• 第一章概述图像概念:图:是物体透射或反射光的分布,客观存在 像:是人的视觉系统对图的接受在大脑中形成的印象或反映。 图像:是图和像的有机结合,是客观世界能量或状态以可视化形式在二维...数字图像处理的特点

    第一章概述

    图像概念:

    图:是物体透射或反射光的分布,客观存在
    像:是人的视觉系统对图的接受在大脑中形成的印象或反映。
    图像:是图和像的有机结合,是客观世界能量或状态以可视化形式在二维平面上的投影。
    这里写图片描述

    图像处理的目的:

    1)提高图像的视觉质量,达到赏心悦目的效果。
    2)提高图像中所包含的某些特征或特殊信息,便于计算机分析
    3)对图像数据进行交换、编码和压缩,便于图像的存储和传输。

    数字图像处理的特点:

    1)处理的数据量很大
    2)处理占用的频带较宽。
    3)各个像素的相关性大
    4)不仅能完成线性计算,还能实现非线性计算,具有很高的灵活性。
    数字图像处理与模拟图像处理相比的优点:

    数字图像比模拟图像的优点:

    数字图像不会因图像的存储、传输或复制等一系列操作二导致图像质量的退化,具有很好的再现性,主要优点是:精度高,再现性好,通用性、灵活性强。

    这里写图片描述

    数字图像处理系统结构:

    • 图像数字化设备:扫描仪、数码相机、摄像机、图像采集器。
    • 图像处理计算机:核心:图像处理计算机;附属:外储存器(硬盘、移动硬盘、光盘、闪盘的核心)
    • 图像输出设备:打印机、显示器
      这里写图片描述
      这里写图片描述
      这里写图片描述

    这里写图片描述

    具体描述:

    这里写图片描述
    这里写图片描述
    这里写图片描述

    数字图像处理主要研究的内容

    1)图像增强:突出图像中人所感兴趣的部分
    2)图像编码:1.减少数据存储量;2.降低数据率以减少传输宽带;3.压缩信息量,便于特征提取,为后续识别做好准备
    3)图像复原:回复图像原貌
    4)图像分割:按图像灰度或集合特性分割成若干区域的过程
    5)图像分类:在图像经过预处理和特征分割、特征提取后,把不同类别的目标区分开来的图像处理方法。
    6)图像重建:从数据到图像的处理过程。(例如CT)

    数字图像处理的应用和发展

    应用方面

    1)航天和航空技术方面(图像复原、特征提取等)
    2)生物医学工程方面(CT等)
    3)通信工程方面(编码压缩)
    4)工业和工程方面(图像识别)
    5)军事、公安方面(图像分析、图像复原、图像识别等)
    6)文化艺术方面
    7)其他

    发展

    1)图像处理向着高速率、高分辨率、立体化、多媒体化、智能化、标准化发展
    2)三维成像和多维成像
    3)固化芯片更广阔的应用
    4)算法的丰富和深入

    第二章 数字图像处理基础

    眼视觉系统

    人的视觉过程:

    1)光学过程:当人眼接收到光刺激时,首先是条件反射
    2)化学过程:由视网膜神经进行处理,随后图像信号通过视觉通道反映到大脑皮层
    3)神经处理过程:大脑皮层做出相应的处理;存储图像,信息处理、特征提取、决策和描述,最终做出反应。

    马赫带效应:

    是人类的视觉系统造成的,生物学对马赫带的解释是:人类的视觉系统有增强边缘对比度的机制。

    图像的基本知识

    1.图像的获取:

    图像数字化:
    将一幅圆面转化成计算机能处理的形式—数字图像的过程。具体说来,就是把一幅图画分割成一个个小区域(像元或像素),并将各小区域灰度用整数来表示,形成一幅点阵式的数字图像。它包括采样和量化两个过程。像素的位置和灰度就是像素的属性。

    • 1)采样:

    将空间上连续的图像变换成离散点的操作称为采样。采砂间隔和采样孔径的大小是内个很重要的参数。采样方式:有缝、无缝和重迭

    • 2)量化

    经采样图像被分割成空间上离散的像素,但其灰度是连续的,还不能用计算机进行处理。将像素灰度转换成离散的整数值的过程叫量化。

    采样量化原则:
    1)对于缓变,应细量化,粗采样,以避免假轮廓
    2)对于细节丰富的图像,应细采样,粗量化,以避免模糊(混叠)

    量化等级越多,所得图像层次越丰富,灰度分辨率高,图像质量好,但数据量大;量化等级越少,图像层次欠丰富,灰度分辨率低,会出现假轮廓现象,图像质量变差,但数据量小。
    但在极少数情况下对固定图像大小时,减少灰度级能改善质量,产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。例如 :对细节比较丰富的图像数字化。

    2.像素间的基本关系

    1.邻接关系

    N4(p):(x+1,y),(x-1,y),(x,y-1),(x,y+1);
    ND(p):(x+1,y+1),(x-1,y-1),(x-1,y+1),(x+1,y-1).
    4邻域 N4(p)
    8邻域 N8(p) : N4(p)+ND(p)
    4邻接:q在N4(p)中,具有v的两个像素 p, q 是4邻接。
    8邻接:q在N8(p)中,具有v的两个像素 p, q 是8邻接。
    m邻接: 1) q在N4(p)中,或者2) q在ND(p)中且集合N4(p)和N4(q)交集没有v值的像素,则具有v的两个像素 p, q 是m邻接.

