数字图像处理_数字图像处理的数字图像处理的matlab实现 - CSDN
数字图像处理 订阅
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。 [1]  数字图像处理的产生和迅速发展主要受三个因素的影响:一是计算机的发展;二是数学的发展(特别是离散数学理论的创立和完善);三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。 [2] 展开全文
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。 [1]  数字图像处理的产生和迅速发展主要受三个因素的影响:一是计算机的发展;二是数学的发展(特别是离散数学理论的创立和完善);三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。 [2]
信息
外文名
Digital Image Processing
应用学科
通信、多媒体
中文名
数字图像处理
数字图像处理简介
数字图像处理(Digital Image Processing)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。
收起全文
  • 数字图像处理实战

    2019-07-29 14:17:46
    本课程内容主要选取自stanford EE368/CS232 课程的...本次课程包含图像算法和机器学习,编程工具主要包括python,c++,android,matlab,opencv,Tesseract等。 由于个人时间精力有限,课程将每隔2-3周发布一次。
  • 建议按照课程顺序学习,帮助大家更好的掌握该领域的应用和知识,并在实战编程中深入学习和开展研究。相信经过努力学习和反复实践,可以取得收获。
  • 数字图像处理领域 《数字图像处理 第三版 》作为主要教材已有30多年 这一版本是作者在前两版的基础上修订而成的 是前两版的发展与延续 除保留了前两版的大部分内容外 根据读者的反馈 作者在13个方面对《数字图像...
  • 复习着感觉记不住,于是乎,有了这篇博文,如果也同样选修了数字图像处理课程的小伙伴们可以参考一哈! 纯手码字…逢考必过! 概念 采样与量化 灰度变换缓慢的景物:粗采样、细量化 有大量细节变化的图像:...

    复习着感觉记不住,于是乎,有了这篇博文,如果也同样选修了数字图像处理课程的小伙伴们可以参考一哈! 纯手码字…逢考必过!

    概念

    采样与量化

    • 灰度变换缓慢的景物:粗采样、细量化
    • 有大量细节变化的图像:细采样、粗量化
      采样不够出现马赛克;量化不够出现假轮廓

    锐化:突出灰度的过渡部分(增强图像的细节边缘和轮廓,有利于图像的处理)

    • 方法:微分法高通滤波
    • 微分法包括梯度算子法拉普拉斯算子法;高通滤波包含空域高通滤波频域高通滤波

    平滑:用于模糊处理和降低噪声

    • 例:低通滤波、均值滤波、中值滤波(属于局部处理)

    平滑和锐化
    区别:图像锐化用于增强图像边缘,导致高频分量增强,会使图像清晰;图像平滑用于消除图像噪声,但也容易引起边缘的模糊
    联系:都属于图像增强,改善图像效果

    图像增强:通过某种技术有选择的突出对某一具体应用有用的信息,削弱或抑制一些无用的信息

    • 基于图像的灰度直方图,根据所在空间不同,分为空域和频域两种
    • 常用的彩色增强有:真彩色增强技术、假彩色增强技术、伪彩色增强技术

    一阶微分:用梯度算子来计算

    • 特点:对于亮的边,边的变化起点是正的,结束是负的;对于暗的边,结论相反;常数部分为0
    • 用途:用于检测图像中边的存在
      在这里插入图片描述

    二阶微分:用拉普拉斯算子来计算

    • 特点:二阶微分在亮的一边是负的,在暗的一边是正的。常数部分为0
    • 用途:
      • 二次导数的符号,用于确定边上像素是亮的一边还是暗的一边。
      • 0跨越,确定边的准确位置

    一阶微分算子和二阶微分算子在提取图像细节信息时有何不同?
    一阶微分算子产生较粗的边缘,二阶微分算子处理对细节有较强的响应,如细线和孤立点。二阶微分有一个过度,即从正回到负。在一幅图像中,该现象表现为双线。

    点处理

    • 例:二值化

    灰度方差:说明图像对比度(方差小,对比度小;方差大,对比度大)

    直方图均衡化:对在图像中像素的个数多的灰度级进行展宽,而对像素个数少的灰度级进行缩减,从而达到清晰图像的目的。

    图像分割的结果图像为二值图像,所以通常又称为图像分割为图像的二值化处理

    腐蚀是一种消除连通域边界点,使边界向内收缩的处理
    膨胀是将与目标区域背景点合并到该目标物中,使目标物边界向外部扩张的处理

    只存在噪声的复原——空间滤波

    均值滤波器:

    • 算术均值滤波器(最简单的均值滤波器)
    • 几何均值滤波器(几何均值滤波器比算术减少了对图像的模糊)
    • 谐波均值滤波器(对于"盐"噪声较好,但不适用于"胡椒"噪声;善于处理高斯噪声)
    • 逆谐波均值滤波器

    统计排序滤波器:

    • 中值滤波器(过度重复使用可能会对图像造成模糊)
    • 最大值和最小值滤波器(对于胡椒噪声(暗,值非常低),用最大值滤波器,发现图像中最亮点非常有用;对于盐粒噪声,用最小值滤波器,发现图像中最暗点非常有用)
    • 中点滤波器
    • 修正后的阿尔法均值滤波器

    由于脉冲噪声(椒盐噪声)的存在,算术均值滤波器和几何均值滤波器没有起到良好作用;中值滤波器和阿尔法滤波器效果更好,阿尔法最好。


    共点直线群Hough变换是一条正弦曲线

    边缘检测是将边缘像元识别出来的一种图像分割技术
    细化:提取线宽为一个像元大小的中心线操作

    图像复原的关键是建立退化模型,原图像f(x,y)是通过一个系统H及加入加性噪声n(x,y)而退化成一幅图像g(x,y)的,g(x,y)=H[f(x,y)]+n(x,y)g ( x , y ) = H [ f ( x , y ) ] + n ( x , y )

    几种噪声的运用

    • 高斯噪声源于电子电路噪声和由低照明度或高温带来的传感器噪声
    • 瑞利噪声对分布在图像范围内特征化噪声有用
    • 伽马分布和指数分布用于激光成像噪声
    • 均匀密度分布作为模拟随机数产生器的基础
    • 脉冲噪声用于成像中的短暂停留中,如错误的开关

