數(shù)圖名詞解釋

1、 一，概述圖像是對(duì)客觀存在的物體的一種相似性的、生動(dòng)的寫真或描述。模擬圖像：指空間坐標(biāo)和明暗程度都是連續(xù)變化的、計(jì)算機(jī)無(wú)法直接處理的圖像。數(shù)字圖像： 是一種空間坐標(biāo)和灰度均不連續(xù)的、用離散的數(shù)字(一般用整數(shù))表示的圖像。圖像處理：對(duì)圖像進(jìn)行一系列的操作以達(dá)到預(yù)期的目的的技術(shù)稱作圖像處理。 數(shù)字圖像處理：利用計(jì)算機(jī)對(duì)數(shù)字圖像進(jìn)行系列操作，從而獲得某種預(yù)期的結(jié)果的技術(shù)總稱。數(shù)字圖像處理離不開計(jì)算機(jī)，因此又稱計(jì)算機(jī)圖像處理模擬圖像處理：利用光學(xué)、照像和電子學(xué)方法對(duì)模擬圖像的處理稱為模擬圖像處理。優(yōu)點(diǎn)是并行處理速度快、結(jié)構(gòu)簡(jiǎn)單、牢固。其缺點(diǎn)是處理精度差，處理靈活性差。因此，從發(fā)展看電光混合處理方案受到

2、極大重視 圖像處理學(xué)的內(nèi)容：它是研究圖像的獲取、傳輸、存儲(chǔ)，變換、顯示、理解與綜合利用的一門學(xué)科數(shù)字圖像處理的內(nèi)容：數(shù)字圖像處理的內(nèi)容；圖像變換：處理問(wèn)題簡(jiǎn)化、有利于特征提取、加強(qiáng)對(duì)圖像信息的理解；圖像增強(qiáng)；圖像的恢復(fù)與重建；圖像編碼；圖像分割；二值圖像處理與形狀分析；紋理分析；圖像識(shí)別與相關(guān)學(xué)科的關(guān)系：它與模式識(shí)別、計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺(jué)等學(xué)科既相互聯(lián)系又相互區(qū)別。數(shù)字圖像處理系統(tǒng)六大模塊：1. 圖像采集模塊，獲取數(shù)字圖像的設(shè)備即采集裝置；2.圖像顯示模塊3.圖像存儲(chǔ)模塊4 圖像通信模塊， 圖像通信就是把圖像傳送到遠(yuǎn)方終端。5主機(jī)，以微機(jī)或工作站為主，配以圖像卡和外設(shè)構(gòu)成微型圖像處理系統(tǒng)6

3、 圖像處理軟件，由系統(tǒng)管理、圖像數(shù)據(jù)管理和圖像處理模塊三部分組成。數(shù)字圖像處理的特點(diǎn)：精度高； 再現(xiàn)性好（可恢復(fù)）；通用性、靈活性強(qiáng)數(shù)字圖像處理的應(yīng)用 ；生物醫(yī)學(xué)：利用電磁波譜成像分析系統(tǒng)診斷病情。如顯微鏡圖像分析，DNA成像分析等；遙感：農(nóng)、林等資源的調(diào)查，農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)，自然災(zāi)害監(jiān)測(cè)、預(yù)報(bào)，地勢(shì)、地貌測(cè)繪以及地質(zhì)構(gòu)造解譯、找礦，環(huán)境污染檢測(cè)、海洋、漁業(yè)等等。軍事：航空及衛(wèi)星偵察照片的測(cè)繪、判讀，雷達(dá)、 聲納圖像處理，導(dǎo)彈制導(dǎo)，軍事仿真等。 二基本概念馬赫效應(yīng)：已知從每一豎條寬度內(nèi)反射出來(lái)的光強(qiáng)是均勻的，相鄰豎條之間的強(qiáng)度差是常數(shù)，然而，我們看起來(lái)每一豎條內(nèi)右邊要比左邊稍黑一些，即在亮度變化

4、部位附近的暗區(qū)和亮區(qū)中分別存在一條更黑和更亮的條帶，這就是所謂的“Mach帶”對(duì)比度:是指一幅圖象中灰度反差的大小與清晰度相關(guān)的主要因素-亮度-對(duì)比度-主題內(nèi)容的大小，細(xì)微層次-顏色飽和度圖像數(shù)字化：連續(xù)圖像經(jīng)采樣、分層、量化、編碼等步驟變成數(shù)字圖像才能進(jìn)入計(jì)算機(jī)。采樣: 是將在空間上連續(xù)的圖像轉(zhuǎn)換成離散的采樣點(diǎn)（即像素）集的操作。量化：是將各個(gè)像素所含的明暗信息離散化后，用數(shù)字來(lái)表示稱為圖像的量化，直方圖的性質(zhì)灰度直方圖只能反映圖像的灰度分布情況，而不能反映圖像像素的位置,即丟失了像素的位置信息。一幅圖像對(duì)應(yīng)唯一的灰度直方圖，反之不成立。不同的圖像可對(duì)應(yīng)相同的直方圖一幅圖像分成多個(gè)區(qū)域，多個(gè)

5、區(qū)域的直方圖之和即為原圖像的直方圖。直方圖的應(yīng)用用于判斷圖像量化是否恰當(dāng)用于確定圖像二值化的閾值當(dāng)影像上目標(biāo)的灰度值比其它部分灰度值大或者灰度區(qū)間已知時(shí)，可利用直方圖統(tǒng)計(jì)圖像中物體的面積 計(jì)算圖像信息量H（熵）迭代處理反復(fù)對(duì)圖像進(jìn)行某種運(yùn)算直至滿足給定的條件，從而得到輸出圖像的處理形式稱為迭代處理。如2.5.7圖像的細(xì)化處理過(guò)程。 跟蹤處理 ：選擇滿足適當(dāng)條件的像素作為起始像素，檢查輸入圖像和已得到的輸出結(jié)果，求出下一步應(yīng)該處理的像素，進(jìn)行規(guī)定的處理，然后決定是繼續(xù)處理下面的像素，還是終止處理。這種處理形式稱為跟蹤處理。跟蹤處理有以下特點(diǎn)：對(duì)某個(gè)像素的處理，依賴于這以前的處理結(jié)果，從而也就依賴

