2017-06-24 21:20:06 akadiao 阅读数 3918
  • JMETER 性能测试入门到项目实战视频课程

    1、本课程针对JMETER软件性能测试八大组件:配置元件、前置处理器、定时器、sampler(采样器)、后 置处理器、断言、监听器以及逻辑控制器等内容全方位讲解。 2、参数化、badboy测试脚本开发以及录制方法,正则表达式之Regextester工具使用、JMETER 组件作 用域等知识点讲解。 3、本课程注重实践每一个知识点都有相对应的实例,本书覆盖的实例多达上百个,提高学员的动手能 力和解决问题能力。 4、区块链之币币交易所资管系统性能测试,登录、交易买入、交易卖出等测试场景设计、脚本开发/调试、数据 准备、性能调优、性能测试报告。       5、性能测试流程和性能瓶颈定位等知识讲解。

    174435 人正在学习 去看看 陈槐

1、图像数字化一般采用均匀采样和均匀量化方式。
均匀采样,即等间隔采样。当对采样点数目有所限制时,比如说N×N个采样点,此时可以根据图像的特性采用自适应采样方案,有可能获得更好的效果。
自适应采样方案的基本思想是:在图像函数值变化较大的区域采用精细的采样,在相对平滑的区域采用粗糙的采样。这种自适应采样方案又称为非均匀采样。
一般来说,采样间隔越大,所得图像像素数越少,空间分辨率低,质量差,严重时出现像素呈块状的国际棋盘效应;采样间隔越小,所得图像像素数越多,空间分辨率高,图像质量好,但数据量大。
2、对比度:是指一幅图象中灰度反差的大小。
对比度=最大亮度/最小亮度
3、清晰度:由图像边缘灰度变化的速度来描述。
4、分辨率:单位dpi (display pixels / inch)每英寸显示的线数,dpi的数值越大,图像越清晰。
5、数字图像分类:
(1)二进制图像
在一幅二进制图像中,每一个像素将取两个离散数值(0或1)中的一个。二进制图像使用uint8或双精度类型的数组来存储。
(2)索引图像
索引图像是一种把像素直接作为RGB调色板下标的图像。在MATLAB中,索引图像包含一个数据矩阵X和一个颜色映射(调色板)矩阵map。数据矩阵可以是unit8、unit16或双精度类型的。颜色映射矩阵map是一个m3的数据阵列,其中每个元素的值均为[0,1]之间的双精度浮点型数据,map矩阵中的每一行分别表示红色、绿色和蓝色的颜色值。索引图像可把像素的值直接映射为调色板数值,每个像素的颜色通过使用X的像素值作为map的下标来获得,如值1指向map的第一行,值2指向第二行,以此类推。
(3)灰度图像
灰度图像通常由一个unit8、unit16或双精度类型的数组来描述,其实质是一个数据矩阵I,如式(2.6.1)。该矩阵中的数据均代表了在一定范围内的灰度级,每一个元素对应于图像的一个像素点,通常0代表黑色,1、255或65535(针对不同的存储类型)代表白色。
(4)多帧图像
多帧图像是一种包含多幅图像或帧的图像文件,又称为多页图像或图像序列,主要用于需要对时间或场景上相关图像集合进行操作的场合。例如,磁谐振图像切片或电影帧等。在MATLAB中,它是一个四维数组,其中第四维用来指定帧的序号。
5)RGB图像
RGB图像又称为真彩图像,它是利用R、G、B三个分量表示一个像素的颜色,R、G、B分别代表红、绿、蓝三种不同的基本颜色,通过三基色可以合成出任意颜色。所以对一个尺寸为MN的真彩图像来说,在MATLAB中则存储为一个M*N *3的多维数据矩阵。RGB图像不使用调色板,每一个像素的颜色直接由存储在相应位置的红、绿、蓝颜色分量的组合来确定。每个像素的三个颜色分量都存储在矩阵的第三维中,如坐标(16, 36)处的红、绿、蓝颜色值分别保存在元素(16, 36, 2)、(16, 36, 4)和(16, 36, 6)中。

6、像素间的基本关系
1、N4(p)——象素(x, y)的4邻域:(x+1, y), (x-1, y),(x, y+1),(x, y-1)
2、ND(p)——象素(x, y)的对角邻域 (x+1, y+1), (x+1, y-1),(x-1, y+1),(x-1, y-1)
3、N8(p)——象素(x, y)的8邻域: N4(p) + ND(p)
这里写图片描述
这里写图片描述
7、灰度直方图的应用
①用于判断图像量化是否恰当
②用于确定图像二值化的阈值
③当物体部分的灰度值比其他部分灰度值大时,可利用 直方图统计图像中物体的面积
④计算图像信息量H(熵)
8、纹理的分析方法:
(1)统计方法
(2)结构方法
(3)频谱分析方法

(1)纹理分析的统计方法:
从图像有关属性的统计分析出发
用于木纹、纱地、草地等不规则物体
自然纹理,具有重复性排列现象的自然景象,无规则
(2)纹理分析的结构方法:
着力找出纹理基元,然后从结构组成上探索纹理的规律
通过纹理的元素及其排列规则来描述纹理的结构。
人工纹理:是由自然背景上的符号排列组成、有规则的
(3)纹理分析的频谱分析方法:
采用基于传统的Fourier频谱分析方法以确定纹理基元及其排列规律 。
手段:
峰值处的面积、峰值处的相位、峰值与原点的距离平方、两个峰值间的相角差等。

