數(shù)字圖像處理與機(jī)器視覺-基于MATLAB實(shí)現(xiàn) 課件 第3、4章 數(shù)字圖像處理基礎(chǔ)知識、圖像的基本運(yùn)算

第3章MATLAB數(shù)字圖像處理基礎(chǔ)3.1圖像的基本概念3.2圖像的數(shù)字化及表達(dá)3.3圖像的獲取與顯示3.4像素間的基本關(guān)系3.5灰度直方圖3.6圖像的分類第三章

數(shù)字圖像處理基礎(chǔ)知識數(shù)字圖像處理技術(shù)歷經(jīng)70余年的發(fā)展已經(jīng)取得了長足的進(jìn)步，在許多應(yīng)用領(lǐng)域受到廣泛重視并取得了重大的開拓性成就，如：航空航天、生物醫(yī)學(xué)工程、工業(yè)檢測、機(jī)器人視覺等，使圖像處理成為一門引人注目、前景遠(yuǎn)大的新型學(xué)科。2022年6月5日10時(shí)44分長征2號運(yùn)載火箭托舉著神舟十四號載人飛船從酒泉衛(wèi)星發(fā)射中心拔地而起奔赴太空，這是中國人的第9次太空遠(yuǎn)征。神舟載人飛船返回艙是航天員在飛船發(fā)射、交會對接以及返回地面階段需要乘坐的飛船艙。與在軌的空間站不同，返回艙和地面之間的通信鏈路資源極其有限，傳統(tǒng)的視頻通信技術(shù)影響返回艙圖像的分辨率和畫質(zhì)。如圖3-1所示，在神舟十三號及以前的飛船中，返回艙圖像的有效分辨率僅為352×288，難以適應(yīng)目前高分辨率、大屏顯示的畫面要求。中國科學(xué)技術(shù)大學(xué)吳楓課題組在2021年11月接到需求后，組織人員科研攻關(guān)。課題組基于非均勻率失真理論，提出深度學(xué)習(xí)壓縮視頻超分辨率增強(qiáng)技術(shù)，將圖像的分辨率提升16倍以上至1920×1080，圖像峰值信噪比提高4分貝以上顯著提升了圖像的清晰度和畫質(zhì)。目前，圖像增強(qiáng)系統(tǒng)已在神舟十四號載人飛船的待發(fā)段、發(fā)射段、上升段和交會對接段全程使用，后期能用于神舟十四號載人飛船的返回段及神舟系列載人飛船后續(xù)任務(wù)。第三章 數(shù)字圖像處理基礎(chǔ)知識3.1

圖像的基本概念圖像：“圖”是物體反射或透射光的分布，“像”是人的視覺系統(tǒng)所接受的圖在人腦中所形成的印象或認(rèn)識，照片、繪畫、剪貼畫、地圖、書法作品、手寫漢學(xué)、傳真、衛(wèi)星云圖、影視畫面、X光片、腦電圖、心電圖等都是圖像。圖像根據(jù)圖像記錄方式的不同可分為兩大類：模擬圖像和數(shù)字圖像。模擬圖像：與模擬信號的連續(xù)性一樣，又稱連續(xù)圖像，是指在二維坐標(biāo)系中連續(xù)變化的圖像，即圖像的像點(diǎn)是無限稠密的，同時(shí)具有灰度值（即圖像從暗到亮的變化值）。連續(xù)圖像的典型代表是由光學(xué)透鏡系統(tǒng)獲取的圖像，如人的視覺系統(tǒng)成像，人物照片和景物照片等。如圖3-3所示的小孔成像便是一種模擬圖像。圖3-3小孔成像數(shù)字圖像：又稱數(shù)碼圖像或數(shù)位圖像，是二維圖像用有限數(shù)字?jǐn)?shù)值像素的表示。由數(shù)組或矩陣表示，意味著其光照位置和強(qiáng)度都是離散的。數(shù)字圖像是由模擬圖像

數(shù)字化得到的、以像素為基本元素的、可以用數(shù)字計(jì)算機(jī)或數(shù)字電路存儲和處理的

圖像。像素：可以將像素視為整個圖像中不可分割的單位或元素。不可分割的意思是它不能夠再切割成更小單位抑或是元素，它是以一個單一顏色的小格存在。如圖3-4所示，每一個點(diǎn)陣圖像包含了一定量的像素，這些像素決定圖像在屏幕上所呈現(xiàn)的大小。圖3-4像素?cái)?shù)字圖像的像素：數(shù)字圖像由二維的元素組成，每一個元素具有一個特定的位置和幅值，這些元素就稱為像素。3.1

圖像的基本概念3.2

圖像的數(shù)字化及表達(dá)圖像的數(shù)字化：如圖3-5所示，將代表圖像的連續(xù)（模擬）信號轉(zhuǎn)變?yōu)殡x散（數(shù)字）信號的變換過程。即將圖像分割成如圖所示的稱為像素的小區(qū)域，將每個像素點(diǎn)的亮度或灰度值取一個整數(shù)表示。圖3-5圖像的數(shù)字化3.2

