数字图像处理总复习讲义
之前没写完的复习资料放弃了~还是按照老师给的总复习PPT来吧。
绪论
- 数字图像:像素坐标和灰度值都是离散值的图像称为数字图像。
- f(x,y):振幅f:该点的强度或灰度。(x,y)空间坐标。
- 当(x,y)和f的为有限,离散的数值时,该图像为数字图像。
- 数字图像处理:借助于数字计算机来处理数字图像。
- 图像的来源:主要是电磁能谱,此外还有声波,超声波和电子及计算机产生。
数字图像基础
-
视觉感知要素:人眼的结构(光感受器)
- 锥状体:每只眼睛中约有600-700万个,对颜色高度敏感。使用锥状体,可以充分分辨图像细节。锥状体视觉称为白昼视觉或者是亮视觉。
- 杆状体:每只眼睛约有7500-15000万个,它们没有色彩感觉,对低照明度敏感,杆状视觉称为暗视觉或微光视觉。
-
光和电磁波谱
- 光是一种特殊的电磁辐射,可以被人眼感知,可见光的波长范围为0.43微米-0.79微米
- 人感受到的物体颜色是由物体反射的波长决定的。
-
像素:每个(x,y)对应的数字图像中的一个基本单元,称其为图像元素,简称为像素。(像素是一个纯粹理论的概念,它没有形状也没有尺寸,看不见摸不着,只存在于理论计算中。)
-
图像分辨率:该图像在空间域上的采样数。指单位图像线性尺寸中所包含的像素数目,通常以像素/英寸为计量单位。
-
相邻像素
-
4邻域 (m+1,n),(m-1,n),(m,n+1),(m,n-1) N4§
-
对角邻域 (m+1,n+1),(m+1,n-1),(m-1,n+1),(m-1,n-1) ND§
-
8邻域 N4§ + ND§ N8§
-
邻接
-
概念:像素的相邻仅说明了两个像素在位置上的关系,若再加上取值相同或相近,则称两个像素邻接。
-
两个像素p和q邻接的条件
- 位置相近
- 灰度值相近。灰度值相似准则:
-
类型
- 4邻接:若像素p和q的灰度值均属于V中的元素,且q在N4§中,则p和q是4邻接的.
- 8邻接:若像素p和q的灰度值均属于V中的元素,且q在N8§集中,则p和q是8邻接的.
- m邻接(混合邻接):若像素p和q的灰度值均属于V中的元素,{①q在N4§中,或者②q在ND§中}且{集合N4§∩N4(q)没有V值的像素},则具有V值的像素p和q是m邻接的.
-
距离度量准则
-
数学工具
- 矩阵与阵列操作
- 平移变换
- 旋转变换
- 去除叠加性
灰度变换和空间滤波
- 空间域技术:灰度变换和空间滤波直接对图像的像素进行操作,属于空间域技术。空间域技术在计算上更有效,所需的处理资源更少。
- 灰度变换:灰度变换也称为灰度映射就是将输出图像f(x,y)中的灰度r,通过映射函数T(·)映射成输出图像g(x,y)中的灰度s。
- 灰度变换使得图像的灰度级得到拉伸,变换后的图像比原图像有更高的对比度,从而能显示更多的细节。
- 直方图
- 是图像的一种统计表达,它描述了图像中各灰度值的像素个数,反映了该图中不同灰度级出现的统计概率。
- 在图像增强中的应用:若一副图像的像素倾向于占据整个可能的灰度级范围并且均匀分布,则该图像会有高对比度的外观并展示灰度调的较大变化,最终效果将是一幅灰度细节丰富且清晰的图像。
- 一些图像由于其灰度分布集中在较窄的区间,对比度很弱,图像细节看不清楚
- 直方图处理(???没找到课件位置???)
-
灰度插值
- 三种常见的插值方法:最邻近插值法,双线性插值,高阶插值
- 最邻近插值法:
- 双线性插值:公式看不懂哇
- 三阶插值:这个应该不用掌握
频率域滤波
- 奈奎斯特采样定理:对于一个有限带宽的连续信号进行采样,当采样频率大于信号最高频率的两倍时,可以由所获得的离散样本完全恢复原始的连续信号。
- 域:对信号的分析可以从不同的角度、采用不同的方式。每一种特定的角度以及对应的处理方法,就形成一个“域”。可以把“域”视为一个坐标系。
- 时域:信号在时间轴上的变化,描述信号幅度和时间之间的关系,以时间作为变量。
- 空间域:信号在空间坐标轴上的变化,描述信号幅度与x、y坐标轴之间的关系,以空间坐标作为变量。
- 频域:信号在频率轴上的变化,描述信号幅度/相位与频率之间的关系,以频率作为变量。
- 傅里叶级数太难了,具体细节看课本和课件吧