    维纳滤波(最小均方误差)通常用于复原图像,在对图像复原过程中要计算噪声功率谱图像功率谱

    彩色图像增强时,加权均值滤波处理可以采用RGB彩色模型

    马赫带效应是指图像不同灰度级条带之间在灰度交界处存在毛边现象

    采用幂次变换进行图像灰度变换时,若图像偏亮,那么幂次取大于1,使得处理后图像变暗;若图像偏暗,那么幂次取小于1,使得处理后图像变亮;

    高通滤波后的图像通常较暗,为改善这种情况,将高通滤波器的转移函数加上一常量以便引入一些低频分量。这样的滤波器叫做高频提升滤波器

    边缘检测算子中,抗噪性能最好的是Prewitt算子

    链码:1)对于起点不一样导致结果不同,采用起点均一化,2)对于角度位置等不同导致的结果不一,采用差分(当前点值减去前一个值作为结果)


    简答

    当白天进入一个黑暗剧场时,在能看清并找到空座位时需要一段时间的适应,试述发生这种现象的视觉原理?
    人的视觉绝对不能同时在整个亮度适应范围工作,它是利用改变其亮度适应级来完成亮度适应的,即所谓的亮度适应范围。同整个亮度适应范围相比,能同时鉴别的光强度级的总范围很小。因此,白天进入黑暗剧场时,人的视觉系统需要改变亮度适应级,因此,需要一段时间,亮度适应级才能被改变。


    图像锐化滤波的几种方法
    1.直接以梯度值代替
    2.辅以门限判断
    3.给边缘规定一个特定的灰度级
    4.给背景规定灰度级
    5.根据梯度二值化图像


    什么是马赫带效应,如何利用这一效应对图像处理?
    原理:指图像不同灰度级条带之间在灰度交界处产生的毛边现象,使图像对比度加大,增加相邻灰度级的灰度差
    增加灰度级、灰度差,达到锐化效果


    伪彩色增强和假彩色增强有何异同?
    伪彩色增强是对一幅灰度图像经过三种变换得到三幅图像,进行彩色合成得到一幅彩色图像;
    假彩色增强则是对一幅彩色图像进行处理得到与原图像不同的彩色图像;

    • 主要差异:处理对象不同
    • 相同点:利用人眼对彩色的分辨能力高于灰度分辨能力的特点,将目标用人眼敏感的颜色表示

    什么是中值滤波,有何特点?
    中值滤波是指将当前像元的窗口(或频域)中所有像元灰度由小到大排序,中间值作为当前像元的输出值
    特点:是一种非线性的图像平滑法,它对脉冲干扰级椒盐噪声的抑制效果好,在抑制随机噪声的同时能有效保护边缘少受模糊

    对于椒盐噪声,为什么中值滤波效果比均值滤波效果好?
    椒盐噪声是复制近似相等但随机分布在不同的位置上,图像中有干净点也有污染点。中值滤波是选择适当的点来代替污染点的值,所以处理效果好。因为噪声的均值不为0,所以均值滤波不能很好地去除噪声


    什么是直方图均衡化?
    将原图像的直方图通过变换函数修正为均匀的直方图,然后按均衡直方图修正原图像。图像均衡化处理后,图像的直方图是平直的,即各灰度级具有相同的出现频数,那么由于灰度级具有均匀的概率分布,图像看起来就更清晰了


    图像增强的目的是什么?(灰度变换、直方图修正、图像锐化、图像平滑)
    图像增强的目的是为了改善图像的视觉效果,针对给定图像的应用场合,有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果,满足某些特殊分析的需要。
    图像增强时,平滑和锐化具有哪些实现方法?
    平滑:领域平均法(均值滤波)中值滤波多图像平均法频域低通滤波法
    锐化:微分法高通滤波法


    简述梯度法与 Laplacian 算子检测边缘的异同点?
    答:梯度算子和 Laplacian 检测边缘对应的模板分别为
    在这里插入图片描述
    梯度算子是利用阶跃边缘灰度变化的一阶导数特性,认为极大值点对应于边缘点;而 Laplacian 算子检测边缘是利用阶跃边缘灰度变化的二阶导数特性,认为边缘点是零交叉点。


    简述基于边缘检测的霍夫变换的原理?
    把直线上的点的坐标变换到过点的直线的系数域,通过利用共线和直线相交的关系,使直线的提取问题转化为计数问题


    计算题

    Sobel算子
    在这里插入图片描述

    在这里插入图片描述
    在这里插入图片描述

    在这里插入图片描述

    直方图均衡化(离散情况、连续情况),下面这题为离散情况的

    下面这题为连续情况:
    在这里插入图片描述


    理想低通滤波器的截止频率选择不恰当时,会有很强的振铃效应。试从原理上解释振铃效应的产生原因。

    答:理想低通滤波器(频域)的传递函数为:H(u,v)={1D(u,v)D00D(u,v)>D0H ( u , v ) = \left\{ \begin{array} { l l } { 1 } & { D ( u , v ) \leq D _ { 0 } } \\ { 0 } & { D ( u , v ) > D _ { 0 } } \end{array} \right.

    滤波器半径交叉部分(侧面图):

    对应空间域(进行傅立叶反变换,为sinc函数):

    用理想低通滤波器滤波时,频域:G(u,v)=F(u,v)H(u,v)G ( u , v ) = F ( u , v ) H ( u , v )

    傅立叶反变换到时域有:g(x,y)=f(x,y)h(x,y)g ( x , y ) = f ( x , y ) * h ( x , y )

    频域相乘相当于时域作卷积。因此,图像经过理想低通滤波器后,时域上相当于原始图像与sinc函数卷积,由于sinc函数振荡,则卷积后图像也会振荡;或者说由于sinc函数有两个负边带,卷积后图像信号两侧出现“过冲现象”,而且能量不集中,即产生振铃效应。若截止频率越低,即D0越小,则sinc函数主瓣越大,表现为中心环越宽,相应周围环(旁瓣)越大。而中心环主要决定模糊,旁瓣主要决定振铃效应。因此当截止频率较低时,会产生很强的振铃效应。选择适当的截止频率,会减小振铃效应

    PS:这里的时域也就是空间域


    逆滤波时,为什么在图像存在噪声时,不能采用全滤波?试采用逆滤波原理说明,并给出正确的处理方法。

    复原由退化函数退化的图像最直接的方法是直接逆滤波,在该方法中,用退化函数除退化图像的傅里叶变换来计算原始图像的傅里叶变换。

    F^(u,v)=G(u,v)H(u,v)=F(u,v)+N(u,v)H(u,v)\hat { F } ( u , v ) = \frac { G ( u , v ) } { H ( u , v ) }= F(u,v) + \frac { N(u,v) } { H(u,v)}

