下载文档原格式
图像处理知识点第⼀章绪论1. 图像(Image)：没有严谨的定义，⼀般有2个层次在可见光段有光束的反射，经反射到视觉系统，在视觉系统中感受到的物或物群的影像。
具有⼀定物理意义的在空间按⼀定顺序排列的2D/3D的数据。
2. 图像的类别可见光成像和不可见光成像彩⾊与⾮彩⾊图像动态图像与静⽌图像模拟图像与数字图像3.数字图像处理系统概述数字图像处理系统由硬件和软件组成。
采集：获取数字图像的设备即采集装置。
显⽰存储主机：以微机或⼯作站为主，配以图像卡和外设构成微型图像处理系统通信：图像通信就是把图像传送到远⽅终端。
图像处理软件：由系统管理、图像数据管理和图像处理模块三部分组成。
4. 颜⾊模型—各种表⽰颜⾊的⽅法模型：⾯向机器（显⽰器、摄像机、打印机等）在三维直⾓坐标系中，⽤相互垂直的三个坐标轴代表R、G、B三个分量。
颜⾊空间：R、G、B限定在[0，1]的单位正⽅体HIS模型：⾯向颜⾊处理、⼈眼视觉利⽤颜⾊的三个属性:H(hue)-⾊调I(intensity)-亮度S(saturation)-饱和度组成表⽰颜⾊的圆柱体5. 数字图像I=f（x, y, z, λ, t）运动、彩⾊或多光谱的⽴体图像静⽌图像：I=f（x, y, z, λ）灰度图像：I=f（x, y, z, t）平⾯图像：I=f（x, y, λ, t）平⾯的静⽌灰度图像：I=f（x, y）第⼆章图像采集1. ⼈眼视觉感知特性●主观亮度：S 主观亮度，B 实际亮度●对⽐度（会计算）马赫带效应（Mach Band）：不同灰度的条带，各条带内部亮度是常数。
但实际观察到带有强烈的边缘效应。
原因：⼈眼对于图像中不同空间频率具有不同的灵敏度，⽽在空间频率突变处出现了“⽋调”或“过调”。
2. 采样和量化的过程就是图像数字化的过程。
采样(sampling)：空间坐标的离散化称为空间采样。
确定图像的空间分辨率。
采样间隔越⼤→图像像素数越少，空间分辨率越低，图像质量越差，严重时出现像素呈块状效应；采样间隔越⼩→所得图像像素数越多，空间分辨率⾼，图像质量越好，但数据量⼤。
数字图像处理概述数字图像处理是一项广泛应用于图像处理和计算机视觉领域的技术。
它涉及对数字图像进行获取、处理、分析和解释的过程。
数字图像处理可以帮助我们从图像中提取有用的信息，并对图像进行增强、复原、压缩和编码等操作。
本文将介绍数字图像处理的基本概念、常见的处理方法和应用领域。
数字图像处理的基本概念图像的表示图像是由像素组成的二维数组，每个像素表示图像上的一个点。
在数字图像处理中，我们通常使用灰度图像和彩色图像。
•灰度图像：每个像素仅包含一个灰度值，表示图像的亮度。
灰度图像通常表示黑白图像。
•彩色图像：每个像素包含多个颜色通道的值，通常是红、绿、蓝三个通道。
彩色图像可以表示图像中的颜色信息。
图像处理的基本步骤数字图像处理的基本步骤包括图像获取、前处理、主要处理和后处理。
1.图像获取：通过摄像机、扫描仪等设备获取图像，并将图像转换为数字形式。
2.前处理：对图像进行预处理，包括去噪、增强、平滑等操作，以提高图像质量。
3.主要处理：应用各种算法和方法对图像进行分析、处理和解释。
常见的处理包括滤波、边缘检测、图像变换等。
4.后处理：对处理后的图像进行后处理，包括去隐私、压缩、编码等操作。
常见的图像处理方法滤波滤波是数字图像处理中常用的方法之一，用于去除图像中的噪声或平滑图像。
常见的滤波方法包括均值滤波、中值滤波、高斯滤波等。
•均值滤波：用一个模板覆盖当前像素周围的像素，计算平均灰度值或颜色值作为当前像素的值。
•中值滤波：将模板中的像素按照灰度值或颜色值大小进行排序，取中值作为当前像素的值。
•高斯滤波：通过对当前像素周围像素的加权平均值来平滑图像，权重由高斯函数确定。
边缘检测边缘检测是用于寻找图像中物体边缘的方法。
常用的边缘检测算法包括Sobel 算子、Prewitt算子、Canny算子等。
•Sobel算子：通过对图像进行卷积运算，提取图像中的边缘信息。
•Prewitt算子：类似于Sobel算子，也是通过卷积运算提取边缘信息，但采用了不同的卷积核。
数字图像处理原理
数字图像处理原理是通过数字计算机对图像进行数学运算和处理的过程。
数字图像处理主要包括图像获取、预处理、增强、分割和编码等步骤。
图像获取是指通过摄像机或扫描仪等设备将现实世界中的物体或文档转换为数字图像。
在图像获取的过程中，需要考虑光照条件、相机设置和图像传感器等因素。
预处理是对获取到的图像进行基本的处理，以清除图像中的噪声和不必要的信息。
常用的预处理方法包括图像平滑、滤波和几何校正等。
图像增强是指通过改变图像的亮度、对比度和颜色等参数，提高图像的质量和观感。
图像增强的方法包括直方图均衡化、基于空域的增强和基于频域的增强等。
