1-第一章-图像采集与量化.ppt

,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第一章,图像采集与量化,1,图像采集与量化,1.1,采样与量化,1.2,数字图像处理的特点,1.3,数字图像处理的术语,1.4,图像处理系统的专用部件和专用设备,1.5,图像处理的应用领域,1.6,数字图像处理基本原理,前沿,在社会生产和科研活动中，人们要频繁地接触图像，如照片、图画、书报、医学,x,光片和卫星遥感图像等。图像是人们认识客观世界的重要知识来源。科学研究表明，人类所获的外界信息有,70,是通过人的视觉系统，也就是通过图像获得的。,图像是任一二维或三维景物呈现在人们心目中的影像。,图像处理就是按特定的目标，用一系列的特定的操作来“改造”图像。所谓特定的目标，可以是使图像更清晰、更美丽动人，也可以是从图像中提取某些特定的信息。,人类研究与应用图像处理技术的历史已很久远。例如：哈,哈镜就是一种人为地使图像畸变的图像处理工具；望远镜与显,微镜则是另一类图像处理工具；照片的放大技术则是一种千家,万户受益的图像处理技术。多种多样的图像处理在人类科技发,展史上发挥过极其重要的作用。,图像处理科学是一个跨学科的前沿科技领域。众所周知，,在诸如遥感、生物医学、地质、海洋、气象、农业、冶金等许,多学科中都存在一个重要的课题：,（,1,）怎样获取图像？,（,2,）如何使获得的图像满足人的视觉理解的要求？,（,3,）为了提高存储和传输的效率，如何进行编码和压缩？,（,4,）如何分析和理解一幅图像？,这些问题的解决是随着计算机的发展而逐步深化的，它,是计算机应用的一个重要分支。,数字图像处理是指采用计算机处理图像的技术。第一次,使用是,20,世纪,60,年代美国航空和太空总署（,NASA,）的喷气推,进实验室，使用计算机对太空船发回的大批月球图片进行处,理。随着计算机的发展，数字图像处理得到了广泛应用，形,成了自己的技术特色和完善的学科体系。,数字图像处理的研究内容主要包括：,图像变换：通过图像的变换，改变图像的表示域及表示数据，给后继工作带来极大方便。例如，付氏变换可使处理分析在频域中进行，使运算简单；而使用离散余弦变换（,DCT,）则可压缩数据，从而便于图像传输和存储。,图像增强：图像在生产、传输过程中往往会失真，所得图像和原图像有某种程度差别。人们可以估计出使图像降质的一些可能原因，针对这些原因采取简单易行的方法，改善图像质量。,图像分析：为了有效地研究和分析图像，往往对给定的图像及已分割的图像区域用更为简单明确的数值、符号或图形来表示。这些数值、符号或图形是按一定的概念和公式从原图像中提取出来的，它们反映原图像的重要信息及原图像的主要特征。,图像压缩：多媒体和互联网的发展，使得图像的传输越来越重要。为了减少传输图像时所需花费的代价，最好采用合适的方法对图像进行压缩和编码，以便于图像的传输和存储。,由于近代新的数学理论的发展，如小波变换与分析、马尔可夫随机场、分形论等，使它获得了新的发展动力，呈现出强大的生命力。,1.1,采样与量化,从广义上说，图像是自然界景物的客观反映。以照片形式或视频记录介质保存的图像是连续的，计算机无法接收和处理这种空间分布和亮度取值均连续分布的图像。图像数字化就是将连续图像离散化，其工作包括两个方面：取样和量化。,所谓取样，就是把一幅连续图像在空间上分割成,MN,个网格，每个网格用一亮度值来表示。一个网格称为一个像素。,MN,的取值要满足采样定理。,把取样点上对应的亮度连续变化区间转换为单个特定数码的过程，称之为量化。量化后，图像就被表示成一个整数矩阵。每个像素具有两个属性：位置和灰度。位置由行、列表示。