数字图像处理第九章
数字图像处理要点简述详述
第一.二章.采样，量化，数字图像的表示 基本的数字图像处理系统系统的层次结构I 应用程序 I 开发工具 操作系统 设备驱动程序I硬件I图像处理的主要任务： 图像获取与数字化 图像增强 图像恢复 图像重建 图像变换 图像编码与压缩 图像分割 特点：(1) 处理精度高。
(2) 重现性能好。
(3) 灵活性髙1•图像的数字化包括两个主要步骤：离散和量化2. 在数字图像领域，将图像看成是许多大小相同、形状一致的像素组成3. 为便于数字存储和计算机处理可以通过数模转换(A/D)将连续图像变为数字图像。
4•数字化包括取样和量化两个过程：取样：对空间连续坐标(x,y)的离散化量化：幅值f(x,y)的离散化(使连续信号的幅度用有限级的数码表示的过程。
)5.数字化图像所需的主要硬件：♦采样孔、图像扫描机构、光传感器、量化器、输岀存储体6•取样和量化的结果是一个矩阵 7.其中矩阵中的每个元素代表一个邃塞8•存储一幅图像的数据量又空间分辨率和幅度分辨率决定 9•灵敏度、分辨率、信噪比是三大指标第三章，傅里叶变换，DCT变换，WHT•余弦型变换：•傅里叶变换(DFT)和余弦变换(DCT)O•方波型变换：•沃尔什•哈达玛变换(DWT)1•二维连续傅里叶正反变换:F(u,v)= I f f(x.y)eJ_oc J_ocf g y)= \f F(u, v)ej27r(nA+vv)dwdvJ —oo J —oo二维离散傅里叶变换：M — 1 N — I=乏疋 Fgg 宀SS)if=o v=O。
F(u, v)即为f (x, y)的频谱。
频谱的直流成分说明在频谱原点的傅里叶变换尸(0,0)等于图像的平均灰度级 卷积定理：/(x,y)*^(x, y)= ss /O, n)g(x 一 m, y~n)/?/=() n=02•二维离散余弦变换(DCT)一维离散余弦变换：EO)=%)岳gfg 芈严 其中 c®=怜 ""DCT 逆变换为F(u.v)=1~MN A =0 y=02 A r -1/(«)=咅 C(0) + \1三工 F (gsn(2n +1)« ~~2N3•—维沃尔什变换核g （W ）：1 X_JL£（乂申）=丄口（一 1）®（”）為一】一心）＜N i=o• 厂、Cn 7V--1 ^T-l码3》=卡吝 /G 〉耳(—1)635—一 3«JC> =牙中 O )n (—O务i二维：•正变换: 1 N —l. N —!■H —1护(“*) = —X X /X%」)口( — 1)4(5—373$一_W] N 宜 U • JO■逆变换二1 AT-l JV-l 片_]/（X.y ）=丄 £ 乞 疗（心巧 口弟-i -心）JN 為 v=o ~。
数字图像处理第九章
(1)A是A B的子集。
(2)如果C是D的子集，
则C B是D B的子集。
(3)(A B) B=A B
则C B是D B的子集。
(3)(A B) B=A B
多次开操作或 闭操作没有影 响，只能用一次
二值形态学中的运算对象是集合。设A为图像集合，B为 结构元/结构元素，数学形态学运算是用B对A进行操作。 需要指出，实际上结构元素本身也是一个图像集合。对每 个结构元素可以指定一个原点，它是结构元素参与形态学 运算的参考点。 应注意，原点可以包含在结构元素中，也可以不包含在结 构元素中，但运算的结果常不相同。 二值形态学中两个最基本的运算是腐蚀与膨涨 开操作:先用B对A腐蚀，然后再用B对结果进行膨胀 闭操作:先用B对A膨胀，然后再用B对结果进行腐蚀
使用3x3的结构元素:提取的边界宽度为1个像素 使用5x5的结构元素:提取的边界宽度为2~3个像素
• 使用迭代法进行区域填充/孔洞填充：
X k X k 1 B Ac
区域填充
k = 1,2,3,... Xk=Xk-1，则算法在迭代的第k步结束
初 始 点 条件膨胀：如果对上述公式的左部不加限制，则 膨胀将填充整个区域。利用与Ac的交集将 结果限制在感兴趣区域内，实现条件膨胀
多个目标孔洞的填充
第一个点填充的结果
难点:如何判断黑点是球体内部的点还是背景点? ——智能填充
连通分量的提取
令Y表示一个包含于集合A中的连通分量，并假设Y 中的一个点p是已知的。用下列迭代式生成Y的所有 元素： Xk Xk1 B A
k 1,2,3,...
