第2章 图像处理基础知识
合集下载
-第2章 图像处理基础
均匀量化效果示意图
非均匀量化效果示意图
注意，图像灰度值分布的概率密度函数是因图而异的，所以 不可能找到一个适用于个各种不同图像的最佳非等间隔量化方案， 实用上，一般都采用等间隔量化。
（3）空间和灰度级分辨率
采样值是决定一幅图像空间分辨率的主要参数，空间分辨率 是图像中可辨别的最小细节。灰度级分辨率是指在灰度级别中可 分辨的最小变化。但是，在灰度级中，测量分辨率的变化是一个 高度主观的过程。 由于硬件方面的考虑，灰度级数通常是2的整数次幂。大多 数情况该值取 8 bit，在某些特殊的灰度值增强的应用场合可能用 到 16 bit。有时，也会用到 10或 12 bit精度数字化系统，但这些 都不是常规系统。
特点:
（l）TIFF格式图像文件的扩展名是.tif。 （2）支持从单色模式到32bit真彩色模式的所有图像。
（3）不针对某一个特定的操作平台，可用于多种操作平台和应用 软件。 （4）适用多种机型，可相互转换和移植。 （5）数据结构是可变的，文件具有可改写性，使用者可向文件中 写相关信息。 （6）具有多种数据压缩方式，解压缩过程复杂。
若连续浓淡值用z来表示，则对于满足zi≦z≦zi+1的z值都量化为整数值qi。 qi称 为像素的灰度值。 黑 黑 色 灰 色 1 白 色 量化值 (整数值) (a)量化 白 色 0 254 255 255 254 0 1
qi+1 色
ZI+1
qi
ZI
灰 色
128
128
qi-1
ZI-1
连续的 灰度值
从白到黑的 灰度标度 灰度级分配 连续变化 (b)把从白到黑灰度量化为8比特
彩色图像假轮廓现象示意图
2.4 数字图像文件的存储格式
数字图像处理基础知识
处 ―量化处理：将f 映射到Z的处理；
理
基 ―Z的最大取值，确定像素的灰度级数Q= 2b，
础 如256。
知
识
第 二 章
数
字
图
Zi+1
像
处Z
理
基 Zi-1
础
黑
Qi+1
黑 色
色
灰
Q
色
灰
白
色
色
Qi-1
白
色
255
0
254
1
128
128
1
254
0
255
知 连续的 识 灰度值
量化值 （整数值）
从白到黑的 连续变化
基
M
础
知
识
N
第
二
章
数 取样点的选取
字 图
假定一幅图像取M N个样点
像 1) M，N一般为2的整数次幂；
处 理
2) M，N可以相等，也可以不等；
基 础
3) 对于M，N数值大小确实定：
知
M N大到满足采样定理，重建图像就不会
识 产生失真。
第 二 章
数 采样定理
字
图 像
如果信号所含的最高频率成份为fN，
础 – 实验结论
知 识
• 随着采样分辨率和灰度级的提高，主观质量也提高 • 对有大量细节的图像，质量对灰度级需求相应降低
第 二 章 数 字 图 像 处 理 基 础 知 识
第
二
章 数 字
1. 灰度层次
• 灰度层次：表示灰度级的数量
图 图像数据的实际层次越多视觉效果就越好。
像
处 理
256个层次的图像
数字图像处理基础知识
国际照明委员会(CIE)规定以 规定以700nm(红)、 国际照明委员会 规定以 红 、 546.1nm (绿)、435.8nm (蓝)三个色光为三基色。 三个色光为三基色。 绿 、 蓝 三个色光为三基色 又称为物理三基色。 又称为物理三基色。自然界的所有颜色都可以通 过选用这三基色按不同比例混合而成。 过选用这三基色按不同比例混合而成。 这三基色按不同比例混合而成 C = R(R) + G(G) + B(B)
反映了将图像信息进行离散化的程度， 反映了将图像信息进行离散化的程度，常用 灰度级来衡量
主观亮度
适应范围 夜视 昼视
－6
夜间阈值
－4
－2
0
2
4
光强的对数
人眼亮度感觉范围
总范围很宽（ ① 总范围很宽（ C = 108） 人眼适应某一环境亮度后， ② 人眼适应某一环境亮度后，范围限制 适当平均亮度下： 适当平均亮度下：C = 103 很低亮度下： 很低亮度下：C = 10
图象“ 图象“黑”/“白”（“亮”/“暗”）对比参 白 暗 数
眼睛中图像的形成
视网膜将图像反射在中央凹区域上， 视网膜将图像反射在中央凹区域上，由光接 收器的相应刺激作用产生感觉， 收器的相应刺激作用产生感觉，感觉把辐射 能转变为电脉冲， 能转变为电脉冲，最后由大脑进行解码
电信号 光信号 视觉细胞 视神经 视神经中枢 解码 图像
人眼视觉模型
每个图像由若干个像素点组成， 每个图像由若干个像素点组成，每个点均可看作一个 点光源，每个点光源就是一个冲激函数δ 点光源，每个点光源就是一个冲激函数δ(x,y)
任意一幅图像可以表示为： 任意一幅图像可以表示为：
人眼亮度感觉
闪光极限
人的视觉系统感觉到的亮度 (主观亮度 ：是进入人眼的 主观亮度)： 主观亮度 光强对数函数 人眼亮度感觉范围： 人眼亮度感觉范围：通过光 强对数衡量，一般为3－10 强对数衡量，一般为 人眼的亮度适应级： 人眼的亮度适应级：视觉系 统当前对光强的灵敏度级别
第2章 数字图象处基础(1-27)
光号 信 视胞 细 生理电信号 视经 神 视神经中枢 大成 脑像
Digital Image Processing
2.2 人的视觉特性
人的视觉模型
▓ ▓
点光源的表示函数
点源可以用 δ 函数表示，表示平面图像的二维 δ 函数 +∞ +∞ 为： ⎧ 1 y, ) x ∫ ∫−∞ δ (dxdy = −∞ ⎪ ⎪ ⎨ = = ⎧ ∞ y , x 0 0, ⎪δ ( y , ) = ⎨ x , 其他 ⎪ ⎩ 0 ⎩ 则任意一幅图像可表示为：
Digital Image Processing
2.2 人的视觉特性
人眼的构造与机理要点（续）
（ 3）视细胞： 视网膜上集中了大量视细胞，分为两类： 锥状细胞 ：明视细胞，在强光下检测亮度和颜色； 杆 (柱 )状细胞 ：暗视细胞，在弱光下检测亮度，无色彩感觉。 其中，每个锥状视细胞连接着一个视神经末梢，故分辨率高， 分辨细节、颜色；多个杆状视细胞连接着一个视神经末梢，故分辨 率低，仅分辨图的轮廓。 （4 ） 人眼成象过程：
