精华内容
下载资源
问答
  • 图形图像处理

    千次阅读 2011-07-14 13:58:58
    形图像处理起源于20世纪20年代,当时通过海底电缆从英国...此后由于遥感等领域的应用,使得图形图像处理技术逐步得到发展。一直到20世纪50年代,随着大型数字计算机和太空科学研究计划的出现,人们才注意到图像处理的潜
     形图像处理起源于20世纪20年代,当时通过海底电缆从英国伦敦到美国纽约采用数字压缩技术传输了第一幅数字照片,用来改善图像的质量。此后由于遥感等领域的应用,使得图形图像处理技术逐步得到发展。一直到20世纪50年代,随着大型数字计算机和太空科学研究计划的出现,人们才注意到图像处理的潜力。1964年在美国航空总署的喷气推进实验室开始用计算机技术改善从太空探测器获得的图像。当时利用计算机技术处理由太空船“徘徊者七号”(Ranger 7)发回的月球照片,以校正电视摄影机所存在的几何失真或响应失真。这标志着第三代计算机问世后数字图像处理开始得到普遍应用。 

    近年来随着计算机与信息技术的高速发展,数字图像处理技术也得到了快速的发展,目前已成为计算机科学、医学、生物学、工程学、信息科学等领域各学科之间学习和研究的对象。

    1.1 数字图像

    图像是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知觉的实体。其最广义的观点是指视觉信息。例如照片、图画、电视画面以及光学成像等。人类的大部分信息都是从图像中获得的。

    用计算机进行图像处理的前提是图像必须以数字格式存储,人们把以数字格式存放的图像称之为数字图像。而我们常见的照片、海报、广告招贴画等都属于模拟图像。若要将模拟图像数字化后生成数字图像,需要使用诸如扫描仪之类的数字化设备。模拟图像经过扫描仪进行数字化后,或者由数码照相机拍摄的图片,在计算机中均是以数字格式存储的。

    为了把图像数字化,必须进行在空间点阵上的抽样和灰度量化两个方面的工作。被抽样的点称为像素,抽样的精度随图像的种类而不同。这样一来,所谓数字图像就是灰度值的二维数组。一个单色静止图像可以用一个二维的光强度函数fx,y)来表示,其中xy表示空间坐标,而在任意点(x,y)的f值与在该点图像的亮度(或灰度)成正比。一个数字图像是图像fx,y)在空间坐标和亮度上都数字化后的图像。可将数字图像视作一个矩阵,矩阵行与列的值决定一个点,而对应的矩阵元素值就是该点的灰度。这种矩阵的元素就是像素,所对应的灰度就是像素值。

    表1.1是以数据结构的观点进行分类的图像种类。即在光谱方向、空间方向、时间轴方向上增加维数的图像,可以用多个二维数组来表示。在这里,不管是一个数组还是其集合,总是要组成用计算机容易处理的形式。因此在传送和复制时,只要在计算机内部进行处理,就不会被破坏而能保持完好的再现性。这是数字处理的一大优点。

    表1.1 图像的种类

    种 类

    形 式

    备 注

    二值图像

    f(x,y)0,1

    文字,曲线,指纹等

    灰度图像

    0≤f(x,y)≤2n-1

    通常的照片,n68是标准的

    彩色图像

    {fi(x,y)},iR,G,B

    根据三基色的表示

    多光谱图像

    {fi(x,y)},i1,…,m

    遥感图像用,m多为48

    立体图像

    fL,fR

    从左右视点得到的一对图像,用于立体观测

    运动图像(时间序列图像)

    {ft(x,y)},tt1,…,tn

    动态分析,动画等

    早期在英文里一般用picture代表图像,随着数字技术的发展,现在用image代表离散化的数字图像。图像中每个基本单元叫做图像元素,简称像素(picture element)。对于2-D图像,英文中常用pixel代表象素。对于3-D图像,英文中常用voxel代表其基本单元,简称体素(volume element)。

    1.2 数字图像处理

    1.2.1 数字图像处理的概念

    所谓数字图像处理(digital image processing),就是利用计算机对图像进行去除噪声、增强、恢复、分割、提取特征等的理论、方法和技术。由于图像处理是利用计算机和实时硬件实现的,因此也被称为计算机图像处理(computer image processing)。

    在计算机处理出现之前,图像处理都是光学、照相处理和视频信号处理等模拟处理。例如,在利用透镜或棱镜的光学演算中使用各种滤光镜,利用胶卷具有的特性曲线进行的处理,在电子回路中的视频信号的处理等,都属于这一范畴。

    在人们的日常生活中,图像处理已经得到广泛的应用。例如,利用指纹、虹膜、面部特征等进行身份识别;自动售货机钞票的识别;电脑成像技术等。而在医学领域,计算机图像处理已经成为疾病诊断的重要的手段,譬如显微镜照片、X射线透视、X射线CTComputer Tomograph,计算机断层摄像)等。

    1.2.2 数字图像处理的目的

    数字图像处理是利用计算机的计算,实现与光学系统模拟处理相同效果的过程。一般来说,数字图像处理具有如下的目的:

    ⑴提高图像的视觉质量,以达到赏心悦目的目的。例如,去除称之为噪声等图像质量的退化因素;改变图像的亮度、颜色;增强图像中的某些成份、抑制某些成份;对图像进行几何变换等,从而改善图像的质量,以达到各种想要的艺术效果。

    ⑵提取图像中所包含的某些特征或特殊信息,以便于计算机分析。如用作模式识别,计算机视觉的预处理等等。这些特征包括很多方面,如频域特性、纹理特性、灰度/颜色特性、边界/区域特性、形状/拓扑特性以及关系结构等。

    ⑶对图像数据进行变换、编码和压缩,以便于图像的存储和传输。

    1.2.3 数字图像处理的内容

    要有效解决众多的图像处理应用问题,必须研究出专门的图像处理方法,大致上可以将这些问题及其数字图像处理方式归纳为以下几类。

    1. 图像获取、表示和表现(Image Acquisition, Representation and Presentation

    该过程主要是把模拟图像信号转化为计算机所能接受的数字形式,以及把数字图像显示和表现出来。这一过程主要包括摄取图像、光电转换及数字化等几个步骤。

    2. 图像增强(Image Enhancement

      图像增强是用来强调图像的某些特征,以便于作进一步的分析或显示。当无法得知图像退化有关的定量信息时,可以使用图像增强技术较为主观地改善图像的质量。所以,图像增强技术是用于改善图像视感质量所采取的一种重要手段。它所完成的工作包括去除图像噪声,增强图像对比度等。例如,对比度的增强是用来使对比度低的图像更容易显现其特征,而低对比度的可能原因包括光线不足、图像感应器的动态范围不够以及在图像摄取时光圈设定错误等。图像增强的过程本身并没有增加原始资料所包含的信息,仅仅是把图像某些部分的特征更加强调罢了。图像增强的算法通常是交互式的,而且与所考虑的应用有着密切的联系。

    3. 图像恢复(Image Restoration

      图像恢复是指在图像退化(图像品质下降)的原因已知时,对图像进行校正,重新获得原始图像的过程。使图像降质的因素有很多,包括感应器或拍摄环境的干扰,感应器的非线性几何失真,没有对焦精确所造成的模糊,摄象机与物体之间相对运动所造成的模糊等。图像恢复最关键的是对每一种退化都需要建立一个合理的模型。退化模型和特定数据一起描述了图像的退化,因此恢复技术是基于模型和数据的图像恢复,其目的是试图将受污染或降质的图像带回到原本不受污染的状况下所应得的干净图像,产生一个等价于理想成像系统获得的图像。虽然图像恢复与图像增强都会造成视觉上较佳的感受,但后者更关心的是图像特征增强或抽取,而不是去除退化或污染。

    4. 图像重建(Image Reconstruction

      图像重建的工作是由几个一维的图像投影来重建出更高维的物体图像。它与图像增强、图像恢复等不同。图像增强和图像恢复的输入都是图像,处理后输出的结果也是图像。而图像重建则是指从数据到图像的处理,即输入的是某种数据,经过处理后得到的结果是图像。一个图像的取得是以平行的X光或者其他的放射穿透光束照射物体,并在物体的背面接收此投影,接着在同一平面上改变光束照射的角度以获得不同的投影,再以某些重建算法将这些投影组合成物体的一个横剖面图像。这种技术主要用于医学图像、雷达图像处理、天文学星象观测、地质研究及无损压缩等。

