数字图像
定义：数字图像可以定义为与之相对应的物体的数字表示。通常用一个二维数组表示一幅图像，也可以认为一幅图像就是一个二维矩阵。二维矩阵的每个位置对应于图像上的每个像素点，而二维矩阵每个位置上存储的数值对应于图像上每个像素点所具有的信息，比如：灰度等等。
既然数字图像可以用二维矩阵来表示，那么数字图像的处理就可以认为是对对二维矩阵的操作。
图像的数字化：
将一幅图像进行数字化的过程就是在计算机上创建生成一个二维矩阵的过程。数字化过程包括三个步骤：扫描、采样、量化。
扫描：就是按照一定的先后顺序（如：行优先）对图像进行遍历的过程。像素是遍历过程中寻址的最小单位，对应于数组寻址的单位。 采样：即遍历过程中在在图像的每个最小寻址单位即像素位置上测量灰度值，采样的结果是得到每一像素的灰度值。
量化：就是将采样得到的像素灰度值经过模数转换等器件转化为离散的整数值。 数字图像处理中的基本图像类型： 二值图像：二值图像的矩阵仅有两个值构成即“0”和“1”。0 表示黑色，1表示白色。因此二值图像在计算机中的数据类型为一个二进制位。 灰度图像：灰度图像的二维矩阵每个元素的值可能都不一样，它有一个范围【0~255】，其中0表示纯黑色，255表示纯白色，中间数字表示由黑到白的过度。其数据类型一般为8位无符号数。 索引图像：索引图像可以表示彩色图像，其结构比较复杂，除了存储图像数据的二维矩阵以外，还有一个存储RGB 颜色的二维矩阵，称为颜色索引矩阵（COLORMAP ）。存储数据的二维矩阵里面存储的仍然是图像各个像素的灰度值，而颜色索引矩阵是一个【256】【3】形式的二维矩阵，256对应于0~255个灰度值，而每行的三个分量表示对应于每个灰度值的像素点，它的RGB 分量的值。例如：COLORMAP[38][0~2]表示灰度值为38的像素点的RGB 各分量值。由于每个像素只有256个灰度值，而每个灰度值决定了一种颜色，所以索引图像最多有256种颜色。 RGB 图像：它与索引图像一样可以表示彩色图像，分别用R ，G,，B 三原色表示每个像素的颜色，但是他们的数据结构不同。RGB 图像的数据结构是一个三维矩阵，它的每一像素的颜色值直接存储在矩阵中。因此这个矩阵可用M*N*3来表示。M ：表示矩阵每行的像素数，N ：表示每列的像素数，3表示每一像素的三个颜色分量。由于每个像素的颜色值都 直接放在图像矩阵中，所以其颜色理论上多达（23
*23
*23
）种。 图像的统计特征：
1. 信息量：一幅图像如果共有ｑ种灰度值并且出现的概率分别是p 1，p 2
，p
3
，…
p
q
，
则根据香农定理，这幅图像的信息量可有下式表示：
p p i
q
i i
H log 2
1
∑
=-= （１）
； Ｈ 通称为熵，当图像中个灰度值出现的概率彼此相等时，图像的熵最大。
2.
计算灰度平均值：灰度平均值是指一幅图像中所有像素灰度值的算术平均数，它反应图像中不同物体的平均反射强度，一般用下式表示：
MN
j i f f M i N j ∑∑-=-==
1010
)
,( （2）
3. 计算灰度中值：灰度中值是指图像中所有灰度处于中间的值，当当灰度级数为偶数时，则取中间的两个灰度的平均值。
4. 计算灰度众数：灰度众数就是指图像中出现次数最多的灰度值，它是一幅图像中面积占优的物体的灰度特征的反应。
5.
计算灰度标准差：灰度标准差是反映各像素灰度值与图像平均灰度值的总的离散程度，它与熵一样是衡量一幅图像信息量大小的主要指标，是图像统计特征中最重要的统计量之一。一般情况下，标准差越大图像信息量越大。计算公式如下：
[]
MN
f j i f S M i N j ∑∑-=-=-=
1010
),( （3）
6．计算灰度值域：灰度值域是图像最大灰度与最小灰度的差值，即
),(),()
,(min
max
j i f j i f j i f
range
-=
(4)
计算多为图像的统计特征：
1． 计算协方差矩阵：设),(j i f 和),(j i g 是大小为N M ?的两幅图像，则两者之间的协
方差计算公式为：
[][]g j i g f j i f MN
M o i N j fg
gf
S S
--==∑∑-=-=),(),(1110
2
2 （5）
式中f 和g ——图像),(j i f 和),(j i g 的均值
将N 个波段相互间的协方差排列在一起所组成的矩阵称为协方差矩阵∑
，即
???
??
?????
????=∑
s s
s s
s s s s
s NN N N N N 2
22
21
2
2222
2212
12
12211
（6）
2.计算相关系数 相关系数是描述图像波段间的相关程度的统计量，反映了两个波段图像所含信息的重叠程度。如果两个波段的相关系数较大，则说明仅选择一个波段就可以表示两个波段的信息。特别的，一个波段与其本身的相关系数是1，表明完全重叠。计算公式为：
S
S S
corr
gg
ff
fg fg
2=
（7）
式中S
ff
、
S
gg
——图像f 、g 的标准差
S
fg
2 ——图像f 、g 的协方差
将N 个波段相互间的相关系数排列在一起组成的矩阵称为相关矩阵R ，即
?
?
???
???????=NN N N N N r r r r r r r R 2
1
221
11211
（8）
另外，图像的统计特征还包括直方图特征，直方图指图像中所有灰度值的概率分布，对于数字图像来说，实际上就是图像灰度值的概率密度函数的离散化图形。
图像处理
图像处理的一般步骤： 1. 获取原始图像 2. 预处理
a) 滤波降噪 b) 图像增强 c) 图像分割 3. 特征提取
4. 数据融合，包括三个方面：像素级融合，特征级融合，决策级融合。
5. 分类决策
下面着重讲述图像分割：
图像分割：就是依据图像的灰度、颜色、纹理、边缘等特征，把图像分成各自满足某种相似性准则或具有某种共同特征的连通区域集合的过程。
设R 代表某个图像区域，对R 的分割可看作将R 分成若干个满足以下条件的非空子集（子区域）R1，R2，……R n 。
（1）
R R
n
i i
== 1
。即分割成的所有子区域的并集能够构成原来的区域R 。
（2）对于所有的i 和j 以及i ≠j ,有=j i R R ?。即分割成的各子区域互不重叠。
（3）对于i=1,2,3，……n;有P(R i)=TURE 。即分割得到的属于同一区域的像素应具有某些相同的特性。 （4）对于i ≠j,有P(R i ∪R j )=FALSE 。即分割得到的属于不同区域的像素应具有不同的性质
（5）对于i=1,2,……n;R i 是联通的区域。即同一子区域的像素应当是连通的。
图像分割的方法：
图像分割的方法有很多，总体上讲有如下几类比较常用：基于边缘检测的图像分割、基于阈值的图像分割、基于跟踪的图像分割、基于区域的图像分割（基于聚类的图像分割）。 一：基于边缘检测的图像分割 图像边缘：图像边缘意味着图像中一个区域的结束和另一个区域的开始，图像中相邻区域之间的像素集合构成了图像的边缘。图像边缘即图像的灰度发生空间突变的像素的集合 图像边缘有两个特征：方向和幅度。 沿边缘走向，像素值变化比较缓慢； 沿垂直于边缘走向，像素值变化比较剧烈。 一般常用一阶和二阶导数来描述和检测边缘，而导数可利用微分算子来计算。对于数字图像来说，通常利用差分来近似微分。 一介微分梯度边缘检测：
设f(x,y)为连续图像函数，G x 和G y 分别为x 方向和y 方向的梯度，且在点（x, y ）处的梯度可以表示为一个矢量，并有其梯度定义：
T
y y x f x y x f y x f G ??
?
?
??????=),()
,()),(( （9）
对应于欧式距离的梯度幅值：
2
2|),(|y x G G y x G += （10）
对应于棋盘距离的梯度幅值：
|||||),(|4y x G G y x G += （11）
对应于街区距离的梯度幅值：
|}||max {||),(|8y x G G y x G +≈ （12）
有梯度矢量幅角表示的梯度方向是函数f(x, y)增加最快的方向：
)/arctan(),(y x G G y x =φ （13）
几个常用算子： （1） Roberts 算子
是一个交叉算子，其在点（i, j ）的梯度幅值表示为：
|)1,(),1(||)1,1(),(|),(+-++++-=j i f j i f j i f j i f j i G （14）
卷积模板可表示为：
|||||),(|y x G G j i G += （15）
其中， Gx 和G y 分别为:
??
????-=?
?????-=01101001y x G G (16)
(2) Sobel 算子
Sobel 算子在点（i, j ）的梯度幅值表示为：
s s y x j i S 2
2),(+=
（17）
简化的卷积模板表示形式：
||||),(s s y x j i S +=
（18）
其中，S x 和 S y 分别是x 方向和y 方向梯度的模板表示：
???
?
??????---=??
????????---=121000121
101202101s s y x （19）
（2） Prewitt 算子
（3） Prewitt 算子在点（i, j ）的梯度幅值表示为：
s s y x j i S 2
2),(+=
（20）
简化的卷积模板表示形式为：
||||),(s s y x j i S += （21）
其中，S x 和S y 分别是X 方向和Y 方向提督的模板形式：
????
??????---=?????
?????---=111000111
101101101s s y x （22） 二阶微分边缘检测：
拉普拉斯二阶导数算子：
222
22
y
f
x f f ??+??=? （23） 二阶差分的偏导数近似式为：
)
,(),1(2),2(),(),1()),(),1((2
2j i f j i f j i f x
j i f x j i f x j i f j i f x G x
f x ++-+=??-?+?=?-+?=??=?? （24）
以上是以（i+1, j ）为中心，用i 替换 i+1可得一（i, j ）为中心的二阶偏导数公式： 也即有：
),1(),(2),1(22j i f j i f j i f x
f -+-+=?? （25） 同理有：
)1,(),(2)1,(2
2-+-+=??j i f j i f j i f y f
（26） 所以有：
)1,(),1(),(4)1,(),1(222
2-+-+-+++=??+??j i f j i f j i f j i f j i f y
f
x f （27） 对应的集中模板为：
????
?
?????--------??????????----111181111010141010 （28）
基于阈值的图像分割方法： 基于阈值的图像分割方法是提取物体与背景在灰度上的差异，把图像分为具有不同灰度级的目标区域和背景区域的一种图像分割技术。 基本思想：首先确定一个灰度阈值，然后将灰度值大于给定阈值的像素判归为某一物体，赋予同一个编号，将灰度值小于给定阈值的像素归为另一物体，赋予另一个相同的编号。 适用情况：被分割物体的灰度值比较均一并且它周围背景的灰度值也比较均一。 公式： 单阈值情况：
??
?≤≥=T
y x f T y x f y x g ),(0
),(1
),( （9）
多阈值情况：
),,2,1,
),((),(1N k T y x f T k
y x g k k =<≤=- （10）
式中，T k 为各个分割阈值，假定共有N 个阈值。 半阈值化分割：图像经阈值化分割后不是表示成二值和多值图像，而是将比阈值大的像素的灰度保持不变，而将比阈值小的像素的灰度变为黑色；或者将比阈值小的像素的灰度保持不变，而将比阈值大的像素变为白色。公式如下： ??
?<≥=T
y x f T y x f y x f y x g ),(0
),()
,(),( （11）
??
?>≤=T
y x f T y x f y x f y x g ),(0
),()
,(),( （12）
基于跟踪的图像分割:先通过对图像上的点的简便运算，来检测出可能存在的物体上的点，然后在检测的点的基础上通过跟踪运算来检测物体的边缘轮廓的一种图像分割方法。 轮廓跟踪法：一种适用于黑白二值图像的分割方法，算法如下：
（1） 在靠近边缘处任取一起始点，然后按照每次只前进一步，步距为一个像素的原
则进行跟踪；
（2） 当跟踪中的某步是由白区进入黑区时，以后各步向左转，知直到穿出黑区为止 （3） 当跟踪的某步是由黑区进入白区时，以后各步向右转，直到穿出白区为止； （4） 当围绕目标边界循环跟踪一周回到起点时，则所跟踪的轨迹就是目标的轮廓；
否则继续按（2）和（3）的原则进行跟踪。
轮廓跟踪法可能使某些凸起部分被漏掉。利用不同起点跟踪凸起部分
光栅跟踪方法：先利用检测准则确定接受对象点，然后根据已有的接受对象点和跟踪准则确定新的接受对象点，最后将所有标记为1且相邻的对象点联接起来就得到了检测到的细曲线。
◆需要事先确定检测阈值d、跟踪阈值t，且要求d>t。
◆检测准则：对图像逐行扫描，将每一行中灰度值大于或等于检测阈值d的所有点（称为接受对象点）记为1。
◆跟踪准则：设位于第i行的点(i，j)为接受对象点，如果位于第i+1行上的相邻点(i+1，j-1)、(i+1，j)和(i+1，j+1)的灰度值大于或等于跟踪阈值t，就将其确定为新的接受对象点，并记为1。
光栅跟踪图像分割算法：
（1）确定检测阈值d和跟踪阈值t，且要求d>t；
（2）用检测阈值d逐行对图像进行扫描，依次将灰度值大于或等于检测阈值d的点的位置记为1；
（3）逐行扫描图像，若图像中的（i,j）点为接受对象点，则在第i+1行上找点(i,j)的邻点：
(i+1,j-1)、(i+1,j)、(i+1,j+1)
并将其中灰度值大于或等于跟踪阈值t的邻点确定为新的接受对象点，将相应位置记为1；
（4）重复步骤(3)，直至图像中除最末一行以外的所有接受点扫描完为止。
基于区域的图像分割：
基于区域的图像分割是根据图像的灰度、纹理、颜色和图像像素统计特征的均匀性等图像的空间局部特征，把图像中的像素划归到各个物体或区域中，进而将图像分割成若干个不同区域的一种分割方法。
区域生长法：区域生长法的基本思想是根据事先定义的相似性准则，将图像中满足相似性准则的像素或子区域聚合成更大区域的过程。
区域生长的基本方法是首先在每个需要分割的区域中找一个“种子”像素作为生长的起点，然后将种子像素周围邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域中，接着以合并成的区域中的所有像素作为新的种子像素继续上面的相似性判别与合并过程，直到再没有满足相似性条件的像素可被合并进来为止。这样就使得满足相似性条件的像素就组成（生长成）了一个区域。
区域生长法的三个关键条件的确定：
(1)选择和确定一组能正确代表所需区域的种子像素
一般原则为：
①接近聚类重心的像素可作为种子像素。例如，图像直方图中像素最多且处在聚类中心的像素；
②红外图像目标检测中最亮的像素可作为种子像素；
③按位置要求确定种子像素；
④根据某种经验确定种子像素。
(2) 确定在生长过程中能将相邻像素合并进来的相似性准则。主要有：
①当图像是彩色图像时，可以各颜色为准则，并考虑图像的连通性和邻近性；
②待检测像素点的灰度值与已合并成的区域中所有像素点的平均灰度值满足某种相似性标准，比如灰度值差小于某个值；
③待检测点与已合并成的区域构成的新区域符合某个大小尺寸或形状要求等。
(3) 确定终止生长过程的条件或规则
①一般的停止生长准则是生长过程进行到没有满足生长准则的像素时为止；
②其它与生长区域需要的尺寸、形状等全局特性有关的准则。
分裂合并法
分裂-合并分割法是从整个图像出发，根据图像和各区域的不均匀性，把图像或区域分裂成新的子区域；根据毗邻区域的均匀性，把毗邻的子区域合并成新的较大区域。
如果把整幅图像分成大小相同的4个方形象限区域，并接着把得到的新区域进一步分成大小相同的4个更小的象限区域，如此不断继续分割下去，就会得到一个以该图像为树根，以分成的新区域或更小区域为中间结点或树叶结点的四叉树。
分裂-合并分割法
设同一区域Ri中的所有像素满足某一相似性准则时，P(Ri)=TRUE，否则P(Ri)=FALSE。
（1）将图像R分成4个大小相同的象限区域Ri，i=1,2,3,4；
（2）对于任何的Ri，如果P(Ri)=FALSE，则将该Ri再进一步拆分成4个更小的象限区域；
（3）如果此时存在任意相邻的两个区域Rj和Rk使P(Rj∪Rk)=TRUE成立，就将Rj 和Rk进行合并；
（4）重复（2）和（3），直到无法进行拆分和合并为止。
对于灰度图象的一些可以选择的分裂-合并准则：
（1）同一区域中最大灰度值与最小灰度值之差或方差小于某选定的阈值；
（2）两个区域的平均灰度值之差及方差小于某个选定的阈值；
（3）两个区域的灰度分布函数之差小于某个选定的阈值；
（4）两个区域的某种图像统计特征值的差小于等于某个阈值。
BMP图像文件的结构
1.概述：
位图文件的基本结构：位图文件由文件头、信息头、颜色信息和图像数据四部分组成。文件头主要包含文件的大小，文件的类型，图像数据偏离文件头的长度等信息；位图信息头包含图象的尺寸信息、图像用几个比特数值来表示一个像素、图像是否压缩，图像所用的颜色数等信息。颜色信息包含图像所用的颜色表，显示图像时需用到这个颜色表来生成调色板，但如果图像为真彩色，既图像的每个像素用24个比特来表示，文件中就没有这一块信息，也就不需要操作调色板。文件中的数据块表示图像的相应的像素值。
