四川大学数字图像处理.总复习
合集下载
相关主题
- 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)。
39
课堂练习（1-1）
• 直方图均衡
rk
nk
– 对某个具有8个灰度 等级的图像统计得到 如右表所示的直方图， 试对其进行直方图均 衡化处理
r0=0 r1=1/7 r2=2/7 r3=3/7
790 1023 850 656
r4=4/7 329
• 区分颜色的三种基本特性：亮度、色度和饱和度 • 常用的色彩空间：RGB、HSV（HSI）、YUV、
YCbCr
fc(316,254) = (204, 110, 85)
fg(316,254) = 135
10
数字图像像素间关系
• 像素的邻域、邻接关系（4或8邻接）、 像素间路径、连通、距离（欧氏距离、 街区距离D4、棋盘距离D8）
xi u
ቤተ መጻሕፍቲ ባይዱ
yi
i
u
u
u0
原始图像空间中共线的若干
参数空间（斜率-截距空间）中
点形成一条具有特定斜率
的一条直线反映了过图像空间
（u0）和截距（v0）的直线
中某一点（xi,yi）的所有直线
34
基于图像导数的边缘检测
两种边缘 截面灰度 一阶导数 二阶导数
• 在图像的边缘处 • 一阶导数的幅值取 得局部极大值 • 二阶导数过0点
子
云AE1383
警
察 摄像头获取图像 预处理图像 号牌定位分割 号牌分析识别 37
图像目标的表达与描述
边界表达 链码、边界段、多边形近似、标记 目标表达
区域表达 骨架
边界描述 目标描述
区域描述
简单描述、形状数、傅立叶描述
简单描述、拓扑描述（欧拉数）、纹理描述 （灰度直方图、灰度共生矩阵）、不变矩
38
我们学了什么？
基本知识
数字图像处理绪论 图像知识和运算
图像增强处理
图像处理 与分析基 本技术
图像压缩编码 图像分割基本方法
图像分析
4
图像的基本概念
“像”是人的视觉 系统对图的接收在 大脑中形成的印象 或认识
“像”是人的感觉
“图”是物体 投射光或反射 图像是两者的结合 光的分布
“图”是客观存在的
严重
21
图像锐化滤波
• 锐化滤波的目的是突出图像中的细节或增 强被模糊了的细节
图像细节
边缘
灰度变化
微分/梯度
22
锐化算子
• 锐化算子是基于图像微分/梯度定义的模板，通过 与图像的模板卷积运算实现对图像边缘的增强或提 取（因此也称为边缘检测算子）
• 不同的锐化算子使用了不同的近似梯度计算方法
Prewitt算子
什么是图像？
5
图像处理的目的
显示和打印 需要
调整图片大 小、色调等
易于存储和 传输
存储到数码相机 从火星传回一幅图片
为什么进行图像处理？
如从老的照片中去除 痕迹，在X光照片中 提高肿瘤的可视性
增强和恢 复
如从信封上自动获取 邮政编码，从航空影 像上测量水的污染性
提取信 息
6
图像的数字化
一个被采样和 量化后的图像
基于区域的分割 区域生长、区域分裂-合并
基于运动的分割 差图像法 33
Hough变换直线检测
• 直线的数学模型：点线对偶性
y
y
v
0
v
Pn
v
0
Pn
x
x
u
0
Pi
u
0
Pi
0
y
P2 P1
0
y
原y始的P1x一图Pu2条像0 x直空线间v中v0x0
0
v
v
x i
u
y
i
v0
0
u0
参数空间中的一 条直线
v
v
x
i
u
y
• 图像压缩效率的评价指标包括信息量、熵、平均 码字长度和压缩比等
输入图
编码器
图像编解码系统模型
解码器
信源 编码器
信道 编码器
信道
信道 解码器
信源 解码器
输出图
26
图像压缩方法分类（1）
• 根据解压缩后图像和原始图像是否有偏差进行分类
无损压缩 图像压缩技术
有损压缩
霍夫曼编码 行程编码 算术编码 预测编码 变换编码 其它编码
27
图像压缩方法分类（2）
• 根据压缩过程中编码是否利用信息的语义进行分类
熵编码
• 泛指那些不考虑被压缩信息的性质的无损编码 • 基于平均信息量的技术把所有的数据当作比特 序列，而不根据压缩信息的类型优化压缩 • 包括霍夫曼编码、行程编码等
图像压缩技术 源编码
• 利用信号原数据在时间域和频率域中的相关性 和冗余进行压缩的有语义编码 • 源编码比严格的平均信息量编码的压缩率更高 • 包括预测编码、变换编码等
– 特性：灰度、颜色、纹理等 – 目标：对应单个或者多个区域，反映了感兴趣
对象在图像中的位置和范围
32
图像分割方法
• 图像分割的基本策略是利用像素的两个特性
‒ 相似性
‒ 不连续性
• 图像分割的主要方法
基于阈值的分割 直方图阈值分割、类间方差阈值分割
基于边缘的分割
点检测、线检测（Hough变换直线检测）、 边缘检测
逆/反变换
g(u, v)
• 一幅图像由多种不同频率分量的信号构成，频率反映了图 象的灰度或色彩随着空间坐标变化而变化的快慢
• 常用的频域变换方法：Fourier变换、DCT变换、小波变换
原始图像
Fourier 变换
Fourier频谱图 （幅值）
15
图像增强
• 按特定的需要突出一幅图像中的某些信息，同时消 弱或去除某些不需要的信息的处理方法
基于DCT编码器
DCT变换 量化器 熵编码器
压缩后的 图像数据
压缩后的 图像数据
表说明
表说明
基于DCT解码器
熵编码器 量化器
IDCT变换
表说明
表说明
还原的图 像数据
JPEG压缩基本步骤：分块;DCT;量化;Z型扫描;行程编码;哈夫曼编码 31
图像分割
• 将图像分成各具特性的区域，并提取出感 兴趣目标的技术和过程
累积直方图（即累积分布函数）的18
模板滤波图像增强
• 图像噪声：椒盐噪声、高斯噪声
• 模板卷积和滤波
R k0s0 k1s1 k8s8
Y
Y
s4 s3 s2
y
s5 s0 s1
s6 s7 s8
k4 k3 k2
k5 k0 k1
y
k6 k7 k8
X
0
x
0
R
X x
原图
3x3模板
模板卷积结果
• 平滑滤波、锐化滤波
原图
结构元素
开运算
先腐蚀、后膨胀
闭运算
先膨胀、后腐蚀 36
图像分析
• 图像分析的主要任务是根据分割结果进一步 从图像中获得目标特征的量值
• 图像分析的两个关键问题
–选用什么特征来描述目标？ –如何精确地测量这些特征？
• 图像目标的表达和描述
–表达是直接具体地表示目标 –描述是较抽象地表示目标
电
车牌识别结果
1
1
-1 -1
Roberts算子
Sobel算子
0 -1 0 -1 4 -1 0 -1 0 Laplacian（拉普拉斯）算子
23
平滑滤波vs.锐化滤波
平滑 → 积分 → 图像的边缘模糊 锐化 → 微分 → 图像的边缘突出
24
彩色图像增强
• 伪彩色增强
– 针对灰度图像
– 将人眼无法区分的不同灰度级用不同的颜色来 表示，从而提高其区分度
课程考察方法
• 平时成绩30%
– 考勤、作业、课堂练习
• 期末考试成绩70%
– 开卷，自行携带计算器 – 题型：简答题（6小题，30分）、计算题（4小题，50
分）、分析题（2小题，20分） – 考试时间和地点（详见教务处通知）：2014年1月8日
（周三）上午10:10~12:10，综合楼C座C404
– 常用的方法如亮度分割法和变换法
• 真彩色增强
– 针对真实的彩色图像 – 真彩色增强中常用HSI模型，将亮度分量I和色
度分量（色度H和饱和度S）进行分离，并对 亮度分量进行变换（按灰度图象增强方法）
