浮水印和抽样原理ppt课件

1、第一章光、影像、浮水印和抽樣原理1.1.2 光與顏色1.3 人眼與照像機的關係1.4 彩色方式的轉換 - RGB、YIQ、HSV和YUV1.5 隱像術與浮水印1.6 人臉的定位應用1.7 影像抽樣原理1.9 作業1.5.1 影像的位元平面分析1.5.2 根本原理 1.6.1 形態學 1.6.2 離散餘弦轉換 1.7.1 傅利葉轉換 1.7.2 防止混疊效應 1.1 前言2.光(Light)是一種粒子，也是一種波。人的眼睛只能看到可見光的部份，卻不能看見頻率(Frequency)低於可見光的紅外線和微波，也無法看見頻率高於可見光的紫外線和加瑪射線。在影像處理中，像素的亮度(Brightness)

2、和頻率的關係，如圖1.2.1所示。低頻率的紅光和高頻率的紫光的亮度都不如比較中間頻率的黃綠光來的強。1.2 光與顏色圖1.2.1 亮度與頻率的關係3.1.3 人眼與照像機的關係除了利用掃描器(Scanner)外，影像處理前的輸入影像有很大的比例是由照像機(Camera)拍攝而得。瞳孔的功能很像照像機的光圈，是用來調節進入人眼內部的光通量，光通量普通以流明(Luminance)為單位。圖1.3.1 人眼表示圖4.圖1.3.2透鏡成像原理圖1.3.2為透鏡成像的中央投影(Central Projection)表示圖。圖中的f代表鏡頭的焦距； f1代表物距， f2而代表像距。f、 f1和f2會滿足以

3、下式子Q1：令f1 = 3 cm和f2 = 6 cm，求算f。ANS：根據式(1.3.1)，我們得到所以f = 2 cm。 EOA(1.3.1)5.1.4 彩色方式的轉換在影像的彩色方式中，比較常見的有以下幾種：(1)RGB， (2)YIQ，(3)HSV，(4)YUV。RGBYIQ(1.4.1)Q1：給一像素，其(R , G , B)為(100, 50, 30)，試求其對應的灰階值。ANS：由式(1.4.1)可得故得灰階值63。EOA6.Q2：給一22 RGB影像 請將I由RGB彩色影像轉換成YIQ影像，這裡(10,20,40)代表R=10,G=20和B=40。 ANS：利用式子(1.4.1)

4、可得經過四捨五入後，所得到的YIQ影像為EOA7.圖1.4.1 彩色Lena影像 圖1.4.2 轉換的高灰階Lena影像 給一彩色 Lena影像，如圖1.4.1所示，利用式 (1.4.1) 中Y與RGB的關係，我們可得到圖1.4.2所示的高灰階影像。8.RGBHSV(1.4.2)在HSV系統中，H=0時代表紅色，H=120時代表綠色，H=240時代表藍色。當的S=0時，表示影像為灰階式的影像。當H = 0且S=1時，影像為紅色。當V=0時，表示黑色。反之，當V=1時，表示白色的亮光。9.HSV系統可以圖1.4.3表示其座標系統。HSV彩色系統有時也稱作HSB彩色系統，這裡的B代表Brightn

5、ess。HSV有時更被稱作HIS，這裡的I代表Intensity，其實就是灰階值。 圖1.4.3 HSV彩色系統10.YUVYIQ在JPEG系統中，我們第一步輸入RGB彩色影像。第二步將RGB彩色轉換成YCbCr彩色系統。詳細的Cb和Cr可由下式獲得(1.4.3) 的 代表“Blue Minus Black and White ; 代表“Red Minus Black and White 。11.1.5 隱像術與浮水印1.5.1 影像的位元平面分析 將RGB分解成R平面、G平面和B平面 (a) R平面(b) G平面(a) B平面圖1.5.1.1彩色Lena影像的三張分解圖12.(a) 第一張位

6、元平面 (b) 第二張位元平面(c) 第三張位元平面 (d) 第四張位元平面(e) 第五張位元平面 (f) 第六張位元平面(g) 第七張位元平面 (h) 第八張位元平面將高灰階Lena影像中的灰階像素分解成八個位元平面 圖1.5.1.2高灰階Lena影像的八張分解平面13.圖1.5.1.3圖1.5.1.2(e) (h) 的合成影像 我們把圖1.6(e) (h) 疊在一同可得到圖1.5.1.3。圖1.5.1.3中的Lena和圖1.4.2中的Lena在肉眼上幾乎分辨不出什麼差異。 14.Q1：給一如下的44子影像，子影像的每一個像素之灰階值佔用 八個位元，請算出第三張位元平面。8765323130