x0=p，如果Xk=Xk-1，算法收敛，令Y=Xk 区域填充：寻找背景点 连通分量的提取：寻找前景 点
数字图像处理_第九章_形态学图像处理
A X ( AB1 ) ( AcB2 )
B1在A内找到匹配 B2在AC中找到匹配 根据腐蚀与膨胀间的对偶关系
A B ( AB1 ) ( Ac B2 )
以上3个公式叫形态学上的击中或击不中变换。
数字图像处理
Chapter 9 Morphological Image Processing
C A B D A B
AC {w | w A} A的补：
A B {w | w , A B} A BC
ˆ {w | w b, b B} 集合B的反对 B
集合A平移到点 z ( z1 , z 2 )
，表示为(A)z
(A)z {c | c a z, a A}
数字图像处理
Chapter 9 Morphological Image Processing
9.1 序言 图9.1为集合论基本概念图示
数字图像处理
Chapter 9 Morphological Image Processing
9.1 序言 图9.2为平移、反射图示
数字图像处理Байду номын сангаас
Chapter 9 Morphological Image Processing
数字图像处理
Chapter 9 Morphological Image Processing
9.5 一些基本的形态学算法
9.5.5 细化
A B=A-(A*B)=A (A*B)C {B}={B1 ,B2 ,B3 ...Bn }
Bi是Bi-1旋转后的形式 更有用的形式： A {B}=((...((A B1 ) B2 )...) Bn
A B ( A B)B
数字图像处理第九章解读
1.8758
0.0454
Y
B 0.0528 - 0.2040 1.1512 Z
(9-3)
3. Lab颜色模型 Lab颜色模型是CIE于1976年制定的等色空间。Lab颜色 由亮度或光亮度分量L和a、b两个色度分量组成。其中，a 在正向的数值越大表示越红，在负向的数值越大则表示越绿； b在正向的数值越大表示越黄，在负向的数值越大表示越蓝。 Lab颜色与设备无关，无论使用何种设备(如显示器、打印机、 计算机或扫描仪)创建或输出图像，这种模型都能生成一致 的颜色。Lab模型与XYZ模型的转换公式为
2 h 4
3
3
(9-11)
hh4 /3
g i(1s)
b
i1
scosh cos6( 00 h)
r 3i (x y)
4 h2
3
(9-12)
由式(9-10)～(9-12)计算出的r、g、b值的范围为 ［0，1］，为便于理解与显示，常将其转换为［0，255］：
R r 255
G
g
255
B b 255
F xX yYzZ
(9-1)
式中： x、y、z称为标准计色系统下的色度坐标，可表示为
x X y Y z Z X Y Z X Y Z X Y Z
显然，x＋y＋z≡1。Fra bibliotek(9-2)
x、y、z中，只有两个是相互独立的，因此，表示某种 颜色只需两个坐标即可。据此，CIE制定了如图9-3所示的色 度图，图中横轴代表标准红色分量x，纵轴代表标准绿色分 量y，标准蓝色分量z=1－(x＋y)。
ri(1s)0.392 gi1cos6 cso(0 0hsh)0.588 b3i(xy)
(3) 计算R、G、B：
数字图像处理知识点总结
数字图像处理知识点总结第二章：数字图像处理的基本概念2.3 图像数字化数字化是将一幅画面转化成计算机能处理的数字图像的过程。
包括：采样和量化。
2.3.1、2.3.2采样与量化1.采样：将空间上连续的图像变换成离散点。
（采样间隔、采样孔径）2.量化：采样后的图像被分割成空间上离散的像素，但是灰度是连续的，量化就是将像素灰度转换成离散的整数值。
一幅数字图像中不同灰度值的个数称为灰度级。
二值图像是灰度级只有两级的。
（通常是0和1）存储一幅大小为M×N、灰度级数为G的图像所需的存储空间：（bit）2.3.3像素数、量化参数与数字化所得到的数字图像间的关系1.一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时会出现国际棋盘效应。
