图像的基本运算

已于 2023-05-02 16:51:50 修改
阅读量1.3k 收藏 9
点赞数 6
分类专栏： 图像处理 文章标签： 算法 人工智能
于 2023-05-02 16:42:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_63896439/article/details/130464830
版权

图像像素的距离

在说基本运算之前，先把图像像素间的距离说一下（不想再写一篇了🤣）

邻域

相邻像素——4邻域

  • 4邻域：像素p(x,y)的4邻域是： (x+1,y)；(x-1,y)；(x,y+1)；(x,y-1)
  • 用N4（p）表示像素p的4邻域

image-20230314165042002

相邻像素——D邻域

  • D邻域（ diagonal ）定义：像素p(x,y)的D邻域是：对角上的点 (x+1,y+1)；(x+1,y-1)；(x-1,y+1)；(x-1,y-1)
  • 用ND（p）表示像素p的D邻域 :

image-20230314165146607

相邻像素——8邻域

  • 8邻域定义：像素p(x,y)的8邻域是：4邻域的点 ＋ D邻域的点
  • 用N8§表示像素p的8邻域。
    -N8（p）= N4（p）+ ND（p）

image-20230314165232949

邻接性

  • 邻接性是描述区域和边界的重要概念
  • 两个像素邻接的两个必要条件是：
    两个像素的位置是否相邻
    两个像素的灰度值是否满足特定的相似性准则（或者是否相等）都属于V

像素间的邻接性——4邻接

对于具有值V的像素p和q，如果q在集合N4（p）中，则称这两个像素是4邻接的。

image-20230314165408072

像素间的邻接性——8邻接

对于具有值V的像素p和q，如果q在集合N8（p）中，则称这两个像素是8邻接的 。

image-20230314165437623

像素间的邻接性——m邻接

对于具有值V的像素p和q，如果：

  • q在集合N4(p）中，或
  • q在集合ND（p）中，并且N4（p）与N4(q)的交集为空（没有值V的像素）。则称这两个像素是m邻接的，即4邻接和D邻接的混合连通

image-20230314165845323

以上也是8邻接与m邻接的区别

通路

定义：一条从具有坐标(x,y)的像素p,到具有坐标(s,t)的像素q的通路。
(x0,y0),(x1,y1),…,(xn,yn)的不同像素的序列。其中，(x0,y0) = (x,y)，(xn,yn) = (s,t)，(xi,yi) 和(xi-1,yi-1)是邻接的，1 ≤ i ≤ n，n是路径的长度。如果(x0,y0) = (xn,yn) ,则该通路是闭合通路
可依据特定的邻接类型定义4通路、8通路和m通路。

不出例题演示了，当寻找终点时切记若有对角邻接则要先走对角

连通分量

令S是图像中的一个像素子集。如果在S中全部像素之间存在一个通路，则可以说p和q在S中是连通（connected）的。对于S中的任何像素p，S中连通到该像素的像素集称为S的连通分量。如果S仅有一个连通分量，则集合S称为连通集(connected set)。

连通域存能走的通路（集合形式）

距离

像素距离的定义

对于像素p(x , y),q(s , t),z(v , w),用D(p , q)来表示像素p , q间的距离，像素间距离的（D(x , y)应满足的如下条件：

  1. D(p , q) ≥ 0.（当且仅当p = q）;
  2. D(p , q) = D(q , p);
  3. D(p , q) + D(q , z) ≥ D(p , z);

像素距离的分类及计算方法

像素p(x,y)和q(s,t)间的欧式距离定义：

image-20230314170508480

欧式距离就是数学中学到的直线距离公式

像素p(x,y)和q(s,t)间的D4距离（城区距离）定义:

image-20230314170520546

image-20230314170959966

D4模型只能走横竖两个方向，不能走斜向。两个点的距离就是横向加竖向的距离之和。

像素p(x,y)和q(s,t)间的D8（街区距离）距离定义:

image-20230314170532518

D8的模型就是围着P点的所有元素都是相邻的，也就是它下一步可以走到包围它的八个点的任何一个，也就是横竖和斜向。

对于可以横竖和斜向走的最短距离，就是横向或竖向的距离的最大值。

image-20230314171222545

图像的基本运算

图像处理是建立在各种算法基础上的处理方法，图像基本运算主要包括点运算、代数运算（加、减、乘、除）、逻辑运算（与、或、非）和几何运算（平移、镜像、旋转、缩放）。这些基本运算都具有十分重要的意义，如：改变输入图像的灰度级、降低图像的噪声、进行各种各样的几何变换。

