• 本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结整理,欢迎大家一起学习交流! 专栏链接:数字图像处理学习笔记 数字图像处理学习笔记(一)——数字图像处理概述 一、什么是图像 Ⅰ、图像的定义:...

    数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结整理,欢迎大家一起学习交流!
     专栏链接:数字图像处理学习笔记

    一、什么是图像

    Ⅰ、图像的定义: 二维函数f(x,y)
           :①x,y是空间坐标;②f(x,y)中f是点(x,y)的幅值。

    Ⅱ、灰度图像是一个二维灰度(或亮度)函数f(x,y)
           :把白色与黑色之间按对数关系分为若干等级,称为灰度。
                  灰度分为256阶(灰度值为0—255),用灰度表示的图像称作灰度图;
                  灰度图像与黑白图像不同,在计算机图像领域中黑白图像只有黑白两种颜色,灰度图像在黑色与白色之间还有许多级的颜色深度。

    Ⅲ、彩色图像由三个(如RGB,HSV)二维灰度(或亮度)函数f(x,y)组成
           注:①RGB:RGB即是代表红(R)绿(G)蓝(B)三个通道的颜色
                                 其余各式各样的颜色均是通过对红绿蓝三个颜色通道的变化以及它们相互之间的叠加来得到的;
                  ②HSV:这个模型中颜色的参数分别是:色调(H),饱和度(S),明度(V)
                                 具体而言,色调(H)用角度度量,取值范围为0°~360°。
                                                   饱和度(S)表示颜色接近光谱色的程度。饱和度值愈高,颜色越深而艳。
                                                   明度(V)表示颜色明亮的程度,此值和物体的透射比或反射比有关。
                                                                    通常取值范围为0%(黑)到100%(白)。



    二、什么是数字图像

    Ⅰ、数字图像的定义:像素组成的二维排列,可以用矩阵表示。

    Ⅱ 、对于单色(灰度)图像而言,每个像素的亮度用一个数值来表示
            通常数值范围在0到255之间,0表示黑、255表示白
            
    其它值表示处于黑白之间的灰度。

    Ⅲ、彩色图像可以用红、绿、蓝三元组的二维矩阵来表示。
           通常,三元组的每个数值也是在0到255之间
                      0表示相应的基色在该像素中没有
                      255代表相应的基色在该像素中取得最大值

    事实上,视频的处理也属于数字图像处理的一部分,只是视频处理总像素点的数量级是非常大的。
    这里给一个概念:1s的视频可分成25张图像,通常来讲每张图像大小256*256,那么25张是多少、1分钟的视频呢?1小时的视频呢?这就可想而知它的大小了,于是做数字图像处理,对设备的要求还是比较高的。


    三、数字图像处理的起源

    最早应用的行业——媒体(报纸业)

    最早应用的时间——20世纪20年代(1921年)

    最早“数字图像处理”系统的用途——通过海底电缆,将图像从伦敦传输至纽约。客观的讲,当时的应用并不涉及“数字图像处理”,而是“数字图像传输”。

    最早“数字图像处理”系统的特性——系统名称:“巴特兰”(Bartlane),早期的“巴特兰”系统使用5个不同的灰度级来编码图像, 到了1929年这一能力已经扩展到15级。

                                 

    1921年由电报打印机采用特殊字体在编码纸带上产生的数字图片
    1921年由电报打印机采用特殊字体在编码纸带上产生的数字图片
    1929年美国将军潘兴和法国元帅福熙的数字图片

     

                                

    计算机图像处理技术的历史可以追溯到1946年第一台电子计算机的诞生。

    在上世纪70年代,数字图像处理技术有了长足发展

    到上世纪80年代,出现了3D图像和分析处理3D图像的系统

    进入上世纪90年代,图像处理技术已逐步涉及人类生活和社会发展的各个方面

    进入21世纪,数字图像处理技术必将得到进一步发展


    四、数字图像处理领域的实例


    ★传统领域
    ☆医学、空间应用、地理学、生物学、军事……
    ★最新领域
    ☆数码相机(DC)、数码摄像机(DV)
    ☆指纹识别、人脸识别
    ☆互联网、视频、多媒体等
    ☆基于内容的图像检索、视频检索、多媒体检索
    ☆水印、游戏、电影特技、虚拟现实、电子商务等

