当前位置:文档之家› 计算机图像处理与机器视觉复习重点

计算机图像处理与机器视觉复习重点

第一章概述点运算:在图像处理中,只输入该像素本身的灰度的运算方式。

领域运算:在图像处理中,不仅输入该像素f0本身的灰度,还要以该像素f0为中心的某局部领域(即邻域)中的一些像素的灰度进行运算的方式。

对比度/清晰度:画面黑与白的比值,也就是从黑到白的渐变层次。

比值越大,从黑到白的渐变层次就越多,从而色彩表现越丰富。

【维基百科,课件上没找到】第二章图像预处理一、灰度变换(点运算)目的:改善图像的灰度对比度或满足图像上灰度的某些特殊要求(问题:灰度偏暗或偏亮;范围不足;局部层次差)1、灰度范围移动处理g(i,j)=f(i,j)+d当d>0时,灰度范围向高端移动,图像变亮;当d<0时,灰度范围向低端移动,图像变暗;2、灰度线性变换(1)整体灰度线性变换(g a=0,g b=255)(2)局部灰度线性变换a. 限幅灰度拉伸-局部感兴趣(局部灰度拉伸到最大限度,而无用信息被抑制为黑色或白色的单一灰度)b. 锯齿形灰度拉伸将输入图像中不同灰度区间[f1,f2]、[f2,f3]、[f3,f4]进行同样的灰度拉伸,使各个灰度区间都扩展到允许的整个灰度范围[g a,g b]。

使输入图像中原来是缓慢变化的灰度,经变换后在这些区间的f1、f2、f3等分割点的两端灰度发生了突变。

c. 阈值灰度拉伸-二值图像3、灰度非线性变化 (1)对数变化g(i,j)=log[f(i,j)]变换后的图像中低灰度区的灰度值得到了拉伸,即对比度增强,而高灰度区 的灰度值被压缩,并且高低灰度区的灰度 过度平滑。

(2)连续函数变化 (3)二次变化G(x,y)=f(x,y)2,0<f(x,y)<255 图像 二、直方图变换 1、直方图基本概念:灰度直方图是灰度级的函数,它表示图像中具有某种灰度级的像素的个数,反映了图像中每种灰度出现的频率。

灰度直方图的横坐标是灰度级,纵坐标是该灰度级出现的频度。

⏹ 灰度级频数:指该灰度级在图像中出现的像素个数; ⏹ 灰度级频率:指该灰度级的频数占图像总像素的百分比 特性:只含图像各灰度值像素出现的概率,无位置信息(总体明亮度、对比度、可分性);图像与直方图间为多对应映射。

程序实现:For i = 0 To p1.ScaleWidth For j = 0 To p1.ScaleHeight c = p1.Point(i, j) r = (c And &HFF) For k = 0 To 255If k = r Then npixel(k) = npixel(k) + 1 Next k Next j Next iFor i = 0 To 7 ‘行数为8 For j = 0 To 31 ‘列数为32 hisform.hc.Row = i + 1 hisform.hc.Column = j + 1hisform.hc.Data = npixel(i * 32 + j) Next j Next i2、直方图均衡化处理基本概念:指灰度分布比较集中的输入图像变换为直方图近似均匀分布的输入图像的处理方法。

具体做法:T(r)为r 的累积分布函数,s 为新灰度值 For j = 0 To m- 11,,1,02550)(*255*255)(00-=≤≤===∑∑==l k r r p n n r T s j kj j r k j j k kFor i = 0 To n - 1 r = f (i, j)For k = 0 To 255If k = r Then hd(k) = hd(k) + 1 Next kNext iNext j ′提取各像素的灰度值,并统计该灰度值的像素数For i = 0 To 255p(i) = hd(i) / (m *n) ′计算该灰度级频率 For j = 0 To iq(i) = q(i) + p(j) ′累计该灰度级前所有的灰度级的频率值 Next jq(i) = Int(q(i) * 100) / 100 ‘取整 Next iFor j = 0 To m - 1 For i = 0 To n – 1 r1=q(f(I,j))*255 For k = 0 To 255If k = r1 Then hd1(k) = hd1(k) + 1Next k ′取变换后的新灰度Next i Next j 三、锐化目的:增强图像的边缘和线条(灰度差大,突变),使图像的边缘和线条由模糊转化为清晰的处理方法。

