数字图像处理 第三章 图像的基本运算
《数字图像处理教学课件》第3章图像的基本运算（2）
实例
源图像
（b）双线性插值方法的结果
实例
用最近邻插值和双线性插值的方法分别将老虎放大 1.5倍。
实例
采用最近邻插值放大1.5倍 采用双线性插值放大1.5倍
比例变换中对应图像的确定
比例变换中对应图像的确定
假设输出图像的宽度为W，高度为H； 输入图像的宽度为w高度为h，要将输入图像的尺度拉伸或压
枕形失真
由镜头引起的画面向中间“收缩”的现象。
6.图像变形
图像变形（Image Warping） 图像变形合成（Image morphing ）
参数化(全局)变形（warping)
参数化变形实例
Translation 平移
Rotation 旋转
Aspect 缩放
Affine 仿射变换
Perspective 透视变换
x' a b c x y' d e f y 1 0 0 1 1
x' ax by c
y'
dx
ey
f
将三对对应点的坐标代入上面公式，
可以求得变换的
对于内的任意一个像素点，再计算其新的坐标，然后 颜色映像
三角变形实例
四边形区域的变换方法
图像变形的几何校正
用控制点及插值过程定义，通常具有较为复杂的数学 变换函数
投影变换
投影变换是下列变换的组合
仿射变换 投影变形
投影变换的性质:
原点无需变换至原点 线变换为线 比例不保持 平行线无需保持平行
x' a b c x y' d e f y w' g h i w
举例:三角变形
B
源图像
?
B’ 目标图像
T(x,y)
数字图像处理_课件_3
21
航拍图像的幂律变换增强
数第 字三 图章 像灰 处度 理变
换 与 空 间 滤 波
a. 原始图像
b. C=1, =3.0 c. C=1, =4.0 (最佳) d. C=1, =5.0
s cr c 1
22
电子显微镜扫描
3.2.4 对比度拉伸
的 放 大 约 700 倍 的花粉图像
➢ 因此，归一化后的直方图由 p(rk ) nk / MN 给 出，其中k＝0, 1, …, L-1。
29
数第 字三
➢ p(rk)是灰度级rk在图像中出现的概率的一
图 章 个估计。
像灰
处 度 ➢ 归一化直方图的所有分量之和应等于1。
理变
换 与
➢ 直方图是多种空间域处理技术的基础。
空
间
滤
波
30
数第 字三 图章 像灰 处度 理变
换 与 空 间 滤 波
4. 一般情况下，从输入图像的左上角开始处理，以 水平扫描的方式逐像素地处理，每次一行
5. 当该邻域的原点位于图像的边界上时，部分邻域 将位于图像的外部。此时，可以用0或者其它指定 的灰度值填充图像的边缘，被填充边界的厚度取 决于邻域的大小。
以上处理称为空间滤波，邻域与预定义的操作一 起称为空间滤波器。
与 为输出中较宽范围的灰度值，可以扩展图像
空 间
中暗像素的值，同时压缩高灰度级的值。
滤 波
➢ 反对数变换的作用与此相反。
17
傅里叶频谱及其对数变换
数第
字三
图章
像灰
处度
理变
换
与
空
间 滤
傅立叶频谱的对数变换，s
c
数字图像处理-图像基本运算
数字图像处理_图像基本运算图像基本运算1点运算线性点运算是指输⼊图像的灰度级与输出图像呈线性关系。
s=ar+b（r为输⼊灰度值，s为相应点的输出灰度值）。
当a=1，b=0时，新图像与原图像相同；当a=1，b≠0时，新图像是原图像所有像素的灰度值上移或下移，是整个图像在显⽰时更亮或更暗；当a＞1时，新图像对⽐度增加；当a＜1时，新图像对⽐度降低；当a＜0时，暗区域将变亮，亮区域将变暗，点运算完成了图像求补； ⾮线性点运算是指输⼊与输出为⾮线性关系，常见的⾮线性灰度变换为对数变换和幂次变换，对数变换⼀般形式为：s=clog（1+r）其中c为⼀常数，并假设r≥0.此变换使窄带低灰度输⼊图像映射为宽带输出值，相对的是输出灰度的⾼调整。
1 x=imread('D:/picture/DiaoChan.jpg');2 subplot(2,2,1)3 imshow(x);4 title('原图');5 J=0.3*x+50/255;6 subplot(2,2,2);7 imshow(J);8 title('线性点变换');9 subplot(2,2,3);10 x1=im2double(x);11 H=2*log(1+x1);12 imshow(H)13 title('⾮线性点运算');%对数运算幂次变换⼀般形式：s=cr^γ幂级数γ部分值把窄带暗值映射到宽带输出值下⾯是⾮线性点运算的幂运算1 