数字信号处理 第三章 图像信号分析基础讲解

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
…,f(-dt),f(0),f(dt),f(2dt),…,f(ndt),…
3.1.1 信号的采样
理想采样器是指闭合时间趋向于0的采样 器。
3.1.1 信号的采样
理想采样后的数列(采样值)可以记为 …,f(-2),f(-1),f(0),f(1),f(2),…,f(n),… 或 f(n),n=…,-2,-1,0,1,2,…,n,… 称这个数列为信号f(t)的离散时间信号(或
pr (rk
Leabharlann Baidu
)

nk n
0 rk 1 k 0,1,2,,l 1
其中,归一化操作并不是必须的。
3.1.5 灰度直方图
轮廓线提供了一个确立图像中简单物体边界的 有效方法,使用轮廓线作为边界的技术称为阈值 法。
假设有一图像的直方图如下,背景是浅色的, 物体是深色的,则取双峰之间的谷底灰度作为阈 值可以得到合理的边界。
的卷积。 水印、验证码
三、减法运算
将多幅图像的对应点相减得到新图像。 可去除图像中不需要的加性图案。 可用于运动检测。 可以用来计算物体边界位置的梯度。 新图像的灰度直方图为两个原始图像灰度
直方图的卷积。
四、乘除法运算
乘法运算可以用来去除原始图像中的一部 分:首先构造一副掩膜图像,在需要保留 区域,图像灰度值为1,而在被去除区域, 图像灰度值为0;然后将掩膜图像乘原始 图像。
对于一幅输入图像,将产生一幅输出图像,输出图像 的每个像素点的灰度值由输入像素点决定。
点运算由灰度变换函数(gray-scale transformation, GST)确定。
B(x, y) f [A(x, y)]
二、线性点运算
GST函数f (D)为线性,即
DB f (DA ) DA b
1 2 34 5 6 5 4 5 6 2 14
3.1.5 灰度直方图
设r代表图像中像素灰度级,作归一化处理后,r将 被限定在[0, 1]之内。在灰度级中,r=0代表黑, r=1代表白。对于一幅给定的图像来说,每一个 像素取得[0, 1]区间内的灰度级是随机的,也 就是说r是一个随机变量。假定对每一瞬间,它 们是连续的随机变量,那么就可以用概率密度函 数pr(r)来表示原始图像的灰度分布。如果用直角 坐标系的横轴代表灰度级r,用纵轴代表灰度级 的概率密度函数pr(r),这样就可以针对一幅图像 在这个坐标系中作出一条曲线来。这条曲线在概 率论中就是概率密度曲线。
r
三、非线性点运算
非线性点运算的设计思路:基本数学函数的 运用与组合,如三角函数、指数函数、对 数函数、分段函数。
四、点运算与灰度直方图
灰度直方图是目的 点运算是使图像满足预期灰度直方图的过
程与方法
五、点运算的作用
点运算常用于增强图像中感兴趣的那部分的 对比度(对比度增强或对比度扩展);也 可以根据灰度的不同级把一幅图像划分成 若干部连续的区域,以便进一步确定它们 的边界,画出轮廓线。
3.1.1 信号的采样
其中,Dirac函数定义为:

(t

tk
)

1, t 0, t

tk tk


(t t0 )dt 1
3.1.1 信号的采样
R(t )
u (t )
(t )
R(t )
t dR(t)
dt u (t )
t du(t)
dt
t (t)
3.1.1 信号的采样
第三章 图像信号分析基础
3.1 图像信号的数学表示
3.1.1 信号的采样 3.1.2 信号的量化 3.1.3 图像信号的采样 3.1.4 图像信号的量化 3.1.5 灰度直方图
3.1.1 信号的采样
对一时间t为自变量的实数值域内的连续函 数f(t)(信号)以dt为采样周期进行采样, 得到一个数列,即采样值:
3.1.3 图像信号的采样
图像信号是二维空间的信号,是以平面上的点作 为独立变量的函数。
对于黑白或灰度图像可直接采样,彩色图像则可 对其三基色分别采样。
二维图像信号的采样也要遵循采样定理。 图像信号的采样定理:二维采样频率均要大于各
自的最高频率。各维一般采用相同的采样频率。
3.1.4 图像信号的量化
设D(X,Y)表示 平滑地从中心 的高灰度级变 化到边沿的低 灰度级的连续 图像。
3.1.5 灰度直方图( histogram )
连续图像的灰度直方图可定义为:
A(F) A(F F) d
h(F) lim
A(F)
F 0
F
dF
3.1.5 灰度直方图
一幅连续图像的灰度直方图是其面积函数 的导数的负值。
离散时间序列、采样数据序列)。 因果系统。

