数字图像处理的基本原理

合集下载
  1. 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. 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. 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)。

z 数字图像的数据以矩阵形式排列
一幅M×N个像素的数字图像,其像素灰度值的排列实际形 成了一个M行N列的矩阵F,数字图像中的像素与矩阵元素是 一一对应的
⎡ f (1,1) f (1,2) L f (1,N) ⎤
M 个 像
第i行、第 j列像素
⎢ ⎢
f (2,1)
FM×N
=
⎢ ⎢
L L
f (2,2) L
输出图像G(I,J)
f(x,y )
g(x,y)
图3.6 点处理示意图
3.3.1 点处理
点处理的典型用途:
例如:一幅8位灰度图像,大小为512×512,其数据量为多大?
512×512×8位=512×512×1字节=512×512/1024=256KB
3.2 用计算机处理数字图像
数字图像处理的实质: 通过对数字图像中像素数据的判断,依
据处理或识别要求,最后逐个修改像素的 灰度值。
3.2 用计算机处理数字图像
else
IPI_SetPixelValue (D_Image, x, y, 0);
}
}
二值化处理效果
灰度图像
二值图像
3.3 图像的处理方法之一—空域处理
图像处理的方法多种多样,从实现处理的过程 看有两类:
空域处理与频域处理。
空域:即空间域,指灰度图像本身,图像是一种灰度 在二维空间变化的信息。
空域处理:对源图像 像素的灰度值 直接运算,生成 新的图像,被操作者是像素的灰度值。
空域处理可分为以下几种方式:
z 点处理 z 区域处理 z 迭代处理 z 跟踪处理
3.3.1 点处理
点处理:是指输出像素值仅取决于对应输入
像素的像素值。
若输入像素灰度值为f(x,y),
输出像素灰度值为g(x,y),
则g(x,y)=ϕpf(x,y), 输入图像F(I,J)
ϕp代表某种函数关系。
点处理
一般,灰度图像常量化为8位图像。
灰度值量化示意——
黑—灰—白色的连续变化的灰度量化为从0~255共256级灰度值。
0v
Zi-1
Zi
}
qi-1
黑色
M
qi
0 1
Zi+1
qi+1
灰色
127
128
M
5v
连续的 灰度值
量化值
(整数)
图3.3a 灰度值的量化
白色 灰度标准
254
255
灰度级分配
图3.3b 灰度级量化为8比特
f
(2,
N)
⎥ ⎥
L L
f (Li, j)
L⎥ L⎥

⎢ ⎢
L
wk.baidu.comLL
L
⎥ ⎥
⎢⎣ f (M,N) L L f (M,N)⎥⎦
N个像素
矩阵FM×N
图3.3.1 数字图像像素与矩阵元素 一一对应
• 矩阵可用二维数组来表示
一个M×N像素的矩阵,在算法语言中,可以用一个M×N 的二维数组来表示。
⎡ f (1,1) f (1,2) L f (1,N) ⎤
L LL L
(M ,1) L L (M , N )
矩阵FM×N
数组T[M,N]
图3.3.2 矩阵元素、数组元素一一对 应的关系
以后对像素的处理就代之以对数组元素的处理,很容易 用计算机来实现.
如何用高级语言实现图像处理?
¾ 在图像处理中,一般都是顺序完成对整幅画面的存取和处 理操作的,具有代表性的是以光栅扫描方式——逐行逐列 存取与处理。
第3章 数字图像处理的基本原理
主要内容:
9 图像的数字化 9 用计算机处理数字图像 9 图像的空域处理 9 图像的频域处理
3.1 图像的数字化
z 一般的图像(模拟图像)不能直接用计算机来处理,必 须首先转化为数字图像;
z 把模拟图像分割成一个个称为像素的小区域,每个像素
的亮度或灰度值用一个整数表示——图像的数字化。
灰度、亮度 等的分布
数字化
像素(抽样点)
模拟图像 图3.1 图像的数字化
数字图像
数字化的含义:
使模拟图像的灰度、亮度和色彩数据化.
数字图像
模拟图像(照片)
180
15
图像数字化的步骤
两个步骤:
z 一是在空间坐标对图像离散化——图像采样; z 二是在幅度上离散化——灰度级量化(取整)。
图像采样示意图
f(x,y)> Th阈值?
No
f(x,y)=255
f(x,y)=0
结束
二值化处理的程序 (一个CVI例子程序)
void CVICALLBACK Thresholding( ) {
int x,y,pixel_value,Th=120; for(y=0; y< height; y++)
for(x=0; x< width; x++) {
⎢ ⎢
f (2,1)
f (2,2) L
f
(2,
N)
⎥ ⎥
FM×N
=
⎢ ⎢
L L
L L
f (Li, j)
L⎥ L⎥
⎢ ⎢
L
LL
L
⎥ ⎥
⎢⎣ f (M, N) L L f (M,N)⎥⎦
(1,1) (1,2) L (1, N ) (2,1) (2,2) L (2, N )
LL LL (iL, j) LL
图3.3 灰度值量化
数字图像数据量的计算
z 抽样点数越多,图像像素数目越多,图像数据量越大; z 量化级别越高,图像每个像素所占用的字节越长,图像数 据量越大。
一幅数字图像的总数据量可用如下公式计算, 数据量 = M × N × b
M——每行像素数; N——每列像素数; b——灰度量化所占用的位数或字节数
S_Image:源图像 D_Image:结果图像 width : 宽 height : 高
Th: 阈值(开关值)
IPI_GetPixelValue (S_Image, x, y, &pixel_value);
if(pixel_value>Th)
Th:阈值
IPI_SetPixelValue (D_Image, x, y, 255);
¾ 若数字图像的大小为M×N(width*height)个像素,数组元
素灰度值为f(x,y),则C语言处理程序的基本框架为:
M
for(y=0;y< N;y++) {
for(x=0;x< M ;x++) {
(对f(x,y)的具体处理与运算); } }
y
x N
图像二值化流程
取像素数据f(x,y)
Yes
z 例如,若图像分辨率为400*300(宽*高)
水平采样400个点
整幅图像被采样为 400*300个像素
垂直抽样 300条
3.1.1 灰度值量化
经过采样,模拟图像已在空间上离散化为像素,但抽样 所得的像素值仍是连续量(非整数),必须将其化为正整 数——灰度级的量化。
若 抽 样 点 ( 像 素 ) 的 连 续 浓 淡 值 为 Zi,Zi-1≤Zi<Zi+1, 则 Zi=qi,即Zi量化为整数qi,qI称为像素的灰度值,
相关文档
最新文档