采样间隔越小，所的图像像素数越多，空间分辨率高，图像质量好，但是数据量大。
2.量化等级越多，图像层次越丰富，灰度分辨率高，图像质量好，但数据量大。
量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓，质量变差，但数据量小。
2.4 图像灰度直方图2.4.1定义灰度直方图是反映一幅图像中各灰度级像素出现的频率，反映灰度分布情况。
2.4.2性质（1）只能反映灰度分布，丢失像素位置信息（2）一幅图像对应唯一灰度直方图，反之不一定。
（3）一幅图像分成多个区域，多个区域的直方图之和是原图像的直方图。
2.4.3应用（1）判断图像量化是否恰当（2）确定图像二值化的阈值（3）物体部分灰度值比其他部分灰度值大的时候可以统计图像中物体面积。
（4）计算图像信息量（熵）2.5图像处理算法的形式2.5.1基本功能形式（1）单幅->单幅（2）多幅->单幅（3）多幅/单幅->数字或符号2.5.2图像处理的几种具体算法形式（1）局部处理（邻域，如4-邻域，8-邻域）（移动平均平滑法、空间域锐化等）（2）迭代处理反复对图像进行某种运算直到满足给定条件。
（3）跟踪处理选择满足适当条件的像素作为起始像素，检查输入图像和已得到的输出结果，求出下一步应该处理的像素。
数字图像处理第9章
第九章 图像分割与边缘检测
分割区域的一种方法叫区域生长或区域生成。假定区域的数 目以及在每个区域中单个点的位置已知，则从一个已知点开始， 加上与已知点相似的邻近点形成一个区域。
相似性准则可以是灰度级、彩色、组织、梯度或其他特性， 相似性的测度可以由所确定的阈值来判定。
从满足检测准则的点开始，在各个方向上生长区域，当其邻 近点满足检测准则就并入小块区域中。当新的点被合并后再用 新的区域重复这一过程，直到没有可接受的邻近点时生成过程 终止。
• 连通是指集合中任意两个点之间都存在着完全 属于该集合的连通路径；
• 对于离散图像而言，连通有4连通和8连通之分， 如图9-1所示。
第九章 图像分割与边缘检测
(a)
(b)
图9-1 4连通和8连通
第九章 图像分割与边缘检测
4连通指的是从区域上一点出发，可通过4个方向，即上、 下、左、右移动的组合，在不越出区域的前提下，到达区域内 的任意像素；
第九章 图像分割与边缘检测
物体边缘的作用
图9-7 物体边缘的作用
第九章 图像分割与边缘检测
边缘的类型
• 尽管边缘在数字图像处理和分析中具有 重要作用，但是到目前为止，还没有关 于边缘的被广泛接受和认可的精确的数 学定义。
• 一方面是因为图像的内容非常复杂，很 难用纯数学的方法进行描述，另一方面 则是因为人类对本身感知目标边界的高 层视觉机理的认识在还处于善之中。
第九章 图像分割与边缘检测
• 目前，具有对边缘的描述性定义，即两 个具有不同灰度的均匀图像区域的边界， 即边界反映局部的灰度变化。
• 局部边缘是图像中局部灰度级以简单 （即单调）的方式作极快变换的小区域。 这种局部变化可用一定窗口运算的边缘 检测算子来检测。
Matlab数字图像处理9-PPT精选文档
9.2.2 MATLAB中颜色模型转换
颜色模式就是建立的一个3-D坐标系统，表示一个彩色空间，采用不同的 基本量来表示颜色，就得到不同的颜色模型（彩色空间），不同的颜色模 型都能表示同一种颜色，因此，它们之间是可以相互转换的。
9.3本章小结
本章主要介绍了彩色图像处理的一些基本知识。首先介绍了彩色图像的基 础，彩色图像的基本概念。其次，介绍了彩色图像的坐标变换，其中包括 MATLAB中支持的几种彩色模型，和基本彩色模型之间的转换。
9.1彩色图像基础
彩色图像处理和人的视觉系统有着非常密切的关系。一个彩色的光源能够 发射400~700n的电磁波，一部分被物体吸收，一部分反射至人眼，引起了 人眼对物体颜色的感知。大部分电磁波都被吸收物体时，人眼感知物体为 黑色，大部分电磁波都被物体反射时，人眼感知物体为白色，某一波段的 电磁波被物体反射回人眼，人眼感知的物体就是彩色的，例如， 569~590nm电磁波反射回人眼，人的视觉系统感知的就是黄色。本小节主 要介绍三原色概念，色调、饱和度和亮度的概念。