    上式说明即使知道退化函数,也不能准确地复原未退化的图像。因为噪声是一个随机函数,其傅氏变换未知。并且,实际应用逆滤波复原方法时存在病态的问题,即如果退化为零或非常小的值,则N(u,v)/H(u,v)之比很容易决定复原函数的值。

    实验证明,当退化图像的噪声较小,即轻度降质时,采用逆滤波复原的方法可以获得较好的结果。通常,在离频率平面原点较远的地方数值较小或为零,因此图象复原在原点周围的有限区域内进行,即将退化图象的傅立叶谱限制在没出现零点而且数值又不是太小的有限范围内。

    也就是说,解决退化函数为零或为非常小的值的问题的一种方法是,限制滤波的频率,使其接近原点。

    逢考必过!锦鲤附体!逢考必过!锦鲤附体!逢考必过!锦鲤附体! 重要的事情说三遍!

    展开全文
  • 学习教材:《数字图像处理 MATLAB版》(第二版) 冈萨雷斯 文章目录一、学习目录二、学习扩展 一、学习目录 《绪言》上 二、学习扩展 安装MATLAB

    学习教材:《数字图像处理 MATLAB版》(第二版) 冈萨雷斯

    学习过程中的图片及代码,需要的可以评论留下邮箱,与君共勉

    一、内容学习

    第一章《绪言》

    1. 入门概念
    2. 图像的输入,输出和显示(imread/imshow/imwrite/size/whos)
    3. 类和图像类型(数据类型/二值图像/islogical/im2uint8/mat2gray)
    4. M函数编程:M文件和运算符
    5. M函数编程:流控制和数组、矩阵、逻辑索引
    6. M函数编程:函数句柄、单元数组、结构和代码优化(tic/toc/timeit)

    第二章《灰度变换与空间滤波》

    1. 概述
    2. 灰度变换函数:imadjust/imcomplement/stretchlim
    3. 灰度变换函数:对数及对比度拉伸变换 (g = c*log(1+f))
    4. 灰度变换函数:指定任意灰度变换和另一种用于灰度变换的M函数 (intrans / gscale/nargin/nargout/nargchk/varargin/varargout/imterpl)
    5. 直方图处理与函数绘图:生成并绘制直方图 (imhist / bar / stem / plot/ fplot)
    6. 直方图处理与函数绘图:直方图均衡 (函数histeq / 函数cumsum)
    7. 直方图处理与函数绘图:直方图匹配 (函数histeq)
    8. 直方图处理与函数绘图:对比度受限的自适应直方图均衡函数 adapthistteq
    9. 空间滤波:线性空间滤波 (函数imfilter)
    10. 空间滤波:非线性空间滤波 (函数 colfilt/padarray/)
    11. 空间滤波:线性空间滤波器 (fspecial / imfilter)
    12. 空间滤波:非线性空间滤波器 (ordfilt2 / medfilt2)

    第三章 《频率域滤波》

    1. 二维离散傅里叶变换
    2. 在MATLAB中计算和观察二维DFT (fft2 / abs / fftshift / ifftshift / ifft2 / real / angle / atan2)
    3. 频率域滤波:基础
    4. 频率域滤波:DFT滤波的基本步骤
    5. 频率域滤波:可用的M函数 (函数dftfilt)
    6. 从空间滤波器获得频率域滤波器 (freqz2)
    7. 创建实现频率域滤波器的网格数组 (dftuv)
    8. 低通(平滑)频率域滤波器 (lpfilter)
    9. 绘制线框图和表面图 (mesh / surf / meshgrid)
    10. 基本的高通滤波器 (函数hpfilter)
    11. 高频强调滤波

    第四章 《图像复原与重建》

    1. 图像退化 / 复原处理的模型
    2. 使用函数 imnoise 对图像添加噪声
    3. 使用规定分布生成空间随机噪声(imnoise2)
    4. 周期噪声(imnoise3)
    5. 估计噪声参数(statmoments 和 roipoly)
    6. 空间噪声滤波器(spfilt)
    7. 自适应空间滤波器(adpmedia)
    8. 使用频率域滤波降低周期噪声
    9. 退化函数建模(pixeldup)
    10. 直接逆滤波
    11. 维纳滤波( deconvmnr / edgetaper )
    12. 由投影重建图像:理论知识
    13. 函数 radon / phantom / flipud
    14. 函数 iradon
    15. 处理扇形射线束数据(fanbeam / ifnbeam / fan2para / para2fan)

    第五章 《彩色图像》

    1. RGB 图像(rgbcube)
    2. 索引图像 (colormap / imapprox / whitebg)
    3. 处理 RGB 和索引图像的函数()
    4. 彩色空间转换({NTSC,YCbCr,HSV,CMY和CMYK,HSI,} ice / interp1q / spline)
    5. 与设备无关的彩色空间(makecform / applycform / repmat / iccread / cat)
    6. 彩色图像处理基础
    7. 彩色变换
    8. 彩色图像平滑(提取分量图像 / rgb2hsi)
    9. 彩色图像锐化
    10. 使用梯度进行彩色边缘检测(colorgrad)
    11. 在 RGB 向量空间中进行图像分割(colorseg / immultiply / reshape / find / diag)

    第六章 《图像压缩》

    1. 概述背景(imratio / whos / compare)
    2. 图像压缩编码冗余 (ntrop / hist / 熵)
    3. 霍夫曼码(huffman / golabl / cell / sort / celldisp / cellplot)
    4. 霍夫曼编码(mat2huff)
    5. 霍夫曼解码(代码待解决)
    6. 空间冗余(mat2lpc / lpc2mat / )
    7. 心里视觉冗余(quantize)

    第七章 《图像分割》

    1. 图像分割概述
    2. 点检测
    3. 线检测(pixeldup)
    4. 使用函数 edge 检测边缘(Sobel / LoG / Canny)
    5. 霍夫变换背景知识
    6. 工具箱霍夫函数(hough / houghpeaks / houghlines)
    7. 阈值处理基础知识
    8. 基本的全局阈值处理(mean2 / im2bw)
    9. 使用 Otsu 方法进行最佳全局阈值处理(graythresh)
    10. 使用图像平滑改进全局阈值处理
    11. 使用边缘改进全局阈值处理(percentile2i)
    12. 基于局部统计的可变阈值处理(stdfilt / localmean / localthresh)
    13. 使用移动平均的图像阈值处理(movingthresh)

