圖像信號處理總復(fù)習(xí)

1、本章內(nèi)容人眼的視覺特性基于亮度的視覺模型圖像的感知和獲取圖像的取樣和量化圖像質(zhì)量像素間的基本關(guān)系像素間的操作SEIE-TJU2人眼橫截面簡圖人眼橫截面簡圖 人眼是一個近似的球體，直徑約 2cm 外層由三層膜包裹 角膜和鞏膜 脈絡(luò)膜 視網(wǎng)膜 角膜是一種硬而透明的組織，覆蓋著眼睛的前表面。與角膜相連的鞏膜是一層包圍著眼球剩余部分的不透明膜； 脈絡(luò)膜是眼睛重要的滋養(yǎng)源，脈絡(luò)膜外殼著色很重，有助于減少進(jìn)入眼睛外來光和眼球內(nèi)反向散射光的數(shù)量； 視網(wǎng)膜是眼睛最內(nèi)側(cè)的一層膜，當(dāng)眼球適當(dāng)聚焦時(shí)，來自眼睛外部的光在視網(wǎng)膜上成像。在視網(wǎng)膜表面分散的光接收器(光敏細(xì)胞）提供了圖案視覺。虹膜：虹膜：調(diào)整光圈調(diào)整光圈(

2、光通量光通量)大小大小 虹膜中間開口處虹膜中間開口處(瞳孔瞳孔)直徑是可變的，直徑是可變的，28mm； 其前部是看到的眼珠顏色；其前部是看到的眼珠顏色； 其后部則有黑色素；其后部則有黑色素；晶狀體：晶狀體：調(diào)整成像焦距大小調(diào)整成像焦距大小1. 由同心的纖維細(xì)胞層組成，并由附由同心的纖維細(xì)胞層組成，并由附在睫狀體上的纖維懸掛著，含水量在睫狀體上的纖維懸掛著，含水量 6070%2. 由稍黃的色素著色，顏色隨年齡的由稍黃的色素著色，顏色隨年齡的增長而加深增長而加深3. 吸收大約吸收大約 8% 的可見光譜，對短波的可見光譜，對短波長有較高的吸收率長有較高的吸收率4. 晶狀體結(jié)構(gòu)中，蛋白質(zhì)吸收紅外光晶狀

3、體結(jié)構(gòu)中，蛋白質(zhì)吸收紅外光和紫外光，過量時(shí)會傷害眼睛和紫外光，過量時(shí)會傷害眼睛SEIE-TJU3視網(wǎng)膜表面的光接收器（視網(wǎng)膜表面的光接收器（光敏細(xì)胞光敏細(xì)胞）分為兩種：）分為兩種：錐狀細(xì)胞和錐狀細(xì)胞和 桿狀細(xì)胞桿狀細(xì)胞錐狀細(xì)胞錐狀細(xì)胞數(shù)目約數(shù)目約 600700 萬，位于中央凹的部分萬，位于中央凹的部分既感光，又感色，對顏色敏感度很高既感光，又感色，對顏色敏感度很高每個錐體對連接到自身的一個神經(jīng)末端。每個錐體對連接到自身的一個神經(jīng)末端。錐狀視覺叫做白晝視覺或者明視覺。錐狀視覺叫做白晝視覺或者明視覺。桿狀細(xì)胞桿狀細(xì)胞數(shù)目約數(shù)目約 750015000萬，視野內(nèi)一般的總體圖像萬，視野內(nèi)一般的總體圖像沒

4、有色彩感覺，在低照明度下對圖像較敏感沒有色彩感覺，在低照明度下對圖像較敏感幾個桿狀細(xì)胞連接到一個神經(jīng)末端幾個桿狀細(xì)胞連接到一個神經(jīng)末端桿狀視覺叫做夜視覺或者暗視覺桿狀視覺叫做夜視覺或者暗視覺SEIE-TJU4錐狀錐狀桿狀桿狀人眼的晶狀體和普通光學(xué)透鏡的主要差別在于人眼的晶狀體和普通光學(xué)透鏡的主要差別在于:人眼晶狀人眼晶狀體的適應(yīng)性更強(qiáng)，其形狀由捷狀體韌帶和張力控制。體的適應(yīng)性更強(qiáng)，其形狀由捷狀體韌帶和張力控制。聚焦遠(yuǎn)處的物體，晶狀體變得相對扁平；聚焦遠(yuǎn)處的物體，晶狀體變得相對扁平；聚焦近處的物體，晶狀體變得較厚聚焦近處的物體，晶狀體變得較厚;聚焦中心與視網(wǎng)膜之間的距離為聚焦中心與視網(wǎng)膜之間的距

5、離為14mm17mm。成像過程成像過程1.視網(wǎng)膜圖像主要反射在中央凹區(qū)域上視網(wǎng)膜圖像主要反射在中央凹區(qū)域上2.然后由光敏細(xì)胞的相應(yīng)刺激作用產(chǎn)生感覺然后由光敏細(xì)胞的相應(yīng)刺激作用產(chǎn)生感覺3.感覺把輻射能轉(zhuǎn)變?yōu)殡娒}沖最后由大腦解碼感覺把輻射能轉(zhuǎn)變?yōu)殡娒}沖最后由大腦解碼SEIE-TJU52.55mm數(shù)字圖像是數(shù)字圖像是模擬模擬圖像圖像 f(x,y)通過通過取樣取樣、量化量化、編碼編碼獲得的獲得的 圖像取樣：圖像取樣：圖像圖像空間空間離散化離散化 圖像量化：圖像量化：圖像圖像幅度幅度離散化離散化 （又稱為灰度級量化）（又稱為灰度級量化） 編碼編碼：用有限比特去表示量化后的數(shù)值用有限比特去表示量化后的數(shù)值

