图像数据处理算法总结

本博文主要介绍了图像处理的一些基础知识

一. 图像存储原理

图像存储原理主要分为5种

1. RGB颜色空间，使用最为广泛的颜色空间。

2. CMY(K)颜色空间，主要用于印刷行业。

3. HSV/HSL(I)颜色空间，人类视觉，和画家配色领域。

4. CIE-XYZ颜色空间，国际照明协会应用。

5. CIE-Lab对色空间，接近人类视觉。

 

二. 空域分析及变换

滤波/卷积的计算过程：

滤波/卷积  边界补充问题：

1. 补零：

2. 边界复制

3. 镜像

4.块复制

 

滤波/卷积的类别有哪些：

1. 平缓均值滤波：卷积核里面数字的大小一直，并且卷积核的尺寸是奇数尺寸。

 

2.平滑中值滤波：对卷积像素区域的数值大小排序，选取中间的数值作为结果。卷积核尺寸大小是奇数尺寸。

平滑中值滤波可以有效地去除椒盐噪声。

去除椒盐噪声

 

3. 平滑高斯滤波/卷积：模拟人眼效果，关注中心区域，中心区域的以外的像素点逐渐变小，距离越远数值越小。

高斯滤波的特性：分解特性。

可以将2D卷积拆分成另个相同的1D卷积，减少了计算量。

2D卷积计算量是：K*K。1D卷积的计算量是2*K。

 

 

4. 用来提取图像边缘信息的滤波/卷积

1）梯度Prewitt滤波/卷积：

提取水平信息的滤波/卷积

提取处置信息的滤波/卷积：

 

2）Sobel滤波/卷积：相当于Prewitt加权，或这是加入高斯平滑。

水平方向的：

垂直方向的：

 

3）梯度Laplacian滤波/卷积

可以用来做：团块检测（周边像素高于或者低于中心像素）和边缘检测（像素值变化快速的区域）。

 

4）其他滤波和卷积

左移位：

锐化：（高斯滤波+均值滤波）

 

三. 频域分析及变换

1. 傅里叶变换：一个信号可以由足够多个不同频率和振幅的正余弦波组成。

傅里叶变换的主要性质就是：可以将空域的卷积操作转换成频域的乘积操作。这样大大减少了计算量，增加了运行速度。下图就是傅里叶变换的一个流程图。

傅里叶变换：如下图所示，我们的图像是一个M*N大小的图片。左上角为像素的起始坐标（0,0）。经过傅里叶变化之后起始点移动到中心位置。

下图详细介绍了经过傅里叶变化之后的图片。下图的起始位置是（0,0）点。起始点水平往右频率越来越高，振幅越来越低。起始点垂直往下开始频率越来越高，振幅越来越低。起始点斜下开始也是程相同的变化。

下图是傅里叶变化：

空域卷积=频域乘积

 

2. 高斯金字塔：

高斯卷积+下采样  n次

金字塔加入高斯滤波的必要性，为什么不直接使用下采样来做成金字塔模型。如下图所示，如果只用下采样会造成更多的信息丢失。

 

3. 拉普拉斯金字塔：图像信息会在卷积和下采样的过程中丢失，为了保留这些丢失的信息恢复图像，从而引入了拉普拉斯金字塔。

Gi表示当前层卷积图像信息，UP(Gi+1)表示下一层卷积图上采样。g5*5表示5*5卷积。

下图就是图像恢复的流程图：

从左边开始第一列是高斯金字塔，第二列是拉普拉斯金字塔，第三列是原图像金字塔。左边的两列是为了提取拉普拉斯特征图，右边的两列是通过拉普拉斯金字塔来恢复原来的图片。

 

4. 模板匹配

作用是用来同尺度的目标检测。

目标相似度检测方法有：欧氏距离，相关，去均值相关。