I=imread('D:/picture/DiaoChan.jpg');2 subplot(2,2,1);3 imshow(I);title('原始图像','fontsize',9);4 subplot(2,2,2);5 imshow(imadjust(I,[],[],0.5));title('Gamma=0.5');7 imshow(imadjust(I,[],[],1));title('Gamma=1');8 subplot(2,2,4);9 imshow(imadjust(I,[],[],1.5));title('Gamma=1.5');2代数运算和逻辑运算加法运算去噪处理1 clear all2 i=imread('lenagray.jpg');3 imshow(i)4 j=imnoise(i,'gaussian',0,0.05);5 [m,n]=size(i);6 k=zeros(m,n);7for l=1:1008 j=imnoise(i,'gaussian',0,0.05);9 j1=im2double(j);10 k=k+j1;11 End12 k=k/100;13 subplot(1,3,1),imshow(i),title('原始图像')14 subplot(1,3,2),imshow(j),title('加噪图像')15 subplot(1,3,3),imshow(k),title(‘求平均后的减法运算提取噪声1 I=imread(‘lena.jpg’);2 J=imnoise (I,‘lena.jpg’,0,0.02);3 K=imsubtract(J,I);4 K1=255-K;5 figure;imshow(I);7 figure;imshow(K1);乘法运算改变图像灰度级1 I=imread('D:/picture/SunShangXiang.jpg')2 I=im2double(I);3 J=immultiply(I,1.2);4 K=immultiply(I,2);5 subplot(1,3,1),imshow(I);subplot(1,3,2),imshow(J);6 subplot(1,3,3);imshow(K);逻辑运算1 A=zeros(128);2 A(40:67,60:100)=1;3 figure(1)4 imshow(A);5 B=zeros(128);6 B(50:80,40:70)=1;7 figure(2)8 imshow(2);9 C=and(A,B);%与10 figure(3);11 imshow(3);12 D=or(A,B);%或13 figure(4);14 imshow(4);15 E=not(A);%⾮16 figure(5);17 imshow(E);3⼏何运算平移运算实现图像的平移1 I=imread('lenagray.jpg');2 subplot(1,2,1);3 imshow(I);4 [M,N]=size(I);g=zeros(M,N);5 a=20;b=20;6for i=1:M7for j=1:N8if((i-a>0)&(i-a<M)&(j-b>0)&(j-b<N)) 9 g(i,j)=I(i-a,j-b);10else11 g(i,j)=0;12 end13 end14 end15 subplot(1,2,2);imshow(uint8(g));⽔平镜像变换1 I=imread('lena.jpg');2 subplot(121);imshow(I);3 [M,N]=size(I);g=zeros(M,N);4for i=1:M5for j=1:N6 g(i,j)=I(i,N-j+1);7 end8 end9 subplot(122);imshow(uint8(g));垂直镜像变换1 I=imread('lena.jpg');2 subplot(121);imshow(I);3 [M,N]=size(I);g=zeros(M,N);4for i=1:M5for j=1:N6 g(i,j)=I(M-i+1,j);7 end8 end9 subplot(122);imshow(uint8(g));图像的旋转1 x=imread('D:/picture/DiaoChan.jpg');2 imshow(x);3 j=imrotate(x,45,'bilinear');4 k=imrotate(x,45,'bilinear','crop');5 subplot(1,3,1),imshow(x);6 title(‘原图')7 subplot(1,3,2),imshow(j);8 title(‘旋转图(显⽰全部)')9 subplot(1,3,3),imshow(k);10 title(‘旋转图(截取局部)')⼏种插值法⽐较1 i=imread('lena.jpg');2 j1=imresize(i,10,'nearest');3 j2=imresize(i,10,'bilinear');4 j3=imresize(i,10,'bicubic');5 subplot(1,4,1),imshow(i);title(‘原始图像')6 subplot(1,4,2),imshow(j1);title(‘最近邻法')7 subplot(1,4,3),imshow(j2);title(‘双线性插值法')8 subplot(1,4,4),imshow(j3);title(‘三次内插法')放缩变换1 x=imread('D:/picture/ZiXia.jpg')2 subplot(2,3,1)3 imshow(x);4 title('原图');5 Large=imresize(x,1.5);6 subplot(2,3,2)7 imshow(Large);8 title('扩⼤为1.5');9 Small=imresize(x,0.1);10 subplot(2,3,3)11 imshow(Small);12 title('缩⼩为0.3');13 subplot(2,3,4)14 df=imresize(x,[600700],'nearest');15 imshow(df)16 title('600*700');17 df1=imresize(x,[300400],'nearest');18 subplot(2,3,5)19 imshow(df1)20 title('300*400');后记：（1）MATLAB基础知识回顾1：crtl+R是对选中的区域注释，ctrl+T是取消注释2：有的代码中点运算如O=a.*I+b/255 ，其中b除以255原因是：灰度数据有两种表式⽅法：⼀种是⽤unit8类型，取值0~255；另⼀种是double类型，取值0~1。
13s4数字图像处理
z4
z6
3/7 656 0.81
4/7 329 0.89 5/7 245 0.95 S3=6/7
3/7 0.05对图像进行适当的处理以突出某 些有用信息，去除或削弱无用信息。
从信息论的角度: • 预处理不能增加图像的信息，反 而会降低图像的信息。 • 最好的预处理是设法获取高质量 的图像。
灰度变换 直方图变换 图像平滑 图像变换 图像锐化 伪彩色和假彩色处理
3.1 灰度变换
s s s
O s
r
O s
r
O s
r
O
r
O
r
O
r
Matlab灰度变换函数
J = imadjust(I,[low_in high_in],[low_out high_out],gamma) newmap = imadjust(map,[low_in high_in],[low_out high_out],gamma)
f(i,j) = g(i,j) e(i,j) 如果参考图像g(i,j) 已知，则误差系数可以得到： f(i,j)/ g(i,j) = e(i,j) 参考图像g(i,j)应具有恒定的中间亮度 — 图像传感器的校正： 实时采集的图像 - 均匀照明的图像 = 原始未劣化的图像
灰度变换常用于人观察的设备 如：X-ray 图像
0
790
0.19
0.16 0.03
0.19
0.35 0.38
1/4 1446 s0 1/4 2/4 1474 s2 2/4
0.35
0.36
1/7 656 2/7 122 3/7 1023
0.25
0.08 0.06 0.21 0.02
《数字图像处理》习题参考答案
《数字图像处理》习题参考答案第1章概述1.1 连续图像和数字图像如何相互转换？答：数字图像将图像看成是许多大小相同、形状一致的像素组成。
这样，数字图像可以用二维矩阵表示。
将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像（连续图像）信号，再由模拟/数字转化器（ADC）得到原始的数字图像信号。
图像的数字化包括离散和量化两个主要步骤。
在空间将连续坐标过程称为离散化，而进一步将图像的幅度值（可能是灰度或色彩）整数化的过程称为量化。
1.2 采用数字图像处理有何优点？答：数字图像处理与光学等模拟方式相比具有以下鲜明的特点：1．具有数字信号处理技术共有的特点。