特别需要注意的是：图像的像素值在文件中存放的顺序为从左到右，从下到上，也就是说在BMP图像文件中首先存放的是图像的最后一行像素，最后存储图像的第一行像素，但对于同一行的像素，则是按
照从左到右的顺序存储的；另外，文件存储图像的每一行像素时，所占的字节数必须为4的倍数，不足的在后面补零。
2.BMP文件头
BMP文件头数据结构含有BMP文件的类型、文件的大小、和位图数据的起始位置。结构定义如下：
Typedef struct tagBITMAPFILEHEADER
{
WORD bfType; // 位图文件的类型，必须为“BM”
DWORD bfSize; // 位图文件的大小，以字节为单位
WORD bfReserved1; // 位图文件保留字，必须为0
WORD bfReserved2; // 位图文件保留字，必须为0
DWORD bfOffBits; // 位图数据的起始位置，以相对于位图文件头的偏移量表示，以字节为单位
} BITMAPFILEHEADER；该结构占据14个字节。
3.位图信息头
位图信息头用于说明位图尺寸信息等
typedef struct tagBITMAPINFOHEADER
{
DWORD biSize; // 本结构所占用字节数
LONG biWidth; // 位图的宽度，以像素为单位
LONG biHeight; // 位图的高度，以像素为单位
WORD biPlanes; // 目标设备的平面数不清，必须为1
WORD biBitCount// 每个像素所需的位数，必须是1(双色), 4(16色)，8(256色)或24(真彩色)之一DWORD biCompression; // 位图压缩类型，必须是0(不压缩),1(BI_RLE8压缩类型)或2(BI_RLE4压缩类型)之一
DWORD biSizeImage; // 位图的大小，以字节为单位
LONG biXPelsPerMeter; // 位图水平分辨率，每米像素数
LONG biYPelsPerMeter; // 位图垂直分辨率，每米像素数
DWORD biClrUsed;// 位图实际使用的颜色表中的颜色数
DWORD biClrImportant;// 位图显示过程中重要的颜色数
} BITMAPINFOHEADER；该结构占据40个字节。
注意：对于BMP文件格式，一般都不对图像数据进行压缩处理，如果位图采用压缩处理的话，那么16色彩采用RLE4压缩算法，256色的图像采用RLE8压缩算法。
4．颜色表
颜色表用于说明位图中的颜色，它有若干个表项，每一个表象是一个RGBQUAD类型的结构，定义一种颜色。RGBQUAD的结构定义如下：
typedef struct tagRGBQUAD {
BYTE rgbBlue;// 蓝色的亮度(值范围为0-255)
BYTE rgbGreen; // 绿色的亮度(值范围为0-255)
BYTE rgbRed; // 红色的亮度(值范围为0-255)
BYTE rgbReserved;// 保留，必须为0
} RGBQUAD;
注意：RGBQUAD数据结构中，增加了一个保留字段rgbReserved，它不代表任何颜色，必须取固定的值为“0”，同时，RGBQUAD结构中定义的颜色值中，红色、绿色和蓝色的排列顺序与一般真彩色图像文件的颜色数据排列顺序恰好相反，既：若某个位图中的一个像素点的颜色的描述为“00，00，ff，00”，则表示该点为红色，而不是蓝色
颜色表中RGBQUAD结构的个数有BITMAPINFOHEADER中的biBitCount项来确定，
当biBItcount =1,4,8时，分别有2,16,256个颜色表项。当biBitCount = 24时，图像为真彩色，图像中每个像素的颜色用三个字节来表示，分别对应R、G、B的值，图像文件没有颜色表项。
5．位图信息头和颜色表组成位图信息，BITMAPINFO结构定义如下：
typedef struct tagBITMAPINFO {
BITMAPINFOHEADER bmiHeader; // 位图信息头
RGBQUAD bmiColors[1]; // 颜色表
} BITMAPINFO;
6.位图数据
位图数据记录了位图的每一个像素值或该对应像素的颜色表的索引值，图像记录顺序在同一扫描行是从左到右扫描，在扫描行之间是从下到上扫描。这种格式又称为bottom_up位图。
每个像素所占的字节数：当biBitCount = 1时，一个像素占一位，8个像素占一个字节；当biBitCount = 4时，一个像素值占4位，两个像素占一个字节；当biBitCoount = 8时，一个像素占一个字节；当biBitCount = 24时，一个像素占三个字节，此时图像为真彩色图像，当图像不为真彩色时，图像文件中包含颜色表，位图的数据表示对应像素点在颜色表中相应的索引值。当为真彩色时，每一个像素用三个字节表示图像相应像素点的彩色值，每个字节分别对应R、G、B分量的值，这时图像文件中没有颜色表。图像文件中一个扫描行所占字节数的计算方法：
DataSizePerLine= (biWidth* biBitCount+31)/8；// 一个扫描行所占的字节数
注意：加31 是因为Windows规定图像文件一个扫描行所占字节数必须为4的倍数，因为是取整操作，所以如果最后不够四个字节的话就会丢失，所以加上31再取整，这样就能把最后不够四个字节的部分取上。
位图数据的大小按下式计算（不压缩情况）：
DataSize= DataSizePerLine* biHeight。
typedef struct tagBITMAP
{
LONG bmType;
LONG bmWidth;
LONG bmHeight;
LONG bmWidthBytes;
WORD bmPlanes;
WORD bmBitsPixel;
LPVOID bmBits;
} BITMAP, *PBITMAP, NEAR *NPBITMAP, FAR *LPBITMAP;
typedef struct tagRGBTRIPLE {
BYTE rgbtBlue;
BYTE rgbtGreen;
BYTE rgbtRed;
} RGBTRIPLE;
typedef struct tagRGBQUAD {
BYTE rgbBlue;
BYTE rgbGreen;
BYTE rgbRed;
BYTE rgbReserved;
} RGBQUAD;
typedef RGBQUAD FAR* LPRGBQUAD;
typedef struct tagBITMAPCOREHEADER {
DWORD bcSize; /* used to get to color table */
WORD bcWidth;
WORD bcHeight;
WORD bcPlanes;
WORD bcBitCount;
} BITMAPCOREHEADER, FAR *LPBITMAPCOREHEADER, *PBITMAPCOREHEADER;
typedef struct tagBITMAPINFOHEADER{
DWORD biSize;
LONG biWidth;
LONG biHeight;
WORD biPlanes;
WORD biBitCount;
DWORD biCompression;
DWORD biSizeImage;
LONG biXPelsPerMeter;
LONG biYPelsPerMeter;
DWORD biClrUsed;
DWORD biClrImportant;
} BITMAPINFOHEADER, FAR *LPBITMAPINFOHEADER, *PBITMAPINFOHEADER;
typedef struct tagBITMAPINFO {
BITMAPINFOHEADER bmiHeader;
RGBQUAD bmiColors[1];
} BITMAPINFO, FAR *LPBITMAPINFO, *PBITMAPINFO;
typedef struct tagBITMAPFILEHEADER {
WORD bfType;
DWORD bfSize;
WORD bfReserved1;
WORD bfReserved2;
DWORD bfOffBits;
} BITMAPFILEHEADER, FAR *LPBITMAPFILEHEADER, *PBITMAPFILEHEADER;
typedef struct tagPALETTEENTRY {
BYTE peRed;
BYTE peGreen;
BYTE peBlue;
BYTE peFlags;
} PALETTEENTRY, *PPALETTEENTRY, FAR *LPPALETTEENTRY;
typedef struct tagLOGPALETTE {
WORD palVersion;
WORD palNumEntries;
PALETTEENTRY palPalEntry[1];
} LOGPALETTE, *PLOGPALETTE, NEAR *NPLOGPALETTE, FAR *LPLOGPALETTE;
typedef struct tagDIBSECTION {
BITMAP dsBm;
BITMAPINFOHEADER dsBmih;
DWORD dsBitfields[3];
HANDLE dshSection;
DWORD dsOffset;
} DIBSECTION, FAR *LPDIBSECTION, *PDIBSECTION;
数字图像处理技术从基础到实战 本课程包含图像处理的基础知识以及案例应用，通过视频教程+在线交流的形式展现，力求为读者提供最便捷、直接的技术支持，解决学员在图像处理相关研发过程中遇到的最具体、实际的技术难点，争取与广大学员分享研发过程中所涉及的功能模块及某些成熟的系统框架，为读者进行科学实验、项目开发提供一定的技术支持。 课程大纲： 第1课数字图像处理概述 1、数字图像处理发发展史 2、数字图像处理是概述？ 3、数字图像处理工具箱介绍？ 4、数字图像处理常用技能 5、数字图像在计算机中怎么表示？ 6、数字图像常用计算机表示类型 7、数字图像转换技巧 8、数字图像数组处理技巧 9、案例演示：常用图像处理技术GUI编程 第2课图像时域变换 1、时域空间概述 2、常见的灰度变换函数 3、直方图的概念 4、时域空间滤波基础 5、什么是平滑空间滤波器？ 6、什么是锐化空间滤波器？ 7、什么是混合空间增强？ 8、案例演示：图像去雾 第3课图像频域变换 1、什么是频域空间？ 2、常用的基本概念 3、什么是傅里叶变换？ 4、离散傅里叶变换用法 5、多维傅里叶变换用法 6、案例演示：图像频域滤波可视化编程 第4课图像复原和重建技术 1、常见的图像噪声模型 2、空间滤波图像复原 3、频域滤波图像复原 4、逆滤波图像复原 5、维纳滤波图像复原
6、约束的最小二乘滤波图像复原 7、Lucy-Richardson图像复原 8、案例演示：盲卷积图像复原 第5章彩色图像处理 1、彩色图像概述 2、常见的彩色模型 3、伪彩色图像处理 4、全彩色图像处理 5、彩色变换 6、平滑和锐化 7、基于彩色的图像分割 8、彩色图像中的噪声处理 9、彩色图像压缩 10、案例演示：彩色图像处理 第6课小波和多分辨率处理 1、图像中的小波 2、多分辨率处理 3、一维小波变换 4、快速小波变换 5、二维小波变换 6、案例演示：基于小波分解的图像融合案例 第7课图像压缩处理技术 1、压缩处理原理 2、图像压缩处理常用方法 3、案例演示：数字图像水印嵌入及提取案例 第8课形态学图像处理 1、图像形态学概述？ 2、腐蚀和膨胀 3、开操作与闭操作 4、击中或击不中变换 5、常见形态学算法 6、灰度级形态学 7、案例演示：图像形态学去噪 第9课图像分割处理技术 1、图像分割注意事项 2、点、线和边缘检测 3、阈值处理 4、基于区域的分割 5、使用形态学分水岭的分割
第2章数字图像的基础知识和基本概念 一、数字图像 数字图像是以二进制数字组形式表示的二维图像。利用计算机图形图像技术以数字的方式来记录、处理和保存图像信息。在完成图像信息数字化以后，整个数字图像的输入、处理与输出的过程都可以在计算机中完成，它们具有电子数据文件的所有特性。通常把计算机图形主要分为两大类：位图（bitmap）图像和矢量（vector）图形（如图2-1所示）。 图2-1 计算机图形的主要分类 1．关于位图图像 （1）概念 位图图像（在技术上称作栅格图像）使用图片元素的矩形网格（像素）表现图像。每个像素都分配有特定的位置和颜色值。在处理位图图像时，人们所编辑的是像素。位图图像是连续色调图像（如照片或数字绘画）最常用的电子媒介，因为它们可以更有效地表现阴影和颜色的细微层次。 （2）分辨率 位图图像与分辨率有关，也就是说它们包含固定数量的像素。因此，如果在屏幕上以高缩放比率对它们进行缩放或以低于创建时的分辨率来打印它们，则将丢失其中的细节，并会呈现出锯齿，如图2-2所示。 图2-2 不同放大级别的位图图像示例 （3）特点 ①位图图像有时需要占用大量的存储空间。对于高分辨率的彩色图像，由于像素之间独
立，所以占用的硬盘空间、内存和显存比矢量图都大。 ②位图放大到一定倍数后会产生锯齿。位图的清晰度与像素点的多少有关。 ③位图图像在表现色彩、色调方面的效果比矢量图更加优越，尤其在表现图像的阴影和色彩的细微变化方面效果更佳。 ④位图的格式有bmp、jpg、gif、psd、tif、png等。 ⑤处理软件：Photoshop、ACDSee、画图等。 2．关于矢量图形 （1）概念 矢量图形（又称矢量形状或矢量对象）是由称作矢量的数学对象定义的直线和曲线构成的。矢量根据图像的几何特征对图像进行描述。 （2）分辨率 矢量图形是与分辨率无关的，即当调整矢量图形的大小、将矢量图形打印到PostScript 打印机、在PDF文件中保存矢量图形或将矢量图形导入到基于矢量的图形应用程序中时，矢量图形都将保持清晰的边缘（如图2-3所示）。 图2-3 不同放大级别的矢量图形示例 （3）特点 ①矢量图形可以任意放大和缩小，图形不模糊，不会丢失细节或影响清晰度，不会产生锯齿效果。因此，对于将在各种输出媒体中按照不同大小使用的图稿（如徽标），矢量图形是最佳选择，常用于标志设计、VI设计、字体设计等。 ②矢量图形中保存的是线条和图块的信息，所以矢量图形文件与分辨率和图像大小无关，只与图像的复杂程度有关，图像文件所占的存储空间较小。 ③可采取高分辨率印刷。矢量图形文件可以在任何输出设备（如打印机）上以打印或印刷的最高分辨率进行打印输出。 ④矢量图可以作为图像元素导入Photoshop里使用，它会很好地适应于导入图像的分辨率。 ⑤在Photoshop里的一些矢量工具，比如：钢笔（路径）、文字、形状等在图像处理和创意中都发挥着重要的作用。 3．像素 （1）像素定义 像素（Pixel）是用来计算数字图像的一种单位。数字图像连续性的浓淡阶调是由许多色彩相近的小方点组成，这些小方点就是构成数字图像的最小单位“像素”。越高位的像素，其拥有的色板也就越丰富，越能表达颜色的真实感。人们也经常用点来表示像素，因此PPI 有时缩写为DPI（dots per inch）。用来表示一幅图像的像素越多，结果就更接近原始的图像，即图像的精度越高。 （2）关于像素的扩展
第一章数字图像处理概论 *图像是对客观存在对象的一种相似性的、生动性的描述或写真。 *模拟图像 空间坐标和明暗程度都是连续变化的、计算机无法直接处理的图像 *数字图像 空间坐标和灰度均不连续的、用离散的数字（一般整数）表示的图像（计算机能处理）。是图像的数字表示，像素是其最小的单位。 *数字图像处理（Digital Image Processing） 利用计算机对数字图像进行（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从而获得某种预期的结果的技术。（计算机图像处理） *数字图像处理的特点（优势） （1）处理精度高，再现性好。（2）易于控制处理效果。（3）处理的多样性。（4）图像数据量庞大。（5）图像处理技术综合性强。 *数字图像处理的目的 （1）提高图像的视感质量，以达到赏心悦目的目的 a.去除图像中的噪声； b.改变图像的亮度、颜色； c.增强图像中的某些成份、抑制某些成份； d.对图像进行几何变换等，达到艺术效果； （2）提取图像中所包含的某些特征或特殊信息。 a.模式识别、计算机视觉的预处理 （3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 **数字图像处理的主要研究内容 （1）图像的数字化 a.如何将一幅光学图像表示成一组数字，既不失真又便于计算机分析处理 b.主要包括的是图像的采样与量化 （2*）图像的增强 a.加强图像的有用信息，消弱干扰和噪声 （3）图像的恢复 a.把退化、模糊了的图像复原。模糊的原因有许多种，最常见的有运动模糊，散焦模糊等（4*）图像的编码 a.简化图像的表示，压缩表示图像的数据，以便于存储和传输。 （5）图像的重建 a.由二维图像重建三维图像（如CT） （6）图像的分析 a.对图像中的不同对象进行分割、分类、识别和描述、解释。 （7）图像分割与特征提取 a.图像分割是指将一幅图像的区域根据分析对象进行分割。 b.图像的特征提取包括了形状特征、纹理特征、颜色特征等。 （8）图像隐藏 a.是指媒体信息的相互隐藏。 b.数字水印。 c.图像的信息伪装。 （9）图像通信
