MATLAB在遙感圖像處理中的應(yīng)用課件

第五章MATLAB在遙感圖像處理中的應(yīng)用1ppt課件.第五章MATLAB在遙感圖像處理中的應(yīng)用1ppt課件.主要內(nèi)容遙感圖像概述遙感圖像的讀寫與顯示遙感圖像輻射增強遙感圖像幾何變換遙感圖像配準遙感圖像濾波遙感圖像分割2ppt課件.主要內(nèi)容遙感圖像概述2ppt課件.1遙感圖像處理概述基本概念遙感數(shù)字圖像：是指被計算機存儲、處理和使用的圖像，是一種空間坐標和灰度均不連續(xù)的、用數(shù)字形式表達的遙感影像，最基本單元是像素，每個像素具有空間位置特征和屬性特征?？臻g位置特征：是用離散的X值和Y值來表示；屬性特征：常用亮度值表示。3ppt課件.1遙感圖像處理概述基本概念3ppt課件.亮度值有如下特點：（1）不同圖像相同地點的亮度值不同；（2）亮度值大小由傳感器所探測到的電磁輻射強度決定，入射到傳感器中的電磁波被探測元件轉(zhuǎn)化為電信號，經(jīng)過A/D轉(zhuǎn)換，成為絕對輻射亮度值R。為了便于應(yīng)用R又被轉(zhuǎn)換為能夠表征地物的輻射亮度相對值V。

R=V*（Rmax-Rmin）/Dmax+RminRmax為探測器可檢測到的最大輻射亮度；Rmin為探測器可檢測到的最小輻射亮度；max為級數(shù)；R為輻射亮度值；V為像素表征的地物輻射亮度的相對值。4ppt課件.亮度值有如下特點：4ppt課件.遙感數(shù)字圖像處理：利用數(shù)字計算機或其它高速、大規(guī)模集成數(shù)字硬件，對從遙感圖像信息轉(zhuǎn)換來的數(shù)字電信號進行某些數(shù)字運算或處理（如去除噪聲、增強、復原、分割、提取特征等），以期提高遙感圖像的質(zhì)量以達到人們所要求的某些預期結(jié)果。5ppt課件.遙感數(shù)字圖像處理：利用數(shù)字計算機或其它高速、大規(guī)模集成數(shù)字硬圖像的表示

完整描述圖像，可以用式子：

I=f(x,y,z,λ,t)

表示一個立體的、彩色的活動圖像。還有：對于靜止圖像，則表示為f(x,y,z,λ)；對于平面圖像，則表示為f(x,y,λ)；對于單色圖像，則表示為f(x,y)。有時，在傳播或傳送圖像時，常把圖像掃描成一維信號，如視頻信號，這時圖像便成了一維函數(shù)f(t)，稱之為圖像信號，而前面幾個式子稱為圖像，以示區(qū)別。6ppt課件.圖像的表示6ppt課件.數(shù)字圖像是由被稱作象素的小塊區(qū)域組成的二維矩陣。將物理圖象行列劃分后，每個小塊區(qū)域稱為像素（pixel）。

–每個像素包括兩個屬性：位置和灰度。對于單色即灰度圖像而言，每個象素的亮度用一個數(shù)值來表示，通常數(shù)值范圍在0到255之間，即可用一個字節(jié)來表示，

0表示黑、255表示白，而其它表示灰度級別。物理圖象及對應(yīng)的數(shù)字圖象7ppt課件.數(shù)字圖像是由被稱作象素的小塊區(qū)域組成的二維矩陣。將物理圖象行物理圖像19643灰度像素數(shù)字圖像采樣列采樣行圖片像素行間隔采樣列間隔灰階黑灰白01282558ppt課件.物理圖像19643灰度像素數(shù)字圖像采樣列采樣行圖片像素行間隔彩色圖象可以用紅、綠、藍三元組的二維矩陣來表示。

–通常，三元組的每個數(shù)值也是在0到255之間，0表示相應(yīng)的基色在該象素中沒有，而255則代表相應(yīng)的基色在該象素中取得最大值，這種情況下每個象素可用三個字節(jié)來表示。彩色圖象(128x128)及其對應(yīng)的數(shù)值矩陣（僅列出一部分(25x31)）9ppt課件.彩色圖象可以用紅、綠、藍三元組的二維矩陣來表示。9ppt課件主要內(nèi)容遙感圖像概述遙感圖像的讀寫與顯示遙感圖像輻射增強遙感圖像幾何變換遙感圖像配準遙感圖像濾波遙感圖像分割10ppt課件.主要內(nèi)容遙感圖像概述10ppt課件.2遙感圖像的讀寫與顯示對于標準格式的圖像，如bmp,jpg,tif等格式的圖像，可以直接利用MATLAB提供的命令imread及imwrite進行讀寫操作。實際中不同的遙感數(shù)據(jù)并非標準格式。如何根據(jù)數(shù)據(jù)提供者提供的格式說明文件讀出相應(yīng)的參數(shù)及圖像數(shù)據(jù)是進行后續(xù)遙感圖像處理的關(guān)鍵。11ppt課件.2遙感圖像的讀寫與顯示對于標準格式的圖像，如bmp,jp標準格式圖像讀取函數(shù)imread可以從任何Matlab支持的圖像文件格式中，以任意位深度讀取一幅圖像。格式為：[X,MAP]=imread(FILENAME,'FMT')，其中：FILENAME－為需要讀入的圖像文件名稱，F(xiàn)MT－為圖像格式。圖像文件格式12ppt課件.標準格式圖像讀取函數(shù)imread可以從任何Matlab支持的讀取圖像信息可以通過調(diào)用imfinfo函數(shù)獲得與圖像文件有關(guān)的信息，格式如下：INFO=imfinfo(FILENAME,'FMT')其中：返回的INFO是Matlab的一個結(jié)構(gòu)體。函數(shù)size可給出一副圖像的行數(shù)和列數(shù)size（f）13ppt課件.讀取圖像信息可以通過調(diào)用imfinfo函數(shù)獲得與圖像文件有關(guān)非標準格式遙感圖像讀取通常每一種遙感衛(wèi)星傳感器都制定了一套適合本身特性的數(shù)據(jù)存儲格式標準。并且為用戶提供詳細的格式說明書。用戶必須熟悉格式才能正確地讀出遙感圖像數(shù)據(jù)。例：ALOSPALSAR參數(shù)及數(shù)據(jù)讀取14ppt課件.非標準格式遙感圖像讀取通常每一種遙感衛(wèi)星傳感器都制定了一套適圖像的顯示Matlab的圖像顯示函數(shù)主要有imshow、colorbar、subimage和imagesc等。例如：imshow函數(shù)的基本語法為：

imshow(f,G)

其中，f是一個圖像數(shù)組，G是顯示該圖像的灰度級數(shù)。15ppt課件.圖像的顯示Matlab的圖像顯示函數(shù)主要有imshow、co1、imshow(I,n)顯示灰度級為n的圖像，n缺省為256。【例】按256灰度級顯示I=imread('moon.tif');imshow(I,256)colorbar16ppt課件.1、imshow(I,n)16ppt課件.【例】按8灰度級顯示I=imread('moon.tif');imshow(I,8)colorbar17ppt課件.【例】按8灰度級顯示17ppt課件.【例】按最大灰度范圍顯示I=imread('moon.tif');imshow(I,[])colorbar18ppt課件.【例】按最大灰度范圍顯示18ppt課件.【例】按指定灰度范圍顯示I=imread('moon.tif');imshow(I,[64,128])colorbar19ppt課件.【例】按指定灰度范圍顯示19ppt課件.2、imshow(X,MAP)顯示索引圖像，X為數(shù)據(jù)圖像矩陣，MAP為調(diào)色板?！纠匡@示索引圖像[X,MAP]=imread('canoe.tif');imshow(X,MAP);colorbar20ppt課件.2、imshow(X,MAP)20ppt課件.【例】顯示偽彩色圖像I=imread('moon.tif');imshow(I,jet(256))colorbar21ppt課件.【例】顯示偽彩色圖像21ppt課件.3、imshow(RGB)顯示真彩色圖像?！纠縭gb=imread('flowers.tif');imshow(rgb);22ppt課件.3、imshow(RGB)22ppt課件.4、subimage多圖顯示多個調(diào)色板的圖像?！纠縧oadtrees;[x2,map2]=imread('forest.tif');subplot(2,1,1),subimage(X,map);colorbarsubplot(2,1,2),subimage(x2,map2);colorbar

