数字图像处理

名词解释

1. 采样 ：将空间上连续的图像变换成离散点的操作称为采样  两个重要的参数是 采样间隔和采样孔径的大小
2. 量化 ：将像素灰度转化成离散的整数值的过程叫做量化
3. 图像分割 ：把图像分成互不重叠的区域并提取感兴趣目标的技术
4. 图像复原 ：尽可能恢复退化图像的本来面目，它是沿图像退化的逆过程进行处理
5. 区域 ：
6. 连接成分：
7. 灰度共生矩阵：
8. 模板匹配：
9. 领域：
10. 像素连接数：
11. 图像分割：
12. Hough变换：
13. 伪彩色增强：
14. 直方图匹配：
15. 中值滤波：
16. 边缘：
17. 二值图像膨胀与腐蚀：
18. 图像数字化：
19. 图像膨胀：
20. 直方图规定化：
21. 图像退化：图像的退化是指图像在形成，传输和记录过程中，由于成像系统，传输介质和设备的不完善，使图像的质量变坏
22. 行程编码：

数字图像处理

第一章 绪论

1.1 数字图像处理的概论

1.2 数字图像处理的内容

1.3 数字图像处理与其他学科的关系

1.4数字图像处理系统

1.5 数字图像处理的特点及其应用

第二章 数字图像处理基础

2.1 人眼的视觉系统

2.2 图像数字化

2.3 数字图像灰度直方图

2.4 数字图像的处理方式

2.5 数字图像的数据结构与文件格式

2.6 数字图像的特征表示

第三章  图像变换

3.1 概述

3.2 图像变换的预备知识

3.3 傅里叶变换

第五章 图像复原与重建

5.1 图像退化

概念

图像退化：图像的退化是指图像在形成，传输和记录过程中，由于成像系统，传输介质和设备的不完善，使图像的质量变坏

图像复原：图像复原是要尽可能恢复退化图像的本来面目，它是沿图像退化的逆过程进行处理

图像的复原过程

找退化原因-——建立退化模型——反向推演——恢复图像

典型的图像复原是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，得到质量改善的图像

图像复原主要取决于对图像退化过程的先验知识所掌握的精确程度，体现在建立的退化模型是否合适

图像复原与图像增强的区别

图像增强不考虑图像是如何退化的，而是试图采用各种技术来增强图像的视觉效果。因此，图像增强可以不顾后来的图像是否失真，只要看得舒服就行

图像复原需要知道图像退化的机制和过程等先验知识，据此找出一种相应的逆处理方法，从而得到复原的图像

如果图像已经退化，应先做复原处理，再做增强处理。二者的目的都是改善图像的质量

图像退化的数学模型

1.线性位移不变成像系统图像退化模型

采用线性位移不变系统的原因：

1）由于许多种退化都可以用线性位移不变模型来近似逼近，这样线性系统中的许多数学工具如线性代数，能用于求解图像复原问题，从而使运算方法变得高效。

2）当退化不太严重时，一般用线性位移不变系统模型来复原图像，在很多应用中有较好的复原结果，且计算大为简化。

3）尽管实际非线性和位移可变的情况能更加准确而普遍地反映图像复原问题的本质，但在数学上求解困难。只有在要求很精确的情况下才用位移可变的模型去求解，其求解也常以位移不变的解法为基础加以修改而成。