    数字图像处理的应用无处不在



    五、数字图像处理的基本步骤


    六、图像处理系统的基本组成结构


    主要由三大部分组成
    ①图像数字化设备:包括数码相机、数码摄像机、带照相和/或摄像功能的手机等。
    ②图像处理设备:包括计算机和存储系统。
    ③图像输出设备:包括打印机,也可以输出到Internet上的其它设备。


    七、图像存储系统

    ★图像文件格式体系
    ☆互联网用:GIF、JPG
    ☆印 刷 用:TIF、JPG、TAG 、PCX(国际标准:TIF、JPG、BMP)
    ☆图像存储体系:分级存储 
    ☆内存存储:处理时使用 
    ☆硬盘存储:处理、备份时用(在线) 
    ☆备份存储:光盘、磁带(离线、近线)
    ☆网络存储:SAN、 NAS


    欢迎留言,一起学习交流~~~

    感谢阅读

    END

    展开全文
  • 本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结整理,欢迎大家一起学习交流! 专栏链接:数字图像处理学习笔记 一、阵列和矩阵操作 图像可以被等价的看作是矩阵 事实上,在很多情况下,图像间的...

    数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结整理,欢迎大家一起学习交流!
     专栏链接:数字图像处理学习笔记

    一、阵列和矩阵操作

    图像可以被等价的看作是矩阵

    事实上,在很多情况下,图像间的操作拭用矩阵理论执行的

    例如2×2的图像  \begin{bmatrix} a_{11} &a_{12} \\ a_{21}&a_{22} \end{bmatrix}\begin{bmatrix} b_{11} &b_{12} \\ b_{21}&b_{22} \end{bmatrix}

    阵列相乘是   \begin{bmatrix} a_{11} &a_{12} \\ a_{21}&a_{22} \end{bmatrix}\begin{bmatrix} b_{11} &b_{12} \\ b_{21}&b_{22} \end{bmatrix}=\begin{bmatrix} a_{11}b_{11} &a_{12}b_{12} \\ a_{21}b_{21}&a_{22}b_{22} \end{bmatrix}

    数字图像处理中的阵列相乘对应MATLAB中的点乘(.*)

    ☞当我们谈到一幅图像的求幂时,意味着每个像素均进行求幂操作;
    ☞当我们谈到一幅图像除以另一幅图像时,意味着在相应的像素之间进行相除。


    二、线性操作和非线性操作

    图像处理方法最重要的分类之一是它是线性的还是非线性的
    考虑一般的算子H,该算子对于给定输入图像f(x,y)产生一副输出图像g(x,y)
    H[f(x,y)]=g(x,y)

    如果,则称H是一个线性算子。

    现假设H是求和算子∑,该算子的功能是简单地求和

    \sum [a_{i}f_{i}(x,y)+a_{j}f_{j}(x,y)]=\sum a_{i}f_{i}(x,y)+\sum a_{j}f_{j}(x,y)=a_{i}\sum f_{i}(x,y)+ a_{j}\sum f_{j}(x,y)=a_{i}g_{i}(x,y)+a_{j}g_{j}(x,y)
    注:是阵列求和,不是图像所有元素求和,因此单幅图像的求和是该图像本身

    该方法用于证明对应的操作是线性操作还是非线性操作(左边=右边→线性;左边≠右边→非线性

    例:有两幅图像,进行最大值操作,现假设令a{_{1}}=1和a{_{2}}=-1,

           计算左侧

           计算右侧

           我们发现,左侧不等于右侧(-2≠-4),至此证明了求最大值的操作通常是非线性的。


    三、算数操作

    图像间的算术操作阵列操作(算数操作在相应的算数对之间进行)