圖像的數(shù)字化及表達(dá)3.3

圖像的獲取與顯示由模擬圖像向數(shù)字圖像轉(zhuǎn)換的主要過程一般有：圖像掃描，圖像采樣，圖像量化。其中圖像的采樣與量化是決定圖像質(zhì)量的關(guān)鍵。3.3.1圖像的采樣一張光學(xué)圖像（模擬圖像）是無法用計(jì)算機(jī)進(jìn)行數(shù)據(jù)處理的，首先要將其進(jìn)行數(shù)字轉(zhuǎn)化。圖像采樣的作用就是將模擬圖像轉(zhuǎn)換為數(shù)字圖像，即采樣就是將二維坐標(biāo)系中連續(xù)變化的圖像轉(zhuǎn)換為離散點(diǎn)的一系列操作。一般來說，采樣間隔越大，所得圖像像素?cái)?shù)越少，空間分辨率越低，質(zhì)量差，嚴(yán)重時(shí)出現(xiàn)馬賽克效應(yīng)；采樣間隔越小，所得圖像像素?cái)?shù)越多，空間分辨率越高，圖像質(zhì)量好，但數(shù)據(jù)量大。同時(shí)采樣的孔徑形狀，大小與采樣方式有關(guān)。如圖3-6所示。圖3-6圖像采樣示意圖3.3.2采樣點(diǎn)的選取一幅圖片的圖形質(zhì)量越高，其數(shù)據(jù)量也就高，處理起來就越麻煩；反之，圖形質(zhì)量越低的圖片，數(shù)據(jù)處理起來相對輕松，但當(dāng)分辨率低于一定程度時(shí)，會出現(xiàn)嚴(yán)重的馬賽克效應(yīng)，如圖3-7所示，當(dāng)采樣率越來越低時(shí)，圖片的質(zhì)量也越來越差，當(dāng)圖片質(zhì)量過低時(shí)，難以滿足數(shù)字圖像處理的需求。為平衡好處理速度于圖像質(zhì)量的關(guān)系，取樣點(diǎn)的選取至關(guān)重要。原始圖像128×12864×6432×3216×168×8圖3-7一幅圖像的不同采樣率3.3

圖像的獲取與顯示3.3

圖像的獲取與顯示3.3.3圖像的量化采樣過后的圖像雖然被分割成離散的像素點(diǎn)，但是其灰度仍是連續(xù)的，無法用于計(jì)算機(jī)處理。將圖像函數(shù)值（灰度值）的離散化（取值的數(shù)字化）被稱為圖像灰度級量化。一張數(shù)字圖像中不同灰度值的個數(shù)稱為灰度級別，用表示。如圖3-8所示，若一幅數(shù)字圖像的量化灰度級數(shù)級，灰度值一般取值范圍是0到255的整數(shù)，稱為8bit量化。通常來說，一般大于等于6bit量化的灰度圖像，就可達(dá)到令人滿意的視覺效果。像素灰度級只有兩級（通常取1（白色）或0（黑色））的圖像稱為二值圖像。圖3-8灰度級的量化3.3

圖像的獲取與顯示一幅數(shù)字圖像中不同灰度值的個數(shù)稱為灰度級數(shù)。一幅大小為M×N，灰度級數(shù)為的圖像，其圖像數(shù)據(jù)量為M×N×g（bit），量化等級越多，圖像層次越豐富，灰度分辨率越高，圖像質(zhì)量就越好，數(shù)據(jù)量大；反之，量化等級越少，圖像層次欠豐富，灰度分辨率越低，會出現(xiàn)假輪廓現(xiàn)象，圖像質(zhì)量就越差，數(shù)據(jù)量小。如圖3-9所示（但由于減少灰度級可增加對比度，所以在極少數(shù)情況下，減少灰度級可改善圖像質(zhì)量）。所以量化等級對圖像質(zhì)量至關(guān)重要，在對圖像量化時(shí)要根據(jù)需求選擇合適的量化等級。64bit32bit16bit8bit4bit圖3-9一幅圖像的不同量化級2bit3.3

圖像的獲取與顯示在對圖像數(shù)字化處理過程中，非均勻采樣、量化可有效提高圖像數(shù)字化效率。非均勻采樣指的是在圖像細(xì)節(jié)豐富的部分，采樣間隔小，在細(xì)節(jié)不足的部分，采樣間隔適當(dāng)加大。實(shí)際應(yīng)用中，當(dāng)限定數(shù)字圖像大小時(shí)，采用以下準(zhǔn)則可得到質(zhì)量較好的圖像：對于圖像緩慢變化區(qū)域，可粗采樣；對于圖像細(xì)節(jié)豐富的區(qū)域，應(yīng)細(xì)采樣，以避免模糊；灰度劇烈變化區(qū)（一般為邊界附近），量化級可減少灰度級變化比較平滑的區(qū)域，應(yīng)增加量化級,避免出現(xiàn)假輪廓的現(xiàn)象。3.3

圖像的獲取與顯示3.4

像素間的基本關(guān)系圖3-10

4鄰域圖3-11

D鄰域圖3-12

8鄰域3.4

像素間的基本關(guān)系圖3-13

4鄰接3.4

像素間的基本關(guān)系圖3-14

8鄰接圖3-15

m連通圖3-16非m連通3.4

像素間的基本關(guān)系不難發(fā)現(xiàn)，m鄰接與8鄰接存在相似性。確實(shí)如此，如圖3-15所示像素值排列，在圖3-16中出現(xiàn)了多重（二義性）8連接，可以通過m鄰接消除二義性產(chǎn)生的歧義。如圖3-17所示的像素安排時(shí)，混合鄰接實(shí)質(zhì)上是在像素間同時(shí)出現(xiàn)如圖3-18所示的

4鄰接與8鄰接時(shí)，優(yōu)先采用4鄰接，如圖3-19所示。圖3-17像素安排

圖3-18

八鄰接像素三種鄰接的關(guān)系可總結(jié)為：4鄰接必8鄰接，而8鄰接不一定4鄰接；m鄰接必8鄰接，而8鄰接不一定m鄰接。圖3-19

m鄰接3.4

像素間的基本關(guān)系圖3-20

8-路徑圖3-21

m-路徑圖3-22

4-路徑3.4

像素間的基本關(guān)系3.4

像素間的基本關(guān)系3.4

像素間的基本關(guān)系3.5灰度直方圖在數(shù)字圖像處理中，一個最簡單同時(shí)又是最有用的工具是灰度直方圖，該函數(shù)概括了一幅圖像的灰度級內(nèi)容。任何圖像的直方圖都包括了可觀的信息﹐某些類型的圖像還可由其直方圖完全描述。直方圖處理起來非常便捷，如：當(dāng)一幅圖從一個地方被復(fù)制到另一個地方時(shí)，通過直方圖的計(jì)算可以非常迅速的實(shí)現(xiàn)。3.5.1灰度直方圖的繪制值得注意的是，直方圖是根據(jù)灰圖像繪制的，而不是彩色圖像通。查看圖像直方圖時(shí)候，需要先確定圖片是否為灰度圖，使用MATLAB2019查看圖片是否是灰度圖片，在讀取圖片后在MATLAB界面的工作區(qū)會顯示讀取的圖像矩陣，如果是，那么該圖片是灰度圖像，如果是，那么該圖片是彩色圖像。通過直方圖可以對整幅圖像的灰度分布有一個整體的了解：直方圖的橫軸是灰度級（0到255），縱軸是圖片中具有同一個灰度值的點(diǎn)的數(shù)目。在MATLAB中，可使用imhist函數(shù)來繪制灰度直方圖，示例程序如圖3-23所示?！纠?.1】繪制灰度直方圖

