imxlw00的专栏

膨胀效果：扩大图像中的物体定义：设 A 为原始二值图像，B 是结构元素，则 A 被 B 膨胀定义为：def Morphology_Dilate(img, Dil_time=1): H, W = img.shape # kernel MF = np.array(((0, 1, 0), (1, 0, 1), (0, 1, 0)), dtype=np.int) # each dilate ti

空域滤波增强空域滤波增强也称为模板操作，主要以像素邻域为基础对图像进行增强，增强函数E()定义在像素点(x,y)的某个邻域上。模板是指滤波器、核、掩模或窗口。邻域可以是任意形状，通常采用正方形或矩形阵列。空域滤波增强的基本原理是利用图像与模板的卷积来进行。模板通常取尺寸为n×n的小图像，n一般为奇数，此时，模板的半径定义为：r=(n-1)/2。空域滤波增强可分为以下4类（1）线性平滑滤波器（2）非线性平滑滤波器（3）线性锐化滤波器（4）非线性锐化滤波器均值滤波均值滤波器使用网格内像素的平

灰度变换属于空域变换增强技术。目的：一般成像系统形成图像的亮度有限，对比度不足，使图像的视觉效果差，灰度变换即可有效地改善视觉效果。概念：灰度变换是一种点操作，根据原始图像中每个像素的灰度值，按照某种映射规则将其转化为另一灰度值。灰度变换可有效改善图像的视觉效果，变换原理可表示为如式所示：式中：k为原始图像的灰度值f(x,y)，t为变换图像的灰度值g(x,y)，E()为灰度增强函数。原理：灰度变换原理可由图来说明，其中，图(a)为原始图像，具有两种灰度级，分别用B和W来表示；图(b)为灰度增

绘制直方图表示图像中具有某种灰度级的像素的个数，反映了图像中每种灰度出现的频率。它是图像最基本的统计特征。横坐标：灰度级；纵坐标：该灰度级出现的个数。def hist(img): list=np.zeros(256,dtype=np.float) if len(img.shape) == 3: img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) H, W=img.shape for y in range(H):

与运算与运算是指将两幅原始图像对应位置处两个像素的灰度值通过与操作得到一个新的灰度值，作为结果图像对应位置处像素的灰度值。设两个像素为p和q，则与运算可表示为：两幅图像的矩阵数据如下所示，试求X·Y的结果。两幅图像相与的结果为：img1 = self.xBitMap1.imgimg2 = self.xBitMap2.imgout=img1&img2XImage.imShow(out, self.lb3)或运算或运算是指将两幅原始图像对应位置处两个像素的灰度值通过或操作得到

加法加法运算是指将两幅原始图像对应位置处两个像素的灰度值相加得到一个新的灰度值，作为结果图像对应位置处像素的灰度值。设两个像素为p和q，则加法运算可表示为：式中：f(x)为像素x的灰度值。注意：由于图像像素的灰度值范围为[0,255]，因此，相加结果如果大于255，则取255。def add(img1,img2): H1, W1, C1 = img1.shape # H2, W2, C2 = img2.shape out = np.zeros((H1, W1, C1),

平移def translate(img, tx, ty): H, W, C = img.shape # out = np.zeros((H, W, C), dtype=np.uint) out1 = np.zeros((H + ty, W + tx, C), dtype=np.uint8) # 必须是8 不然显示不出图像 out2 = np.zeros((H, W, C), dtype=np.uint8) # 必须是8 不然显示不出图像 out3 = np.z

图像旋转旋转前旋转后矩阵表示def rotate(img, angle): H, W, C = img.shape anglePi = angle * math.pi / 180.0 cosA = math.cos(anglePi) sinA = math.sin(anglePi) out = np.zeros((H, W, C), dtype=np.uint8) # 必须是8 不然显示不出图像 for y in range(H):

界面初始化图片 def initData(self): self.xBitMap = XImage.openImage(os.path.join(XImage.xpath,"ch03", "imori.jpg"), self.lb1)绑定按钮事件 self.btn_nearest.clicked.connect(lambda: self.nearest_handler()) self.btn_bilinear.clicked.connect(lambda:

理解不了，暂时记录到这里吧！双三次插值是双线性插值的扩展，使用邻域 像素进行插值。我们要做的就是求出BiCubic函数中的参数x,从而获得上面所说的16个像素所对应的系数。

单线性插值已知中P1点和P2点，坐标分别为(x1, y1)、(x2, y2)，要计算 [x1, x2] 区间内某一位置 x 在直线上的y值2点求一条直线公式

最近邻插值法在一维空间中，最近点插值就相当于四舍五入取整。在二维图像中，像素点的坐标都是整数，该方法就是选取离目标点最近的点。使用下面的公式放大图像！ I’ 为放大后图像， I为放大前图像， a为放大率，方括号是四舍五入取证操作...