    图像的算数操作涉及同样大小的图像

    图像相:s(x,y)=f(x,y)+f(x,y)
    图像相:g(x,y)=f(x,y)-f(x,y)
    图像相:d(x,y)=f(x,y)×f(x,y)
    图像相:v(x,y)=f(x,y)÷f(x,y)
    其中,x=1,2,3,...,M-1,y=1,2,3,...,N-1
    通常,M和N是图像的行和列,s,g,d和v是大小为M×N的图像

    图像相①去除叠加性噪声 
                      

                      ②生成图像叠加效果 
                     

    图像相①增强差别   
                     
          
                      ②去除不需要的叠加性图案
    (例:电视制作的蓝屏技术)
                      
                       ③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)
    图像相: ①校正/消除阴影
                                 

                       ②图像的局部显示(用二值蒙板图像与原图像做乘法)
                                
    图像相: 校正/消除阴影


    四、集合和逻辑操作

    代数运算——非:①获得一个阴图像(注:R,G,B三通道分别取反再合到一起还是彩色图像)
                                     
                                  ②获得一个子图像的补图像
                                      

    代数运算——与:①求两个子图像的相交子图
                                   

                                 ②提取感兴趣的子图像
                                    

    代数运算——或:①合并子图像
                                    

                                 ②提取感兴趣的子图像
                                     

    代数运算——异或:获得相交子图像
                                     

    综合图例:


    欢迎留言,一起学习交流~~~

    感谢阅读

    END

     

    展开全文
  • 数字图像处理学习笔记 (一) 邻接、连通 8-连接是包含4-连接的。 如何理解m-连接? 由定义:1.两个像素q和p是4-连接的关系;2.两个像素q和p是对角连接关系,且p和q的相交的4-邻域像素(有两个)和它们不成...

    《数字图像处理》学习笔记 (一)

    邻接、连通

    8-连接是包含4-连接的。

    如何理解m-连接?
    由定义:1.两个像素q和p是4-连接的关系;2.两个像素q和p是对角连接关系,且p和q的相交的4-邻域像素(有两个)和它们不成连接关系,就像——
    1( p ) 0
    0 1( q )
    即是m-连接。

    具体操作:当像素间同时存在4-连接和8-连接时,优先采用4-连接,屏蔽两个和同一像素间存在4-连接像素之间的8-连接。

    Matlab bwlabel用法

    L = bwlabel(BW,n)
    举例:
    BW =
    1 1 1 0 0 0 0 0
    1 1 1 0 1 1 0 0
    1 1 1 0 1 1 0 0
    1 1 1 0 0 0 1 0
    1 1 1 0 0 0 1 0
    1 1 1 0 0 0 1 0
    1 1 1 0 0 1 1 0
    1 1 1 0 0 0 0 0

    L = bwlabel(BW,4)
    L =
    1 1 1 0 0 0 0 0
    1 1 1 0 2 2 0 0
    1 1 1 0 2 2 0 0
    1 1 1 0 0 0 3 0
    1 1 1 0 0 0 3 0
    1 1 1 0 0 0 3 0
    1 1 1 0 0 3 3 0
    1 1 1 0 0 0 0 0

    表示4-连通的区域一共有3个(所有“1”组成第一个区域,“2”组成另一个,“3”为一个)。

    L = bwlabel(BW,8)
    L =
    1 1 1 0 0 0 0 0
    1 1 1 0 2 2 0 0
    1 1 1 0 2 2 0 0
    1 1 1 0 0 0 2 0
    1 1 1 0 0 0 2 0
    1 1 1 0 0 0 2 0
    1 1 1 0 0 2 2 0
    1 1 1 0 0 0 0 0

    BW中加粗位置两个像素形成8-连通,因此表示8-连通的区域只有两个。

    展开全文
  • 本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结整理,欢迎大家一起学习交流! 专栏链接:数字图像处理学习笔记 一、数字图像的像素表示 像素的概念:数字图像由二维元素组成,每一个元素具有一个...