（1）处理精度高。
（2）重现性能好。
（3）灵活性高。
2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。
3．数字图像处理技术适用面宽。
4．数字图像处理技术综合性强。
1.3数字图像处理主要包括哪些研究内容？答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。
1.4 讨论数字图像处理系统的组成。
列举你熟悉的图像处理系统并分析它们的组成和功能。
答：如图1.8，数字图像处理系统是应用计算机或专用数字设备对图像信息进行处理的信息系统。
图像处理系统包括图像处理硬件和图像处理软件。
图像处理硬件主要由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。
软件系统包括操作系统、控制软件及应用软件等。
图1.8 数字图像处理系统结构图11.5 常见的数字图像处理开发工具有哪些？各有什么特点？答．目前图像处理系统开发的主流工具为Visual C++（面向对象可视化集成工具）和MATLAB 的图像处理工具箱（ImageProcessingToolbox）。
两种开发工具各有所长且有相互间的软件接口。
Microsoft 公司的VC++是一种具有高度综合性能的面向对象可视化集成工具，用它开发出来的Win32程序有着运行速度快、可移植能力强等优点。
数字图像处理第三章二值图像
图 3.13a 4邻点 中轴变换举例 中轴可作为物体的一种简洁表示．
图3．13b表明少量噪声会使中轴变换结果产 生显著的差异．
图 3.13b 中轴变换举例
3.5.7 细化
细化是把区域缩成线条、逼近中心线（骨架或核线）的一种图 像处理。细化的目的是减少图像成份，直到只留下区域的最基 本信息，以便进一步分析和识别．虽然细化可以用在包含任何 区域形状的二值图像，但它主要对细长形(而不是凸圆形或水滴 状)区域有效．细化一般用于文本分析预处理阶段，以便将文本 图像中线条图画或字符笔画表示成单像素线条．
d=i-j+m-1
二值图像及其对 角线上的投影图
3.4游程长度编码 (run-length encoding)
用图像像素值连续为1的个数来描述图像,有两种方法: （1）用1的起始位置和1的游程长度； （2）仅仅使用游程长度，0：表示从0象素开始 ； 例：
1的游程：（2,2）（6,3）（13,6）（20,1） （4,6）（11,10） （1,5 ）（11，1）（17，4）
洞
`S
(7) 边界
S的边界是S中与`S中有4连通关系的像素集合S '
（8) 内部
S中不属于它的边界的像素集合. S的内部等于S - S '
（9) 包围
如果从S中任意一点到图像边界的4路径必须与区域T相 交，则区域 T 包围区域 S（或S在T内）
S `S
边界
内部 包围
例：一幅二值图像
图像 边界
3.5.2 连通成分标记算法
(2) 路径
列：
[路i0径,j0 :]从[像,i1,素j1][i0 ,, j,0[]in 到,j像n]素，[[iikn
,
,
数字图像处理知识点总结
数字图像处理知识点总结第二章：数字图像处理的基本概念2.3 图像数字化数字化是将一幅画面转化成计算机能处理的数字图像的过程。
包括：采样和量化。
2.3.1、2.3.2采样与量化1.采样：将空间上连续的图像变换成离散点。
（采样间隔、采样孔径）2.量化：采样后的图像被分割成空间上离散的像素，但是灰度是连续的，量化就是将像素灰度转换成离散的整数值。
一幅数字图像中不同灰度值的个数称为灰度级。
二值图像是灰度级只有两级的。
（通常是0和1）存储一幅大小为M×N、灰度级数为G的图像所需的存储空间：（bit）2.3.3像素数、量化参数与数字化所得到的数字图像间的关系1.一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时会出现国际棋盘效应。
采样间隔越小，所的图像像素数越多，空间分辨率高，图像质量好，但是数据量大。
2.量化等级越多，图像层次越丰富，灰度分辨率高，图像质量好，但数据量大。
量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓，质量变差，但数据量小。
2.4 图像灰度直方图2.4.1定义灰度直方图是反映一幅图像中各灰度级像素出现的频率，反映灰度分布情况。
2.4.2性质（1）只能反映灰度分布，丢失像素位置信息（2）一幅图像对应唯一灰度直方图，反之不一定。