自相关函数分析法
自相关函数ρ(x,y)随x,y大小而变化,其变化与图像中纹理粗细的变化有着对应的关系,因而可描述图像纹理特征。
数学形态学的基本运算:膨胀(扩张)、 腐蚀(侵蚀) 、开启、闭合。
二值图象用集合A表示。
作为结构元素的二值模板用集合B表示,B具有原点。
通常情况下,在膨胀之后,集合A包含于膨胀结果AB;
通常情况下,在腐蚀之后,腐蚀结果AΘB包含于集合A。
用B膨胀A的过程是:
先对B做关于原点的映象,再将其映象平移。
A与B映象的交集不为空集,则原点处元素属于输出集合。
用B腐蚀的结果:
若B平移x后仍包含于A中,则原点位置的元素属于输出集合。
当原点不包含于结构元素中时,有可能出现的情况是:
A在膨胀之后,反而不属于膨胀结果。
对于原点不包含于结构元素中的腐蚀运算,有可能出现两种情况:
A在腐蚀之后,得到与图1相同的情形。
这里写图片描述
或者,腐蚀之后的结果反而不属于A,有新元素产生,如图2。
这里写图片描述
膨胀和腐蚀这两种运算是紧密联系的
一个运算对图象目标的操作,相当于另一个运算对图象背景的操作。
由于膨胀和腐蚀并不互为逆运算,因此通过级连可形成开启和闭合运算。
使用同一个结构元素先对图象进行腐蚀然后膨胀其结果,称为开启
使用同一个结构元素先对图象进行膨胀然后腐蚀其结果,称为闭合
将开启和闭合结合起来可构成形态学噪声滤除器。
设有一个集合A,先用一个结构元素B腐蚀A,再求取腐蚀结果和A的差集就可得到边界。

图像的几何变换:
几何运算可改变图象中各物体之间的空间关系。
这种运算可以被看成是将(各)物体在图象内移动。
其效果正如在一块橡皮板上画图,拉伸该橡皮板,并在不同的点固定该橡皮板。
几何运算住往需作一些限制以保持图象的外观顺序。
一个几何运算需要两个独立的算法。
一个算法来定义空间变换本身,用它描述每个象素如何从其初始位置“移动”到终止位置,即每个象素的“运动”。
一个用于灰度插值的算法,这是因为,在一般情况下,输入图象的位置坐标(x,y)为整数,而输出图象的位置坐标为非整数,反过来也是如此。
如果一个输入象素被映射到四个输出象素之间的位置,则其灰度值就按插值算法在四个输出象素之间进行分配。我们称之为象素移交(pixel carry-over)或称为向前映射法。
另一种更有效地达到目的的方法是象素填充(pixel filling)或称为向后映射算法。
在这里输出象素一次一个地映射回到输入图象中,以便确定其灰度级。
如果一个输出象素被映射到四个输出象素之间,则其灰度值由灰度级插值决定。向后空间变换是向前变换的逆。
输出象素通常被映射到输入图象中的非整数位置,即位于四个输入象素之间。
因此,为了决定与该位置相对应的灰度值,必须进行插值运算。
可采用的插值方法有多种:最近邻插值、双线性插值、Sink插值、多项式插值、B样条函数近似插值等。
最常用的是最近邻插值和双线性插值。
最简单的插值方法是所谓的零阶插值或称为最近邻插值,即令输出象素的灰度值等于离它所映射到的位置最近的输入象素的灰度值。
最近邻插值计算十分简单,在许多情况下,其结果也可令人接受。
然而,当图象中包含象素之间灰度级有较大变化的细微结构时,最近邻插值法会在图象中产生人工的痕迹。
一阶插值(或称双线性插值法)和零阶插值法相比可产生更令人满意的效果。只是程序稍微复杂一些,运行时间稍长一些。
由于通过四点确定一个平面是一个过约束问题,所以在一个矩形栅格上进行的一阶插值就需要用到双线性函数。
令f(x,y)为两个变量的函数,其在单位正方形顶点的值已知。假设希望通过插值得到正方形内任意点的f(x,y)值。
可令由双线性方程:
f(x,y)=ax+by+cxy+d
来定义的一个双曲抛物面与四个已知点拟合。从a到d这四个系数须由已知的四个顶点的f(x,y)值来确定。
这里写图片描述
有一个简单的算法可产生一个双线性插值函数,并使之与四个顶点的f(x,y)值拟合。
首先,对上端的两个顶点进行线性插值可得:
f(x,0)=f(0,0)+x[f(1,0)-f(0,0)]
类似地,对于底端两个顶点进行线性插值有:
f(x,1)=f(0,1)+x[f(1,1)-f(0,1)]
最后,做垂直方向的线性插值,以确定:
f(x,y)=f(x,0)+y[f(x,1)-f(x,0)]
将等式10.3和式10.4代入式10.5,展开等式并合并同类项可得:
f(x,y)=[f(1,0)-f(0,0)]x+[f(0,1)-f(0,0)]y+[f(1,1)+f(0,0)-f(0,1)-f(1,0)]xy+f(0,0)
在几何运算中,双线性灰度插值的平滑作用可能会使图象的细节产生退化,尤其是在进行放大处理时,这种影响将更为明显。
在其他应用中,双线性插值的斜率不连续性会产生不希望的结果。
这两种情况都可以通过高阶插值得到修正,当然这需要增加计算量。
图像平移:
采用称为齐次坐标的表达方式,可认为xy平面是x、y、z三维空间中z=0的平面,并写成简洁的矩阵形式如下:
这里写图片描述
图像缩放:
使输出图象(x,y坐标系)在x轴方向缩放c倍,在y轴方向缩放d倍。图象原点(通常取在左上角)在图象“膨胀”时保持不动。在齐次坐标系中:
这里写图片描述
图像旋转:
一个绕原点的顺时针θ角旋转。在齐次坐标系中可写为:
这里写图片描述

