【正文】 域分為兩類，即空域處理和頻域處理。*頻域處理則是在圖像的某個變換域內(nèi)，對圖像的變換系數(shù)進行運算，然后通過逆變換獲得圖像增強效果。*頻域處理與時域處理的異同：同：都是一種圖像處理方法；異：時域處理是根據(jù)圖像的時間函數(shù)對圖像的不同時間特進行處理，而頻域處理是針對圖像的頻譜。*圖像增強的點運算對一副輸入圖像，經(jīng)點運算將產(chǎn)生一副輸出圖像，后者的每個像素的灰度值僅由輸入像素的值決定。（1）對比度增強（2）對比度拉伸（3）灰度變換*灰度變換法**非線性灰度變換 （1）對數(shù)變換g(x,y)=a+(ln(f(x,y)+1)/blnc) a,b,c是按需要可以調(diào)整的參數(shù)。 低灰度區(qū)擴展，高灰度區(qū)壓縮。（2）指數(shù)變換g(x,y)=(b~(c(f(x,y)a)))1 高灰度區(qū)擴展，低灰度區(qū)壓縮。**直方圖(Equalization)表示數(shù)字圖象中的每一灰度級與其出現(xiàn)的頻率(該灰度級的象素數(shù)目)間的統(tǒng)計關(guān)系,用橫坐標(biāo)表示灰度級, 縱坐標(biāo)表示頻數(shù)(也可用概率表示)**灰度直方圖圖像的灰度直方圖，是一種表示數(shù)字圖像中各級灰度值及其出現(xiàn)頻數(shù)的關(guān)系的函數(shù)。 **直方圖均衡化是將原圖象的直方圖通過變換函數(shù)修正為均勻的直方圖，然后按均衡直方圖修正原圖象。*圖象均衡化處理后，圖象的直方圖是平直的，即各灰度級具有相同的出現(xiàn)頻數(shù)，那么由于灰度級具有均勻的概率分布，圖象看起來就更清晰了。*直方圖均衡化實質(zhì)上是減少圖象的灰度級以換取對比度的加大。*在均衡過程中，原來的直方圖上頻數(shù)較小的灰度級被歸入很少幾個或一個灰度級內(nèi)，故得不到增強。*若這些灰度級所構(gòu)成的圖象細節(jié)比較重要，則需采用局部區(qū)域直方圖均衡。**中值濾波法用局部中值代替局部平均值 令[f(x,y)]原始圖象陣列， [g(x,y)]中值濾波后圖象陣列， f(x,y) 灰度級， g(x,y) 以f(x,y)為中心的窗口內(nèi)各象素的灰度中間值。**中值濾波的特性（1）對離散階約信號、斜升信號不產(chǎn)生影響（2）連續(xù)個數(shù)小于窗口長度一半的離散脈沖將被平滑（3）三角函數(shù)的頂部平坦化（4）中值濾波后，信號頻率譜基本不變（2）優(yōu)點：在平滑脈沖噪聲方面非常靈敏，同時可以保護圖像尖銳的邊緣。不影響階躍信號、斜坡信號，連續(xù)個數(shù)小于窗口長度一半的脈沖受到抑制，三角波信號頂部變平。（3）缺點：對于高斯噪聲不如均值濾波。圖像中點、線、尖角等細節(jié)較多，則不宜采用中值濾波。**均值濾波：（1）優(yōu)點：把每個像素都用周圍的8個像素做均值操作，平滑圖像速度快、算法簡單。（2）缺點：在降低噪聲的同時，使圖像產(chǎn)生模糊，特別是邊緣和細節(jié)處，而且模糊尺寸越大，圖像模糊程度越大。對椒鹽噪聲的平滑處理效果不理想。**圖像的銳化*目的（1）圖像平滑使圖像變得模糊（2）圖像識別中常常需要突出邊緣和輪廓信息。*方法（1）平均、積分的逆運算，如微分、梯度（2）頻譜的角度，高頻分量被衰減，加強圖像高頻分量*圖像的銳化之微分法*常用的梯度算子（1）Roberts（0* 1//1 0），（1* 0//0 1）；各向同性；對噪聲敏感；模板尺寸為偶數(shù)，中心位置不明顯。（2）Prewitt（1 0 1//1 0* 1//1 0 1），（1 1 1//0 0* 0//1 1 1）；引入了平均因素，對噪聲有抑制作用；操作簡便。