图像处理复习参考.ppt

图像处理复习参考.ppt

《图像处理复习参考.ppt》由会员分享，可在线阅读，更多相关《图像处理复习参考.ppt（37页珍藏版）》请在冰点文库上搜索。

此PPT仅供参考纯凭个人记忆制作而成,注:

请认真注意PPT内的”注”字说明,膨胀算法步骤,1）扫描原图，找到第一个像素值为0的背景点；2）将预先设定好形状以及原点位置的结构元素的原点移到该点；3）判断该结构元素所覆盖的像素值是否存在为1的目标点：

如果是，则膨胀后图像中的相同位置上的像素值为1；如果不是，则膨胀后图像中的相同位置上的像素值为0；4）重复2）和3），直到所有原图中像素处理完成。

膨胀例题,膨胀应用,膨胀处理可以将断裂开的目标物进行合并，便于对其整体的提取。

腐蚀基本概念,腐蚀是一种消除连通域的边界点，使边界向内收缩的处理。

例：

腐蚀设计思想,设计一个结构元素，结构元素的原点定位在待处理的目标像素上，通过判断是否覆盖，来确定是否该点被腐蚀掉。

注:

对比原PPT（第9章P13）,我有所改动.如有问题,请问老师,腐蚀算法步骤,1）扫描原图，找到第一个像素值为1的目标点；2）将预先设定好形状以及原点位置的结构元素的原点移到该点；3）判断该结构元素所覆盖的像素值是否全部为1：

如果是，则腐蚀后图像中的相同位置上的像素值为1；如果不是，则腐蚀后图像中的相同位置上的像素值为0；4）重复2）和3），直到所有原图中像素处理完成。

腐蚀例题,注：

图像画面上边框处不能被结构元素覆盖的部分可以保持原来的值不变，也可以置为背景。

腐蚀应用,腐蚀处理可以将粘连在一起的不同目标物分离，并可以将小的颗粒噪声去除。

开运算与闭运算的提出背景,前面介绍的膨胀与腐蚀运算，对目标物的后处理有着非常好的作用。

但是，腐蚀和膨胀运算的一个缺点是，改变了原目标物的大小。

为了解决这一问题，考虑到腐蚀与膨胀是一对逆运算，将膨胀与腐蚀运算同时进行。

由此便构成了开运算与闭运算。

开运算算法原理,开运算是对原图先进行腐蚀处理，后再进行膨胀的处理。

开运算可以在分离粘连目标物的同时，基本保持原目标物的大小。

开运算运算示例,闭运算算法原理,闭运算是对原图先进行膨胀处理，后再进行腐蚀的处理。

闭运算可以在合并断裂目标物的同时，基本保持原目标物的大小。

闭运算运算示例,问题：

本例未能将分裂成两个连通域的目标合并，怎么办？

开、闭运算的变形,如果当按照常规的开运算不能分离粘连，或者是闭运算不能合并断裂：

对于开运算可以先进行N次腐蚀，再进行N次膨胀；对于闭运算可以先进行N次膨胀，再进行N次腐蚀。

变形闭运算的示例,注:

对比原PPT（第9章P23）有所改动（第4图）,第3章亮度变换与空间滤波,1、亮度变换的作用和参数的设定；2、直方图的均衡化,亮度变换的作用,将感兴趣的灰度范围线性扩展，相对抑制不感兴趣的灰度区域。

有选择地突出某些对人或机器分析有意义的信息，抑制无用信息，提高图象的使用价值。

亮度变换参数的设定,f（x,y）为原图像x,y点的灰度值；a,b为原图像选择进行灰度变换的范围；c,d为原图像灰度范围a,b变换后的结果图像的灰度范围；,将2,7转换到0,9,g（i,j）=9/5*f（i,j）-18/5,亮度变换