6、于起始像素的位置。為此，跟蹤處理的結(jié)果與從圖像哪一部份開始進(jìn)行處理相關(guān)。能夠根據(jù)利用在此以前的處理結(jié)果來(lái)限定處理范圍，從而可能避免徒勞的處理。另外，由于限制了處理范圍，有可能提高處理精度。用于邊界線、等高線等線的跟蹤(檢測(cè))方面。如根據(jù)搜索法檢測(cè)邊緣曲線。串行處理和并行處理： 后一像素輸出結(jié)果依賴于前面像素處理的結(jié)果，并且只能依次處理各像素而不能同時(shí)對(duì)各像素進(jìn)行相同處理的一種處理形式稱為串行處理。串行處理的特點(diǎn)是：用輸入圖像的第( i, j )像素鄰域的像素值和輸出圖像( i, j )以前像素的處理結(jié)果計(jì)算輸出圖像( i, j )像素的值； 處理算法要按一定順序進(jìn)行。 因此，不能同時(shí)并行計(jì)算各

7、像素的輸出值，且串行處理的順序會(huì)影響處理結(jié)果；對(duì)圖像內(nèi)的各像素同時(shí)進(jìn)行相同形式運(yùn)算的一種處理形式稱為并行處理。其特點(diǎn)如下：輸出圖像像素(i, j)的值，只用輸入圖像的(i, j)像素的鄰域像素進(jìn)行計(jì)算；相對(duì)于不同(i, j)的輸出值可以獨(dú)立進(jìn)行計(jì)算。 特征提取獲取圖像特征信息的操作稱作特征提取。它作為模式識(shí)別、圖像理解或信息量壓縮的基礎(chǔ)是很重要的。通過(guò)特征提取，可以獲得特征構(gòu)成的圖像（稱作特征圖像）和特征參數(shù)。三圖像變換圖像變換：即為達(dá)到圖像處理的某種目的而使用的一種數(shù)學(xué)方法，是將圖像從空間域變換到其它域如頻率域的數(shù)學(xué)變換圖像變換的目的： 使圖像處理問(wèn)題簡(jiǎn)化； 有利于圖像特征提?。挥兄趶母拍?/p>

8、上增強(qiáng)對(duì)圖像信息的理解。圖像變換的要求：圖像函數(shù)變換后處理較變換前更加方便和簡(jiǎn)單；圖像函數(shù)變換后不損失原圖像的信息；圖像變換必須是可逆的二維Fourier變換的應(yīng)用：1.Fourier變換在圖像濾波中的應(yīng)用2. Fourier變換在圖像壓縮中的應(yīng)用3. Fourier變換在卷積中的應(yīng)用:4. Fourier變換在圖像復(fù)原、圖像重建的應(yīng)用:FFT的設(shè)計(jì)思想是:首先，將原函數(shù)分為奇數(shù)項(xiàng)和偶數(shù)項(xiàng)，通過(guò)不斷的一個(gè)奇數(shù)一個(gè)偶數(shù)的相加（減），最終得到需要的結(jié)果。也就是說(shuō)FFT是將復(fù)雜的運(yùn)算變成兩個(gè)數(shù)相加（減）的簡(jiǎn)單運(yùn)算的重復(fù)。DFT總結(jié)：1. 空間域 頻率域；2. 變換后在頻率域的處理運(yùn)算簡(jiǎn)單（高通、低通

9、等）；3. 變換后有利于對(duì)圖像的特征提取；4. 變換算法是全局處理，即F(u,v)是f(x,y)整體運(yùn)算所得；5. 圖像顯示常用lg(1+|F(u,v)|)顯示其傅立葉譜，目的是更好的顯示高頻，利于對(duì)圖像頻譜的視覺(jué)理解；6. 利用傅立葉變換的性質(zhì)，進(jìn)行平移，F(xiàn)DFT等。三種變換比較：傅立葉變換（FFT） 具有快速算法，數(shù)字圖象處理中最常用。需要復(fù)數(shù)運(yùn)算。可把整幅圖象的信息很好地用若干個(gè)系數(shù)來(lái)表達(dá)。余弦變換（DCT） 有快速算法，只要求實(shí)數(shù)運(yùn)算。在相關(guān)性圖象的處理中，最接近最佳的KL變換，在實(shí)現(xiàn)編碼和維納濾波時(shí)有用。同DFT一樣，可實(shí)現(xiàn)很好的信息壓縮。沃爾什變換(WT) 在數(shù)字圖象處理的硬件實(shí)現(xiàn)

10、時(shí)有用。容易模擬但很難分析。在圖象數(shù)據(jù)壓縮、濾波、編碼中有應(yīng)用。信息壓縮效果好。8、離散余弦變換（Discrete Cosine Transform， DCT）的變換核為余弦函數(shù)。DCT除了具有一般的正交變換性質(zhì)外， 它的變換陣的基向量能很好地描述人類語(yǔ)音信號(hào)和圖像信號(hào)的相關(guān)特征。因此，在對(duì)語(yǔ)音信號(hào)、圖像信號(hào)的變換中，DCT變換被認(rèn)為是一種準(zhǔn)最佳變換。近年頒布的一系列視頻壓縮編碼的國(guó)際標(biāo)準(zhǔn)建議中，都把DCT作為其中的一個(gè)基本處理模塊。除此之外， DCT還是一種可分離的變換。9快速離散余弦變換：離散余弦變換的計(jì)算量相當(dāng)大， 在實(shí)用中非常不方便， 也需要研究相應(yīng)的快速算法。目前已有多種快速DCT（

