數字圖像處理 知識點

基礎概念

  • 數字圖像:圖像可定義爲一個二維函數f(x,y),幅值f爲圖像的強度(灰度)。當x,y,f是有限的離散數值時,該圖像爲數字圖像。
  • 數字圖像處理:藉助於數字計算機來處理數字圖像。
  • 亮度函數、入射分量、反射分量
  • 馬赫帶效應
  • 同時對比度
  • 亮度恆定:當物體對背景的亮度、對比度保持一致時,即使物體和背景的亮度在很大的範圍裏變化,人眼對亮度的感覺仍保持不變。
  • 空間頻率特徵:空間頻率是指視像空間變化的快慢。清晰明快的畫面,意味這有大量的高頻成分。模糊圖像只有低頻空間成分。
  • 圖像的取樣與量化:數字化座標軸稱爲取樣,數字化幅度值稱爲量化。

圖像屬性

  • 動態範圍:有時灰度級取值範圍稱爲圖像的動態範圍。
  • 灰度級:灰度級的典型的取值是2的整數次冪。通常假設離散灰度級是等間隔的並且是區間[0,L-1]內的整數 。
  • kbit圖像:當一副圖像有2k灰度級時,通常稱該圖像是K比特圖像
  • 圖像分辨率:實際上指對原始圖像的採樣分辨率。單位“象素點/單位長度”
  • 採樣分辨率:單位長度上所包含的採樣數
  • 灰度分辨率:灰度級中可分辨的最小變化(8比特的灰度分辨率圖像有256個灰度級)
  • 圖像深度:在位圖圖像中,表示各象素點亮度或色彩信息的二進制位數。
  • CMYK RGB HSI (HSV,HSB,HSL)

基礎計算

  • 點運算:是點對點的對灰度值進行計算
  • 代數運算:圖像點對點的代數運算,不是矩陣的運算
  • 幾何運算:涉及圖像的轉動、扭曲、傾斜、拉伸,空間點位置的變化、灰度值的變化
  • 最鄰近插值:最近的輸入像素的灰度值
  • 雙線性插值線性插值:令f(x,y)爲兩個變量的函數,其在單位正方形頂點的值已知。假設我們希望通過插值得到正方形內任意點的f(x,y)值。我們可由如下雙曲線方程:f(x,y)=ax+by+cxy+d
  • 灰度變換:將一個灰度區間映射到另一個灰度區間的變換稱爲灰度變換。
  • 直方圖 累積直方圖 連續圖像幅度的密度函數,幅度分佈函數
  • 灰度直方圖:灰度直方圖是灰度級的函數,它表示圖像中具有某種灰度級的像素的個數,反映了圖像中某種灰度出現的頻率。
  • 線性系統: 疊加性+齊次性 ay1+by2=T[ax1+bx2]
  • 移不變系統:是指如果輸入序列進行移位,則輸出序列進行相應的移位。
  • 線性移不變系統:同時具有線性性和移不變性。
  • 卷積

傅立葉

  • 傅立葉變換對(公式)

  • 傅立葉振幅譜 傅立葉相位譜 傅立葉能量譜

頻域濾波

低頻包含基本內容,高頻包含細節與噪音
低通平滑,高通銳化

  • (理想)低通濾波
    具有振鈴現象
  • 巴特沃思低通濾波BLPF

    模糊程度減少但尾部含有較多的高頻,對噪聲的平滑效果不如ILPF。
  • 指數低通濾波器梯形低通濾波器
  • 高通濾波
  • 同態濾波

    取對數、傅立葉變換、乘上高/低通過濾器、傅立葉逆變換、求指數

圖像增強技術 圖像復原技術

  • 退化:圖像的質量變壞叫做退化。退化的形式有圖像模糊、圖像有干擾等
  • 均值濾波 中值濾波 最大值濾波 最小值濾波 中點濾波((最大+最小)/2)
  • 自適應中值濾波

彩色圖像

  • 安全色216種
  • RGB/CMYK
  • HSI:色調、飽和度、亮度
  • 僞彩色:僞彩色處理是指將黑白圖像轉化爲彩色圖像,或者是將單色圖像變換成給定彩色分佈的圖像。主要有密度分層法、灰度級-彩色變換法、頻域濾波法

形態學

  • 腐蝕、膨脹
  • 開操作:先腐蝕,再膨脹
  • 閉操作:先膨脹,再腐蝕
  • 邊緣提取填充

圖像分割

  • Roberts算子
  • Prewitt算子
  • Sobel算子
  • 拉普拉斯算子
  • 域值法:全局門限,局域門限,動態\自適應門限
  • 全局域值自動分割
    對於有明顯雙峯得得直方圖可以通過程序,然計算機自動實現.算法:
    1.選擇一個初始化得估計域值T.
    2.用T分割圖像,生成兩組數據,G1,G2;
    3.求兩組數據的平均灰度值u1,u2
    4.計算新門限值:T=(u1+u2)/2
    5.重複2到4,直到迭代所得到的T值之差小於指點的參數T0.
  • 區域分裂與合併
  • 分水嶺算法

圖像表示與描述

  • 鏈碼 多邊形近似 邊界分段 標記圖
  • 一階差分碼 形狀數
  • 傅立葉描述子
  • 統計矩

計算

  • 直方圖均衡化  直方圖規定化
  • 形態學 操作(腐蝕、膨脹、開、閉、填充……)
  • 圖像表示:鏈碼 一階差分碼 形狀數 灰度共生矩
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章