合采样定律,

假设图像的频率v<v1,则采样频率vs>2v1



采样结束后,时间空间离散化为像素。但是采样后的像素值仍为连续量。所以此时就需要量化

量化,将采样后每个网格的亮度值转换为特定的数码即为量化,数码的种数即为量化的灰度等级

一般该灰度等级为2^n  n越大,灰度等级阅读,分辨微小亮度的能力越强,图像就越清晰和逼真。

一般采用n取8即采用256灰度等级的量化。对于采样得到的灰度值z,若zi<z<zj我们将z用整数qi

表示,qi即为像素的灰度值,z与qi的差为量化误差.一般我们将灰度量化为256等级,即用一个字节

量化。



三.图像的数学模型

设模拟图像未f(x,y)我们对模拟图像进行采样并进行量化,每个采样点f(xi,yi)即为一个像素或者元。

采样后的数字图像模型如下:

 f(x0,y0)     f(x0,y1)  ...     f(x0,yN-1)

         采样  f(x1,y0)  f(x1,y1)  ...  f(x1,yN-1)  

f(x,y)------->...    ...   ....

f(xM-1,y0)  f(xM-1,y1)  ...  f(x0,yN-1)


对于灰度图像而言,一个采样点的值即可代表该像素的值f(xi,yi)。

然而对于RGB图像而言,(fr(xi,yi),fg(xi,yi),fb(xi,yi))三个值

代表一个像素的亮度.



四.图像处理和图像分析

1.灰度量化

同数字化中的量化,这里我们可以举例计算一副图像的大小,例如我们用8bit量化灰度为256

等级,那么对于一副512*512像素的图像其大小为 512*512*8=0.25MB,如果要全彩色显示,大小将

增加三倍为0.75MB.


2.图像增强

图像增强的目的是设法改进图像的质量,当然改进质量的方法因我们的主观需要而异,包括

增强对比度,分割。等等。


3.图像恢复

很多时候图像因为抖动等原因导致图像模糊。

一般可以有在频域和时域两种方式处理,

若存在一个固定模式的干扰,则可以通过

频谱变换,滤波,频谱逆变换。


4.图像压缩

图像数据之所以能被压缩,就是因为数据中存在着冗余。

图像数据的冗余主要表现为:图像中相邻像素间的相关性引起的空间冗余;

图像序列中不同帧之间存在相关性引起的时间冗余;不同彩色平面或频谱带的相关性引起的频谱冗余。

数据压缩的目的就是通过去除这些数据冗余来减少表示数据所需的比特数。

由于图像数据量的庞大,在存储、传输、处理时非常困难,因此图像数据的压缩就显得非常重要


5.图像分割

图像分割的目的是把一个图像分割成它的构成部分, 以便对每一目标进行测量.


两类分割方法:一种方法是假设图像各成分的强度值是均匀的并利用这种均匀性,

使用这种方法的图像分割技术有直直方图分割和区域生长分割.

另一种方法是寻找图像成分之间的边界,因而是利用图像的不均匀性,使用这

种方法的图像分割技术有梯度法分割.


6.边缘检测

边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化

通常反映了属性的重要事件和变化。 

这些包括(i)深度上的不连续、

(ii)表面方向不连续、

(iii)物质属性变化

(iv)场景照明变化。 

边缘检测是图像处理和计算机视觉中,尤其是特征提取中的一个研究领域


7.图像测量

一旦图像被分割,可逐个对目标进行测量

测量的特征可以分成几个不同的类型

几何特征:描述目标面积、圆周和形状等性质.

强度特征:描述目标中灰度值的分布、均值、标准差和可能的高阶矩.

颜色特征:客观的描述目标的颜色和颜色在目标中的分布.

纹理特征:图像纹理描述图像或其中小块区域的空间颜色分布和光强分布。

纹理特征的提取分为基于结构的方法和基于统计数据的方法

一个基于结构的纹理特征提取方法是将所要检测的纹理进行建模,在图像中搜索重复的模式

该方法对人工合成的纹理识别效果较好。但对于交通图像中的纹理识别,基于统计数据的方法效果更好


8.图像配准

图像配准是对取自不同时间、不同传感器或者不同视角的同一场景的两幅图像或者多幅图像匹配的过程


五.图像变换

有两种不同类型的基本图像变换:整体和局部.

无论哪种情况,输出图像中任何一点的强度值是原始图像中若干点的强度值的函数. 

在整体变换中是原始图像中所有点的函数;在局部变换中仅仅是原始图像中对应像素邻近某些点的函数.

1.局部图像变换:图像形态学操作

2.整体图像变换:傅里叶变换





转载请注明作者:小刘

2017-05-02 11:39:00 weixin_34175509 阅读数 21

第0章 数字图像处理概述

数字图像处理与机器视觉——Visual C++与Matlab实现
图像是指能在人的视觉系统中产生视觉印象的客观对象,包括自然景物、拍摄到的图片、用数学方法描述的图形。图像的要素有几何要素(刻画对象的轮廓、形状等)和非几何要素(刻画对象的颜色、材质等)。

本章中,我们主要讲解数字图像的实质和数字图像处理的一般步骤,以及后面会经常使用到的基本概念。

本文仅用于学习和交流目的,不代表异步社区观点。非商业转载请注明作译者、出处,并保留本文的原始链接。

没有更多推荐了,返回首页