數(shù)字圖像處理與機器視覺-課件

數(shù)字圖像處理與機器視覺1-數(shù)字圖像處理與機器視覺1-第0章數(shù)字圖像處理概述第1章Matlab圖像處理編程基礎第7章彩色圖像處理重點：Matlab編程基礎難點：彩色圖像處理12內容-第0章數(shù)字圖像處理概述第1章Matlab圖像處理編0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識12第0章數(shù)字圖像處理概述-0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字(1)去噪處理的效果圖像處理的典型示例（一）-圖像處理的典型示例（一）-(1)去噪處理的效果ImageDenoisingBasedonPDEMethod圖像處理的典型示例（二）-(1)去噪處理的效果ImageDenoisingBase(2)去模糊處理的效果圖像處理的典型示例（三）-圖像處理的典型示例（三）-(2)去模糊處理的效果圖像處理的典型示例（四）-圖像處理的典型示例（四）-學術研討CV——Conference1、ICCV，InternationalConferenceonComputerVision2、CVPR，InternationalConferenceonComputerVisionandPatternRecognition3、ECCV，EuropeanConferenceonComputerVisionCV——JournalBest:

PAMI，IEEETrans.onPatt.AnalysisandMachineIntelligence

IJCV，Inter.Jour.onComp.Vision

Good:

CVIU，ComputerVisionandImageUnderstanding

PR,

PatternReco.Graphics——Conference1、Siggraph，ACMSigGraph2、EuroGraphGraphics——Journal

1、IEEE(ACM)Trans.onGraphics

2、IEEETrans.onVisualizationandComputerGraphics-學術研討CV——Conference-從CVPR2013看計算機視覺領域的最新熱點1、RGB-D數(shù)據的分析2、中層patch的分析——在局部特征很難具有足夠的描述力的情況下，中層特征的提取和分析就顯得更加重要。3、深度學習以及特征學習——在慢慢具備海量數(shù)據處理能力的今天，深度學習確實是解決問題的一個很好的途徑。深度學習必須結合好的特征學習，才是解決問題的王道。-從CVPR2013看計算機視覺領域的最新熱點1、RGB-D從CVPR2014看計算機視覺領域的最新熱點1、深度學習（DeepLearning）是當下最熱門的方向之一；2、基礎模型研究——3D幾何模型3、Low-levelVision——主要針對圖像本身及其內在屬性的分析及處理，比如判斷圖片拍攝時所接受的光照，反射影響以及光線方向，進一步推斷拍攝物體的幾何結構；再如圖片修復，如何去除圖片拍攝中所遇到的抖動和噪聲等不良影響。4、DepthSensor（深度傳感器）及深度圖像相關-從CVPR2014看計算機視覺領域的最新熱點1、深度學習（D120.1數(shù)字圖像1、數(shù)字圖像是能夠在計算機上顯示和處理的圖像，根據其特性可分為位圖和矢量圖。位圖通常使用數(shù)字陣列來表示，如BMP、JPG、GIF等矢量圖由矢量數(shù)據庫表示，如PNG圖形2、數(shù)字圖像模型其對應的矩陣模型為其中代表在坐標處的像素色彩或灰度值。0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-120.1數(shù)字圖像1、數(shù)字圖像是能夠在計算機上顯示和處理3、數(shù)字圖像分類二值圖像：0表示黑色，1表示白色灰度圖像：0~255，256級，介于黑色與白色之間的顏色深度。RGB圖像：三原色可以表示顏色各類256*256*256=224索引圖像：作用就是體積小，方便傳輸，只需要把索引表傳輸過去，接收方用對應的RGB顏色表還原顏色信息。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-3、數(shù)字圖像分類0.1數(shù)字圖像0.2數(shù)字圖像處理0.4、圖像的空間分辨率概念：圖像中每單位長度所包含的像素或點的數(shù)目，常以像素/英寸(pixelsperinch,ppi)為單位來表示。分辨率越高，圖像越清晰，圖像文件所需的磁盤空間也越大，編輯和處理所需的時間也越長。

一般來說，采樣間隔越大，所得圖像像素數(shù)越少，空間分辨率低，質量差，嚴重時出現(xiàn)像素呈塊狀的棋盤格效應(CheckerboardEffect)；采樣間隔越小，所得圖像像素數(shù)越多，空間分辨率高，圖像質量好，但數(shù)據量大。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-4、圖像的空間分辨率一般來說，采樣間隔越大，所得圖5、圖像的灰度級/輻射計量分辨率概念：灰度級指圖像中可分辨的灰度級數(shù)目。量化等級越多，所得圖層次越豐富，灰度分辨率高，圖像質量好，但數(shù)據量大；

量化等級越少，圖像層次欠豐富，灰度分辨率低，會出現(xiàn)假輪廓現(xiàn)象，圖像質量變差，但數(shù)據量小。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-5、圖像的灰度級/輻射計量分辨率量化等級越多，所0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處（1）圖像預處理——改善象質，以便于目視判讀。校正技術：對形狀變形的圖象進行幾何校正、輻射校正。增強技術：去除干擾，突出主要特征，包括：平滑與銳化技術?；謴图夹g：1）去除噪音干擾，恢復原圖像； 2）運動模糊圖像、退化圖像的恢復、相位恢復等。（2）圖像分析：圖像分割，紋理分析，平面幾何參數(shù)，三維參數(shù)測量技術等。（3）圖像編碼與壓縮：PCM（脈沖編碼調制），統(tǒng)計編碼，預測編碼，變換編碼,