    5. 图像压缩(Image Compression

    图像压缩的目的是降低代表数字图像所需要的数据量,这样做的好处是可以减少图像传输时间以及存储空间。编码是实现图像压缩的重要手段。图像压缩编码主要是利用图像信号的统计特性以及人类视觉的生理学和心理学特性,对图像信号进行高效编码,即研究数据压缩技术,其目的是在保证图像质量的前提下压缩数据,以解决图像数据量大的矛盾。一般来说,图像编码的目的有三个:①减少数据存储量。②降低数据率以减少传输带宽。③压缩数据量,便于特征提取,为后续识别作准备。

    从编码技术的发展来看,Kunt提出了第一代、第二代的编码概念。第一代编码是以去除冗余为基础的编码方法,如PCMDPCM、ΔMDCTDFTW-H变换编码以及以此为基础的混合编码法。第二代编码法多为20世纪80年代以后提出的,如Fractal编码法、金字塔编码法、小波变换编码法、模型基编码法、基于神经网络的编码法等等。这些编码方法有如下特点:①充分考虑人的视觉特性。②恰当地考虑对图像信号的分解与表述。③采用图像的合成与识别方案压缩数据。

    6. 图像分割(Image Segmentation

      图像分割就是把图像分成区域的过程。这是从处理到分析的转变关键,也是图像自动分析的第一步。图像中通常包含多个对象,图像处理为达到识别和理解的目的,几乎都必须按照一定的规则将图像分割成区域,每个区域代表被成像的一个部分。图像自动分割是图像处理中最困难的问题之一。人类视觉系统能将所观察的复杂景物中的对象分开,并识别出每个物体,但对于计算机来说却是个难题。目前,大部分图像的自动分割还需要人工提供必须的信息来帮助识别,只有一部分领域开始使用。例如印刷字符自动识别(OCR),指纹识别等。

    7. 图像分析(Image Analysis

      图像分析是试图从图像中分割、提取并描述某些特征,从而有利于计算机对图像的识别和理解,以产生有用的信息。图像处理应用的目标几乎都涉及到图像分析。要做图像分析,必须使计算机具有某种程度的智能。这些智能的特征包括:①能从含有许多不相干细节的背景中找到所需的信息。②能从范例中学习并将所学知识应用推广到其他状况中。③能从不完整的资料中推断出完整的信息。

    1.3 图像工程

    1.3.1 图像工程的内涵

    图像技术在广义上来说是各种与图像有关的技术的总称。目前人们主要研究的是数字图像,主要应用的是计算机图像技术。这包括利用计算机和其它电子设备进行和完成的一系列工作,以及为完成各种功能而进行的硬件设计及制作等方面的技术。计算机图像技术的历史可以追溯到1946年世界上第一台电子计算机的诞生,但在20世纪50年代计算机主要还是用于数值计算。到20世纪60年代,第三代计算机的研制成功,以及快速傅立叶变换算法的发现和应用,使得对图像的某些计算得以实际实现。20世纪70年代,图像技术有了长足进步,而且第一本重要的图像处理专著(Rosenfeld 1976)也得以出版。进入20世纪80年代,各种硬件的发展使得人们开始处理3-D图像。

    由于图像技术得到了极大的重视和长足的发展,人们需要对它们进行综合研究和集成应用,由此出现了图像工程。图像工程的概念在1982年首先提出,当时主要包括有关图像的理论技术,对图像数据的分析管理以及各种应用。图像工程的内容非常丰富,根据抽象程度和研究方法等的不同,可分为图像处理、图像分析和图像理解三个层次。换句话说,图像工程是既有联系又有区别的图像处理、图像分析及图像理解三者的有机结合,另外还包括它们的工程应用。

    1. 图像处理

    图像处理的重点是图像之间进行的变换。虽然人们常用图像处理泛指各种图像技术,但比较狭义的图像处理主要是对图像进行各种加工,以改善图像的视觉效果并为自动识别打基础,或对图像进行压缩编码以减少所需的存储空间。

    2. 图像分析

    图像分析主要是对图像中感兴趣的目标进行检测和测量,以获得它们的客观信息,从而建立对图像的描述。如果说图像处理是一个从图像到图像的过程,则图像分析则是一个从图像到数据的过程。这里的数据可以是目标特征的测量结果,或是基于测量的符号表示,它们描述了目标的特点和性质。

    3. 图像理解

    图像理解的重点是在图像分析的基础上,进一步研究图像中各目标的性质和它们之间的相互关系,并得出对图像内容含义的理解以及对原来客观场景的解释,从而指导决策。如果说图像分析主要是以观察者为中心来研究客观世界,那么图像理解在一定程度上就是以客观世界为中心,借助知识、经验等来把握整个客观世界。

    综上所述,图像处理、图像分析和图像理解是处在三个抽象程度和数据量各有特点的不同层次上。图像处理是比较低层次的操作,它主要在图像像素级上进行处理,处理的数据量非常大。图像分析则进入了中层,分割和特征提取把原来以像素描述的图像转变成比较简洁的非图像形式的描述。图像理解主要是高层操作,基本上是对从描述抽象出来的符号进行运算,其处理过程和方法与人类的思维推理有许多相似之处。

    1.3.2 相关学科和领域

    图像工程是一门系统地研究各种图像理论、技术和应用的交叉学科。从它的研究方法来看,它可以与数字、物理学、生物学、心理学、电子学、计算机科学等许多学科相互借鉴。从它的研究范围来看,它与模式识别、计算机视觉、计算机图形学等多个专业相互交叉。图像工程的研究进展还与人工智能、神经网络、遗传算法、模糊逻辑等理论和技术有密切的联系。它的发展应用与医学、遥感、通信、文档处理和工业自动化等许多领域也是密不可分的。

    图像工程与计算机图形学(Computer Graphics)、计算机视觉(Computer Vision)、模式识别(Pattern Recognition)等有着密切的关系。图形学原本是指用图形、图表、绘图等形式来表达数据信息的科学。而计算机图形学研究的就是用计算机技术生成这些形式的理论、方法和技术,即由非图像形式的数据描述来生成逼真的图像。它既可以生成现实世界中已经存在的物体的图形,也可以生成虚拟物体的图形,它和图像分析的对象和输出结果正好对调。从狭义上讲,模式识别指的是把基于特征的多维模式空间分成不同类别的识别理论。特别是指不依赖于图形和图像,适用于其他一般的模式分类的理论。模式识别和图形分析比较相似,只是前者试图把图像分解成可用符号较抽象地描述的类别。计算机视觉主要强调用计算机实现人的视觉功能,要用到图像工程三个层次的许多技术,目前的研究内容主要与图像理解相结合。

    1.4 数字图像处理的应用

    概括的说,数字图像处理技术的主要应用领域如下:

    ⑴通讯。包括图像传输、电视电话、电视会议等,主要是进行图像压缩甚至理解基础上的压缩。

    ⑵宇宙探测。由于太空技术的发展,需要用数字图像处理技术处理大量的星体照片。

    ⑶遥感。航空遥感和卫星遥感图像需要用数字技术加工处理,并提取有用的信息。主要用于地形地质分析,矿藏探勘,森林、海洋、水利、农业等资源调查,环境污染监测,自然灾害预测预报,气象卫星云图处理以及地面军事目标的识别等。由于数据量庞大,因此寻求处理及分析这些图像的自动方法,特别是图像对比度增强、分割及图像识别的技术显得极为重要。

    ⑷生物医学领域中的应用。图像处理在这一领域的应用非常广泛,无论是临床诊断还是病理研究都大量采用图像处理技术。它的直观、无创伤、安全方便等优点备受青睐。图像处理首先应用于细胞分类、染色体分类和放射图像等。20世纪70年代数字图像处理在医学上的应用有了重大突破。1972年,X射线断层扫描CT得到实用;1977年,白血球自动分类仪问世;1980年,人们实现了CT的立体重建。医学图像的种类包括X光图像、同位素图像、核磁共振图像、超声波图像、红外线图像以及显微图像等。对这些图像作对比度增强或伪彩色等的处理可帮助医生诊断疫病。

