数字图像复习

一、数字的图像化与显示1.对连续图像进行数字化，主要包括采样和量化两个过程，即要把连续图像函数进行空间和幅值的离散化处理。2.图像的采样：对空间连续坐标（x,y)的离散化图像的量化：对幅值f(x,y)的离散化3.图像数字化处理所需的主要硬件：采样孔，图像扫描机构，光传感器，量化器，输出存储体4.在成像过程中把一副图像分割成一个个称为像素的小区域，这时连续图像就变成了离散图像，而各个小区域的灰度用整数型的灰度级来表示，这样离散图像就进一步转换成了数字图像。5.图像经采样和量化后的结果是一个整数矩阵6.当采样点减少时，图上的块状效应（马赛克效应）就逐渐明显。另一方面，当图像的采样点数一定时，量化级数越少，图像质量越差。7.为了得到质量较好的图片，可采用如下原则：对缓变的图像，应该细量化，粗采样，避免出现假轮廓对细节丰富的图像，应细采样，粗量化，避免模糊8.二维（奈奎斯特）采样定理表明，为了正确判断信号频率，信号在一个信号周期内至少被采样两次9.图像的量化分类（1）按量化及步长的均匀性，分为均匀量化和非均匀量化。（2）按量化对称性可分为对称量化和非对称量化（3）按量化时采样点相互间的相关性，可分为无记忆量化和有记忆量化（4）按量化时处理的采样点数，可以分为标量量化和向量量化10.标量量化：将数值逐个量化特点：每次只量化一个采样11.向量量化：把一个以上的数值分成一组，组成一个向量，然后按组进行量化编码。12.图像输入设备：数码电视摄像机，数码照相机，扫描仪13.图像输出设备：暂时显示设备（液晶显示器，等离子显示器）永久显示设备（各种打印机）二．图像变换1.二维傅里叶变换的基本性质：线性，变换可分离性，比例性质，空间位移，频移，对称性，共轭对称性，频率域卷积，空间域卷积，平均值，180旋转，周期性2.二维离散余弦变换，二维离散沃尔什-哈达玛变换，卡胡南-列夫变换，二维离散小波变换三、图像增强1.图像增强是指对图像的某些特征如边缘、轮廓、对比度等进行强调，以便于显示、观察或进一步分析与处理。2.图像增强技术大致分为空间域增强和频率域增强两类3.点运算是指原始图像的像素灰度值通过运算后产生新图像的对应的灰度值4.灰度修正一般有三种方法:(1)灰度级较正解决成像不均匀问题（2）对比度增强解决图像曝光不正确问题（3）直方图修正以突出所需要的图像特征5.灰度变换为了将图像灰度级的整个范围或一段范围扩展或压缩到记录或显示设备的动态范围内，从而使图像变得更加清晰、图像上的特征更加明显灰度变换可以分为线性变换、分段线性变换、和非线性变换几种方法。6.灰度直方图反映了数字图像中每一灰度级与其出现频率间的统计关系。7.直方图的修正是图像灰度级变换的最常用方法。8.采用直方图变换后，可使图像的灰度间距拉开或使灰度分布均匀，从而增大对比度，使图像清晰，达到增强的目的。9.直方图变换通常有直方图均衡化及直方图规定化两类。10.直方图均衡化是通过对原图像进行某种变换，使得图像的直方图变为均匀分布的直方图，从而达到增强的效果。11.图像同态增晰系统采用合适的滤波特性函数，可以既使图像灰度动态范围压缩，又能让感兴趣的物体图像灰度级扩展，从而使图像清晰。12.区域增强算法包括平滑算法和锐化算法。从频率域看，低通滤波可以对图像进行平滑去噪处理，而高通滤波可以对图像进行边缘锐化处理。13.中值滤波是一种在滤除噪声的同时还能保留边缘信息的方法。特点：对消除孤立点和线段脉冲等干扰及图像扫描噪声最为有效，但对于消高斯噪声的影响效果不佳。14.