数字图像处理

数字图像处理概述

数字图像

简单而言，就是可以使用矩阵或者数组来表示。
具体而言，数字图像处理主要的内容包括：1，图像的数字化 2，图像变换 3，图像增强 4，图像分割 5，二值图像处理与分割 4，纹理分析 5，图像识别

图像数字化

图像数字化就是将一副图画转换成为计算机能够处理的过程，其包括两个过程，分别是采样和量化
1，数字图像的表示：
矩阵
数字图像根据灰度级可分为黑白图像，灰度图像和彩色图像（3个矩阵 RGB）
2，图像数字化的过程

• 采样：将空间上连续的图像变换为离散点的操作称之为采样。两个重要的参数：采样间隔和采样孔径
• 量化：将像素灰度值转换成为离散的整数值的过程，几个概念：灰度级：一幅图像中不同灰度值的个数，用G表示。一般而言，数字图像灰度级数G为2的整数幂，即G = $2^g$，其中g为量化bit数。若一幅图像的量化灰度级数G = 256 = $2^8$，灰度值范围为0~255，常称为8bit量化。
  图像数据量：一副M*N，灰度级数为G的图像，所需要的存储空间为M * N * g（bit）
  3，采样，量化参数与数字化图像之间的关系
  数字化方式可分为均匀采样，量化与不均匀采样，量化。所谓均匀，就是等间隔采样，量化。
  
  4,图像灰度直方图
  5，数字图像处理算法的形式
• 局部处理 4-邻域，8邻域
• 点处理
• 大局处理
• 迭代处理
• 跟踪处理
• 窗口处理与模板处理
  6，图像的数据结构
  图像像素灰度值的存储方式

图像变换

傅里叶变换（空间域------>频域）
理解一些感念：频域，相域，频谱，欧拉公式，复数的几何意义（旋转），指数形式的傅里叶变换
高频信号是边缘轮廓，低频是信息主要存在之处

• 低通滤波器(用来模糊轮廓)
• 高通滤波器（用来提取图像的轮廓）
• 带通带阻滤波器
  这个链接讲的非常好
  https://blog.csdn.net/on2way/article/details/46981825
  https://zhuanlan.zhihu.com/p/19763358?utm_source=qq&utm_medium=social&utm_oi=745019490630107136
  

图像增强

图像增强的目的就是有选择的去突出某些感兴趣的信息或者去抑制一些不需要的信息。图像增强从增强的作用域来看可以分为空间域增强与频率域增强。

图像增强的点运算

• 灰度变换：灰度变换可以调整图像的灰度动态范围或者说是图像的对比度。（灰度变换主要有以下几种：线性变换，分段线性变换，非线性灰度变换（对数变换，指数变换））
• 直方图修整法：主要包括两类直方图均衡化，直方图规定化
  线性变换
  
  分段线性变换（为了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区间，可采用分段线性变换，）

直方图均衡化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的方法。
在某些情况下，并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。直方图规定化方法就是针对上述思想提出来的。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。

图像的空间域平滑

任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。

• 局部平滑法
• 超限像素平滑法
• 灰度最近邻的K个临点平滑法
• 最大均匀性平滑法
• 有选择保边缘平滑法
• 空间低通滤波法
• 中值滤波

图像空间域锐化

在图像的识别中常需要突出边缘和轮廓信息。图像锐化就是增强图像的边缘或轮廓。

• 梯度锐化法
• Laplacian增强算子
• 高通滤波法：高通滤波法就是用高通滤波算子和图像卷积来增强边缘

图像的频率域增强

假定原图像为f(x，y)，经傅立叶变换为F(u，v)。频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像g(x,y)。频率域增强的一般过程如下：

频率域平滑

• 理想低通滤波器
• Butterworth低通滤波器
• 指数低通滤波器
• 梯形低通滤波器

频率域锐化

• 理想高通滤波器
• 巴特沃斯高通滤波器
• 指数滤波器
• 梯形滤波器

彩色增强技术

图像复原与重建

图像退化

图像压缩

图像分割

二值图像处理

纹理分析

模板匹配