無損壓縮,有損編碼等；圖像編碼的國際標準,圖像壓縮的國際標準。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-（1）圖像預處理——改善象質，以便于目視判讀。0.1數(shù)（4）圖像重建：基于變換的重建，卷積法重建，代數(shù)重建，重建的優(yōu)化。（5）圖像修復：平滑修復，基于總變分（TV）的修復，基于PDE的修復等。（6）圖像識別：模式識別與景物分析

★圖像處理的特點：（1）再現(xiàn)性好：數(shù)字圖像可多次拷貝，不失真，不退化。（2）精度高：采樣量化一定，多次處理可保精度。（3）適用面寬：可處理抽象數(shù)據、可做非線性處理（光學處理多為線性處理）0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-（4）圖像重建：基于變換的重建，卷積法重建，代數(shù)重建，重建的圖像處理的應用領域森林覆蓋計算，農作物估產，水質及大氣污染調查。資源勘探，地圖繪制，地理信息系統(tǒng)（GIS）。森林火災監(jiān)護－－客觀反映火災情況、面積。魚群探查，海洋污染檢測；河流分布，水利及水害調查。軍事偵察，導彈制導，電子沙盤，軍事訓練等。身份認證：指紋、掌紋、虹膜等識別。醫(yī)學應用：CT、MRI、血管造影、紅外乳腺、顯微病理、電子顯微鏡、遠程醫(yī)療圖像、皮膚圖象、X線、γ刀與χ刀腦外科等都離不開圖像。工業(yè)圖像：X線控探傷（軸）、X線檢察、三維測量（定位、形狀測量）機器人視覺、商檢。民用：數(shù)碼相機、數(shù)字視頻、照片掃描等。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-圖像處理的應用領域0.1數(shù)字圖像0.2數(shù)字圖像處理0

視覺系統(tǒng)的功能結構機器(計算機)視覺要達到的三個基本目的：(1)根據一幅或多幅二維投影圖象計算出觀察點到目標物體的距離;(2)根據一幅或多幅二維投影圖象計算出目標物體的運動參數(shù)；(3)根據一幅或多幅二維投影圖象計算出目標物體的表面物理特性。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處機器(計算機)視覺技術的應用舉例工業(yè)領域（生產裝配、質量檢驗）機器人（星球探測機器人）遙感圖像分析（植被分析）醫(yī)學圖像分析（骨骼定位）安全鑒別、監(jiān)視與跟蹤（門禁系統(tǒng)、視頻監(jiān)控）國防系統(tǒng)（目標自動識別與目標跟蹤）圖像與視頻檢索（基于內容的檢索）文物保護（數(shù)字博物館）其他（游戲、動畫、體育、人機交互）…………0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識火星車CMU月球探測實驗車Nomad漫游者-機器(計算機)視覺技術的應用舉例0.1數(shù)字圖像0.20.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識1、像素的鄰域P的4領域N4(P)P的對角領域ND(P)P的8領域N8(P)+=-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識2、像素間的鄰接，連接和連通像素的鄰接(PixelAdjacency)兩個像素是否鄰接就看它們是否接觸，一個像素和在它鄰域中的像素是接觸的，所以也是鄰接的。鄰接只考慮像素間的空間關系。-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識像素的連接(PixelConnectivity)對兩個像素來說，要確定它們是否連接需要考慮兩點：①它們在空間上是否接觸（即它們是否鄰接）②它們的灰度值是否滿足某個特定的相似準則（例如它們灰度值相等，或同在一個灰度值集合中取值）-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識以下三種常用的連接：（1）4-連接：2個像素p和r在V中取值且r在N4(p)中，則它們?yōu)?-連接。（2）8-連接：2個像素p和r在V中取值且r在N8(p)中，則它們?yōu)?-連接。（3）m-連接（混合連接）：2個像素p和r在V中取值且滿足下列條件之一，則它們?yōu)閙-連接：①r在N4(p)中；②r在ND(p)中且N4(p)∩N4(r)沒有V值的元素-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處4—連接8—連接m—連接0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識這種m-連接的引入目的之一就是消除8-連接的多路問題。8-連接在像素距離的選擇時有多種路徑，引發(fā)歧義，而m-連接則沒有-4—連接0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識像素的連通(pixelConnectivity)定義兩個像素間的通路：從具有像素p（x,y）到像素q（s,t）的一條通路是由一系列具有坐標（x0,y0），（x1,y1），…，（xn,yn）的獨立像素組成的。這里（x0,y0）＝（x,y），（xn,yn）=（s,t）,且（xi,yi）與（xi-1,yi-1）相鄰接，其中1≤i≤n，n為通路長度。設p和q是一個圖像子集S中的2個像素，那么如果存在一條完全由S中的像素組成的從p到q的通路，那么就稱p在S中與q相連通。-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識例：計算點p和q之間m-通路的長度p=1,q=1-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識像素間的距離Connectivity)（1）點p和q之間的歐氏（Euclidean）距離:（2）點p和q之間的城區(qū)（city-block）距離:（3）點p和q之間的棋盤（chessboard）距離:p(x,y)q(s,t)歐式距離p(x,y)q(s,t)城區(qū)距離p(x,y)q(s,t)棋盤距離-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識圖像處理的基本算子舉例1）點運算（Pointoperation）：B(i,j)=f[A(i,j)]