图像锐化处理的目的是加强图像中景物的边缘和轮廓，使模糊图像变得更清晰。15.梯度锐化法，常用的梯度算子①Roberts：定位准确，但对噪声敏感。②Prewitt:用像素点上、下、左、右邻点的灰度差，在边缘处达到极大值检侧边缘，去掉部分伪边缘，对噪声具有平滑作用。③Sobel:对于像素的位置的影响做了加权，因此效果更好，提取的图像轮廓有时并不能令人满意④IsotropicSoble:又称为各向同性Soble算子，和Soble算子相比，它的位置加权系数更加准确，在检测不同方向的边沿时梯度的幅度一致。⑤Krisch:共有8个方向算子，水平和垂直两个方向的算子，有较好的抑制噪声的作用。16.拉普拉斯算子是具有各项同性的二阶微分算子三、图像编码与压缩1、统计编码是根据信源的概率分布特征，分配具有唯一可译性的可变长码字，降低平均码字长度，以提高信息的传输速度，节省存储空间。2、统计编码原理:在信号概率分布情况已知的基础上，概率大的信号对应的字节短，概率小的信号对应的码字长，这样就降低了平均码字长度。3、哈夫曼编码的基础是统计源数据集中各信号的概率分布。哈夫曼编码在无失真的编码方法中效率优于其它编码方法，是一种最佳变长码，其平均码长接近于熵值。4、Shannon编码将信源符号依其概率降序排列，用符号序列累积概率的二进制表示作为对信源的唯一可编译码。5、算术编码基本实现：按照符号序列的出现概率对概率区间分割，用一个实数代表一个数据流的输入符号，再将这个实数转化为一定位数的二进制代码。6、为了充分利用相邻符号之间的相关特性，提高编码效率，人们又提出了自适应算术编码方法。7、预测编码：在某种模型的指导下，根据过去的样本序列推测当前的信号样本值，然后用实际值与预测值之间的误差值进行编码。预测编码的基本原理：利用图像的空间或时间的冗余度进行的。用实际值与预测值之间的误差值进行编码的方法称为差分脉冲编码调制预测编码优点：直观快捷，便于实现。缺点：压缩比不够高8、变换编码的基本原理：通过对信号进行某种函数变换，实现从信号相关性较强的信号空间变换到像素相关性较弱、便于编码的另一个空间。它的关键是选择与信号空间特征相匹配的变换函数。在所有的变换编码方案中，离散K-L变换是最佳变换。在次最佳变换算法中DFT和DCT都是常用的变换编码方法。9.第二代小波变换采用提升方法能够实现整数交换，因而能够实现图像的无损压缩，提升方法构造小波分为分裂，预测和更新3个步骤10.分形压缩将图像分解成若干个子图像，利用图像的仿射变换可以寻找出子图像间的自相似性。5.图像复原1.图像复原：是在研究图像退化原因的基础上，以退化图像为依据，根据一定的先验知识，建立一个退化模型，然后用相反的运算，以恢复原始景物图像。2.图像复原和图像增强二者的目的都是为了改善图像的质量，但它们追求的目标不同。图像增强不考虑图像是如何退化的，而是试图采用各种技术来增强图像的视觉效果。而图像复原需要了解图像退化的机制和过程等先验知识，据此找出一种相应的逆处理方法，从而得到恢复的图像。3.（1）线性复原：逆滤波复原，约束复原（2）非线性复原最大后验复原、最大熵复原（通过最大化某种反应图像平滑性的准则函数来作为约束条件，以解决图像复原中反向滤波法存在的病态问题）投影复原（用代数方程组来描述线性和非线性退化系统的）（3）盲图像复原：在没有图像退化必要的先验知识的情况下，对观察的图像以某种方式提取出退化信息，采用盲去卷积算法对图像进行复原。有直接测量法和间接估计法4.几何失真：图像在获取的过程中，由于成像系统的非线性、飞行器的姿态变化等原因，成像后的图像与原景物图像相比，会产生比例失调，甚至扭曲。