哈工大数字图像处理知识点总结

1.引言1.1图像的概念图像：是对客观存在的物体的一种相似性的、生动性的模仿或描述，是一种不完全的、不精确的，但在某种意义上是适当的表示。也是对客观存在的物体的某种属性的描述。（非所见即所得，对事物不能完全描述）1.2数字图像的起源与应用1.3数字图像处理的概念图像的类型：从图像生成角度：物理图像（可见图像（光学图像）、不可见图像（红外）、数学图像等）从照明角度：多光谱图像（特指不可见光谱）和单光谱图像（激光）；从人眼视觉特点上：可见图像、不可见图像。从波段多少分为：单波段（每点只有一亮度值）、多波段（每点不只一特性如红绿蓝光谱图像）和超波段图像。从图像空间坐标和明暗程度的连续性：模拟图像、数字图像（空间坐标和灰度均不连续，用离散的数字表示）。图像的表现形式图像的属性：构成数字图像的要素，灰度坐标图像的属性：1.对比度：灰度差别0~255（256个灰度级）2.灰度分辨力：适于人眼3．空间分辨力：越高越好4．放大率对比度与灰度的关系：量化？灰度量化最高、最暗差值尽可能大。减少灰度级一般会提高图像的对比度。构成数字图像的要素：地址（坐标）和灰度值数字图像的处理概念及三种分类：处理\分析\理解操作对象：狭义数字图像处理：图像——图像图像分析：图像——数据（特征值）图像理解：数据——概念狭义图像处理强调图像之间进行变换，指对图像进行各种操作以改善图像的视觉效果，或对图像进行压缩编码以减少所需存储空间或传输时间、传输通路的要求。图像分析是对图像中感兴趣的目标进行检测的测量，从而建立对图像的描述，是从图像到数值或符号的过程。经分割和特征提取，把原来以像素构成的图像转变成比较简洁的非图像形式的描述。图像理解研究图像中各目标的性质和它们之前的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解译，人而指导和规划行动数字图像的运算形式：全局、局部、点，串行、并行全局：快速傅立叶变换局部：点运算：对于一幅输入图像，经过点运算产生一幅输出图像，后者的每个像素的灰度值仅由相应输入像素的值决定（对比度增强，对比度拉伸，灰度变换）串行：后一像素输出结果依赖于前面像素处理的结果，并且只能依次处理各像素而不能同时对各像素进行相同处理的一种处理形式。并行：对图像内的各同时进行相同形式运算的一种处理形式。图像工程中的层次及与相关学科的关系计算机图形学研究是如何利用计算机技术来产生图形、图表、绘图，以来表达数据信息。与图像分析相比，处理对象和输出结果正好相反。计算机图形学试图从非图像形式的数据描述来生成图像；模式识别把图像抽象成用符号描述的类别。模式识别与图像分析有相同的输入，而不同的输出结果之间可以较方便的进行转换；计算机视觉用计算机去实现人的视觉功能。数字图像的获取扫描，采样（空间分辨力），量化（灰度分辨力）采样：将空间上连续的图像变换成点的操作。采样间隔分为均匀采样量化及非均匀采样量化；采样孔径的形状和大小与采样方式有关。量化：将像素灰度转换成的整数值的过程，最亮最暗差值尽可能大采样量化的原则：1.细节丰富的图像（观众）：高的采样分辨力细采样，粗量化2.细节少，缓变的图像（人脸）：高的灰度分辨力细量化，粗采样2.数字图像处理的基本概念2.1BMP文件结构及文件操作程序2.2人眼形成的图像物体的色，减色效应与加色效应消色物体：加色效应黑白灰对照明光线有非选择性吸收的特性，即光线照射到消色物体上时，被吸收的各种波长的入射光是等量的；被反射或透射的光线，其光谱成分也与入射光的光谱成分相同。有色物体：减色效应。对照明光线具有选择性吸收的特性，光线照射到有色物体上，入射光中各种波长的色光是不等量被吸收。白光照射到有色物体上，反射或透射光线不仅亮度有所减弱，光谱成分也改变，呈现各种颜色。绿物反射绿光，减去绿光，如在暗场对其用蓝光照射，吸收蓝光，黑色当有色光照射到消色物体，物体反射光与入射光颜色相同。两种以上有色光同时照射消色物体，物体颜色呈加色法效应。