第2章数字图像处理的基本概念.ppt

第二章 数字图像处理的基本概念,2.1 图像数字化 2.2 图像灰度直方图 2.3 直方图的应用 2.4 图像处理算法的形式 2.5 像素间的基本关系,2.1 图像数字化,图像数字化是将一幅画面转化成计算机能处理的形式数字图像的过程。具体来说，就是把一幅图画分割成一个个小区域（像元或像素），并将各小区域 灰度用整数来表示，形成一幅点阵式的数字图像。,图像的数字化包括采样和量化两个过程。 采样就是将空间上连续的图像变换成离散点的操作。 当对图像进行实际的抽样时，怎样选择各抽样点的间隔是个非常重要的问题。关于这一点，图像包含何种程度的细微的浓淡变化，取决于希望忠实反映图像的程度。,不同的采样方式:有缝、无缝和重迭,不同形状的采样孔径,数字图像,以数字格式存放的图像,计算机方便处理,像素,用二维矩阵表示,灰度信息数字化,将模拟图像数字化的主要设备是扫描仪。 将视频画面数字化的设备有图像采集卡。,数码照相机、数码摄像机。,经采样图像被分割成空间上离散的像素，但其灰度是连续的，还不能用计算机进行处理。 量化是将像素灰度转换成离散的整数值的过程。 表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。 一幅数字图像中不同灰度级的个数称为灰度级数，用G表示。 g表示存储图像像素灰度值所需的比特位数。,量化示意图 （a） 量化； (b) 量化为8 bit,连续灰度值 量化值 (整数值),灰度标度 灰度量化,Z,i,1,Z,i,Z,i,1,q,i,1,q,i,1,255,254,128,127,1,0,(,a,),(,b,),若一幅数字图像的量化灰度级数G=256=28级，灰度取值范围一般是0255的整数，由于用8bit就能表示灰度图像像素的灰度值，因此常称8 bit 量化。 从视觉效果来看，采用大于或等于6比特位量化的灰度图像，视觉上就能令人满意。 一幅大小为M×N、灰度级数为G的为压缩图像所需的存储空间，即图像的数据量，大小为 M×N×g （bit）,初识Matlab 读取图像，循环学习（相邻做差），显示；,数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。 黑白图像 图像的每个像素只能是黑或白，没有中间的过渡，故又称为二值图像。二值图像的像素值为0或1。 例如,灰度图像 灰度图像是指灰度级数大于2的图像。但它不包含彩色信息。 彩色图像 彩色图像是指每个像素由R、G、B分量构成的图像，其中R、B、G是由不同的灰度级来描述。,经图像数字化后，用二维数组表示。一幅m×n的数字图像可用矩阵表示。,位置：像元、像素或图像元素 值：灰度值或亮度值(0=f(x,y)+),一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现像素呈块状的国际棋盘效应； 采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。,量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大； 量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。 但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。例如对细节比较丰富的图像数字化。,3.2 图像灰度直方图,一、定义 灰度直方图反映的是一幅图像中各灰度级像素出现的频率。以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。它是图像的一个重要特征，反映了图像灰度分布的情况。,v0=5/64 v1=12/64 v2=18/64 v3=8/64 v4=1/64 v5=5/64 v6=8/64 v7=5/64,二、计算 该图像像元总数为8*8=64, i=0,7,I=imread('Couple.bmp'); m,n=size(I); h=zeros(256,1); for i=1:m for j=1:n ind=I(i,j)+1; h(ind)=h(ind)+1; end end bar(h),如何计算一个图像的直方图？,直方图的性质 灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置,即丢失了像素的位置信息。 一幅图像对应唯一的灰度直方图，反之不成立。不同的图像可对应相同的直方图。 一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。,2.3 直方图的应用,1、用于判断图像量化是否恰当,用于确定图像二值化的阈值,B=im2bw(I,0.8); Imshow(B);, 当影像上目标的灰度值比其它部分灰度值大或者灰度区间已知时，可利用直方图统计图像中物体的面积。 A= (2.4-3) 计算图像信息量H（熵） （2.4-4） 假设一副数字图像的灰度范围为0,L-1,各灰度级像素出现的概率为 ， ，熵反映了图像信息丰富的程度。对于图像增强来说，熵越大，表示图像信息越丰富。,2.4 图像处理算法的形式,1 图像处理基本功能的形式 按图像处理的输出形式，图像处理的基本功能可分为三种形式。 1）单幅图像 单幅图像 ,如图2.5.1(a)。 2）多幅图像 单幅图像, 如图2.5.1(b)。 3）单（或多）幅图像 数字或符号等，如图2.5.1(c)。,2.5 像素间的基本关系,2.5.1 相邻像素 位于坐标(x,y)的一个像素p有4个水平和垂直的相邻像素，其坐标分别为： (x+1,y), (x-1,y), (x,y+1), (x,y-1),这个像素集称为p的4邻域，用N4(p)表示。每个像素距(x,y)一个单位距离，如果(x,y)位于图像的边缘，则p的某一邻域像素点位于数字图像的外部。 p的4个对角的相邻像素位置图为,2.5.2 距离量度 对于任意像素p, q和 z,其坐标为(x, y), (s, t), (v, w),如果 （1）D (p, q)=0 （2）D (p, q)=D (q, p) （3）D (p, z)=D (p, q) +D (q, z) 则D是距离函数或者量度 p, q间的欧式距离定义 De( p, q)=(x -s) 2+(y-t)21/2 p, q间的距离D4 （城市街区距离）定义 D4( p, q)=|x s|+|y-t) | p, q间的距离D8(棋盘距离)定义为 D8( p, q)=max(|x s|, |y - t |),De距离 D4距离 D8距离,De( p, q)=(x -s) 2+(y-t)21/2 D4( p, q)=|x s| + |y - t | D8( p, q)=max (|x s|, |y - t |),