目錄

• 第一二章-數(shù)字圖像基礎(chǔ)
• • • • • 數(shù)字圖像與圖象？
        • 人眼
        • • 單色視覺(jué)模型：
        • 同時(shí)對(duì)比度
        • 馬赫帶效應(yīng)
        • • 側(cè)抑制效應(yīng): 視覺(jué)信號(hào)是由相鄰視覺(jué)細(xì)胞信號(hào)加權(quán)而成的
          • 馬赫帶效應(yīng)與同時(shí)對(duì)比度 表明同一個(gè)事實(shí)：（通俗版）相同的物體在亮背景里看起來(lái)暗，在暗背景里看起來(lái)亮。
        • 圖像數(shù)字化
      • 空間分辨率：圖像可辨別的最小細(xì)節(jié) （$M\times N$, 行數(shù)量 * 列數(shù)量）
      • 灰度分辨率： 灰度中可分辨的最小變化。（若灰度級(jí)$L=2^k$圖像動(dòng)態(tài)范圍$[0,L?1]$，則灰度分辨率=$M\times N\times k$）
      • 虛假輪廓：圖像灰度量化等級(jí)低，層次欠豐富，灰度分辨率低
• 第三章-圖像增強(qiáng)
• • • • • 知識(shí)地圖
        • • 關(guān)于冪次變換：
          • 伽馬校正：設(shè)備響應(yīng)具有冪次規(guī)律，用冪次變換的方法進(jìn)行校正。
        • 直方圖的意義
        • 直方圖均衡化存在的問(wèn)題
        • 算子整理與特點(diǎn)歸納
        • • （增強(qiáng)圖像的細(xì)節(jié)，銳化處理恢復(fù)過(guò)度鈍化、暴光不足的圖像）
• 第四章 頻域圖像增強(qiáng)
• • • • • • 理想低通濾波器 （振鈴現(xiàn)象）
          • 振鈴現(xiàn)象解釋：
          • Tips: 處理周期噪聲用頻域的方法！盡量不用空間域?yàn)V波的方法！！！
        • 高頻提升與高頻強(qiáng)調(diào)的區(qū)別
        • • 同態(tài)濾波
• 第五章 - 圖像復(fù)原
• • • • • • 知識(shí)地圖
• 第六章 - 彩色圖像處理
• • • • • • 顏色的三個(gè)特性：
          • CIE 色度圖
• 第八章 - 圖像壓縮
• • • • • • 一、相對(duì)數(shù)據(jù)冗余
          • 二、三種基本的數(shù)據(jù)冗余與壓縮
          • 如何解決？
          • 衡量圖像壓縮算法的基本因素：
          • 信息測(cè)量
          • 無(wú)損壓縮
          • 位平面編碼
• 第九章 - 形態(tài)學(xué)處理
• • • • • • 一、膨脹
          • 二、腐蝕
• 第十章 - 圖像分割
• • • • • • 一、圖像分割的目的是什么？
          • 二、圖像分割可以分為哪幾類？
          • 三、間斷檢測(cè)
          • Canny 算子
          • 高斯型拉普拉斯算子
• 第十一章 - 表示與描述

第一二章-數(shù)字圖像基礎(chǔ)

圖像表示: $f(x,y,\lambda ,t)$
(x,y) 表示 空間點(diǎn)坐標(biāo)
λ: 光線波長(zhǎng)
t: 時(shí)間

數(shù)字圖像與圖象？

• 圖象是指用各種觀測(cè)系統(tǒng)以不同形式和手段觀測(cè)客觀世界而獲得的，可以直接或間接作用于人眼并進(jìn)而產(chǎn)生視覺(jué)的實(shí)體。

• 數(shù)字圖像是指是以二維數(shù)字組形式表示的圖像，其數(shù)字單元為像元。

• 圖象（廣義&抽象）$?$ 數(shù)字圖像（狹義&具體）

人眼

• 錐狀體：亮度、顏色、細(xì)節(jié)識(shí)別
• 桿狀體：夜視、微光視覺(jué)

單色視覺(jué)模型：

• 線性模型：

-> 低通濾波器 -> 高通濾波器 ->

低通濾波器模擬人眼的光學(xué)系統(tǒng)（積分特性），高通濾波器模擬側(cè)抑制效應(yīng)引起的馬赫帶效應(yīng)

