DIP小结

(文字格式有待修改,图片马上更新)

1.DIP研究的范围

人类的视觉被限制在电磁波谱的可视频段,而成像机器几乎覆盖了全部电磁波谱,伽马射线到无线电波。它们还可以在人类不常涉及的图像源所产生的图象上进行处理,包括超声波、电子显微镜和计算机产生的图象。

低级  降低噪声、对比度增强、图象锐化。(输入输出均为图象)计算机化处理 
中级  分割为区域和对象,描述、识别(输入为图象,输出为属性,如边缘、轮廓以及单个对象的特性)             
高级  执行与人类视觉相关的感知函数,对识别的对象进行总体确认。
                  
本书(冈版DIP)中所谓的数字图象处理包含了

(A)输入和输出都是图象的过程,

(B)从图象中提取特性的过程,

(C)以及对单个对象进行识别的过程。

(数字图象:坐标和幅度都离散的图象。Sampling and Quantization.)

2.MATLAB基础
(1)    f=imread(‘filename.jpg’)基础
(2)    imshow(‘f,[low high]) 基础
(3)    imwrite(f,’filename.jpg’,’quality’,q)
(4)    g=im2bw(f,T)  (intensity image to binary image; T: threshold, range [0:1])
(5)    islogical(f)  (an array of 0s and 1s whose values are of data class, say uint8, is not considered a binary image in MATLAB)
(6)    M-files
        The function definition line
        The H1 line
        Help text
        The function body
        Comments
(7)    K=imfinfo(‘filename.jpg’)  (note K here is a Structure)

3. DIP基础
(1)图像表示基础
 (A)灰度分辨率:灰度2^k灰度级,k比特(256,8bits)
 (B)空间分辨率:矩阵M×N (1024*768)
  (C)像素:Pixel=M×N (30万)

(2)不小于2倍最高频率采样可以完全恢复。
 (A)现实大部分情况不满足。
 (B)一般先用滤波器低通然后采样,误差较原始混叠更能控制。(防混叠滤波器)

4.              直方图
(1)定义:一幅数字图像在范围[0,G]内总共有L 个灰度级,其直方图定义为离散函数直方图 h(rk)=nk  ( MATLAB function: h=imhist (f, b) ) 
               其中,rk是区间[0,G]内的K级亮度,nk是灰度级为rk图像的像素数。
直方图     

     归一化直方图: p(rk)=h(rk)/n    ( MATLAB function: p=imhist (f, b) / numel(f)  )

 (2) 性质

l            空间信息丢失

l            是概率分布函数PDF(假设灰度级为归一化至范围[0,1]内的连续量)

l           

l            整个图象的直方图是图象每个部分直方图之和

 (3) 用途

l            使参数数字化(可以进行亮度变换,如直方图均衡)

l            边界阀值选择 (可以进行二值化)

5.              点处理
              只与亮度有关点处理(1) 空间域处理               亮度变换(单色图像时也是灰度变换)   点处理又称“对比度增强”、“对比度拉伸”、“灰度变换” (2)    分类
(A)线性

  ( MATLAB function: imadjust(f, [low_in hing_in], [low_out, high_out] )   )

(B)非线形 ( MATLAB function: imadjust(f, [low_in hing_in], [low_out, high_out], gamma ) )

l            增加中间范围象素的灰度级而只使暗象素和亮象素作较小改变。
l            降低较亮或者较暗物体的对比度来加强灰度级处于中间范围的物体的对比度。(中间斜率大于1,两端斜率小于1)
l            压低中间灰度级处的对比度而在较亮和较暗部分的对比度将加强。(中间斜率小1,两端斜率大于1)
(3)    应用

(A)直方图均衡 ( MATLAB function: g=histeq(f,256) )

 (B)直方图规格化6.              代数处理
(1) 求平均值去除加性噪声;(对被随机噪声污染的静止景物的N幅图象求平均值,可使信噪比增加N倍)
(2) 去除不需要的加性图案(缓慢变换的背景,周期性的噪声,附加污染),检查变化;
(3) 乘可用掩膜图象乘某一幅图象可以遮住图象中的某些部分。(利用1和0组成的掩膜图象)
(4) 除可产生对彩色或多光谱图象十分重要的比率图象。
 代数处理7.              几何处理
(1) 仿射变换 (前向变换)
 
                         (可实现单位、缩放、旋转、水平剪切、垂直剪切、平移变换。)
 前向变换的问题:
l            输入图象上两个不同的或更多的像素点的值到一个输出图象上的同一个像素点。
l            可能有些输出像素根本没有被赋值。
(2) 插值(后向变换)
(A)分类
l            最近邻插值
l            双线性插值
 