I=imread("rice.png");subplot(1,2,1),imshow(I);subplot(1,2,2),imhist(I);%在一個窗口中顯示兩幅圖像，第一幅顯示圖像I%第二幅顯示圖像I的灰度直方圖圖3-23圖像與其直方圖3.5灰度直方圖直方圖的左邊區(qū)域像是暗一點(diǎn)的像素?cái)?shù)量，右側(cè)顯示了亮一點(diǎn)的像素的數(shù)量。從這幅圖上你可以看到大米為亮一點(diǎn)的像素，背景顏色下方比上方更暗，所以這副圖像的直方圖波峰大致有三個：直方圖左側(cè)波峰為圖像背景底部暗像素灰度，直方圖中間波峰代表的是圖像背景由中部至上部的稍微偏亮的暗像素灰度，直方圖右側(cè)波峰為圖像中大米的亮像素灰度。實(shí)際工作中，也可以利用三維直方圖來綜合反映圖像灰度分布和鄰域空間相關(guān)信息。以及灰度圖像各分量間的關(guān)系。二維直方圖實(shí)質(zhì)上是一個二維數(shù)組(三維矩陣)。表示的是有二個特征分量象索的分布頻度。如下圖3-24及圖3-25所示：【例3.2】繪制三維直方圖I=imread("rice.png");

surf(I);

%繪制三維直方圖圖3-24三維直方圖俯視圖圖3-25三維直方圖側(cè)視圖3.5灰度直方圖3.5.2灰度直方圖的使用直方圖給出了一個簡單可見的指示,用來判斷一幅圖像是否合理地利用了全部被允許的灰度級范圍。一般一幅數(shù)字圖像應(yīng)該利用全部或幾乎全部可能的灰度級。若圖像使用的灰度級過小，圖像對比度會相對降低，圖像視覺質(zhì)量會有所折扣。如果圖像具有超出數(shù)字化器所能處理的范圍的亮度﹐這些灰度級將被置0或255，由此將在直方圖的兩端產(chǎn)生聚集，形成尖峰。數(shù)字化時(shí)對直方進(jìn)行檢查，可以提前發(fā)現(xiàn)問題，提高效率。在圖像增強(qiáng)時(shí)，利用直方圖進(jìn)行灰度變換，如直方圖均衡化，規(guī)定化可很好的提升圖像的人眼視覺或機(jī)器視覺效果，具體方法詳見第六章。3.5灰度直方圖3.6圖像的分類3.6.1二值圖像只有黑白兩種顏色的圖像稱為黑白圖像或單色圖像，是指圖像的每個像素只能是黑或者白，沒有中間的過渡，故又稱為二值圖像。其特點(diǎn)是二值圖像的像素值只能為

0和1，分別代表黑色和白色，圖像中的每個像素值用1位存儲。MATLAB中可構(gòu)建矩陣直接生成二值圖像，示例代碼如下，顯示圖像如圖3-26所示：【例3.3】繪制二值圖像I

=

zeros(15,15);I(1:2:15,1:2:15)

=

1;%生成15行×15列的零矩陣%將矩陣的行、列的每組的奇數(shù)位置的元素賦值為1imshow(I);

%顯示圖像圖3-26二值圖像在MATLAB中當(dāng)需要對圖像進(jìn)行形態(tài)學(xué)處理時(shí)，將圖像轉(zhuǎn)換為二值圖像可提高處理效率，彩色圖像轉(zhuǎn)二值圖像的示例代碼如下，顯示圖像如圖3-27所示：【例3.4】彩色圖像轉(zhuǎn)二值圖像I

=

imread("sherlock.jpg");J

=

im2bw(I);subplot(1,2,1),imshow(I),title("原始圖像");subplot(1,2,2),imshow(J),title("灰度圖像");(a)原始圖像

(b)二值圖像圖3-27彩色圖像與二值圖像3.6圖像的分類3.6.2灰度圖像灰度圖像是指每個像素的信息由一個量化的灰度級來描述的圖像。如果每個像素的灰度值用一個字節(jié)表示，灰度值級數(shù)就等于256級，每個像素可以是0-255之間的任何一個數(shù)。其特點(diǎn)是：它只有亮度信息，沒有顏色信息。占據(jù)存儲空間較黑白圖像（二值圖像）要大。在讀入圖片后在MATLAB界面的工作區(qū)會顯示讀取的圖像矩陣，如果是，那么該圖片是灰度圖像，如果是，那么該圖片是彩色圖像。很多時(shí)候一幅彩色圖像無法直接進(jìn)行處理，需先進(jìn)行彩色圖像轉(zhuǎn)灰度圖像處理，示例程序如下，操作結(jié)果如圖3-28所示：【例3.5】彩色圖像轉(zhuǎn)灰度圖像I=imread("sherlock.jpg");J=rgb2gray(I);

%將彩色圖像轉(zhuǎn)為灰度圖像subplot(1,2,1),imshow(I),title("原始圖像");subplot(1,2,2),imshow(J),title("灰度圖像");(a)原始圖像(b)灰度圖像圖3-28灰度圖像3.6圖像的分類3.6.3彩色圖像彩色圖像除有亮度信息外，還包含有顏色信息。以最常見的RGB（紅綠藍(lán)）彩色空間為例來簡要說明彩色圖像：彩色圖像可按照顏色的數(shù)目來劃分。例如，256色圖像和真彩色圖像（2的16次方＝216777216種顏色）等，通常RGB圖像中每個像素都是用24位二進(jìn)制數(shù)表示的，故也稱為24位真彩色圖像。在RGB彩色空間中，一幅彩色數(shù)字圖像的各個像素的信息由RGB三原色信息構(gòu)成，其中R(紅)、G(綠)、B(藍(lán))是由不同的灰度級來描述的，三者共同決定了像素的亮度和色彩。值得注意的是，R,G,B三通道圖像并非紅綠藍(lán)三色，而是三個灰度圖像。如圖3-29所示：3.6圖像的分類【例3.6】彩色圖像分割處RGB三通道圖像I=imread("sherlock.jpg");I_r

=

I(:,:,1);I_g

=

I(:,:,2);I_b

=

I(:,:,3);%提取R通道圖像%提取G通道圖像%提取B通道圖像subplot(2,2,1),imshow(I),title("原始圖像");subplot(2,2,2),imshow(I_r),title("R通道灰度圖像");subplot(2,2,3),imshow(I_g),title("G通道灰度圖像");subplot(2,2,4),imshow(I_b),title("B通道灰度圖像");(a)原始圖像(b)R通道灰度圖像(c)

G通道灰度圖像

(d)

B通道灰度圖像圖3-29彩色圖像的RGB通道分割3.6圖像的分類3.6.4矢量圖象矢量圖，也稱為面向?qū)ο蟮膱D像或繪圖圖像，在數(shù)學(xué)上定義為一系列由線連接的點(diǎn)。矢量文件中的圖形元素稱為對象。每個對象都是一個自成一體的實(shí)體，它具有顏色、形狀、輪廓、大小和屏幕位置等屬性。矢量圖是根據(jù)幾何特性來繪制圖形，矢量可以是一個點(diǎn)或一條線，矢量圖只能靠軟件生成，文件占用內(nèi)在空間較小，因?yàn)檫@種類型的圖像文件包含獨(dú)立的分離圖像，可以自由無限制的重新組合。它的特點(diǎn)是放大后圖像不會失真，和分辨率無關(guān)，適用于圖形設(shè)計(jì)、文字設(shè)計(jì)和一些標(biāo)志設(shè)計(jì)、版式設(shè)計(jì)等。矢量圖格式很多，如AdobeIllustrator的‘‘.AI’’、‘‘.EPS’’和SVG、AutoCAD的‘‘.dwg’’和dxf、Corel

DRAW的‘‘.cdr’’等。3.6圖像的分類3.6.5索引圖像索引圖像是一種把像素值直接作為RGB調(diào)色板下標(biāo)的圖像。索引圖像包括一個數(shù)據(jù)矩陣X，一個調(diào)色板矩陣map，也稱為顏色映像矩陣。其中，數(shù)據(jù)矩陣X可以是

8位無符號整型、16位無符號整型或雙精度類型。調(diào)色板矩陣map是一個m×3的數(shù)據(jù)陣列，如矩陣元素值域?yàn)閇0，255]，則map矩陣的大小為256×3，其中每個元素的值均為[0,1]之間的雙精度浮點(diǎn)型數(shù)據(jù)。map矩陣的每一行分別表示紅色、綠色和藍(lán)色的顏色值。索引圖像是從像素值到顏色映射表值的“直接映射”。像素顏色由數(shù)據(jù)矩陣X作為索引指向調(diào)色板矩陣map進(jìn)行索引，例如，值1指向調(diào)色板矩陣map中的第一

行，值2指向第二行，以此類推，如某一像素的灰度值為64，則該像素就與調(diào)色板矩陣map中的第64行建立了映射關(guān)系，該像素在屏幕上的實(shí)際顏色由第64行的調(diào)色板矩陣map組合決定。3.6圖像的分類如下圖3-30所示索引圖像，圖(a)索引圖像其中紅色圈框起來的部位的數(shù)據(jù)矩陣

X，如圖(b)所示，調(diào)色板矩陣map如圖(c)所示，其中一點(diǎn)的索引號為18，在調(diào)色板矩陣map中對應(yīng)第18行所定義的顏色，其RGB顏色實(shí)際為(0.1608,0.3529,0.0627)，代表RGB三個分量的比重。圖3-30索引圖像及其成像原理示意圖3.6圖像的分類在MATLAB中，彩色圖像與索引圖像是可以相互轉(zhuǎn)換的。索引圖像轉(zhuǎn)換為RGB圖像代碼為：I=ind2rgb(X,map);彩色圖像轉(zhuǎn)換為索引圖像代碼及三種方法如下所示：【例3.7】彩色圖像轉(zhuǎn)索引圖像%讀取圖片%RGB圖像轉(zhuǎn)索引圖像，圖像顏色數(shù)量為256種%RGB圖像轉(zhuǎn)索引圖像，圖像顏色數(shù)量為I

=

imread("sherlock.jpg");

[X1,map1]

=

rgb2ind(I,256);

[X2,map2]

=

rgb2ind(I,0.2);(1/0.2+1)^3種map3

=

colorcube(256);種X3

=

rgb2ind(I,map3);%RGB圖像轉(zhuǎn)索引圖像，圖像顏色數(shù)量為指定的256subplot(2,2,1),imshow(I),title("原始圖像");subplot(2,2,2),imshow(X1,map1),title("最小方差法轉(zhuǎn)換后的索引圖像");subplot(2,2,3),imshow(X2,map2),title("均勻量化法轉(zhuǎn)換后的索引圖像");subplot(2,2,4),imshow(X3,map3),title("顏色近似法轉(zhuǎn)換后的索引圖像");3.6圖像的分類轉(zhuǎn)換后效果如圖3-31所示：(a)原始圖像(b)最小方差法轉(zhuǎn)換后的索引圖像(c)均勻量化法轉(zhuǎn)換后的索引圖像