（3）Sobel（1 0 1//2 0* 2//1 0 1），（1 2 1//0 0* 0//1 2 1）；引入了平均因素，增強了最近像素的影響，噪聲抑制效果比Prewitt好。（4）Krisch（3 3 5//3 0* 5//3 3 5）；（3 3 3//3 0* 3//5 5 5）；噪聲抑制作用較好；需求出8個方向的響應(yīng)（這里只給出2個模板）（5）Isotropic Sobel（1 0 1//根2 0* 根2//1 0 1），（1 –根2 1//0 0* 0//1 根2 1）；權(quán)值反比于鄰點與中心店的距離，檢測沿不用方向邊緣時梯度幅度一致，即具有各向同性。**幾種濾波對比：（依次為：振鈴程度、圖像模糊程度、噪聲平滑效果）ILPF 理想低通濾波：嚴(yán)重、嚴(yán)重、最好TLPF 梯形低通濾波：較輕、輕、好ELPF 指數(shù)低通濾波：無、較輕、一般BLPF 巴特沃斯(Butterworth)低通濾波：無、很輕、一般**幾種濾波對比：（1）理想高通濾波有明顯的振鈴現(xiàn)象，即圖像邊緣有抖動現(xiàn)象；（2）Butterworth高通濾波效果較好，但計算復(fù)雜，其優(yōu)點是有少量低頻通過，H(u,v)是漸變的，振鈴現(xiàn)象不明顯；（3）指數(shù)高通效果比Butterworth差些，振鈴現(xiàn)象也不明顯；（4）梯形高通會產(chǎn)生微振鈴效果，但計算簡單，故經(jīng)常采用；**圖像增強的內(nèi)容：（1）消除噪聲，改善圖像的視覺效果（2）突出邊緣，有利于識別和處理*頻域增強的一般過程：f(x,y)箭頭（箭頭上寫：DFT）F(u,v)箭頭（上：H（u,v），下：濾波）F(u,v)H(u,v)箭頭（上：IDFT）g(x,y)。 濾波公式：G(u,v)=H(u,v)F(u,v)**頻域平滑原理：噪聲主要集中在高頻部分，為除去噪聲改善圖像質(zhì)量，采用低通濾波器抑制高頻部分，然后再進行逆變換獲得濾波圖像，達到平滑圖像的目的.采用低通濾波**同態(tài)濾波(1)灰度級動態(tài)范圍很大，即黑的部分很黑，白的部分很白，而我們感興趣的圖中的某一部分灰度級范圍又很小，分不清物體的灰度層次和細節(jié)。(2)采用一般的灰度線形變換是不行的，因為擴展灰度級雖可以提高物理圖像的反差，但會使動態(tài)范圍更大。(3)而壓縮灰度級，雖可以減少動態(tài)范圍，但物理灰度層次和細節(jié)就會更看不清。**(4)同態(tài)濾波是一種在頻域中將圖像亮度范圍進行壓縮和將圖像對比度進行增強的方法。*同態(tài)濾波目的：消除不均勻照度的影響而又不損失圖象細節(jié)。*同態(tài)濾波依據(jù)：f(x,y)=i(x,y)r(x,y)*同態(tài)濾波步驟：（1）z(x,y)=lnf(x,y)=lni(x,y)+lnr(x,y)（2）F(z(x,y))=F(lni(x,y))+F(lnr(x,y)),Z(u,v)=I(u,v)+R(u,v)（3）壓縮i(x,y)分量的變化范圍，削弱I (u,v)，增強r(x,y)分量的對比度，提升R (u,v)，增強細節(jié)。S(u,v)=H(u,v)I(u,v)+H(u,v)R(u,v)（4）i’(x,y)=F~1(H(u,v)I(u,v))。r’(x,y)=F~1(H(u,v)R(u,v))（5）i0(x,y)=exp(i’(x,y))。r0(x,y)= exp(r’(x,y))。g(x,y)=i0(x,y)r0(x,y)*同態(tài)濾波流程圖f(x,y)lnFFTH(u,v)FFT~1expg(x,y)第七章 圖像編碼與壓縮*圖像編碼與壓縮的內(nèi)容（是什么）（1）圖像壓縮在信息論中稱為信源編碼（2）圖像編碼和壓縮就是對圖像數(shù)據(jù)按照一定的規(guī)則進行變換和組合，從而以盡可能少的代碼表示盡可能多的信息。