图像处理系统包括

图像处理系统包括:图像处理硬件和图像处理软件。

微机图像处理硬件系统包括：由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。

软件系统包括：操作系统、控制软件及应用软件等。

数字化包括采样和量化两个过程：采样：对空间连续坐标(x, y)的离散化量化：幅值 f (x, y)的离散化
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，严重时出现像素呈块状的国际棋盘效应；
采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。

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；
量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。

二维离散傅里叶变换的性质：1．周期性和共轭对称性傅里叶变换以零点为中心，导致谱图像最亮点在图像的左上角。

为符合正常习惯，将谱图像的原零点从左上角移到显示屏的中心。

2．可分性二维变换可以通过两次一维变换来实现。

用MATLAB实现图像的傅里叶变换看，MATLAB程序如下：A=imread('pout.tif'); imshow(A);
A=double(A); A2=fft2(A); A2=fftshift(A2); figure imshow(log(abs(A2)),[0 10]);
余弦变换实际上是利用了Fourier变换的实数部分构成的变换。

余弦变换主要用于图像的压缩，如目前的国际压缩标准的JPEG格式中就用到了DCT变换。

具体的做法与DFT相似。

即高频部分压缩多一些，低频部分压缩少一些。

图像增强技术：不考虑图像降质的原因，只将图像中感兴趣的部分加以处理或突出有用的图像特征，故改善后的图像并不一定要去逼近原图像。

图像增强的目的是提高可懂度。

增强的方法是因应用不同而不同的。

增强的结果只是靠人的主观感觉加以评价。

图像增强根据所处理的空间不同,分为: 基于图像域的方法：直接在图像所在的空间进行处理, 有时也叫空域处理
基于变换域的方法：在图像变换域间接进行，有时也叫频域处理
根据处理策略不同，分为：点处理、邻域处理、全图处理
空间域单点增强——灰度变换
可使图像动态范围增大，图像对比度扩展。

从而使图像变得清晰以及图像上的特征变得明显。

灰度变换：
线性变换：将灰度范围线性扩展
非线性变化：将感兴趣的灰度范围线性扩展，相对抑制不感兴趣的灰度区域。

线性变换原理:f（x，y）的动态范围[a，b] g(x.y) 的动态范围[c,d]. 原因：灰度集中在某个较小的范围（对比度低），或原图灰度的动态范围太大，需要灰度压缩。

公式：g(x,y)=[(d-c)/(b-a)][f(x,y)-a]+c
为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的
灰度区间，可以采用分段线性变换，常用的方法是分段作线性
变换。

仔细调整折线拐点的位置及控制分段直线的斜率，可以
对图像的任一灰度区间进行拉伸或压缩。

非线性灰度变换对数拉伸指数
拉伸
灰度直方图是表示一幅图像灰度分布情况的统
计表。

直方图的横坐标是灰度级，纵坐标是该灰度级
的像素个数或这个灰度级出现的概率，对于数字图
像而言，其概率就用频度代表，即：N
为图像的像素总数为第k个灰度级为第k个灰
度级的像素个数
灰度直方图直方图是多对一的映射结果，即多个
图像可以生成相同的直方图，因此直方图作为一阶统计特征未反映相邻点之间的关系。

