数字图像分析-1

1、数字图像分析参考资料A:数字图像处理基础1：图像线性变换表达式：令H是一种算子，则输入和输出都是图像，如果对于任何两幅图像f和g及任何两个标量a,b有如下关系，则称H是线性算子：H(af+bg)=aH(f)+bH(g).条件：齐次性，可加性。2 图像采样(书P40)一幅图像的x和y坐标及幅度可能都是连续的，为了把它转换为数字形式，必须在坐标和幅度上都做采样操作。数字化坐标值称为取样，数字化幅度值称为量化。数字图像的质量很大程度上取决于取样和量化中所用的取样数和灰度级。取样和量化的结果是一个实际矩阵，取样值是决定一幅图像空间分辨率的主要参数，基本上，空间分辨率是图像中可辨别的最小细节。采样间隔越

2、大，图像质量越差，数据量越小。3 图像邻域（书P51）两种：4邻域和8邻域位于坐标(x,y)的一个像素p有4个水平和垂直的相邻像素，其坐标由下式给出：(x+1,y),(x-1,y),(x,y+1),(x,y-1)这个像素集称为p的4邻域，用表示。每个像素距(x,y)一个单位距离，如果(x,y)位于图像的边界，则p的某一邻像素位于数字图像的外部。P的4个对角邻像素有如下坐标：(x+1,y+1),(x+1,y-1),(x-1,y+1),(x-1,y-1)并用表示。与4个邻域点一起把这些点叫做p的8邻域，用表示。B: 图像变换1种类：傅里叶变换、余弦变换、K-L变换、小波变换。2傅里叶变换与小波变换

3、的区别：傅里叶变换的基础函数是正弦函数，小波变换则是基于一些小型波，具有变化的频率和有限的持续时间，能够反映时域和频域的局部特性。而傅里叶变换只提供了频率，局部信息在变换过程中丢失了，在时域上不具备分辨率。因此，在描述局部特征方面，小波比傅里叶变换更好。3 四种变换中K-L变换的去除相关性最好。4 图像的直方图描述了图像的像素值的概率特性，图像与直方图的关系是多对一。5 直方图均衡化是指直方图的归一化，直方图规定化是指用于产生处理后有特殊直方图的图像的方法。C:图像增强一 直方图处理1. 概念：灰度直方图（histogram）是灰度级的函数，它表示图象中具有每种灰度级的象素的个数，反映图象中每

4、种灰度出现的频率。灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率，是图象的最基本的统计特征2. 直方图均衡化概念：通过灰度变换将一幅图象转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。3. 直方图规定化概念：指将一幅图象通过灰度变换后，使其具有特定的直方图形式，如使图象与某一标准图象具有相同的直方图，或使图象具有某一特定函数形式的直方图。二 图像锐化1. 各种边缘检测算子（要求数字化实现）a.梯度算子：由于上式对整幅图像计算时运算量很大，因此在实际操作中常用绝对值代替平方与平方根运算近似求梯度的模值：b.拉普拉斯算子: 二维拉氏算子数字实现为：c.Robert算

5、子:数字实现为：d.Prewitt算子(网络版)在抗噪声能力方面，上面四个中，Prewitt最强。2. 频率域图像锐化的过程如上图所示，对于频域图像锐化（即高通滤波）和图像平滑（即三1.中所指的低通滤波）来说，区别就在于滤波函数的不同，对于二维图像，理想高通滤波器定义为：三 图像平滑1. 低通滤波滤波过程如上图所示，理想的低通滤波器定义为：2. 中值滤波中值滤波是典型的统计排序滤波器，主要功能是使拥有不同灰度的点看起来更接近于它的邻近值。与一般的局部均值滤波相比的优势在于：对处理椒盐噪声非常有效；可以保护边缘。过程：先将掩模内欲求的像素及其邻域的像素值排序，确定出中值，并将中值赋予该像素点。D

