2018-05-20 16:41:04 qq_28061765 阅读数 235

图像处理

这里写图片描述
图像处理,顾名思义,就是对图像进行处理。关于图像处理,创始人之间对它的定义和范围没有一致的看法。但我们可以粗略看成,图像处理就是对一幅图像(或是代表一幅图像的相关信息)进行加减乘除(当然没这么简单的运算了)等操作,最终得到我们期望得到的效果。
这些效果大致可以分为两类,也就是主要的应用领域:其一,是服务于人的,也就是输出成我们更容易观察理解的图片。
比如拍地模糊的图片,变得清晰可见。
模糊变清晰
另一类,服务的对象是机器,输出的结果方便机器理解(虽然机器理解后,最后还是服务于人==),机器理解这部分就涉及到另一个领域:计算机视觉。
其实,从图像处理到计算机视觉这个连续统一体内并没有明确的部分。更为恰当的方式,是将这个整体,按照处理的等级来分,即低级、中级、高级处理。
- 低级处理以输入、输出均是图像为特征;
- 中级处理输入为图像,但是输出是图像所蕴含的特征信息,包括边缘、轮廓及物体的标识等。这一部分输出的特征,是为计算机处理及对不同目标的分类识别做准备;
- 高级处理的任务涉及“理解”已识别目标的总体。
既然已经知道了图像处理的目的和作用,那具体有哪些部分呢?
- 滤波与增强
- 图像还原
- 彩色图像处理
- 小波与多分辨率处理
- 压缩
- 形态学处理
- 分割
- 表示和描述
- 目标识别
balabala讲了这么多,什么是图像处理?用一句话总结就是:对图像(或图像信息)进行各种运算处理,得到便于人类理解,或者便于机器后续处理的方法。
至于,怎么处理?就得一步步来,先搭建基础的知识手脚架,一块砖一块砖地码,堆起各个方法模块的楼层后,才能站在楼顶看风景。

2018-09-28 10:28:07 SaLaHiozzzzz1 阅读数 936

 

 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,满足实际的应用需求。

图像处理技术分为两大类:

  • 模拟图像处理
  • 数字图像处理 (本文重点)

     数字图像处理就是利用数字计算机或者其他高速、大规模集成数字硬件,对从图像信息转换来的数字信号进行某些数字运算或者处理,以提高图像的质量。

二、图像的数字化表达

  1、图像的空间表达式:

                                             I=f(x,y,z,\lambda ,t)

        其中,I为图像像素点的强度,(x,y,z)代表图像像素的空间坐标,λ为波长,t为时间。上式为活动的、彩色的、三维的视频图像表达式。因此,对于

  • 静止图像➡与t无关
  • 单色图像➡与λ无关
  • 平面图象➡与z无关

因此,我们主要讨论的平面的、静止的、单色的图像表达式为:

                                                               I=f(x,y)

   2、图像采样

   

      为了适应数字计算机的处理,必须对连续图像函数进行空间和幅值数字化。空间坐标(x,y)的数字化称为图像采样,而幅值数字化被称为灰度级量化。经过数字化后的图像成为数字图像。

  3、数字图像的主要表示方法

   1)灰度图像的阵列表示法

         设连续图像f(x,y)按等间隔取样,排成M\times N阵列(一般取方阵列N\times N),如下图所示

          图像阵列中每个元素(“点”)都是离散值,称为像素(pixel)。一般取阵列N 和灰度级C都是2的整数幂。即取N=2^{n}C=2^{n}.

  2) 二值图像表示法

       二值图像:就是只有黑白两个灰度级,即像素灰度级非1即0.如文字图片。

4、描述数字图像的基本参数

  1)分辨率

图像分辨率:数字化图像的大小,对原始图像的采样分辨率,即该图像水平和垂直方向的像素个数。

屏幕分辨率:显示器屏幕上的最大显示区域,即水平与、垂直方向的像素个数。

像素分辨率:像素的宽和高之比一般为1:1

   2)图像深度

           图像深度:也称图像灰度、颜色深度。表示数字位图图像中每个像素上用于表示颜色的二进制数字位数。

           显示深度:表示显示器上每个点用于显示颜色的二进制数字位数。

             如显示器的显示深度小于数字图像的深度,就会使数字图像颜色的显示失真。

3)图像文件大小

      用字节表示图像文件大小时,一副未经压缩的数字图像的数据量大小计算如下:

         图像数据量大小=像素总数\times图像深度\div8     单位:BYTE

  例如:一副640x640的256色图像为640x480x8/8=307200字节。

三、数字图像处理的基本知识

1、数字图像处理的几个基本目的

  a) 以人为最终的信息接收者,其实主要目的是改善图像的质量

 b)以机器为对象, 目的是使机器或计算机能自动识别目标,称为图像识别

  c)利用计算机系统解释图像,实现类似人类视觉系统理解外部世界,被称为图像理解或计算机视觉。其正确的直接要有知识的引导,与人工智能等学科有密切联系。

 2、数字图像处理的基本特点

  • 处理的大多是二维信息,数据量大
  • 数字图像传输占用的频带较宽
  • 数字图像中像素间的相关性较大,冗余比较多,有利于压缩。
  • 数字处理技术综合性强
  • 图像信息理论与通信理论密切相关
  • 数字图像处理后很多情况是给人观察和评价的,因此受人的因素影响较大。

3、数字图像处理的主要研究内容

  a) 图像变换:如傅里叶变换、沃尔什变化、离散余弦变换等间接处理技术,将空间域的处理转换为变换域处理,不仅可以减少计算量,而且可以获得更有效的处理。目前小波变换在时域和频域中都具有良好的局部化特征,应用广泛。

                                                              (Matlab实现的傅里叶变换) 

  b)图像压缩编码:图像压缩编码技术可以减少图像的数据量,以便节省图像传输、处理时间和减少存储器容量。

  c)图像增强和复原:目的是提高图像的质量,如去除噪声、提高清晰度等。图像增强不考虑图像降质的原因,突出图像中感兴趣的部分。如强化图像高频分量,可使图像中物体轮廓清晰,细节明显。

              (图像复原)                                                                                           (图像增强)   

 d)  图像分割:图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来,其有意义的特征有图像中物体的边缘、区域等,这是进一步进行图像识别、分析和理解的基础。

e) 图像描述:图像描述是图像识别和理解的必要前提。二值图像可用几何特性描述:如边界描述和区域描述。

f)  图像分类:图像分类(识别)属于模式识别的范畴,其主要内容就是对图像经过某些出来后进行判决分类。

   图像分类常用方法:

  • 统计模式分类和句法模式分类
  • 模糊模式识别和人工神经网络模式分类  

4、数字图像处理的研究方法

  数字图像处理研究的两个不同层次

  • 人作为图像的接收者(Human readable)

         图像处理研究的目的(包括获取、传输、处理、再现等)为更好满足人类视觉感知的要求,帮助人类改善其视觉能力---传统的图像处理。

  • 计算机代替人作为图像的接收者(Machine readable) 

        由计算机实现人类视觉感知的功能,解决计算机视觉问题。利用模式识别、人工智能方法分析、理解和辨识图像的内容,解决图像认知问题。例如,图像分割文字识别、人体鉴别等问题。

2019-02-27 15:48:07 woshi_ziyu 阅读数 677

在本篇文章中,我们将介绍数字图像处理(DIP)的含义以及使用Pixy等硬件和其他工具对图片或视频进行处理的原因。在本文结束时,您将学习到:

● 数字图像是如何形成的。

● 什么是数字图像处理。

● 图像处理工具。

● Pixy是什么以及如何使用它。

在这里插入图片描述

什么是图像处理?

照片、视频和图片除了保存我们的记忆,还有其他应用。也许您在公共场所看到安全摄像头,或者您看到机器人跟踪线路、物体或更高级的实现情况,从生产线上的产品中分离杂质,许多类似甚至不相似的应用程序正在对图片进行一些计算。这种计算称为图像处理。

为了更好地理解,了解图像结构很有帮助。每个图像都是一个信号,其中任何一点都有像素值。 (像素是数字图像的基本单位,其亮度和/或颜色可以有不同的值,这些值称为“强度”)信号是由视觉传感器给出的连续电压信号,此信号将转换为数字形式与一些过程,如采样。这些数据的数字形式就像二维数组或矩阵形成数字图像,因此它们的形式是f(X,Y)的位置和值。不要忘记每个视频都是一组在一秒钟内播放特定播放速度的图像。

在形成图像之后,该过程将开始。为什么我们需要一个过程?如果我们需要图像中的信息,我们将使用计算机视觉。计算机视觉是模拟人类视觉的一种方式。人类视觉具有“学习”和从视觉输入中提供数据的能力。计算机视觉基本上是使计算机从数字图像或视频中获得高层次理解的领域,即使对于实时使用也是如此;和数字图像处理是其中的一部分。

在这里插入图片描述

如何进行图像处理?