    • 1)4邻接必8邻接,反之不然
    • 2)m邻接必8邻接,反之不然
    • 3)m邻接是8邻接的变型,介于4邻接和8邻接之间,以消除8邻接中产生的歧义性。
    • *像素间同时存在4邻接和8邻接是优先4邻接。

    2.距离

    这里写图片描述

    图像分类

    1)二值图像:图像的每个像素只能是黑或白,没有巾间的过渡,二值图像的像素值为0或1。
    2)亮度图像:像素灰度值用8Bit表示,介于黑白之间的256种灰度中的一种。
    3)索引图:颜色是预先定义好的,有256种颜色通过索引来表示,每个像素占8bit
    4)RGB图像:真彩色图像,每个像素由红蓝绿三个字节组合而成,可产生1670万种不同颜色。

    10.什么是图像灰度直方图? 图像直方图反映了图像的什么特征?
    灰度的直方图反映图像中灰度级与出现这种灰度的概率之间关系的图形。这种图形能够反映图像灰度级的分布统计特征。

    第三章图像基本运算

    1.点运算

    1)线性点运算

    S=ar+b

    a=1,b=0,不变
    a=1,b#0,灰度值上移或下移,图像变亮或暗
    a>1,对比度变大
    a<1,对比度降低
    a<0,暗区变亮,亮区变暗。

    2)非线性点运算

    一般式:

    S=clog1+r
    c为常数,r>=0.

    幂变式(imadjust):

    S=cry

    y>1,高灰度的对比度增强
    y<1,低灰度的对比度增强
    y=1,不改变图像

    2.代数运算

    • 加(addition)

    平均值去噪:
    Dix,y=Six,y+Nix,y
    S为理想图,N为噪音。
    信噪比:Px,y=S2x,y/E[N2x,y]
    对图做平均为:
    Dx,y=1/MsumSx,y+Nix,y
    对应信噪比:Px,y=S2x,y/E[1/MsumNix,y]2
    使得信噪比增加M倍。

    • 减(Subtration):
      检测变化及运动的物体

    • 乘(Multiplication):
      改变图像的灰度值,实现灰度级变换。

    • 除(Division):
      改变图像的灰度值(比值图像处理)

    3.逻辑运算

    AND,OR,NOT

    4.几何运算

    • 平移
      x1=x0+X;y1=y0+Y
      x(i,j)=I(i-a,j-b)#左右平移
    • 镜像
      【M,N】=size(I)
      x(i,j)=I(i,N-j+1)#左右水平镜像
      x(i,j)=I(M-i+1,j)#上下水平镜像
    • 旋转(imrotate)
      1) J=(I,60,’bilinear’)
      2) J=(I,60,’bilinear’,’crop’)#截去局部
    • 缩放
      插值方法
      1)最近邻插值法:缩小(取原图的偶数行,或取奇数行);
      2)插值算法

    灰度重采样:

    • 最近邻法(nearest):取最近点的灰度值为点的灰度值
    • 双线性插值法(bilinear):考虑周围4个邻点的灰度值对它的影响。

    fu0,v0=[fu+1,vfu,v]a+[fu,v+1fu,v]b
    +[fu+1,v+1+fu,vfu,v+1fu+1,v]ab+fu,v
    - 三次内插法(bicubic):考虑周围16个邻点的灰度值对它的影响。

    第四章图像转换

    1.图像变换的目的:

    • ①图像处理问题简化;
    • ②有利于图像特征提取;
    • ③有助于从概念上增强对图像信息的理解。

    2.图像变换的要求

    图像变换通常是一种二维正交变换。一般要求:
    ①正交变换必须是可逆的;
    ②正变换和反变换的算法不能太复杂;
    ③正交变换的特点是在变换域中图像能量将集中分布在低频率成分上,边缘、线状信息反映在高频率成分上,有利于图像处理。因此正交变换广泛应用在图像增强、图像恢复、特征提取、图像压缩编码和形状分析等方而。

    3.傅立叶变换

    这里写图片描述

    3.1一维二维连续函数的傅立叶变换

    这里写图片描述
    这里写图片描述

    这里写图片描述

    3.2一维二维离散函数的傅立叶变换

    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

    这里写图片描述

    4.二维离散傅立叶变换的若干性质

    离散傅立叶变换建立了函数在空间域与频率域之间的转换关系。在数字图像处理中,经常要利用这种转换关系及其转换规律,因此,下而将介绍离散傅立叶变换的若下承要性质。

    • (1)周期性和共扼对称性
      若离散的傅立叶变换和它的反变换周期为N,则有
      F(u,v)=F(u+Nv)=F(u+v+N)=F(u+N,v+N)
      傅立叶变换存在共扼对称性F(u,v)=F(u,v)这种周期性和共扼对称性对图像的频谱分析和显示带来很大益处。
      这里写图片描述

    • (2)分离性
      一个二维傅立叶变换可由连续两次一维傅立叶变换来实现
      这里写图片描述

    • (3)旋转性质
      平面直角坐标写成极坐标形式.
      这里写图片描述

    这里写图片描述

    5.卷积定理

    fugu=FuGu

    展开全文
  • 第五章图像增强 两个方法: 1)空间域增强:点处理,模板处理即领域处理 2)频率域增强:高低通滤波,同态滤波 1.空间域图像增强 1)点处理 基于灰度变换 灰度线性变换 作用:对每一个像素灰度做...

