目錄

• 前言
• 一、圖像處理基礎
• • 1. 概述
  • 2. 數字圖像處理的基礎
  • 3.圖像基本運算
  • 4.圖像變換
• 二、圖像處理技術
• • 5.圖像增強
  • • 5.1基于直方圖處理的圖像增強
    • • 5.1.1 直方圖的均衡化
      • 5.1.2 直方圖的規定化
    • 5.2 空間域濾波增強
    • • 5.2.1 空間域平滑濾波器
      • 5.2.2 空間域銳化濾波器
    • 5.3 頻率域圖像增強
  • 6.圖像復原
  • 7.圖像壓縮編碼
  • 8.圖像分割
  • • 8.1 邊緣檢測
    • 8.2 閾值分割
    • 8.3 區域分割
    • 8.4 二值圖像處理
• 三、圖像處理的拓展內容
• • 9.彩色圖像處理
  • • 9.1 彩色圖像基礎
    • 9.2 彩色模型
    • • RGB彩色模型
      • HSI模型
    • 9.3 偽彩色處理
    • 9.4 全彩色圖像處理

---

前言

數字圖像處理及MATLAB實現中的一些知識點總結。

一、圖像處理基礎

1. 概述

名詞概念解釋

數字圖像	物體的數字表示，以數字格式存放的圖像
圖像增強	改善圖像視感質量，突出圖像中人所感興趣的部分
圖像編碼	對圖像信號進行高效編碼，即研究數據壓縮技術
圖像復原	基于模型和數據的圖像恢復
圖像分割	把圖像按其灰度或集合特性分割成若干區域的過程
圖像分類	將圖像經過某些預處理后，再將圖像中有用物體的特征進行分割、特征提取
圖像重建	從數據到圖像的處理（輸入是數據，輸出是圖像）

數字圖像處理與模擬圖像處理的根本不同在于：
它不會因圖像的存儲、傳輸或復制等一系列可變換操作而導致圖像質量的變化

數字圖像處理的特點：
（1）處理信息量大（2）占用頻帶較寬（3）數字圖像各個像素相關性大

數字圖像處理的優點：
（1）精度高（2）再現性好（3）通用性、靈活性強

數字圖像處理的研究內容：
（1）圖像增強（2）圖像編碼（3）圖像復原（4）圖像分割（5）圖像分類（6）圖像重建

2. 數字圖像處理的基礎

名詞概念解釋

馬赫帶效應	是一種主觀的邊緣對比效應。當觀察兩塊亮度不同的區域時，邊界處亮度對比加強，使輪廓表現得特別明顯。
圖像的采樣	將空間上連續的圖像變換成離散點的操作
圖像的量化	將像素灰度轉換成離散的整數值
二值圖像	只有黑白兩種顏色，一個像素占1bit，0表示黑，1表示白
灰度級數	一幅圖像中不同灰度值的個數，灰度級數=2^g，g=1.2.3…
亮度圖像	像素灰度級用8bit，每個像素介于0~255
索引圖像	把像素值直接作為RGB調色板下標的圖像
RGB圖像	每個像素由紅綠藍三個字節組成，每個字節為8bit

人類的視覺過程包括：光學過程、化學過程、神經處理過程

圖像的采樣：采樣間隔越大，圖像分辨率越低，圖像質量越差，嚴重時會出現馬賽克效應，
采樣間隔影響圖像質量。

圖像的數據量：一幅大小為M×N，灰度級數為G=2^g的圖像需要的存儲空間，大小為M×N×g(bit)

像素間的基本關系：相鄰像素，有4鄰域或8鄰域之分，4鄰域屬于8鄰域
兩個像素的關系：（1）4鄰接（2）8鄰接（3）m鄰接

像素的距離：（1）歐式距離（2）城市距離（3）棋盤距離

3.圖像基本運算

圖像基本運算包括：點運算、代數運算、邏輯運算、幾何運算

點運算具體運算形式

線性點運算	輸入圖像的灰度值和輸出圖像的灰度值呈線性關系：s=ar+b
非線性點運算	常見：對數運算或冪次運算

代數運算（代數運算指像素點對點運算）加法、減法、乘法、除法

邏輯運算	（邏輯運算一般運用于二值圖像）與（and）或（or）非（not）

幾何運算圖像的平移、鏡像、旋轉、縮放、灰度重采樣（最近鄰法、雙線性插值、三次內插）

4.圖像變換

傅里葉級數：任意周期信號可分解為復正弦信號的疊加
連續傅里葉變換：把一個函數分解為該函數的頻率譜，時域→頻域
離散余弦變換（DCT）：類似于離散傅里葉變換，但是只使用實數

