数字图像处理第五章
合集下载
第5章 遥感数字图像处理_图像校正(2)
校正量。
5.5.2辐射传递方程算法
测量大气参数，按理论公式求得大气干扰辐 射量。 为大气的衰减系数；E0为地面目标 的辐射能量；H为传感器的高度（高度为H的 大气）；E为传感器测到的电磁波能量。 在可见光和近红外区，大气的影响主要是由 气溶胶 引起的散射造成的；在热红外区， 大气的影响主要 是由水蒸气的吸收造成的 。 需要测定可见光和近红外区气溶胶的密 度、热红外区水蒸气浓度参数。
敦 煌 辐 射 校 正 场
青海湖辐射较正场
监测在轨传感器变化并不断提供修正系数
补充星上定标的不足
多种遥感仪器和不同时间遥感资料的综合应
用
辐射校正场的国外发展概况
美国NASA和Arizona大学在新墨西哥州的白沙和加 利福 尼亚州的爱德华空军基地的干湖床建立辐射校正场
法国在马赛市附近建立了La Crun辐射校正场
欧洲科技局在非洲撒哈拉沙漠、加拿大在北部大草原、 日本澳大利亚在澳大利亚北部沙漠地区
（3）图像的灰度级和辐亮度
图像上的像素值为灰度级
实际的电磁波辐射强度为辐亮度
在图像数字化时，电磁波的辐亮度被量化为
灰度级。而在实际应用中，因为灰度级没有 实际的物理意义，不同日期图像对比和遥感 定量反演时，需要将灰度级转化为辐亮度。
辐射定标
在卫星飞越试验场地上空时同时,在若干选 好的像素内测定探测器对应波段内的地物反 射率ρt，同时测出气象要素和大气光学特 性.再根据卫星过顶时太阳几何位置,仪器视 场角,探测器光谱响应函数等通过大气辐射 传输模式正演出到达传感器入瞳处各光谱通 道的幅亮度Lt.
绝对辐射校正就是建立遥感器测量数字信号 与对应的辐射能量之间的数量关系。 对于一种遥感器来说，绝对辐射校正就是 确定一个灰度值（DN）对应多少辐射度值（ L），或者确定一个辐射值L对应多少灰度值 （DN），其数学表达式为 DN＝a.L 或 L＝b.DN
5.5.2辐射传递方程算法
测量大气参数，按理论公式求得大气干扰辐 射量。 为大气的衰减系数；E0为地面目标 的辐射能量；H为传感器的高度（高度为H的 大气）；E为传感器测到的电磁波能量。 在可见光和近红外区，大气的影响主要是由 气溶胶 引起的散射造成的；在热红外区， 大气的影响主要 是由水蒸气的吸收造成的 。 需要测定可见光和近红外区气溶胶的密 度、热红外区水蒸气浓度参数。
敦 煌 辐 射 校 正 场
青海湖辐射较正场
监测在轨传感器变化并不断提供修正系数
补充星上定标的不足
多种遥感仪器和不同时间遥感资料的综合应
用
辐射校正场的国外发展概况
美国NASA和Arizona大学在新墨西哥州的白沙和加 利福 尼亚州的爱德华空军基地的干湖床建立辐射校正场
法国在马赛市附近建立了La Crun辐射校正场
欧洲科技局在非洲撒哈拉沙漠、加拿大在北部大草原、 日本澳大利亚在澳大利亚北部沙漠地区
（3）图像的灰度级和辐亮度
图像上的像素值为灰度级
实际的电磁波辐射强度为辐亮度
在图像数字化时，电磁波的辐亮度被量化为
灰度级。而在实际应用中，因为灰度级没有 实际的物理意义，不同日期图像对比和遥感 定量反演时，需要将灰度级转化为辐亮度。
辐射定标
在卫星飞越试验场地上空时同时,在若干选 好的像素内测定探测器对应波段内的地物反 射率ρt，同时测出气象要素和大气光学特 性.再根据卫星过顶时太阳几何位置,仪器视 场角,探测器光谱响应函数等通过大气辐射 传输模式正演出到达传感器入瞳处各光谱通 道的幅亮度Lt.