习题
9.1 列举两组除红绿蓝以外的其他三原色。 9.2 RGB模型的应用特点是什么？ 9.3 HSV模型的应用特点是什么？ 9.4 读入一幅HSV图像，将其转换成RGB图像。 9.5 读入一幅YCbCr图像，将其转换成RGB图像。
9.1.1三原色
人的视觉系统中有两种细胞，一种为杆状细胞，另一种为锥状细胞，杆状 细胞为亮度感知细胞，锥状细胞为颜色感知细胞，在亮度足够的条件下， 锥状细胞对红、绿、蓝这三种颜色波段的电磁波最为敏感，因此这三种颜 色被称为三原色，人类视觉系统锥状细胞对可见光敏感曲线如下图所示。 根据人眼的视觉特性，自然界中的任何颜色都可以由三原色按照不同比例 组合而成。
数字图像处理第八、九章
(8.3 2)
此外，常用的特征量还有区域的幅宽、占有 率和直径等 。
2.区域外部形状特征提取与分析
区域的边界、骨架空间域分析
1)方向链码描述 边界的方向链码表示既便于有关形状
特征的提取，又节省存储空间。从链码可 以提取一系列的几何形状特征。如周长、 面积某方向的宽度、矩、形心 、两点 之间的距离等。
收缩和膨胀是数学形态学最基本的变换，数学
令E = R2和E=Z2分别为二维欧几里德空间和欧几 里德栅格。二值图像目标X是E的子集。用B代表 结构元素，Bs代表结构元素B关于原点（0 , 0） 的对称集合：
Bs b : b B
即Bs是B旋转180°获得的。图给出了三种简单的 结构元素。膨胀和腐蚀变换的定义式为：
腐蚀处理的应用
• 腐蚀处理可以将粘连在一起的不同目 标物分离，并可以将小的颗粒噪声去 除。
膨胀
• 膨胀是将与目标区域的背景点合并到该目标 物中，使目标物边界向外部扩张的处理。
例：
膨胀的基本设计思想
• 设计一个结构元素，结构元素的原点定位在背景像 素上，判断是否覆盖有目标点，来确定是否该点被
膨胀为目标点。
膨胀就是把连接成分的边界扩大一层的处理。 收缩则是把连接成分的边界点去掉从而缩小一层 的处理。若输出图像为g(i,j),则它们的定义式为
膨胀：g(i,
j)
1 0
像元(i, j)为1或其4 - /8 - 邻域的一个像素为1 其他
收缩：g(i,
j)
0 1
像元(i, j)或其4 - /8 - 邻域的一个像元为0 其他
到该点； 3）判断该结构元素所覆盖范围内的像素值是否全部为1：
如果是，则腐蚀后图像中的相同位置上的像素值为1； 如果不是，则腐蚀后图像中的相同位置上的像素值为0； 4）重复2）和3），直到所有原图中像素处理完成。
数字图像处理ch9colorimageprocessing
22
9.2.1 RGB模型（RGB Color Model）
一幅m*n（m，n为正整数，分别表示图像 的高度和宽度）的RGB彩色图像可以用一个 m*n*3的矩阵来描述，图像中的每一个像素点对 应于红、绿、蓝三个分量组成的三元组。 在Matlab中，不同的图像类型，其图像矩阵 的取值范围也不一样。例如若一幅RGB图像是 double类型的，则其取值范围在[0, 1]之间，而 如果是uint8或者uint16类型的，则取值范围分 别是[0, 255]和[0, 65535]。
26
结果：
9.2.2 CMY和CMYK模型
• 在用彩色打印机将彩色图像打印输出时，使用的是CMY和 CMYK彩色模型。 • 红、绿、蓝称为加色基色，RGB模型称为加色混色模型。 • 在CMY彩色模型中，青（Cyan）、品红（Magenta）、黄（ Yellow）是在白光中减去红、绿、蓝而得到的，它们分别是红、 绿、蓝的补色，所以，青、品红、黄称为减色基色，CMY模型 称为减色混色模型。 • 大多数在纸上沉积彩色颜料的设备，如彩色打印机和复印件， 要求输入CMY数据或在内部做RGB到CMY的转换。 • 转换操作（假设所有的彩色值都归一化为[0，1]范围） ：
