29数字图像处理知识点总结

1数字图像处理知识点总结第一章导论1.图像：对客观对象的一种相似性的生动性的描述或写真。2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段），按空间坐标和亮度的连续性（模拟和数字）。3.图像处理：对图像进行一系列操作，以到达预期目的的技术。4.图像处理三个层次：狭义图像处理、图像分析和图像理解。5.图像处理五个模块：采集、显示、存储、通信、处理和分析。6.数字图像处理的内容：（1）图像获取、表示和表现（图像的数字化和图像变换）（2）图像增强（3）图像复原（4）图像重建（5）图像压缩编码（6）图像分割（7）图像分析（8）模式识别（9）图像理解7.数字图像处理的目的：（1）提高图像的视觉质量，以达到赏心悦目的目的。（2）提取图像中所包含的某些特征或特殊信息，以便于计算机分析（3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。8.论述数字图像处理技术在生产生活中的应用（1）在生物医学中的应用：利用电磁波谱成像分析系统诊断病情：如显微镜图像分析，DNA成像分析，CT及核磁共振、超声波、X射线成像分析等（2）遥感航天中的应用：检测土地变化；农林资源的调查；自然灾害监测、预报；地势、地貌测绘；地质构造解译、找矿；环境污染检测等等（3）工业应用：无损探伤，石油勘探，生产过程自动化，工业机器人研制等（4）军事公安领域运用：卫星侦察照片的测绘、判读，雷达图像处理，导弹制导，军事仿真等（5）其他应用：图像远距离通信、电视会议、天气预报、现场视频管理等第二章数字图像处理的基本概念9.决定图像质量的因素：（1）平均亮度（2）对比度（3）清晰度：由图像边缘灰度变化的速度来描述（4）分解力或分辨率（5）采样间隔（6）量化等级210.模拟图像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0i(x，y)∞，反射分量0r(x，y)1.11.图像数字化：将一幅画面转化成计算机能处理的形式——数字图像的过程。它包括采样和量化两个过程。像素的位置和灰度就是像素的属性。12.将空间上连续的图像变换成离散点的操作称为采样。采样间隔和采样孔径的大小是两个很重要的参数。采样方式:有缝、无缝和重叠。13.将像素灰度转换成离散的整数值的过程叫量化。14.表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。15.数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。16.采样和量化与数字图像之间的关系采样间隔：采样间隔大——所得像素数少——空间分辨率低——数据量小——国际棋盘效应采样间隔小——所得像素数多——空间分辨率高——数据量大——质量好量化等级：量化等级多——图像层次丰富——灰度分辨率高——数据量大——图像质量好量化等级少——图像层次欠丰富——灰度分辨率低——数据量小——假轮廓现象17.数字化器组成：1)采样孔：保证单独观测特定的像素而不受其它部分的影响。2)图像扫描机构：使采样孔按预先确定的方式在图像上移动。3)光传感器：通过采样孔测量图像的每一个像素的亮度。4)量化器：将传感器输出的连续量转化为整数值。5)输出存储体：将像素灰度值存储起来。它可以是固态存储器，或磁盘等。18.灰度直方图反映的是一幅图像中各灰度级像素出现的频率。以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。19.直方图的性质：1)灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置,即丢失了像素的位置信息。2)一幅图像对应唯一的灰度直方图，反之不成立。不同的图像可对应相同的直方图3)一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。20.直方图的应用：1)用于判断图像量化是否恰当（各个像素都要有才恰当）2)用于确定图像二值化的阈值（以确保二值化后效果更好）3)当影像上目标的灰度值比其它部分灰度值大或者灰度区间已知时，可利用直方图统计图像中物体的面积4)计算图像信息量：熵H（根据不同像素的概率可求）21.