图像采样与分辨率
• 采样后得到离散图像的尺寸称为图像分辨率。分辨率是数字图像可辨别的最小细节。
• 分辨率由宽(width)和高(height)两个参数构成。宽表示水平方向的细节数,高表示垂直方向的细节数。
• 例如:
一副640*480分辨率的图像,表示这幅图像是由
640*480=307200个点组成。
一副1920*1080分辨率的图像,表示这幅图像是由
1920*1080= 2073600个点组成。
- 采样间隔越小,所得图像像素数越多,空间分辨率高,图像质量好,但数据量大。
灰度图
- 单通道的数字图像被称为灰度图。通常,单通道记录了采样点的亮度信息,0表示最暗(黑色),255表示最亮(白色)。
彩色图像
- 为了表征彩色图像,我们需要使用多通道数字图像。最普遍的方式是使用RGB颜色空间。RGB颜色空间中每个像素点有三个维度,分别记录在红(Red)、绿(Green)、蓝(Blue)三原色的分量上的亮度。
- 另一种常用的颜色空间是HSV,该颜色空间可以用一个圆锥来表示。 HSV表示色相(hue)、饱和度(saturation)和亮度(value)。 H表示颜色的相位角(hue) 取值范围是0—360;S表示颜色的饱和度(saturation) ,范围从0到1,它表示成所选颜色的纯度和该颜色最大的纯度之间的比率;V表示色彩的明亮程度(value) ,范围从0到1。
- YUV:亮度信号Y和两个色差信号R-Y、B-Y,最后发送端将亮度和色差三个信号
分别进行编码。采用YUV色彩空间的重要性是它的亮度信号Y和色度信号U、V是分
离的。如果只有Y信号分量而没有U、V分量,那么这样表示的图就是黑白灰度图。 - RGB,HSV,YUV可以进行颜色空间转化,通常图像处理库会提供颜色空间变化的API给用户调用。
常用图像处理技术
• 色彩处理
灰度化:将彩色图像转换为灰度图像
二值化/反二值化:将灰度图像转换为只有两种颜色的图像
色彩提取:提取指定的颜色
直方图均衡化:调节图像统计直方图分布
亮度、饱和度、色调调整
• 形态相关操作
仿射变换:旋转、平移
缩放、裁剪
图像相加、相减
透视变换
图像腐蚀、膨胀、形态学梯度
• 色彩梯度
模糊
锐化
边沿检测
• 轮廓处理
轮廓查找、绘制
绘制矩形、圆型、椭圆包围
多边形拟合
亮度调整:对HSV空间的V分量进行处理可以实现对图像亮度的增强。
饱和度调整:对HSV空间的S分量进行处理可以实现对图像饱和度的增强。饱和度的调整通常是在S原始值上乘以一个修正系数。修正系数大于1,会增加饱和度,使图像的色彩更鲜明; 修正系数小于1,会减小饱和度,使图像看起来比较平淡。
色调调整:对HSV空间的H分量进行处理可以实现对图像色调的增强。色相的调整通常在H原始值上加上一个小的偏移量,使其在色相环上有小角度的调整。调整后,图像的色调会变为冷色或者暖色。
二值化与反二值化
- 二值化阈值处理是将原始图像处理为仅有两个值的二值图像,对于灰度值大于阈值t
的像素点,将其灰度值设定为最大值。对于灰度值小于或等于阈值的像素点,将其
灰度值设定为0。 - 反二值化阈值处理的结果也是仅有两个值的二值图像,对于灰度值大于阈值的像素
点,将其值设定为0;对于灰度值小于或等于阈值的像素点,将其值设定为255。 - 这个二值化就是在灰度图像的基础上进行去设置,0(黑色),255(白色)
直方图均衡化
- 灰度直方图反映的是一幅图像中各灰度级像素出现的频率。以灰度级为横坐标,纵
坐标为灰度级的频率,绘制频率同灰度级的关系图就是灰度直方图。反映了图像灰度分布的情况。 - 使用直方图均衡化,修改图像中各像素的灰度值,达到增强图像视觉效果的目的,直方图变化综合考虑了全图的灰度值分布。
- 直方图均衡化将原始图像的直方图,即灰度概率分布图,进行调整,使之变化为均
衡分布的样式,达到灰度级均衡的效果,可以有效增强图像的整体对比度。 - 能够对图像过暗、过亮和细节不清晰的图像得到有效的增强。
仿射变换
- 仿射变换是指图像可以通过一系列的几何变换来实现平移、旋转等多种操作。该变
换能够保持图像的平直性和平行性。平直性是指图像经过仿射变换后,直线仍然是
直线;平行性是指图像在完成仿射变换后,平行线仍然是平行线。
透视变换
- 透视变换是将图片投影到一个新的视平面,也称作投影映射.它是二维(x,y)到三
维(X,Y,Z),再到另一个二维(x’,y’)空间的映射.相对于仿射变换,它提供了更大的灵活性,将一个四边形区域映射到另一个四边形区域(不一定是平行四边形).透视变换可用于图像形状校正。
图像的算术运算
图像的加法:图像加法可以用于多幅图像平均去除噪声,图像加法实现水印的叠加。
图像的减法:图像减法是找出两幅图像的差异,可以在连续图像中可以实现消除背
景和运动检测
图像的缩放
缩放(image scaling):是指对数字图像的大小进行调整的过程。将分辨率为
(
w
,
h
)
(w,h)
(w,h)
的图像,缩放为
(
w
′
,
h
′
)
(w', h')
(w′,h′)的图像,水平方向系数为
S
x
=
w
′
/
w
Sx= w' / w
Sx=w′/w, 垂直方向缩放系数为
S
y
=
h
′
/
h
Sy= h' / h
Sy=h′/h。缩放变换矩阵为
图像的缩小:可以通过删除矩阵中的元素来实现,例如隔行、隔列删除后,高度、宽度均减小为原来的一半。
图像的放大:图像放大需要进行像素插入,常用的插值法有最邻近插值法和双线性插值法
–最邻近插值法:直接使用新的像素点
(
x
′
,
y
′
)
(x', y')
(x′,y′)最近的整数坐标灰度值作为该点的值,该方法计算量小,但精确度不高,并且可能破坏图像中的线性关系–双线性插值法:使用新的像素点
(
x
′
,
y
′
)
(x',y')
(x′,y′)最邻近的四个像素值进行插值计算,假设为
(
i
,
j
)
,
(
i
+
1
,
j
)
(
i
,
j
+
1
)
,
(
i
+
1
,
j
+
1
)
,
则
u
=
x
′
−
i
,
v
=
y
′
−
j
(i,j),(i+1,j)(i,j+1),(i+1,j+1),则u=x'-i,v=y'-j
(i,j),(i+1,j)(i,j+1),(i+1,j+1),则u=x′−i,v=y′−j