遥感与数字图像处理基础知识 一、名词解释: 数字影像图像采样灰度量化像素 数字影像:数字影像又称数字图像,即数字化的影像。基本上就是一个二维矩阵,每个点称为像元。像元空间坐标与灰度值均已离散化,且灰度值随其点位坐标而异。图像采样:指将在空间上连续的图像转换成离散的采样点集的操作。 灰度量化:将各个像素所含的明暗信息离散化后,用数字来表示。 像素:像素就是A/D转换中的取样点,就是计算机图像处理的最小单元 二、填空题: 1、光学图像就是一个连续的光密度函数。 2、数字图像就是一个_离散的光密度_函数。 3、通过成像方式获取的图像就是连续的,无法直接进行计算机处理。此外,有些遥感图像就是通过摄影方式获取的,保存在胶片上。只有对这些获取的图像(或模拟图像)进行数字化后,才能产生数字图像。数字化包括两个过程:___采样___与__量化___。 4、一般来说,采样间距越大,图像数据量____小____,质量____低_____;反之亦然。 5、一幅数字图像为8位量化,量化后的像素灰度级取值范围就是________的整数。设该数字图像为600行600列,则图像所需要的存储空间为________字节。 6、设有图像文件为200行,200列,8位量化,共7个波段,则该图像文件的大小为________。 三、不定项选择题:(单项或多项选择) 1、数字图像的________。 ①空间坐标就是离散的,灰度就是连续的②灰度就是离散的,空间坐标就是连续的 ③两者都就是连续的④两者都就是离散的 2、采样就是对图像________。 ①取地类的样本②空间坐标离散化③灰度离散化 3、量化就是对图像________。 ①空间坐标离散化②灰度离散化③以上两者。 4、图像灰度量化用6比特编码时,量化等级为________。 ①32个②64个③128个④256个 5、数字图像的优点包括________。 ①便于计算机处理与分析②不会因为保存、运输而造成图像信息的损失 ③空间坐标与灰度就是连续的 6、BSQ就是数字图像的________。 ①连续记录格式②行、波段交叉记录格式③像元、波段交叉记录格式。
第一章数字图形基础知识 计算机产生的图形是数字化的图形，它与传统图形的最大区别是构成它的元素不同。当代最重要的未来学家尼葛洛庞帝在他20世纪末的巨著《数字化生存》第一部“比特的时代”中写道：“要了解‘数字化生存’价值和影响，最好的办法就是思考‘比特’和‘原子’的差异 [1]”。他把“比特”（bit）称作“信息的DNA”，认为它正在迅速取代原子而成为人类生活中的基本交换物。传统视觉图形与数字图形的存在方式，也完全适用这样的划分：传统图形是原子的，它用物理的线条和色彩描述；数字图形是比特（bit）的，它用虚拟的线条和色彩描述。 图形的存在方式造就了它的个性，也构成了不同图形之间的差异和特点。根据计算机对图像的处理原理以及应用的软件和使用环境的不同，数字图形可以分为矢量图形和点阵图形两大类型。 1.1 以矢量图存在的数字图形 矢量图也叫向量图，也称“面向对向图形”，矢量图形是用数字方程描述的图，它由矢量定义的直线、曲线和色彩组成，根据轮廓的几何特性进行描述。基于矢量绘图的程序如CorelDRAW，Adobe I11ustrator，Freehand等。 1.1.1 物件（图元） “图元”（Primitives）是矢量图中可用来构成更复杂物体的基本元素或部件。最常见的矢量图图元有直线、折线、曲线、螺旋线、矩形、圆形、多边形、不规则形等。一张复杂的矢量图是由很多个不同大小和形状的“图元”构成的。矢量图的数量越多、图形就越复杂、图形文件就越大。
图1-1 矢量图－图元 1.1.2 矢量图的组成 矢量图是数字图形两大类别中的一类。它本身没有构成图形的“像素”，只是当图形在计算机的显示器或打印机上输出时，矢量图才被硬件赋予虚拟点的方式呈现出来。 矢量图的组成方式与点阵图不同，它不是由像素矩阵式排列，而是计算机按矢量的数字模式描述的结果。因此，它不受像素的制约，可以放大很多级数，很适合表现无标度的分形图形的层层勘套和无穷的细部。 1.1.3 矢量图的优、缺点 （一）优点 由于矢量图的结构特点，它没有构成图形的最小单位：像素，而是一种矢量描述的图形。因此，矢量图无论在显示屏或打印机上放大多少倍。它的边缘看上去都是光滑的，不会出现锯齿状。这是矢量图 的最明显的优点之一。
目录 第一章绪论 (2) 1.1 研究背景 (2) 1.2 人脸图像识别的应用前景 (3) 1.3 本文研究的问题 (4) 1.4 识别系统构成 (4) 1.5 论文的内容及组织 (5) 第二章图像处理的Matlab实现 (6) 2.1 Matlab简介 (6) 2.2 数字图像处理及过程 (6) 2.2.1图像处理的基本操作 (6) 2.2.2图像类型的转换 (7) 2.2.3图像增强 (7) 2.2.4边缘检测 (8) 2.3图像处理功能的Matlab实现实例 (8) 2.4 本章小结 (11) 第三章人脸图像识别计算机系统 (11) 3.1 引言 (11) 3.2系统基本机构 (12) 3.3 人脸检测定位算法 (13) 3.4 人脸图像的预处理 (18) 3.4.1 仿真系统中实现的人脸图像预处理方法 (19) 第四章基于直方图的人脸识别实现 (21) 4.1识别理论 (21) 4.2 人脸识别的matlab实现 (21) 4.3 本章小结 (22) 第五章总结 (22) 致谢 (23) 参考文献 (24) 附录 (25)
第一章绪论 本章提出了本文的研究背景及应用前景。首先阐述了人脸图像识别意义；然后介绍了人脸图像识别研究中存在的问题；接着介绍了自动人脸识别系统的一般框架构成；最后简要地介绍了本文的主要工作和章节结构。 1.1 研究背景 自70年代以来.随着人工智能技术的兴起.以及人类视觉研究的进展.人们逐渐对人脸图像的机器识别投入很大的热情，并形成了一个人脸图像识别研究领域，.这一领域除了它的重大理论价值外，也极具实用价值。 在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人类一样的思考能力，以及识别事物、处理事物的能力，因此从解剖学、心理学、行为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机制，并努力将这些机制用于实践，如各种智能机器人的研制。人脸图像的机器识别研究就是在这种背景下兴起的，因为人们发现许多对于人类而言可以轻易做到的事情，而让机器来实现却很难，如人脸图像的识别，语音识别，自然语言理解等。如果能够开发出具有像人类一样的机器识别机制，就能够逐步地了解人类是如何存储信息，并进行处理的，从而最终了解人类的思维机制。 同时，进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。现在己有实用的计算机自动指纹识别系统面世，并在安检等部门得到应用，但还没有通用成熟的人脸自动识别系统出现。人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性，因为它取样方便，可以不接触目标就进行识别，从而开发研究的实际意义更大。并且与指纹图像不同的是，人脸图像受很多因素的干扰:人脸表情的多样性;以及外在的成像过程中的光照，图像尺寸，旋转，姿势变化等。使得同一个人，
数字图像处理（基础）教案 一、基础知识 第一节、数字图像获取 一、目的 1掌握使用扫描仪等数字化设备以及计算机获取数字图像的方法； 2修改图像的存储格式。 二、原理 用扫描仪获取图像也是图像的数字化过程的方法之一。 扫描仪按种类可以分为手持扫描仪，台式扫描仪和滚筒式扫描仪（鼓形扫描仪）。 扫描仪的主要性能指标有x、y方向的分辨率、色彩分辨率（色彩位数）、扫描幅面和接口方式等。各类扫描仪都标明了它的光学分辨率和最大分辨率。分辨率的单位是dpi，dpi是英文Dot Per Inch的缩写，意思是每英寸的像素点数。 扫描仪工作时，首先由光源将光线照在欲输入的图稿上，产生表示图像特征的反射光（反射稿）或透射光（透射稿）。光学系统采集这些光线，将其聚焦在CCD上，由CCD将光信号转换为电信号，然后由电路部分对这些信号进行A/D转换及处理，产生对应的数字信号输送给计算机。当机械传动机构在控制电路的控制下，带动装有光学系统和CCD的扫描头与图稿进行相对运动，将图稿全部扫描一遍，一幅完整的图像就输入到计算机中去了。