例：線性點運算——

DB=f(DA)=aDA+ba>1:對比度增強;0<a<1:對比度減弱a=1&b0:灰度偏移;a<0:對比度倒向.2）代數(shù)運算（Algebraicoperation）C(x,y)=A(x,y)+B(x,y)：降噪平均；雙暴光效應等。C(x,y)=A(x,y)-B(x,y)：背景消減；運動檢測等。3）幾何運算（Geometricoperation）●平移●旋轉-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處總結數(shù)字圖像的定義、模型和分類，空間分辨率、灰度級分辨率數(shù)字圖像處理、分析與識別像素的鄰域、像素間的鄰接、連接和連通，像素間的距離、相關運算-總結數(shù)字圖像的定義、模型和分類，空間分辨率、灰度級分辨率-1.1Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換12第1章Matlab圖像處理編程基礎1.4讀取和寫入圖像文件1.5圖像的顯示-1.1Matlab操作簡介1.2Matlab圖像類型MATLAB是一個簡單易用、功能強大的高效編程集成開發(fā)環(huán)境。數(shù)值運算優(yōu)勢符號運算優(yōu)勢(Maple)強大的2D、3D數(shù)據可視化功能許多具有算法自適應能力的功能函數(shù)-MATLAB是一個簡單易用、功能強大的高效編程集成開發(fā)環(huán)境。1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示菜單欄工具欄文件編輯窗口工作空間歷史命令窗口Start菜單命令窗口命令提示符-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示1、命令窗口的使用激活命令窗口?！?gt;>”與閃爍的光標一起表明系統(tǒng)就緒，等待輸入。命令窗口脫離MATLAB桌面。（1）在MATLAB命令窗口輸入：>>(12+2*(7-4))/3^2（2）按【Enter】鍵，指令執(zhí)行。（3）返回的計算結果：ans=2-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示2、常見通用命令命令 含義clc 清除命令窗口的顯示內容clear 清除Matlab工作空間中保存的變量who或whos 顯示Matlab工作空間中的變量信息dir 顯示當前工作目錄的文件和子目錄清單cd 顯示或設置當前工作目錄type 顯示指定m文件的內容Help，doc或lookfor 取在線幫助quit或exit 關閉/退出MATALB-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示3、內部變量變量名意義ans最近的計算結果的變量名epsMATLAB定義的正的極小值=2.2204e-16pi圓周率πinf∞值，無限大i或j虛數(shù)單元，sqrt(-1)NaN非數(shù)，0/0、∞/∞nargin函數(shù)輸入參數(shù)個數(shù)nargout函數(shù)輸出參數(shù)個數(shù)-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示4、數(shù)據類型及其轉換變量名意義doubleMATLAB中最常見也是默認的數(shù)據類型uint8,int88位無符號整數(shù)，8位有符號整數(shù)uint16,int1616位無符號整數(shù)，16位有符號整數(shù)uint32,unit3232位無符號整數(shù)，32位有符號整數(shù)single單精度浮點數(shù)char字符型變量logical布爾型變量-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示5、矩陣的使用（1）定義：A=[1,2,3;4,5,6;7,8,9]A= 1 2 3 4 5 6 7 8 9V=[2:1:10]，或省略間隔為1的中間參數(shù):V=[2:10]V= 2345678910-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示5、矩陣的使用（2）生成矩陣的函數(shù)函數(shù)名稱用途函數(shù)名稱用途eye產生單位矩陣Linspace產生線性等分的矩陣zeros產生全部元素為0的矩陣Logspace產生對數(shù)等分向量ones產生全部元素為1的矩陣Company產生伴隨矩陣true產生全部元素為真的邏輯矩陣Hadamarb產生Hadamarb矩陣false產生全部元素為假的邏輯矩陣Magic產生幻方矩陣rand產生均勻分布隨機矩陣Hilb產生Hibert矩陣randn產生正態(tài)分布隨機矩陣Invhilb產生逆Hilbert矩陣randperm產生隨機排列-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示5、矩陣的使用（3）提取矩陣元素或子塊的方法命令用途A(m,n)提取m行n列位置的一個元素A(:,n)提出第n列A(m,:)提出第m行A(m1:m2,n1:n2)提出m1到m2行，n1到n2列的一個子塊A(m:end,n)提出第m行到最后一行，第n列的一個子塊A(:)將矩陣按列存儲得到一個長列向量-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示5、矩陣的使用（4）矩陣的運算運算符號對應函數(shù)說明加+plus(A,B)減-minus(A,B)乘*mtimes(A,B)點乘.*times(A,B)兩個同樣大小的矩陣對應元素相乘乘方.^mpower(A,B)對矩陣的每一個元素進行指定冪次的乘方矩陣乘方^power(A,B)矩陣左除\mldevide(A,B)A\B等價于inv(A)*B矩陣右除/mrdevide(A,B)A/B等價于B*inv(A)左除.\ldevide(A,B)矩陣中對應位置的元素的左除右除./rdevide(A,B)矩陣中對應位置的元素的右除矩陣與向量轉置.’transpose(A,B)復數(shù)矩陣轉置’ctranspose(A,B)-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示6、運算符和表達式運算數(shù)學表達式MATLAB運算符MATLAB表達式加a+b+a+b減a-b-a-b乘axb*a*b除a/b或a\b/或\a/b或a\b冪^a^b<、>、<=、>=、==、~=（不等于）&（與）、|（或）、~（非）-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示7、常用的邏輯函數(shù)和矩陣函數(shù)函數(shù)用途函數(shù)用途all是否所有元素非零flipud上下翻轉any是否至少有一元素非零inv求逆矩陣isempty是否空矩陣lu三角分解isequal是否兩矩陣相同norm求范數(shù)isinf判斷有無inf元素orth正交化isnan判斷有無nan元素poly求特征多項式isreal判斷是否實矩陣qr正交三角分解find返回一個由非零元素下標組成的矩陣rank求矩陣的秩det計算方陣對應的行列式值svd奇異值分解diag抽取對角線元素trace求矩陣的跡eig求特征值和特征向量trill抽取上三角陣fliplr左右翻轉tnu抽取下三角陣-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示8、Matlab流程控制例1：產生一幅亮度按對角線方向的余弦規(guī)律變化的灰度圖，比較一維方法和二維方法所需的時間。-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示8、Matlab流程控制例2：使用meshgrid函數(shù)生成坐標網格，同時繪制高斯函數(shù)：-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示9、Matlab函數(shù)函數(shù)的定義：function[output]=name(input)functionname(args)函數(shù)的命名為functionname.m函數(shù)的調用：[a]=name(input);name(args);-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示亮度圖像/灰度圖像RGB圖像索引圖像二值圖像-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示1、圖像格式轉換函數(shù)函數(shù)描述gray2ind從灰度圖轉換成索引圖[X,MAP]=gray2ind(I,N);X為圖像數(shù)據，MAP為顏色表，N為索引顏色數(shù)目grayslice使用閾值法從灰度圖創(chuàng)建索引圖X=grayslice(I,N);X=grayslice(I,V);X為輸出的索引圖像，N為閾值個數(shù)，V為給定的閾值向量im2bw使用閾值法從灰度圖、索引圖或RGB圖創(chuàng)建二值圖ind2gray從索引圖創(chuàng)建灰度圖ind2rgb從索引圖創(chuàng)建RGB圖mat2gray使用歸一化方法將一個矩陣中的數(shù)據擴展成對應的灰度圖rgb2gray從RGB圖創(chuàng)建灰度圖rgb2ind從RGB圖創(chuàng)建索引圖-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示2、圖像數(shù)據類型轉換函數(shù)im2uint8將圖像轉換為unit8類型im2uint16將圖像轉換為unit16類型im2double將圖像轉換為unit32類型-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示imread A=imread(FILENAME,FMT);讀取圖像文件（BMP,GIF,PNG,JPEG,andTIFF）imwrite imwrite(A,FILENAME,FMT);保存圖像imfinfo imfinfo(FILENAME,FMT);讀取圖像文件中的屬性信息例3：讀入一幅tif圖像文件，并在寫入磁盤時將bmp圖像轉換為jpg圖像。-1.1Matlab操作簡介1.2Matlab圖像類型1.1