当有色光照射到有色物体上，物体的颜色呈减色法效应。如黄色物体在品红光照射下呈红色，在青色光照射下呈绿色，在蓝色光照射下呈现灰色或黑色。加色效应减色效应马赫效应与错觉从每一竖条内反射出来的光强是均匀的，相信竖条之间强度差是常数，而看起来每一竖条内右边要比右边稍亮一点。亮度过冲是眼睛对不同空间频率产生不同视觉响应的结果。视觉系统对空间高频和空间低频的敏感性较差，对空间中频有较高的敏感性，这冲过问对人眼所见的景物有其轮廓的作用。连续图像的描述灰度=照度*反射系数用f(x,y)表示静止图像，因为光是能量的一种形式，故0(,)fxy人眼看到的图像都是由物体反射的光组成。f(x,y)可被看成是两个分量组成：一分量是所见场景的入射光量，另一分量是场景中被物体反射的光量。i(x,y)表示照射分量，性质由光源确定；r(x,y)表示反射分量，由景物中物体的特性而定。有(,)(,)(,)fxyixyrxy式中0(,)ixy，0(,)1rxy，反射分量在全吸收和全反射之间。2.3图像数字化图像的数字化过程：扫描、采样、量化数字化与图像质量的关系采样间隔越大，所得图像像素数越少，图像空间分辨率低，质量差，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，图像空间分辨率高，质量好，但数据量大。量化等级越多，所得图像层次越丰富，灰度分辨率越高，质量越好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，质量变差，会出现假轮廓现象，但数据量小。极少情况下图像大小固定时，减少灰度级能改善质量，由于会提高图像对比度，如对细节比较丰富的复杂图像。采样量化的原则：1.细节丰富的图像（观众）：高的采样分辨力细采样，粗量化2.细节少，缓变的图像（人脸）：高的灰度分辨力细量化，粗采样数字化采样量化方法统一的采样和量化：随着采样分辨率和灰度级提高，主观质量也提高。对有大量细节的图像，质量对灰度级需求相应降低。（一般采用均匀采样和均匀量化）非统一的图像采样和量化：在灰度级变化尖锐的区域，用细采样（细量化），在灰度级比较平滑的区域，用粗采样（粗量化）。避免或减少由于量化的太粗糙，在灰度级变化比较平滑的区域出现假轮廓。图像的表示：灰度表面、矩阵图像的显示2.4数字化设备红绿蓝白黄品青红绿蓝黑黄品青数字化过程：采样，量化数字化器的主要参数像素大小：采样孔的大小和相邻两像素的距离是两个重要的性能参数；图像大小：图像的大小由像素数决定。物理参数：数字化器采集和量化的物理参数；线性度：对光强进行数字化时，应当知道灰度正比于图像亮度的实际精确程度。噪声：系统中固有噪声会使图像的灰度发生变化。光传感器1）CCDCIDCMOS特点2）CCD相机参数：感光元件大小、放大倍率、解析度、像素数、F数、景深；2.5光源的种类及照明形式光源的种类：卤素灯；高周波荧光灯；LED灯源；金属灯泡或氖灯；激光光源；氙素灯。照明形式：前照式（正向光源）（表面反射光）；背照式（背向光源）（工件遮光处不透光），侧照式（侧向光源）（轮廓边缘光反射最大）。2.6灰度直方图（定义、性质、作用）定义：是灰度级的函数，描述的是具有该灰度级的像素个数（或出现的频次）图像各灰度级在图像中出现的频次（统计角度）性质：1灰度直方图只与像素灰度有关，与位置无关(没有位置信息)2灰度直方图与图对应关系：一对多的关系3.灰度图像具有相加性（两区域灰度直方图之和等于图像灰度直方图）作用：1.判断图像量化是否可理2.利用阈值实现图像分割（用于确定图像二值化阈值）3.计算图像对像（目标）大小（当物体部分的灰度值比其他部分灰度值大时，可统计图像中物体的面积）4.计算图像的熵12logLiiioHPP熵：图像信息量的反映，反映了图像信息丰富的程度。2.7图像处理算法形式基本功能形式：按图像处理输出形式1.单幅图像—单幅图像2.多幅图像—单幅图像3.