但它却反映了图像的灰度散布范围等特征，如均值、方差，在很多场合下，往往
是重要特征。

灰度直方图描述了图像的概貌。

直方图变换后可使图像的灰度间距拉开或使灰度分布均匀，从而增大对比度，使图像细节清晰，达到增强的目的。

直方图变换有直方图均衡化直方图规定化
直方图均衡：把原始图的直方图变换为均匀分布的形式，增加像素灰度值的动态范围，提高图像对比度。

例、假定有一幅总像素为n＝64×64的图像，灰度级数为8，各灰度级分布列于表中。

试对其进行直方图均衡化。

图像增强的频域技术与空域技术空间滤波器的工作原理可借助频域进行分析。

空间平滑滤波器消除或减弱图像中灰度值具有较大较快变化部分的影响，这些部分对应频域中的高频分量，所以可用频域低通滤波来实现。

空间锐化滤波器消除或减弱图像中灰度值缓慢变化的部分，这些部分对应频域中的低频分量，所以可用频域高通滤波来实现。

图像平滑是在图像噪声模型未知时消除噪声的一种常规办法，其作用有两个：①消除或减少噪声，改善图像质量；②模糊图像，使图像看起来柔和自然。

图像锐化主要是加强高频或减弱低频，图像锐化加强了细节
和边缘，对图像有去模糊的作用。

锐化的作用是使灰度反差增强。

经局部平均处理后，得到平滑图像为：f(x,y)为原
始图，n(x,y)为噪声，S：点(x,y)邻域内的点集，
M：S内总点数。

效果：邻域平均法效果与邻域半径有关。

半径愈大，则图像的模糊程度越大。

缺点：在降低噪声的同时使图像产生模糊，特别在边沿和细节处，邻域越大，模糊越厉害。

邻域平均法：在去噪的同时也使边界变得模糊了。

中值滤波：非线性的处理方法，在去噪的同时可以兼顾到边界信息的保留。

选一个含有奇数点的窗口W，将这个窗口在图像上扫描，把该窗口中所含的像素点按灰度级的升（或降）序排列，取位于中间的灰度值，来代替该点的灰度值。

G(m,n)=Median{f(m-k,n-l), (k,l)∈W}
1. K近邻均值滤波器
在m×m的窗口中，属于同一集合类的像素，它们的灰度值将高度相关。

被处理的像素（对应于窗口中心的像素）可以用窗口内与中心像素灰度最接近的k个邻近像素的平均灰度来代替。

（1）作一个m×m的作用模板。

（2）在其中选择K个与待处理像素的灰度差为最小的像素。

（3）用这K个像素的灰度均值替换掉原来的值。

2. K近邻中值滤波器（1）作一个m×m的作用模板。

（2）在其中选择K个与待处理像素的灰度差为最小的像素。

（3）用这K个像素的灰度中值替换原来的值。

图像锐化——梯度锐化法所有梯度值都和相邻像素之间的灰度差分成比例。

利用它来增强图像中景物的边界。

采用梯度进行图像增强的方法有：（1）第一种方法:使其输出图像的各点等于该点处的梯度。

即g(i,j)=▽f(i,j) 缺点:输出的图像在灰度变化比较小的区域，g(i,j)很小，显示的是一片黑色，即显示灰度变化比较剧烈的边缘轮
廓。

（2）第二种方法: 对梯度值超过某阈值T的像素选用梯度值，而小
于T时选用原像素点值。

适当的选取T，可以有效地增强边界而不影响比较平滑的背景。

（3）第三种方法：对梯度值超过T的像素选用固定灰度LG 代
替，而小于T时仍选用原像素点值
这种方法可以使边界清晰，同时又不损害灰度变化比较平缓区域
的图像特性。

（4）第四种方法：将梯度值超过T的像素选用梯度值，而小于
T时选用固定的灰度LB 。

即
这种方法将背景用一个固定的灰度级LB来表示，便于研究边缘
灰度的变化。

（5）第五种方法：是将梯度值超过某阈值T的像素选用固定灰度
LG ，而小于该阈值T时选用固定的灰度LB 。

该法生成的是二值图，根据阈值将图像分成边缘和背景，便于研究
边缘所在的位置。

频域增强原理卷积定理G(u,v)=H(u,v)F(u,v) 增强图
步骤：(1) 计算图像的变换(2) 在频域滤波(3) 反变换回图像空间
频域滤波低通，高通，带通/带阻，同态
图像平滑——低通滤波图像的平滑除了在空间域中进行外，也可以在频率域中进行。

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，然后再进行傅立叶反变换获得滤波图像，就可达到平滑图像的目的。

低通滤波在去除噪音的同时也钝化了边和尖锐的细节。

图像锐化——高通滤波高通滤波器
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，再经傅立叶反变换得到边缘锐化的图像。

但高通滤波在增强了边的同时，丢失了图像的层次和亮度。

数据冗余数据冗余类别(1) 编码冗余与灰度分布的概率特性有关(2) 像素相关冗余空间冗余，几何冗余(3) 心理视觉冗余与主观感觉有关
图像压缩原理改变图像信息的描述方式，以压缩掉图像中的数据冗余。

忽略一些视觉不太明显的微小差异，以压缩掉图像中的视觉冗余。

图像压缩：是指在不同用途的图像质量要求下，保留确定信息、去除大量冗余和无用信息，尽可能用最少的比特数表示一幅图像，以减少图像存储容量和提高图像传输效率的技术。

根据图像的保真度，图像压缩编码方法的分类：
信息保存型（无损压缩编码）：在压缩和解压缩过程中没有信息损失
信息损失型（有损压缩编码）：常能取得较高的压缩率压缩后并不能经解压缩恢复原状
数据没有冗余，能否压缩？为什么？
不能，因为图像压缩是指在不同用途的图像质量要求下，保留确定信息、去除大量冗余和无用信息，尽可能用最少的比特数表示一幅图像，以减少图像存储容量和提高图像传输效率的技术。

