数字图像处理ppt第5章图像压缩

合集下载

第5章图像变换技术 MATLAB 数字图像处理课件

5.6.2 Hough变换的MATLAB实现
hough函数用于实现Hough变换。其调用格式为：（1）[H, theta, rho]=hough(BW) （2）[H, theta, rho]=hough(BW, param1,
val1, param2, val2)
【例5-15】用hough函数检测图像中的直线。
（2）B = idct2(A,m,n)或B = idct2(A,[m n])：在对图像A进行二维离散余弦逆变换前，先将图像A补零到m×n。如果m和n比图像A的尺寸小，则在进行变换前，将图像A进行剪切。
【例5-9】对图像进行二维离散余弦逆变换。
（a）原始图像
（b）逆DCT变换
3．dctmtx函数在MATLAB图像处理工具箱中提供了dctmtx函数用
于计算二维离散DCT矩阵。其调用格式为：D = dctmtx(n)。
返回n×n的DCT变换矩阵，如果矩阵A的大小为 n×n，D*A为A矩阵每一列的DCT变换值，A*D'为A 每一列的DCT变换值的转置（当A为n×n的方阵）。
【例5-10】计算二维离散DCT矩阵。
（a）原始图像
（b）离散DCT矩阵
5.4 离散余弦变换
5.4.1 一维离散余弦变换 5.4.2 二维离散余弦变换 5.4.3 快速离散余弦变换
5.4.4 离散余弦变换的MATLAB实现
1．dct2函数在MATLAB图像处理工具箱中提供了dct2函数用于实现二维
离散余弦变换。该函数常用于图像压缩，最常见的便是用于JPEG图像压缩。其调用格式为：（1）B = dct2(A)：返回图像A的二维离散余弦变换值，其大小与A相同，且各元素为离散余弦变换的系数B(k1,k2)。（2）B = dct2(A,m,n)或B = dct2(A,[m n])：在对图像A 进行二维离散余弦变换前，先将图像A补零到m×n。如果m 和n比图像A的尺寸小，则在进行变换前，将图像A进行剪切。

数字图像处理数字图像的压缩编码

debbie. bmp BMP是一种与设备无关的位图格式。 256×256，65KB 一般采用非压缩模式
8
400×400，10.9KB，
原图像数据468KB
5.1.1 图像压缩编码的必要性
2000年5月植被指数遥感图.bmp，原图像数据976×720＝2MB
9
5.1.1 图像压缩编码的必要性
Buaa.jpg，0.98MB ,原图像数据1900×1560＝8.5MB
35
5.1.3 图像压缩编码的分类
3．按压缩方法进行分类
静图：静止图像（要求质量高）动图：活动的序列图像（相对质量要求低，压缩倍数要高）
36
5.1.3 图像压缩编码的分类
4．按失真与否进行分类
无失真压缩：经压缩后再恢复图像与原图像无任何区别，一般压缩倍数 < 2
有限失真压缩：单帧（静）4～20倍。图像序列（x、y、t）50～200倍
像素相关性大：压缩潜力大
评价受人的影响大（军标）
4
5.1 概述
图像的特点
数据量大，为其存储、传输带来困难，需压缩
例：电话线传输速率一般为56kbit/s（波特率）
一幅彩色图像640×480×24bit = 7Mbit大小 1．传输一幅图像：时间约2分钟左右如压缩20倍，传一幅图6s左右，可以接受，实用 2．实时传送：640×480×24bit×25帧/s=175Mbit/s，
小，这种信息就被称为视觉心理冗余。
33K
15K
28
5.1.2 图像压缩编码的可能性
图像无损压缩的原理
RGB RGB RGB RGB
RGB
RGB RGB
RGB
RGB RGB

第5章图像变换-傅里叶变换

N 1
从上式可以看出，一个二维傅立叶变换可用二次一维傅立叶变换来实现
(0,0)
f(x,y)
N-1
y
(0,0)
F(x,v)
N-1
v 列变换
(0,0)
F(u,v) u
N-1
v
N-1
x
行变换 N-1
N-1
x
二维傅立叶变换分离成两个一维变换
行变换
列变换
（2）平移性在空域中，图像原点平移到(x0，y0)时，其对应的频 ux vy j 2π ( ) 谱F(u,v)要乘上一个负的指数项 e N
（5）分配性（线性）和比例性（缩放）傅立叶变换的分配性表明，傅立叶变换和反变换对于加法可以分配，而对乘法则不行，即
{ f1 ( x, y ) f 2 ( x, y )} { f1 ( x, y )} { f 2 ( x, y )} { f1 ( x, y ) f 2 ( x, y )} { f1 ( x, y )} { f 2 ( x, y )}
图像傅立叶变换
从幅度谱中我们可以看出明亮线和原始图像中对应的轮廓线是垂直的。如果原始图像中有圆形区域那么幅度谱中也呈圆形分布
图像傅立叶变换
图像中的颗粒状对应的幅度谱呈环状，但即使只有一颗颗粒，其幅度谱的模式还是这样。
图像傅立叶变换
这些图像没有特定的结构，左上角到右下角有一条斜线，它可能是由帽子和头发之间的边线产生的
例对比

傅立叶变换的物理意义
梯度大则该点的亮度强，否则该点亮度弱。这样通过观察傅立叶变换后的频谱图，我们首先就可以看出，图像的能量分布，如果频谱图中暗的点数更多，那么实际图像是比较柔和的（因为各点与邻域差异都不大，梯度相对较小），反之，如果频谱图中亮的点数多，那么实际图像一定是尖锐的，边界分明且边界两边像素差异较大的。

数字图像处理图像压缩ppt课件

率分布分别为P(x1)=0.4, P(x2)=0.3, P(x3)=0.1, P(x4)=0.1,
P(x5)=0.06, P(x6)=0.04, 现求其最佳哈夫曼编码
W={w1,w2,w3,w4,w5,w6}。
元素
xi
x1
x2 x3 x4
x5
x6
概率 P(xi) 0.4 0.3 0.1 0.1 0.06 0.04
减少像素间冗余
减少编码冗余
7.3.1 变长编码
7.3.1.1 一些基本概念
第1. 七1)
图像熵和平均码字长度图像熵（Entropy）
章
图
设数字图像像素灰度级集合为（X1,X2, ,Xk,
像 ,XM)，其对应的概率分别为P1,P2, ,Pk, ,PM 。
压缩
按信息论中信源信息熵定义，数字图像的熵H为：
缩码冗余来达到压缩的目的。
7.3.1.3 哈夫曼（Huffman）编码方法
第
哈夫曼编码基本思想
七章
1) 统计一下符号的出现概率， 2) 建立一个概率统计表，
图
将最常出现（概率大的）的符号用最短的
像
编码，
压
最少出现的符号用最长的编码。
缩例：设有数字图像，其灰度集合为 X={x1,x2,x3,x4,x5,x6}其概
像压
示给定量的信息使用了不同的数据量，那么使用
缩较多数据量的方法中，有些数据必然是代表了无
用的信息，或者是重复地表示了其它数据已表示
的信息，这就是数据冗余的概念。
7.2.1 数据冗余
第七
• 三种基本的数据冗余
章
图编码冗余
像压
像素间冗余
缩心理视觉冗余

数字图像处理第五章图像压缩技术 ppt课件

数据、医学CT和NMR图象数据、微波遥感图象数据等，都需要进行压缩传输和存贮。按照图象特点可分为2D、3D或更高维图象数据，存在相应维数的冗余，需要进行压缩处理。压缩时保留主
要信息或实际需要的信息，满足应用需要就可
以。图象的维数用时时间、空间、谱和视角等
3. 应用MATLAB语言或VC++实现EZW压缩编码方法？ 4. 应用MATLAB语言或VC++实现SPIHT压缩编码方法？ 5. 应用MATLAB语言或VC++实现3DSPIHT压缩编码方法,并应用3D多光谱数据或视频序列作为试验数据验证此压缩方法的效率？其中需要3D高分辨率多光谱试验数据的读者可与作者联系。
2021/2/5
4
6. 应用MATLAB语言或VC++实现对块零树压缩编码方法？
数字图像处理第五章图像压缩技
2021/2/5
术
2
精品资料
你怎么称呼老师？
如果老师最后没有总结一节课的重点的难点，你是否会认为老师的教学方法需要改进？你所经历的课堂，是讲座式还是讨论式？教师的教鞭
“不怕太阳晒，也不怕那风雨狂，只怕先生骂我笨，没有学问无颜见爹娘 ……” “太阳当空照，花儿对我笑，小鸟说早早早……”
来划分，如视频运动图象序列可以认为由二维
空间和一维时间构成的三维空间，多光谱成像
数据可以看作是二维空间和一维谱构成的三维空间。
数字图像处理第五章图像压缩技
2021/2/5
术
1
综合练习题
1. 试说明小波基变换作用，不同类型小波基的特点及适合哪些方面的应用，不同消失矩小波应用时有何差别？
2. 应用MATLAB语言或VC++实现WT+VQ压缩编码方法， VQ可采用典型的LBG算法，WT任选三种类型。观察这三种类型的小波基压缩时的差别？

