logo资料库

数字图像处理.docx

发布时间：2022-06-05 发布人：admin 分类：说明书 资料大小：0.13M 资料格式：docx 举报 版权申诉
第1页 / 共41页
第2页 / 共41页
第3页 / 共41页
第4页 / 共41页
第5页 / 共41页
第6页 / 共41页
第7页 / 共41页
第8页 / 共41页
资料共41页，剩余部分请下载后查看
     数字图像处理 Digital Image Processing  第 1 章 绪论  图像基本概念  图像工程简介  图像处理系统  第 1 章 绪论  数字图像处理方法研究源于两个主要应用领域： 1）为了便于人们分析而对图像信息进行改进。 2）为使机器自动理解而对图像数据进行存储、传输及显示。  1.1 图像  1.1.1 图像表示和显示  1.1.2 空间分辨率和幅度分辨率  1.1 图像 图像是用各种观测系统以不同形式和手段观测客观世界而获得的，可以直接或间 接作用于人眼进而产生视知觉的实体。 例如：人的视觉系统就是一个观测系统，通过它得到的图像就是客观景物在人心 目中形成的影像。  1.1 图像 从广义上说，图像是自然界景物的客观反映，是人类认识世界和人类本身的重要 知识源泉。 研究表明，人类从外界获得的信息约 75％来自视觉系统，其余信息来源依次为听 觉、味觉、触觉、嗅觉等。 图像带有大量信息：“百闻不如一见”。  1.图像和像素 客观世界——三维（3D）——体 图像——二维（2D）——面 一幅图像可定义为一个 2-D 数组 f(x,y)  x，y 是 2-D 空间 XY 中一个坐标点位置  f，即 f(x,y)，代表图像在点(x,y)的某种性质 F 的数值。  1.图像和像素 灰度图像是一个二维灰度（或亮度）函数 f(x,y)，对应客观景物被观察到的亮度值， 称为强度或者灰度。  1.图像和像素 彩色图像由三个（如 RGB,HSI）二维灰度（或亮度）函数 f(x,y)组成。  1.图像和像素 常见图像是连续的，即 f、x、y 的值可以是任意实数。 为了能使用数字计算机对图像进行加工处理，需要把连续的图像在坐标空间 X、Y 和性质空间 F 都进行离散化。 模拟量－>数字量  1.图像和像素 离散化了的图像就是数字图像，用 I(r,c)表示。
     I 代表离散化后的 f  (r,c)代表离散化后的(x,y)。其中 r 代表图像中的行（Row），c 代表图像中的 列（Column）。  I，r，c 的值均为整数。 教学中，以 f(x,y)代替 I(r,c)来表示数字图像，f、x、y 均属于整数集。  1.图像和像素 早期： picture：图片、图画、各种照片以及光学影像，是采用绘画或者拍照的方法获得 的人、物、景的模拟。 现在： image：“像”，是客观世界通过光学系统产生的印象，特指数字图像。  1.图像和像素 数字图像中每个基本单元称为图像元素，简称像素（Picture Element）。对 2-D 图 像，英文常用 pixel 表示。  图像的像素组成的二维排列，可以用矩阵表示。  对于单色（灰度）图像而言，每个像素的亮度用一个数值来表示，通常数值 范围在 0 到 255 之间，0 表示黑、255 表示白，其它值表示处于黑白之间的 灰度。  1.图像和像素 数字图像由二维的像素组成，每一个像素具有一个特定的位置（x,y）和幅值 f(x,y)  2.图像的矩阵和矢量表示 一副 2-D 图像可用一个 2-D 数组 f(x,y)表示。也可以表示成一个 2-D 的 M×N 矩阵 M、N 分别为图像的行、列数  2.图像的矩阵和矢量表示 一副 2-D 图像也可用矢量表示 其中  3.图像的显示方式 基本思路：将 2-D 图像看过在 2-D 空间位置上的一种幅度分布。  3.图像的显示方式 例 1.1.2 灰度图像显示示例  3.图像的显示方式 例 1.1.2 灰度图像显示示例  基本概念 一幅图像必须要在空间和灰度上都离散化才能被计算机处理。  空间坐标的离散化叫做空间采样；  灰度的离散化叫做灰度量化。  采用传感器阵列获取图像