（3）一幅图像分成多个区域，多个区域的直方图之和是原图像的直方图。
2.4.3应用（1）判断图像量化是否恰当（2）确定图像二值化的阈值（3）物体部分灰度值比其他部分灰度值大的时候可以统计图像中物体面积。
（4）计算图像信息量（熵）2.5图像处理算法的形式2.5.1基本功能形式（1）单幅->单幅（2）多幅->单幅（3）多幅/单幅->数字或符号2.5.2图像处理的几种具体算法形式（1）局部处理（邻域，如4-邻域，8-邻域）（移动平均平滑法、空间域锐化等）（2）迭代处理反复对图像进行某种运算直到满足给定条件。
（3）跟踪处理选择满足适当条件的像素作为起始像素，检查输入图像和已得到的输出结果，求出下一步应该处理的像素。
(完整版)天津理工大学《数字图像处理》数字图像处理复习题2
第一章引言一.填空题1. 数字图像是用一个数字阵列来表示的图像。
数字阵列中的每个数字，表示数字图像的一个最小单位，称为像素2.像增强等；二是从图像到非图像的一种表示，如图像测量等。
5. 数字图像处理包含很多方面的研究内容。
其中，图像重建的目的是根据二维平面图像数据构造出三维物体的图像。
二.简答题1. 数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。
①图像数字化：将一幅图像以数字的形式表示。
主要包括采样和量化两个过程。
②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。
③图像的几何变换：改变图像的大小或形状。
④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。
如傅利叶变换等。
⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。
2. 什么是图像识别与理解？图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。
比如要从一幅照片上确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出来的人脸区域进行分析，确定其是否是该犯罪分子。
5. 简述图像几何变换与图像变换的区别。
①图像的几何变换：改变图像的大小或形状。
比如图像的平移、旋转、放大、缩小等，这些方法在图像配准中使用较多。
②图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。
比如傅里叶变换、小波变换等。
第二章图像的基本概念一.填空题1. 量化可以分为均匀量化和非均匀量化两大类。
2. 采样频率是指一秒钟内的采样次数。
3. 图像因其表现方式的不同，可以分为连续图像和离散图像两大类。
3.5. 对应于不同的场景内容，一般数字图像可以分为二值图像、灰度图像和彩色图像三类。
数字图像处理复习
数字图像处理复习第一章概述1. 图像的概念及数字图像的概念。
图-是物体透射或反射光的分布，是客观存在的。
像-是人的视觉系统对图的接受在大脑中形成的印象或反映，图像是图和像的有机结合，是客观世界能量或状态以可视化形式在二维平面上的投影。
数字图像是物体的一个数字表示，是以数字格式存放的图像。
2. 数字图像处理的概念。
数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程，以提高图像的实用性。
3. 数字图像处理的优点。
精度高、再现性好、通用性、灵活性强第二章数字图像处理基础1. 人眼视觉系统的基本构造P14 图2.1人眼横截面简图2. 亮度的适应和鉴别人眼对光亮度的适应性非常高，一般情况下跨度达到10的10次方量级，从伸手不见五指到闪光灯强曝光。
3.光强度与主观亮度曲线。
P15 图2.4光强度与主观亮度的关系曲线4. 图像的数字化及表达。
（采样和量化的概念）图像获取即图像的数字化过程，包括扫描、采样和量化。
采样：将空间上连续的图像变成离散点的操作 量化：将像素灰度转换成离散的整数值的过程5. 图像采样过程中决定采样空间分辨率最重要的两个参数。
采样间隔、采样孔径6. 图像量化过程中量化级数与量化灰度取值范围之间的关系量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小.7. 像素的相邻领域概念（4领域，8领域）。
设为位于坐标处的一个像素（x+1,y ），（x-1,y ），（x,y+1），（x,y-1） 组成的4邻域，用)(4p N 表示。