数字图像处理图像压缩与编码

数字图像处理
28
#include <stdio.h> #include <stdlib.h> #include <string.h> const char *o = ""; int main() {
char *d = malloc(2*strlen(o)); char *oc = malloc(strlen(o)); int rl = rle_encode(d, o, strlen(o)); int ocl = rle_decode(oc, d, rl); fwrite(oc, 1, ocl, stdout); free(d); free(oc); return 0; }
无损压缩的格式可以很容易的转换为其它有损压缩格式，而不存在多次有损压缩所带来的更大失真问题
当然，无损压缩的缺点也是明显的，包括：
占用空间大，压缩比有限
解码无损压缩格式需要更大的计算量，所以对解码硬件具有更高的要求
数字图像处理
18
游程编码
差分脉冲编码调制
熵编码
LZW字典算法
Huffman编码
小波分析是把一个信号分解成由原始小波经过移位和缩放后的一系列小波，因此小波是小波变换的基函数，即小波可用作表示一些函数的基函数。
经过多年的努力，小波理论基础已经基本建立并成为应用数学的一个新领域，引起了众多数学家和工程技术人员的极大关注。
数字图像处理
9
压缩的完成主要依靠，一是使用线性变换来剔除图像数据的相关性，二是对所得到的变换系数进行量化，三是对不同类型的数据分配比特位，四是对量化后的结果进行熵编码。
return dl;
}
数字图像处理

《数字图像处理》课程教学大纲

数字图像处理课程教学大纲课程简介数字图像处理是计算机科学与技术领域的一门重要课程，它研究如何使用计算机和算法来处理和分析数字图像。

本课程旨在介绍数字图像处理的基本原理、方法和应用，并培养学生的图像处理能力和技巧。

课程目标本课程的主要目标是让学生掌握数字图像处理的基本理论和方法，具备图像处理算法设计、图像增强、图像分割、图像压缩等技术的基本能力。

同时，通过实践项目的实施，培养学生的问题解决能力和团队合作能力。

课程安排第一周：课程介绍与基本概念•课程介绍•数字图像的基本概念与特点•数字图像处理的基本步骤第二周：图像预处理•图像采集与获取•图像灰度变换•图像噪声模型与去噪方法第三周：图像增强•直方图均衡化•空域滤波与频域滤波•边缘增强与锐化第四周：图像压缩•图像压缩的基本概念与方法•离散余弦变换（DCT）与JPEG压缩算法•小波变换与JPEG2000压缩算法第五周：图像分割与边缘检测•阈值分割•基于边缘的图像分割•基于区域的图像分割第六周：实践项目1 - 图像识别•项目需求分析与设计•图像特征提取与选择•分类器的训练与测试第七周：实践项目2 - 图像恢复•项目需求分析与设计•图像模型与图像去模糊•图像去噪与图像修复第八周：实践项目3 - 图像处理工具开发•项目需求分析与设计•图像处理算法的实现•图形界面设计与用户交互评估方式•平时成绩：30%•作业与实验报告：30%•期末考试：40%参考教材•Rafael C. Gonzalez, Richard E. Woods. 数字图像处理（第三版）. 清华大学出版社，2018.•Richard Szeliski. 计算机视觉：算法与应用. 电子工业出版社，2014.参考资源•MATLAB图像处理工具箱文档•OpenCV计算机视觉库官方文档以上是《数字图像处理》课程的教学大纲，希望通过本门课程的学习，能够让学生对数字图像处理有一个全面的了解，并具备实践应用的能力。

