数字图像处理 0课件.pptVIP

0.2.2 机器视觉 机器视觉( Machine Vision) ， 又称计算机视觉( Computer Vision). 将数字图像处理和数字图像分析、图像识别结合起来，能够理解自然景物和环境的系统， 是数字成像领域的尖端方向， 具有最综合的内容和最广泛的涵盖面. 0.2.3 数字图像处理和识别的一些应用 0.3 数字图像处理的预备知识 邻接性、连通性、区域和边界 邻接性 像素p的4邻域、8邻域和对角邻域 P的4邻域 P的8邻域 P的对角邻域 邻接性 定义V 是用于决定邻接性的灰度值集合，它是一种相似性的度量，用于确定所需判断邻像素之间的相似程度。 4 邻接(4-Neighbor): 如果Q∈N4(P)，则称具有V中数值的两个像素P和Q是4邻接的。 8 邻接(8-Neighbor): 如果Q∈N8(P)，则称具有V中数值的两个像素P和Q是4邻接的。 对于两个图像子集S1和S2，如果S1中的某些像素和S2中的某些像素相邻，则称这两个子集是邻接的。 (a) 4 邻接示意图 ( b) 8 邻接示意图 连通性 通路：像素P到像素Q的通路(Path)指的是一个特定的像素序列(x0, y0), (x1, y1)… (xn, yn)，其中(x0, y0) = (xp, yp)， (xn, yn)= (xq, yq) 。并且像素 (xi, yi) 和， (xi-1, yi-1)在 满足l ≤i ≤n 时是邻接的。 连通性：令S代表一幅图像中的像素子集。如果在S 中全部像素之间存在一个通路，则可以称2个像素P 和Q在S中是连通的。 对于S中的任何像素p，S中连通到该像素的像素集叫做S的连通分量。如果S中仅有一个连通分量，则集合S 叫做连通集. 区域和边界 令R是图像中的一个像素子集，如果R同时是连通集，则称R为一个区域(Region)； 边界的概念是相对于区域而言的； 一个区域的边界（或边缘、轮廓）是区域中所有包含一个或多个不在区域R 中的邻接像素的像素所组成的集合； 区域指一幅图像的子集，并包括区域的边缘。边缘（Edge) 则由具有某些导数值的像素组成，是一个像素及其直接邻域的局部性质，是一个有大小和方向属性的矢量。边界是和区域有关的全局概念，而边缘表示图像函数的周部性质。 距离度量的几种方法 距离是描述像素间关系的基本参数，也是目标物几何特征和相似性的重要测度。 1.距离的定义 给定三个像素 ，若 满足 （1）非负性： ，当且仅当p=q时， （2）对称性： ； （3）三角不等式： ； 则 称为距离的度量函数。 距离度量的几种方法 像素间的几种距离 欧氏距离 城区距离 棋盘距离 距离计算示例 (a) (b) (c) 基本的图像操作 1 . 点运算和邻域运算 点运算指的是对图像中的每一个像素逐个进行同样的灰度变换运算；设r和s分别是输入图像f(x, y)和输出图像g(x, y)在任一点(x, y)的灰度值，点运算: s= T(r) 如果将点运算扩展，对图像中每一个小范围(邻域)内的像素进行灰度变换运算，即称为邻域运算或邻域滤波。这可以使用下式定义z g(x, y) = T [f(x, y)] 基本的图像操作 2 .线性和非线性操作 令H 是一种算子，其输入输出都是图像.若对于任意两幅图像F1和F2，任意两个标量a 和b 有: H(aF1 +bF2 )= aH(F1 )+bH(F2 ) 则称H 为线性算子。 同样，不符合上述定义的算子即为非线性算子，对应的是非线性图像操作。 滤被中的平均平滑，高斯平滑，梯度锐化等都是线性运算，而中值滤波 则是非线性的。 . * * 由于图像时我们从出生以来的体验中最重要，最丰富的部分，因此我们喊容易认为它的定义是不言自明的。 * 颜色模型主要有HSV、RGB、HSI、CHL、LAB、CMY等。它们在不同的行业各有所指，但在计算机技术方面运用最为广泛。 HSV颜色模型 每一种颜色都是由色相（Hue，简H），饱和度（Saturation，简S）和色明度（Value，简V）所表示的。 HSI颜色模型 HSI色彩空间是从人的视觉系统出发，用色调（Hue）、色饱??HSI 和度（Saturation或Chroma）和亮度 （Intensity或Brightness）来描述色