几何变换的应用:
1、几何校正
几何运算的一个重要应用是消除由于摄像机导致的数字图象的几何畸变。当需要从数字图象中得到定量的空间测量数据时,几何校正被证明是十分重要的。
2、图象校直
一些图象系统使用非矩形的象素坐标。在用普通的显示设备观察这些图象时,必须先对它们进行校直,也就是说,将其转换为矩形象素坐标。
3、图象配准
几何运算的另一个应用是对相似的图象进行配准以便进行图象比较。典型的应用是利用图象相减来检测运动或变化。如不进行配准,就不能检测到真正的变化。
4、图象样式转换
有时需将图象以另一种样式表示以便于解释,这时也会用到几何运算。
5、地图投影
几何运算的另一个主要应用是地图绘制中的图象投影。
6、变形
在电影和电视工业中,越来越普及的特技是基于几何运算的。变形就是一种可以使一个物体逐渐转变为另外一个物体的技术。

数字图像处理系统的基本结构:
这里写图片描述

练习题:
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
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
这里写图片描述
这里写图片描述

2017-01-18 18:55:15 wjoker 阅读数 1086
  • JMETER 性能测试入门到项目实战视频课程

    1、本课程针对JMETER软件性能测试八大组件:配置元件、前置处理器、定时器、sampler(采样器)、后 置处理器、断言、监听器以及逻辑控制器等内容全方位讲解。 2、参数化、badboy测试脚本开发以及录制方法,正则表达式之Regextester工具使用、JMETER 组件作 用域等知识点讲解。 3、本课程注重实践每一个知识点都有相对应的实例,本书覆盖的实例多达上百个,提高学员的动手能 力和解决问题能力。 4、区块链之币币交易所资管系统性能测试,登录、交易买入、交易卖出等测试场景设计、脚本开发/调试、数据 准备、性能调优、性能测试报告。       5、性能测试流程和性能瓶颈定位等知识讲解。

    174435 人正在学习 去看看 陈槐

图像及其数字处理01

图像的表示

  • 二维图像的成像过程

    ​ 反射光或发射光线成像系统 成像平面 输出图像

  • 数字图像的基本要素

    • 像素(pixel):数字图像的基本单位
    • 像素坐标系:对图像分布进行二位空间采样(左上角为原点)
    • 像素值:对单个像素灰度值进行数字化采样
    • 图像尺寸:一幅数字图像矩阵的大小
  • 矩阵表示

    • 图像是像素的二维排列
    • 一般采用均匀采样
    • 特殊情况下也采用非均匀采样
  • 数学表示

    • 二维离散函数 I = f(x,y) 函数值f 表示亮度
    • 二维矩阵 A = [M,N] 矩阵元素a[m,n]表示该点像素值

图像的质量

  • 灰度:表示图像像素明暗程度的数值
  • 灰度级:表明图像中不同灰度的最大数量
    • 图像数据的实际灰度级越多,图像视觉效果越好
  • 对比度:反应一幅图像中灰度方差的大小
    • 对比度 = 最大灰度值 / 最小灰度值
  • 图像质量的评价

    • 主观评价–通过人眼主观视觉效果进行判断
    • 客观评价–通过客观的测量给出量化指标
    • 均方误差(MSE)

      MSN=1NMi=1Nj=1M(fijfij)2

    • 峰值信噪比(PSNR)

      PSNR=10log10L2MSE

    • N,M分别是x方向,y方向的像素点个数,fijfij分别是原始图像和测试图像在(i,j)点上的取值,L是图像灰度取值的范围,8比特的灰度图像的L=255

    • 基于视觉特性的影像质量评价方法

      • 图像降质对人眼视觉的影响取决于人眼视觉系统的灵敏度
      • 人眼视觉系统的灵敏度受到图像局部空间频域的影响
      • 影响像素误差可视度的因素是误差周围的局部区域环境,而不是整个图像的背景环境
    • 基于视觉兴趣的测量方案

      • 人们在观察和理解图像时,往往会不自觉的对其中某些区域产生兴趣,这些区域成为感兴趣区(ROI),整幅图像的视觉质量往往取决于ROI的质量

人类的视觉模型

  • 人类视觉构造
    • 角膜,巩膜:保护眼睛
    • 晶状体:聚焦图像
    • 视网膜:感受图像
    • 锥状细胞–明视觉细胞
    • 杆状细胞–暗视觉细胞
  • 眼睛的进化历史
  • 人类的视觉系统
    • 视觉器官(眼)适宜的刺激为380-760nm的电磁波
    • 折光系统角膜,房水,晶状体,玻璃体
    • 感光系统 视网膜中的感光细胞
  • 物体在人眼中成像–视调节
    • 晶状体调节
    • 瞳孔调节
  • 视网膜的模型
    • 视网膜的感光细胞
  • 人眼对光亮的适应能力与鉴别能力
    • 适应能力:人眼能够感知的亮度的最大值和最小值只比在1010以上
    • 人眼对光亮度的响应:对数特性
    • 动态范围:人眼能够同时分辨的亮度范围远小于人眼对亮度的适应范围
    • 视觉亮度灵敏度:人眼分别亮度差别的能力与环境亮度和本身亮度有关
    • 暗适应:亮光到暗光的适应能力:20~30s
    • 亮适应:暗光到亮光的适应能力:1~2s
    • 人眼的视觉残留现象:人眼对亮度的感觉不会随着光刺激的消失而立即消失,而是大致按照指数规律逐渐减小
  • 人眼的分辨能力
    • 对灰度层次的分辨能力:约40级
    • 对颜色的分辨能力
    • 光波变化1~2nm的变化
    • 同时分辨数千种不同色彩和亮度的颜色
    • 面积对色觉的影响:目标物体的颜色面积变小时,色觉颜色也变化;小到一定程度时,变成灰色
    • 色対比:若目标物的色度相同,但背景色度有所不同时,看起来有不同的颜色
    • 主观色:一个纯黑白的图像在特殊情况会有颜色的感觉
    • 视力:分辨物体细微结构的最大能力,看清楚物体上距离最小两点的能力
      =1