    二、扩展学习

    1. 安装MATLAB
    2. MATLAB破解版解决帮助文档需要许可证的问题
    3. 一篇文章带你快速入门 MATLAB
    4. MATLAB快捷键
    5. MATLAB:运行出现 “ 未定义函数或变量 ”
    6. MATLAB:未定义函数或变量 ‘tofloat’。
    7. MATLAB:imshow(f)和imshow(f,[ ])的区别
    8. MATLAB 中矩阵和数组
    9. MATLAB 中(),[],与{}的区别和认识
    10. 数字图像处理中常用的 MATLAB 函数
    11. 数字图像处理:名词解释
    12. 数字图像处理:常用函数
    13. 图像处理过程中为什么有时需要进行归一化处理 ?
    14. 实现线性空间滤波对图像 f 进行零填充的原因 ?
    15. 傅里叶变换滤波时,为什么需要对输入数据进行零填充?
    16. 傅里叶频谱图像的显示问题
    17. 傅里叶反变换时的缩放(标定)问题
    18. 深入理解 - 拉普拉斯滤波器
    19. 深入理解 - 时域、频域和空间域
    20. 深入理解 - 傅里叶变换
    21. 深入理解 - 卷积
    22. 深入理解 - 图像噪声
    23. 深入理解 - 图像梯度
    24. 遇到的知识性问题
    展开全文
  • 1.1 图像与图像处理的概念 图像(Image): 使用各种观测系统以不同形式和手段观测客观世界而获得的,可以直接或间接作用于人眼并进而产生视觉的实体。包括: ·各类图片,如普通照片、X光片、遥感图片; ·各类...

    1.1 图像与图像处理的概念

    图像(Image): 使用各种观测系统以不同形式和手段观测客观世界而获得的,可以直接或间接作用于人眼并进而产生视觉的实体。包括:

    ·各类图片,如普通照片、X光片、遥感图片;

    ·各类光学图像,如电影、电视画面;

    ·客观世界在人们心目中的有形想象以及外部描述,如绘画、绘图等。

    数字图像:为了能用计算机对图像进行加工,需要把连续图像在坐标空间和性质空间都离散化,这种离散化了的图像是数字图像。

    图像中每个基本单元叫做图像的元素,简称像素(Pixel)。

    数字图像处理(Digital Image Processing):是指应用计算机来合成、变换已有的数字图像,从而产生一种新的效果,并把加工处理后的图像重新输出,这个过程称为数字图像处理。也称之为计算机图像处理(Computer Image Processing)。

    1.2 图像处理科学的意义

    1.图像是人们从客观世界获取信息的重要来源

    ·人类是通过感觉器官从客观世界获取信息的,即通过耳、目、口、鼻、手通过听、看、味、嗅和接触的方式获取信息。在这些信息中,视觉信息占70%。

    ·视觉信息的特点是信息量大,传播速度快,作用距离远,有心理和生理作用,加上大脑的思维和联想,具有很强的判断能力。

    ·人的视觉十分完善,人眼灵敏度高,鉴别能力强,不仅可以辨别景物,还能辨别人的情绪。

    2.图像信息处理是人类视觉延续的重要手段

    非可见光成像。如:γ射线、X射线、紫外线、红外线、微波。利用图像处理技术把这些不可见射线所成图像加以处理并转换成可见图像,可对非人类习惯的那些图像源进行加工。

    3.图像处理技术对国计民生有重大意义

    图像处理技术发展到今天,许多技术已日益趋于成熟,应用也越来越广泛。它渗透到许多领域,如遥感、生物医学、通信、工业、航空航天、军事、安全保卫等。

    1.3 数字图像处理的特点

    1. 图像信息量大

    每个像素的灰度级至少要用6bit(单色图像)来表示,一般采用8bit(彩色图像),高精度的可用12bit或16bit。

    一般分辨率的图像像素为256×256、 512×512 256×256×8=64kB 512×512×8=256kB

    高分辨率图像像素可达1024×1024、2048×2048

    1024×1024×8=1MB 2048×2048×8=4MB

    如:X射线照片一般用64到256kB的数据量 一幅遥感图像3240×2340×4≈30Mb

    2. 图像处理技术综合性强

    一般来说涉及通信技术、计算机技术、电视技术、电子技术,至于涉及到的数学、物理学等方面的基础知识就更多。

    3.图像信息理论与通信理论密切相关

    图像理论是把通信中的一维问题推广到二维空间上来研究的。

    通信研究的是一维时间信息,时间域和频率域的问题。任何一个随时间变化的波形都是由许多频率不同、振幅不同的正弦波组合而成的。

    图像研究的是二维空间信息,研究的是空间域和空间频率域(或变换域)之间的关系。任何一幅平面图像是由许多频率、振幅不同的X-Y方向的空间频率波相叠加而成。

    1.4 数字图像处理的主要方法

    1.空域法

    把图像看作是平面中各个像素组成的集合,然后直接对这一二维函数进行相应的处理。主要有两大类:

    · 域处理法:包括梯度运算,拉普拉斯算子运算,平滑算子运算和卷积运算。

    · 点处理法:包括灰度处理,面积、周长、体积、重心运算等等。

    2.变换域法

    数字图像处理的变换域处理方法是首先对图像进行正交变换,然后在施行各种处理,处理后再反变换到空间域,得到处理结果。 包括滤波、数据压缩、特征提取等处理。

    1.5 数字图像处理的主要内容

    完整的数字图像处理系统大体上可分为如下几个方面:

    1.图像的信息的获取(Image information acquisition)

    把一幅图像转换成适合输入计算机和数字设备的数字信号。需要两个部件以获取数字图像:

    (1)物理设备,该设备对我们希望成像的物体发射的能量很敏感。

    (2)数字化器,是一种把物理感知装置的输出转化为数字形式的设备。

    常见的图像输入设备有:扫描仪、摄像机、数码相机、图像采集卡等

    2.图像信息的存储(Image information storage)

    主要有三类:

    (1)处理过程中使用的快速存储器;

    ·计算机内存。

    ·帧缓存,通常可存储多幅图像并可以视频速度读取。它可以允许对图像进行放大、缩小,以及垂直翻转和水平翻转。

    (2)用于比较快的重新调用的在线或联机存储器;

