数字图像处理-第六章

数字图像处理第六章

彩色图像锐化（拉普拉斯微分）
RGB图像的拉普拉斯变换 HSI图像的亮度I分量图像的拉普拉斯变换 a图像和b图像的
差别图像
图a
图bLeabharlann 图c图c的原因：图a像素的锐化是不同彩色的锐化，而图b仅仅是亮度的锐化，原彩色分量（色调H和饱和度S）保持不变
（把一幅图像分成多个区域）

基于彩色的图像分割
例：多 R 光谱图像 B 彩色编码 R
G B 合成
华盛顿特区的光谱卫星图像 G
近红外近红外代替 R
木星卫星的伪彩色图像
在复杂图像中对感兴趣的事物进行可视化处理
活火山最近喷出的物质
第六章彩色图像处理

彩色图像基础知识彩色空间伪彩色图像处理

全彩色图像处理
彩色变换
彩色图像平滑和尖锐化
全彩色图像处理

全彩色图像处理研究分为两大类：
分别处理每一分量图像，然后，合成彩色图像
直接对彩色像素处理：3个颜色分量表示像素
向量。令c代表RGB彩色空间中的任意向量
全彩色图像处理
彩色分量是坐标（x,y)的函数，有MN个这样的向量
对大小为 M N 的图像
彩色变换

彩色变换的简单形式
si Ti r1 , r2 ,..., rn
ri 和 si 是 f x , y 和
变量
g x, y
i 1,2,..., n
在任何点处彩色分量的
T1 , T2 ,...Tn 是一个对
射函数集
ri 操作产生 s i 的变换或彩色映
选择的彩色空间决定n的值，如RGB彩色空间，n=3,

数字图像处理期末复习题2

第六章图像的锐化处理一.填空题1. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。

垂直方向的微分算子属于________________。

（填“一阶微分算子”或“二阶微分算子”）2. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。

Roberts交叉微分算子属于________________。

（填“一阶微分算子”或“二阶微分算子”）3. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。

Sobel 微分算子属于________________。

（填“一阶微分算子”或“二阶微分算子”）4. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。

Priwitt微分算子属于________________。

（填“一阶微分算子”或“二阶微分算子”）5. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。

Laplacian微分算子属于________________。

（填“一阶微分算子”或“二阶微分算子”）6. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。

Wallis 微分算子属于________________。

（填“一阶微分算子”或“二阶微分算子”）7. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。

水平方向的微分算子属于________________。

（填“一阶微分算子”或“二阶微分算子”）8. 图像微分______________了边缘和其他突变的信息。

（填“增强”或“削弱”）9. 图像微分______________了灰度变化缓慢的信息。

（填“增强”或“削弱”）10. 图像微分算子______________用在边缘检测中。

（填“能”或“不能”）四.简答题1. 图像中的细节特征大致有哪些？一般细节反映在图像中的什么地方？2. 一阶微分算子与二阶微分算子在提取图像的细节信息时，有什么异同？3. 简述水平方向的微分算子的作用模板和处理过程。

数字图像处理06章04与07章

u
边、噪音、变化陡峭部分
变化平缓部分
v
第6章图像增强
第6章图像增强
第6章图像增强
➢ 低通滤波器 ➢ 高通滤波器 ➢ 带通、带阻滤波器
第6章图像增强
第6章图像增强
第6章图像增强
第6章图像增强
第6章图像增强
第6章图像增强
第6章图像增强
第6章图像增强
第6章图像增强
第6章图像增强
常见的图像中的信息冗余
视觉冗余：一些信息在一般视觉处理中比其它信
息的相对重要程度要小，这种信息就被称为视觉冗余。
第6章图像增强
空间冗余（像素冗余）：
由于任何给定的像素值，原理上都可以通过它的邻居预测到，单个像素携带的信息相对是小的。
对于一个图像，很多单个像素对视觉的贡献是冗余的。这是建立在对邻居值预测的基础上。
原始图像越有规则，各像素之间的相关性越强，它可能压缩的数据就越多。
时间冗余：
以视频图像为代表，视频图像序列中存在的关联性产生的信息冗余。
第6章图像增强
信息熵冗余（编码冗余）：如果一个图像的灰度级编码，使
用了多于实际需要的编码符号，就称该图像包含了编码冗余。
例：如果用8位表示该图像的像素，我们就说该图像存在着编码冗余，因为该图像的像素只有两个灰度，用一位即可表示。
第6章图像增强
图像编码的分类
图像压缩技术
无损压缩
哈夫曼编码行程编码算术编码
有损压缩
有损预测编码变换编码其他编码
第6章图像增强
※ 无损压缩算法中删除的仅仅是图像数据中冗余的信息，因此在解压缩时能精确恢复原图像。常用于要求高的场合。