图像的颜色

  • 人类对光本性认识的三阶段

    • 光微粒子
    • 几何光学,能够解释反射,折射,透射
    • 光波
    • 波动光学,能够解释干涉,衍射
    • 光(量)子
    • 量子光学,能够解释光电效应,康普顿散射
    • 光与颜色
    • 宇宙包含的东西
      • 发光物体:由所发光决定
      • 不发光物体:由光源和物质光特性决定
    • 日光成分
    • 电磁波分布
  • 视觉三基色假说(格拉斯曼定律)

    • 三基色相互独立任何一色无法由其他两色混合产生,同时三基色按照一定的比例混合可以获得任何颜色
    • 所有颜色都可以由相互独立的三基色得到
    • 假如三基色的混合比相等,则色调和色饱和度也相等
    • 任意两种颜色混合产生的新颜色与采用三基色混合产生这两种颜色的各自成分混合起来得到的结果相等
    • 混合色的光亮度是原来各分量光亮度的总和
  • RGB三基色的选择

    • 国际照明委员会采用红(700nm)绿(546.1nm)(435.8nm)作为物理三基色
    • 任意彩色的颜色方程为
      F=α(R)+β(G)+γ(B)α,β,γ0
    • α,β,γ是三色的混合比例,一般称为三色系数
    • 两种基色系统
    • 加色系统:基色是红绿蓝,不同比例的三基色相加得到的色彩称为相加混色
    • 减色系统:基色是黄青紫,为
  • 颜色模型(颜色空间)

    • 描述颜色的三维空间坐标系

    • 一个颜色定义为颜色空间的一个点

    • RGB(红绿蓝),常用于显示器

    • RGB为三个轴

    • 在正方形的主对角线上,各色的量相等,产生由暗到亮的白色,即灰度
    • CRT彩色显示原理:每一个像素点都由三色的电子发射器控制

    • CMYK(黄青紫黑),常用于印刷,绘画

    • 难以混合成纯真的黑色,故直接将黑色加入基色

    • HSI(色调,色饱和度,亮度)常用于调整颜色分量

    • 从人的视觉系统出发,用三个分量描述色彩

    • H为色调(度),在0o 360o,反应该颜色最接近什么样的光谱波长,0为红色;120为绿色,240为红色
    • S为色饱和度,表示颜色的浓淡
    • I为亮度,1为最亮,0为最暗
    • H,S,I可以分开处理可相互独立
    • HSI和RGB可相互转换
    • 用锥形表示HSI模型

    • RGB CMY

    CYM=111RGB

    • RGB HSI

    θ=cos1[(RG)+(RB)]/2(RG)2+(RB)(GB)H={θ,BG360θ,BGS=13min(R,G,B)R+G+BI=(R+G+B)/3

    • HSI RGB

    0H120oB=I(1S)R=I[1+ScosHcos(600H)]

    • 颜色空间的利用—消除红眼

    • HIS中定义红眼为π/4<<π/4>0.3

    • 算法

      • 脸部特定区域进行RGBHIS
      • 测试每一点像素
      • 若符合红眼定义,则置 S = 0(灰色)
    • CIE色度图

    • 各种光源的色温特性

    • 光源照度与色温综合的影响

    • 伪彩色图像–将灰度图像变换为彩色图像

    • 建立彩色映射表

    • 新图像中对应位置的像素用彩色RGB代替
    • 关键因素在于颜色应有一定的意义,有利于人眼的识别和解释

图像的描述

  • 传统图像的描述方式与数据结构

    • 矩阵

      • 黑白图像(二值图像)
      • 灰度图像
      • 彩色图像(用三个矩阵表示)
    • 链表–描述目标物体的边界

    • 拓扑结构 – 描述一组图形及其相互关系

    • 关系结构 – 描述一组物体及其相互关系

    • 距离–描述图像中像素之间的距离

      • 欧几里得距离
        DE((i,j),(h,k))=(ih)2+(ik)2
      • 小区距离
        D4((i,j)(h,k))=|ih|+|jk|
      • 棋盘距离
        D8((i,j),(h,k))=max{|ih|+|jk|}
    • 像素邻域–描述与像素相邻的其他像素

      • 4邻域–N4(p)

        (x+1,y),(x1,y),(x,y+1),(x,y1)

      • 8邻域–N8(p)

        (x+1,y),(x1,y),(x,y+1),(x,y1),(x+1,y+1),(x1,y+1),(x+1,y1),(x1,y1)

      • 区域–一组连续相邻的像素集合

    • 图像的统计特性

      • 均值 μ=M1y=0N1x=0f(x,y)NM
      • 方差 σ2=M1y=0N1x=0(f(x,y)μ)2NM
    • 图像文件格式

      • 裸数据存储
      • 格式化数据存储

图像的数字化

  • 连续的图像信号在空间上进行离散化
  • 一维连续信号的采样
  • 二维连续图像信号的采样s(x,y)=+i=+j=δ(xiΔx,yjΔy)
  • 二维信号重建f(x,y)=+n=+m=f(nΔx,mΔy)sinπΔx(xnΔx)πΔx(xnΔx)sinπΔy(ynΔy)πΔy(ynΔy)
  • 图像的亚采样—采用频率低于Nyquist采样频率
    • 莫尔条纹
    • 混淆效应
  • 与采样相关的分辨率概念
    • 空间分辨率:像素/英寸等
  • 图像的量化
    • 将各个像素所含的敏感信息离散化后,用数字来表示称为图像的量化–灰度分辨率
    • 量化分为均匀量化和非均匀量化
  • 空间分辨率与灰度分辨率
    • 空间分辨率—在图像空间上可分辨的最小细节
    • 灰度分辨率—在像素灰度上可分辨的最小变化
    • 两个分辨率越高,图像质量越好

