圖像處理算法

1、HYPERLINK /rocky69/article/details/7244262圖像處理算法 1)將256*256分辨率的圖像變?yōu)?28*128分辨率可以將源圖像劃分成2*2的子圖像塊,然後將2*2的子圖像塊的所有像素顏色均按照F(i,j)的顏色值進(jìn)行設(shè)定，達(dá)到降低分辨率的目的。如:F(i,j) F(i,j+1) F(i,j) F(i,j)F(i+1,j) F(i+1,j+1) 變成 F(i,j) F(i,j)（同理，256*256分辨率的圖像變成64*64分辨率，只需要?jiǎng)澐殖?*4即可，以此類推。）2) R單色, G單色,B單色化圖像，只需要將圖像的每一個(gè)像素中的相應(yīng)的R, G, B值取

2、出，然後利用類似(R,R,R),(G,G,G),(B,B,B)的像素重新繪制即可。3) 彩色圖像的RGB和亮度Y，色差I(lǐng)，信號(hào)值Q的關(guān)系| Y | |0.31 0.59 0.11 | | R | I | = |0.60 -0.28 -0.32 | * | G |Q | |0.21 -0.52 -0.31 | | B |即 Y = 0.31R + 0.59G+0.11B I = 0.60R - 0.28G - 0.32B Q = 0.21R - 0.52B - 0.31B4) 彩色圖像的逆反處理： 將對(duì)應(yīng)的(R, G, B)像素替換成(255 - R, 255 - G, 255 - B) 彩色圖

3、像的平滑處理: 將一個(gè)圖片每一個(gè)像素的顏色由其相鄰的n*n個(gè)像素的平均值來替代。例如，將一個(gè)3*3的點(diǎn)陣，設(shè)帶平滑的像素為f(i, j),平滑後為g(i, j)，那麼f(i-1,j-1) f(i-1,j) f(i-1,j+1)f(i,j-1) f(i,j) f(i,j+1)f(i+1,j-1) f(i+1,j) f(i+1,j+1)g(i,j)=( f(i-1,j-1) + f(i-1,j) + f(i-1,j+1) + f(i,j-1) + f(i,j) + f(i,j+1) + f(i+1,j-1) + f(i+1,j) + f(i+1,j+1) ) / 9這裡要注意的是對(duì)於邊緣的像素的情

4、況，防止越界。 彩色圖像的霓虹處理: 同樣以上面的3*3的點(diǎn)陣為例，目標(biāo)像素g(i,j)應(yīng)當(dāng)以f(i,j)與f(i,j+1)，f(i,j)與f(i+1,j)的梯度作為R,G,B分量，我們不妨設(shè)f(i,j)的RGB分量為(r1, g1, b1), f(i,j+1)為(r2, g2, b2), f(i+1,j)為(r3, g3, b3), g(i, j)為(r, g, b),那麼結(jié)果應(yīng)該為r = 2 * sqrt( (r1 - r2)2 + (r1 - r3)2 )g = 2 * sqrt( (g1 - g2)2 + (g1 - g3)2 )b = 2 * sqrt( (b1 - b2)2 + (

5、b1 - b3)2 ) 彩色圖像的銳化處理: 設(shè)f(i,j)像素為(r1, g1, b1) , f(i-1,j-1)像素為(r2,g2,b2), g(i,j)像素為(r,g,b),則r = r1 + 0.25 * |r1 - r2|g = g1 + 0.25 * |g1 - g2|b = b1 + 0.25 * |b1 - b2| 彩色圖像的浮雕處理: g(i, j) = f(i, j) - f(i - 1, j) + 常數(shù) ， 這裡的常數(shù)通常選作128 彩色圖像的鑲嵌處理: 與彩色圖像的平滑處理類似，但是不同的地方在於3*3的目標(biāo)像素點(diǎn)都取作g(i,j)，而不是另外的再去取所在矩陣像素的平均