7、29101112130123ANS：我們首先將上面的子影像轉換成00001000000001110000011000000101001000000001111100011110000111010000101000001011000011000000110100000000000000010000001000000011將右邊第三位元全部搜集起來，我們得到如下的第三位元平面： 0111011100110000EOA15.Q2：前述的隱像術之優缺點為何? ANS：滿足上圖的函數也叫單程函數(One Way Function)。利用位元平面來植入影像的最大缺點為：一旦經過壓縮後，所植入的影像很容易遭

8、到破壞，解壓後所取出的影像经常已遭到很嚴重的破損。EOA16.1.5.2 根本原理 給二張影像A和B，所謂的隱像術就是把A影像隱藏在B影像並且讓人無法察覺B影像中藏了A影像。而所謂的浮水印，可把A看成標誌(Logo)，通常這個標誌可想成一種版權。隱像術PSNR令B為將A隱藏在B後的結果。PSNR (Peak Signal-to-Noise Ratio)很常被用來評估B和B的类似性，PSNR的定義如下浮水印17.一種SVD結合 VQ 的隱像術方法知有一 的灰階影像A，假設A的秩(Rank)為r，則A的SVD可表示為V和U為正交矩陣(Orthogonal Matrix)且 ，其中 滿足 和 。這裏

9、 等於 ， 為矩陣At A的第i個特徵值(Eigenvalue)。18.Q1：如何知道 ？ ANS：利用EOA19.Q2：如何知道A可進行SVD分解？也就是，如何得到ANS：(1.5.2.1)20.例如，令 ，則 。 的特徵值(Eigenvalues)為 和 。將特徵值開根號，A的奇異值為 和 。特徵值為16的特徵向量為 而特徵值為0的特徵向量為 ，利用這二個特徵向量可建構出利用 可得 所以21.又由 ，可得 。利用 可找出 和 來。所以A的SVD可表示為我們可利用前人提出的結合SVD及VQ之方法，在壓縮效果和失真之間得到一個較好的平衡 。22.圖1.5.2.1(a)為待植入的F16影像，圖1

10、.5.2.1(b) 為將F16植入圖1.4.2後的結果。F16經隱像後，效果的確蠻好的，畢竟在圖1.5.2.1(b)中，用肉眼實在看不出F16隱藏其中。 (a) 待植入的F16 (b) 將F16植入圖1.4.2後的結果 圖1.5.2.1隱像後的效果 23.Q3：普通而言，怎樣分辨浮水印和資料隱藏? ANS：用浮水印所参与的影像，主要是想確定誰是影像的真正一切者；而資料隱藏只是想透過隱像術的技巧將資料隱藏起來。EOA24.1.6 人臉的定位應用圖1.6.1.1 輸入的影像圖1.6.1.2 皮膚色所在封閉(Closing)算子開放(Opening)算子1.6.1 型態學 25.圖1.6.1.3 集

11、合A和B圖1.6.1.4 D(A,B)圖1.6.1.5 E(A,B)令A為待處理的區塊集而B為結構化元素集(Structuring Elements) ：擴張(Dilation)和侵蝕 (Erosion)擴張運算侵蝕運算26.Q1：今將圖1.11的區塊集改成下圖所示的區塊： ANS：根據前面D(A, B)和E(A, B)的定義，我們有試求D(A, B)和E(A, B)。EOA27.Q1.1：給以下三區塊集，如下圖所示，延用圖1.6.1.3的結構化元素 集B，請分別算出此三區塊集經開放算子及封閉算子運算後 的結果，並加以說明。28.ANS：開放算子先進行擴張運算再進行侵蝕運算，經由擴張運算可以得

12、到下圖的結果。再將擴張運算所得區塊集進行侵蝕運算，最後可得下圖的結果。封閉算子先進行侵蝕運算再進行擴張運算，經由侵蝕運算可以得到下圖 再將侵蝕運算所得區塊集進行擴張運算，最後可得下圖的結果。此即為封閉算子運算後的結果。EOA 29.Q2：如何利用擴張運算子D和侵蝕運算子E以求得影像中輪廓 的外圍？ANS：令I代表原影像，而B代表結構化元素集。D(I, B)將影像的輪 廓擴張；E(I, B)可將影像的輪廓侵蝕及縮減。因此D(I, B)- E(I, B)可得到影像中物體的輪廓外圍，這裏的-代表兩影像 相減。下面的圖為測輪廓的表示圖： 介於D(I,B)和E(I,B)之間的環形區域可視為物體I的輪廓。

