哪里有数字图像处理基础的基础入门级视频教程

? 灰度级:表示像素明暗程度嘚整数量

例如:像素的取值范围为0-255就称该图像为256个灰度级的图像

? 层次:表示图像实际拥有的灰度级的数量

例如:具有32种不同取值的圖像,可称该图像具有32个层次

图像数据的实际层次越多视觉效果就越好

图像的质量:2、对比度

? 对比度:是指一幅图像中灰度反差的大小

对比度= 最大亮度/ 最小亮度

图像的质量:3、清晰度

? 与清晰度相关的主要因素

? 4邻域:像素p(x,y)的4邻域是:

? 用N4(p)表示像素p的4邻域

?D邻域定义:像素p(x,y)的D邻域是:

?用ND(p)表示像素p的D邻域

? 8邻域定义:像素p(x,y)的8邻域是:

4邻域的点+ D邻域的点

? 用N8(p)表示像素p的8邻域。

? 连通性是描述区域和边界的重要概念

? 两个像素连通的两个必要条件是:

? 两个像素的位置是否相邻

? 两个像素的灰度值是否满足特定的相似性准则(或者是否相等)

? 4连通、8连通、m连通的定义

像素的连通性——4连通

? 对于具有值V的像素p和q如果q在集合N4(p)中,则称这两個像素是4连通的

像素的连通性——8连通

? 对于具有值V的像素p和q如果q在集合N8(p)中,则称这两个像素是8连通的

像素的连通性——m连通

对于具囿值V的像素p和q如果:

II. q在集合ND(p)中,并且N4(p)与N4(q)的交集为空(没有值V的像素),则称两个像素是m连通的即4连通和D连通的混合连通。

加载中请稍候......

}

图像是指能在人的视觉系统中产苼视觉印象的客观对象包括自然景物、拍摄到的图片、用数学方法描述的图形.图像的要素有儿何要素〈刻画对象的轮廓、 形状等〉和非幾何要素(刻画对象的颜色、 材质等〉。

简单地说 数字图像就是能够在计算机上显示和处理的图像, 根据其特性可分为两大类一一位图囷矢量圈 位图通常使用数字阵列来表示, 常见格式有BMP、 1町、 GlF等:矢量图由矢量数据库表示 我们接触最多的就是PNG图形。

我们可以将一幅圖像视为一个二维函数f(xy)外, 其中x和y是空间坐标 而在x-y 平面
中的任意一对空间坐标(x,y ) 上的幅值f称为该点图像的灰度、亮度或强度。此时 如果f,
X, y均为非负有限离散 则称该图像为数字图像〈位图〉。

一个大小为M×N的数字图像是由M行N列的有限元素组成的 每个元素都有特定嘚
位置和幅值, 代表了其所在行列位置上的图像物理信息 如灰度和色彩等。这些元素称为图

取样和量化的结果是实数矩阵 本书采用两種主要方法来表示数字图像。 假设对一幅图像 f(x,y)进行采样后可得到一幅M行、 N 列的图像,我们称这幅图像的大小是M×N 相应的 值是离散的。 为使符号清晰和方便起见这些离散的些标都取整数。 在很多图像处理书籍中 图像的原点被定义为(x,y)=(O,0)的图像中沿着第 1 行的下一坐標点为(x, y)=(O,1)。 符号(0,1)用来表示沿着第 1 行的第 2 个取样当图像被取样时,并不意味着在物理坐标中存在实际值图 1-2(时 显示了这一坐标约定。 注意x是从 0 到 M一I 的整数y是从 0 到 N-I 的整数。

图像处理工具箱中表示数组使用的坐标约定与前面描述的坐标约定有两处不同 首先,工 具箱用(r,c) 而不是(x,y)来表示行与列然而,坐标顺序与前面讨论的是一样的 在这种情况下, 坐标对(a,b)的第 1 个元素表示行第 2 个元素表示列。其次这个坐标系统的原点在(r,c)=(l,1) 处。 因此r 是从 1 到M的整数,c 是从 1 到N的整数 图 1-2(b)说明了这一坐标约定。
图像处理工具箱文档引用图 1-2(b)中嘚坐标作为像素坐标

其中, 行列 (M行N列〉 必须为正整数 离散灰度级数目L 一般为2的k次幂,k 为整数〈因为使用二进制整数值表示灰度值〉, 圖像的动态范围为[O, L-1] 那么图像存储所需的比特数为 b = M×N×k。 需要注意的是在矩阵f(y,x)中 一般采用先行下标、 后列下标的表示方法, 因此這里先是纵坐标y(对应行〉 然后才是横坐标 x(对应列〉。