γ 射 线 可见光 X 射线 紫外 红外线 线 无线电波 微波 超 短 中 长 短 波 波 波 1km 100km 红 0.76(m)
0.01nm 1nm 紫 0.38 0.43
0.1μ 10μ 0.1cm 10cm 10m 电磁波谱分布 蓝 青 绿 黄 橙 0.47 0.5 0.56 0.59 0.62
9
9.1.2 彩色基础 （ Color Fundamentals ）
三原色原理
其基本内容是： 任何颜色都可以用3种不同的基本颜色按照不 同比例混合得到，即 C=aC1+bC2+cC3 (9.1) 式中a，b，c >=0 为三种原色的权值或者比例， C1、C2、C3为三原色（又称为三基色）。
数字图像处理总复习(14)(1)
2.图像锐化与图像平滑有何区别与联系？
第三章 （不考计算题） 频域滤波的物理含义 傅立叶变换性质 频域滤波的基本方法
第四章 灰度基本变换（线形、非线性） 直方图处理（定义、直方图规定化、均衡化） 算术逻辑运算（帧差分，帧平均） 空间滤波（均值、中值、KNN） 同态滤波（滤波流程） 边缘检测（一阶，二阶，循环卷积） 图像锐化与图像平滑 真彩色图像处理与伪彩色图像处理
第一章图像数字图像处理灰度图像的概念图像工程定义分类图像的表达图像文件格式bmp文件第二章视觉感知要素图像采样和量化颜色模型像素之间的基本关系邻接连通距离度量第三章不考计算题频域滤波的物理含义傅立叶变换性质频域滤波的基本方法第四章灰度基本变换线形非线性直方图处理定义直方图规定化均衡化算术逻辑运算帧差分帧平均空间滤波均值中值knn同态滤波滤波流程边缘检测一阶二阶循环卷积图像锐化与图像平滑真彩色图像处理与伪彩色图像处理第五章图像编码与压缩不考计算图像编码的基本概念图像编码的方法第六章图像恢复颜色模型第七章图像分割图像的阈值分割图像的梯度分割图像边缘检测第八章目标的表达和描述目标表达目标的描述第九章形态学运算膨胀腐蚀开运算闭运算?除电磁波谱图像外按成像来源进行划分的话常见的计算机图像还包三种类型
8. 直方图修正有哪两种方法？二者有何主要区别于 联系？
方法：直方图均衡化和直方图规定化。
区别：直方图均衡化得到的结果是整幅图对比度的增 强，但一些较暗的区域有些细节仍不太清楚，直方图 规定化处理用规定化函数在高灰度区域较大，所以变 换的结果图像比均衡化更亮、细节更为清晰。联系： 都是以概率论为基础的，通过改变直方图的形状来达 到增强图像对比度的效果。
数字图像处理第九章至11章内容整理.
第九章1、设原图像f(x,y在[0,Mf],感兴趣目标的灰度范围在[a,b],欲使其灰度范围拉伸到[c,d],则对应的分段线性变换表达式为2、梯度锐化法图像锐化法最常用的是梯度法。
对于图像f(x ,y,在(x ,y处的梯度定义为梯度是一个矢量,其大小和方向为伪彩色增强:密度分割法是把黑白图像的灰度级从0(黑到M0(白分成N 个区间Ii(i=1,2,…,N,给每个区间Ii 指定一种彩色Ci ,这样,便可以把一幅灰度图像变成一幅伪彩色图像。
该方法比较简单、直观。
缺点是变换出的彩色数目有限。
第十章1、图像退化模型假定成像系统是线性位移不变系统(退化性质与图像的位置无关,它的点扩散函数用h(x,y表示,则获取的图像g(x,y表示为g(x,y=f(x,y*h(x,y式中f(x,y表示理想的、没有退化的图像,g(x,y是劣化(被观察到的图像。
若受加性噪声n(x,y的干扰,则退化图像可表示为g(x,y=f(x,y*h(x,y+n(x,y这就是线性位移不变系统的退化模型。
2、图像的几何校正几何失真:图像在获取过程中,由于成像系统本身具有非线性、拍摄角度等因素的影响,会使获得的图像产生几何失真。
几何失真:系统失真和非系统失真。
系统失真是有规律的、能预测的;非系统失真则是随机的。
当对图像作定量分析时,就要对失真的图像先进行精确的几何校正(即将存在几何失真的图像校正成无几何失真的图像,以免影响定量分析的精度。
几何校正方法图像几何校正的基本方法是先建立几何校正的数学模型;其次利用已知条件确定模型参数;最后根据模型对图像进行几何校正。