点运算

点运算是对图像的每个像素点的灰度值按一定的映射关系运算，得到一福新图片的过程。由于点运算能够有规律的改变像素点的灰度值，故也被称为对比度增强或灰度变换。

线性点运算

线性点运算是指输入图像的灰度级与输出图像呈线性关系。

image-20230314171922700

r为输入灰度值，s为相应点的输出灰度值

  • 当a=1，b=0时，新图像与原图像相同；
  • 当a=1，b≠0时，新图像是原图像所有像素的灰度值上移或下移，是整个图像在显示时更亮或更暗；
  • 当a＞1时，新图像对比度增加；
  • 当a＜1时，新图像对比度降低；
  • 当a＜0时，暗区域将变亮，亮区域将变暗，点运算完成了图像求
I=imread('1.jpg');
I=im2double(I);
figure(1);subplot(3,2,1);
imshow(I);
title('原图像','fontsize',7);

a=1;
b=50;
O=a.*I+b/255;
figure(1);
subplot(3,2,2);
imshow(O);title('a=1,b=50，图像变亮','fontsize',7);

a=2;b=0;
O=a.*I+b/255;
figure(1);subplot(3,2,3);imshow(O);
title('a=2,b=0,对比度增大','fontsize',7);

a=0.5;b=0;
O=a.*I+b/255;
figure(1);subplot(3,2,4);imshow(O);
title('a=0.5,b=0,对比度降低','fontsize',7);

a= -1;b=255;
O=a.*I+b/255;
figure(1);subplot(3,2,5);imshow(O);
title('a=-1,b=255,图像反色','fontsize',7);

运行结果：

image-20230314174220654

注：代码中O=a.*I+b/255 ，b除以255原因是： 灰度数据有两种表式方法：一种是用unit8类型，取值0255；另一种是double类型，取值01。两者之间相差255倍。 就这段代码而言，I刚读入时是unit8类型，在第2句转换为double，所以后面涉及到与它进行运算的时候，为了统一，都要转换到0~1的范围，所以要除255。

非线性点运算

非线性点运算是指输入与输出为非线性关系，常见的非线性灰度变换为对数变换和幂次变换，对数变换一般形式为：

image-20230314174345061

其中c为一常数，并假设r≥0.此变换使窄带低灰度输入图像映射为宽带输出值，相对的是输出灰度的 高调整。

代码：

I=im2double(I);
figure(1);subplot(1,2,1);
imshow(I);
title('原图像','fontsize',7);

c=2;
O=c*log(1+I);
figure(1);subplot(1,2,2);imshow(O);
title('c>0','fontsize',7);

运行结果：

image-20230314174553582

幂次变换一般形式：s=cr^γ

幂级数γ部分值把窄带暗值映射到宽带输出值

当γ<1，此时扩展低灰度级，压缩高灰度级，在正比函数上方，使图像变亮；

当γ>1，此时扩展高灰度级，压缩低灰度级，在正比函数下方，使图像变暗。

img

程序：

I=imread('1.jpg');
subplot(2,2,1);
imshow(I);
title('原图像','fontsize',9);
subplot(2,2,2);
imshow(imadjust(I,[],[],0.1));
title('Gamma=0.1');
subplot(2,2,3);
imshow(imadjust(I,[],[],1));
title('Gamma=1');
subplot(2,2,4);
imshow(imadjust(I,[],[],10));
title('Gamma=10');

