数字图像处理期末考试考点.docx

图像增强的几个方法和特点
图像增强技术是一大类基本的图像处理技术，目的是对一幅图像进行加工，突出图像中的某些信息，削弱或除去某些不需要的信息，以得到对具体应用来说视觉效果更好、更有用的图像，或转换成一种更适合人或机器进行分析处理的形式。 图像增强分为图像的灰度变换和图像的几何变换。
图像的灰度变换 1. 灰度直方图
定义： 描述的是图像中每种灰度级像素的个数，反映图像中每种灰度出现的频率。横坐标是灰度级，纵坐标是灰度级出现的频率。 直方图的性质：1、不表示图像的空间信息；2、任一特定图像都有唯一直方图，但反之并不成立；3、直方图的可加性。 用途： 边界阈值选择。使用轮廓线确定简单物体边界的方法，称为阈值化；对物体与背景有较强对比的景物的分割特别有用（例双峰直方图）。
2. 对比度展宽 通过改变像元的亮度值来改变图像像元的对比度，从而改善图像质量的图像处理方法。用途：将人所关心的部分强调出来。
3. 动态范围调整 是指图像中从暗到亮的变化范围。 由于人眼所可以分辨的灰度的变化范围是有限的，所以当动态范围太大时，很高的亮度把暗区的信号都掩盖了。 通过动态范围的压缩可以将所关心部分的灰度级的变化范围扩大。 作用：进行亮暗限幅。4.非线性动态范围调整 通过取用对数的方法。原因是人眼对信号的处理是有一个近似对数算子的环节。 作用：将暗的部分扩展，而将亮的部分抑制。5. 直方图均衡化 对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。 基本思想： 把原始图像的直方图换成均匀分布的形式，这样，就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。 根据灰度值得出现频率来分配它们的亮度显示范围，频率高的部分被增强了，频率低的部分被压缩。
图像的几何变换 （几何变换不改变像素值，而是改变像素所在的位置）1.图像的位置变换
1）图像的平移 平移所得景物与原图像相同，“画布”一定是扩大了，否则就会丢失信息。
2）图像的镜像 做镜像时，需要对坐标先进行平移，否则将出错。矩阵的下标不能为负。
3）图像的旋转 图像旋转之前，为了避免信息的丢失，一定有平移坐标。图像旋转之后，会出现许多的空洞点，对这些空洞点必须进行填充处理。否则画面效果不好。插值法：邻域法（精度不高）、线性插值（双线性、双三次）。
2. 图像的形状变换 1）图像的缩小 图像按比例缩小：最简单的是减小一半，这样只需取原图的偶（奇）数行和偶（奇）数列构成新图像。 图像不按比例缩小：（畸形变化）2）图像放大 图像按比例放大 图像的任意不成比例放大（几何畸形）3）图像的错切变换 景物在平面的非垂直投影效果。4）几何畸形的矫正
图像分割的几个方法
图像分割 就是指把图像聚合成各具特性的区域并提取感兴趣目标的技术和过程。特质可以是灰度、颜色、纹理，目标可以对单个区域，也可以对多个区域。图像分割的基本策略
基于灰度值的两个基本特性： 不连续性——区域之间 相似性——区域内部 根据图像像素灰度值的不连续性：先找到点、线（宽度为1）、边（不定宽度）其常用的分割方法为：边界分割法、边缘连接分割法。
根据图像像素灰度值的相似性：通过选择阈值，找到灰度值相似的区域
区域的外轮廓就是对象的边 常用的分割方法有：阈值分割法、面向区域的图像分割（例如区域增长、区域分裂合并）、数学形态学图像处理。
不连续性（边界分割、边缘连接）
1.边界分割法（点、线、边的检测）
（1）点的检测 用空域的高通滤波器来检测孤立点。孤立点通过检测模板并设置阈值进行检测。（2）线的检测 通过比较典型模板的计算值，确定一个点是否在某个方向线上。 （3）边的检测 基本思想：计算局部微分算子根据灰度的不连续性便可确定。（采用拉普拉斯）
2.边缘连接分割法
边缘连接的意义——边检测算法的后处理 由于噪音的原因，边界的特征很少能够被完整地描述，在亮度不一致的地方会中断因此典型的边检测算法后面总要跟随着连接过程和其它边界检测过程，用来归整边像素，成为有意义的边。（1）局部处理法 边检测算法的后处理，用来归整边像素，成为有意义的边。其主要用到局部连接法和hought变换。 时机：对做过边界检测的图像进行 目的：连接间断的边
局部处理连接的原理：当梯度值和方向角都是相似的，则点(x’,y’)，与边点界(x,y)是连接的。
（2） Hough变换
问题提出：在找出边界点集之后，需要连接，形成完整的边界图形描述。 基本思想：对于边界上的n个点的点集，找出共线的点集和直线方程。
相似性（阈值分割）
3. 阈值分割法 只能应用于图像中组成感兴趣对象的灰度值是均匀的，并且和背景的灰度值不一样。单一阈值方法也不适合于由许多不同纹理组成一块块区域的图像。
主要实现方法有：（1）通过交互方式得到阈值：全局阈值是指整幅图像使用同一个阈值做分割处理。适用于背景和前景有明显对比的图像2）通过直方图得到阈值：边界上的点的灰度值出现次数较少。（3）通过边界特性选择阈值：（4）简单全局阈值分割：用前述方法获得阈值T，并产生一个二值图，区分出前景对象和背景算法。（5）分割连通区域：利用方法（4）得到二值图，区分出单独的连通前景对象和背景区域 全局阈值是指整幅图像使用同一个阈值做分割处理。适用于背景和前景有明显对比的图像。
