数字图像处理需要的知识,图形图像处理基础
空域增强技术:
基础知识1:
定义二维函数f(x,y),其中x,y是空间坐标,f(x,y)是点(x,y)的幅值。
灰度图像是二维灰度(亮度)函数f(x,y ); 彩色图像由3个二维灰度函数f(x,y )构成。
像素组成的二维排列可以用矩阵来表示:
1)对于单色(灰度)的图像而言,每个像素的亮度用一个数值来表示,通常数值范围是0~255之间,0表黑,255表示白,它的值处于黑白之间的灰度。
2 )彩色图像可以由红绿蓝三原色的二维矩阵构成。 也就是说,有三维数组。 三组的每个数值也在0到255之间,0表示该像素中不存在相应的原色,255表示相应的原色在该像素中具有最大值。
基础知识2 :
映像扩展
目标:改善图像质量/视觉效果
标准:相当主观,因人而异
没有完全共同的标准
有几个比较一致的指导方针
技术:“好”、“有用”的意思不同
具体的强化技术也可以有很大不同
1空域技术分类
1.1基础概念
空域:由像素构成的空间
空域扩张:
点位操作:灰色点位操作:
几何操作:
点位操作:输出值只与像素灰度相关的处理称为点位处理。
(1)通过变换一系列图像之间的操作
(2) (f ) )的各像素通过EH操作直接变换为g ) );
(3) f ) )的基于直方图的转换
模板操作(涉及邻域) :
1.2图像之间的运算:
图像间的运算是指以图像为单位进行的操作,运算结果会变成新图像。
1.2.1算术和逻辑运算
对图像整体的算术运算和逻辑运算按像素进行,即在两个图像的对应(位置)像素之间进行。
a .算术运算
(1)加法:表示为p q
)2)减法:表示为pq
(3)乘法运算:表示为p * q
(4)除法运算:表示为pq
b、逻辑运算(只用于二值图像) ) ) ) )。
(1)补) COMPLEMENT ) :表示为NOT q
(2)和(AND ) :表示为p AND q
(3)或(OR ) :表示为p OR q
(2)异或) XOR ) :表示为p XOR q
1.2.2图像间运算的应用
1 )、像素之间的相加:去除“叠加性”噪声以产生图像叠加效果
去除重叠噪声:
2 )像素间减法的主要应用:—消除不需要的重叠图案
-检测同一场景中两个图像之间的变化
计算物体边界的梯度
3 )图像间乘法的应用:
-图像的部分显示,用二值模板图像与原图像相乘
1.3直接灰度映射:直接灰度映射是一种点操作
通过EH操作直接变换f(x,y )的各像素的灰度,得到g ) x,y )
1.3.1灰度映射原理
直接灰度映射如上图所示,利用e(s )函数,s:的横轴是原始图; T:纵轴是映射后图
1.3.2典型灰度映射
a )求图像反转; b )提高对比度c )动态范围压缩d )灰度分割
1.3.3转换方法
逆变换: s=(L-1 )-r
[0,L-1]是图像的灰度,逆变换的作用是使黑色变成白色,使白色变成黑色。
对数变换: s=clog(1r )其中c为常数,r=0对数变换的作用是对原图像进行灰度压缩
有些原图太大,超出了某些显示设备的动态范围。 直接使用原画的话,有可能会丢失一部分细节。 请使用对数变换等对原图像进行灰度压缩的方法! 下图左侧为图像的傅立叶变换,右侧为基于傅立叶变换进行对数变换后的结果图。
乘方变换:
幂小于1时,扩展低灰度等级,压缩高灰度等级使图像变亮。 这与对数变换非常相似。 如果幂大于1,则扩展高灰度级,压缩低灰度级以使图像变暗。
栗子:
在下图左侧,a图是原图,与b、c、d三个图相对应的r依次为3、4、5
。由于r>1,变换后使得图像变暗。
下图右边是:a图是原图,b、c、d三幅图对应的r依次是0.6、0.4、0.3。由于r>1,变换后使得图像变亮。其中0.4时效果最好。
1.4 直方图变换:直方图是图像的一种统计表达,直方图反映了图中灰度的分布情况:
灰度统计直方图:1-D的离散函数提供了图像像素的灰度值分布情况。
设置一个有 L 个元素的数组,对原图的灰度值进行统计;灰度级的范围是[0,L-1]
数字图像直方图是离散函数h(rk)= nk 或者 p(rk)=nk/n
其中rk是第K个灰度级,rk的增量是1,K =0,1,2...L-1;nk是图像中灰度级为rk的像素个数;n是像素总数,后者将函数值正则化到[0,1]
1.4.1直方图均衡化:借助直方图变换实现(归一的)灰度映射
基本思想:对在图像中像素个数多的灰度级进行展宽,而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。
变换原始图像的直方图为均匀分布==> 扩大动态范围
使像素灰度值的动态范围最大==> 增强图像整体对比度(反差)
1.4.2直方图规定化
5 滤波器:(线性平滑滤波器:减弱或消除图像中的噪声)
空域滤波技术根据功能主要分为平滑滤波与锐化滤波。
平滑滤波能减弱或消除图像中的高频率分量而不影响低频分量,高频分量对应图像中的区域边缘等灰度值具有较大变化的部分,平滑滤波可将这些分量滤去减少局部灰度起伏,使图像变得比较平滑。也可用于消除噪声,或在提取较大目标前去除小的细节或将目标的小间断连接起来。
在平滑滤波中,均值(线性)滤波可能带来轮廓模糊的副作用,而中值滤波(非线性)滤波去噪效果优秀,相较均值滤波其模糊程度更低,尤其是针对脉冲噪声的去噪,但有可能带来图像性质的改变
锐化滤波正好相反,锐化滤波常用于增强被模糊的细节或目标的边缘,强化图像的细节
空间滤波和空间滤波器的区别:
使用空间模板进行的图像处理称为空间滤波;模板本身称为空间滤波器
分类一:
线性滤波器:领域平均;卷积操作
非线性滤波器:中值滤波器
分类二:
平滑(低通)滤波器:模糊、消除噪声
锐化(高通)滤波器:增强被模糊的细节
5.1 线性平滑滤波器
(1)领域平均: 保持灰度的范围:所有的系数之和为1,得到标准像素平均值
(2)加权平均:中心系数大,周围系数小,表明一些像素更为重要
作用:减小图像灰度的尖锐变化,减小噪声;由于图像边缘是由图像灰度锐 化变化引起的,所以也存在边缘模糊的问题。
5.2非线性滤波
逻辑的、几何的、代数的非线性滤波器
基于集合的、基于形状的、基于排序的
(1)非线性平滑滤波器:
中值滤波:既除噪声又保持细节
最大滤波器:寻找亮点
最小滤波器:寻找暗点
(2)非线性锐化滤波器:利用微分可以得到锐化图像(积分平滑图像)
二阶微分滤波器:hxdnht算子
一阶微分滤波器: 梯度算子
从模板形式容易看出,如果在图像中一个较暗的区域中出现了一个亮点,那么用hxdnht运算就会使这个亮点变得更亮。图像中的边缘就是那些灰度发生跳变的区域,所以hxdnht锐化模板中边缘检测中很有用。但该算子也会增强图像中的噪声,有时可将图像先进行平滑处理再用hxdnht算子。将原始图像和hxdnht变换图像想家,既能保护hxdnht变换的效果,又能复原背景信息。
1)梯度算子
2)Roberts交叉梯度算子
3)Prewitt梯度算子
4)Sobel算子