图像预处理(精选)
计算机视觉图像预处理
21
4.1 图像坐标变换
• 4.2.1 灰度映射原理 • 4.2.2 灰度映射示例
22
4.2.1 灰度映射原理
基于图像像素的点操作 映射函数
灰度级到灰 度级的变换， 与位置无关
23
4.2.2 灰度映射示例
灰度映射技术的关键是根据增强要求设计映射函数
扩展低灰度范围 压缩高灰度范围
图像求反
• 5. 变换级连
例：平移旋转反平移
10
4.1.1 基本坐标变换
• 5. 变换级连
平移（50, 50） 尺度（1.4, 1.4） 旋转30°
11
4.1.1 基本坐标变换
• 6. 基本坐标变换小结
12
4.1.1 基本坐标变换
• 7. 其他变换
1 0.5 0
斜切（扭曲） 0 1 0
0 0 1
13
4.1.2 几何失真校正
a = 1----相当于复制 b ≠0: 灰度偏置
32
• 练习题：
– 4.1 – 4.2
作业
计算机视觉
The end！
34
计算机视觉
计算机视觉——图像预处理
1
• 图像预处理的目的：
纠正几何失真 提高视觉质量
降低噪声干扰
图像坐标变换 灰度映射
直方图修正 空域滤波
2ห้องสมุดไป่ตู้
第4章 图像预处理
• 4.1 图像坐标变换 • 4.2 灰度映射 • 4.3 直方图修正 • 4.4 空域滤波
3
4.1 图像坐标变换
• 4.1.1 基本坐标变换 • 4.1.2 几何失真校正
4
4.1.1 基本坐标变换
• 1. 变换的表达
图像识别预处理
图像增强技术的目的是对图像进行加工，已得到视觉效果更“好”，更“有用”的图像。
增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地增强图像的整体或局部特性，将原来不清晰的图像变得清晰或增强某些感兴趣的特性，扩大图像种不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判断和识别效果，满族某些特殊分析的需要。
根据其处理所进行的空间不同，目前常用的增强技术可分为频率域法和空间域法两类。
前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。
采用低通滤波（即只让低频信号通过）法，可去掉途中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。
后者空间域法中具有代表性的算法有局部求平均值法和中值滤波（取局部领域中的中坚像素值）法等，他们可用于去除或减弱噪声。
根据增强的策略，图像增强又可以分为两种：全局处理和局部处理。
根据处理的对象，图像增强还可以分为灰度图像的增强与彩色图像的增强。
图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或抑制（掩盖）图像中某些不需要的特征，使图像与视觉响应特性相匹配[8]。
在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。
图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。
基于空域的算法处理时直接对图像灰度级做运算，基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。
基于空域的算法分为点运算算法和领域去噪算法。
点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。
领域增强算法分为图像平滑和锐化两种。
平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。
常用算法有均值滤波、中值滤波。
锐化的目的在于突出物体的边缘轮廓，便于目标识别。
《图像预处理》课件
图像预处理的未 来发展
深度学习在图像预处理中的应用
深度学习技术在图像预处理中 的应用越来越广泛
深度学习技术可以提高图像预 处理的效率和准确性
深度学习技术可以处理复杂的 图像预处理任务
深度学习技术在图像预处理中 的应用前景广阔
自动化和智能化的发展趋势
深度学习技术的 应用：提高图像 预处理的自动化 程度，实现智能
后处理：对图像进行平滑 处理、锐化处理等操作， 以提高图像的视觉效果
图像预换为灰度图像的过程 灰度化处理的目的是减少图像的颜色信息，提高图像的亮度和对比度 灰度化处理的方法包括：平均值法、加权平均法、最大值法、最小值法等 灰度化处理后的图像可以用于后续的图像处理和识别任务
化处理
边缘计算技术的 应用：提高图像 预处理的效率， 降低对网络带宽 和计算资源的需
求
云计算技术的 应用：实现大 规模图像预处 理任务的快速
处理和存储
5G技术的应用： 提高图像预处 理的速度和稳 定性，实现实 时处理和传输
