图像相关的基础知识

数字图像处理，刚萨雷斯, 第三版

1. 图像的表示

M行N列

或者：

 

2. 图像的插值

a. 最近邻插值

https://blog.csdn.net/Andrew659/article/details/4818988

srcX=dstX* (srcWidth/dstWidth) , srcY = dstY * (srcHeight/dstHeight)

计算位置时通过坐标四舍五入来取整。

 

b. 双线性插值

https://blog.csdn.net/Andrew659/article/details/4818988

f(i+u,j+v) = (1-u)(1-v)f(i,j) + (1-u)vf(i,j+1) + u(1-v)f(i+1,j) + uvf(i+1,j+1)   

i+u,j+v为映射到原图上的坐标，i,j 为整数部分，u,v为小数部分，通过和点落在四个紧邻的像素的距离来进行加权得到对应的值。

 

c. 双三次插值

https://blog.csdn.net/qq_29058565/article/details/52769497

https://dailc.github.io/2017/11/01/imageprocess_bicubicinterpolation.html

和b类似，但选用16个像素的值来加权得到目标图像上的那个点的值

 

3. 相邻的像素

坐标：(x,y)其相邻的点如下(但需要注意边界的地方会落到图像的外面)

水平和垂直相邻：(x+1, y), (x-1, y), (x, y+1), (x, y-1)

对角相邻：(x+1, y+1), (x+1, y-1), (x-1, y+1), (x-1, y-1)

 

4. 对图像的空间操作

1) 单像素操作

对单像素分别施加一个映射，比如最简单的灰度变换,

s=T(z), z为原图的灰度，s为通过函数T映射后的灰度。

2)邻域操作

以点(x,y)为中心的一个邻域坐标集合进行操作(映射)，

比如取矩形领域中的平均值：

3)几何空间变换和图像配准

几何变换的连个基本操作：

a. 坐标的空间变换

b. 像素值的内插，即对空间变换后的像素赋新的值

空间变换的一般形式：

通常使用的是仿射变换，形式为：

常用的仿射变换：

变换有：

前项映射： 通过输入直接算输出的位置

反向映射： 通过输出图像中像素的点的位置计算输入图像的点的位置，然后利用插值计算输出点像素值(常用)。

 

图像配准:

约束点(控制点)，网格标记

 

图像的变换：

正变换:

  

逆变换：

和一维的信号处理类似：

4. 概率方法：

平均灰度的概念：不同灰度值出现的概率和灰度值乘积的加权平均

 

灰度方差：

灰度的n阶矩：

 

灰度变换与空间滤波：

1. 

f(x,y)为输入图像

g(x, y)为处理后的图像

T是点(x,y)的邻域上定义的关于f的一种算子

空间滤波器(空间掩模，核，模板，窗口)

2. 基本的灰度变换函数

1).反转

灰度范围[0. L-1]

2)对数变换

3)幂律(伽马)变换

4)分段线性变换函数

a. 对比度拉伸

b. 灰度级分层

两种方式：

c. 比特屏幕分层

 

d. 直方图处理

图像中对应的直方图均衡的离散形式：

e. 直方图匹配(规定化)

由一幅给定图像得到一幅其灰度级具有指定概率密度函数的图像成为直方图匹配。

 

 

3.4 空间滤波

空间滤波器：

a. 一个邻域

b. 对该邻域包含的图像像素执行的预定于操作组成

滤波产生一个新像素，新像素的坐标等于邻域中心的坐标，像素的值是滤波操作的结果。

 

分为：

线性滤波器

非线性滤波器

 

卷积：

和上面的相关类似，但卷积需要将滤波器旋转180度。

m*n的滤波器和图像f(x,y)做：

a.相关操作：

b.做卷积操作：

实际中，常将w(s,t)旋转180度，然后用a.相关操作的公式来进行计算

 

3.5 平滑空间滤波器

a. 平滑线性滤波器

也称均值滤波器， 使用滤波器模板确定的领域内像素的平均灰度值代替图像中每一个像素的值，结果是降低了图像灰度的“尖锐”变化。

 

 

b. 统计排序(非线性)滤波器

中值滤波器：

对一幅图像中的某个点进行中值滤波处理，首先将邻域内的的像素分类排序，确定其中值，并将中值赋予滤波后图像中的响应像素点。

对于处理脉冲噪声(盐椒噪声)非常有效。

同理我们也可以构造最大值，最小值等滤波器。

 

c. 锐化空间滤波器

主要目的是突出灰度的过渡部分，锐化可以由空间的微分(离散下也叫差分)来实现(微分就是变化率，表明恢复的变化程度)

一阶差分：

二阶差分：

二维图像f(x,y)的拉普拉斯算子：

其中：

故：

从而使用拉普拉斯算子进行图像增强可以表示为：

a,c : c=1/-1,使用上面写出的拉普拉斯算子

b,d. c=1/-1, 带有对角线加权的形式

 

d. 梯度图像

梯度的定义：

对于函数f(x,y), f的坐标(x, y)处的梯度定义为二维列向量：

他指出了在位置(x,y)处f的最大变化率方向。

其幅值：

常用：

实际中使用罗伯特交叉梯度算子来获取梯度图像。

 

 

频率域滤波

对m*n的数字图像f(x,y)进行滤波：

H(u,v)是滤波器(函数)， F(u,v)是输入图像f(x,y)的DFT, 两者的乘积进行IDFT(逆变换)就得到了变换后的图像g(x,y)