运行结果：

image-20230314175224137

代数运算

代数运算是指对两幅或两幅以上的图像进行点对点的加、减、乘、除运算而得到目标图像的运算。

加法运算

对M幅图片进行求平均，使图像每一点的信噪比提高了M倍。加法运算可以用来降低图片的噪声。

图片的信噪比增加了M倍再取平均，对原图片来说没有影响，只会降低噪声。

T(x,y) = f(x,y) + g(x,y)

f:原图，g:噪声

I=imread('1.jpg');
J=imnoise(I,'gaussian',0.02);
subplot(131);imshow(I);title('原图')
subplot(132);imshow(J);title('加噪')
for i=1:100
    J=imnoise(I,'gaussian',0.02);
    J1=im2double(J);
    J2=J1;
J2=J2+J1;
end
J2=J2/101;
subplot(133);imshow(J2);title('去噪');

运行结果：

image-20230314180830308

减法运算

减法运算又称为图像差分运算，主要用于提取噪声，在短时间内认为背景是固定的，可用差分法检测变换的或运动的物体。

示例：

I=imread('1.jpg');
J=imnoise(I,'gaussian',0,0.02);%给图像加高斯噪声
K=imsubtract(I,J);%原始图片与添加噪声的图片相减从而提取出噪声
K1=255-K;
figure;imshow(I);title('原始图像');
figure;imshow(J);title('有噪声图像');
figure;imshow(K1);title('提取噪声')

在进行有噪声运算时，一般会需要一些运算的时间。

运行结果：

image-20230314181607364

注：加噪声

加高斯噪声：

1、J = imnoise(I,'gaussian',0,10);

2、使用randn加高斯噪声：
I=imread('E:\my photo and video\2.jpg');
J=rgb2gray(I);
y=randn(size(J)); 
y=y/std(y); 
y=y-mean(y); 
a=0; 
b=sqrt(5); 
y=a+b*y; 
y=uint8(I);
y=y+I;
figure;imshow(I);
figure;imshow(y);
3、加椒盐噪声：J= imnoise(I,'salt & pepper',0.1);

乘法运算

简单的乘法运算可以用来改变灰度级，实现灰度级变换，也可以用来遮住图像的某些部分。

I=imread('1.jpg');
J=immultiply(I,1.2);
K=immultiply(I,2);
subplot(131);imshow(I);title('原始图像');
subplot(132);imshow(J);title('x1.2');
subplot(133);imshow(K);title('x2');

运行结果：

image-20230314181847885

除法运算

简单的除法运算可用于改变图像灰度级，典型运用是比值图像处理。可用于校正成像设备的非线性影响，在特殊形态图像（如CT为代表的医学图像）中用到。

逻辑运算

常见的逻辑运算有与、或、非，其主要针对二值图像。

A=zeros(128);
A(40:67,60:100)=1;
figure(1);imshow(A);title('A');
B=zeros(128);B(50:80,40:70)=1;
figure(2);imshow(B);title('B');
C=and(A,B);figure(3);imshow(C);title('A and B');
D=or(A,B);figure(4);imshow(D);title('A or B');
E=not(A,B);fgure(5);imshow(E);title('A not B');

运行结果：

image-20230314182414904

几何运算

从变换的性质来分，几何变换可以分为图像的位置变换（平移、镜像、旋转）、形状变换（放大、缩小）及图像的复合变换等。一个几何运算需要两个独立的算法，首先需要一个算法定义空间变换，用它描述每个像素如何从其初始位置移动到终止位置，即每个像素的运动。同时还需要一个算法用于灰度级的差值。

图像平移

MATLAB自带函数translate(SE,[y x])

功能：
在结构元素SE上进行y和x方向的位移 正数对应右移和下移

A=imread('1.jpg');
se=translate(strel(1),[50 50]);   
%向右向下平移50,50像素坐标
B=imdilate(A,se);%形态学膨胀
figure;
subplot(1,2,1),subimage(A);
title('原图像')
subplot(1,2,2),subimage(B);
title('图像平移')