二、圖像處理技術

5.圖像增強

基本方法：空間域方法和頻域方法

5.1基于直方圖處理的圖像增強

灰度級直方圖反映圖中不同灰度級出現的統計概率
n(k)=nk/n；nk為圖像中灰度級為k的像素個數，n為像素總個數

5.1.1 直方圖的均衡化

將圖像所占有的像素灰度間距拉開，進而加大圖像反差，改善視覺效果。

5.1.2 直方圖的規定化

將輸入圖像灰度分布變換成一個期望的灰度分布直方圖。

5.2 空間域濾波增強

采用模板處理方法

5.2.1 空間域平滑濾波器

局部平滑法用鄰域內各像素的灰度平均值代替該像素原來的灰度值。

5.2.2 空間域銳化濾波器

圖像銳化：增強圖像的邊緣或輪廓。

圖像平滑通過積分使圖像邊緣模糊

圖像銳化	通過微分使圖像邊緣突出

5.3 頻率域圖像增強

核心為傅里葉變換。

頻率域平滑濾波器理想低通濾波器、巴特沃斯低通濾波器、指數低通濾波器、梯形低通濾波器

頻率域銳化濾波器	理想高通濾波器、巴特沃斯高通濾波器、指數高通濾波器、梯形高通濾波器

注意平滑是低通濾波器，銳化是高通濾波器。（圖像的邊緣、細節主要位于高頻部分）

6.圖像復原

圖像復原又名圖像恢復，其關鍵問題在于建立退化模型。
常見的噪聲模型：高斯噪聲 、均勻分布噪聲、脈沖噪聲（“椒鹽”噪聲）

均值濾波器以周圍像素灰度值（比如3×3區域內，包括自身）的算式平均值作為該點的輸出

中值濾波器	將區域內（比如3×3）像素灰度值從小到大排列，將中間值作為該點的輸出
最大/最小值濾波器	將區域內（比如3×3）像素灰度值從小到大排列，將最大/最小值作為該點的輸出

對于圖像邊緣像素點，可以選擇保持灰度值不變。

逆濾波已知系統的傳遞函數，對沒有退化的輸入圖像的頻譜采用傅里葉反變換，得到恢復圖像（要求信噪高）

維納濾波	最小均方誤差濾波器，在有噪聲的情況下，進行圖像復原

7.圖像壓縮編碼

信息量信息源中發出的所有信息中該信息出現概率的倒數的對數，概率越大，信息量越大

信息熵	衡量信息的不確定，一個系統越是有序，信息熵就越低。
圖像數據冗余	由于兩幅相鄰圖像之間的時間間隔很短，故兩幅圖像中包含大量重復信息
冗余的類型	空間冗余、時間冗余、信息熵冗余、視覺冗余、結構冗余、知識冗余
哈夫曼編碼	根據可變長最佳編碼定理，應用哈夫曼算法產生的一種編碼方法

關于哈夫曼編碼，可以看看鏈接（有具體的例子說明）：

鏈接: https://blog.csdn.net/qq_36653505/article/details/81701181

哈夫曼編碼的特點：
（1）對于同一個信息源，構造的碼不唯一，但效率唯一
（2）對于不同信息源，編碼效率不同
（3）實現電路復雜，存在誤碼傳播問題
（4）只能用近似的整數而不是理想的小數表達

8.圖像分割

圖像分割是圖像識別和圖像處理的基本前提步驟，是指將一幅圖像分解為若干互補交疊的、有意義的、具有相同性質的區域。

8.1 邊緣檢測

圖像的邊緣有方向和幅度值兩個屬性，沿邊緣方向像素變化平緩，垂直于邊緣方向的像素變化劇烈，邊緣上的這種變化可以用微分算子檢測出來，通常用一階或二階導數來檢測邊緣，不同點在于：一階導數認為最大值對應邊緣位置，二階導數則以過零點對應邊緣位置。

