图像处理概述

2018-07-29 11:45:51 lyfwill 阅读数 9098
  • 概述与环境搭建

    学完本课程,可以牢固掌握人工智能计算机视觉的基础知识与常见算法,对图像处理、图像分析可以理解与应用 掌握python opencv框架编程与相关算法原理与函数使用,可以完成基础的图像处理与图像分析项目任务 为进一步...

    6832人学习 贾志刚
    免费试看

最近在看ISP模块,即成像引擎(Image Signal Processing) 

ISP承接sensor的输出,并输出8bit RGB格式的数据给AI引擎来做人脸识别,且需要的尺寸固定为640x480,所以ISP还需要支持任意比例的缩放。

ISP的主要结构如下:

AWB自动白平衡

DPCC(Defect Pixel Cluster Correction)坏点簇纠正

DPF(De-noising Pre-Filter)降噪预滤波

蓝框框里是“去马赛克”单元,包含CAC(Cromatic Aberration Correction色彩失常校正)、降噪滤波器

CNR(Croma Noise Reduction)色度噪点降低

X-talk,串扰

VSM(Video Stablization Measurement)视频稳定

CSM(Color Space Matrix)

2018-10-26 10:47:19 hhaowang 阅读数 522
  • 概述与环境搭建

    学完本课程,可以牢固掌握人工智能计算机视觉的基础知识与常见算法,对图像处理、图像分析可以理解与应用 掌握python opencv框架编程与相关算法原理与函数使用,可以完成基础的图像处理与图像分析项目任务 为进一步...

    6832人学习 贾志刚
    免费试看

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
2018-08-13 19:24:17 guozhaokun001 阅读数 563
  • 概述与环境搭建

    学完本课程,可以牢固掌握人工智能计算机视觉的基础知识与常见算法,对图像处理、图像分析可以理解与应用 掌握python opencv框架编程与相关算法原理与函数使用,可以完成基础的图像处理与图像分析项目任务 为进一步...

    6832人学习 贾志刚
    免费试看

数字图像根据其特性可以分为两类:

1、位图:BMP,JPG,GIF

2、矢量图:PNG

 

数字图像的分类;

1、二值图像:像素只有0和1两种取值,其中0表示黑色,1表示白色

2、灰度图像:也就是在二值图像中加入了许多介于黑色和白色的颜色,就构成了灰度图像。这类图像通常从最暗黑色到最亮的白色。每种灰度(颜色深度)成为一个灰度级,通常用L表示。在灰度图像中,像素可以取0~L-1之间的整数值,比如有256中取值,或者成为2^K种取值,当k=1时也就变成了二值图像

3、RGB图像:自然界中几乎所有的颜色都可以用红、绿、蓝三种颜色组成,通过控制RGB三种颜色的和成比例就可以决定该像素的最终显示颜色。

     对于红色来讲,有256个颜色等级,0表示不含红色成分,255表示含有100%的红色成分。对于其余两种颜色也是如此。每种颜色可用8位二进制数据表示,则可以知道3原色共需要24位二进制。最终能表示出来的颜色种类数目为256*256*256=2^24,大约有1600万种。

     为了减少书写长度,可以用16进制按照两位一组的一次书写R、G、B三种颜色,比如0xFF0000表示纯红色等。

    未经压缩的原始BMP文件就是使用RGB标准给出的3个数值来存储图像数据的,成为RGB图像。在RGB图像中每个像素都是用24位二进制数表示,故也称为24位真彩色图像。

4、索引图像:索图像的出现就可以解决RGB图像的所占体积比较大的问题,举例对于一个长宽都是200个像素的图像来说,如果颜色数时16(也就是这张图像上共16种颜色),如果每个像素都用24位二进制表示也就是每个像素由3个字节表示,那么整张图像就是200*200*3=120KB,未经压缩,会浪费大量的存储空间。如果改用索引图像,可以这样表示因为一共16种颜色,那么就可以用一张颜色表(16*3的二维数组)保存这16种颜色对应的RGB值,在表示图像的矩阵种使用这16种颜色在颜色表种的索引(偏移量)作为数据写入相应的行列位置。

