数字图像处理讲义

������ 区域分裂法；
������ 区域合并分裂法。
10.3 边缘检测法
1. Hough变换 对于已知形状的边缘线，可以采用Hough变换 来提取边缘子集。
第 十 讲 图 像 分 割
核心思想
������ 建立一种点——线的对偶关系，使得图像在 变换前为图像空间，变换后为参数空间。
10.3 边缘检测法
������
阈值将图像分为两类，类间方差越大越好，类内
������
（2） 给定一个初始阈值Th=Th0，将原图分为C1
和C2两类；
10.2 阈值分割方法
������ （3）计算两类的方差、灰度均值以及图像的总体
灰度均值；
第 十 讲 图 像 分 ������ 割
（4）计算两类的发生概率P1和P2；
P pi 1
第 十 讲 图 像 分 割
10.2 阈值分割方法
基于灰度直方图的峰谷方法； ������
第 十 讲 ������ 图 像 ������ 分 割 ������
p－参数法； 均匀性度量法； 类间最大距离法； 最大类间类内方差比法； 局部阈值方法； 灰度－局部灰度均值散布图法。
������
������
10.2 阈值分割方法


2
1 2 f i, j N C 2 f i , j C 2
10.2 阈值分割方法
均匀性度量法算法步骤： （2）分别计算两类像素在图像中的分布概率
第 十 讲 图 像 分 割
������
N C1 p1 N
NC 2 p2 N
计算分布概率的目的是：统计该类像素对图像 的影响程度。
1. 基于灰度直方图的峰谷方法 ������ 若图像的灰度直方图为双峰分布时，表明图像的

MATLAB图像处理基础
讲解如何使用MATLAB进行图像读取、显示、 裁剪、旋转等基本操作。
MATLAB图像处理进阶
介绍MATLAB的高级功能，如滤波、边缘检测、形态学操作等。
05
CHAPTER
数字图像处理前沿技术
深度学习在图像处理中的应用
深度学习技术的概述
卷积神经网络的应用
生成对抗网络的应用
深度学习是人工智能领域中一种重要 的机器学习技术，其在图像处理中的 应用已经越来越广泛。通过对大量图 像数据进行学习，深度学习技术可以 实现对图像的高精度分类、识别和生 成。
锐化滤波
通过增强图像的高频成分 ，突出图像的边缘和细节 ，提高图像的清晰度。
边缘检测算法
Sobel算子
基于离散差分算子，提取图像的水平和垂直边缘。
Canny边缘检测
多阶段算法，通过非极大值抑制和双阈值检测，准确提取边缘。
Laplacian算子
基于二阶导数算子，能够检测出图像的突变边缘。
图像分割算法
图像处理
对图像进行各种操作，以 提取有用的信息和特征。
数字图像处理
利用计算机对图像进行数 字化处理，以实现更高效 、准确的处理。
数字图像处理的特点
精度高
数字图像处理可以获得比传统光学处理更高的精度。
处理能力强
可以进行多种复杂的图像处理操作，如增强、恢复、 分析等。
适用范围广
适用于各种类型的图像，包括灰度图像、彩色图像、 多光谱图像等。
计算机视觉的应用场 景
计算机视觉技术在安防、自动驾驶、 医疗影像分析等领域的应用越来越广 泛，例如在安防领域中的人脸识别、 车牌识别等；在自动驾驶中的目标检 测、道路识别等；在医疗影像分析中 的病灶检测、医学影像诊断等。