思考题

  • 我们知道,要构成一幅数字图像需要采样和量化,如果采样和量化都充分细的话,就可以得到好的画质,但同时数据量也变得很大.问当数据量设定为一个定值时,在什么情况下将采样考虑优先,什么情况下将量化优先考虑
  • 在图像量化中,有非均匀量化技术,当灰度级低的时候用它比较有效,为什么在灰度级数高时几乎不用

作业

  • 自习”视觉的空间性质”和”视觉时间特性”,初步了解图像时空特性在人眼中的作用
  • 使用实验图像素材中红眼小狗的照片,进行消除红眼的处理

实验

  • 利用已有程序,通过编程联系打开和显示BMP图像
  • 利用Photoshop软件或通过编程,对不同的图像,进行彩色变化,伪彩色处理等,巩固本单元所学内存
2016-03-27 19:15:12 tingyue_ 阅读数 1585
  • JMETER 性能测试入门到项目实战视频课程

    1、本课程针对JMETER软件性能测试八大组件:配置元件、前置处理器、定时器、sampler(采样器)、后 置处理器、断言、监听器以及逻辑控制器等内容全方位讲解。 2、参数化、badboy测试脚本开发以及录制方法,正则表达式之Regextester工具使用、JMETER 组件作 用域等知识点讲解。 3、本课程注重实践每一个知识点都有相对应的实例,本书覆盖的实例多达上百个,提高学员的动手能 力和解决问题能力。 4、区块链之币币交易所资管系统性能测试,登录、交易买入、交易卖出等测试场景设计、脚本开发/调试、数据 准备、性能调优、性能测试报告。       5、性能测试流程和性能瓶颈定位等知识讲解。

    174435 人正在学习 去看看 陈槐

由于离学习数字图像处理已经有一段时间,之后一直涉及到的都是机器学习的内容。虽然期间也在做视频监控的项目,但是都是用别人现成的程序,并不涉及到图像的预处理和分析过程,我感觉到自己在图像方面的知识,仍有不足。趁此机会,对之前的学习课本,进行一次系统的整理。一来,熟悉图像处理的内容;二来,训练自己对书本内容的概括总结能力。


要点概括:

  • 1.消色物体和有色物体(并分别解释加色法效应和减色法效应)
  • 2.图像数字化:采样和量化(均匀、非均匀)
  • 3.灰度直方图的概念、性质和应用
  • 4.图像处理的几种算法形式:局部处理(对比分析 点处理、局部处理、大局处理或全局处理);迭代处理;跟踪处理;窗口处理和模板处理;串行处理和并行处理
  • 5.图像格式:BMP格式(特别注意TIFF格式,它与其他格式的不同是,它能存储多幅影像,因为它应用了标志功能)
  • 6.图像特征
  • 7.图像噪声

一、消色物体和有色物体

  • 物体的色是人的视觉器官受光后在大脑的一种反映。物体的色取决于物体对各种波长光线的吸收、反射和透射能力。
  • 据此,物体分为消色和有色两种。

消色物体:黑、白和灰色物体;对照明光线的吸收无选择性(反射率大于75%为白色,反射率小于10%为黑色,介于2者之间为灰色)
有色物体:对照明光线的吸收具有选择性。

加色法效应:当2种或2种以上的有色光同时照射在消色物体上时,物体呈现加色法效应;(如红光和绿光照射在白色物体上时,物体呈黄色)
减色法效应:当有色光照射在有色物体上时,物体呈现减色法效应。(如品红光照射在黄色物体上,物体呈红色)
加色法和减色法原理图


二、图像数字化

  • 定义:将一幅图像(连续图像)转化成计算机能够处理(数字图像)的过程。
  • 过程:采样、量化

采样:将空间上连续的图像变换成离散点的过程;
(三种采样方式:有缝采样、无缝采样和重叠采样)
采样方式
量化:将像素灰度转换成离散的整数值的过程。
按照“均匀”和“非均匀”分为四种:(“均匀”即为等间隔)

  • 均匀采样、均匀量化(最常用)
  • 均匀采样、非均匀量化
  • 非均匀采样、均匀量化
  • 非均匀采样、非均匀量化

描述:采样间隔越大,所得图像像素数越少,空间分辨率越低,质量差,严重时像素会呈块状的国际棋盘效应;量化等级越少,图像层次欠丰富,灰度分辨率低,质量变差,会出现假轮廓现象。(但在极少数情况下,当图像大小固定时,减少灰度级能改善质量,原因是减少灰度级一般会增加图像的对比度)


三、灰度直方图

  • 概念:一幅图像中各灰度级像素出现的频率之间的关系。(以灰度级为横坐标,纵坐标为灰度级的频率)
  • 性质:1)只反映图像的灰度分布情况,丢失了像素的位置信息;2)一幅图像对于唯一的灰度直方图,一个灰度直方图可对应不同图像;3)一幅图像分成多个区域,多个区域的直方图之和即为原图像的直方图。
  • 应用:
    1)用于判断图像量化是否恰当;
    判断图像量化
    2)确定图像二值化的阈值;
    3)计算图像中物体面积;(当物体部分的灰度值比其他灰度值大时,可利用直方图统计出图像中物体的面积)
    4)计算图像信息量H(熵)。
    熵

四、数字图像处理的几种算法

  • 基本功能形式(按照图像处理的输出形式):1)单幅到单幅;2)多幅到单幅;3)单(或多)幅图像到数字或符号。
  • 这里写图片描述
  • 具体算法形式

1.局部处理
描述:对输入图像进行处理时,由输入图像IP(i,j)像素的小领域N[IP(i,j)]中的像素值计算某一输出像素JP(i,j)值。
数学表达式:局部处理