Matlab操作簡介1.2Matlab圖像類型及其存儲方式1.3Matlab的圖像轉換1.4讀取和寫入圖像1.5圖像的顯示imshow 顯示圖像imshow(filename)imshow(I,MAP)imshow(I,[lowhigh],param1,value1,param2,value2,…)figure 彈出顯示窗口subplot(m,n,i) 子窗口顯示zoomon 開放圖像縮放例4：顯示圖像。-1.1Matlab操作簡介1.2Matlab圖像類型總結Matlab命令窗口、幫助、變量的使用，矩陣的使用，數(shù)學函數(shù)，流程控制Matlab的圖像轉換讀取和寫入圖像文件圖像的顯示-總結Matlab命令窗口、幫助、變量的使用，矩陣的使用，數(shù)學7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎12第7章彩色圖像處理-7.1彩色基礎7.2彩色模型7.3全彩色圖像處理1666年,Newton：紅、橙、黃、綠、青、藍、紫red,orange,yellow,green,cyan,blue,violet-1666年,Newton：紅、橙、黃、綠、青、藍、紫-7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎1、人眼看到的彩色圖9.1可見范圍電磁波譜的波長組成（微米）-7.1彩色基礎7.2彩色模型7.3全彩色圖像1、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎2、顏色是外來的光刺激作用于人的視覺器官而產生的主觀感覺，它具有色調、飽和度和亮度三個特性。色調（hue）又稱為色相，是當人眼看到一種或多種波長的光時所產生的彩色感覺，它反映顏色的種類。飽和度（saturation）是指顏色的純度，可用來區(qū)別顏色的深淺程度?；烊氲陌坠庠缴?，飽和度越高，顏色越鮮明。亮度（intensity）是視覺系統(tǒng)對可見物體輻射或者發(fā)光多少的感知屬性。通常把色調和飽和度稱為色度（chromaticity）。亮度表示顏色的明亮程度，而色度則表示顏色的類別與深淺程度。-7.1彩色基礎7.2彩色模型7.3全彩色圖像2、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、三原色光的三基色：red,green,blue顏料的三基色:magenta(洋紅色),cyan(青色),yellowMagenta=Red+BlueCyan=Blue+GreenYellow=Red+Green加色法減色法-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、三原色原理：任何顏色都可以用3種不同的基本顏色按照不同比例混合得到，即C=aC1+bC2+cC3a，b，c>=0為三種原色的權值或者比例，C1、C2、C3為三原色（又稱為三基色）。-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎形成任何特殊顏色需要的紅、綠、藍的量稱做三色值，并分別表示為X，Y，Z。進而，一種顏色可用它的3個色系數(shù)表示，它們分別是：從以上公式可得：

x+y+z=1

-7.1彩色基礎7.2彩色模型7.3全彩色圖像形成7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎4、彩色到灰度的轉換相同亮度的三原色，人眼看去的感覺是，綠色光的亮度最亮，而紅色光其次，藍色光最弱。如果用Y來表示白色光，即光的亮度(灰度)，則有如下關系：