23ppt課件.4、subimage23ppt課件.【例】不用專用函數(shù)顯示多圖loadtrees;[x2,map2]=imread('forest.tif');subplot(2,1,1),imshow(x2,map2);colorbarsubplot(2,1,2),imshow(X,map);colorbar24ppt課件.【例】不用專用函數(shù)顯示多圖24ppt課件.圖像的寫入1、imwrite函數(shù)imwrite(I,'文件名','文件格式')－保存無調(diào)色板的圖像imwrite(X,MAP,'文件名','文件格式')－保存有調(diào)色板的圖像imwrite(...,'文件名')－文件名中含格式imwrite(...,'參數(shù)','值')－指定保存參數(shù)文件格式：bmp、jpg、pcx、tif。25ppt課件.圖像的寫入1、imwrite函數(shù)25ppt課件.【例】將tif圖像保存為jpg圖像[x,map]=imread('canoe.tif');imwrite(x,map,'canoe.jpg','JPG','Quality',75)26ppt課件.【例】將tif圖像保存為jpg圖像26ppt課件.主要內(nèi)容遙感圖像概述遙感圖像的讀寫與顯示遙感圖像輻射增強遙感圖像幾何變換遙感圖像配準遙感圖像濾波遙感圖像分割27ppt課件.主要內(nèi)容遙感圖像概述27ppt課件.3遙感圖像輻射增強定義：將原來不清晰的圖像變得清晰或突出某些特征，同時抑制一些不需要的信息的處理方法。目的：突出圖像中的有用信息，擴大不同影像特征之間的差別，以便于進行判讀和分析。28ppt課件.3遙感圖像輻射增強定義：將原來不清晰的圖像變得清晰或突出某基于直方圖變換的增強方法直方圖變換是一種通過直接改變圖像中像元的亮度值來改變圖像的對比度，從而改善圖像質(zhì)量的圖像處理方法?；叶戎狈綀D是灰度級的函數(shù)，描述圖像中具有該灰度級的像元的個數(shù)。其橫坐標是灰度級，縱坐標是像元的個數(shù)（或該灰度出現(xiàn)的頻率）。直方圖反映灰度的總體結(jié)構(gòu)，但是不反映空間的分布信息。直方圖變換的類型線性變換非線性變換29ppt課件.基于直方圖變換的增強方法直方圖變換是一種通過直接改變圖像中像線性變換：根據(jù)原圖像直方圖來確定好拉伸變換前的灰度值區(qū)間，然后把這一灰度值區(qū)間按某一直線方程關(guān)系拉伸或壓縮而成為變換后灰度值區(qū)間。拉伸后的圖像灰度值范圍增大，對比度改善。30ppt課件.線性變換：根據(jù)原圖像直方圖來確定好拉伸變換前的灰度值區(qū)間，然線性變換按比例擴大原是灰度級的范圍，將原始的相對集中的灰度值分布在0–255范圍內(nèi)展開。31ppt課件.線性變換31ppt課件.線性變換分段線性拉伸對不同范圍的灰度值進行不同的拉伸。32ppt課件.線性變換32ppt課件.非線性變換變換函數(shù)是非線性的，如指數(shù)變換、對數(shù)變換等。指數(shù)變換指數(shù)變換可以對圖像高值區(qū)域進行拉伸33ppt課件.非線性變換33ppt課件.對數(shù)變換對數(shù)變換對圖像低值區(qū)域進行拉伸34ppt課件.對數(shù)變換34ppt課件.直方圖均衡將原圖像的直方圖通過變換函數(shù)變?yōu)榫鶆虻闹狈綀D，然后按均勻直方圖修改原圖像，從而獲得一幅灰度分布均勻的新圖像。35ppt課件.直方圖均衡35ppt課件.直方圖均衡計算步驟1.計算原圖像f的直方圖h36ppt課件.直方圖均衡計算步驟36ppt課件.直方圖均衡計算步驟2.求出圖像f的總體像素個數(shù)N，計算每個灰度級的像素個數(shù)在整個圖像中所占的比例hs。37ppt課件.直方圖均衡計算步驟37ppt課件.直方圖均衡計算步驟3.計算圖像各灰度級的累積分布hp。38ppt課件.直方圖均衡計算步驟38ppt課件.直方圖均衡計算步驟4.求出新圖像g的灰度值。39ppt課件.直方圖均衡計算步驟39ppt課件.40ppt課件.40ppt課件.因為直方圖是近似的概率密度函數(shù)，所以用離散灰度級作變換一般得不到完全平坦的結(jié)果。另外，從上例可以看出，變換后的灰度級減少了，這種現(xiàn)象叫做“簡并”現(xiàn)象。由于簡并現(xiàn)象的存在，處理后的灰度級總是要減少的，這是像素灰度有限的必然結(jié)果。由于上述原因，數(shù)字圖像的直方圖均衡只是近似的。41ppt課件.因為直方圖是近似的概率密度函數(shù)，所以用離散灰度級作變換一般得主要內(nèi)容遙感圖像概述遙感圖像的讀寫與顯示遙感圖像輻射增強遙感圖像幾何變換遙感圖像配準遙感圖像濾波遙感圖像分割42ppt課件.主要內(nèi)容遙感圖像概述42ppt課件.遙感圖像幾何變換幾何運算可以看成是像素在圖像內(nèi)的移動過程，該移動過程可以改變圖像中物體對象(像素)之間的空間關(guān)系。幾何運算可以是不受任何限制的，但是通常都需要做出一些限制以保持圖像的外觀順序。完整的幾何運算需要由兩個算法來實現(xiàn)：空間變換算法和灰度插值算法。43ppt課件.遙感圖像幾何變換幾何運算可以看成是像素在圖像內(nèi)的移動過程，該空間變換主要用來保持圖像中曲線的連續(xù)性和物體的連通性，一般都采用數(shù)學函數(shù)形式來描述輸入、輸出圖像相應(yīng)像素間的空間關(guān)系。空間變換的一般定義為其中，f表示輸入圖像，g表示輸出圖像，坐標(x',y')指的是空間變換后的坐標，要注意這時的坐標已經(jīng)不是原來的坐標(x,y)了。a(x,y)和b(x,y)分別是圖像的x和y坐標的空間變換函數(shù)。44ppt課件.空間變換主要用來保持圖像中曲線的連續(xù)性和物體的連通性，一般都灰度級插值主要是對空間變換后的像素賦予灰度值，使之恢復原位置處的灰度值。在幾何運算中，灰度級插值是必不可少的組成部分，因為圖像一般用整數(shù)位置處的像素來定義。而在幾何變換中，g(x,y)的灰度值一般由處在非整數(shù)坐標上的f(x,y)的值來確定，即g中的一個像素一般對應(yīng)于f中的幾個像素之間的位置，反過來看也是一樣，即f中的一個像素往往被映射到g中的幾個像素之間的位置。45ppt課件.灰度級插值主要是對空間變換后的像素賦予灰度值，使之恢復原位置圖像的幾何常用函數(shù)圖像的縮放imresize圖像的旋轉(zhuǎn)imrotate圖像的剪裁imcrop圖像的一般幾何變換imtransform