    ⑸工业生产中的应用。在生产线中对产品及其部件进行无损检测是图像处理技术的一个重要应用领域。这一领域的应用从20世纪70年代起取得了迅猛的发展,主要有产品质量检测;生产过程的自动控制;CAD和CAM等。

    ⑹军事、公安等方面的应用。例如军事目标的侦察、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。

    ⑺机器人视觉。机器视觉作为智能机器人的重要感觉器官,其主要任务是进行三维景物理解和识别。机器视觉主要用于军事侦察或处于危险环境的自主机器人;邮政、医院和家政服务的智能机器人;装配线工件识别、定位;太空机器人的自动操作等。

    ⑻科学可视化。图像处理和图形学的紧密结合,形成了科学研究领域新型的研究工具。例如考古学可用图像处理方法恢复模糊或其他降质状况的珍贵文物图像。

    ⑼视频和多媒体系统。电视制作系统中广泛使用图像处理、变换、合成;多媒体系统中静止图像和动态图像的采集、压缩、处理、存储和传输等。

    ⑽电子商务。图像处理技术在这一领域大有可为,如身份认证、产品防伪、水印技术等。

    1.5 数字图像处理的发展方向

    目前图像处理面临的主要任务是研究新的处理方法,构造新的处理系统,开拓新的应用领域。需要进一步研究的问题有如下几个方面:

    ⑴在进一步提高精度的同时着重解决处理速度问题。

    ⑵加强软件研究,开发新的处理方法,特别是要注意移植和见解借鉴其他学科的技术和研究成果,创造出新的处理方法。

    ⑶加强边缘学科的研究工作,促进图像处理技术的发展。

    ⑷加强理论研究,逐步形成图像处理科学自身的理论体系。

    ⑸图像处理领域的标准化。

    图像处理技术未来发展方向大致可归纳为:

    ⑴图像处理的发展将围绕高清晰度电视的研制,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。

    ⑵图像、图形相结合,朝着三维成像或多维成像的方向发展。

    ⑶硬件芯片研究。把图像处理的众多功能固化在芯片上,使之更便于应用。

    ⑷新理论与新算法的研究。近年来随着一些新理论的引入及新算法的研究,将会成为今后图像处理理论与技术的研究热点。例如小波分析(Wavelet)、人工神经网络(artificial neural networks)、分形几何(Fractal)、形态学(Morphology)、遗传算法(Genntic Algorithms)等。

    随着科学技术的进步以及人类需求的不断增加,图像处理科学无论是在理论上还是实践上,都会取得更大的发展。

    展开全文
  • MATLAB图形图像处理——图像灰度变换,介绍matlab处理图像的基础知识、图像灰度变换的基础知识。 通过直方图均衡化改变图像对比度和亮度,将模糊的图像变清晰。

    一、MATLAB入门知识

    1、什么是MATLAB

    全世界数以百万计的工程师和科学家都在使用 MATLAB 分析和设计改变着我们的世界的系统和产品。基于矩阵的 MATLAB 语言是世界上表示计算数学最自然的方式。可以使用内置图形轻松可视化数据和深入了解数据。欢迎您使用桌面环境进行试验、探索和发现。这些 MATLAB 工具和功能全部进行了严格测试,可彼此配合工作。

    MATLAB 可帮助您不仅仅将自己的创意停留在桌面。您可以对大型数据集运行分析,并扩展到群集和云。MATLAB 代码可以与其他语言集成,使您能够在 Web、企业和生产系统中部署算法和应用程序。

    2、MATLAB处理图像

    图像数据

    图像数据,其实就是一个一个像素点的像素值组成的矩阵,可以说是二维矩阵,也可以说是三维矩阵。大多数图像表示为二维数组(矩阵),其中矩阵的每个元素对应所显示图像的一个像素。例如,由 200 行和 300 列不同颜色的点组成的图像保存为一个 200×300 的矩阵。有些图像,如 RGB,需要三维数组,其中三个维度的第一个平面表示红色像素强度,第二个平面表示绿色像素强度,第三个平面表示蓝色像素强度。

    数据类型

    MATLAB 数学支持三种不同的数值类用于图像显示:

    • 双精度浮点数(double)
    • 16 位无符号整数(uint16)
    • 8 位无符号整数(uint8)
      图像通常使用double型数据类型,但是double对于像素点巨大的图像不友好,占用内存过多。
      为了减小内存需求,可以将图像数据存储在 uint8 和 uint16 这两类数组中。这些数组中的数据存储为 8 位或 16 位无符号整数。同样的数据,这些数组只需要 double 数组的八分之一或四分之一的存储容量。

    位深

    描述图像中每个像素的数据所占的位数。图像的每一个像素对应的数据通常可以是1位(bit)或多位字节,用于存放该像素的颜色、亮度等信息,数据位数越多,对应的图像颜色种类越多。

    函数

    (MATLAB严格区分大小写)

    imread

    1、读取示例图

    A = imread(‘filename’)

    从 filename 指定的文件读取图像,并从文件内容推断出其格式。如果 filename 为多图像文件,则 imread 读取该文件中的第一个图像。

    filename:
    在这里插入图片描述
    2、显示图像

    image(A)

    3、提取RGB

    [X,cmap] = imread(‘corn.tif’);
    imshow(X,cmap)

    imwrite

    A=rand(50);
    imwrite(A,‘filename’)

    将一个 50×50 的灰度值数组写入当前文件夹中的 JPG 文件。会发现文件夹中多了一个50×50的灰度图片。
    在这里插入图片描述

    二、图像灰度变换基础知识

    1、二值化与阈值处理

    一幅图像包括目标物体、 背景,甚至还有噪声。怎样从灰度值多变的图像中只提取感兴趣的目标信息, 最常用的方法就是设定某一阈值T,用T将图像的数据分成两大部分:大于T的像素群和小于T的像素群。这是研究灰度变换最特殊的方法,称为图像的二值化(binarization)。
    二值化处理就是把图像分成目标和背景两个领域。

    非零元素取一法

    在这里插入图片描述

    固定阈值法

    在这里插入图片描述

    双固定阈值法

    在这里插入图片描述

    2、基本的灰度变换

    基本表示

    表示原始图像在(x,y)处的像素值

    r = f(x,y)

    表示灰度变换后的图像在(x,y)处的像素值

    s = g(x,y)

    基本的图像变换表示为:

    s = T( r )

    T(r)被称为灰度变换函数

    线性灰度变换

    图像反转

    在这里插入图片描述

    正比类型的线性变换

    在这里插入图片描述

    分段线性变换

    突出感兴趣目标所在的灰度区间,相对抑制那些不感兴趣的灰度空间
    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
    在这里插入图片描述

    非线性灰度变换

    在这里插入图片描述
    由于对数曲线在像素值较低的区域斜率大,在像素值较高的区域斜率较小,所以图像经过对数变换后,较暗区域的对比度将有所提升,所以就可以增强图像的暗部细节。

    对数变换对图像低灰度部分细节增强的功能过可以从对数图上直观理解:

    在这里插入图片描述

    x轴的0.4大约对应了y轴的0.8,即原图上0 ~ 0.4 的低灰度部分经过对数运算后扩展到0 ~ 0.8的部分,而整个0.4 ~ 1的高灰度部分被投影到只有0.8~1的区间,这样就达到了扩展和增强低灰度部分,压缩高灰度部分的值的功能。从上图还可以看到,对于不同的底数,底数越大,对低灰度部分的扩展就越强,对高灰度部分的压缩也就越强。

    在这里插入图片描述

    3、直方图均衡化

    灰度直方图是灰度级的函数,是对图像中灰度级分布的统计,反映的是一幅图像中各灰度级像素出现的频率。横坐标表示灰度级,纵坐标表示图像中对应某灰度级所出现的像素个数,也可以是某一灰度值的像素数占全图像素数的百分比,即灰度级的频率。
    在这里插入图片描述
    注意:图像与直方图是一对一关系,但是直方图与图像并非一对一关系
    直方图均衡化原理是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:

    在这里插入图片描述
    变换函数 T(*) 必须满足两个条件:
    (a) : T 在区间[0, L-1]上是一个严格单调递增函数
    (b) : T 在区间[0, L-1]上满足 0<=T<=L-1

    三、变换操作

    在MATLAB中,有自动实现直方图均衡化的函数——histeq

    I = imread(‘tire.tif’);

    Enhance the contrast of an intensity image using histogram equalization.

