计算机视觉:图像处理

图像处理是为了突出感兴趣特征,服务于机器视觉、图像增强,可以通过去除噪音、边缘增强、提高对比度、增加亮度、改善颜色效果、改善细微层次等手段实现,本节介绍了图像表示:图像的数字化,以及图像形式、函数形式、信号形式的三种图像表示方法等;之后介绍了点操作、直方图均衡化算法及其应用、自然抠图的数学表达等内容
展开查看详情

1.第三章 图像处理基础 中国科技大学自动化系 曹 洋

2.图像处理 • 目的 突出感兴趣特征,服务于机器视觉 图像增强 •可能的处理 : 去除噪音、边缘增强、提高对比度、增加亮度、改 善颜色效果、改善细微层次等 —— 通常与改善视觉效果相一致

3. 主要内容  图像表示  点操作  空域处理  频域处理

4. 1. 图像表示  图像具有二维平面的形式  图像可以存在于多种介质 , 但最后必须以 可视的形式出现  图像是客观世界的真实反映  图像记录的特性可以是光学特性 , 也可以 是非光学特性 , 但可以转为光学特征表达  从信息系统来看 , 图像是一种信息的载体  从数字系统来看 , 图像是一种信号

5. 1.1 数字图像生成  数字成像 CCD :电荷耦合器件电荷耦合器件 , CMOS: 互补金属氧化物半导体 光栅扫描:电荷耦合器件 PAL 制式, NTSC 制式 像素 : 图形系统能够清楚成像的最小单元 分辨率:电荷耦合器件像素的物理尺寸 灰度分辨率:电荷耦合器件灰度 2^kk 灰度级, k 比特数 空间分辨率:电荷耦合器件矩阵 M×N

6.图像的数字化— 采样和量化

7.图像的数字化— 采样和量化

8.图像的数字化— 采样和量化

9.图像的数字化— 采样和量化

10. 1.2 图像的表示方法  图像形式  函数形式  信号形式

11. 图像形式  2 维灰度图像  3 维密度图像  2.5 维距离图像

12.

13. 图像的函数矩阵形式 f 1,1 f 1, 2   f 1, N  f  2,1 f  2, 2   f  2, N  f  f  N ,1 f  N , 2   f  N , N  此时 , 数字图像处理可看作是对矩阵进行变换。

14.图像也可以由向量来表示:电荷耦合器件 二维图像矩阵 f 1,1 f 1, 2   f 1, N  N×N 象素 f  2,1 f  2,2   f  2, N  f  f  N ,1 f  N , 2   f  N , N  f 1,1 f  2 ,1 矩阵和矢量间关系:电荷耦合器件 表示成矢量  N 形式为:电荷耦合器件 f  N ,1 f   An   f  Vn f 1, 2  n 1 矢量 f   N f N ,2  f    A n  1 f V n 1  n 1 f 1, N  ( n=k 时提取第  f N ,N  k 列理解)

15.图像的几何函数形式(流形)

16. 信号形式  认知心理学 (psychophysical)psychophysical)) 研究表 明,人类在分析纹理图像时,将图像分解 为不同的频率和方向成分 .  对图像作频率和方向选择性滤波,得到相 应特征 .  空域滤波  频域滤波 Fourier 变换 (psychophysical)Fourier transform))

17.空域频率表示

18.空域频率表示

19. 空域频率表示  图像亮度的变化与图像内容的空域频率成正比  图像的空域频率响应是一种表征锐利度的方法  提取图像空域频率成分的方法:电荷耦合器件傅立叶变换 1 F (u, v)   f ( x, y ) exp( i 2 (ux  vy)) k x y  空域频率随方向变化  空域频率在图像中的分布是变化的  空域内的卷积运算与频域内的乘积运算等价

20.傅立叶变换

21. 直流部分 二维 DFT 1 2 图像 3 4 二维 IDFT 对应低频 对应高频 成分 成分 图像的二维离散傅立叶变换的频率成分分布示意图 变换结果的左上、右上、左下、右下四个角部分对 应于低频成分,中央部分对应于高频成分。

22. ( a ) l)enna 图 ( b )傅氏变换的频谱图 图像及其频谱图像示意图 对于一幅图像,图像中灰度变化比较缓慢的区域对应 较低的频谱,而灰度变化比较大的边缘地带对应较高 的频谱。而且一幅图像中大部分都是灰度变化缓慢的 区域,只有一小部分是边缘,因此,其变换域的图像 ,能量主要集中在低频部分(对应值较高),只有一 小部分能量集中在高频部分(对应值较低)。

23.

24.

25. 傅立叶变换的比例性表明为对于二个标量 a 和 b ,有 :电荷耦合器件 af ( x, y )  aF (u , v) 1 u v f (ax, by )  F( , ) | ab | a b

26. 离散图像付氏变换应用 实例 1 正弦波去噪

27.实例 2 去噪实例 图像受白噪声干扰的原理如图所示,对于一幅不受白噪声干扰的 图像,假设其频谱为图 (psychophysical)a) 所示的形式,其中横坐标为频率,纵 坐标为幅值,对应低频部分幅值较高,高频部分幅值较低。对于 高斯白噪声,其频谱如图 (psychophysical)b)) 所示,其幅值是一个常数,那么当 原始图像受到白噪声干扰时,它的频谱将变成 (psychophysical)c) 中的形式。

28.要去除图像中的白噪声,在频域中减去白噪声的幅值即可。 理想的方法:电荷耦合器件 知道白噪声的模型,一般情况下很难遇到。在未知噪声幅值 的情况下,可以先对噪声图像求频谱,并计算频谱幅值的平均值 ,用该平均值作为噪声的近似幅值,就可以对图像去噪。

29.实例 3 图像分割 纹理图像 特征图像 水平信号 高通滤波 局部能量