图像处理系统包括.docx

图像处理系统包括:图像处理硬件和图像处理软件微机图像处理硬件系统包括：由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成软件系统包括：操作系统、控制软件及应用软件等数字化包括采样和量化两个过程 ：采样 ：对空间连续坐标(x, y)的离散化 量化 ：幅值 f (x, y)的离散化一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现像素呈块状的国际棋盘效应； 采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大 量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大； 量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小二维离散傅里叶变换的性质：1．周期性和共轭对称性 傅里叶变换以零点为中心，导致谱图像最亮点在图像的左上角为符合正常习惯，将谱图像的原零点从左上角移到显示屏的中心2．可分性 二维变换可以通过两次一维变换来实现用MATLAB实现图像的傅里叶变换看，MATLAB程序如下： A=imread('pout.tif'); imshow(A); A=double(A); A2=fft2(A); A2=fftshift(A2); figure imshow(log(abs(A2)),[0 10]);余弦变换实际上是利用了Fourier变换的实数部分构成的变换。

余弦变换主要用于图像的压缩，如目前的国际压缩标准的JPEG格式中就用到了DCT变换具体的做法与DFT相似即高频部分压缩多一些，低频部分压缩少一些图像增强技术：不考虑图像降质的原因，只将图像中感兴趣的部分加以处理或突出有用的图像特征，故改善后的图像并不一定要去逼近原图像图像增强的目的是提高可懂度增强的方法是因应用不同而不同的增强的结果只是靠人的主观感觉加以评价图像增强根据所处理的空间不同,分为: 基于图像域的方法： 直接在图像所在的空间进行处理, 有时也叫空域处理基于变换域的方法： 在图像变换域间接进行，有时也叫频域处理根据处理策略不同，分为：点处理、邻域处理、全图处理空间域单点增强——灰度变换 可使图像动态范围增大，图像对比度扩展从而使图像变得清晰以及图像上的特征变得明显灰度变换：线性变换：将灰度范围线性扩展非线性变化：将感兴趣的灰度范围线性扩展，相对抑制不感兴趣的灰度区域线性变换原理:f（x，y）的动态范围[a，b]àg(x.y) 的动态范围[c,d]. 原因：灰度集中在某个较小的范围（对比度低），或原图灰度的动态范围太大，需要灰度压缩公式：g(x,y)=[(d-c)/(b-a)][f(x,y)-a]+c 为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区间，可以采用分段线性变换，常用的方法是分段作线性变换。

仔细调整折线拐点的位置及控制分段直线的斜率，可以对图像的任一灰度区间进行拉伸或压缩 非线性灰度变换 对数拉伸gx,y=a+ln⁡[fx,y+1]blnc 指数拉伸gx,y=bc[fx,y-a]-1灰度直方图是表示一幅图像灰度分布情况的统计表直方图的横坐标是灰度级，纵坐标是该灰度级的像素个数或这个灰度级出现的概率 ，对于数字图像而言，其概率就用频度代表，即：prk=nk/n N为图像的像素总数 rk为第k个灰度级 nk为第k个灰度级的像素个数灰度直方图直方图是多对一的映射结果，即多个图像可以生成相同的直方图，因此直方图作为一阶统计特征未反映相邻点之间的关系但它却反映了图像的灰度散布范围等特征，如均值、方差，在很多场合下，往往是重要特征灰度直方图描述了图像的概貌直方图变换后可使图像的灰度间距拉开或使灰度分布均匀，从而增大对比度，使图像细节清晰，达到增强的目的直方图变换有 直方图均衡化 直方图规定化直方图均衡：把原始图的直方图变换为均匀分布的形式，增加像素灰度值的动态范围，提高图像对比度例、假定有一幅总像素为n＝64×64的图像，灰度级数为8，各灰度级分布列于表中试对其进行直方图均衡化。

灰度级rk01/72/73/74/75/76/71像素数nk 790102385065632924512281概率Pk(rk) 0.190.250.210.160.080.060.030.02原灰度级变换函数值原来量化级原来像素数新灰度级新灰度级分布r0=0s0=T(r0)=0.190790r1=1/7s1=T(r1) =0.441/7=0.141023s0’(790)790/4096=0.19r2=2/7s2=T(r2) =0.652/7=0.29850r3=3/7s3=T(r3) =0.813/7=0.43656s1’(1023) 1023/4096=0.44r4=4/7s4=T(r4) =0.894/7=0.57329r5=5/7s5=T(r5) =0.955/7=0.71245s2’(850) 850/4096=0.21r6=6/7s6=T(r6) =0.986/7=0.86122s3’(985) 985/4096=0.24r7=1s7=T(r7) =1.001.0081s4’(448) 448/4096=0.11图像增强的频域技术与空域技术 空间滤波器的工作原理可借助频域进行分析 。

空间平滑滤波器 消除或减弱图像中灰度值具有较大较快变化部分的影响，这些部分对应频域中的高频分量，所以可用频域低通滤波来实现空间锐化滤波器 消除或减弱图像中灰度值缓慢变化的部分，这些部分对应频域中的低频分量，所以可用频域高通滤波来实现 图像平滑是在图像噪声模型未知时消除噪声的一种常规办法，其作用有两个： ①消除或减少噪声，改善图像质量；②模糊图像，使图像看起来柔和自然图像锐化主要是加强高频或减弱低频，图像锐化加强了细节和边缘，对图像有去模糊的作用锐化的作用是使灰度反差增强经局部平均处理后，得到平滑图像为：gx,y=1M(i,j)eSgi,j=1M(i,j)eSfi,j+1M(i,j)eSn(i,j) f(x,y)为原始图，n(x,y)为噪声，S：点(x,y)邻域内的点集，M：S内总点数效果：邻域平均法效果与邻域半径有关半径愈大，则图像的模糊程度越大 缺点：在降低噪声的同时使图像产生模糊，特别在边沿和细节处，邻域越大，模糊越厉害邻域平均法：在去噪的同时也使边界变得模糊了中值滤波：非线性的处理方法，在去噪的同时可以兼顾到边界信息的保留选一个含有奇数点的窗口W，将这个窗口在图像上扫描，把该窗口中所含的像素点按灰度级的升（或降）序排列，取位于中间的灰度值，来代替该点的灰度值。