    J = histeq(I);

    Display the original image and the adjusted image.

    imshowpair(I,J,‘montage’)
    axis off

    在这里插入图片描述

    Display a histogram of the original image.

    figure
    imhist(I,64)

    在这里插入图片描述

    Display a histogram of the processed image.

    figure
    imhist(J,64)

    在这里插入图片描述

    根据直方图均衡化的原理,我们自己编写两个脚本实现灰度变换

    方法一:

    clc;
    img=imread('C:\Users\zhao\Desktop\hnulearn\image2.jpg');
    subplot(321);
    imshow(img);
    title('原始图像');
     
    [x,y]=size(img); 
    img_man=zeros(x,y); 
    img_com=zeros(x,y);
     
    Max=max(max(img)); 
    Min=min(min(img)); 
    
    Hist=zeros(1,256);
    for i=1:x
        for j=1:y
            Hist(img(i,j)+1)=Hist(img(i,j)+1)+1;
        end
    end
    subplot(322);
    plot(Hist);
    title('原始直方图');
     
    p=zeros(1,256);
    for i=1:256
        p(i)=Hist(i)/(x*y);
    end
     
     
    c=zeros(1,256);
    for i=1:256
        c(i)=sum(p(1:i));
    end
     
    for i=1:x
        for j=1:y
            img_man(i,j)=c(img(i,j))*(Max+Min);
        end
    end
    subplot(323);
    imshow(uint8(img_man))
    title('实现函数-图像');
     
    Hist2=zeros(1,256);
    for i=1:x
        for j=1:y
            Hist2(img_man(i,j)+1)=Hist2(img_man(i,j)+1)+1;
        end
    end
    subplot(324);
    plot(Hist2);
    title('实现函数-直方图');
     
    img_com=histeq(img);
    subplot(325);
    imshow(img_com)
    title('自带函数-图像');
     
    Hist3=zeros(1,256);
    for i=1:x
        for j=1:y
            Hist3(img_com(i,j)+1)=Hist3(img_com(i,j)+1)+1;
        end
    end
    subplot(326);
    plot(Hist3);
    title('自带函数-直方图');
    
    

    在这里插入图片描述

    方法二:

    I = imread('C:\Users\zhao\Desktop\hnulearn\image2.jpg');
    [row,col] = size(I);
     
    img_com=histeq(I);
    subplot(321);
    imshow(img_com)
    title('自带函数-图像');
     
    Hist3=zeros(1,256);
    for i=1:x
        for j=1:y
            Hist3(img_com(i,j)+1)=Hist3(img_com(i,j)+1)+1;
        end
    end
    subplot(322);
    plot(Hist3);
    title('自带函数-直方图');
     
    %display the original image
    subplot(323);imshow(I);title('原始图像');
     
    %Compute the PMF of all pixels of the image
    PMF = zeros(1,256);
    for i = 1:row
        for j = 1:col
            PMF(I(i,j) + 1) = PMF(I(i,j) + 1) + 1;
        end
    end
    subplot(324);
    plot(PMF);
    title('原始直方图');
     
     
    %Compute the CDF of all pixels of the image
    CDF = zeros(1,256);
    CDF(1) = PMF(1);
    for i = 2:256
        CDF(i) = CDF(i - 1) + PMF(i);
    end
     
     
    %Mapping
    for i = 1:256
        Map(i) =round((CDF(i)-1)*255/(row*col)); 
    end
    %subplot(324);plot(Map);title('map');
     
    for i = 1:row
        for j = 1:col
            I(i,j) = Map(I(i,j) + 1);
        end
    end
    subplot(325);imshow(I);title('处理后图像');
     
    Hist = zeros(1,256);
    for i = 1:row
        for j = 1:col
            Hist(I(i,j) + 1) = Hist(I(i,j) + 1) + 1;
        end
    end
    subplot(326);
    plot(Hist);
    title('处理后图像');
    
    

    在这里插入图片描述

    展开全文
  • Linux图形图像处理软件

    千次阅读 2014-07-10 11:43:42
    Linux图形图像处理软件 来源: 作者:otto  一说到Linux,多数朋友可能会认为它虽然功能强大,但其命令行形式的界面使用起来太不方便了。其实,现在的Linux不仅具有如同Windows 9x一样漂亮易用的图形界面,...

    Linux图形图像处理软件

    来源: 作者:otto
        一说到Linux,多数朋友可能会认为它虽然功能强大,但其命令行形式的界面使用起来太不方便了。其实,现在的Linux不仅具有如同Windows 9x一样漂亮易用的图形界面,而且在图形界面下运行的应用程序也不少,本文将对Linux下的图形图像处理软件做些介绍,笔者所使用的Linux是Turbo Linux 6.0简体中文版。

      Linux下的图形图像处理软件比较丰富,从功能上可以把它们大致分为以下几类:图像处理工具,如GIMP等;绘图工具,如XPaint、Kpaint等;图像浏览工具,如gtk_see、Compupic、电子眼ee、gqview及Kview等;图标制作工具,如Kicon等;抓图工具,如KsnapShot等;三维模型设计软件,如AC3D、IRIT、PIXCON等等。也许有的朋友会问,很多软件Linux光盘中都没有,到哪里才能下载啊?笔者建议朋友们可以首先到ftp://sunsite.unc.edu/pub/Linux/apps/graphics/等比较大型的Linux软件下载站点去看看,这些地方能够找到大量的图形图像应用软件,另外本文后面还给出了一些软件的具体下载站点。

      图像处理工具

      Linux下的图像处理工具中,比较有名的要数GIMP了。GIMP是GNU图像处理程序(GNU Image Manipulation Program)的缩写,它是一个完全免费的自由软件包,适用于对图像进行各种艺术处理。GIMP的功能相当强大,它可以作为一个简单的绘图程序来使用,也可以作为一个高质量的图像处理软件来使用,它还有图像格式转换等功能。GIMP具有良好的可扩展性,它支持带插件参数的高级脚本接口,对每件工作——无论是最简单的任务,还是最复杂的图像处理过程,都可以很容易地用脚本来描述。由于其功能相当强大,GIMP被誉为Linux下处理图像的法宝,是Linux下的Photoshop。

      用户想要得到GIMP,可到GIMP的专门网站http://www.gimp.org去下载,这里不仅有GIMP的最新版本,还有GIMP的开发库、详细的软件使用手册等,不过都是英文的。需要下载的文件是gimp-1.0.4.tar.bz2。

      一、安装步骤

      1.运行命令:# cp gimp-1.0.4.tar.bz2 /tmp,将gimp-1.0.4.tar.bz2拷到/tmp目录下。

      2.运行命令:# bunzip2 gimp-1.0.4.tar.bz2,解压缩这个文件,/tmp目录下会生成一个叫gimp-1.0.4.tar的文件。

      3.运行命令:# tar xvf gimp-1.0.4.tar,将会在/tmp目录下生成一个叫做gimp-1.0.4的子目录,GIMP的所有文件就存放在这个目录下。

      4.运行命令:# cd gimp-1.0.4,进入到GIMP程序所在的目录,准备配置和编译它,此时最好阅读一下Install文件来了解安装的步骤和注意事项。

      5.连续运行下面三个命令:# ./configure、#make、# make install,它将会对GIMP进行配置和编译,如果在编译时出现问题,可以参考Install文件来查找原因。

      6.安装成功后,运行/usr/local/bin/gimp即可启动GIMP。

      GIMP的界面比Photoshop简洁,启动时只有一个看起来和Photoshop很相似的工具栏(图1)。只有当我们打开图像文件,并用鼠标右键单击图像时才会弹出一系列的选单选项(图2)。

      图1

      二、GIMP软件特点

      1.全套的绘图工具,包括笔刷(Brush)、铅笔(Pencil)、喷枪(AirBrush)等;

      2.平板式内存管理,能够处理的图像尺寸大小只受磁盘自由空间限制;

      图2

      3.支持各种常见图像格式,包括: gif、jpg、png、xpm、tiff、tga、mpeg、ps、pdf、pcx、bmp等;

      4.过程数据库允许从外部程序调用内部的GIMP函数;

