f(x,y)——灰度级值,又称灰度矩阵,取值范围为[0,L-1]其中,L=2k。则相应的,k=1时,就是所谓的二值图像。
定义:空间分辨率 :图像中可辨别的最小细节
定义:灰度级分辨率 :在灰度级别中可辨别的最小变化
像素在空间的接近程度可用像素之间的距离来度量。
三种距离的定义:
图像根据构图原理和描述方式的不同,可以分为两类:矢量图,位图。
BMP(Bitmap)格式是微软公司为其Windows操作系统设置的标准图像格式。BMP图像文件是个人计算机上最常见、最简单的文件格式之一。BMP图像文件扩展名为.bmp或.BMP
文件头数据结构:
typedef struct tagBITMAPFILEHEADER
{
WORD bfType; // 必须是0x424D,’BM’;2B
DWORD bfSize; // 文件大小,包括结构本身; 4B
WORD bfReserved1; // 保留字,必须为0;2B
WORD bfReserved2; // 保留字,必须为0; 2B
DWORD bfOffBits; // 图像数据偏移量;4B
} BITMAPFILEHEADER;
位图信息头数据结构:
typedef struct tagBITMAPINFOHEADER
{
DWORD biSize; //结构本身的大小(40字节)
LONG biWidth; //图像宽度
LONG biHeight; //图像高度
WORD biPlanes; //显示设备的平面数目(取1)
WORD biBitCount; //每个像素颜色需要的位数
DWORD biCompression; //压缩标志
DWORD biSizeImage; //图像数据字节数
LONG biXPelsPerMeter; //图像x方向分辨率
LONG biYPelsPerMeter; //图像y方向分辨率
DWORD biClrUsed; //指定图像实际用到的颜色数,如
//果该值为零,则用到的颜色数为2的biBitCount次方。
DWORD biClrImportant; //重要颜色数目,如果为零,则都是重要的。
} BITMAPINFOHEADER;
文件信息头数据结构:
数据项 | 含义 | 大小 | 取值 |
---|---|---|---|
biSize | 本结构的大小 | 4B | 字节数(40或28H) |
biWidth | 图像宽度 | 4B | 像素数 |
biHeight | 图像高度 | 4B | 像素数 |
biPlanes | 图像平面数 | 2B | 必须为1 |
biBitCount | 每像素位数 | 2B | 1、4、8、24、(32) |
biCompression | 压缩类型 | 4B | 0~3(一般为0,不压缩) |
biSizeImage | 图像数据大小 | 4B | 实际位图数据占用字节数 |
biXPelsPerMeter | 水平分辨率 | 4B | 像素数/米(一般为0) |
biYPelsPerMeter | 垂直分辨率 | 4B | 像素数/米(一般为0) |
biClrUsed | 使用颜色数 | 4B | >0时为颜色表项数=0时,无颜色表(24位色) |
biClrImportant | 重要颜色数 | 4B | 通常置0,所有颜色都重要 |
节省存储数据量,显示设备对同时显示的颜色有限制
调色板的数据结构:
typedef struct tagRGBQUAD
{
BYTE rgbBlue; //蓝色分量
BYTE rgbGreen; //绿色分量
BYTE rgbRed; //红色分量
BYTE rgbReserved; //保留,为0
} RGBQUAD;
图像增强:图像增强技术是众多图像处理技术中最基本、也是最重要的一种,是对图像进行加工,以得到视觉效果更“好,更“有用的”图像
目的:通过技术手段,突出有用信息,抑制无用信息,从而改善图像的视觉效果,或者使图像达到后续图像分析和识别所需的效果。
图像增强技术不增加图像的信息量,只是增强对某种信息的辨别能力。
空域 :在图像处理中,空域指由像素组成的空间
空域增强方法:指直接作用于像素的增强方法,可以表示为:其中,f(x,y)和g(x,y)分别为增强前后的图像,E表示增强操作。
指在两幅图像的对应像素间进行的、灰度值的算术和逻辑运算。运算结果是一幅新的图像。
算术运算一般作用与灰度图像,逻辑运算一般作用于二值图像。
用途:利用图像相加取平均以减少和去除图像采集时混入的噪声
当样本数k增大时,平均图像会越来越趋近原始图像
即求取两幅图像之间的差异。g(x,y) = f(x,y) - h(x,y)
用途: 用于医学图像处理中消除背景,或是运动目标检测。
差值图像的灰度超出动态范围,怎么办?
- 方法一: 对每个像素值加255,然后除以2。
- 方法二: 首先,提取最小差值,并且把它的负值加到所有差值图像的像素中(得到一幅最小像素值为零的改进的差值图像)。然后,通过用255/ IMax 值去乘每个像素(其中 IMax 为改进的差值图像中最大像素取值)将图像中的所有像素标定到0至255的范围。
逻辑运算一般应用于二值图像,基本的逻辑运算包括:
根据原始图像中每个像素的灰度值,按照某种映射规则,将其转化为另一灰度值。常用的三种基本映射类型:线性函数,对数函数,幂次函数。
灰度直方图是图像的一种统计表达。它反映了图像中灰度的分布情况,是多种空间域图像处理技术的基础,直方图操作能有效地增强图像。
h k = nk,(k=0,1,…,L-1),其中nk为图像中灰度级为宽带像素个数。
直观上可以认为,如果一幅图像其像素占有全部可能的灰度级并且分布均匀,则这样的图像有高对比度和多变的灰度色调。
基本思想:
变换原始图像的直方图为均匀分布 ——>大动态范围
使像素灰度值的动态范围最大 ——> 增强图像整体对比度(反差)
归一化直方图:
灰度累积直方图(归一化):
借助直方图变换实现规定/特定的灰度映射
三步骤:
直方图规定化 | 直方图均衡化 |
---|---|
自动增强 | 有选择地增强 |
效果不易控制 | 需给定直方图 |
总得到全图增强的结果 | 可得到特定增强的结果 |