数字图像处理复习ppt课件.ppt
-复习,数字图像处理,第一章：概述,引言数字图像的基本概念数字图像的发展历史数字图像处理的研究内容数字图像的应用举例,第一章：概述,1. 颜色的表观特征：明度（Luminance）：颜色明亮的程度；一幅灰度图像只有明度特征，而彩色图像还具有色调和饱和度两个色度特征；色调（Hue）：反映颜色的类别饱和度（Saturation）：表示颜色接近光谱色的程度。,第一章：概述,“图像”为“事件或事物的一种表示、写真或临摹，或一个生动的或图形化的描述”。图像是客观景物通过某种系统的一种映射；从广义上说，是自然界景物的客观反映。,模拟图像（物理图像）：直接从观测系统（输入系统）获得、未经采样和量化的图像；模拟图像在空间分布和亮度取值上均为连续分布。数字图像：图像的数字表示或经过采样和量化的图像，像素就是离散单元，量化的灰度就是数字量值,2. 图像的概念,第一章：概述,图像输入系统,图像处理与分析系统,图像输出系统,3. 基本图像处理系统的结构,图像存储系统,4. 数字图像的获取,第一章：概述,（1） 基于CCD光电耦器件的输入 摄像机、数字摄像 数字相机 平板扫描仪,（2）基于光电倍增管的输入设备 滚筒扫描仪,（3）基于采集卡输入设备,第一章：概述,5. 图像质量与空间分辨率和灰度分辨率的关系 影响图像清晰度的因素,6. 图像处理包括的内容,图像增强(Image Enhancement),图像恢复(Image Restoration),图像重建(Image Reconstruction),图像分割(Image Segmentation),图像压缩(Image Compression),图像识别(Image Recognition),图像跟踪(Image Track),图像融合(Image Fusion),第一章：概述,空间探索、遥感应用,生物医学工程,工业应用视觉检验、零部件选取、过程控制、交通监控、自动驾驶等。,军事/公安指纹识别、人脸识别、笔迹鉴定、目标探测与跟踪。,农业应用农作物选种,数字娱乐网络数字媒体、视频特技、虚拟现实、视频会议等。,8. 数字图像处理的应用,1. 视觉感觉要素瞳孔：控制进入人眼内之光通量(照相机光圈作用)。晶状体：其曲率可调节，以改变焦距，使不同距离的图在视网膜上成象。视细胞：视网膜上的视细胞分为两类：锥状细胞、杆(柱)状细胞。,第二章：数字图像处理的基础知识,锥状体细胞（600-700w）：明视细胞,在强光下检测亮度和颜色杆(柱)状体细胞(7500-15000w)：暗视细胞，在弱光下检测亮度， 无色彩感觉(微光视觉/暗视觉)。,第二章：数字图像处理的基础知识,2.人眼成象过程,视觉的空间特性,人眼的空间分辨能力为1(1/60度)；灰度分辨能力大约64级。,视觉的时间特性,活动图像的帧频至少是15帧/s的时候，人眼才有图像连贯的感觉。,第二章：数字图像处理的基础知识,3.视觉感觉要素4 .数字图像的取样和量化,同时对比效应 马赫带效应 视觉错觉,采样：空间上的离散化 量化：灰度上的离散化,灰度级L=2k,称为k位图像,第二章：数字图像处理的基础知识,5.空间和灰度分辨率6.图像的收缩与放大,空间分辨率:图像中可分辨的最小细节，主要由采样间隔值决定,采样间隔值越小，空间分辨率越高.,灰度分辨率: 灰度级别中可辨别的最小变化，通常也把灰度级L称为灰度分辨率,（1）图像的收缩 行、列删除（2）图像的放大,创立新的象素位置； 给新象素赋灰度值,内插法：最近邻内插，双线性内插和双三次内插,第二章：数字图像处理的基础知识,7、 图像处理的算术操作,算数运算是指对两幅或多幅输入图像进行点对点的加、减、乘、除计算而得到输出图像的运算（涉及一个空间位置（象素）的运算）。,加法：去除“叠加性”噪音 ，生成图像的叠加效果 减法：去除不需要的叠加性图案；检测两幅图像之间的差别； 计算物体边界的梯度（差分运算）；,第二章：数字图像处理的基础知识,8. 图像处理的空间操作,1. 单象素操作：,原图像中象素的灰度值；处理后图像中象素的灰度值,2. 邻域操作：,邻域处理的局部平均：,第二章：数字图像处理的基础知识,3. 几何空间变换 4. 图像处理的概率方法,概率方法应用的前提：直将图像的灰度值看成是随机变量,第三章：灰度变换与空间滤波,图象增强,目的,1.改善图象的视觉效果，提高图像的清晰度； 2.图像更适合于人眼观察和机器分析识别的形式,基本方法,空间域处理：点处理（图象灰度变换、直方图均衡等）； 邻域处理（线性、非线性平滑和锐化等）；频域处理 ： 空间滤波,第三章：灰度变换与空间滤波,灰度级变换函数： s = T (r) r:变换前像素，s:变 换后像素 三种基本类型 1.线性的(正比或反比) 2.对数的(对数和反对数的) 3.幂次的(n次幂和n次方根变换） 4.分段线性变换函数,1. 图象灰度变换,图像反转对数变换幂次变换,第三章：灰度变换与空间滤波,2. 直方图处理,直方图：,归一化直方图：,原始图象灰度分布的概率密度函数,直方图和图像清晰度的关系：当直方图均匀分布时，图像最清晰,第二章：数字图像处理的基础知识,直方图均衡化处理直方图规定化：将原始图象的直方图转换为期望的直方图的形状3.空间滤波基础,图像的平滑、锐化都是利用掩模操作来完成的。通过掩模操作实现一种邻域运算,掩模运算的数学含义是卷积（或互相关）运算； 掩模子图像中的值是系数值，而不是灰度值；,第二章：数字图像处理的基础知识,掩膜版与图像的相关和卷积运算4. 空间平滑滤波,平滑线性滤波器（均值滤波器，滤波器领域模板内像素的简单平均） 用途：用于模糊处理和减少噪声。 中值滤波器（统计滤波器的一种，模板领域内像素排序，取中间值） 主要用途：去除“椒盐”噪声,5. 空间锐化滤波器,锐化处理的目的：是突出图像中的细节或者增强被模糊了的细节.,第三章：灰度变换与空间滤波,一阶微分算子拉普拉斯算子梯度算子Robert交叉梯度算子,第四章：频率域滤波,图像是二维信号，其坐标轴是二维空间坐标轴，图像本身所在的域称为空间域（Space Domain）。图像灰度值随空间坐标变化的快慢也用频率来度量，称为空间频率（Spatial Frequency）。,利用傅里叶变换的特性，将时间信号正变换到频率域后进行处理（例如低通、高通或带通），然后再反变换成时间信号，即可完成对信号的滤波。,第四章：频率域滤波,1.一维（连续）傅里叶变换,一维离散傅里叶变换,第四章：频率域滤波,2. 二维连续函数 的傅里叶变换,二维离散傅里叶变换,第三章：灰度变换与空间滤波,3. 频域中的滤波,思想：通过滤波器函数以某种方式来修改图像变换，然后通过取结果的反变换来获得处理后的输出图像。,（1） 陷波滤波器（带阻滤波）,第四章：频率域滤波,（2）低通滤波器（模糊）,类比空间域滤波的平滑处理，如均值滤波器,（3）高通滤波器（锐化）,类比空间域的梯度算子、拉普拉斯算子,第四章：频率域滤波,4、使用频率滤波器平滑图像（低通）,平滑,理想低通滤波器,巴特沃斯低通滤波器,高斯低通滤波器,第四章：频率域滤波,5、使用频率域滤波器锐化图像（高通）,理想高通滤波器,巴特沃斯高通滤波器,高斯高通滤波器,锐化,此外：频率域的拉普拉斯算子；锐化模板、高提升滤波和高频强调滤波；同态滤波,第五章：图像复原与重建,图像退化,图像在形成、记录、处理和传输过程中,由于成像系统、记录设备、传输介质和处理方法得不完善，导致图像质量下降，称为图像退化。,图像退化的原因,成像系统的散焦 成像设备与物体的相对运动引起运动模糊 成像器材的固有缺陷 外部干扰等。,图像复原,即根据退化的原因,分析引起退化的环境因素,建立相应的数学模型,并沿着使图像降质的逆过程恢复图像。因此,复原技术就是把退化模型化,并采用相反的过程进行处理,以便复原出原图像。,与图像增强相似，图像复原的目的也是改善图像质量。 图像增强主要是一个主观过程，而图像复原主要是一个客观过程。 图像复原技术可以使用空间域或频率域滤波器实现。,第五章：图像复原与重建,第五章：图像复原与重建,图像退化/复原过程的模型,退化函数 H,复原滤波,退化,复原,1. 一些重要的噪声,高斯噪声 瑞利噪声 伽马（爱尔兰）噪声 指数分布噪声 均匀分布噪声 脉冲噪声（椒盐噪声）,第五章：图像复原与重建,2. 只存在噪声的复原空间滤波,第五章：图像复原与重建,（1）均值滤波器,算术均值滤波器 谐波均值滤波器 逆谐波均值滤波器,（2）顺序统计滤波器,中值、最大值、最小值，中点滤波器及修正后的阿尔法均值滤波器,（3）自适应滤波器,第五章：图像复原与重建,(1)自适应、局部噪声消除滤波器,(2) 自适应中值滤波器(可用于处理更大概率密度得冲激噪声),（4）带阻滤波器 频率滤波消减周期噪声,（3）线性、位置不变的退化,第五章：图像复原与重建,由于退化模型为卷积的结果,且图像复原需要滤波器,应此术语”图像去卷积”常用于表示线性图像复原,而用于复原处理的滤波器称为“去卷积滤波器”.,估计退化函数的方法:(1)观察法(2)实验法(3)数学建模法,图像复原,第五章：图像复原与重建,（1）逆滤波（2）最小均方差误差滤波(维纳滤波)（3）约束最小二乘法滤波（4）几何均值滤波器,图像压缩的可能性,第八章： 图像编码与压缩,1.数据冗余,2. 应用环境允许图像有一定程度失真,1. 图像编码分类,无失真编码（无损压缩、可逆压缩）是一种经编、解码后图像不会产生失真的编码方法。可重建图像，但压缩比不大；有失真编码（有损压缩、不可逆压缩）解码时无法完全恢复原始图像，压缩比大但有信息损失。,2. 信息量：,熵：设信源符号表为 s=s1, s2, , sq，其概率分布为P(s)=p(s1), p(s2), , p(sq)，则信源的熵为：,熵表示信源中消息的平均信息量。,第八章： 图像编码与压缩,3. 无失真编码定理,可以证明，在无干扰的条件下，存在一种无失真的编码方法，使编码的平均长度L与信源的熵H(s)任意地接近，即 L=H(s)+其中为任意小的正数，但以H(s)为其下限，即LH(s)，这就是香农(Shannon)无干扰编码定理。,第八章： 图像编码与压缩,4. 编码技术,行程编码 霍夫曼编码 LZW编码 算术编码 预测编码,第五章：图像复原与重建,
