计算机图像处理与机器视觉复习重点

第一章概述

点运算：在图像处理中，只输入该像素本身的灰度的运算方式。

领域运算：在图像处理中，不仅输入该像素f0本身的灰度，还要以该像素f0为中心的某局部领域(即邻域)中的一些像素的灰度进行运算的方式。

对比度/清晰度：画面黑与白的比值，也就是从黑到白的渐变层次。比值越大，从黑到白的渐变层次就越多，从而色彩表现越丰富。【维基百科，课件上没找到】

第二章图像预处理

一、灰度变换（点运算）

目的：改善图像的灰度对比度或满足图像上灰度的某些特殊要求（问题：灰度偏暗或偏亮；范围不足；局部层次差）

1、灰度范围移动处理

g(i,j)=f(i,j)+d

当d>0时，灰度范围向高端移动，图像变亮；

当d<0时，灰度范围向低端移动，图像变暗；

2、灰度线性变换

（1）整体灰度线性变换

（g a=0,g b=255）

（2）局部灰度线性变换

a. 限幅灰度拉伸-局部感兴趣（局部灰度拉伸到最大限度，而无用信息被抑制为黑色

或白色的单一灰度）

b. 锯齿形灰度拉伸

将输入图像中不同灰度区间[f1,f2]、[f2,f3]、[f3,f4]

进行同样的灰度拉伸，使各个灰度区间都扩展到

允许的整个灰度范围[g a,g b]。

使输入图像中原来是缓慢变化的灰度，经变换后

在这些区间的f1、f2、f3等分割点的两端灰度发生

了突变。

c. 阈值灰度拉伸-二值图像

3、灰度非线性变化 （1）对数变化

g(i,j)=log[f(i,j)]

变换后的图像中低灰度区的灰度值

得到了拉伸，即对比度增强，而高灰度区 的灰度值被压缩，并且高低灰度区的灰度 过度平滑。 （2）连续函数变化 （3）二次变化

G(x,y)=f(x,y)2，0

基本概念：灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中每种灰度出现的频率。灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度。

⏹ 灰度级频数：指该灰度级在图像中出现的像素个数； ⏹ 灰度级频率：指该灰度级的频数占图像总像素的百分比 特性：只含图像各灰度值像素出现的概率，无位置信息（总体明亮度、对比度、可分性）；图像与直方图间为多对应映射。 程序实现：

For i = 0 To p1.ScaleWidth For j = 0 To p1.ScaleHeight c = p1.Point(i, j) r = (c And &HFF) For k = 0 To 255

If k = r Then npixel(k) = npixel(k) + 1 Next k Next j Next i

For i = 0 To 7 ‘行数为8 For j = 0 To 31 ‘列数为32 hisform.hc.Row = i + 1 hisform.hc.Column = j + 1

hisform.hc.Data = npixel(i * 32 + j) Next j Next i

2、直方图均衡化处理

基本概念：指灰度分布比较集中的输入图像变换为直方图近似均匀分布的输入图像的处理方法。 具体做法：

T(r)为r 的累积分布函数，s 为新灰度值 For j = 0 To m- 1

1,,1,02550)(*255*255)(0

0-=≤≤===∑

∑==l k r r p n n r T s j k

j j r k j j k k

For i = 0 To n - 1 r = f (i, j)

For k = 0 To 255

If k = r Then hd(k) = hd(k) + 1 Next k

Next i

Next j ′提取各像素的灰度值，并统计该灰度值的像素数

For i = 0 To 255

p(i) = hd(i) / (m *n) ′计算该灰度级频率 For j = 0 To i

q(i) = q(i) + p(j) ′累计该灰度级前所有的灰度级的频率值 Next j

q(i) = Int(q(i) * 100) / 100 ‘取整 Next i

For j = 0 To m - 1 For i = 0 To n – 1 r1=q(f(I,j))*255 For k = 0 To 255

If k = r1 Then hd1(k) = hd1(k) + 1

Next k ′取变换后的新灰度

Next i Next j 三、锐化

目的：增强图像的边缘和线条（灰度差大，突变），使图像的边缘和线条由模糊转化为清晰的处理方法。 1、卷积

定义：对图像各像素的邻域进行加权求和的计算 做法-PPT

问题：卷积值超过灰度范围；负值；边界像素 2、差分法

数学上用离散函数的数值计算方法对连续函数微分运算的一种近似

⏹ 一阶差分：指数字图像上相邻像素间的灰度差；

∆1垂直；水平方向的边缘情况； ∆2水平；垂直方向的边缘情况； ∆3、 ∆4对角边

⏹ 二阶差分：指一阶差分的差值 。

差分算子—实现增强图像边缘的锐化

（1）梯度算子E(i，j)—阶差分绝对算子

方法一：g(x, y)=E［f(x, y)］特点是增强的图像仅显示灰度变化比较陡的边缘轮廓，而灰度变化平缓的区域则呈黑色(0)

方法二：特点可使明显的边缘轮廓得到突出，又不会破坏原灰度变化比较平缓的背景。

方法三：特点明显边缘用一固定的灰度级L G来实现。

方法四：特点将背景用一个固定灰度级LG来实现，便于研究边缘灰度的变化。

方法五：特点将背景和边缘用二值图像表示，便于研究边缘所在位置。

（2）罗伯特算子R(i,j)—一阶差分算子

（3）索伯尔算子S(i,j)

特点采用梯度微分锐化图像，同时会使噪声、条纹得到增强，在一定程度上克服了这个问题。

优点1由于引入了平均因素，因而对图像中的随机噪声有一定的平滑作用。

2由于它是相隔两行或两列之差分，边缘两侧元素得到了增强，边缘粗而亮。

（4）拉普拉斯算子L(i,j)—二阶差分算子,为垂直方向和水平方向二阶差分之和