平移变换（Translation Transformation）指将图像沿某方向平移来获取新图像的变换方法。设空间中一个点的笛卡尔坐标为(x,y,z)，基于平移向量(a,b,c)将其平移到新的坐标(x’,y’,z’)。放缩变换（Scale Transformation）也称为尺度变换，指将图像在某方向按比例缩放来获取新图像的变换方法。放缩变换改变了图像的尺寸，即改变了图像像素点间的距离。放缩变换一般沿坐标轴方向进行，或可分解为沿坐标轴方向进行。当放缩系数a、b、c不为整数时，原始图像中某些像素

像素的邻域一个像素的邻近像素组成该像素的邻域。像素邻域的类型如图所示：1. 4-邻域N4§由p的水平（左右）和垂直（上下）共4个近邻像素组成。这些近邻像素的坐标分别是(x+1,y)，(x-1,y)，(x,y-1)，(x,y+1)。组成p的4-邻域的4个像素均用r表示。2. 对角邻域ND§由p的对角（左上、右上、左下、右下）共4个近邻像素组成。这些近邻像素的坐标分别是(x+1,y+1)，(x+1, y-1)，(x-1,y+1)，(x-1,y-1)。组成p的对角邻域的4个像素均用s表示。3.

数字图像表示方式 self.xBitMap = XImage.openImage(os.path.join(XImage.xpath, "ch01","F1_7a.jpg"), self.lb1) self.xBitMap2 = XImage.openImage(os.path.join(XImage.xpath, "ch01","F1_7b.jpg"), self.lb2)图像质量空间分辨率变化、幅度分辨率不变 img=self.xBitMap.img dsize0 =

采样和量化一幅图像必须要在空间和灰度上都离散化才能被计算机处理。空间坐标的离散化叫做空间采样（简称采样），它确定了图像的空间分辨率。灰度值的离散化叫做灰度量化（简称量化），它确定了图像的幅度分辨率。采样过程可看作将图像平面划分成规则网格，每个网格中心点的位置由一对笛卡尔坐标(x,y)决定，x和y均取整数。量化过程是给点(x,y)赋予灰度值f，f取整数。采样和量化示意图如图所示。分辨率与数据量如果一幅图像的尺寸(空间分辨率)为M×N,表明在成像时采集了MN个样本,或者说图像包含MN个像素。如果对每

图像的定义图像是用各种观测系统以不同形式和手段观测客观世界而获得的，可以直接或间接作用于人眼并进而产生视知觉的实体。一幅图像可以定义为一个二维函数f(x,y):x和y表示2-D空间XY中一个坐标点的位置；f表示图像在点(x,y)处的某种性质F的值；例如1：灰度图的f表示灰度值，它常对应客观景物被观察到的亮度。例如2：二值图像的f的取值只有两个。f,x,y的值是连续的，即可以是任意实数。数字图像把连续的图像f(x,y)在2-D空间XY和性质空间F都离散化，这种离散化了的图像叫做 数

锐化处理的主要目的是突出图像中灰度的过渡部分图像的锐化处理可以用空间微分来完成（微分算子的响应强度与像素的突变程度成正比）。也即，图像微分增强边缘与其他突变（如噪声、线），并削弱灰度变化缓慢的区域常用的非线性锐化滤波器基于一阶微分的锐化滤波器基于二阶微分的锐化滤波器数字图像微分的定义数字图像的微分可以用不同的术语定义，但任何定义都必须满足以下要求：（1）一阶微分在恒定灰度区域的一阶微分值为零在灰度台阶、灰度斜坡的起点处一阶微分值非零沿着灰度斜坡的一阶微分值非零（2）二阶微分.