（3）研究內(nèi)容包括數(shù)據(jù)壓縮的數(shù)據(jù)的表示、傳輸、變換和編碼方法，目的是減少存儲數(shù)據(jù)所需的空間和傳輸所用的時間。**圖像編碼的基本原理（1）圖像數(shù)據(jù)壓縮是可能的（2）一般原始圖像中存在很大的冗余度。（3）空間冗余、時間冗余、視覺冗余、信息熵冗余、結(jié)構(gòu)冗余、知識冗余（4）用戶對原始圖像的信號不全都感興趣，可用特征提取和圖像識別的方法，丟掉大量無用的信息。提取有用的信息，使必須傳輸和存儲的圖像數(shù)據(jù)大大減少。從信息論觀點看，描述圖像信源的數(shù)據(jù)由有用數(shù)據(jù)和冗余數(shù)據(jù)兩部分組成。**冗余數(shù)據(jù)有：編碼冗余、像素間冗余、心理視覺冗余3種。如果能減少或消除其中的1種或多種冗余，就能取得數(shù)據(jù)壓縮的效果。因此圖像信息的壓縮是可能的。但到底能壓縮多少，除了和圖像本身存在的冗余度大小有關(guān)外，很大程度取決于對圖像質(zhì)量的要求。原始圖像越有規(guī)則，各象素之間的相關(guān)性越強，它可能壓縮的數(shù)據(jù)就越多。**圖像編碼壓縮分類（1）根據(jù)解壓重建后的圖像和原始圖像之間是否具有誤差，圖像編碼壓縮分為無誤差（亦稱無失真、無損、信息保持）編碼和有誤差（有失真或有損）編碼兩大類?！緹o損編碼分為：霍夫曼編碼、行程編碼、算術(shù)編碼；有損編碼分為：預(yù)測編碼、變換編碼、其它編碼?！浚?）根據(jù)編碼作用域劃分，圖像編碼為空間域編碼和變換域編碼兩大類。*圖像保真度描述解碼圖像相對原始圖像偏離程度的測度一般稱為保真度。*最常用的客觀保真度準(zhǔn)則：（1）原圖像和解碼圖像之間的均方根誤差（2）原圖像和解碼圖像之間的均方根信噪比*熵與相關(guān)性、冗余度的關(guān)系：（1）根據(jù)Shannon無干擾信息保持編碼定理，若對原始圖像數(shù)據(jù)的信息進行信源的無失真圖像編碼，壓縮后平均碼率存在一個下限為信源信息熵 H。理論上最佳信息保持編碼的平均碼長可以無限接近信源信息熵H。（2）**原始圖像平均碼長為B（上面加一橫），則：B（上面加一橫）=（上：L1；下：i=0）求和符號（貝塔）小i p小i。其中：（貝塔）小i為灰度級i對應(yīng)的碼長，p小i為灰度級i出現(xiàn)的概率。*原始圖像冗余度定義為：r=(原始圖像平均碼長/原始圖像的熵)1=(B（上面加一橫）/H(s))1*編碼效率定義為：(伊塔(n右邊一豎長點))=H(s)/B（上面加一橫）=1/(1+r)*高效碼: 冗余度接近于0，或編碼效率接近于1的編碼稱為高效碼。*壓縮比C定義: 若原始圖像的平均比特率為n，編碼后的平均比特率為nd，則壓縮比C定義為：C=n/(n小d)**霍夫曼編碼:(1)這種編碼方法根據(jù)源數(shù)據(jù)符號發(fā)生的概率進行編碼。(2)在源數(shù)據(jù)中出現(xiàn)概率越大的符號，相應(yīng)的碼越短；出現(xiàn)概率越小的符號，其碼長越長，從而達到用盡可能少的碼符號表示源數(shù)據(jù)。它在變長編碼方法中是最佳的。**霍夫曼編碼方法(1)將信源符號按出現(xiàn)概率從大到小排成一列，然后把最末兩個符號的概率相加，合成一個概率。(2)把這個符號的概率與其余符號的概率按從大到小排列，然后再把最末兩個符號的概率加起來，合成一個概率。 (3)重復(fù)上述做法，直到最后剩下兩個概率為止。(4)從最后一步剩下的兩個概率開始逐步向前進行編碼。