数字图像处理-图像编码PPT课件

图像编码的目的就是尽量减小各种冗余信息，特别是空间冗余、视觉冗余，以少的比特数来表示图像。
.
11
2. 信息量和信息熵
数据压缩技术的理论基础是信息论。从信息论的角度来看，压缩就是去掉信息中的冗余，即保留不确定的信息，去掉确定的信息（可推知的）。
.
12
信息论中信源编码理论解决的主要问题：（1）数据压缩的理论极限（2）数据压缩的基本途径
.
8
图像保真度
保真度标准——评价压缩算法的标准
客观保真度标准：图像压缩过程对图像信息的损失能够表示为原始图像与压缩并解压缩后图像的函数。
一般表示为输出和输入之差：
两个图像之间的总误差：
均方根误差：
主观保真度标准：通过视觉比较两个图像，给出一个定性的评价，如很粗、粗、稍粗、相同、稍好、较好、很好等，可以对所有人的感觉评分计算平均感觉分来衡量
若按每像素3个字节计算，上述结果为约?M
举例2：目前的WWW互联网包含大量的图像信息，如果图像信息的数据量太大，会使本来就已经非常紧张的网络带宽变得更加不堪重负（World Wide Web变成了World Wide Wait）
.
2
视频数据量：
对于电视画面的分辨率640*480的彩色图像，每秒30帧，则一秒钟的数据量为：?
例：原图像数据：234 223 231 238 235
压缩后数据：234 11 -8 -7 3，我们可以对一些接近于零的像素不进行存储，从而减小了数据量
.
7
视觉冗余
人眼不能感知或不敏感的那部分图像信息，人类视觉系统对图像的敏感度是非均匀的。但是，在记录原始的图像数据时，通常假定视觉
系统是近似线性的和均匀的，对视觉敏感和不敏感的部分同等对待，从而产生视觉冗余。

5遥感数字图像处理-第五章

☞ 邻域处理
针对一个像元点周围一个小邻域的所有像元而进行，输出值大小除与像元点在原图像中的灰度值大小有关，还决定于它邻近像元点灰度值大小。如卷积运算、中值滤波、滑动平均等。
②
图像增强的分类
点处理
点处理
邻域处理
邻域处理
2. 遥感图像的对比度增强
对比度增强的基本原理
人眼对图像的识别主要是基于图像中不同像元的亮度(灰度、
差别为有选择的滑动平均是一种带门限值的滑动平均处理。
④
有选择的局部平均法
有选择的局部平均法实现步骤：
1. 2. 3. 4. 给定一个判定阈值T 计算模板窗口内像元DN值的均值X 计算窗口中心目标像元的DN值与X的绝对差值D 比较D与T的大小
如D＞T，则窗口中心像元输出DN值等于X
如D＜T，则窗口中心像元DN值保持不变优点：边缘信息损失减少，减轻输出图像的模糊效应。
中值滤波是一种非线性变换。其优势在于可在平滑的基础上较大程度地防止边缘模糊。
③
中值滤波
中值滤波窗口可选用模板的不同形式：
○ ○ ○ ○ ○ ○ ○ ○ ○ 方形窗口：对线性噪声抑制效果好
○ ○ ○ ○ ○ 十字形窗口：对点性噪声抑制效果好
④
有选择的局部平均法
有选择的局部平均法—其实质为一种滑动平均平滑法。与滑动平均法的
其中，x—原始图像的亮度值
X—线性扩展增强后的亮度值
②
非线性扩展
Ⅱ 对数变换法
X d
c a b x
②
非线性扩展
Ⅲ 三角函数扩展
假定原始图像的灰度范围是（a，b），将原始图像灰度范围扩展为（c，d），其中c ＜ a，d ＞ b，其正切函数计算公式为：

