第二章数字图象处理基础分解.ppt

2.8　图像的特征与噪声 1、图像的特征类型：（1）自然特征。反射或辐射的光谱能量的记录，具有光谱特征、几何特征和时相特征。（2）人工特征。主要包括直方图、灰度边缘、线和角点、纹理特征等。 2、图像噪声：“无用”的干扰信号。不可预测的随机信号，只能用概率统计的方法认识。 （1）种类：按产生原因分外部噪声和内部噪声；按统计分平稳和非噪声；从幅度分布形态分为高斯、瑞利型； 2.8　图像的特征与噪声 2、图像噪声：“无用”的干扰信号。不可预测的随机信号，只能用概率统计的方法认识。 （2）噪声模型：按噪声对图像的影响可分为加性噪声和乘性噪声模型。 加性噪声：和图像光强大小无关。 乘性噪声：和图像光强大小相关，随亮度的大小变化而变化。 2.8　图像的特征与噪声 原图 gaussian Saltpepper speckle 2.4　数字图像表示形式和特点 灰度图像：灰度图像是指每个像素由一个量化的灰度值来描述的图像。它不包含彩色信息。 2.4　数字图像表示形式和特点 彩色图像：彩色图像是指每个像素由R、G、B三原色像素构成的图像，其中R、B、G是由不同的灰度级来描述的。 2.4　数字图像表示形式和特点 二值图像示例 2.4　数字图像表示形式和特点 灰度图像示例 2.4　数字图像表示形式和特点 彩色图像示例 2.4　数字图像表示形式和特点 彩色图像示例 2.4　数字图像表示形式和特点 数字图像的特点： （1）信息量大：一幅遥感图像,如N=1024, G=256，则有8Mb； （2）占用频带宽：与语音信息相比，图像信息占用的带宽要大几个数量级。如电视图像约为5.6 MHZ，而语音仅为2KHz左右。因此，处理的难度大，成本高。这就对图像（频带）压缩提出了必须（很高）的要求； （3）像素间相关性大：同幅内相邻像素间具有相同（或相近）灰度的可能性很大；运动图像的相邻帧对应像素间相关性更大。所以，图像压缩的潜力（可能性）很大。 （4）视觉效果的主观性大。 2.5　图像灰度直方图 一个简单而非常有用的工具。概括反映一幅图像的灰度级内容和图像可观的信息。 反映的是一幅图像中各灰度级与各灰度级像素出现的频率之间的关系。以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。它是图像的一个重要特征，反映了图像灰度分布的情况。 2.5　图像灰度直方图 灰度图像的直方图： 2.5　图像灰度直方图 彩色图像的分波段直方图： 2.5　图像灰度直方图 直方图统计：该图像像元总数为8*8=64, i=[0,7] 2.5　图像灰度直方图 直方图性质：只能反映图像的灰度分布情况，而不能反映图像像素的位置,即丢失像素的位置信息。 一幅图像对应唯一的灰度直方图，反之不成立。不同的图像可对应相同的直方图。 一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。 2.5　图像灰度直方图 直方图应用：判断图像量化是否恰当(是否合理利用全部允许的范围)。 (a)恰当量化 (b)未能有效利用 (c)超过了动态范围 用于确定图像二值化的阈值。 2.5　图像灰度直方图 直方图应用 具有二峰性的图像 2.5　图像灰度直方图 直方图应用：当物体部分的灰度值比其它部分灰度值大时，可利用直方图统计图像中物体的面积。 计算图像信息量H（熵）：反映图像信息丰富程度，在图像编码处理中有重要意义。 2.6　图像处理算法的形式 按图像处理的输出形式，图像处理的基本功能可分为三种形式。 1）单幅图像 → 单幅图像，如图： 2）多幅图像 →单幅图像，如图： 3）单（或多）幅图像→ 数字或符号等，如图： 2.6　图像处理算法的形式 图像处理的几种具体算法 1、局部处理 邻域：对于任一像素（i，j），集合{（i+p,j+q），p、q取合适的整数}叫做该像素的邻域，如图（a）。常用的邻域如图（b）、（c),分别表示中心像素的4-邻域、8-邻域。 2.6　图像处理算法的形式 图像处理的几种具体算法 1、局部处理：对输入图像IP（i,j）处理时，某一输出像素JP(i,j)值由输入图像像素（i,j)及其邻域N(i,j)中的像素值确定。这种处理称为局部处理。 计算表达式为： 2.6　图像处理算法的形式 图像处理的几种具体算法 1、局部处理：图像的移动平均平滑和空间域锐化属于局部处理。 例如 对一幅图象采用3×3模板进行卷积运算。 2.6　图像处理算法的形式 图像处理的几种具体算法 1、局部处理：在局部处理中，当输出值JP(i,j)仅与IP(i,j)有关，则称为点处理，如图。 计算表达式为： 图像对比度增强、图