2.4 数字图像表示形式和特点
▓ ▓
数字图像的矩阵表示 数字图像的矩阵 矩阵表示
O n
f (0,1) ⎡ f (0,0) ⎢ f (1,1) ⎢ f (1,0) , f (mn) = ⎢ ⋮ ⋮ ⎢ ⎣ f (M−1,0) f (M−1,1)
⋯ f (0, N−1) ⎤ ⎥ ⋯ f (1, N−1) ⎥ ⎥ ⋮ ⋮ ⎥ ⋯ f (M−1, N−1)⎦
Digital Image Processing
2.1 色度学基础
RGB模型：
在三维直角坐标系中，用相互垂直的三个坐标轴代表R、 G、B三个分量，并将R、G、B分别限定在[0,1]，则该单位正 方体就代表颜色空间，其中的一个点就代表一种颜色。如下图 方体就代表颜色空间，其中的一个点就代表一种颜色。 所示。 其中，r、g、b、c、m和y分别代表红色（red）、绿色 （green）、蓝色（blue）、青色（cyan）、品红（magenta） 和黄色（yellow）。
Digital Image Processing
2.2 人的视觉特性
人的视觉模型
▓ ▓
点光源的表示函数
点源可以用 δ 函数表示，表示平面图像的二维 δ 函数 +∞ +∞ 为： ⎧ 1 y, ) x ∫ ∫−∞ δ (dxdy = −∞ ⎪ ⎪ ⎨ = = ⎧ ∞ y , x 0 0, ⎪δ ( y , ) = ⎨ x , 其他 ⎪ ⎩ 0 ⎩ 则任意一幅图像可表示为：
Digital Image Processing
2.2 人的视觉特性
人眼的构造与机理要点（续）
（ 3）视细胞： 视网膜上集中了大量视细胞，分为两类： 锥状细胞 ：明视细胞，在强光下检测亮度和颜色； 杆 (柱 )状细胞 ：暗视细胞，在弱光下检测亮度，无色彩感觉。 其中，每个锥状视细胞连接着一个视神经末梢，故分辨率高， 分辨细节、颜色；多个杆状视细胞连接着一个视神经末梢，故分辨 率低，仅分辨图的轮廓。 （4 ） 人眼成象过程：
2.4 数字图像表示形式和特点
▓ ▓
数字图像的矩阵表示 数字图像的矩阵 矩阵表示
O n
f (0,1) ⎡ f (0,0) ⎢ f (1,1) ⎢ f (1,0) , f (mn) = ⎢ ⋮ ⋮ ⎢ ⎣ f (M−1,0) f (M−1,1)
⋯ f (0, N−1) ⎤ ⎥ ⋯ f (1, N−1) ⎥ ⎥ ⋮ ⋮ ⎥ ⋯ f (M−1, N−1)⎦
Digital Image Processing
2.1 色度学基础
RGB模型：
在三维直角坐标系中，用相互垂直的三个坐标轴代表R、 G、B三个分量，并将R、G、B分别限定在[0,1]，则该单位正 方体就代表颜色空间，其中的一个点就代表一种颜色。如下图 方体就代表颜色空间，其中的一个点就代表一种颜色。 所示。 其中，r、g、b、c、m和y分别代表红色（red）、绿色 （green）、蓝色（blue）、青色（cyan）、品红（magenta） 和黄色（yellow）。
数字图像处理及MATLAB实现[杨杰][电子教案]第二章
![数字图像处理及MATLAB实现[杨杰][电子教案]第二章](https://img.taocdn.com/s3/m/de4126d1c1c708a1284a4428.png)
距离 像素之间的联系常与像素在空间的接近程度有 关。像素在空间的接近程度可以用像素之间的距 离来度量。为测量距离需要定义距离度量函数。 给定 p, q, r 三个像素，其坐标分别为 ( x, y ), ( s, t ), (u , v) 如果 1） D ( p, q ) ≥ 0( D ( p, q ) = 0 当且仅当 p = q ) 2） D ( p, q ) = D ( q, p ) 3) D ( p, r ) ≤ D ( p, q ) = D (q, r ) 则 D是距离函数或度量。
p 和 q 之间的欧式距离定义为：
De ( p, q) = ( x − s)2 + ( y − t )2
p 和 q 之间的 D4距离（也叫城市街区距离）定义为：
D4 ( p , q ) = x-s + y-t
p 和 q 之间的 D8 距离（也叫棋盘距离）定义为：
D8 ( p, q )=max( x-s ， ) y-t
图像获取即图像的数字化过程，包括扫描、 图像获取即图像的数字化过程，包括扫描、 采样和量化。 采样和量化。 图像获取设备由5个部分组成 采样孔， 个部分组成： 图像获取设备由 个部分组成：采样孔， 扫描机构，光传感器， 扫描机构，光传感器，量化器和输出存储 体。 关键技术有：采样——成像技术；量化 成像技术； 关键技术有：采样 成像技术 量化— —模数转换技术。 模数转换技术。 模数转换技术
Sampling
图像的采样
图2.15图像的采样示例 图像的采样示例
Quantization 图像的量化
图2.16图像的量化示例 图像的量化示例
量化等级越多，所得图像层次越丰富， 量化等级越多，所得图像层次越丰富，灰度 分辨率高，图像质量好，但数据量大； 分辨率高，，图像层次欠丰富，灰度分辨 量化等级越少，图像层次欠丰富， 率低，会出现假轮廓现象，图像质量变差， 率低，会出现假轮廓现象，图像质量变差， 但数据量小. 但数据量小
精品文档-数字图像处理(第三版)(何东健)-第2章
一幅彩色图像的像素值可看作是光强和波长的函数值f(x, y, λ)， 但实际使用时， 将其看作是一幅普通二维图像， 且每个像素有红、 绿、 蓝3个灰度值会更直观些。
第2章 数字图像处理基础
2． 颜色的3 颜色是外界光刺激作用于人的视觉器官而产生的主观感觉。 颜色分两大类： 非彩色和彩色。 非彩色是指黑色、 白色和 介于这二者之间深浅不同的灰色， 也称为无色系列。 彩色是 指除了非彩色以外的各种颜色。 颜色有3个基本属性， 分别 是色调、 饱和度和亮度。 基于这3个基本属性， 提出了一 种重要的颜色模型HSI（Hue， Saturation， Intensity）。 在HSI颜色模型部分， 将详细介绍这3个基本属性。