(d)顏色近似法轉(zhuǎn)換后的索引圖像圖3-31彩色圖像轉(zhuǎn)換為索引圖像3.6圖像的分類本章主要介紹了數(shù)字圖像的基本概念，包括數(shù)字圖像與模擬圖像的關(guān)系，即模擬圖像通過采樣量化轉(zhuǎn)換成數(shù)字圖像，以及采樣率和量化級對圖像質(zhì)量的影響。詳解了像素之間的基本關(guān)系，同時(shí)介紹了灰度直方圖，闡述其在圖像處理中的重要作用及使用方法。最后介紹了在圖像處理時(shí)常見的五種圖像類型，闡述每種類型圖像的基本性質(zhì)，以及各類型圖像相互轉(zhuǎn)換的方法。同時(shí)，本章在撰寫時(shí)，為方便理解和學(xué)習(xí)，列舉了大量的應(yīng)用實(shí)例和MATLAB的源程序。本章小節(jié)3.1簡述數(shù)字圖像與模擬圖像的區(qū)別與聯(lián)系。簡述采樣率與量化級對圖像質(zhì)量的影響。一幅4bit量化的圖像，其灰度級為多少？一幅灰度級為512的圖像，其量化為多少bit？灰度級為128的圖像，其最小灰度值為多少？代表什么顏色？最大灰度值為多少？代表什么顏色？習(xí)題謝謝觀看第4章圖像的基本運(yùn)算4.1概述4.2點(diǎn)運(yùn)算4.3代數(shù)運(yùn)算4.4邏輯運(yùn)算4.5幾何運(yùn)算引言何凱明博士的《Single

Image

Haze

Removal

Using

Dark

Channel

Prior》文章，是2009年CVPR最佳論文，該文以極簡的圖像基礎(chǔ)切入，以函數(shù)推導(dǎo)為手段，開創(chuàng)新的提出了暗通道概念，并將之應(yīng)用于圖像去霧，效果極佳。如下圖4-1所示：(a)原始圖像(b)去霧后圖像圖4-1暗通道去霧法引言學(xué)好圖像的基本運(yùn)算是數(shù)字圖像處理的基礎(chǔ)，也是重中之重。不積小流無以成江海，圖像處理其實(shí)是利用各種基礎(chǔ)算法對圖像進(jìn)行處理，圖像運(yùn)算是數(shù)字圖像處理中的重要內(nèi)容之一。本章主要介紹基于圖像像素的運(yùn)算方法，包括點(diǎn)運(yùn)算、代數(shù)運(yùn)算、邏輯運(yùn)算，圖像的幾何變換方法，包括平移、鏡像、縮放、轉(zhuǎn)置、旋轉(zhuǎn)及剪切，圖像的鄰域操作和區(qū)域選擇。在改變輸入圖像的灰度級,圖像降噪,或幾何變換中，這些基本算法都有著重要作用。4.1概述圖像處理運(yùn)算方法

點(diǎn)運(yùn)算：是通過圖像中每個像素點(diǎn)的灰度值進(jìn)行計(jì)算，改變圖像數(shù)據(jù)占據(jù)的灰度范圍，以改善圖像顯示效果。

代數(shù)運(yùn)算：是指將兩幅圖像通過對應(yīng)像素之間的加、減、乘、除運(yùn)算,得到輸出圖像。在加、減、乘、除運(yùn)算時(shí)可以是兩幅以上的圖像同時(shí)參與。邏輯運(yùn)算：主要是針對兩幅二值圖像進(jìn)行邏輯與、或、非等運(yùn)算。幾何運(yùn)算：就是改變圖像中物體對象(像素)之間的空間關(guān)系。4.2點(diǎn)運(yùn)算點(diǎn)運(yùn)算：點(diǎn)運(yùn)算又稱為對比度增強(qiáng)、對比度拉伸或灰度變換，是一種通過圖像中的每一個像素值（即像素點(diǎn)上的灰度值）進(jìn)行運(yùn)算的圖像處理方式。它將輸入圖像映射為輸出圖像，輸出圖像每個像素點(diǎn)的灰度值僅由對應(yīng)的輸入像素點(diǎn)的灰度值決定，運(yùn)算結(jié)果不會改變圖像內(nèi)像素點(diǎn)之間的空間關(guān)系。點(diǎn)運(yùn)算可以擴(kuò)展所需部分的灰度信息的對比度，使之占據(jù)顯示灰度級范圍的更大一部分。點(diǎn)運(yùn)算以預(yù)定的方式改變一幅圖像的灰度直方圖。除了灰度

級的改變是根據(jù)某種特定的灰度變換函數(shù)進(jìn)行之外，點(diǎn)運(yùn)算可看作是“從像

素到像素”的復(fù)制操作。點(diǎn)運(yùn)算產(chǎn)生的輸出圖像，其圖像中每個像素點(diǎn)的灰度值僅由相應(yīng)輸入點(diǎn)的灰度值確定。線性點(diǎn)運(yùn)算和非線性點(diǎn)運(yùn)算點(diǎn)運(yùn)算從數(shù)學(xué)上可以分為線性點(diǎn)運(yùn)算和非線性點(diǎn)運(yùn)算兩類。4.2.1線性點(diǎn)運(yùn)算線性點(diǎn)運(yùn)算線性點(diǎn)運(yùn)算是指輸入圖像的灰度級與輸出圖像的灰度級呈線性關(guān)系。其函數(shù)形式為：t=as+b

(4.1)其中，s為輸入圖像各像素點(diǎn)的灰度值，t為相應(yīng)輸出圖像各像素點(diǎn)的灰度值。如果a=1且b=0，則t=s，即輸入圖像與輸出圖像相同。如果a=1且b≠0，則輸出圖像的灰度值上移或下移，整個圖像在顯示會更亮或更暗。如果a>1，則輸出圖像對比度增大，輸出圖像顯示效果較輸入圖像會更亮。如果a<1，則輸出圖像對比度降低，輸出圖像顯示效果較輸入圖像會更暗。如果a<0，即a為負(fù)值，則原輸入圖像的暗區(qū)域?qū)⒆兞?亮區(qū)域?qū)⒆儼?。I

=

imread("rice.png");I

=

im2double(I);類型。%讀取輸入圖像%函數(shù)im2double將輸入換成double%如果輸入圖像是unit8,unit16或者是二值的logical類型，則函數(shù)im2double將其值歸一化到0～1之間。a

=

2.5;b=-70;%增加對比度J

=

a.*I+b/255;c

=

0.7;d=-30;K

=

c.*I+d/255;e

=

1;f

=

70;L

=

e.*I+f/255;g

=

-1;h

=

255;P

=

g.*I+h/255;%減小對比度%線性增加亮度%圖像反色subplot(2,3,1),imshow(I);title("原圖像");subplot(2,3,2),imshow(J);title("增加對比度");subplot(2,3,3),imshow(K),title("減小對比度");subplot(2,3,4),imshow(L),title("線性平移增加亮度");subplot(2,3,5),imshow(P),title("圖像反色");4.2.1線性點(diǎn)運(yùn)算線性點(diǎn)運(yùn)算MATLAB示例程序如下：線性點(diǎn)運(yùn)算處理效果圖4.2.2非線性點(diǎn)運(yùn)算1.對數(shù)變換對數(shù)變換的一般表達(dá)式為：t=clog(1+s)(4.2)其中c為尺度比例常數(shù)，s為輸入圖像灰度值，t為變換后的輸出圖像灰度值。在如圖4-3所示的對數(shù)曲線上，函數(shù)自變量低值時(shí)，曲線的斜率很高;自變量高值時(shí)，曲線斜率變小?！醴蔷€性點(diǎn)運(yùn)算常見的非線性灰度變換為對數(shù)變換和冪次變換。圖4-3對數(shù)變換曲線4.2.2非線性點(diǎn)運(yùn)算4.2.2非線性點(diǎn)運(yùn)算4.2.2非線性點(diǎn)運(yùn)算圖4-4冪次變換曲線圖（灰度值歸一化）作為r的函數(shù)，s對于γ的各種值繪制的曲線如圖所示，從上到下γ分別為0.04、0.1、0.2、0.4、0.67、1、1.5、2.5、5、10、25。像對數(shù)變換的情況一樣，冪次曲線中γ的部分值把輸入窄帶暗值映射到寬帶輸出值。相反，輸入高值也成立。當(dāng)c=γ=1時(shí)，將簡化為線性變換。如圖4-4所示：c=1，γ分別為0.5、2和5時(shí)對圖像進(jìn)行變換的程序：I

=

imread("printedtext.png");J=imadjust(I,[],[],0.5);%放大暗處細(xì)節(jié)，壓縮亮處細(xì)節(jié)。K=imadjust(I,[],[],2);%放大亮處細(xì)節(jié)，壓縮暗處細(xì)節(jié)。L=imadjust(I,[],[],5);%放大亮處細(xì)節(jié)，壓縮暗處細(xì)節(jié)。subplot(2,2,1),imshow(I);title("原圖像");subplot(2,2,2),imshow(J);title("γ=0.5");subplot(2,2,3),imshow(K);title("γ=2");subplot(2,2,4),imshow(L);title("γ=5’);代碼對圖像的處理效果如圖4-5所示圖4-5冪次變換4.2.2非線性點(diǎn)運(yùn)算4.3代數(shù)運(yùn)算代數(shù)運(yùn)算：圖像的代數(shù)運(yùn)算是指將兩幅或多幅圖像通過對應(yīng)像素之間的加、減、乘、除運(yùn)算得到輸出圖像的方法，對于相加和相乘的情形,可能有多幅圖像參加運(yùn)算。它們運(yùn)算的數(shù)學(xué)表達(dá)式如下：S(x,y)=A(x,y)+B(x,y)S(x,y)=A(x,y)-B(x,y)S(x,y)=A(x,y)×B(x,y)S(x,y)=A(x,y)÷B(x,y)

(4.4)其中，A(x,y)和B(x,y)為進(jìn)行代數(shù)運(yùn)算的原始輸入圖像，S(x,y)為A(x,y)和B(x,y)運(yùn)算后的輸出圖像。某些情況下輸入圖像之一也可以使用常數(shù)。4.3代數(shù)運(yùn)算代數(shù)運(yùn)算的應(yīng)用：在數(shù)字圖像處理技術(shù)中，代數(shù)運(yùn)算具有非常廣泛的應(yīng)用和重要的意義，消除或降低圖像的加性隨機(jī)噪聲，消除不需要的加性圖案，檢測同一場景的兩幅圖像之間的變化，檢測物體的運(yùn)動等。圖像減法可用于去除一幅圖像中所不需要的加性圖案，加性圖案可能是緩慢變化的背景陰影，周期性的噪聲，或在圖像上每一像素處均已知的附加污染等。4.3.1加法運(yùn)算加法運(yùn)算圖像加法運(yùn)算的一個應(yīng)用是將一幅圖像的內(nèi)容疊加到另一幅圖像上，生成疊加圖像效果，或給圖像中每個像素疊加常數(shù)改變圖像的亮度。在MATLAB圖像處理工具箱中提供的函數(shù)imadd()可實(shí)現(xiàn)兩幅圖像的相加或者一幅圖像和常量的相加。加法運(yùn)算示例程序如下：I1

=

imread("AT3_1m4_01.tif");I2

=

imread("cell.tif");J=imadd(I1,100);

%將輸入圖像I1所有像素灰度值加50K=I1+imresize(I2,[480

640]);

%將輸入圖像I2像素維度設(shè)置的與I1一致，并相加subplot(2,2,1),imshow(I1);title("I1原圖像");subplot(2,2,2),imshow(I2);title("I2原圖像");subplot(2,2,3),imshow(J);title("I1所有像素灰度值加100");subplot(2,2,4),imshow(K);title("I1+I2’);代碼對圖像的處理效果如圖4-6所示圖4-6加法運(yùn)算4.3.1加法運(yùn)算4.3.1加法運(yùn)算4.3.1加法運(yùn)算subplot(1,3,3),imshow(K);title("求平均值后圖像");%顯示圖片并命名為"求平均值后圖像’代碼對圖像的處理效果如圖4-7所示：把一幅圖像加入高斯噪聲，再通過100次相加求平均的方法去除噪聲，其MATLAB程序：I

=

imread("spine.tif");J=imnoise(I,"gaussian",0,0.01);%將圖片I添加高斯噪聲subplot(1,3,1),imshow(I),title("原圖像");%顯示圖片并命名為‘原圖像’subplot(1,3,2),imshow(J),title("添加高斯噪聲");%顯示圖片并命名為‘添加高斯噪聲’K=zeros(367,490);%生成一個全0矩陣大小與原圖像分辨率一致for