第二章 数字图像处理基础
典型数字摄像机
第二章 数字图像处理基础
五. 胶片扫描
? 胶片扫描的概念 ? 常用胶片扫描设备 ? 胶片扫描仪的性能指标
第二章 数字图像处理基础
1. 胶片扫描的概念
? 胶片扫描在图像数字化过程中占有重要地位。 ? 胶片扫描是对来自胶片上的信息进行数字化的
过程，使这些信息能由计算机读取、处理和应 用。 ? 胶片是指投影仪、普通相机或胶片记录仪中使 用的包括胶片、幻灯片、底片等在内的各种感 光材料，它们能生成图像或影像。
分辨率 320x240
第二章 数字图像处理基础
分辨率 160x120
第二章 数字图像处理基础
分辨率 80x60
第二章 数字图像处理基础
第二章 数字图像处理基础
图象尺寸： 127*176 分辨率：(a)127*176 (b)63*88 (c)31*44 (d)15*22
第二章 数字图像处理基础
第二章 数字图像处理基础
? 图像采样 ?采样处理：将xy平面分配到一个网格上。
xy平面
(a,b)
第二章 数字图像处理基础
第二章 数字图像处理基础
与采样相关的概念(分辨率)
分辨率
传感器摄像的精确度。通常指要精确测量和再 现一定尺寸的图像所必需的像素个数。 单位：像素 *像素
第二章 数字图像处理基础
度正比于图像亮度的实际精确程度，图像数字 化设备的线性度是一个重要的性能指标，非线 性的数字化器会影响后续处理的有效性。
第二章 数字图像处理基础
图像数字化器的类型
主要包括 :
? 数码相机 ? 胶片扫描仪
第二章 数字图像处理基础
二. 图像数字化器的组成

255
0 48
218 255
提高对比度
第4章 图像处理中的基本运算
提高对比度举例
第4章 图像处理中的基本运算
② 如果a<1,输出图像的对比度减小
255 142
0
255
Hale Waihona Puke 降低对比度第4章 图像处理中的基本运算
降低对比度举例
255
0
255
第4章 图像处理中的基本运算
③ 如果a＝1，b≠0，操作仅使所有像素的 灰度值上移或下移，其效果是使整个图像 更暗或更亮
主要应用举例 • 图像的局部显示
第4章 图像处理中的基本运算
• 图像的局部显示
第4章 图像处理中的基本运算
（4）除运算
C(x,y) = A(x,y)/ B(x,y)
主要应用举例
常用于遥感图像处理中
第4章 图像处理中的基本运算
三. 几何运算
1. 概念
2. 几何运算类型
第4章 图像处理中的基本运算
第4非章线图像性处拉理中伸的实基本例运2算
第4章 图像处理中非的线基本性运拉算伸实例3
第4章 图像处理中的基本运算
第4章 图像处理中的基本运算
非线性拉伸实例4
第4章 图像处理中的基本运算
非线性拉伸实例5
第非4章线图性像处拉理伸中的实基例本运6算
第4章 图像处理中的基本运算
非线性拉伸实例7
第4章 图像处理中的基本运算
(3) 显示标定 一些显示设备不能保持数字图像上像素的灰
度值和显示屏幕上相应点的亮度之间的线性关系。 这一缺点可以通过点运算予以克服，即在图像显 示之前，先设计合理的点运算关系，可将点运算 和显示非线性组合起来互互相抵消，以保持在显 示图像时的线性关系。

插值技术
通过插值算法，对图像进行放大、缩小或旋转等 操作，使图像恢复到原始大小或状态。
去模糊处理
采用各种算法和技术，对模糊图像进行处理，尽 可能地恢复其清晰度和细节。
图像分析技术
特征提取
从图像中提取有用的特征和信息，如边缘、角点、纹理等，为后 续的图像处理和分析提供基础数据。
目标检测
通过各种算法和技术，对图像中的目标进行检测和定位，提取出目 标的位置、大小和形状等信息。
方向像素数”表示。
尺寸
尺寸是指图像所占的存储空间大小， 通常以“字节数”表示。
色彩空间
色彩空间是指图像中颜色的表示方 法，常见的有RGB、CMYK、HSV等。
数字图像的分类
二维图像
二维图像是指只有平面上的像素点的 图像，常见的有照片、绘画等。
三维图像
三维图像是指具有深度信息的图像， 它可以通过立体摄像机或计算机生成的。
环境监，对环境中的污染源、污染物进行检测和识
别，保护环境质量。
气象预报
02
通过气象卫星图像处理和分析，提供准确的天气预报和气候变
化趋势预测，保障农业生产和社会生活。
自然灾害监测
03
通过遥感图像处理和分析，实现对地震、洪涝等自然灾害的监
测和预警，减少灾害损失。
航天探测
通过分析航天探测器拍摄的图像，研究天体物理、地球科学等领 域的重要问题。
航天器表面检测
通过图像处理技术，对航天器表面进行检测和识别，保障航天器的 安全运行。
航天器姿态控制
通过图像处理技术，实现对航天器姿态的精确控制，确保航天器的 稳定运行。
05 数字图像处理的未来发 展
高清图像处理技术
高清图像处理技术是指对高分辨率图像进行处理和分析的技术。随着科技的发展， 高清图像在各个领域的应用越来越广泛，如医学影像、安防监控、智能交通等。 因此，高清图像处理技术的研究和应用具有重要意义。

