数字图像处理(直方图)试卷.ppt

* 噪声的特征与模型 * 噪声的模拟 一般使用随机数模拟噪声： help stats % get matlab function list Statistics Toolbox Version 8.1 (R2012b) 20-Jul-2012 * 常用噪声类型 高斯白噪声: Ng = randn(m,n); 泊松噪声： Np = poissrnd(AMBDA,M,N); 椒盐噪声：NaCl 散斑噪声(or 斑点噪声) * Codes clc;clear;close all; I = imread(eight.tif); J1 = imnoise(I,‘Gaussian’, 0.02,0.1); % 高斯噪声 J2 = imnoise(I,‘Poisson’); % 泊松噪声 J3 = imnoise(I,‘salt pepper’, 0.02); %椒盐噪声 J4 = imnoise(I,‘speckle’,0.5);　% 斑点噪声 subplot(241);imshow(I,[]); subplot(245);imshow(J1,[]); title(Gaussian); subplot(246);imshow(J2,[]); title(Poisson); subplot(247);imshow(J3,[]); title(Salt pepper); subplot(248);imshow(J4,[]); title(Speckle); * 结果 * 均值与方差 均值：Mean, mean2 方差：std,std2 中位数：median, 也称中间值 中位数（Median）统计学名词，是指将统计总体当中的各个变量值按大小顺序排列起来，形成一个数列，处于变量数列中间位置的变量值就称为中位数，用Me表示。当变量值的项数N为奇数时，处于中间位置的变量值即为中位数；当N为偶数时，中位数则为处于中间位置的2个变量值的平均数。 * Test in MATLAB median([1,2,3]) ans = 2 median([1,2,23]) ans = 2 median([1,2,3,23]) ans = 2.5000 * 小结 直方图?统计图 图像处理算法 图像文件格式 特征与噪声 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 直方图只反映图像的灰度分布情况，不能反映像素位置分布信息。一幅图像对应唯一一个直方图，反之不成立。 多个区域的直方图之和即为原图的直方图，imhist_2.m 主成份分析等 图像细节化处理就是一种迭代处理。迭代不收敛就会停滞不前，或者出现反复的死循环。 缩小数据处理范围，模板处理 速度关系：串行结构并行结构多核并行处理 类似金字塔形状，由原始图像开始依次构成像素数愈来愈少的一幅幅图像，就能使数据表示具有分层性，其代表有锥形(金字塔)结构。锥形结构是对2k×2k个像素形成的图像，看成是分辨率不同的k+1幅图像的层次集合， 即20×20→2k×2k。但20×20不具有反映输入图像的信息。 如图2.6.1所示，从输入图像I0开始，依序产生像素数纵横都按1/2递减的一幅一幅的图像I1，I2，…Ik。此时，作为图像Ii的各像素的值，就是它前一个图像Ii-1的相应的2×2像素的平均值(一般采用平均值，但也可以采用能表示2×2像素的性质的某个值)确定。 如果图像被分割的部分中全体像素具有相同的特征时，则停止再分割。叉树表示法可以用在特征提取和信息压缩等方面。处理具有这种结构的数据时，首先对像素数少的图像进行处理，然后根据需要，进到下面的像素数多的图像的对应位置，使用较丰富的信息进行处理。同只对原始图像进行处理的场合相比，这种先对粗图像进行处理，并限定应该仔细进行处理的范围，再进行精处理的方法，可使处理的效率得到提高。对于如图所示的一幅二值图像的行、列接连不断地二等分，如果图像被分割部分中的全体像素都变成具有相同的特征时，这一部分则不再分割。用这种方法，可以把图像用树结构(4叉树)表示。这可以用在特征提取和信息压缩等方面。 多光谱图像、彩色图像以及视频文件(电影) 真彩色(true-color)是指图像中的每个像素值都分成R、G、B三个基色分量，每个基色分量直接决定其基色的强度，这样产生的色彩称为真彩色。例如图像深度为24，用R:G: