数字图像处理(Digital Image Process)分为两大类别:
一、输入和输出均为图像;
二、输入为图像,输出为图像中某些特征属性;
数字图像处理的过程大致分为:
图像获取, 图像 增强, 图像复原, 彩色图像处理, 图像压缩, 形态学图像处理, 图像分割, 表示与描述, 目标识别等。
图像获取是第一步处理;
图像增强是数字图像处理中最简单和最优吸引力的领域。基本上,增强技术的思路是显现那些被模糊了的细节,或简单地突出一幅图像中感兴趣的特征。图像增强是图像处理过程中非常主观的领域;
图像复原也是改进图像外貌的一个处理领域,但是不同于图像增强的是,它是非常客观的;
彩色图像处理,涉及很多小波方面的知识;
图像压缩所涉及的技术是减少图像的存储量,或者在传输图像时降低频带;
形态学处理涉及提取图像元素的工具,它在表示与描述方面非常有用;
图像分割将一幅图像划分为组成部分或目标物。通常,分割越准确,识别也就越成功;
表示与描述一般跟在图像分割之后,通常输出未经加工的数据。表示一个区域的的边缘或者表示一个区域内部的所有点;
图像识别基于目标的描述给目标赋予符号的过程。
上图总结了图像处理的步骤与类别。
数字图像处理基础
图像感知和获取
-
图像由传感器获得(CCD阵列传感器);
简单的图像形成模型:用 f(x,y) 二维函数表示图像,在特定的坐标 (x,y) 处,f 的值或者幅度是一个正的标量,其物理意义有图像源决定,如果是单色图像,那么 f 就可以称为灰度级。
图像的取样和量化
-
数字化坐标值称为取样,数字化幅度值称为量化;
取样和量化的结果采用实际矩阵表示 (M * N 的数字图像),矩阵中的每一个元素称为图像单元、图像元素或者就叫像素,数字化的过程多余 M、N值以及每个像素允许的离散灰度级数L需要一个判定。对于M、N只要是整数就行,但是出于便于处理、存储和硬件的考虑,灰度级数一般取2的整数次幂: L = 2 ^ k(离散灰度级是等间隔的取值范围为 [ 0 , L-1 ]);数字b表示存储图像的比特数 b = M * N * k,一幅有 2^k 灰度级的图像称为k比特图像。就像256色图像也叫 8 比特图像;
放大和缩小数字图像:使用虚拟的栅格,再采用最近邻域插值法、双线性内插法;
像素间的一些基本关系
-
相邻像素
邻接性、连通性(灰度值相等时,邻接性就成了连通性)、区域(如果 R 是图像的一个子集,并且 R 是连通集则 R 是一个区域)和边界
线性和非线性操作
如果对于输入的任意两幅图像 f 和 g 均满足:H (af + bg) = aH( f ) + bg( g ) ,则称H为线性算子。