图像处理 ✏
图像分析
彩色图像增强
图像采样与量化
空域增强
图像恢复
频域图像增强
图像变换
采样
量化
概念：把像素的灰度（浓淡）变换成离散的整数值操作
性质：量化越细致（比特数越大），即灰度分辨率越高，灰度级数表现越丰富
matlab中使用round函数
空间分辨率
概念：是对图像空间细节信息的辨别能力，指传感器能够分辨最小目标地物大小
概念：把空间上的连续图像分割成离散的像素集合
性质：采样越粗，图像也就越粗糙
像素间的联系
采样定理：采样的间隔必须小于2倍的图像函数上限频率的倒数
像素邻域
像素间的距离
城区距离
棋盘距离
欧式距离
范数为2的距离
范数为1的距离
范数为∞的距离
图像坐标变换
尺度变换
旋转变换
平移变换
水平镜像
几何失真校正
灰度插值
空间变换
对图像平面的像素进行重新排列以恢复原空间关系
对空间变换后的像素赋予相应的灰度值以恢复原位置的灰度值
模板操作（邻域操作）
全局运算
点操作
图像运算
直方图修正
灰度映射
空域滤波（模板卷积）
概念：改变像素灰度达到改善图像，又称灰度变换，引出映射函数概念
分类
动态范围压缩：目标与增强对比度相反，log函数对数变换
阶梯量化：分阶段量化较少级数
图像求反：灰度值反转
阈值分割：两个灰度级
图像线性增强，matlab中imadjust函数灰度拉伸
灰度值算术运算（图像与图像或者图像与常数）
减法
乘法：
加法：类似于叠加，matlab用函数imadd
绝对运算，matlab用函数imabsdiff返回绝对差，imsubtract返回差
用途：检测图像变化及运动物体
实现灰度值缩放
实现掩膜操作（即屏蔽图像某些部分）
除法：运用于CT图像，比率变换，matlab使用函数imdivide
matlab中使用函数immultiply
逻辑运算（二值图像）
与（AND）
或（OR）
补（COMPLEMENT）
直方图均衡化：直方图整个灰度范围均匀分布，matlab函数histeq 
直方图规定化：均衡化原理上突出感兴趣灰度范围
直方图：反映像素按灰度大小出现频率
图像噪声
椒盐噪声
高斯噪声
图像平滑
按处理效果
按数学形态
平滑滤波器（消除高频）
锐化滤波器（消除低频）
线性滤波器
非线性滤波器
高通滤波器
低通滤波器
带通滤波器
最大最小值滤波器
均值滤波器（模板内平均值代替像素）
领域平均（模板值全为1）
加权平均（模板有权值）
拉普拉斯算子 
百分比滤波器（最大最小值与中间值比较）
最大最小锐化模板
直方图调整法
中值滤波器（模板取中值）1-D滤波器，2-D滤波器
matlab函数为filter2 
伪彩色增强技术（将灰度图像变换/转化为彩色图像）
真彩色增强技术（直接对彩色图像增强，同时考虑彩色矢量的所有分量）
三基色与色度图
彩色模型及转换
三基色原理（三基色相互独立）
色度图 
R,G,B三种成分
面向硬设备的彩色模型
面向视觉感知的彩色模型
CMY模型（彩色打印）
归一化彩色模型（RGB表示所有颜色）
RGB模型（立方体）
HSV模型（圆柱坐标系统）
HIS模型
H表示色调（光波长有关）
S表示饱和度（颜色纯度）
I表示密度（亮度，明亮程度）
H表示色调
V代表亮度值
S表示饱和度
从灰度到彩色的变换（对灰度用三个独立变换处理，灰度小偏绿色，灰度大偏红色）
频域滤波（根据图像不同频率含量赋予颜色） 
亮度切割（灰度值赋予颜色）
彩色单分量增强
全彩色增强
处理策略
将彩色图像看作三幅分量图像的组合体，先单独再结合
将彩色图像每个像素看作具有三个属性，对矢量处理
亮度增强
饱和度增强
色调增强
彩色切割增强
彩色滤波增强
变换方向
变换类型
正变换（图像空间向其他空间变换）
反变换（其他空间向图像空间变换）
离散余弦变换（图像压缩邻域广泛）
沃尔什变换和哈达码变换（只要加减法）可分离（压缩图像信息）
霍特林变换（图像统计特征）
傅里叶变换（许多变换基础）
图像频率分布（幅度谱中）测量
变换编码（函数变换）
图像频率（空间频率）灰度变化剧烈程度，平面空间上梯度
傅里叶变换（图像空间变换到频率空间）
正弦变换
余弦变换
Gabor变换
小波变换（反映图像特征空间分布特性）
物理意义：将图像的灰度分布函数变换为图像的频率分布函数（由此诞生了频域滤波）
1-D沃尔什变换
2-D沃尔什变换
2-D哈达码变换
实现：通过改变图像中不同频率分量，让图像某个范围分量收到抑制而其他分量不变
分类
带阻带通滤波器
同态滤波器（亮度范围压缩，对比度增强）
高通滤波器（频率域锐化）：基本/特殊
空域技术和频域技术对比
低通滤波器：理想/实用
高频部分滤除而保留低频部分
理想低通（抖动现象） 
实用低通
梯度低通（减弱振铃，但过渡不光滑） 
指数低通 （对高频分量滤除能力强）
巴特斯沃低通 （高低频率过渡光滑）
高斯低通（没有振铃现象） 
特殊高通
基本高通
高频增强滤波器（转移函数加一常数） 
高频提升滤波器（高通低通互补） 
带阻滤波器（阻止一定范围信号） 