灰度表示该像素位置上亮暗程度的整数。此数字矩阵,MN,就作为计算机处理的对象了。灰度级一般为,0,255,（,8bit,量化）。,1.2,数字图像处理的特点,（,1,）再现性好：数字图像与模拟图像不同，不会因存储、传输或复制而产生图像质量的退化，从而能准确地保持原图像的再现性。,（,2,）精度高：,（,3,）适应面宽：图像有多种多样信息源。可以是可见光图像，也可以是不可见的波谱图像（如,X,射线图像，,r,射线图，超声波图，红外图像等）。从视野大小来看，可以小到电子显微镜图像，大到航空图像、遥感图像以至天文望远镜图像。这些不同信息源的图像，只要数字化以后，对计算机来说，都是一幅（或多幅）用二维数组来表示的灰度图像，都可以用计算机来进行处理。就图像的数字处理而言，是可以适用于任何图像的。,（,4,）灵活性大：数字处理不仅能完成线性运算，而且也能完成非线性运算。也就是说，凡可以用数学公式或逻辑表达式来表达的一切运算，都可以用数字处理来实现。,1.4,图像处理系统的专用部件和专用设备,在计算机上，可用于图像处理的专用部件和专用设备的种类很多，且每个图像处理系统所采用的硬件配置和软件环境也不尽相同，另外，考虑到还会有更多的新产品不断涌现，只对这些专用部件和专用设备进行大致的分类介绍。,图像的输入设备是图像处理系统中的先导硬件，它具有图像输入和数字化双重功能。随着科学技术的发展，图像输入设备日益向高速度、高分辨率、多功能、智能化方向发展。目前用得较多的图像输入设备是扫描仪和电视摄像机。,一、图像采集卡与,CCD,摄像头,图像采集卡（简称图像卡）的发展已有,20,多年的历史，通常图像卡子系统由,CCD,摄像头、图像监视器和图像卡组成，图像卡子系统和计算机构成一个典型微机图像处理系统的基本硬件环境。图像卡上主要包括图像存储器单元、显示查找表,LUT,单元、,CCD,摄像头接口（,A/D,）、图像监视器接口,(D/A),和计算机总线接口单元。图像存储器单元可由,5125128,位，,102410248,位或更高分辨率的通道组成，所以图像卡的常用分辨率是,512512,或,10241024,，通道的个数，,CCD,摄像头与图像监视器的性能，决定了色彩输入能力、色彩显示能力和图像处理能力，因此有黑白图像卡、伪彩色图像卡和真彩色图像卡之分。例如一个黑白图像卡只需一个图像通道、单通道的,A/D,和,D/A,变换，外接黑白摄像头和黑白监视器，而一个真彩色图像卡至少要有三个以上的图像通道、,RGB,三通道的,A/D,和,D/A,变换，外接彩色摄像头和彩色监视器。,二、扫描仪,扫描仪是另一种图像输入设备。与计算机（,PC,）配套使用的扫描仪按价格的高低大致可以分为：手动扫描仪、盖板式扫描仪和滚筒式扫描仪，这类设备专门用来扫描文件、图纸、照片或胶片，在文字识别、排版、图纸自动录入等领域广泛应用。,三、输出设备,监视器（暂时性）；打印机（永久性）；录像带、,VCD,、,DVD,等。,1.5,图像处理的应用领域,图像信息既然是人类的主要信息源，图像处理的应用领域就必然涉及到我们生活的一切方面。并且随着人类活动范围的不断扩大（如由可见波段扩大到不可见波段，由地球空间扩大到宇宙空间），其应用领域亦随之不断扩大。,1.,文字及图纸的读取,从图像角度来看，文字与图纸都是一种最简单的图像,二值图像。二值图像处理是图像处理中开展较早，受到普遍关注。,从模式识别研究初期，人们已开始研究文字识别，其研究对象的发展大致是：,数字 英文字符及符号 汉字,单字体 多字体 限制手写体 自由手写体,文字识别已达到实用化水平。,图纸自动读取技术的成熟程度直接影响到,CAD,系统的发展。,2.,医用图像处理,医学的发展与人类的健康密切相关，因此从图像处理技术的研究发展初期，图像处理在医学中的应用就引起了人们的普遍关注。不论在基础医学研究或临床诊断上，都有多种多样的图像需要用到图像处理技术，目前,X,光图像、显微镜图像、放射性同位素图像及超声波图像的处理已成为医学领域中辅助诊断的手段。,3.,遥感图像处理,遥感图像根据其采集方式主要分为卫星遥感图像与航空遥感图像两大类。由于遥感图像大部分是直接以数字图像的形式取得的，所以这类图像的处理、分析与应用研究进展较大。,在遥感图像处理领域中，有两个主要发展趋势。一个是人们期望变对图像的人工判读为自动判读，例如，能否把根据遥感影像图加工生成地图的工程由人工判读变成自动判读生产。另一个是合成孔径雷达成像研究。,4.,在产业领域中的应用,图像处理在产业中的应用大致可分为：,1,）外观检查和筛选。,2,）表面缺陷的自动检查。,3,）装配与生产自动化。,4,）工业材料的质量检验。,上述,1,）,3,）项一般是直接处理电视图像，,4,）项一般是处理显微镜图像。,5.,其它,图像处理在单人鉴别上的应用，也是目前广泛研究的一大类图像处理课题，其中指纹识别已实用化。在这一范畴内的其它识别课题，如笔迹、印鉴、面部照片等等的识别问题都已受到普遍的关注。,凡是用眼睛可以直接或间接（通过各种仪器）看到的对象，都是图像处理研究与应用的对象。,1.6,数字图像处理基本原理,一、用计算机处理数字图像,1.,数字图像的矩阵表示,一幅,N,1,N,2,个像素的数字图像，其像素灰度值可用,N,1,行,N,2,列的矩阵,F,来表示，如图,1.2,所示。这样，对数字图像的各种处理就可以变成对矩阵,F,的各种运算。,数字图像（,N,1,N,2,个像素）矩阵表示（,N,1,行,N,2,列矩阵）,M,型,图,1.2,数字图像的矩阵表示,N,2,像素,N,1,像,素,像素,2.,二维数组和图像的关系,一幅,MN,个像素的数字图像，在算法语言中可以用一个,MN,的二维数组,IP,来表示，如图,1.3,所示。数字图像的各像素的灰度值可按一定的顺序存放在,IP,数组中。,二维数组就是数字图像在程序中的表现形式。,数字图像 大小为,MN,的二维数组,IP,，,F,型,图,1.3,二维数组和图像的关系,像素,M,像素,N,像,素,(1,1)(2,1)(M,1),(1,2).,.(I,J).,.,数组元素,.,.,(1,N)(M,N),二、直方图,对一幅数字图像，若对应于每一个灰度值，统计出具有该灰度值的像素数，并据此绘出像素数灰度值图形，则该图形称该图像的灰度直方图，简称直方图。有时直方图亦采用某一灰度值的像素数占全图总像素数的百分比（即某一灰度值出现的频数）作为纵坐标。,图,1.4,图像及直方图,直方图的性质,1,）直方图是一幅图像中各像素灰度值出现次数（或频数）的统计结果，它只反映该图像中不同灰度值出现的次数（或频数），而未反映某一灰度值像素所在位置。也就是说，它只包含了该图像中某一灰度值的像素出现的概率，而丢失了其所在位置的信息。,2,）任一幅图像，都能唯一地算出一幅与它对应的直方图，但不同的图像，可能有相同的直方图。也就是说，图像与直方图之间是一种多对一的映射关系。如图,1.5,为不同图像具有相同直方图。,图,1.5,不同图像具有相同直方图,3,）由于直方图是对具有相同灰度值的像素统计计数得到的，因此，一幅图像各子区的直方图之和就等于该图全图的直方图，如图,1.6,所示。,H(i)H(i)H(i),图,1.6,全图直方图与各子区的直方图,H(i)=H(i)+H(i),=,+,三、图像在空间域上的处理,主要讨论图像处理功能分类及其在空域上处理算法的基本形式。,1.,图像处理功能分类,仅就处理运算的输入信息与输出信息的类型而言，具有代表性的图像处理算法的功能可概括为三大类如图,1.7,所示：,单幅图像 （广义）单幅图像,图,1.7,（,a,）,多幅图像 单幅图像,图,1.7,（,b,）,单（或多）幅图像 数值，符号等,图,1.7,（,c,）,各种的,处理变换,图像,IP,图像,JP,图像,IP,N,图像,IP,1,图像,JP,图像,IP,图像,数值信息,统计量,特征量的测量等等,编码表示,根据符号等描述图像,特征提取图像等,(a),(b),(c),图,1.7,图像处理算法的功能,上述三类中，所有输入信息都是图像且其灰度值都是非负的整数，而输出信息则可以是多种多样的，即可以是具有非负灰度值图像，二值图像，对输入图像逐个像素作出解释性的号码（或参数）组成的某种二维信息（即标号图像）或从图像中提取出的、用数值（或符号）描述的特征。,所有以二维信息型式输出的信息称为广义图像。,图,1.8,为标号图像。,输出图像中每个像素的值不再代表该像素的灰度值，而是代表该像素所属区域的区号。,在三大类功能中，第一类，即单幅图像 单幅图像，这一类处理功能是图像处理中基本的处理功能。,区域分割结果 在各区域分配标号,（,a,）对区域分割结果分配标号,二值图像 在各块里分配标号,（,b,）对二值图像分配标号,图,1.8,标号图像,区域的边界,对这个区域内的像素全部分配,1,对背景部分一般分配为,0,4,5,3,2,1,1,2,3,2,处理运算方式,为要计算出输出图像中某一像素值，需要用到输入图像中哪些像素值，这是构成不同的处理算法的一个重要因素。,当计算某一输出像素,JP(I,J),值时，若仅用到对应的输入像素,IP(I,J),的一个小区域,N(,IP(I,J),中的像素值时，则称局部处理或邻域处理。局部处理，当邻域,N(,IP(I,J),缩小到仅包含,IP(I,J),的场合，即某一输出像素,JP(I,J),值仅与其对应的输入像素,IP(I,J),值有关时，则这类处理算法叫点处理。点处理算法是图像处理中最简单、最常用、也最基本的一类算法。,1,）点处理,若令输出图像的像素值用,JP(I,J),来表示，输入图像的对应像素值用,IP(I,J),来表示，则点处理算法可写作：,上式中 是某种函数关系。常用的函数关系有：,线性变换,指数变换,对数变换,上式中,A,，,B,为根据需要选定的常数。,点处理的典型用途是调整图像灰度分布与图像二值,化（具体的在第三章讲）。,点处理算法一般采取逐点扫描图像像素的方式来完成各像素的变换处理。,在多幅图像到单幅图像的处理模式中，多幅图像中的对应点，通过代数运算而得出输出图像的对应点值也可看作点处理。,常用的这类点运算算法有：,乘积变换,比例变换,求和变换,求差变换,差除和变换,2,）邻域处理,邻域处理也叫区处理、组处理，是采用成组的像素经过某种变换得到处理后图像中某一点的像素值的。,其数学关系可表述为：,区处理变换中采用的像素组称为邻域，邻域一般是由像素组成的二维矩阵，该矩阵每一维的大小均为奇数。中心像素位于邻域的正中央，变换后中心像素的值将被经过一定算法计算得到的新值所代替。邻域中心像素周围的那些像素值在二维方向上提供了图像的亮度变化趋势的信息，在大多数区处理中要用到这些信息。这种亮度变化趋势的信息可更确切地称为空间频率。,空间频率定义为：像素的亮度在一定距离上的变化速率。一幅图像空间频率具有垂直和水平两个分量。一幅具有高空间频率的图像，通常是在很短的距离内其像素值有急剧变化。例如一幅黑白相间的棋盘图像其空间频率就很高。棋盘的方格越小，图像的空间频率就越高。一幅空间频率低的图像其像素值通常保持不变或者变化缓慢。例如云的图像其空间频率通常很低。