典型的图像退化的原因

1.光学衍射降质的H（u，v）

5.2 代数分析方法

5.3 频率域恢复方法

5.4 图像的几何校正

几何失真

几何失真原因

图像在获取过程中，由于成像系统本身具有非线性，拍摄角度等因素的影响，会使获得的图像产生几何失真

几何失真分类

系统失真     有规律的，能预测的

非系统失真   随机的

几何校正方法

图像几何校正的基本方法

首先，建立几何校正的数学模型；其次，利用已知条件确定模型参数；最后，根据模型对图像进行几何校正。

（1）图像空间坐标变换

（2）确定各像素的灰度值（灰度内插）

几何校正方法

直接法

利用若干已知点坐标，根据下式求解未知参数；然后从畸变图像出发，根据上述关系依次计算每个像素的校正坐标，同时把像素灰度值赋予对应像素，这样生成一幅校正图像

但该图像像素分布是不规则的，会出现像素挤压，疏密不均等现象，不能满足要求。因此，最后还要对不规则图像通过灰度内插生成规则的栅格图像

间接法

像素灰度内插法

最近邻元法

在待求点的四邻像素中，将距离这点最近的相邻像素灰度付给该待求点

校正后的图像有明显锯齿状，即存在灰度不连续性

双线性内插法

利用待求点四个邻像素的灰度在两个方向上做双线性内插

比最近邻元法复杂，计算量较大。但没有灰度不连续的缺点。它具有低通滤波性质，使高频分量受损，图像轮廓有一定模糊

三次内插法

利用三次多项式S(x)来逼近理论上的最佳插值函数sin(x)/x。其数学表达式为：

像素灰度内插法

5.5 图像重建

投影重建

计算机断层扫描的二维重建

投影定理

三维形状的复原

第七章 图像分割

7.1 图像分割概述

图像分析的概念

图像分析的步骤

图像分割的概念

图像分割的定义

图像分割的基本策略

图像分割的方法

7.2 边缘检测

边缘的定义

边缘的分类

几种常见的边缘检测算子

曲面拟合

第八章 二值图像处理与形状分析

8.1 二值图像概述

二值图像定义

含有二级灰度（0，1）的数字图像

二值图像特点

（1）数据量小

（2）处理速度快，成本低，实时性强

（3） 能定义几何学的各种概念

二值图像的处理流程

8.2 二值图像的连接性和距离、

领域

4，8邻域和4，8邻接

像素的连接

连接成分

连接成分

孔

单连接成分

孤立点

多重连接成分

像素的连接数

连接数定义

像素的可删除性讨论

像素的可删除性

连接性不变

欧拉数

像素间的距离

二值图像的链码表示

8.3 二值图像连接成分的变形操作

标记

连接成分的标记

算法

腐蚀与膨胀

基本概念

结构元素

第九章 纹理分析

9.1 纹理分析概述

纹理

纹理图像

纹理区域

人工纹理

自然纹理

构成纹理的规律

确定性纹理

随机性纹理

尺度范围

微纹理

宏纹理

测量纹理特性的方法

统计分析法

结构分析法

9.2 直方图分析法

灰度直方图特征

9.3 Laws纹理能量测量法

9.4 灰度共生矩阵分析法

第十章 模板匹配与模式识别

10.1 概述

模板识别的基本定义

模式

存在于时间，空间中可观察的事物，具有时间或空间分布的信息

模式的直观特性

可观察性，可区分性，相似性

模式识别

用计算机实现人对各种事物或现象的分析，描述，判断，识别

10.2 模板匹配

模板匹配

模板匹配定义

当对象物的图案以图像的形式表现时，根据该图案与一幅图像的各部分的相似度判断其是否存在，并求得对象物在图像中位置的操作叫做模板匹配

模板匹配的用途

（1）在几何变换中，检测变换的对应点

（2）多光谱或多时相图像间的几何配准（图像配准）

（3）在立体影像分析中提取左右影像间的对应关系

（4）运动物体的跟踪

（5）图像中对象物位置的检测等

模板匹配方法

基本思想

设检测对象的模板为t(x，y)，令其中心与图像f(x，y)中的一点(i，j)重合，检测t(x，y)和图像重合部分之间的相似度，对图像中所有的点都进行这样的操作，根据相似度为最大或者超过某一阈值来确定对象物是否存在，并求得对象物所在的位置

匹配尺度

相似度

模板匹配方法的改进

高速模板匹配法

（1）序贯相似性检测法SSDA：

 SSDA法：SSDA法用下式计算图像f（x，y）在点（u，v）的非相似度m（u，v）作为匹配尺度。式中（u，v）表示的不是模板中心坐标，而是它左上角坐标。模板的大小为m*n

（2）粗精检索结合法

首先进行粗检索，它不是让模板每次移动一个像素，而是每隔若干像素把模板和图像重叠，并计算匹配的尺度，从而求出对象物大致存在的范围。然后，仅在这个范围内，让模板每隔一个像素移动一次，然后根据求出的匹配尺度确定对象物所在的位置。这样，整体上计算模板匹配的次数减少，计算时间缩短，匹配速度提高。

但是用这种方法具有漏掉图像中最适当位置的危险性。

高精度定位的模板匹配

在一般的图像中有较强自相关性，因此，进行模板匹配计算的相似度就在以对象物存在的地方为中心形成平缓的峰。 基于图案轮廓的特征匹配方法与一般的匹配相比较，表现出更尖锐的相似度的分布。可获得高精度的定位。

10.3 模式识别

统计模式识别