      5.无限次的Undo/Redo(仅受磁盘空间的限制);

      6.支持旋转、缩放、裁剪及反转等变形工具;

      7.具有多种选择工具,如矩形、椭圆、自由、模糊、曲线及智能;

      8.插件功能允许用户任意增加新的文件格式及新的效果滤镜,现已提供了100多个插件。

      另外,GIMP对Web图片设计也有不错的支持,同时还提供了一个屏幕抓图工具——屏幕快照,效果不错。

      绘图工具

      一、XPaint

      XPaint是X11所带的一个彩色图像编辑工具,与Windows中的画图程序功能相似,支持编辑各种图像格式,包括PPM、XBM、TIFF等。XPaint的用户界面如图3所示,界面从功能上被分成两块区域,一块是工具区,用于选择当前绘画要进行的操作;另一块是绘图区,用于创建/修改图像。每个绘图窗口允许拥有自己的调色板和模式集。

      图3

      XPaint对显示模式有所依赖,在存储图像的时候将会把图像调整为当前的显示模式(例如,在灰色模式环境下打开一幅彩色图像,重新存盘时会被存储为灰色图像)。XPaint的使用方法比较简单,相信朋友们一学就会。

      二、KPaint

      KPaint是KDE提供的一个与XPaint类似的绘图工具,其用户界面如图4所示。

      图4

      KPaint支持所有常见的图像文件格式,用户可以选择不同的笔、刷子或形状来绘制和修改图像,KPaint的调色板的功能比较不错。由于KPaint与XPaint和Windows画图的使用方法差不多,这里就不再详细介绍了。

      图像浏览工具

      与Windows一样,Linux下的图像浏览工具也非常丰富,下面介绍其中几款比较常用的软件。

      一、电子眼ee

      “电子眼ee”是一个在GNOME窗口环境下浏览图像的软件,它是随GNOME软件包一块分发的。当正确安装好GNOME后,在主选单的图形栏上就会出现电子眼的图标。电子眼可以浏览bmp、tif、gif、xpm等格式的图像文件,使用方法非常简单。图5是电子眼的文件操作界面,用户可以选择一次装入多个文件,并可预览图像。电子眼也支持对图像进行一些基本的编辑操作,如灰度控制、放大、缩小和旋转等。

      图5

      电子眼虽然功能比较简单,但仍不失为一个好的图像浏览工具。

      二、GQview

      GQview也是一个在GNOME窗口环境下浏览图像的软件。其功能和使用方法与电子眼差不太多,只是要更直观一些。GQview的用户界面如图6所示,左边是选单条、工具栏、目录列表及图形文件列表,右边是图像浏览区,在图像文件列表中选择文件后,就可以在右边区域进行浏览了。

      图6

      GQview自身的图像编辑功能比较弱,但它支持调用外部的图像处理软件,除了GIMP、电子眼等软件外,用户还可根据需要让GQview启动其他编辑软件。

      三、Compupic

      Compupic是由Photodex公司开发的一个共享软件,它是一个相当优秀的图像浏览工具,读者朋友可以到www.Photodex.com去下载最新版本。笔者下载的文件名为compupic-4_6_1022-i386-Linux_tar,用tar解压后会生成一个compupic-4_6_1022-i386-Linux的目录,在该目录下运行./ compupic -install即可完成安装。安装完毕后,运行$ compupic或$ /usr/local/bin/compupic,就可以启动Compupic。

      Compupic的用户界面(图7)很像Windows下的应用程序,其目录树部分几乎就是Windows资源管理器的翻版,使用起来非常直观。Compupic支持浏览各种格式的图像文件,甚至包括ICO文件及Adobe的PSD文件,它还可查看WAV和MPEG等多媒体文件,以及浏览文本文件及二进制文件。

      图7

      图标制作工具

      下面主要介绍一下KDE自带的图标编辑器Kiconedit,朋友们还可以到互联网上找到不少其他的图标制作工具。

      Kiconedit的用户界面如图8所示,其窗口分为五个区域:主工具栏、绘图工具栏、栅格、状态栏及调色板。主工具栏用于创建、打开文件,以及裁减、复制、放大、缩小等操作;绘图工具栏列出了一些绘图工具,如画笔、填充,以及选择绘画形状等;栅格是制作图标的地方。此外,Kiconedit还有比较详尽的联机帮助,这对初学者很有好处。

      图8

      总的来说,Kiconedit是一个相当不错的图标制作工具,使用它可以很方便地为自己的程序创建漂亮的图标。

      抓图工具

      KSnapshot是KDE环境下的一个简单的图像捕捉工具,它能捕获整个桌面或者单个窗口的图像,并能以各种文件格式保存该图像,其用户界面如图9所示。在KDE的中文环境下,KSnapshot的界面是中文的,因此使用起来很容易上手,本文的所有图片都是用它抓下来的。KSnapshot具有自启动功能,能够将在抓图之前选择的窗口显示到桌面的最前面,另外,它还有延迟功能,允许延迟一段时间抓图,用户可以借此机会来调整好窗口的布局,很象照相机的延迟拍摄功能。

      图9

      三维模型设计软件

      Linux下的三维模型设计软件还是比较丰富的,但因为这类软件开发起来比较复杂,因此自由软件并不太多,朋友们可到http://metalab.unc.edu等网站去搜寻一下。下面主要介绍一下AC3D,下载地址为:http://www.comp.lancs.ac.uk/computing/users/andy/ac3d/

      download/ac3dlxredhatsw2.tgz。下载完毕后,用tar将ac3dlxredhatsw2.tgz解包,无需安装,在X Window下直接运行其中的ac3d命令即可启动AC3D。

      AC3D是一个多种平台下的三维模型设计软件,有Windows、SGI、Linux等多种版本,在各种平台下其文件格式是互相兼容的。

      AC3D的用户界面如图10所示,怎么样,是不是有点儿眼熟?的确,AC3D的用户界面同3DS很相似,并且其建模功能也类似于3DS。

      图10

      用户界面共有四个视图窗口,四个窗口可以同时显示,也可以只单独显示其中的一个。AC3D具有的一些特点包括:支持隐藏/显示物体,以便在编辑复杂场景时提高速度;内嵌有快速OpenGL 3D渲染器,能很快得到渲染结果;提供多达七个位置的灯光;支持24位色的调色板;支持实时渲染的材质;支持多种文件格式的输入/输出,如3DS、DXF、VRML、RIB等等;具有二维造型功能。此外,AC3D还支持插件。

      比较遗憾的是,从上述网站下载的AC3D只是一个免费的演示版,其功能比正式版要少,如果要获得正式版,就必须向开发商购买。
    展开全文
  • 图形图像处理绪论

    千次阅读 2009-10-09 11:29:00
    图形图像处理起源于20世纪20年代,当时通过海底电缆从英国伦敦到美国纽约采用数字压缩技术传输了第一幅数字照片,用来改善图像的质量。此后由于遥感等领域的应用,使得图形图像处理技术逐步得到发展。一直到20世纪50...

    图形图像处理起源于20世纪20年代,当时通过海底电缆从英国伦敦到美国纽约采用数字压缩技术传输了第一幅数字照片,用来改善图像的质量。此后由于遥感等领域的应用,使得图形图像处理技术逐步得到发展。一直到20世纪50年代,随着大型数字计算机和太空科学研究计划的出现,人们才注意到图像处理的潜力。1964年在美国航空总署的喷气推进实验室开始用计算机技术改善从太空探测器获得的图像。当时利用计算机技术处理由太空船“徘徊者七号”(Ranger 7)发回的月球照片,以校正电视摄影机所存在的几何失真或响应失真。这标志着第三代计算机问世后数字图像处理开始得到普遍应用。

     

     

    近年来随着计算机与信息技术的高速发展,数字图像处理技术也得到了快速的发展,目前已成为计算机科学、医学、生物学、工程学、信息科学等领域各学科之间学习和研究的对象。

     

     

     

     

     

    1.1 数字图像

     

     

     

     

     

    图像是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知觉的实体。其最广义的观点是指视觉信息。例如照片、图画、电视画面以及光学成像等。人类的大部分信息都是从图像中获得的。

     

     