(5) 输出存储装置： 将量化器产生的颜色值(灰度或彩 色)按某种格式存储，以用于后续的计算机处理。
第2章 数字图像处理基础
2. 图像数字化设备的性能 虽然数字化设备的组成各不相同，但可从如下几个方面比 较和评价其性能。 (1) 像素大小。采样孔的大小和相邻像素的间距是两个 重要的性能指标。如果数字化设备是在一个放大率可变的光学 系统上，那么对应于输入图像平面上的采样点大小和采样间距 也是可变的。 (2) 图像大小。图像大小即数字化设备所允许的最大输 入图像的尺寸。
第2章 数字图像处理基础
g(t) g(iT )s(t iT ) i
式中
s(t) sin(2t) 2t
采样示意图如图2-2所示。
第2章 数字图像处理基础
图2-2
采样示意图
第2章 数字图像处理基础
2.1.2 量化 模拟图像经过采样后，在空间上离散化为像素。但采样所
得的像素值(即灰度值)仍是连续量。把采样后所得的各像素的 灰度值从模拟量到离散量的转换称为图像灰度的量化。图23(a)说明了量化过程。若连续灰度值用z来表示，对于满足 zi≤z<zi+1的z值，都量化为整数qi。qi称为像素的灰度值。z 与qi的差称为量化误差。一般，像素值量化后用一个字节 8 bit来表示。如图2-3(b)所示，把由黑—灰—白的连续变化 的灰度值量化为0～255共256级灰度值。
第2章 数字图像处理基础
2． 颜色的3 颜色是外界光刺激作用于人的视觉器官而产生的主观感觉。 颜色分两大类： 非彩色和彩色。 非彩色是指黑色、 白色和 介于这二者之间深浅不同的灰色， 也称为无色系列。 彩色是 指除了非彩色以外的各种颜色。 颜色有3个基本属性， 分别 是色调、 饱和度和亮度。 基于这3个基本属性， 提出了一 种重要的颜色模型HSI（Hue， Saturation， Intensity）。 在HSI颜色模型部分， 将详细介绍这3个基本属性。
(5) 输出存储装置： 将量化器产生的颜色值(灰度或彩 色)按某种格式存储，以用于后续的计算机处理。
第2章 数字图像处理基础
2. 图像数字化设备的性能 虽然数字化设备的组成各不相同，但可从如下几个方面比 较和评价其性能。 (1) 像素大小。采样孔的大小和相邻像素的间距是两个 重要的性能指标。如果数字化设备是在一个放大率可变的光学 系统上，那么对应于输入图像平面上的采样点大小和采样间距 也是可变的。 (2) 图像大小。图像大小即数字化设备所允许的最大输 入图像的尺寸。
第2章 数字图像处理基础
g(t) g(iT )s(t iT ) i
式中
s(t) sin(2t) 2t
采样示意图如图2-2所示。
第2章 数字图像处理基础
图2-2
采样示意图
第2章 数字图像处理基础
2.1.2 量化 模拟图像经过采样后，在空间上离散化为像素。但采样所
得的像素值(即灰度值)仍是连续量。把采样后所得的各像素的 灰度值从模拟量到离散量的转换称为图像灰度的量化。图23(a)说明了量化过程。若连续灰度值用z来表示，对于满足 zi≤z<zi+1的z值，都量化为整数qi。qi称为像素的灰度值。z 与qi的差称为量化误差。一般，像素值量化后用一个字节 8 bit来表示。如图2-3(b)所示，把由黑—灰—白的连续变化 的灰度值量化为0～255共256级灰度值。
2.图像处理基础知识
一、PhotoShop简介简介：PS是一款专业的图像处理软件，Photo:相片，Shop:工厂功能：可以绘制相片级的图片、处理相片、合成图像。
例1：绘制的手表表盘例2：绘制的摩托车例3：处理相片1.桥（原片）调色后2.船（原片）调色后3.女孩（原片）调色后例4：合成图像最后效果图水面（原图）合成龙合成浪花合成人二、光1.单色光：不能再分解的光（红，绿，蓝）2.复色光：由单色光混合而成的光例1：RGB相加混色：例2：相减混色：这幅图吸收了绿，蓝色，反射出红光三、位图与矢量图1.位图（点阵图）：由像素组成，每个像素只能有一种颜色。
一般为相片的格式。
Jpg，gif，psd2.矢量图：由点、线、粗细、弧度等信息组成。
一般放特定的图形不适合存储相片四、颜色的表达R，G，B：0-255（8位图像：共表示256^3种颜色）例：用混色器混色：相同的红+相同的绿＝黄红（较多）+绿＝橙红（偏红）五、PS界面简介（P27,图2-9）六、打开文件、新建文件1.打开文件：“文件”-“打开”（或“浏览”）（直接将图片拖到PS中、在PS背景中双击）2.新建文件：“文件”-“新建”（ctrl+N）七、选区1.创建规则选区：矩形选框工具（有扩展：椭圆、单列选择工具）：正方形（shift）2.创建不规则选区：（1）套索工具（有扩展：多边形套索，磁性套索）1）样式选项：正常、固定长宽比、固定大小2）羽化：选区边缘的柔和程度，值越大，边缘越柔和。
3）选区叠加、相交等方式a.添加到选区（Shift）：选区相加b.减少选区（Alt）：从原区域中减去所画的相交的选区c.相交选区：两次所画选区相交的区域（2）魔棒工具：1）容差：魔棒所选择的范围，容差越大颜色允许的差别就越大。
2）消除锯齿：选取时没有锯齿3）连续：选中时：只能选择相连接的色块未选中时：可选择整个图像中相似的颜色4）应用于所有图层：所有图层中相似的颜色都会被选中。
（3）选择同色区域：与魔棒功能相似“选择”-“色彩范围”3.取消选区：“选择”-“取消选择”（ctrl+D）4.反向选择：“选择”-“反选”（Ctrl+Shift+I）5.编辑选区对选中的区域可以进行移动，复制，缩放等操作。
数字图像处理知识点与考点(经典)
答： Laplacian 算子进行检测边缘是利用阶跃边缘灰度变化的二阶导数特性，根据边缘点是零交叉点来检测图像边缘位 置。 它对应的模板为 -1 -1 -4 1 -1
Laplacian 增强算子通过扩大边缘两边像素的灰度差（或对比度）来增强图像的边缘，改善视觉效果。它对应的模板为 -1 -1 5 -1 -1
