0%

数字图像处理

一:
数字图像处理的应用

图像变换、图像增强、图像复原、图像压缩编码、图像分割

报纸业,航天技术(月球照片处理),遥感卫星,医学,气象预报,空间探索,军事领域,通信,

二:

没有色彩的光称为消色光,指的是白色,黑色和各种深浅程度不同的灰色。消色光的属性只有亮度或强度,通常用灰度级描述这种光的强度

图像的采样和量化:光信号->电信号->数字化

像素的邻域:4邻域,对角邻域,8邻域

连接:空间上临接且像素灰度值相似

屏幕截图

2021 06 14 12 00 51

三:
亮度等级范围

点运算:灰度变换增强(线性变换,非线性变换),直方图增强

非线性变换:对数变换(加亮,减暗),指数变换

四:

线性系统

离散傅里叶变换

自适应中值滤波:常规的中值滤波器的窗口尺寸是固定大小不变的,就不能同时兼顾去噪和保护图像的细节。这时就要寻求一种改变,根据预先设定好的条件,在滤波的过程中,动态的改变滤波器的窗口尺寸大小,这就是自适应中值滤波器 Adaptive Median Filter。在滤波的过程中,自适应中值滤波器会根据预先设定好的条件,改变滤波窗口的尺寸大小,同时还会根据一定的条件判断当前像素是不是噪声,如果是则用邻域中值替换掉当前像素;不是,则不作改变。

(a)通常,如果将低阶比特面设为零值,对一幅图像的直方 图有何影响?

答:如果将低阶比特面设为零值,该图像会丢失细节。即不 同灰度值的像素个数将减少,这会导致直方图的成分数减 少。由于像素个数不会改变,这将在总体上导致直方图峰值 高度上升。通常,较低的灰度值变化将减少对比度。

(b)如果将高阶比特面设为零值,对直方图有何影响?

答:如果将高阶比特面设为零值,该图像会丢失轮廓,即丢失视觉上的很多数据。最明显的影响是使图像非常模糊,根据灰度变换函数,将 0~127 之间的所有灰度映射为0,下降 的最高位将限制到127 位图像中最亮的水平。由于像素数将保持不变,一些直方图峰值的高度会增加。

(c)假定对一幅数字图像进行直方图均衡化处理,试说明:第二次均衡化处理的结果与第一次均衡化处理的结果相同

先直方图均衡了,就相当于所有的灰度级上的像素点数目相同,无论你再进行多少次直方图均衡,他始终都不再变化了,因为第一次就已经均衡了.

(d) 在给定的应用中,一个均值掩模被用于输入图像以减少噪声,然后再用一个拉普拉斯掩模来增强图像中的小细节,如果将这两个步骤交换一下,结果是否会相同?

均值掩模被用于输入图像以减少噪声,拉普拉斯掩模增强图像中的小细节。其中拉普拉斯掩模属于锐化处理,目的是突出图像中的细节或者增强被模糊了的细节。这种模糊不是由于错误操作,就是特殊图像获取方法的固有影响。将这两步骤交换,结果还是一样的。

(e)将高频加强和直方图均衡相结合是得到边缘锐化和对比度增强的有效方法。上述两个操作的先后顺序对结果有影响吗?为什么?

答:有影响,应先进行高频加强,再进行直方图均衡化。

高频加强是针对通过高通滤波后的图像整体偏暗,因此通过提高平均灰度的亮度,使图像的视觉鉴别能力提高。再通过直方图均衡化将图像的窄带动态范围变为宽带动态范围,从而达到提高对比度的效果。若先进行直方图均衡化,再进行高频加强,对于图像亮度呈现较强的两极现象时,例如多数像素主要分布在极暗区域,而少数像素存在于极亮区域时,先直方图均衡化会导致图像被漂白,再进行高频加强,获得的图像边缘不突出,图像的对比度较差。