2.1.2 数字化原理
• 二维采样定理：采样频率大于图像信号最高频率的2
例倍：f (x, y) 2 cos 2π(3x 4 y), x y 0.2
F (u, v) 2 cos 2π(3x 4 y)e j2π(xuyv)dxdy (u 3, v 4) (u 3, v 4)
1.4.1 数字图像处理的主要应用 1.4.2 数字图像处理的发展趋势
1.4 数字图像处理的主要应用与趋势
1.4.1 数字图像处理的主要应用
遥感图像应用：资源调查、灾害监测、农林业规划、城 市
规划、环境保护等 医学图像应用:计算机断层摄影计算成像CT技术、X射 线、
染色体分析等 工业和实验图像应用:无损探伤、自动检查和识别、智 能机 器人等
• 数字图像
由连续的模拟图像采样和量化而得。组成数字图像的基 本单位是像素，所以数字图像是像素的集合。
• 像素为元素的矩阵，像素的值代表图像在该位置的亮度，称为图像的灰度值。 • 数字图像像素具有整数坐标和整数灰度值。
1.1.1 图像的基本概念
• 图像是一种语言 • 表达方法直观 • 表现力强
• 图像信息是人类信息获取和交流的主要方式 • 视、听、触、嗅、味等
1.3.2 计算机图形学
图像处理
计算机 图形学
图像 描述
图像识别 图像理解
1.3.3 计算机视觉
计算机视觉 研究对象： 图像或图像序列
图像处理 图像
研究内容： 视觉感知、 分割、
图像理解
图像处理、图像 图像分析
过程：
由图像特征感知、 由原始图像处理出 识别和理解三维场景 分析结果
1.4 数字图像处理的主要应用与趋势
2.1.2 数字化原理

q(m2 , n2 )
r (m3 , n3 )
如果有一个量 D( p, q ) 满足， (1) 非负性； (2) 对称性； (3) 三角不等式； 则称 D( p, q ) 为 p 与 q 间的距离度量函数。
11.1 像素间的基本关系
数字图像中三种常用的距离度量函数：
第 十 一 讲
欧几里德距离： De ( p, q ) =
内容回顾 Hough变换
第十一讲 图像描述
11.1 像素间的基本关系； 11.2 目标边界的描述； 11.3 图像的几何特征； 11.4 图像的矩描述。
第十一讲 图像描述 图像描述的基本概念 图像经分割后得到若干区域和边界，其中包含 目标物和背景，为了让计算机有效地识别这些物体， 必须对各区域、边界的属性和相互关系用更加简洁 的数值和符号进行表示。把这些表征图像特征的一 系列符号称为描绘子，对于描绘子必须具备一下特 点： 1. 唯一性，每个目标必须有唯一的表示； 2. 完整性，描述必须是明确的，没有歧义；
第 十 一 讲
原链码
M 8 = 2120606454
M = 6716626617
' 8
差分码
形状数
M = 1662661767
' 8
0 0 0 0 0
0 0 0 0 1
M 8 = 4342020676
11.2 目标边界的描述
归一化的差分码：对差分码进行归一化，得到 归一化的差分码，具有平移、旋转不变性及唯一 性。
第 十 一 讲
M 8' = 6716626617 M = 1662661767
' 8
11.2 目标边界的描述
边界的形状数表示：归一化的差分码可用来表 示边界，称为形状数。该序列的长度称为形状数 的阶（对闭合边界即为周长）。