Y=0.299R+0.587G+0.114B-7.1彩色基礎7.2彩色模型7.3全彩色圖像4、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎5、CIE色度圖1931年CIE制定了一個色度圖，如圖所示，圖中橫軸代表紅色色系數(shù)，縱軸代表綠色色系數(shù)，藍色系數(shù)可由：z=1-(x+y)求得。例如，標記為綠的點有62%的綠和25%的紅成分，從而得到藍的成分約為13%。-7.1彩色基礎7.2彩色模型7.3全彩色圖像5、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎彩色模型（也稱彩色空間或彩色系統(tǒng)）的用途是在某些標準下用通?？山邮艿姆绞胶喕噬?guī)范。本質上，彩色模型是坐標系統(tǒng)和子空間的規(guī)范。位于系統(tǒng)中的每種顏色都由單個點來表示。RGB，CMY、CMYK，HSI，HSV，YUV，YIQ-7.1彩色基礎7.2彩色模型7.3全彩色圖像彩色7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎1、RGBCCD技術直接感知R、G、B三個分量是圖像成像、顯示、打印等設備的基礎-7.1彩色基礎7.2彩色模型7.3全彩色圖像1、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎1、RGB考慮RGB圖像，其中每一幅紅、綠、藍圖像都是一幅8bit圖像，在這種條件下，每一個RGB彩色像素有24bit深度（3個圖像平面乘以每平面比特數(shù)，即3×8）。24bit的彩色圖像也稱全彩色圖像。在24bitRGB圖像中顏色總數(shù)是224=16777216。-7.1彩色基礎7.2彩色模型7.3全彩色圖像1、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎1、RGB例1：生成一幅128*128的RGB圖像，該圖像左上角為紅色，左下角為藍色，右上角為綠色，右下角為黑色。在Matlab中，若一幅RGB圖像是double類型的，則其取值范圍在[0,1]之間，而如果是uint8或者uint16類型的，則取值范圍分別是[0,255]和[0,65535]。B=cat(dim,A1,A2,A3,…)

其中，dim為維數(shù)，cat函數(shù)將A1，A2，A3等矩陣連接成維數(shù)為dim的矩陣。-7.1彩色基礎7.2彩色模型7.3全彩色圖像1、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎2、CMY、CMYKCMY（青、深紅、黃），運用在大多數(shù)在紙上沉積彩色顏料的設備，如彩色打印機和復印機CMYK（青、深紅、黃、黑）打印中的主要顏色是黑色等量的CMY原色產生黑色，但不純在CMY基礎上，加入黑色，形成CMYK彩色空間-7.1彩色基礎7.2彩色模型7.3全彩色圖像2、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎2、CMY、CMYKRGB→CMYRGB→CMYK負像（ColorNegatives）

R1–R G1–G B1–B-7.1彩色基礎7.2彩色模型7.3全彩色圖像2、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎2、CMY、CMYK例2：實現(xiàn)RGB和CMY的相互轉換在Matlab中，imcomplement函數(shù)實現(xiàn)RGB和CMY之間的轉換。-7.1彩色基礎7.2彩色模型7.3全彩色圖像2、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、HSIHSI（色調、飽和度、亮度）兩個特點：I分量與圖像的彩色信息無關H和S分量與人感受顏色的方式是緊密相連的避免顏色受到光照明暗(I)等條件的干擾僅僅分析反映色彩本質的色調和飽和度廣泛用于計算機視覺、圖像檢索和視頻檢索-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、HSI色度H（Hue）由角度表示，彩色的色度反映了該彩色最接近什么樣的光譜波長（即彩虹中的哪種顏色）。假定0o的彩色為紅色，120o的為綠色，240o的為藍色。色度從0o~360o覆蓋了所有可見光譜的彩色。-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、HSI飽和度S（Saturation）用矢量長表示，三角形邊上點的S=1，中心S=0.亮度I（Intensity）截平面在I軸上的位置，最底端I=0，最上端I=1.柱形彩色空間-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、HSIRGB轉換成HSI模型從RGB到HSI的變換是一個非線性變換。對任何三個在[0，1]范圍內的R，G，B值，，，-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、HSIRGB轉換成HSI模型