6、SEIE-TJU6 (a) 連續(xù)圖像連續(xù)圖像 (b) 在連續(xù)圖像中用從在連續(xù)圖像中用從A到到B的掃描線來說明取的掃描線來說明取樣和量化的概念樣和量化的概念 (c) 取樣和量化取樣和量化 (d) 數(shù)字化后的結(jié)果數(shù)字化后的結(jié)果SEIE-TJU7 數(shù)字圖像的質(zhì)量數(shù)字圖像的質(zhì)量很大程度上取決于取樣的很大程度上取決于取樣的樣值數(shù)樣值數(shù)和量化中所用的和量化中所用的灰度灰度級級，而圖像內(nèi)容是選擇這些參數(shù)的重要因素。，而圖像內(nèi)容是選擇這些參數(shù)的重要因素。SEIE-TJU8 灰度級（灰度層次）：灰度級（灰度層次）：表示像素明暗程度的整數(shù)表示像素明暗程度的整數(shù)量量例如：像素的取值范圍為例如：像素的取值范圍為0-2

7、55，就稱該圖像為，就稱該圖像為256個個灰度級的圖像。灰度級的圖像。 圖像數(shù)據(jù)的實(shí)際灰度層次越多，視覺效果就越好圖像數(shù)據(jù)的實(shí)際灰度層次越多，視覺效果就越好SEIE-TJU9 圖像分辨率圖像分辨率 指組成一幅圖像的像素密度。對同樣大小的一幅圖，如果組指組成一幅圖像的像素密度。對同樣大小的一幅圖，如果組成該圖的圖像像素?cái)?shù)目越多，則說明圖像的分辨率越高，看成該圖的圖像像素?cái)?shù)目越多，則說明圖像的分辨率越高，看起來就越逼真。相反，圖像顯得越粗糙。起來就越逼真。相反，圖像顯得越粗糙。 包括：包括：空間分辨率空間分辨率,灰度級（幅度）分辨率灰度級（幅度）分辨率空間分辨率空間分辨率是圖像中可辨別的最小空間細(xì)

8、節(jié)是圖像中可辨別的最小空間細(xì)節(jié) 取樣值多少是決定圖像空間分辨率的主要參數(shù)；取樣值多少是決定圖像空間分辨率的主要參數(shù)； 意義：每單位距離可分辨的最小線對數(shù)；意義：每單位距離可分辨的最小線對數(shù)；灰度級分辨率灰度級分辨率是指在灰度級別中可分辨的最小變化?；叶燃墧?shù)通是指在灰度級別中可分辨的最小變化?；叶燃墧?shù)通常是常是 2 的整數(shù)次冪。的整數(shù)次冪。通常把大小為通常把大小為 M N、灰度為、灰度為 L 級的數(shù)字圖像稱為空間分辨率為級的數(shù)字圖像稱為空間分辨率為 M N 像素、灰度級分辨率為像素、灰度級分辨率為 L 級的數(shù)字圖像。級的數(shù)字圖像。下圖分別演示在數(shù)字圖像中不同取樣值和灰度級變化的典型效果：下圖分別

9、演示在數(shù)字圖像中不同取樣值和灰度級變化的典型效果：SEIE-TJU10灰度圖像灰度圖像二值圖像二值圖像% im2bw 灰度或彩色圖像變?yōu)槎祱D像灰度或彩色圖像變?yōu)槎祱D像clc, clearI = imread(lena_gray.bmp); imshow(I)BW = im2bw(I,0.46); figure, imshow(BW)SEIE-TJU11空間分辨率的改變：放大和縮小空間分辨率的改變：放大和縮小放大：內(nèi)插操作放大：內(nèi)插操作 創(chuàng)建新的像素位置創(chuàng)建新的像素位置 對這些新位置賦值對這些新位置賦值（內(nèi)插算法，例如最近鄰域內(nèi)插法（內(nèi)插算法，例如最近鄰域內(nèi)插法/雙線性內(nèi)插雙線性內(nèi)插法）法）

10、縮?。簛G點(diǎn)操作縮小：丟點(diǎn)操作 行行-列刪除列刪除Matlab 函數(shù)函數(shù)：Ip = imresize(I, M, method) 返回返回 M 倍大小的圖像，倍大小的圖像，M 可大于或小于可大于或小于 1.0，對應(yīng)放大或縮小，對應(yīng)放大或縮小 支持的內(nèi)插算法：支持的內(nèi)插算法： nearest (缺省缺省)： 最近鄰域插值法，最近鄰域插值法，1 個像素個像素 bilinear ：雙線性內(nèi)插法，：雙線性內(nèi)插法，4 個像素個像素 bicubic ：雙三次內(nèi)插法，：雙三次內(nèi)插法，16 個像素個像素SEIE-TJU12n雙線性內(nèi)插雙線性內(nèi)插(一階插值一階插值)q在原圖像中尋找新位置像素的在原圖像中尋找新位置