局部处理图

举例:图像的移动平滑、空间域锐化

Note: 2种特殊情况:点处理和全局处理
点处理
描述:输出值JP(i,j)仅与IP(i,j)像素灰度有关
数学表达式:点处理

点处理图

举例:图像对比度增强、图像二值化

全局处理
描述:输出值JP(i,j)取决于整幅图像像素的值
数学表达式:全局处理

全局处理图

举例:图像的傅里叶变换

2.迭代处理
描述:反复对图像进行某种运算,直至满足给定条件,从而得到输出图像的处理形式
迭代处理
举例:图像细化

3.跟踪处理
描述:选择满足适当条件的像素作为起始像素,检查输入图像和已得到的输出结果,求出下一步应该处理的像素,进行规定的处理,然后决定是继续处理下面的像素,还是终止处理。
举例:边界线、等高线的跟踪或检查

4.窗口处理和模板处理
描述:对图像中选定矩形区域内的像素进行处理,称为窗口处理;预先准备一个和输入图像IP相同大小的二维数组,存储某一形状区域的信息,然后参照该数组对输入图像处理,称为模板处理。
窗口处理 模板处理

5.串行处理和并行处理
描述:后一像素输出结果依赖于前面像素处理的结果,并且只能依次处理各像素而不能同时对各像素进行相同处理的处理方式,称为串行处理;对图像中的各像素同时进行相同形式运算的一种处理方式,称为并行处理。


五、图像格式

  • 主要有BMP、PCX、GIF、TIFF等。
  • 这里主要介绍与其他格式不同的TIFF格式。(不同之处:由于应用了标志功能,TIFF图像文件能够实现多幅图像的存储,而其他格式均只能存储单幅图像)
  • -

六、图像特征

  • 自然特征:
    1)光谱特征;
    2)几何特征;-空间分辨率、纹理结构、图像变形
    3)时相特征。-不同时间获取的图像差异
  • 人工特征:
    1)直方图特征
    2)灰度边缘特征
    3)角点与线特征
    4)纹理特征

按照特征的范围大小分类:

  • 1)点特征
  • 2)局部特征
  • 3)区域特征
  • 4)整体特征

    图像特征提取


七、图像噪声
图像噪声的分类有不同标准。这里我们主要考虑从“噪声幅度分布形态”和“频谱分布形状”进行分类

“噪声幅度分布形态”

  • 高斯噪声:幅度分布呈高斯分布
  • 瑞利噪声:幅度分布呈瑞利分布
  • 脉冲噪声:突发出现、幅度高且持续时间短的噪声

“频谱分布形状”

  • 高斯噪声:各频率能量呈正态分布
  • 白噪声:频谱为均匀分布的噪声

噪声模型

  • 加性噪声:噪声与图像光强大小无关。
    g(x,y)=f(x,y)+n(x,y)
  • 乘性噪声:噪声与图像光强大小有关,随亮度大小变化而变化。
    g(x,y)=f(x,y)[1+n(x,y)]=f(x,y)+f(x,y)n(x,y)
    其中,g(x,y)为实际输出图像,f(x,y)为理想图像,n(x,y)为噪声
2016-03-23 20:15:31 qq_20515461 阅读数 43
  • JMETER 性能测试入门到项目实战视频课程

    1、本课程针对JMETER软件性能测试八大组件:配置元件、前置处理器、定时器、sampler(采样器)、后 置处理器、断言、监听器以及逻辑控制器等内容全方位讲解。 2、参数化、badboy测试脚本开发以及录制方法,正则表达式之Regextester工具使用、JMETER 组件作 用域等知识点讲解。 3、本课程注重实践每一个知识点都有相对应的实例,本书覆盖的实例多达上百个,提高学员的动手能 力和解决问题能力。 4、区块链之币币交易所资管系统性能测试,登录、交易买入、交易卖出等测试场景设计、脚本开发/调试、数据 准备、性能调优、性能测试报告。       5、性能测试流程和性能瓶颈定位等知识讲解。

    174435 人正在学习 去看看 陈槐

一、 数字图像处理基础

第一章节主要讲了数字图像的概念,介绍了几个关键词,图像处理的典型应用,数字图像的表示方法、采样方式、处理方式等

 

1.       图像采样和量化:

定义:采样是空间坐标的数字化,确定像素数;量化为函数取值的数字化,比如量化到多少灰度级。

非统一的图像的采样与量化:在灰度级变化尖锐的区域采用细腻的采样,平滑区域粗糙采样;在边界附近使用较少的灰度级,其余灰度级用于灰度级变化比较平滑区域

 

2.       数字图像的表示

图像描述信息+图像数据

例:BMP格式 位图文件头(大小类型)+位图信息头(图像大小颜色数等信息)+调色板(颜色分量大小)+图像数据(16色一个像素颜色4位)

 

3.       数字图像的质量

(1)       层次:图像拥有的灰度级数量

(2)       对比度:灰度反差大小,最大灰度/最小灰度

(3)       清晰度:亮度、对比度、尺寸、细微层次、颜色饱和度

 

4.       像素间的一些基本关系:

相邻像素:4邻域、D领域(对角线)、8邻域

像素连通性:4连通,具有值V的像素PQ如果在P4邻域中,则称这两个像素4连通。m连通(mix) ,对于具有值V的像素pq,如果: q在集合N4(p)中,或q在集合ND(p)中,并且N4(p)N4(q)的交集为空(没有值V的像素)则称这两个像素是m连通的,即4连通和D连通的混合连通。

 

5.       距离:

欧氏距离:距离相同的像素分布在同心圆上

D4距离(城市距离):横纵坐标距离之和D4(p,q) = |x – s| + |y –t|

D8距离(棋盘距离):D8(p,q) = max(|x – s| ,|y – t|)

 

二、 图像增强

图像增强分为两类:空间域增强(对图像的像素直接处理)、频域增强(图像的傅里叶变换)

第二节主要讲了空间域的图像增强方法,有单个像素点运算的增强和空间模板进行的增强。空间模板增强有些是频率域增强的反变换得到的。将在第三节进行说明。

1.       像素点增强

(1) 点运算

a.反转变换:黑变白白变黑

b.对数变换:灰度压缩

c.幂次变换:改变图像整体亮度

d.对比度拉伸提高图像处理时灰度级的动态范围,增强输入图像中感兴趣的灰度区域,相对抑制那些不感兴趣的灰度区

e.灰度切片:关心范围指定较高值,其他指定较低值或保持不变

f.位平面切片:像素灰度分解成位平面进行操作

(2) 算术运算逻辑运算

a.加法:去除叠加性噪声 、生成图像叠加效果

b.减法:显示两幅图像的差异,检测同一场景两幅图像之间的变化去,除不需要的叠加性图案乘法。图像分割:如分割运动的车辆,减法去掉静止部分,剩余的是运动元素和噪声

c.非:获得一个子图像的补图像

d.与:求两个子图像的相交子图

e.或:合并子图像

f.异或:获得相交子图像

(3)       直方图运算

a.定义:像素点分布的密度统计

b.均衡化:希望一幅图像的像素占有全部可能的灰度级且分布均匀,能够具有高对比度

c. 均衡化方法:使用积分函数,保证了原来的大小关系,确保不会越界

 

2.       空间域增强

定义:使用空间模板进行的图像处理,被称为空间滤波。模板本身被称为空间滤波器

(1) 平滑空间滤波器

a.作用:去除图像中一些不重要的细节,减小噪声

b.线性滤波器:均值滤波(标准像素平均值、加权平均)

c.非线性滤波器(统计排序滤波器):最大值滤波器、最小值滤波器、中值滤波器(强迫突出的亮点(暗点)趋向它周围的值以消除孤立的亮点(暗点)在去除噪音的同时,可以比较好地保留边的锐度和图像的细节(优于均值滤波器))、

(2) 锐化空间滤波器

a.作用:突出图像中的细节,增强被模糊了的细节,印刷中的细微层次强调。弥补扫描对图像的钝化。图像识别中,分割前的边缘提取,

b.原理:微分可锐化

c.二阶微分滤波器:拉普拉斯算子

拉普拉斯算子

 ​​

拉普拉斯变换对图像增强的基本方法

拉普拉斯变换的图像增强

​​

(1)用于拉普拉斯模板中心系数为负

(2)用于拉普拉斯模板中心系数为正

d.一阶微分滤波器(梯度算子)

a)、Roberts交叉梯度算子

b)、Prewitt梯度算子

c)、Sobel梯度算子

 

三、傅里叶变换

1.       二维离散傅里叶变换及反变换

图像尺寸为M×N的函数f(x,y)DFT:

DFT

给出F(u,v),可通过反DFT得到f(x,y)

反DFT

 

2.       二维傅里叶变换的性质

a.平移性质:频移、时移

 平移性质

c. 分配律:傅里叶变换对加法满足分配律,但对乘法则不满足

d.尺度变换(缩放)

尺度变换

f.  旋转性:极坐标下旋转不变性

g.周期性和共轭对称性:只需一个周期里的变换就可将F(u,v)在频域里完全确定

h.平均值:在原点的傅里叶变换即等于图像的平均灰度级

i.  可分性:,二维傅里叶变换可由连续2次一维傅里叶变换得到

j.  卷积:卷积是空间域过滤和频率域过滤之间的纽带

k. 相关性:确定是否有感兴趣的物体区域

 

3.       快速傅里叶变换(FFT)

FFT算法与原始变换算法的计算量之比是log2M/M

四、        频率域图像增强

1.       频率域研究图像增强原因:

a.  可以利用频率成分和图像外表之间的对应关系,一些在空间域表述困难的增强任务,在频率域中变得非常普通。

b.  滤波在频率域更为直观,它可以解释空间域滤波的某些性质。

c.   可以在频率域指定滤波器,做反变换,然后在空间域使用结果滤波器作为空间域滤波器的指导

d.  一旦通过频率域试验选择了空间滤波,通常实施都在空间域进行

2.       频率分量和图像空间特征之间的关系:

e.  可以计算图像的平均灰度级

平均灰度级

f.    低频对应图像的满变化分量,如图像的平滑部分

g.  较高的频率对应图像中变化较快的灰度级,如边缘或噪声等尖锐部分。

3.       频率域滤波器

a.陷波滤波器:对F(0,0)点进行修正,其他不变,改变整体平均灰度级

b.低通滤波器:低频通过,高频衰减,处理后尖锐细节减少。类似空间域滤波的平滑处理(理想低通滤波器:尖锐,有振铃现象;巴特沃思低通滤波器:处于理想和高斯滤波器之间,可能产生振铃;高斯低通滤波器:平滑,没有振铃;)

c.高通滤波器:高频通过,低频衰减。突出边缘与细节,类似空间域的梯度算子、拉普拉斯算子。(GHPF的结果比BHBFIHPF的结果更平滑)

4.       钝化模板、高频提升滤波和高频强调滤波

高频滤波滤除了低频成分,平均灰度几乎为0,所以要进行提升滤波。(钝化模板:减去自身模糊图像,形成锐化图像;高频提升滤波:累加图像本身;高频强调滤波:使零频率不被滤波器过滤)