chapter7/code/usergb2hsi.m3：實現(xiàn)RGB轉換到HSI的函數(shù)rgb2hsi，并調用該函數(shù)。-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、HSIHSI轉換成RGB模型用等亮度面表示HIS模型HIS模型色調角度坐標-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、HSIHSI轉換成RGB模型-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、HSIHSI轉換成RGB模型-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎4、HSV色調H（Hue）,飽和度S（Saturation）,值V（Value）HSV對應于畫家的配色方法：在純色中加入白色改變色濃，加入黑色改變色深。-7.1彩色基礎7.2彩色模型7.3全彩色圖像4、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎4、HSVRGB到HSV模型的轉換-7.1彩色基礎7.2彩色模型7.3全彩色圖像4、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎4、HSVHSV到RGB模型的轉換-7.1彩色基礎7.2彩色模型7.3全彩色圖像4、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎人眼對彩色細節(jié)的分辨能力遠比對亮度細節(jié)的分辨能力低，通常把RGB空間表示的彩色圖像變換到YUV或者YIQ顏色空間。每一種彩色空間都產生一種亮度分量和兩種色度分量，而且亮度信號(Y)和色度信號(U、V)是相互獨立的。彩色電視信號中采用YIQ或者YUV空間一是為了兼容黑白電視，二是為了實現(xiàn)壓縮。YCbCr主要用于數(shù)字電視。-7.1彩色基礎7.2彩色模型7.3全彩色圖像人眼7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎5、YUVY指亮度，也可提供黑白電視機的所有影像信息U和V指色調，U和V的比值決定色調，而(U2+V2)1/2代表顏色的飽和度。-7.1彩色基礎7.2彩色模型7.3全彩色圖像5、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎5、YUVRGB轉換成YUVYUV轉換成RGB-7.1彩色基礎7.2彩色模型7.3全彩色圖像5、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎6、YIQYIQ模型與YUV模型類似，用于NTSC制式的電視系統(tǒng)。I和Q分量相當于將YUV空間中的UV分量做了一個33度的旋轉。RGB轉換成YIQ-7.1彩色基礎7.2彩色模型7.3全彩色圖像6、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎兩類處理方法：1、單獨處理顏色空間的每一個通道，再復合成結果圖像；2、把像素的顏色看作顏色空間中的一個點，也可以看作是一個向量，在向量空間中處理圖像。-7.1彩色基礎7.2彩色模型7.3全彩色圖像兩類7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎-7.1彩色基礎7.2彩色模型7.3全彩色圖像-7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎1、彩色圖像的常規(guī)處理——彩色變換-7.1彩色基礎7.2彩色模型7.3全彩色圖像1、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎2、彩色圖像的常規(guī)處理——圖像分割例1：消除紅眼（redeye）算法:（基于HSI顏色空間實現(xiàn)圖像分割）（1）RGBHSI（2）if-pi/4<Hue<pi/4

andSaturation>0.3 makeitgray:Saturation0（3）HSIRGB-7.1彩色基礎7.2彩色模型7.3全彩色圖像2、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎2、彩色圖像的常規(guī)處理——圖像分割-7.1彩色基礎7.2彩色模型7.3全彩色圖像2、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎2、彩色圖像的常規(guī)處理——圖像分割例2：檢測皮膚算法：（在RGB向量空間中實現(xiàn)圖像分割）（1）基于感興趣區(qū)域（RegionofInterest,ROI）采樣；（2）統(tǒng)計樣本的顏色特征：平均值和標準差；（3）定義合適的包圍盒；判斷當前像素顏色，若處于包圍盒內，則保留；否則去除。三種常用的包圍盒-7.1彩色基礎7.2彩色模型7.3全彩色圖像2、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎2、彩色圖像的常規(guī)處理——圖像分割-7.1彩色基礎7.2彩色模型7.3全彩色圖像2、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、彩色圖像的常規(guī)處理——彩色補償問題的提出：由于常用的彩色圖像設備具有較寬而且相互覆蓋的光譜敏感區(qū)，加上待拍攝圖像的染色是變化的，所以很難在三個分量圖中將物體分離出來。這種現(xiàn)象稱為顏色擴散。對顏色擴散的校正過程就稱為彩色補償。-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、彩色圖像的常規(guī)處理——彩色補償彩色補償算法1）在畫面上找到主觀視覺看是純紅、綠、藍的三個點。（如果可以根據硬件知道頻段的覆蓋則無須這樣做）。它們的理想值為：-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、彩色圖像的常規(guī)處理——彩色補償2）計算R*,G*,B*的值考慮到彩色補償之后圖像的亮度不變，對R*,G*,B*的計算如下：-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、彩色圖像的常規(guī)處理——彩色補償3）構造變換矩陣將所取到的三個點的RGB值分別如下所示構成彩色補償前及補償后的兩個矩陣A1和A2。-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎3、彩色圖像的常規(guī)處理——彩色補償4）進行彩色補償設分別為新、舊圖像的像素值，則：彩色補償-7.1彩色基礎7.2彩色模型7.3全彩色圖像3、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎4、彩色圖像的常規(guī)處理——彩色平衡問題的提出：當一幅彩色圖像數(shù)字化后，在顯示時顏色經?？雌饋碛行┎徽?，這是因為顏色通道的不同敏感度、增光因子、偏移量等原因導致，稱之為三基色不平衡，將其校正的過程就是彩色平衡。-7.1彩色基礎7.2彩色模型7.3全彩色圖像4、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎4、彩色圖像的常規(guī)處理——彩色平衡彩色平衡算法1）從畫面中選出兩點顏色為灰色，設為2）設以G分量為基準，匹配R和B分量，則-7.1彩色基礎7.2彩色模型7.3全彩色圖像4、7.1彩色基礎7.2彩色模型7.3全彩色圖像處理基礎4、彩色圖像的常規(guī)處理——彩色平衡3）由和求出和；