    第五章图像增强

    这里写图片描述

    两个方法:

    1)空间域增强:点处理,模板处理即领域处理
    2)频率域增强:高低通滤波,同态滤波

    1.空间域图像增强

    1)点处理

    基于灰度变换

    • 灰度线性变换
      作用:对每一个像素灰度做线性拉伸
      gx,y=afx,y+b
      适用于:对曝光不足或过度的图片,即图像灰度局限在一个很小的范围。
      这里写图片描述
      这里写图片描述
    • 分段线性变换
      作用:增强对比度。突出关注的部分,相对抑制不受关注的灰度区间。

    这里写图片描述

    这里写图片描述
    这里写图片描述

    • 反转变换(imcomplement)
      s=L1r
      作用:增强嵌入图像暗色区域的白色或灰色细节,特别是当黑色面积占主导地位时。
      这里写图片描述
    • 对数变换(动态范围压缩)
      s=clog1+r
      作用:扩张较小的灰度范围,压缩数值较大的灰度范围
      这里写图片描述

    基于直方图(概率密度图)

    反映了数字图像每一灰度级与其出现频率间的关系,它能描述该图像的概貌。

    • 直方图均衡化
      将原图像通过某种变换,得到一幅灰度直方图为均匀分布的新图像。
      这里写图片描述
      1)统计原始图像的直方图:prrk=nk/n,
      rk是归一化的输入图像灰度级。
      2)计算直方图累积分布曲线,
      sk=Trk=sumPrrj=sumnj/n
      3)用累积分布函数作为变换函数进行图像灰度变换。
      这里写图片描述

    实质:减少图像的灰度级以换取对比度的加大。

    这里写图片描述
    这里写图片描述

    实验结果:
    1)变换后趋于平坦,灰度级减少,灰度合并
    2)原始图像含有像素较多的几个灰度间隔拉大了,压缩的只是像素数较少的几个灰度级,实际视觉能够接收的信息量大大增强了。

    • 直方图规定化
      1)使用情况:
      需要具有特定的直方图的图像,以便能够增强图像中某些灰度级。
      2)作用:
      使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。

    规定化思想:
    这里写图片描述

    具体计算过程:
    这里写图片描述
    这里写图片描述

    一个规定化实例:
    这里写图片描述

    直方图均衡化处理是直方图规定化的一个特例。

    2)局部统计法

    平滑滤波器

    • 局部平滑法
      假设图像是由许多灰度恒定的小块组成,相邻像素间存在很高的空间相关性,而噪声则是统计独立的。
      方法:
      用邻域内各像素的灰度平均值代替该像素原来的灰度值,实现图像的平滑。
      作用:
      信号与噪声的方差比可望提高M倍。
      主要缺点:
      在降低噪声的同时使图像产生模糊,特别在边缘和细节处。而且邻域越大,在去噪能力增强的同时模糊程度越严重
      这里写图片描述

    效果图:
    这里写图片描述

    • 超限像素平滑法
      对邻域平均法稍加改进,可导出超限像素平滑法。将fx,y和邻域平均gx,y的差的绝对值与选定的阈值进行比较,根据比较结果决定点x,y的最后灰度gx,y.
      这里写图片描述
      特点:
      这算法对抑制椒欲噪声比较有效,对保护仅有微小灰度差的细节及纹理也有效。可见随着邻域增大,去噪能力增强,但模糊程度也大。同局部平滑法相比,超限像元平滑法去椒盐噪声效果更好。
      效果图:
      这里写图片描述
    • 空间低通滤波
      邻域平均法可看作一个掩模作用于图像fx,y的低通空间滤波,掩模就是一个滤波器,它的响应为Hr,s,于是滤波输出的数字图像gx,y用离散卷积表示为
      这里写图片描述
      掩模不同,中心点或邻域的重要程度也不相同,因此,应根据问题的需要选取合适的掩模。但不管什么样的掩模,必须保证全部权系数之和为单位值,这样可保证输出图像灰度值在许可范围内,不会产生“溢出”现象。
      这里写图片描述

    锐化滤波器

    突出边缘和轮廓信息,增强图像的边缘或轮廓。

    图像平滑通过积分过程使得图像边缘模糊,图像锐化则通过微分而使图像边缘突出 、清晰。

    • 梯度锐化法
      对于图像fx,yx,y处梯度定义为:
      这里写图片描述
      梯度是一个矢量,其大小和方向为:
      这里写图片描述
      Roberts\Prewitt\Sobel算子
      这里写图片描述
      这里写图片描述

    • 拉普拉斯算子:
      这里写图片描述
      这里写图片描述

    2.频率域图像增强

    这里写图片描述

    平滑滤波器

    • 理想低通滤波器
      传递函数:
      这里写图片描述
      效果图:
      这里写图片描述

    特点:有陡峭频率的截止特性,但会产生振铃现象使图像变得模糊,具有物理不可实现性。

    • 巴特沃斯低通滤波器
      传递函数:
      这里写图片描述
      效果图:
      这里写图片描述

    特点:传递函数比较平滑,连续性衰减,D0截止频率,没有振铃效果。

    • 指数低通滤波器
      传递函数:
      这里写图片描述
      效果图:
      这里写图片描述

    特点:图像边缘的模糊程度较用巴特沃斯滤波产生的大些,无明显振铃效应。

    • 梯形低通滤波器
      传递函数:
      这里写图片描述
      效果图:
      这里写图片描述

    特点:是理想低通和完全平滑的折中,性能介于理想低通和指数滤波之间,有一定模糊和振铃效应。

    锐化滤波器

    消除模糊,突出边缘。
    这里写图片描述
    - 理想高通滤波器
    传递函数:
    这里写图片描述
    效果图:
    这里写图片描述

    • 指数高通滤波器
      传递函数:
      这里写图片描述

    • 梯形高通滤波器
      传递函数:
      这里写图片描述
      效果图:
      这里写图片描述

    同态滤波器

    这里写图片描述
    效果图:
    这里写图片描述
    特点:能消除乘性噪声,能同时压缩图像的整体动态范围,并增加图像中相邻区域间的对比度。
    例子:
    HH代表高频增益,HL代表低频增益,一般HH>1HL<1
    这里写图片描述