6、值。 彩色圖像的灰度處理: r = r1 / 64 * 64 g = g1 / 64 * 64 b = b1 / 64 * 64 注意這裡的除法是程序設(shè)計(jì)當(dāng)中的整數(shù)除法。5) 圖象的幾何變換：平移，縮放，旋轉(zhuǎn)等均於解析幾何當(dāng)中的保持一致。6) 圖象的濾波處理 卷積濾波 原理是 y(n1, n2)=x(m1,m2)h(n1-m1,n2-m2) (兩個(gè)求和符號(hào)的范圍分別是 m1:0N m2:0N)其中x(m1,m2)為輸入圖像信號(hào),h(n1-m1,n2-m2)為濾波系統(tǒng)對(duì)單位采樣序列(n1,n2)的響應(yīng)。 低通濾波一般而言，圖像中的噪聲頻譜位於空間頻率較高的區(qū)域，空間域低通濾波用於平滑噪聲。常用低

7、通濾波的h(n1, n2) 的3*3陣列如下： 1/9 1/9 1/9h(n1, n2) = 1/9 1/9 1/9 1/9 1/9 1/9 1/10 1/10 1/10h(n1, n2) = 1/10 2/10 1/10 1/10 1/10 1/10 1/16 1/8 1/16h(n1, n2) = 1/8 1/4 1/8 1/16 1/8 1/16采用5*5陣列低通濾波h(n1,n2)如下： 1/35 1/35 1/35 1/35 1/35 1/35 2/35 2/35 2/35 1/35h(n1, n2) = 1/35 2/35 3/35 2/35 1/35 1/35 2/35 2/35

8、 2/35 1/35 1/35 1/35 1/35 1/35 1/35 高通濾波 空域高通濾波是對(duì)圖像的低頻分量進(jìn)行擬制，讓圖像的高頻分量無損耗或者低損耗的通過?？沼蚋咄V波常用的h(n1,n2)的如下: 0 -1 0h(n1, n2) = -1 5 -1 0 -1 0 -1 -1 -1h(n1, n2) = -1 9 -1 -1 -1 -1 1 -2 1h(n1, n2) = -2 5 -2 0 -2 1 增強(qiáng)處理 水平增強(qiáng)增強(qiáng)圖像水平方向線條也是一種高通濾波。水平增強(qiáng)的h(n1, n2)的例子如下: 0 0 0h(n1, n2) = 0 0 0 -1 2 -1 垂直增強(qiáng)增強(qiáng)圖像垂直方向線條

9、也是一種高通濾波。水平增強(qiáng)的h(n1, n2)的例子如下: -1 0 0h(n1, n2) = 2 0 0 -1 0 0 水平垂直增強(qiáng)水平垂直增強(qiáng)圖像也是一種高通濾波。水平增強(qiáng)的h(n1, n2)的例子如下: -1 -1 -1h(n1, n2) = -1 8 -1 -1 -1 -1 結(jié)構(gòu)濾波 並聯(lián)型結(jié)構(gòu)濾波結(jié)構(gòu)如圖:例如，當(dāng) 0 0 0h1(n1, n2) = 0 0 0 -1 2 -1 -1 0 0h2(n1, n2) = 2 0 0 -1 0 0則h(n1, n2)為 -1 0 0h(n1, n2) = 2 0 0 -1 2 -1 串聯(lián)型結(jié)構(gòu)濾波結(jié)構(gòu)如圖:例如，當(dāng) 0 0 0h1(n1,

10、n2) = 0 0 0 -1 2 -1 -1 0 0h2(n1, n2) = 2 0 0 -1 0 0則h(n1, n2)為 1 -2 1h(n1, n2) = -2 4 -2 1 -2 17) 圖象的切換特效處理 上部和下部對(duì)接顯示只需要不斷的同時(shí)描繪對(duì)稱的上部和下部的一行像素即可 左部和右部對(duì)接顯示只需要不斷的同時(shí)描繪對(duì)稱的左部和右部的一列像素即可 四邊向中央顯示只需要不斷的同時(shí)等進(jìn)階的描繪四邊直至描繪到中心點(diǎn)即可 中央向四邊顯示只需要不斷的從中心點(diǎn)同時(shí)等進(jìn)階的描繪四邊直至描繪到邊緣即可 四角向中心顯示從左上角，右下角分別同時(shí)沿著主對(duì)角線等進(jìn)階的描繪自己所在像素的行，列像素直至中心 水平刪

11、條設(shè)定分割長(zhǎng)度L， 然後分別從高度為L(zhǎng), 2L, 3L . 處等進(jìn)階的描繪行像素，顯然這裡進(jìn)階所需描繪高度為L(zhǎng) 垂直刪條設(shè)定分割長(zhǎng)度L， 然後分別從寬度為L(zhǎng), 2L, 3L . 處等進(jìn)階的描繪列像素，顯然這裡進(jìn)階所需描繪寬度為L(zhǎng) 由左向右（由右向左）分別從左至右(從右至左)不斷的描繪列像素直至邊緣 由上向下（由下向上）分別由上向下（由下向上）不斷的描繪行像素直至邊緣8) 邊緣探測(cè)在圖像測(cè)量，模式識(shí)別時(shí)，從圖像中抽出線條，檢測(cè)出圖像邊緣或者抽出圖像輪廓是最常用的操作。迄今為止，已經(jīng)出現(xiàn)了許多成熟的算法。例如微分算法，掩模算法等。在微分算法中，常使用N*N的像素塊，例如3*3或者4*4。3*3的像

12、素塊如下，f(i-1,j-1) f(i-1,j) f(i-1,j+1)f(i,j-1) f(i,j) f(i,j+1)f(i+1,j-1) f(i+1,j) f(i+1,j+1)我們不妨設(shè)f(i,j)為待處理的像素，而g(i, j)為處理後的像素。 Roberts算子g(i, j) = sqrt( (f(i, j) - f(i + 1, j)2 + (f(i + 1, j) - f(i, j + 1)2 )或者g(i, j) = |f(i,j) - f(i + 1,j)| + |f(i+1,j) - f(i,j+1)| Sobel算子對(duì)數(shù)字圖像的每一個(gè)像素f(i,j),考察它的上、下、左、右鄰

13、域灰度的加權(quán)值，把各方向上(0度、45度、90度、135度)的灰度值加權(quán)之和作為輸出，可以達(dá)到提取圖像邊緣的效果。即 g(i,j) = fxr + fyr, 其中fxr = f(i-1,j-1)+2*f(i-1,j)+f(i-1,j+1)-f(i+1,j-1)-2*f(i+1,j)-f(i+1,j+1)fyr = f(i-1,j-1)+2*f(i,j-1)+f(i+1,j-1)-f(i-1,j+1)-2*f(i,j+1)-f(i+1,j+1) Laplace算子Laplace算子是一種二階微分算子。它有兩種形式:4鄰域微分算子和8鄰域微分算子。 4鄰域微分g(i,j)=|4*f(i,j)-f(

14、i,j-1)-f(i-1,j)-f(i+1,j)-f(i,j+1)| 8鄰域微分g(i,j)=|8*f(i,j)-f(i,j-1)-f(i-1,j)-f(i+1,j)-f(i,j+1)-f(i-1,j-1)-f(i-1,j+1)-f(i+1,j-1)-f(i+1,j+1)| 其他常用算子 右下邊緣抽出采用3*3算子時(shí)，表達(dá)式為g(i,j)=|-2*f(i,j-1)-2*f(i-1,j)+2*f(i+1,j)+2*f(i,j+1)| prewitt 邊緣探測(cè)樣板算子prewitt算子是一個(gè)邊緣模板算子，由八個(gè)方向的樣板組成，能夠在0度，45度，90度，135度，180度，225度角等八個(gè)方向檢測(cè)

15、邊緣。8個(gè)3*3邊緣模板及方向如下：90度角: 45度角:1 1 1 -1 -1 -11 -2 1 1 -2 1-1 -1 -1 1 1 10度角: 315度角:-1 1 1 1 1 -1-1 -2 1 1 -2 -1-1 1 1 1 1 -1270度角： 225度角:1 1 1 -1 -1 1-1 -2 1 -1 -2 1-1 -1 1 1 1 1180度角： 135度角：1 1 1 1 -1 -11 -2 -1 1 -2 -11 -1 -1 1 1 13*3時(shí)表達(dá)式如下:A1*f(i-1,j-1) A8*f(i,j-1) A7*f(i+1,j-1)A2*f(i-1,j) -2*f(i,j)