跨领域的应用拓展
医学领域：用 于医学影像分 析，辅助医生
诊断疾病
安防领域：用 于人脸识别、 安防监控等， 提高安全防范
遥感图像去噪：去除遥感图像 中的噪声，提高图像清晰度
机器视觉应用
自动驾驶：识别道路、行人、车辆等 工业检测：检测产品质量、缺陷等 安防监控：人脸识别、行为识别等 医疗影像：疾病诊断、手术导航等
图像识别系统
车牌识别：用于交通管理、停车场管理等场景 人脸识别：用于身份验证、门禁系统等场景 物体识别：用于智能监控、智能机器人等场景 文字识别：用于文档数字化、信息检索等场景
图像尺寸调整
目的：改变图 像的大小和比
例
方法：缩放、 裁剪、旋转等
《envi图像预处理》课件
几何校正
目的：消除图像中的几何变形 方法：使用控制点进行校正 控制点选择：选择具有明显特征的点 校正结果：得到无变形的图像
图像增强
亮度调整：提高图像亮度，使图像更清晰 对比度调整：增强图像对比度，使图像细节更明显 锐化处理：提高图像锐度，使图像边缘更清晰 色彩调整：调整图像色彩，使图像色彩更丰富
实例1：图像去噪处理，对 比处理前后的图像质量
实例4：图像融合处理，对 比处理前后的图像融合效果
Part Six
envi图像预处理的 未来发展
envi图像预处理技术的发展趋势
智能化：利用深度 学习、人工智能等 技术，实现图像的 自动预处理
高效化：提高图像 预处理的速度和效 率，降低计算成本
多样化：开发更多 类型的预处理算法， 满足不同应用场景 的需求
envi图像预处理在地理信息系统中的应用
地理信息系统（GIS）：用于管理、分析和显示地理数据
Envi图像预处理：对遥感图像进行预处理，提高图像质量
应用：在GIS中，预处理后的遥感图像可以用于地形分析、土地利用分类、植被监测 等
优势：预处理后的遥感图像可以提高GIS分析的准确性和效率
envi图像预处理在环境监测中的应用
遥感图像处理：用于提取地物信息， 如土地利用、植被覆盖等
工业检测：用于产品质量检测，如 缺陷检测、尺寸测量等
添加标题
添加标题
添加标题
添加标题
医学图像处理：用于疾病诊断和治 疗，如CT、MRI等
军事侦察：用于战场侦察和情报分 析，如目标识别、地形分析等
Part Five
envi图像预处理的 效果评估
envi图像预处理
,
汇报人：
目录
01 添 加 目 录 项 标 题 03 e n v i 图 像 预 处 理
数字图像的预处理
数字图像的预处理一，输入输出图像。
1，打开主界面。
2，open image file。
单击file，出现对话框。
单击bhtmref.img，打开。
出现波段列表。
灰度图RGB图点击load band，出现三个窗口。
灰度图RGB图（742波段）3，输出图像。
单击主窗口file，点击save image as →image file。
出现对话框，保存图像。
灰度图RGB图（742波段）注意，灰度图是8-bit，RGB图为24-bit。
二，查看头文件信息。
1，点击file，选择edit ENVI header。
2，点击任一波段，将会出现该文件信息。
3，点击OK，出现对话框，点击edit attributes编辑器，选择sensor type，选择landset TM三，建立文件组。
1，打开image file，test1文件夹下“杭州湾TM”，全选七个波段的图像，点击打开。
2，点击file，选择save file as→ENVI standard，出现对话框。
点击import file，添加各个波段文件，保存文件。
注意：从一波段开始，依次添加到七波段。
四，图像的裁剪。
一，规则裁剪。
Basic tools→resize data（spatial/spectral）规则裁剪→对话框，点击bhtmref.img→spatial subset.→对话框。
点击image，map，file做相应的裁剪。
Image 缩放大小，进行裁剪。
Map 修改坐标，进行裁剪。
Map 该坐标，进行裁剪。
File裁剪以一个文件对另一文件进行裁剪。
文件1 文件2所裁剪得到的文间二，不规则裁剪file→open image file→找到test1文件夹下的resize文件并打开第二个，用RGB显示。
file→open vector file（矢量文件）→选择“襄樊部分地区矢量边界_”打开，→选中“襄樊部分地区矢量边界_”点击load selected。
图像预处理
3. 选择式掩模平滑
邻域平均法在消除噪声的同时，不可避免地带来了平均化的缺憾，使尖 锐变化的边缘变得模糊。考虑到图像中⺫目目标物体和背景一一般都具有不 同的统计特性，即具有不同的均值和方方差，为保留一一定的边缘信息， 可采用用自自适应的局部平滑滤波。 选择式掩模平滑法取5×5窗口口，在窗口口内以中心心像素f(i,j)为基准点，制 作4个五边形、4个六边形、1个边⻓长为3的正方方形，共9种形状的屏蔽 窗口口，分别计算每个窗口口内的平均值及方方差，采用用方方差最小小的屏蔽窗 口口进行行平均化，也称自自适应平滑。