I=1:100%循環(huán)100次添加噪聲J

=

imnoise(I,"gaussian",0,0.01);J1

=

im2double(J);K

=

K+J1;endK

=

K/100;圖4-7加法運(yùn)算求平均消除噪聲4.3.1加法運(yùn)算4.3.2減法運(yùn)算減法運(yùn)算圖像減法也稱為差分方法，是一種常用于檢測圖像變化及運(yùn)動物體的圖像處理方法。常用來檢測一系列相同場景圖像的差異，其主要的應(yīng)用在于檢測同一場景下兩幅圖像之間的變化或是混合圖像的分離。差影法將同一景物在不同時(shí)問拍攝的圖像或同一景物在不同波段的圖像相減，這就是差影法，實(shí)際上就是圖像的減法運(yùn)算。差值圖像提供了圖像間的差值信息，能用于指導(dǎo)動態(tài)監(jiān)測、運(yùn)動目標(biāo)的檢測和跟蹤、圖像背景的消除及目標(biāo)識別等。用于混合圖像的分離圖像在進(jìn)行差影法運(yùn)算時(shí)必須使兩相減圖像的對應(yīng)點(diǎn)位于空間同一目標(biāo)上，否則，必須先做幾何校準(zhǔn)與匹配。當(dāng)將一個場景系列圖像相減用來檢測其他變化時(shí)，難以保證準(zhǔn)確對準(zhǔn)，這時(shí)就需要更進(jìn)一步的分析。在MATLAB圖像處理工具箱中提供了函數(shù)imsubtract()，可以將一幅圖像從另一幅圖像中減去，或者從一幅圖像中減去一個常數(shù)，實(shí)現(xiàn)將一幅輸入圖像的像素值從另一幅輸入圖像相應(yīng)的像素值中減去，再將這個結(jié)果作為輸出圖像相應(yīng)的像素值，一幅圖片中的噪聲，可通過減法運(yùn)算提取出來。%將圖片I添加高K=imsubtract(I,J);

%兩幅圖片相減L=255-K;

%噪聲圖像圖片求反subplot(2,2,1),imshow(I),title("原始圖像");subplot(2,2,2),imshow(J),title("噪聲圖像");subplot(2,2,3),imshow(K),title("噪聲提取");subplot(2,2,4),imshow(L),title("噪聲圖像求反’);減法運(yùn)算的程序：I

=

imread("cameraman.tif");J=imnoise(I,"gaussian",0,0.1);斯噪聲圖像求反就是將圖像黑白兩色反轉(zhuǎn)以達(dá)到更好的視覺效果。代碼對圖像的處理效果如圖4-8所示：圖4-8減法運(yùn)算4.3.2減法運(yùn)算4.3.3乘法運(yùn)算乘法運(yùn)算兩幅圖像進(jìn)行乘法運(yùn)算主要實(shí)現(xiàn)兩個功能：一是可以實(shí)現(xiàn)掩模操作，即屏蔽圖像的某些部分；二是如果一幅圖像乘以一個常數(shù)因子，如果常數(shù)因子大于1，將增強(qiáng)圖像的亮度，如果因子小于1則會使圖像變暗。在MATLAB圖像工具箱中提供了函數(shù)immultiply()實(shí)現(xiàn)兩幅圖像的乘法，該函數(shù)將兩幅圖像相應(yīng)的像素值進(jìn)行元素對元素的乘法操作（相當(dāng)于MATLAB中矩陣的點(diǎn)乘)，并將乘法的運(yùn)算結(jié)果作為輸出圖形相應(yīng)的像素值。乘法運(yùn)算的程序：

I=imread("rice.png");J=immultiply(I,1.2);%將原圖像所有像素灰度值乘以1.2，視覺效果較原圖像會明亮一些K=immultiply(I,2);%將原圖像所有像素灰度值乘以2，視覺效果較原圖像會明亮許多L=immultiply(I,0.3);%將原圖像所有像素灰度值乘以0.3，視覺效果較原圖像會暗淡許多subplot(1,4,1),imshow(I);title("原圖像");subplot(1,4,2),imshow(J);title("1.2×");subplot(1,4,3),imshow(K);title("2×");subplot(1,4,4),imshow(L);title("0.8×’);代碼對圖像的處理效果如圖4-9所示：圖4-9乘法運(yùn)算4.3.3乘法運(yùn)算4.3.4除法運(yùn)算除法運(yùn)算除法運(yùn)算可用于去除數(shù)字化器靈敏度隨空間變化造成的影響。圖像的除法運(yùn)算給出的是兩幅圖像相應(yīng)像素值的變化比率，而不是每個像素的絕對差異，因而圖像除法也稱為比率變換，常用于校正成像設(shè)備的非線性影響。在MATLAB圖像處理工具箱中提供了函數(shù)imdivide()實(shí)現(xiàn)兩幅圖像的除法，該函數(shù)對兩幅輸入圖像的所有相應(yīng)像素執(zhí)行元素對元素的除法操作（即MATLAB中矩陣的點(diǎn)除操作），并將得到的結(jié)果作為輸出圖像的相應(yīng)像素值。LX=imdivide(I,L);

%除法運(yùn)算subplot(1,4,1),imshow(I),title("原圖像I");subplot(1,4,2),imshow(JX,[]),title("I/imadd(I,50)");subplot(1,4,3),imshow(KX,[]),title("I/imadd(I,100)");subplot(1,4,4),imshow(LX,[]),title("I/imadd(I,-50)");代碼對圖像的處理效果如圖4-10所示：除法運(yùn)算的程序：I