（x+1,y+1），（x+1,y-1），（x-1,y+1），（x-1,y-1） 像素集用)p (N D 表示)(4p N 和)p (N D 合起来称为p 的8邻域，用)(8p N 表示。
8. 领域空间内像素距离的计算。
（欧式距离，街区距离，棋盘距离） p 和q 之间的欧式距离定义为： 22)()(),(t y s x q p D e -+-=p 和q 之间的4D 距离（也叫城市街区距离）定义为： t y s x q p D -+-=),(4p 和q 之间的8D 距离（也叫棋盘距离）定义为： ),max(),(8t y s x q p D --=第三章 图像的基本运算（书后练习3.2，3.9 ） 1. 线性点运算过程中各参数表示的含义（k ，b ）。
图像处理课后习题答案
第一章绪论1.模拟图像处理与数字图像处理主要区别表现在哪些方面？(什么是图像？什么是数字图像？什么是灰度图像？模拟图像处理与数字图像处理主要区别表现在哪些方面？)图像：是对客观对象的一种相似性的、生动性的描述或写真。
数字图像：一种空间坐标和灰度均不连续的、用离散数字（一般用整数）表示的图像。
灰度图像：在计算机领域中，灰度数字图像是每个像素只有一个采样颜色的图像。
在数字图像领域之外，“黑白图像”也表示“灰度图像”，例如灰度的照片通常叫做“黑白照片”。
模拟图像处理与数字图像处理主要区别：模拟图像处理是利用光学、照相方法对模拟图像的处理。
(优点：速度快，一般为实时处理，理论上讲可达到光的速度，并可同时并行处理。
缺点：精度较差，灵活性差，很难有判断能力和非线性处理能力)数字图像处理(称计算机图像处理，指将图像信号转换成数字格式并利用计算机对数据进行处理的过程)是利用计算机对数字图像进行系列操作，从而达到某种预期目的的技术.(优点：精度高，内容丰富，可进行复杂的非线性处理，灵活的变通能力，一只要改变软件就可以改变处理内容)2.图像处理学包括哪几个层次？各层次间有何区别和联系？数字图像处理可分为三个层次：狭义图像处理、图像分析和图像理解。
狭义图像处理是对输入图像进行某种变换得到输出图像，是一种图像到图像的过程。
图像分析主要是对图像中感兴趣的目标进行检测和测量，从而建立对图像目标的描述，图像分析是一个从图像到数值或符号的过程。
图像理解则是在图像分析的基础上，基于人工智能和认知理论研究图像中各目标的性质和它们之间的相互联系，对图像内容的含义加以理解以及对原来客观场景加以解译，从而指导和规划行动。
区别和联系：狭义图像处理是低层操作，它主要在图像像素级上进行处理，处理的数据量非常大；图像分析则进入了中层，经分割和特征提取，把原来以像素构成的图像转变成比较简洁的、非图像形式的描述；图像理解是高层操作，它是对描述中抽象出来的符号进行推理，其处理过程和方法与人类的思维推理有许多类似之处。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
f1 (x, y)=1
f1
(
x,
y)=0
x, y 在区域A外 x, y 在区域A内
则图像 f1(x, y) 和 f2 (x, y) 的乘积图像g(x,y)即为图像 f2 (x, y) 在区域
A内的局部显示。
3.2.1 代数运算
同理，当 f2 (x, y) 满足：
f2 (x, y)=1
图像A
有小球落下的图像B
两幅图像相减后的结果
3.2.1 代数运算
（三）、乘运算
图像的乘运算是将两幅图像对应像素的灰度值做乘法运算。图像的乘 运算需要满足两幅图像维数相同的要求
g(x, y) f1(x, y) f2 (x, y)
图像的乘运算主要用于局部显示或者局部遮盖。当 f1(x, y) 满足下式：
像素的灰度值。
应用
g(x, y) f1(x, y) -f2 (x, y)
(1) 去除一幅图像中不需要的加性图案，如缓慢变化的背景阴影，周 期性噪声等。
(2) 检测同一场景两幅图像之间的变化。该方法主要应用于视频中的 前景检测。
3.2.1 代数运算
图像A
图像B
前景检测结果
3.2.1 代数运算
(3) 运动检测
g( x,
y)
1 2
f1 ( x,
y)
1 2
f2 (x,
y)
g(x, y) f1(x, y) f2 (x, y)
其中系数满足
1
用于避免合成后的图像亮度超过灰度的范围。
3.2.1 代数运算
f1(x, y)
f2 (x, y)
二次曝光图像g(x, y)
3.2.1 代数运算
