0
点赞
收藏
分享

微信扫一扫

数字图像处理必备基本知识总结

文章目录

基础知识

  • 数字图像,又称为数码图像或数位图像,是二维图像用有限数字数值像素的表示。数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像。
  • 数字图像处理包括图像数字化、图像变换、图像增强、图像恢复、图像压缩编码、图像分割、图像分析与描述、图像的识别分类等。
  • 从“模拟图像”到“数字图像”要经过的步骤有:图像信息的获取、图像信息的存储、图像信息处理、图像信息的传输、图像信息的输出和显示
  • 图像数字化包括两个过程:采样和量化。采样是将空间上连续的图像变换成离散的点,采样频率越高,还原的图像越真实。量化是将采样出来的像素点转换成离散的数量值,一副数字图像中不同灰度值的个数称为灰度等级,级数越大,图像越是清晰。数字图像分辨率与采样率和采样值有关。
  • 灰度直方图反应的是一副图像中各灰度级像素出现的频率之间的关系。可用于判断图像量化是否恰当;确定图像二值化的阈值;计算图像中物体的面积;计算图像的信息量。暗图像对应直方图组成成分几种在灰度值较小的左边一侧;明亮图像直方图则倾向于灰度较大的右边一侧;对比度较低的图像对应的直方图窄而几种与灰度级的中部;对比度高的图像对应的直方图分布范围很宽而且分布均匀。
  • 在局部处理中,输出值仅与像素灰度有关的处理称为点处理。如图像对比图增强、图像二值化。
  • 在对输入图像进行处理时,计算某一输出像素值由输入像素的小领域中的像素值确定,这种处理称为局部处理。如:图像的移动平均平滑法,空间域锐化法。

图像增强/空域

  • 图像增强的目的是要改善图像的视觉效果,针对给定图像的应用场合,有目的的增强图像的整体或局部特性,将原来不清晰的图像变得清晰或增强某些感兴趣的特征,扩大图像中不同物体的特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,将强图像判读和识别效果,满足某些特征分析的需求。
  • 灰度直方图定义为数字图像中各灰度级与其出现的频数间的统计关系,它能描述该图像的概貌,例如图像的灰度范围,每个灰度级出现的频率,灰度级的分布,整幅图像的平均明暗和对比度等
  • 常用的图像增强方法:图像的线性变换;图像的非线性变化;图像的直方图均衡化和规定化。
  • 中值滤波是对一个滑动窗口内的诸像素灰度值排序,用其中值代替窗口中心像素的灰度值的滤波方法,它是一种非线性的平滑法,对脉冲干扰及椒盐噪声的抑制效果好,在抑制随机噪声的同时能有效保护边缘少受模糊。
  • 点处理:输出值仅与像素灰度有关的处理称为点处理。(直方图修正);局部处理:计算某一输出像素值由输入图像像素的小领域中的像素值确定,这种处理称为局部处理。(灰度反转);全局处理:图像某一像素灰度的变化与图像全部像素灰度值有关。(3x3平均模板)

图像变换/频域处理

  • 常用的图像变换算法:图像的几何变换(图像畸变校正、图像缩放:双线性插值、旋转、拼接);图像变换(傅立叶、余弦、沃尔什-哈达玛、K-L变换、小波变换);图像频域处理(增强算法:高频率提升、同态滤波;平滑去噪:低通滤波)
  • 图像变换在数字图像处理与分析中起着很重要的作用,是一种常用的、有效的分析手段。图像变换的目的在于:使图像处理问题化;有利于图像特征提取;有助于从概念上增强对图像信息的理解。
  • 空域法:直接对图像的像素灰度进行操作。常用算法:图像的灰度变换;直方图修正(均衡化、规定化);平滑和锐化处理;彩色增强。频域法:在图像的变换域中,对图像的变换值进行操作,然后经逆变换获得所需要的增强结果。常用算法:低通滤波;高频提升滤波;同态滤波。
  • 频域进行图像增强、去噪、边缘检测分别用同态滤波器、低通滤波器、高通滤波器。
  • 频域处理图像的步骤:清除噪声,改善图像的视觉效果;突出边缘有利于识别和处理;

图像复原

  • 图像在形成、传输和记录中,由于成像系统、传输介质和设备的不完善,导致图像质量下降,这一现象称为图像退化。图像复原和图像增强是有区别的,虽然二者的目的都是为了改善图像的质量,但图像增强不考虑图像是如何退化的,只通过试探各种技术来来增强图像的视觉效果。因此,图像增强可以不顾增强后的图像是否失真,只要看着舒服就行。而图像复原则完全不同,需知道图像退化的机制和过程等先验知识,据此找出一种相应的逆过程解算方法,从而得到复原的图像。如果图像已退化,应先做复原处理,再做增强处理。
  • 维纳滤波器:是一种以最小平方为最优准则的线性滤波器,在一定的约束条件下,其输出与给定函数的差的平方达到最小,通过数学运算最终可变为可变为一个拖布列兹方程的求解问题,是利用平稳随机过程的相关特性和频谱特性混有噪声的信号进行滤波。
  • 常用的图像复原方法:代数恢复方法:无约束复原;约束最小二乘法;频域恢复方法:逆滤波恢复法;去除由均匀运动引起的模糊;维纳滤波复原法。

图像压缩编码

  • 常用的图像编码算法:(1)哈夫曼编码;(2)算术编码;(3)预测编码;(4)变换编码。
  • 图像数据之所以可以被压缩,是因为数据中存在着冗余。 在图像压缩中,有三种基本的数据冗余:编码冗余;像素间冗余;视觉冗余。
  • 无损压缩:是对文件本身的压缩,和其它数据文件的压缩一样,是对文件的数据存储方式进行优化,采用某种算法表示重复的数据信息,文件可以完全还原,不影响文件内容,对于数字图像而言,也不会使图像细节有任何损失。
  • 有损压缩:是对图像本身的改变,在保存图像时保留了较多的亮度信息,而将色相和色纯度的信息和周围的像素进行合并,合并的比例不同,压缩的比例也不同,由于信息量减少了,所以压缩比可以很高,图像质量也会相应的下降。
  • 霍夫曼编码算法基本思想是根据源数据符号发生的概率进行编码的。在源数据中出现概率越大的符号,分配的码字越短;出现概率越小的信号,其码长越长,从而达到用尽可能少的码表示源数据。
  • 无损(亦称无失真、无误差、信息保持)编码中删除的仅仅是图像数据中冗余的数据,经解码重建的图像和原始图像没有任何失真。 有损(亦称有误差、有失真)编码是指解码重建的图像与原图像相比有失真,不能精确的复原,但视觉效果上基本相同,是实现高压缩比的编码方式。
  • 统计编码:根据信源的概率分布可变长码,使平均码长非常接近于熵。
  • 算数编码:利用编码符号的联合概率,用一个单独的浮点数来代替一串输入符号。
  • 预测编码:不是直接对信号编码,而是对图像预测误差编码。实质上是对新的信息进行编码,以消除相邻像素之间的相关性和冗余性。
  • 变换编码算法:是通过正交变换把图像从空间域转化为能量比较集中的变换域系数,然后对变换系数经行编码,从而达到压缩数据的目的。

图像边缘检测、分割

  • 图像处理常用算法:边缘检测:Canny 算子、Laplacian算子、Sobel 算子;Hough变换检测直线和圆算法;图像分割:阈值分割算(也叫二值化)、区域分割算法 :区域生长法、分裂合并法、空间聚类法。
举报

相关推荐

0 条评论