11、像素的4個像素點(diǎn)個像素點(diǎn), 并借助雙線性函并借助雙線性函數(shù)使用數(shù)使用4個像素點(diǎn)的灰度值計(jì)算新像素點(diǎn)的值個像素點(diǎn)的灰度值計(jì)算新像素點(diǎn)的值q優(yōu)點(diǎn)優(yōu)點(diǎn): 塊效應(yīng)不明顯塊效應(yīng)不明顯q缺點(diǎn)缺點(diǎn): 計(jì)算復(fù)雜計(jì)算復(fù)雜, 使圖像細(xì)節(jié)退化使圖像細(xì)節(jié)退化(平滑作用平滑作用)n最近鄰域內(nèi)插最近鄰域內(nèi)插(零階插值零階插值)q在原圖像中尋找最靠近新位置像素的像素點(diǎn)在原圖像中尋找最靠近新位置像素的像素點(diǎn), 并將它的灰并將它的灰度值賦給新像素度值賦給新像素q優(yōu)點(diǎn)優(yōu)點(diǎn): 簡單易行簡單易行 速度快速度快q缺點(diǎn)缺點(diǎn): 易產(chǎn)生塊效應(yīng)易產(chǎn)生塊效應(yīng)n雙三性內(nèi)插雙三性內(nèi)插(二階插值二階插值)q性能更佳，計(jì)算量最大性能更佳，計(jì)算量最大SE

12、IE-TJU13像素間的歐氏距離像素間的歐氏距離n歐氏距離歐氏距離:距點(diǎn)距點(diǎn)(x, y)的歐氏距離小于或等于的歐氏距離小于或等于r的像素分的像素分布在中心為布在中心為(x, y),半徑為半徑為r的圓平面上的圓平面上n歐氏距離計(jì)算量大歐氏距離計(jì)算量大, 且數(shù)值可能不是整數(shù)且數(shù)值可能不是整數(shù)1( , )P x y2( , )P x t3( , )P s y4( , )P s t2212(,)()()eD P Pxxytyt2214(,)()()eD P PxsytSEIE-TJU14像素間的城區(qū)距離像素間的城區(qū)距離nD4距離距離(城區(qū)距離城區(qū)距離): 距點(diǎn)距點(diǎn)(x,y)的的D4距離小于或等于距離小

13、于或等于r的像的像素形成中心在素形成中心在(x, y)的菱形的菱形1( , )P x y2( , )P x t3( , )P s y4( , )P s t414(,)DP PxsytSEIE-TJU15像素間的棋盤距離像素間的棋盤距離nD8距離距離(棋盤距離棋盤距離): 距點(diǎn)距點(diǎn)(x, y)的的D8距離小于或等于距離小于或等于r的像的像素形成中心在素形成中心在(x, y)的正方形的正方形1( , )P x y2( , )P x t3( , )P s y4( , )P s t814(,)max,D P PxsytSEIE-TJU16 算術(shù)運(yùn)算算術(shù)運(yùn)算 像素加法像素加法 p + q 像素減法像素減

14、法 p - q 像素乘像素乘/除法除法 p*q、 pq、 pq、 pqSEIE-TJU17 邏輯運(yùn)算邏輯運(yùn)算 求反求反 (Not) 異或異或 (NOR) 或或 (or) p+q 與與 (AND) p.q 算術(shù)和邏輯運(yùn)算算術(shù)和邏輯運(yùn)算基于像素基于像素 ( (矩陣元素矩陣元素) )，而非矩陣。，而非矩陣。 圖像以矩陣表示，但矩陣除法無定義，則一幅圖像除另圖像以矩陣表示，但矩陣除法無定義，則一幅圖像除另一幅圖像表示矩陣中相應(yīng)的元素執(zhí)行除法運(yùn)算。一幅圖像表示矩陣中相應(yīng)的元素執(zhí)行除法運(yùn)算。 其它算術(shù)和邏輯運(yùn)算也一樣。其它算術(shù)和邏輯運(yùn)算也一樣。3.1 3.1 基本概念基本概念3.2 3.2 圖像增強(qiáng)圖像增

15、強(qiáng)3.3 3.3 圖像的復(fù)原圖像的復(fù)原3.4 3.4 圖像變換圖像變換 圖像增強(qiáng)的定義圖像增強(qiáng)的定義圖像增強(qiáng)的主要目標(biāo)是通過對圖像的圖像增強(qiáng)的主要目標(biāo)是通過對圖像的處理處理，使圖像比，使圖像比處理前處理前更適合更適合一個一個特定的應(yīng)用特定的應(yīng)用。處理策略：空域策略、頻域策略。處理策略：空域策略、頻域策略?？赡艿奶幚恚喝コ肼暋⑦吘壴鰪?qiáng)、提高對比度、增可能的處理：去除噪聲、邊緣增強(qiáng)、提高對比度、增加亮度、改善顏色效果、改善細(xì)微層次等，通常與改加亮度、改善顏色效果、改善細(xì)微層次等，通常與改善視覺效果相一致。善視覺效果相一致。2.2 2.2 圖像增強(qiáng)圖像增強(qiáng)2.2.1 2.2.1 圖像增強(qiáng)的概念圖像