11、FCT）， 在此介紹一種由FFT的思路發(fā)展起來(lái)的FCT思想。 1、將二維變換分解為兩次的一維DCT變換； 2、把長(zhǎng)度為N的f(x)的長(zhǎng)度延拓為2N點(diǎn)的序列fe(x)，即將原來(lái)N個(gè)點(diǎn)擴(kuò)展為2N個(gè)點(diǎn)，補(bǔ)之以零值點(diǎn)。然后對(duì)fe(x)作DFT，最后取DFT的實(shí)部便可得到DCT的結(jié)果。 圖象增強(qiáng)1、圖像增強(qiáng)：加強(qiáng)、突出圖象中的主要信息，抑制、削弱、剔除圖象中的不需要的信息，使處理的結(jié)果對(duì)特定的應(yīng)用來(lái)說(shuō)比原始圖象更“合適”，更便于進(jìn)一步處理。目的：消除噪聲，改善圖像的視覺(jué)效果；突出邊緣，有利于識(shí)別和處理。使圖象更適合于人的視覺(jué)特性或機(jī)器的識(shí)別系統(tǒng)分為：空間域增強(qiáng)是直接對(duì)圖像各像素進(jìn)行處理； 頻率域增強(qiáng)是對(duì)

12、圖像經(jīng)傅立葉變換后的頻譜成分進(jìn)行處理，然后逆傅立葉變換獲得所需的圖像。 2、直方圖均衡化：將原圖像通過(guò)某種變換，得到一幅灰度圖像直方圖為均勻分布的新圖像的方法。步驟：直方圖均衡化算法：(1)統(tǒng)計(jì)圖象中各灰度級(jí)像素個(gè)數(shù)nk;(2)計(jì)算直方圖中應(yīng)變量的值：pk=nk/(MN);(3)計(jì)算累計(jì)直方圖中應(yīng)變量的值：sk=pk;(4)取整Sk=intL*sk-1;（按四舍五入取正整數(shù)）(5)確定映射對(duì)應(yīng)關(guān)系：kSk;(6)對(duì)圖象進(jìn)行增強(qiáng)變換( kSk).3、直方圖規(guī)定化是使原圖像灰度直方圖變成規(guī)定形狀的直方圖而對(duì)圖像作修正的增強(qiáng)方法。4、圖像平滑：為了抑制噪聲改善圖像質(zhì)量所進(jìn)行的處理。 局部平滑法：可用

13、鄰域內(nèi)各像素的灰度平均值代替該像素原來(lái)的灰度值算法簡(jiǎn)單，但它的主要缺點(diǎn)是在降低噪聲的同時(shí)使圖像產(chǎn)生模糊，特別在邊緣和細(xì)節(jié)處。而且鄰域越大，在去噪能力增強(qiáng)的同時(shí)模糊程度越嚴(yán)重 超限像素平滑法 對(duì)抑制椒鹽噪聲比較有效，對(duì)保護(hù)僅有微小灰度差的細(xì)節(jié)及紋理也有效?？梢婋S著鄰域增大，去噪能力增強(qiáng)，但模糊程度也大。 同局部平滑法相比，超限像元平滑法去椒鹽噪聲效果更好?；叶茸钕嘟腒個(gè)鄰點(diǎn)平均法：可用窗口內(nèi)與中心像素的灰度最接近的K個(gè)鄰像素的平均灰度來(lái)代替窗口中心像素的灰度值。較小的K值使噪聲方差下降較小，但保持細(xì)節(jié)效果較好；而較大的K值平滑噪聲較好，但會(huì)使圖像邊緣模糊。最大均勻性平滑 ：先找出環(huán)繞圖像中每像

14、素的最均勻區(qū)域，然后用這區(qū)域的灰度均值代替該像素原來(lái)的灰度值。有選擇保邊緣平滑法：對(duì)圖像上任一像素(x,y)的55鄰域，采用9個(gè)掩模，其中包括一個(gè)33正方形、4個(gè)五邊形和4個(gè)六邊形。計(jì)算各個(gè)掩模的均值和方差，對(duì)方差進(jìn)行排序，最小方差所對(duì)應(yīng)的掩模區(qū)的灰度均值就是像素（x,y) 的輸出值。能夠消除噪聲，又不破壞區(qū)域邊界的細(xì)節(jié)。另外，五邊形和六邊形在（x,y）處都有銳角，這樣，即使像素（x,y）位于一個(gè)復(fù)雜形狀區(qū)域的銳角處，也能找到均勻的區(qū)域。從而在平滑時(shí)既不會(huì)使尖銳邊緣模糊，也不會(huì)破壞邊緣形狀。 空間低通濾波法5、中值濾波：就是用一個(gè)奇數(shù)點(diǎn)的移動(dòng)窗口， 將窗口中心點(diǎn)的值用窗口內(nèi)各點(diǎn)的中值代替。特點(diǎn)

15、：中值濾波對(duì)脈沖干擾及椒鹽噪聲的抑制效果好，在抑制隨機(jī)噪聲的同時(shí)能有效保護(hù)邊緣少受模糊。但它對(duì)點(diǎn)、線等細(xì)節(jié)較多的圖像卻不太合適。中值濾波運(yùn)算速度快，可硬化，便于實(shí)時(shí)處理。一般來(lái)說(shuō)，二維中值濾波器比一維濾波器更能抑制噪聲。方形或圓形窗口適宜于外輪廓線較長(zhǎng)的物體圖像，而十字形窗口對(duì)有尖頂角狀的圖像效果好。 6、圖像銳化：在圖像的識(shí)別中常需要突出邊緣和輪廓信息。圖像銳化就是增強(qiáng)圖像的邊緣或輪廓。7、Laplacian增強(qiáng)算子：其特點(diǎn)是：1、在灰度均勻的區(qū)域或斜坡中間2f(x，y)為0，增強(qiáng)圖像上像元灰度不變；2、在斜坡底或低灰度側(cè)形成“下沖”；而在斜坡頂或高灰度側(cè)形成“上沖”。8、低通濾波器：理想低