图像分割是将图像划分为不同的区域或对象的过程。
图像分割可以基于阈值、边缘检测和区域生长等方法进行。
图像编码是将图像的数据进行压缩和编码的过程，以减少存储和传输的数据量。
常用的图像编码方法有无损压缩和有损压缩等。
数字图像处理原理的应用广泛，包括医学图像处理、遥感图像处理和安全监控等领域。
通过数字图像处理，可以提取图像中的关键信息，改善图像质量，从而对图像进行分析和理解。
第8章 图象的检测及模板匹配图象的分割与检测(识别)实际上是一项非常困难的工作。
很难说清楚为什么图象应该分割成这样而不是那样。
人类的视觉系统是非常优越的，它不仅包含了双眼，还包括了大脑，可以从很复杂的景物中分开并识别每个物体，甚至可以毫不费力地跟上每秒好几十帧变化的图象。
举两个例子来说明一下人类视觉系统的优越性。
图8.1 单词THE图8.2 看不见的三角 图8.1是单词THE ，这一点很容易看出来，但仔细观察一下，就会发现，图中少了很多线条。
在我们人类看来很简单的一件事，让计算机来做就很困难了。
图8.2中尽管没有任何线条，但我们还是可以很容易的看出中间存在着一个白色三角形。
计算机却很难发现。
由于人类在观察图象时适用了大量的知识，所以没有任何一台计算机在分割和检测真实图象时，能达到人类视觉系统的水平。
正因为如此，对于大部分图象应用来说，自动分割与检测还是一个将来时。
目前只有少数的几个领域(如印刷体识别OCR)自动识别达到了实用的水平。
也许算是题外话，我们可以憧憬这样一种应用：基于内容的搜索。
在一场足球比赛的录象中，用户可以输入命令，由计算机自动搜索出所有射门的镜头并显示在屏幕上。
目前，我们能从一幅图象中获得的信息只是每个象素的颜色或灰度值，除此以外别无其它，完成上述功能实在是太困难了。
所以说解决图象分割和检测最根本的方法是在编码(成象)时就给予考虑。
这也正是MPEG4及未来的视频压缩编码标准的主要工作。
正因为有上述的困难，所以我们今天要介绍的只是一些最基本，最简单的算法和思想，针对也只能是一些具体(而不是通用)的应用。
算法共有三个：投影法、差影法和模板匹配。
8.1 投影法在介绍投影法之前，我先出一道题目，下面的这幅照片是著名的华盛顿纪念碑(我记得在“阿甘正传”中曾经看到过它)，怎样从图中自动检测到水平方向上纪念碑的位置。
仔细观察，不难发现，纪念碑上象素的灰度都差不多而且与众不同，如果我们选取合适的阈值，做削波处理(这里选175到220)，将该图二值化，如图8.3所示：图8.3 华盛顿纪念碑图8.4 削波处理，将图8.3二值化 由于纪念碑所在的那几列的白色点比起其他列多很多，如果把该图在垂直方向做投影，如图8.5所示。
数字图像处理每章课后题参考答案第一章和第二章作业：1.简述数字图像处理的研究内容。
2.什么是图像工程？根据抽象程度和研究方法等的不同，图像工程可分为哪几个层次？每个层次包含哪些研究内容？3.列举并简述常用表色系。
1.简述数字图像处理的研究内容？答：数字图像处理的主要研究内容，根据其主要的处理流程与处理目标大致可以分为图像信息的描述、图像信息的处理、图像信息的分析、图像信息的编码以及图像信息的显示等几个方面，将这几个方面展开，具体有以下的研究方向：1.图像数字化，2.图像增强，3.图像几何变换，4.图像恢复，5.图像重建，6.图像隐藏，7.图像变换，8.图像编码，9.图像识别与理解。
2.什么是图像工程？根据抽象程度和研究方法等的不同，图像工程可分为哪几个层次？每个层次包含哪些研究内容？答：图像工程是一门系统地研究各种图像理论、技术和应用的新的交叉科学。
根据抽象程度、研究方法、操作对象和数据量等的不同，图像工程可分为三个层次：图像处理、图像分析、图像理解。
图像处理着重强调在图像之间进行的变换。
比较狭义的图像处理主要满足对图像进行各种加工以改善图像的视觉效果。
图像处理主要在图像的像素级上进行处理，处理的数据量非常大。
图像分析则主要是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。
图像分析处于中层，分割和特征提取把原来以像素描述的图像转变成比较简洁的非图形式描述。
图像理解的重点是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释，从而指导和规划行为。
图像理解主要描述高层的操作，基本上根据较抽象地描述进行解析、判断、决策，其处理过程与方法与人类的思维推理有许多相似之处。
第三章图像基本概念1.图像量化时，如果量化级比较小时会出现什么现象？为什么？答：当实际场景中存在如天空、白色墙面、人脸等灰度变化比较平缓的区域时，采用比较低的量化级数，则这类图像会在画面上产生伪轮廓（即原始场景中不存在的轮廓）。