     数字图像表示 采样和量化的结果是一个实际矩阵。  数字图像表示 将原点坐标值记为(x,y)=(0,0)，则用一个 M×N 的数组来近似 1 幅连续图像，即：  1.分辨率与数据量 图像的数字化过程中需要确定图像尺寸 M、N 的值和每个像素所具有的离散灰度 级数 G。 出于处理、存储和采样硬件的考虑，常将 M、N、G 取值为 2 的整数次幂。即： M＝2m N＝2n G＝2k  1.分辨率与数据量 灰度级的取值范围称为图像的动态范围。 占有灰度级全部有效段的图像叫做高动态范围图像。图像呈现这种特性时，图像 就有较高的对比度。 现反，低动态范围的图像看上去似乎是冲淡了的灰暗格调。  1.分辨率与数据量 存储一幅数字图像所需的比特数 b（单位是 bit）： b＝M×N×k 当 M＝N 时，则： b＝N2k  1.分辨率与数据量  1.分辨率与数据量 当一幅图像有 2k 灰度级时，通常称该图像是 k 比特图像。 例如： 一幅图像有 256 个灰度级，则称其为 8 比特图像或 8 位图像。  2.分辨率与图像质量 图像分辨率与采样点数 M、N 和灰度级数 G 两个参数紧密相关。 理论上，这两个参数越大，离散数组与原始图像越接近。 但从实际出发，存储和处理需求将随这两个参数的增加而迅速增加，所以采样点 数和灰度级数也不能太大。  2.分辨率与图像质量 空间分辨率：图像中可辨别的最小细节。 幅度分辨率：指在灰度级别中可分辨的最小变化。  图像空间分辨率变换所产生的效果  图像空间分辨率变换所产生的效果  图像幅度分辨率变换所产生的效果  图像幅度分辨率变换所产生的效果
     一个好的近似图像需要多少采样分辨率和灰度级 胡昂[1965]实验： 实验方法 选取一组细节多少不同的、不同 M、 N、G 的图象让观察者根据他们的主观质量 感觉给这些图象排序  一个好的近似图像需要多少采样分辨率和灰度级 胡昂[1965]实验： 实验结论 随着采样分辨率和灰度级的提高，主观质量也提高。对有大量细节的图象，质量 对灰度级需求相应降低。  层次  对比度  清晰度  层次  灰度级：表示像素明暗程度的整数量 例如：像素的取值范围为 0-255，就称该图像为 256 个灰度级的图像  层次（动态范围）：表示图像实际拥有的灰度级的数量 例如：具有 32 种不同取值的图像，可称该图像具有 32 个层次 图像数据的实际层次越多，视觉效果就越好  层次  对比度  清晰度  清晰度－亮度  清晰度－尺寸大小  清晰度－细微层次  清晰度－颜色饱和度  1.2 图像工程简介  1.2.1 图像技术和图像工程  1.2.2 图像工程的 3 个层次  1.2.3 图像工程相关学科和领域  1.2.4 图像工程的技术应用  数字图像处理发展简明历史 在计算机处理出现之前，图像处理都是光学、照相处理和视频信号处理等模拟处 理。 例如，在利用透镜或棱镜的光学演算中使用各种滤光镜，利用胶卷具有的特性曲 线进行的处理，在电子回路中的视频信号的处理等，都属于这一范畴。  数字图像处理发展简明历史 数字图像处理最早的应用之一是在报纸业。 20 世纪 20 年代，纽约－伦敦海底电缆传输数字化的新闻图片。传递时间从一个多 星期减少到 3 个小时。
     数字图像处理发展简明历史 数字图像处理最早的应用之一是在报纸业。 1922 年两次穿越大西洋， 从穿孔纸得到数字图像。 该图像支持 5 个灰度级。  数字图像处理发展简明历史 数字图像处理最早的应用之一是在报纸业。 1929 年从伦敦到纽 约 15 级色调通过电缆 传递照片。从早期 5 个 灰度到 15 灰度。  数字图像处理发展简明历史 上述例子主要由图像编码和图像还原构成，由打印机完成图像处理工作，尚未涉 及到计算机，因此处理能力非常有限。 数字图像处理要求非常大的存储和计算能力，因此数字图像处理的历史与数字计 算机的发展密切相关，数字图像处理领域的发展必须依靠数字计算机及数据存储、显示和 传输等相关技术的发展。  数字图像处理发展简明历史 现代计算机模型在 20 世纪 40 年代由约翰.冯.诺依曼提出，引发一系列重要技术进 步，使得计算机以强大的功能用于数字图像处理领域。 大规模的存储和显示系统也随之发展，成为数字图像处理的基础。  数字图像处理发展简明历史 50 年代中期在太空计划的推动下开始这项技术的研究。重要标志是 1964 年美国喷 气推进实验室（JPL）正式使用数字计算机对“旅行者 7 号”卫星送回的四千多张月球照片 进行了处理。  数字图像处理发展简明历史 60 年代末，第三代计算机的研制成功，以及快速傅里叶变换算法的发现和应用使 得对图像的某些计算得以实际实现，人们逐渐开始利用计算机对图像进行加工应用，数字 图象处理逐渐形成一个比较完整的理论与技术体系，从而构成了一门独立的技术。  