13、 EOA30.Q4：如何利用色調範圍來過濾皮膚色? ANS：首先利用人工點選的方式，將一切訓練影像中的皮膚色予以框出來，然後將色調抽取出來，並且將統計出來的平均值 和標準差 用於濾波器的設計，下面為其表示圖： 31. 令 f(x,y) 為框框內位於(x,y)的灰階值減去128，則DCT的計算公式如下 f(x,y)也可透過IDCT(inverse DCT)得到，公式如下 透過式子(1.4)求得f(x,y)後再加上128即可得到位於影像中(x,y)位置的原始灰階值。1.6.2 離散餘弦轉換(Discrete Cosine Transform)DCTIDCT(1.3)(1.4)32.圖1.6.2.1

14、 8x8的灰階圖案及其灰階值圖1.6.2.2 DCT後的結果DC(Direct Current、直流值) 此處N=8，則AC(Alternative Current、交流值)33.Q2：當D(0, 0)1000時，原88灰階影像為何種影像？ANS：令全黑的灰階值為0，而全白的灰階值為255。知很容易推知原88灰階影像能够為一幾近全白的平滑影像。不過，有時為保險起見，除了D(0, 0)的值外，還得看看其餘的63個值。EOA圖1.6.2.3DCT頻率域的紋理方向表示圖圖1.6.2.3為DCT後的頻率域之紋理方向表示圖。通常假设框住皮膚色的框框是臉部時，在高頻區會有一些較大的係數表現。當DC值過小時

15、和AC值過大，可進一步判斷有臉部的框框。34.Q3：如何在臉部上找出眼睛和嘴巴的部位？ANS：假設找到的臉部如下所示： 利用程度投射法(Horizontal Projection)我們可發現在(a, b)和(c, d)兩區間有頻率較高的波峰(Peak)，依位置而言，可合理推估(a, b)區間為眼部所在，而(c, d)區間為嘴巴所在，畢竟這兩個部分的邊點數是較多的。EOA35.1.7 影像抽樣原理 給一週期函數(Periodic Function) g()， ，傅利葉原先的想法是將g()用有正交性(Orthogonality)的傅利葉基底(Basis)來表示。這些正交的基底為cos、cos2、c

16、os3、sin、sin2、sin3， 。正交性1.7.1 傅利葉轉換36.求解傅利葉係數 有了傅利葉基底後，g()可表示成則從可推得從可推得(1.5)37.Q1：我們來看個例子吧！ ANS：令圖1.7.1.1 g() 只取第一項只取前二項只取前三項圖1.7.1.2 g()的三個近似圖EOA38.FFT令 為1的根本根(Primitive Root)且滿足 。假设N=8時，傅利葉矩陣為FFT可在 時間內完成，首先將 分成偶半部和奇半部，分別表示成 39.令 和 。利用算出的 和 ，可得 (1.5.1)當當40.Q2：可否利用替代法證明 。 ANS：知 ，可推得 EOA41.分開性(Separab

17、ility)回到二維的FT，假設一張影像位於(x,y)的灰階值為 f(x,y)，則二維的FT定義為IFT(Inverse FT)依下式求得式子(1.7.1.4)可改寫成以下的型式式子(1.7.1.5)中F(x,v)可看成先對y軸進行FT再對x軸進行FT。(1.1.7.1.5)式顯示的是FT的分開性(Separability) 。 (1.7)(1.8)(1.9)42.Q3：假设我們想把FT後的結果從原點(Origin)移到中央(Center)，該 如何辦到呢？ANS：首先將乘上 ，則 的FT如下所算(1.10)由f(x, y)(1)x+y的FT等於 ，可得知已將FT的結果從原點移至中央處了。式

18、(1.10) 顯示了FT的平移性(Translation)。 EOA43.f(x)F(u)1/2f(u/2)f(2x)放大性(Scaling) 假设將 乘上一個係數C，則 經FT作用後得 到 ，這個性質稱作放大性質。令 ，則 和 。可推得 和 為傅利葉配對(Fourier Pair )，具有倒數放大性質(Reciprocal-Scaling)。 44.迴積定理(Convolution Theorem)兩函數 f(x) 和 g(x) 的迴積定義為 令 則一切 z(x) 經FT作用後得45.取樣間距(Sampling Interval) 必須滿足 ，如此才不會呵斥混疊效應(Aliasing)。 某函數取樣函數F(u)和P(u)進行迴積運算將T(u)乘上F(u