另一种写法：

I=imread('1.jpg');
subplot(121);
imshow(I);
title('原图像');
[M,N]=size(I);
g=zeros(M,N);
a=20;b=20;
for i=1:M
    for j=1:N
        if((i-a>0)&(i-a<M)&(j-b>0)&(j-b<N))
            g(i,j)=I(i-a,j-b);
        else
            g(i,j)=0;
        end
    end
end
subplot(122);imshow(uint8(g));title('平移后的图像')

这种更偏向理论写法，M,N分别是图像长和宽

用for循环让原图中每个像素向右下角走20像素

运行结果(第一种)：

image-20230314182939545

图像旋转：

使用MATLAB自带函数 imrotate(img,30);
功能：
将图像img逆时针旋转30°

MATLAB在进行图像操作时，是将其存放在数组中，而数组坐标必须为整数，若对图像进行旋转、缩放等操作，计算得到的坐标不一定为整数，这时候就需要进行插值。MATLAB常用插值方法有三种：

  1. 最近邻插值 ‘nearest’
  2. 双线性插值 ‘bilinear’
  3. 三次卷积插值 ‘bicubic’

还可以：

imrotation用法：
imrotation（A，angle,’ method’，‘BBox’）
1、angle是旋转的角度，在matlab默认的是逆时针旋转的。
2、method 就是实现旋转用的方法。有三种：最邻近插值法 、双线性插值法、 三次卷积插值法，英语表示就是 ‘nearest’ ‘bilinear’ ‘bicubic’
3、bbox主要分为2种，一个是‘loose’ 另外一个是‘crop’
loose 就是宽松的意思 顾名思义就是说 图像旋转后 系统会给予一个宽松的环境去匹配它，这样得到的图片就是一个完整的图片
crop 就是剪切，为什么旋转后图像变小了，因为matlab默认的是crop 超过图片原来大小的部分被crop了

A=imread('1.jpg');
B=imrotate(A,30);                 %旋转30°
C=imrotate(A,30,'crop');       %旋转30°，并剪切图像，使得到的图像和原图像大小一致
%若不说明插值方法，默认为最近邻插值
D=imrotate(A,30,'bilinear','crop');
%双线性插值法旋转30°，并剪切图像，使得到的图像和原图像大小一致

figure;
subplot(2,2,1),imshow(A);
title('原图像')
subplot(2,2,2),imshow(B);
title('图像旋转（保留全部图像信息）')
subplot(2,2,3),imshow(C);
title('图像旋转（大小不变）')
subplot(2,2,4),imshow(D);
title('图像旋转（双线性插值）')

运行结果：

image-20230314183432258

图像缩放

imresize()

图像镜像

图像的镜像是指原始图像相对于某一参考面旋转180°的图像。

水平镜像

以图像垂直中轴线为中心，将图像分为左右两部分镜像对称变换

I=imread('1.jpg');
I = rgb2gray(I);
subplot(121);
imshow(I);
title('原始图像');
[M,N]=size(I);
g=zeros(M,N);
for i=1:M
    for j=1:N
        g(i,j)=I(i,N-j+1);
    end 
end
subplot(122);imshow(uint8(g));title('水平镜像')

运行结果：

image-20230314185651240

垂直镜像
I=imread('1.jpg');
I = rgb2gray(I);
subplot(121);
imshow(I);
title('原图像');
[M,N]=size(I);
g=zeros(M,N);
a=20;b=20;
for i=1:M
    for j=1:N
        if((M-i>0)&(N-j>0))
            g(i,j)=I(M-i,N-j);
        else
            g(i,j)=0;
        end
    end
end
subplot(122);imshow(uint8(g));title('垂直镜像图像')