16、增強(qiáng)的概念 圖像增強(qiáng)的空域法圖像增強(qiáng)的空域法 點(diǎn)運(yùn)算法點(diǎn)運(yùn)算法灰度級變換灰度級變換 尋找一個合適的變換尋找一個合適的變換T 模板運(yùn)算法模板運(yùn)算法空域過濾器空域過濾器 尋找一個合適的模板尋找一個合適的模板 幾何變換法幾何變換法變形矯正變形矯正 基于色彩的處理基于色彩的處理2.2 2.2 圖像增強(qiáng)圖像增強(qiáng)3.2.1 3.2.1 圖像增強(qiáng)的概念圖像增強(qiáng)的概念3.2 3.2 圖像增強(qiáng)圖像增強(qiáng)3.2.2 3.2.2 基于點(diǎn)操作的圖像增強(qiáng)基于點(diǎn)操作的圖像增強(qiáng) 灰度級變換灰度級變換應(yīng)用：亮度調(diào)整、對比度拉伸、灰度級切片應(yīng)用：亮度調(diào)整、對比度拉伸、灰度級切片獲取變換函數(shù)的方法：固定函數(shù)、交互樣點(diǎn)插獲取變換函數(shù)

17、的方法：固定函數(shù)、交互樣點(diǎn)插值、直方圖值、直方圖對比度增強(qiáng)代碼I=imread(C:Documents and SettingsAdministrator桌面測試圖像rice.tif);J=imadjust(I,0.3,0.7,);subplot(2,2,1);imshow(I);title(原始圖像);subplot(2,2,2);imshow(J);title();subplot(2,2,3);imhist(I);title(原始圖像的灰度直方圖);subplot(2,2,4);imhist(J);title(進(jìn)行對比度增強(qiáng)后的圖像的灰度直方圖); 直方圖均衡化直方圖均衡化3.2 3.2

18、圖像增強(qiáng)圖像增強(qiáng)3.2.2 3.2.2 基于點(diǎn)操作的圖像增強(qiáng)基于點(diǎn)操作的圖像增強(qiáng) 基本思想是對在圖像中像素個數(shù)多的灰基本思想是對在圖像中像素個數(shù)多的灰度級進(jìn)行展寬，而對像素個數(shù)少的灰度級進(jìn)度級進(jìn)行展寬，而對像素個數(shù)少的灰度級進(jìn)行縮減，從而達(dá)到清晰圖像的目的。行縮減，從而達(dá)到清晰圖像的目的。用以改變圖像整體偏暗或整體偏亮，灰用以改變圖像整體偏暗或整體偏亮，灰度層次不豐富的情況，將直方圖的分布變成度層次不豐富的情況，將直方圖的分布變成均勻分布。均勻分布。 直方圖均衡化的技術(shù)要點(diǎn)：直方圖均衡化的技術(shù)要點(diǎn)： 公理：直方圖公理：直方圖p(rk )，為常數(shù)的圖像對比度最好，為常數(shù)的圖像對比度最好 目標(biāo)：尋

19、找一個灰度級變換目標(biāo)：尋找一個灰度級變換T(r)，使結(jié)果圖像，使結(jié)果圖像的直方圖的直方圖p(sk )為一個常數(shù)為一個常數(shù) 實(shí)現(xiàn)：強(qiáng)制認(rèn)為累積分布函數(shù)實(shí)現(xiàn)：強(qiáng)制認(rèn)為累積分布函數(shù)CDF是我們要找是我們要找的變換函數(shù)的變換函數(shù)T(r)， r s = T (r) = pr(w)dw 0 r 103.2 3.2 圖像增強(qiáng)圖像增強(qiáng)3.2.2 3.2.2 基于點(diǎn)操作的圖像增強(qiáng)基于點(diǎn)操作的圖像增強(qiáng) 直方圖均衡化的技術(shù)要點(diǎn)：直方圖均衡化的技術(shù)要點(diǎn)： 直方圖直方圖p(rk )為常數(shù)的圖像對比度最好為常數(shù)的圖像對比度最好p(rk) nkP1P23.2 3.2 圖像增強(qiáng)圖像增強(qiáng)3.2.2 3.2.2 基于點(diǎn)操作的圖像

20、增強(qiáng)基于點(diǎn)操作的圖像增強(qiáng)3.2 3.2 圖像增強(qiáng)圖像增強(qiáng)直方圖規(guī)定化直方圖規(guī)定化 目的：把已知直方圖的圖像變?yōu)槠谕狈侥康模喊岩阎狈綀D的圖像變?yōu)槠谕狈綀D的圖像。若目標(biāo)直方圖分布均勻，即作了直圖的圖像。若目標(biāo)直方圖分布均勻，即作了直方圖均衡。方圖均衡。 直方圖均衡化的優(yōu)點(diǎn)是能自動增強(qiáng)整幅圖像的對比度，得到全局均衡化的直方圖。但是在某些應(yīng)用中，并不一定需要增強(qiáng)后的圖像具有均勻的直方圖，而是需要具有特定形狀的直方圖，以便能夠增強(qiáng)圖像中的某些灰度級，突出感興趣的灰度范圍。3.3 3.3 圖像復(fù)原圖像復(fù)原3.3.1基本概念 圖像復(fù)原是一種改善圖像質(zhì)量的處理技術(shù) - 消除或減輕在圖像獲取及傳輸過程中造