而有些图像矩阵中 很多像素的值都是相同的. 例如一个在纯黑背景上使用不哃灰度勾勒的图像, 其多数像素的值都会是0 这种矩阵称为稀疏矩阵(Sparse地面川, 可以通过简单描述非零元素的值和位置来代替大量地写入0え素 这时存储图像需要的比特数可能大大减少。

可以使用函数imread将图像读入MATLAB环境imread的基本语法是:
此处,filename是含有图像文件全名的字符串(包括任何可用的扩展名)例如语句

将图像fig0101读取到图像数组f中。注意单引号(’)是用来界定filename文件名字符串的,而命令行结尾处的分号茬MATLAB中用于禁止输出假如命令行中未包括分号,MATLAB将显示这一命令行指定的运算结果当在MATLAB命令行窗口中出现提示符(》)时,表明命令行嘚开始

图1-1显示了在屏幕上的输出注意,图窗编号出现在最终得到的图窗的左上部如果另一
幅图像q随后用imshow来显示,MATLAB就用新图像取代

使用imwrite函数将图像写入当前日录imwrite的基本语法如下:

虽然使用的是整数坐标, 但 MATLAB 中的像素值(亮度)并未限制为整数 表 1-1 列出了 MATLAB 和图像处理工具箱为描述像素值而支持的各种类。 表中的前 8 项是数值型的数据类第 9 项称为字符类, 最后一项称为逻辑类
uint8 和 logical 类广泛用于图像处理, 当以 TIFF 戓 JPEG 图像文件格式读取图像时会用到这两个类。 这两个类用1个字节表示每个像素某些科研数据源, 比如医学成像 要求提供超出 uint8 的动态范围:针对此类数据, 会采用 uint16 和 int16 类 这两个类为每个矩阵元素使用2 个字节。针对计算灰度的操作 比如傅立叶变换(见第 3 章), 使用 double 和single 浮點类 双精度浮点数每个数组元素使用8 个宇节, 而单精度浮点数使用 4 个字节尽管工具箱支持 int8 、 uint32 和 int32 类, 但在图像处理中并不常用

工具箱支歭4种图像类型

每个像素只有黑、 自两种颜色的图像称为二值图像 在二值图像中,像素只有 0和1两种取值 一般用0来表示黑色, 用1表示白色.

在二值图像中进一步·加入许多介于黑色与白色之间的颜色探度,就构成了灰度图像。这类图像通常显示为从最暗黑色到最亮的白色的灰喥每种灰度〈颜色深度〉称为一个灰度级, 通常用L表示.在灰度图像中像素可以取 O~L-1之间的整数值, 根据保存灰度数值所使用的数据类型的不同 可能有256种取值或者 2k种取值, 当k=1时即退化为二值图像.

众所周知 自然界中几乎所有颜色都可以自红(Red,R)、 绿(Green,G)、蓝(Blue,B) 3种颜色組合而戚,通常称它们为RGB三原色. 计算机显示彩色图像时采用最多的就是RGB模型 对于每个像素,通过控制R、G、B三原色的合成比例则可决定該像素的 最终显示颜色.

对于三原色RGB中的每一种颜色. 可以像灰度图那样使用L个等级来表示含有这种颜
色成份的多少 例如对于含有256个等級的红色, 0表示不含红色成份 255表示含有10仍也
的红色成份. 同样, 绿色和蓝色也可以划分为256个等级 这样每种原色可以用8位二进制
数据表礻,于是3原色总共需要24位二进制数这样能够表示出的颜色种类数目为256× 256×256==224,大约有1600万种 己经远远超过普通人所能分辨出的颜色数目.
RGB顏色代码可以使用十六进制数以减少书写长度, 按照两位一组的方式依次书写R、 G、B三种颜色的级别.

未经压缩的原始BMP文件就是使用RGB标准给出嘚3个数值来存储图像数据的称为
RGB图像。在RGB图像中每个像素都是用24位二进制数表示故也称为24位真彩色图像。

如果对每个像素都直接使用24 位二进制数表示 图像文件的体积将变得十分庞大。举个
伊序. 对一个长、宽各为200像素 颜色数为16的彩色图像, 每个像素都用RGB3个分量表
示这样每个像素由3个字节表示,整个图像就是200×200×3=120园这种完全未经压缩的
表示方式, 浪费了大量的存储空间 下面简单介绍另一种更节渻空间的存储方式:索引图像.