原理几乎都相同，对图片的每个像素进行操作

垂直镜像 x,y轴都变化

运行效果：

image-20230314190032737

菜小田
关注
  • 6
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
图像基本运算
Rabbitbubu的博客
01-09 5323
图像基本运算   图像处理是建立在各种算法基础上的处理方法，图像基本运算主要包括点运算、代数运算（加、减、乘、除）、逻辑运算（与、或、非）和几何运算（平移、镜像、旋转、缩放）。这些基本运算都具有十分重要的意义，如：改变输入图像的灰度级、降低图像的噪声、进行各种各样的几何变换。 （1）点运算（Point Operation）   点运算是对图像的每个像素点的灰度值按一定的映射关
图像运算基础
Jaysay的博客
06-06 256
@Fu Xianjun. All Rights Reserved. 图像的加法运算、位运算都是比较基础的运算。但是，很多复杂的图像处理gn
实验项目03 图像基本运算.docx
05-13
实验内容 （1）对图像进行线性点运算。 （2）对图像比例放大1.5倍，比例缩小0.7倍，非比例放大到600x700像素，非比例缩小到300x400像素。 （3）对图像旋转30度、60度、90度、135度和180度。 2. 基本要求 理解图像线性点运算、图像缩放和旋转原理，掌握对图像进行线性点运算、图像缩放和旋转的实现方法，对实验结果进行分析，得出实验结论并撰写实验报告。
图像的面积计算
01-03
matlab的面积计算实例。通过对于图像的预处理包括二值化，灰度化，膨胀腐蚀，平滑处理等手段，得到一个比较完整的闭合图形，然后通过bwarea函数进行面积计算
【CV学习笔记】图像的计算
zenRRan的博客
11-01 943
关注“深度学习冲鸭”，一起学习一起冲鸭！设为星标，第一时间获取更多干货作者：云时之间来源：知乎链接：https://zhuanlan.zhihu.com/p/103879057编辑：王萌...
图像的专业基础知识（三）图像的像素、分辨率
最新发布
weixin_46267139的博客
06-09 587
图像是由无数个像素点构成，其单位为，单个像素点的大小并不固定，这取决于工艺差异。因此，我们可以看出，并不能表征实际的物理尺寸，它仅仅是对图像的信息大小的抽象描述。显然，对于一个图像而言，其包含的像素点越多，其信息量也就越大，画面的质量（清晰度）也就越高。
数字图像处理学习笔记——通路长度的计算
hu_666666的博客
10-03 5511
数字图像处理之通路长度的计算
四连通、八连通、m连通
热门推荐
qq_38619342的博客
01-16 4万+
转自：像素间的基本关系-连通性（邻接性） 连通性（邻接性）是描述区域和边界的重要概念。 两个像素连通的两个条件是： 1. 两个像素的位置是否相邻 2.两个像素的灰度值是否满足特定的相似性准则（同时满足某种条件，比如在某个集合内或者相等） 我们令V是用于定义连通性的灰度值集合。比如V={x|0&lt;x&lt;125} (x是指像素点的灰度值)。那么： 4连通 对于灰度值在V集合中的像...
图像操作之点运算
光荫的修炼之道
06-26 1676
图像点运算：只改变图像的像素值，不改变图像像素点之间的几何关系。 这就是与图像几何操作的区别了。 转回正题。点运算的理论公式是这样子的：Y=aX+b。Y：新像素值；X：旧像素值；a：变换比例常数；b：常数。 注意一个问题就是 不要让数据溢出。 讨论a，b的值得情况：                 a=1，b=0，像素值不变，即复制图像；b!=0,所以像素值整体上移或下移，表现的结
像素大小的计算
程序人生
11-24 1万+
如何将像素尺寸与实际尺寸对应起来，是视觉测量很重要的一个环节，下面介绍一个比较简单的方法： 1、采集一幅实际物体的图像，然后用Window自带的画图工具打开； 2、鼠标指向物体边长的两个端点。分别记录下两端点坐标A（x1,y1) ，B(x2,y2)； 3、量一下物体AB边长的实际长度L（为了方便可以用um表示); 4、根据空间两点距离公式可知 一个像素的大小可以表示为：L/sqrt((x
像素间各种距离的定义及计算方法
Huiyu Blog
09-01 3万+