图1.1扫描仪的工作原理 扫描仪扫描图像的步骤是:首先将欲扫描的原稿正面朝下铺在扫描仪的玻璃板上，原稿可以是文字稿件或者图纸照片；然后启动扫描仪驱动程序后，安装在扫描仪内部的可移动光源开始扫描原稿。为了均匀照亮稿件，扫描仪光源为长条形，并沿y方向扫过整个原稿；照射到原稿上的光线经反射后穿过一个很窄的缝隙，形成沿x方向的光带，又经过一组反光镜，由光学透镜聚焦并进入分光镜，经过棱镜和红绿蓝三色滤色镜得到的RGB三条彩色光带分别照到各自的CCD上，CCD将RGB光带转变为模拟电子信号，此信号又被A/D变换器转变为数字电子信号。至此，反映原稿图像的光信号转变为计算机能够接受的二进制数字电子信号，最后通过串行或者并行等接口送至计算机。扫描仪每扫一行就得到原稿x方向一行的图像信息，随着沿y方向的移动，在计算机内部逐步形成原稿的全图。 在扫描仪的工作过程中，有两个元件起到了关键的作用。一个是CCD，它将光信号转换成为电信号；另一个是A/D变换器，它将模拟电信号变为数字电信号。CCD是Charge Couple Device的缩写，称为电荷耦合器件，它是利用微电子技术制成的表面光电器件，可以实现光电转换功能。CCD 在摄像机、数码相机和扫描仪中应用广泛，只不过摄像机中使用的是点阵CCD，即包括x、y两个方向用于摄取平面图像，而扫描仪中使用的是线性CCD，它只有x一个方向，y方向扫描由扫描仪的机械装置来完成。CCD芯片上有许多光敏单元，它们可以将不同的光线转换成不同的电荷，从而形成对应原稿光图像的电荷图像。如果我们想增加图像的分辨率，就必须增加CCD上的光敏单元数量。实际上，CCD的性能决定了扫描仪的x方向的光学分辨率。A/D变换器是将模拟量(Analog)转变为数字量(Digital)的半导体元件。从CCD获取的电信号是对应于图像明暗的模拟信号，就是说图像由暗到亮的变化可以用从低到高的不同电平来表示，它们是连续变化的，即所谓模拟量。A/D变换器的工作是将模拟量数字化，例如将0至1V的线性电压变化表示为0至9的10个等级的方法是：0至小于0.1V 的所有电压都变换为数字0、0.1至小于0.2V的所有电压都变换为数字1……0.9至小于1.0V的所有电压都变换为数字9。实际上，A/D变换器能够表示的范围远远大于10，通常是2^8=256、2^10=1024或者2^12=4096。如果扫描仪说明书上标明的灰度等级是10bit，则说明这个扫描仪能够将图像分成1024个灰度等级，如果标明色彩深度为30bit，则说明红、绿、蓝各个通道都有1024个等级。显然，该等级数越高，表现的彩色越丰富。 步骤
关于数字图像处理的理论基础及常用处理方法 数字图像处理(DigitalImageProcessing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响:一是计算机的发展;二是数学的发展(特别是离散数学理论的创立和完善);三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。 摘要：本文介绍了数字信号处理的起源、发展，并简要概述了数字图像处理所研究的内容和处理数字图像的几大模块。同时，也大致介绍了常用的处理数字图像的方法。最后展望了数字图像处理的发展前景。 Abstract: This paper describes the origin of digital image processing, development, and a brief overview of digital image processing of the content and process digital images of several modules. Also a broad overview of the commonly used method of processing digital images. Finally, looking ahead the future prospects for the development of digital image processing. 关键词：数字图像处理（Digital Image Processing）；理论基础；处理方法 一、数字图像处理的起源及发展 数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。 数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。但是50年代的计算机主要还是用于数值计算，满足不了处理大量数据图像的要求。 数字图像处理作为一门学科大约形成于20世纪60年代初期。伴随着第三代计算机的研制成功，以及快速傅里叶变换算法的的发现和应用使得对图像的某些计算得以实际实践。 早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。在70年代图像技术有了长足进展，80年代，硬件的发展使得人们不仅能处理2-D图像而且能处理3-D图像，许多能获取3-D图像的设备和处理分析3-D图像的系统研制成功，图像技术得到广泛应用。 二、数字图像处理的研究内容 数字图象处理，就是采用计算机对图象进行信息加工。图象处理的主要内容有：图像的采集、增强、复原、变换、编码、重建、分割、配准、嵌拼、融合、特征提取、模式识别和图象理解。 对图像进行处理(或加工、分析)的主要目的有三个方面：
一、图像的预处理技术 图像处理按输入结果可以分为两类，即输入输出都是一副图像和输入一张图像输出不再是图像的数据。图像处理是个很广泛的概念，有时候我们仅仅需要对一幅图像做一些简单的处理，即按照我们的需求将它加工称我们想要得效果的图像，比如图像的降噪和增强、灰度变换等等。更多时候我们想要从一幅图像中获取更高级的结果，比如图像中的目标检测与识别。如果我们将输出图像中更高级的结果视为目的的话，那么我们可以把输入输出都是一幅图像看作是整个处理流程中的预处理。下面我们将谈到一些重要的预处理技术。 （一）图像增强与去噪 图像的增强是一个主观的结果，原来的图像按照我们的需求被处理成我们想要的效果，比如说模糊、锐化、灰度变换等等。图像的去噪则是尽可能让图像恢复到被噪声污染前的样子。衡量标准是可以度量的。不管是图像的增强与去噪，都是基于滤波操作的。 1．滤波器的设计方法 滤波操作是图像处理的一个基本操作，滤波又可分为空间滤波和频域滤波。空间滤波是用一个空间模板在图像每个像素点处进行卷积，卷积的结果就是滤波后的图像。频域滤波则是在频率域看待一幅图像，使用快速傅里叶变换将图像变换到频域，得到图像的频谱。我们可以在频域用函数来保留或减弱/去除相应频率分量，再变换回空间域，得到频域滤波的结果。而空间滤波和频域滤波有着一定的联系。频域滤波也可以指导空间模板的设计，卷积定理是二者连接的桥梁。 （1）频域滤波 使用二维离散傅里叶变换（DFT ）变换到频域： ∑∑-=+--==10)//(210),(),(N y N vy M ux i M x e y x f v u F π 使用二维离散傅里叶反变换（IDFT ）变换到空间域： ∑∑-=-=+=1010)//(2),(1),(M u N v N vy M ux i e v u F MN y x f π 在实际应用中，由于该过程时间复杂度过高，会使用快速傅里叶变换（FFT ）来加速这个过程。现在我们可以在频域的角度看待这些图像了。必须了解的是，图像中的细节即灰度变化剧烈的地方对应着高频分量，图像中平坦变化较少的地方对应着低频分量。图像中的周期性图案/噪声对应着某一个频率区域，那么在频域使用合适的滤波器就能去除相应的频率分量，再使用傅里叶反变换就能看到实际想要的结果。 不同的是，在频域的滤波器不再是做卷积，而是做乘积，因为做乘法的目的在于控制频率分量。比较有代表性的有如下几个滤波器： 高斯低通滤波器 222/),(),(σv u D e v u H -= D 是距离频率矩形中心的距离。该滤波器能保留低频分量，逐渐减小高频分量，对原图像具有模糊作用。
一、填空题（每空1分，共20分） 1、在计算机中，按颜色和灰度的多少可以将图像分为二值图像、灰度图像、 索引图像、真彩色RGP图像四种类型。 1024?，256个灰度级的图像，需 2、存储一幅大小为1024 要8M bit。 3、直方图均衡化适用于增强直方图呈尖峰分布的图像。 4、依据图像的保真度，图像压缩可分为有损压缩和无损压缩 5、图像压缩是建立在图像存在编码荣誉、像素间冗余、心理素质冗余三种冗 余基础上。 6、对于彩色图像，通常用以区别颜色的特性是、、。 7、对于拉普拉斯算子运算过程中图像出现负值的情况，写出一种标定方 法：。 8、图像处理技术主要包括图像的、、等技术。 9、在RGB彩色空间的原点上，三个基色均没有，即原点为色。 二、选择题（每题2分，共20分） 1、下列算法中属于点处理的是： A.梯度锐化 B.二值化 C.傅立叶变换 D.中值滤波 2、图像灰度方差说明了图像哪一个属性。（） A.平均灰度 B.图像对比度 C.图像整体亮度 D.图像细节 3、计算机显示器主要采用哪一种彩色模型（） A.RGB B.CMY或CMYK C.HSI D.HSV 4、采用模板［-1 1］T主要检测（）方向的边缘。 A.水平 B.45? C.垂直 D.135? 5、下列算法中属于图象锐化处理的是：( ) A.低通滤波 B.加权平均法 C.高通滤波 D. 中值滤波 6、维纳滤波器通常用于（） A.去噪 B.减小图像动态范围 C.复原图像 D.平滑图像 7、彩色图像增强时，处理可以采用RGB彩色模型。 A. 直方图均衡化 B. 同态滤波 C. 加权均值滤波 D. 中值滤波 8、____滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。 A. 逆滤波 B. 维纳滤波