46ppt課件.圖像的幾何常用函數(shù)46ppt課件.圖像的插值運算最近鄰插值方法（Nearestneighbor）雙線性插值方法（Bilinear）雙三次插值方法（Bicubic）47ppt課件.圖像的插值運算47ppt課件.(1)圖像縮放MATLAB使用imresize函數(shù)來改變一幅圖像的大小,調(diào)用格式如下：B=imresize(A,M,METHOD)，其中：A－原圖像；M－縮放系數(shù)；B－縮放后的圖像；METHOD－插值方法，可取值‘nearest’，‘bilinear’和‘bicubic’?！纠吭瓐D像放大1.25倍[I,map]=imread('kids.tif');J=imresize(I,3);subplot(1,2,1),subimage(I,map)subplot(1,2,2),subimage(J,map)48ppt課件.(1)圖像縮放48ppt課件.(2)圖像旋轉(zhuǎn)使用imrotate函數(shù)來旋轉(zhuǎn)一幅圖像。調(diào)用格式如下：B=imrotate(A,ANGLE,METHOD,BBOX)，其中：A－需要旋轉(zhuǎn)的圖像；ANGLE－表示旋轉(zhuǎn)的角度，正值為逆時針；METHOD－插值方法；BBOX－取值loose（缺?。rop【例】圖像旋轉(zhuǎn)clf[I,map]=imread('kids.tif');J=imrotate(I,35,'bilinear');J1=imrotate(I,35,'bilinear','crop');subplot(2,2,1),imshow(I,map)subplot(2,2,3),imshow(J,map)subplot(2,2,4),imshow(J1,map)49ppt課件.(2)圖像旋轉(zhuǎn)49ppt課件.(3)圖像剪切使用imcrop函數(shù)可以從一幅圖像中抽取一個矩形的部分。imcrop函數(shù)的調(diào)用格式如下：X2=imcrop(X,MAP,RECT)其中，X表示有待剪切的圖像，不指定X時，imcrop將當前坐標軸中的圖像作為待剪切的圖像。MAP表示X為索引圖像時的調(diào)色板，RECT定義剪切區(qū)的矩形坐標。如果調(diào)用imcrop時不指定矩形的坐標，那么當光標位于圖像中時會變成十字形，可以通過拖曳鼠標的方式交互式地選擇一個矩形。imcrop函數(shù)根據(jù)用戶的選擇繪制一個矩形，釋放鼠標鍵后將產(chǎn)生一個新的圖像。50ppt課件.(3)圖像剪切50ppt課件.仿射變換仿射變換，可以用以下函數(shù)來描述：其中，A是變形矩陣，b是平移矩陣。

(1)尺度變換變換矩陣：,S≥051ppt課件.仿射變換仿射變換，可以用以下函數(shù)來描述：,S≥051ppt【例】clf;I=checkerboard(20,2);subplot(121);imshow(I);axison;title('原圖')s=1.5;T=[s0;0s;00];tf=maketform('affine',T);I1=imtransform(I,tf,'bicubic','FillValues',0.3);subplot(122);imshow(I1);axison;title('尺度變換')52ppt課件.【例】52ppt課件.(2)伸縮變換變換矩陣：53ppt課件.(2)伸縮變換53ppt課件.【例】clf;I=checkerboard(20,2);subplot(121);imshow(I);axison;title('原圖')t=2;T=[10;0t;00];tf=maketform('affine',T);I1=imtransform(I,tf,'bicubic','FillValues',0.3);subplot(122);imshow(I1);axison;title('伸縮變換')54ppt課件.【例】54ppt課件.(3)扭曲變換變換矩陣：55ppt課件.(3)扭曲變換55ppt課件.【例】clf;I=checkerboard(20,2);subplot(121);imshow(I);axison;title('原圖')u=0.5;T=[1u;01;00];tf=maketform('affine',T);I1=imtransform(I,tf,'bicubic','FillValues',0.3);subplot(122);imshow(I1);axison;title('扭曲變換')56ppt課件.【例】56ppt課件.(4)旋轉(zhuǎn)變換變換矩陣：57ppt課件.(4)旋轉(zhuǎn)變換57ppt課件.clf;I=checkerboard(20,2);subplot(1,2,1);imshow(I);title('原圖')angle=20*pi/180;sc=cos(angle);ss=sin(angle);T=[sc-ss;sssc;00];tf=maketform('affine',T);I1=imtransform(I,tf,'bicubic','FillValues',0.3);subplot(122);imshow(I1);title('旋轉(zhuǎn)變換')58ppt課件.clf;I=checkerboard(20,2);58p(5)綜合變換變換矩陣：59ppt課件.(5)綜合變換59ppt課件.【例】clf;I=checkerboard(20,2);subplot(1,2,1);imshow(I);title('原圖')s=2;As=[s0;0s];%尺度t=2;At=[10;0t];%伸縮u=1.5;Au=[1u;01];%扭曲st=30*pi/180;sc=cos(st);ss=sin(st);Ast=[sc-ss;sssc];%旋轉(zhuǎn)T=[As*At*Au*Ast;35];tf=maketform('affine',T);I1=imtransform(I,tf,'bicubic','FillValues',0.3);subplot(122);imshow(I1);title('綜合')60ppt課件.【例】60ppt課件.主要內(nèi)容遙感圖像概述遙感圖像的讀寫與顯示遙感圖像輻射增強遙感圖像幾何變換遙感圖像配準遙感圖像濾波遙感圖像分割61ppt課件.主要內(nèi)容遙感圖像概述61ppt課件.圖像配準是指依據(jù)一些相似性度量決定圖像間的變換參數(shù)使得從不同傳感器不同視角不同時間獲取的同一場景的兩幅或多幅圖像變換到統(tǒng)一坐標系下在像素層上得到最佳匹配的過程。待配準圖像相對于參考圖像的配準可定義為兩幅圖像在空間和亮度上的映射兩幅圖像可定義為兩個二維數(shù)組分別用I1(x,y)和I2(x,y)表示他們分別是兩幅圖像的亮度值則兩幅圖像間的映射可表示為：其中：f為二維空間坐標變換，g為一維亮度或其他亮度變換62ppt課件.圖像配準是指依據(jù)一些相似性度量決定圖像間的變換參數(shù)使得從不同63ppt課件.63ppt課件.遙感圖像配準步驟第一步：讀取圖像orthophoto=imread('westconcordorthophoto.png');figure,imshow(orthophoto)unregistered=imread('westconcordaerial.png');figure,imshow(unregistered)64ppt課件.遙感圖像配準步驟第一步：讀取圖像64ppt課件.第2步：選取控制點cpselect(unregistered,orthophoto)65ppt課件.第2步：選取控制點65ppt課件.第3步：保存控制點到MATLAB工作空間中Filemenu->choosetheExportPointstoWorkspace第4步(可選)：控制點微調(diào)以提高配準精度cpcorr(??)66ppt課件.第3步：保存控制點到MATLAB工作空間中66ppt課件.第5步：指定變換類型及其參數(shù)mytform=cp2tform(input_points,base_points,'projective');第6步：轉(zhuǎn)換待配準圖像registered=imtransform(unregistered,mytform);imshow(orthophoto)holdonh=imshow(registered,gray(256));set(h,'AlphaData',0.6)67ppt課件.第5步：指定變換類型及其參數(shù)67ppt課件.主要內(nèi)容遙感圖像概述遙感圖像的讀寫與顯示遙感圖像輻射增強遙感圖像幾何變換遙感圖像配準遙感圖像濾波

