数字图像处理总复习

最新推荐文章于 2022-08-25 14:35:27 发布

hututufandou

最新推荐文章于 2022-08-25 14:35:27 发布

阅读量277

点赞数

文章标签：图像处理卷积计算机视觉

本文链接：https://blog.csdn.net/hututufandou/article/details/116263717

版权

本学期选修了数字图像处理课程，下午考试，现就课程内容尽力总结。
需要注意的是，本文章仅对课程大纲有一个概要性的描述，目的是为了同学们有一个系统性的知识结构体系，具体细节无暇书写。
本课程将数字图像处理分为了四个模块：

图像增强和图像复原的输入输出都是图像。
而图像压缩的输入为图像，输出为编码。
图像分割的输入为图像，输出为同质区域。

下面尽可能详细阐述各个模块。

图像增强

提纲挈领地讲，图像增强有空域处理和频域处理两种方式。

所谓空域，就是我们熟知的一张图像，亦即一个矩阵。在空域中，我们可以对点操作，也可以对一个领域操作。

在点处理中，我们可以对一个像素点采用最朴素的灰度变换手段，这种手段依据某种函数关系，将像素点的灰度值拉高或者降低。我们可以试想一张灰度值整体偏低的图片，再试想n<1的幂函数：x的n次方，利用幂函数去处理这张图片，是不是就可以将低灰度区间整体拉高，而高灰度区间基本不影响呢？当然，需要注意的是，我们在灰度变换前首先要将0-255的灰度区间拉到0-1。

直方图均衡化：关于直方图均衡化，我已经在之前的文章中写过了，具体细节可以翻看我之前的博客
直方图规定化：直方图规定化与直方图均衡化最主要的区别在于：直方图均衡化的结果一定是各个灰度值的概率相差不多，此为“均衡”。而对于直方图规定化而言，我们可以将原有的直方图灰度模式调整至任意我们想要的灰度模式，例如单峰或者双峰（大概往往是为了区别前景和背景）等等。直方图规定化的关键桥梁就是直方图均衡化。

（引二维离散傅里叶变换公式。）我们在实际生产生活中可以见到一些受噪声污染严重的图片，其中一部分即为受到探测机器相互发出电磁波影响导致的正弦噪声。比如探月车一次需要带很多探测机器登陆月球。那有人会说，为什么不一次只带一个机器上去？显然，登月价格昂贵，登月一次必然需要携带多种机器，这样的话，互相影响就在所难免，这也是图像处理存在的意义之一了。
不过幸运的是，这些由机器本身带来的噪声有相当一部分是有固定的“噪声模式”的，即“织布状”的噪声模式等等。对于这种噪声，我们可以想象的是，在空域是很难处理的，但是经过傅里叶变换将其映射到频域上我们可以清晰地看到，噪声在映射图片上呈圆环状分布，我们此时再使用带阻滤波器滤掉这圈噪声，问题即迎刃而解。
（老师要求我们手推傅里叶变换的平移特性和卷积定理，顶）

我们的老师讲，图像增强和图像复原的区别在哪呢？大抵是这样的：
图像增强，其实相当于“美图秀秀”所要做的事情，比如滤波（即磨皮），比如锐化，比如提高对比度。
图像复原，其实相当于还原一个图像最真实的面貌，比如航拍一座城市，受湍流和机器本身的影响会产生一些噪声，再比如由于光线问题，我们拍出的照片有阴影，此时我们就要估计退化函数模式和噪声模式，进而还原图像最真实的样子。
但是需要注意的是，两种操作所采用的方式，比如滤波等等，大抵是一样的。
下列图像受到退化函数和噪声共同影响得到的结果
g(x,y)=f(x,y)*h(x,y)+n(x,y)
即原图像f(x,y)在受到退化函数h(x,y)卷积的结果下加上噪声n(x,y)带来的影响得到了最终图像g(x,y)。
干饭去了，烂个尾。