绝对辐射校正就是建立遥感器测量数字信号 与对应的辐射能量之间的数量关系。 对于一种遥感器来说，绝对辐射校正就是 确定一个灰度值（DN）对应多少辐射度值（ L），或者确定一个辐射值L对应多少灰度值 （DN），其数学表达式为 DN＝a.L 或 L＝b.DN
数字图像处理 第五章_图像复原与重建
第五章பைடு நூலகம்图 像 复 原 与 重 建
1.退化模型
2.代数恢复方法 3.频率域恢复方法 4.几何校正 5.图像重建
数字图像处理
电子信息与自动化学院
1
第五章
图像复原与重建
什么是图像复原？ 什么是图像重建？ 数字图像如何进行几何变换（缩放、旋转等）
数字图像处理
电子信息与自动化学院
2
5.1 退化模型
g Hf
g、f都是M维列向量，H是M×M阶矩阵，矩阵中的每一行 元素均相同，只是每行以循环方式右移一位，因此矩阵H 是循环矩阵。循环矩阵相加或相乘得到的还是循环矩阵。
数字图像处理 电子信息与自动化学院
18
5.1.2 退化的数学模型
二维离散模型 设输入的数字图像f(x, y)大小为A×B，点扩展函数h(x, y)被均 匀采样为C×D大小。为避免交叠误差，仍用添零扩展的方法， 将它们扩展成M=A+C-1和N=B+D-1个元素的周期函数。
数字图像处理
电子信息与自动化学院
12
5.1.2 退化的数学模型
退化的数学模型
f (x, y) n (x, y)
h(x,y)
g (x, y)
在时域
g ( x, y) f ( x, y) * h( x, y) n( x, y)
f ( , )h( x , y )dd n( x, y)
二维离散退化模型同样可以表示为：
g Hf
式中，g、 f是MN×1维列向量，H是MN×MN维矩阵。其方法 是将g(x, y)和f(x, y)中的元素排成列向量。
数字图像处理 电子信息与自动化学院
1.退化模型
2.代数恢复方法 3.频率域恢复方法 4.几何校正 5.图像重建
数字图像处理
电子信息与自动化学院
1
第五章
图像复原与重建
什么是图像复原？ 什么是图像重建？ 数字图像如何进行几何变换（缩放、旋转等）
数字图像处理
电子信息与自动化学院
2
5.1 退化模型
g Hf
g、f都是M维列向量，H是M×M阶矩阵，矩阵中的每一行 元素均相同，只是每行以循环方式右移一位，因此矩阵H 是循环矩阵。循环矩阵相加或相乘得到的还是循环矩阵。
数字图像处理 电子信息与自动化学院
18
5.1.2 退化的数学模型
二维离散模型 设输入的数字图像f(x, y)大小为A×B，点扩展函数h(x, y)被均 匀采样为C×D大小。为避免交叠误差，仍用添零扩展的方法， 将它们扩展成M=A+C-1和N=B+D-1个元素的周期函数。
数字图像处理
电子信息与自动化学院
12
5.1.2 退化的数学模型
退化的数学模型
f (x, y) n (x, y)
h(x,y)
g (x, y)
在时域
g ( x, y) f ( x, y) * h( x, y) n( x, y)
f ( , )h( x , y )dd n( x, y)
二维离散退化模型同样可以表示为：
g Hf
式中，g、 f是MN×1维列向量，H是MN×MN维矩阵。其方法 是将g(x, y)和f(x, y)中的元素排成列向量。
数字图像处理 电子信息与自动化学院
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 。
精品课件-数字图像处理-第5章
应保持不变。事实上，上式完全可以在 的条件下使 g－Hfˆ 最小推导出来。
fˆ fˆ＝gg＝c
24
2.平滑约束恢复 把 看成fˆ x，y的二维函数，平滑约束是指原图像f(x，y) 为最光滑的，那么它在各点的二阶导数都应最小。顾及二阶 导数有正有负，约束条件是应用各点二阶导数的平方和最小。 Laplacian算子为
21
5.2.2 约束最小二乘复原
为了克服恢复问题的病态性质，常需要在恢复过程中施
加某种约束，即约束复原。令Q为f的线性算子，约束最小二
乘法复原问题是使形式为
的Q函fˆ 数2 在约束条件
g－Hfˆ
2
＝n
2
时为最小。这可归结为寻找一个 fˆ ，使下面的准则函数最 小：
J ( fˆ)＝ Qfˆ
2
＋
g－Hfˆ
使得所成图像降质，称之为图像“退化”。造成图像退化的 原因很多，典型原因表现为：
(1)成像系统的像差、畸变、带宽有限等造成图像失真； (2)由于成像器件拍摄姿态和扫描非线性引起的图像几 何失真； (3)运动模糊：成像传感器与被拍摄景物之间的相对运 动，引起所成图像的运动模糊；
7
(4)灰度失真：光学系统或成像传感器本身特性不均匀， 造成同样亮度的景物成像灰度不同；
2 f (x, y) ＋ 2 f (x, y)
x 2