,由于邻域处理能对空间频率信息进行处理，所以邻域处理可用来减缓或增强图像中某些特定的频率分量。正因为如此，大多数邻域处理都属于空间滤波器。空间滤波器有着雄厚的数学理论基础。,空间滤波在图像处理中有很多应用。例如，可以用这种方法提取图像特征、进行图像锐化、图像平滑、图像模糊及去除图像中的随机噪声等（具体的在第三章讲）。,上述算法的基本操作与点处理很相似，即,对输入图像逐个像素进行扫描；,根据指定变换对输入的像素进行处理，得到该像素新值；,将像素新值放入输出图像缓冲区中，其位置与相应的原像素在输入图像缓冲区的位置相同。,邻域处理与点处理的不同之处在于第二项，点处理在生成输出像素值时仅仅用到了与之对应的输入像素的值，而邻域处理在生成输出像素值时要用到输入像素的邻域。,若图像大小为,MN,像素，邻域大小为,KL,像素，则邻域处理时总计算量为,O(MNKL),量级。也就是说，邻域处理的计算量不仅与被处理图像大小成正比，也与所用邻域大小成正比。随着邻域大小的增加，所需计算时间急剧增加，尤其是当邻域处理中包含浮点运算时，则运算时间更长。,所谓迭代是指反复地进行某一种处理运算。对图像的迭代处理是指如图,1.9,所示的过程。即对输入图像,IP,先作,运算得到中间结果,KP1,，然后再对,KP1,作,运算得中间结果,KP2,，如此重复直到完成,n,次,运算为止。迭代次数,n,可以是预先给定的，或是根据迭代终止条件自动确定的。,（不满足迭代终止条件）（满足迭代终止条件）,图,1.9,图像的迭代处理,运算,运算,1,次,2,次,n,次,输入图像,IP,中间结果,KP1,输出图像,JP,四、图像在变换域上的处理（详见第二章）,五、数字图像的几何变换,几何变换是一种调整一幅图像中各类特征间空间关系的变换。其效果可形象化地理解为把图像看成一张橡皮模，对该模作任意伸展并在若干点把变形后的橡皮模固定下来后的结果。实际上，几何变换的结果可以比上述比喻宽得多，一个不受约束的几何变换，可将图像中的一个点变换到图像中任意位置。也就是说，几何变换可将原图像变得面目全非。但我们关心的几何变换是一种保持变换前后图像局部特征相似性的变换。,几何变换是图像处理中一种基本的、常用的图像预处理方法，其主要用途是：,1),实现数字图像的放大、缩小及旋转；,2),实现畸变（畸变原因可以多种多样，如摄影系统或镜头畸变）图像的校正；,3),实现不同来源图像（如航空摄影、卫星遥感、合成孔径雷达等不同来源）的配准。,1.,图像几何变换原理,图像几何变换的基本原理如图,1.10,所示：即将原图像坐标系（,u-v,坐标系）上的数字图像,f(u,v),变换为另一个,x-y,坐标系（地图坐标系）上的数字图像,g(x,y),，且满足：,1)g(x,y)=f(u,v)=f(p(x,y),q(x,y),2),保持变换前后两幅图像,g(x,y),与,f(u,v),间局部特征相似。即变换后，原图像上局部特征的连续性与连通性保持不变。,应该注意到，数字图像上每个像素的坐标均为整数，而变换函数：,u=p(x,y),v=q(x,y),是连续函数，因此，当取某一坐标（,x,0,y,0,）时，一般来说，与之对应的坐标（,u,0,v,0,）就不是整数。反之亦然。,图像坐标 地图坐标,图,1.10,图像几何变换,（,u,0,v,0,）,u,v,（,x,0,y,0,）,x,y,在具体作几何变换时，原图像,f(u,v),是已知的，变换的目标图像,g(x,y),是待定的。在实现上从节约计算量考虑，一般将,(x,y),坐标值取为整数，这样与之对应的,(u,v),坐标值一般就不是整数了。而非整数的,(u,v),坐标，在原图像上其值,f(u,v),是没有定义的。