图像处理基本功能的形式：单幅图像→单幅图像，多幅图像→单幅图像，单（或多）幅图像→数字或符号。22.邻域：对于任一像素（i，j），该像素周围的像素构成的集合{（i+p,j+q），p、q取合适的整数}，叫做该像素的邻域。23.图像处理的几种具体算法：1)局部处理：对输入图像像素P（i,j）处理时，某一输出像素Q（i,j）由输入图像像素及其邻域中的像素值确定。这种处理称为局部处理。例：空间域平滑和锐化2)点处理：在局部处理中，当输出值Q(i,j)仅与P(i,j)有关，则称为点处理。3例：增强对比度、图像二值化3)大局处理：在局部处理中，输出像素Q(i,j)的值取决于输入图像大范围或全部像素的值，这种处理称为大局处理例：图像傅里叶变换4)迭代处理：反复对图像进行某种运算直至满足给定的条件，从而得到输出图像的处理形式称为迭代处理例：图像的细化处理过程5)跟踪处理：选择满足适当条件的像素作为起始像素，检查输入图像和已得到的输出结果，求出下一步应该处理的像素，进行规定的处理，然后决定是继续处理下面的像素，还是终止处理。这种处理形式称为跟踪处理。例：边界线、等高线的跟踪6)位置不变处理和位置可变处理：输出像素f(i，j)的值的计算方法与像素的位置(i，j)无关的处理称为位置不变处理或位移不变处理7)窗口处理和模板处理。24.图像的数据结构与特征：1)组合方式：一个字长存放多个像素灰度值的方式。它能起到节省内存的作用，但导致计算量增加，使处理程序复杂。2)比特面方式：按比特位存取像素，即将所有像素的相同比特位用一个二维数组表示，形成比特面。3)分层结构：由原始图像开始依次构成像素数愈来愈少的一幅幅图像，就能使数据表示具有分层性，其代表有锥形(金字塔)结构。4)树结构：对于一幅二值图像的行、列接连不断地二等分，如果图像被分割部分中的全体像素都变成具有相同的特征时，这一部分则不再分割5)多重图像数据存储：逐波段存储，分波段处理时采用；逐行存储，行扫描记录设备采用；逐像素存储，用于分类。25.图像的特征：1)自然特征：光谱特征、几何特征、时相特征；2)人工特征：直方图特征，灰度边缘特征，线、角点、纹理特征；3)特征的范围：点特征、线特征、局部特征、区域特征、整体特征。4)特征提取：获取图像特征信息的操作。把从图像提取的m个特征量y1，y2，…，ym，用m维的向量Y＝[y1y2…ym]t表示称为特征向量。另外，对应于各特征量的m维空间叫做特征空间。26.对比度：一幅图像中灰度反差的大小，对比度=最大亮度/最小亮度27.图像的噪声来源及其类型外部噪声：图像处理系统外部产生的噪声如：天体放电干扰、电磁波从电源线窜入系统等内部噪声：系统内部产生的噪声，来源有：（1）由光和电的基本性质引起的（2）由机械运动产生的噪声（3）元器件噪声（4）系统内部电路噪声从统计理论观点分类：平稳噪声：统计特征不随时间变化的特征非平稳特征：统计特征随时间变化的特征从噪声幅度分布形态分类：高斯型、瑞利形按过程分类：量化噪声、椒盐噪声428.几种颜色模型：1、RGB颜色模型：特点：色彩空间采用物理三基色表示，适合彩色显象管工作2、HIS（HSB）颜色模型：（1）色调Hue：光线所呈现的颜色，如红、绿、黄…（2）饱和度Saturation：指色彩的浓淡程度（3）亮度Brightness：指由于彩色刺激而使人眼感觉到的明暗程度特点：（1）它比RGB色彩空间更符合人的视觉特性。（2）在HSB色彩空间可以大大简化图像分析和处理的工作量3、CMYK颜色模型：由青色（Cyan）、品红（Magenta）、黄色（Yellow）和黑色组成特点：用于彩色打印机、印刷彩色图片4、YUV模型：用于彩色电视信号传输，其中Y信号表示亮度，U、V信号是色差信号第三章图像变换29.图像变换的要求：图像变换通常是一种二维正交变换。1)正交变换必须是可逆的；2)正变换和反变换的算法不能太复杂；3)正交变换的特点是在变换域中图像能量集中分布在低频率成分上，边缘、线状信息反映在高频率成分上，有利于图象处理。30.图像变换的目的在于：1)使图像处理问题简化；2)有利于图像特征提取；3)有助于从概念上增强对图像信息的理解。