第一章 绪论
主要应用领域:
- 改善图示信息,便于人们解释。
- 为存储、传输、表示对图像数据进行处理,便于机器理解。
什么是数字图像处理?
- 数字图像:一幅图像可定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标,而在任何一对空间坐标(x,y)处的幅值对应为函数值f(x,y),该幅值称为图像在该点处的强度或灰度级。当x,y和灰度值f是有限的离散数值时,我们称该图像为数字图像。
- 数字图像处理:借助计算机进行数字图像的处理。
- 像素:构成数字图像的元素称为像素,每个元素都由代表位置的坐标和代表幅值的数值组成。像素又可以称为图画元素、图片元素,对应英文单词为:picture elements, image elements、pels、pixels
使用数字图像处理的领域的实例
- 空间探测:1964年美国“徘徊者7号”卫星传送了月球图像,使用计算机对航天器电视摄像机拍摄图像的各种畸变进行了校正,这是图像复原和增强方法的基础。
- 医学、生物学:X光照片、CT影像
- 地球资源遥感监测
- 天文学观察
- 考古学:复原图片
- 物理学:高能等离子图像、电子显微镜图像
- 国防及工业领域
- 机器感知:OCR图片文字识别、工业机器人感知、军事目标自动识别、指纹自动处理、血样分类、天气预报云图识别等
数字图像处理的基本步骤
数字图像处理基本步骤如下:
-
图像获取(Image acquisition):主要用于获得数字图像,包含图像预处理如图像缩放。
图像获取首先要进行图像感知(image sensing),图像感知首先需要一个对希望成像的目标辐射(radiated,包括反射、透射两种)能量很敏感的物理设备用于收集能量,然后需要一个数字化器部件(digitizer),用于将感知的不同能量输出成数字。 -
图像增强(Image enhancement):对图像进行某种操作使得结果图像比原始图像更适合特定应用的处理,图像增强是主观的,因为必须符合后续应用的需要
-
图像复原(Image restoration):图像复原与增强一样也是改进的图像外观,但图像复原是依据图像退化( image degradation)的数学模型或概率模型来进行的比较客观化的处理。
老猿补充说明: 图像退化是图像在形成、记录、处理和传输过程中,由于成像系统、记录设备、传输介质和处理方法的不完善,导致图像质量的下降。图像复原是将图像退化的过程模型化,并据此采取相反的过程以得到原始的图像(保证噪声最小) -
彩色图像处理(Color image processing):对彩色图像基于彩色图像的模型和数字领域色彩处理的方式进行的处理
-
小波变换(Wavelets):以不同分辨率描述图像的基础。小波变换是将图像信号分解为由原始小波位移和缩放之后的一组小波。小波在图像处理里被称为图像显微镜,原因在于它的多分辨率分解能力可以将图片信息一层一层分解剥离开来。剥离的手段就是通过低通和高通滤波器。
图像压缩(Compression):用于节省存储和传输带宽的手段
形态学处理(Morphological processing):形态学处理用于提取图像分量,可以参考《https://blog.csdn.net/LaoYuanPython/article/details/109556425 OpenCV-Python图像形态变换概述及morphologyEx函数介绍》 -
分割(Segmentation) :将图像划分为图像的组成部分或组成对象,分割越准确,后续的图像识别越成功
-
表示与描述(Representation and description):表示确认将图像的数据确定为一个边界还是一个完整区域,选择一种表述仅是将原始数据转换成适合后续计算机处理的形式的一部分,描述又称为特征选择(feature selection),它是基于一些感兴趣的量化信息的结果或者不同对象彼此区分的基本特征的基础上进行的属性提取处理。
-
识别(Recognition) :是基于一个图像对象的描述给其赋予一个标识的处理,如识别图像中的车辆。
第二章 数字图像处理基础
第三章 空间域图像增强技术
- 图像增强:力求提高图像质量,使原始图像更适合于特定应用,用于进一步分析。
- 图像增强两大类方法:
- 空间域方法:直接对图像的像素进行处理。
- 空间域:图像平面本身。
- 空间域图像增强方法分类:
- 点处理:作用于单个像素。灰度变换、直方图处理、伪彩色处理。
- 模板处理:作用于像素邻域。空域平滑、空域锐化。
- 频率域方法:修改平面的傅氏变换为基础。
- 空间域方法:直接对图像的像素进行处理。
- 图像增强的通用理论不存在。
背景
空间域处理可由下式定义:
f(x,y):输入图像
g(x,y):输出图像
T:对f的一种操作,其定义在(x,y)的邻域
如果T操作的邻域是1*1(也就是单个像素),则T为灰度级变换函数,形式为:
r和s所定义的变量,分别是f(x,y)和g(x,y)在任意点(x,y)的灰度级。
某些基本灰度变换
-
图像反转:灰度级范围[0,L-1]的图像反转由下式可得:
-
对数变换:
c是一个常数,r>=0,使一窄带低灰度输入图像值映射为一宽带输出值。
-
幂次变换:
c,γ是正常数。γ<1,把输入的窄带暗值映射为宽带输出亮值,使图像变亮。γ>1,把输入的高值映射为宽带,让图像变暗。
-
分段线性变换函数
-
对比度拉伸
-
灰度切割
a:关心范围指定较高值,其他指定较低值
b:关心范围指定较高值,其他保持不变
-
比特面分割:假设图像中的每一个像素的灰度级是256,这可以用8位表示,假设图像是由8个1位平面组成,范围从位平面0到位平面7,位平面7是像素的最高位,位平面0是像素的最低位。
作用:
- 通过对特定位提高亮度,改善图像质量
- 较高位包含视觉重要数据
- 较低位包含图像中的微小细节
-
直方图处理
灰度直方图:横坐标表示灰度级,纵坐标表示该灰度级出现的个数
灰度级在范围[0,L-1]的数字图像的直方图是一个离散函数:
r表示灰度级,n为灰度级出现次数,p为概率
利用直方图计算物体面积:物体D的面积为SD,灰度变换范围是gi到gj
直方图均衡化
上式的离散形式:
直方图是近似的概率密度函数,所以变换得不到完整平坦的结果,直方图均衡只是近似的。
直方图规定化
空间域滤波增强:模板处理对图像进行滤波,去除噪声或增强细节
模板:空间滤波器
第四章 频率域图像增强技术
第五章 频率域图像增强技术
第六章 图像复原
第七章 图像压缩
为什么要图像压缩?
表示数字图像所需数据量很大
图像压缩方法:消除数据冗余
方法分类:
- 无损压缩
- 有损压缩
一、基础知识
数据冗余:数据表达了无用或以表达的信息
相对数据冗余:[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FMwhm0uR-1653289290499)(C:\Users\Gavin\AppData\Roaming\Typora\typora-user-images\image-20220522095228886.png)]
压缩率:[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4egLthtr-1653289290499)(C:\Users\Gavin\AppData\Roaming\Typora\typora-user-images\image-20220522095246023.png)]
三种基本数据冗余
-
编码冗余
每个像素所需平均比特为:
M*N的图像,编码所需比特数
例题:
-
像素间冗余:
-
心里视觉冗余
保真度准则
-
客观保真度准则
-
当所损失的信息量可以用输入图像与解码输出图像的函数表示时,就是客观保真度准则
-
常用两种客观保真度准则
-
均方根误差
-
均方信噪比
-
-
二、图像压缩模型
常用图像压缩系统模型