盛年不重来，一日难再晨。及时宜自勉，岁月不待人。 《数字图像处理》模拟试卷（A 卷） 一、单项选择题（从下列各题四个备选答案中选出一个正确答案，并将其代号填在题前的括号内。答案选错或未作选择者，该题不得分。每小题1分，共10分） ( d)1.一幅灰度级均匀分布的图象，其灰度范围在[0，255]，则该图象的信息量为： a. 0 b.255 c.6 d.8 ( b)2.图象与灰度直方图间的对应关系是： a.一一对应 b.多对一 c.一对多 d.都不对 ( d )3.下列算法中属于局部处理的是： a.灰度线性变换 b.二值化 c.傅立叶变换 d.中值滤波 ( b)4.下列算法中属于点处理的是： a.梯度锐化 b.二值化 c.傅立叶变换 d.中值滤波 ( d) 5.一曲线的方向链码为12345，则曲线的长度为 a.5 b.4 c.5.83 d.6.24 ( c)6. 下列算法中属于图象平滑处理的是： a.梯度锐化 b.直方图均衡 c. 中值滤波 https://www.doczj.com/doc/b413752119.html,placian增强 ( b )7.下列图象边缘检测算子中抗噪性能最好的是： a.梯度算子 b.Prewitt算子 c.Roberts算子 d. Laplacian算子 ( c)8.采用模板［-1 1］主要检测____方向的边缘。 a.水平 b.45° c.垂直 d.135° ( d )9.二值图象中分支点的连接数为： a.0 b.1 c.2 d.3 ( a)10.对一幅100′100像元的图象，若每像元用８bit表示其灰度值，经霍夫曼编码后压缩图象的数据量为40000bit，则图象的压缩比为： a.2:1 b.3:1 c.4:1 d.1:2 二、填空题（每空1分，共15分） 1.图像锐化除了在空间域进行外，也可在频率域进行。 2.图像处理中常用的两种邻域是4-邻域和8-邻域。 3.直方图修正法包括直方图均衡和直方图规定化两种方法。 4.常用的灰度内插法有最近邻元法双线性内插法（双）三次内插法 5.多年来建立了许多纹理分析法，这些方法大体可分为统计分析法和结构分析法两大类。 6.低通滤波法是使高频成分受到抑制而让低频成分顺利通过，从而实现图像平滑。 7.检测边缘的Sobel算子对应的模板形式为 和。 8.一般来说，采样间距越大，图象数据量少，质量差；反之亦然。 三、名词解释（每小题3分，共15分） 1.数字图像
Matlab图像的读取和存储 图像的读取 I=imread(‘pout.tif’); imread是读取图像的函数。pout.tif是matlab内置的图像，不管在什么程序内都可以直接读取。这里我们来说几种常见的情形 注：Matlab文件夹内有test.m,1.jpg,image文件夹，同时image文件夹内有2.jpg 读取1.jpg I=imread(‘1.jpg’); 读取2.jpg I=imread(‘image\2.jpg’);%相对路径的读取 读取D:\1023\25\1.jpg I=i mread(‘D:\1023\25\1.jpg’);%绝对路径的读取 读取D:\1023\25内20个图像。 for i=1:20 I=imread([‘D:\1023\25\’,num2str(i),’.jpg’]); end 图像的显示 关于这三个函数用法的区别，主要的意思是：imshow显示按照原来的比例，而image会改变原来图像的比例。imtool，很少用到。一般用imshow就足够了。 那么什么时候用figure呢？当程序中只显示一幅图像时，直接imshow就可以。然后当图像多的时候，就需要用到figuure;imshow(I1);figure;imshow(I2);figure;imshow(I3) 如果想要在一张图片内，显示好几个图怎么办呢？title显示在图像的上方，起到提示的作用。 I=imread('pout.tif'); subplot(221);imshow(I);title('1'); subplot(222);imshow(I);title('2'); subplot(223);imshow(I);title('3'); subplot(224);imshow(I);title('4'); 其中前面的22代表是2*2的分布，也可以是2*3,3*4等。按照行来排列，从第一行开始分别为1 2 3 4。如图所示。 如果没有要求的话，直接用figure。此时希望图2来显示某个图像，那么figure(2)，就指定来显示某个图像。当然了，如果仅有一个图像显示这样做，那么可能会被覆盖掉，因此，一个程序中的用法一定要统一，并且保证后面的，不要把前面的覆盖掉。 图像的存储
数字图像处理知识点总结 第一章导论 1.图像：对客观对象的一种相似性的生动性的描述或写真。 2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段），按空间坐标和亮度的连续性（模拟和数字）。 3.图像处理：对图像进行一系列操作，以到达预期目的的技术。 4.图像处理三个层次：狭义图像处理、图像分析和图像理解。 5.图像处理五个模块：采集、显示、存储、通信、处理和分析。 第二章数字图像处理的基本概念 6.模拟图像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0 数字图像 定义：数字图像可以定义为与之相对应的物体的数字表示。通常用一个二维数组表示一幅图像，也可以认为一幅图像就是一个二维矩阵。二维矩阵的每个位置对应于图像上的每个像素点，而二维矩阵每个位置上存储的数值对应于图像上每个像素点所具有的信息，比如：灰度等等。 既然数字图像可以用二维矩阵来表示，那么数字图像的处理就可以认为是对对二维矩阵的操作。 图像的数字化： 将一幅图像进行数字化的过程就是在计算机上创建生成一个二维矩阵的过程。数字化过程包括三个步骤：扫描、采样、量化。 扫描：就是按照一定的先后顺序（如：行优先）对图像进行遍历的过程。像素是遍历过程中寻址的最小单位，对应于数组寻址的单位。 采样：即遍历过程中在在图像的每个最小寻址单位即像素位置上测量灰度值，采样的结果是得到每一像素的灰度值。 量化：就是将采样得到的像素灰度值经过模数转换等器件转化为离散的整数值。 数字图像处理中的基本图像类型： 二值图像：二值图像的矩阵仅有两个值构成即“0”和“1”。0 表示黑色，1表示白色。因此二值图像在计算机中的数据类型为一个二进制位。 灰度图像：灰度图像的二维矩阵每个元素的值可能都不一样，它有一个范围【0~255】，其中0表示纯黑色，255表示纯白色，中间数字表示由黑到白的过度。其数据类型一般为8位无符号数。 索引图像：索引图像可以表示彩色图像，其结构比较复杂，除了存储图像数据的二维矩阵以外，还有一个存储RGB 颜色的二维矩阵，称为颜色索引矩阵（COLORMAP ）。存储数据的二维矩阵里面存储的仍然是图像各个像素的灰度值，而颜色索引矩阵是一个【256】【3】形式的二维矩阵，256对应于0~255个灰度值，而每行的三个分量表示对应于每个灰度值的像素点，它的RGB 分量的值。例如：COLORMAP[38][0~2]表示灰度值为38的像素点的RGB 各分量值。由于每个像素只有256个灰度值，而每个灰度值决定了一种颜色，所以索引图像最多有256种颜色。 RGB 图像：它与索引图像一样可以表示彩色图像，分别用R ，G,，B 三原色表示每个像素的颜色，但是他们的数据结构不同。RGB 图像的数据结构是一个三维矩阵，它的每一像素的颜色值直接存储在矩阵中。因此这个矩阵可用M*N*3来表示。M ：表示矩阵每行的像素数，N ：表示每列的像素数，3表示每一像素的三个颜色分量。由于每个像素的颜色值都 直接放在图像矩阵中，所以其颜色理论上多达（23 *23 *23 ）种。 图像的统计特征： 1. 信息量：一幅图像如果共有ｑ种灰度值并且出现的概率分别是p 1，p 2 ，p 3 ，… p q ， 则根据香农定理，这幅图像的信息量可有下式表示： p p i q i i H log 2 1 ∑ =-= （１） ； Ｈ 通称为熵，当图像中个灰度值出现的概率彼此相等时，图像的熵最大。 