计算机图像处理.doc

第二章 图像数字化数字化器（图像采集与输入设备）：数字化器必须能够将图像划分为若干像素并分别给它们地址，能够度量每一像素的灰度并量化为整数，能够将这些整数写入存储设备。数字化器的组成是：A采样孔：保证单独观测特定的像素而不受其它部分的影响；B图像扫描机构：使采样孔按预先确定的方式在图像上移动；C光传感器：通过采样孔测量图像的每一个像素的亮度；D量化器：将传感器输出的连续量转化为整数值；E输出存储体：将像素灰度值存储起来。它可以是固态存储器 或磁盘等。图像传感器（电子设备的图像接收器）：通常包含放大器、噪声校正和数字化电路 取样：空间坐标的离散化，即将一幅连续图像在空间上分割成MN个网格，每一网格用一亮度值来表示。图像取样的原理：n 首先将图像平面置于由X、Y标示的二维笛卡儿坐标系的XY平面上，n 然后将图像划分成网格（划分网格的方法是，在X轴向以一定间隔平行于Y轴划线，在Y轴向以一定间隔平行于X轴化线，形成矩形网格），n 最后将图像每个网格中心点或每个网格线交点（该点在数字图像中又称像素）的性质值取出来，并排列成矩阵，就完成了图像采样。 均匀采样 当采样线的所有行间距相等，采样线的所有列间距也相等时，就是均匀采样。通常还取行间距等于列间距。图像的空间分辨率 由空间采样率决定的分辨图像细节的能力叫图像的空间分辨率(有些地方简称分辨率)，它直接取决于图像的像素数。对于采样来说，采样间隔越小，空间分辨率越高；采样间隔越大，空间分辨率越低。幅度分辨率 在图像性质最大取值一定的情况下，对图像性质值进行量化时，量化台阶的大小，决定了数字图像颜色分层的多少、颜色丰富的程度。通常将与颜色分层相关的分辨率叫做幅度分辨率。量化台阶越小，幅度分辨率就越高，颜色层次就越多；反之，量化台阶越大，幅度分辨率就越低，颜色层次就越少。 量化：将取样点(像素)的灰度(亮度)离散化，使之由连续量转换为离散的整数值即灰度值、灰度级(gray level)的过程。 矢量量化： 将一组采样的信号幅度矢量在容许的误差范围内用更少的离散矢量代替。描述数字图像的基本参数：n 图像分辨率：水平或垂直方向上单位长度的像素点。n 图像深度：各像素点亮度或色彩信息用二进制表示的位数。n 图像数据量：总像素点每个像素点所需字节数。第三章 图像变换（图像变换的实质是两个空间基之间的变换）图像变换的目的在于：n 使图像处理问题简化（傅立叶变换）；n 有利于图像特征提取（小波变换）；n 有助于从概念上增强对图像信息的理解；n 数据压缩（离散余弦变换）。傅立叶变换 把在无限区间上一个连续信号分解为许多简谐波的叠加的变换称为傅立叶变换。 傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数。（RGB图象要先变换为灰度图象后才能进行二维傅立叶变换。）傅立叶变换的应用领域：n 特征提取n 图像信息压缩n 计算机断层(CT)中的图像重建n 雷达图像(合成孔径雷达)的重建n 在空间频率域的滤波处理n 卷积(空间滤波)的高速计算n 在纹理分析方面的应用傅立叶变换的缺点：n 尽管傅立叶变换有快速算法，但由于它计算的是复数而不是实数，仍然比较费时；n 收敛慢，在图像编码中尤为突出。n 只能获得信号的整个频谱，而难以获得信号的局部特性，特别是对于突变信号和非平稳信号难以获得希望的结果。第四章 图像增强图像增强： 为了改善视觉效果或便于人或机器对图像的分析理解，根据图像的特点或存在的问题以及应用的目的所采取的简单改善图像质量的方法或加强图像某些特征的措施。图像增强的基本目的是使经过增强处理后的输出图像具有原始输入图像所不具有的“更适合于观察的特质”，对于不同的实际应用，所要求的“更适合于观察的特质”是不一样的， 就观察者而言，观察者可能是人，也可能是机器（计算机）。直方图增强 ：一是加大对比度，二是消除平滑噪声。直方图修正从本质上来说，是调整图像灰度的概率分布密度函数，从而改变图像的特征。均值滤波： 是指在图像上对待处理的像素给一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。空间域滤波和频率域滤波之间的对应关系n 空间域和频率域中的滤波器组成了傅里叶变换对：给出在频率域的滤波器，可以通过反傅里叶变换得到在空间域对应的滤波器，反之亦然；n 滤波在频率域中更为直观，但在空间域一般使用更小的滤波器模板；n 可以在频率域指定滤波器，做反变换，然后在空间域使用结果滤波器作为在空间域构建小滤波器模板的指导。第五章 图像编码与压缩图像压缩 在保证一定图像质量的前提下，对要处理的图像源数据按一定的规则进行变换和组合(编码)，从而实现以尽可能少的代码来表达尽可能多的数据信息。压缩通过编码来实现，故又叫编码压缩。图像压缩的目的在于编码压缩技术解决大容量图像的处理、存储与传输问题。第六章 图像复原图像恢复： 是试图利用退化现象的某种先验知识，建立退化现象的数学模型，再根据模型进行反向的推演运算，以恢复原来的景物图像。