    数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结整理,欢迎大家一起学习交流!
     专栏链接:字图像处理学习笔记

    一、数字图像的像素表示

    像素的概念:数字图像由二维元素组成,每一个元素具有一个特定的位置(x,y)和幅值f(x,y),这些元素就称为像素


     

     二、图像的采样和量化

    ★大多数传感器的输出是连续电压波形

    ★为了产生一幅数字图像,需要把连续的 感知数据转化为数字形式

    ★这包括两种处理:采样量化

     

    ★图像的采样和量化

       ★图像的采样        

          图像空间坐标的数字化    
          用数字表示位置(点的坐标)
          空间坐标(x,y)的数字化
       
          采样对应空间分辨率          

       ★图像的量化      

          图像函数值(灰度值)的数字化     
          用数字表示颜色  (点的像素值)
           
          函数取值的数字(如:量化到256个灰度级)
          量化对应灰度分辨率

     

    ★非统一的图像的采样

    在灰度级变化尖锐的区域,用细腻的采样,在灰度级比较平滑的区域,用粗糙的采样。

    ☆在边界附近使用较少的灰度级。剩余的灰度级可用于灰度级变化比较平滑的区域。

    ☆避免或减少由于量化的太粗糙,在灰度级变化比较平滑的区域出现假轮廓的现象。

    非统一的图像的采样更符合实际情况


    三、数字图像表示:三种方法

     


    欢迎留言,一起学习交流~~~

    感谢阅读

    END

    展开全文
  • 本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结整理,欢迎大家一起学习交流! 专栏链接:数字图像处理学习笔记 做图像增强的原因 在图像形成的过程中,存在很多因素影响图像的清晰度 如:光照...

    数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结整理,欢迎大家一起学习交流!
     专栏链接:数字图像处理学习笔记

    做图像增强的原因

    在图像形成的过程中,存在很多因素影响图像的清晰度

    如:光照不够均匀,这会造成图像灰度过于集中;
           由CCD(摄像头)获得图像时经A/D(数模)转换、线路传送时产生噪声污染,也会影响图像质量。

    图像增强主要是以对比度和阈值处理为目的

    改善图像质量方法

    图像增强:不考虑图像质量下降的原因,只将图像中感兴趣的特征有选择的突出,而衰减不需要的特征,它的目的主要是提高图像的可懂度;

    图像复原:需要了解图像质量下降的原因,首先要建立"降质模型",再利用该模型,恢复原始图像。

    图像增强的类别

    空间域增强:对图像的像素直接处理(直接对图片本身像素做处理
                         g(x, y)=T[f(x, y)]
                         f(x,y)是原图像
                               g(x,y)是处理后的图像
                               T是作用于f的操作(算子),定义在(x,y)的邻域

                         简化形式: s=T(r) 
                                     r是f(x,y)在任意点(x,y)的灰度级
                                            s是g(x,y)在任意点(x,y)的灰度级

    频域增强 : 修改图像的傅里叶变换(对变换后的图像做操作,并非在原图中对像素操作

    根据邻域不同,图像增强分为:邻域处理技术
                                                      点处理技术(图像灰度变换增强技术)

     其中,点处理技术可以看做是邻域处理技术的特例(看成一个点)

    图像增强邻域处理技术

    空间域处理 g(x,y) = T[f(x,y)] 中点 (x,y) 是图像的像素坐标
    而邻域是中心在 (x,y) 的矩形,其尺寸比图像要小得多

    邻域处理思想:对点(x,y)和它的8个邻点求和再除以9(由邻域包围的像素灰度的平均值)
                           
     这种邻域处理思想在后续的图像滤波处理中是基本应用,
                             如均值滤波、中值滤波(由小到大排再求中值)和高斯滤波等。