（二）、减运算 图像的减运算是指将两个图像对应位置像素的灰度值做差，作为新图
g(x, y)
3.2.2 集合运算与逻辑运算
（四）、或运算 或运算的计算准则是：若两个操作数在逻辑上均为假，则或运算的结
果为假，其余均为真。
g(x, y) f1(x, y) f2 (x, y)
f1(x, y)
f2 (x, y)
g(x, y)
3.3图像的几何变换
第三章 图像的基本运算
3.1 图像基本运算概述 3.2 图像的代数运算和逻辑运算 3.3 图像的几何变换 3.4 图像的插值运算
3.1图像基本运算概述
下图描述了点运算与图像处理的关系
点运算
处理方法
空域方法 频域方法
模板运算
图
像
处 理
处理策略
全局处理 局部处理
灰度图像 处理对象
彩色图像
点运算
几何点运算
f2
( x,
y)=0
x, y 在区域A外 x, y 在区域A内
那么这两个图像的乘积图像g(x,y)即为图像 f1(x, y) 在区域A内的局部 显示。
3.2.1 代数运算
f1(x, y)
f2 (x, y)
相乘后的结果g(x,y)
3.2.1 代数运算
（四）、除运算 图像的除运算是将两幅图像对应像素的灰度值做除法运算。图像的除
的线性运算。
图像的代数运算是图像像素间的操作。对每一点（x，y）都存在以下
四种运算闭：
C(x, y) A(x, y) B(x, y)
C(x, y) A(x, y) -B(x, y)
C(x, y) A(x, y)× B(x, y)
C(x, y) A(x, y) ÷ B(x, y)
3.2.1 代数运算
原始原图始像图像
原始图像的阴补影图图像像
3.2.2 集合运算与逻辑运算
（二）、求异或运算
图像异或运算的计算准则：若两个操作数在逻辑上不同，则异或结果
为真，即为1。反之，若两个操作数在逻辑上相同，则异或结果为假，即
为0。
g(x, y) f1(x, y) f2 (x, y)
图像的异或运算主要有两个用途： （1）当不需要两幅图像的重叠部分时，可以通过异或运算获得不相 交的图像； （2）绘制区别于背景的、可恢复的图形.
目的。对于一幅清晰的图像f(x，y) ,有一个噪声图像集 gi (x, y),i 1, 2,..., K ，其
表达式如式
g i
(
x,
y)
f (x, y) ni (x, y)
假设符合某种特定的噪声分布n(x，y),n(x，y)的均值为0，方差为(x) ， 且n(x,y)中不同位置的噪声分布互不相关。则M个图像的均值如式：
（一）、加运算 加运算是将两个图像对应像素的灰度值求和，作为新图像像素的灰度
值。需要满足的是两个图像类型和分辨率相同，也就是两个图像的维数要 相同，若两个不同维数的图像进行相加首先需要将两个图像调为相同的维 度。
g(x, y) f1(x, y) f2 (x, y)
3.2.1 代数运算
1、对同一场景的多幅噪声图像求取平均值，以达到降低加性噪声的
改变像素的坐 标位置 来改变图像， 进而获得增强效果。
灰度点运算
改变像素灰度 来改变图像，从而 获得图像增强效果
灰度点运算
f (x, y) f (x, y) a
原始图像
灰度值减少100后的图像 灰度值为0后的图像
3.2图像的代数运算和逻辑运算
3.2.1 代数运算
图像的代数运算是指两幅或多幅图像对应像素的加减乘除运算和一般
3.2.2 集合运算与逻辑运算
f1(x, y)
f2 (x,）、与运算 与运算的计算准则： 若两个操作数在逻辑上均为真，则与运算的结果
为真，其余情况均为假。
g(x, y) f1(x, y) f2 (x, y)
f1(x, y)
f2 (x, y)
g(x, y)
1 M
M i 1
gi (x, y)
3.2.1 代数运算
多幅图像求和取平均后，加性噪声的均值仍然为0，但方差变成了原
1
先的 M 。
原始图像
叠加平均功率为30的高斯白噪声
10张噪声图像叠加取平均后的结果 20张噪声图像叠加取平均后的结果
3.2.1 代数运算
2、将一幅图像叠加到另一幅图像上，可以达到二次曝光（Doubleexposure）的效果，即求两个图像 f1(x, y) 和 f2 (x, y) 的均值
运算同样需要满足两幅图像维数相同的要求。
g(x, y) f1(x, y) f2 (x, y)
f1(x, y)
f2 (x, y)
除运算后的结果g(x,y)
3.2.2 集合运算与逻辑运算
（一）、求反运算 求反运算操作的准则：真求反为假，假求反为真。
g(x, y) 255-f (x, y)
应用
(1) 求取图像的阴影图像。 (2) 求取图像的补图像。