例题：（1） 存储一幅1024×768，256 （8 bit 量化）个灰度级的图像需要多少位？ （2） 一幅512×512 的32 bit 真彩图像的容量为多少位？ 解： （1）一幅1024×768，256 =28 （8 bit 量化）个灰度级的图像的容量为：b=1024×768×8 = 6291456 bit （2）一幅512×512 的32 位真彩图像的容量为：b=512×512×32 =8388608 bit
5.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。 6.灰度直方图：灰度直方图是灰度级的函数。灰度级为横坐标，纵坐标为灰度级的频率，是频率同灰度级 的关系图。可以反映了图像的对比度、灰度范围（分布）、灰度值对应概率等情况。 7.灰度直方图的性质：（1）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。 L −1 8.图像信息量H（熵）的计算公式：反映图像信息的丰富程度。 H = − Pi log2 Pi
傅立叶变换
f ( x, y) F ( u , v)
滤波器
H (u , v) G ( u , v)
傅立叶反变换
g ( x , y)
(1) 将图像 f(x,y)从图像空间转换到频域空间，得到 F(u,v)； (2) 在频域空间中通过不同的滤波函数 H(u,v)对图像进行不同的增强,得到 G(u,v) (3) 将增强后的图像再从频域空间转换到图像空间，得到图像g(x,y)。 说明： （也可演变为简述频域图像锐化（或平滑）的步骤，需要指明滤波器的类型：高通或低通滤波器） 9.频率域平滑： 由于噪声主要集中在高频部分， 为去除噪声改善图像质量， 滤波器采用低通滤波器H(u,v) 来抑制高频成分，通过低频成分，然后再进行逆傅立叶变换获得滤波图像，就可达到平滑图像的目的。 10.常用的频率域低滤波器H(u,v)有四种： (1)理想低通滤波器: 由于高频成分包含有大量的边缘信息，因此采用该滤波器在去噪声的同时将会 导致边缘信息损失而使图像边模糊。 (2)Butterworth低通滤波器:它的特性是连续性衰减，而不象理想滤波器那样陡峭变化，即明显的不连 续性。因此采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度大大减小，没有振铃效应产生。 (说明：振铃效应越不明显效果越好) (3)指数低通滤波器： 采用该滤波器滤波在抑制噪声的同时， 图像边缘的模糊程度较用Butterworth滤波 产生的大些，无明显的振铃效应。 (4)梯形低通滤波器:它的性能介于理想低通滤波器和指数滤波器之间， 滤波的图像有一定的模糊和振铃 效应。 13.频率域锐化:图像的边缘、细节主要位于高频部分，而图像的模糊是由于高频成分比较弱产生的 。 频率域锐化就是为了消除模糊，突出边缘。因此采用高通滤波器让高频成分通过，使低频成分削弱， 再经逆傅立叶变换得到边缘锐化的图像。 14.常用的高通滤波器有四种： (1)理想高通滤波器 (2)巴特沃斯高通滤波器 (3)指数高通滤波器 (4)梯形高通滤波器 说明：（1）四种滤波函数的选用类似于低通。 （2）理想高通有明显振铃现象，即图像的边缘有抖动现象。 （3）巴特沃斯高通滤波效果较好，但计算复杂，其优点是有少量低频通过，H(u，v)是渐变的， 振铃现象不明显。 (4)指数高通效果比Butterworth差些，振铃现象不明显. (5)梯形高通会产生微振铃效果，但计算简单，较常用。 (6)一般来说，不管在图像空间域还是频率域，采用高频滤波不但会使有用的信息增强，同时也 使噪声增强。因此不能随意地使用。 (7)高斯低通滤波器无振铃效应是因为函数没有极大值、极小值，经过傅里叶变换后还是本身 ， 故没有振铃效应。 15.同态滤波：在频域中同时将亮度范围进行压缩（减少亮度动态范围）和对比度增强的频域方法。 现象：（1）线性变换无效（2）扩展灰度级能提高反差，但会使动态范围变大(3)压缩灰度级，可以减 小灰度级，但物体的灰度层次会更不清晰 改进措施：加一个常数到变换函数上，如：H（u，v）+A（A取0→1）这种方法称为:高度强调（增强）。 为了解决变暗的趋势，在变换结果图像上再进行一次直方图均衡化，这种方法称为：后滤波处理。
Laplacian 增强算子通过扩大边缘两边像素的灰度差（或对比度）来增强图像的边缘，改善视觉效果。它对应的模板为 -1 -1 5 -1 -1
例题：（1） 存储一幅1024×768，256 （8 bit 量化）个灰度级的图像需要多少位？ （2） 一幅512×512 的32 bit 真彩图像的容量为多少位？ 解： （1）一幅1024×768，256 =28 （8 bit 量化）个灰度级的图像的容量为：b=1024×768×8 = 6291456 bit （2）一幅512×512 的32 位真彩图像的容量为：b=512×512×32 =8388608 bit
5.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。 6.灰度直方图：灰度直方图是灰度级的函数。灰度级为横坐标，纵坐标为灰度级的频率，是频率同灰度级 的关系图。可以反映了图像的对比度、灰度范围（分布）、灰度值对应概率等情况。 7.灰度直方图的性质：（1）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。 L −1 8.图像信息量H（熵）的计算公式：反映图像信息的丰富程度。 H = − Pi log2 Pi
傅立叶变换
f ( x, y) F ( u , v)
滤波器
H (u , v) G ( u , v)
傅立叶反变换
g ( x , y)