单（或多）幅图像—数字或符号等（图像—统计量或特征量的测量、编码表示特征提取图像—描述图像）基本运算形式：点运算（点处理）：输出值仅与输入像素灰度有关的处理，如图像对比度增强、图像二值化。（点对点）局部运算：计算某一输出像素值由输入图像像素小领域中的像素值确定，如移动平均平滑法，空间域锐化。全局运算：输出像素的值取决于输入图像较大范围或整幅图像像素的值。如傅立叶变换2.8图像的数据结构（组合式、比特面、分层、树）1.组合方式：最常用的方式，一个像素的灰度按固定的字长表示，数据排列按像素位置排列。2.比特面方式：图像像素（M*N）灰度以固定字长（nbit）,建立n个bit面，每个面有M*N个位，对于同一个像素，其n位数据分别占据n个比特面该像素的位置。优点：节省存储空间。缺点：使数据处理复杂化。位面：最高位信息最重要，为图像轮廓，低位图包含信息细节。3.分层方式：由原始图像依次构成像素数越来越少的系列图像，就能使图像数据表示具有分层性，其代表就是锥形（金字塔）结构。4.树结构：对一幅二值图像的行、列都接连不断二等分，如果被分割部分的图像中全体都变成具有相同的特征时，这一部分不再分割。可用在特征提取和信息压缩方面。(多分辨分析，由粗到精)题目：1.选用1/2英寸的CCD，若以光学放大倍率为1倍时，其真实视野范围是多少？CCD（垂直水平）实际视场=光学放大倍率2.7mm*7mm的CCD芯片，有1024*1024个像元，将0.5m远的物体成像其上，摄像机的物体解析度？（配置35mm焦距镜头）主要放大倍率：35/500摄像机解析度：512/7线对/每单位长度物体解析度：主要放大倍率*摄像机解析度35/500*512/7=512ep/mm3.有一幅在灰度背景下的黑白足球图像，直方图数据如下：【0520920490304059102404060508020804409604200】足球直径为230mm，像素间距代表多少mm?2388035.142303.2735.14*2Arrdmm3.图像空域增强3.4点运算的应用直方图均衡化：点运算形式及均衡化计算方法()()mfDDFD特点：1.不利于灰度渐变（平滑）图像。2.第二次均衡化的结果与第一次相同。直方图均衡的实质是减少图像的灰度等级换取对比度的扩大。直方图匹配：点运算形式及匹配计算方法1[()]ccAADFFD代数和与灰度直方图的关系()(,)(,)cABABBABABAHDHDDdDHDDdDHAB联合灰度直方图A,B互不相关时，()()*()CcAcBcHDHDHD局部增强在局部区域完成均衡化、规定化串行增强算法1、设定邻域大小，（如7*7）；2、计算该邻域直方图，利用均衡化或规定化，获得映射关系；3、利用映射关系，将该邻域中心点进行处理，更新原图数据4、中心位置移动到下一像素，重复上述过程。新值被利用概念：模板（掩模）和窗口窗口：矩形区域模板：任意形状的区域算术加减运算与逻辑运算？加法：或运算减法：异或运算3.5代数运算代数和的应用——均值去噪多幅图像平均法是对获取的同一景物的多幅图像相加取平均来消除噪声。设理想图像f(x,y)所受到的噪声n(x,y)为加性噪声，而产生的有噪图像g(x,y)可表示为：(,)(,)(,)gxyfxynxy若图像噪声是互不相关的加性噪声且均值为0，则(,){(,)}fxyEgxy其中{(,)}Egxy是g(x,y)的期望值。对M幅有噪声的图像经平均后得到11ˆ(,)(,)(,)MiifxygxygxyM其估值误差为：222(,)(,)111ˆ{[(,)(,)]}{[(,)(,)]}MgxyinxyiEfxyfxyEfxyfxyMM2(,)gxy和2(,)nxy是g在n在点（x,y）处的方差。可见对M幅图像取平均可把噪声方差减小到1/M.当M增大时(,)gxy将更加接近f(x,y)。在各个位置上像素值的噪声变化率将减小。均值：反映图像的噪声的减小方差（标准差）减小，对比度减小，整个差值图像的差别减小，原图像与去噪后图像差别趋于一