数字图像处理
1:概述
图像变换:对图像进行变换在频域进行更有效的处理
图像恢复:对退化的图像进行处理,使得更能接近原始图像
图像增强:增强图像的有用信息,削弱干扰和噪声,提高图像的清晰度,突出图像中所感兴趣的部分
图像压缩和编码:对待处理的图像进行压缩编码减少描述图像的数据量
HSI模型:
H 色调:表明颜色的种类,取决于主波长
S饱和度:表明颜色浓淡的物理量,通常用混入白光量的比例来度量
I亮度:人眼所感受到的颜色明暗程度的物理量
2.图像变换
2.1 几何变换:旋转、平移、比例缩放、放射变换、图像插值
图像插值:最近邻插值、卷积插值、双线性插值
2.2傅里叶变换
2.3图像变换的一般表示形式
2.4图像的离散余弦变换
2.5图像的离散沃尔什-哈达玛变换
2.6K-L变换
3.图像增强
3.1对比度增强
通过灰度变换增强对比度,将源图像中灰度值为r的像素,在目标图像中灰度值变为s,r和s之间的关系由变换函数T表示,s=T(r)称为灰度变换
灰度变换常用方法:
- 对图像中的每一个像素做增强处理(直接灰度变换)
- 借助图像直方图进行变换(也称作直方图处理)
增强对比度的变换函数为:
动态范围:指图像从暗到亮的变化范围
3.2直方图修正
直方图均衡化:将原始图像的值变换为均匀分布
直方图均衡优点:自动增加图像对比度,缺点不能用于交互式的图像增强应用,所以采用直方图修正化
直方图修正化:
3.3图像平滑
目的:去除衰减图像的噪声和假轮廓
空域和频域方法
空域分为:
- (1)邻域(局部)平均法:用某点像素的灰度平均值来代替该点的灰度值
- (2)阈值平均法:
- (3)加权平均法:邻域内灰度值及本点灰度加权值来代替该点灰度值
- (4)高斯平均
- (5)自适应局部噪声消除滤波器
频域分为:
(1)低通滤波器:
- 理想低通滤波器(ILPF)
- 巴特沃斯低通滤波器(BLPF)
- 指数低通滤波器(ELPF)
- 梯形低通滤波器(TLPF)
(2)中值滤波:用像素邻域内的中间值代替该像素 用途:去除噪声
中值滤波对干扰脉冲和点状噪声有良好抑制作用,对图像的边缘能较好保持的非线性图像增强技术
依据:噪声以孤立点的形式出现,这些点对应的像素数很少,而图像则是一个像素数较多的、面积较大的块组成
3.4图像锐化
- 图像变模糊原因:成像系统聚焦不好或信道过窄;平均或积分运算;
- 目的:加重目标物轮廓,使模糊图像变清晰
方法分类:
- 空域差分法-模糊图像实质是受到平均或积分元算,故对其进行逆运算(微分),使图像清晰
- 频域考虑,图像模糊的实质是高频分量衰减,故可用高频滤波加强使得图像清晰
二阶微分滤波器-拉普拉斯算子
一阶微分滤波器-梯度算子 (非线性梯度)
梯度算子分类:
- Robert算子
- Prewitt算子
- Sobel算子
距离度量:
3.5图像的同态滤波
3.6图像的彩色增强