线性平滑滤波器1、邻域平均2、加权平均非线性平滑滤波器统计排序滤波器是一类经典的非线性空间滤波器统计排序滤波器的响应以滤波器所覆盖的图像区域中的所有像素的排序为基础，然后使用统计排序的结果值代替中心像素的值统计排序滤波器具备优秀的去噪能力，而且比相同尺寸的线性平滑滤波器的模糊程度明显要低中值滤波器中值滤波器是一种最为常用的统计排序滤波器，它使用像素邻域内灰度的中值代替邻域中心像素的值。中值滤波器的主要功能是使拥有不同灰度的像素点看起来更接近于它的相邻点（即，去除那些相对于其邻

空间滤波机理空间滤波器的组成一个邻域（典型地是一个较小的矩形）对该邻域内的像素所要执行的预定义操作滤波产生一个新像素，新像素的坐标等于邻域中心的坐标，新像素的值是滤波操作的结果。滤波器的中心访问输入图像中的每个像素，就生成了滤波后的图像。如果对邻域内的像素执行的是线性操作，则该滤波器称为线性空间滤波器；否则，滤波器就称为非线性空间滤波器。技术分类（1）平滑滤波平滑线性空间滤波器使用滤波器模板确定的邻域像素的平均灰度值代替邻域中心像素的值，这种处理的结果降低了图像灰度的“

概念几何运算就是改变图像中物体对象（像素）之间的空间关系。 从变换性质来分，几何变换可以分为图像的位置变换（平移、镜像、旋转）、形状变换（放大、缩小）以及图像的复等合变换。图像几何运算的一般定义为：g(x,y)= f( u,v)= f(p(x,y), q(x,y)式中， u =p(x,y) ， v =q(x,y) 唯一的描述了空间变换，即将输入图像 f (x,y) 从 u-v坐标系变换为x-y坐标系的输出图像g(x,y)图像的平移图像的镜像定义：指原始图像相对于某一参照面旋转180

直方图定义直方图是图像的一种统计表达，反映了图像中像素的灰度值的分布情况，定义如下：灰度级的函数具有该灰度级的像素个数累积直方图H(k) 表示图像中灰度级小于或等于 k 的像素点数量ni 表示图像中灰度级等于 i 的像素点数量归一化累积直方图H(sk) 表示小于或等于 sk 的归一化灰度级在图像中出现的总概率si 表示第 i 级归一化灰度级p(si) 表示归一化灰度级 si在图像中出现的概率直方图均衡化把图像的直方图变换为均匀分布的形式，以此增强动态范围偏小的图像的反

点运算点运算是指对一幅图像中每个像素点的灰度值进行计算的方法。点运算的定义点运算的分类点运算又称为“对比度增强”、“对比度拉伸”、“灰度变换”等，按灰度变换函数T[ ]的性质，可将点运算分为：线性点运算图像求反作用：将原图灰度值翻转，黑变白、白变黑分段线性点运算分段线性增强的典型变换函数是三段线性变换函数线性变换的斜率不同，所起的作用不一样斜率大于1，则提高对比度斜率小于1，则降低对比度非线性点运算非线性点运算的输出灰度级与输入灰度级呈非线性关系，

概念代数运算是指两幅或多幅输入图像之间进行点对点的加、减、乘、除运算得到输出图像的过程。如果记输入图像为A(x,y)和B(x,y)，输出图像为C(x,y)，则有如下四种形式：加法运算两幅或多幅图像相加。应用 去除“叠加性”随机噪音如何恢复出原始图像 f( x , y )？ 生成图像叠加效果生成图象叠加效果：可以得到各种图像合成的效果，也可以用于两张图片的衔接。减法运算将同一景物在不同时间拍摄的图像或同一景物在不同波段的图像相减，这就是图像的减法运算。实际中常称为差影法。

像素的邻域像素间的邻接、连接和连通像素集合（图像子集 ）的邻接和连通像素间的距离

图像的概念图 ： 物体反射光\透射光\发光物体本身发射光（能量）的分布(图像场),是客观存在；像 ：人的视觉系统所接受的图在人脑中所形成的印象或认识,是人的主观感觉；图像 ： 是二维或三维景物呈现在人心目中的影像.图和像的有机结合，既反映物体的客观存在，又体现人的心理因素,是对客观存在的物体的一种相似性的生动模仿或描述,是对物体的一种不完全、不精确，但在某种意义上是适当的表示.连续图像一般情况下，我们感兴趣的多数图像都是由“照射源”和形成图像的“场景元素”对光能的反射或吸收而产生的，是连续的模拟