數字圖像處理
1 緒論
2 數字圖像基礎
3 灰度變換和空間濾波
直方圖均衡化是非線性變化
3.5 平滑空間濾波器
低通濾波器
3.6 銳化空間濾波器
高通濾波器
- 零交叉點對於邊緣定位是非常有用的。
4 頻率域濾波
輪廓和邊界在頻率域體現爲高頻成分,其他能量分佈在低頻成分
5 圖像復原與重建
5.11.2 計算機斷層(CT)原理
X射線計算機斷層的目的是使用X射線從許多不同的方向穿過物體而得到該物體內部結構的三維描述。
6 彩色圖像處理
圖像處理領域彩色的運用主要受到兩個因素的推動
- 彩色是一種強有力的描繪因子,它可以簡化對場景中目標的識別和提取。
- 人眼可以辨別幾千種彩色色調和亮度,但相比之下只能辨別幾十種灰度。彩色在人工圖像處理中十分重要。
6.1 彩色基礎
6.2 彩色模型
6.2.1 RGB彩色模型
RGB的取值範圍[0,255]
6.2.2 HSI彩色模型
- H 色調 : 顏色
- S 飽和度 : 彩色中包含白光的多少。白光對多,飽和度越小。
- I 亮度 : 感受到的光強度
6.2.3 RGB轉換HSI
7 小波和多分辨率處理
與基函數爲正弦函數的傅里葉變換不同,小波變換給予一些小型波,成爲小波,它具有變化的頻域和有限的持續時間。這就允許他們爲圖像提供一張等效的樂譜,該樂譜不但顯示了要演奏的音符(或頻域),而且顯示了演奏這些音符的時間。另一方面,傅里葉變換隻能提供音符或頻域信息,時間信息在變換過程中丟失了。
7.1 背景
圖像金字塔&創建近似和預測殘差金字塔的一個簡單系統
總結:原始圖片經過Level 0 層和預測殘差金字塔得以完全恢復。提高了圖片傳輸效率。
8 圖像壓縮
8.1 基礎知識
8.1.1 編碼冗餘
在多數二維灰度陣列中,用於表示灰度的8比特編碼所包含的比特數要比表示該灰度所需要的比特數多。
8.1.2 空間和時間冗餘
8.1.3 不相關信息
8.1.4 LZW編碼
8.1.5 行程編碼
8.1.6 塊變換編碼
壓縮編碼舉例
- 對一副大小爲1024*1024,熵爲5.3比特/像素的8比特圖片進行霍夫曼編碼,編碼後每個編碼的平均長度爲5.5比特/像素,所期望的最大壓縮率爲8/5.3=1.5,但實際壓縮率爲8/5.5=1.45,採用霍夫曼編碼的效率爲1.45/1.5=97%。霍夫曼編碼不能達到所期望的壓縮率,原因是它只能消除編碼冗餘,不能消除空間冗餘。
- 基於這種情況,爲了取得更大的壓縮率,我們需要建立相鄰像素之間的關係,通過消除空間冗餘來達到壓縮的母的。
JPEG編碼
編碼步驟
(1)將RGB圖轉換爲YCbCr圖
(2)按像素分成8*8的區域
(3)進行離散餘弦變換(DCT)
(4)量化
(5)Z字型編碼,哈夫曼編碼解碼步驟
(1)逆哈夫曼編碼,逆Z字型編碼
(2)逆量化
(3)逆離散餘弦變換
(4)將YCbCr轉換爲RGB圖像