16、通濾波器：被鈍化的圖像被一種非常嚴(yán)重的振鈴效果;Butterworth低通濾波器：沒(méi)有明顯的跳躍，模糊程度減少，尾部含有較多的高頻，對(duì)噪聲的平滑效果不如ILPF。BLPF處理過(guò)的圖像中都沒(méi)有振鈴效果指數(shù)低通濾波器(ELPF)：有更加平滑的過(guò)渡帶，平滑后的圖象沒(méi)有跳躍現(xiàn)象，與BLPF相比，衰減更快，經(jīng)過(guò)ELPF濾波的圖象比BLPF處理的圖象更模糊一些。它的性能介于理想低通濾波器和指數(shù)濾波器之間，濾波的圖像有一定的模糊和振鈴效應(yīng)。9、同態(tài)濾波的目的：消除不均勻照度的影響而又不損失圖象細(xì)節(jié)。依據(jù)：圖象的灰度由照射分量和反射分量合成。反射分量反映圖象內(nèi)容，隨圖象細(xì)節(jié)不同在空間上作快速變化。照射分量在空

17、間上通常均具有緩慢變化的性質(zhì)。照射分量的頻譜落在空間低頻區(qū)域，反射分量的頻譜落在空間高頻區(qū)域。10、彩色增強(qiáng)：利用人眼的視覺(jué)特性，將灰度圖像變成彩色圖像或改變彩色圖像已有彩色的分布，改善圖像的可分辨性。11、偽彩色增強(qiáng)：把黑白圖像的各個(gè)不同灰度級(jí)按照線性或非線性映射函數(shù)變換成不同彩色，得到一幅彩色圖像的技術(shù)。偽彩色增強(qiáng)的方法主要有密度分割法、灰度級(jí)一彩色變換和頻率域偽彩色增強(qiáng)三種。 12、假彩色增強(qiáng)：對(duì)一幅自然彩色圖像或同一景物的多光譜圖像通過(guò)映射函數(shù)變換成新的三基色分量，彩色合成，使感興趣的目標(biāo)呈現(xiàn)出與原圖像不同的，奇異的彩色。圖像重建圖像退化：圖像在形成，傳輸，和記錄過(guò)程中，由于成像系統(tǒng)，

18、傳輸介質(zhì)和設(shè)備的不完善，使圖像的質(zhì)量變壞。圖像復(fù)原與圖像增強(qiáng)：目的都是為了改善圖像的質(zhì)量。圖像增強(qiáng)不考慮圖像是如何退化的，只通過(guò)試探各種技術(shù)來(lái)增強(qiáng)圖像的視覺(jué)效果。圖像復(fù)原則需知道圖像退化的機(jī)制和過(guò)程的先驗(yàn)知識(shí)，據(jù)此找出一種相應(yīng)的逆過(guò)程方法，從而得到復(fù)原的圖像。如果圖像已退化，應(yīng)先作復(fù)原處理，再作增強(qiáng)處理。 幾何失真 ：圖像在獲取過(guò)程中，由于成像系統(tǒng)本身具有非線性、拍攝角度等因素的影響，會(huì)使獲得的圖像產(chǎn)生幾何失真。幾何校正方法：圖像幾何校正的基本方法是先建立幾何校正的數(shù)學(xué)模型；其次利用已知條件確定模型參數(shù)；最后根據(jù)模型對(duì)圖像進(jìn)行幾何校正。通常分兩步：圖像空間坐標(biāo)變換；首先建立圖像像點(diǎn)坐標(biāo)（行、列

19、號(hào)）和物方（或參考圖）對(duì)應(yīng)點(diǎn)坐標(biāo)間的映射關(guān)系，解求映射關(guān)系中的未知參數(shù)，然后根據(jù)映射關(guān)系對(duì)圖像各個(gè)像素坐標(biāo)進(jìn)行校正；確定各像素的灰度值（灰度內(nèi)插）。像素灰度內(nèi)插方法：常用的像素灰度內(nèi)插法有最近鄰元法、雙線性內(nèi)插法和三次內(nèi)插法三種。1最近鄰元法：在待求點(diǎn)的四鄰像素中，將距離這點(diǎn)最近的相鄰像素灰度賦給該待求點(diǎn)。該方法最簡(jiǎn)單，效果尚佳，但校正后的圖像有明顯鋸齒狀，即存在灰度不連續(xù)性。2雙線性內(nèi)插法 ：雙線性內(nèi)插法是利用待求點(diǎn)四個(gè)鄰像素的灰度在兩個(gè)方向上作線性內(nèi)插。該方法要比最近鄰元法復(fù)雜，計(jì)算量大。但沒(méi)有灰度不連續(xù)性的缺點(diǎn)，結(jié)果令人滿意。它具有低通濾波性質(zhì)，使高頻分量受損，圖像輪廓有一定模糊。3三次

20、內(nèi)插法：該方法利用三次多項(xiàng)式S(x)來(lái)逼近理論上的最佳插值函數(shù)sin(x)/x，該算法計(jì)算量最大，但內(nèi)插效果最好，精度最高圖像重建：透射模型建立于能量通過(guò)物體后有一部分能量會(huì)被吸收的基礎(chǔ)之上，透射模型經(jīng)常用于X射線、電子射線及光線和熱輻射的情況下，它們都遵從一定的吸收規(guī)則。 發(fā)射模型可用來(lái)確定物體的位置。這種方法已經(jīng)廣泛用于正電子檢測(cè),通過(guò)在相反的方向分解散射的兩束伽馬射線,則這兩束射線的渡越時(shí)間可用來(lái)確定物體的位置。 反射模型可以用來(lái)測(cè)定物體的表面特征，例如光線、電子束、激光或超聲波等都可以用來(lái)進(jìn)行這種測(cè)定。圖象編碼與壓縮1、圖像編碼與壓縮：對(duì)圖像按一定的規(guī)則進(jìn)行變換和組合達(dá)到以盡可能少的的

