数字图像处理与Python实现-课件 第3、4章 数字图像与python、图像变换

数字图像处理课程内容入门认识第7章图像压缩第8章图像分割基本操作应用第9章图像水印第10章指纹识别第11章深度学习综合案例第三章数字图像处理基础3.1图像的表示方法3.2数字图像文件格式3.3Python图像处理基础3.1图像的表示方法M*N的二维矩阵（其中，M为图像的行数，N为图像的列数）5种图像的表示方法：二进制图像、索引图像、灰度图像、RGB图像和多帧图像3.1.1二进制图像1位表示一个像素，非0即1，通常0表示黑色，1表示白色优点：缺点：二值图像当表示人物或风景图像时只能描述轮廓占用空间少二维逻辑矩阵3.1.2灰度图像8位表示一个像素值，0表示黑色，255表示白色，1~254表示不同的深浅灰色单色图像数据类型：8位无符号整数、16位无符号整数或双精度类型。无符号整型：像素在[0，255]或[0，65535]范围内；双精度类型：像素在[0.0，1.0]范围内。3.1.3RGB图像3个大小相同的二维数组表示一个像素，分别代表R、G、B这3个分量真彩色图像3.1.4索引图像伪彩色图像包含：一个数据矩阵X和一个颜色映射(调色板)矩阵map。数据矩阵：8位无符号整型、16位无符号整型或双精度类型。颜色映射矩阵map：m*3的数据阵列，

[0，1]之间的双精度浮点型数据，

每一行表示红色、绿色和蓝色分量。3.1.5多帧图像用于需要对时间或场景上相关图像集合进行操作的场合。在Python中，支持在同一个数组中存储多幅图像，用一个四维数组表示，第四维用来指定帧的序号多帧图像数组中，每一帧的大小和颜色分量或调色板必须相同多页图像或图像序列计算下列未经压缩的BMP图像文件的数据量(字节)：大小为256×256的黑白位图文件（）大小为256×256的256色索引位图文件（）大小为256×256的32位真彩色位图文件()256*256,256*256*8,256*256*4256*256/4,256*256,256*256*32256*256/8，256*256,256*256*4256*256/8,256*256*8,256*256*32ABCD提交单选题1分第三章数字图像处理基础3.1图像的表示方法3.2数字图像文件格式3.3Python图像处理基础3.2数字图像文件格式头文件：制作图像的公司规定，

一般包括文件类型、制作时间、文件大小、制作人及版本号等信息。常见：BMP、GIF、JPEG和TIFF3.2.1BMP图像Windows操作系统的标准文件格式，应用广泛。大部分BMP文件是不压缩的形式，但支持图像压缩。BMP文件结构3.2.2GIF图像CompuServe公司在1987年开发的图像文件格式，任何商业目的使用均须由公司授权。为数据流设计的一种传输格式，不作为文件的存储格式，它具有顺序的结构形式。文件结构文件标志块：识别标识符GIF和版本号。逻辑屏幕描述块：定义图像显示区域的参数，包含背景颜色信息、显示区域大小、纵横尺寸、颜色深浅及是否存在全局彩色表。全局彩色表：其大小由图像使用的颜色数决定。图像数据块：包含图像的描述块、局部彩色表、压缩图像数据、图像控制扩展块、无格式文本扩展块、注释扩展块和应用程序扩展块，此部分可以默认。尾块：三维16进制数，表示数据流已经结束，此部分可以默认。3.2.2GIF图像支持背景透明，生成非矩形的图片。支持动画，在Flash动画前唯一的动画形式。支持图形渐进，渐进图片将比非渐进图片更快地出现在屏幕上，让访问者更快地知道图片的概貌。支持无损压缩，所以它更适合于线条、图标和图纸。优点&缺点缺点：只能显示256色而应用范围受限，不能用于储存和传输真彩的图像文件。所以GIF图像文件格式成了Internet上最流行的图像格式。3.2.3JPEG图像由（国际）联合图像专家组（JointPhotographicExpertsGroup）提出静止图像压缩标准文件格式，面向常规彩色图像及其它静止图像的一种压缩标准。扩展名为jpg或jpeg。图像JPEG压缩效果演示第三章数字图像处理基础3.1图像的表示方法3.2数字图像文件格式3.3Python图像处理基础3.3Python图像处理基础基础图像处理任务：

显示；基本的操作，如裁剪、翻转、旋转；

图像分割，分类和特征提取；

图像恢复、识别等常见的图像处理库历史悠久，功能强大，被认为是Python官方图像处理库。PIL（PythonImagingLibrary）Pillow是PIL的一个派生分支，发展成比PIL本身更具活力的图像处理库。将其封装成Python的库（pip即可安装），且支持Python2.x和Python3.x。能在所有主要操作系统上运行，提供基本图像处理功能，比如图像缩放，裁剪，贴图，模糊