• 非線性模型：

-> 低通濾波器 -> log -> 高通濾波器 ->

考慮視覺(jué)恒定現(xiàn)象（物體和背景的亮度在很寬的范圍內(nèi)變化時(shí)，人對(duì)物體的亮度感覺(jué)保持不變），采用 log 進(jìn)行模擬。

同時(shí)對(duì)比度

• 亮度對(duì)比：由于亮度差引起
• 色度對(duì)比：背景顏色不同引起

馬赫帶效應(yīng)

重點(diǎn)：存在 邊界的灰度 過(guò)沖效應(yīng)。
同時(shí)對(duì)比度是由于面積亮度差引起的，馬赫帶效應(yīng)是明暗邊界引起的

側(cè)抑制效應(yīng): 視覺(jué)信號(hào)是由相鄰視覺(jué)細(xì)胞信號(hào)加權(quán)而成的

馬赫帶效應(yīng)與同時(shí)對(duì)比度 表明同一個(gè)事實(shí)：（通俗版）相同的物體在亮背景里看起來(lái)暗，在暗背景里看起來(lái)亮。

圖像數(shù)字化

• 量化：圖像幅度數(shù)字化
• 取樣：圖像坐標(biāo)數(shù)字化

• 空間分辨率：圖像可辨別的最小細(xì)節(jié) （$M\times N$, 行數(shù)量 * 列數(shù)量）

• 灰度分辨率： 灰度中可分辨的最小變化。（若灰度級(jí)$L=2^k$圖像動(dòng)態(tài)范圍$[0,L?1]$，則灰度分辨率=$M\times N\times k$）

• 虛假輪廓：圖像灰度量化等級(jí)低，層次欠豐富，灰度分辨率低

• 對(duì)比度 = $\frac{最大亮度}{最小亮度}$ （反應(yīng)圖像中灰度反差的大小）

第三章-圖像增強(qiáng)

空間域增強(qiáng)是對(duì)圖像的像素直接處理
頻率域增強(qiáng)是修改圖像頻域變換的系數(shù)

知識(shí)地圖

圖像空間域增強(qiáng):
1.點(diǎn)處理：

灰度變換（圖像反轉(zhuǎn) $s=L?1?r$; 對(duì)數(shù)變換$s=clog(1+r)$; 冪次變換$s=c\times r^{\gamma }$; 分段線性變換）

直方圖統(tǒng)計(jì)增強(qiáng) （均衡化，規(guī)定化）

算術(shù)邏輯增強(qiáng) （$+,?,\times ,/$, 與，或，非）

鄰域處理增強(qiáng)：

a. 空間鄰域?yàn)V波
b. 平滑濾波 （均值，中值濾波）
c. 銳化濾波 （拉普拉斯算子，梯度算子）

關(guān)于冪次變換：

當(dāng)$\gamma <1$, 提高灰度級(jí)， 使圖變亮

當(dāng)$\gamma >1$, 降低灰度級(jí)，使圖變暗

伽馬校正：設(shè)備響應(yīng)具有冪次規(guī)律，用冪次變換的方法進(jìn)行校正。

直方圖的意義

直方圖均衡化存在的問(wèn)題

算子整理與特點(diǎn)歸納

平滑濾波器：

均值濾波器
（1. 能夠減小灰度尖銳變化，減小噪聲；2. 導(dǎo)致邊緣模糊）

中值濾波器
（1. 較好地保留邊緣銳度和圖像細(xì)節(jié)；2. 有效去除脈沖噪聲）

銳化濾波器：

（增強(qiáng)圖像的細(xì)節(jié)，銳化處理恢復(fù)過(guò)度鈍化、暴光不足的圖像）

Laplace 算子
（1.對(duì)噪聲很敏感；2. 算子幅值產(chǎn)生雙邊緣；3.利用零交叉性質(zhì)進(jìn)行邊緣定位；4. 確定像素在 亮 / 暗 的一邊）

梯度算子
（Roberts交叉梯度算子，Prewitt算子，Sobel算子）
Sobel算子比Prewitt更能抑制噪聲

第四章 頻域圖像增強(qiáng)

