《数字图像处理基础》PPT课件.ppt

《《数字图像处理基础》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《数字图像处理基础》PPT课件.ppt（29页珍藏版）》请在三一办公上搜索。

1、2023年7月16日,数字图像处理基础,郏东耀,主要内容1.介绍图像处理系统结构及常用软件。2.图像处理的方法：阈值分割与图像测量3.图像处理的方法：roberts梯度法及边缘检测4.一种简单图像识别方法：模板匹配,2023年7月16日,数字图像处理及其特点,1.数字图像 用计算机进行图像处理的前提是图像必须以数字格式存储，我们把以数字格式存放的图像称之为数字图像。常见的各种照片、图片、海报、广告画等均属模拟图像，要将模拟图像数字化后生成数字图像，需要利用数字化设备。,数字图像处理的定义,图像处理：对图像进行各种加工以改善图像的效果，为图像分析做准备。它是图像到图像的过程。点运算：灰度变换、阈

2、值变换等 几何变换：移动、旋转、扭曲校正等。图像分析：对图像中感兴趣的目标进行检测和测量(特征提取)，以获得客观的信息。它是图像到数据的过程。字符识别（OCR）、产品质量检验（目检）、人脸识别、边缘检测与提取、图像分割、模板匹配等。图像理解：研究图像中各目标的性质和其相互关系，理解图像的含义。自动驾驶、医学图像和地貌图像的自动判读理解等。,图像处理、图像分析和图像理解的关系：,2023年7月16日,数字图像处理系统,数字图像处理系统硬件 早期的数字图像处理系统为了提高处理速度、增加容量都采用大型机。随着计算机性价比（性能价格比）日新月异的提高，以小型机为主的微型图像处理系统得到发展。主机为PC

3、机，配以图像采集卡及显示设备就构成了最基本的微型图像处理系统。微型图像处理系统成本低、应用灵活、便于推广。特别是微型计算机的性能逐年提高，使得微型图像处理系统的性能也不断升级，加之软件配置丰富，使其更具实用意义。,2023年7月16日,图像处理系统示意图,2023年7月16日,图像处理系统软件 微型图像处理系统既包含硬件设备，也需要一定的软件环境支持。目前，图像处理系统平台多为Microsoft Windows或X-Windows，开发的主流工具为Microsoft公司的VC+。这是因为VC+是一种具有高度综合性能的软件开发工具，用它开发出来的程序有着运行速度快、可移植能力强等优点。,2023

4、年7月16日,MATLAB是由美国MathWorks公司推出的用于数值计算的有力工具，它具有相当强大的矩阵运算和操作功能，并且MATLAB图像处理工具箱提供了丰富的图像处理函数，灵活运用这些函数几乎可以完成所有的图像处理工作，从而大大节省编写低层算法代码的时间，避免程序设计中的重复劳动，达到事半功倍的效果。但是，MATLAB强大的功能只能在安装有MATLAB系统的机器上使用图像处理工具箱中的函数或自编的m文件来实现，实际应用极为不便，且MATLAB使用行解释方式执行代码，执行速度很慢。,MATLAB的图像处理工具箱,图像处理系统一般使用256级灰度图像，即 8 位黑白图像，其1个像素由 1个字

5、节描述。0表示黑色，255为白色；其它中间灰度见图2。一个立方形物体的照片如图1所示。通过图像采集卡后，其像素矩阵如表1所示。,2023年7月16日,需要强调的是：在计算机中，图像被分割成像素（Pixel），各像素的灰度值用整数表示。一幅MN个像素的数字图像，其像素灰度值可以用M行、N列的矩阵G表示：,(1-1),2023年7月16日,图像与像素的关系,例如：利用阈值分割计算一个圆形物体的形心和半径。,下图为一圆形物体照片，下面介绍将物体与背景分割开来的方法，和计算园形物体形心及半径的方法。,灰度直方图：它表示图象中具有每种灰度级的像素的个数，反映图像中每种灰度出现的频率。如图 所示，灰度直方

6、图的横坐标是灰度级，纵坐标是该灰度级出现的频率，它是图像的最基本的统计特征。最简单、有效的方法就是取双峰间谷底的灰度值为阈值，根据该阈值对图像进行分割，将物体与背景分离开来，然后再进行其它处理。,根据阈值将图像二值化，将物体和背景置为黑白两色。对图像扫描一遍，灰度大于阈值的点置为 255，即白色；小于等于阈值的点置为0，即为黑色。由于物体上有高光，所以二值化后，在黑色物体上会有小白点，如图所示。为了使形心计算的结果准确，我们必须将这些小白点填充为黑色。,计算平面图形的形心公式如下：,将一个像素看成一个 dA，且为 1 个单位，则图像的面积即为像素点的个数；分子上的积分则变为像素坐标的和。,得出

7、面积再计算半径R就很容易了。,对二值化图像上进行误差检查，最大正、负误差为0.4和1.5个像素，分别在352、231度处。半径的最大误差 0.8%，其中包括物体本身的不圆度和测量误差。这个结果说明用以上方法进行阈值分割、形心计算的效果不错。,图像处理举例2：边缘检测,在对图像进行边缘检测前，先对图像进行阈值分割、二值化。,图像的灰度直方图,求边缘：两个具有不同灰度值的相邻区域之间总存在边缘。边缘是灰度值不连续的结果，这种不连续可利用求导数方便地检测出来。,图像在X方向灰度的变化及导数,我们知道用梯度grad f可以计算函数f各点的最大变化率：,梯度的模为：,Roberts边缘检测算法就是在上式

8、的基础上变化而得：,如果g(x,y)255，则g(x,y)=255,例：用 Roberts 边缘检测算法对表 中的数据进行处理，得到如下的结果。,灰度图像数据,Roberts边缘检测结果,二值化结果,边缘检测结果,用这种方法处理前面的图像：,一种简单的图像识别方法：模板匹配,概念：模板就是一幅已知的图像。模板匹配就是用已知的模板图像和其它图像进行比对，若模板图像与其它图像有相同图像特征，可通过一定的算法确定被比对图像和模板图像之间的关系。,问题：确定一幅小图像是否是一幅大图像的局部？模板匹配就是在一幅大图像中搜寻目标，已知该图中有要找的目标，且该目标同模板有相同的尺寸、方向和图像，通过一定的算

9、法可以在图中找到目标，确定其坐标位置。,模板匹配的过程：,以256级灰度图为例，模板T(M x N个像素)叠放在被搜索图S(W x H个像素)上平移，模板覆盖被搜索图的那块区域叫子图Sij。i，j为子图左下角在被搜索图 S上的坐标。搜索范围是：,通过比较T和Sij的相似性，完成模板匹配过程。,模板匹配的过程：,衡量T和Sij相似性的公式 可用D(i,j)描述：,上式的第一项为子图的能量，第三项为模板的能量，都与模板匹配无关。第二项是模板和子图的互相关，随(i,j)而改变。当模板和子图匹配时，该项有极大值。将其归一化，得模板匹配的相关系数，或称为匹配率：,当模板和子图完全一样时，相关系数R(i,j)=1。用相关系数R(i,j)的公式可以做模板匹配，但运算量大。另一种算法是衡量T和Sij的误差，其公式为：,在整个图像中，E(i,j)为最小值处即为匹配目标。,本章总结1.介绍图像处理的基础知识。2.图像处理的方法：阈值分割与图像测量3.边缘检测处理：roberts梯度法4.一种简单图像识别方法：模板匹配,