数字图像处理知识点 课程重点：图像数字化，图像变换，图像增强，图像的恢复与重建，图像的编码，图像的分割与特征提取，图像识别。 数字图像处理的基本内容： 1、图像获取。举例：摄像机+图像采集卡、数码相机等。 2、图像增强。显示图像中被模糊的细节，或是突出图像中感兴趣的特征。 3、图像复原。以图像退化的数学模型为基础，来改善图像质量。 4、图像压缩。减小图像的存储量，或者在图像传输时降低带宽。 5、图像分割。将一幅图像划分为几个组成部分或分割出目标物体。 6、图像的表达与描述。图像分割后，输出分割标记或目标特征参数。 7、目标识别。把目标进行分类的过程。 8、彩色图像处理。 9、形态学处理。 10、图像的重建。 第一章导论 图像按照描述模型可以分为:模拟图像和数字图像。 1)模拟图像，模拟图像可用连续函数来描述。其特点：光照位置和光照强度均为连续变化的。 2)数字图像，数字图像是图像的数字表示，像素是其最小的单位,用矩阵或数组来描述 图像处理：对图像进行一系列的操作,以达到预期的目的的技术。内容：研究图像信息的获取、传输、存储，变换、显示、理解与综合利用”的一门崭新学科。三个层次：狭义图像处理，图像分析，图像理解。 ?狭义图像处理主要指对图像进行各种操作以改善图像的视觉效果，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。 ?图像分析主要是对图像中感兴趣的目标进行检测和测量，从而建立对图像的描述。图像分析是一个从图像到数值或符号的过程。 ?图像理解则是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解译，从而指导和规划行动; ?图像分析主要是以观察者为中心研究客观世界，图像理解在一定程度上是以客观世界为中心，借助知识、经验等来把握整个客观世界。 图像处理的三个层次： 低级图像处理 内容：主要对图像进行各种加工以改善图像的视觉效果、或突出有用信息，并为自动识别打基础，或通过编码以减少对其所需存储空间、传输时间或传输带宽的要求。 特点：输入是图像，输出也是图像，即图像之间进行的变换。 中级图像处理 内容：主要对图像中感兴趣的目标进行检测（或分割）和测量，以获得它们的客观信息从而建立对图像的描述。 特点：输入是图像，输出是数据。 高级图像处理 内容：在中级图像处理的基础上，进一步研究图像中各目标的性质和它们之间相互的联系，并得出对图像内容含义的理解（对像识别）及对原来客观场景的解释（计算机视觉），从而指导和规划行动。 特点：以客观世界为中心，借助知识、经验等来把握整个客观世界。“输入是数据，输出是理解”。 一个图像处理和分析系统包括采集、显示、存储、通信、处理和分析五个模块。 数字图像处理特点：精度，再现性，通用性，灵活性。 数字图像处理基础 一、物理图像的数字化 理论上讲，图像是一种二维的连续函数，然而在计算机上对图像进行数字处理的时候，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。空间坐标（x ，y ）的数字化称为图像采样，而幅值数字化称为灰度级量化。 1.图像采样 图像采样是对图像空间坐标的离散化，它决定了图像的空间分辨率。采样可以这样理解：用一个网格把待处理的图像覆盖，然后每一个小格上模拟图像的各点亮度取平均值，作为该小方格中点的值。 对一副图像采样时，若每行（横向）像素为M 个，每列（纵向）像素为N 个，则图像大小为M*N 个像素，f(x,y)表示点（x ，y ）处的灰度值，则F(x,y)构成一个M*N 实数矩阵。 ? ??? ? ?? ?? ? ??------=)1,1() 1,1() 0,1() 1,1()1,1() 0,1() 1,0()1,0() 0,0(),(N M f M f M f N f f f N f f f y x F 2.灰度量化 把采样后所得的各像素灰度值从模拟量到离散量的转换称为图像灰度的量化。量化是对图像幅度坐标的离散化，它决定了图像的幅度分辨率。 量化的方法包括：分层量化、均匀量化和非均匀量化。分层量化是把每一个离散样本的连续灰度值只分成有限多的层次；均匀量化是把原图像灰度层次从最暗到最亮均匀分为有限个层次，如果采用不均匀分层就称为非均匀量化。 当图像的采样点数一定时，采用不同量化级数的图像质量不一样。量化级数越多，图像质量越好；量化级数越少，图像质量越差。量化级数最小的极端情况是二值图像，图像出现假轮廓。 二、数字图像的表示 二维图像进行均匀采样并进行灰度量化后，就可以得到一幅离散化成M*N样本的数字图像，该图像是一个整数阵列，因而用矩阵来描述数字图像是最直观、最简便的了。三、数字图像处理的主要研究内容 图像变换、图像增强、图像分割、图像恢复与重建、图像编码与压缩。 四、图像类型 索引图像、灰度图像、二值图像、rgb图像、多帧图像序列。 1.二值图像 又称为黑白图像，是指图像的每个像素只能是黑或白，没有中间的过渡。二值图像的像素值为0或1。 2.灰度图像 灰度图像是指每个像素由一个量化的灰度值来描述的图像。它不包含彩色信息。若灰度图像的像素是uint8或uint16型，则它们的整数值范围分别是[0,255]和[0,65535]。若图像是double型，则像素的取值就是双精度浮点型。 3.rgb图像 Rgb图像又称为真彩色图像，它利用r\g\b三个分量合成来表示一个像素的颜色，rgb 分别对应三原色的红、绿、蓝。因此，一幅尺寸为M*N的rgb图像需要一个三维矩阵来存储，三维矩阵的尺寸为M*N*3。如果要读取图像中（100，50）处的像素值，需要查看三元数据（100，50，1：3）。 真彩色图像可用双精度存储，亮度值范围是[0,1]；比较符合习惯的存储方法是用无符号8位整数存储，亮度值范围为[0,255]。 4.索引图像 数字图像处理试卷 一名词解释（共30分，每题5分） 1. 数字图像与数字图像处理 数字图像数字图像是指由被称作像素的小块区域组成的二维矩阵。将物理图像行列划分后，每个小块区域称为像素（pixel）。 数字图像处理指用数字计算机及其它有关数字技术，对图像施加某种运算和处理，从而达到某种预想目的的技术。 2.采样与量化 采样是将空域上连续的图像变换成离散采样点集合，是对空间的离散化。经过采样之后得到的二维离散信号的最小单位是像素。量化就是把采样点上表示亮暗信息的连续量离散化后，用数值表示出来，是对亮度大小的离散化。经过采样和量化后，数字图像可以用整数阵列的形式来描述。 3.中值滤波 中值滤波是指将当前像元的窗口（或领域）中所有像元灰度由小到大进行排序，中间值作为当前像元的输出值。 4.图像增强 将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。 5.边缘检测 边缘能勾划出目标物体轮廓，使观察者一目了然，包含了丰实的信息（如方向、阶跃性质、形状等），是图像识别中抽取的重要属性。边缘检测是大多数图像处理必不可少的一步，提供了物体形状的重要信息。 6.图像变换 通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行 分析。 二简答题（共50分） 1.简述数字图像处理的至少4种应用。（5分） ①遥感中，比如土地测绘、气象监测、资源调查、环境污染监测等方面。 ②在医学中，比如B超、CT机等方面。 ③在通信中，比如可视电话、会议电视、传真等方面。 ④在工业生产的质量检测中，比如对食品包装出厂前的质量检查、对机械制品 质量的监控和筛选等方面。 ⑤在安全保障、公安方面，比如出入口控制、指纹档案、交通管理等。 2.简述二值图像、灰度图像、彩色图像的区别。（5分） 二值图像是指每个像素不是黑，就是白，其灰度值没有中间过渡的图像。这种图像又称为黑白图像。二值图像的矩阵取值非常简单，每个像素的值要么是1，要么是0，具有数据量小的特点。 彩色图像是根据三原色成像原理来实现对自然界中的色彩描述的。红、绿、蓝这三种基色的的灰度分别用256级表示，三基色之间不同的灰度组合可以形成不同的颜色。 灰度图像是指每个像素的信息由一个量化后的灰度级来描述的数字图像，灰度图像中不包含彩色信息。标准灰度图像中每个像素的灰度值是0-255之间的一个值，灰度级数为256级。 3.举例说明使用均值插值法进行空穴填充的过程。（5分） 均值插值法就是将判断为空穴位置上的像素值用其上、下、左、右像素值的均值来填充。 例如对于下图中的空穴点f23进行填充时，使用相邻行的像素值来填充。即：f23=(f22+f24+f13+f33)/4. 如下图F13 F22 F23 F24 F33数字图像基础
数字图像处理知识点汇编
数字图像处理基础阅读笔记
数字图像处理(基本全部答案)
相关主题
文本预览