y 2
＝f (x＋1, y)＋f (x－1, y)＋f (x, y＋1)＋f (x, y－1)－4 f (x, y)
(5.2.13)
25
则约束条件为
M 1N 1
[ f (x 1, y) f (x 1, y) f (x, y 1) f (x, y 1) 4 f (x, y)]2
数字图像处理第五章
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。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）。
因此还有
f ( x , y ) f ( x, y) ( x , y )
二维线性位移不变系统 如果对二维函数施加运算T[· ] ，满足 ⑴ T f1 x, y f 2 x, y T f1 x, y T f 2 x, y ⑵ T af x, y aT f x, y
但实际获取的影像都有噪声，因而只能求F(u,v)的估 ˆ (u, v) 。 计值 F
N (u, v) ˆ F (u, v) F (u, v) H (u, v)
再作傅立叶逆变换得
1 j 2 ( ux vy) ˆ ( x, y) f ( x, y) f N ( u , v ) H ( u , v ) e dudv
采用线性位移不变系统模型的原由： 1）由于许多种退化都可以用线性位移不变模型来近似， 这样线性系统中的许多数学工具如线性代数，能用于 求解图像复原问题，从而使运算方法简捷和快速。 2）当退化不太严重时，一般用线性位移不变系统模型来 复原图像，在很多应用中有较好的复原结果，且计算 大为简化。 3）尽管实际非线性和位移可变的情况能更加准确而普遍 地反映图像复原问题的本质，但在数学上求解困难。 只有在要求很精确的情况下才用位移可变的模型去求 解，其求解也常以位移不变的解法为基础加以修改而 成。
数字图像处理(冈萨雷斯)
✓脉冲噪声（椒盐噪声）
均匀噪声
高斯噪声
瑞利噪声
噪声
指数噪声
椒盐噪声
第14页，共62页。
①高斯噪声
高斯噪声的概率密度函数(PDF)
p(z) 1 e(z )2 /2 2 (5.2 1)
2
灰度值
✓ 当z服从上式分布时，其值有70%落在 , ， 有 95%落在
范围内。 2 , 2
✓ 高斯噪声的产生源于电子电路噪声和由低照明度或高温带来的 传感器噪声。
其中zi值是像素的灰度值, p(zi )表示相应的归一化直方图.
第30页，共62页。
5.3 空间域滤波复原（唯一退化是噪声）
当唯一退化是噪声时，则退化系统H(u,v) 1
g( x, y) f ( x, y) ( x, y) (5.3 1)
G(u, v) F (u, v) N (u, v) (5.3 2)
的开关操作）
第22页，共62页。
例5.1 样本噪声图像和它们的直方图
✓ 用于说明噪声模型的测试图
✓ 由简单、恒定的区域组成 ✓ 仅仅有3个灰度级的变化
第23页，共62页。
例5.1 样本噪声图像和它们的直方图
高斯噪声
瑞利噪声
伽马噪声
图像
直方图
第24页，共62页。
例5.1 样本噪声图像和它们的直方图
➢在图像获取中从电 力或机电干扰中产生.
➢是空间相关噪声.
➢周期噪声可以通过 频率域滤波显著减少.
周期噪声
被不同频率的 正弦噪声干扰 了的图像
呈圆形分布 的亮点为噪 声频谱
第27页，共62页。
典型的周期噪声---正弦噪声
• Sinusoidal （单 一频率）
均匀噪声
高斯噪声
瑞利噪声
噪声
指数噪声
椒盐噪声
第14页，共62页。
①高斯噪声
高斯噪声的概率密度函数(PDF)
p(z) 1 e(z )2 /2 2 (5.2 1)
2
灰度值
✓ 当z服从上式分布时，其值有70%落在 , ， 有 95%落在
范围内。 2 , 2
✓ 高斯噪声的产生源于电子电路噪声和由低照明度或高温带来的 传感器噪声。
其中zi值是像素的灰度值, p(zi )表示相应的归一化直方图.
第30页，共62页。
5.3 空间域滤波复原（唯一退化是噪声）
当唯一退化是噪声时，则退化系统H(u,v) 1
g( x, y) f ( x, y) ( x, y) (5.3 1)
G(u, v) F (u, v) N (u, v) (5.3 2)
的开关操作）
第22页，共62页。
例5.1 样本噪声图像和它们的直方图
✓ 用于说明噪声模型的测试图
✓ 由简单、恒定的区域组成 ✓ 仅仅有3个灰度级的变化
第23页，共62页。
例5.1 样本噪声图像和它们的直方图
高斯噪声
瑞利噪声
伽马噪声
图像
直方图
第24页，共62页。
例5.1 样本噪声图像和它们的直方图
➢在图像获取中从电 力或机电干扰中产生.
➢是空间相关噪声.
➢周期噪声可以通过 频率域滤波显著减少.