21、成的圖像品質(zhì)下降即退化現(xiàn)象. 退化包括 - 由成像系統(tǒng)光學(xué)特性造成的歧變 - 噪聲和相對運(yùn)動造成的圖像模糊 - 源自電路和光度學(xué)因素的噪聲等3.3.2 圖像退化的一般模型圖像恢復(fù)處理的關(guān)鍵問題在于建立退化模型。在缺乏足夠的先驗(yàn)知識的情況下，可利用已有的知識和經(jīng)驗(yàn)對模糊或噪聲等退化過程進(jìn)行數(shù)學(xué)模型的建立及描述，并針對此退化過程的數(shù)學(xué)模型進(jìn)行圖像復(fù)原。 圖像退化過程的先驗(yàn)知識在圖像復(fù)原技術(shù)中起著重要作用。在濾波器設(shè)計(jì)時(shí)，就相當(dāng)于尋求點(diǎn)擴(kuò)展函數(shù)。 點(diǎn)擴(kuò)展函數(shù)是成像系統(tǒng)的脈沖響應(yīng)。3.3 3.3 圖像復(fù)原圖像復(fù)原逆濾波維納濾波J=deconvwnr(I, PSF, NCORR, ICORR)圖像變換的

22、目的在于：圖像變換的目的在于：使圖像處理問題簡化；使圖像處理問題簡化；有有利于圖像特征提??；利于圖像特征提??；有助于從概念上增強(qiáng)對圖像信息的有助于從概念上增強(qiáng)對圖像信息的理解。理解。圖像變換通常是一種二維正交變換。一般要求：圖像變換通常是一種二維正交變換。一般要求： 正交變換必須是可逆的；正交變換必須是可逆的； 正變換和反變換的算法不能太復(fù)雜；正變換和反變換的算法不能太復(fù)雜； 正交變換的特點(diǎn)是在變換域中圖像能量將集中分布正交變換的特點(diǎn)是在變換域中圖像能量將集中分布在低頻率成分上，邊緣、線狀信息反映在高頻率成分上，在低頻率成分上，邊緣、線狀信息反映在高頻率成分上，有利于圖像處理。有利于圖像處理。

23、因此正交變換廣泛應(yīng)用在圖像增強(qiáng)、圖像恢復(fù)、特征因此正交變換廣泛應(yīng)用在圖像增強(qiáng)、圖像恢復(fù)、特征提取、圖像壓縮編碼和形狀分析等方面。提取、圖像壓縮編碼和形狀分析等方面。p 圖像變換是圖像頻域增強(qiáng)技術(shù)的基礎(chǔ)，也是變換圖像變換是圖像頻域增強(qiáng)技術(shù)的基礎(chǔ)，也是變換域圖像分析理論的基礎(chǔ)。域圖像分析理論的基礎(chǔ)。p 經(jīng)過變換后的圖像往往更有利于特征抽取、增強(qiáng)、經(jīng)過變換后的圖像往往更有利于特征抽取、增強(qiáng)、壓縮和編碼。壓縮和編碼。p 多數(shù)圖像濾波技術(shù)要求求解復(fù)雜的微分方程，利多數(shù)圖像濾波技術(shù)要求求解復(fù)雜的微分方程，利用圖像變換可以將這些微分方程轉(zhuǎn)換為代數(shù)方程，用圖像變換可以將這些微分方程轉(zhuǎn)換為代數(shù)方程，大大簡化數(shù)學(xué)

24、分析和求解。大大簡化數(shù)學(xué)分析和求解。 (1) 一維連續(xù)函數(shù)的傅立葉變換一維連續(xù)函數(shù)的傅立葉變換 令令f(x)為實(shí)變量為實(shí)變量x的連續(xù)函數(shù)，的連續(xù)函數(shù)，f(x) 的傅立葉變換用的傅立葉變換用F(u)表示，則定義式為表示，則定義式為 若已知若已知F(u)，則傅立葉反變換為，則傅立葉反變換為 以上稱為傅立葉變換對。以上稱為傅立葉變換對。) 12 .3()()(2dxexfuFuxj)22 . 3()()(2dueuFxfuxj3.4.2 3.4.2 傅立葉變換傅立葉變換(2) (2) 二維連續(xù)函數(shù)的傅立葉變換二維連續(xù)函數(shù)的傅立葉變換 傅立葉變換很容易推廣到二維的情況。如果傅立葉變換很容易推廣到二維的

25、情況。如果f(x，y)是連續(xù)和可積的，且是連續(xù)和可積的，且F(u，v)是可積的，則二維傅立葉是可積的，則二維傅立葉變換對為變換對為 )102 . 3(),(),()92 . 3(),(),()(2)(2dudvevuFyxfdxdyeyxfvuFvyuxjvyuxj3.4.2 3.4.2 傅立葉變換傅立葉變換被抽樣函數(shù)的離散傅立葉變換定義式為被抽樣函數(shù)的離散傅立葉變換定義式為 F(u)=式中式中u=0，1，2，N1。反變換為。反變換為 f(x) =式中式中x=0，1，2，N-1。10/2)(NxNuxjeuF3.4.2 3.4.2 傅立葉變換傅立葉變換(4)二維離散函數(shù)的傅立葉變換二維離散函數(shù)

26、的傅立葉變換在二維離散的情況下，傅立葉變換對表示為在二維離散的情況下，傅立葉變換對表示為 F(u，v)= 式中式中u=0，1，2，M-1；v=0，1，2，N-1。 f(x，y)= 式中式中 x=0，1，2，M-1；y=0，1，2，N-1。 1010)/(2),(MuNvNvyMuxjevuF3.4.2 3.4.2 傅立葉變換傅立葉變換 對圖像進(jìn)行二維傅立葉變換得到頻譜圖就是圖像梯度對圖像進(jìn)行二維傅立葉變換得到頻譜圖就是圖像梯度的分布圖，頻譜圖上的各點(diǎn)與圖像上各點(diǎn)并不存在一的分布圖，頻譜圖上的各點(diǎn)與圖像上各點(diǎn)并不存在一一對應(yīng)的關(guān)系。傅立葉頻譜圖上看到的明暗不一的亮一對應(yīng)的關(guān)系。傅立葉頻譜圖上看到

27、的明暗不一的亮點(diǎn)，實(shí)際是圖像上某一點(diǎn)與鄰域點(diǎn)差異的強(qiáng)弱，即梯點(diǎn)，實(shí)際是圖像上某一點(diǎn)與鄰域點(diǎn)差異的強(qiáng)弱，即梯度的大小，也即該點(diǎn)的頻率大小。度的大小，也即該點(diǎn)的頻率大小。 傅里葉變換后的圖像，四角對應(yīng)于低頻成分，中央部傅里葉變換后的圖像，四角對應(yīng)于低頻成分，中央部位對應(yīng)于高頻部分。位對應(yīng)于高頻部分。3.4.2 3.4.2 傅立葉變換傅立葉變換4.1 4.1 圖像分割概述圖像分割概述 4.2 4.2 并行邊界分割并行邊界分割邊緣檢測邊緣檢測 4.3 4.3 串行邊界分割串行邊界分割邊界跟蹤邊界跟蹤4.4 4.4 并行區(qū)域分割并行區(qū)域分割閾值分割閾值分割4.5 4.5 串行區(qū)域分割串行區(qū)域分割區(qū)域分裂

28、與合并區(qū)域分裂與合并4.6 4.6 二值圖像的處理二值圖像的處理 4.7 4.7 彩色圖像分割彩色圖像分割 4.8 4.8 分割評價(jià)分割評價(jià)4.9 4.9 小結(jié)小結(jié)v圖像分割方法和種類圖像分割方法和種類 以不同的分類標(biāo)準(zhǔn)，圖像分割方法可以劃分為以不同的分類標(biāo)準(zhǔn)，圖像分割方法可以劃分為不同的種類。不同的種類。 圖像分割圖像分割非連續(xù)性分割非連續(xù)性分割相似性分割相似性分割 邊緣檢測邊緣檢測邊緣跟蹤邊緣跟蹤閾值分割閾值分割區(qū)域分裂與合并區(qū)域分裂與合并4.2.2 4.2.2 邊緣檢測方法邊緣檢測方法邊緣檢測的方法很多，主要有以下幾種邊緣檢測的方法很多，主要有以下幾種:F空域微分算子空域微分算子 也就是

29、傳統(tǒng)的邊緣檢測方法。如也就是傳統(tǒng)的邊緣檢測方法。如Roberts算子、算子、Prewitt算子和算子和Sobel算子等。算子等。 F擬合曲面擬合曲面 利用當(dāng)前像素鄰域中的一些像素值擬合一個曲利用當(dāng)前像素鄰域中的一些像素值擬合一個曲面，然后求這個連續(xù)曲面在當(dāng)前像素處的梯度。面，然后求這個連續(xù)曲面在當(dāng)前像素處的梯度。 F小波多尺度邊緣檢測小波多尺度邊緣檢測F基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測 (1)(1)一階微分算子（梯度算子）一階微分算子（梯度算子） Roberts算子-10(1,1)( , ), 010-1( ,1)(1, ), 10 xyGf xyf x yGf x yf xy

30、4.2.3 常用微分算子(1)(1)一階微分算子（梯度算子）一階微分算子（梯度算子）Prewitt算子(1,1)( ,1)(1,1)(1,1)( ,1)(1,1)xGf xyf x yf xyf xyf x yf xy(1,1)(1, )(1,1)(1,1)(1, )(1,1)yGf xyf xyf xyf xyf xyf xy4.2.3 常用微分算子 Sobel算子yxPPjiG),( Isotropic Sobel算子4.2.3 常用微分算子(1)(1)一階微分算子（梯度算子）一階微分算子（梯度算子） Laplacian算子 22222fffxy4.2.3 常用微分算子(2)(2)二階微分

31、算子二階微分算子LOG（Laplacian-Gauss）算子）算子 先用高斯函數(shù)對圖像進(jìn)行平滑，然后再用拉普先用高斯函數(shù)對圖像進(jìn)行平滑，然后再用拉普拉斯銳化算子進(jìn)行運(yùn)算。拉斯銳化算子進(jìn)行運(yùn)算。， 222222221()( , )exp22xyLOG x yxy2444240804484*844080424442常用的常用的55LOG模板模板4.2.3 常用微分算子(2)(2)二階微分算子二階微分算子 Canny算子算子 3個準(zhǔn)則：個準(zhǔn)則：F 信噪比準(zhǔn)則信噪比準(zhǔn)則F 定位精度準(zhǔn)則定位精度準(zhǔn)則F 單邊緣響應(yīng)準(zhǔn)則單邊緣響應(yīng)準(zhǔn)則 4.2.3 常用微分算子(2)(2)二階微分算子二階微分算子 輪廓跟蹤也

32、稱邊緣點(diǎn)連接，是一種基于梯度輪廓跟蹤也稱邊緣點(diǎn)連接，是一種基于梯度的圖像分割方法。是指從梯度圖中一個邊界點(diǎn)出的圖像分割方法。是指從梯度圖中一個邊界點(diǎn)出發(fā)，依次通過對前一個邊界點(diǎn)的考察而逐步確定發(fā)，依次通過對前一個邊界點(diǎn)的考察而逐步確定出下一個新的邊界點(diǎn)，并將它們連接而逐步檢測出下一個新的邊界點(diǎn)，并將它們連接而逐步檢測出邊界的方法。出邊界的方法。 4.3.1 概 述4.4 4.4 并行區(qū)域分割并行區(qū)域分割閾值分割閾值分割 3.4.1 3.4.1 閾值分割概述閾值分割概述3.4.2 3.4.2 經(jīng)典閾值選取方法經(jīng)典閾值選取方法 直方圖凹面分析法直方圖凹面分析法 最佳閾值搜尋方法最佳閾值搜尋方法 迭

33、代閾值選取方法迭代閾值選取方法3.4.3 3.4.3 動態(tài)閾值分割法動態(tài)閾值分割法3.4.4 3.4.4 基于熵的分割方法基于熵的分割方法 一維最大熵分割方法一維最大熵分割方法 二維最大熵分割方法二維最大熵分割方法單閾值分割：僅使用一個單閾值分割：僅使用一個 閾值分割的方法閾值分割的方法。多閾值分割：如果圖像中多閾值分割：如果圖像中 有多個灰度值不同的區(qū)域，有多個灰度值不同的區(qū)域， 那么可以選擇一系列的閾那么可以選擇一系列的閾 值以將每個像素分到合適值以將每個像素分到合適 的類別中去。的類別中去。 分類：分類：多閾值的灰度直方圖多閾值的灰度直方圖 4.4.1 4.4.1 閾值分割原理及分類閾值

34、分割原理及分類 一、單閾值 圖像的二值化處理，一幅灰度圖像，選擇一閾值T，將圖像轉(zhuǎn)換為黑白二值圖像，TyxfTyxfyxg),(255),(0),( 以上原理用MATLAB實(shí)現(xiàn)很簡單，其實(shí)是將圖像中所有的灰階值與T相比較，大于T的返回1，小于T的返回0，我們得到一個只有0和1的矩陣，將其顯示為圖像，就是一幅二值圖像。可以用函數(shù)im2bw來實(shí)現(xiàn)上述操作。 p=im2bw(r,0.3); imshow(p) Im2bw中的參數(shù)第一個是圖像，第二個level是一個介于0和1之間的數(shù)，此時(shí)閾值為T=M*level。 還可以用閾值法獲得圖像中的隱藏信息。有一些本來看不到的隱藏信息將顯現(xiàn)出來。M最大類間方

35、差法最大類間方差法M最小誤差閾值選取方法最小誤差閾值選取方法M最佳閾值選取方法最佳閾值選取方法M迭代閾值選取方法迭代閾值選取方法M動態(tài)閾值分割法動態(tài)閾值分割法M基于熵的閾值分割方法基于熵的閾值分割方法4.4.2 4.4.2 經(jīng)典閾值選取方法經(jīng)典閾值選取方法閾值插值法閾值插值法分水嶺閾值分割法分水嶺閾值分割法一維熵一維熵二二維熵維熵5.1 5.1 區(qū)域生長區(qū)域生長 5.1.1 5.1.1 概述概述 5.1.2 5.1.2 單一型區(qū)域生長法單一型區(qū)域生長法 5.1.3 5.1.3 質(zhì)心型區(qū)域生長法質(zhì)心型區(qū)域生長法 5.1.4 5.1.4 混合型區(qū)域生長法混合型區(qū)域生長法5.2 5.2 區(qū)域分裂與合