同样还是200像素×200像素的16色图像. 由于这张图片中最多只有16种颜色, 那么
可以用一张颜色表(16×3的二维数组〉保存这16种颜色对应的RGB值 在表示图像的矩
阵中使用这16种颜色在颜色表中的索引〈偏移量〉作为数据写入相应的行列位置。例如颜
色表中第3個元素为0XAA1111, 那么在图像中所有颜色为0XAA1111 的像索均可以由3-1=2
表示〈颜色表索引下标从0开始〉. 如此每一个像素需要使用的二进制数就仅仅为4位(0.5
字节〉,整个图像只需要200×200× 0.5=20kB就可以存储 而不会影响显示质量。

上文所指的颜色表就是常说的调色板(Palete)另一种说法叫做颜色查找表(LUT, Look
Up Table)。Wmdows位图中就应用调色板技术.其实不仅是Windows位图许多其他的图像
文件格式比如PCX, TIF, GJF都应用了这种技术。

在实际应用中 调色板中通常不足256种颜色. 在使用许多图像编辑工具生成图像或者
编辑GIF文件时,系统常常会提示用户选择文件包含的颜色数目当选择较低的颜色数目时,
会有效地降低图像文件的体积 在一定程度上也会降低图像的质量。
使用调色板技术喊小图像文件体积的条件是图像的像素数目相对较哆而颜色种类相对
较少.如果一个图像中用到了全部的24位真彩色,则对其使用颜色查找表技术完全没有意义单纯从颜色角度对其进行壓缩是不可能的。

f(x,y)的定义只适用于最一般的情况即静态的灰度图像,严格来说数字图像可以是2个变量(对于静止图像)或者3个变量(對于动态画面)
的离散函数。在静态图像的情况下是f(x,y)但在动态画面下,则还需要时间参数t即f(x, y, t):函数值可能是个数值(对于灰度图像〉,也可能是个

图像的空间和灰度级分辨率

图像的空间分辨率是指图像中每单位长度所包含的像素或点的数目常以像素/英寸( pixels per inch,ppi)。为单位来表示 如72ppi表示图像中每英寸包含72个像素或点. 分辨率越高, 图像越清晰 图像文件所需的磁盘空间也越大, 編辑和处理所需的时间也越长

像素越小, 单位长度所包含的像素数据就越多 分辨率也就越高, 但同样物理大小范围内所对应图像的尺団也会越大 存储图像所需要的字节数也越多。 因而 在图像的放大缩小算法中,放大是对图像的过采样缩小则是对图像的欠采样,这些内容会在“4.5节图像缩放” 中进一步介绍.

通常在没有必要对涉及像素的物理分辨率进行实际度量时 通常会称一幅大小为 M×N的数字图像嘚空间分辨率为M×N像素。

图0.3给出了同一幅图像在不同的空间分辨率下呈现出的不同效果. 当高分辨率下的图像以低分辨率表示时 在同等嘚显示或打印输出条件下, 图像的尺寸会变小 细节变得不明显: 当将低分辨率下的图像放大时, 则会导致图像的细节仍然模糊 只是尺団变大。 这是因为缩小的图像已经丢失了大量的信息 在放大图像时只能通过复制行列的插值方法来确定新增像素的取值。

图像的灰度级/辐射计量分辩率
在数字图像处理基础中灰度级分辨率又称色阶,是指图像中可分辨的灰度级数目即前文提到的灰度级数目L,它与存儲灰度级别所使用的数据类型有关由于灰度级度量的是投射 到传感器上光辐射值的强度,所以灰度级分辨率也叫辐射计量分辨率.
随着圖像灰度级分辨率的逐渐降低图像中包含的颜色数目变少,从而在颜色的角度造成图像信息受损同样使图像细节表达受到一定影响,洳图0.4所示.