25
图像压缩
• 凡是涉及到图像数据的传输、交换与存储的领域 均要求进行图像数据的压缩编码
• 图像压缩的可能性来自于图像数据中的冗余，包 括编码冗余、空间时间冗余、和心理视觉冗余等
灰度直方图
直方图均衡
17
直方图均衡
• 直方图均衡的基本步骤
1.计算原图的归一化灰度直方图 和累积直方图
sk
T (rk )
k nj j0 n
k
p(rj )
j0
a1
b1
2.重新量化灰度等级(L为灰度级)
sˆk sk (L 1) 0.5
a2
b2
3.确定灰度映射变换函数，得到
新的图像 k sˆk 直方图均衡的灰度变换函数是基于
混合编码
• 即“熵编码 + 源编码”
• 大多数压缩标准都采用混合编码的方法进行数
据压缩，一般是先利用源编码进行有损压缩，再
利用熵编码做进一步的无损压缩
28
霍夫曼编码
• 基本思想：频繁使用的数据用较短的代码代替，较 少使用的数据用较长的代码代替（变长最佳编码）
• 对图像进行霍夫曼编码的步骤
1.首先求出图像中灰度分布的灰度直方图 2.根据该直方图，对其按照分布概率从大到小的顺序进行
–可看成将物体在图像内进行移动、变形 –可改变图像中各物体之间的空间关系
• 代数运算不可以
• 图像的几何变换包括两部分：
–空间变换
• 平移、旋转、缩放、镜像等
–灰度插值
• 最近邻插值、双线性插值等
14
空间域
频域变换
正变换
g(u, v) T f (x, y)
频率域/ 变换域
f (x, y)
f (x, y) T 1g(u, v)
• 灰度分辨率
– 灰度值的单位幅度上包含的灰度级数，即在灰 度级数中可分辨的最小变化
– 若用8比特来存储一幅数字图像，其灰度级为 256
• 物理分辨率
– 映射到图像平面上的单个像素的景物元素的尺 寸，单位为每英寸像素数（dpi或ppi）
9
彩色数字图像
• 每个像素点的幅值包含三个成份（如红色、绿色 和蓝色分量），分别进行量化
• 二阶导数过0点附近的 符号反映了图像边缘附近 的像素在明区还是暗区
• 利用图像的一阶和二阶 导数可以检测图像中的边 缘
35
图像分割结果的后处理
• 分割结果经常以二值图像的形式给出，即前 景目标像素用1表示，而背景像素用0表示
• 对这类二值图像可以通过数学形态学的方法 进行后处理
• 基本形态学操作：膨胀、腐蚀
2013-2014秋学期
第十四讲
数字图像处理
总复习
赵启军 qjzhao@scu.edu.cn
四川大学计算机学院
让我们从一段视频开始今天的总复习……
你觉得哪些图像处理技术在“智慧城市 ”的建设中会发挥重要作用？
2
本课程的内容
预处理
问题
图像获取
低级处理
分割
分析与描述
中级处理
识别
知识库
与
解释
高级处理
数字图像处理系统的基本结构 3
-- 可以用于特征提取、压缩编码、提高计算效率
等
12
灰度变换（代数运算）
• 一元加减、乘除运算
– 整体或者按比例改变图像亮度
• 二元加减法运算、二元逻辑运算、取反运算
h(x,y) = g(x,y)*2.5
灰度值超出了灰度范围怎么办？ 线性变换到[0，2L]灰度范围内！
‒
13
几何变换
• 图像的几何变换在空间域上进行运算
图像增强处理方
法
空域方法
频域方法
点处理（变换） 模板处理（滤波）
直接灰度变换 直方图处理
平滑滤波器 锐化滤波器
低通/高通/带通/带阻滤 同波态滤波
处理策略
局部处理 全局处理
处理对象
灰度图象 彩色图像 16
点处理图像增强
• 直接灰度变换
– 对比度增强、动态范围压缩、灰度级分层等
• 直方图处理
– 直方图均衡、直方图匹配
采样：空间离 散化
数字图像
X
像素
量化：幅值 离散化
Y
(x, y)