遙感圖像分割68ppt課件.主要內(nèi)容遙感圖像概述68ppt課件.遙感圖像濾波方法分類空間域濾波頻率域濾波69ppt課件.遙感圖像濾波方法分類空間域濾波69ppt課件.圖像的空間域濾波濾波是一種圖像修正或增強技術(shù)?？梢酝怀鰣D像的某些特征，也可以刪除另一些特征。圖像濾波的本質(zhì)是一種鄰域操作，輸出圖像的任一個像素值都是通過輸入圖像對應(yīng)的像素鄰域內(nèi)的像素值利用一定的算法得到的。圖像的空間域濾波就是輸出圖像任一個像素值都是通過輸入圖像對應(yīng)的像素鄰域內(nèi)的像素值線性組合得到的。70ppt課件.圖像的空間域濾波70ppt課件.圖像的空間域濾波二維卷積函數(shù)conv2濾波函數(shù)filter2圖像濾波imfilter預定義濾波器fspecial

71ppt課件.圖像的空間域濾波71ppt課件.設(shè)當前待處理像素為f(m,n)，給出一個大小為3×3的處理模板。72ppt課件.設(shè)當前待處理像素為f(m,n)，給出一個大小為3×3的處以模塊運算系數(shù)表示即：73ppt課件.以模塊運算系數(shù)表示即：73ppt課件.常用的模板：74ppt課件.常用的模板：74ppt課件.【例】x=imread(‘cameraman.tif’);A=1/25*ones(5,5);x2=conv2(double(x),A);imshow(x)figureimshow(int8(x2))B=0.5*[00.250;0.2510.25;00.250];x3=conv2(double(x),B);figureimshow(int8(x3))C=[0-10;-14-1;0-10];x4=conv2(double(x),C);figureImshow(int8(x4))75ppt課件.【例】75ppt課件.二維卷積函數(shù)conv2

A=[

17241815235714164613202210121921311182529]h=[816357492]

C=conv2(A,h)76ppt課件.二維卷積函數(shù)conv2A=[1724卷積步驟：關(guān)于卷積核的中心，旋轉(zhuǎn)卷積核180度。滑動卷積核，將卷積核的中心位于圖像矩陣的每一個元素。將旋轉(zhuǎn)后的卷積核作為權(quán)重，乘以對應(yīng)的矩陣元素求加權(quán)和77ppt課件.卷積步驟：關(guān)于卷積核的中心，旋轉(zhuǎn)卷積核180度。77ppt課計算卷積輸出(2,4)78ppt課件.計算卷積輸出(2,4)78ppt課件.C=conv2(A,B)C=conv2(A,B，shape)A:輸入圖像，B：卷積核，C：輸出圖像，若A大小為ma×na，B大小為mb×nb，則C大小為（ma+mb-1）×（na+nb-1）shape指定卷積運算的范圍：shape=‘full’(thedefault),返回全部二維卷積結(jié)果shape=‘same’,返回與A同樣大小的卷積中心部分shape=‘valid’,不考慮邊界補零，返回C大小為（ma-mb+1）×（na-nb+1）79ppt課件.C=conv2(A,B)79ppt課件.相關(guān)運算實現(xiàn)濾波：filter2相關(guān)運算(correlation)滑動相關(guān)核，將相關(guān)核的中心位于圖像矩陣的每一個元素。將相關(guān)核作為權(quán)重，乘以對應(yīng)的矩陣元素求加權(quán)和用相關(guān)運算實現(xiàn)濾波的函數(shù)是filter2B=filter2(h,A)80ppt課件.相關(guān)運算實現(xiàn)濾波：filter2相關(guān)運算(correlati計算相關(guān)輸出(2,4)81ppt課件.計算相關(guān)輸出(2,4)81ppt課件.圖像的線性濾波imfilterB=imfilter(A,H,option1,option2,…)A:多維圖像陣列，H:多維濾波器，option1,option2…決定邊緣上的處理方法，輸出圖像大小，采用與filter2相同的方法還是卷積的方法。82ppt課件.圖像的線性濾波imfilter82ppt課件.例：利用imfilter函數(shù)實現(xiàn)均值濾波

I=imread('coins.png');h=ones(5,5)/25;I2=imfilter(I,h);imshow(I),title('OriginalImage');figure,imshow(I2),title('FilteredImage')83ppt課件.例：利用imfilter函數(shù)實現(xiàn)均值濾波I=imreaimfilter輸入輸出的數(shù)據(jù)類型是一樣的A=magic(5)h=[-101];imfilter(A,h)可以看到輸出有負值，所以有時候在imfilter前用類型轉(zhuǎn)換，避免這種情況。A=uint8(magic(5))imfilter(A,h)84ppt課件.imfilter輸入輸出的數(shù)據(jù)類型是一樣的A=magicoption:相關(guān)和卷積imfilter既可以用相關(guān)，也可以用卷積實現(xiàn)濾波操作，缺省是相關(guān)。A=magic(5);h=[-101]imfilter(A,h)%filterusingcorrelationimfilter(A,h,'conv')

%filterusingconvolution85ppt課件.option:相關(guān)和卷積imfilter既可以用相關(guān)，也可以option:邊界補零(zero-padding)和邊界復制(borderreplication)邊界補零(zero-padding):缺省86ppt課件.option:邊界補零(zero-padding)和邊界復option:邊界補零(zero-padding)和邊界復制(borderreplication)邊界補零(zero-padding):缺省I=imread('eight.tif');h=ones(5,5)/25;I2=imfilter(I,h);imshow(I),title('OriginalImage');figure,imshow(I2),title('FilteredImagewithBlackBorder')缺點：濾波得到的圖像邊緣有一個darkband87ppt課件.option:邊界補零(zero-padding)和邊界復option:邊界補零(zero-padding)和邊界復制(borderreplication)邊界復制(borderreplication)88ppt課件.option:邊界補零(zero-padding)和邊界復option:邊界補零(zero-padding)和邊界復制(borderreplication)邊界復制(borderreplication)

I3=imfilter(I,h,'replicate');figure,imshow(I3);title('FilteredImagewithBorderReplication')imfilter還有其他的邊界補充選項，參考imfilter的幫助89ppt課件.option:邊界補零(zero-padding)和邊界復多維濾波imfilter既可以處理多維圖像，也可以處理多維濾波器。用一個二維濾波器對一個三維圖像濾波，相當于對三維圖像的每個平面進行二維濾波。例：用同樣的濾波器對一個真彩色圖像的每個顏色平面進行濾波。90ppt課件.多維濾波imfilter既可以處理多維圖像，也可以處理多維濾%ReadinanRGBimageanddisplayitrgb=imread('peppers.png');imshow(rgb);%Filtertheimageanddisplayit.h=ones(5,5)/25;rgb2=imfilter(rgb,h);figure,imshow(rgb2)91ppt課件.%ReadinanRGBimageanddisimfilter與filter2、conv2的關(guān)系：filter2、conv2、convn：將輸入轉(zhuǎn)換為double類型，輸出也是double的，輸入總是補零（zeropadded),不支持其他的邊界補充選項。imfilter：不將輸入轉(zhuǎn)換為double，輸出只與輸入同類型，有靈活的邊界補充選項92ppt課件.imfilter與filter2、conv2的關(guān)系：filt主要內(nèi)容空間域濾波頻率域濾波93ppt課件.主要內(nèi)容空間域濾波93ppt課件.背景

Background法國數(shù)學家傅立葉(生于1768年)在1822年出版的《熱分析理論》一書中指出:任何周期函數(shù)都可以表達為不同頻率的正弦和或余弦和的形式,即傅立葉級數(shù)。20世紀50年代后期,快速傅立葉變換算法出現(xiàn),得到了廣泛的應(yīng)用。傅立葉變換(FourierTransform)94ppt課件.背景Background法國數(shù)學家傅立葉(生于1768年)傅里葉變換和頻率域的介紹一維傅立葉變換及其反變換二維DFT變換及其反變換二維DFT變換性質(zhì)95ppt課件.傅里葉變換和頻率域的介紹一維傅立葉變換及其反變換95ppt課一維傅立葉變換及其反變換連續(xù)函數(shù)f(x)的傅立葉變換F(u):傅立葉變換F(u)的反變換:96ppt課件.一維傅立葉變換及其反變換連續(xù)函數(shù)f(x)的傅立葉變換F(u)一維傅立葉變換及其反變換離散函數(shù)f(x)(其中x，u=0,1,2,…,M-1)的傅立葉變換:F(u)的反變換的反變換:計算F(u)：1)在指數(shù)項中代入u=0，然后將所有x值相加2)u=1，重復對所有x的相加；3)對所有M個u重復此過程，得到完整的FT。97ppt課件.一維傅立葉變換及其反變換離散函數(shù)f(x)(其中x，u=0,1一維離散傅里葉變換離散傅里葉變換及其反變換總存在。用歐拉公式得每個F(u)

