【视觉入门】——图形处理基础知识、BMP图像文件介绍、空域图像增强(点运算部分）——图像间变换、灰度变换、直方图变换

本文链接：https://blog.csdn.net/vulcan_q/article/details/127874894

图像处理基础知识

数字图像的表示

在这里插入图片描述
f(x,y)——灰度级值，又称灰度矩阵，取值范围为[0,L-1]其中，L=2^k。则相应的，k=1时，就是所谓的二值图像。

数字图像的空间分辨率即灰度级分辨率

定义：空间分辨率 ：图像中可辨别的最小细节
定义：灰度级分辨率 ：在灰度级别中可辨别的最小变化

像素间的基本关系

相邻像素

4邻域——N₄( P)
对角邻域——N_D( P) : (x+1, y+1)、(x+1, y-1)、(x-1, y+1)、(x-1, y-1)
8邻域——N₈( P)
N₈( P) = N₄( P) + N_D( P)

邻接性与连通性

邻接性（Adjacency）：两个像素是否相邻以及它们的灰度值是否满足特定的相似性准则
令V为定义邻接性的灰度值集合，（）例如，在具有5级灰度等级的图像中，当V={0,1,2} 时，意味着灰度值为0或1或2的像素满足灰度值相似准则。）
连通性 ：
- 通路（Path）：从像素p(x0,y0)到像素q(xn,yn)的通路是指一个像素序列(x0,y0)，(x1,y1)，…，(xn,yn),其中像素(xi,yi)和(xi-1,yi-1)是邻接的。此处，n为通路的长度。
- 如果(x0,y0) = (xn,yn), 则通路为闭合通路。
- 根据邻接关系，通路分为4通路、8通路和m通路
设p和q是一个图像子集S中的两个像素，如果存在一条完全由在S中的像素组成的从p到q的通路，则称p在S中与q相连通。
连通成分 ：一个像素集合，如果集合内的每一个像素与集合内的其他像素连通，则称该集合为一个连通成分。

像素间的距离

像素在空间的接近程度可用像素之间的距离来度量。
在这里插入图片描述
三种距离的定义：

欧氏距离：欧氏距离（Euclidean Distance）D_e(p,q) = [( x –s )2+( y –t )2]^1/2
城市街区距离：D₄(p,q) = | x –s | + | y –t |
棋盘距离：D₈(p,q) = max ( | x –s | , | y –t | )

数字图像文件格式

图像根据构图原理和描述方式的不同，可以分为两类：矢量图，位图。

矢量图：是一种面向对象的、基于数学方法的图形方式。它以对象为中心，通过对每个对象的数学描述来存储图像。常用于工程应用（如工程制图）和艺术领域，极少用于自然图像
位图：位图又称点阵图像，它以像素为单位，描述图像的实际信息，适合于描述自然界的图像

BMP图像文件格式

BMP（Bitmap）格式是微软公司为其Windows操作系统设置的标准图像格式。BMP图像文件是个人计算机上最常见、最简单的文件格式之一。BMP图像文件扩展名为.bmp或.BMP 在这里插入图片描述
文件头数据结构：

typedef struct tagBITMAPFILEHEADER
{
	WORD bfType; 		// 必须是0x424D，’BM’；2B
	DWORD bfSize; 		// 文件大小，包括结构本身; 4B
	WORD bfReserved1; 	// 保留字，必须为0；2B
	WORD bfReserved2;	 // 保留字，必须为0; 2B
	DWORD bfOffBits;	 // 图像数据偏移量；4B
} BITMAPFILEHEADER;

位图信息头数据结构：

typedef struct tagBITMAPINFOHEADER
{
	DWORD biSize; 			//结构本身的大小(40字节）
	LONG biWidth; 			//图像宽度
	LONG biHeight; 			//图像高度
	WORD biPlanes; 			//显示设备的平面数目（取1）
	WORD biBitCount；		//每个像素颜色需要的位数
	DWORD biCompression;	 //压缩标志
	DWORD biSizeImage; 		//图像数据字节数
	LONG biXPelsPerMeter; 	//图像x方向分辨率
	LONG biYPelsPerMeter;	 //图像y方向分辨率
	DWORD biClrUsed; 		//指定图像实际用到的颜色数，如
							//果该值为零，则用到的颜色数为2的biBitCount次方。
	DWORD biClrImportant; 	//重要颜色数目，如果为零，则都是重要的。
} BITMAPINFOHEADER;