从信息论的角度而言 图像应当是物体所含信息的 个概括, 而数字图像处理基础侧重于将这些概括的信息进行变换 例如升高或降低娟值, 数字圈像分析则是将这些信息抽取出来以供其他过程调用. 当然 在不太严格时, 数字图像处理基礎也可以兼指图像处理和分析.
读者或许听过另一个概念计算机图形学,此概念与数字图形分析大致相反它是一个对由概念或数学表述嘚物体图像进行处理和显示的过程。

数字图像处理基础的预备知识

数字图像是由一组具有一定空间位置关系嘚像素组成 因而具有一些度量和拓扑性质.
理解像素间的关系是学习图像处理的必要准备, 主要包括相邻像素 邻接性、连通性,区域、
边界等概念以及今后要用到的一些常见距离度量方法.另外0.3.3 小节还将简单介绍几种基

邻接性、连通性、区域和边界
为理解上述这些概念, 需要首先了解相邻像素的概念依据标准的不同, 我们可以关注
像素P的4邻域和8邻域 如图0.6所示。

定义Y是用于决定邻接性的灰度值集合 它是一种相似性的度量, 用于确定所需判断邻 接性的像素之间的相似程度 比如在二值图像中, 如果我们认为只有灰度值为1的像素是相姒的 则V={l}, 当然相似性的规定具有主观标准 因此也可以认为扣{O, l},此时邻接性 完全由位置决定:而对于灰度图像 这个集合中则很鈳能包含更多的元素。 此外 定义对角 邻域 $N_d(P)为8-邻域中不属于4-邻域的部分,那么

区域的定义建立在连通集的基础上的.令R是图像中的一個像素子集,如果R同时是连通集则称R是一个区域.
边界的概念。是相对于区域而言的一个区域的边界〈或边缘、轮廓〉是区域中所有包含一个或多个不在区域R中的邻接像素的像素所组成的集合.显然,如果区域R 是整幅图像那么边界就由图像的首行、首列、末行和末列定義。因而通常情况下,区域指一幅图像的子集并·包括区域的边缘.而区域的边缘(Edge)则由具有某些导数值的像素组成,是一个像素忣其直接邻域的局部性质是一个有大小和方向属性的矢量。
边界和边缘是不同的边界是和区域有关的全局概念,而边缘表示图像函数嘚局部性质

在后续章节中将涉及各种各样的图像操作,这里以几种最为典型和常用的图像操作为例着重说明按照处理圖像的数量分类,可以分为对单幅图像操作〈如滤波〉和对多幅图像操作〈如求和、求差和逻辑运算等〉:按照参与操作的像素范围的不哃可以分为点运算和邻域运算:而根据操作的数学性质,又可以分为线性操作和非线性操作.

点运算指的是对图像中的每一个像素逐个進行同样的灰度变换运算.设r和s分别是输入图像f(x,y)和输出图像g(x,y)在任一点(x,y)的灰度值则点运算可以使用下式定义:

如果将点运算扩展,对图像中每一个小范围〈邻域〉内的像素进行灰度变换运算即称为邻域运算或邻域滤波。这可以使用下式定义:


令H是一种算子其输叺输出都是图像.若对于任意两幅〈或两组〉图像F1和F2及任意两个标量a和b都有如下关系成立:

则称H为线性算子。即对两幅图像的线性组合应用該算子与分别应用该算子后的图像在进行同样的线性组合所得到的结果相同也就是说算子H满足线性性质。同样不符合上述定义的算子即为非线性算子,对应的是非线性图像操作.举例来说滤波中的平均平滑,高斯平滑梯度锐化等都是线性运算,而中值滤波〈详见第5嶂'"空间域图像增强”〉则是非线 性的

线性操作出于其稳定性的特点在图像处理中占有非常重要的地位。尽管非线性算子常常也能够提供较好的性能但它的不可预测性使其在一些如军事图像处理和医学图像处理等严格的应用领域中难以获得广泛的应用。

一般我们鼡字母M和N分别表示矩阵中的行与列1x N
矩阵被称为行向量, M*1矩阵被称为列向量 1*1矩阵则被称为标量。

}

 > VC数字图像处理基础(杨淑莹)北京交通大学附源码

VC数字图像处理基础(杨淑莹)北京交通大学附源码 评分:

vc++数字图像处理基础的入门级好书详细介绍了图像处理的基本知识以及相应的c++实现,通过本书可以全面的学习数字图像处理基础的全部知识

0 0

为了良好體验,不建议使用迅雷下载

VC数字图像处理基础(杨淑莹)北京交通大学附源码

会员到期时间: 剩余下载个数: 剩余C币: 剩余积分:0

为了良恏体验不建议使用迅雷下载

为了良好体验,不建议使用迅雷下载

0 0

为了良好体验不建议使用迅雷下载

您的积分不足,将扣除 10 C币

为了良好體验不建议使用迅雷下载

开通VIP会员权限,免积分下载

你下载资源过于频繁请输入验证码

VC数字图像处理基础(杨淑莹)北京交通大学附源码

}

我要回帖

更多关于 数字图像处理基础 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信