由f(x)與對應(yīng)頻率的正弦和余弦乘積和組成；u值決定了變換的頻率成份，因此，F(xiàn)(u)覆蓋的域(u值)稱為頻率域，其中每一項都被稱為FT的頻率分量。與f(x)的“時間域”和“時間成份”相對應(yīng)。98ppt課件.一維離散傅里葉變換離散傅里葉變換及其反變換總存在。每個F(u一維離散傅里葉變換傅里葉變換將信號分成不同頻率成份。類似光學中的分色棱鏡把白光按波長(頻率)分成不同顏色，稱數(shù)學棱鏡。99ppt課件.一維離散傅里葉變換傅里葉變換將信號分成不同頻率成份。類似光學一維離散傅里葉變換傅立葉變換在極坐標下表示:頻率譜相位譜功率譜100ppt課件.一維離散傅里葉變換傅立葉變換在極坐標下表示:頻率譜相位譜功率一維離散傅里葉變換f(x)是一門函數(shù)，如圖所示，它表示為：求其傅立葉變換F(u)101ppt課件.一維離散傅里葉變換f(x)是一門函數(shù)，如圖所示，它表示為：1一維離散傅里葉變換解：102ppt課件.一維離散傅里葉變換解：102ppt課件.一維離散傅里葉變換對應(yīng)的傅立葉譜為：103ppt課件.一維離散傅里葉變換對應(yīng)的傅立葉譜為：103ppt課件.一維離散傅里葉變換簡單函數(shù)的傅里葉譜M點離散函數(shù)及其傅里葉頻譜(M=1024,A=1,K=8)；對應(yīng)的傅里葉頻譜

曲線下面積：當x域加倍時，頻率譜的高度也加倍；當函數(shù)長度加倍時，相同間隔下頻譜中零點的數(shù)量也加倍。104ppt課件.一維離散傅里葉變換簡單函數(shù)的傅里葉譜M曲線下面積：當x二維DFT傅里葉變換一個圖像尺寸為M×N的函數(shù)f(x,y)的離散傅立葉變換F(u,v):F(u,v)的反變換的反變換:105ppt課件.二維DFT傅里葉變換一個圖像尺寸為M×N的函數(shù)f(x,y)的二維DFT傅里葉變換二維離散傅立葉變換在極坐標下表示:頻率譜相位譜功率譜106ppt課件.二維DFT傅里葉變換二維離散傅立葉變換在極坐標下表示:106二維DFT傅里葉變換(u,v)=(0,0)位置的傅里葉變換值為即f(x,y)的均值，原點(0,0)的傅里葉變換是圖像的平均灰度。F(0,0)稱為頻率譜的直流分量(系數(shù))，其它F(u,v)值稱為交流分量(交流系數(shù))。107ppt課件.二維DFT傅里葉變換(u,v)=(0,0)位置的傅里葉變換值離散傅里葉變換是對區(qū)間[0,M-1]中的u值表述的，變換結(jié)果是關(guān)于原點對稱的兩個半周期，要顯示完全的周期，需要將變換的原點移到u=M/2，二維圖像中心化亦是如此108ppt課件.離散傅里葉變換是對區(qū)間[0,M-1]中的u值表述的，變換簡單二維函數(shù)的中心譜空間域和頻率域抽樣點之間的關(guān)系如下：109ppt課件.簡單二維函數(shù)的中心譜空間域和頻率域抽樣點之間的關(guān)系如下：10簡單二維函數(shù)的中心譜110ppt課件.簡單二維函數(shù)的中心譜110ppt課件.MATLAB中離散傅立葉(DFT)的計算：fft、fft2、fftn：分別實現(xiàn)一維、二維和n維離散快速傅立葉變換(DFT)ifft、ifft2、ifftn：分別實現(xiàn)一維、二維和n維離散快速傅立葉逆變換(IDFT)111ppt課件.MATLAB中離散傅立葉(DFT)的計算：fft、fft2、例：圖像傅立葉變換和幅值1.產(chǎn)生圖像矩陣，包括一個矩形區(qū)域f=zeros(30,30);f(5:24,13:17)=1;imshow(f,'InitialMagnification','fit')2.計算和顯示f的傅立葉變換F=fft2(f);F2=log(abs(F));figure,imshow(F2,[-15],'InitialMagnification','fit');colormap(jet);colorbar112ppt課件.例：圖像傅立葉變換和幅值1.產(chǎn)生圖像矩陣，包括一個矩形區(qū)域113ppt課件.113ppt課件.上圖：傅立葉變換的取樣很粗，且零頻率系數(shù)不像傳統(tǒng)的那樣顯示在圖像中心，而是顯示在左上角。為獲得傅立葉變換較精細的取樣，采用補零的方法。3.補零和計算f的傅立葉變換F=fft2(f,256,256);F2=log(abs(F));figure,imshow(F2,[-15],'InitialMagnification','fit');colormap(jet);colorbar114ppt課件.上圖：傅立葉變換的取樣很粗，且零頻率系數(shù)不像傳統(tǒng)的那樣顯示在4.將零頻系數(shù)移動到圖像中心F=fft2(f,256,256);F2=fftshift(F);figure,imshow(log(abs(F2)),[-15],'InitialMagnification','fit');colormap(jet);colorbar115ppt課件.4.將零頻系數(shù)移動到圖像中心115ppt課件.頻率域濾波頻率域的基本性質(zhì)

每個F(u,v)項包含了被指數(shù)項修正的f(x,y)的所有值：直觀上將傅里葉變換和圖像中的亮度變化聯(lián)系起來并不困難：直流分量F(0,0)對應(yīng)一幅圖像的平均灰度；低頻部分對應(yīng)圖像緩慢變化的分量；高頻部分對應(yīng)圖像邊緣和灰度級突變的部分116ppt課件.頻率域濾波頻率域的基本性質(zhì)直觀上將傅里葉變換和圖像中的亮度變圖為一幅集成電路的掃描電子顯微鏡(SEM)圖像，放大將近2500倍。注意圖中±45°的強邊緣，和兩個因熱感應(yīng)不足而產(chǎn)生的白色氧化突起圖是上圖的傅里葉頻譜，沿著±45°方向?qū)?yīng)上圖邊緣突起部分。沿垂直軸偏左部分有垂直分量，由氧化突起的上下黑白邊沿形成。117ppt課件.圖為一幅集成電路的掃描電子顯微鏡(SEM)圖像，放大將近25頻率域的基本性質(zhì)

頻率域的基本性質(zhì)：頻域的中心鄰域?qū)?yīng)圖像中慢變化部分，較高的頻率開始對應(yīng)圖像中變化較快的部分（如：物體的邊緣、線條等）。118ppt課件.頻率域的基本性質(zhì)

頻率域的基本性質(zhì)：頻域的中心鄰頻率域中濾波步驟輸入圖像前處理傅里葉變換濾波函數(shù)傅里葉反變換后處理增強后的圖像前處理、后處理：1.中心變換2.輸入圖像向其最接近的偶數(shù)維轉(zhuǎn)換3.灰度級標定4.輸入向浮點的轉(zhuǎn)換5.輸出向8比特整數(shù)的轉(zhuǎn)換119ppt課件.頻率域中濾波步驟輸入前處理傅里葉變換濾波函數(shù)傅里葉反變換后處1.用(-1)x+y乘以輸入圖像來進行中心變化。在MATLAB中是利用函數(shù)fftshift()實現(xiàn)。2.由(1)計算圖像的DFT，即F(u,v)；3.用濾波函數(shù)H(u,v)乘以F(u,v)。