包括点操作，过滤以及颜色空间转换。很多时候需要配合Numpy库使用。常见的图像处理库NumPy（NumericalPython）Python语言的一个开源扩展核心库，运行速度快，支持数组结构，提供大量数学函数库进行高维数组与矩阵运算。在计算机中图像表示为点像素的标准NumPy数组，使用NumPy操作修改图像像素值。通常与SciPy（ScientificPython）和Matplotlib（绘图库）一起使用，用于替代MatLab。。常见的图像处理库SciPyPython的另一个核心数据科学模块（如同NumPy），可用于基本的图像处理和处理任务。以NumPy为基础，在子模块scipy.ndimage中提供在n维NumPy数组上运行的函数，大大扩展了后者的运算能力。常见的图像处理库skimage（scikit-imageSciKit）

Python中图像处理的常用库之一，由scipy社区开发和维护，对scipy.ndimage进行扩展，提供更多的图像处理功能，实现用于编写研究、教育和行业应用的算法和实用程序。skimage对scipy.ndimage进行了功能扩展，由多个子模块组成，图像数据由NumPy的多维数组表示，类似与MATLAB软件，可提供图像处理绝大部分功能。常见的图像处理库OpenCV-Python计算机视觉领域使用最广泛的开源库之一，采用C/C++语言，可运行在Linux/Windows/Mac等系统上，并提供Java、Python、MATLAB等接口；拥有丰富的常用图像处理函数，使得图像处理和图像分析更加便利，广泛应用于学术界和产业界的图像识别、运动跟踪、机器视觉等领域。OpenCV-Python是OpenCV的PythonAPI，运行速度快，容易编程和部署，成为执行计算密集型计算机视觉任务的绝佳选择。SimpleCV也是用于构建计算机视觉应用程序的开源框架。它可以访问如OpenCV等高性能计算机视觉库，学习难度远远小于OpenCV。(开源计算机视觉库)常见的图像操作图像文件显示常见的图像操作图像文件保存常见的图像操作图像RGB转灰度方法一：常见的图像操作图像RGB转灰度方法二：常见的图像操作二值图像的转换常见的图像操作RGB转二值常见的图像操作数值矩阵转图像数字图像处理课程内容入门认识第7章图像压缩第8章图像分割基本操作应用第9章图像水印第10章指纹识别第11章深度学习综合案例24.1图像几何变换获取图像变换域的某些性质，对其进行处理；一方面能够更有效地反映图像在空间域难以获取的特征；另一方面也可使能量集中在少量数据上，更有利于图像的存储、传输及处理。图像的变换域分析常用：傅里叶变换、DCT变换、小波变换广泛应用于图像分析、滤波、增强、压缩等应用中。第四章图像变换4.1图像几何变换4.2图像离散傅里叶变换4.3图像余弦变换平移、镜像、缩放、转置、旋转、剪切4.1.1图像的平移P0平移到P1

4.1.1图像的平移4.1.2图像的镜像分为水平镜像和垂直镜像水平镜像：以原图像垂直中轴线为中心,将图像分为左右两部分，进行左右对换，特点：每行像素的处理方式相同，行顺序不发生变化，只是每一行的像素信息顺序是从左到右进行颠倒。

垂直镜像：以原图像水平中轴线为中心轴将图像分为上下两部分，进行上下对换4.1.2图像的镜像垂直镜像：以原图像水平中轴线为中心轴将图像分为上下两部分，进行上下对换

4.1.2图像的镜像4.1.3图像的缩放垂直镜像：将给定的图像在x轴方向按比例缩放fx倍，在y轴方向按比例缩放fy倍fx=fy，为图像的全比例缩放。fx≠fy，图像产生几何畸变。4.1.3图像的缩放图像缩放：将给定的图像在x轴方向按比例缩放fx倍，在y轴方向按比例缩放fy倍fx=fy，为图像的全比例缩放。fx≠fy，图像产生几何畸变。4.1.3图像的缩放等尺寸显示时，请仔细观察缩小后的图像会丢失一部分原图像信息，会出现模糊化放大后的图像，增加了原图像信息，显示更清晰建议采用原图像的纵横比，缩放后能更好地保持图像信息4.1.4图像的转置图像的行列坐标互换，图像的大小会随之改变，即高度和宽度互换。