没有冗余就没有办法减少图像比特数。

图像压缩——统计编码
统计编码根据信源的概率分布特性，分配具有惟一可译性的可变长码字，降低平均码字长度，以提高信息的传输速度，节省存储空间。

基本原理在信号概率分布已知的
基础上，概率大的信号对应的码字
短，概率小的信号对应的码字长，
这样就降低了平均码字长度。

哈夫曼编码步骤(1) 缩减信源符
号数量将信源符号按出现概率从
大到小排列，然后结合
哈夫曼编码步骤
(2) 对每个信源符号赋值
从（消减到）最小的信源开始，逐步回到初始信源
费诺编码变长编码技术，其码字中的0和1是独立的，并且基本上等概率出现。

主要步骤为：(1)将信源符号依其概率从大到小排列；(2) 将信源符号分成概率和接近的两部分；
(3)分别给两部分的信源符号组合赋值(4)如果两部分均只有一个信源符号，编码结束，否则返回(2)继续进行。

例、Fano编码。

图像增强：旨在改善图图像质量。

提高图像的可懂度。

更偏向主观判断，即要突出所关心的信息，满足人的视觉系统，具有好的视觉结果。

图像复原：根据图像畸变或退化的原因，进行模型化处理，将质量退化的图像重建或恢复到原始图像，即恢复退化图像的本来面目，忠实于原图像。

因此必须根据一定的图像退化模型来进行图像复原。

图像增强与图像复原图像增强与图像复原有类似的地方，二者的目的都是为了改善图像的质量。

但他们追求的目标不同，图像增强不考虑图像是如何退化的，只要处理后的图像满足人眼或机器视觉的要求即可，而图像恢复需要了解图像退化的机制和过程等先验知识，据此找到一种逆处理过程，从而恢复图像。

逆滤波与维纳滤波逆滤波对于没有被噪声污染的图像很有效，但是实际应用中，噪声通常无法计算，因此通常忽略加性噪声，而当噪声存在时，该算法就对噪声有放大作用，如果对一幅有噪声的图像进行恢复，噪声可能占据了整个恢复结果。

逆滤波算法不适合用来恢复含有噪声的图像。

维纳滤波与逆滤波相比有自动抑制噪声放大的作用。

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；②确定各像素的灰度值（灰度内插）。

像素灰度内插方法常用的像素灰度内插法有最近邻点法、双线性插值法和三次内插法三种。

1．最近邻点法在待求点的四邻像素中，将距离这点最近的相邻像素灰度赋给该待求点。

该方法最简单，效果尚佳，但校正后的图像有明显锯齿状，即存在灰度不连续性。

2．双线性插值法双线性插值法是利用待求点四个邻像素的灰度在两个方向上作线性内插。

该方法要比最近邻点法复杂，计算量大。

但没有灰度不连续性的缺点，结果令人满意。

它具有低通滤波性质，使高频分量受损，图像轮廓有一定模糊。

3．三次内插法该方法利用三次多项式S(x)来逼近理论上的最佳插值函数sin(x)/x。

该算法计算量最大，但内插效果最好，精度最高。

图像的几何变换包括了图像的形状变换和图像的位置变换。

图像的形状变换是指图像的放大、缩小与错切。

图像的位置变换是指图像的平移、镜像与旋转
图像的几何变换不改变像素的值，只改变像素的位置。

图像分割：把图像分成互不重叠的区域，并提取感兴趣的目标。

图像分割的概念
把图像分解成构成它的部件和对象的过程；
有选择性地定位感兴趣对象在图像中的位置和范围。

图像分割方法：
边缘的定义：图像中像素灰度有阶跃变化、脉冲变化或屋顶变化的那些像素的集合。

边缘的分类阶跃状脉冲状屋顶状
从数学上看，图像的模糊相当于图像被平均或积分，为实现图像的锐化，必需用它的反运算“微分”－－加强高频分量作用，使轮廓清晰。

边缘检测算子一阶微分：用梯度算子来计算
特点：对于亮的边，边的变化起点是正的，结束是负的。

对于暗边，结论相反。

常数部分为零。

用途：用于检测图像中边的存在
常见的算子：Sobel, Roberts, Prewitt
二阶微分：通过拉普拉斯来计算
特点：二阶微分在亮的一边是正的，在暗的一边是负的。

常数部分为零。

用途：1）二次导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边。

2）过零点，确定边的准确位置。

常见的算子：Laplace, Marr, Canny
边缘检测算子——二阶导数算子
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。

由于梯度算子和Laplace算子都对噪声敏感，因此一般在用它们检测边缘前要先对图像进行平滑。

Canny算子好的边缘检测算子应具有的三个指标
(1) 低失误概率即要少将真正的边缘丢失也要少将非边缘判为边缘
(2) 高位置精度检测出的边缘应在真正的边界上
(3) 对每个边缘有唯一的响应得到的边界为单像素宽
图示是应用Canny算子，进行边缘检测的结果。