    ·磁盘,可存储几个G byte的数据;

    ·磁光存储器,可在51/4英寸的光片上存储上G byte的数据;

    ·光盘塔,一个光盘塔可放几十个到几百个光盘,利用机械装置插入或从光盘驱动器中抽取光盘。

    (3)不经常使用的数据库(档案库)存储器。

    ·磁带。长13英尺的磁带可存储近1G byte的数据,但储藏寿命较短。

    ·一次写多次读(WORM)光盘。可在12英寸的光盘上存储6G byte数据,在14英寸的光盘上存储10G byte数据,并易于储藏。

    3.图像信息的传送(Image information transmission)

    可分为系统内部传送与远距离传送:

    (1)内部传送:

    指在不同设备间交换图像数据。现在有许多用于局域通信的软件和硬件以及各种标准协议。多采用DMA(Direct Memory Access)技术以解决速度问题。

    (2)外部远距离传送:

    主要问题是图像数据量大而传输通道比较窄。

    这一状况由于光纤和其他宽带技术的发展,正在迅速得到改进。另一方面,解决这个问题需要依靠对图像数据压缩。

    4.图像的输出与显示

    图像处理的最终目的是为人或机器提供一幅更便于解释和识别的图像。因此图像的输出也是图像处理的重要内容之一。

    主要分两类:(1)硬拷贝(记录图像)。如激光打印机、胶片照相机、热敏装置、喷墨装置和数字单元(如CD-ROM)等。

    (2)软拷贝。如CRT (Cathode Ray Tube)显示、液晶显示器(LCD)、场致发光显示(FED)。

    5.数字图像处理(Digital image processing)

    主要包括以下几项内容:

    (1)几何处理(Geometrical Image Processing)

    主要包括坐标变换,图像的放大、缩小、旋转、移动,多个图像配准,全景畸变校正,扭曲校正,周长、面积、体积计算等。

    (2)算术处理(Arithmetic Processing)

    主要对图像施以+、-、×、÷等运算,虽然该处理主要针对像素点的处理,但非常有用,如医学图像的减影处理就有显著的效果。

    (3)图像增强(Image Enhancement)

    就是突出图像中感兴趣的信息,而减弱或去除不需要的信息,从而使有用信息得到加强。

    ·改善图像的视觉效果,提高图像成分的清晰度;

    ·使图像变得更有利于计算机处理,便于进一步进行区分或解释。

    (4)图像复原(或恢复)(Image Restoration)

    就是尽可能地减少或者去除图像在获取过程中的降质(干扰和模糊),恢复被退化图像的本来面貌,从而改善图像质量。

    关键是对每种退化(图像品质下降)建立一个合理的模型。

    (5)图像重建(Image Reconstruction)

    是从数据到图像的处理。即输入的是某种数据,而处理结果得到的是图像。典型应用有CT技术和三维重建技术。

    (6)图像编码(Image Encoding)

    主要是利用图像信号的统计特性及人类视觉的生理学及心理学特征对图像信号进行高效编码,其目的是压缩数据量,以解决数据量大的矛盾。

    (7)图像识别(Image Recognition)

    利用计算机识别出图像中的目标并分类、用机器的智能代替人的智能。它所研究的领域十分广泛,如,机械加工中零部件的识别、分类;从遥感图片中分辨农作物、森林、湖泊和军事设施;从气象观测数据或气象卫星照片准确预报天气;从X光照片判断是否发生肿瘤;从心电图的波形判断被检查者是否患有心脏病;在交通中心实现交通管制、识别违章行驶的汽车及司机,等等。

    1.6 数字图像处理的起源与应用

    数字图像处理的起源:

    最早可追溯到20世纪20年代,借助打印设备进行数字图像的处理。

    基于光学还原的技术,该技术在电报接收端用穿孔纸带打出图片。

    到1929年由早期的用5个灰度等级对图像编码,增加到15个等级。

    真正数字图像处理技术的诞生可追溯到20世纪60年代早期。

    数字图像处理技术在20世纪60年代末和20世纪70年代初开始用于医学图像、地球遥感监测和天文学等领域。

    数字图像处理主要应用于下面的几个领域:

    (1) 通讯

    按业务性能划分可分为:电视广播传真、可视电话、会议电视、图文电视、可视图文以及电缆电视。

    按图像变化性质分可分为:静止图像和活动图像通信。

    (2) 遥感

    航空遥感和卫星遥感图像都需要数字图像处理技术的加工处理,并提取出有用的信息。主要用于土地测绘,资源调查,气候监测,农作物估产,自然灾害预测预报,环境污染监测,气象卫星云图处理以及地面军事目标的识别。

    (3) 生物医学领域中的应用

    计算机图像处理在医学上应用最成功的例子就X射线CT(X-ray Computed Tomography),20世纪70年代发明的计算机轴向断层术(CAT),简称计算机断层。

    (4) 工业生产中的应用

    从70年代起得到了迅速的发展,图像处理技术的重要应用领域。在生产线中对产品及部件进行无损检测,如食品、水果质量检查,无损探伤,焊缝质量或表面缺陷 等等。

    (5) 军事、 公安等方面的应用

    军事目标的侦察、制导和警戒系统、自动灭火器的控制及反伪装;公安部门的现场照片、指纹、手迹、人像等的处理和辨识;历史文字和图片档案的修复和管理等。

    (6) 教学和科研领域

    如科学可视化技术,远程培训及教学也将大量使用图像处理技术的成果。

    (7) 电子商务

    如身份认证、产品防伪、水印技术等。

    1.7 数字图像处理领域的发展动向

    需进一步研究的问题:

    (1)在进一步提高精度的同时着重解决处理速度问题。

    (2)加强软件研究、开发新的处理方法。

    (3)加强边缘学科的研究工作,促进图像处理技术的发展。

    (4)加强理论研究,逐步形成图像处理科学自身的理论体系。

    (5)图像处理领域的标准化。

    未来发展动向大致可归纳为:

    (1)图像处理的发展将围绕HDTV的研制,开展实时图像处理的理论及技术研究,向着高速、高分辨率、立体化、多媒体化、智能化和标准化方向发展。

    (2)图像、图形相结合,朝着三维成像或多维成像的方向发展。

    (3)硬件芯片研究。

    (4)新理论与新算法研究。

    2-1. 数字数据传输通常用波特率度量,其定义为每秒中传输的比特数。通常的传输是以一个开始比特、一个字节(8比特)的信息和一个停止比特组成的包完成的。基于这个概念回答下列问题:

    (a)用56K波特的调制解调器传输一幅1024×1024、256级灰度的图像要花费几分钟?