文件信息头数据结构：

数据项	含义	大小	取值
biSize	本结构的大小	4B	字节数（40或28H）
biWidth	图像宽度	4B	像素数
biHeight	图像高度	4B	像素数
biPlanes	图像平面数	2B	必须为1
biBitCount	每像素位数	2B	1、4、8、24、（32）
biCompression	压缩类型	4B	0～3（一般为0，不压缩）
biSizeImage	图像数据大小	4B	实际位图数据占用字节数
biXPelsPerMeter	水平分辨率	4B	像素数/米（一般为0）
biYPelsPerMeter	垂直分辨率	4B	像素数/米（一般为0）
biClrUsed	使用颜色数	4B	>0时为颜色表项数=0时，无颜色表（24位色）
biClrImportant	重要颜色数	4B	通常置0，所有颜色都重要

调色板的概念

节省存储数据量，显示设备对同时显示的颜色有限制
在这里插入图片描述
调色板的数据结构：

typedef struct tagRGBQUAD
{
	BYTE rgbBlue; 		//蓝色分量
	BYTE rgbGreen; 		//绿色分量
	BYTE rgbRed; 		//红色分量
	BYTE rgbReserved; 	//保留，为0
} RGBQUAD;

BMP图像文件的注意事项

在BMP文件格式中规定每行的字节数必须是4的整数倍。若不是，要补0直至4的整数倍。
图像字节数biSizeImage的计算方法为：biSizeImage＝(biWidth×biBitCount+31)/32×4×biHeight
或＝bfSize－bfOffBits
一般来说，BMP文件的数据从下到上，从左到右存放的。也就是说，从文件中最先读到的是图像最下面一行的左边第一个像素，然后是左边第二个像素…接下来是倒数第二行左边第一个像素，左边第二个像素…依次类推，最后得到的是最上面一行的最右一个像素。
在调色板数据结构和图像数据中，每个像素的颜色排列顺序为：蓝、绿、红 ，不同于传统的RGB顺序！！

空域图像增强

图像增强：图像增强技术是众多图像处理技术中最基本、也是最重要的一种，是对图像进行加工，以得到视觉效果更“好，更“有用的”图像
目的：通过技术手段，突出有用信息，抑制无用信息，从而改善图像的视觉效果，或者使图像达到后续图像分析和识别所需的效果。

图像增强技术不增加图像的信息量，只是增强对某种信息的辨别能力。

空域：在图像处理中，空域指由像素组成的空间
空域增强方法：指直接作用于像素的增强方法，可以表示为：在这里插入图片描述其中，f(x,y)和g(x,y)分别为增强前后的图像，E表示增强操作。

图像间的运算

指在两幅图像的对应像素间进行的、灰度值的算术和逻辑运算。运算结果是一幅新的图像。

算术运算一般作用与灰度图像，逻辑运算一般作用于二值图像。

图像的加法：

用途：利用图像相加取平均以减少和去除图像采集时混入的噪声

在这里插入图片描述
当样本数k增大时，平均图像会越来越趋近原始图像

图像间的减法

即求取两幅图像之间的差异。g(x,y) = f(x,y) - h(x,y)
用途： 用于医学图像处理中消除背景，或是运动目标检测。

差值图像的灰度超出动态范围，怎么办？

方法一： 对每个像素值加255，然后除以2。
方法二： 首先，提取最小差值，并且把它的负值加到所有差值图像的像素中（得到一幅最小像素值为零的改进的差值图像）。然后，通过用255/ I_Max 值去乘每个像素（其中 I_Max 为改进的差值图像中最大像素取值）将图像中的所有像素标定到0至255的范围。

逻辑运算

逻辑运算一般应用于二值图像，基本的逻辑运算包括：

补（complement）：记为NOT q
与（AND）：记为p AND q ，或 p·q
或（OR）：记为p OR q，或p + q
异或（XOR）：记为 p XOR q

(黑色——1，白色——0)
在这里插入图片描述
组合逻辑运算：

灰度变换

根据原始图像中每个像素的灰度值，按照某种映射规则，将其转化为另一灰度值。常用的三种基本映射类型：线性函数，对数函数，幂次函数。

图像反转：
对数变换——动态范围压缩：使得一窄带低灰度输入图线映射为一宽带输出值。对数函数在很大程度上压缩了图像像素值的动态范围。
幂次变换：

灰度直方图变换

灰度直方图是图像的一种统计表达。它反映了图像中灰度的分布情况，是多种空间域图像处理技术的基础，直方图操作能有效地增强图像。
h _k = n_k，(k=0,1,…,L-1)，其中n_k为图像中灰度级为宽带像素个数。在这里插入图片描述
直观上可以认为，如果一幅图像其像素占有全部可能的灰度级并且分布均匀，则这样的图像有高对比度和多变的灰度色调。