几何校正通常分两步:①图像空间坐标变换;首先建立图像像点坐标(行、列号和物方(或参考图对应点坐标间的映射关系,解求映射关系中的未知参数,然后根据映射关系对图像各个像素坐标进行校正;②确定各像素的灰度值(灰度内插。
⎪⎩⎪⎨⎧≤≤+---<≤+---<≤=f f gMy x f b d b y x f b M d M b y x f a c a y x f a b c d a y x f y x f a c y x g ,(],(][/([(,(],(][/([(,(0,(/(,(⎥⎥⎦⎤⎢⎢⎣⎡=⎥⎥⎦⎤⎢⎢⎣⎡=∂∂∂∂y y x f x y x f y x f f y x grad ,(,('',(/(/(((ygrad(x,,(,(1''12,(2,(2'2'x y x f y y x f x y y y x f x y x f y x tg f f tg f f ∂∂∂∂--∂∂∂∂==+=+=θ几何校正方法可分为直接法和间接法两种。
《数字图像处理》课件1第9章
21
图9.2.1右下角部分是自适应处理(学习)部分，用训练样本 根据某些规则求出一些判别规则后，对这些训练样本逐个 进行检测，观察是否有误差。这样不断改进判别规则，直 到满足要求为止。在该系统中，图像的增强和恢复等可以 看做预处理，其输入、输出均是图像，它是传统的图像处 理的内容。而图像分割、特征提取及结构分析等称为图像 识别，其输入是图像，输出是描述或解释。
20
9.2 统计模式识别
统计模式识别是研究每一个模式的各种测量数据的统 计特性，按照统计决策理论来进行分类的方法。
统计模式识别的大致过程如图9.2.1所示。图中上半部 分是识别部分，即对未知类别的图像进行分类；下半部分 是分析部分，即由已知类别的训练样本求出判别函数及判 别规则，进而用来对未知类别的图像进行分类。
15
nm
m(u,v) f (k u 1,l v 1) t(k,l)
k1 t1
(9.1.7) 如果在坐标(u，v)处的图像中有和模板一致的图案， 则 m(u，v)的值很小，相反则较大。特别是在模板和图像 重叠部分完全不一致的场合下，如果把模板内的各像素与 图像重合部分对应像素的差的绝对值依次增加下去，其和 就会急剧地增大。因此，在做加法的过程中，如果差的绝 对值部分的和超过了某一阈值时，就认为这位置上不存在 和模板一致的图案，从而转移到下一个位置上计算m(u，v)。
8
图9.1.1 模板匹配示例
9
模板匹配是图像处理中最基本、最常用的匹配方法。 匹配的用途很多，如在几何变换中，检测图像和地图之间 的对应点；不同的光谱或不同的摄影时间所得的图像之间 位置的配准(图像配准)；在立体影像分析中提取左右影像 间的对应关系；运动物体的跟踪；图像中对象物位置的检 测等。
10
9第九章数字图像处理之图像分割资料
10/29/2018
对图像g(x,y)采用Laplacian算子进行边缘检测，可得：
g h( x, y ) * f ( x, y ) (
2 2
r
2
2
4
)e
e2 2 2
* f ( x, y )
2 h * f ( x, y )
• 模板：可以用多种方式被表示为数字形式。定义数字形式的拉普拉斯 的基本要求是，作用于中心像素的系数是一个负数，而且其周围像素 的系数为正数，系数之和必为0。对于一个3x3的区域，经验上被推荐 最多的形式是：
0
1 0
10/29/2018
1
-4 1
0
1 0
1 1
1 -8
1 1
1
1
1
• 拉普拉斯算子的分析： – 优点： • 各向同性、线性和位移不变的； • 对细线和孤立点检测效果较好。 – 缺点： • 对噪音的敏感，对噪声有双倍加强作用； • 不能检测出边的方向； • 常产生双像素的边缘。
• 公式：
f x f ( x 1, y 1) f ( x 1, y 1) f y f ( x 1, y 1) f ( x 1, y 1)
• 模板：
-1
1 1
fx
’
fy’
-1
• 特点：与梯度算子检测边缘的方法类似，对噪声敏感，但效果较梯度 算子略好。
10/29/2018
例1:
原始图像
梯度算子
Roberts算子