21、代碼來(lái)表示盡可能多的圖像信息。2、保真度：描述解碼圖像相對(duì)原始圖像偏離的程度的測(cè)度。3、霍夫曼編碼：把輸入符號(hào)按出現(xiàn)的概率從大到小排列起來(lái),接著把概率 最小的兩個(gè)符號(hào)的概率求和;把它（概率之和）同其余符號(hào)概率由大到小排序,然后把兩個(gè)最小概率求和;重復(fù),直到最后只剩下兩個(gè)概率為止。 七圖像分割圖像分析：對(duì)圖像中感興趣的目標(biāo)進(jìn)行檢測(cè)和測(cè)量，以獲得它們的客觀信息，從而建立對(duì)圖像的描述圖像理解：重點(diǎn)是在圖像分析的基礎(chǔ)上，進(jìn)一步研究圖像中各目標(biāo)的性質(zhì)和它們之間的相互聯(lián)系，并得出對(duì)原始客觀場(chǎng)景的解釋，從而指導(dǎo)和規(guī)劃行動(dòng)圖像分析的步驟：把圖像分割成不同的區(qū)域或把不同的對(duì)象分開；找出分開的各區(qū)域的特征；識(shí)別圖

22、像中要找的對(duì)象或?qū)D像進(jìn)行分類；對(duì)不同區(qū)域進(jìn)行描述或?qū)ふ页霾煌瑓^(qū)域的相互聯(lián)系，進(jìn)而找出相似結(jié)構(gòu)或?qū)⑾嚓P(guān)區(qū)域連成一個(gè)有意義的結(jié)構(gòu)圖像分割的概念：把圖像分成互不重疊的區(qū)域并提取感興趣目標(biāo)的技術(shù)圖像分割的基本策略：分割算法基于灰度值的兩個(gè)基本特性：不連續(xù)性和相似性。檢測(cè)圖像像素灰度級(jí)的不連續(xù)性，找到點(diǎn)、線（寬度為1）、邊（不定寬度）。先找邊，后確定區(qū)域。檢測(cè)圖像像素的灰度值的相似性，通過(guò)選擇閾值，找到灰度值相似的區(qū)域，區(qū)域的外輪廓就是對(duì)象的邊。圖像分割的方法基于邊緣的分割方法：提取區(qū)域邊界，再確定邊界限定的區(qū)域。區(qū)域分割：確定每個(gè)像素的歸屬區(qū)域，從而形成一個(gè)區(qū)域圖。區(qū)域生長(zhǎng)，將屬性接近的連通像素聚集

23、成區(qū)域分裂合并分割，綜合利用前兩種方法，既存在圖像的劃分，又有圖像的合并。幾種常用的邊緣檢測(cè)算子：梯度算子：僅計(jì)算相鄰像素的灰度差，對(duì)噪聲比較敏感，無(wú)法抑止噪聲的影響。Roberts算子：與梯度算子檢測(cè)邊緣的方法類似，對(duì)噪聲敏感，但效果較梯度算子略好Prewitt算子：在檢測(cè)邊緣的同時(shí)，能抑止噪聲的影響Sobel算子：對(duì)4鄰域采用帶權(quán)方法計(jì)算差分；能進(jìn)一步抑止噪聲；但檢測(cè)的邊緣較寬方向算子：在計(jì)算邊緣強(qiáng)度的同時(shí)可以得到邊緣的方向；各方向間的夾角為45 曲面擬合法：其過(guò)程是求平均后再求差分，因而對(duì)噪聲有抑制作用。拉普拉斯算子拉普拉斯算子的分析：優(yōu)點(diǎn)：各向同性、線性和位移不變的；對(duì)細(xì)線和孤立點(diǎn)檢測(cè)

24、效果較好。缺點(diǎn)：對(duì)噪音的敏感，對(duì)噪聲有雙倍加強(qiáng)作用；不能檢測(cè)出邊的方向；常產(chǎn)生雙像素的邊緣。曲面擬合法：基于差分檢測(cè)圖像邊緣的算子往往對(duì)噪聲敏感。因此對(duì)一些噪聲比較嚴(yán)重的圖像就難以取得滿意的效果。若用平面或高階曲面來(lái)擬合圖像中某一小區(qū)域的灰度表面，求這個(gè)擬合平面或曲面的外法線方向的微分或二階微分檢測(cè)邊緣，可減少噪聲影響。其過(guò)程是求平均后再求差分，因而對(duì)噪聲有抑制作用邊緣跟蹤的概念：將檢測(cè)的邊緣點(diǎn)連接成線就是邊緣跟蹤；線是圖像的一種中層符號(hào)描述。 由邊緣形成線特征的兩個(gè)過(guò)程：可構(gòu)成線特征的邊緣提??；將邊緣連接成線。 由邊緣形成線特征的兩個(gè)過(guò)程：可構(gòu)成線特征的邊緣提?。粚⑦吘夁B接成線光柵掃描跟蹤：

25、是一種采用電視光柵行掃描順序，結(jié)合門限檢測(cè)，對(duì)遇到的像素進(jìn)行分析，從而確定是否為邊緣的跟蹤方法。具體步驟：在最后全向跟蹤：特點(diǎn)：全向跟蹤改進(jìn)了光柵掃描跟蹤法，跟蹤時(shí)把初始點(diǎn)的八鄰點(diǎn)全部考慮進(jìn)行跟蹤。Hough變換檢測(cè)法算法步驟：1在、的極值范圍內(nèi)對(duì)其分別進(jìn)行m，n等分，設(shè)一個(gè)二維數(shù)組的下標(biāo)與i、j的取值對(duì)應(yīng)；2對(duì)圖像上的所有邊緣點(diǎn)作Hough變換，求每個(gè)點(diǎn)在j(j0，1，n)Hough變換后的i ，判斷(i、j)與哪個(gè)數(shù)組元素對(duì)應(yīng)，則讓該數(shù)組元素值加1；3比較數(shù)組元素值的大小，最大值所對(duì)應(yīng)的(i、j)就是這些共線點(diǎn)對(duì)應(yīng)的直線方程的參數(shù)。 算法特點(diǎn)：對(duì)、量化過(guò)粗，直線參數(shù)就不精確，過(guò)細(xì)則計(jì)算量增