一階算子Roberts算子、Prewitt算子、Sobel算子

二階算子	拉普拉斯算子、高斯-拉普拉斯算子（LoG）

8.2 閾值分割

適用于分割物體與背景有較強對比的景物。
基于灰度閾值的分割方法是通過設置閾值，把像素點按灰度級分成若干類，從而實現圖像分割。

全局閾值選擇的主要方法：人工選擇法、直方圖技術選擇法、自動計算選擇法。
自適應閾值：把灰度閾值取成一個隨圖像中位置緩慢變化的函數值。

8.3 區域分割

閾值分割比較少或沒有考慮空間關系，基于區域的分割方法可以彌補這點不足。
區域分割方法利用的是圖像的空間性質，認為分割出來的屬于同一區域的像素應具有相似的性質。
傳統的區域分割方法主要有區域生長法、區域分裂合并法。

8.4 二值圖像處理

當處理二值圖像時，形態學主要應用于提取對于描繪和表達形狀有用的圖像成分。

形態學操作：腐蝕、膨脹、開運算、閉運算等等

膨脹使圖像擴大而腐蝕使圖像縮小。

開運算、閉運算都會使對象的輪廓變得光滑。
但是又有區別，開運算斷開狹窄的間斷和消除細的突出物，閉運算彌合狹窄的簡短和長細的鴻溝，消除小的孔洞。

形態學運算的介紹來源于：
鏈接: https://blog.csdn.net/qq_40855366/article/details/81177174

形態學算法包括：邊界提取、連通分量、凸殼、區域骨架等
預處理或后處理方法如區域填充、細化、粗化、修剪等。

三、圖像處理的拓展內容

9.彩色圖像處理

9.1 彩色圖像基礎

牛頓發現的現象：當一束太陽光通過一個玻璃棱鏡時，出現的光束不是白色的，而是由彩色譜組成（紫色、藍色、青色、綠色、黃色、橙色、紅色的連續彩色譜）

三原色原理：
（1）自然界的任何光色都可以由3種光色按不同的比例混合而成。
（2）三原色之間是相互獨立的，任何一種光色都不能由其余的兩種光色來組成。
（3）混合色的飽和度由3種光色的比例來決定。混合色的亮度為3種光色的亮度之和。

9.2 彩色模型

RGB彩色模型

使用紅綠藍三原色的亮度來定量表示顏色，也稱加色混色模型，以RGB三色光相互疊加來實現混色效果。

B=cat(dim,A1,A2,A3，...) %dim為維數，cat函數將A1,A2,A3，...矩陣連接成維數為dim的矩陣

HSI模型

該彩色模型用H、S、I三個參數描述顏色特性，H為顏色的波長，稱為色調；S表示顏色的深淺程度，稱為飽和度；I表示強度或亮度。

兩個RGB像素點的距離與人類對這兩點的視覺感知距離并不一致，而HSI模型與人類的視覺是近似一致的，使得HSI彩色模型非常適合借助人類的視覺系統來感知彩色特性的圖像處理算法。

%%將一幅彩色圖像從RGB彩色空間轉換到HSI彩色空間（該轉換是非線性轉換） rgb=imread('*.jpg'); rgb1=im2double(rgb); r=rgb1(:,:,1); g=rgb1(:,:,2); b=rgb1(:,:,3); I=(r+g+b)/3; tmp1=min(min(r,g),b); tmp2=r+g+b; tmp2(tmp2==0)=eps; S=1-3.*tmp1./tmp2; tmp1=0.5*((r-g)+(r-b)); tmp2=sqrt((r-g).^2+(r-b).*(g-b)); theta=acos(tmp1./(tmp2+eps)); H=theta; H(b>g)=2*pi-H(b>g); H=H/(2*pi); H(S==0)=0; hsi=cat(3,H,S,I); figure,imshow(rgb); figure,imshow(H); figure,imshow(S); figure,imshow(I);

9.3 偽彩色處理

應用場景：醫學、監控、軍事及數據顯示。
主要目的：提高人眼對圖像細節的分辨能力，以達到圖像增強的目的。
基本原理：將灰度圖像或單色圖像的各灰度級匹配到彩色空間中的一點，從而使單色圖像映射成彩色圖像。

9.4 全彩色圖像處理

全彩色圖像處理和灰度圖像的處理的區別：灰度圖像處理的是灰度標量，而彩色圖像處理的是分量向量。
彩色圖像平滑：使圖像模糊化，減少噪聲
彩色圖像銳化：突出圖像的細節

總結

以上是生活随笔為你收集整理的数字图像处理及matlab实现第三版相关概念总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。