Prewitt算子
10/29/2018
Sobel算子
Kirsch算子
遥感数字图像处理第九章 遥感图像分类
gi ( x) p(wi | x) p(wi x) p(wi | x) p( x) p( x | wi ) p(wi ) gi ( x) p(wi | x) p( x | wi ) p(wi ) / p( x)
对于同一个像素来说，p(x)是相同的，因此可以约掉
最大似然方法
训练区：已知类别的区域，用于训练分类算法
样本区域类别的确定：实地观测，航片解译、 地图分析、个人经验等
监督分类的步骤
(1)提取样本区的光谱特性 (2)确定判别准则(最小距离？)，生成判别函数 (3)将类型未知的样本值代入到判别函数中，根 据函数值对样本进行分类
样本区的选择
样本区类型：点、线、面 样本区的选择： 具有代表性(典型性) 时间或空间上的一致性 像元要足够多
A.图像预处理
确定工作范围 多源图像的几何配准 噪声处理 辐射校正 几何精校正 多图像融和（高空间分辨率和高光谱分辨率的图像）
C.特征选择和提取
特征：用于测量的属性 特征选择：变量：数据
波段数据、波段代数运算后的数据 图像变换之后的数据 非遥感图像数据
特征提取：地物光谱与图像亮度的先验关系
可分性、可靠性、独立性、数量少
XY ( X ) (Y )
2 2
p
பைடு நூலகம்
p
分类方法
(1)监督分类 (2)非监督分类 (3)其它的综合性分类方法:
模糊聚类、神经网络、决策树、专家系统分类、面 向对象的分类
工作流程
A.图像预处理 B.选择分类方法 C.特征选择和提取 D.选择合适的分类参数进行分类 E.分类后处理 F.成果输出
平行管道方法(盒式分类器,平行六面体分类器)
分类原理：每个训练区的样本的特征向量生成一个盒子，盒子 的中心为均值向量，边界为标准差的倍数(1、2、1.73等)。未 分类的向量落到哪个盒子就属于哪个类，即
- 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)。
(3) ADI中包含了目标运动的全部历史资料， 有助于检测慢运动和尺寸较小目标的运动
2020/5/9
ZYJ-TH-EE-IE
21 / 30
9.7 特征测量的精确度
影响测量精确度的因素
(1) 客观物体本身参数或特征的自然变化 (2) 图像量化过程（从连续到离散）的影响，又
2020/5/9
ZYJ-TH-EE-IE
4 / 30
9.1 轮廓基本参数及测量
斜率，曲率和角点
斜率能表示轮廓上各点的指向
曲率是斜率的改变率，它描述了轮廓上各点沿 轮廓方向变化的情况。当在1个点的曲率大于零则 该点属于凸段的一部分，否则为凹段的一部分
曲率的局部极值点称为角点，它在一定程度上 反映了轮廓的复杂性
2020/5/9
ZYJ-TH-EE-IE
16 / 30
9.5 轮廓矩和区域矩
区域矩 用所有属于图像区域f (x, y)内的点计算出来 f (x, y)的p+q阶矩 f (x, y)的p + q阶中心矩
f (x, y)的归一化中心矩
2020/5/9
ZYJ-TH-EE-IE
17 / 30
9.5 轮廓矩和区域矩
欧拉数是1种区域的拓扑描述符，描述的是 区域的连通性
区域内的连通组元（其中任2点可用完全在 内部的曲线相连接的点集合）的个数C和区域内的 孔（被连通组元包围的点集合）的个数H都是常用 的拓扑性质
2020/5/9
ZYJ-TH-EE-IE
9 / 30
9.3 区域形状参数及测量
形状参数 在一定程度上描述了区域的紧凑性
ZYJ-TH-EE-IE
7 / 30
9.2 区域基本参数及测量
区域灰度特性 要结合原始灰度图和分割图来得到
(1) 透射率 (2) 光密度 (3) 积分光密度
2020/5/9
ZYJ-TH-EE-IE
8 / 30
9.2 区域基本参数及测量
拓扑描述符和欧拉数
拓扑学研究图形不受畸变变形（不包括撕裂 或粘贴）影响的性质
2020/5/9
ZYJ-TH-EE-IE
5 / 30
9.2 区域基本参数及测量
区域面积 对属于区域的像素个数进行计数