    用计算机进行图像处理的前提是图像必须以数字格式存储,人们把以数字格式存放的图像称之为数字图像。而我们常见的照片、海报、广告招贴画等都属于模拟图像。若要将模拟图像数字化后生成数字图像,需要使用诸如扫描仪之类的数字化设备。模拟图像经过扫描仪进行数字化后,或者由数码照相机拍摄的图片,在计算机中均是以数字格式存储的。

     

     

    为了把图像数字化,必须进行在空间点阵上的抽样和灰度量化两个方面的工作。被抽样的点称为像素,抽样的精度随图像的种类而不同。这样一来,所谓数字图像就是灰度值的二维数组。一个单色静止图像可以用一个二维的光强度函数fx,y)来表示,其中xy表示空间坐标,而在任意点(x,y)的f值与在该点图像的亮度(或灰度)成正比。一个数字图像是图像fx,y)在空间坐标和亮度上都数字化后的图像。可将数字图像视作一个矩阵,矩阵行与列的值决定一个点,而对应的矩阵元素值就是该点的灰度。这种矩阵的元素就是像素,所对应的灰度就是像素值。

     

     

    表1.1是以数据结构的观点进行分类的图像种类。即在光谱方向、空间方向、时间轴方向上增加维数的图像,可以用多个二维数组来表示。在这里,不管是一个数组还是其集合,总是要组成用计算机容易处理的形式。因此在传送和复制时,只要在计算机内部进行处理,就不会被破坏而能保持完好的再现性。这是数字处理的一大优点。

     

     

     

     

     

    表1.1 图像的种类

     

     

    种 类

     

     

    形 式

     

     

    备 注

     

     

    二值图像

     

     

    f(x,y)0,1

     

     

    文字,曲线,指纹等

     

     

    灰度图像

     

     

    0≤f(x,y)≤2n-1

     

     

    通常的照片,n68是标准的

     

     

    彩色图像

     

     

    {fi(x,y)},iR,G,B

     

     

    根据三基色的表示

     

     

    多光谱图像

     

     

    {fi(x,y)},i1,…,m

     

     

    遥感图像用,m多为48

     

     

    立体图像

     

     

    fL,fR

     

     

    从左右视点得到的一对图像,用于立体观测

     

     

    运动图像(时间序列图像)

     

     

    {ft(x,y)},tt1,…,tn

     

     

    动态分析,动画等

     

     

     

     

     

    早期在英文里一般用picture代表图像,随着数字技术的发展,现在用image代表离散化的数字图像。图像中每个基本单元叫做图像元素,简称像素(picture element)。对于2-D图像,英文中常用pixel代表象素。对于3-D图像,英文中常用voxel代表其基本单元,简称体素(volume element)。

    1.2 数字图像处理

     

     

     

     

     

    1.2.1 数字图像处理的概念

     

     

    所谓数字图像处理(digital image processing),就是利用计算机对图像进行去除噪声、增强、恢复、分割、提取特征等的理论、方法和技术。由于图像处理是利用计算机和实时硬件实现的,因此也被称为计算机图像处理(computer image processing)。

    在计算机处理出现之前,图像处理都是光学、照相处理和视频信号处理等模拟处理。例如,在利用透镜或棱镜的光学演算中使用各种滤光镜,利用胶卷具有的特性曲线进行的处理,在电子回路中的视频信号的处理等,都属于这一范畴。

    在人们的日常生活中,图像处理已经得到广泛的应用。例如,利用指纹、虹膜、面部特征等进行身份识别;自动售货机钞票的识别;电脑成像技术等。而在医学领域,计算机图像处理已经成为疾病诊断的重要的手段,譬如显微镜照片、X射线透视、X射线CTComputer Tomograph,计算机断层摄像)等。

     

     

     

    1.2.2 数字图像处理的目的

     

     

     

     

     

    数字图像处理是利用计算机的计算,实现与光学系统模拟处理相同效果的过程。一般来说,数字图像处理具有如下的目的:

     

     

    ⑴提高图像的视觉质量,以达到赏心悦目的目的。例如,去除称之为噪声等图像质量的退化因素;改变图像的亮度、颜色;增强图像中的某些成份、抑制某些成份;对图像进行几何变换等,从而改善图像的质量,以达到各种想要的艺术效果。

     

     

    ⑵提取图像中所包含的某些特征或特殊信息,以便于计算机分析。如用作模式识别,计算机视觉的预处理等等。这些特征包括很多方面,如频域特性、纹理特性、灰度/颜色特性、边界/区域特性、形状/拓扑特性以及关系结构等。

     

     

    ⑶对图像数据进行变换、编码和压缩,以便于图像的存储和传输。

     

     

     

     

     

    1.2.3 数字图像处理的内容

     

     

     

     

     

    要有效解决众多的图像处理应用问题,必须研究出专门的图像处理方法,大致上可以将这些问题及其数字图像处理方式归纳为以下几类。

     

     

    1. 图像获取、表示和表现(Image Acquisition, Representation and Presentation

     

     

    该过程主要是把模拟图像信号转化为计算机所能接受的数字形式,以及把数字图像显示和表现出来。这一过程主要包括摄取图像、光电转换及数字化等几个步骤。

     

     

    2. 图像增强(Image Enhancement

     

     

      图像增强是用来强调图像的某些特征,以便于作进一步的分析或显示。当无法得知图像退化有关的定量信息时,可以使用图像增强技术较为主观地改善图像的质量。所以,图像增强技术是用于改善图像视感质量所采取的一种重要手段。它所完成的工作包括去除图像噪声,增强图像对比度等。例如,对比度的增强是用来使对比度低的图像更容易显现其特征,而低对比度的可能原因包括光线不足、图像感应器的动态范围不够以及在图像摄取时光圈设定错误等。图像增强的过程本身并没有增加原始资料所包含的信息,仅仅是把图像某些部分的特征更加强调罢了。图像增强的算法通常是交互式的,而且与所考虑的应用有着密切的联系。

     

     

    3. 图像恢复(Image Restoration

     

     

      图像恢复是指在图像退化(图像品质下降)的原因已知时,对图像进行校正,重新获得原始图像的过程。使图像降质的因素有很多,包括感应器或拍摄环境的干扰,感应器的非线性几何失真,没有对焦精确所造成的模糊,摄象机与物体之间相对运动所造成的模糊等。图像恢复最关键的是对每一种退化都需要建立一个合理的模型。退化模型和特定数据一起描述了图像的退化,因此恢复技术是基于模型和数据的图像恢复,其目的是试图将受污染或降质的图像带回到原本不受污染的状况下所应得的干净图像,产生一个等价于理想成像系统获得的图像。虽然图像恢复与图像增强都会造成视觉上较佳的感受,但后者更关心的是图像特征增强或抽取,而不是去除退化或污染。

     

     

    4. 图像重建(Image Reconstruction

     

     

      图像重建的工作是由几个一维的图像投影来重建出更高维的物体图像。它与图像增强、图像恢复等不同。图像增强和图像恢复的输入都是图像,处理后输出的结果也是图像。而图像重建则是指从数据到图像的处理,即输入的是某种数据,经过处理后得到的结果是图像。一个图像的取得是以平行的X光或者其他的放射穿透光束照射物体,并在物体的背面接收此投影,接着在同一平面上改变光束照射的角度以获得不同的投影,再以某些重建算法将这些投影组合成物体的一个横剖面图像。这种技术主要用于医学图像、雷达图像处理、天文学星象观测、地质研究及无损压缩等。

     

     

    5. 图像压缩(Image Compression

     

     

    图像压缩的目的是降低代表数字图像所需要的数据量,这样做的好处是可以减少图像传输时间以及存储空间。编码是实现图像压缩的重要手段。图像压缩编码主要是利用图像信号的统计特性以及人类视觉的生理学和心理学特性,对图像信号进行高效编码,即研究数据压缩技术,其目的是在保证图像质量的前提下压缩数据,以解决图像数据量大的矛盾。一般来说,图像编码的目的有三个:①减少数据存储量。②降低数据率以减少传输带宽。③压缩数据量,便于特征提取,为后续识别作准备。

     

     