数字图像处理课件ppt课件

9
• 1.2.3 数字图像处理的特点 • 1．具有数字信号处理技术共有的特点。如： • （1）处理精度高。 • （2）重现性能好。 • （3）灵活性高。 • 2．数字图像处理后的图像可能是供人观察和评价的，也
可能作为机器视觉的预处理结果。 • 3．数字图像处理技术适用面宽。原始模拟图像可以来自
多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像、超声波图像或红外图像。
1.3 基本的图像处理系统
• 图像处理系统包括
– 图像处理硬件和图像处理软件。
• 1.3.1 图像处理硬件 • 微机图像处理硬件系统主要
– 由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。
• 软件系统包括
– 操作系统、控制软件及应用软件等。 13
图1.7 基本的数字图像处理系统
统。
• 3．图像处理开发工具
– （1）VC++面向对象可视化集成工具 – （2）MATLAB的图像处理工具箱 – （3）图像应用软件：Photoshop、CorelDRAW、
ACDSee
22
1.4 数字图像处理的应用与发展趋势
• 1.4.1 数字图像处理的应用 • 1．航天和航空技术方面的应用 • 2．生物医学工程方面的应用 • 3．通信工程方面的应用 • 4．工业自动化和机器人视觉方面的应用 • 5．军事和公安方面的应用 • 6．生活和娱乐方面的应用
– 像素（picture element，简称pixel）
• 一幅图像可以用二维矩阵表示。
4
图1.1 自然景物图像
(a)原图
(b)将原图放大4倍
• 图像的数字化包括两个主要步骤：离散和量化
5
• 1.1.2 图像处理的发展简史 • 数字图像处理首次成功地应用在1964年美国

数字图像处理技术PPT课件.ppt

数字图像处理技术概述
数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
这一过程包括对图像进行增强、除噪、分割、复原、编码、压缩、提取特征等内容，图像处理技术的产生离不开计算机的发展、数学的发展以及各个行业的应用需求的增长。 20世纪60年代，图像处理的技术开始得到较为科学的应用，人们用这种技术进行输出图像的理想化处理。
第一章图像处理技术概述
4
数字图像处理技术概述数字图像处理技术特点
1.更好的再现性
数字图像处理与传统的模拟图像处理相比，不会因为图像处理过程中的存储、复制或传输等环节引起图像质量的改变。
3.适用面宽
可以从各个途；径获得数据源，从显微镜到天文望远镜的图像都可以进行数字处理。
2.占用的频带更宽
这一点是相对于语言信息而言的，图像信息比语言信息所占频带要大好几个数量级，因此图像信息在实现操作的过程中难度更大。
4.具有较高的灵活性
只要可以用数学公式和数理逻辑表达的内容；，几乎都可以用电子图像来进行表现处理。
第一章图像处理技术概述
5
过渡页
TRANSITION PAGE
01 图像处理技术概述 0022 图图像像处处理理技技术术发发展展现现状状 03 图像处理技术的利用
之后பைடு நூலகம்年
数字图像处理技术朝着更高深的方向发展，人们开始通过计算机构建出数字化的人类视觉系统，这项技术被称为图像理解或计算机视觉。
第二章图像处理技术发展现状
7
2.2 我国数字图像处理技术的发展
我国在建国之初就展开了计算机技术的研究，而改革开放以来，我国在计算机数字图像处理技术上的发展进步也是非常大的，甚至在某些理论研究方面已赶上了世界先进水平。

数字图像处理_胡学龙等_第05章_图像编码与压缩0607

– V、w、h、d分别表示图像数据量（字节，byte， B）、图像宽度（像素数，pel）、图像高度（像素数，pel）、图像深度（位，bit）。
• 图像的尺寸为w· h。
下一页
home
上一页
典型图像的数据量
图像种类二值传真图像灰度图像 VGA图像 CIF视频图像图像参数 A4（210 297 mm）大小、1728 2376 2色分辨率 512512，8 bit灰度等级 640 480 256色 352 288 256色，亮度取样率为3 MHz，亮度和两色差按4∶1∶1取样，亮色量化位数共12 bit，帧频 29.97，按1 s计算 1280 720，量化位数为8 bit，帧频30 Hz，按1 s计算数据量 501 KB 256 KB 300 KB 4.3 MB
xn
a x
i 1
N 1
i i
• 并且使差值en的均方值为最小。 • 预测信号的均方误差（MSE）定义为 E{en} = E{(xn - x′n) 2}
下一页
home
上一页
设计最佳预测的系数ai，采用MMSE
• 最小均方误差准则。可以令 • 定义xi和xj的自相关函数
2 E{en } 0 ai
下一页
home
上一页
熵（Entropy）
• 代表信源所含的平均信息量 • 若信源编码的熵大于信源的实际熵，则信源中的数据一定存在冗余度
• 冗余数据的去除不会减少信息量。
• 信息量与数据量的关系可由下式表示
I D du
（5.1）
下一页
home
上一页
5.1.2 图像编码压缩的必要性
• 图像信号的数据量可表示为 • Vw· h· d/8 （5.2）