（1）,在亮度变换中，下列那种映射最能够压缩输入部分的高值而更多的体现输入部分中的低亮度值的细节部分,灰度变换

（2）,试给出把灰度范围（0，10）拉伸为（0，15）把灰度范围（10，20）移到（15，25）把灰度范围（20，30）压缩为（25，30）的变换方程。

直方图均衡化基本思想,直方图均衡方法的基本思想是，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。

直方图均衡化的步骤

（1）,1、计算每个灰度级的像素个数在整个图像中所占的概率（百分比）。

灰度级为i的像素数目/图像总体像素2、计算图像各灰度级的累计分布概率。

灰度级为i的累计分布概率灰度级0i的概率之和,直方图均衡化的步骤

（2）,3、计算各灰度值均衡化后的灰度值。

设灰度值为i的累计概率为hp（i），图像的灰度层级（255）*hp（i）为均衡化后的灰度值。

即所有灰度值为i的像素点均衡化后的灰度值都为（255）*hp（i）,两个原图的灰度分布比较,f,f,5.处理前后灰度直方图的比较,f的灰度直方图,g的灰度直方图,直方图均衡化,1、已知图像的灰度分布是:

（其中i表示图像灰度值，p表示对应灰度值在图像中点的数目）写出直方图均衡化的基本步骤并对上述图像进行直方图均衡化，写出其均衡化过程。

图像缩小的实现方法,图像缩小实际上就是对原有的多个数据进行挑选或处理，获得期望缩小尺寸的数据，并且尽量保持原有的特征不丢失。

最简单的方法就是等间隔地选取数据。

4.4.1.1图像缩小的实现方法,设原图像大小为M*N,缩小为k1M*k2N，（k11，k21）。

算法步骤如下：

1）设旧图像是F（i,j），i=1,2,M,j=1,2,N.新图像是I（x,y）,x=1,2,k1M,y=1,2,k2N.2）I（x,y）=F（c1*i,c2*j）c1=1/k1c2=1/k2,图像缩小例题,K1=0.6,k2=0.74,i=1,6,j=1,6.x=1,6*06=1,4,y=1,6*0.75=1,5.x=1/0.6,2/0.6,3/0.6,4/0.6=i2,i3,i5,i6,y=1/0.75,2/0.75,3/0.75,4/0.75,5/0.75=j1,j3,j4,j5,j6.,图像放大,图像放大从字面上看，是图像缩小的逆操作，但是，从信息处理的角度来看，则难易程度完全不一样。

图像缩小是从多个信息中选出所需要的信息，而图像放大则是需要对多出的空位填入适当的值，是信息的估计。

图像放大的原理,最简单的思想是，如果需要将原图像放大k倍，则将原图像中的每个像素值，填在新图像中对应的k*k大小的子块中。

放大5倍,显然，当k为整数时，可以采用这种简单的方法。

图像放大的方法,设原图像大小为M*N,放大为k1M*k2N，（k11，k21）。

算法步骤如下：

1）设旧图像是F（i,j），i=1,2,M,j=1,2,N.新图像是I（x,y）,x=1,2,k1M,y=1,2,k2N.2）I（x,y）=F（c1*i,c2*j）c1=1/k1c2=1/k2,图像放大例题,K1=1.5,k2=1.2,i=1,2,j=1,3.x=1,3,y=1,4.x=1/1.5,2/1.5,3/1.5=i1,i1,i2,y=1/1.2,2/1.2,3/1.2,4/1.2=j1,j2,j3,j3.,注:

对比原PPT（第5章P65）,我有所改动.如有问题,请问老师,图像放大的问题,思考一个问题：

如果放大倍数太大，按照前面的方法处理会出现马赛克效应。

如果这个问题交给你，有没有办法解决？

或者想办法至少使之有所改善？

注:

这题自己分析,霍夫曼编码（课本P216-217）例（只记得大概题目）:

给出a,e,I,o,u,v的概率分别为0.3,0.25,0.2,0.15,0.07,0.03,计算其霍夫曼编码及编码效率.,