数字图像处理发展简明历史 70 年代，开始应用于医学图像、地球遥感监测和天文学等领域。 计算机断层（CT）的发明是图像处理在医学诊断领域最重要的应用之一。  CT 发明获得 1979 年诺贝尔医学奖。  X 射线 1901 年诺贝尔物理学奖。（伦琴）  数字图像处理发展简明历史 计算机断层（CT）  数字图像处理发展简明历史 70 年代以来迅猛发展。广泛应用于太空探索，遥感应用，生物医学工程工业应用， 军事应用等方面。 80 年代在处理 3-D 图像方面取得巨大进步，图像处理技术得到广泛应用。  数字图像处理发展现状：迅猛发展！
    1、主观需求：人类从外界获取得信息 60～70％通过眼睛的图象信息。 2、计算机技术的发展和通信手段的发展提供客观可能；以 FFT 为代表的数字信号处理算法 和现代信号处理方法的精确性，灵活性与通用性。 3、数学化的特点是该学科成熟的一个标志。“一种科学只有在成功地运用数学时，才算真 正达到了完美的地步 ” (分析，代数，几何） 总之：是一门在理论研究和应用开发两方面获得极大统一的学科。  数字图像处理发展趋势 1、结合网络和 Internet 技术需求而发展起来的新技术，比如网上图象、视频的传输、 点播和新的浏览、查询手段。 2、高级图象处理技术，结合最新的数学进展，诸如小波、分形、形态学等技术。 3、智能化，图象自动分析、识别与理解。  图像技术 针对数字图像，主要指应用计算机的图像技术。包括利用计算机和其他电子设备 完成的一系列工作。 主要包括图像压缩、图像增强、图像复原、图像重建、图像边缘检测和分割、图 像测量和分析、图像识别与理解等。  图像技术－图像压缩 所涉及的技术是减少图像在计算机中的存储量，或者在图像传输时降低带宽。 互联网以大量的图片内容为特征，目前彩屏手机的兴起，对图像传输技术又有了 更高的要求。 图像压缩技术对应的图像文件扩展名大家并不陌生。例如 JPG 文件用于 JEPG（国 际联合图片专家组）图像压缩标准。后面章节会介绍。  图像技术－图像压缩  图像技术－图像增强（主观） 是数字图像处理领域最简单又最有吸引力的领域。其基本思路就是显现那些被模 糊了的细节，或简单地突出一幅图像中某些特征。 图像增强是图像处理中非常主观的领域，好的增强效果以人为的主观判断为基础。 包括去除图像噪声、增强图像对比度等内容。 增强技术既包括空域增强技术，也包括频域中的增强技术。  图像技术－图像增强（主观）  图像技术－图像恢复（客观） 图像恢复是指在图像退化（图像品质下降）的原因已知时，对图像进行校正，重 新获得原始图像的过程。 使图像降质的因素有很多，包括感应器或拍摄环境的干扰，感应器的非线性几何 失真，没有对焦精确所造成的模糊，摄象机与物体之间相对运动所造成的模糊等。  图像技术－图像恢复（客观）  图像技术－图像恢复（客观）  图像技术－图像重建 图像重建的工作是由几个一维的图像投影来重建出更高维的物体图像。它与图像 增强、图像恢复等不同。图像增强和图像恢复的输入都是图像，处理后输出的结果也是图 像。而图像重建则是指从数据到图像的处理，即输入的是某种数据，经过处理后得到的结 果是图像。  图像技术－图像重建  图像技术－图像边缘检测和分割
    将一幅图像划分为背景和目标物，其中目标物是人们感兴趣的部分，其他的成为 背景。 图像中通常包含多个对象，图像处理为达到识别和理解的目的，几乎都必须按照 一定的规则将图像分割成区域，每个区域代表被成像的一个部分。图像分割是从处理到分 析的转变关键。 例如印刷字符自动识别（OCR），指纹识别等。  图像技术－图像边缘检测和分割  图像技术－图像识别和理解 图像经过分割，提取了感兴趣的目标，这时需要对这些目标进行合适的表达以简 化对它们的描述从而能有效的利用它们。也称特征提取。 识别是基于目标的描述给目标赋依符号的过程。 目前识别领域飞速发展，例如：文字识别、指纹识别、语音识别、虹膜识别、人 脸识别、耳轮识别和步态识别等等。  图像技术－图像识别和理解  图像工程 包括有关图像的理论技术，对图像数据的分析管理以及各种应用，是一个对整个 图像领域进行研究的学科。 据抽象程度和研究方法的不同，分为 3 个层次：图像处理、图像分析和图像理解。  