    图像增强——点运算

    点处理技术,就是当邻域的大小为 1*1 时(即邻域处理技术的特例)
                                 此时 g 的值仅仅取决于点 (x,y) 处的值
                                 此时 T 称为灰度变换函数
                                 此种图像增强方式就是图像灰度变换增强
    定义公式如下: S=T(r)
                      其中 S 是变换后的像素
                               r 是变换前的像素

    图像灰度变换就是基于点的增强方式,它将每一个像素的灰度值按照一定的数学变换公式转换为一个新的灰度值,达到增强图像的效果。

    :低于k的灰度级更暗(接近黑色),高于k的灰度级更亮
           图b产生的是一幅二级(二值)图像

    图像增强的基本函数

    恒等变换:

    最一般的情况,其输出灰度等于输入灰度的变换

    线性变换(反转和恒等变换):

    反转变换,分段线性(对比度拉伸,灰度级分层,比特平面分层)
    适用于增强嵌入在一幅图像的暗区域中白色或灰色的细节


    反转变换作用:黑的边白,白的变黑
    灰度级范围为[0,L-1]的一幅图像反转公式:s=L-1-r
    公式理解:r是输入图像像素值,s是输出图像像素值
                      实例:要想黑变白/白变黑,如[0,255],当图像为白时,像素值为255,生成新图像s=255-r就是黑色。

    对数变换(对数和反对数变换):

    压缩像素值变换较大的图像的动态范围
    对数变换的通用形式:s=c{\color{Red} log}(1+r)
    公式理解:r是输入图像像素值,s是输出图像像素值,c是常数

        

    对数变换对低的灰度级拉伸,对高的灰度级压缩
           如在输入灰度级L/2处做一垂直线,看对数变换那条线,交点对应输出图像值约3L/4处,也就是说,原来低(暗)L/2的灰度级对应现在输出3L/4的灰度级;而原来高L/2的灰度级对应现在输出L/4的灰度级。

    与此类似,反对数变换相反,则是对高的灰度级拉伸,对低的灰度级压缩

    上图为对数变换应用,与为改进显示的频谱相比,这幅图像中可见细节的丰富度是很显然的。

    幂律变换(n次幂和n次根变换):

    灰度级的拉伸和压缩  
    变换公式:
                     :c和γ是正常数
                            γ<1 提高灰度级,在正比函数上方,使图像变
                            γ>1 降低灰度级,在正比函数下方,使图像变



     注:部分γ值的幂律曲线将较窄范围的暗色输入映射为较宽范围的输出值,相反也成立

    幂律方程中的指数称为伽马,用于校正这些幂律响应现象的处理称为伽马矫正 

    要想精确显示图像,伽马校正很重要,伽马值不仅会改变亮度,还会改变红、绿、蓝的比率

    幂律变换的应用:

    ①使用幂律变换可以增强对比度

    ②对有“冲淡”外观的图像进行灰度级压缩

    分段线性变换函数

    优点:分段线性变换函数的形式可以是任意复杂的

    r1≤r2,s1≤s2:对比度拉伸,增强感兴趣区域(相比较恒等变换亮的地方越亮,暗的地方越暗)
    r1=r2:阈值处理,产生一个二值图像

    比特平面分层(一幅8比特图像可考虑为由8个1比特平面组成(256级灰度图像))

    显示一幅8比特图像的第8个平面可用阈值处理函数得到二值图像,具体而言,是将0~127之间的所有灰度映射为0,而将128~255之间所有的灰度映射为1。至此,得到其他比特平面的灰度变换函数的方法也就显而易见了。

    比特图作用 

    通过对特定位提高亮度,改善图像质量
    较高位(如前4位)包含大多数视觉重要数据
    较低位(如后4位)对图像中的微小细节有作用

    分解为比特平面,可以分析每一位在图像中的相对重要性

    比特图像重构

    在本文结束部分,再详细说明一下比特图像的重构原理

    如图就是比特图像的重构实例,那么是怎么做到的呢?

