数字图像处理复习(part1)
数字图像处理复习(part1)
之前看学长大四发了学习笔记,看着复习挺方便的,我也试试吧。初次在CSDN上写东西,写的还不是代码,本人学习能力也一般,可能写的不是很好啊。见谅~
Chapter1 绪论
引入:什么是图像?
摄像机:物体通过光学系统,将光信号传递给成像器件,然后通过光电转换,编程电信号,传递给显示设备,成像。
模拟图像和数字图像
- 模拟图像:又称连续图像,是指在二维坐标系中连续变化的图像,图像的像点是无限稠密的,同时具有灰度值(明暗变化)。
模拟图像介质:模拟录像带、电影胶片、底片、照片 - 数字图像:凡是能用计算机处理的图像。空间坐标和明暗程度是离散的、不连续的。
数字图像介质:DVD、VCD、CD,硬盘,闪存卡
输出设备:显示器、投影仪、打印机、绘图仪
应用领域
- 图像通信、宇宙探测、遥感、生物医学、高速摄影、军事、工业生产、公安、交通管理、机器人视觉、娱乐
一些应用解释:
多光谱遥感:对电磁波谱不同谱段做同步摄影遥感,分别获得各个颜色的物体的影像(如水域、植被、土壤),最后再合成。
气象云图:对大气中红外长波辐射观测所形成的图。白色是云,越白或越亮,表示伸展高度越高,温度越低,反之,无云区,颜色越深,温度越高。
计算机视觉和机器人视觉区别:前者主要研究视觉检验,精度要求高;后者偏向工程应用,实时性要求,考虑环境。
VR和AR:
VR是把你全面带入虚拟世界,AR是把虚拟的时间带到现实中来(增强现实)
图像处理的三个层次
图像处理:改良视觉体验,从图像到图像(本课程主要研究内容)
图像分析:对图像提取、分割,获得目标的客观信息,从图像到数据
图像理解:对图像内容含义的理解,符号运算。高层操作
接下来几节会学的概念:
图像增强、图像复原、图像压缩、图像分析、图像识别、图像融合、伪彩色处理(自动上色)、图像描述(提取点、线、物体)、其他处理方法…
图像对比度定义:I是亮度
有趣知识科普:人眼视觉
- 适应亮度范围宽,但同时识别范围窄。例如从亮屋到黑屋啥都看不见,从黑屋带亮屋适应快。
- 很难判断亮度的绝对值(换个底色就觉得不一样亮了)
- 马赫带现象,
- 空间错觉
图像二维数组表示:f(x,y)
采样:决定图像的尺寸大小
量化:决定图像的灰度级(不同灰度值的个数)
像素:一个一个点,图像最小的不可分割单位。
Chapter2 matlab基础
(可能考的比较多?…)因为我没做过数模,matlab小白,所以基本知识多写一点
matlab可以单行命令执行,也可以写成文件,
M文件有两种:命令(script)文件和函数(function)文件
全局变量/局部变量:和python的jupyter用法一样
基本函数
%全零矩阵的生成
A=zeros(n);% n*n全零矩阵
A=zeros(m,n);%m*n全零矩阵,也可写成zeros([m,n])
A=zeros(a1,a2,a3,...);%a1*a2*a3的全零矩阵
A=zeros(size(B));生成与矩阵B大小相同的全零
%全1矩阵:把zeros换成ones就行了
%单位矩阵:单词换成eye(可能是因为eye和字母I同音吧)
%均匀分布的随机矩阵,单词换成rand,元素在(0,1)区间
%自定义矩阵:
A=[1,2,3;4,5,6;
7,8,9;
10,11,12];%每一行用分号隔开
%冒号“:”生成均匀等分向量,和python比较像
x=j:k %如果j>k,生成空向量,生成范围在[j,k]
x=j:i:k %不要求k刚好等于j+n*i,生成范围在[j,k]
%矩阵变换
diag(A) %返回A对角元素成列向量,如果是m*n,返回左上方那个正方形的
diag(v) %用向量v作为对角元素建立矩阵
flipud(A) fliplr(A) rot90(A)逆时针旋转90度
tril(A) lower下三角 triu(A) upper上三角
%访问矩阵元素。。。毕竟是数学软件,矩阵序号从1开始,小心
x=[1,2,3,4,5]
b=x(3) % [3]
b=x([1 2 5]) 或者 x([1,2,5]) 中括号一定得加 % [1,2,5]
b=x(3:end) % [3,4,5]
b=x(find(x>3)) 找元素值大于3的,组合成数组 % [4,5]
b=x(3:-1:1) 前三个倒序排列 % [3,2,1]
b=x([1 2 3 4 4 3 2 1]) 找对应位置,组成数组% [1,2,3,4,4,3,2,1]
%修改数据
x(2,2)=10 %改这个位置
x(3,:)=20 %第三行全部改成20, 第一位是行,第二位是列
x(2:4,2:4)=0 %改第2、3、4行的2、3、4列
C=A(1:2,2:3) %提取A的这部分
A(:,2)=[] %删除第二列,4*3变成4*2
[r,c]=size(A) %返回r为行数,c为列数,换言之,size(A)返回的是二元值