第五章图像压缩4

有损压缩
• 由于人眼是图像信息的接收端，人眼的生理特性不需过高的空间分辨率和灰度分辨率，所以可利用该特点来实现对图像的高压缩比，使得解压后的图像仍有着满意的质量。当然这种压缩方式对于信息是有损失的，只要损失的数据不会影响人眼的主观接收效果，就可采用这种压缩方法，这称为有损压缩。 • 由于这种压缩虽然是有失真的，但失真通常被限制在人们可以接受的范围内，因此也称为限失真编码。
1th gray level 9 2th gray level 7
行程编码—特点和应用
• 行程编码分为定长行程编码和变长行程编码两种。 • 特点：行程编码原理直观，运算简单，压缩及解压缩速度很快。其压缩比的大小取决于图像本身的特点。若图像中在扫描行中相同颜色的块越大、数目越多，压缩比就越大，反之压缩比越小。有时可以改变扫描方向使得在扫描行中出现大量颜色相同的块以达到大的压缩比。 • 应用：行程编码一般不直接应用于多灰度图像，常用于文字图像以及二值化图像，例如传真，以获得较大的压缩比。对于自然界中五光十色的复杂图像，其行程长度非常短，用行程编码不仅不能压缩数据，反而会使数据膨胀，因此不能单纯地采用行程编码。
无损压缩
• 图像信息中存在着很大的冗余度，图像数据间存在着相关性，如相邻像素之间色彩的相关性、图像各部分之间的分形相关性等。 • 进行图像压缩的实质就是尽量去除像素间的相关性。以统计数学的观点来看，这一过程实际上就是将二维像素矩阵变换为在统计上不相关的数据集合。 • 此类压缩的基本方法是将相同或相似的数据或数据特征归类，使用较少的数据量描述原始数据，以达到减少数据量的目的。这种压缩一般可以保持图像信息量不受损失，称为无损压缩或无失真编码。
5.1.2 图像压缩编码的分类

第5章_数字图像处理技术(上)

三维色彩空间
图像处理中的色彩学知识
• 色彩模型：色彩空间是三维的，作为色彩空间
三维坐标的三个独立参数可以是色彩心理的三属性，用不同的三个色彩参数就代表不同的色
彩模型
图像处理中的色彩学知识
• 色域
–一个色彩系统能够显示或打印的色彩范围 –色域由宽到窄的顺序：人眼所看到的色谱 Lab色域
RGB色域
– RGB模式是一种发光屏幕的加色模式，CMYK 模式是一种颜色反光的印刷减色模式。而Lab 模式既不依赖光线，也不依赖于颜料，它是 CIE组织确定的一个理论上包括了人眼可以看
见的所有色彩的色彩模式。Lab模式弥补了
RGB和CMYK两种色彩模式的不足。
图像处理中的色彩学知识
④ LAB模型
– Lab模式由三个通道组成，但不是R、G、B通道。它的一个通道是亮度，即L。另外两个是色彩通道，用A和
音频类似，数字图像的数据量一般都比较
大，在存储时会占用大量的空间，因此需
要对图像进行压缩编码。
数字图像处理概述
• 现代图像的范围
① 可见光范围内的图像，不可见光范围内的图像（红外成像技术） ② 可见图像和不可见图像 – 可见图像：照片、图、画
– 不可见图像：主要是物理图像，如温度、气压、地势图等，还包括医学影像
图像数字化的途径特点
扫描仪扫描数码相机拍摄网上搜索并下载抓图工具抓拍方便快捷，需用扫描仪方便快捷，需用数码相机方便快捷方便快捷
利用图像编辑软件专业性强，较慢自己加工或创作
图像处理中的色彩学知识
1. 色彩
– 单色光：通过三棱镜也不会再分解为其它的色光
– 由单色光所混合的光称为复色光
图像处理中的色彩学知识