36、并區(qū)域分裂與合并 5.2.1 5.2.1 分裂分裂 5.2.2 5.2.2 合并合并 5.2.3 5.2.3 分裂合并分裂合并4.6 4.6 二值圖像的處理二值圖像的處理數(shù)學(xué)形態(tài)學(xué)圖像處理數(shù)學(xué)形態(tài)學(xué)圖像處理4.6.1 4.6.1 基本符號和關(guān)系基本符號和關(guān)系4.6.2 4.6.2 腐蝕腐蝕 4.6.3 4.6.3 膨脹膨脹 4.6.4 4.6.4 開開 4.6.5 4.6.5 閉閉 4.6.6 4.6.6 細(xì)化細(xì)化 M腐蝕腐蝕可以把小于結(jié)構(gòu)元素的可以把小于結(jié)構(gòu)元素的物體物體(毛刺、小凸起毛刺、小凸起)去除去除，這樣選取不同大小的結(jié)構(gòu)元素，就可以在原圖像中去掉不這樣選取不同大小的結(jié)構(gòu)元素，就可以

37、在原圖像中去掉不同大小的物體同大小的物體。M開開運(yùn)算運(yùn)算能夠去除孤立的小點(diǎn)、毛刺和小橋，而總的位置能夠去除孤立的小點(diǎn)、毛刺和小橋，而總的位置和形狀不變。和形狀不變。M閉運(yùn)算閉運(yùn)算是用來填充物體內(nèi)的細(xì)小孔洞、彌合是用來填充物體內(nèi)的細(xì)小孔洞、彌合小小裂縫、連裂縫、連接鄰近物體、平滑其邊界，而總的位置、形狀和面積不變。接鄰近物體、平滑其邊界，而總的位置、形狀和面積不變。M細(xì)化細(xì)化從原來的二值圖像中去掉一些點(diǎn)，但仍要保持原來從原來的二值圖像中去掉一些點(diǎn)，但仍要保持原來的形狀，即保持原圖的骨架。的形狀，即保持原圖的骨架。4.7.1 4.7.1 概述概述4.7.2 4.7.2 顏色基礎(chǔ)顏色基礎(chǔ)4.7.3

38、4.7.3 彩色模型彩色模型 RGBRGB彩色模型彩色模型 HSI HSI彩色模型彩色模型 彩色模型變換彩色模型變換4.7.4 4.7.4 彩色分割策略彩色分割策略 HSIHSI彩色空間分割彩色空間分割 RGBRGB彩色空間分割彩色空間分割三種顏色構(gòu)成了三維空三種顏色構(gòu)成了三維空間坐標(biāo)間坐標(biāo)- RGB顏色空間。顏色空間。圖中圖中R、G、B位于三個位于三個角上；青、深紅和黃位角上；青、深紅和黃位于另外三個角上，黑色于另外三個角上，黑色在原點(diǎn)處，白色位于離在原點(diǎn)處，白色位于離原點(diǎn)最遠(yuǎn)的角上。在該原點(diǎn)最遠(yuǎn)的角上。在該模型中，灰度等級沿著模型中，灰度等級沿著主對角線從原點(diǎn)的黑色主對角線從原點(diǎn)的黑色到點(diǎn)

39、到點(diǎn)(1,1,1)的白色分布。的白色分布。(1)(1) RGB RGB彩色模型彩色模型 柱形彩色空間柱形彩色空間 （2 2） HSIHSI彩色模型彩色模型 1 1 顏色直方圖顏色直方圖 2 2 顏色矩顏色矩3 3 顏色集顏色集4 4 顏色聚合向量顏色聚合向量5 5 顏色相關(guān)圖顏色相關(guān)圖 5.3 5.3 紋理紋理特征的提取與匹配特征的提取與匹配 FTamura Tamura 紋理特征紋理特征F自回歸紋理模型自回歸紋理模型F小波變換小波變換 F灰度共生矩陣灰度共生矩陣5.3.2 5.3.2 Tamura Tamura 紋理特征紋理特征 n基于人類對紋理的視覺感知心理學(xué)研究；基于人類對紋理的視覺感知

40、心理學(xué)研究；n其其6個分量對應(yīng)于心理學(xué)角度上紋理特征的個分量對應(yīng)于心理學(xué)角度上紋理特征的6種屬性；種屬性；n粗糙度，對比度，方向度，線像度，規(guī)整粗糙度，對比度，方向度，線像度，規(guī)整度以及粗略度；度以及粗略度；0 0o o方向灰度共生矩陣計(jì)算示意圖方向灰度共生矩陣計(jì)算示意圖 一幅數(shù)字灰度圖像一幅數(shù)字灰度圖像0 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 12 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 30 0 0 0 1 1 1 10 0 0 0 1 1

41、1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 12 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 3 當(dāng)當(dāng) =0 時(shí)，時(shí)，dx=1,dy=0，由于所給圖像中只有，由于所給圖像中只有4個灰度級，因此所求得的灰度共生矩陣的大小為個灰度級，因此所求得的灰度共生矩陣的大小為44。5.3.5 5.3.5 空間灰度共生矩陣空間灰度共生矩陣 用于測量灰度級分布隨機(jī)性的一種特征參數(shù)叫用于測量灰度級分布隨機(jī)性的一種特征參數(shù)叫做熵。做熵。 熵值是圖像內(nèi)容隨機(jī)性的量度，熵值大表示隨熵值是圖像內(nèi)容隨機(jī)性的量度，熵值大表示隨機(jī)性比較強(qiáng)。機(jī)性比較強(qiáng)。 若圖像沒有任何