m0_62094120的博客

数字图像处理 第12章-目标识别本章中介绍的模式识别方法主要分为两大领域:决策理论方法和结构方法。第一类方法处理的是使用定量描绘子来描述的各种模式，如长度、面积和纹理等。第二类方法处理的是由定性描绘子来描述的各种模式。12.1 模式和模式类模式是描绘子的组合。在有关模式识别文献中经常使用特征来表示描绘子。模式类是指具有某些共同属性的一族模式。模式类用ω1,ω2,…ωWω_1,ω_2,…ω_Wω1​,ω2​,…ωW​表示，其中WWW是模式类数。由机器完成的模式识别是对不同的模式赋予不同类别的技术

我们假设:(1)处理的是二值图像，其目标和背景点分别标为1和0(2)图像已使用值为0的边界填充，因而消除了目标与图像边界合并的可能性。为方便起见，我们仅限于讨论单个区域。通过单独地处理各个区域，该方法可扩展到多个不相交的区域。给定一个二值区域R或其边界，追踪R的边界或给定边界的算法由如下步骤组成:1、令起始点b0​为图像中左上角标记为1的点。使用c0​表示b0​西侧的邻点[见图11.1(b)]。很明显，c0​总是背景点。从c0​开始按顺时针方向考察b0​。

分割将图像细分为构成它的子区域或物体。细分的程度取决于要解决的问题。也就是说，在应用中，当感兴趣的物体或区域已经被检测出来时，就停止分割。异常图像的分割是图像处理中最困难的任务之一。分割的精度决定着计算分析过程最终的成败。因此，应该对改进准确分割的可能性给予相当的关注。本章中的多数分割算法均基于灰度值的两个基本性质之一:不连续性和相似性。在第一类中，方法是以灰度突变为基础分割一幅图像，比如图像的边缘。在第二类中，主要方法是根据一组预定义的准则将一幅图像分割为相似的区域。

形态学(morphology)一词通常表示生物学的一个分支，该分支主要研究动植物的形态和结构。这里，我们使用同一词语表示数学形态学的内容，将数学形态学作为工具从图像中提取表达和描绘区域形状的有用图像分量，如边界、骨架和凸壳等。

术语数据压缩是指减少表示给定信息量所需数据量的处理。在该定义中，数据和信息是不相同的事情；数据是信息传递的手段。因为相同数量的信息可以用不同数量的数据表示，包含不相关或重复信息的表示称之为冗余数据。R1−1/C其中，C通常称为压缩率，定义为Cbb′在数字图像压缩的内容中，b通常是以二维灰度值阵列表示一幅图像所需的比特数。二维灰度阵列是人们观察和解释图像的首选格式，并且以它作为判定所有其他表示的标准。然而，当它变成紧凑的图像表示时，这些格式就远不是最佳格式了。

在图像处理中，彩色的运用受两个主要因素的推动。第一，彩色是一个强有力的描绘子，它常常可简化从场景中提取和识别目标;第二，人可以辨别几千种彩色色调和亮度，但相比之下只能辨别几十种灰度色调。第二个因素在人工图像分析中特别重要。彩色图像处理可分为两个主要领域：全彩色处理和伪彩色处理。在第一类中，通常要求图像用全彩色传感器获取，如彩色电视摄像机或彩色扫描仪。在第二类中，问题是对一种特定的单色灰度或灰度范围赋予一种颜色。到目前为止，多数数字彩色图像处理是在伪彩色层面完成的。

正像图像增强那样，图像复原技术的主要目的是以预先确定的目标来改善图像。尽管两者有相覆盖的领域，但图像增强主要是一个主观过程，而图像复原则大部分是一个客观过程。图像复原试图利用退化现象的某种先验知识来复原被退化的图像。因而，复原技术是面向退化模型的，并且采用相反的过程进行处理，以便恢复出原图像。相比之下，图像增强技术基本上是一个探索性过程,即根据人类视觉系统的生理特点来设计一种改善图像的方法。例如。

可以参考高等数学知识，或者考研数学一的内容。大致了解一下。

术语空间域指图像平面本身，这类图像处理方法直接以图像中的像素操作为基础。这是相对于变换域中的图像处理而言的，变换域的图像处理首先把一幅图像变换到变换域，在变换域中进行处理，然后通过反变换把处理结果返回到空间域。空间域处理主要分为灰度变换和空间滤波两类。空间滤波涉及改善性能的操作，如通过图像中每一个像素的邻域处理来锐化图像。本节讨论的所有图像处理技术都是在空间域进行的。与频率域相反，空间域技术直接在图像像素上操作，例如，对于频率域来说，其操作在图像的傅里叶变换上执行，而不针对图像本身。某些图像处理任务在空间域

对图像的操作是以像素为基础来执行的，所以一幅图像可以被等价的看成一个矩阵，矩阵相关的数学知识可以参考线性代数。

一幅图像我们可把它定义为一个二维函数f(x,y)，其中x和y是空间（平面）坐标。任何一对空间坐标(x,y)处的幅值f称为图像在该点处的强度或者灰度。当x、y和灰度值f是有限的离散数值时，我们称该图像为数字图像。而数字图像处理则是借助数字计算机来处理上述的数字图像。从图像处理到计算机视觉的这个连续统一体内并没有明确的界限。在这个连续的统一体中考虑三种典型的计算处理，即低级、中级和高级处理。低级处理涉及初级操作，如降低噪声的图像预处理、对比度增强和图像尖锐化。