本文详细介绍了数字图像处理的基础知识，包括图像增强的像素点增强和空间域增强，深入探讨了傅里叶变换及其在频率域图像增强中的应用。此外，还涵盖了彩色图像处理和图像压缩的相关概念。
目录
一、 数字图像处理基础
第一章节主要讲了数字图像的概念，介绍了几个关键词，图像处理的典型应用，数字图像的表示方法、采样方式、处理方式等
1.图像采样和量化：
定义：采样是空间坐标的数字化，确定像素数；量化为函数取值的数字化，比如量化到多少灰度级。
非统一的图像的采样与量化：在灰度级变化尖锐的区域采用细腻的采样，平滑区域粗糙采样；在边界附近使用较少的灰度级，其余灰度级用于灰度级变化比较平滑区域
2.数字图像的表示：
图像描述信息+图像数据
例：BMP格式 位图文件头（大小类型）+位图信息头（图像大小颜色数等信息）+调色板（颜色分量大小）+图像数据（16色一个像素颜色4位）
3.数字图像的质量：
（1） 层次：图像拥有的灰度级数量
（2） 对比度：灰度反差大小，最大灰度/最小灰度
（3） 清晰度：亮度、对比度、尺寸、细微层次、颜色饱和度
4.像素间的一些基本关系：
相邻像素：4邻域、D领域（对角线）、8邻域
像素连通性：4连通，具有值V的像素P和Q如果在P的4邻域中，则称这两个像素4连通。m连通(mix) ,对于具有值V的像素p和q，如果: q在集合N4(p)中，或q在集合ND(p)中，并且N4(p)与N4(q)的交集为空（没有值V的像素）则称这两个像素是m连通的，即4连通和D连通的混合连通。
5. 距离：
欧氏距离：距离相同的像素分布在同心圆上
D4距离（城市距离）：横纵坐标距离之和D4(p,q) = |x – s| + |y –t|
D8距离（棋盘距离）：D8(p,q) = max(|x – s| ,|y – t|)
二、 图像增强
图像增强分为两类：空间域增强（对图像的像素直接处理）、频域增强（图像的傅里叶变换）
第二节主要讲了空间域的图像增强方法，有单个像素点运算的增强和空间模板进行的增强。空间模板增强有些是频率域增强的反变换得到的。将在第三节进行说明。
1. 像素点增强
（1） 点运算
a．反转变换：黑变白白变黑
b．对数变换：灰度压缩
c．幂次变换：改变图像整体亮度
d．对比度拉伸: 提高图像处理时灰度级的动态范围，增强输入图像中感兴趣的灰度区域，相对抑制那些不感兴趣的灰度区
e．灰度切片：关心范围指定较高值，其他指定较低值或保持不变
f．位平面切片：像素灰度分解成位平面进行操作
（2） 算术运算逻辑运算
a．加法：去除叠加性噪声 、生成图像叠加效果
b．减法：显示两幅图像的差异，检测同一场景两幅图像之间的变化去，除不需要的叠加性图案乘法。图像分割：如分割运动的车辆，减法去掉静止部分，剩余的是运动元素和噪声
c．非：获得一个子图像的补图像
d．与：求两个子图像的相交子图
e．或：合并子图像
f．异或：获得相交子图像
（3） 直方图运算
a．定义：像素点分布的密度统计
b．均衡化：希望一幅图像的像素占有全部可能的灰度级且分布均匀，能够具有高对比度
c． 均衡化方法：使用积分函数，保证了原来的大小关系，确保不会越界
2. 空间域增强
定义：使用空间模板进行的图像处理，被称为空间滤波。模板本身被称为空间滤波器
（1） 平滑空间滤波器
a．作用：去除图像中一些不重要的细节，减小噪声
b．线性滤波器：均值滤波（标准像素平均值、加权平均）
c．非线性滤波器（统计排序滤波器）：最大值滤波器、最小值滤波器、中值滤波器（强迫突出的亮点（暗点）趋向它周围的值以消除孤立的亮点（暗点）在去除噪音的同时，可以比较好地保留边的锐度和图像的细节（优于均值滤波器））、
（2） 锐化空间滤波器
a．作用：突出图像中的细节，增强被模糊了的细节，印刷中的细微层次强调。弥补扫描对图像的钝化。图像识别中，分割前的边缘提取，
b．原理：微分可锐化
c．二阶微分滤波器：拉普拉斯算子
拉普拉斯变换对图像增强的基本方法
最低0.47元/天 解锁文章
扫一扫
2719
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