和求出和。4）用處理后得到的圖像就是彩色平衡后的圖像。-7.1彩色基礎7.2彩色模型7.3全彩色圖像4、總結自然界中的顏色可以用三種原色合成得到，因此彩色圖像可以在一個三維的顏色空間中表示。常用的顏色空間模型有RGB模型、CMY模型、HSI模型、HSV模型等。本章介紹了彩色圖像處理的一些基礎問題，主要包括彩色變化、圖像分割、彩色補償和彩色平衡等方法。-總結自然界中的顏色可以用三種原色合成得到，因此彩色圖像可以在謝謝！100-謝謝！100-數(shù)字圖像處理與機器視覺101-數(shù)字圖像處理與機器視覺1-第0章數(shù)字圖像處理概述第1章Matlab圖像處理編程基礎第7章彩色圖像處理重點：Matlab編程基礎難點：彩色圖像處理12內容-第0章數(shù)字圖像處理概述第1章Matlab圖像處理編0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識12第0章數(shù)字圖像處理概述-0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字(1)去噪處理的效果圖像處理的典型示例（一）-圖像處理的典型示例（一）-(1)去噪處理的效果ImageDenoisingBasedonPDEMethod圖像處理的典型示例（二）-(1)去噪處理的效果ImageDenoisingBase(2)去模糊處理的效果圖像處理的典型示例（三）-圖像處理的典型示例（三）-(2)去模糊處理的效果圖像處理的典型示例（四）-圖像處理的典型示例（四）-學術研討CV——Conference1、ICCV，InternationalConferenceonComputerVision2、CVPR，InternationalConferenceonComputerVisionandPatternRecognition3、ECCV，EuropeanConferenceonComputerVisionCV——JournalBest:

PAMI，IEEETrans.onPatt.AnalysisandMachineIntelligence

IJCV，Inter.Jour.onComp.Vision

Good:

CVIU，ComputerVisionandImageUnderstanding

PR,

PatternReco.Graphics——Conference1、Siggraph，ACMSigGraph2、EuroGraphGraphics——Journal

1、IEEE(ACM)Trans.onGraphics

2、IEEETrans.onVisualizationandComputerGraphics-學術研討CV——Conference-從CVPR2013看計算機視覺領域的最新熱點1、RGB-D數(shù)據的分析2、中層patch的分析——在局部特征很難具有足夠的描述力的情況下，中層特征的提取和分析就顯得更加重要。3、深度學習以及特征學習——在慢慢具備海量數(shù)據處理能力的今天，深度學習確實是解決問題的一個很好的途徑。深度學習必須結合好的特征學習，才是解決問題的王道。-從CVPR2013看計算機視覺領域的最新熱點1、RGB-D從CVPR2014看計算機視覺領域的最新熱點1、深度學習（DeepLearning）是當下最熱門的方向之一；2、基礎模型研究——3D幾何模型3、Low-levelVision——主要針對圖像本身及其內在屬性的分析及處理，比如判斷圖片拍攝時所接受的光照，反射影響以及光線方向，進一步推斷拍攝物體的幾何結構；再如圖片修復，如何去除圖片拍攝中所遇到的抖動和噪聲等不良影響。4、DepthSensor（深度傳感器）及深度圖像相關-從CVPR2014看計算機視覺領域的最新熱點1、深度學習（D120.1數(shù)字圖像1、數(shù)字圖像是能夠在計算機上顯示和處理的圖像，根據其特性可分為位圖和矢量圖。位圖通常使用數(shù)字陣列來表示，如BMP、JPG、GIF等矢量圖由矢量數(shù)據庫表示，如PNG圖形2、數(shù)字圖像模型其對應的矩陣模型為其中代表在坐標處的像素色彩或灰度值。0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-120.1數(shù)字圖像1、數(shù)字圖像是能夠在計算機上顯示和處理3、數(shù)字圖像分類二值圖像：0表示黑色，1表示白色灰度圖像：0~255，256級，介于黑色與白色之間的顏色深度。RGB圖像：三原色可以表示顏色各類256*256*256=224索引圖像：作用就是體積小，方便傳輸，只需要把索引表傳輸過去，接收方用對應的RGB顏色表還原顏色信息。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-3、數(shù)字圖像分類0.1數(shù)字圖像0.2數(shù)字圖像處理0.4、圖像的空間分辨率概念：圖像中每單位長度所包含的像素或點的數(shù)目，常以像素/英寸(pixelsperinch,ppi)為單位來表示。分辨率越高，圖像越清晰，圖像文件所需的磁盤空間也越大，編輯和處理所需的時間也越長。

一般來說，采樣間隔越大，所得圖像像素數(shù)越少，空間分辨率低，質量差，嚴重時出現(xiàn)像素呈塊狀的棋盤格效應(CheckerboardEffect)；采樣間隔越小，所得圖像像素數(shù)越多，空間分辨率高，圖像質量好，但數(shù)據量大。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-4、圖像的空間分辨率一般來說，采樣間隔越大，所得圖5、圖像的灰度級/輻射計量分辨率概念：灰度級指圖像中可分辨的灰度級數(shù)目。量化等級越多，所得圖層次越豐富，灰度分辨率高，圖像質量好，但數(shù)據量大；

量化等級越少，圖像層次欠豐富，灰度分辨率低，會出現(xiàn)假輪廓現(xiàn)象，圖像質量變差，但數(shù)據量小。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-5、圖像的灰度級/輻射計量分辨率量化等級越多，所0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處（1）圖像預處理——改善象質，以便于目視判讀。校正技術：對形狀變形的圖象進行幾何校正、輻射校正。增強技術：去除干擾，突出主要特征，包括：平滑與銳化技術?；謴图夹g：1）去除噪音干擾，恢復原圖像； 2）運動模糊圖像、退化圖像的恢復、相位恢復等。（2）圖像分析：圖像分割，紋理分析，平面幾何參數(shù)，三維參數(shù)測量技術等。（3）圖像編碼與壓縮：PCM（脈沖編碼調制），統(tǒng)計編碼，預測編碼，變換編碼,