带通滤波器（带阻反转） 
流程： 
频域里低通滤波的转移函数应该对应于空域里平滑滤波器的模板函数的傅里叶变换
频域里高通滤波器的转移函数应该对应于空域锐化滤波器模板函数的傅里叶变换
空域的锐化滤波对应于频域的高通滤波
技术选择（傅里叶变换实现转换）
空域的平滑滤波对应于频域的低通滤波
滤波器尺寸相同，频域滤波效率更高，不过空域滤波器较小也可能达到效果，计算量反而小
频域技术具有全局性质，更好体现图像的整体特征，如整体对比度和平均灰度值
空域噪声滤波器
图像退化和噪声
图像恢复与图像增强异同
模糊
噪声
图像采集过程中的退化
图像记录过程中产生的退化
分类
乘性噪声（与信号关系是相乘）
加性噪声（与信号关系是相加）
基本退化模型 
输入输出关系： 
组合滤波器
线性系统： 
信噪比（SNR）噪声相对于信号强度比值 
噪声密度函数（PDF）
均匀噪声（许多随机发生器基础） 
高斯噪声 
脉冲噪声（也称椒盐噪声） 
排序统计滤波器
均值滤波器
算术均值滤波器（消噪，模糊图像） 
几何均值滤波器（保持更多细节） 
两个参数：迭代次数，Kernel大小
谐波均值滤波器（高斯效果好）
逆谐波均值滤波器（K为阶数） 
自适应滤波器（滤波器模板覆盖集合的统计特性调整）
中值滤波器（椒盐有效，优于均值） 
最大最小值滤波器（最大值椒噪声有效，最小值盐噪声有效） 
中点滤波器（消除多种随机分布噪声，高斯，均匀随机噪有效） 
自适应中值滤波器（动态改变滤波器窗口尺寸大小）
平滑其他非脉冲噪声
尽可能保护图像中细节
滤除椒盐噪声
混合滤波器
选择性滤波器（不同的噪声位置选用不同滤波器）
组成
定义
快速的滤波器
排序统计滤波器
效果比单独任何一个要好 
主要研究内容概述
基本结构
图像特征及其提取
形状分析，表示与描述
模式识别
图像分割
特征
常用的特征和方法
图像处理重要基础环节，也是比较困难环节
一般分析以来分割结果，准确分割依赖准确度
分开的区域是我们感兴趣的目标
困难在于图像数据模糊和噪声干扰
任务是把图像分为互不交叠有意义区域
没有标准的方法解决一切分问题
分割的好坏从分割效果判断
最基本的特征是图像的灰度值，彩色图像就是器颜色分量，边缘和纹理特征也挺常用
基于边界（有边缘）
基于区域特性（灰度/纹理一致）
检测孤立点
检测组成线
检测组成边界
阈值分割
区域生长
区域分裂与合并
特定工具的图像分割算法
基于遗传算法
基于主动轮廓模型
基于小波分析和小波变换
基于深度学习
按照特性图像划分，区域内特性相同或者说均匀，两个相邻区域存在边缘
基本策略
特性（基于灰度值)
检测图像不连续性
先找边后确定区域
不连续性
相似性
检测灰度值相似性
基本方法
Hougn变换
阈值分割法
边缘连接法
面向区域的分割
边界分割法
边的检测
点的检测
空域高通滤波器检测孤立点
定义：不同灰度值区域边界
基本思想（局部微分算子）
二阶微分（拉普拉斯算子）
一阶微分（梯度算子）
Sobel算子 
Roberts算子 
Prewitt算子 ! 
拉普拉斯
LoG（高斯拉普拉斯算子）
对噪声敏感
局部处理法
Canny(坎尼算子）
信噪比
定位精度
单边缘响应
原理依据
响应强度
梯度方向
算法描述
matlab中edge函数
数学形态学图像处理
图像纹理分析
理论基础是集合论
膨胀（可能连通在一起）
闭运算
腐蚀（不同结构元素不同结果）
结构元素的原点定位在待处理的目标像素上
结构元素的原点定位在背景像素上
拓展：盲去卷积处理
matlab函数：deconvblind
示例： 
对偶性
开运算
先腐蚀再膨胀
不改变形状前提下，平滑对象边缘
先膨胀后腐蚀
不改变面积的前提下，平滑对象边缘
对偶性
应用
形态学滤波
边界提取
灰度图像形态学处理策略
将灰度图像分解为一系列二值图像
相邻像素的极值法
基本概念
示例： 
统计纹理分析
频谱分析法
扩展分水岭分割算法
matlab函数：腐蚀用imerode，膨胀用imdilate，开运算用imopen，闭运算用imclose
matlab使用函数watershed
示例： 
结构纹理分析
图像纹理分析应用领域
局部不规则，整体规律，研究图像粗糙，光滑，规律性
组成要素
涉及问题
纹理分类（确定纹理区域或图像类别）
纹理分割（按纹理特征确定边界）
纹理描述（区分不同纹理特征）
纹理综合（有限纹理生成更大纹理）
显微图像
X射线图像
遥感图像（大部分呈现纹理特征）
基元之间空间分布规律（可随机，相互依赖等）
基元（一定规律宏纹理）
分类
确定性纹理
随机性纹理
基本属性
规则性
周期性
重复性
方向性
纹理描述
粗纹理
细纹理
纹理模型分析法
在傅里叶变换中分析能量的分布情况
找出纹理基元（边缘）及其属性（走向）
直方图统计法
纹理分析的自相关函数方法
灰度值看作随即量构造直方图
纹理基元灰度周期变化，自相关函数也是如此
傅里叶变换纹理分析
考察能量分布（纹理粗能量集中在离原点近，反之远）
LBP图像 