作者介紹

張偉偉，男，西安工程大學(xué)電子信息學(xué)院，2019級碩士研究生，張宏偉人工智能課題組。
微信公眾號：可隨時(shí)查閱，搜索—張二牛的筆記，回復(fù)[數(shù)字圖像處理]可以直接獲取對應(yīng)的書籍。
研究方向：機(jī)器視覺與人工智能。
電子郵件：zhangweiweicpp@163.com

• 課題組CSDN官方賬號，歡迎一鍵三連: https://blog.csdn.net/m0_37758063/article/details/113527955?spm=1001.2014.3001.5501.

1.緒論

自己讀書存在一個(gè)問題，書太厚，重點(diǎn)難以把握，對如此經(jīng)典的書籍，希望自己的學(xué)習(xí)歷程和重點(diǎn)記錄下來。 目前在持續(xù)更新和學(xué)習(xí)中，覺得有幫助的話可以先收藏和關(guān)注我博客的內(nèi)容–更新于2023/1/10

目標(biāo)
（1）定義圖像處理的范圍
（2）應(yīng)用領(lǐng)域和現(xiàn)狀
（3）圖像處理的主要方法
（4）圖像處理系統(tǒng)的組成
（5）相關(guān)文獻(xiàn)

數(shù)字圖像: 可以定義為一個(gè)二維函數(shù)f(x,y)，x，y是空間坐標(biāo)，（x，y）處的幅值稱為圖像在該點(diǎn)的強(qiáng)度（灰度）?；叶戎禐橛邢薜碾x散量時(shí)，稱為數(shù)字圖像。
圖像處理的范圍：輸入輸出都是圖像的處理，包含從圖像中提取特征的處理，直至目標(biāo)識別。
圖像處理的應(yīng)用領(lǐng)域：
電磁波可見光成像占主導(dǎo)地位。
圖像處理重要性：人類只能感知電測波譜的可見光譜，波長只有 380nm~780nm，圖像處理可處理為人類所能看到的圖像形式，由此增加了人類獲取信息的能力。

• 數(shù)字圖像處理的基本步驟
  
  圖像增強(qiáng)是主觀的，好的增強(qiáng)效果，主觀偏好；圖像復(fù)原是客觀的，復(fù)原技術(shù)傾向于以圖像退化的數(shù)學(xué)或概率模型為基礎(chǔ)。
  小波和傅里葉變換，以不同的分辨率表示圖像的基礎(chǔ)。
  彩色圖像–彩色模型和基本的彩色圖像處理，彩色也是提取圖像中感興趣區(qū)域的基礎(chǔ)。
• 圖像處理系統(tǒng)的組成
  

2.數(shù)字圖像基礎(chǔ)

目標(biāo)
1.人類視覺的功能和限制
2.光的性質(zhì)
3.如何產(chǎn)生，采樣和量化圖像
4.圖像像素間的幾何關(guān)系

• 圖像感知和獲?。簡蝹€(gè)傳感器，條帶傳感器，CCD

2.4圖像的采樣與量化

為了將傳感器輸出的電壓波形轉(zhuǎn)為數(shù)字圖像，需要進(jìn)行數(shù)據(jù)轉(zhuǎn)換。轉(zhuǎn)換包括：取樣和量化。同時(shí)將亮度值分為離散的區(qū)間。這樣每個(gè)取樣點(diǎn)的值就被量化為了離散值。


離散時(shí)像素中心 M/2 N/2取整，灰度級數(shù)L=2的K次方?；叶燃壏秶篬0,L-1]

灰度跨越的值域稱為動態(tài)范圍，定義為系統(tǒng)中最大可度量灰度與最小可檢測灰度之比。上限取決于飽和度，下限取決于噪聲。
對比度：一幅圖像中最高和最低灰度級間的灰度差。反差比是這兩個(gè)量的比率。圖像中可觀像素居于高動態(tài)范圍時(shí)，稱為圖像有高對比度。

圖像存儲的比特?cái)?shù)

k比特圖像：一幅圖像具有 個(gè)可能的灰度級時(shí)，稱為“k比特圖像”。如256級圖像稱為8比特圖像。

2.4.3 線性索引（一維+偏移）和坐標(biāo)索引（二維坐標(biāo)）

2.4.4 空間分辨率和灰度分辨率

空間分辨率 是圖像中最小可辨別細(xì)節(jié)的測度。
單位距離的線對數(shù)和單位距離的點(diǎn)數(shù)（像素?cái)?shù)）是最常用的測度。
灰度分辨率 指在灰度級中可分辨的最小變化。用于生成數(shù)字圖像的空間樣本數(shù)?；叶燃壨ǔＪ?的整數(shù)次冪，常用的數(shù)是8比特。

2.4.5 圖像內(nèi)插（在圖像放大縮小旋轉(zhuǎn)和幾何矯正時(shí)用）

內(nèi)插是用已知數(shù)據(jù)來估計(jì)未知位置數(shù)據(jù)的過程。

最近鄰插值（會產(chǎn)生直邊失真）
雙線性插值（結(jié)果較好）
雙三次內(nèi)插（復(fù)雜度較高）

內(nèi)插可以使用更多的鄰點(diǎn)，并且存在使用樣條和小波的復(fù)雜技術(shù)。通用的數(shù)字圖像處理嘗試用雙線性內(nèi)插和雙三次內(nèi)插。

