【一】数字图像的常见概念

【一】数字图像的常见概念

  • 1 数字图像
    • 1.1 数字图像是什么
    • 1.2 数字图像的分类
    • 1.3 图像的空间和灰度级分辨率
  • 2 数字图像处理与识别
    • 2.1 整体流程
      • 2.1.1 数字图像处理
      • 2.1.2 数字图像分析
      • 2.1.3 数字图像识别
    • 2.2 数字图像处理与识别大致内容
  • 3 预备知识
    • 3.1 邻接性
    • 3.2 连通性
    • 3.3 区域和边界
    • 3.4 几种距离度量
    • 3.5 基本的图像操作
      • 3.5.1 点运算和邻域运算
      • 3.5.2 线性和非线性操作

1 数字图像

1.1 数字图像是什么

数字图像是在计算机上显示和处理的图像,可分为位图(BMP、JPG、GIF)和矢量图(PNG)两种,位图是由图像中每个像素的幅值(灰度、亮度和强度)组成的,我们一般都是在位图上进行处理。

1.2 数字图像的分类

根据不同数字图像所包含的信息不同,可分为二值图像、灰度图像、RGB图像和索引图像等。

二值图像:每个像素只有黑、白两种颜色,取0代表黑色,1代表白色。

灰度图像:每个像素取黑色到白色之间的颜色深度,从0到255,共256种取值。

RGB图像:每个像素由红绿蓝三原色组成,每种颜色也是取0到255的颜色深度。

索引图像:当图像颜色种类比较少时,可采用颜色表(16*3的二维数组),选取基准颜色,再查询对应颜色表中的索引(偏移量)。

1.3 图像的空间和灰度级分辨率

图像的空间分辨率:图像中每单位长度所包含的像素或点的数目,常用像素/英寸(ppi)为单位来表示,也就是每英寸有多少个像素点,这个值越大,图像越清晰,但占用内存也越大。

图像的灰度级/辐射计量分辨率:又被成为色阶,就是图像中包含多少个灰度级,灰度级是256时包含所有信息;灰度级为2时,此时图像就是黑白图像。

2 数字图像处理与识别

2.1 整体流程

2.1.1 数字图像处理

第一步是对图像修改和增强,简单说就是预处理,像修改尺寸,灰度化之类都属于这个阶段。

2.1.2 数字图像分析

第二步是对处理好的图像进行分析,获取我们需要的信息。

2.1.3 数字图像识别

根据第二步得到的不同图像中的信息,可以根据这些信息之间的联系分类,如人脸识别、自动驾驶等等,这也是我们的最终目的。

2.2 数字图像处理与识别大致内容

图像的点运算可以用来改善图像的外观。
图像的几何变换用于图像的归一化和图像校准。
图像增强对重要的信息进行增强,同时弱化不重要的信息。
小波变换是基于频率域中的一些有限宽度的基小波,相较于傅里叶变换,在变换时保留了更多信息。
图像复原可以理解为图像增强的范国成,将被处理过的图像恢复原状。
彩色图像处理相较于灰度图像更加复杂,需要专门学习。
形态学处理主要是对图像的相似区域进行处理,如提取轮廓、凸化等。
图像分割是将一幅图像分解为若干互不相交叠区域的过程,分割出的区域需要同时满足均匀性和连通性的条件。
特征提取获得处理过图像的重要信息,用“非图像”(如数值、向量和符号等)代替图像表示,这些“非图像”就是特征。
对象识别是对获得的特征中,进行分类,从而实现识别。

3 预备知识

3.1 邻接性

简单来说,就是该像素与中心像素是什么关系。正上正下正左正右就是4邻接,斜对的就是8邻接,对应的位置称为领域,如下图所示:
【一】数字图像的常见概念_第1张图片

3.2 连通性

通路对应邻域。当一个集合s里面全部像素之间存在通路,里面的两个像素就是连通的,他们连通之间的像素集就是s的连通分量,如果s中的连接分量只有一个,此时s也称为连通集。

3.3 区域和边界

区域是基于连通集上的,如果s既是图像的一个子像素集,又是连通集,则s就是一个区域。

边缘:一个(或多个)区域的最外部像素所形成的集合。

3.4 几种距离度量

欧式距离
在这里插入图片描述
d4距离
在这里插入图片描述
d8距离
在这里插入图片描述

3.5 基本的图像操作

3.5.1 点运算和邻域运算

前一个是对单个点处理,后一个是对一个范围的点处理。

3.5.2 线性和非线性操作

设h是一种算子,f1和f2是图像(组),a和b是标量,当下式成立时
h(af1+bf2)=ah(f1)+bh(f2)
则称h为线性算子,否则为非线性算子。

你可能感兴趣的:(一周学会Matlab图像处理,matlab,图像处理,图像识别)