数字图像处理

1. 数字图像概述

1.1 图像的基本概念
图像因其表现方式的不同分为连续图像和离散图像两大类。

• 连续图像：指在二维坐标系中连续变化的图像，即图像的像点是无限稠密的，同时具有灰度值。又称为模拟图像。
• 离散图像：指用一个数字序列表示的图像。该阵列中的最小单位称为像素，每个像素由数字表示图像上每点的信息，又称为数字图像。

1.2 图像的数字化采样
目前的计算机只能处理数字信号，因此必须将连续的图像信息转化为数字形式，即需要数字化的采样与量化。

• 图像采样就是按照图像空间的坐标测量该位置上像素的灰度值。一般采用等间隔采样：将$(x,y)$平面上的图像分成均匀的小网格，采样值对应每个位置上网格的灰度值。
• 将模拟图像在空间上离散化为像素后，各个像素点的灰度值仍是连续量，此时需要把像素的灰度值进行量化，分为若干个灰度等级。

一幅图像经过采样和量化后便得到一幅数字图像，通常用一个矩阵来表示。矩阵中的元素称为像素。Matlab图像工具箱中像素值的表示支持各种数据类型：整数、浮点数、字符、逻辑算符，图像类型之间的转换函数有ind2gray、gray2ind、rgb2ind、ind2rgb、ntsc2rgb、rgb2ntsc等，可使用imtool命令查看一个图像文件的信息。

1.3 图像类型
在计算机中，按颜色和灰度的多少可以将图像分为二值图像、灰度图像、索引图像、RGB图像四种基本类型。

• 二值图像：矩阵元素仅由0、1两个值构成，0代表黑色，1代表白色。二值图像在Matlab中是一个取值只有0和1的逻辑数组，一个取值只有0和1的整型数组Matlab并不认为是二值图像。

B=logical(A)	%将数值型数组A转为逻辑数组B。数值0转为逻辑0，其他数值转为逻辑1

• 灰度图像：矩阵元素的整数取值范围通常为[0,255]，此时其数据类型一般为8位无符号整数（uint8）。若灰度图像的像素值是uint16类，则其整数取值范围为[0,65535]。若图像是double类，则像素取值范围为[0,1]。
• RGB彩色图像：若一幅RGB图像的数据类型是double，则它的取值范围就是[0,1]。类似地，数据类型也可以是uint8、uint16等。
• 索引图像：索引图像有两个分类，数据矩阵X和彩色映射矩阵map。map是一个大小为m×3且范围在[0,1]间由浮点数构成的double类数组，map的长度m同它所定义的颜色数目相等，map的每一行定义红、绿、蓝三个分量。每个像素的颜色由对应矩阵X的值作为指向map的一个指针决定。

2. 亮度变换与空间滤波

2.1 亮度变换
Matlab中使用函数imadjust对图像进行亮度变换。

g=imadjust(f,[low_in,high_in],[low_out,high_out],gamma)	%将图像f中的亮度值映射到g中的新值
%即将low_in至high_in之间的值映射到low_out至high_out之间的值
%参数gamma为调节权重，若gamma小于1则被映射到更亮的输出值，大于1责备映射到更暗的输出值
g=imadjust(f,[0,1],[1,0])	%图像亮度反转

2.2 线性空间滤波器
拉普拉斯滤波器增强图像的基本公式为$$g(x,y)=f(x,y)+c{\nabla }^{2}f(x,y)$$式中：f为输入图像；g为输出图像；c取1或-1。
对离散的数字图像，拉普拉斯算子${\nabla }^2$对图像f的作用就相当于如下矩阵${\mathbf{T}}_1$与f相乘$${\mathbf{T}}_1=\left[\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array}\right]$$称${\mathbf{T}}_1$为滤波器或掩膜。或使用如下的矩阵${\mathbf{T}}_2$近似拉普拉斯算子$${\mathbf{T}}_2=\left[\begin{array}{ccc}1& 1& 1\\ 1& -8& 1\\ 1& 1& 1\end{array}\right]$$该矩阵更逼近二阶导数，对图像的改善作用更好。这些近似矩阵中心原始为负数时c=-1，反之c=1。
也可以选取其他的拉普拉斯近似矩阵，Matlab中函数fspecial(‘laplacian’,α)构造一个如下的拉普拉斯算子掩膜$$\left[\begin{array}{ccc}\frac{\alpha }{1+\alpha }& \frac{1-\alpha }{1+\alpha }& \frac{\alpha }{1+\alpha }\\ \frac{1-\alpha }{1+\alpha }& \frac{-4}{1+\alpha }& \frac{1-\alpha }{1+\alpha }\\ \frac{\alpha }{1+\alpha }& \frac{1-\alpha }{1+\alpha }& \frac{\alpha }{1+\alpha }\end{array}\right]$$

h1=fspecial('laplacian',0)	%构造一个T1滤波器
g1=f-imfilter(f,h1)		%相当于c=-1，即从原图像中减去拉普拉斯算子处理的结果

2.3 非线性空间滤波器
Matlab中非线性滤波器的函数为ordfilt2，它可以生成统计排序滤波器。该滤波器基于对图像邻域中所包含的像素进行排序，然后使用排序结果确定的值来替代邻域中的中心像素的值。

g=ordfilt2(f,order,domain)	%使用邻域的一组排序元素中的第order个元素来替代f中的每个元素，该邻域由domain中的非零元素指定
g=ordfilt2(f,1,ones(m,n))	%最小滤波器
g=ordfilt2(f,m*n,ones(m,n))	%最大滤波器
g=ordfilt2(f,median(1:m*n),ones(m,n))	%中值滤波器
%基于中值滤波器的实用性，工具箱提供了一个二维中值滤波函数medfilt2
g=medfilt2(f,[m,n])
g=medfilts(f)	$使用3*3的邻域来计算中值，并用0来填充输入图像的边界

3. 频域变换

为了快速有效地对图像进行处理和分析，如图像增强、图像分析、图像复原、图像压缩等，常需要将原定义在图像空间的图像以某种形式转换到频域空间，并利用频域空间的特有性质方便地进行一定的加工，最后再转换回图像空间，以得到所需要的效果。

3.1 傅里叶变换
傅里叶变换将图像从空域变换到频域。

3.1.1 二维连续傅里叶变换$$F(u,v)={\int }_{-\infty }^{+\infty }{\int }_{-\infty }^{+\infty }f(x,y)e^{-iux}{e}^{-iuy}dxdy$$式中，x和y为空间变量；u和v为频率变量；F(u,v)称为f(x,y)的频率表示。
二维傅里叶逆变换定义为 f ( x , y ) = 1 4 π 2 ∫ − ∞ ∞ ∫ − ∞ ∞ F ( u , v ) e i u x e i u y d u d