頻域?yàn)V波三種類型

• 陷波濾波器
• 低通濾波器（$\approx$平滑）
• 高通濾波器（$\approx$銳化）

一、陷波濾波器

二、低通濾波器

理想低通濾波器 （振鈴現(xiàn)象）

巴特沃斯低通濾波器

高斯低通濾波器

振鈴現(xiàn)象解釋：

首先，理想低通濾波器在頻域是一個(gè)門函數(shù)，時(shí)域?qū)?yīng)的是一個(gè)sinc函數(shù)。
在濾波時(shí)，其在頻域相乘就是時(shí)域相卷，sinc函數(shù)我們知道它是一個(gè)長(zhǎng)度無(wú)限的函數(shù)，而且是波動(dòng)的函數(shù)，頻域相乘門函數(shù)，時(shí)域卷積sinc函數(shù)，其過(guò)程就是對(duì)sinc函數(shù)的搬移，這樣在搬移后的sinc函數(shù)疊加的時(shí)候由于其波動(dòng)性質(zhì)就會(huì)對(duì)周圍的點(diǎn)造成影響，從而出現(xiàn)振鈴現(xiàn)象。


(減少尖銳的細(xì)節(jié)部分而突出平滑的過(guò)渡部分)

三、高通濾波器

理想高通

巴特沃斯高通

高斯高通

高頻提升與高頻加器濾波器

Tips: 處理周期噪聲用頻域的方法！盡量不用空間域?yàn)V波的方法！！！

\

高頻提升與高頻強(qiáng)調(diào)的區(qū)別

高頻提升濾波器（把一個(gè)比例 k 的原圖加到濾波后的結(jié)果上， $k>1$代表高頻提升，$k=1$ 表示鈍化）

高頻強(qiáng)調(diào)濾波器 （在高通濾波器的轉(zhuǎn)移函數(shù)中加入常數(shù)量以引入低頻分量，改善高通濾波后圖像偏暗的情況）

\

同態(tài)濾波

\

第五章 - 圖像復(fù)原

知識(shí)地圖

噪聲模型

圖像增強(qiáng)與圖像復(fù)原的異同點(diǎn)

空間域?yàn)V波 - 復(fù)原

幾何校正

一、噪聲模型

高斯噪聲 (電子電路噪聲)
瑞利噪聲（圖像特征化噪聲）
伽馬噪聲 （激光成像噪聲）
指數(shù)分布噪聲
均勻分布噪聲 （隨機(jī)數(shù)產(chǎn)生器）
脈沖噪聲 （成像中的短暫停留）
周期噪聲 （頻域削減周期噪聲）

\

二、圖像增強(qiáng)與圖像復(fù)原的異同點(diǎn)

圖像增強(qiáng)（主觀、不考慮圖像降質(zhì)、提高圖像的可懂度）（空域法、頻域法）
圖像復(fù)原（客觀、建立客觀標(biāo)準(zhǔn)、提高圖像的逼真度）（空域?yàn)V波復(fù)原、頻域削減周期噪聲）

\

三、空域?yàn)V波器的特點(diǎn)

\

四、幾何校正

幾何校正的步驟：

空間變換 （圖像坐標(biāo)位置進(jìn)行校正）

灰度插值 （1. 最近鄰插值；2. 雙線性插值； 3. 雙立方插值）

\

第六章 - 彩色圖像處理

顏色的三個(gè)特性：

色調(diào)：彩色類別

飽和度：顏色純度，區(qū)別顏色的深淺

亮度：視覺(jué)系統(tǒng)對(duì)可見(jiàn)物體輻射或發(fā)光多少的感知屬性

CIE 色度圖

• $color=x\times R+y\times G+z\times B$
• 色度圖成馬蹄形
• x軸色度坐標(biāo)為 紅基色比例；y軸色度坐標(biāo)為 綠基色比例；z軸色度坐標(biāo)為 藍(lán)基色比例 （實(shí)際運(yùn)算：$z=1?x?y$）
• C點(diǎn)為 白色
• 顏色越靠近C點(diǎn)，純度越小，越靠近邊界，純度越大，飽和度越高

\

顏色模型：

• RGB，用于計(jì)算機(jī)顯示器
• HSI，Hue 代表色調(diào)；Saturation 飽和度，Intensity 強(qiáng)度
• HSI 廣泛用于 計(jì)算機(jī)視覺(jué)、視頻檢索、圖像檢索
• YIQ、YUV 廣泛用于 電視廣播系統(tǒng)

\

第八章 - 圖像壓縮

一、相對(duì)數(shù)據(jù)冗余

$R_D=1?\frac{1}{C_R}$
壓縮率：$C_R=\frac{n_1}{n_2}$
$n_1,n_2$ 代表 2個(gè) 表示相同信息的數(shù)據(jù)集合 中 所攜帶的信息單元的數(shù)量