26、加。因此，對(duì)、量化要兼顧參數(shù)量化精度和計(jì)算量；Hough變換檢測(cè)直線的抗噪性能強(qiáng)，能將斷開的邊緣連接起來(lái)；此外Hough變換也可用來(lái)檢測(cè)曲線區(qū)域分割:一幅圖像中屬于同一區(qū)域的像素應(yīng)具有相同或相似的屬性，不同區(qū)域的像素屬性不同。因此圖像的分割就要尋求具有代表性的屬性，利用這類屬性進(jìn)行劃分，使具有相同屬性的像歸屬同一區(qū)域，不同屬性的像素歸屬不同區(qū)域。 閾值分割法：見附4復(fù)雜圖像的區(qū)域分割 基本思想:在全灰度范圍內(nèi)搜索出最佳的閾值組合；方法步驟: 1.自動(dòng)平滑直方圖 2.確定區(qū)域類數(shù) 3.自動(dòng)搜索多閾值值 4.按閾值分割圖像 17、特征空間聚類法(模式識(shí)別方法) 根據(jù)特征進(jìn)行模式分類是指根據(jù)提取的特

27、征值將一組目標(biāo)劃分到各類中的技術(shù)。利用特征空間聚類的方法進(jìn)行圖像分割可看成是對(duì)閾值分割概念的推廣。它將圖像空間中的像素用對(duì)應(yīng)的特征空間點(diǎn)表示，根據(jù)它們?cè)谔卣骺臻g的聚集對(duì)特征空間進(jìn)行分割，然后將它們映射回原圖像空間，得到分割的結(jié)果。類方法也是一種全局的方法，比基于邊緣檢測(cè)的方法更抗噪聲。 K均值聚類方法：見附3區(qū)域增長(zhǎng):把圖像分割成特征相同的若干小區(qū)域。比較相鄰小區(qū)域特征的相似性，若它們足夠相似，則作為同一區(qū)域合并，以此方式將特征相似的小區(qū)域不斷合并，直到不能合并為止，最后形成特征不同的各區(qū)域。相對(duì)于圖像灰度閾值分割技術(shù)而言考慮了區(qū)域增長(zhǎng)圖像像素空間的連通性。 附1光柵掃描跟蹤步驟(1)確定一個(gè)

28、比較高的閾值d，把高于該閾值的像素作為對(duì)象點(diǎn)。稱該閾值為“檢測(cè)閾值” 。(2)用檢測(cè)閾值d對(duì)圖像第一行像素進(jìn)行檢測(cè)，凡超過(guò)d的點(diǎn)都接受為對(duì)象點(diǎn)，并作為下一步跟蹤的起始點(diǎn)。(3)選取一個(gè)比較低的閾值作為跟蹤閾值，該閾值可以根據(jù)不同準(zhǔn)則來(lái)選擇。例如，取相鄰對(duì)象點(diǎn)之灰度差的最大值作為跟蹤閾值，有時(shí)還利用其他參考準(zhǔn)則，如梯度方向、對(duì)比度等。(4)確定跟蹤?quán)徲?。取像?i，j)的下一行像素(i+1，j-1)，(i+1，j)，(i+1，j+1)為跟蹤?quán)徲?5)掃描下一行像素，凡和上一行已檢測(cè)出來(lái)的對(duì)像點(diǎn)相鄰接的像素，其灰度差小于跟蹤閾值的，都接受為對(duì)象點(diǎn)，反之去除。(6)對(duì)于已檢測(cè)出的某一對(duì)象點(diǎn)，如果在下

29、一行跟蹤領(lǐng)域中，沒(méi)有任何一個(gè)像素被接受為對(duì)象點(diǎn)，那么，這一條曲線的跟蹤便可結(jié)束。如果同時(shí)有兩個(gè)，甚至三個(gè)鄰域點(diǎn)均被接受為對(duì)象點(diǎn)，則說(shuō)明曲線發(fā)生分支，跟蹤將對(duì)各分支同時(shí)進(jìn)行。如果若干分支曲線合并成一條曲線，則跟蹤可集中于一條曲線上進(jìn)行。一曲線跟蹤結(jié)束后，采用類似上述步驟從第一行的其他檢出點(diǎn)開始下一條曲線的跟蹤。(7)對(duì)于未被接受為對(duì)象點(diǎn)的其他各行像素，再次用檢測(cè)閾值進(jìn)行檢測(cè)，并以新檢出的點(diǎn)為起始點(diǎn)，重新使用跟蹤閾值程序，以檢測(cè)出不是從第一行開始的其他曲線。(8)當(dāng)掃描完最后一行時(shí)，跟蹤便可結(jié)束。附2全向跟蹤具體步驟：(1)按光柵掃描方式對(duì)圖像進(jìn)行掃描，用檢測(cè)閾值找出一個(gè)起始跟蹤的流動(dòng)點(diǎn)(沿被檢測(cè)

30、曲線流動(dòng))。(2)選取一個(gè)適當(dāng)?shù)摹⒛苓M(jìn)行全向跟蹤的鄰域定義(例如八鄰域)和一個(gè)適當(dāng)?shù)母櫆?zhǔn)則(例如灰度閾值、對(duì)比度和相對(duì)流動(dòng)點(diǎn)的距離等)，對(duì)流動(dòng)點(diǎn)進(jìn)行跟蹤。在跟蹤過(guò)程中，若：(a)遇到了分支點(diǎn)或者若干曲線的交點(diǎn)(即同時(shí)有幾個(gè)點(diǎn)都跟蹤一個(gè)流動(dòng)點(diǎn))，則先取其中和當(dāng)前流動(dòng)點(diǎn)性質(zhì)最接近的作為新的流動(dòng)點(diǎn)，繼續(xù)進(jìn)行跟蹤。而把其余諸點(diǎn)存儲(chǔ)起來(lái)，以備后面繼續(xù)跟蹤。如果在跟蹤過(guò)程中又遇到了新的分支或交叉點(diǎn)，則重復(fù)上面的處理步驟。當(dāng)按照跟蹤準(zhǔn)則沒(méi)有未被檢測(cè)過(guò)的點(diǎn)可接受為對(duì)象點(diǎn)時(shí)，一個(gè)分支曲線的跟蹤便已結(jié)束。(b)在一個(gè)分支曲線跟蹤完畢以后，回到最近的一個(gè)分支點(diǎn)處，取出另一個(gè)性質(zhì)最接近該分支點(diǎn)的像素作為新的流動(dòng)點(diǎn)，