如果我们考虑使用机器人应用程序进行图像处理,有两种方法:

  1. 选择一个通常的相机模块(提供图像而不对其进行任何处理),然后使用用户的编程和计算。

  2. 使用执行此过程的硬件可以更快,更轻松地使用;类似pixy相机…

更多内容请访问以下链接:https://www.yiboard.com/thread-1069-1-1.html

2018-11-28 23:30:45 weixin_43809643 阅读数 291

作者:电子科技大学 格拉斯哥学院 2017级 罗晰月 

同组成员:无

什么是图像处理?

在21世纪,图像和视频逐渐成为人类在非直接接触条件下,能够最直观的感受到事物原貌的两种方式。其中图像更能表现静态特征,而视频更能表现动态特征。

在计算机中,图像可以大致被分为以下几个部分:二值图像、灰度图像、索引图像和真彩色RGB图像。二值图像顾名思义,即为由0、1两个值组成的二维矩阵,其中0代表黑色,1 代表白色;而灰度图像则是由[0,255]中任意整数组成的二维矩阵,其中0为纯黑,255为纯白。索引图像是有一个代表图像的二维矩阵和一个颜色索引矩阵MAP共同组成的,两者之间呈对应关系,由图像矩阵中的灰度值对应的MAP中的[RGB]值作为该位置的现实颜色;而真彩色RGB图像却将每个像素的RGB值直接放入图像矩阵中,代表该位置的颜色。除此之外,还有一种特殊的图像被称为矢量图,它不通过像素点来显示图像,而是储存图像轮廓信息;这类图像更加节省内存,不会出现失真,但是却需要计算机进行复杂的运算来解析图像。

在图像处理过程中,有六种主要常用的方法。首先是图像变换,一个图像往往包含了大量的信息,在计算机对凸显进行运算的时候往往需要首先对图像代码进行数学上的变换来减少后续对图像分析的计算量。其次是图像编码压缩,通过这种方法可以减少比特数,从而节省储存空间,加快图像传输速度。还有图像增强和复原,可以用于提高图像质量;图像分割用于突出图像的典型特征;建立在图像增强和复原和图像分割基础上的图像分类和识别,可以在基于大量数据统计的前提下,对图像进行进一步的分析与处理。

如何运用于维护公共安全?

目前,在中国的许多城市,已经基本实现了监控摄像头的全覆盖。但是这些监控摄像往往被用于案发后的嫌疑犯追踪并且途径主要是人工筛选,如果能利用“监控全覆盖”这一优势,进行自我监控和预防,将会是社会安全进步的一大步。

人工筛查还存在着很多弊端,例如消耗较长的时间和较多的精力,同时还有很高的错误几率,可能会导致错失破案良机。将图像分析技术运用于监控系统中,不仅仅能减少人工工作量,还能避免一些错误的发生,同时还可以将破案变为防患于未然。

首先,对于已经有相关案底的人群,可以将他们的面部特征录入监控系统中,根据原有案情大小对其进行一定时间的观察,并且进行活动轨迹标记,从而便于在第一时间掌握嫌疑人的活动轨迹。在这一技术中,需要计算机对大量的监控信息进行一一分析,其计算量可想而知。因此,首先要进行的工作便是图像压缩,但是这一步骤同时要进可能的避免对原图的损害。最常用的方法便是将相邻像素值作差后进行重新编码来降低运算量。其次,为了提高准确性,要对图像进行增强和复原,即通过低频滤波法和高频滤波法增强图像的边缘轮廓,突出图像的特征。应用到智能化过程中,就是首先从大量的监控数据中发现疑似面孔,再对这些面孔进行图像处理,排除掉不符合要求的面孔,然后将符合要求的面孔加入数据库中,通过比对监控摄像图分布图和城市道路规划图,从而自动分析出该面孔的主人可能行走过的路径。

同时,这一方法也可以被运用与嫌疑犯的追踪。在警方发现一定量的线索之后,无论是对一辆汽车或是一个车牌号或是一张面孔,都可以直接录入监控系统中,指令系统自动进行分析,直接给出嫌疑人移动的可能路径,极大地节省了办案时间和办案精力。

不仅如此,该项技术除了运用在监控系统中,还能运用于海关系统中,防止嫌疑人跨国作案或者跨国逃窜。在出入境的检查系统中录入嫌疑人的面部特征,对于出入关的人一一进行拍照审查,然后由系统进行比对,发现与嫌疑人相似度极高的出入境人员进行重点检查。这一系统的完善,能够更大程度上遏制罪犯逃窜出国的可能性,同时有利于国际社会的稳定。