H(u,v)稱為濾波器：抑制某些頻率，其他頻率不受影響

頻率域中濾波步驟：120ppt課件.1.用(-1)x+y乘以輸入圖像來進行中心變化。在MATL4.計算(3)中結(jié)果的反DFT。5.得到(4)中結(jié)果的實部。6.用(-1)x+y乘以(5)中的結(jié)果。

頻率域中濾波步驟：121ppt課件.4.計算(3)中結(jié)果的反DFT。頻率域中濾波步驟：121pf=imread('cameraman.tif');PQ=paddedsize(size(f));%zeropaddedF=fft2(f,PQ(1),PQ(2));h=fspecial('laplacian',0.8)H=freqz2(h,PQ(1),PQ(2));H1=ifftshift(H);G=H1.*F;g=real(ifft2(G));gf=g(1:size(f,1),1:size(f,2));imshow(f)figureimshow(gf)122ppt課件.f=imread('cameraman.tif');122p一些基本的濾波器及其性質(zhì)低通濾波器：使低頻通過，高頻衰減低頻主要決定圖像在平滑區(qū)域中總體灰度級的顯示比原始圖像少一些尖銳的細節(jié)部分高通濾波器：使高頻通過，低頻衰減高頻決定圖像細節(jié)部分，如邊緣和噪聲在平滑區(qū)域中減少灰度級變化，突出過渡（如邊緣）灰度級的細節(jié)部分，使圖像更加銳化。123ppt課件.一些基本的濾波器及其性質(zhì)低通濾波器：使低頻通過，高頻衰減12基本的濾波器及其性質(zhì)圖像被模糊銳化F(0,0)=0:幾乎沒有平滑細節(jié)周期對稱LowpassfilterHighpassfilter