31、重復(fù)上述跟蹤程序。(c)當(dāng)全部分支點(diǎn)處的全部待跟蹤點(diǎn)均已跟蹤完畢，便返回第一步，繼續(xù)掃描，以選取新的流動(dòng)點(diǎn)(不應(yīng)是已接收為對(duì)象的點(diǎn))。當(dāng)整幅圖像掃描完成時(shí)，跟蹤程序便結(jié)束。附3.K均值聚類方法：一般的閾值分割可看成是以像素的灰度為特征，灰度直方圖代表特征空間，用閾值將灰度直方圖特征空間劃分，把得到的特征類映射回圖像空間，不同灰度的像素構(gòu)成不同的區(qū)域。除像素灰度外，其他圖像特征也可用于聚類。 K均值算法是一種迭代算法，每迭代一次，類中心就刷新一次，經(jīng)過(guò)多次迭代，使類中心趨于穩(wěn)定為止。 K均值算法可以總結(jié)為下述幾步： (1)任意選K個(gè)初始類中心Z1，Z2，Zk；(2)使用最小距離判別法將所有樣本分

32、給K類；若|x-Zi|x-Zj|, ji,則xi類； (3)重新計(jì)算聚類中心Z1，Z2，Zk；(計(jì)算各類均值，并以此作為新的類均值)(4)若Zi=Zi則終止算法，輸出結(jié)果；否則，返回步驟(2)，繼續(xù)進(jìn)行。附4閾值分割法（1）.通過(guò)交互方式得到閾值；基本思想：在通過(guò)交互方式下，得到對(duì)象（或背景 ）的灰度值，比得到閾值T容易得多。(2). 通過(guò)直方圖得到閾值，缺點(diǎn)：會(huì)受到噪音的干擾，最小值不是預(yù)期的閾值，而偏離期望的值。改進(jìn)：取兩個(gè)峰值之間某個(gè)固定位置，如中間位置上。由于峰值代表的是區(qū)域內(nèi)外的典型值，一般情況下，比選谷底更可靠，可排除噪音的干擾(3). 通過(guò)邊界特性選擇閾值基本思想：1）如果直方圖

33、的各個(gè)波峰很高、很窄、對(duì)稱，且被很深的波谷分開時(shí)，有利于選擇閾值。2）為了改善直方圖的波峰形狀，我們只把區(qū)域邊緣的像素繪入直方圖，而不考慮區(qū)域中間的像素。3）用微分算子，處理圖像，使圖像只剩下邊界中心兩邊的值。方法優(yōu)點(diǎn)：1)在前景和背景所占區(qū)域面積差別很大時(shí)，不會(huì)造一個(gè)灰度級(jí)的波峰過(guò)高，而另一個(gè)過(guò)低2)邊緣上的點(diǎn)在區(qū)域內(nèi)還是區(qū)域外的概率是相等的，因此可以增加波峰的對(duì)稱性3)基于梯度和拉普拉斯算子選擇的像素，可以增加波峰的高度，算法的實(shí)現(xiàn)：1）對(duì)圖像進(jìn)行梯度計(jì)算，得到梯度圖像。2）得到梯度值最大的那一部分（比如10%的像素直方圖。3）通過(guò)直方圖的谷底，得到閾值T。如果用拉普拉斯算子，不通過(guò)直方圖

34、，直接得到閾值，方法是使用拉普拉斯算子過(guò)濾圖像，將0跨越點(diǎn)對(duì)應(yīng)的灰度值為閾值T。(4). 簡(jiǎn)單全局閾值分割，基本思想：用前述方法獲得閾值T，并產(chǎn)生一個(gè)二值圖，區(qū)分出前景對(duì)象和背景。算法實(shí)現(xiàn)：1）規(guī)定一個(gè)閾值T，逐行掃描圖像。2）凡灰度級(jí)大于T的，顏色置為255；凡灰度級(jí)小于T的，顏色置為0。適用場(chǎng)合：明度圖像是可以控制的情況，例如用于工業(yè)監(jiān)測(cè)系統(tǒng)中。(5). 分割連通區(qū)域基本思想：用前述方法獲得閾值T，并產(chǎn)生一個(gè)二值圖，區(qū)分出單獨(dú)的連通前景對(duì)象和背景區(qū)域。算法實(shí)現(xiàn)：1）規(guī)定一個(gè)閾值T，上下左右4個(gè)方向進(jìn)行逐行掃描圖像。2）凡灰度級(jí)大于T的，顏色置為255；凡灰度級(jí)小于T的，顏色置為0 第八章

35、二值圖像處理與形狀分和析紋理分析 1、歐拉數(shù)：在二值圖像中，1像素連接成分?jǐn)?shù)C減去孔數(shù)H的值叫做這幅圖像的歐拉數(shù)或示性數(shù)。若用E表示圖像的歐拉數(shù)，則 E=C-H 。對(duì)于一個(gè)1像素連接成分，1減去這個(gè)連接成分中所包含的孔數(shù)的差值叫做這個(gè)1像素連接成分的歐拉數(shù)。顯然，二值圖像的歐拉數(shù)是所有1像素連接成分的歐拉數(shù)之和。 2、像素的可刪除性和連接數(shù) ：二值圖像上改變一個(gè)像素的值后，整個(gè)圖像的連接性并不改變（各連接成分既不分離、不結(jié)合，孔也不產(chǎn)生、不消失），則這個(gè)像素是可刪除的。像素的可刪除性可用像素的連接數(shù)來(lái)檢測(cè)。 二值圖像中B(p) = 1時(shí)，像素p的連接數(shù)Nc（p）為與p連接的連接成分?jǐn)?shù)。 3、分