图像增强

图像增强的目的

​ 改善图像的视觉效果,或者使图像更适合于人或机器进行分析处理

​ 通过图像增强,可以减少图像中的噪声,提高目标与背景的对比度

​ 强调或抑制图像中的某些细节

图像增强方法的分类

处理的作用域:空间域方法、频率域方法
空间域方法:在图像二维平面上,直接对像素值进行处理
频率域方法:对图像作Fourier变换,在变换域处理,再作逆变换得到增强图像

其他方法
• 小波变换
• Retinex

空间域方法:基于灰度变换的图像增强

灰度变换:将一个灰度区间映射到另一个灰度区间的变换称为灰度变换

2021 06 22 16 35 18

灰度变换可使图像动态范围加大,图像对比度扩展
只改变像素灰度值,不改变像素位置

空间域增强:非线性变换

幂次变换

2021 06 22 16 40 05

空间域增强:空间滤波增强

空间域滤波增强采用模板处理方法对图像进行滤波,去除图像噪声或增强图像的细节

空间域平滑滤波

高斯噪声去噪

2021 06 22 16 42 35

分析:任何一幅原始图像,在其获取和传输等过程中,会受到各种噪声的干扰,使图像模糊,对图像分析不利。
为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。

方法分类:

(1)局部平滑法

2021 06 22 17 03 30

2021 06 22 17 04 32

(2)超限像素平滑法

2021 06 22 17 05 45

(3)空间低通滤波法

2021 06 22 17 06 48

空间域锐化滤波

增强边缘和轮廓示例

2021 06 22 16 44 56

梯度锐化法
拉普拉斯算子
低频分量消减法

频率域增强:

平滑滤波:

2021 06 22 17 12 21

理想低通滤波器
巴特沃斯低通滤波器
高斯低通滤波器

频率域平滑-高斯低通滤波平滑

2021 06 22 16 48 04

2021 06 22 19 25 13

2021 06 22 19 25 33

锐化滤波:

2021 06 22 19 31 12

2021 06 22 19 31 48

2021 06 22 19 32 11

2021 06 22 19 32 30

2021 06 22 19 32 43

基于直方图处理的图像增强

灰度图像的直方图

灰度级直方图是图像的一种统计表达,它反映了该图中不同灰度级出现的统计概率

2021 06 22 16 52 55

2021 06 22 16 54 09

直方图均衡化
基本思想

把原始图像的直方图变换为均匀分布的形式,从而增加图像灰度的动态范围,达到增强图像对比度的效果。

经过均衡化处理的图像,其灰度级出现的概率相同,此时图像的熵最大,图像所包含的信息量最大。

方法推导
方法特点

2021 06 22 16 59 28

图像复原

图像复原及退化模型

2021 06 23 19 21 23

2021 06 23 19 22 00

2021 06 23 19 22 27

2021 06 23 19 22 59

噪声模型

2021 06 23 19 26 44

2021 06 23 19 27 02

2021 06 23 19 27 26

2021 06 23 19 27 59

空间域滤波复原

2021 06 23 19 48 56

2021 06 23 19 49 55

2021 06 23 19 50 11

2021 06 23 19 50 31

2021 06 23 19 51 24

2021 06 23 19 51 39

2021 06 23 19 51 56

2021 06 23 19 52 32

2021 06 23 20 13 39

2021 06 23 19 52 53

频率域滤波复原

2021 06 23 20 18 07

2021 06 23 20 18 21

2021 06 23 20 18 43

2021 06 23 20 19 08

2021 06 23 20 19 21

2021 06 23 20 19 34

估计退化函数

观察估计法、试验估计法、模型估计法。

逆滤波和维纳滤波

图像压缩

数字图像的压缩是指在不同用途的图像质量要求下,用最少的比特数表示一幅图像的技术。
数字图像的压缩是实现图像存储和传输的基础。
数字图像压缩目的:
节省图像存储容量;减少传输信道容量;缩短图像加工处理时间。

图像数据存在的冗余可分为三类:
① 编码冗余(coding redundancy);
② 像素间的冗余(interpixel redundancy);
③ 心里视觉冗余(psychovisual redundancy)。

-------------本文结束感谢您的阅读-------------
Your support will be the driving force of my creation