举例说明:例如颜色表中的第三个(下标为2,第一个下标为0)元素为0xAA1111,那么图像中所有颜色为0xAA1111的像素都可以有3-1=2表示,颜色表索引下标是从0开始的,那么每一个像素所需要使用的二进制数就仅仅为4位(0.5个字节),因为2^4=16,所以整个图像就只需要200*200*0.5=20kb就可以存储。而且不会印象显示质量。

数字图像的表示:

图像的种的像素可以用坐标来表示,如下图所示:

同时也可以转换成数字矩阵

其中y表示行,x表示列

用传统矩阵表示如下图所示:

图像分辨率:

图像的空间分辨率是指图像中美每个单位长度所包含的像素或点的数目,常以像素/英寸为单位来表示。如72ppi表示图像种每英寸包含72个像素或点。

通常会称一幅大小为M*N的数字图像空间分辨率为M*N像素

 

2018-07-17 15:47:45 weixin_41929524 阅读数 6351
  • 概述与环境搭建

    学完本课程,可以牢固掌握人工智能计算机视觉的基础知识与常见算法,对图像处理、图像分析可以理解与应用 掌握python opencv框架编程与相关算法原理与函数使用,可以完成基础的图像处理与图像分析项目任务 为进一步...

    6832人学习 贾志刚
    免费试看

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。
2019-05-07 16:59:47 xieshangxin 阅读数 1954
  • 概述与环境搭建

    学完本课程,可以牢固掌握人工智能计算机视觉的基础知识与常见算法,对图像处理、图像分析可以理解与应用 掌握python opencv框架编程与相关算法原理与函数使用,可以完成基础的图像处理与图像分析项目任务 为进一步...

    6832人学习 贾志刚
    免费试看

图像处理的两个重要应用领域:(1)改善图像信息以便于人类理解  (2)为了方便存储、传输和表示而对图像进行处理,从而达到便于及其自动识别的目的。

 

什么是图像处理

 

简单来说,一幅图像可以认为就是一个二维函数f(x,y),x,y表示位置,函数值就表示该位置处的图像的灰度值或者是强度。当,x,y , f 都是离散值的时候,我们将该图像称为数字图像,也就是说灰度值是由有限数量的组成的,每个灰度值都有其特定的位置和幅值。数字图像处理就是指我们使用计算机来处理这些数字图像。

 

图像处理具体止步于哪些领域或者其他相关领域(比如图像分析或者是计算机视觉)从哪里开始,并没有一致的看法。有时,用输入和输出都是图像这一规范来对数字图像处理的范围进行界定。这是人为的认定,其实并不准确,比如,在这种定义下,连求一幅图像的平均值(输出是一个数)都不能算是图像处理的范围。

计算机视觉的目标是使用计算机来模拟人的视觉,包括理解并且根据输入采取行动。图像分析领域则是处在图像处理和计算机视觉之间。

从图像处理到计算机视觉这个连续的统一体并没有明确的界限。一种有用的做法是在这个连续的统一体中考虑三种典型的计算处理,即低级、中级、高级处理。低级处理涉及一些基本操作,比如图像降噪,对比度增强,图像锐化等,低级处理输入和输出都是图像为特征。中级处理涉及的范围比较广,如对图像进行分割(将图像不同的区域或者目标分离),而后对不同的目标进行分类,中级处理是以图像作为输入,但是输出是从这些图像中提取到不同特征,比如图像的轮廓信息,各个物体的标识。而高级图像处理涉及到“理解”图像上的内容,形成一些认知功能。

 

本书中,将数字图像处理的范围界定为,输入和输出都是图像的处理,也包括从图像中提取特征的处理,也包括图像中各个目标的识别。

 

数字图像处理的起源

 