124ppt課件.基本的濾波器及其性質(zhì)圖像被模糊銳化F(0,0)=0:幾乎周期空間域濾波和頻率域濾波之間的對應(yīng)關(guān)系卷積定理：

空間域的乘法對應(yīng)頻域卷積125ppt課件.空間域濾波和頻率域濾波之間的對應(yīng)關(guān)系卷積定理：125ppt空間域濾波和頻率域濾波之間的對應(yīng)關(guān)系重要性質(zhì):根據(jù)沖擊函數(shù)和卷積定理的性質(zhì)，可知空間域和頻率域的濾波器組成傅里葉變換對h(x,y)和H(u,v)。給出頻率域濾波器H(u,v)，通過反傅里葉變換可以得到空間域相應(yīng)的濾波器h(x,y)。126ppt課件.空間域濾波和頻率域濾波之間的對應(yīng)關(guān)系重要性質(zhì):根據(jù)沖擊函數(shù)和空間域濾波和頻率域濾波之間的對應(yīng)關(guān)系濾波器大小前述的所有函數(shù)均具有相同的尺寸M×N。在實際中，指定一個頻率域濾波器，進行反變換后會得到一個相同尺寸的空間域濾波器。如果兩個域中濾波器尺寸相同，那么通常頻域中進行濾波計算更為有效，更為直觀，但空域中適用更小尺寸的濾波器，更為有效。127ppt課件.空間域濾波和頻率域濾波之間的對應(yīng)關(guān)系濾波器大小127ppt課空間域濾波和頻率域濾波之間的對應(yīng)關(guān)系方法：在頻率域指定濾波器；做反變換；使用結(jié)果濾波器作為在空間域構(gòu)建更小空間濾波模板的指導；128ppt課件.空間域濾波和頻率域濾波之間的對應(yīng)關(guān)系方法：128ppt課件.基于高斯函數(shù)的濾波高斯濾波器函數(shù)(低通):對應(yīng)的空間域濾波器δ為高斯曲線的標準差。129ppt課件.基于高斯函數(shù)的濾波高斯濾波器函數(shù)(低通):對應(yīng)的空間域濾波器基于高斯函數(shù)的濾波高斯濾波器的重要特性頻域和空域高斯濾波器構(gòu)成傅里葉變換對，且都是實高斯函數(shù)。處理時不用考慮復數(shù)，而且高斯曲線直觀，易于操作。高斯濾波器傅里葉變換對之間有相互作用：當H(u)有很寬輪廓時(大δ值)，h(x)很窄輪廓，反之亦然；當δ趨于無窮時，H(u)趨于常函數(shù)，h(x)趨于沖擊函數(shù)。130ppt課件.基于高斯函數(shù)的濾波高斯濾波器的重要特性頻域和空域高斯濾波器構(gòu)基于高斯函數(shù)的濾波器頻域濾波器越窄，濾除的低頻部分越多，圖像越模糊。在空域中意味著濾波器越寬，模板就越大(階數(shù)越大)。131ppt課件.基于高斯函數(shù)的濾波器頻域濾波器越窄，濾除的低頻部分越多，圖像空間域濾波和頻域濾波之間的對應(yīng)關(guān)系一些在空間域直接表述非常困難，甚至是不可能的增強任務(wù)，在頻率域中變的非常簡單；通過頻率域?qū)嶒炦x擇合適的濾波器，進行反變換獲得空間濾波器，實際實施通常都是在空間域進行的。132ppt課件.空間域濾波和頻域濾波之間的對應(yīng)關(guān)系一些在空間域直接表述非常困主要內(nèi)容遙感圖像概述遙感圖像的讀寫與顯示遙感圖像輻射增強遙感圖像幾何變換遙感圖像配準遙感圖像濾波遙感圖像分割133ppt課件.主要內(nèi)容遙感圖像概述133ppt課件.對于給定的一幅含有多個物體的數(shù)字圖像，模式識別的過程由三個階段組成，如圖所示圖像分割特征抽取輸入圖像物體圖像特征矢量分類物體類型“Bar”檢測出各種物體，并把他們的圖像和其余景物分離對物體進行度量，即對物體進行定量分析估計輸出僅僅是一種決策，確定每個物體應(yīng)該歸屬的類別134ppt課件.對于給定的一幅含有多個物體的數(shù)字圖像，模式識別的過程由三個階圖像分割介紹定義將圖像分成各具特性的區(qū)域，并提取出感興趣目標的技術(shù)和過程灰度、顏色、紋理對應(yīng)單個區(qū)域和多個區(qū)域圖像處理過渡到圖像分析的關(guān)鍵步驟，也是一種基本的計算機視覺技術(shù)借助集合概念進行正式的定義：令R代表整個圖像區(qū)域，對R的分割可看做將R分成若干個滿足以下條件的非空子集(子區(qū)域)R1,R2,R3…Rn135ppt課件.圖像分割介紹定義將圖像分成各具特性的區(qū)域，并提取出感興趣目標(1)∪i=1nRi=R分割所得到的全部子區(qū)域的總和(并集)應(yīng)能包括圖像中所有象素，或者說分割應(yīng)將圖像中的每個象素都分進某1個子區(qū)域中(2)對所有的i和j，i≠j，有Ri∩Rj=φ各個子區(qū)域是互不重疊的，或者說1個象素不能同時屬于2各區(qū)域(3)i=1,2…n,有P(Ri)=TRUE在分割后得到的屬于同1個區(qū)域中的象素應(yīng)該具有某些相同特性(4)對i≠j,有P(Ri∪Rj)=FALSE在分割后得到的屬于不同區(qū)域中的象素應(yīng)該具有一些不同的特性(5)對i=1,2…n,Ri是連通的區(qū)域要求同1個子區(qū)域內(nèi)的象素應(yīng)當是連通的分割準則應(yīng)可適用于所有區(qū)域和象素分割準則應(yīng)能幫助確定各區(qū)域象素有代表性的特性136ppt課件.(1)∪i=1nRi=R分割所得到的全部子區(qū)域的總和(并集基于閾值的分割－通過閾值對不同物體進行分割基于邊緣的分割－先確定邊緣象素，并把它們連接在一起，以構(gòu)成所需的邊界基于區(qū)域的分割－把各象素劃歸到各個物體或區(qū)域中圖像分割方法分類137ppt課件.基于閾值的分割－通過閾值對不同物體進行分割圖像分割方法分類1基于閾值的分割圖像閾值分割是一種廣泛應(yīng)用的分割技術(shù)，利用圖像中要提取的目標物與其背景在灰度特性上的差異，把圖像視為具有不同灰度級的兩類區(qū)域(目標和背景)的組合，選取一個合適的閾值，以確定圖像中每個象素點應(yīng)該屬于目標還是背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像可以大量壓縮數(shù)據(jù)，減少存儲容量，而且能大大簡化其后的分析和處理步驟138ppt課件.基于閾值的分割圖像閾值分割是一種廣泛應(yīng)用的分割技術(shù)，利用圖像由此可見，閾值化分割算法主要有兩個步驟：1、確定需要的分割閾值2、將分割閾值與象素值比較以劃分象素在利用閾值方法來分割灰度圖像時一般都對圖像有一定的假設(shè)。基于一定的圖像模型的。最常用的模型：假設(shè)圖像由具有單峰灰度分布的目標和背景組成，處于目標或背景內(nèi)部相鄰象素間的灰度值是高度相關(guān)的，但處于目標和背景交界處兩邊的象素在灰度值上有很大的差別。如果一幅圖像滿足這些條件，它的灰度直方圖基本上可看作是由分別對應(yīng)目標和背景的兩個單峰直方圖混合構(gòu)成的。139ppt課件.由此可見，閾值化分割算法主要有兩個步驟：在利用閾值方法來分割直方圖閾值分割簡單直方圖分割法最佳閾值140ppt課件.直方圖閾值分割簡單直方圖分割法140ppt課件.簡單直方圖分割法圖像的灰度級范圍為0,1,…l-1，設(shè)灰度級i的象素數(shù)為ni，則一幅圖像的總象素N為N=∑i=0l-1ni灰度級i出現(xiàn)的概率定義為：pi=ni/N灰度圖像的直方圖反映一幅圖像上灰度分布的統(tǒng)計特性，成為利用象素灰度作屬性的分割方法的基礎(chǔ)141ppt課件.簡單直方圖分割法圖像的灰度級范圍為0,1,…l-1，設(shè)灰度級Z1ZiZtZjZk暗亮PB1B2背景目標60年代中期，Prewitt提出了直方圖雙峰法，即如果灰度級直方圖呈明顯的雙峰狀，則選取兩峰之間的谷底所對應(yīng)的灰度級作為閾值。142ppt課件.Z1ZiZtZjZk暗亮PB1B2背景目標60年代中期，注意：應(yīng)用灰度直方圖雙峰法來分割圖像，也需要一定的圖像先驗知識，因為同一個直方圖可以對應(yīng)若干個不同的圖像，直方圖只表明圖像中各個灰度級上有多少個象素，并不描述這些象素的任何位置信息。該方法不適合直方圖中雙峰差別很大或雙峰間的谷比較寬廣而平坦的圖像，以及單峰直方圖的情況。70年代初，研究工作集中在直方圖變換，但無論是直方圖還是直方圖變換法都僅僅考慮了直方圖灰度信息而忽略了圖像的空間信息143ppt課件.注意：應(yīng)用灰度直方圖雙峰法來分割圖像，也需要一定的圖像先驗知最佳閾值所謂最佳閾值是指圖像中目標物與背景的分割錯誤最小的閾值設(shè)一幅圖像只由目標物和背景組成，已知其灰度級分布概率密度分布為P1(Z)和P2(Z)，且已知目標物象素占全圖象素數(shù)比為θ，因此，該圖像總的灰度級概率密度分布P(Z)可用下式表示：P(Z)=θP1(Z)+(1-θ)P2(Z)假定閾值為Z，認為圖像由亮背景上的暗物體所組成，即灰度小于Z的位目標物，大于Z的為背景144ppt課件.最佳閾值所謂最佳閾值是指圖像中目標物與背景的分割錯誤最小的閾P1(Z)P2(Z)Zt目標物背景如圖所示，如選定Zt為分割閾值，則將背景象素錯認為是目標物象素的概率為：E1(Zt)=∫-∞ZtP2(Z)dZE2(Zt)=∫zt∞P1(Z)dZ將目標物象素錯認為是背景象素的概率為：因此，總的錯誤概率E(Z)為：E(Zt)=(1-θ)E1(Zt)+θE2(Zt)145ppt課件.P1(Z)P2(Z)Zt目標物背景如圖所示，如選定Zt為分割最佳閾值就是使E(Zt)為最小值時的Zt，將E(Zt)對Zt求導，并令其等于0，解出其結(jié)果為：θP1(Zt)=(1-θ)P2(Zt)設(shè)P1(Zt)和P2(Zt)均為正態(tài)分布函數(shù)，其灰度均值分別為μ1和μ2，對灰度均值得標準偏差分別為σ1和σ2，即146ppt課件.最佳閾值就是使E(Zt)為最小值時的Zt，將E(Zt)對Zt將上兩式代入，且對兩邊求對數(shù)，得到：簡化為：AZt2+BZt+C=0上式是Zt的一個二次方程式，有兩個解，因此，要使分割誤差最小，需要設(shè)置兩個閾值，即上式的兩個解。如果設(shè)σ2=σ12=σ22，即方差相等，則上式方程存在唯一解，即：147ppt課件.將上兩式代入，且對兩邊求對數(shù)，得到：簡化為：AZt2+BZt如果設(shè)θ=1-θ，即θ＝1/2時，E1(Zt)E2(Zt)P1(Z)P2(Z)ZtZP從前面可以看出，假如圖像的目標物和背景象素灰度級概率呈正態(tài)分布，且偏差相等(σ12=σ22)，背景和目標物象素總數(shù)也相等(θ＝1/2)，則這個圖像的最佳分割閾值就是目標物和背景象素灰度級兩個均值得平均148ppt課件.如果設(shè)θ=1-θ，即θ＝1/2時，E1(Zt)E2(Zt)基于邊緣的分割先檢測不連續(xù)的點，然后將點連接成邊界點檢測線檢測邊緣檢測無論哪種方法，其處理過程為R=w1z1+w2z2+…+w9z9=Swkz其中zk