周期噪声
被不同频率的 正弦噪声干扰 了的图像
呈圆形分布 的亮点为噪 声频谱
第27页，共62页。
典型的周期噪声---正弦噪声
• Sinusoidal （单 一频率）
数字图像处理及应用(MATLAB)第5章
1. AVI格式 它的英文全称为Audio Video Interleaved，即音频视频交 错格式。它于1992年被Microsoft公司推出，随Windows3.1一 起被人们所认识和熟知。所谓“音频视频交错”，就是可以
将视频和音频交织在一起进行同步播放。这种视频格式的优
点是图像质量好，可以跨多个平台使用，但是其缺点是体积 过于庞大，而且更加糟糕的是压缩标准不统一，因此经常会 遇到高版本Windows媒体播放器播放不了采用早期编码编辑 的AVI格式视频，而低版本Windows媒体播放器又播放不了采 用最新编码编辑的AVI格式视频。
5.2 视频检测技术
视频检测所研究的对象通常是图像序列，运动目标分割的目的是从序列图像 中将变化区域从背景中分割出来。静态图像f(x，y)是空间位置(x，y)的函数，它 与时间t变化无关，只由单幅静止图像无法描述物体的运动。而图像序列的每一幅 称为一帧，图像序列一般可以表示为f(x，y，t)，和静态图像相比，多了一个时间 参数t，当采集的多帧图像获取时间间隔相等，那么，图像序列也可表示为f(x，y， i)，i为图像帧数。通过分析图像序列，获取景物的运动参数及各种感兴趣的视觉 信息是计算机视觉的重要内容，而运动分割是它的关键技术。 在应用视觉系统中，检测运动目标常用差分图像的方法，一般有两种情况，一 是当前图像与固定背景图像之间的差分称为减背景法，二是当前连续两幅图像 （时间间隔
海岸的泥沙淤积及监视江河、湖泊、海岸等的污染。利用差 值图像还能鉴别出耕地及不同的作物覆盖情况。可广泛应用 于视频检测。
5.2.1 帧间差分法
图像差分法是在序列图像中，检测图像序列相邻两帧之间变化，通 过逐像素比较可直接求取前后两帧图像对应像素点之间灰度值的差别。 它是当图像背景不是静止时，无法用背景差值法检测和分割运动目 标的另外一种简单方法。在这种方式下，帧f(x,y,i)与帧f(x,y,j)之间的变化 可用一个二值差分图像Df(x,y)表示:
数字图像处理课件第五章.
ii. 把这个符号的概率与其余符号的概率按从大到 小进行排列，然后再把最末两个符号的概率加 起来，合成一个概率。
iii. 重复上述做法，直到最后剩下两个概率为止。
iv. 从最后一步剩下的两个概率开始逐步向前进行
编码。每步只需对两个分支各赋予一个二进制
码，如对概率大的赋予码0，对概率小的赋予
码1。
28
37
第五章 图像编码
Huffman编码
输入 输入概率第一步第二步第三步第四步 S1 0.4 0.4 0.4 0.4 0.6 0 S2 0.3 0.3 0.3 0.3 0 0.4 1 S3 0.1 0.1 0.2 0 0.3 1 S4 0.1 0.1 0 0.1 1 S5 0.06 0 0.1 1 S6 0.04 1 S4=0100
I = D － du
I — 信息量 D — 数据量 du — 冗余量，包含在D中
● 冗余举例 播音员—— 180字/分钟，2Byte一个字，360Byte (合0.35KB/分钟) 音频数据——8kHz采样×8bit×60秒 = 3840KBit (合480KB/分钟)
6
第五章 图像编码
[1] 空间冗余—— 规则物体的物理相关性 [2] 时间冗余—— 视频与动画画面间的相关性 [3] 统计冗余—— 具有空间冗余和时间冗余 [4] 结构冗余—— 规则纹理、相互重叠的结构表面 [5] 信息熵冗余—— 编码冗余，数据与携带的信息 [6] 视觉冗余—— 视觉、听觉敏感度和非线性感觉 [7] 知识冗余—— 凭借经验识别 [8] 其他冗余—— 上述7种以外的冗余
8
第五章 图像编码
图像数据压缩技术的重要指标
（1）压缩比：图像压缩前后所需的信息存储量之比， 压缩比越大越好。 （2）压缩算法：利用不同的编码方式，实现对图像 的数据压缩。
数字图像处理第五章
Digital Image Processing
Image Enhancement: Filtering in the Frequency Domain
Course Website: p.dit.ie/bmacnamee Luguangm@
2 of 66
| F (u , v) | R 2 (u , v) I 2 (u , v) I (u , v) (u, v) arct an R (u , v) P (u , v) R 2 (u , v) ቤተ መጻሕፍቲ ባይዱI 2 (u , v)
5 of 66
Introduction to Fourier Transform
f(x): continuous function of a real variable x Fourier transform of f(x):
F [ f ( x)] F (u )
1
f ( x)e j 2ux dx F (u )e j 2ux du
Contents
In this lecture we will look at image enhancement in the frequency domain
– The Fourier series级数 & the Fourier transform – DFT Properties – Steps of Filtering in the Frequency Domain – Some Basic Frequency Domain Filters
coefficients is equal to 1/N.