图像工程－图像处理（本课程重点） 图像处理着重强调在图像之间进行的变换。 主要内容： 对图像进行各种加工以改善图像的视觉效果并为自动识别打基础，或对图像进行 压缩编码以减少所需存储空间或传输时间、传输通路的要求。 图像图像处理图像  图像工程－图像分析 图像分析主要对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息从 而建立对图像的描述。 图像图像分析数据 数据指对目标特征测量的结果，描述了图像中目标的特点和性质。  图像工程－图像理解 图像理解是在图像分析的基础上，进一步研究图像中各目标的的性质和他们之间 的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划 行动。 数据图像理解数据  图像工程 图像处理、图像分析和图像理解的层次关系  图像工程是跨学科的前沿科技领域  主要相关学科  图形学：原指用图形、图表、绘图等形式表达数据信息的科学，而计算机图形学研 究的就是如何利用计算机技术来产生这些形式
     图象模式识别：试图把图象分解成可用符号较抽象地描述的类别  计算机视觉：主要强调用计算机实现人的视觉功能，目前的研究内容主要与图象理 解相结合  图像工程应用领域 1）通讯。包括图像传输、电视电话、电视会议等，主要是进行图像压缩甚至理解基础 上的压缩。 2）宇宙探测。由于太空技术的发展，需要用数字图像处理技术处理大量的星体照片。  图像工程应用领域 3）遥感。航空遥感和卫星遥感图像需要用数字技术加工处理，并提取有用的信息。主 要用于地形地质分析，矿藏探勘，森林、海洋、水利、农业等资源调查，环境污染监测， 自然灾害预测预报，气象卫星云图处理以及地面军事目标的识别等。由于数据量庞大，因 此寻求处理及分析这些图像的自动方法，特别是图像对比度增强、分割及图像识别的技术 显得极为重要。  图像工程应用领域 4）生物医学领域中的应用。图像处理在这一领域的应用非常广泛，无论是临床诊断还 是病理研究都大量采用图像处理技术。它的直观、无创伤、安全方便等优点备受青睐。图 像处理首先应用于细胞分类、染色体分类和放射图像等。20 世纪 70 年代数字图像处理在医 学上的应用有了重大突破。1972 年，X 射线断层扫描 CT 得到实用；1977 年，白血球自动分 类仪问世；1980 年，人们实现了 CT 的立体重建。医学图像的种类包括 X 光图像、同位素图 像、核磁共振图像、超声波图像、红外线图像以及显微图像等。对这些图像作对比度增强 或伪彩色等的处理可帮助医生诊断疫病。  图像工程应用领域 5）工业生产中的应用。在生产线中对产品及其部件进行无损检测是图像处理技术的一 个重要应用领域。这一领域的应用从 20 世纪 70 年代起取得了迅猛的发展，主要有产品质 量检测；生产过程的自动控制；CAD 和 CAM 等。  图像工程应用领域 6）军事、公安等方面的应用。例如军事目标的侦察、制导和警戒系统、自动灭火器的 控制及反伪装；公安部门的现场照片、指纹、手迹、人像等的处理和辨识；历史文字和图 片档案的修复和管理等。  图像工程应用领域 7）机器人视觉。机器视觉作为智能机器人的重要感觉器官，其主要任务是进行三维景 物理解和识别。机器视觉主要用于军事侦察或处于危险环境的自主机器人；邮政、医院和 家政服务的智能机器人；装配线工件识别、定位；太空机器人的自动操作等。  图像工程应用领域 8）科学可视化。图像处理和图形学的紧密结合，形成了科学研究领域新型的研究工具。 例如考古学可用图像处理方法恢复模糊或其他降质状况的珍贵文物图像。 9）视频和多媒体系统。电视制作系统中广泛使用图像处理、变换、合成；多媒体系统 中静止图像和动态图像的采集、压缩、处理、存储和传输等。 10）电子商务。图像处理技术在这一领域大有可为，如身份认证、产品防伪、水印技 术等。  图像工程实际应用最新领域
    分享到：
    赞 收藏

    相关推荐

    资料库

    考试认证

    共收录20637份资料，累计11个分类，关注成员有19位，主要包括：真题,美赛,软考,PMP,Linux/Unix认证,思科认证,微软认证,Oracle认证,华为认证,软考等考,其它

    热门标签

    真题 美赛 软考 PMP Linux/Unix认证 思科认证 微软认证 Oracle认证 华为认证 软考等考 其它

    最新资料