I
7
数字图像的表示
• 灰度图像用MxN的矩阵表示
(M、N为正整数)
高度
• 灰度等级数：L=2k
M行
• 存储灰度图像所需比特数
b=MxNxk
• 彩色图像用MxNx3的矩阵表示
宽度 N列
8
数字图像的分辨率
• 空间分辨率
– 图像中可辨别的最小细节 – 一般用图像大小表示
排列 3.每一次从中选择出两个概率为最小的节点相加，形成一
个新的节点，重复这一步骤，直到只有一个节点，构造 一个称为“Huffman树”的二叉树 4.对这个二叉树进行编码，就获得了Huffman编码码字
29
行程编码
• 基本思想：将图像中灰度值相同的相邻像素，用一 个计数值（行程长度）和该灰度值来代替
11
数字图像的运算和变换
数字图 像变换
灰度变换
-- 代数运算、在灰度域进行 -- 如加、减、乘、除等 -- 改变图像的对比度、目标与背景分离等
几何变换
-- 几何运算、在空间域进行 -- 如平移、缩放、旋转等 -- 改变图像中物体的位置、形状等
频域变换
-- 将图像从灰度空间变换到其它空间
-- 如通过Fourier变换到频率域
19
图像平滑滤波
• 均值滤波、中值滤波
高斯 噪声
椒盐 噪声
5x5均值滤波
3x3中值滤波
20
均值滤波vs.中值滤波
• 均值滤波和中值滤波是两种常用的平滑滤 波方法，用于去除图像中的噪声
主要计算 适合应用 图像模糊 细线损害
均值滤波
平均
去除高斯 噪声
严重
轻微
中值滤波
排序
去除脉冲、 基本不存
椒盐噪声
在
• 对于二维图像，可以通过某种扫描方法转化成一维 数据，再进行行程编码
Z型扫描
98
98
98 98
98
98
98 98
98
98
98 98
98
98
98 98
行程编码
计数 取值
16 98
30
图像压缩标准
• 静止图像压缩标准
– JPEG、JPEG2000
• 序列图像（视频）压缩标准
– H.26X、MPEG-X、VAS
课堂练习（1-1）
• 直方图均衡
rk
nk
– 对某个具有8个灰度 等级的图像统计得到 如右表所示的直方图， 试对其进行直方图均 衡化处理
r0=0 r1=1/7 r2=2/7 r3=3/7
790 1023 850 656
r4=4/7 329
• 区分颜色的三种基本特性：亮度、色度和饱和度 • 常用的色彩空间：RGB、HSV（HSI）、YUV、
YCbCr
fc(316,254) = (204, 110, 85)
fg(316,254) = 135
10
数字图像像素间关系
• 像素的邻域、邻接关系（4或8邻接）、 像素间路径、连通、距离（欧氏距离、 街区距离D4、棋盘距离D8）
xi u
ቤተ መጻሕፍቲ ባይዱ
yi
i
u
u
u0
原始图像空间中共线的若干
参数空间（斜率-截距空间）中
点形成一条具有特定斜率
的一条直线反映了过图像空间
（u0）和截距（v0）的直线
中某一点（xi,yi）的所有直线
34
基于图像导数的边缘检测
两种边缘 截面灰度 一阶导数 二阶导数
• 在图像的边缘处 • 一阶导数的幅值取 得局部极大值 • 二阶导数过0点
子
云AE1383
警
察 摄像头获取图像 预处理图像 号牌定位分割 号牌分析识别 37
图像目标的表达与描述
边界表达 链码、边界段、多边形近似、标记 目标表达
区域表达 骨架
边界描述 目标描述
区域描述
简单描述、形状数、傅立叶描述
简单描述、拓扑描述（欧拉数）、纹理描述 （灰度直方图、灰度共生矩阵）、不变矩
38
我们学了什么？
基本知识
数字图像处理绪论 图像知识和运算
图像增强处理
图像处理 与分析基 本技术
图像压缩编码 图像分割基本方法
图像分析
4
图像的基本概念
“像”是人的视觉 系统对图的接收在 大脑中形成的印象 或认识
“像”是人的感觉
“图”是物体 投射光或反射 图像是两者的结合 光的分布
“图”是客观存在的
严重
21
图像锐化滤波
• 锐化滤波的目的是突出图像中的细节或增 强被模糊了的细节
图像细节
边缘
灰度变化
微分/梯度
22
锐化算子
• 锐化算子是基于图像微分/梯度定义的模板，通过 与图像的模板卷积运算实现对图像边缘的增强或提 取（因此也称为边缘检测算子）
• 不同的锐化算子使用了不同的近似梯度计算方法
Prewitt算子
什么是图像？
5
图像处理的目的
显示和打印 需要
调整图片大 小、色调等
易于存储和 传输
存储到数码相机 从火星传回一幅图片
为什么进行图像处理？
如从老的照片中去除 痕迹，在X光照片中 提高肿瘤的可视性
增强和恢 复
如从信封上自动获取 邮政编码，从航空影 像上测量水的污染性
提取信 息
6
图像的数字化
一个被采样和 量化后的图像
基于区域的分割 区域生长、区域分裂-合并
基于运动的分割 差图像法 33
Hough变换直线检测
• 直线的数学模型：点线对偶性
y
y
v
0
v
Pn
v
0
Pn
x
x
u
0
Pi
u
0
Pi
0
y
P2 P1
0
y
原y始的P1x一图Pu2条像0 x直空线间v中v0x0
0
v
v
x i
u
y
i
v0
0
u0
参数空间中的一 条直线
v
v
x
i
u
y
• 图像压缩效率的评价指标包括信息量、熵、平均 码字长度和压缩比等
输入图
编码器
图像编解码系统模型
解码器
信源 编码器
信道 编码器
信道
信道 解码器
信源 解码器
输出图
26
图像压缩方法分类（1）
• 根据解压缩后图像和原始图像是否有偏差进行分类
无损压缩 图像压缩技术
有损压缩
霍夫曼编码 行程编码 算术编码 预测编码 变换编码 其它编码
27
图像压缩方法分类（2）
• 根据压缩过程中编码是否利用信息的语义进行分类
熵编码
• 泛指那些不考虑被压缩信息的性质的无损编码 • 基于平均信息量的技术把所有的数据当作比特 序列，而不根据压缩信息的类型优化压缩 • 包括霍夫曼编码、行程编码等
图像压缩技术 源编码
• 利用信号原数据在时间域和频率域中的相关性 和冗余进行压缩的有语义编码 • 源编码比严格的平均信息量编码的压缩率更高 • 包括预测编码、变换编码等
– 特性：灰度、颜色、纹理等 – 目标：对应单个或者多个区域，反映了感兴趣
对象在图像中的位置和范围
32
图像分割方法
• 图像分割的基本策略是利用像素的两个特性
‒ 相似性
‒ 不连续性
• 图像分割的主要方法
基于阈值的分割 直方图阈值分割、类间方差阈值分割
基于边缘的分割
点检测、线检测（Hough变换直线检测）、 边缘检测
逆/反变换
g(u, v)
• 一幅图像由多种不同频率分量的信号构成，频率反映了图 象的灰度或色彩随着空间坐标变化而变化的快慢
• 常用的频域变换方法：Fourier变换、DCT变换、小波变换
原始图像
Fourier 变换
Fourier频谱图 （幅值）
15
图像增强
• 按特定的需要突出一幅图像中的某些信息，同时消 弱或去除某些不需要的信息的处理方法
基于DCT编码器
DCT变换 量化器 熵编码器
压缩后的 图像数据
压缩后的 图像数据
表说明
表说明
基于DCT解码器
熵编码器 量化器
IDCT变换
表说明
表说明
还原的图 像数据
JPEG压缩基本步骤：分块;DCT;量化;Z型扫描;行程编码;哈夫曼编码 31
图像分割
• 将图像分成各具特性的区域，并提取出感 兴趣目标的技术和过程
累积直方图（即累积分布函数）的18
模板滤波图像增强
• 图像噪声：椒盐噪声、高斯噪声
• 模板卷积和滤波
R k0s0 k1s1 k8s8
Y
Y
s4 s3 s2
y
s5 s0 s1
s6 s7 s8
k4 k3 k2
k5 k0 k1
y
k6 k7 k8
X
0
x
0
R
X x
原图
3x3模板
模板卷积结果
• 平滑滤波、锐化滤波
原图
结构元素
开运算
先腐蚀、后膨胀
闭运算
先膨胀、后腐蚀 36
图像分析
• 图像分析的主要任务是根据分割结果进一步 从图像中获得目标特征的量值
• 图像分析的两个关键问题
–选用什么特征来描述目标？ –如何精确地测量这些特征？
• 图像目标的表达和描述
–表达是直接具体地表示目标 –描述是较抽象地表示目标
电
车牌识别结果
1
1
-1 -1
Roberts算子
Sobel算子
0 -1 0 -1 4 -1 0 -1 0 Laplacian（拉普拉斯）算子
23
平滑滤波vs.锐化滤波
平滑 → 积分 → 图像的边缘模糊 锐化 → 微分 → 图像的边缘突出
24
彩色图像增强
• 伪彩色增强
– 针对灰度图像
– 将人眼无法区分的不同灰度级用不同的颜色来 表示，从而提高其区分度
课程考察方法
• 平时成绩30%
– 考勤、作业、课堂练习
• 期末考试成绩70%
– 开卷，自行携带计算器 – 题型：简答题（6小题，30分）、计算题（4小题，50
分）、分析题（2小题，20分） – 考试时间和地点（详见教务处通知）：2014年1月8日
（周三）上午10:10~12:10，综合楼C座C404
– 常用的方法如亮度分割法和变换法
• 真彩色增强
– 针对真实的彩色图像 – 真彩色增强中常用HSI模型，将亮度分量I和色
度分量（色度H和饱和度S）进行分离，并对 亮度分量进行变换（按灰度图象增强方法）
25
图像压缩
• 凡是涉及到图像数据的传输、交换与存储的领域 均要求进行图像数据的压缩编码
• 图像压缩的可能性来自于图像数据中的冗余，包 括编码冗余、空间时间冗余、和心理视觉冗余等
灰度直方图
直方图均衡
17
直方图均衡
• 直方图均衡的基本步骤
1.计算原图的归一化灰度直方图 和累积直方图
sk
T (rk )
k nj j0 n
k
p(rj )
j0
a1
b1
2.重新量化灰度等级(L为灰度级)
sˆk sk (L 1) 0.5
a2
b2
3.确定灰度映射变换函数，得到
新的图像 k sˆk 直方图均衡的灰度变换函数是基于
混合编码
• 即“熵编码 + 源编码”
• 大多数压缩标准都采用混合编码的方法进行数
据压缩，一般是先利用源编码进行有损压缩，再
利用熵编码做进一步的无损压缩
28
霍夫曼编码
• 基本思想：频繁使用的数据用较短的代码代替，较 少使用的数据用较长的代码代替（变长最佳编码）
• 对图像进行霍夫曼编码的步骤
1.首先求出图像中灰度分布的灰度直方图 2.根据该直方图，对其按照分布概率从大到小的顺序进行
–可看成将物体在图像内进行移动、变形 –可改变图像中各物体之间的空间关系
• 代数运算不可以
• 图像的几何变换包括两部分：
–空间变换
• 平移、旋转、缩放、镜像等
–灰度插值
• 最近邻插值、双线性插值等
14
空间域
频域变换
正变换
g(u, v) T f (x, y)
频率域/ 变换域
f (x, y)
f (x, y) T 1g(u, v)
• 灰度分辨率
– 灰度值的单位幅度上包含的灰度级数，即在灰 度级数中可分辨的最小变化
– 若用8比特来存储一幅数字图像，其灰度级为 256
• 物理分辨率
– 映射到图像平面上的单个像素的景物元素的尺 寸，单位为每英寸像素数（dpi或ppi）
9
彩色数字图像
• 每个像素点的幅值包含三个成份（如红色、绿色 和蓝色分量），分别进行量化
