读书笔记

读书笔记 第一篇 来源：杨德平，赵维加，管殿柱等·MATLAB基础教程·机械工业出版社，2013

引用： MATLAB的主菜单包括“File”、“Edit”、“Debug”、“Parallel”、“Desktop”、“Window”和“Help”。其中“File”实现有关文件的操作，“Edit”用于命令窗口的编辑操作，“Debug”用于程序调试，“Parallel”用于设置并行计算的运算环境，“Desktop”用于设置MATLAB集成的显示方式，“Window”用于关闭所有打开的编辑窗口或选择活动窗口，“Help”用于提供帮助信息。

心得： 通过菜单栏功能项，可以直观的了解到菜单项的隶属命令功能，MATLAB是一个集成的用户工作空间，允许用户输入/输出数据，并提供了M文件的集成编译和调试环境，包括MATLAB桌面、命令、M文件编辑调试器、工作空间浏览器和在线帮助文档，其内部函数、主包文件和各种工具包文件，都是可读的、可修改的，因此可以对源程序进行修改，或加入自己编写的程序来构造系点呢专用工具包。 读书笔记 第二篇 来源： 孙即祥·图像处理·科学出版社，2009

引用：腐蚀

腐蚀“收缩”或“细化”二值图像中的对象。收缩的方式和程度由一个结构元素控制。数学上，A被B腐蚀，记为AΘB，定义为：

腐蚀运算 换言之，A被B腐蚀是所有结构元素的原点位置的集合，其中平移的B与A的背景并不叠加。 膨胀 膨胀是在二值图像中“加长”或“变粗”的操作。这种特殊的方式和变粗的程度由一个称为结构元素的集合控制。结构元素通常用0和1的矩阵表示。数学上，膨胀定义为集合运算。A被B膨胀，记为A⊕B，定义为：

膨胀运算 其中，Φ为空集，B为结构元素。总之，A被B膨胀是所有结构元素原点位置组成的集合，其中映射并平移后的B至少与A的某些部分重叠。这种在膨胀过程中对结构元素的平移类似于空间卷积。 心得：膨胀满足交换律，即A⊕B=B⊕A。在图像处理中，我们习惯令A⊕B的第一个操作数为图像，而第二个操作数为结构元素，结构元素往往比图像小得多。膨胀满足结合律，即A⊕(B⊕C)=(A⊕B)⊕C。假设一个结构元素B可以表示为两个结构元素B1和B2的膨胀，即B=B1⊕B2，则A⊕B=A⊕(B1⊕B2)=(A⊕B1)⊕B2，换言之，用B膨胀A等同于用B1先膨胀A，再用B2膨胀前面的结果。我们称B能够分解成B1和B2两个结构元素。结合律很重要，因为计算膨胀所需要的时间正比于结构元素中的非零像素的个数。通过结合律，分解结构元素，然后再分别用子结构元素进行膨胀操作往往会实现很客观的速度的增长。 读书笔记 第三篇 来源：史洁玉，孔玲军·MATLAB R2012a超级学习手册·人民邮电出版社，2013

引用： 二值图像：一个数据阵列，每个象素只能取0或1。 矩阵的基本运算 行列式求值：det(A) 矩阵加减：+、- 矩阵相乘：* 矩阵左除：A/B %相当于inv(A)*B 矩阵右除：A\B %相当于A*inv(B) 矩阵的幂：^ 矩阵转置：' 矩阵求共轭(实部相同，虚部相反)：conj(X) 矩阵求逆：inv(X) 级数的求和与收敛 symsum(fun,var,a,b):其中fun是通项表达式，var为求和变量，a为求和起点，b为求和终点。

心得： 图像信息处理是一个多阶段、多途径、多目标的信息处理过程。本书深入系统地阐述和论证了图像信息处理中共性的和基础性的知识，以及有关前端的处理理论、方法和技术。《图像处理》涉及关于图像信息处理的概述，有关的数学知识，视觉知识，图像的数学描述，图像的数字化，图像变换，图像增强，图像恢复等内容。某些章节介绍的技术内容既可以作为独立的技术，产生用户所需的输出，满足用户的需求，也可以是后续的某些信息处理的预处理。 读书笔记 第四篇 来源：程佩青.数字信号处理教程[Ml.北京：清华大学出版社，2007

引用： 在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。这将导致原始图像在平滑处理之后，图像边缘和图像轮廓模糊的情况出现。 为了减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变得清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算(如微分运算)就可以使图像变得清晰。从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。但要注意能够进行锐化处理的图像必须有较高的性噪比，否则锐化后图像性噪比反而更低，从而使得噪声增加的比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理。