是與模板系數(shù)wk相聯(lián)系的灰度級象素

R代表模板中心象素的值w1w2w3w6w9w8w7w4w5149ppt課件.基于邊緣的分割先檢測不連續(xù)的點，然后將點連接成邊界無論哪種方邊緣檢測兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣邊緣是灰度值不連續(xù)的結(jié)果，這種不連續(xù)常可利用求導數(shù)方便的檢測到，一般常用一階和二階導數(shù)來檢測邊緣常見的邊緣剖面圖有三種，如圖所示150ppt課件.邊緣檢測兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣邊緣是灰度圖像水平方向剖面一階導數(shù)二階導數(shù)階梯狀－處于圖像中2個具有不同灰度值的相鄰區(qū)域之間脈沖狀－對應(yīng)細條狀的灰度值突變區(qū)域屋頂狀－上升下降沿都比較緩慢151ppt課件.圖像水平方向剖面一階導數(shù)二階導數(shù)階梯狀－處于圖像中2個具有不一階導數(shù)在圖像由暗變明的位置處有1個向上的階躍，而其它位置都為0，這表明可用一階導數(shù)的幅度值來檢測邊緣的存在，幅度峰值一般對應(yīng)邊緣位置二階導數(shù)在一階導數(shù)的階躍上升區(qū)有1個向上的脈沖，而在一階導數(shù)的階躍下降區(qū)有1個向下的脈沖，在這兩個脈沖之間有1個過0點，它的位置正對應(yīng)原圖像中邊緣的位置，所以可用二階導數(shù)的過0點檢測邊緣位置，而用二階導數(shù)在過0點附近的符號確定邊緣象素在圖像邊緣的暗區(qū)或明區(qū)對(a、b)而言152ppt課件.一階導數(shù)在圖像由暗變明的位置處有1個向上的階躍，而其它位置都對(c)而言，脈沖狀的剖面邊緣與(a)的一階導數(shù)形狀相同，所以(c)的一階導數(shù)形狀與(a)的二階導數(shù)形狀相同，而它的2個二階導數(shù)過0點正好分別對應(yīng)脈沖的上升沿和下降沿，通過檢測脈沖剖面的2個二階導數(shù)過0點就可確定脈沖的范圍對(d)而言，屋頂狀邊緣的剖面可看作是將脈沖邊緣底部展開得到，所以它的一階導數(shù)是將(c)脈沖剖面的一階導數(shù)的上升沿和下降沿展開得到的，而它的二階導數(shù)是將脈沖剖面二階導數(shù)的上升沿和下降沿拉開得到的，通過檢測屋頂狀邊緣剖面的一階導數(shù)過0點，可以確定屋頂位置153ppt課件.對(c)而言，脈沖狀的剖面邊緣與(a)的一階導數(shù)形狀相同，所主要介紹以下幾種邊緣檢測算子（1）梯度算子（2）方向算子（3）拉普拉斯算子（4）馬爾算子（5）綜合正交算子（6）坎尼算子154ppt課件.主要介紹以下幾種邊緣檢測算子154ppt課件.梯度算子梯度對應(yīng)一階導數(shù)，梯度算子是一階導數(shù)算子，在邊緣灰度值過渡比較尖銳且圖像中噪聲比較小時，梯度算子效果好。對1個連續(xù)圖像函數(shù)f(x,y)，它在位置(x,y)的梯度可表示為1個矢量：155ppt課件.梯度算子梯度對應(yīng)一階導數(shù)，梯度算子是一階導數(shù)算子，在邊緣灰度這個矢量的幅度(也常直接簡稱為梯度)和方向角分別為：有時用其它方式計算幅度，如：上面各式中的偏導數(shù)都需對一個象素位置計算，在實際中，常用小區(qū)域模板進行卷積近似計算156ppt課件.這個矢量的幅度(也常直接簡稱為梯度)和方向角分別為：有時用其梯度運算比較復雜一點，在數(shù)字圖像梯度運算過程中，可以按圖像內(nèi)容試用一些近似運算，以獲得既能滿足要求又能使運算簡單的方法。對于數(shù)字圖像，可用一階差分代替一階微分157ppt課件.梯度運算比較復雜一點，在數(shù)字圖像梯度運算過程中，可以按圖像內(nèi)在數(shù)字圖像中，還經(jīng)常使用Robert和Sobel等算子檢測邊緣Robert梯度采用的是對角方向相鄰兩象素之差，即1-11－1Roberts模板Sobel梯度算子先做加權(quán)平均，然后再微分，即158ppt課件.在數(shù)字圖像中，還經(jīng)常使用Robert和Sobel等算子檢測邊-1111-1-1111-1-1-1Prewitt模板-1121-1-2121-1-2-1Sobel模板水平水平垂直垂直Sobel算子是常用的，而且效果較其它兩種算子好159ppt課件.-1111-1-1111-1-1-1Prewitt模板-11實例原圖水平方向垂直方向梯度

f

|Gx|+|Gy|160ppt課件.實例原圖水平方向垂直方向梯度f|Gx|+|Gy|Sobel算子Roberts算子Prewitt算子原圖161ppt課件.Sobel算子Roberts算子Prewitt算子原圖161拉普拉斯算子一階微分是一種矢量，不但有其大小，還有方向，和標量相比較，它數(shù)據(jù)存儲量大，在具有相等斜率的寬區(qū)域上，有可能將全部區(qū)域都當作邊緣提取出來Lapplacian算子是一種二階導數(shù)算子，是不依賴于邊緣方向的二階微分算子，是一個標量而不是矢量，具有旋轉(zhuǎn)不變即各向同性的性質(zhì)，對一個連續(xù)函數(shù)f(x,y)，它在圖像中位置(x,y)的拉普拉斯值定義為：162ppt課件.拉普拉斯算子一階微分是一種矢量，不但有其大小，還有方向，和標拉普拉斯算子是無方向性的算子，它比前述計算多個方向?qū)?shù)算子的計算量要小，因為只需用一個模板，且不必綜合各模板的值。在數(shù)字圖像中，計算函數(shù)的拉普拉斯也可以借助各種模板卷積實現(xiàn)。這里對模板的基本要求是對應(yīng)中心象素的系數(shù)應(yīng)是正的，而對應(yīng)中心象素鄰近象素的系數(shù)應(yīng)是負的，且所有系數(shù)的和應(yīng)為0，這樣就不會產(chǎn)生灰度偏移-1-1-1-14-1-1-1-14-1-1-1-1-1-1-1-18在數(shù)字圖像情況下的近似為：163ppt課件.拉普拉斯算子是無方向性的算子，它比前述計算多個方向?qū)?shù)算子的拉普拉斯是一種二階導數(shù)算子，所以對圖像中的噪聲相當敏感。在實際中，常常在進行平滑操作地同時進行二階微分，如圖所示是具有平滑效果的二階微分算子操作。另外它常產(chǎn)生雙象素寬的邊緣，且也不能提供邊緣方向的信息。由于以上原因，拉普拉斯算子很少直接用于邊緣檢測，而主要用于已知邊緣象素后，確定該象素是在圖像的暗區(qū)或明區(qū)一邊。另一方面，一階差分算子會在較寬范圍形成較大的梯度值，因此不適合于精確定位，而利用二階差分算子過0點可以精確定位邊緣111111111-4-4-4-4-4-4-4-4-4111111111111111111111111111164ppt課件.拉普拉斯是一種二階導數(shù)算子，所以對圖像中的噪聲相當敏感。在實基于區(qū)域的分割圖像分割－把圖像分解為若干個有意義的子區(qū)域，而這種分解－基于物體有平滑均勻的表面，與圖像中強度恒定或緩慢變化的區(qū)域相對應(yīng)，即每個子區(qū)域都具有一定的均勻性質(zhì)前面所討論的邊緣、閾值，沒有明顯使用分割定義中的均勻測度度量區(qū)域分割－直接根據(jù)事先確定的相似性準則，直接取出若干特征相近或相同象素組成區(qū)域常用的區(qū)域分割－區(qū)域增長(區(qū)域生長)、區(qū)域分裂－合并方法等165ppt課件.基于區(qū)域的分割圖像分割－把圖像分解為若干個有意義的子區(qū)域，而區(qū)域增長原理和步驟基本思想－將具有相似性質(zhì)的象素集合起來構(gòu)成區(qū)域。具體步驟－先對每個需要分割的區(qū)域找一個種子象素作為生長起點，然后將種子象素周圍鄰域中與種子象素有相同或相似性質(zhì)的象素(根據(jù)某種事先確定的生長或相似準則來判定)合并到種子象素所在的區(qū)域中。將這些新象素當做新的種子象素繼續(xù)進行上面的過程，直到再沒有滿足條件的象素可被包括進來，這樣一個區(qū)域就長成了●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●R1R5R4R3R2166ppt課件.區(qū)域增長原理和步驟基本思想－將具有相似性質(zhì)的象素集合起來構(gòu)成如圖給出已知種子點區(qū)域生長的一個示例。104751047