二、三種基本的數(shù)據(jù)冗余與壓縮

• 編碼冗余 （使用了多于需求的編碼符號(hào)）
• 像素間冗余（很多單個(gè)像素對(duì)視覺(jué)的貢獻(xiàn)是冗余）
• 心里視覺(jué)冗余（有些信息心理上認(rèn)為是不重要的）

如何解決？

針對(duì)1（編碼冗余）：

• 灰度編碼
• 自然二進(jìn)制編碼
• 變長(zhǎng)編碼 （概率高的灰度級(jí)用短碼，P小的灰度級(jí)用長(zhǎng)碼）

針對(duì)2 （像素間冗余）：行程碼

針對(duì)3 （心理視覺(jué)冗余）：量化（有損壓縮）

\

衡量圖像壓縮算法的基本因素：

壓縮比、恢復(fù)質(zhì)量 （壓縮的圖像處理）、復(fù)雜度（壓縮解壓速度）

\

信息測(cè)量

自信息：$I(E)=log\frac{1}{P(E)}$

熵： $H(z)=?{\sum }_{j=1}^{J}P(a_j)logP(a_j)$

編碼效率：$\eta =\frac{H}{L_{avg}}$, $L_{avg}$代表平均碼長(zhǎng)

\

無(wú)損壓縮

哈夫曼編碼
按照P的概率大小排序，然后合并最小的兩個(gè)P，依次循環(huán)直至只剩下兩個(gè)，然后回溯，兩條支路分別賦值0，1

具體計(jì)算過(guò)程如下


哈夫曼編碼特點(diǎn)：

\

算術(shù)編碼

編碼和解碼都要注意畫(huà)數(shù)軸！防止出錯(cuò)！！

位平面編碼

• 格雷碼
  e.g., 灰度值為 0001111 的格雷碼是 0001000
  最高位保持不變，后面每一位 異或 運(yùn)算。

\

第九章 - 形態(tài)學(xué)處理

一、膨脹

（注意：結(jié)構(gòu)元必須先反射，即關(guān)于原點(diǎn)對(duì)稱，然后結(jié)構(gòu)元的中心保證在A的內(nèi)部滑動(dòng)，中心不超出A的內(nèi)部）

\

二、腐蝕

(注意： 結(jié)構(gòu)元不用反射！！！ 結(jié)構(gòu)元的所有部分必須一直包在A內(nèi)部)

\

第十章 - 圖像分割

一、圖像分割的目的是什么？

圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過(guò)程

二、圖像分割可以分為哪幾類？

• 基于門限的分割
• 基于區(qū)域的分割

三、間斷檢測(cè)

點(diǎn)檢測(cè) （類似拉普拉斯算子8鄰域）

線檢測(cè)

邊緣檢測(cè)

• 數(shù)字邊緣模型

• 一階微分二階微分定義

（在邊緣斜面上，一階微分大于0；
在邊緣與黑色交界處，二階導(dǎo)大于0；
在邊緣與亮色交界處，二階導(dǎo)小于0）

• 一階導(dǎo)數(shù)（梯度算子）
• 二階導(dǎo)數(shù)（拉普拉斯算子）

Canny 算子

一、步驟

• 高斯濾波平滑圖像，抑制噪聲
• 一階梯度算子計(jì)算梯度的幅值和方向
• 對(duì)梯度幅值進(jìn)行 非極大值抑制
• 雙閾值算法檢測(cè) 和 連接邊緣

Canny 算子為了提高邊緣細(xì)化和連接的效果，采用了：雙閾值算法檢測(cè) 和 非極大值抑制 技術(shù)。

高斯型拉普拉斯算子

特點(diǎn)：

• 中心項(xiàng)為正
• 周圍相鄰負(fù)值
• 0值外部區(qū)域包圍
• 系數(shù)總和為0

等價(jià)關(guān)系：
用LoG算子等同于 先用高斯平滑濾波 然后再 拉普拉斯濾波

第十一章 - 表示與描述

表示：直接具體地表示目標(biāo)
描述：抽象地表示目標(biāo)

鏈碼
鏈碼差分

總結(jié)

以上是生活随笔為你收集整理的＜数字图像处理＞整理--冈萨雷斯版-华中科技大学powerpoint的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。