(1) 将图像 f(x,y)从图像空间转换到频域空间，得到 F(u,v)； (2) 在频域空间中通过不同的滤波函数 H(u,v)对图像进行不同的增强,得到 G(u,v) (3) 将增强后的图像再从频域空间转换到图像空间，得到图像g(x,y)。 说明： （也可演变为简述频域图像锐化（或平滑）的步骤，需要指明滤波器的类型：高通或低通滤波器） 9.频率域平滑： 由于噪声主要集中在高频部分， 为去除噪声改善图像质量， 滤波器采用低通滤波器H(u,v) 来抑制高频成分，通过低频成分，然后再进行逆傅立叶变换获得滤波图像，就可达到平滑图像的目的。 10.常用的频率域低滤波器H(u,v)有四种： (1)理想低通滤波器: 由于高频成分包含有大量的边缘信息，因此采用该滤波器在去噪声的同时将会 导致边缘信息损失而使图像边模糊。 (2)Butterworth低通滤波器:它的特性是连续性衰减，而不象理想滤波器那样陡峭变化，即明显的不连 续性。因此采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度大大减小，没有振铃效应产生。 (说明：振铃效应越不明显效果越好) (3)指数低通滤波器： 采用该滤波器滤波在抑制噪声的同时， 图像边缘的模糊程度较用Butterworth滤波 产生的大些，无明显的振铃效应。 (4)梯形低通滤波器:它的性能介于理想低通滤波器和指数滤波器之间， 滤波的图像有一定的模糊和振铃 效应。 13.频率域锐化:图像的边缘、细节主要位于高频部分，而图像的模糊是由于高频成分比较弱产生的 。 频率域锐化就是为了消除模糊，突出边缘。因此采用高通滤波器让高频成分通过，使低频成分削弱， 再经逆傅立叶变换得到边缘锐化的图像。 14.常用的高通滤波器有四种： (1)理想高通滤波器 (2)巴特沃斯高通滤波器 (3)指数高通滤波器 (4)梯形高通滤波器 说明：（1）四种滤波函数的选用类似于低通。 （2）理想高通有明显振铃现象，即图像的边缘有抖动现象。 （3）巴特沃斯高通滤波效果较好，但计算复杂，其优点是有少量低频通过，H(u，v)是渐变的， 振铃现象不明显。 (4)指数高通效果比Butterworth差些，振铃现象不明显. (5)梯形高通会产生微振铃效果，但计算简单，较常用。 (6)一般来说，不管在图像空间域还是频率域，采用高频滤波不但会使有用的信息增强，同时也 使噪声增强。因此不能随意地使用。 (7)高斯低通滤波器无振铃效应是因为函数没有极大值、极小值，经过傅里叶变换后还是本身 ， 故没有振铃效应。 15.同态滤波：在频域中同时将亮度范围进行压缩（减少亮度动态范围）和对比度增强的频域方法。 现象：（1）线性变换无效（2）扩展灰度级能提高反差，但会使动态范围变大(3)压缩灰度级，可以减 小灰度级，但物体的灰度层次会更不清晰 改进措施：加一个常数到变换函数上，如：H（u，v）+A（A取0→1）这种方法称为:高度强调（增强）。 为了解决变暗的趋势，在变换结果图像上再进行一次直方图均衡化，这种方法称为：后滤波处理。
光电图像处理 第二章 图像处理基础知识
第二章§2.1 数字图像的表示关键词图像坐标系§2.2 数字图像的空间分辨率及灰度级分辨率空间分辨率分别用1024x1024、512x512、256x256、128x128、64x64、32x32的网格对原图进行数字化的结果空间分辨率采样数目由1024×1024 逐次减至32×32 像素原图256级128级64级32级16级8级4级2级§2.3 像素间的基本关系（2）邻接性与连通性3 2 14 3 2 10 1 3 2 2 3 43 3 2 1 0 1 1（3）像素间的距离是一个度量函数，并满足：]三种距离的定义本节小结作§2.4 数字图像文件格式矢量图与位图的比较数字图像文件格式常用的图像文件格式BMP文件格式BMP文件格式详解文件信息头数据结构文件信息头数据结构调色板的数据结构BMP图像文件使用中的注意事项2、GIF格式GIF图像文件演示3、TIFF格式4、JPEG格式图像格式小结作§2.5 Matlab图像处理简介3、4Matlab5、Matlab 软件启动后的画面指令窗口(Command Window)指令历史记录窗口(Command History)工作空间窗口（Workspace ）指令窗口(Command Window)工作空间窗口（Workspace）指令历史记录窗口(Command History)Matlab二、Matlab。
西安电子科技大学数字图像处理知识点复习大纲
达
描 述
边缘线（边界）的链码跟踪/边界周长和面积求法
区域表达
空间占有数组/四叉树/骨架
第八章 目标表达和描述
1、掌握掌握目标物边界的链码表示（链码，归一化链码，微分码或差分 码， 归一化差分码或形状数，注意各种链码的特点，平移不变性？唯一 性？)、区域的四叉树描述（注意会画四叉树及其相反过程，细化）。 2、 了解图象像素间的基本关系、目标物边界的描述、目标物的区域描 述，图像的几何特征。
1、掌握图像的数据冗余、编码模型、无损压缩编码、预测编码原理及小 于3阶的最优预测器的设计；
2、了解图像压缩的原因与方法分类、保真度准则及正交变换编码原理， 小波变换编码的基本思想与特点及编码中需要解决的问题。
第七章 图像分割
1、掌握掌握图像分割的依据、边缘点检测的原理和几种常用的点检测算 子及其特点、掌握Hough变换法检测直线的原理和过程、掌握四叉树分裂 合并法的过程。 2、了解图像分割的定义和方法、边缘线跟踪的方法、门限化分割和区域 分割的原理和方法。 (注意边缘检测模板与平滑锐化模板的区别)
绪
图象处理、分析、理解三层次
图象技术
论
存储 采集
显示 通信 处理
图象 系统 构成
瞳孔/晶状体/视细胞/成象过程
人眼机理
人眼的亮度感觉及亮度对比度
亮度视觉
光的三基色/颜色三基色
亮度/色度(色调/饱和度)
颜色视觉
颜色模型(RGB/HSI)
图
(均匀/非均匀)采样和量化/分辨率变化的影响
象 基
础
邻域/连通性(连接/连通)/毗邻/ 通路/距离定义/DE距离/D4距离
点处理
方法
包括 图像求反、增强对比度、
图像处理复习总结