图像恢复的目的是改善图像质量，值得注意的是它是一个客观过程；它追求恢复原始图像的最优估值。图像退化：在景物成像的过程中，受多种因素的影响，图像质量都会有所下降，这种图像质量下降的过程称为图像退化。图像退化的典型表现为：图像模糊、失真、有噪声等 。从数学上讲，图像退化是卷积运算与加噪运算的组合。引起图像退化的具体因素如下：n 太阳辐射、大气湍流、云层遮挡造成遥感图像失真；n 携带遥感仪器的飞行器运动的扰动、姿态不正确、成像装置机械扫描速度不稳定、地球自转造成几何失真；n 摄像装置和景物的相对运动，造成运动模糊；n 聚焦不良造成散焦模糊；n 底片感光、显示器显示造成图像失真；n 数字化与数-模转换造成失真；n 成像系统的像差、畸变、有限带宽造成失真；n 成像系统自始自终存在的噪声干扰。图像恢复：根据降质数学模型及原始图像的某些知识，设计一个恢复系统，降质图像作为恢复系统的输入，该系统使其输出的恢复图像按某种准则最接近原始图像。这个过程叫图像恢复。几何畸变：由于成像系统的非线性，成像后的图像与原景物图像相比，产生比例失调，被描述的景物产生扭曲，这类图像退化称为几何畸变，解决这类问题称为几何畸变校正。图像重建 通过一组与图像有关的物理数据来建立图像的技术。第七章 图像分割图像分割 将图像分成一系列有意义的区域，并将一些感兴趣的目标区域提取出来的过程。图像分割中区域的特点： n 互斥性与完备性 每个像素都分且只分进某个子区域中；所有子区域的并集就是原来的图像。n 单一性与独特性 同一区域的像素具有某些相同的特性；不同区域的像素具有一些不同的特性 。n 连通性 区域内的像素是连通的。第八章 图像特征与分析图像特征 是指图像的原始特性或属性。每一幅图像都有其本身的特征：n 自然特征(物理特征)：视觉直接感受到的图像特征，如颜色特征、几何形状特征、纹理特征等；n 人为特征(数学特征)：需要通过变换或测量才能得到的图像特征，如傅立叶能量谱、直方图等。特征形成 根据待识别的图像，通过计算产生一组原始特征的过程。特征提取 原始特征数量很大，图像样本处于一个高维空间中，通过映射（变换，如K-L变换）的方法，用低维空间来表示样本的过程。 特征选择 从一组特征中找出那些最有效的特征，以达到降低特征空间维数的过程。良好的特征有4个特点：n 可区别性 不同类的图像，其特征有明显的差异；n 可靠性 同类图像，特征值应比较接近；n 独立性 选择的特征之间彼此不相关；n 数量少 增加带噪声的特征或与现存特征相关的特征会使识别系统的性能下降，所选特征应尽量减少，也就是“最佳特征集”。纹理 在某一区域内分布均匀的图形模式称为纹理，是表征像素按一定规律进行重复排列的参数。n 图像纹理的一个重要特征是局部区域中像素位置之间的相关性。纹理大致可分为两类：n 规则纹理(人工纹理)n 准规则纹理(自然纹理) 纹理是有关灰度和颜色的二维变化图案，可根据纹理的均匀性对区域赋予特征。纹理的两个要素：n 纹理基元：由像素组成的具有一定形状和大小的集合称为纹理基元。它是一种或多种图像基元的组合，有一定的形状和大小；n 纹理基元的排列组合：基元排列的疏密、周期性和方向性等的不同，能使图像的外观产生极大的改变。n 纹理就是由纹理基元按某种确定性的规律或者某种统计规律排列组成的。颜色特征 是一种全局特征，描述了图像或图像区域所对应景物的表面性质。一般颜色特征是基于像素点的特征。 形状vs纹理n 通常纹理特征比较容易获得，而形状特征的计算常比较复杂形状vs颜色n 颜色特征多具有平移、旋转和尺度不变性，而不少形状特征（如边缘方向）只具有平移不变性纹理vs颜色n 颜色特征充分利用了图像的色彩信息，而纹理特征只利用了图像的灰度信息（彩色纹理特征不多见）n 颜色特征侧重于图像整体信息的描述，而纹理特征更偏重于局部第九章 图像识别（模式识别）模式 客观世界和主观世界即物质和意识的所有方面、所有个体、所有单元、所有事物的抽象模式识别过程：n 图像分割或物体分离阶段 在该阶段中检测出各个物体，并把它们的图像和其余景物分离。n 特征抽取阶段 在该阶段对物体进行度量。一个度量是指一个物体某个可度量性质的度量值，而特征是一个或多个度量的函数。计算特征是为了对物体的一些重要特征进行定量估计。特征抽取过程产生了一组特征，把它们组合在一起，就形成了特征向量。n 分类阶段 它仅仅是一种决策，确定每个物体应该归属的类别。模式识别的理论根据：图像中的同类景物在相同的条件下，具有相同或类似的光谱信息特征和空间信息特征，从而表现出同类景物的某种内在相似性。各种模式识别方法的比较n 统计模式识别方法：以概率论和数理统计为基础，用特征矢量描述模式，用条件概率分布表示模式类，识别能力强，但不能反映模式结构特征，特征维数高时识别困难；n 句法模式识别方法：以形式语言和自动机技术为基础，用符号串、树描述模式，用句法表示模式类，识别简便，能反映模式的结构特征，缺点是当存在噪声时抽取模式基元困难；n 模