r=size(A,1) %只返回第一个变量,行数
c=size(A,2) %只返回第二个变量,列数
(好吧,写这些代码基础的东西我也好烦…)
图像类型
(这个看起来还比较有趣,但表格用起来不方便…)
真彩色图像RGB | 索引色图像index | 灰度图像intensity | 二值图像binary |
---|---|---|---|
R、G、B三分量,m*n *3数组 | 调色板map(图像的各种颜色)+数据矩阵X(每个像素点存的是第几个颜色) | 只需要一个数据矩阵,存灰度,调色板相当于只有一个颜色了 | 只需要一个数据矩阵,只有两个灰度值0/1 |
double或uint8存储 | double或uint8存储 | double或uint8存储 | uint8存储 |
图像序列(感觉不怎么重要,将几幅图像合并成一个图像序列)
一些事项:索引图像,如果调色板的颜色数目少于图像的,超出调色板颜色范围的图像像素都将设置成调色板的最后一个颜色。
[0, 1] 和 [0, 225]
对索引图像进行滤波,应首先将其转换为RGB
dither函数,使显色数量少的设备显示色彩丰富的图片,变得模糊,如RGB->index, 灰度->二值
图像加法:值相加,别超上限
Chapter3 灰度变换与空间滤波
常见问题:
对比度局部或全部偏低,影响图像视觉
噪声干扰 ,一堆黑白点点
清晰度下降问题,是图片模糊,甚至严重失真
图像增强enhancement:不能增加原始图像的信息,甚至可能减少原始图像的信息,目标是基于研究的问题,让人主观看起来更舒服。
图像增强的方法:
- 空间域方法:直接以像素操作为基础
- 频率域方法:卷积、模板(滤波核)
灰度变换函数 s=T ( r )
有很多种
- 图像反转:[0,L-1] s=L-1-r
如:黑色占主体,可以反过来 - 对数函数:s=c log(1+r)
如:0到106,使用对数表示 - 幂律函数:s=c rγ
如:伽马校正。比如让最后的成像的系数更接近1 - 其他特殊非线性:1/(1+(m/r)E)
如:分段函数
直方图Histogram
定义:灰度级范围[0,L-1]
关于灰度级的离散函数:h(rk)=nk,反映灰度的频率
r: 第k级灰度值
n: 灰度值为r的像素的个数
灰度直方图归一化:p(rk)=nk/n,转换成[0,1]的概率
常规目标:一幅图像其像素占有全部可能的灰度级并且分布均匀,得到的图像是灰度细节丰富且动态范围较大。
直方图均衡:寻找一个变换函数,,使变换后的图像的像素值占有全部的灰度级并且分布均匀
注意:严格单调递增,保证反函数存在
变换后的灰度级减少了,这叫“简并”现象
离散状况下的直方图归一化增强 处理步骤:
- 计算原始图像的pr(rk)=nk/n
- 直方图均衡化,选择适当的点对,使均衡,建立关系
空间域滤波
线性空间滤波:和之前讲的差不多,模版、卷积运算
图像边界处理方法:
3. 忽略图像边界数据,减去外框
4. 在图像四周复制原图像边界像素的值,或者补0
平滑空间滤波器
用于模糊处理和减小噪声,因为典型的随机噪声是由灰度级的尖锐变化组成的。
*副作用:图像边缘也是尖锐的,所以平滑滤波存在边缘模糊的负面效应。
可以减弱或消除图像的高频分量,因为高频分量对应图像中变化较大的地方。
- 平滑线性滤波器:
均值滤波器
加权均值滤波器:区分邻域中不同位置像素对输出值的影响,“加权模板”
- 统计排序滤波器
一圈排序,然后选值。常见的是中值滤波器(非线性)。不适合用于细节多的图像。
锐化空间滤波器
突出灰度的过渡部分,增强图像中的细节
采用微分(差分)的方法,缺点是有方向性,需要找到各向异性的。
- 拉普拉斯算子:各向同性
中心赋值
4或-4,上下左右是-1或1
8或-8,周围八个是-1或1
叠加以后,g(x,y)=f(x,y)-▽2f(x,y)
中心的系数成5了。根据下图来理解,拉普拉斯(中心系数4)是强化细节,然后需要和原图片结合起来,在原图片基础上增加细节。所以系数变成5
反锐化掩蔽和高频提升滤波
反锐化掩蔽:从原图像中减去其反锐化(平滑过的)图像的过程
procedure:模糊原图像、原图像减去模糊图像,得到模版、把模版加到原图像上。(个人理解:双倍的细节部分)
高频提升
gmask(x,y)为模版,k>1,使细节部分更加明显基于一阶微分的梯度法
梯度的方向在函数f(x,y)最大变化率的方向上。
梯度的模 M(x,y)=mag(▽f)=根号(gx2+gy2),简化为|gx|+|gy|
数字图像处理复习(part1)相关推荐
- 数字图像处理复习(part3)
数字图像处理复习(part3) 前面提到了空间域变换,接下来开始频率域变换,然后各种滤波,最后还了解了彩色图像和压缩.进入最后的部分. Chapter9 形态学图像处理 引入:为什么叫形态学呢?形态学 ...