6、:彩色图像处理彩色图像处理的三特征:亮度、色度、饱和度。彩色模型：GRB、CMY、CMYK、HIS其中HIS模型更符合人描述和解释颜色的方式。颜料的三原色：青、黄、品红。 颜色的三基色：RGBE:图像分割1阈值化分割（二值化分割） 阈值分割法是一种基于区域的图像分割技术，其基本原理是：通过设定不同的特征阈值，把图像象素点分为若干类。常用的特征包括：直接来自原始图像的灰度或彩色特征；由原始灰度或彩色值变换得到的特征。设原始图像为f(x，y)，按照一定的准则f(x，y)中找到特征值T，将图像分割为两个部分，分割后的图像为：若取：b0=0(黑)，b1=1(白)，即为我们通常所说的图像二值化。图像的二

7、值化处理就是将图像上的像素点的灰度值设置为0或255，也就是讲整个图像呈现出明显的黑白效果。将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。其次，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像。所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。2图像分割算法一般基于亮度值的两个基本特征

8、之一：不连续性和相似性。F:图像压缩1,压缩比：2,压缩标准：JPEG(DCT),JPEG2000(小波)3,图像数据中的三种冗余a:编码冗余(编码)，b,像素间冗余(帧内压缩)，c,心里视觉冗余(变换，量化)4，信息量的计算熵的计算，5:霍夫曼编码G:掌握膨胀和腐蚀的两种基本操作膨胀与腐蚀（P423中文）：膨胀与腐蚀是形态处理的基础:1.膨胀：由于A和B是中的集合，A被B膨胀定义为：这个公式是以得到B的相对与他自身原点的映像并且由z对映像进行位移为基础的。A被B膨胀是所有位移z的集合，这样和A至少有一个元素是重叠的，所以上式也可以表示为：与在其他形态学运算中一样，集合B通常称为膨胀的结构元素

9、。2.腐蚀：对Z中的集合A和B，使用B对A进行腐蚀，用表示，并定义为：公式表明，使用B对A进行腐蚀就是所有B中包含于A中的点z的集合用z平移。网络整理 简单的腐蚀是消除物体的所有边界点的一种过程，其结果是使剩下的物体沿其周边比原物体小一个像素的面积，简单的膨胀运算是将与某物体接触的所有背景点合并到该物体中的过程腐蚀可以消除图像中小的噪声区域，膨胀可以填补物体中的空洞。对一个图像先进行腐蚀运算然后再膨胀的操作过程称为开运算，它可以消除细小的物体、在纤细点处分离物体、平滑较大物体的边界时不明显的改变其面积。如果对一个图像先膨胀然后再收缩，我们称之为闭运算，它具有填充物体内细小的空洞、连接邻近物体、

10、在不明显改变物体面积的情况下平滑其边界的作用。通常情况下，当有噪声的图像用阈值二值化后，所得到的边界是很不平滑的，物体区域具有一些错判的孔洞，背景区域散布着一些小的噪声物体，连续的开和闭运算可以显著的改善这种情况，这时候需要在连接几次腐蚀迭代之后，再加上相同次数的膨胀，才可以产生所期望的效果。为了更好的显示出二值图像的处理效果，我们仍旧以图像采集卡获取的汽车图像为处理源图像，下图为处理后的效果。a图为包含噪声的图像，b图为经过腐蚀膨胀处理后的图像，可以看出，经过上述处理，成功的消除了图像中的噪声点，同时又起到了平滑边缘的作用。H: 图像识别应用实例：一纹理分析纹理分析是指通过一定的图像处理技术

11、提取出纹理特征参数,从而获得纹理的定量或定性描述的处理过程.纹理分析方法按其性质而言,可分为两大类:统计分析方法和结构分析方法 二.人脸识别系统人脸捕获与跟踪功能： 人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。人脸识别比对： 人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。人脸的建模与检索： 可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板（人脸特征文件）保存到数据库中。在进行人脸搜索时（搜索式），将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将