[人工智能]数字图像处理知识点总结

一、图像的基本概念

数字图像的描述

• 如何用一个数值方式来表示一个图像

• 数字图像是图像的数字表示，像素是其最小单位

• 一般是用整数矩阵来描述一个数字图像

• 用矩阵坐标系来定义图像的坐标

• 黑白图像又称2值图像，像素值为0、1

• 灰度图像是指每个像素的信息由一个量化的灰度级来描述的图像，没有彩色信息

• 彩色图像用RGB三个不同的灰度级来描述，用三个矩阵同时描述

图像数字化

是指将模拟图像经过离散化之后，得到用数字表示的图像

图像的数字化包括空间离散化（采样），和明暗表示数据的离散化（量化）

采样

将空间上连续的图像转变成离散的采样点

采样间隔的选取

采样间隔太小，则增大数据量，太大，则会发送信息的混叠，导致细节无法辨认

采样指标-分辨率

• 分辨率是指映射到图像平面上的单个像素的景物元素的尺寸
• 精确测量和再现一定尺寸的图像所必需的像素个数

量化

将各个像素所含的明暗信息离散化后，用数字来表示

考虑到人眼的识别能力之后，一般采用8bit量化，采用0~255的整数来描述“从黑到白”

在3bit下的量化，会出现伪轮廓现象

量化方法

• 均匀量化，对灰度值进行等间隔量化
• 非均匀量化，对像素出现频度少的部分量化间隔取大，而对频度大的量化间隔取小

灰度直方图

在数字图像处理中，一个最简单，最有用的工具

定义

灰度直方图是灰度级的函数，是对图像中灰度级分布的统计，有俩种表示形式

图形表示

横坐标表示灰度级，纵坐标表示图像中对应某个灰度级所出现的像素个数

数组表示

数组的下标表示相应的灰度级，数组的元素表示该灰度级下的像素个数

性质

• 所有空间信息全部丢失
• 每一灰度级的像素个数可直接得到

二、图像增强

对比度

概念

通俗地讲，就是亮暗地对比程度

对比度通常表现了图像画质地清晰程度

计算

$$C=\sum _{\delta }\delta (i,j{)}^2{P}_{\delta }(i,j)$$

其中
$$\delta (i,j)=|i?j|$$
代表相邻像素间地灰度差
$$P_{\delta }(i,j)$$
是像素灰度差为$$\delta$$的像素分布概率

图像增强

图像增强是为了改善画质，使得图像的显示效果更加清晰

1.线性对比度展宽

概念

通过亮度差异（即对比度）扩大，来把人所关心的部分强调出来

原理

进行像素点对点的，灰度级的线性影射，该映射关系通过调整参数，来实现亮暗差异的扩大

2.动态范围调整

概念

动态范围是指图像所记录的场景中从暗到亮的变化范围

原理

通过动态范围的压缩，可以将所关心部分的灰度级的变化范围扩大

方法

• 线性动态范围调整
• 非线性动态范围调整

3.直方图均衡化

原理

直方图均衡化方法的基本思想是，对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。

方法实现

1. 求直方图
2. 计算原图的灰度分布概率
3. 计算原图灰度的累计分布
4. 计算原图和新图灰度值的影射关系
5. 原、新图灰度直方图的比较

4.伪色彩增强方法

原理

由于人眼分辨不同彩色的能力比分别不同的灰度级的能力强，因此，把人眼无法区别的灰度变化，施以不同的彩色来提高识别率，这便是伪彩色增强的基本依据。

思路

要由灰度图像生成一幅彩色图像是一个一到三的影射。
显然由少信息量获得多信息量必然是基于估计原理。也就是说，对未知的部分，通过各种手段进行合理的估计。
研究的目的不同，则给出的灰度到彩色的估计影射方法也随之不同。

三、图像几何变换

图像的几何变换包括了图像的形状变换和图像的位置变换

形状变化

放大，缩小，错切

位置变换

平移、镜像、旋转

图像缩小

思路：等间隔选取数据

图像放大

双线性插值
$$\begin{gathered} f(0,y)=f(0,0)+y?[f(0,1)?f(0,0)] \\ f(1,y)=f(1,0)+y?[f(1,1)?f(1,0)] \\ f(x,y)=f(0,y)+x?[f(1,y)?f(0,y)] \end{gathered}$$