    (b)以750K波特[是典型的电话DSL(数字用户线)连接的速度]传输要用多少时间?

    解:(a)传输数据包(包括起始比特和终止比特)为:N=n+m=10bits

    对于一幅1024×1024 大小的图像,其总的数据量为M=(1024)2×N,

    故以56K 波特的速率传输所需时间为T=M/56000=(1024)2×(8+2)/56000=187.25s=3.1min

    (b) 以750K 波特的速率传输所需时间为T=M/56000=(1024)2×(8+2)/750000=14s

    (类似题目) 在串行通信中,常用波特率描述传输的速率,它被定义为每秒传输的数据比特数。串行通信中,数据传输的单位是帧,也称字符。假如一帧数据由一个起始比特位、8 个信息比特位和一个结束比特位构成。根据以上概念,请问:

    (1)如果要利用一个波特率为56kbps(1k=1000)的信道来传输一幅大小为1024×1024、256级灰度的数字图像需要多长时间?

    (2)如果是用波特率为750kbps 的信道来传输上述图像,所需时间又是多少?

    (3)如果要传输的图像是512×512的真彩色图像(颜色数目是32 bit),则分别在上面两种信道下传输,各需要多长时间?

    解答:

    (1)传输的比特数为1024×1024×8×(1+8+1)/8=10485760,则在波特率为56kbps 的信道上传输时,所需时间为10485760/56000=187.25 秒。

    (2)传输的比特数为1024×1024×8×(1+8+1)/8=10485760,则在波特率为750kbps 的信道上传输时,所需时间为10485760/750000=13.98 秒=14s。

    (3)传输的比特数为512×512×32×(1+8+1)/8=10485760。在波特率为56kbps 的信道上传输时,所需时间为10485760/56000=187.25 秒;在波特率为750kbps 的信道上传输时,所需时间为10485760/750000=13.98 秒。

    2.11 两个图像子集S1和S2图下图所示。对于V={1},确定这两个子集是(a)4-邻接,(b)8-邻接,还是(c)m邻接的?

    解a) S1 和S2 不是4 连接,因为q 不在N4(p)集中。

    (b) S1 和S2 是8 连接,因为q 在N8(p)集中。

    (c) S1 和S2 是m 连接,因为q 在集合ND(p)中,且N4(p)∩ N4(q)没有V 值的像素

    2-3.考虑如下所示的图像分割:

    (a)令V={0,1}并计算p和q间的4,8,m通路的最短长度。如果在这两点间不存在特殊通路,其解释原因。

    (b)对V={1,2}重复上题。

    解: (1) 在V={0,1}时,p和q之间通路的D4距离为∞,D8距离为4,Dm距离为5。

    (2) 在V={1,2}时,p和q之间通路的D4距离为6,D8距离为4,Dm距离为6。

    解:(a) 当V={0,1}时,p 和q 之间不存在4 邻接路径,因为不同时存在从p 到q 像素的4 毗邻像素和具备V 的值,情况如图(a)所示。p 不能到达q。8 邻接最短路径如图(b)所示,其最短长度为4。m邻接路径如图(b)虚线箭头所示,最短长度为5。这两种最短长度路径在此例中均具有唯一性。

    (b) 当V={1, 2}时,最短的4 邻接通路的一种情况如图(c)所示,其长度为6,另一种情况,其长度也为6;8 邻接通路的一种情况如图(d)实线箭头所示,其最短长度为4;m 邻接通路的一种情况如图(d)虚线箭头所示,其最短长度为6.

    3.6试解释为什么离散直方图均衡技术一般不能得到平坦的直方图?

    答:(翻译答案)所有均衡直方图是大规模的映射组件。获得一个统一的直方图要求对像素强度进行重新分配,这样使n/L像素组具有相同的强度,L是离散的强度水平。n=MN是输入图像的总像素。直方图均衡方法没有规定这类(人工)强度的再分配过程。

    (百度答案:)由于离散图像的直方图也是离散的,其灰度累积分布函数是一个不减的阶梯函数。如果映射后的图像仍然能取到所有灰度级,则不发生任何变化。如果映射的灰度级小于256,变换后的直方图会有某些灰度级空缺。即调整后灰度级的概率基本不能取得相同的值,故产生的直方图不完全平坦。

     

    问题3.21

    分别应用n=23、25和45的方形均值掩膜处理下面一幅图像。结果发现当n=23、45时,处理后图像中左下角的垂直竖条被模糊了,但是竖条与竖条之间的分割仍然很清楚。当n=25时,竖条却已经融入了整幅图像,尽管产生这幅图像的掩膜比45小得多,请解释这一现象。

    注:垂直线段是5个像素宽,100个像素高;它们的间隔是20个像素。

    3.22 以下的三幅图像是分别通过n=23,25和45的方形均值掩模处理后的模糊图像。图(a)和(c)中左下角的垂直竖条被模糊了,但竖条与竖条之间的分割仍然很清楚。但图(b)中的竖条却已经融人了整幅图像,尽管产生这幅图像的掩模要比处理图像(c)的小得多,请解释这一现象。

    解:从图可知,垂直线有5个像素宽,100像素高,他们的间隔是20像素。问题是相关的现象与水平之间的间隔线有关,所以我们可以简化问题,考虑一个单一的扫描行通过线的图像。回答这个问题的关键在于实际之间的距离(无像素)开始的线条,下一个(其右面)是25个像素。考虑扫描线,如图,同样显示是一个断面25 x25掩膜。掩膜反应包括的像素是平均的。我们注意到,当一个像素掩膜移动右面,它失去了左边竖线的价值,可是它捡起一个相同的一个在右边,所以反应不会改变。

    事实上,多少像素属于垂直线和包含在掩膜并不会改变,无论在掩膜的任何地方(只要是包含在线内,而不是在边缘附近线)。这一事实的线像素数量低于掩膜并不会改变是由于特有的线条和分隔线之间的宽度的相当于25像素。这个常数宽度的反应是没有看到白色的差距在问题的声明中图像显示的理由。注意这个常数不发生在23 x23或45 x45的掩膜,因为他们不是同步与线条宽度和将它们分开的距离。

    补充注意:在这张图中还有明显的边界现象。这是因为为了使处理后图像大小不变,在原始图像的边缘以外补0,经处理后再去除添加区域的结果。而且滤波器越大边界越宽。

    结论:空间均值处理是为得到感兴趣物体的一个粗略的描述而模糊一幅图像。较小物体与背景混合在一起,较大物体变得像“斑点”而易于检测。而模板的大小由那些将融入背景中去的物体的尺寸决定。

    Problem 5.18 6-2.

    设一幅图像的模糊是由于物体在x方向的匀加速运动产生的。当t=0时物体静止,在t=0到t=T间物体加速度是x0(t)=at2/2,求转移函数H(u,v)。讨论匀速运动和匀加速运动所造成的模糊的不同特点。

    Problem 5.22 6-1.

    成像时由于长时间曝光受到大气干扰而产生的图像模糊可以用转移函数H(u,v)=exp[-(u2+v2)/2σ2]表示。这噪声可忽略,求恢复这类模糊的维纳滤波器的方程。

    噪声可忽略时,维纳滤波器退化成理想的逆滤波器,所以

    答:这是一个简单的插件问题。其目的是熟悉各种维纳滤波器

    问题5.27 6-3.

    一位考古学家在作流通货币方面的研究。最近发现,有4个罗马帝国时期的罗马硬币对它的研究可以起到决定性作用。它们被列在伦敦大英博物馆的馆藏目录中,遗憾的是,他到达那里之后,被告知现在硬币已经被盗了,但博物馆保存了一些照片。只是由于摄取照片时照相机的散焦,硬币的照片是模糊的,无法看清上面小的标记。

    已知用来拍摄图像的原照相机一直能用,另外馆内还有同一时期的其他硬币。你能否帮助教授恢复图像,使他能看清这些标记?请给出解决这一问题的过程。

    这个问题背后的基本思想是使用相机和代表硬币反应动力学的降解过程,利用这个结果对其进行逆滤波器操作。主要步骤如下:

    1。选择和丢失的硬币大小和内容尽可能接近的硬币。选择与丢失的硬币照片有接近的纹理和亮度的背景

    2. 建立摄影相机几何图像库尽可能的接近类似丢失的硬币的图像。获得一些测试的照片。简化实验,获得能够给出类似测试图片图像的电视相机。这可以通过相机与图像处理系统从而生成将在实验中应用的数字图像。

    3。获得每一个硬币的图像有不同的镜头设置。由此产生的图像的角度,大小(这个与背景区域有关)方面与丢失的硬币的模糊照片接近。

    4.在第三步中为每一个图像的镜头设置是对丢失的硬币信息图像模糊处理的模型。每个这样的设置,移动硬币及其背景并用一个规定背景下的小亮点来替代它,或者用另外的机制时期接近于一个光脉冲。数字话这个脉冲。这是模糊处理的变换功能叫傅里叶变换。

    5.数字化丢失硬币的模糊照片得到它的傅里叶变换形式。每个硬币有函数H(u,v)和G(u,v)描述。

    6.用维纳滤波器得到一个近似的F(u,v)。

    7.对每个*F(u,v)进行傅里叶反变换可以得出硬币的恢复图像。通常这样的基本步骤都可以用来解决这样的问题。

     

    6.18 证明彩色图像的补色的饱和度分量不能单独地由输入图像的饱和度分量计算出来。

    我们看到,最基本的问题是许多不同的颜色有相同的饱和度值。在那里纯红、黄、绿、青色、蓝色,洋红都有一个饱和1。也就是说只要任何一个RGB组件是0,将产生一个饱和1。

    考虑RGB颜色(1,0,0)和(0,0.59,0),其代表红色和绿色的映射。HSI颜色值分别为 (0,1,0.33)和(0.33 ,1,0.2)。现在RGB的初始补充值分别为(0、1,1)和(1,0.41,1),相应的颜色是青和洋红。他们的HSI值分别为(0.5, 1,0.66)和(0.83,0.48,0.8)。因此为红色,一个起始饱和度1取得的青色“补充”饱和度1,而为绿色,一个起始饱和度1取得洋红“互补”饱和度0.48。也就是说,起始同样的饱和度值导致两个不同的“互补”饱和度。饱和本身并不是足够的信息计算饱和度补充颜色。

    6.22 假定一个成像系统的监视器和打印机没有完美校准。在该监视器上看起来平衡的一幅图像打印时出现了青色。描述可矫正这种不平衡的通用变换。

    答:我们就可以通过如下几种方法减少黄色的比例(1)减少黄色、(2)增加蓝色、(3)增加青色和洋红、(4)减少红色和绿色

    11.1(a)重新定义链码的一个起始点,以便所得的数字序列形成一个最小整数值。请证明该编码与边界上的初始起点无关

    数字图像一般是按固定间距的网格采集的,所以最简单的链码是顺时针跟踪边界并赋给每两个相邻像素的连线一个方向值。问题的关键是要认识到, 在一个链码中每个元素值是相对于它的前身的值。这个代码的边界,追踪在一个一致的方式(例如,顺时针),是一种独特的循环组编号。在不同的地点开始在这个设定不改变循环序列的结构。选择的最小整数的函数为出发点仅仅识别中同一点序列。即使出发点并非是独一无二的,该方法仍然会给一个独特的序列。例如,101010年有3个不同的序列的起点,但他们都产生相同的最小整数010101。

    (b)求出链码0101030303323232212111的一阶差分

    答: 3131331313031313031300

    4. 求下图中目标的形状数和形状数的阶。

     

    链码: 110003301232

    微分码 303003011113

    形状数 003011113303

    阶 12

    2. 为什么一般情况下对离散图像的直方图均衡化并不能产生完全平坦的直方图?【因为同一个灰度值的各个象素没有理由变换到不同灰度级,所以数字图像的直方图均衡化的结果一般不能得到完全均匀分布的直方图,只是近似均匀的直方图。】

    3. 设已用直方图均衡化技术对一幅数字图像进行了增强,如再用这一方法对所得结果增强会不会改变其结果?【从原理上分析,直方图均衡化所用的变换函数为原始直方图的累积直方图,均衡化后得到的增强图像的累积直方图除有些项合并外,其余项与原始图像的累积直方图相同。如果再次均衡化,所用的变换函数即为均衡化后得到的增强图像的累积直方图(并且不会有新的合并项),所以不会改变其结果。】

    4. 设工业检测中工件的图像受到零均值不相关噪声的影响。如果图像采集装置每秒可采集30幅图像,要采用图像平均法将噪声的均方差减少到1/10,那么工件需保持多长时间固定在采集装置前?

    小结

    傅立叶变换(FFT) 具有快速算法,数字图象处理中最常用。需要复数运算。可把整幅图象的信息很好地用若干个系数来表达。

    余弦变换(DCT) 有快速算法,只要求实数运算。在相关性图象的处理中,最接近最佳的K-L变换,在实现编码和维纳滤波时有用。同DFT一样,可实现很好的信息压缩。

    沃尔什-哈达玛变换(WHT) 在数字图象处理的硬件实现时有用。容易模拟但很难分析。在图象数据压缩、滤波、编码中有应用。信息压缩效果好。

    Haar变换 非常快速的一种变换。在特征抽取、图像编码、图像分析中有用。信息压缩效果平平。

    Slant变换 一种快速变换。图像编码中有用,有很好的信息压缩功能。

    K-L变换(KLT) 在许多意义下是最佳的。无快速算法。在进行性能评估和寻找最佳性能时有用。对小规模的向量有用,如彩色多谱或其他特征向量。对一组图像集而言,具有均方差意义下最佳的信息压缩效果。

    奇异值分解(SVD) 对任何一幅给定的图像而言,具有最佳的信息压缩效果。无快速算法。设计有限冲激响应(FIR)滤波器时,寻找线性方程的最小范数解时有用。潜在的应用是图像恢复,能量估计和数据压缩。

    5-1. 有一种常见的图像增强技术是将高频增强和直方图均衡化结合起来以达到使边缘锐化的反差增强效果,以上两个操作的先后次序对增强效果有影响吗,为什么?【有,高频增强是一种线性操作,但直方图均衡化是一种非线性操作,所以两个操作的先后次序对增强效果有影响,不能互换。】

    5-2. 在天体研究所获得图像中有一些相距很远的对应恒星的亮点。由于大气散射原因而迭加的照度常使得这些亮点很难看清楚。如果将这类图像模型化为恒定亮度的背景和一组脉冲的乘积,根据同态滤波的概念设计一种增强方法将对应恒星的亮点提取出来。

    【恒定亮度的背景对应低频成分,脉冲则对应高频成分,所以对乘积取对数可将两种成分区别开分别处理。根据同态滤波的概念可设计减少低频成分,增加高频成分的滤波器。】

    19为什么伪彩色处理可以达到增强的效果呢?

    由于人眼对彩色的分辨能力远远大于对黑白灰度的分辨率。对于一般的观察者来说。通常能分辨十几级灰度,就是经专业训练的人员也只能分辨几十级灰度。而对于彩色来说,人的眼睛可分辨出上千种彩色的色调和强度。因此,在一幅黑白图像中检测不到的信息,经伪彩色增强后可较容易的被检测出来。

    13如何实现彩色图像灰度直方图匹配(规定化)?

     

    展开全文
  • 数字图像处理

    2018-12-25 20:01:29
    图像复原:以图像退化的数学或概率模型为基础,改进图像的外观,图像复原是客观的,图像增强是以人的主观意愿完成的。 小波:以不通的分辨率描述图像的基础。 描述又称为特征选择,设计提取特征,可以得到某些感兴趣...

    基础概念

    • 图像复原:以图像退化的数学或概率模型为基础,改进图像的外观,图像复原是客观的,图像增强是以人的主观意愿完成的。
    • 小波:以不通的分辨率描述图像的基础。
    • 描述又称为特征选择,设计提取特征,可以得到某些感兴趣的定量信息,或是区分一组目标与其他目标的基础。
    展开全文
  • 数字图像处理,即数字,将图像转化为数字的形式,对图像做处理,我们平时所见到的图像,在计算机中都是一组数字,当通过相机捕获现实世界的景物时,相机会捕获现实世界的光源信号,并转化为数字信号保存到存储器上,...
  • 数字图像处理 【第3版】-完整高清
  • 文章目录一、数字图像处理的概念 一、数字图像处理的概念 图像:图像可以定义为一个二维函数f(x,y),其中x和y是空间坐标,而f在任意坐标(x,y)处的幅度称为图像在该点处的亮度或者灰度。 数字图像:指图像f(x,y)...
  • (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。...
  • 数字图像处理概述

    2019-05-07 16:59:47
    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...
  • 1.4数字图像处理的基本步骤 数字图像处理的内容划分为以下两个主要类别:一类是其输入输出都是图像。一类是其输入可能是图像,但输出是从这些图像中提取的属性。 图像获取是数字图像处理的第一步处理。图像获取与...
  • 数字图像处理数字图像处理 一学习内容总结 第一章 绪论 1 什么是数字图像处理 2 使用数字图像处理领域的实例 3 数字图像处理的基本步骤 4 图像处理系统的组成 第二章 数字图像处理基础 1 视觉感知要素 2 光和电磁...
  • 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...
  •  主要记载学习数字图像处理的基本知识,仅供参考。 目录 一、什么是图像处理? 二、图像的数字化表达 三、数字图像处理的基本知识 一、什么是图像处理?  图像处理就是对图像信息进行加工处理,满足实际的...
  • Digital Image Processing[数字图像和数字图像处理] 数字图像就是指代表图像的矩阵。 数字图像处理就是对图像矩阵进行各种数学运算。在进行图像处理时需要一些数学基础,主要包括线性系统、傅立叶变换、沃尔什变换和...
  • 之前没写完的复习资料放弃了~还是按照老师给的总复习PPT来...数字图像处理:借助于数字计算机来处理数字图像。 图像的来源:主要是电磁能谱,此外还有声波,超声波和电子及计算机产生。 数字图像基础 视觉感知要...
  • 刚开始认真接触数字图像处理,来了解一下数字图像处理的一个特别大体的框架。 1. 概论 数字图像处理的主要内容: 1⃣️ 图像获取、表示和表现;2⃣️ 图像复原;3⃣️ 图像增强; 4⃣️ 图像分割;5⃣️ 图像...
  • 学过了数字图像处理,就进行一个综合性强的小项目来巩固一下知识吧。前阵子编写调试了一套基于MATLAB的车牌识别的项目的代码。今天又重新改进了一下代码,识别的效果好一点了,也精简了一些代码。这里没有使用神经...
1 2 3 4 5 ... 20
收藏数 176,461
精华内容 70,584
关键字:

数字图像处理