对比比度指亮度的最大大值和最小小值之比比，可通过增加原图 中某两个灰度值间的动态范围来实现。 1）全域线性变换 设原图像f(x,y)的灰度范围为[a,b]，希望变换后图像 g(x,y) 的灰度范围扩展至至[c,d]，使曝光不充分的图像中黑黑的 更黑黑，白白的更白白，从而而提高高图像的灰度对比比度。
0≤f(x,y)＜a a≤f(x,y)＜b b＜f(x,y)
2. 直方方图的均衡化
• 均衡化：使图像的直方方图均匀分布的处理过程 • 基本思想：把原始图像的直方方图变换为均匀分布的形 式，增加像素灰度值的动态范围，增强图像整体上的 对比比度。
∑
•直方方图均衡化以累积分布函数为变换函数。
具体步骤：
1）列出图像灰度rk 。 2）求各图像灰度的像素数。 3）原始图像直方方图归一一化处理。 4）计算累积分布函数值
6 122 0.03 0.98
6/7=0.8 6
7 81 0.02 1.00 1 7
量化级 新灰度 级 rk! sk 新像素 数 新直方方
0 1 0!1 0 0
3/7=0.4 4/7=0.5 5/7=0.7 3 7 1
图像预处理技术
上述线性变换对图像中每一个像素灰度作线性拉伸，可使图像中相邻像
素灰度的差值增加，进而有效改善图像视觉效果。
3.1 图像的灰度变换
3.1.1线性变换
在 Matlab 环境中，采用函数 imadjust( )对图像进行灰度值
线性变换，常用语法有：
素”的赋值操作。
g( x , y )
d
g ( x, y)
d c
f x , y a c
ba
c
a
b
灰度变换曲线
f ( x , y)
3.1 图像的灰度变换
3.1.1线性变换
将灰度值小于a 的像素的灰度值全部映射为c ，将灰度值大于b的像素的
灰度值全部映射为d。
在曝光不足或过度的情况下，图像的灰度可能会局限在一个很小的范围
3.2 图像的几何变换
3.2.4插值
2） 双线性插值
在该方法中输出像素的值是它在输入图像中 2×2 的邻域采
样点的加权平均值，它根据某像素周围 4 个像素的灰度值在水
平和垂直两个方向上对其插值。
对于一个目的像素，设置坐标通过反向变换得到的浮点坐
标为 ( + , + )，其中 、均为非负整数，、为 区间的
直方图均衡化的基本思想是把原始图像的直方图变换为均匀分布的形式，这
样就增加了像素灰度值的动态范围，从而可达到增强图像整体对比度的效果。
3.1 图像的灰度变换
3.1.4直方图均衡化
I=imread('mengwa.jpg'); %载入原始图像
I1=rgb2gray(I);
figure,imshow(I1);
图像预处理
图像预处理主要是对系统获取的原图像基本特征的信息进行相应的、有针对性的处理，以滤去干扰、噪声，作几何校正、色彩校正，以便于计算机的分析计算，一般包括滤波、图像增强、图像二值化、形态学运算、边缘检测等等。
3.1图像灰度化将彩色图像转换成灰度图，一方面提高了图像的处理速度，另一方面更统一了多种颜色的车辆牌照。
本文采用加权平均值法将图像灰度化，即根据重要性或其他指标给R、G、B赋予不同的权值，并使R、G、B等于它们的值的加权和平均R=G=B=(W rR+W gG+W bB)/3其中Wr、Wg、Wb分别是R、G、B的权值，取Wr＝0.299、Wg＝0.588、Wb＝0.113，从而得到最合理的车牌灰度图像。
3.2中值滤波接着要进行图像的去噪处理，用中值滤波方法可以有效去除图像中的噪声点，同时保护图像边缘的细节。
中值滤波[2][3]是通过在图像上移动一个滑动窗口，窗口中心位置的象素值用窗口内部所有象素灰度的中值来代替。
因此关键在于滑动窗口的选取，本文采用3x3方形窗口进行滤波，可以很好的消除图像中孤立噪声点的干扰，还能有效的保护边界信息。
3.3灰度变换如果一幅图成像时由于光线过暗或曝光不足，则整幅图偏暗（如灰度范围从0到6 3）；光线过亮或曝光过度，则图像偏亮（如灰度范围从200到255），都会造成图像对比度偏低问题，即灰度都挤在一起了，没有拉开，这时可以采用灰度变换方法来增强图像对比度。
本文采用分段线性灰度变换法进行灰度变换，根据经验值，对[30 200]之间的灰度值进行变换。
3.4直方图均衡化直方图是用来表达一幅图像灰度等级分布情况的统计表。
通过对图像中像素个数多的灰度值（及对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（及对画面不起主要作用的灰度值）进行归并，从而达到清晰图像的目的，其本质上是一个直方图变换，即将输入图像的直方图映射成一个最大平展的直方图。
经过直方图均衡化处理以后，图像的灰度分布变得均匀，原来偏暗的图像亮度明显增强，图像变得更为清晰。