1、卷积定义:对图像各像素的邻域进行加权求和的计算 做法-PPT问题:卷积值超过灰度范围;负值;边界像素 2、差分法数学上用离散函数的数值计算方法对连续函数微分运算的一种近似⏹ 一阶差分:指数字图像上相邻像素间的灰度差;∆1垂直;水平方向的边缘情况; ∆2水平;垂直方向的边缘情况; ∆3、 ∆4对角边⏹ 二阶差分:指一阶差分的差值 。

差分算子—实现增强图像边缘的锐化(1)梯度算子E(i,j)—阶差分绝对算子方法一:g(x, y)=E[f(x, y)]特点是增强的图像仅显示灰度变化比较陡的边缘轮廓,而灰度变化平缓的区域则呈黑色(0)方法二:特点可使明显的边缘轮廓得到突出,又不会破坏原灰度变化比较平缓的背景。

方法三:特点明显边缘用一固定的灰度级L G来实现。

方法四:特点将背景用一个固定灰度级LG来实现,便于研究边缘灰度的变化。

方法五:特点将背景和边缘用二值图像表示,便于研究边缘所在位置。

(2)罗伯特算子R(i,j)—一阶差分算子(3)索伯尔算子S(i,j)特点采用梯度微分锐化图像,同时会使噪声、条纹得到增强,在一定程度上克服了这个问题。

优点1由于引入了平均因素,因而对图像中的随机噪声有一定的平滑作用。

2由于它是相隔两行或两列之差分,边缘两侧元素得到了增强,边缘粗而亮。

(4)拉普拉斯算子L(i,j)—二阶差分算子,为垂直方向和水平方向二阶差分之和3、高通滤波—卷积运算由于边缘的高频特性可知,为使图像得到锐化效果,可对图像进行高通滤波,使高频分量顺利通过,而低频分量受到抑制,从而达到突出高频分量的目的。

⏹空域高通滤波:指在空间域对图像进行高通滤波处理的方法;采用高通滤波模板的卷积运算来实现⏹频域高通滤波:指在频率域对图像进行高通滤波处理的方法。

四、平滑噪声:图像上孤立像素的灰度突变:即颗粒噪声。

高频特性,灰度差较大,空间不相关性。

目的:根据噪声在图像上的表现,用简单的方法去除或消弱噪声在图像上的表现,减少相邻像素间的灰度差,并保持边缘的清晰的处理。

1、均值平滑算子⏹领域均值算子——求平均数运算简单,但图像细节被钝化了,而且所取邻域越大,图像越模糊。

⏹阈值平滑算子—根据颗粒噪声出的灰度突变较大2、低通滤波噪声具有高频特性,采用低通滤波可阻断高频分量通过,达到抑制噪声的效果。

滤波器仅有一个峰值(主瓣),水平垂直方向对称3、高斯滤波—正态分布噪声重要性质:旋转对称性;宽度由参数σ表征(σ越大,频带越宽,平滑程度越好)滤波器设计—PPT(左上角值定义为1)4、中值滤波—非线性特点:克服线性了滤波器所带来的图像细节模糊,对滤除脉冲干扰及图像扫描噪声最为有效。

但是对一些细节多,特别是点、线、尖顶细节多的图像不宜采用中值滤波;窗口形状和尺寸对滤波效果影响较大(先小后大)方法:将一个包含奇数个像素的窗口A在图像上依次移动,在每一个位置上对窗口内的像素的灰度值按小到大排列,然后将位于中间灰度值作为窗口中心像素的输出值5、边缘保持滤波器特点:均值滤波的平滑功能会使图像边缘模糊,而中值滤波在去除脉冲噪声的同时也将图像中的线条细节滤除掉,克服两者的缺点方法:对灰度图像的每一个像素点[i,j]取适当大小的一个邻域(如3×3邻域),分别计算[i,j]的左上角子邻域(2×2)、左下角子邻域、右上角子邻域和右下角子邻域的灰度分布均匀度V,然后取最小均匀度对应区域的均值作为该像素点的新的灰度值。

五、伪彩色变换目的:为了提高对图像细节的分辨能力,将灰度图像变为伪彩色图像的变换方法。

1、灰度分割一幅图像看作一个二维亮度函数,用一些平行于图像坐标平面的平面,每一平面在与函数相交处分割函数。

原图像灰度转换成16级灰度colorIndex=16* Pixel(i,j) /maxGray→Qbcolor(n)2、灰度级彩色变换将灰度图像送入具有不同变换特性的红、绿、蓝3个变换器,再将3个变换器的不同输出分别送到彩色显像管的红、绿、蓝电子枪第三章图像分割目的:理解图像内容,提取感兴趣对象传统方法:基于像素灰度值、区域、边界的分割技术最简形式:把灰度图转换为二值图一、区域生成⏹区域: 相互连结的具有相似特性的一组像素⏹边缘:区域边界上的像素⏹区域生成:利用像素特性的相似性,将图像划分出背景区域和各个有意义的区域,并分别加上不同的标记过程。

方法【灰度阈值分割、合并、复合、松弛】灰度阈值分割—关键是怎样选择阈值(1)基于直方图的双峰法一般而言,背景和对象物在图像的灰度直方图上各自形成一个波峰,即区域与波峰一一对应。

而每两个波峰之间形成一个低谷,因选择双峰间低谷处所对应的灰度值为阈值,可将两个区域分离。

局限性:恒定灰度值;没有利用图像强度的空间信息(直方图特性)(2)迭代式阈值法(3)自适应阈值化1.把图像分成m×m个子图像,求出子图像的阈值。

2.分割的最后结果是所有子图像分割后的逻辑合并。

(4)区域增长的双阈值法先使用一个保守的阈值T1来分离物体图像(物体图像核),然后使用另一个阈值T2来吸收图像核像素的邻接像素,以增长物体图像。

⏹区域表示(1)阵列表示通过标记一个与原始图像一样大小的阵列或模板叠加原始图像(每个区域所对应二值图像)来表示(2)层级表示不同分辨率(低分辨率—图像特性计算,高分辨率—某选定区域精细计算)应用:图像浏览、传输a.金字塔型—L层的像素是通过对L+1层的若干像素组合得到(在顶层或0层,图像表示为单一像素;而底层则是原始图像或未被递减的图像)b.四叉树型一个区域可以分裂成大小一样的四个子区域;每一个子区域,如果其所有点全是白或黑,则不再进行分裂;若同时包含有黑白两种点,则为灰度区域,进一步分裂成四个子区域。

(3)基于特征区域表示常用特征:最小外接矩形、中心矩、欧拉数、灰度均值、方差、相邻区域的相互位置关系、边缘等。

(4)图像分割数据结构超级网格结构表示边界;(2n+1)×(2n+1)阵列;每一个像素被八个位于超级网格上的非像素点包围,非像素点用来表示两个像素之间的边界和边界方向⏹分裂与合并组合算法可以实现自动细化分割运算(1)合并—把相似的邻接区域组合起来评价方法【几何代数法(灰度均值;曲面拟合)和统计法(灰度值的概率分布函数)】(2)分裂计算灰度值方差⏹区域增长像素聚类:从一个种子像素点出发,按照某种连通方式和规则P来检查周围邻近的像素点,如果具有和种子像素点相似的性质,就说明它们属于同一区域。

相关主题