    这里写图片描述

    频域滤波可以很灵活的解决加性畸变问题,而无法消除乘性或卷积噪声,例如物体受到光照明暗不均的时候这时需要用同态滤波。

    总结:

    1)频率域法把图像看成一种二维信号,对其进行基于傅里叶变换的信号增强。采用低通滤波去掉图中噪声,高通滤波增强边缘等高频信号,使模糊图片变得清晰,空间域算法代表的有平均值法和中值滤波法等

    第八章图像分割

    好的图像分割具有的特征:

    1)分割出来的各区域对某种性质(灰度、纹理)而言具有相似性,区域内部是连通的且没有过多小孔。
    2)相邻区域对分割所依据的性质有明显的差异。
    3)区域边界是明确的。

    1、基于阈值的分割方法

    适用于:图像的直方图具有比较明显的双峰或多峰时。
    基本思想是基于图像的灰度特征来计算一个或多个灰度阈值,并将图像中每个像素的灰度值与阈值相比较,最后将像素根据比较结果分到合适的类别中。因此,该类方法最为关键的一步就是按照某个准则函数来求解最佳灰度阈值。

    • 全局阈值:
    • 1)人工选择法
    • 2)直方图技术选择法:把阈值设在直方图的谷
    • 3)迭代式阈值选择法:特征:(1)能够快速收敛;(2)在每个迭代过程中新产生的阈值优于上一次的阈值。
    • 步骤:(1)选择灰度中值作为初始阈值T0
    • (2)利用阈值Ti将图像分割成两个区域——R1R2,用式子算出区域R1R2的灰度均值U1U2;
    • (3)利用式子Ti+1=1/2u1+u2算出新的阈值T_i_+_1);
    • (4)重复(2),(3),直到Ti+1Ti的差小于某个给定的值。
    • 4)最大类间阈值选择法(Otsu):前提:双峰分布;
    • 原理:以最佳阈值将图像的灰度直方图分割成两部分,使两部分之间的方差取得最大值,即分离性最大。
    • 做法:以阈值K将所有的像素分为目标C0和背景C1两类。其中C0类的像素灰度级为0~k-1,C1类的像素灰度级为k~L-1.
      这里写图片描述

    2、基于边缘的分割方法

    所谓边缘是指图像中两个不同区域的边界线上连续的像素点的集合,是图像局部特征不连续性的反映,体现了灰度、颜色、纹理等图像特性的突变。通常情况下,基于边缘的分割方法指的是基于灰度值的边缘检测,它是建立在边缘灰度值会呈现出阶跃型或屋顶型变化这一观测基础上的方法。
    阶跃型边缘两边像素点的灰度值存在着明显的差异,而屋顶型边缘则位于灰度值上升或下降的转折处。正是基于这一特性,可以使用微分算子进行边缘检测,即使用一阶导数的极值与二阶导数的过零点来确定边缘,具体实现时可以使用图像与模板进行卷积来完成。
    这里写图片描述

    • 1)Roberts算子:利用局部差分算子寻找边缘,边缘定位精度较高,但容易丢失一部分边缘,同时由于平滑处理,因此不具备抑制噪声能力。对有陡峭边缘且含有噪声较少的图像效果较好。
    • 2)Prewitt算子和Sobel算子:对图像先加权平滑再做微分运算,所不同的是平滑部分的权值有些差异,因此对噪音有一定抑制能力,Sobel比Prewitt抑制能力更好,但不能完全排除检测结果中出现的虚假边缘。
    • 3)拉普拉斯:无方向的二阶微分算子,对图像中的阶跃边缘定位准确,对噪声敏感,使得噪声成分得到加强,这些特性容易使得丢失一部分边缘的方向信息,容易造成一些不连续的检测边缘。
    • 4)高斯-拉普拉斯(LOG):克服拉普拉斯抗噪声能力差的特点,但在抑制噪声的同时将原有的比较尖锐的边缘也平滑掉了。

    3、基于区域的分割方法

    将图像按照相似性准则分成不同的区域,主要考虑像素之间邻域像素之间的关系。

    • 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(Gonzalez,2002)
      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。

    • 分水岭法(Meyer,1990)
      一种基于拓扑理论的数学形态学的分割方法,其基本思想是把图像看作是测地学上的拓扑地貌,图像中每一点像素的灰度值表示该点的海拔高度,每一个局部极小值及其影响区域称为集水盆,而集水盆的边界则形成分水岭。
      该算法的实现可以模拟成洪水淹没的过程,图像的最低点首先被淹没,然后水逐渐淹没整个山谷。当水位到达一定高度的时候将会溢出,这时在水溢出的地方修建堤坝,重复这个过程直到整个图像上的点全部被淹没,这时所建立的一系列堤坝就成为分开各个盆地的分水岭。分水岭算法对微弱的边缘有着良好的响应,但图像中的噪声会使分水岭算法产生过分割的现象。