• 二阶导数过0点附近的 符号反映了图像边缘附近 的像素在明区还是暗区
• 利用图像的一阶和二阶 导数可以检测图像中的边 缘
35
图像分割结果的后处理
• 分割结果经常以二值图像的形式给出，即前 景目标像素用1表示，而背景像素用0表示
• 对这类二值图像可以通过数学形态学的方法 进行后处理
• 基本形态学操作：膨胀、腐蚀
2013-2014秋学期
第十四讲
数字图像处理
总复习
赵启军 qjzhao@scu.edu.cn
四川大学计算机学院
让我们从一段视频开始今天的总复习……
你觉得哪些图像处理技术在“智慧城市 ”的建设中会发挥重要作用？
2
本课程的内容
预处理
问题
图像获取
低级处理
分割
分析与描述
中级处理
识别
知识库
与
解释
高级处理
数字图像处理系统的基本结构 3
-- 可以用于特征提取、压缩编码、提高计算效率
等
12
灰度变换（代数运算）
• 一元加减、乘除运算
– 整体或者按比例改变图像亮度
• 二元加减法运算、二元逻辑运算、取反运算
h(x,y) = g(x,y)*2.5
灰度值超出了灰度范围怎么办？ 线性变换到[0，2L]灰度范围内！
‒
13
几何变换
• 图像的几何变换在空间域上进行运算
图像增强处理方
法
空域方法
频域方法
点处理（变换） 模板处理（滤波）
直接灰度变换 直方图处理
平滑滤波器 锐化滤波器
低通/高通/带通/带阻滤 同波态滤波
处理策略
局部处理 全局处理
处理对象
灰度图象 彩色图像 16
点处理图像增强
• 直接灰度变换
– 对比度增强、动态范围压缩、灰度级分层等
• 直方图处理
– 直方图均衡、直方图匹配
采样：空间离 散化
数字图像
X
像素
量化：幅值 离散化
Y
(x, y)
I
7
数字图像的表示
• 灰度图像用MxN的矩阵表示
(M、N为正整数)
高度
• 灰度等级数：L=2k
M行
• 存储灰度图像所需比特数
b=MxNxk
• 彩色图像用MxNx3的矩阵表示
宽度 N列
8
数字图像的分辨率
• 空间分辨率
– 图像中可辨别的最小细节 – 一般用图像大小表示
排列 3.每一次从中选择出两个概率为最小的节点相加，形成一
个新的节点，重复这一步骤，直到只有一个节点，构造 一个称为“Huffman树”的二叉树 4.对这个二叉树进行编码，就获得了Huffman编码码字
29
行程编码
• 基本思想：将图像中灰度值相同的相邻像素，用一 个计数值（行程长度）和该灰度值来代替
11
数字图像的运算和变换
数字图 像变换
灰度变换
-- 代数运算、在灰度域进行 -- 如加、减、乘、除等 -- 改变图像的对比度、目标与背景分离等
几何变换
-- 几何运算、在空间域进行 -- 如平移、缩放、旋转等 -- 改变图像中物体的位置、形状等
频域变换
-- 将图像从灰度空间变换到其它空间
-- 如通过Fourier变换到频率域
19
图像平滑滤波
• 均值滤波、中值滤波
高斯 噪声
椒盐 噪声
5x5均值滤波
3x3中值滤波
20
均值滤波vs.中值滤波
• 均值滤波和中值滤波是两种常用的平滑滤 波方法，用于去除图像中的噪声
主要计算 适合应用 图像模糊 细线损害
均值滤波
平均
去除高斯 噪声
严重
轻微
中值滤波
排序
去除脉冲、 基本不存
椒盐噪声
在
• 对于二维图像，可以通过某种扫描方法转化成一维 数据，再进行行程编码
Z型扫描
98
98
98 98
98
98
98 98
98
98
98 98
98
98
98 98
行程编码
计数 取值
16 98
30
图像压缩标准
• 静止图像压缩标准
– JPEG、JPEG2000
• 序列图像（视频）压缩标准
– H.26X、MPEG-X、VAS