- 数字图像处理复习笔记
数字图像处理基础 1.绪论 1.1 数字图像的概念 图像:用各种观测系统以不同的形式或者手段观测客观世界从而获得的可以直接或者间接作用于人的视觉系统而产生的视知觉实体.其中图像可分成"图&q ...
- 2020高级数字图像处理复习笔记
学习高级图像处理课程,以及<数字图像处理>书本的内容总结 第一章 绪论 模拟图像就是生活中接触到的各类图像,照相机所拍的照片.医学所用的光底片一类的光学图像以及眼睛所看到的一切景物图像等, ...
- MATLAB数字图像处理复习概览
MATLAB数字图像处理 第1章 绪论 数字图像的概念 数字图像处理 第2章 数字图像处理基础 数字图像的生成与表示 数字图像的数值描述 第3章 图像基本运算 图像几何变换 几何变换基础 位置变换 几 ...
- 数字图像处理复习提纲
数字图像处理 第一章 数字图像基础 什么是数字图像(理解) 数字图像是由图像数字化得到的.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 数字化的空间位置称为像素,数字化的亮度称为灰度值 ...
- 数字图像处理-图像基础-复习总结
文章目录 数字图像处理复习总结 数字图像基础 数字图像基础概念 采样和量化 非均匀采样与量化 数字图像常见失真类型 数字图像处理基础 数字图像处理基本概念 数字图像处理研究内容 数字图像处理关键阶段 ...
- 830数字图像处理(冈萨雷斯版)考研笔记(一):大纲与题型
前言 上一个周末,2020年考研结束.对于自己而言,虽然有很多不尽人意的地方,但是我始终觉得,每一个阶段都要留下点什么,如果最后仅仅得到两个词语,成了或者没成,对于我来说将会是更大的打击.我喜欢把每一 ...
- matlab 图像 幅度谱 低通滤波_数字图像处理期末复习2018-12-21
数字图像处理期末复习2018-12-21 愉快先生 0.204 · 字数 5547 · 阅读 1834 2018-12-22 19:35 (数字图像冈萨雷斯第二版教材) 一.基本原理 图像的读取.存储 ...
- 国科大数字图像处理(复习与整理)
图像处理复习笔记: 1.证明一个系统是线性系统 2.证明函数卷积的傅里叶变换等于函数傅氏变换后的乘积 3.采样定理与混叠 4.直方图均衡化 第一节课知识点 第二节课知识点 第三节课知识点 第四节课知识 ...
最新文章
- 灵活运用ISA的链接转换功能:ISA2006系列之十三
- Oracle临时表和SQL Server临时表的不同点对比
- video 属性和事件用法大全
- 神经网络optimizer的发展历史整理
- 程序员漫画:影响程序员一生的书单
- 印花导带容易出现的问题及其解决方法
- Python 大数据思维导图
- 【SEU程序设计课笔记】 Mooc - Chapter 5 - (EX) - 猜数字游戏
- 做正确的事和正确的做事
- AndroidOTA增量包(差分包)制作记录
- 成也苹果败也苹果,曾经女首富身价缩水一半
- 计算机网络可靠性的重要指标,浅谈如何提高计算机网络的可靠性
- 小红书算法sign php,小红书API签名算法分析
- linux 烧写stm32 swd,STM32F103使用SWD烧写错误提示的问题
- linux系统tar命令慢,Linux系统下tar命令的使用技巧
- 在家想远程公司电脑?Python+微信一键连接!
- Android上的RNDIS
- [wayfarer]PetShop数据访问层之数据库访问设计
- H - 找女朋友(快排)
- 快速实施多账套多组织架构