2013-12-08
6
第二章图像基础知识
2013-12-08
7
1选择题
6. 一幅灰度级均匀分布的图像，其灰度范围在 [0 ， 255]，则该图像的信息量为：D A. 0 B. 255 C.6 D.8 7.将灰度图像转换成二值图像的命令为 C A．ind2gray B．ind2rgb C．im2bw D．ind2bw 8. 一幅数字图像是：B （提示：考虑图像和数字图像 的定义） A. 一个观测系统； B.一个有许多像素排列而成的实体 ； C.一个2-D数组中的元素 D.一个3-D空间的场景。
2013-12-08
20
2 填空题
1.相减（图像相减）运算常用于检测同一场景的运动 图像序列中两两图像之间的变化，以检测物体的运 动。 2.图像处理中常用的两种邻域是 4-邻域 和 8-邻域 3.常用的灰度内插法有 最近邻法 、 双线性内插法 和 （双）三次内插法。 4. 图像的基本位置变换包括了图像的 平移 、镜像及 旋转。 5.三次插值的插值核为三次函数，其插值邻域的大小 为4×4，其插值效果较好。
2013-12-08
12
21. 对应于不同的场景内容，一般数字图像可以分 为 二值图像 、灰度图像和彩色图像三类。 22. 像素在空间的接近程度可以用像素之间的距离 来度量
2013-12-08
13
3 简答
1、当在白天进入一个黑暗剧场时，在能看清并找 到空座位时需要适应一段时间，试述发生这种现象 的视觉原理 2.简述图像的采样间隔和量化等级对图像质量的影 响。 3.写出图像的函数表达式 4.解释马赫带现象 5.简述视觉错觉现象 6.图像编码基本原理是什么？数字图像的冗余表现 有哪几种表现形式？
A.逻辑与
- 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)。
2.变换具有统一表示形式的优点
– 便于变换合成
– 便于硬件实现
3.齐次坐标技术的基本思想 把一个n维空间中的几何问题转换到n+1维空间中解决。
4.齐次坐标表示
(x 1 ,x 2 ,...,x n )
•有n个分量的向量
(x 1 ,x 2 ,...,x n , )
•有n+1个分量的向量 •哑元或标量因子
课堂讨论
在图像量化中，有非均匀量化技术。当灰度级低的 时候用它比较有效，但是为什么在灰度级级数高时 几乎不用？
采样和量化
采样和量化的关系
量化和采样是两个不同的概念，量化是在每个采 样点上进行的，所以必须先采样后量化。 量化和采样是图像数字化的不可或缺的两个操作， 二者紧密相关，同时完成。
Yc
Zc
Yu
o
M xc , yc , zc
Xc
Xu
中心透视投影模型
xc xu f zc yc yu f zc
o 写成齐次坐标形式为
xu f 0 zc y u 0 1 0 f 0 xc 0 0 yc 0 0 zc 1 0 1
1 1 1 f m n
物体
B A
B
O
C
图像
一般地由于 n f 于是 m f 这时可 以将透镜成像模型近 似地用小孔模型代替
f=OB 为透镜的焦距 m=OC 为像距 n=AO 为物距
透视投影——小孔成像模型
xc xu f zc
yc yu f zc
写成齐次坐标形式为
xu f 0 zc y u 0 1 0 f 0 xc mxu , yu 0 0 yc 0 0 zc 1 0 1
其中
线性摄像机成像模型
图像物理坐标系 摄像机坐标系
0 f 0 xc 0 0 yc 0 0 z c 1 0 1
图像像素坐标系
世界坐标系
xc y c R T zc 0 3 1 xw t y w 1 xw 1
f u cot f v / sin 0
v0
C
u0
fu 1 1 , fv dx dy
xd
O1
Xd
U
齐次坐标形式:
u f u v 0 1 0 u 0 xd y v0 d 1 1
这是忽略畸变的线性成像模型
采样和量化
采样和量化
采样和量化
采样和量化
采样和量化
采样和量化
采样和量化
采样和量化
采样和量化
采样和量化
采样和量化
例：已知图像函数f ( x, y ) 2 cos 2 π(3x 4 y ), 使用x y 0.2 进行采样，问是否能从采样图像数据无失真地回复出原始图像？
齐次坐标形式
摄像机坐标系 透视投影
理想图像坐标系
xc y c R T zc 0 3 1
xw t y w 1 xw 1
畸变校正
真实图像坐标系 数字化图像
数字化图像坐标系
透视投影——透镜成像原理图
Position with distortion
Xu
dr :radial distortion dt :tangential distortion
畸变校正——其它畸变类型
Xu
Axis of max Tangential distortion
Yu
a b
a :barrel distortion b :pincushion distortion
Axis of min tangential distortion
桶形畸变a和枕形畸变b
薄棱镜畸变
图像数字化
O1在 u , v 中的坐标为u 0 , v0 像素在轴上的物理尺寸为 dx, dy
Affine Transformation :
V
Yd
yd
xd yd cot u u0 dx dx yd v v0 dy sin
第2章 图像处理基础知识
视觉 基础 成像 基础
人眼视觉感知
人眼视觉特性 成像模型
图像和视觉 基础
成像几何 采样和量化 图像颜色空间 图像数据结构
图像 基础
图像质量评价
人眼的构造
角膜(Cornea)是眼睛最前面的 透明部分，覆盖虹膜、瞳孔及 前房，并为眼睛提供大部分屈 光力。加上晶状体的屈光力， 光线便可准确地聚焦在视网膜 上构成影像。 虹膜(Iris) ：收缩/扩张控制进入 眼睛的光亮。虹膜中间开口处 （瞳孔Pupil），直径可变。 视网膜(Retina)：成像部分，有两 种光接收器。 锥状体(白昼视觉): 集中分布在中 央凹, 对颜色敏感，感受图像细节 杆状体(夜视觉): 无色彩感觉，低 照度下敏感，感受一般总体图像