T (t) (t - nT) n-
3.1.1 信号的采样
采样前后的信号之间的关系为

f *(t) f (nT ) (t nT ) n 对一个连续信号进行采样,即让该连续
信号与一个等间隔的脉冲序列共同作用。
任意一个一维序列可以表示成一维单位 冲激的移位加权和。x(nT)为x(t)信号在nT时 刻的值,即权。
二、加法运算
将多幅图像的对应点相加得到新图像。 可以将一幅图像内容加到另一幅图像上,以达到
二次暴光(double exposure)的要求。 可以对同一场景的多幅图像求平均值,以降低加
性(additive)随机噪声。 定理:对M幅加性噪声图像进行平均,可以使图
像的平方信噪比提高M倍。 新图像的灰度直方图为两个原始图像灰度直方图
3.2.2 代数运算
一、基本概念 二、加法运算 三、减法运算 四、乘除法运算
一、基本概念
代数运算指对两幅或多幅图像进行点对点的四则 运算得到一幅新图像,其中四则运算一般是两幅 或多幅图像的对应点的灰度值的代数运算。
Cx,y Ax,y Bx,y Cx,y Ax,y Bx,y Cx,y Ax,y Bx,y Cx,y Ax,y Bx,y
几何运算可能会导致图像的断裂或支解等 现象,因此需要灰度插值算法。
二、空间变换算法
几何运算的空间变换算法一般定义如下:
g(x, y) f [(x, y), (x, y)]
其中
(x, y), (x, y)
3.1.5 灰度直方图
直方图是面积函数的导数,在谷底附近,直方 图的值相对较小,意味着面积函数随阈值灰度 级的变化很缓慢,若选择谷底处的灰度作为阈 值,将可以使其对物体边界的影响达到最小, 使测量物体面积的误差最小。
C#代码
Bitmap MyBitmap = new Bitmap(500, 500); int red = MyBitmap.GetPixel(1, 1).R; int green = MyBitmap.GetPixel(1, 1).G; int blue = MyBitmap.GetPixel(1, 1).B;
若将图像看作一个二维随机变量,则面积 函数相当于该随机变量的分布函数,而灰 度直方图相当于其概率密度函数。
随灰度级F的增加,对应的面积A(F)减小。 对于灰度数字图像,任一灰度级F的面积
函数A(F)的值也就是大于等于该灰度值的 像素点的个数。
3.1.5 灰度直方图
1 2 34 5 6 6 4 32 2 1 1 6 64 6 6 3 4 56 6 6 1 4 66 2 3 1 3 64 6 6
曝光过强(过弱)会导致大片白色(黑色),丢失 明暗、对比度、纹理等细节信息,即使采用插值 算法,也难以准确恢复。此时将在直方图的一端 或两端产生尖峰。
3.1.5 灰度直方图
直方图是一幅图像中各像素灰度值出现次数(或 频数)的统计结果,它只反映该图像中不同灰度 值出现的次数(或频数),而未反映某一灰度值 像素所在位置。也就是说,它只包含了该图像中 某一灰度值的像素出现的概率,而丢失了其所在
任一幅图像,都能惟一地确定出一幅与它对应的 直方图, 但不同的图像,可能有相同的直方图。 也就是说,图像与直方图之间是多对一的映射关 系。
由于直方图是对具有相同灰度值的像素统计得到 的, 因此,一幅图像各子区的直方图之和就等 于该图像全图的直方图。
3.1.5 灰度直方图
对于数字图像,灰度直方图可按如下方 法计算
对于二维系统,则有

f *(i, j)
f (mT1, nT2 ) (i mT1, j nT2 )
m n
一般取T1=T2
任意一个二维序列可以表示成二维单位冲激的移位加权和。
3.1.1 信号的采样
二维采样矩阵
3.1.1 信号的采样
对模拟信号采样使它离散化的程度取决于采 样器的采样周期T。
采样周期越小,得到的采样序列就越接近原 来的信号,数据量越大。
采样周期大于某个限制时,不能从采样序列 恢复原来的信号。
明文空间vs密文空间
3.1.1 信号的采样
采样定理:对一个频谱有限( max )的连续 信号f(t)进行采样,当采样频率满足
s
2max,s

2
T
条件时,采样序列便能无失真地恢复原来的 连续信号。
显然, 若a 1,b 0,图象像素不发生变化; 若a 1,b 0,图象所有灰度值上移或下移; 若a 1,输出图象对比度增强; 若0 a 1,输出图象对比度减小; 若a 0,暗区域变亮,亮区域变暗,图象求补。
三、非线性点运算
s
s
s
O
r
O
r
O
r
s
s
s
O
r
O
r
O
灰度直方图是灰度级的函数,也就是图像中具有 某个灰度级的像素点的个数,其函数图像的横坐 标是灰度级,纵坐标为该灰度级出现的频率。
对于连续图像,定义阈值面积函数A(F)为具有灰 度级F的所有轮廓线所包围的面积。对于数字图 像,任一灰度级F的面积函数A(F)即大于或等于 灰度值F的像素点的个数。
幅度分布密度函数h(p):幅度(亮度)为 p的像素点的个数。
h(p)通常是非均匀分布的,所以通常取不 等间隔的分段,对于较常出现的幅度值范 围,建议把量化间隔取得小一些。
3.1.5 灰度直方图( histogram )
对于灰度图象,从最暗(黑)到最亮(白)通常 被分为256个灰度级别。
除法运算可用于多光谱遥感运算的比值计 算。
3.2.3 几何运算
一、基本概念 二、空间变换算法 三、灰度插值算法
一、基本概念
图像点运算和代数运算不改变图像中各部 分的几何关系。
图像几何运算会改变各部分的空间位置关 系。
图像几何运算的结果一般表现为场景中的 物体在图像内的移动,如转动、扭曲、倾 斜、拉伸、缩放、错切等等。
3.1.2 信号的量化
连续信号的采样常用A/D转换实现。 A/D转换器包括采样器和量化器两部分组成。 量化器的作用是将离散的模拟量x(n)按照一定的
规则转换为数字量x’(n),即把采样信号的幅值范 围按照一定的精度要求分成若干(一般为偶数) 段[pk,pk+1],使落入某段中的采样值使用单一的 幅值来表示。 从模拟量到数字量的转换误差的大小由量化的精 度要求所决定。 若量采化样值值 。f(nT)落在[pk,pk+1],常取(pk+pk+1)/2为其
3.1.5 灰度直方图
Pr(r)
Pr(r)
0
1r
0
(a)
1r (b)
例图:图像灰度分布概率密度函数
3.1.5 灰度直方图
从图像灰度级的分布可以看出一幅图像的灰度分布 特性。例如,从上图中(a)和(b)两个灰度分布概 率密度函数中可以看出: (a)的大多数像素灰度 值取在较暗的区域,所以这幅图像肯定较暗,一 般在摄影过程中曝光偏弱就会造成这种结果;(b) 图像的像素灰度值集中在亮区,因此,图像(b)将 偏亮,一般在摄影中曝光偏强将导致这种结果。 当然,从两幅图像的灰度分布来看图像的质量均 不理想。
3.2 图像运算
3.2.1、点运算 3.2.2、代数运算 3.2.3、几何运算
3.2.1 点运算
一、基本概念 二、线性点运算 三、非线性点运算 四、点运算与灰度直方图的关系 五、点运算的作用
一、 基本概念
点运算(point operation)可简单理解为图像像素点 的运算,即按照需要改变像素灰度值的运算,其输入 和输出均为一幅数字图像,且输入像素和输出像素一 一对应,不改变图像的空间关系
相关文档
最新文档