数字图像处理read.ppt

数字图像处理Image Processing 李晗：lihan2004store@126.com 本课程重要性 图像化：视觉信息占人类总信息量的75％ 数字化：信息以数字化形式表示，传输，储存。 经典应用：机器视觉、遥感、军事、气象。 现代应用：各个领域（人工智能，医学，化学，生物学等） 数字图像 Bmp文件 Jpg文件 Tif文件 。。。。。。 第一章 绪论 数字图像的发展 主要研究内容 基本概念 基本图像类型 图像的统计特征 Matlab语言 数字图像的发展 历史发展 1920s：伦敦到纽约的海底电缆传输数字图像 1946年：处理月球照片，IP实际应用的开始 现今：各个领域的广泛应用（遥感、生物技术、通信） 研究对象和方法论 对象本质：矩阵（matrix） 方法论：从数据中提取信息；矩阵运算 主要研究内容 图像代数和几何运算 图像变换和图像增强 图像编码和图像复原 模式识别和系统设计 数字图像与矩阵的对应关系 图像和矩阵 象素和矩阵元素 图像区域和矩阵元素集 强度值与矩阵元素值 象素位置与矩阵元素位置 图像代数和几何运算 代数运算－两幅图像间的点对点的运算： 加、减、乘、除 几何运算－改变图像中象素间相对位置关系： 平移、缩放、旋转、坐标变换、多幅图像空间配准和镶嵌 图像变换和图像增强 图像变换 变换域：频率域、参数平面 空间域和其他参数域间的变换 变换：FFT、DCT、小波变换等 图像增强 改变数据间的相对大小关系以突出有用信息。 作用：改善视觉效果。 主要算法：直方图增强、空（频）域滤波、彩色增强 图像编码和图像复原 图像编码：数据的压缩潜力 数据间的相关性；人眼对色彩的敏感度 图像复原：图像质量下降－恢复 建立系统恢复模型 最大限度地恢复图像保有的真实信息 模式识别 独成一门的理论 提取图像有关特征－对图像中物体的分类和识别 主要内容：概念、图像分割、纹理特征、统计模式识别、模糊分类、神经网络 图像处理系统设计 需求分析 软件设计 程序设计 软件测试与维护 大作业：编制一个图像处理系统 软件：利用Matlab语言 程序说明书：软件结构，代码说明，使用说明 算法说明书：算法结构，各算法说明。 基本概念 图像：二维信号，以视觉信息的形式表达 图像与图形的区别 数字图像：二维矩阵 数字图像处理： 基本概念 数字化一幅图像： 扫描：按一定顺序对图像象素进行遍历。 采样：在遍历过程中确定每一个象素的数值 量化：象素值的离散化（整数值） 基本图像类型 二值图像 灰度图像 索引图像 RGB图像 RGB彩色空间 IHS彩色空间 各种图像类型比较 RGB彩色空间 红（Red）绿（Green）蓝（Blue）三原色组合出其他所有颜色。 从物理学角度描述（光学，感光细胞）。 计算机中的RGB： 取值：[ 0～255 ] 表示方式：（ ，，） IHS彩色空间 色调（Hue）：颜色的类别，红绿蓝 饱和度（Saturation）：颜色的纯度 亮度（Intensity）：人眼感受的明亮程度 从人眼主观感受角度描述。 计算机中的IHS： 取值：[ 0～1 ]（H有可能为[0～360]） 表示方式：（ ，，） 图像的统计特征 成像过程的随机性和成像对象的复杂性决定了图像具有随机信号的性质。 基本统计指标 多维统计特征 基本统计指标 直方图 熵（信息量） 灰度平均值 灰度中值 灰度众数 灰度标准差 灰度值域 采用灰度图讨论图像 彩色图像由多种灰度系列组成。 灰度图像反映了数字图像处理的基本规律和基本算法。 真彩色：（R，G，B）（每个分量取值0～255） 取其中之一可得灰度图。 取三者的加权平均也可得。 灰度直方图 灰度级的函数。 描述的是图像中该灰度级的象素个数。 横坐标是灰度级。 纵坐标是某灰度出现的频率。 matlab： I = imread(‘D:\imageMaterial\westconcord.png’); imshow(I); imhist(I); 熵 公式 系统混沌程度的度量。 当图像中各灰度值出现的概率彼此相等的时候，图像的熵最大。 matlab： E ＝ entropy（I） IRand = rand(size(I)); ERand = entropy(IRand); 灰度平均值 公式 一幅图像中所有象素灰度值的算术平均值，反映的是图像中不同物体的平均反射强度。 matlab： m = mean2(I) 灰度中值 所有灰度级中处于中间的值。 matlab： vMax = max(max(I)); vMin = min(min(I)); vMed = (vMax+vMin)/2; 灰度众数 图像中出现最多的灰度值。 属于该灰度值的象素点最多。 matlab： Id = double(I); N = hist(Id(:),