遥感数字图像处理-第6章几何校正

3
二、几何校正原理
几何校正涉及两个过程： ➢ 一是空间位置（像元坐标）的变换 ➢ 二是像元灰度值的重新计算（重采样）
4
二、几何校正原理
坐标转换（a）直接法；（b）间接法
5
三、几何校正步骤
几何精校正不需要空间位置变化数据，回避了成像的空间几何过程，主要借助地面控制点实现校正。其主要校正步骤为：
第6章
几何校正
几何校正
一、几何校正原理二、几何校正步骤三、几何校正类型四、图像匹配五、投影转换
难点：图像匹配重点：几何校正方法
2
一、几何校正原理
几何校正和几何配准
➢ 几何配准是指将不同时间、不同波段、不同传感器系统所获得的同一地区的图像（数据），经几何变换使同名像点在位置上和方位上完全叠合的操作。
➢ 对畸变图像和基准图像建立统一的坐标系和地图投影。 ➢ 选择地面控制点（GCP），按照GCP选择原则，在畸变图像
和基准图像上寻找相同位置的地面控制点对。 ➢ 选择校正模型，利用选择的GCP数据求取校正模型的参数，
然后利用校正模型实现畸变图像和基准图像之间的像元坐标变换。 ➢ 选择合适的重采样方法对畸变图像的输出图像像元进行灰度赋值。 ➢ 几何校正的精度分析。
9
四、图像匹配
3.图像匹配方法根据图像特征的选择，图像匹配方法一般可以分为基于灰
度的图像匹配和基于特征的图像匹配。
10
➢ 几何配准与几何校正的原理是完全相同的，即都涉及到空间位置（像元坐标）变换和像元灰度值重采样处理两个过程。
➢ 二者的区别主要在于其侧重点不相同：几何校正注重的是数据本身的处理，目的是为了对数据的一种真实性还原。而几何配准注重的是图和图（数据）之间的一种几何关系，其目的是为了和参考数据达成一致，而不考虑参考数据的坐标是否标准、是否正确。也就是说几何校正和几何配准最本质的差异在于参考的标准。另外，几何校正更像前期数据处理，几何配准更像后期处理。

数字图像处理课件第6章图像的几何变换

由点的齐次坐标(Hx, Hy, H)求点的规范化齐次坐标(x, y, 1)，可按下式进行：
x Hx H
y Hy H
第6章图像的几何变换
齐次坐标的几何意义相当于点(x, y)落在3D空间H＝1
的平面上，如图6-2所示。如果将xOy平面内的三角形abc的各顶点表示成齐次坐标(xi, yi, 1)(i=1, 2, 3)的形式，就变成H ＝1平面内的三角形a1b1c1的各顶点。
图6-2 齐次坐标的几何意义
第6章图像的几何变换
齐次坐标在2D图像几何变换中的另一个应用是：如某点S(60 000，40 000)在16位计算机上表示，由于大于32767 的最大坐标值，需要进行复杂的处理操作。但如果把S的坐标形式变成(Hx, Hy, H)形式的齐次坐标，则情况就不同了。在齐次坐标系中，设H＝1/2，则S(60 000，40 000)的齐次坐标为(x/2，y/2，1/2)，那么所要表示的点变为(30 000， 20 000，1/2)，此点显然在16位计算机上二进制数所能表示的范围之内。
(图像上各点的新齐次坐标)
(图像上各点的原齐次坐标)
第6章图像的几何变换设变换矩阵T为
a b p
T c
d
q
l m s
则上述变换可以用公式表示为
=
T
Hx1' Hy1'
Hx2' Hy2'
Hxn' Hyn'
x1 x2 xn
T
y1
y2
yn
H H H 3n
1 1 1 3n
第6章图像的几何变换
6.4 图像镜像
6.4.1 图像镜像变换图像的镜像(Mirror)变换不改变图像的形状。镜像变换分为两种：一种是水平镜像，另外一种是垂直镜