第 九 讲
9.2 一阶微分算子
第 九 讲
9.2 一阶微分算子
3. 无方向微分算子 为了解决上面的问题，就希望提出对任何方向
第 九 讲
上的边缘信息均敏感的锐化算法。 因为这类锐化方法要求对边缘的方向没有选择， 所有称为无方向的锐化算法。 Robert算子；Sobel算子；Prewitte算子；Kirsch算子
9.3 二阶微分算子
1. 二阶微分算子的提出背景
第 九 讲
9.3 二阶微分算子
灰度截面 阶跃型
第 九 讲
一阶微分
二阶微分
9.3 二阶微分算子
对于突变形的细节，通过一阶微分的极大 值点，二阶微分的过0点均可以检测出来。
第 九 讲
9.3 二阶微分算子
灰度截面 细线型
第 九 讲
一阶微分
二阶微分
9.3 二阶微分算子
9.2 一阶微分算子
Robert算子：
第 九 讲
1 0 H1 = 0 − 1
z1 z2 z3 z4 z5 z6 z7 z8 z9
0 1 H2 = − 1 0
∆1 = f (i, j ) − f (i + 1, j + 1) ∆ 2 = f (i, j + 1) − f (i + 1, j )
第 九 讲
9.3 二阶微分算子
2. Laplace算子。
第 九 讲
∂2 f ∂2 f ∇2 f = 2 + 2 ∂x ∂y
∂2 f = ∆ x [ f (i + 1, j )] − ∆ x [ f (i, j )] = 2 ∂x [ f (i + 1, j ) − f (i, j )] − [ f (i, j ) − f (i − 1, j )]

33
灰度分辨率（图像的量化）与图像质量的关系
The relationship between image quality and the number of gray levels:the ability to distinguish different tissues or structures determined by gray level resolution
（2） 对细节丰富的图像， 应细采样， 粗量化， 以避免模糊
38
1.2 数字图像的数值描述
采样和量化的结果是一个实际矩阵。 因为矩阵是二维的，所以可以用矩阵来描述数字图像。 描述数字图像的矩阵目前采用的是整数阵，即每个像素 的亮暗，用一个整数来表示。 矩阵是按照行列的顺序来定位数据的，但是图像是在平 面上定位数据的，所以有一个坐标系定义上的特殊性。
21
空间分辨率和灰度分辨率
空间分辨率(spatial resolution )： 图像空间中可分辨的最小细节。一般用单位长度上 采样的像素数目或单位长度上的线对数目表示。 灰度分辨率(contrast resolution )： 图像灰度级中可分辨的最小变化。一般用灰度级或 比特数表示。 数字图像的两个基本问题 a. 像素数目 b.灰度值的度量
5
模拟图像和数字图像 (analog image & digital image)
模拟图像在水平与垂直方向上的像素点位置的变化以 及每个像素点位置上的灰度变化都是连续的，因此有 时又将模拟图像称之为连续图像( continuous image)。 数字图像是指把模拟图像分解成被称作像素的若干小 离散点，并将各像素的颜色值用量化的离散值，即整 数值来表示的图像。像素是组成数字图像的基本元素 ，是按某种规律（如模拟/数字转换）获得一系列二进 制数码（0和1）来表示图像中的每个点的信息，即数 字图像是将模拟图像经过数字化（或离散化）过程转 变而成的。因此，又将数字图像称为离散图像（ discrete image)。

第 六 讲 几 何 运 算
奇数行、列
偶数行、列
6.1 形状变换
缩小一半实例：
第 六 讲 几 何 运 算
6.1 形状变换
1. 缩小 一般形式：图像按任意比例缩小。
第 原图像及大小： 六 缩小后的图像及大小： 讲 几 何 1 运 cx 算 采样间隔：
f x, y
gx, y
1 cy ky
6.1 形状变换
缩小；
放大；
第 六 讲 几 何 运 算
6.1 形状变换
1. 缩小 一般分为按比例缩小和不按比例缩小两种。
第 六 讲 几 何 运 算
图像缩小之后，因为承载的信息量小了，所 以图像大小应相应缩小。
按比例缩小
不按比例缩小
6.1 形状变换
1. 缩小 最简单的缩小是减小一半，运算时只需取原图 的偶（奇）数行和偶（奇）数列构成新的图像。
第 六 讲 几 何 运 算
图像的放大操作中，则需对尺寸放大后所多 出来的空格填入适当的值，原有信息不足，这是 信息的估计问题，所以较图像的缩小要难一些。 分为成比例放大及按任意比例放大。
6.1 形状变换
2. 放大 成比例放大：如果需要将原图像放大k倍，则 将一个像素值添在新图像的k*k的子块中。
第 六 讲 几 何 运 算
y
x ' , y '
r

x, y
旋转一定角度。
x r cos y r sin

r
x
x' r cos r cos cos r sin sin y ' r sin r sin cos r cos sin x' x cos y sin y ' x sin y cos