7 of 66
The Discrete Fourier Transform (DFT)
Image Enhancement: Filtering in the Frequency Domain
Course Website: p.dit.ie/bmacnamee Luguangm@
2 of 66
| F (u , v) | R 2 (u , v) I 2 (u , v) I (u , v) (u, v) arct an R (u , v) P (u , v) R 2 (u , v) ቤተ መጻሕፍቲ ባይዱI 2 (u , v)
5 of 66
Introduction to Fourier Transform
f(x): continuous function of a real variable x Fourier transform of f(x):
F [ f ( x)] F (u )
1
f ( x)e j 2ux dx F (u )e j 2ux du
Contents
In this lecture we will look at image enhancement in the frequency domain
– The Fourier series级数 & the Fourier transform – DFT Properties – Steps of Filtering in the Frequency Domain – Some Basic Frequency Domain Filters
coefficients is equal to 1/N.
7 of 66
The Discrete Fourier Transform (DFT)
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：
数字图像处理课件第五章
图像复原是针对图像退化的原因做出补偿， 使恢复后的图像尽可能接近原始图像。 评判图像复原质量好坏的是客观标准。
返回
第5章 图像复原
连续图像退化模型
n(x,y) f(x,y)
H +
g(x,y)
第5章 图像复原
连续图像退化的模型
第5章 图像复原
连续图像退化模型
第5章 图像复原
连续图像退化模型
第5章 图像复原
第5章 图像复原
图像退化机理
4. 什么是图像复原？
图像复原是将图像退化的过程加以估计,并 补偿退化过程造成的失真,以便获得未经干扰退 化的原始图像或原始图像的最优估值，从而改善 图像质量的一种方法。 图像复原是图像退化的逆过程。
典型的图像复原方法是根据图像退化的先验知 识建立一个退化模型以此模型为基础，采用滤波 等手段进行处理，使得复原后的图像符合一定的 准则，达到改善图像质量的目的。
第5章 图像复原
离散图像退化模型
为便于计算机实现，需将退化模型离 散化。
(1) 先讨论一维卷积 对f(x)及h(x)均匀采样,样本数分别为A及 B,即
f ( x) x=0,1,---,A-1 h (x) x=0,1,---,B-1
离散循环卷积是针对周期函数定义的，
第5章 图像复原
离散图像退化模型
第5章 图像复原
图像退化机理
3.图像退化的处理方法？
无论是由光学、光电或电子方法获得的图像 都会有不同程度的退化；退化的形式多种多样， 如传感器噪声、摄像机未聚焦、物体与摄像设备 之间的相对移动、光学系统的相差、成像光源或 射线的散射等； 如果我们对退化的类型、机制和过程都十分 清楚，那么就可以利用其反过程来复原图像。
数字图像处理_第五章_图像复原
5.3 仅存在噪声时的复原 5.3.3 自适应滤波器 到目前为止，我们所讨论的 滤波器都是：一但选定了一种滤 波器，就不考虑从一点到另一点 图像性能（特征）的变化。 本节介绍两种滤波器，其行 为变化是基于 mxn内矩形窗口 S内的统计特征，叫自适应滤 xy 波器，其性能优于前边所有滤波 器性能。 自适应局部噪声消除滤波器 统计度量→均值，方差。 方差→平均对比度 滤波器作用于局部区域，滤 波器在中心化区域中任何点的响 应其于以下4个量：
5.2.4 噪声参数的估计 假设S代代表小带，则：
z P( z )
i i
z iS
2 ( z )2 P( z )
i i
z iS
zi为S中象素灰度值，P ( zi )归一化直方图。
数字图像处理
Chapter 5 Image Restoration
5.3 仅存在噪声时的复原
数字图像处理
Chapter 5 Image Restoration
5.3 仅存在噪声时的复原
5.3.1 均值滤波器
算术均值滤波器 1 f ( x, y ) g ( x, y ) mn ( s ,t )S xy S xy 表示大小为m n中心在( x, y )的窗口
谐波均值滤波器 mn ˆ ( x, y ) f
数字图像处理
Chapter 5 Image Restoration
5.2 噪声模型
数字图像的噪声主要来源于图像获取和传输过程。