像素是一幅数字图像最基本的构成元素。 理解像素间的一些基本关系是进行数字图像处理的基础和关键。如相邻像素（像素的邻域），像素的邻接性、连通性、区域和边界。 本篇博文主要关注像素间各种距离的定义。 像素距离的定义 对于像素p(x , y),q(s , t),z(v , w),用D(p , q)来表示像素p , q间的距离，像素间距离的（D(x , y)应满足的如下条件： D(p , q) ≥ 0....
ex02basicOPeration_02图像基本运算_
09-30
"ex02basicOPeration_02图像基本运算_"这个标题指的是一个教程或者练习，主要关注的是对图像进行加法、减法以及点运算等基础操作。这些操作是图像处理的基础，为更复杂的图像分析和变换奠定了基础。 首先，我们来看...
matlab图像运算大全.rar_MATLAB 图像基本运算_图像基本运算_图像窗口
09-24
1. **MATLAB图像基本运算**： - **灰度变换**：MATLAB允许我们进行各种灰度变换，如直方图均衡化、对数变换、指数变换、伽马校正等，这些变换可以增强图像的对比度，改善视觉效果。 - **窗口技术**：在图像处理中...
c# OpenCvSharp的图像基本运算：加、减、乘、除、与、或、异或
08-14
c# OpenCvSharp的图像基本运算：加、减、乘、除、与、或、异或，项目实现了将两张图片基于OpenCvSharp进行基本的逻辑运算，并在picturebox上显示结果，最后将图片保存到本地磁盘。
3.图像基本运算_图像合并_图像拼接_
09-30
在图像处理领域，图像的基本运算包括了图像合并与图像拼接等操作，这些技术广泛应用于图像分析、图像增强以及多媒体内容创作。MATLAB作为一个强大的数值计算和数据分析平台，提供了丰富的图像处理工具箱，使得图像...
数字图像处理（第二章）
zr_ry的博客
09-20 2115
第二章 数字图像处理基础 2.1人眼的结构 （一般考试不会考，只是简单了解即可） 晶状体：可以依靠肌肉的收缩、扩张来控制焦距。 视网膜：成像的温床。传说中的视锥细胞和色杆细胞就是在组成视网膜的一部分。 中央凹：黄斑中央的凹陷称为中央凹，是视力最敏锐的地方，因为他在1.5mm的圆形区域中集中了视网膜中的大部分视锥细胞。 盲点：视神经集中的地方（传输信号给大脑），视锥/视杆细胞无法分布，所以光照在这个地方会是一个盲区。 眼睛中的光接收器主要是视觉细胞，它包括视锥细胞和视杆细胞。 视锥细胞（白.
图像处理复习———像素间的基本关系（邻域，邻接性，通路，连通性，距离）
qq_54000767的博客
11-27 7253
图像处理复习———像素间的基本关系（邻域，邻接性，通路，连通性，距离）
数字图像处理——基本运算
eyes++的博客
10-20 3933
相邻像素(对于像素p(m,n))像素邻接：像素的相邻仅说明了两个像素在位置上的关系，若再加上取值相同或相近，则称两个像素邻接。
4邻接、8邻接、m邻接
MayMarch的博客
03-13 2810
4领域、8领域、4邻接、8邻接、m邻接
matlab图像基本运算与变换的实验目的
06-05
Matlab图像基本运算与变换的实验目的是让学生熟悉Matlab图像处理的基本操作和常用的图像变换方法，掌握Matlab语言编写图像处理程序的能力，以及理解图像处理的基本原理。 具体来说，实验目的包括： 1. 了解Matlab图像处理工具箱的基本使用方法，包括读取、显示、保存图像等操作。 2. 学习Matlab中的基本图像运算，如图像加减、乘除、取反、逻辑运算等。 3. 掌握Matlab中的基本图像变换方法，如图像缩放、旋转、平移、翻转、仿射变换等。 4. 熟悉Matlab中的图像滤波方法，如均值滤波、高斯滤波、中值滤波等。 5. 理解Matlab中的图像分割和边缘检测方法，如阈值分割、边缘检测、区域生长等。 通过实验的学习，学生可以了解到图像处理的基本概念和流程，掌握Matlab语言编写图像处理程序的能力，为进一步的图像处理研究和应用打下基础。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

菜小田

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值