16、 A6*f(i+1, j)A3*f(i-1,j+1) A4*f(i,j+1) A5*f(i+1,j+1)g(i,j)=|-2*f(i,j)+A8*f(i,j-1)+A1*f(i-1,j-1)+A2*f(i-1,j)+A3*f(i-1,j+1)+A4*f(i,j+1)+A5*f(i+1,j+1)+A6*f(i+1,j)+A7*f(i+1,j-1)|在程序設(shè)計(jì)中，依次用樣板去檢測(cè)圖像，與被檢測(cè)區(qū)域最為相似的樣板給出最大值，用該最大值作為算子的輸出值。 Robinson算子Robinson算子是一個(gè)模板算子，由八個(gè)方向的樣板組成，能夠在0度，45度，90度，135度，180度，225度角等八個(gè)方向檢

17、測(cè)邊緣。8個(gè)3*3邊緣模板及方向如下：90度角: 45度角:1 2 1 0 1 20 0 0 -1 0 1-1 -2 -1 -2 -1 00度角: 315度角:-1 0 1 -2 -1 0-2 0 2 -1 0 1-1 0 1 0 1 2270度角： 225度角:-1 -2 -1 0 -1 -20 0 0 1 0 -11 2 1 2 1 0180度角： 135度角：1 0 -1 2 1 02 0 -2 1 0 -11 0 -1 0 -1 -2使用方法與prewitt算子一樣。 Kirsch算子Kirsch算子是一個(gè)模板算子，由八個(gè)方向的邊緣樣板組成，能夠在0度，45度，90度，135度，180

18、度，225度角等八個(gè)方向檢測(cè)邊緣。8個(gè)3*3邊緣模板及方向如下：90度角: 45度角:5 5 5 -3 5 5-3 0 -3 -3 0 5-3 -3 -3 -3 -3 -30度角: 315度角:-3 -3 5 -3 -3 -3-3 0 5 -3 0 5-3 -3 5 -3 5 5270度角： 225度角:5 5 -3 -3 -3 -35 0 -3 5 0 -3-3 -3 -3 5 5 -3180度角： 135度角：5 -3 -3 5 5 -35 0 -3 5 0 -35 -3 -3 -3 -3 3使用方法與prewitt算子一樣。 Smoothed算子Smoothed算子是一個(gè)3*3的算子，設(shè)

19、 |-1 0 1| |1 1 1|Dx = |-1 0 1| Dy = |0 0 0| |-1 0 1| |-1 -1 -1|則 D = sqrt(Dx2 + Dy2) 或者 D = |Dx| + |Dy|或 Dx(i, j) = f(i-1,j+1)+f(i,j+1)+f(i+1,j+1)-f(i-1,j-1)-f(i,j-1)-f(i+1,j-1) Dy(i,j) = f(i-1,j-1)+f(i-1,j)+f(i-1,j+1)-f(i+1,j-1)-f(i+1,j)-f(i+1,j+1)9) 灰度圖像處理所謂灰度處理是根據(jù)單色圖像的灰度對(duì)輸出圖像的灰度進(jìn)行再定義、以改善圖像的對(duì)比度。單色

20、圖像的灰度有256級(jí)、128級(jí)、64級(jí)等，下面均以256級(jí)單色圖像舉例。我們不妨設(shè)源圖像的灰度值為f(i,j),處理後的灰度值為g(i,j) 逆反處理與彩色圖像的逆反處理一樣: g(i,j) = 255 - f(i,j) 灰度級(jí)切換灰度級(jí)切換的輸入、輸出灰度值對(duì)應(yīng)關(guān)系如下: 增大對(duì)比度輸入的灰度值越高，對(duì)應(yīng)的輸出灰度值越低。灰度值減少，圖像變暗，從而使對(duì)比度增加。 減小對(duì)比度 改善對(duì)比度 增強(qiáng)對(duì)比度 局部濾波處理局部濾波處理是指利用3*3的圖像塊內(nèi)的像素的顏色值對(duì)當(dāng)前像素進(jìn)行設(shè)定的一種圖像處理技術(shù)。 平均值濾波與彩色圖像平滑處理類似。g(i,j)=( f(i-1,j-1) + f(i-1,j)

