冈萨雷斯 数字图像处理阅读笔记
第二章
2.4 图像的取样和量化
1、通过坐标和幅值将图像转化成数字形式,数字化坐标值叫取样,数字化幅值叫量化
2、灰度级取值为2的整数(k)次幂
3、存储数字图像需要的比特数是 b = M (行)* N(列) * k
4、像素p(x,y)的四个相邻像素{(x+1, y), (x-1, y), (x, y+1), (x, y-1)}的集合叫p的4邻域用N4§表示,如果(x,y)位于边界,某些邻像素在图像外部
像素p(x,y)的四个对角相邻像素{(x+1, y+1), (x+1, y-1), (x-1, y+1), (x-1, y-1)}的集合叫p的8邻域用N8§表示,如果(x,y)位于边界,某些邻像素在图像外部
5、p(x,y) q(s,t)两点之间的距离叫欧式距离
第三章
图像增强方法分为空域增强和频域增强
1、均值滤波器主要用于去除图像中的不相干细节,“不相干”是指与滤波掩膜尺寸相比,较小的像素区域
所有系数都相等的均值滤波器也叫盒滤波器
2、图3.34(b)所示的掩模版(滤波器)更为重要也叫做加权平均
3、一幅MN的图像经过mn(m,n为奇数)的加权均值滤波器滤波过程如下L:
4、空间均值处理的重要应用是,为了对感兴趣物体得到一个粗略的描述而模糊一幅图像
5、统计排序滤波器最常见的例子就是中值滤波器,还有最大值,最小值滤波器等
中值滤波器使用普遍,对于一些随机噪声有很好的去噪能力,对处理脉冲噪声(椒盐噪声)非常有效因为这种噪声以黑白点叠加在图像上
中值滤波器是非线性滤波器,有可能改变图像的性质,有些图像处理不能改变其性质
6、锐化空间滤波器
锐化处理主要是要突出图像中的细节或者增强被模糊的细节
微分算子的相应强度与图像在该点的突变程度有关,图像微分增强了边缘和其他突变(如噪声)并削弱了灰度变化缓慢的区域
基于一阶个二阶微分的细节锐化滤波器
一阶微分主要用于边缘提取
梯度变换
7、拉普拉斯微分算子
拉普拉斯是线性算子
8、Sobel算子
9、拉普拉斯变换会比梯度变换产生更多的噪声
10、混合空间增强
使用多种图像增强方法结合起来以完成复杂的增强任务
一幅人体骨骼扫描图,目的是通过图像锐化突出骨骼的更多细节来增强图像
1.用拉普拉斯变换突出图像的小细节
2.用梯度发突出边缘
3.平滑过的梯度图像用于掩蔽拉普拉斯图像
4.通过灰度变换来扩展图像的灰度动态范围
第四章 频域图像增强
1、傅里叶变换
2、在傅里叶变换中,低频主要决定图像在平滑区域中总体灰度级的显示,高频决定图像细节部分,如边缘和噪声
3、平滑的频率域滤波器:理想滤波器(非常尖锐)、巴特沃斯滤波器和高斯滤波器(非常平坦)巴特沃斯可以看成两种极端滤波器的过渡
4、离散傅里叶变换和他的反变换总是存在的。F(u)值覆盖的域(u的值)称为频率域,u决定了变换的频率成分
f(u)的M项中每一个称为变换的频率分量
5、做傅里叶变换前进行f(x,y)*(-1)^(x+y)也就是变换f(x,y)的原点f(0, 0)到频率坐标下的F(0,0)也就是图像(M/2, N/2)的位置
为了确保移动后的坐标为整数,要求M和N为偶数
在计算机中使用傅里叶变换时,总和的范围为u从1到M,v从1到N,实际的变换中心将为u=(M/2)+1和v=(N/2)+1
6、如果有两个滤波器是相同尺寸的,那么通常在频率域进行滤波计算更为有效,在空间域更适用于更小的滤波器
7、平滑的频率或滤波器
1.理想低通滤波器