数字图像处理 PPT课件

tt p : // ww w. xd u ph .co m
课程教学引导 • 教材选择 • 教学结构及主要重点 • 教学目的
目录
第一章概论第二章数字图像处理基础第三章 VC＋＋图像编程基础第四章图像增强与平滑第五章图像分割与边缘检测第六章图像的几何变换第七章频域处理第八章数学形态学及其应用第九章图像特征与理解第十章图像编码第十一章图像复原
应用实例（续）
无线电波成像主要用途： �� 医学（核磁共振成像）
�� 天文观测
应用实例（续）
其它成像模式 �� 声波成像：
�� 地质勘探、工业、医学 �� 电子显微镜
应用实例（续）
数字图像处理－绪论
基本概念应用实例研究目的主要研究内容本课程特点
当造成图像退化（图像品质下降）的原因已知时，
复原技术可以对图像进行校正。图像复原最关键的是对每
种退化都需要有一个合理的模型。
主要研究内容（续）
4、图像分割（Image Segmentation）
主要研究内容（续）
5、图像分析
图像处理应用的目标几乎均涉及到图像分析，即对图像中的不同对象进行分割、特征提取和表示，从
1. 2. 3. 4. 5. 6. 7. 图像获取、表示与表现 ��图像增强 ��图像复原 ��图像分割图像分析 ��图像重建 ��图像编码压缩 ……
主要研究内容（续）
1. 图像获取、表示和表现
该过程主要是把模拟图像信号转化为计算机所能接受的数字形式，以及把数字图像显示和表现出来（如打印）。这一过程主要包括摄取图像、光电转换及数字化等几个步骤。

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、"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、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)。

8.2(e)与(f)分别显示每一幅图像沿一列所计算出来的自相关系数 ( autocorrelation coefficient )。
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.

Digital Image Processing, 2nd ed.

(1) 45 和 90个样本分开的像素之间的高度相关； (2) 当n=1时，高的相关性
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
这些相关系数是用(4.6-30)式的正规化版本所计算出的：
A(n) (n) A(0)
式中
(8.1-5)
1 N 1n A(n) f ( x, y) f ( x, y n) N n y 0
(8.1-6)
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.

Chapter 8 图像压缩
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.

在数字图像压缩中，有三种基本的数据冗余性可以被确认与利用：编码（coding）冗余性、像素间（interpixel）冗余性及心理视觉（psychovisual）冗余性。
当减少或消除这些冗余性的一种或多种时，就可达成数据压缩的效果。
© 2002 R. C. Gonzalez & R. E. Woods
Dig

数据冗余性是数学上可定量描述的实体。如果用 n1 与 n2 代表用来表示同一个信息之两组数据的信息载体单位个数，则第一组数据集合（用字母 n1表示者）的相对数据冗余性 ( relative data redundancy ) RD 可定义成 1 RD 1 (8.1-1) CR 其中 C R 通常称为压缩率 ( compression ratio )
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.

8.1.2像素间冗余性
考虑图8.2中所示的图像。因为这些图像中的灰阶值不是等机率分布，故用可变长度编码可以从像素的直接或自然二进制码中降低编码冗余性。不过编码过程并不改变图像内各像素间的相关程度。换言之，用来代表每一图像灰阶值的码并未涉及到像素之间的相关性。这些相关性来自图像中各物体间的结构或几何关系。
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.

这个方法认为人类眼睛对边缘有特有的灵敏度，因此对每一个像素加上一个虚拟随机数以打散这些边缘，其中虚拟随机数是由量化以前之相邻像素的低位产生。因为低位数相当随机，这就相当于对伴随于假轮廓的人造边缘加上一定量的随机性。表8.2说明这个方法。一个总和起初设定为零，接着从目前的8位灰阶值与前一个产生总和的最低4位相加形成总和。不过如果目前像素值最高四位为1111，则用0000代替去相加。所得总和的最高4位作为编码的像素灰阶值。
nk pr (rk ) n
k 0 ,1, 2 , , L 1
Lavg l (rk ) pr (rk )
k 0
L 1
(8.1-4)
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.