5.2.1 噪声的空间和频率特性 几个概念和要讨论的问题： 相关性：噪声是否与图像相关 频率特性：噪声在傅立叶域的频率内容 白噪声：谱为常量 本章假设：噪声独立于空间坐标，并与图像本身无关联。
数字图像处理
Chapter 5 Image Restoration
5.2.4 噪声参数的估计 假设S代代表小带，则：
z P( z )
i i
z iS
2 ( z )2 P( z )
i i
z iS
zi为S中象素灰度值，P ( zi )归一化直方图。
数字图像处理
Chapter 5 Image Restoration
5.3 仅存在噪声时的复原
数字图像处理
Chapter 5 Image Restoration
5.3 仅存在噪声时的复原
5.3.1 均值滤波器
算术均值滤波器 1 f ( x, y ) g ( x, y ) mn ( s ,t )S xy S xy 表示大小为m n中心在( x, y )的窗口
谐波均值滤波器 mn ˆ ( x, y ) f
数字图像处理
Chapter 5 Image Restoration
5.2 噪声模型
数字图像的噪声主要来源于图像获取和传输过程。
5.2.1 噪声的空间和频率特性 几个概念和要讨论的问题： 相关性：噪声是否与图像相关 频率特性：噪声在傅立叶域的频率内容 白噪声：谱为常量 本章假设：噪声独立于空间坐标，并与图像本身无关联。
数字图像处理
Chapter 5 Image Restoration
数字图像处理第5章-46页PPT文档资料
解压缩时（224 224+1 224+1-2）
f k e k f k
2019/11/16
26
5.4 无损预测编码
利用预测器，可以将对原始图像序列的编码转换成对预测 误差的编码。
由于在预测比较时，预测误差的动态范围会远小于原始图 像序列的动态范围，所以对预测误差的编码所需的比特数 会大大减少，这是预测编码可以获得数据压缩结果的原因。
224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224
5
5.1 引言（图像压缩的基本概念）
压缩后图像数据 234 1 1 1 1 1 -2
2019/11/16
3
5.1 引言（图像压缩的基本概念）
2.时间冗余 视频图像序列中的不同帧之间的相关性所造成的冗余。
3.视觉冗余 是指人眼不能感知或不敏感的那部分图像信息。人的眼
睛对图像细节和颜色的辨认受到人的视觉特性的限制，人类 最多能分辨 216种颜色，而彩色图像用24表示，即 224种颜色， 这种数据冗余称为视觉冗余。
第5章 图像编码与压缩
5.1 引言（图像压缩的基本概念） 5.2 图像保真度准则（图像评价） 5.3 无损压缩技术 5.4 无损预测编码 5.5 有损预测编码 5.6 图像变换编码基本原理 5.7 视频图像编码简介
2019/11/16
1
5.1 引言（图像压缩的基本概念）
例如：输入（224 225 223）则经预测器后需传输（224
f k e k f k
2019/11/16
26
5.4 无损预测编码
利用预测器，可以将对原始图像序列的编码转换成对预测 误差的编码。
由于在预测比较时，预测误差的动态范围会远小于原始图 像序列的动态范围，所以对预测误差的编码所需的比特数 会大大减少，这是预测编码可以获得数据压缩结果的原因。
224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224 224
5
5.1 引言（图像压缩的基本概念）
压缩后图像数据 234 1 1 1 1 1 -2
2019/11/16
3
5.1 引言（图像压缩的基本概念）
2.时间冗余 视频图像序列中的不同帧之间的相关性所造成的冗余。
3.视觉冗余 是指人眼不能感知或不敏感的那部分图像信息。人的眼
睛对图像细节和颜色的辨认受到人的视觉特性的限制，人类 最多能分辨 216种颜色，而彩色图像用24表示，即 224种颜色， 这种数据冗余称为视觉冗余。
第5章 图像编码与压缩
5.1 引言（图像压缩的基本概念） 5.2 图像保真度准则（图像评价） 5.3 无损压缩技术 5.4 无损预测编码 5.5 有损预测编码 5.6 图像变换编码基本原理 5.7 视频图像编码简介
2019/11/16
1
5.1 引言（图像压缩的基本概念）
例如：输入（224 225 223）则经预测器后需传输（224
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
数字图像处理第5章PPT课件
(m ,n ) ; 0 m A 1 且 0 n B 1 e(m ,n ) 0 ; A m M 1 或 B n N 1
Digital Image Processing
5.1 退化模型
g (m ,n ) ; 0 m A 1 且 0 n B 1 g e(m ,n ) 0 ; A m M 1 或 B n N 1 所以线性时不变系统的离散退化模型为：
模型，由于退化过程是卷积过程，线性卷积后点数变长，为 了方便计算，需要将各函数进行延拓，具体如下所示：