36、類:同一圖像的像素，在4-或8-鄰接的情況下，該像素的連接數(shù)是不同的。像素的連接數(shù)作為二值圖像局部的特征量是很有用的。按連接數(shù)Nc(p)大小可將像素分為以下幾種： 孤立點(diǎn)：B（p）= 1的像素p，在4-/8-鄰接的情況下，當(dāng)其4-/8-鄰接的像素全是0時(shí)，像素p叫做孤立點(diǎn)。其連接數(shù)Nc(p)=0。 內(nèi)部點(diǎn)：B（p）= 1的像素p，在4-/8-鄰接的情況下，當(dāng)其4-/8-鄰接的像素全是1時(shí)，叫做內(nèi)部點(diǎn)。內(nèi)部點(diǎn)的連接數(shù)Nc(p)=0。 邊界點(diǎn):在B（p）= 1的像素中，把除了孤立點(diǎn)和內(nèi)部點(diǎn)以外的點(diǎn)叫做邊界點(diǎn)。在邊界點(diǎn)上，1Nc(p)4。 Nc(p)的像素為可刪除點(diǎn)或端點(diǎn)； Nc(p)的像素為連接點(diǎn)

37、； Nc(p)的像素為分支點(diǎn)； Nc(p)的像素為交叉點(diǎn)。背景點(diǎn)：把B（p）= 0的像素叫做背景點(diǎn)v4對(duì)二值圖像進(jìn)行增強(qiáng)處理，稱為二值圖像連接成分的變形操作。以便從二值圖像中準(zhǔn)確提取有關(guān)特征，5連接成分的標(biāo)記:為區(qū)分二值圖像中的連接成分，求得連接成分個(gè)數(shù)，對(duì)屬于同一個(gè)像素連接成分的所有像素分配相同的編號(hào)，對(duì)不同的連接成分分配不同的編號(hào)的操作，叫做連接成分的標(biāo)記。 6膨脹和收縮 膨脹就是把連接成分的邊界擴(kuò)大一層的處理。收縮則是把連接成分的邊界點(diǎn)去掉從而縮小一層的處理。7開運(yùn)算（先腐蝕在膨脹）使目標(biāo)輪廓光滑，并去掉了毛刺和孤立點(diǎn)，銳化角；閉運(yùn)算填平小溝，彌合孔洞和裂縫。膨脹和腐蝕的反復(fù)使用就可檢測(cè)

38、或清除二值圖像中的小成分或孔。8、距離變換和骨架 ：距離變換是求二值圖像中各1像素到0像素的最短距離的處理。 在經(jīng)過(guò)距離變換得到的圖像中，最大值點(diǎn)的集合就形成骨架，即位于圖像中心部分的線像素的集合，也可以看作是圖形各內(nèi)接圓中心的集合。 它反映了原圖形的形狀。給定距離和骨架就能恢復(fù)該圖形，但恢復(fù)的圖形不能保證原始圖形的連接性。常用于圖形壓縮、提取圖形幅寬和形狀特征等。細(xì)化 ：細(xì)化是從二值圖像中提取線寬為1像素的中心線的操作。 邊界跟蹤： 為了求得區(qū)域間的連接關(guān)系，必須沿區(qū)域的邊界點(diǎn)跟蹤像素，稱之為邊界（或邊緣）跟蹤。 邊界跟蹤是在圖像邊緣連接明確的假設(shè)下進(jìn)行的。但實(shí)際上很多圖像的邊緣連接并不是明

39、顯的，這時(shí)可以采用濃淡圖像直接跟蹤邊緣的方法。 直接跟蹤濃淡圖像邊緣的時(shí)候，必須同時(shí)進(jìn)行邊緣檢出。邊緣檢出算法之一，就是根據(jù)圖像斜率的大小和方向跟蹤邊緣的像素。當(dāng)邊緣是直線時(shí)，這種方法比較簡(jiǎn)單。 形狀分析是指用計(jì)算機(jī)圖像處理與分析系統(tǒng)對(duì)圖像中的諸目標(biāo)提取形狀特征，對(duì)圖像進(jìn)行識(shí)別和理解。區(qū)域形狀特征的提取有三類方法：區(qū)域內(nèi)部（包括空間域和變換域）形狀特征提??；區(qū)域外部（包括空間域和變換域）形狀特征提?。?利用圖像層次型數(shù)據(jù)結(jié)構(gòu)，提取形狀特征。有些圖像在局部區(qū)域內(nèi)呈現(xiàn)不規(guī)則性，而在整體上表現(xiàn)出某種規(guī)律性。習(xí)慣上，把這種局部不規(guī)則而宏觀有規(guī)律的特性稱之為紋理；以紋理特性為主導(dǎo)的圖像，常稱為紋理圖像；

40、以紋理特性為主導(dǎo)特性的區(qū)域，常稱為紋理區(qū)域。紋理作為一種區(qū)域特性，在圖像的一定區(qū)域上才能反映或測(cè)量出來(lái)。為了定量描述紋理，多年來(lái)人們建立了許多紋理算法以測(cè)量紋理特性。這些方法大體可以分為兩大類：統(tǒng)計(jì)分析法和結(jié)構(gòu)分析法。前者從圖像有關(guān)屬性的統(tǒng)計(jì)分析出發(fā)；后者則著力找出紋理基元，然后從結(jié)構(gòu)組成上探索紋理的規(guī)律。也有直接去探求紋理構(gòu)成的結(jié)構(gòu)規(guī)律的。影像紋理的直方圖分析法 ：紋理區(qū)域的灰度直方圖作為紋理特征,為了研究灰度直方圖的相似性，可以比較累積灰度直方圖分布，計(jì)算灰度級(jí)的最大偏差或總偏差。如果限定對(duì)象，則采用這樣簡(jiǎn)單的方法也能夠識(shí)別紋理。但是灰度直方圖不能得到紋理的二維灰度變化，即使作為一般性的紋理識(shí)別法，其能力是很低的。提取二值圖像中特征點(diǎn)的方法:1標(biāo)記2膨脹和收縮3細(xì)化4形狀特征提取與分析Laws紋理能量測(cè)量法 ：Laws的紋理能量測(cè)量法