数字图像最早的应用是在报纸行业,图像第一次通过海底电缆从伦敦传到纽约。这种传输方法需要使用特殊的设备对图像进行编码,然后接收端对图像进行解码。

早期的图像使用5个不同的灰度级来编码图像                   使用15个灰度级

以上的例子涉及数字图像,但是并不涉及数字图像的处理,因为创建这些图像时,并没有涉及计算。数字图像处理的历史与计算机的发展高度相关。因为数字图像要求非常大的存储和计算能力,因此数字图像处理领域的发展必须依靠数字计算机及数据存储、显示、和传输等相关支撑技术的发展。

 

第一台足以强大到足以执行有意义的图像处理任务的大型计算机出现在20世界60年代,使用计算机技术改善空间探测器发回的图像,以校正航天器上电视摄像机中各种类型的图像畸变。此后,图像处理领域蓬勃发展,除了医学和空间项目外,计算法方法用于增强对比度或将灰度编码为彩色,以便于解释工业、医学及生物科学等领域中的X射线和其他图像。图像复原用于处理不可修复物体的退化图像,比如在考古领域,使用图像处理方法成功复原模糊的图像。其他更多领域不举例了。

上面的这些例子说明图像处理的结果是便于人类理解。数字图像处理的第二个主要应用领域是解决机器感知问题。在这种情况下,是为了更加适合于计算机处理的形式从图中提取信息的过程,这种信息类似于人类用于解释一幅图像内容的视觉特性。比如说,机器感知中,使用的信息类型通常有统计矩、傅里叶变换系数和多维距离度量。

 

数字图像处理的基本步骤

图像获取: 这个阶段通常还包括图像的预处理,比如图像的缩放。

 

图像增强: 对图像进行某种操作,使得其结果在特定应用中比原来的图像更合适,注意增强技术是建立在面向特定问题的基础上的。不同类型的图像,使用的增强方法不同,比如用于增强X射线得到的图像的方法就不适合于用来增强红外线获取到的卫星图像。图像的增强是一个主观的任务,观察者就是特殊方法工作的好坏的最终裁判者。

 

图像复原: 是改善图像外观的处理领域,与图像增强不同,图像增强是主观的,但是图像复原是客观的,复原的技术倾向于以图像退化的数学或者是概率模型为基础。

 

彩色图像处理:彩色图像处理已经成为一个重要领域,因为互联网上图像的使用不断增长。

 

小波与多分辨率处理:小波是以不同分辨率来描述图像的基础。特别是图像的压缩和金字塔表示中使用了小波,此时,图像被成功地细分为较小的区域。大多数计算机用户都熟悉图像压缩所使用的图像文件扩展名,比如,JPEG图像压缩标准。

 

形态学处理:涉及提取提取图像分量的工具,这些分量在表示和描述形状方面都很有用。这也是从输出图像处理到输出图像属性转化的开始。

 

图像分割: 将一幅图像划分为它的组成部分或者是目标。自动分割是数字图像处理中最困难的任务之一。很弱且不稳定的图像分割算法几乎总是导致最终失败。通常,分割越准确,识别越成功。

 

图像表示和描述: 这个阶段几乎总是在分割阶段的输出之后,通常分割的输出是未加工的像素数据,这写数据要么是构成一个区域的边界,要么是构成该区域的所有的点。首先,必须确定数据是应该表示成一条边界还是表示成一个区域。如果关注的是外部形状特征,比如说是角点和拐点,那么表示为边界是合适的。如果关注的是内部的特征,那么,比如纹理和骨架,那么表示为区域是比较合适的。这些表示都是解决把原始数据转化成适合计算机进行后续处理的形式的一部分。描述又称为特征许三责,涉及提取特征,它可得到某些感兴趣的定量信息,是区分一组目标与另一组目标的基础。

目标识别:基于目标的描述给目标赋予特定的标识的过程。

 

 

 

图像处理概述

阅读数 1395