=

imread("coins.png");J

=

imadd(I,50);K

=

imadd(I,100);L=imadd(I,-50);%對原圖像灰度值進(jìn)行變換JX=imdivide(I,J);KX

=

imdivide(I,K);圖4-10除法運(yùn)算4.3.4除法運(yùn)算4.4邏輯運(yùn)算邏輯運(yùn)算：圖像的邏輯運(yùn)算主要是針對二值圖像，以像素為基礎(chǔ)進(jìn)行的兩幅或多幅圖像間的操作。常用的邏輯運(yùn)算有與、或、非、或非、與非和異或等。在MATLAB中，提供了邏輯操作符與(AND)、或(OR)、非(NOT)和異或（OR）等進(jìn)行邏輯運(yùn)算，復(fù)雜邏輯運(yùn)算可通過基本運(yùn)算推導(dǎo)得到。邏輯運(yùn)算的程序：A=zeros(256);A(120:135,20:200)=1;%構(gòu)建第一幅二值圖像B=zeros(256);B(100:160,80:140)=1;%構(gòu)建第二幅二值圖像C=and(A,B);%與運(yùn)算D=or(A,B);%或運(yùn)算E=not(A);%非運(yùn)算subplot(2,3,1),imshow(A),title("第一幅二值圖像");subplot(2,3,2),imshow(B),title("第二幅二值圖像");subplot(2,3,3),imshow(C),title("與運(yùn)算");subplot(2,3,4),imshow(D),title("或運(yùn)算");subplot(2,3,5),imshow(E),title("非運(yùn)算");代碼對圖像的處理效果如圖4-11所示：圖4-11邏輯運(yùn)算4.4邏輯運(yùn)算4.5幾何運(yùn)算幾何運(yùn)算又稱為幾何變換，是將一幅圖像中的坐標(biāo)映射到另外一幅圖像中的新坐標(biāo)位置，它不改變圖像的像素值，只是改變像素所在的幾何位置，使原始圖像按照需要產(chǎn)生位置、形狀和大小的變化。圖像幾何運(yùn)算的一般定義為：g(x,y)=f(u,v)=f(p(x,y),q(x,y))

(4.12)u=p(x,y)，v=q(x,y)唯一地描述了空問變換，即將輸入圖像f(u,v)從u-v坐標(biāo)系變換為x-y標(biāo)系的輸出圖像g(x,y)。本節(jié)主要介紹圖像的一些基本幾何變換，包括圖像的平移、鏡像變換、轉(zhuǎn)置和放縮等。4.5.1圖像的平移4.5.1圖像的平移%構(gòu)建一個與圖像I空間%a為水平右移，b為垂直下移A

=

20;

b

=

20;for

I

=

1:M;for

j

=

1:N;if((i-a>0)&

(i-a<M)&

(j-b>0)&

(j-b<N))%從坐標(biāo)點(diǎn)到新坐標(biāo)點(diǎn)的映射g(i,j)

=

I(i-a,j-b);else%新圖像外的坐標(biāo)點(diǎn)置0g(i,j)

=

0;endendendJ

=

uint8(g);%生成平移后新圖像subplot(1,2,1),imshow(I),title("原始圖像");subplot(1,2,2),imshow(J),title("平移后的圖像’);平移運(yùn)算的程序：I

=

imread("pout.tif");[M,N]=size(I);G=zeros(M,N);大小一致的0矩陣代碼對圖像的處理效果如圖4-12所示：圖4-12圖像的平移4.5.1圖像的平移對于圖像的平移，在MATLAB中是可以利用膨脹函數(shù)平移圖像達(dá)到上述一致的效果。示例代碼如下：I

=

imread("pout.tif");se=translate(strel(1),[20

20]);%將一個平面結(jié)構(gòu)化元素分別向下和向右移動30個位

J=imdilate(I,se);%利用膨脹函數(shù)平移圖像figure;subplot(1,2,1),imshow(I),title("原始圖像");subplot(1,2,2),imshow(J),title("平移后圖像");4.5.1圖像的平移4.5.2圖像的鏡像鏡像變換鏡像變換又常稱為對稱變換，它可以分為水平對稱、垂直對稱等多種變換。對稱變換后，圖像的寬和高不變。圖像的鏡像分為兩種垂直鏡像和水平鏡像。水平鏡像即將圖像左半部分和右半部分以圖像豎直中軸線為中心軸進(jìn)行對換；豎直鏡像則是將圖像上半部分和下半部分以圖像水平中軸線為中心軸進(jìn)行對換.4.5.2圖像的鏡像g(i,j)=I(i,b-j+1);像對調(diào)endend%將原始圖像像素灰度值完成鏡subplot(1,2,1),imshow(I),title("原始圖像");subplot(1,2,2),imshow(uint8(g)),title("水平鏡像");代碼對圖像的處理效果如圖4-13所示：水平鏡像的程序：I

=

imread("eight.tif");[a,b]

=

size(I);

G

=

zeros(a,b);for

I

=

1:a;for

j

=

1:b;圖4-13水平鏡像4.5.2圖像的鏡像4.5.2圖像的鏡像I

=

imread("eight.tif");[a,b]

=

size(I);

G

=

zeros(a,b);for

i

=

1:a;for

j

=

1:b;g(i,j)

=

I(a-i+1,j);endend%將原始圖像像素灰度值完成垂直對調(diào)subplot(1,2,1),imshow(I),title("原始圖像");subplot(1,2,2),imshow(uint8(g)),title("垂直鏡像");圖4-14垂直鏡像4.5.3圖像的旋轉(zhuǎn)4.5.3圖像的旋轉(zhuǎn)I

=

imread("threads.png");J=imrotate(I,45,"bilinear");‘bilinear’為雙線性插值%將圖像旋轉(zhuǎn)45°，K=imrotate(I,45,"bilinear","crop");轉(zhuǎn)后的圖像進(jìn)行裁剪，使旋轉(zhuǎn)后輸出圖像的尺寸和輸入圖像的尺寸一致。%‘crop’為對旋subplot(1,3,1);imshow(I);title("原始圖像");subplot(1,3,2);imshow(J);title("旋轉(zhuǎn)圖像");subplot(1,3,3);imshow(K);title("旋轉(zhuǎn)剪裁圖像");代碼對圖像的處理效果如圖4-15所示：將一幅圖像旋轉(zhuǎn)45°，并分別采用把轉(zhuǎn)出顯示區(qū)域的圖像截去和擴(kuò)大顯示區(qū)域范圍以顯示圖像的全部這兩種方式，在MATLAB中imrotate(A,angle)將圖像A（圖像的數(shù)據(jù)矩陣）