4.1.5图像的旋转以图像中心为原点，将所有像素都旋转一个相同角度使用cv2.getRotationMatrix2D()函数生成旋转矩阵，返回旋转矩阵，使用cv2.warpAffine()实现图像旋转。实现方法：旋转后图像尺寸与原始相同。缩放比例及旋转程度不同，可能会造成部分信息丢失。避免丢失需要增加计算旋转后图像的外接矩形框尺寸。4.1.6图像的剪切只对部分图像感兴趣切片指定坐标的顺序为[y0:y1,x0:x1]数组切片方式4.1.7图像的插值思考：图像几何变换本质？将像素的坐标通过某种函数映射关系，映射到其他位置。包括：向前映射、向后映射向前映射：由输入图像的坐标计算其在输出图像中的位置。思考：计算可以得到输出图像中非整数点坐标。整数坐标值怎么求？整数点的像素值周围会有很多输入像素点映射过来，将这些像素值叠加，得到输出图像整数点位置的像素值，无法直接得到输出图像某一点的像素值。4.1.7图像的插值向后映射：图像填充映射直接计算输出图像整数点(x’,y’)变换前在输入图像上的位置(x,y)。非整数点坐标：

利用其周围整数点位置的输入图像像素值进行插值，得到该点的像素值。逐个考虑输出图像中的像素，不会产生计算浪费。4.1.7图像的插值常见图像插值：最近邻插值

双线性插值最近邻插值按照四舍五入法找到最相邻的整数点坐标，以其像素值作为插值后的输出P点在A区，f(i,j)，P点在B区，f(i+1,j)，P点在C区，f(i,j+1)，P点在D区，f(i+1,j+1)。图像质量不高，放大有很严重的马赛克，缩小有很严重的失真。如果输出图像该点的像素值根据输入图像中周围四个真实的点按照一定规律计算，能达到更好的效果4.1.7图像的插值常见图像插值：最近邻插值

双线性插值双线性插值输入图像中虚拟点四周的四个真实像素值共同决定输出对应点像素值缺点：计算量较大；具有低通滤波器性质，损失部分高频分量，图像轮廓在一定程度上变模糊。优点：比最近邻插值法输出图像质量高，不会出现像素值不连续的的情况。第四章图像变换4.1图像几何变换4.2图像离散傅里叶变换4.3图像余弦变换平移、镜像、缩放、转置、旋转、剪切4.2图像离散傅里叶变换引入傅里叶变换的作用：1、信号的频域的表示跟时域的表示相比更加简洁明了2、便于从能量的角度看待信号3、简化了信号处理中所需要的计算量s(x)是由多个正弦信号叠加构成的波型函数4.2.1连续傅里叶变换f(x)为实变量x的连续函数，则傅里叶变换定义为：f(x)必须满足：只有有限个间断点、有限个极值和绝对可积的条件实序列傅里叶变换的实部和虚部分别为()偶函数和奇函数奇函数和偶函数奇函数和奇函数偶函数和偶函数ABCD提交单选题1分4.2.1连续傅里叶变换推广到二维函数f(x,y),连续可积的连续函数，则傅里叶变换定义为：4.2.2离散傅里叶变换（DFT）对f(x)进行采样将其离散化，则其傅里叶变换定义为：对比连续傅里叶变换离散傅里叶反变换（IDFT）:4.2.2离散傅里叶变换（DFT）DFT在图像变换中的应用一般采用快速傅里叶变换（FFT），大大减少计算量4.2.3DFT

的性质（1）可分离性二维傅里叶变换可分离成二次一维傅里叶变换先沿f(x,y)的列方向求一维离散傅里叶变换得到F(x,v)，再对F(x,v)沿行方向求一维离散傅里叶变换得到F(u,v)。上述过程顺序可调，结果不变。反变换的分离过程类似。4.2.3DFT

的性质（2）周期性和共轭对称性正变换后得到的F(u,v)或反变换后得到的f(x,y)都是周期为N的周期性重复离散函数。由此，只需根据在任意周期内的N个值就可以从F(u,v)得到f(x,y)。。共轭对称性：周期性：说明变换后的幅值是以原点为中心对称。因此，在求一个周期内的值时，只需求出半个周期，另半个周期对称可得，大大减少计算量。4.2.3DFT

的性质（3）平移性将f(x,y)乘以一个指数项，=

把DFT后的F(u,v)的频域中心移动到新位置，不影响DFT的幅值。类似地，将F(u,v)乘以一个指数项，=把IDFT后的f(x,y)的空域中心移动到新的位置。4.2.3DFT

的性质（4）旋转不变性如果f(r,θ)在空间域旋转θ0角度，则其DFT在频域上也旋转同一角度θ0。（5）加法分配律（6）线性和比例性F{af1(x,y)+bf2(x,y)

}=aF1(u,v)+bF2(u,v)4.2.3DFT

的性质（7）平均值

（8）离散卷积定理4.2.4DFT

的Python实现第四章图像变换4.1