    从编码技术的发展来看,Kunt提出了第一代、第二代的编码概念。第一代编码是以去除冗余为基础的编码方法,如PCMDPCM、ΔMDCTDFTW-H变换编码以及以此为基础的混合编码法。第二代编码法多为20世纪80年代以后提出的,如Fractal编码法、金字塔编码法、小波变换编码法、模型基编码法、基于神经网络的编码法等等。这些编码方法有如下特点:①充分考虑人的视觉特性。②恰当地考虑对图像信号的分解与表述。③采用图像的合成与识别方案压缩数据。

     

     

    6. 图像分割(Image Segmentation

     

     

      图像分割就是把图像分成区域的过程。这是从处理到分析的转变关键,也是图像自动分析的第一步。图像中通常包含多个对象,图像处理为达到识别和理解的目的,几乎都必须按照一定的规则将图像分割成区域,每个区域代表被成像的一个部分。图像自动分割是图像处理中最困难的问题之一。人类视觉系统能将所观察的复杂景物中的对象分开,并识别出每个物体,但对于计算机来说却是个难题。目前,大部分图像的自动分割还需要人工提供必须的信息来帮助识别,只有一部分领域开始使用。例如印刷字符自动识别(OCR),指纹识别等。

     

     

    7. 图像分析(Image Analysis

     

     

      图像分析是试图从图像中分割、提取并描述某些特征,从而有利于计算机对图像的识别和理解,以产生有用的信息。图像处理应用的目标几乎都涉及到图像分析。要做图像分析,必须使计算机具有某种程度的智能。这些智能的特征包括:①能从含有许多不相干细节的背景中找到所需的信息。②能从范例中学习并将所学知识应用推广到其他状况中。③能从不完整的资料中推断出完整的信息。

     

     

     

     

     

    1.3 图像工程

     

     

     

     

     

    1.3.1 图像工程的内涵

     

     

     

     

     

    图像技术在广义上来说是各种与图像有关的技术的总称。目前人们主要研究的是数字图像,主要应用的是计算机图像技术。这包括利用计算机和其它电子设备进行和完成的一系列工作,以及为完成各种功能而进行的硬件设计及制作等方面的技术。计算机图像技术的历史可以追溯到1946年世界上第一台电子计算机的诞生,但在20世纪50年代计算机主要还是用于数值计算。到20世纪60年代,第三代计算机的研制成功,以及快速傅立叶变换算法的发现和应用,使得对图像的某些计算得以实际实现。20世纪70年代,图像技术有了长足进步,而且第一本重要的图像处理专著(Rosenfeld 1976)也得以出版。进入20世纪80年代,各种硬件的发展使得人们开始处理3-D图像。

     

     

    由于图像技术得到了极大的重视和长足的发展,人们需要对它们进行综合研究和集成应用,由此出现了图像工程。图像工程的概念在1982年首先提出,当时主要包括有关图像的理论技术,对图像数据的分析管理以及各种应用。图像工程的内容非常丰富,根据抽象程度和研究方法等的不同,可分为图像处理、图像分析和图像理解三个层次。换句话说,图像工程是既有联系又有区别的图像处理、图像分析及图像理解三者的有机结合,另外还包括它们的工程应用。

     

     

    1. 图像处理

     

     

    图像处理的重点是图像之间进行的变换。虽然人们常用图像处理泛指各种图像技术,但比较狭义的图像处理主要是对图像进行各种加工,以改善图像的视觉效果并为自动识别打基础,或对图像进行压缩编码以减少所需的存储空间。

     

     

    2. 图像分析

     

     

    图像分析主要是对图像中感兴趣的目标进行检测和测量,以获得它们的客观信息,从而建立对图像的描述。如果说图像处理是一个从图像到图像的过程,则图像分析则是一个从图像到数据的过程。这里的数据可以是目标特征的测量结果,或是基于测量的符号表示,它们描述了目标的特点和性质。

     

     

    3. 图像理解

     

     

    图像理解的重点是在图像分析的基础上,进一步研究图像中各目标的性质和它们之间的相互关系,并得出对图像内容含义的理解以及对原来客观场景的解释,从而指导决策。如果说图像分析主要是以观察者为中心来研究客观世界,那么图像理解在一定程度上就是以客观世界为中心,借助知识、经验等来把握整个客观世界。

     

     

    综上所述,图像处理、图像分析和图像理解是处在三个抽象程度和数据量各有特点的不同层次上。图像处理是比较低层次的操作,它主要在图像像素级上进行处理,处理的数据量非常大。图像分析则进入了中层,分割和特征提取把原来以像素描述的图像转变成比较简洁的非图像形式的描述。图像理解主要是高层操作,基本上是对从描述抽象出来的符号进行运算,其处理过程和方法与人类的思维推理有许多相似之处。

     

     

     

     

     

    1.3.2 相关学科和领域

     

     

     

     

     

    图像工程是一门系统地研究各种图像理论、技术和应用的交叉学科。从它的研究方法来看,它可以与数字、物理学、生物学、心理学、电子学、计算机科学等许多学科相互借鉴。从它的研究范围来看,它与模式识别、计算机视觉、计算机图形学等多个专业相互交叉。图像工程的研究进展还与人工智能、神经网络、遗传算法、模糊逻辑等理论和技术有密切的联系。它的发展应用与医学、遥感、通信、文档处理和工业自动化等许多领域也是密不可分的。

     

     

    图像工程与计算机图形学(Computer Graphics)、计算机视觉(Computer Vision)、模式识别(Pattern Recognition)等有着密切的关系。图形学原本是指用图形、图表、绘图等形式来表达数据信息的科学。而计算机图形学研究的就是用计算机技术生成这些形式的理论、方法和技术,即由非图像形式的数据描述来生成逼真的图像。它既可以生成现实世界中已经存在的物体的图形,也可以生成虚拟物体的图形,它和图像分析的对象和输出结果正好对调。从狭义上讲,模式识别指的是把基于特征的多维模式空间分成不同类别的识别理论。特别是指不依赖于图形和图像,适用于其他一般的模式分类的理论。模式识别和图形分析比较相似,只是前者试图把图像分解成可用符号较抽象地描述的类别。计算机视觉主要强调用计算机实现人的视觉功能,要用到图像工程三个层次的许多技术,目前的研究内容主要与图像理解相结合。

     

     

     

     

     

    1.4 数字图像处理的应用

     

     

     

     

     

    概括的说,数字图像处理技术的主要应用领域如下:

     

     

    ⑴通讯。包括图像传输、电视电话、电视会议等,主要是进行图像压缩甚至理解基础上的压缩。

     

     

    ⑵宇宙探测。由于太空技术的发展,需要用数字图像处理技术处理大量的星体照片。

     

     

    ⑶遥感。航空遥感和卫星遥感图像需要用数字技术加工处理,并提取有用的信息。主要用于地形地质分析,矿藏探勘,森林、海洋、水利、农业等资源调查,环境污染监测,自然灾害预测预报,气象卫星云图处理以及地面军事目标的识别等。由于数据量庞大,因此寻求处理及分析这些图像的自动方法,特别是图像对比度增强、分割及图像识别的技术显得极为重要。

     

     

    ⑷生物医学领域中的应用。图像处理在这一领域的应用非常广泛,无论是临床诊断还是病理研究都大量采用图像处理技术。它的直观、无创伤、安全方便等优点备受青睐。图像处理首先应用于细胞分类、染色体分类和放射图像等。20世纪70年代数字图像处理在医学上的应用有了重大突破。1972年,X射线断层扫描CT得到实用;1977年,白血球自动分类仪问世;1980年,人们实现了CT的立体重建。医学图像的种类包括X光图像、同位素图像、核磁共振图像、超声波图像、红外线图像以及显微图像等。对这些图像作对比度增强或伪彩色等的处理可帮助医生诊断疫病。

     

     

    ⑸工业生产中的应用。在生产线中对产品及其部件进行无损检测是图像处理技术的一个重要应用领域。这一领域的应用从20世纪70年代起取得了迅猛的发展,主要有产品质量检测;生产过程的自动控制;CAD和CAM等。

     

     

    ⑹军事、公安等方面的应用。例如军事目标的侦察、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。

     

     

    ⑺机器人视觉。机器视觉作为智能机器人的重要感觉器官,其主要任务是进行三维景物理解和识别。机器视觉主要用于军事侦察或处于危险环境的自主机器人;邮政、医院和家政服务的智能机器人;装配线工件识别、定位;太空机器人的自动操作等。