数字图象处理第6章图像噪声的抑制

数字图像处理基础山东大学威海分校信息工程学院张亚涛讲师第六章图像噪声的抑制噪声1图像退化模型2几种滤波器341噪声——基本概念1.1 什么是噪声？我们说，噪声就是一些不可预测的随机信号，通常概率统计方法对其进行分析。

噪声对图像处理十分重要，它影响图像处理的输入、采集、处理、输出的各个环节。

1.2 噪声的来源？数字图像的噪声主要来源于图像的获取（数字化过程）和传输过程。

图像传感器受各种因素的影响，如获取中的环境条件和传感器元器件自身的质量等。

图像在传输过程中主要由于所用传输信道被干扰而受到噪声污染。

1噪声——基本概念1.3 噪声的描述对噪声的描述一般采用统计意义上的均值和方差。

数字图像信号是一个二维信号，其二维灰度分布为f(x,y)●噪声的均值公式噪声的均值表明了，图像中噪声的总体强度。

●噪声的方差公式噪声的方差表明了，图像中噪声分布的强弱差异。

1噪声——基本概念●一些重要的噪声高斯噪声瑞利噪声伽马（爱尔兰）噪声指数分布噪声均匀分布噪声脉冲噪声（椒盐噪声）1噪声——基本概念22()/21()2z p z eμσπσ--=PDFz 高斯随机变量的为：z z z μσσ2其中表示灰度值,表示的平均值或期望值,表示的标准差.标准差的平方称为z 的方差.,70%[(),()],95%[(2),(2)].z μσμσμσμσ-+-+当服从高斯分布时其值落在范围内且有落在范围内1.4 一些重要噪声高斯噪声(正态噪声)噪声位置是一定的，即每一点都有噪声，但噪声的幅值是随机的。

1噪声——基本概念()0a bP z ap z P z b=⎧⎪==⎨⎪⎩其他PDF (双极)均匀分布噪声的为：,,.,.,,.a b a b b a b a P P P P >若灰度值将显示为一个亮点的值将显示为一个暗点若或为零则脉冲噪声称为单极脉冲若或均不可能为零尤其是近似相等时脉冲噪声值类似于随机分布在图像上的胡椒和盐粉细粒脉冲(椒盐)噪声噪声的幅值基本相同，但噪声出现的位置是随机的。

digital image processing projects 数字图像处理冈萨雷斯第六章所有程序和报告要点

Digital Image ProcessingProject chapter：Chapter 6Project number：Proj06-01 ~ Proj06-04 Student's name：Student's number：Class：ContentsWEB-SAFE COLORS (2)PSEUDO-COLOR IMAGE PROCESSING (2)COLOR IMAGE ENHANCEMENT BY HISTOGRAM PROCESSING (5)COLOR IMAGE SEGMENTATION (7)Web-Safe ColorsExp. 20，PROJECT 06-01ObjectiveTo know what are Web-safe colors, how to generate the RGB components for a given jpeg color image, or convert an image to RGB manually?Requirements(a) Write a computer program that converts an arbitrary RGB color image to a web-safe RGB image (see Fig. 6.10 for a definition of web-safe colors).(b) Download the image in Fig. 6.8 and convert it to a web-safe RGB color image. Figure 6.8 is given in jpg format, so convert your result back to jpg (see comments at the beginning of this project).Figure 1 Fig6.08.jpgTechnical discussion【1】B = fix(A)rounds the elements of A toward zero, resulting in an array of integers.For complex A, the imaginary and real parts are rounded independently.【2】imwrite(A,filename,fmt)writes the image A to the file specified by filename in the format specified by fmt. Program listingsI=imread('Fig6.08.jpg');subplot(131);imshow(I);title('original');I1=fix((I/51)*51);subplot(132);imshow(I1);title('web-safe colors(jpg)');imwrite(I1,'web-safe colors.jpeg','jpeg');subplot(133);I=imread('web-safe colors.jpeg');imshow(I);title('web-safe colors(jpeg)');Discussion of resultsoriginal web-safe colors(jpg)web-safe colors(jpeg)Figure 2 results of project 06-01Pseudo-Col or Image ProcessingExp. 21，PROJECT 06-02ObjectiveTo know when the highpass filtering H hp(u,v) can be obtained by using the relation 1-H lp(u,v).Requirements(a)Implement Fig. 6.23, with the characteristic that you can specify two ranges of gray-level values for the input image and your program will output an RGB image whose pixels have a specified color corresponding to one range of gray levels in the input image, and the remaining pixels in the RGB image have the same shade of gray as they had in the input image.(b) Download the image in Fig. 6.22(a) and process it with your program so that the river appears yellow and the rest of the pixels are the same shades of gray as in the input image.Figure 3 Fig6.22(a).jpgTechnical discussion【1】RGB componentsrgb_R=I(:, :, 1);rgb_G=I(:, :, 2);rgb_B=I(:, :, 3);Program listingsI=imread('Fig6.22(a).jpg');subplot(121);imshow(I);title('original');I=double(I);[m,n]=size(I);L=256;for i=1:mfor j=1:nif I(i,j)<L/4R(i,j)=0;G(i,j)=4*I(i,j);B(i,j)=L;else if I(i,j)<=L/2R(i,j)=0;G(i,j)=L;B(i,j)=-4*I(i,j)+2*L;else if I(i,j)<=3*L/4R(i,j)=4*I(i,j)-2*L;G(i,j)=L;B(i,j)=0;elseR(i,j)=L;G(i,j)=-4*I(i,j)+4*L;B(i,j)=0;endendendendendfor i=1:mfor j=1:nG2C(i,j,1)=R(i,j);G2C(i,j,2)=G(i,j);G2C(i,j,3)=B(i,j);endendG2C=G2C/256;subplot(122);imshow(G2C);title('Pseudo-Color');Discussion of resultsoriginal Pseudo-ColorFigure 4 results of project 06-02Color Image Enhancement by Histogram ProcessingExp. 22，PROJECT 06-03ObjectiveTo know how to implement image enhancement for color images by histogram processing. Note that the definition of histogram for color images differs from that of histogram for gray images.RequirementsDownload the dark-stream color picture in Fig. 6.35. Histogram-equalize the R,G,and B images separately using the histogram-equalization program and convert the imageback to jpg format.Figure 5 Fig6.35(5).jpgTechnical discussion【1】C = cat(dim, A1, A2, A3, A4, ...)concatenates all the input arrays (A1, A2, A3, A4, and so on) along array dimension dim.Program listingsI=imread('Fig6.35(5).jpg');subplot(121);imshow(I);title('original');a=I(:,:,1);b=I(:,:,2);c=I(:,:,3);A=histeq(a);B=histeq(b);C=histeq(c);I3=cat(3,A,B,C);subplot(122);imshow(I3);title('histogram processing');Discussion of resultsoriginal histogram processingFigure 6 results of project 06-03Color Image SegmentationExp. 23，PROJECT 06-04ObjectiveColor image segmentation is a big issue in image processing. This students need to know the basics of this topic.RequirementsDownload Fig. 6.28(b) and duplicate Example 6.15, but segment instead the darkest regions in the image.Figure 7 Fig6.30(01).jpgTechnical discussion【1】RGB2 = im2double(RGB)converts the truecolor image RGB to double precision, rescaling the data if necessaryProgram listingsrgb=imread('Fig6.30(01).jpg');subplot(221);imshow(rgb);title('original');rgb1=im2double(rgb);r=rgb1(:,:,1);g=rgb1(:,:,2);b=rgb1(:,:,3);r1=r(129:256,86:170);r1_u=mean(mean(r1(:)));[m,n]=size(r1);sd1=0.0;for i=1:mfor j=1:nsd1=sd1+(r1(i,j)-r1_u)*(r1(i,j)-r1_u);endendr1_d=sqrt(sd1/(m*n));r2=zeros(size(rgb1,1),size(rgb1,2));ind=find((r>r1_u-1.25*r1_d)&(r<r1_u+1.25*r1_d));r2(ind)=1;subplot(222);imshow(r2);title('segmentation');subplot(234);imshow(r);title('R component');subplot(235);imshow(g);title('G component');subplot(236);imshow(b);title('B component');Discussion of resultsoriginal segmentationR component G component B componentFigure 8 results of project 06-04。