l            高阶插值
(B)优劣
    上述三种方法在一般情况下效果依次变优,其原因分析如下:(  这里只分析一维的情况,二维作为其推广。老师上课的时候只提及一维的分析。)
       我们可以把原始数字信号看成是连续信号的抽样,即将原信号频谱在频域上等间隔搬移。我们想找到合适的插值,实际上是把离散信号还原成连续信号,再找到想要的点上的函数值;首先,我们的目标是用理想低通滤波器把它恢复回来。
       其实,以上三种方法正是对频域中理想滤波器的不同逼近。我们可以把以上三中插值方法分别看成是离散信号在空域卷积上了方波、三角波、SINC函数,那么也就是在频域分别乘上了SINC、SINC^2、理想低通函数。我们有理由相信,如果在抽样时满足抽样定理,那么插值图象的效果一定是按照上述递增趋势变化的。
8.              Fourier Transform
(1)    性质
l            同一维傅立叶变换相同的性质
l            旋转性:f(x,y)在与x轴成某一角度的直线上的投影的傅立叶变换正好等于F(u,v)沿该角度的指向上的取值。
l            投影性:f(x,y)在x轴上投影的变换即是F(u,v)在u轴上的取值。
(2)FT的意义
(A) 计算卷积的工具
(B) 逐步细化分解的逼近算法,最小均方误差条件下误差最小。(不太理解)
(C) 正交完备集合上的投影,去除高阶相关性:(不同频率的正、余弦信号是不相关的)
l            可以让各种互不相关的特征分开排放,有利于辨别、提取、去除。
l            映射到正交完备集合上的系数表达的平方和是最小的。
l            去高阶相关,相关由于自然界信号的特性,变化后熵值变小。
(D)时间上不具有局部性,是一种全局分析
l            功率谱分析:积分关系对计算随机信号全局信息的意义。
l            二维傅立叶变换用于重建也是一种积分关系的利用。
(3) 卷积
       卷积和相关唯一的区别就是需要不需要反转(平移和求和是共同的)。对于对称的函数来说,反转前后并没有区别,所以对于这种函数,卷积和相关是一样的结果。
(4) 为什么说卷积是频域上的乘积(or vice versa)?
       先陈述一下完备正交集合的概念。coswit和sinwjt (i, j=0, 1, 2, ……)构成了完备正交的集合。说它正交,是因为两两的乘积在时间轴上积分的结果都等于零(投影为零);说它完备,是因为在此集合外,没有函数同集合内的所有函数都正交。我们可以用集合内函数的线性组合来精确表示任意信号(非正交的集合也是可以的)。
那么,两个函数的时域卷积,就可以看成是他们分别用正交集合中的函数的线性组合表示的卷积。根据卷积的分配性,我们可以将原来求两个和式积的形式变换成求无数个积式和的形式,再根据以上正交的概念,非相同频率函数积的积分恒为零,则我们得到了剩下的一个和式,和式中的每一项都是相同频率函数的乘积(即频域的乘积)。
(这里先不写式子了,写起来太麻烦,等全部总结完有时间再写)。
(5)MATLAB function: F=fft2(f), Fc=fftshift(F),imshow(abs(Fc),[]);
(6)滤波器
  分类1:低通(效果为平滑,模糊),高通(效果为锐化,提取边缘),带通,带阻。
分类2:线性(包括均值滤波器),非线性(包括排序统计滤波器)
去除心理冗余
  

 
9.             

去除编码冗余
  
图像压缩
(1)JPEG格式
 

 
去除编码冗余
  

 

 (2)Bmp格式

 
位图文件的组成
 结构名称
 符号
 
位图文件头(bitmap-file header)
 BITMAPFILEHEADER
 bmfh
 
位图信息头(bitmap-information header)
 BITMAPINFOHEADER
 bmih
 
彩色表(color table)
 RGBQUAD
 aColors[]
 
图象数据阵列字节
 BYTE
 aBitmapBits[]
 
图像文件头
l            1:图像文件头。424Dh=’BM’,表示是Windows支持的BMP格式。
l            2-3:整个文件大小。
l            4-5:保留,必须设置为0。
l            6-7:从文件开始到位图数据之间的偏移量。
l            8-9:位图图信息头长度。
l            10-11:位图宽度,以像素为单位。
l            12-13:位图高度,以像素为单位。
l            14:位图的位面数,该值总是1。0100,为0001h=1。
注意:所有的数值在存储上都是按“高位放高位、低位放低位的原则”。
 10.          图像分割
(1)基于模版的边缘提取
(类似空间滤波,都是用模版,都是求“相关”;只是模版内容不一样)
  (A) 点监测
l            [-1 -1 -1;-1 8  -1;-1 -1  -1]
  (B) 线监测
l            [-1 -1 -1;2 2 2;-1 -1 -1] 水平
l            [-1 -1 2;-1 2 -1;2 -1 -1] +45
l            [-1 2 -1;-1 2 -1;-1 2 -1] 垂直
l            [2 -1 -1;-1 2 -1;-1 -1 2] -45
(C) 边缘检测 edge()
l            sobel边缘检测器
l            Canny边缘检测器
 图像分割(2)基于阈值的分割
l            为T选择一个初始估计值
l            使用T分割图像为G1和G2
l            计算G1和G2范围内的像素的平均亮度
l            计算一个新阈值为平均亮度的均值
l            重复上两步骤
 11.          图像描述
形状、颜色、纹理
 
图像分割图像描述12.          彩色图像
l            NTSC空间
l            YCbCr空间
l            HSV彩色空间
l            CMY和CMYK彩色空间
l            HIS彩色空间
每种空间都有一个共同的分量:强度。
 13.          Bayes理论
(1)    公式
(2)    由后验概率求得先验概率(最大似然法)

 

“DIP小结” 共有0 条回复


  1. 没有评论

发表评论