    基于边缘的分割方法根据区域间灰度不连续性通过搜寻区域之间的边界来处理;
    基于阈值的分割方法通过用以像素性质的分布为基础的阈值来处理。

    4、基于图论的分割方法

    此类方法把图像分割问题与图的最小割(min cut)问题相关联。
    首先将图像映射为带权无向图G=<VE>,图中每个节点N∈V对应于图像中的每个像素,每条边∈E连接着一对相邻的像素,边的权值表示了相邻像素之间在灰度、颜色或纹理方面的非负相似度。而对图像的一个分割s就是对图的一个剪切,被分割的每个区域C∈S对应着图中的一个子图。而分割的最优原则就是使划分后的子图在内部保持相似度最大,而子图之间的相似度保持最小。基于图论的分割方法的本质就是移除特定的边,将图划分为若干子图从而实现分割。目前所了解到的基于图论的方法有GraphCut,GrabCut和Random Walk等。

    5、基于能量泛函的分割方法

    该类方法主要指的是活动轮廓模型(active contour model)以及在其基础上发展出来的算法,其基本思想是使用连续曲线来表达目标边缘,并定义一个能量泛函使得其自变量包括边缘曲线,因此分割过程就转变为求解能量泛函的最小值的过程,一般可通过求解函数对应的欧拉(Euler.Lagrange)方程来实现,能量达到最小时的曲线位置就是目标的轮廓所在。按照模型中曲线表达形式的不同,活动轮廓模型可以分为两大类:参数活动轮廓模型(parametric active contour model)和几何活动轮廓模型(geometric active contour model)。

    6.二值图像处理

    1)数学形态学图像处理

    腐蚀:去除图像中小的物体
    膨胀:可以填补空洞
    开运算:平滑边界并不改变面积
    闭运算:填充空洞,连接邻近物体并不改变面积

    2)基本形态学算法

    边界提取(bwperim):A-(B腐蚀A)
    区域填充(bwfill)

    第九章彩色图像处理

    1.彩色基础

    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

    2.彩色模型

    1)RGB模型:在彩色显示器、彩色摄影机中广泛使用。
    2)CMY/CMYK模型:用于彩色打印
    3)HSI 模型:与人描述和揭示颜色的方式最相近,便于认为指定颜色。

    2.1CMY模型

    这里写图片描述
    这里写图片描述
    这里写图片描述

    CMY与RGB转换:

    这里写图片描述

    CMY=imcomplementRGB

    2.2HSI模型

    这里写图片描述
    这里写图片描述
    这里写图片描述

    三原色的各个分量:

    这里写图片描述
    这里写图片描述
    这里写图片描述

    3.彩色图像处理

    分为两大类:
    1)全彩色处理:图像为彩色
    2)伪彩色处理:图像为灰度图,为每个灰度区间赋予不同的颜色二成为彩色图。

    3.1.伪彩色处理

    这里写图片描述

    3.1.1强度分层

    这里写图片描述

    3.1.2灰度级到彩色变换

    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

    3.2全彩色处理

    两种方法:
    1)独立的处理彩色图像的RGB分量图像,然后组合成为一幅彩色图像。前提:(1)既适用于向量也可用于标量;(2)应用与向量时,各分量的处理结果互不相关
    2)将每个像素的RGB值看成一个整体,即一个3维向量,对着整体的属性进行处理。

    3.2.1全彩色分割

    1)HSI彩色空间分割
    基于彩色分割一副图像,不想在单独的平面执行处理。
    2)RGB彩色空间分割
    分割目的:对给定图像中每一个RGB像素进行分类,需要相似性度量:欧氏距离。

    第十章、图像表示与描述

    1.颜色描述

    对图像尺寸、方向
    视角依赖性较弱,具有较高的稳定性

    灰度特征:

    这里写图片描述

    直方图特征

    图像灰度概率密度的估计
    这里写图片描述

    特征:
    这里写图片描述

    颜色矩

    描述颜色的分布
    颜色分布信息主要集中在低阶矩,例如:一阶矩、二阶矩、三阶矩

    一阶矩:定义了每个颜色分量的平均值
    二阶矩:定义了颜色分量的方差
    三阶矩:定义了颜色分量的偏斜度
    颜色矩特征和颜色直方图一样都缺乏对颜色空间分布信息的表示,不能区分颜色区域的控件分布位置。

    2.纹理描述

    三要素:
    1)某种局部的序列性,
    2)序列是由基本部分非随机排列组成的
    3)各部分大致都是均匀的统一体,纹理区域内任何地方都有大致相同的尺寸结构
    分类:
    1)人工纹理:有规律
    2)天然纹理:无规律
    与颜色特征不同,纹理特征不是基于像素点的特征,它需要包含多个像素点的区域中进行统计计算。
    优势:可以避免由于局部偏差造成的匹配失败
    特征:旋转不变性,较强抗噪声抵抗性
    缺点:1)当图片分辨率变化时,计算出来的纹理会有较大偏差
    2)可能受光照反射情况影响
    特征表示方法:
    1)统计法:提取相关函数
    自相关函数:
    这里写图片描述
    2)模型法:
    灰度差分统计:
    当直方图分布较平坦时,则ASM较小,ENT较大;当hgk在原点附近集中分布时,则MEAN较小,反之MEAN较大
    这里写图片描述
    3)几何法:寻找规律
    灰度共生矩阵
    精确地反映纹理粗糙程度和重复方向
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

    4)频谱法:描述周期
    频谱特征:
    基于傅里叶频谱的一种纹理描述。

    3.边界描述

    边界表达

    主要借助区域的外部特征即区域的边界来描述区域。
    1)链码
    这里写图片描述
    2)多边形近似

    这里写图片描述
    3)标记图

    边界特征描述

    1)边界长度
    2)边界直径
    3)长轴、短轴、离心率
    4)曲率:斜率的变化率

    4.区域描述

    1)区域面积
    2)位置和方向
    3)周长
    4)长轴和短轴
    5)区域简单特征的计算
    拓扑描述:孔(H);连接部分(C);欧拉数(E=C-H)
    形状描述:矩形度(R);圆形度(C);偏心度(e)

    运用主成分进行描述

    主成分基础、主成分描述

    特征提取案例

    粒度测定、圆形目标判别、运动目标特征提取

    展开全文
  • 写在前头:说到数字图像处理,不得不提起MATLAB。这是一款非常方便的仿真软件,绝大多数的图像处理可以用MATLAB完成。  有人问,处理图片,用PS岂不是更好。两者各有优点,如果需要将10000幅图片转换成灰度...