Canny算子的检测比较优越，可以减少小模板检测中边缘中断，有利于得到较完整的边缘。

MATLAB程序：
I = imread('blood1.tif');
imshow(I);
BW5 = edge(I,' canny');
figure,imshow(BW5,[]);
边缘跟踪的概念将检测的边缘点连接成线就是边缘跟踪
由边缘形成线特征的两个过程可构成线特征的边缘提取将边缘连接成线
连接边缘的方法光栅扫描跟踪全向跟踪
光栅扫描跟踪是一种采用电视光栅行扫描顺序，结合门限检测，对遇到的像素进行分析，从而确定是否为边缘的跟踪方法。

光栅扫描跟踪和扫描方向有关，因此最好沿其他方向再跟踪一次，例如逆向跟踪，并将两种跟踪的结果综合起来能得到更好的结果。

霍夫变换检测法点―线的对偶性
图象空间中共线的点参数空间里相交的线
参数空间中相交于同一个点的直线图象空间里共线的点
霍夫变换: 把在图象空间中的检测问题转换到参数空间里，通过在参数空间里进行简单的累加统计完成检测任务。

算法特点：Hough变换的优点是抗噪声能力强，能够在信噪比较低的条件下，检测出直线或解析曲线。

缺点是需要首先做二值化以及边缘检测等图像预处理工作，损失掉原始图像中的许多信息。

区域生长基本思想：将相似像素结合起来构成区域
基本步骤：(1) 选择区域的种子像素2) 确定将相邻像素包括进来的准则(3) 制定生长停止的规则
算法描述:先对每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素有相似性质的像素合并到种子像素所在的区域中。

将这些新像素当作新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来。

颜色光的物理性质：波长（光速，频率）和幅度人眼对色彩的感觉：色调、饱和度和亮度亮度——幅度,人眼感受到的颜色光的强度同一种色块，在不同强度的白光照射下，反射的光波波长一样（色调相同），但人眼感觉到的颜色不同。

某一颜色的光，亮度很弱，趋于黑色，反之，趋于白色。

色调——波长饱和度——色光的纯度
与亮度有关：某一色调参入白光，色调不变但饱和度降低与参入其它颜
色的光有关：饱和度与色调都会改变。

常见颜色空间：RGB: 显示器信号CMY：彩色印刷YUV (YCbCr) ：
电视信号HSI，HSV，Munsell：人眼识别
三种基本色：红、绿、蓝三种补色：品红、蓝绿、黄
颜色相加与相减相加：发光物体发出某些波长的光波，这些波长
的光波叠加在一起。

相减：白光照在某种颜色的物体上，部分波长的光波被吸收，剩下
波长的光波进入人的眼睛
色调和饱和度合起来称为色度，颜色可用亮度和色度共同表示。

设为组成某种颜色C所需的3个刺激量分别用X，Y，Z表示，
而每种刺激量的比例系数为x，y，z，则有
C = xX + yY + zZ
在色度图中：(1) 每点都对应一种颜色(2) 边界上的点代表纯颜色，中心点处纯度为零(3) 连接任两端点的直线上的各点表示将这两端点所代表的颜色相加可组成
的一种颜色(4) 过C点直线端点的两彩色为互补色(5) 三角
形包含由三顶点可组成的彩色
集合运算：A为图像集合，B 为结构元素（集合）数学形态学运
算是用B 对A 进行操作结构元素要指定1个原点（参考点）
1. 膨胀
膨胀的算符为
集合A 结构元素B B 的映象 集合A ⊕B
2. 腐蚀
腐蚀的算符为
3. 原点不包含在结构元素中时的膨胀和腐蚀
原点包含在结构元素中 膨胀运算： A ⊆ A ⊕ B 腐蚀运算A B ⊆ A 原点不包含在结构元素中 膨胀运算：A ⊄ A ⊕ B 腐蚀运算：A B ⊆ A ，或 A B ⊄ A 原点不包含在结构元素中时的膨胀运算 A ⊄ A ⊕ B
1. 开启和闭合定义 膨胀和腐蚀并不互为逆运算
它们可以级连结合使用
开启：先对图像进行腐蚀然后膨胀其结果B B A B A ⊕=) (
闭合：先对图像进行膨胀然后腐蚀其结果B B A B A
) (⊕=∙
开启和闭合不受原点是否在结构元素之中的影响
1. 开启和闭合定义 开启运算可以把比结构元素小的突刺滤掉 闭合运算可以把比结构元素小的缺口或孔填充上
2. 开启和闭合的对偶性
开启和闭合也具有对偶性
()
B
A B A ˆc
c
∙
= ()B
A B A
ˆc c =∙
B
A B B A B
B A B B A B A ˆˆˆˆ)(])[()(c c c c c ∙
=⊕==⊕=
B A B B A B
B A B B A B A
ˆˆˆˆ)(])[()(c c c c c =⊕=⊕⊕=⊕=∙。