(x 1 ,x 2 ,...,x n , )
(x 1 / ,x 2 / ,...,x n / )
齐次坐标表示不是唯一的
1 •规格化的齐次坐标
5.基本几何变换的齐次坐标表示 平移变换
x
y 1 x y
1 0 1 0 1 Tx Ty
0 0 1
0 时，齐次坐标 (x 1 ,x 2 ,...,x n , )表示一个n维的无穷远点
坐标系
1、世界坐标系：
X w , Yw , Z w
Xw
Zw
Yw
2、摄像机坐标系： X c , Yc , Z c
3、图像坐标系: 说明： 为了校正成像畸变
u, v x, y
Xc
Ow
世界坐标系
Zc
x u
用理想图像坐标系
和真实图像坐标系
X u , Yu
X d , Yd
O
v
O1
图像坐标系
y
Yc
分别描述畸变前后的坐标关系
摄像机坐标系
摄像机光学成像过程的四个步骤
1、刚体变换公式
世界坐标系 刚体变换
xc xw y R y t c w zc zw
图像像素坐标系
世界坐标系
xw u ff u ff u cot u0 y z c v 0 ff v / sin v0 R t w zw 1 0 0 1 1 K
u f u v 0 1 0
f u cot f v / sin 0
u0 x y v0 1 1
x f y 1 0 z c 1 0
最终得到：
采样和量化
采样：空间上的数字化
量化：灰度上的数字化
f ( x, y )
nT 抽样
f (0, 0) f (n 1, 0)
f (0, n 1) f (n 1, n 1)
2.2 图像数据结构
2.2.1 图像模式 2.2.2 彩色空间 2.2.3 图像存储的数据结构
2.2.2 彩色空间
1)RGB彩色空间：面向硬件设备的彩色模型
三基色原理三基色指可以用来 调配出其它颜色的红、绿、蓝 三种颜色。 彩色图像可由红、绿、蓝
三基色图像叠加而成。
2.2.2 彩色空间
在RGB彩色空间中，任意彩色光L的配色方程式为：
L r[R] g[G] b[B]
油墨和颜料的三基色是CMY（Cyan / Magenta / Yellow， 青 / 洋红 / 黄）而不是RGB，CMY三基色的特点是油墨 和颜料用的越多，颜色越暗（或越黑），所以将CMY称 为三减色，而RGB称为三加色。
2.2.2 彩色空间
3)HSI彩色空间
区分颜色常用的3种基本特性量：色调（Hue）、饱和度 （Saturation）、强度 （Intensity）。
Xc
Yc
Yu
p xu , yu
M xc , yc , zc
f
O1
Zc
Xu
畸变校正——径向和切向畸变
径向畸变 离心畸变 薄透镜畸变
径向失真
切向失真
Yu
dr
Ideal Position
dt
xd xu xu xu , yu
yd yu yu xu , yu
当前亮度适应级：Ba 短交叉线表示当眼睛适应这一强度 级时人眼能感觉的主观亮度范围 Bb及其以下，都被认为黑色
亮度鉴别
视觉基础
视觉基础
视觉基础
视觉基础
成像模型
1.齐次坐标（homogeneous coordinates）技术的引入 平移、比例和旋转等变换的组合变换
处理形式不统一，将很难把它们级联在一起。
采样和量化
2.1.2 数字化原理
均匀量化 非均匀量化: a）基于视觉特性：对亮度值急剧变化部分无需过细分层， 进行粗量化,对亮度值平缓变化部分需过细分层，进行细 量化 b）先计算所有可能的亮度值出现的概率分布，对概率分 布大的进行细量化,对概率分布小的进行粗量化,非均匀 量化可以减少量化误差，又能用较少的比特数实现量化
视觉感知
中央凹：视网膜上1.5mm直径的凹坑 1.5mm×1.5mm的方形传感器阵列，锥状体数量337000个 与5mm×5mm的中等分辨率CCD成像单元的数目相当！
人眼视觉
亮度适应
视觉系统适应的光强范围：10-6~104 mL，但是绝对不能同时适应这个范 围的亮度。
– 便于变换合成
– 便于硬件实现
3.齐次坐标技术的基本思想 把一个n维空间中的几何问题转换到n+1维空间中解决。
4.齐次坐标表示
(x 1 ,x 2 ,...,x n )
•有n个分量的向量
(x 1 ,x 2 ,...,x n , )
•有n+1个分量的向量 •哑元或标量因子
课堂讨论
在图像量化中，有非均匀量化技术。当灰度级低的 时候用它比较有效，但是为什么在灰度级级数高时 几乎不用？
采样和量化
采样和量化的关系
量化和采样是两个不同的概念，量化是在每个采 样点上进行的，所以必须先采样后量化。 量化和采样是图像数字化的不可或缺的两个操作， 二者紧密相关，同时完成。
Yc
Zc
Yu
o
M xc , yc , zc
Xc
Xu
中心透视投影模型
xc xu f zc yc yu f zc
o 写成齐次坐标形式为
xu f 0 zc y u 0 1 0 f 0 xc 0 0 yc 0 0 zc 1 0 1
1 1 1 f m n
物体
B A
B
O
C
图像
一般地由于 n f 于是 m f 这时可 以将透镜成像模型近 似地用小孔模型代替
f=OB 为透镜的焦距 m=OC 为像距 n=AO 为物距
透视投影——小孔成像模型
xc xu f zc
yc yu f zc
写成齐次坐标形式为
xu f 0 zc y u 0 1 0 f 0 xc mxu , yu 0 0 yc 0 0 zc 1 0 1
其中
线性摄像机成像模型
图像物理坐标系 摄像机坐标系
0 f 0 xc 0 0 yc 0 0 z c 1 0 1
图像像素坐标系
世界坐标系
xc y c R T zc 0 3 1 xw t y w 1 xw 1
f u cot f v / sin 0
v0
C
u0
fu 1 1 , fv dx dy
xd
O1
Xd
U
齐次坐标形式:
u f u v 0 1 0 u 0 xd y v0 d 1 1
这是忽略畸变的线性成像模型
采样和量化
采样和量化
采样和量化
采样和量化
采样和量化