    写在前头:说到数字图像处理,不得不提起MATLAB。这是一款非常方便的仿真软件,绝大多数的图像处理可以用MATLAB完成。
      有人问,处理图片,用PS岂不是更好。两者各有优点,如果需要将10000幅图片转换成灰度图像并保存呢?MATLAB只需要一段很短的程序运行几秒就可以完成这个工作。
    本文基于MatlabR2012a,将由浅入深写下去。

    MATLAB中图像的基本操作

    1、读取、显示图片

    MATLAB中提供了immread()与imshow()函数读取和显示图片。其中读取函数imread()原型:

    imread:
    A = imread(filename, fmt)

    A是结构体名,用来存储读入的图像数据。filename是读取的文件名,文件名要用”括起来。fmt是读取文件的类型如:jpg、png等等,这个参数可以不输入,由MATLAB自动判断。
    显示函数imshow()原型:

        imshow:
        imshow(I)

    I为读取后保存在MATLAB中的结构体名。
    程序实例:  

    A=imread('1.jpg');%读取名为1.jpg的图片
         imshow(A)%显示图片

    这里写图片描述

    2、将灰度图片变成负片

      对图像进行操作,实际上是将图像看成许多个像素点,对每个像素点进行操作。在计算机系统中,灰度图片被看成是许多个由值在[0~255]之间的像素点组成的图像,255表示白色,0表示黑色,黑白之间存在256个灰度级。
    这里写图片描述
      负片是指将原灰度图白色的地方变成黑色,黑色的地方变成白色。也就是将0变成255,255变成0。MALTAB的imadjust()函数提供了该功能。其函数原型:  

    imadjust:
      J = imadjust(I,[low_in; high_in],[low_out; high_out])

      其中,I为原灰度图像,low_in,high_in为输入图像的低和高灰度级,设置为[0,1]表示从0~255的归一化,low_out,high_out为输出图像的低高灰度级。
      若是想将图片转换为负片,那么将[low_in; high_in]设置为[0,1],将[low_out; high_out]设置为[1,0]。即原来输入为0的地方变成1输出,输入为1的地方变成0输出。
      实例: 

     A=imread('1.jpg');
    imshow(A)%显示原图
    A1=imadjust(A,[0,1],[1,0]);%将灰度级对调
    figure,imshow(A1)%显示负片

      这里写图片描述
      

    3、彩色图片转换成灰度图片

      我们在计算机中看到的大多数彩色图片是基于RBG三通道的图片,红绿蓝三种颜色,每一种取值均为[0~255]。通过255*255*255,可以构成庞大的颜色群。而灰度图像只有256个灰度级。通过以下公式可以将RGB转换成灰度
      GRAY=0.2989 R + 0.5870 * G + 0.1140 * B*
      MATLAB中提供的函数rgb2gray为我们提供了将彩色图片转换成灰度图片的功能。函数原型: 

    I = rgb2gray(RGB)

    实例:

     A=imread('001.png');%原彩色图片
    imshow(A)
    A_gray=rgb2gray(A);%转换成灰度图片
    figure,imshow(A_gray)

    这里写图片描述
      

    展开全文
  • Image Processing Toolbox 图像处理工具箱包含的功能: 图像的读取和保存 图像的显示 创建GUI 图像的几何变换 图像滤波器设计及线性滤波 形态学图像处理 图像域变换 图像增强 图像分析 图像合成 图像配准 图像分割 ...

    Image Processing Toolbox 图像处理工具箱包含的功能:

    • 图像的读取和保存
    • 图像的显示
    • 创建GUI
    • 图像的几何变换
    • 图像滤波器设计及线性滤波
    • 形态学图像处理
    • 图像域变换
    • 图像增强
    • 图像分析
    • 图像合成
    • 图像配准
    • 图像分割
    • 图像ROI处理
    • 图像恢复
    • 彩色图像处理
    • 邻域和块处理

    主要课程来源:blibli

    完整目录:

    Matlab数字图像处理——图像处理工具箱Image Processing Toolbox
    Matlab数字图像处理——图像类型的转换

    展开全文
  • (注:本文代码大部分可从《数字图像处理 第三版》中找到)使用软件:MATLAB R2018a学习前提:了解matlab的GUI界面的每个按钮参考资料:《数字图像处理 第三版》,CSDN博客使用初音图片P站画师uid:1589657。...