每步只需對兩個分支各賦予一個二進制碼，如對概率大的賦予碼元0，對概率小的賦予碼元1，如果相等，則從中任選一個賦0，另一個賦1。(5)讀出時由符號開始一直走到最后的概率和1，將路線上所遇到的0和1反向排序好就是該符號的霍夫曼編碼。***例：設(shè)一幅灰度級為8（分別用S0、S...S7表示）的圖像中，、、?，F(xiàn)對其進行霍夫曼編碼。得：S0=1,S1=001,S2=011,S3=0000,S4=0100,S5=0101,S6=00010,S7=00011。*平均碼長R為：R=所有（對應(yīng)霍夫曼碼位數(shù)*對應(yīng)概率）的和=1*+3*+3*+......+5*=*數(shù)字圖像的熵為：H=負(fù)的所有（對應(yīng)概率*log底為2的對應(yīng)概率）的和=(*+*+*+......*)=*霍夫曼編碼效率為：（伊塔）=熵除以平均碼長*100%=（）*100%=%第八章 圖像分割及特征提取**圖像分析：是一種通過對圖像中不同對象進行分割(把圖像分為不同區(qū)域或目標(biāo)物)來對圖像中目標(biāo)進行分類和識別的技術(shù)。**圖像分割：圖像分割就是依據(jù)圖像的灰度、顏色、紋理、邊緣等特征，把圖像分成各自滿足某種相似性準(zhǔn)則或具有某種同質(zhì)特征的連通區(qū)域的集合的過程。**圖像分割的依據(jù)和方法：（1）圖像分割的依據(jù)是各區(qū)域具有不同的特性，這些特性可以是灰度、顏色、紋理等。而灰度圖像分割的依據(jù)是基于相鄰像素灰度值的不連續(xù)性和相似性。也即，子區(qū)域內(nèi)部的像素一般具有灰度相似性，而在區(qū)域之間的邊界上一般具有灰度不連續(xù)性。（2）灰度圖像分割是圖像分割研究中最主要的內(nèi)容，其本質(zhì)是按照圖像中不同區(qū)域的特性，將圖像劃分成不同的區(qū)域。*基于邊緣檢測的圖像分割方法的基本思路是先確定圖像中的邊緣像素，然后就可把它們連接在一起構(gòu)成所需的邊界。*圖像邊緣：圖像的邊緣是指圖像灰度發(fā)生空間突變的象素的集合。*圖像中的邊緣可以通過對它們求導(dǎo)數(shù)來確定，而導(dǎo)數(shù)可利用微分算子來計算。對于數(shù)字圖像來說，通常是利用差分來近似微分。**圖像邊緣的兩個特征：方向和幅度（1）沿邊緣走向，像素值變化比較平緩；（2）沿垂直于邊緣的走向，像素值則變化比較劇烈。（3）一般常用一階和二階導(dǎo)數(shù)來描述和檢測邊緣。（4）上升階躍邊緣、下降階躍邊緣、脈沖狀邊緣、屋頂邊緣。** Hogh（哈夫）變換的基本思想：是將圖像空間XY變換到參數(shù)空間PQ，利用圖像空間XY與參數(shù)空間PQ的點－線對偶性，通過利用圖像空間XY中的邊緣數(shù)據(jù)點去計算參數(shù)空間PQ中的參考點的軌跡，從而將不連續(xù)的邊緣像素點連接起來，或?qū)⑦吘壪袼攸c連接起來組成封閉邊界的區(qū)域，從而實現(xiàn)對圖像中直線段、圓和橢圓的檢測。**圖像特征提取（1）圖像特征提取是圖像處理研究中的重要內(nèi)容，而圖像特征提取的關(guān)鍵則是圖像特征的描述和定義。（2）圖像的人工特征是指人們?yōu)榱吮阌趯D像進行處理和分析而人為認(rèn)定的特征，比如圖像直方圖和圖像頻譜等。（3）自然特征是指圖像固有的特征，比如圖像中的邊緣、紋理、形狀和顏色等。**圖像分類的概念物體識別從根本上講就是為物體標(biāo)明類別，更通用的說法就是圖像分類，是一種將圖像中的所有像元或區(qū)域按其性質(zhì)分為若干類別中的一類，或若干專題要素中的一種的技術(shù)過程。**圖像分割與圖像分類（1）圖像分割是一種依據(jù)圖像中各區(qū)域的灰度、顏色、紋理等特征，將圖像劃分成不同區(qū)