数字图像处理课件lecture2-2013

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。

• 关于matlab
– 如何构建一个矩阵？如何取得矩阵中具体一个 元素的值，如何修改一个（块）元素的值？
– 写一个循环程序，遍历整个矩阵，把每个像素 的值做一个变换，如y = 3x+1
– 矩阵的基本运算：加，减，乘，点乘 – 求一个图像的负片，用两种方法（一种是循环
遍历，一种是矩阵运算）实现。
六、图像的基本运算
•减
– C(x,y) = A(x,y) - B(x,y)
• 应用举例
– 显示两幅图像的差异，检测同一场景两幅图像 之间的变化
六、图像的基本运算
• 点乘
– C(x,y) = A(x,y) .* B(x,y)
六、图像的基本运算
•与
– g(x,y) = f(x,y) ∧ h(x,y)
一、数字图像的概念
图像（Image）： 视觉景物的某种形式的表示和记录
我们把数字格式存储的图像称为“数字图像”
“数字”
“模拟”
计算机存储的图片 传统光学照片
数码相机拍摄的图像 传统的电视图像
传感器阵列
模拟图像
三步
数字图像
1.采样 空间离坐标(x,y)的离散化， 确定水平和垂直 方向上的像素个数N、M，f(x,y)→f(m,n)
如何获得图像中第m行n列像素的灰度值？如果是彩色 图像呢？ – 如何吧真彩色图像转换成灰度图像，然后转换成二值 图像？ – 如何得到该图像中灰度值最大（最小）的像素的位置 和取值？如何计算图像的均值？ – 什么是灰度图像的直方图？如何计算灰度图像直方图， 如何显示/直方图反映图像的什么性质？
作业2
图像的直方图
21
不同图像的直方图反映图像的不同特点：
对比度低 对比度高
22

提取图像中的特征信息， 如边缘、纹理等。
图像数字化的基本原理与方法
数字图像获取
数字相机通过光电传感器将光信 号转换为数字信号，实现图像的 数字化。
图像量化
图像量化是将连续色彩空间离散 化为有限色调的过程，常用于图 像压缩和显示。
图像采样
图像采样是将连续二维空间的图 像转换为离散的像素点，常用于 数字图像处理。
《数字图像处理绪论》 PPT课件
数字图像处理是一门研究图像获取、呈现、分析和处理的学科，本课件将介 绍其背景、概念以及常见应用场景。
数字图像处理的背景与概念
数字图像处理是处理数字图像的技术和方法，它在计算机科景
医学影像
图像处理在医学影像中用于 疾病诊断、手术规划等方面， 提高了医疗效率和准确性。
图像的基本特征提取
1
边缘检测
边缘是图像中亮度变化明显的区域，边缘检测可以找到图像中的边缘。
2
纹理分析
纹理是图像中特定区域的颜色和亮度的统计特征，纹理分析用于图像分类和分割。
3
形状描述
形状描述通过数学方法对图像中的物体形状进行表征和描述。
灰度变换以及直方图均衡化
灰度变换是对图像的灰度级进行调整，直方图均衡化是一种灰度变换方法， 用于增强图像的对比度。
基本的空域滤波算法
1
平滑滤波
平滑滤波器可以减少图像中的噪声，使图像更加清晰。
2
锐化滤波
锐化滤波器可以增强图像中的边缘和细节，使图像更加鲜明。
3
边缘检测滤波
边缘检测滤波器可以提取图像中的边缘信息，用于图像分析和处理。
安全监控
图像处理技术可以用于人脸 识别、行为分析等领域，提 升安全监控的能力。
图像检索

j 1
其它
i 1,2,n
2.3 数字图像类型
矢量(Vector)图和位图（Bitmap），位图也称为栅格图像。 矢量图是用数学(准确地说是几何学)公式描述一幅图像。(计 算机图形学)
➢ 优点：一是它的文件数据量很小，因为存储的是其数学公式； 其二是图像质量与分辨率无关，这意味着无论将图像放大或 缩小了多少次，图像总是以显示设备允许的最大清晰度显示。
2.2.3 颜色变换
对彩色图像进行颜色变换，可实现对彩色图像的增强处理，改 善其视觉效果，为进一步处理奠定基础。 基本变换
➢ 颜色变换模型为：g(x,y)=T[ f ( x,y )] 式中：f ( x , y )是彩色输入图像，其值为一般为向量； g ( x , y )是变换或处理后的彩色图像，与 f(x,y)同维； T是在空间域上对f的操作。T对图像颜色的操作 有多种方式；
2.4 图像文件格式 数字图像有多种存储格式，每种格式一般由不同的软件公司开 发所支持。 文件一般包含文件头和图像数据。就像每本书都有封面，目录， 它们的作用类似于文件头，通过文件头我们可读取图像数据。 文件头的内容由该图像文件的公司决定，一般包括文件类型 、 文件制作者、制作时间、版本号、文件大小等内容，还有压缩方 式。
2.2.2 颜色模型
HSI 颜色模型 ➢ 色调H (Hue): 与光波的波长有关，它表示人的感官对不同 颜色的感受，如红色、绿色、蓝色等， ➢ 饱和度(Saturation): 表示颜色的纯度，纯光谱色是完合饱 和的，加入白光会稀释饱和度。饱和度越大，颜色看起来就 会鲜艳，反之亦然。 ➢ 强度I (Intensity)：对应成像亮度和图像灰度，是颜色的 明亮程度。 ➢ HSI模型建立基于两个重要的事实: (1) I分量与图像的彩色 信息无关； (2) H和S分量与人感受颜色的方式是紧密相联 的。这些特点使得HSI模型非常适合彩色特性检测与分析。