    前言:本文类似于学习笔记,所以有疑问或者有什么宝贵的建议欢迎在下方留言。(注:本文代码大部分可从《数字图像处理 第三版》中找到

    使用软件:MATLAB R2018a

    参考资料:《数字图像处理 第三版》,CSDN博客

    使用初音图片P站画师uid:1589657。

    最终实现效果:(下图)

     

     

    正文内容

        打开matlab后输入guide后弹出选择界面,新建一个GUI界面

    在左边选择自己需要按钮在界面中展出后,右键该按钮选择查看回调→Callback打开后会自动跳转到该按钮的代码块,只要在定位到的function pushbutton1_Callback代码下写要实现的功能就可以了。

    下面直接展示相关代码功能:

    (1)导入图片

    [file path]=uigetfile('*.bmp;*.jpg;*.png','请选择一幅图像');
    if file==0 warndlg('您得输入一幅图像');
    %警告对话框提示输入合法图像文件
    else
        I=imread(fullfile(path,file));
        axes(handles.axes1);
        imshow(I);title('原图像');
        handles.I=I;
    end
    %Update handles structure
    guidata(hObject,handles);

    (2)清除图片和文本框内容

    %清除视图图片
    cla(handles.axes2,'reset');  %handles.axes2为显示图片窗口,reset即清除
    % 重置清空动态txt的文字
    set(handles.edit1,'string','');  %handles.edit1为要清除文字的文本框(双击文本框可以看见tag)

    (3)关闭程序

    close

    (4)平移(用文本框实现输入数字进行平移图像)

            ①先创建一个可编辑文本框(输入水平平移的位移),然后给他添加代码

    %获取text文本框的数字,竖直平移X的数值
    global x;%定义一个x的全局变量
    x=str2num(get(hObject,'String'));

            ②先创建一个可编辑文本框(输入竖直平移的位移),然后给他添加代码

    %获取text文本框的数字,竖直平移Y的数值
    global y;
    y=str2num(get(hObject,'String'));

            ③创建一个button,给他添加代码

    global y;
    global x;
    I=handles.I;
    axes(handles.axes2);
    se=translate(strel(1),[x y]);  
    j=imdilate(I,se); 
    axes(handles.axes2);
    imshow(j);title('竖直平移后图像');

        在X和Y的文本框中输入数值,点击button后就能使图像平移了(如输入X:260;Y:90)

     

     

    (5)旋转

     

    %图像的旋转
    I=handles.I;
    a=str2num(get(hObject,'String'));
    J1=imrotate(I, a);   %设置旋转角度,实现旋转并显示
    axes(handles.axes2);
    imshow(J1);title('旋转后图像');
    guidata(hObject,handles);

    (6)镜像

    %用下拉列表实现水平镜像,垂直镜像,水平垂直镜像
    switch get(hObject,'value')   %实现下拉列表需要写改语法
    case 1
           
    case 2
             I=handles.I;
            J1=flipdim(I,2);%原图像的水平镜像
            axes(handles.axes2);
            imshow(J1);title('水平镜像');
            guidata(hObject,handles);
    case 3
             I=handles.I;
            J2=flipdim(I,1);%原图像的垂直镜像
            axes(handles.axes2);
            imshow(J2);title('垂直镜像');
            guidata(hObject,handles);
    case 4
             I=handles.I;
            J3=flipdim(I,1);%原图像的水平垂直镜像
            J4=flipdim(J3,2);
            axes(handles.axes2);
            imshow(J4);title('水平垂直镜像');
            guidata(hObject,handles);
    end

    下面就不把全部代码都写出来了,只挑选一部分出来(上面代码几乎能实现每个按钮的用法)

    (7)DCT变换

    %DCT变换(P58)
    I=handles.I;
    J=rgb2gray(I);%将图片转变为灰色图像
    axes(handles.axes2);
    imshow(J);title('原灰图像');
    K=dct2(J);%对图像做DCT变换
    axes(handles.axes3);
    imshow(log(abs(K))+1,[0,10]);title('DCT变换结果');

     

    (8)对受椒盐噪声污染的图像采用中值滤波去噪

    I=handles.I;
    I=rgb2gray(I);%转化为灰度图像
    J=imnoise(I,'salt & pepper',0.04);%对图像增加椒盐噪声,强度为0.04
    axes(handles.axes2);    %显示在axex2框中
    imshow(J); title('受椒盐噪声污染图片');
    K=medfilt2(J);          %二维中值滤波
    axes(handles.axes3);
    imshow(K);title('二维中值滤波处理后的图片');

     

    (9)彩色图像增强(分别使用RGB和HSV方法)——用下拉列表实现

    switch get(hObject,'value')
        case 1
            
        case 2
            RGB=handles.I;
            R=RGB(:,:,1);
            G=RGB(:,:,2);
            B=RGB(:,:,3);
            R1=histeq(R);
            G1=histeq(G);
            B1=histeq(B);
            RGB1=cat(3,R1,G1,B1);
            axes(handles.axes2);    %显示在axes2框中
            imshow(RGB1);title('RGB增强');
        case 3
            RGB=handles.I;
            R=RGB(:,:,1);
            G=RGB(:,:,2);
            B=RGB(:,:,3);
            R1=histeq(R);
            G1=histeq(G);
            B1=histeq(B);
            RGB1=cat(3,R1,G1,B1);
            [H,S,V]=rgb2hsv(R,G,B);
            V=histeq(V);
            [R2,G2,B2]=hsv2rgb(H,S,V);
            RGB2=cat(3,R2,G2,B2);
            axes(handles.axes2);    %显示在axes2框中
            imshow(RGB2,[]);title('HSV增强');
            C=double(RGB1)./255-RGB2;
            axes(handles.axes3);    %显示在axes3框中
            imshow(C);title('差值图像');
    end

    RGB增强:

    HVS增强:

    (10)彩色图像锐化

    代码引用了:点击打开链接

    I=handles.I;
    fb=tofloat(I);  	%将图像转化为浮点型
    lapmask=[1 1 1;1 -8 1;1 1 1]; 	%拉普拉斯滤波模板
    fen=fb-imfilter(fb,lapmask,'replicate');
    axes(handles.axes2);
    imshow(fen);title('拉普拉斯锐化');
    function [out,revertclass] = tofloat(inputimage)
    %Copy the book of Gonzales
    identify = @(x) x;
    tosingle = @im2single;
    table = {'uint8',tosingle,@im2uint8 
             'uint16',tosingle,@im2uint16 
             'logical',tosingle,@logical
             'double',identify,identify
             'single',identify,identify};
    classIndex = find(strcmp(class(inputimage),table(:,1)));
    if isempty(classIndex)
        error('不支持的图像类型');
    end
    out = table{classIndex,2}(inputimage);
    revertclass = table{classIndex,3};
    

     

     

     

    (10)彩色图像复原

    %维纳滤波复原图像
    I=handles.I;
    len=28;
    theta=14;
    PSF=fspecial('motion',len,theta);
    blurred=imfilter(I,PSF,'circular','conv');%读入无噪声模糊图像,并命名blurred
    len=28;
    theta=14;
    wnrl=deconvwnr(blurred,PSF,0.04);%维纳滤波复原图像
    axes(handles.axes2);
    imshow(blurred);title('由运动形成模糊图像');%显示模糊图像
    axes(handles.axes3);
    imshow(wnrl);title('维纳滤波复原图像');%显示复原图像

    (11)square膨胀

    %用square结构元素膨胀图片(用text文本框比较好)
    a=str2num(get(hObject,'String'));
    I=handles.I;
    se1=strel('square',a);
    I1=imerode(I,se1);
    axes(handles.axes2);    %显示在axes2框中
    imshow(I1);title('用square结构元素膨胀图片');

    这里输入了20的数值

    (12)边缘检测(使用canny算子)

    I=handles.I;
            I=rgb2gray(I);
            BW5=edge(I,'canny');%进行canny算子边缘检测,门限值采用默认值
            axes(handles.axes2);    %显示在axes2框中
            imshow(BW5,[]);title('canny算子');

     

    附上源程序:点击打开链接

    链接:https://pan.baidu.com/s/1CYnKo5SAdE-Ey6rDD-DEYQ 
    提取码:g4a5

    展开全文
  • 数字图像处理matlab

    2018-12-08 13:25:41
    转载自:... 1.图像反转 MATLAB程序实现如下: I=imread('xian.bmp'); J=double(I); J=-J+(256-1); %图像反转线性变换 H=uint8(J); subplot(1,2,1),imshow(I); subpl...
  • 本文中对于大多数的操作,是对数字图像处理领域中最为著名的“lena”图片进行操作的。原图如下(Figure 1):  Figure 1 首先,在MATLAB中显示这幅图片: I=imread('lena.jpg'); imfinfo('lena.jpg') imsho.....
  • 数字图像处理(MATLAB版)第三版_冈萨雷斯_中文高清版。
  • (一)matlab数字图像处理实验-guide的简单使用教程 (二)matlab数字图像处理实验-图像的几何变换 (三)matlab数字图像处理实验-图像灰度变换处理 (四)matlab数字图像处理实验-平滑处理 未完待续··...
  • 精通MATLAB数字图像处理与识别.pdf
  • MATLAB数字图像处理实战》深入浅出地介绍了数字图像基础和MATLAB数字图像处理的新功能及其应用案例,同时还结合作者科研、教学的经验,对数字图像处理的学习、思维、方法和技巧进行了总结与点拨。本资源为此书中...
  • matlab数字图像处理.pdf

    2020-07-12 23:31:19
    本书主要介绍MATLAB语言在图像处理技术方面的应用,重点介绍了各种图像处理方法的理论和实际应用,书中给出了大量MATLAB实例和图像处理效果,使渎职能够更好的理解和掌握使用MATLAB图像处理工具箱函数进行图像处理的...
  • 《精通matlab数字图像处理与识别》一书的代码
  • 本书利用MATLAB图像处理工具箱进行数字图像处理的设计与应用,简洁明了地指出了所介绍的函数与方法的理论背景,同时又紧密联系实际应用,以具体的实例说明了函数的使用方法。在实例中强调了如何用MATLAB图像处理工具...
  • matlab数字图像处理实验 1、什么是平滑处理?  首先明白几个名词:  (1)噪声:图像噪声是指存在于图像数据中的不必要的或多余的干扰信息。 1.高斯噪声:高斯噪声是指它的概率密度函数服从高斯分布(即正态...
  • 关于应用MATLAB实现数字图像处理的一篇英文版电子图书。适用于做图像处理方面毕业设计等参考
  • matlab数字图像处理,图像分割技术之迭代法。迭代法首先选择一个近似阈值T,将图像分割成两部分R1和R2,计算区域R1和R2的均值μ1和μ2,选择新的分割阈值T = (μ1 + μ2)/2 ,重复上述步骤知道μ1和μ2(或T)不再...
  • 此为本人MATLAB图像处理课的大作业,对于初学者可以参考
  • 前两节都是熟悉一下怎么在matlab底下对图片做一些操作...matlab数字图像处理实验 我们还是先写一个guide,然后打开文件的代码: 打开文件摁纽的代码: % --- Executes on button press in 打开位图. funct
  • 本节书摘来自异步社区《精通Matlab数字图像处理与识别》一书中的第6章,第6.7节,作者 张铮 , 倪红霞 , 苑春苗 , 杨立红,更多章节内容可以访问云栖社区“异步社区”公众号查看 6.7 Matlab综合案例——利用频域滤波...
1 2 3 4 5 ... 20
收藏数 18,692
精华内容 7,476