代数运算
? 算术运算
加
减
乘
除:一幅图像取反和另一幅图像相乘
? 逻辑运算
非
与
或
异或
代数运算——加法
? 加法运算的定义
C(x,y) = A(x,y) + B(x,y)
? 主要应用举例
去除叠加性噪声
生成图像叠加效果
? 去除叠加性噪声(对于图像噪声现在还不甚了解,今后用到再来仔细学习)
对于原图像f(x,y),有一个噪声图像集
{ gi(x,y) } i =1,2,...N 其中:gi(x,y) = f(x,y) + h(x,y)i
假设噪声h(x,y)均值为0,且互不相关
N个图像的均值定义为:
g(x,y) = 1/N(g0(x,y)+g1(x,y)+…+ gN(x,y))
期望值E(g(x,y)) = f(x,y)
上述图像均值将降低噪声的影响
? 去除叠加性噪声——星系图举例
? 生成图像叠加效果
对于两个图像f(x,y)和h(x,y)的均值有:
g(x,y) = 1/2f(x,y) + 1/2h(x,y)
推广这个公式为:
g(x,y) = αf(x,y) + βh(x,y)
其中α+β= 1
可以得到各种图像合成的效果,也可以用于两张图片的衔接
代数运算——减法
? 减法的定义:C(x,y) = A(x,y) - B(x,y)
? 主要应用举例
1. 显示两幅图像的差异,检测同一场景两幅图像之间的变化
如:视频中镜头边界的检测
2.去除不需要的叠加性图案
3.图像分割:如分割运动的车辆,减法去掉静止部分,剩余的是运动元素和噪声
? 检测同一场景两幅图像之间的变化
设:时间1的图像为T1(x,y),
时间2的图像为T2(x,y)
g(x,y) = T2 (x,y) - T1(x,y)
例:视频中镜头边界的检测(后面介绍)
? 去除不需要的叠加性图案
设: 背景图像b(x,y) , 前景背景混合图像f(x,y)
g(x,y) = f(x,y) – b(x,y)
g(x,y) 为去除了背景的图像。
代数运算——乘法
? 乘法的定义
C(x,y) = A(x,y) * B(x,y)
? 主要应用举例
图像的局部显示
用二值蒙板图像(是指每个像素不是黑就是白,其灰度值没有中间过渡的图像)与原图像做乘法
逻辑运算——1、非
? 非的定义
g(x,y) = 255 - f(x,y)
? 主要应用举例
获得一个阴图像
获得一个子图像的补图像
逻辑运算——2、与
? 与运算的定义
g(x,y) = f(x,y) ∧ h(x,y)
? 主要应用举例
求两个子图像的相交子图
逻辑运算——3、或
? 或运算的定义
g(x,y) = f(x,y) v h(x,y)
? 主要应用举例
合并子图像
模板运算:提取感兴趣的子图像 (?)
逻辑运算——4、异或
? 异或运算的定义
g(x,y) = f(x,y) ⊕ h(x,y)
? 主要应用举例
获得相交子图像
直方图运算
? 直方图定义
? 直方图均衡化
直方图定义
? 图像直方图的定义(1)
一个灰度级在范围[0,L-1]的数字图像的直方图是一个离散函数
h(rk)= nk
nk是图像中灰度级为rk的像素个数
rk 是第k个灰度级,k = 0,1,2,…,L-1
由于rk的增量是1,直方图可表示为:
p(k)= nk
即,图像中不同灰度级像素出现的次数
? 图像直方图的定义(2)
一个灰度级在范围[0,L-1]的数字图像的直方图是一个离散函数
p(rk)= nk /n
n 是图像的像素总数
nk是图像中灰度级为rk的像素个数
rk 是第k个灰度级,k = 0,1,2,…,L-1
? 两种图像直方图定义的比较
h(rk)= nk 定义(1)
p(rk)= nk /n 定义(2)
其中,定义(2)
? 使函数值正则化到[0,1]区间,成为实数函数
? 函数值的范围与像素的总数无关
? 给出灰度级rk在图像中出现的概率密度统计
直方图均衡化 (具体怎么均衡没看太懂,下回要用在研究)
? 直方图应用举例——直方图均衡化
1.希望一幅图像的像素占有全部可能的灰度级且分布均匀,能够具有高对比度
2.使用的方法是灰度级变换:s = T(r)
3.基本思想是把原始图的直方图变换为均匀分布的形式,这样就增加了像素灰度值的动态范围,从而达到增强图像整体对比度的效果
s=T(r) 0≤r≤1
T(r)满足下列两个条件:
(1)T(r)在区间0≤r≤1中为单值且单调递增 (?)
(2)当0≤r≤1时,0≤T(r) ≤1
条件(1)保证原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列次序
条件(2)保证变换前后灰度值动态范围的一致性 (?)
Pr(r)是r的概率密度函数,Ps(s)是s的概率密度函数,Pr(r)和T(r)已知,且T-1(s)满足上述条件(1),所以
关于上限的定积分的导数就是该上限的积分值
(莱布尼茨准则)
已知变换函数的离散形式为:
sk称作直方图均衡化
将输入图像中灰度级为rk(横坐标)的像素映射到输出图像中灰度级为sk (横坐标)的对应像素得到。
应用——镜头边界的检测 (此处没有仔细了解,今后用到在研究)
? 为什么要补充该部分知识?
涉及两幅图像相减
涉及直方图知识
涉及两幅图像直方图的相减
? 什么是镜头?
? 镜头检测方法1——连续帧相减
? 镜头检测方法2——连续帧的直方图相减
? 镜头检测方法3——时空切片分析
什么是镜头?
? 从视频的制造产生来看,视频由一个个镜头(shot)所组成
?一个镜头是指一系列连续记录的图像帧,用于表示一个时间段或相同地点连续的动作
? 镜头由摄像机一次摄像的开始和结束所决定
什么是镜头?
? 检测到镜头及由镜头产生的关键帧,可以:
提供基于关键帧的视频浏览
提供基于内容的视频检索和查询
计算机自动分析和总结,节省人力和时间
使海量视频数据的管理和索引成为可能
镜头检测方法1——连续帧相减
? 算法原理:计算相邻两帧像素变化的数目。当超过设定的阈值时,即找到镜头的边界
? 缺点:对摄像机运动敏感,如放缩、平移
?解决办法:通过滤波器的使用来降低。在比较一帧的每个像素前,用它的邻近区域的平均值来代替,这也过滤了输入图像的一些噪声。
镜头检测方法2——直方图相减
?算法原理:统计相邻两帧中所有像素在不同灰度(颜色)上的分布差异,当差异的累加值超过阈值T时,即检测到镜头边界(后面有算法的详细说明)
? 优点:对对象运动不敏感,因为直方图忽略了帧内的空间变化
? 缺点:可能两个图像有类似的直方图但却是完全不同的内容。然而,这种事件的概率是足够低
(1) 首先计算相邻两帧颜色分布差值的均值和方差
镜头检测方法3——时空切片分析
什么是时空切片spatio-temporal slices?
颜色和纹理的不连续,表明镜头边界的出现
纹理的方向表明摄像机和对象的不同运动