2020/5/9
ZYJ-TH-EE-IE
6 / 30
9.2 区域基本参数及测量
区域重心 区域对区域的1种全局描述符 重心点的坐标是根据所有属于区域的点计算出
来的：
2020/5/9
2020/5/9
ZYJ-TH-EE-IE
10 / 30
9.3 区域形状参数及测量
偏心率 在一定程度上描述了区域的紧凑性 利用整个区域的所有像素来计算
区域的偏心率可由p和q的比值得到
2020/5/9
ZYJ-TH-EE-IE
11 / 30
9.3 区域形状参数及测量
球状性 一种描述2-D目标形状的参数
2020/5/9
ZYJ-TH-EE-IE
12 / 30
9.3 区域形状参数及测量
圆形性 用区域R的所有轮廓点定义的特征量
2020/5/9
ZYJ-TH-EE-IE
13 / 30
9.4 区域纹理参数及测量
共生矩阵 纹理是图像分析中常用的概念，可以认为是
由许多相互接近的、互相编织的元素构成，它们 常富有周期性
常用的3种纹理描述方法是：① 统计法； ② 结构法；③ 频谱法
共生矩阵
2020/5/9
ZYJ-TH-EE-IE
14 / 30
9.4 区域纹理参数及测量
基于共生矩阵的纹理描述符 设
14个 纹理描述符
2020/5/9
ZYJ-TH-EE-IE
15 / 30
9.5 轮廓矩和区域矩
轮廓矩 轮廓可看作由一系列曲线线段连接组成 把曲线线段集合 表示成1个1-D函数f (r) f (r)的均值 f (r)对均值的n阶矩
第9章 特征测量技术
9.1 轮廓基本参数及测量 9.2 区域基本参数及测量 9.3 区域形状参数及测量 9.4 区域纹理参数及测量 9.5 轮廓矩和区域矩 9.6 运动检测及测量 9.7 特征测量的精确度
2020/5/9
ZYJ-TH-EE-IE
1 / 30
9.1 轮廓基本参数及测量
轮廓的长度 所包围区域的周长
Hale Waihona Puke 2020/5/9ZYJ-TH-EE-IE
18 / 30
9.6 运动检测及测量
差图像的计算 对时间上相邻的两幅图像求差就可以将图像中
运动目标的位置和形状变化突现出来 设在时刻 ti 和 tj 采集到两幅图像f (x, y, ti )和 f
(x, y , tj )，则据此可得到差图像：
2020/5/9
可分为空间采样和灰度量化的影响 (3) 不同的图像处理和分析手段（例如增强，编
码，分割） (4) 不同的测量方法和计算公式 (5) 图像处理和分析过程中噪声等干扰的影响
2020/5/9
ZYJ-TH-EE-IE
22 / 30
9.7 特征测量的精确度
影响测量精确度的因素
2020/5/9
ZYJ-TH-EE-IE
23 / 30
9.7 特征测量的精确度
影响测量精确度的因素 测量的精确度和测量的准确度 无偏估计和一致估计
2020/5/9
ZYJ-TH-EE-IE
24 / 30
9.7 特征测量的精确度
直线长度测量
设图像中的2点间有1条数字直线，并已用8方向链码来表示。如设Ne为偶数链码的个数，No 为奇数链码的个数，Nc为角点（即链码方向发生 变化的点）个数，则整个链码的长度L可由下列通 式计算：
区域轮廓点（即边界点）： ① P本身属于区域R ② P的邻域中有像素不属于区域R
4-方向连通轮廓B4和8-方向连通轮廓B8
2020/5/9
ZYJ-TH-EE-IE
2 / 30
9.1 轮廓基本参数及测量
轮廓的长度
2020/5/9
ZYJ-TH-EE-IE
3 / 30
9.1 轮廓基本参数及测量
轮廓的直径 轮廓上相隔最远的2点之间的距离
L A Ne B No C Nc
2020/5/9
ZYJ-TH-EE-IE
25 / 30
9.7 特征测量的精确度
ZYJ-TH-EE-IE
19 / 30
9.6 运动检测及测量
累积差图像的计算
2020/5/9
ZYJ-TH-EE-IE
20 / 30
9.6 运动检测及测量
累积差图像ADI有三个功能：
(1) ADI中相邻像素数值间的梯度关系可用 来估计目标移动的速度矢量，这里梯度的方向就 是速度的方向，梯度的大小与速度成正比