这些图例反映了数据冗余性的另一个重要形式－与图像内像素间一种冗余性。由于任一已知像素的灰阶值都可以从其近邻的值合理的预测出，所以各别像素所携带的信息量相当小。为了减少图像中的像素间冗余性，一般用于人类视觉和理解的二维像素数组必须转换成更有效（但通常是非视觉）的形式（如相邻像素之间的差异用来描绘图像）。此种类型的转换称为映射 ( mapping )。如果原始图像元素可以从经转换的数据集合重建就称为可逆的映射 ( reversible mapping )
也就是说，指定给各种不同灰阶之码字的平均码长是代表每一个灰阶的位数与该灰阶出现之机率乘积的和。因此，对一个 M N 图像编码所需要的总位数为 MNLavg 。用 m 位的自然二进码来代表图像的灰阶(常数），代入 (8.1-4) 可得式右边简化为 m 位。
© 2002 R. C. Gonzalez & R. E. Woods
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.

图8.1说明应用code 2能达到数据压缩的道理。图中同时显示了图像的直方图与 l2 (rk ) 。因为这两函数成反比，故code 2中的最短码字被分配给图像中最常出现的灰阶。
Digital Image Processing, 2nd ed.

范例8.1
可变长度编码的一个简单例证
一幅八阶图像有表8.1中所示的灰阶分布。如果用三位的自然二进码（code 1）来表示八种可能的灰阶，则因为对所有的 rk 都有l1 (rk ) 3 ，所以Lavg 是3位。不过如果用表8.1中的code 2，则对该图像编码所需要的平均位数就降为
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.

在上面的例子中，对出现机率较大的灰阶比出现机率较小者分配以较少的位数，达到了数据压缩的目的。这个过程常称为可变长度编码（variable-length coding）编码冗余是基于图像灰度级出现的可能性。
n1 CR n2
© 2002 R. C. Gonzalez & R. E. Woods
(8.1-2)
Digital Image Processing, 2nd ed.

© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.

Lavg l2 (rk ) pr (rk )
k 0
7
2(0.19) 2(0.25) 2(0.21) 3(0.16) 4(0.08) 5(0.06) 6(0.03) 6(0.02) 2.7 位元 C R 3 2.7 1.11 RD 1 1 0.099 1.11
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.

© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.

8.1背景基础
信息与图像的关系！
© 2002 R. C. Gonzalez & R. E. Woods
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.

8.1背景基础
数据压缩 (data compression)这术语是指降低表示一个所给信息量所需之数据量的一种处理。我们必须弄清楚数据 (data)与信息 (information)的区别。其实数据是传递信息的载体，同样的信息量可能可以用各种不同的数据量来代表。例如，一个喜欢喋喋不休的人与另一个总是简短扼要讲话的人来讲同样的故事。这些数据（或言语）不是提供一些无关紧要的信息就是重述一些早已知道的东西。因此说它含有数据冗余性 ( data redundancy )
Digital Image Processing, 2nd ed.

8.1.1编码冗余性
与第三章一样，让我们再次假设在区间[0 , 1] 中的离散随机变数 rk 代表一图像的灰阶，且每个 rk 出现的机率为 pr (rk )
(8.1-3) 式中 L 为灰阶数，nk 为第 k 个灰阶在图像中出现的次数，而 n 为图像中像素的总数。如果用来表示每个 rk 值的位数是 l (rk ) ，则表示每一个像素所需的平均位数为
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.

范例8.3：量化压缩
考虑图8.4 （a)显示一幅有256可能灰阶的黑白图像 (b)显示经过4位或16种可能灰度级后的结果，注意在本来平滑区域中出现假轮廓（利用人眼对灰度不敏感压缩）。 (c)所得的压缩率为2：1。说明利用人类视觉系统特性的量化使图像有很大改善的可能。用来产生此种结果的方法称为改进灰阶 ( IGS , improved gray-scale )量化。
© 2002 R. C. Gonzalez & R. E. Woods
Digital Image Processing, 2nd ed.