5、较正空间像素点灰度值的确定（1）最近零点法：取与像素相邻的4个点中距离最近的零点灰度值作为的灰度值。该方法计算简单，精度不高，同时校正后的图像亮度有明显的不连续性。（2）双线性插值法：几何校正灰度连续，结果一般满足要求，但计算量较大且具有低通特性，图像轮廓模糊。（3）三次卷积法六、图像分割1.图像分割是对图像中的目标、背景进行标记、定位，然后将目标从背景或其他伪目标中分离出来。2.分割的分类（1）根据分割的处理策略不同进行分割：一种是并行算法，所有的判断和决策可以独立进行；另一种是串行算法，后期的处理依赖前期的运算结果。根据应用目的的不同，分为粗分割和细分割根据分割对象的属性，可分为灰度图像分割和彩色图像分割根据分割对象的状态，可分为静态图像分割和动态图像分割3.邻域通常有两种定义方法，4邻域和8邻域4.图像域值分割技术原理：若图像中目标和背景具有明显不同的灰度集合，且两个灰度集合可用一个灰度级域值T进行分割，那么就可以用用域值分割灰度级的方法在图像中分割出目标区域与背景区域。分类：全局域值法（每个像素所使用域值相等）、局部域值法（每个像素所使用的域值不同）5.全局域值分割确定最佳域值的几种方法实验法，直方图法，最小误差的方法6.边缘检测要按照图像的内容和应用的要求进行，可以先对图像做预处理，使边缘突出，然后选择合适的域值进行分割。7.梯度算子对应一阶导数算子主要有Roberts算子（定位精度高，但也易丢失部分边缘，抗噪声能力差）Prewitt算子、Sobel算子（首先对图像做平滑处理，因此具有一定的抑制噪声的能力，易出现多像素宽度）8.拉普拉斯算子（二阶导数算子）特点：对图像中阶跃型边缘定位准确，对噪声具有极高的敏感性，可能丢失部分边缘的方向信息，造成不连续的边缘检测）9.拉普拉斯-高斯算子滤波提高了抗噪声的能力，但同时可能使原本比较尖锐的边缘平滑了，甚至无法检测到10.坎尼边缘检测算子不易受噪声干扰，但边缘的连续性不如LoG算子11.方向算子是利用一组模板对图像中的同一像素求卷积，然后选取其中最大的值作为边缘强度，而将与之对应的方向作为边缘方向。特点：不仅仅只考虑水平和垂直方向，还可以检测其他方向上的边缘，但计算量大大增加。12.边缘跟踪是将间断的边缘转换成有意义的边缘信息。基本的跟踪方法是从图像的一个边缘点出发，根据某种判别准则，寻找下一个边缘点，以此形成目标的边界。13.霍夫变换是一种边界跟踪方法，它利用图像的全局特性直接检测目标轮廓。特点：将不连续的边缘像素点连接起来得到边界曲线的逼近，受噪声和曲线间断的影响较小。14.区域生长法是一种串行区域分割算法，是将具有相似性质的像素集合起来构成区域，它们对应于实际感兴趣的目标。特点：计算复杂度较高，较少应用在实时要求高的场合。15.图像分割方法的比较（1）边缘检测：利用不同区域间像素灰度不连续的特点，检测出区域间的边缘，实现图像分割。优点：不同图像灰度不同，边界处一般会有明显的边缘，利用此特征可以分割图像。缺点：难点在于边缘检测时抗噪性和检测精度之间的矛盾（2）区域分割：把具有某种相似性质的像素连通，从而构成最终的分割区域。优点：可有效地克服边缘检测存在的图像分割空间不连续的缺点。缺点：往往会造成图像的过度分割。七、数学形态学及其应用1.数学形态学：是一门严格建立在数学理论基础上的，分析研究空间结构的形状、框架的学科。二值开运算：先腐蚀后膨胀二值闭运算：先膨胀后腐蚀灰度开运算：先腐蚀后膨胀灰度开运算：先膨胀后腐蚀