图像错切

图像平移

图像旋转

注意旋转后处理

四、图像的噪声抑制

概念

图像噪声，是图像在摄取时或是传输时受到的随机干扰信号

常见的有椒盐噪声，高斯噪声

椒盐噪声

出现位置是随机的，但噪声的幅值基本相同

高斯噪声

出现的位置是一定的，但噪声的幅值是随机的

图像噪声抑制的方法

• 均值滤波器
• 中值滤波器
• 边界保持类滤波器

高斯噪声，均值滤波比中值滤波好

椒盐噪声，中值滤波比中值滤波好

五、图像的锐化处理

• 目的是加强图像中景物的细节边缘和轮廓

• 锐化的作用是使灰度反差增强

• 锐化算法的实现是基于微分作用

1.一阶微分锐化方法

• 水平锐化
• 垂直锐化
• Roberts锐化
• Priwitt锐化

2.二阶锐化微分方法

• Laplacian锐化
• Wallis锐化

六、图像的分割

目的

通过某种方法，使得画面场景被分为目标物和非目标物，即将图像的像素变换为黑、白俩种。

一般结果为二值图像，所以又称图像分割为图像的二值化处理

1.图像灰度分布的阈值方法

• P-参数法
• 均匀性度量法
• 类间最大距离法
• 最大熵法
• 最大类间、类内方差比较
• 聚类方法

2.图像灰度空间分布的阈值方法

• 二维熵法
• 二维OTSU法

3.边缘检测法

4.区域提取法

基本思想

将具有相似性质的像素集合起来构成区域

三个关键点

• 种子点的选取
• 生长准则的确定
• 区域生长停止的条件

七、形态学图像处理

图像分割后的问题

• 提取的目标存期伪目标物
• 多个目标物中，存在粘连或者是断裂
• 多个目标物存在形态的不同

连通域

将相互连接在一起的黑色像素的集合称为一个连通域

几何特征的测量

• 面积
• 周长
• 质心
• 圆形度
• 矩形度
• 长宽比

二值图像的分析方法

1.腐蚀

消除连通域的边界点，使得边界点收缩的处理

2.膨胀

将与目标区域的背景点合并到该目标物中，使得目标物边界向外部扩张的处理

3.开运算

先腐蚀再膨胀

4.闭运算

先膨胀再腐蚀

5.贴标签

一个DFS就可以了

6.细线化方法

骨架：图像中所有目标区域的轴线。
细线化：求一图像骨架的过程。
方法：“剥洋葱”的办法。在去层时，需要保持不改变原有区域的连通性。
删除：将该点从连通域中删除，将像素值从1变成0.
原则：（1）内部点、端点、孤立点不能被删除；
（2）如果删除该点会改变连接状况，则不能被删除；
（3）如果当前点为边界点，且删除之后不改变连通性，则可以删除。

八、彩色图像处理

基本概念

色调

描述颜色的不同，取决于颜色的波长

饱和度

描述颜色的深浅，取决于颜色中混合白光的比例多少

亮度

描述色光的明暗变化的强度，取决于色光的能量

色调饱和度统称为色度

几种常用的表色系

• RGB表色系

• HSL表色系

• CMYK表色系

• YUV表色系

彩色图像处理方法

• 彩色图像的常规处理
• 彩色平衡
• 彩色补偿
• 彩色图像用于图像目标的识别

九、图像压缩编码

数据冗余：

只要接收端不会产生误解，九可以减少承载信息的数据量

行程编码

通过改变图像的描述方式，来实现图像的压缩。
将一行中灰度值相同的相邻像素，用一个计数值和该灰度值来代替。
一维行程编码是利用一行上像素的相关性，逐行对图像进行扫描，然后对扫描的结果进行编码。

二维行程编码

只是扫描路径不同而已

HUFFMAN编码

老生常谈

先算概率，每次选择最小的俩个合并

最后根据从根节点出发的路径进行编码

DCT变换编码

DCT变换是希望在接收方不产生误解的前提下进行一定的信息丢失。
DCT变换编码的思想是利用离散余弦变换对数据信息强度的集中特性，可以将数据中视觉上容易察觉的部分与不容易察觉的部分进行分离，由此可以达到进行有损压缩的目的。
由前面所讲到的频域变换得到的启示，就是将低频与高频部分的信息，分别按照不同的数据承载方式进行表述。

混合编码

将多种编码方式的优点进行综合，提高编码的效率

十、图像的频域变化

就是傅里叶变换，不过是离散的

同时根据计算机的计算特点，实现了快速傅里叶变换，也就是FFT