無損壓縮,有損編碼等；圖像編碼的國際標準,圖像壓縮的國際標準。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-（1）圖像預處理——改善象質，以便于目視判讀。0.1數(shù)（4）圖像重建：基于變換的重建，卷積法重建，代數(shù)重建，重建的優(yōu)化。（5）圖像修復：平滑修復，基于總變分（TV）的修復，基于PDE的修復等。（6）圖像識別：模式識別與景物分析

★圖像處理的特點：（1）再現(xiàn)性好：數(shù)字圖像可多次拷貝，不失真，不退化。（2）精度高：采樣量化一定，多次處理可保精度。（3）適用面寬：可處理抽象數(shù)據、可做非線性處理（光學處理多為線性處理）0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-（4）圖像重建：基于變換的重建，卷積法重建，代數(shù)重建，重建的圖像處理的應用領域森林覆蓋計算，農作物估產，水質及大氣污染調查。資源勘探，地圖繪制，地理信息系統(tǒng)（GIS）。森林火災監(jiān)護－－客觀反映火災情況、面積。魚群探查，海洋污染檢測；河流分布，水利及水害調查。軍事偵察，導彈制導，電子沙盤，軍事訓練等。身份認證：指紋、掌紋、虹膜等識別。醫(yī)學應用：CT、MRI、血管造影、紅外乳腺、顯微病理、電子顯微鏡、遠程醫(yī)療圖像、皮膚圖象、X線、γ刀與χ刀腦外科等都離不開圖像。工業(yè)圖像：X線控探傷（軸）、X線檢察、三維測量（定位、形狀測量）機器人視覺、商檢。民用：數(shù)碼相機、數(shù)字視頻、照片掃描等。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-圖像處理的應用領域0.1數(shù)字圖像0.2數(shù)字圖像處理0

視覺系統(tǒng)的功能結構機器(計算機)視覺要達到的三個基本目的：(1)根據一幅或多幅二維投影圖象計算出觀察點到目標物體的距離;(2)根據一幅或多幅二維投影圖象計算出目標物體的運動參數(shù)；(3)根據一幅或多幅二維投影圖象計算出目標物體的表面物理特性。0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處機器(計算機)視覺技術的應用舉例工業(yè)領域（生產裝配、質量檢驗）機器人（星球探測機器人）遙感圖像分析（植被分析）醫(yī)學圖像分析（骨骼定位）安全鑒別、監(jiān)視與跟蹤（門禁系統(tǒng)、視頻監(jiān)控）國防系統(tǒng)（目標自動識別與目標跟蹤）圖像與視頻檢索（基于內容的檢索）文物保護（數(shù)字博物館）其他（游戲、動畫、體育、人機交互）…………0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識火星車CMU月球探測實驗車Nomad漫游者-機器(計算機)視覺技術的應用舉例0.1數(shù)字圖像0.20.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識1、像素的鄰域P的4領域N4(P)P的對角領域ND(P)P的8領域N8(P)+=-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識2、像素間的鄰接，連接和連通像素的鄰接(PixelAdjacency)兩個像素是否鄰接就看它們是否接觸，一個像素和在它鄰域中的像素是接觸的，所以也是鄰接的。鄰接只考慮像素間的空間關系。-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識像素的連接(PixelConnectivity)對兩個像素來說，要確定它們是否連接需要考慮兩點：①它們在空間上是否接觸（即它們是否鄰接）②它們的灰度值是否滿足某個特定的相似準則（例如它們灰度值相等，或同在一個灰度值集合中取值）-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識以下三種常用的連接：（1）4-連接：2個像素p和r在V中取值且r在N4(p)中，則它們?yōu)?-連接。（2）8-連接：2個像素p和r在V中取值且r在N8(p)中，則它們?yōu)?-連接。（3）m-連接（混合連接）：2個像素p和r在V中取值且滿足下列條件之一，則它們?yōu)閙-連接：①r在N4(p)中；②r在ND(p)中且N4(p)∩N4(r)沒有V值的元素-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處4—連接8—連接m—連接0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識這種m-連接的引入目的之一就是消除8-連接的多路問題。8-連接在像素距離的選擇時有多種路徑，引發(fā)歧義，而m-連接則沒有-4—連接0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識像素的連通(pixelConnectivity)定義兩個像素間的通路：從具有像素p（x,y）到像素q（s,t）的一條通路是由一系列具有坐標（x0,y0），（x1,y1），…，（xn,yn）的獨立像素組成的。這里（x0,y0）＝（x,y），（xn,yn）=（s,t）,且（xi,yi）與（xi-1,yi-1）相鄰接，其中1≤i≤n，n為通路長度。設p和q是一個圖像子集S中的2個像素，那么如果存在一條完全由S中的像素組成的從p到q的通路，那么就稱p在S中與q相連通。-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識例：計算點p和q之間m-通路的長度p=1,q=1-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識像素間的距離Connectivity)（1）點p和q之間的歐氏（Euclidean）距離:（2）點p和q之間的城區(qū)（city-block）距離:（3）點p和q之間的棋盤（chessboard）距離:p(x,y)q(s,t)歐式距離p(x,y)q(s,t)城區(qū)距離p(x,y)q(s,t)棋盤距離-0.1數(shù)字圖像0.2數(shù)字圖像處理0.3數(shù)字圖像處0.1數(shù)字圖像0.2數(shù)字圖像處理與識別0.3數(shù)字圖像處理的預備知識圖像處理的基本算子舉例1）點運算（Pointoperation）：B(i,j)=f[A(i,j)]

例：線性點運算——

DB=f(DA)=aDA+ba>1: