原本听的是mooc武汉大学的数字图像处理课程,但是无奈老师读ppt的能力太强,不太适应,后面的课程对于实验方面的要求甚低,无奈之下到处找课程,终于找到了一个适合自己的教程《王伟强-数字图像处理》,今天开始连载,希望3.20日之前能够完成课程的学习,加油!
预计连载的目录
导言与MATLAB快速介绍
空域处理(I) - 亮度变换(I)
空域处理(II)- 卷积与线性移动不变系统
频域处理(I)- 傅立叶变换
频域处理(II)- 高低频滤波器与频域处理框架
图像复原(I)- 噪声与相关的去噪技术
图像复原(II)- 降质函数与约束最小二乘恢复方法
彩色图像处理
小波变换与图像处理(I)- 小波的相关理论
小波变换与图像处理(II)- 尺度函数、小波函数、快速小波变换
基本概念
数字图像处理DigitalImageProcessing,DIP
冈萨雷斯将数字图像处理看成一个黑箱,输入一个图片,输出也是一个图片
图像分析就是输出属性
视觉就是输出理解
matlab:配置环境当前目录和搜索路径
添加或修改搜索路径,右击桌面图标属性修改设置起始位置
matlab:.m文件
matlab分为两种文件,一种是脚本文件,类似于dos系统中的批处理文件,特点就是所有变量都是全局变量,运行完之后的变量不会从系统中清除。另外一种函数文件,外部看是看不出来的,特点就是函数变量除了特殊声明都是局部变量。
数字图像的表示
也就是说,图像的矩阵存储形式是从0,0位置开始,而matlab中图像的矩阵存储形式是1,1开始。
读取一幅图像
使用Matlab ipt读取一幅图像,ipt就是图像处理工具箱。
f=imread('bird.jpg');
imread从当前目录读取文件,如果失败,它将尝试在搜索路径中找到该文件
请注意分号;,如果不加分号,命令窗口将显示图像的矩阵值。
matlab中的字符串是单引号。
获取图像的信息
显示或写入图像
imshow(f)
imshow(f,G)
imshow(f,[low,high])
imshow(f,[])
imwrite(f,'filename')
imwrite(f,'filename','ext')
imwrite(f,'filename','quality',q)
质量指标q的范围是0-100,值越低,图像质量越差,压缩率越高。
图像类型
强度图像/灰度图像
灰度图像是一个数据矩阵,它的值被缩放以表示强度。
当灰度图像的像素是uint8或uint16类型时,它们的取值是
[0,255]或[0,65535]范围内的整数。
如果图像是double类型的,则像素值为浮点数。按照惯例,经
过缩放之后double类型的灰度图像的像素值落在[0,1]范围内
二值图像
二值图像是由0和1组成的逻辑阵列。
数值阵列使用逻辑函数转换为二进制。
如果A包含0和1以外的元素,则使用逻辑函数将所有非零数值转换为逻辑真(1),并将所有值为0的项转换为逻辑假(0)
索引图像
BMP图像标识其为索引图像
图像可以是索引图像的,也可以是真颜色图像。
索引图像将颜色作为索引数组存储到colormap图中。
数据号代表着调色板的索引号,从下往上存储。对于数据量大的图像节省空间
RGB图像
是目前见到的最多的图像,又叫真彩图像。
真彩色图像不使用colormap;相反,每个像素的颜色值直接存储为RGB三元组。colormap也就是调色板
在MATLAB中,真彩色图像对象的CData属性是一个三维(m×n×3)数组。这个数组由三个m×n矩阵组成,它们沿着第三维连接在一起。
数据类型
C语言中主要是int,double。matlab中int分的很细,u代表不带符号的,uint代表usigned,非负数。
数据类型和图像类型之间转换
读入一个图片通常是整型,直接进行傅里叶变换是错误的,因此需要转换为double型。
通常我们将图像称为(数据 - 图像类型)的图像
例如“uint8强度图像”仅指代像素值是uint8类型的强度图像
数据类之间转换简单,语法为
B = data class name(A)
其中数据类名是数据类表第一列中的名称之一。例如A是一个uint8类型的数组,精度更高的double类型数组B是由命令B = double(A)生成的。这种转换在整本书中很常见,因为matlab希望数值计算中的操作数是双精度浮点数。
数据转换超过255直接截断过于粗暴,因此ipt中通常采用伸缩的方式
如何分析?im2uint8,所有超过[0,1],以外的数都会进行区分。将<0的-0.5设置为0,>1的1.5设置为1,整体乘以255
所有<0设置0,所有>255设置为1,(128-(-12))/(300+12)=0.4487
索引
w=v ' ,代表共轭转置。
A = magic(5),每一行每一列每一个对角线的和都拉丁方5,和为65.
sum(A)是一个行向量,sum(A(
分类:
数字图像处理
技术点:
By © 2017 likecs 版权所有.
粤ICP备12038626号-2
Powered By WordPress . Theme by Luju