心得： 基于拉氏算子的图像锐化具有较好的锐化效果，并且不同的模版对图像锐化的效果不同，我们可以根据实际需要来选择不同的模版。如果一片暗区中出现了一个亮点，那么锐化处理的结果是这个亮点变得更亮，即拉普拉斯锐化过程可以减少图象的模糊程度，加强图像的细节和轮廓，使图像的细节比原始图像像更加清晰，所以锐化在边缘检测中很有用。但是，它也有.不理想的一面即锐化处理在增强图像边缘的同时也增加了图像的噪声。 读书笔记 第五篇 来源：闫敬文·数字图像处理MATLAB版·国防工业出版社，2007

引用： 数字图像处理的信息大多是二维信息，处理信息量很大。如一幅256×256低分辨率黑白图像，要求约64kbit的数据量；对高分辨率彩色512×512图像，则要求768kbit数据量；如果要处理30帧/秒的电视图像序列，则每秒要500kbit～22.5Mbit数据量。因此对计算机的计算速度、存储容量等要求较高。 数字图像处理占用的频带较宽。与语言信息相比，占用的频带要大几个数量级。如电视图像的带宽约5.6MHz，而语音带宽仅为4kHz左右。所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较大，成本亦高，这就对频带压缩技术提出了更高的要求。

心得： 视频运动图像序列可以认为是由二维空间和一维时间构成的三维空间，多光谱成像数据可以看做是由二维空间和一维谱构成的三维空间。所以要针对不同维数上的数据冗余信息进行压缩处理。压缩编码是图像数据压缩系统的重要组成部分，采用压缩编码才能实现压缩。压缩编码可分为有损压缩和无损压缩两种。无损压缩能够完全重建原图像数据，而有损压缩不能完全重建原数据，产生失真。无损压缩的压缩比较低，用于压缩比要求低、精度高的情况。 读书笔记 第六篇 来源：张德丰·MATLAB数字图像处理 第2版·机械工业出版社，2012

引用： 最邻近差值是最简便的插值，在这种算法中，每一个插值输出像素的值就是在输入图像中与其最临近的采样点的值。最近邻插值是工具箱函数默认使用的插值方法f（x）=f（xk）1/2(xk-1+xk)2双线性插值，的输出像素值是它在输入图像中2×2领域采样点的平均值，它根据某像素周围4个像素的灰度值在水平和垂直两个方向上对其插值。 3双三次差值，核为三次函数，其插值邻域的大小为4×4。它的插值效果比较好，但相应的计算量也比较大。

心得： 几何运算可改变图像中各物体之间的空间关系。这种运算可以被看成是将（各）物体在图像内移动。一个几何运算需要两个独立的算法。首先，需要一个算法来定义空间变换本身，用它来描述每个像素如何从其初始位置“移动”到终止位置，即每个像素的“运动”。同时，还需要一个用于灰度插值的算法，这是因为，在一般情况下，输入图像的位置坐标(x,y)为整数，而输出图像的位置坐标为非整数，反过来也如此。因此插值就是对变换之后的整数坐标位置的像素值进行估计。MATLAB提供了一些函数实现这些功能。 读书笔记 第七篇 来源：程卫国，冯峰，姚东，徐听.MATLAB5.3应用指南[M].北京：人民邮电出

版社

引用： 在命令窗口中直接键入guide， 启动GUIDE， 利用GUIDE 模板创建GUI，或者打开已经存在的GUI， GUIDE 把GUI 设计的内容保存在两个文件中，它们在第一次保存或运行时生成。一个是FIG 文件，扩展名为．Fig，它包含对GUI 和GUI 组件的完整描述；另外一个是M 文件，扩展名为.M，它包含控制GUI 的代码和组件的回调事件代码。这两个文件与GUI 显示和编程任务相对应。在版面设计器中创建GUI 时， 内容保存在FIG 文件中；对GUI 编程时，内容保存在M 文件中。用GUIDE 版面设计器，根据设计需要：首先拖拽两个图形窗口（Axes），一个作为待处理图片区域，另一个作为已处理图片区域；其次，拖拽五个电子按钮（Radio Button），作为边缘检测操作按钮；第三，拖拽五个按钮（Push Button），作为输入等的按钮；最后，将上面的所有按钮及图形窗口合理的布局，达到美观工整的效果，然后运行一下GUI，系统会自动生成GUI 文件。

心得： 了解到系统界面的设计主要是利用MATLAB所提供的GUI（IGraphUser Interface）向导设计控件而完成的，该向导可以实现多种控件的设计，给用户提供了一种友好的交互方式，同时也给操作带来很多方便[4]。图形用户界面GUI是包含图形对象(如图形窗口、菜单、控件、文本)的用户界面，用户以某种方式选择或者击活这些对象会发生变化或引起动作。