在美剧《疑犯追踪》中构想了这样一个社会:美国有一台超级机器可以根据众多监控数据和网络数据自动筛选出与最近一起可能发生的大型案件相关的人员,从而可以提前预防案件的发生,挽救更多的生命。虽然,目前世界上还没有拥有如此大计算能力的计算机的诞生,也没有一种合理的算法为计算机提供辨别危险事件与非危险事件的能力,但我相信未来的某一天,人类社会的进步可以让这一构想成为现实,从而在最大程度上防止犯罪行为的发生。


参考资料:

1.    图像处理及图像融合 郭利明 西北工业大学

http://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CMFD&dbname=CMFD0506&filename=2006058085.nh&v=MjcwOTBoMVQzcVRyV00xRnJDVVJMMmZaT1JvRnlya1c3dkJWMTI3R0xPOUZ0SEVxcEViUElSOGVYMUx1eFlTN0Q=
2.    图像处理智能化的发展趋势 宋建中 中国科学院长春光学精密机械与物理研究所
http://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFD2011&filename=ZGGA201105001&v=MTMyMDU3RzRIOURNcW85RlpZUjhlWDFMdXhZUzdEaDFUM3FUcldNMUZyQ1VSTDJmWk9Sb0Z5cmxVTDdCUHlyTWI=
3.    http://news.cctv.com/2017/05/03/ARTInCItTtGa6ZrYUFk7yp56170503.shtml

2018-11-26 23:35:29 qq_42719650 阅读数 51

电子科技大学 格拉斯哥学院 2017级 胡心莹

图像处理及其应用——商品识别与人脸识别

什么是图像处理?

图像处理,是用计算机对图像进行分析,以达到所需结果的技术,一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。这里主要指数字图像处理,即将图片转化为数字形式,并对其进行处理。在计算机中,图像被储存在一个个0-255数字组成的三维数组中。通过对图像的一系列加工和分析,我们可以达到很多目的,比如对图像的压缩,编码,以方便传输和储存;对图像特征的分析和提取,作为识别的预处理,如灰度处理,均衡处理,降噪处理等等。

什么是图像识别和人脸识别?

图像识别,是计算机对获取图像进行分析,特征采集和分析的技术,而人脸识别,则在图像识别基础上,以面部特征为参考标准,进一步进行生物识别。两者的过程主要包括:图像的采集,图像的预处理,图像特征的采集,以及特征信息与数据库的比对和匹配。如今,图像识别是人工智能的一个重要领域,在地理,生物,军事机器人等领域有重要价值;人脸识别技术拥有广阔的应用前景,高度个人化的特征和难以伪装欺骗的特点使其在安全管理,身份认证,司法公安,电子商务等各个方面颇有潜力。

图像处理在人脸识别中的应用

图像处理是人脸识别系统的重要部分。对于获取到的图像,首先应进行预处理:1)进行补光,以减小光强对面部特征的影响;2)灰度处理,将图像的颜色去掉,仅以二维数组展示,此步对图像的后续处理有很好的铺垫;3)均衡处理,使图像的灰度分部更加均匀,清晰细节,增大反差,增强对比,使特征明显;4)降噪处理,将一些由于传输不完美等因素产生的图像污染过滤,减小背景和目标不必要的噪点,以突出目标的形状,大小等特征。接下来,对处理过的图像使用人脸识别算法和人脸检测算法,提取特征值,并进行识别和比对。

生活实例:商品识别和刷脸支付——快速支付通道的尝试

超市里,排长队结账的现象常有发生。造成结账速度缓慢的一个重要因素是售货员的冗长操作:扫描商品条形码,计价,输入会员账号,结账。目前,扫描二维码的移动支付方式已为我们减少交易时间,但低效的商品扫描和账号输入仍是阻碍快速结账的两大难题。因此,如果能运用图像识别的技术,交易效率将大大提高。设想如下:

首先,顾客将购买商品放置在制定区域,摄像机获取商品图像,计算机通过图像分析,识别顾客购买的商品名称和数量,并自动计价。

其次,用摄像头采集顾客样貌,并与超市会员数据库进行比对,调出对应身份信息,进行核实和确认。

最后,顾客确定信息和金额,通过信息绑定的移动支付方式进行支付。

相信引入图像识别和人脸识别技术,能够减少结账过程的人员参与,使交易过程更加高效,智能,减少由于人为因素的失误,如条形码无法录入,会员号输入错误等,加快交易过程,缩短排队结账的时间,提高超市的运转效率,并为顾客提供更加便利的购物环境和舒适的购物体验。

参考内容:
https://blog.csdn.net/duanchuanttao/article/details/80663734

https://baike.baidu.com/item/数字图像处理/5199259

https://baike.baidu.com/item/人脸识别/4463435?fr=aladdin#3

数字图像处理概述

阅读数 426

没有更多推荐了,返回首页