采样和量化
采样和量化
采样和量化
采样和量化
采样和量化
采样和量化
例：已知图像函数f ( x, y ) 2 cos 2 π(3x 4 y ), 使用x y 0.2 进行采样，问是否能从采样图像数据无失真地回复出原始图像？
齐次坐标形式
摄像机坐标系 透视投影
理想图像坐标系
xc y c R T zc 0 3 1
xw t y w 1 xw 1
畸变校正
真实图像坐标系 数字化图像
数字化图像坐标系
透视投影——透镜成像原理图
Position with distortion
Xu
dr :radial distortion dt :tangential distortion
畸变校正——其它畸变类型
Xu
Axis of max Tangential distortion
Yu
a b
a :barrel distortion b :pincushion distortion
Axis of min tangential distortion
桶形畸变a和枕形畸变b
薄棱镜畸变
图像数字化
O1在 u , v 中的坐标为u 0 , v0 像素在轴上的物理尺寸为 dx, dy
Affine Transformation :
V
Yd
yd
xd yd cot u u0 dx dx yd v v0 dy sin
第2章 图像处理基础知识
视觉 基础 成像 基础
人眼视觉感知
人眼视觉特性 成像模型
图像和视觉 基础
成像几何 采样和量化 图像颜色空间 图像数据结构
图像 基础
图像质量评价
人眼的构造
角膜(Cornea)是眼睛最前面的 透明部分，覆盖虹膜、瞳孔及 前房，并为眼睛提供大部分屈 光力。加上晶状体的屈光力， 光线便可准确地聚焦在视网膜 上构成影像。 虹膜(Iris) ：收缩/扩张控制进入 眼睛的光亮。虹膜中间开口处 （瞳孔Pupil），直径可变。 视网膜(Retina)：成像部分，有两 种光接收器。 锥状体(白昼视觉): 集中分布在中 央凹, 对颜色敏感，感受图像细节 杆状体(夜视觉): 无色彩感觉，低 照度下敏感，感受一般总体图像
(x 1 ,x 2 ,...,x n , )
(x 1 / ,x 2 / ,...,x n / )
齐次坐标表示不是唯一的
1 •规格化的齐次坐标
5.基本几何变换的齐次坐标表示 平移变换
x
y 1 x y
1 0 1 0 1 Tx Ty
0 0 1
0 时，齐次坐标 (x 1 ,x 2 ,...,x n , )表示一个n维的无穷远点
坐标系
1、世界坐标系：
X w , Yw , Z w
Xw
Zw
Yw
2、摄像机坐标系： X c , Yc , Z c
3、图像坐标系: 说明： 为了校正成像畸变
u, v x, y
Xc
Ow
世界坐标系
Zc
x u
用理想图像坐标系
和真实图像坐标系
X u , Yu
X d , Yd
O
v
O1
图像坐标系
y
Yc
分别描述畸变前后的坐标关系
摄像机坐标系
摄像机光学成像过程的四个步骤
1、刚体变换公式
世界坐标系 刚体变换
xc xw y R y t c w zc zw
图像像素坐标系
世界坐标系
xw u ff u ff u cot u0 y z c v 0 ff v / sin v0 R t w zw 1 0 0 1 1 K
u f u v 0 1 0
f u cot f v / sin 0
u0 x y v0 1 1
x f y 1 0 z c 1 0
最终得到：
采样和量化
采样：空间上的数字化
量化：灰度上的数字化
f ( x, y )
nT 抽样
f (0, 0) f (n 1, 0)
f (0, n 1) f (n 1, n 1)
2.2 图像数据结构
2.2.1 图像模式 2.2.2 彩色空间 2.2.3 图像存储的数据结构
2.2.2 彩色空间
1)RGB彩色空间：面向硬件设备的彩色模型
三基色原理三基色指可以用来 调配出其它颜色的红、绿、蓝 三种颜色。 彩色图像可由红、绿、蓝
三基色图像叠加而成。
2.2.2 彩色空间
在RGB彩色空间中，任意彩色光L的配色方程式为：
L r[R] g[G] b[B]
油墨和颜料的三基色是CMY（Cyan / Magenta / Yellow， 青 / 洋红 / 黄）而不是RGB，CMY三基色的特点是油墨 和颜料用的越多，颜色越暗（或越黑），所以将CMY称 为三减色，而RGB称为三加色。
2.2.2 彩色空间
3)HSI彩色空间
区分颜色常用的3种基本特性量：色调（Hue）、饱和度 （Saturation）、强度 （Intensity）。
Xc
Yc
Yu
p xu , yu
M xc , yc , zc
f
O1
Zc
Xu
畸变校正——径向和切向畸变
径向畸变 离心畸变 薄透镜畸变
径向失真
切向失真
Yu
dr
Ideal Position
dt
xd xu xu xu , yu
yd yu yu xu , yu
当前亮度适应级：Ba 短交叉线表示当眼睛适应这一强度 级时人眼能感觉的主观亮度范围 Bb及其以下，都被认为黑色
亮度鉴别
视觉基础
视觉基础
视觉基础
视觉基础
成像模型
1.齐次坐标（homogeneous coordinates）技术的引入 平移、比例和旋转等变换的组合变换
处理形式不统一，将很难把它们级联在一起。
采样和量化
2.1.2 数字化原理
均匀量化 非均匀量化: a）基于视觉特性：对亮度值急剧变化部分无需过细分层， 进行粗量化,对亮度值平缓变化部分需过细分层，进行细 量化 b）先计算所有可能的亮度值出现的概率分布，对概率分 布大的进行细量化,对概率分布小的进行粗量化,非均匀 量化可以减少量化误差，又能用较少的比特数实现量化
视觉感知
中央凹：视网膜上1.5mm直径的凹坑 1.5mm×1.5mm的方形传感器阵列，锥状体数量337000个 与5mm×5mm的中等分辨率CCD成像单元的数目相当！
人眼视觉
亮度适应
视觉系统适应的光强范围：10-6~104 mL，但是绝对不能同时适应这个范 围的亮度。