    原理

           根据前面所讲可知256像素值图像有8个比特平面,已知原图像有一个灰度为194的灰色边,194对应于二进制11000010,也就是说,从高阶平面开始,比特面中相应像素值为1 1 0 0 0 0 1 0,具体而言,第8个平面像素值为2^{7}=128,第7个平面像素值为2^{6}=64,第2个平面像素值为2^{1}=2,第八个平面与第七个平面叠加,数值上看就是128+64=192,与原图像194只相差2个像素值,若想进一步体现细微之处细节的话还可以再叠加平面,以此类推,叠加平面越多,与194像素值相差越小,即与原图差别越小,也就达到了重构的目的。


    欢迎留言,一起学习交流~~~

    感谢阅读

    END

    展开全文
  • 本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结整理,欢迎大家一起学习交流! 专栏链接:数字图像处理学习笔记 目录 彩色图像基础 彩色空间(也称彩色模型或彩色系统) 彩色空间转换 伪彩色...
  • 数字图像处理-冈萨雷斯》笔记第一章 绪论图像处理实例:伽马射线成像、X射线成像、紫外波段成像、可见光以及红外线成像、微波波段成像、无线电波成像、声波成像。图像处理的基本步骤:图像获取、滤波与增强、图像...
  • 数学工具: 阵列与矩阵操作 ... 几何空间变换和图像配准 向量与矩阵操作 图像变换 概率方法 一 灰度变换与空间滤波 基本的灰度变换函数 函数类型 作用 ...
  • 适合新手学习图像处理的入门材料,里面介绍了图像处理的基本知识和编程基础。
  • 数字图像基础 一、数字图像表示 一幅图像可以被定义为一个二维函数 f(x,y)f(x,y)f(x,y),其中 xxx 和 yyy 是空间(平面)坐标,fff 在任何坐标点 (x,y)(x,y)(x,y) 处的振幅称为图像在该点的亮度。灰度是用来表示...
  • 数字图像处理(MATLAB)(第二版) 冈萨雷斯 主要用来记录自己的学习过程,相关实验内容,便于日后查找相关知识点及复习所用 第二章 灰度变换和空间滤波 本章重点讨论两类空间域处理方法:亮度(或灰度)变换与...
  • 本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结整理,欢迎大家一起学习交流! 专栏链接:数字图像处理学习笔记 目录 1 图像退化/复原过程的模型 2噪声模型 3 空间域滤波复原(唯一退化是噪声) ...
  • 关于我的GitHub 以下是在图像处理部分整理的学习笔记
  • OpenCV是学习数字图像处理的好工具,本专栏拟打算从对OpenCV源码的学习来研究数字图像处理中的基本操作。我开设本专栏不为别的,只希望能系统地学习OpenCV,并把我支离破碎的数字图像处理知识好好理一理。当然,最终...
  • 数字图像处理——Matlab 学习笔记* 本文仅初学基于Matlab数字图像处理学习笔记,为方便以后复习及查找代码所用 1 图像的输入和显示 f=imread('E:\Matl\image\tianya1.jpg'); imshow(f) figure,imshow(g) #在另...
  • 1.数字图像处理及特点 数字图像处理又称为计算机图像处理,它是指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。 2.数字图像处理的主要研究内容 ...
  • 2.数字图像处理可以理解为两个方面的操作:一个是图像到图像的处理(如图像的灰度转换,图像增强等),另外一个是图像到非图像的一种表示,比如图像的测量。3.数字图像处理的研究内容有很多个方向,比如: ·图像...
  • 噪声表现形式:噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素...另外,在图像处理的某些环节当输入的像对象并不如预想时也会在结果图像中引入噪声 噪声对数字图像的影响:对于数字图像信号,噪声表为或大
  • (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。...
  • 本次考研准备三个月,三跨(跨学校跨地区跨专业),自学了一波数字图像处理,考完自知不妙,修身养性一个月(实习+打游戏)。现在百无聊赖,正好来分享一下我考研专业课的学习笔记。  (由于CSDN的博客太难排了,...
1 2 3 4 5 ... 20
收藏数 16,047
精华内容 6,418