21、 + f(i-1,j+1) + f(i,j-1) + f(i,j) + f(i,j+1) + f(i+1,j-1) + f(i+1,j) + f(i+1,j+1) ) / 9這裡要注意的是對(duì)於邊緣的像素的情況，防止越界。 最小值濾波最小值濾波是指在圖像中以當(dāng)前像素f(i,j)為中心切出一個(gè)N*M（例如3*3）像素組成的圖像塊，g(i,j)取圖像塊中灰度值中的最小值 最大值濾波最大值濾波是指在圖像中以當(dāng)前像素f(i,j)為中心切出一個(gè)N*M（例如3*3）像素組成的圖像塊，g(i,j)取圖像塊中灰度值中的最大值 中值濾波中值濾波是指在圖像中以當(dāng)前像素f(i,j)為中心切出一個(gè)N*M（例如3*3）像

22、素組成的圖像塊，g(i,j)取圖像塊中所有灰度排序後序列的中間值10) 灰度圖像處理 灰度圖像的二值化 灰度圖像直方圖對(duì)於每個(gè)灰度值，求出在圖像中具有該灰度值的像素?cái)?shù)的圖形叫做灰度直方圖?；叶戎狈綀D是灰度級(jí)的函數(shù)，描述圖像中具有相同灰度像素的個(gè)數(shù)?；叶戎狈綀D的橫坐標(biāo)是灰度級(jí)，縱坐標(biāo)是該灰度出現(xiàn)的頻率（即像素的個(gè)數(shù)）。直方圖的用途主要是給出了一個(gè)簡(jiǎn)單可見的指示，用來判斷一幅圖像是否合理的利用了全部被允許的灰度級(jí)范圍。一般一幅數(shù)字圖像應(yīng)該利用全部或幾乎全部可能的灰度級(jí)范圍。一般一幅數(shù)字圖像應(yīng)該利用全部或幾乎全部可能的灰度級(jí)，否則增加了量化間隔。一旦被數(shù)字化圖像的級(jí)數(shù)小於255，丟失的信息將不能恢復(fù)

23、。如果圖像具有超出數(shù)字量化器所能處理的范圍的亮度，則這些灰度級(jí)將簡(jiǎn)單的置為0或255，由此將在直方圖的一端或兩端產(chǎn)生尖峰。灰度圖像直方圖具有直方圖的一些統(tǒng)計(jì)特征參量，包括了灰度最大值，灰度最小值，均值和標(biāo)準(zhǔn)差。 闕值計(jì)算和圖像二值化圖像二值化的闕值處理方式為:g(i,j) = 1; f(i,j)=tg(i,j) = 0; f(i,j)255(3) 計(jì)算灰度類均值(Aver(k)和類直方圖和(W(k)Aver(k) = sigma(i+1)*Phs(i) i: 0-kW(k) = sigma(Phs(i) i: 1-k（4）計(jì)算類分離指標(biāo)Q(k)=Ave*W(k)-Aver(k)2)/W(k)*

24、(1-W(k)(5) 求使Q最大的k 最佳闕值: T = k - 1 灰度級(jí)切片法將輸入圖像的某一灰度級(jí)范圍內(nèi)的所有像素全部置為0（黑），其余灰度級(jí)的所有像素全部置為255（白），則生成黑白二值圖像。 等灰度片二值化將輸入圖像在某兩個(gè)等寬的灰度級(jí)范圍內(nèi)的所有像素全部置為0（黑），其余灰度級(jí)的所有像素全部置為255（白），則生成黑白二值圖像。 線性二值化將輸入圖像在某一灰度級(jí)內(nèi)的所有像素全部置為0（黑），其余灰度級(jí)的所有像素全部置為原值的1/2，則生成黑白二值圖像，並將圖像與背景分離。 二值圖像處理二值圖像處理是指將二值化的圖像進(jìn)行某種修正，使之更適合於圖像測(cè)量。二值圖像處理包括以下操作:膨脹 使粒子變大。對(duì)圖像進(jìn)行膨脹處理之後再進(jìn)行收縮處理，則可以修正圖像的凹槽收縮 使粒子變小。對(duì)圖像進(jìn)行收縮處理之後再進(jìn)