为此必须根据原图像上与该,(u,v),点相邻的整数坐标（即其,f(u,v),有定义的）像素值，内插计算出该点灰度值,f(u,v),。按某种规则来插值计算，即灰度插值计算。,图像几何变换包括了坐标变换与灰度插值两部分工作。,2.,坐标变换,一般变换原理：像素坐标,(u,v),到,(x,y),的变换中，一些特殊的变换关系是经常用到的，即：,1,）恒等变换：,u=p(x,y)=x,；,v=q(x,y)=y,即为将,f,图像复制为,g,图像。,2,）位移变换：,u=p(x,y)=x-x,0,；,v=q(x,y)=y-y,0,上式中,x,0,，,y,0,分别为在,u,v,方向上的特定位移量，此变换即为将,f,图像位移 而得到,g,图像。,3,）翻转变换：,u=p(x,y)=c-x v=q(x,y)=y,上式中,c,为特定常数，此变换即为,f,图像绕,u,0,=c,的垂直轴翻转而,得到,g,图像。,u=p(x,y)=x,；,v=q(x,y)=c-y,上式中,c,为特定常数，此变换即为,f,图像绕,v,0,=c,的水平轴翻转而,得到,g,图像。,4,）缩放变换：,u=p(x,y)=x/c,；,v=q(x,y)=y/d,上式中,c,d,为特定常数，此变换即为,f,图像在,x,轴方向上放大,c,倍，在,y,轴方向上放大,d,倍而得到,g,图像。当系数,c,d,小于,1,时，实际是缩小的变换。,5,）旋转变换：,上式中 为特定角度，是,x-y,坐标系相对于,u-v,坐标系的夹,角，逆时针为正。此变换即为,f,图像逆时针转动 角后得到,的,g,图像。,上述各种特殊坐标变换关系亦可多个组合应用而得到任意的变换结果。,3.,灰度插值,如前图,1.10,所示，由于（,u,0,v,0,）点不在整数坐标点上，因此需要根据相邻整数坐标点上灰度值，来插值估算出该点的灰度值,f,（,u,0,v,0,）。常用的灰度插值方法有三种：,1,）最近邻法,最近邻法是将与（,u,0,v,0,）点最近的整数坐标（,u,v,）点的灰度值取为（,u,0,v,0,）点的灰度值。在（,u,0,v,0,）点各相邻像素间灰度变化较小时，这种方法是一种简单快速的方法，但当（,u,0,v,0,）点相邻像素灰度差很大时，这种灰度估值方法会产生较大的误差。,2,）双线性插值法,这种方法是对近邻法的一种改进，即用线性内插方法，根据（,u,0,v,0,）点的四个邻点的灰度值，插值计算出,f,（,u,0,v,0,）值。具体计算过程如图,1.11,所示。,图,1.11,双线性插值法,u,f(u,v),f(u,v+1),(u+1,v+1),(u,v),v,(u,v+1),(,u,0,v,0,),f(u+1,v+1),灰度,(u+1,v),f(u+1,v),f(u,0,v,0,),先根据,f(u,v),及,f(u+1,v),插值求,f(u,0,v),，即,再根据,f(u,v+1),及,f(u+1,v+1),插值求,f(u,0,v+1),，即,最后根据,f(u,0,v),及,f(u,0,v+1),插值求,f,（,u,0,v,0,），即,u=u,0,;v=v,0,=u,0,-u,0,=v,0,-v,0,上述,f,（,u,0,v,0,）的计算过程，实际是根据相邻四个整数点的灰度值作两次线性插值（即所谓双线性插值）而得到的。,双线性灰度插值方法由于已考虑了（,u,0,v,0,）点的直接邻点对它的影响，因此一般能得到令人满意的插值效果。但这种方法具有低通滤波性质，使高频分量受到损失。为要得到更精确的灰度插值效果，可采用三次内插法。,3,）三次内插法,为了得到更精确的（,u,0,v,0,）的灰度值，就不仅需考虑（,u,0,v,0,）点直接邻点对它的影响，而需要考虑到该点周围,16,个邻点的灰度值对它的影响。,