f(m ,n ) ; 0 m A 1 且 0 n B 1 fe (m ,n ) 0 ; A m M 1 或 B n N 1
h (m ,n ) ; 0 m C 1 且 0 n D 1 h e (m ,n ) 0 ; C m M 1 或 D n N 1
wM(M1,M-1)
w M (i,m )ex p (j2 im /M ) i,m 0 ,1 ,2 , ,M 1
w N (k,n )ex p (j2 kn/N ) k,n0,1 ,2, ,N 1
Digital Image Processing
5.1 退化模型
从而
W W M W N{ w M (i,m )} { w N (k,n )}
f e (1 , 0 )
f e (1 ,1 )
f e ( M 1 , N 1 )
g e(0,0 )
g e (0 ,1)
g
g e(0, N 1) g e (1 , 0 )
g e (1 ,1 )
g e ( M 1 , N 1 )
Digital Image Processing
H1
H2
H3
he(i,0)
Hi
Digital Image Processing
5.1 退化模型
g (m ,n ) ; 0 m A 1 且 0 n B 1 g e(m ,n ) 0 ; A m M 1 或 B n N 1 所以线性时不变系统的离散退化模型为：
模型，由于退化过程是卷积过程，线性卷积后点数变长，为 了方便计算，需要将各函数进行延拓，具体如下所示：
f(m ,n ) ; 0 m A 1 且 0 n B 1 fe (m ,n ) 0 ; A m M 1 或 B n N 1
h (m ,n ) ; 0 m C 1 且 0 n D 1 h e (m ,n ) 0 ; C m M 1 或 D n N 1
wM(M1,M-1)
w M (i,m )ex p (j2 im /M ) i,m 0 ,1 ,2 , ,M 1
w N (k,n )ex p (j2 kn/N ) k,n0,1 ,2, ,N 1
Digital Image Processing
5.1 退化模型
从而
W W M W N{ w M (i,m )} { w N (k,n )}
f e (1 , 0 )
f e (1 ,1 )
f e ( M 1 , N 1 )
g e(0,0 )
g e (0 ,1)
g
g e(0, N 1) g e (1 , 0 )
g e (1 ,1 )
g e ( M 1 , N 1 )
Digital Image Processing
H1
H2
H3
he(i,0)
Hi
[课件]冈萨雷斯数字图像处理第五章彩色图像处理PPT
![[课件]冈萨雷斯数字图像处理第五章彩色图像处理PPT](https://img.taocdn.com/s3/m/3e8127f628ea81c758f5782c.png)
X11 X12 X X22 21 X Xm1 Xm2
X1n X2n Xmnmn
r1 r 2 map ri rL
g1 g2 gi gL
b1 b2 bi bL L3
256×256×256=16 777 216≈1670万种颜色。 这足以表示自然界的任一颜色，故又称其为 24位真彩色。
第五章 彩色图象处理
• 一幅图像中的每一个像素点均被赋予不同的RGB值，
便可以形成真彩色图像，如红色(255，0，0)、绿色(0， 255，0)、蓝色(0，0，255)、青色(0，255，255)、品红 (255，0，255)、黄色(255，255，0)、白色(255，255， 255)、黑色(0，0，0)等，等比例混合三基色产生的是 灰色。 RGB颜色模型可用一个三维空间中的单位立方体 来表示，如图所示。
第五章 彩色图象处理
索引图像X与对应示意图
r1 r2 . . rk . . rL X
g1 b1 g2 b2 . . . . gk bk . . . . gL bL map
圆圈圈过的元素之值=k-1(X为uint8 uint16)
第五章 彩色图象处理 索引图像文件的读取 – [X, map] = imread(filename, fmt) – [X, map] = imread( filename, fmt ) reads the indexed image in filename into X and its associated colormap into map. The colormap values are rescaled to the range [0,1]. 索引图像的显示 – imshow(X, map) 或 – image(X) – colormap(map)
- 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)。
当α =β =0时
f (0,0)
f ( x, y ) ( x, y )dxdy
它的另一个重要特性就是位移性。
f ( x, y)
f ( , ) ( x , y )dd
用卷积符号 * 表示为
f ( x, y) f ( x, y) ( x, y )