五、 彩色图像处理

符合人类视觉特点,颜色是有用的描绘子,光特性是颜色科学的核心。

1.       描述彩色光的3个基本量:辐射率、光强、亮度。

2.       彩色空间:RGBCMY/CMYKHISYIQYUVYCbCr可以与RGB相互转换

a.RGBCCD技术直接感知R,G,B三个分量,是图像成像、显示、打印等设备的基础

b.CMY/CMYK(青、洋红、黄、黑)Cyan,Magenta,yellow,Black):运用在大多数在纸上沉积彩色颜料的设备

c.HSI(色调、饱和度、强度)Hue,Saturation,Intensity)I分量与图像的彩色信息无关,HS分量与人感受颜色的方式是紧密相连的

 

3.       伪彩色图像处理

根据一定的准则对灰度值赋以彩色的处理

a.强度分层技术:根据强度所在区间对应不同颜色

b.灰度级到彩色的转换:对任何输入像素的灰度级执行3个独立变换,3个变换结果分别送入彩色监视器的红、绿、蓝三个通道产生一幅合成图像。

 

4.       全彩色图像处理

可分别处理每一个分量的图像或者直接处理n个颜色分量表示像素向量

 

5.       彩色图像平滑和尖锐化

a.平滑处理:平均值法进行图像的平滑处理,若只进行强度的平均,原彩色(色调H和饱和度S)保持不变。

b.彩色图像锐化:RGB彩色空间,分别计算每一分量图像的拉普拉斯变换。

c.HSI图像的强度I分量图像的拉普拉斯变换,再转换成RGB进行显示(原彩色(色调H和饱和度S)保持不变)

 六、图像压缩

数据冗余

编码冗余、 像素间冗余、 心理视觉冗余

什么是心理视觉冗余?

      人眼感觉到的图像区域亮度不仅取决于该区域的反射光,例如根据马赫带效应,在灰度值为常数的区域也能感觉到灰度值的变化, 这是由于眼睛对所有视觉信息感受的灵敏度不同。在正常视觉处理过程中各种信息的相对重要程度不同, 有些信息在通常的视觉过程中与另外一些信息相比并不那么重要,这些信息被认为是心理视觉冗余的,去除这些信息并不会明显降低图像质量

 图像压缩模型

图像压缩

 无误差压缩

     变长编码: 霍夫曼(Huffman)编码、其它变长编码、算术编码(减少像素间冗余,减少编码冗余)


2019-06-20 11:12:47 weixin_44490080 阅读数 37
  • JMETER 性能测试入门到项目实战视频课程

    1、本课程针对JMETER软件性能测试八大组件:配置元件、前置处理器、定时器、sampler(采样器)、后 置处理器、断言、监听器以及逻辑控制器等内容全方位讲解。 2、参数化、badboy测试脚本开发以及录制方法,正则表达式之Regextester工具使用、JMETER 组件作 用域等知识点讲解。 3、本课程注重实践每一个知识点都有相对应的实例,本书覆盖的实例多达上百个,提高学员的动手能 力和解决问题能力。 4、区块链之币币交易所资管系统性能测试,登录、交易买入、交易卖出等测试场景设计、脚本开发/调试、数据 准备、性能调优、性能测试报告。       5、性能测试流程和性能瓶颈定位等知识讲解。

    174435 人正在学习 去看看 陈槐

图像数字化

图像采样:

采样是指一幅图像需要经过离散化成为数字图像后才能被计算机处理。图像的空间坐标的离散化叫做空间采样,灰度的离散化叫做灰度量化。采样分为均匀采样和量化、非均匀采样和量化。(图像采集就是将一张图像通过离散处理成由X*Y个网格组成的图像,可以说是分辨率)

 

图像量化:

采样后获得的采样图像虽然在空间分布上是离散的,但在各像素的取值还是连续变化的,还需要将这些连续变化的量转化成有限个离散值。量化就是把采样区域内表示亮暗信息的连续点离散化之后,再用数值来表示,一般的量化值为整数。这样,经过采样和量化之后,数字图像可以用整数阵列的形式来描述。(所谓的量化就是赋予像素点以灰度划分的值)

 

压缩编码:

图像数字化后的数据量非常巨大,对于传输与存储非常困难,必须采用编码技术来 压缩其信息量。一般的压缩方式有:预测编码、变换编码、分形编码、小波变换图像压缩编码等。经压缩的图像数据还需要相应的解压才能进行处理。

 

数字图像的数值描述

肉眼所看到的空间某位置上的景物是由光照在景物上经过反射或透射作用映入眼中而形成的图像。客观世界是三维的,从客观场景中所拍摄到的图像是二维的。因此,一幅图像f可以定义为一个二维函数f(m,n),其中(m,n)是空间(平面)坐标。由于矩阵是二维结构的数据,因此以矩阵的形式表示图像即直观又利于图像处理运算。(由于函数是x与y之间的关系,因此图像数据也可以用二维数组存储,这样在程序中处理起来方便很多)

 

二值图像:

二值图像是指每个像素不是黑就是白,其灰度值没有中间过度的图像 (灰度图像转换二值图像其算法基于一个中间值,小于这个值的灰度值全赋予0,大于的全赋予255)

 

灰度图像:

灰度图像是指每个像素的信息由一个量化后的灰度级来描述数字图像,灰度图像中不包含彩色图像信息。标准灰度图像中每个像素的灰度值用一个字节表示,灰度级数为256级,每个像素可以是0到255(从黑到白)之间的任何一个值。更具保存灰度值所使用的数据类型的不同可以有2^k种取值。当k=1时为二值图像,当k=8时为灰度图像。

 

彩色图像:

彩色图像是根据三基色成像原理来实现对自然界的色彩描述的。RGB三种颜色各有256个等级,每种颜色用8位二进制数据表示,于是三通道RGB共需要24位二进制数来保存,可以表示的颜色种类数为256*256*256=2^24,即大约有1600万种颜色。

 

图像处理基础

阅读数 9

没有更多推荐了,返回首页