31.傅里叶变换的物理意义：将原来难以处理的时域信号转换成了易于分析的频域信号（信号的频谱），即将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。换句话说，傅里叶变换将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数这样通过观察傅立叶变换后的频谱图，也叫功率图，了解图像特征。第四章图像增强32.图像增强的目的（1）改善图像视觉效果，提高图像清晰度（消除噪声）（2）将图像转化为一种更适合与人或机器进行分析处理的形式（突出边缘）533.空间域增强是直接对图像各像素进行处理；34.频率域增强是先对图像经傅立叶变换后的频谱成分进行某种处理，然后经逆傅立叶变换获得所需的图像。35.灰度变换用来调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。1)线性变换：对图像每一个像素灰度作线性拉伸，将有效改善图像视觉效果。2)分段线性变换：为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。3)非线性灰度变换：对数变换（当希望对图像的低灰度区较大的拉伸而对高灰度区压缩时，可采用这种变换，它能使图像灰度分布与人的视觉特性相匹配）。指数变换（对图像的高灰度区给予较大的拉伸）36.直方图均衡化：将原图通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。37.直方图均衡化变换函数，满足下列条件：1)在0≤r≤1内为单调递增函数，保证灰度级从黑到白的次序不变；2)在0≤r≤1内，有0≤T(r)≤1，确保映射后的像素灰度在允许的范围内。38.直方图均衡化原理：输出图像的概率密度函数可以通过变换函数T(r)控制原图像灰度级的概率密度函数得到,并改善原图像的灰度层次。39.直方图均衡化的步骤：（1）统计各灰度级的像元个数（2）计算累计直方图（3）【（L-1）/N】乘以累计直方图，结果取整（4）计算新图像灰度值40.一幅图像的sk与rk之间的关系称为该图像的累积灰度直方图。41.直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。42.直方图规定化的步骤：（1）求原始图像和参考图像的归一化累计直方图；（2）计算参考图像归一化累计直方图的相邻灰阶平均值；（3）用平均值对原始图像归一化累计直方图进行分段，得到结果图像灰度值（4）根据新灰度值计算输出图像43.利用直方图规定化方法进行图像增强的主要困难在于要构成有意义的直方图。图像经直方图规定化，其增强效果要有利于人的视觉判读或便于机器识别。44.为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。45.用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑，又称邻域平均法。46.超限像素平滑法：将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根6据比较结果决定点（x,y）的最后灰度g´(x,y)。47.灰度最相近的K个邻点平均法：可用窗口内与中心像素的灰度最接近的K个邻像素的平均灰度来代替窗口中心像素的灰度值。48.最大均匀性平滑：为避免消除噪声引起边缘模糊，该算法先找出环绕图像中每像素的最均匀区域，然后用这区域的灰度均值代替该像素原来的灰度值。具体可选任一像素（x,y）的5个有重叠的3*3邻域，用梯度衡量它们灰度变化的大小。49.有选择保边缘平滑法：对图像上任一像素(x,y)的5×5邻域，采用9个掩模：一个3×3正方形、4个五边形和4个六边形。计算各个掩模的均值和方差，对方差进行排序，最小方差所对应的掩模的灰度均值就是像素（x,y)的输出值。50.空间低通滤波法：应用模板卷积方法对图像每一像素进行局部处理。不管什么样的掩模，必须保证全部权系数之和为单位值，这样可保证输出图像灰度值在许可范围内，不会产生“溢出”现象。51.中值滤波：是对一个滑动窗口内的诸像素灰度值