     

     

    ⑻科学可视化。图像处理和图形学的紧密结合,形成了科学研究领域新型的研究工具。例如考古学可用图像处理方法恢复模糊或其他降质状况的珍贵文物图像。

     

     

    ⑼视频和多媒体系统。电视制作系统中广泛使用图像处理、变换、合成;多媒体系统中静止图像和动态图像的采集、压缩、处理、存储和传输等。

     

     

    ⑽电子商务。图像处理技术在这一领域大有可为,如身份认证、产品防伪、水印技术等。

     

     

     

     

     

    1.5 数字图像处理的发展方向

     

     

     

     

     

    目前图像处理面临的主要任务是研究新的处理方法,构造新的处理系统,开拓新的应用领域。需要进一步研究的问题有如下几个方面:

     

     

    ⑴在进一步提高精度的同时着重解决处理速度问题。

     

     

    ⑵加强软件研究,开发新的处理方法,特别是要注意移植和见解借鉴其他学科的技术和研究成果,创造出新的处理方法。

     

     

    ⑶加强边缘学科的研究工作,促进图像处理技术的发展。

     

     

    ⑷加强理论研究,逐步形成图像处理科学自身的理论体系。

     

     

    ⑸图像处理领域的标准化。

     

     

    图像处理技术未来发展方向大致可归纳为:

     

     

    ⑴图像处理的发展将围绕高清晰度电视的研制,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。

     

     

    ⑵图像、图形相结合,朝着三维成像或多维成像的方向发展。

     

     

    ⑶硬件芯片研究。把图像处理的众多功能固化在芯片上,使之更便于应用。

     

     

    ⑷新理论与新算法的研究。近年来随着一些新理论的引入及新算法的研究,将会成为今后图像处理理论与技术的研究热点。例如小波分析(Wavelet)、人工神经网络(artificial neural networks)、分形几何(Fractal)、形态学(Morphology)、遗传算法(Genntic Algorithms)等。

     

     

    随着科学技术的进步以及人类需求的不断增加,图像处理科学无论是在理论上还是实践上,都会取得更大的发展。

    展开全文
  • 首先申明,我并不精通Java的图形图像处理API。因为整这个验证码,接触了一些,发现原来JDK 提供了非常强大的图形图像处理能力。在网上找了点资料,现摘取其中的一些介绍放这,然后你可以下载整个文档(Java_2D_API_...
  • vc++6.0中的图形图像处理

    千次阅读 2016-04-28 14:33:09
    vc++6.0中的图形图像处理  (2012-03-11 03:50:12) 转载▼ 标签:  杂谈    vc++6.0中的图形图像处理  图形图像处理  1.设备环境(DC)的概念。  2.常用的几个...
  • 图形图像处理集锦!

    千次阅读 2011-09-05 21:47:20
    http://blog.csdn.net/housisong/article/category/325273/1 图形图像处理-之-任意角度的高质量的快速的图像旋转 上篇 纯软件的任意角度的快速旋转
  • Android移动开发–对图形图像处理的介绍与应用 前言 随着移动设备的不断普及与发展,相关的软件开发技术也越来越受到人们所重视。Android作为全球最受欢迎的移动智能终端平台。图形图像处理技术在Android中非常...
  • http://www.zpxp.com 萝卜鼠在线图形图像处理:随心所欲制作各种特色效果,比如:图片特效:立方体 邮票效果 电影胶片 卷页效果 装饰效果(多种效果!) 图章效果 添加水印 条形码 特色按钮等。年历月历:可以随意生成...
  • OpenCV-Python图形图像处理:制作雪花飘落特效

    千次阅读 多人点赞 2021-03-29 13:11:38
    本文介绍了通过OpenCV-Python以特定图像为背景制作雪花飘落特效的实现思路、关键函数功能以及主程序的完整代码。雪花飘落特效实际上属于图像融合的操作,只要掌握图像融合的基础知识以及设计后实现思路,实现起来...
  • 计算机 图形图像处理

    2015-03-31 04:52:05
    只有C++基础,需要学MFC么? 接下来该学些什么。 图形图像又可再分为哪些细的方向? 各自的应用领域?也就是说这些细方向大体是从事哪方面的工作?
  • OpenCV-Python图形图像处理专栏文章目录

    千次阅读 多人点赞 2020-10-19 21:52:06
    OpenCV-Python图像乘法运算cv2.multiply函数详解及像素值溢出归一化处理 OpenCV-Python图像位与运算bitwise_and函数详解 OpenCV-Python图像的减法运算cv2.subtract函数详解以及和矩阵减法的差异对比 OpenCV-Python...
  • opencv-python图形图像处理入门基础知识

    千次阅读 多人点赞 2020-09-16 22:10:15
    本文详细介绍了opencv-python的安装、加载图像文件、捕获摄像头、显示图像、鼠标事件捕获、键盘事件处理、几何图像绘制、颜色空间转换、图像阈值处理图像修复等基础知识,适合开始学习opencv-python的初学者。
  • ImageGear for .NET是一款图形图像处理控件,具有扫描,压缩,浏览、添加注释,打印,图像编辑,OCR以及PDF和矢量图像支持,使开发人员可以快速地开发出图像处理程序,可用于.NET Framework2.0、3.0、3.5、4.0,ASP...
  • 图形图像处理库大全

    千次阅读 2014-10-29 15:15:39
     VIPS 是一个图像处理软件,特别适合非常大的图像处理。它由一个强大的,可重复利用的程序库和一个图形用户界面组成。 更多VIPS信息 3D引擎 Apocalyx  Apocalyx是一个基于OpenGL的3D引擎. 更多...
  • 计算机图形图像处理 实验一

    千次阅读 2017-04-11 20:42:43
    opencv对图像处理 图像加减乘除运算 图像灰度级变换 图像求反 图像变换 直方图均衡化处理
  • 常见的几何图形包括点、线、弧、矩形等。在Android中,Canvas类提供了丰富的绘制几何图形的方法,通过这些方法,可以绘制出各种几何图形。常用的几何图形的绘制方法如下所示: 1. 画一个圆使用的是drawCircle:...
  • ——图像的两种分类: 位图 例子:单色位图(只有两种颜色(黑白),每一个像素点占一位) 256位图(每一个像素点有256个颜色,每一个像素点需要占一个字节) 24位位图(每个像素点占3个字节) 位图图像(bitmap)...
  • 为了支持进行图像处理测试,老猿将一些经常需要使用到的功能做成了函数放到了公用模块opencvPublic中,在博文中的代码直接引用了这些函数,但对阅读博文的读者可能会造成了一定的困难,为此老猿将在本文中就这些公用...
  • 上述图像用A3纸打印出来已经非常清晰了,但是有客户反应需要再清晰一些,所以高清版本也上线了,这里可以看一下效果图。 点击查看,不同蚊香画生成器的结果对比。 另外,作者还有绕线画生成器,需要的可以点这里...
  • 用matlab对图像进行二值化处理 >>m = imread('d:\image\logo.jpg'); >> imshow(n); >> n = graythresh(data); >> im2bw(m,n); 用matlab对图像灰度化处理 data = imread('d:\image\photo....
  • 最近在学习车辆型号的识别,没有怎么使用神经网络或者机器学习其他的学习方法,在后面关于图像特征点与已建立的数据库里的特征进行匹配,然后分类,这一步不知道该怎么做。。。。求各位大神指点,,,
  • <?xml version="1.0" encoding="utf-8"?> <... android:id="@+id/activity_main" android:layout_width="match_parent" android:layout_height="match_parent">... android:layout_width="match_parent" ...
  • 图形图像处理软件一般具有扫描输入、图形图像编辑、打印输出及文件管理等功能,实际上是一个集各种运算方法于一体的操作平台,经过各种复杂的运算,以实现图形图像数据的读写、处理、变换和压缩保存等。 1.绘图...
  • C&C++图形图像处理开源库

    万次阅读 2013-10-30 16:55:23
    用来根据大量的数组生成各种图表可轻松嵌入到其他程序中可生成各种各样的图表更多MathGL信息 开源图形库CxImage CxImage是一个可以用于MFC 的C++图像处理类库类,它可以打开,保存,显示,转换各种常见格式的图像...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 183,243
精华内容 73,297
关键字:

图形图像处理