合成图片鉴别

目录

第一章摘要 (2)

第二章应用知识 (2)

1）普通照片与合成照片的区别 (2)

2）彩色图像的读取及灰度化 (2)

3）梯度的基本概念 (3)

4）彩色图像三基色简介 (3)

5) 三基色的提取 (3)

6）阈值分割的基本概念 (3)

第三章设计思想 (4)

第四章matlab 源程序 (13)

第五章学习心得 (19)

第一章摘要

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化为数字信号并利用计算机进行处理的过程。随着科技发展合成照片越来越容易，如何利用图像处理的知识去鉴别照片的真假是当前面临的问题之一。图像边缘是图像最基本的一种特征，边缘在图像的分析中起着重要的作用。边缘作为图像的一种基本特征，在图像识别、图像分割、图像增强以及图像压缩等的领域中有较为广泛的应用，其目的就是精确定位边缘，同时更好地抑制噪声。学习照片合成的一般鉴别方法，学习图像处理相关知识，分析合成照片的图像特点，实现合成照片的鉴别，显得尤为重要。而边缘检测方法是检测照片是否是合成的重要方法，利用边缘的梯度计算是必要的手段之一，本文所利用的方法是在查找大量资料和文献，并在老师的指导下，主要针对图像的梯度进行操作，比较几种不同处理方法的优劣。

第二章应用知识

1)普通照片和合成照片的区别

①在灰度矩阵中，普通照片的灰度是连续变化的，几乎所有的点之间存在梯度变化（除部分纯色图片外），但是梯度变化不大，比较平滑。

②在灰度矩阵中，合成照片在合成处与普通照片有明显的不同，因为合成照片在合成出的变化很大，比较尖锐，边缘方向的像素变化剧烈。

2)彩色图像的读取及灰度化

使用matlap 处理图像时得到的是RGB 三维矩阵，在以后的处理中用到的却是灰度图像或者是二值图像，因此必须对图像进行灰度处理

处理的程序

I=imread('1.tif');

相应得到灰度图像维下图

3）梯度的基本概念

图像梯度可以把图像看成二维离散函数，图像梯度其实就是这个二维离散函数的求导：图像梯度: G(x,y) = dx i + dy j; dx(i,j) = I(i+1,j) - I(i,j); dy(i,j) = I(i,j+1) - I(i,j); 其中，I 是图

像像素的值(如：RGB 值)，(i,j)为像素的坐标。图像梯度一般也可以用中值差分：dx(i,j) = [I(i+1,j) + I(i-1,j)]/2; dy(i,j) = [I(i,j+1) +I(i,j-1)]/2; 图像边缘一般都是通过对图像进行梯度运算来实现的。

4)彩色图像三基色的简介

位图图像一般分为单色图像、灰度图像和彩色图像。单色图像只有黑色和白色两种颜色, 整个图像由单纯的黑色点和白色点组成。彩色图像的像素点是由R ( 红色) 、G ( 绿色) 、B( 兰色) 三元色混合而成的, 不同含量的R 、G 、B 组成不同的颜色, 每一个记录单个像素的位数据单元可表示任意一种颜色。

5）三基色的提取

三基色可能包含图像的不同信息，这就需要我们把三种不同的基色提取出来分别作相应的处理。从而得到理想的结果。

I=imread('1.tif');

I1=I(:,:,1);

I2=I(:,:,2);

I3=I(:,:,3);

分别为图像的R、G、B 三个基色。

6）阈值分割的基本概念

图像阈值化分割是一种最常用，同时也是最简单的图像分割方法，它特别适用于目标和背景占据不同灰度级范围的图像[1]。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。阈值分割法是一种基于区域的图像分割技术，其基本原理是：通过设定不同的特征阈值，把图像像素点分为若干类．常用的特征包括：直接来自原始图像的灰度或彩色特征；由原始灰度或彩色值变换得到的特征．设原始图

像为bb3(i，j)，按照一定的准则在bb3(i，j 中找到特征值T，将图像分割为两个部分，for i=1:m

for j=1:n

if(bb3(i,j)>9)

F2(i,j)=0;

Else

F2(i,j)=255;

end

end

end

分割后的图像为白色和黑色。

第三章设计思想

先从单元色数字矩阵的j 列取i:i+5,并取其中的最大值和最小值作差处理得F1 （i,j），利用其中的最小值减去它前面的像素值得F2（i,j），然后利用F2(i,j)/F1(i,j)得到F3(i,j), 观察像素点的分布大小及范围，设定阈值，使之转化为较为明显的图像。利用相同的方法去处理其它列和其它基色，最后观察图像的效果并比较，最终得出结论。

处理过程中的图片：

第四章matlab 源代码

Clear

Clc

close all

I0=imread('1.tif');

k=5;

p=1;

I1=I0(:,:,1);

[m,n]=size(I1);

%F1=zeros(m,n);

b=zeros(m-k,n);

c=zeros(m-k,n);

b1=zeros(m-k,n);

b2=zeros(m-k-1,n);

b3=zeros(m-1-k,n);

for j=1:n

for i=2:m-k

b(i,j)=max(I1(i:i+k,j));

c(i,j)=min(I1(i:i+k,j));

b1(i,j)=abs(b(i,j)-c(i,j))+p;

b2(i,j)=abs(c(i,j)-c(i-1,j));

b3(i,j)=b2(i,j)/b1(i,j);

end

end

figure,imshow(b3);

title('红色每列行差除法图形'); [m,n]=size(b3);

for i=1:m

for j=1:n

if(b3(i,j)>7)

F1(i,j)=0;

Else

F1(i,j)=255;

end

end