G(m,n)=Median{f(m-k,n-l), (k,l)∈W}1. K近邻均值滤波器在m×m的窗口中，属于同一集合类的像素，它们的灰度值将高度相关被处理的像素（对应于窗口中心的像素）可以用窗口内与中心像素灰度最接近的k个邻近像素的平均灰度来代替1）作一个m×m的作用模板2）在其中选择K个与待处理像素的灰度差为最小的像素3）用这K个像素的灰度均值替换掉原来的值2. K近邻中值滤波器（1）作一个m×m的作用模板2）在其中选择K个与待处理像素的灰度差为最小的像素3）用这K个像素的灰度中值替换原来的值图像锐化——梯度锐化法 所有梯度值都和相邻像素之间的灰度差分成比例利用它来增强图像中景物的边界采用梯度进行图像增强的方法有：（1）第一种方法:使其输出图像的各点等于该点处的梯度即g(i,j)=▽f(i,j) 缺点:输出的图像在灰度变化比较小的区域，g(i,j)很小，显示的是一片黑色，即显示灰度变化比较剧烈的边缘轮廓2）第二种方法: 对梯度值超过某阈值T的像素选用梯度值，而小于T时选用原像素点值适当的选取T，可以有效地增强边界而不影响比较平滑的背景3）第三种方法：对梯度值超过T的像素选用固定灰度LG 代替，而小于T时仍选用原像素点值这种方法可以使边界清晰，同时又不损害灰度变化比较平缓区域的图像特性。

4）第四种方法：将梯度值超过T的像素选用梯度值，而小于T时选用固定的灰度LB 即这种方法将背景用一个固定的灰度级LB来表示，便于研究边缘灰度的变化5）第五种方法：是将梯度值超过某阈值T的像素选用固定灰度LG ，而小于该阈值T时选用固定的灰度LB 该法生成的是二值图，根据阈值将图像分成边缘和背景，便于研究边缘所在的位置频域增强原理 卷积定理 G(u,v)=H(u,v)F(u,v) 增强图 gx,y=F-1[Hu,vF(u,v)]步 骤： (1) 计算图像的变换(2) 在频域滤波(3) 反变换回图像空间频域滤波 低通，高通，带通/带阻，同态图像平滑——低通滤波 图像的平滑除了在空间域中进行外，也可以在频率域中进行由于噪声主要集中在高频部分，为去除噪声改善图像质量，滤波器采用低通滤波器H(u,v)来抑制高频成分，通过低频成分，然后再进行傅立叶反变换获得滤波图像，就可达到平滑图像的目的低通滤波在去除噪音的同时也钝化了边和尖锐的细节 图像锐化——高通滤波 高通滤波器图像的边缘、细节主要位于高频部分，而图像的模糊是由于高频成分比较弱产生的频率域锐化就是为了消除模糊，突出边缘因此采用高通滤波器让高频成分通过，使低频成分削弱，再经傅立叶反变换得到边缘锐化的图像。

但高通滤波在增强了边的同时，丢失了图像的层次和亮度数据冗余 数据冗余类别(1) 编码冗余 与灰度分布的概率特性有关(2) 像素相关冗余 空间冗余，几何冗余 (3) 心理视觉冗余 与主观感觉有关图像压缩原理 改变图像信息的描述方式，以压缩掉图像中的数据冗余忽略一些视觉不太明显的微小差异，以压缩掉图像中的视觉冗余图像压缩：是指在不同用途的图像质量要求下，保留确定信息、去除大量冗余和无用信息，尽可能用最少的比特数表示一幅图像，以减少图像存储容量和提高图像传输效率的技术根据图像的保真度，图像压缩编码方法的分类 ：信息保存型（无损压缩编码）：在压缩和解压缩过程中没有信息损失信息损失型（有损压缩编码）：常能取得较高的压缩率 压缩后并不能经解压缩恢复原状 数据没有冗余，能否压缩？为什么？不能，因为图像压缩是指在不同用途的图像质量要求下，保留确定信息、去除大量冗余和无用信息，尽可能用最少的比特数表示一幅图像，以减少图像存储容量和提高图像传输效率的技术没有冗余就没有办法减少图像比特数图像压缩——统计编码统计编码 根据信源的概率分布特性，分配具有惟一可译性的可变长码字，降低平均码字长度，以提高信息的传输速度，节省存储空间。

基本原理 在信号概率分布已知的基础上，概率大的信号对应的码字短，概率小的信号对应的码字长，这样就降低了平均码字长度哈夫曼编码步骤(1) 缩减信源符号数量 将信源符号按出现概率从大到小排列，然后结合哈夫曼编码步骤(2) 对每个信源符号赋值 从（消减到）最小的信源开始，逐步回到初始信源费诺编码 变长编码技术，其码字中的0和1是独立的，并且基本上等概率出现主要步骤为：(1)将信源符号。