找退化原因→建立退化模型→反向推演→恢复图像
可见，图像复原主要取决于对图像退化过程的先验知识 所掌握的精确程度，体现在建立的退化模型是否合适。
图像复原和图像增强的区别： 图像增强不考虑图像是如何退化的，而是试图采用各种 技术来增强图像的视觉效果。因此，图像增强可以不顾增强 后的图像是否失真，只要看得舒服就行。 而图像复原就完全不同，需知道图像退化的机制和过程 等先验知识，据此找出一种相应的逆处理方法，从而得到复 原的图像。 如果图像已退化，应先作复原处理，再作增强处理。 二者的目的都是为了改善图像的质量。 5.1.2 系统的描述 点源的概念 事实上，一幅图像可以看成由无穷多极小的像素所组成， 每一个像素都可以看作为一个点源成像，因此，一幅图像也 可以看成由无穷多点源形成的。
H(u,v)称为系统的传递函数。从频率域角度看，它使图像 退化，因而反映了成像系统的性能。
通常在无噪声的理想情况下，上式可简化为
G(u, v) F (u, v) H (u, v)
则
F (u, v) G(u, v) / H (u, v)
进行反傅立叶变换可得到 f(x,y) 。以上就是逆滤波复原的 基本原理。1/H(u,v)称为逆滤波器。 逆滤波复原过程可归纳如下: (1)对退化图像g(x，y)作二维离散傅立叶变换，得到G(u,v) ； (2)计算系统点扩散函数h(x，y)的二维傅立叶变换，得到 H(u,v); F (u, v) G(u, v) / H (u, v) (3)逆滤波计算 F (u, v)
下图表示二维线性位移不变系统的输入、输出和运算关系
f（x，y） h(x,y) g（x，y）= f（x，y）* h（x，y）
5.1.2 图像退化的数学模型 假定成像系统是线性位移不变系统 ,则获取的图像g(x,y) 表示为 g（x，y）= f（x，y）* h（x，y） f(x，y)表示理想的、没有退化的图像，g(x，y)是退化（所 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。退化模型如图所示
T af x, y aT f x, y
则称该运算为二维线性运算。由它描述的系统，称为二维线 性系统。 当输入为单位脉冲δ (x ， y)时，系统的输出便称为脉冲 响应，用h (x ， y)表示。在图像处理中，它便是对点源的响 应，称为点扩散函数。用图表示为
当输入的单位脉冲函数延迟了α 、β 单位，即当输入为 δ （x –α， y –β）时，如果输出为h（x –α， y –β），则称此 系统为位移不变系统。
线性
f ( , )T x , y dd
移不变
f , h x , y dd
简记为
g ( x, y) f ( x, y) h( x, y)
上式表明，线性位移不变系统的输出等于系统的输入和系 统脉冲响应（点扩散函数）的卷积。
采用线性位移不变系统模型的原由： 1）由于许多种退化都可以用线性位移不变模型来近似， 这样线性系统中的许多数学工具如线性代数，能用于 求解图像复原问题，从而使运算方法简捷和快速。 2）当退化不太严重时，一般用线性位移不变系统模型来 复原图像，在很多应用中有较好的复原结果，且计算 大为简化。 3）尽管实际非线性和位移可变的情况能更加准确而普遍 地反映图像复原问题的本质，但在数学上求解困难。 只有在要求很精确的情况下才用位移可变的模型去求 解，其求解也常以位移不变的解法为基础加以修改而 成。
因此还有
f ( x , y ) f ( x, y) ( x , y )
二维线性位移不变系统 如果对二维函数施加运算T[· ] ，满足 ⑴ T f1 x, y f 2 x, y T f1 x, y T f 2 x, y ⑵
对于一个二维线性位移不变系统，如果输入为f（x ， y） ，输出为g (x ， y)，系统加于输入的线性运算为T[ • ]，则有
g ( x, y ) T f ( x, y ) T f ( , ) ( x , y )dd
5.3 频率域恢复方法
5.3.1 逆滤波恢复法
对于线性移不变系统而言
g ( x, y)
f ( x, y) h( x, y) n( x, y)
对上式两边进行傅立叶变换得
f ( , )h( x , y )dd n( x, y)
G(u, v) F (u, v) H (u, v) N (u, v)
在数学上，点源可以用狄拉克δ 函数来表示。二 维δ 函数可定义为
x 0, y 0 ( x, y) 其它 0
且满足
x, y dxdy x, y dx采样特性。即
f ( x, y) ( x , y )dxdy f ( , )
第五章 图像复原与重建
5.1 图像退化模型
5.1.1 图像的退化 图像的退化是指图像在形成、传输和记录过程中，由于 成像系统、传输介质和设备的不完善，使图像的质量变坏。 图像复原就是要尽可能恢复退化图像的本来面目，它是 沿图像退化的逆过程进行处理。 典型的图像复原是根据图像退化的先验知识建立一个退 化模型，以此模型为基础，采用各种逆退化处理方法进行恢 复，得到质量改善的图像。图像复原过程如下：