4. 面向区域的分割 区域生长和分裂合并法是两种典型的串行区域技术，其分割过程后续步骤的处理要根据前面步骤的结果进行判断而确定。
5.数学形态学图像处理 在图像处理中形态学的集合代表着黑白和灰度图像的形状，如黑白图像中的所以黑像素点组成了此图像的完全描述通常我们选择图像中感兴趣的目标图像区域像素集合来进行形态学变换。 图像的编码的几个方法
无损压缩编码
行程编码 将一行中颜色值相同的相邻象素（行程）用一个计数值（行程的长度）和该颜色值（行程的灰度）来代替，从而去除像素冗余。对于有大面积色块的图像，压缩效果很好；对于纷杂的图像，压缩效果不好。
二维行程编码要解决的核心问题是：将二维排列的像素，采用某种方式转化成一维排列的方式。之后按照一维行程编码方式进行编码。LZW编码 LZW是一种比较复杂的压缩算法，压缩效率较高。每一个第一次出现的字符串用一个数值来编码，再将这个数值还原为字符串。哈夫曼编码 哈夫曼编码是一种常用的压缩编码方法。通过减少编码冗余来达到压缩的目的。 统计符号的出现概率，建立一个概率统计表，将最常出现(概率大的)的符号用最短的编码，最少出现的符号用最长的编码。预测编码 根据数据在时间和空间上的相关性，根据统计模型利用已有样本对新样本进行预测。二维行程编码 将二维排列的像素，采用某种方式转化成一维排列的方式。之后按照一维行程编码方式进行编码。
有损压缩编码 变换编码 用一个可逆的、线性的变换（如傅立叶变换），把图像映射到变换系数集合，原本比较分散的图像数据在新的坐标空间中得到集中，然后对该系数集合进行量化和编码。在变换编码包括离散傅里叶变换、离散余弦变换、K-L变换、小波变换等。有损预测编码分形编码、模型编码、子带编码、神经网络编码
图像正交变换用途、性质
1.离散傅立叶变换
DFT是重要的变.
1. 分析有限长序列的有用工具。
2. 在信号处理的理论上有重要意义。
3. 在运算方法上起核心作用，谱分析、卷积。
4. DFT公式
Fu=k=0N-1fke-i2πukN u=0,..N-1 逆变换： fk=1Nk=0N-1Fuei2πukN 二维DFT：
FFT：快速FT变换，将原函数分为奇数项跟偶数项，通过不断的奇偶相加。
二维傅里叶变换的性质
1、线性、位移、尺度、卷积、相关。
2、 变换的可分离性 可以分解为两个一维离散傅里叶变换。 运算过程，先行后列，先列后行。
3、 选择不变性 图像在空间域旋转一定角度，其频谱在频域旋转同样角度。
加法定理：fx,y+gx,y<=>Fu,v+G(u,v)
相似性定理：fax,by<=>1|ab|Fua,vb
位移定理：fx-a,y-b<=>e-2πi(au+bv)Fu,v
卷积定理：fx,y*gx,y<=>Fu,vG(u,v)
可分离定理：fx,y×gx,y<=>Fu,v·G(u,v)
应用
1、 Fourier变换在图像滤波中的应用 变换后的图像，中间部为低频部分，越靠外边.率越高。因此，我们可以在Fourier变换图中，选择所需要的高频或是低频滤波。
2、 Fourier变换在图像压缩中的应用 变换系数刚好表现的是各个频率点上的幅值。在小波变.没有提出时，用来进行压编。考虑到高频反映细、低频反映景物概貌的特性。往往认.可将高频系数置为0，骗过人眼。
3、 Fourier变换在卷积中的应用
从前面的图像处理算法中知道，如果抽象来看，其实都可以认.是图像信息经过了滤波器的滤波（如：平滑滤波如果滤波器的结构比较复杂时，直接进行时域中的卷积.算是不可思议的。
4、对图像定位的应用以待定位的目标为模板在待识别图像上滑动，利用卷积的性质。
一维和二维DCT变换定义
2. DCT变换编码
DCT公式：Fu=Cu2Nx=0N-1fkcos2x+1uπ2NCu=121u=0
fx=Cu2Nu=0N-1Fucos2x+1uπ2NCu=121u=0
DCT变换的应用: 余弦变换实际上是傅立叶变换的实数部分。余弦变换主要用于图像的压缩，如目前的国际压缩标准的JPEG格式中就用到了DCT变换。具体的做法与DFT相似。给高频系数大间隔量化，低频部分小间隔量化。
DCT变换的性质：能量压缩特性 DCT主要比DFT更集中在低频，这样，就可以舍弃较高序段，实现信号的压缩。
DCT变换的思想：将一个实函数对称延拓成一个实偶函数，实偶函数的傅里叶变换必然是实偶函数。
DCT变换编码方法：
1） 编码过程：原图像——DCT变换——除以量化矩阵——取整——压缩图像
2） 解码过程：压缩图像——乘以量化矩阵——DCT逆变换——取整——解压图像
3. 离散K-L变换
一般变换的变换核矩阵是固定不变的，而K-L变换则随各批图像的统计性质不同而有不同的变换核矩阵，即变换核矩阵是由某批图像的统计性质来确定。比如一幅图像通过卫星传送了N次，这是由于电磁传播的影响，N幅图像互有差异，这样也可以进行统计。