2.5 像素間的基本關(guān)系

2.5.1 鄰域

坐標(biāo)(x,y)處的像素p

鄰域：點(diǎn)p的相鄰像素的圖像位置集。

4鄰域：2個(gè)水平的相鄰像素和2個(gè)垂直的相鄰像素。（x+1, y）, (x-1, y), (x, y+1), (x, y-1) 這組像素稱為p的4鄰域，用 N4（P）表示。
8鄰域：在4鄰域的基礎(chǔ)上，加上對角相鄰像素，（x+1, y+1）, (x+1, y-1), (x-1, y+1), (x-1, y-1)。

2.5.2 鄰接 連通 區(qū)域 邊界

邊界與邊緣的區(qū)別：有限區(qū)域的邊界形成一個(gè)閉合通路，它是一個(gè)整體性的概念，邊界。
邊緣是由其倒數(shù)超過某個(gè)預(yù)設(shè)閾值的像素形成的，邊緣是一個(gè)局部的概念。

2.5.3 距離測度

2.6 數(shù)字圖像中所用的基本數(shù)學(xué)工具

2.6.1 集合運(yùn)算和邏輯運(yùn)算

圖像可以視作矩陣，很多情況下圖像間的運(yùn)算時(shí)用矩陣?yán)碚搱?zhí)行的。點(diǎn)積。
重要：圖像處理方法最重要的分類是，它是線性的還是非線性的，對給定的一副輸入圖像f(x,y)產(chǎn)生一幅輸出圖像g(x,y),加性和同質(zhì)性（乘以一個(gè)常數(shù)可以變到輸出）。

• 線性和非線性的區(qū)分
  

算數(shù)運(yùn)算：
圖像相加：平均噪聲（降低噪聲）
圖像相減：比較圖像
圖像相乘（相除）：校正陰影和模板。
集合運(yùn)算：

2.6.5 空間運(yùn)算

• 單像素運(yùn)算
  
• 鄰域運(yùn)算
  
• 幾何變換

2.6.6 向量和矩陣運(yùn)算

2.6.7 圖像變換

3.灰度變換與空間濾波

目標(biāo)
灰度變換（使用的函數(shù)：線性、對數(shù)、冪函數(shù)）
直方圖
空間濾波
圖像增強(qiáng)

3.2.1 圖像反轉(zhuǎn)

3.2.2 對數(shù)變換

這里是引用

3.2.3 伽馬變換（冪變換）**

伽馬變換是為了產(chǎn)生輸入圖像的忠實(shí)顯示。

3.2.4 分段線性變換

3.3 直方圖處理

通常所說的直方圖是出現(xiàn)灰度級的像素?cái)?shù)目數(shù)量所占總的比例------灰度級概率的估計(jì)。

將輸入圖像灰度級為 r 的像素，映射為輸出圖像中灰度級為 s0 的對應(yīng)像素，得到輸出圖像。稱為直方圖均衡化或直方圖線性變換。

.

圖像均衡化通常會拓展灰度級范圍，進(jìn)而增強(qiáng)圖像的對比度，因此輸入圖像覆蓋的灰度級區(qū)間越小，直方圖均衡對其影響越大。
直方圖匹配（直方圖規(guī)定化）：用于生成具有規(guī)定直方圖的圖像的方法。

將某幅影像或某一區(qū)域的直方圖匹配到另一幅影像上。使兩幅影像的色調(diào)保持一致。兩幅圖像比對前，通常要使其直方圖形式一致。

3.4 空間濾波基礎(chǔ)

濾波：是指通過、修改或抑制圖像的規(guī)定頻率分量。
低通濾波器：通過低頻的濾波器稱為低通濾波器。低通濾波器的作用是通過模糊圖像來平滑圖像。使用空間濾波器可以直接對圖像本身進(jìn)行類似的平滑處理。
線性空間濾波器在圖像f和濾波器核 w 之間執(zhí)行乘積之和運(yùn)算。
分段濾波：有時(shí)，圖像是被順序地、分階段地濾波(即卷積)的，每個(gè)階段會使用不同的核。例如，對于階段的濾波，圖像廣首先用核w1濾波。

3.4.3 可分離濾波器核（要確定一個(gè)核是否可分離，只需確定其秩是否為 1）

可分離：若二維函數(shù)G(x,y)可寫為一維函數(shù)G1(x)和G2(x)的乘積即G(x,y)=G1(x)G2(y)則它是可分離的。

3.4.4 空間域?yàn)V波和頻率域?yàn)V波的一些重要比較

1.卷積是空間域?yàn)V波的基礎(chǔ)，它等效于頻率域中的乘法，反之亦然
2.空間域中振幅為A的沖激，是頻率域中值為A的一個(gè)常數(shù)，反之亦然
線性濾波就是找到合適的方法來修改圖像的頻率內(nèi)容。

3.5 平滑 (低通)空間濾波器

平滑(也稱平均)空間濾波器用于降低灰度的急劇過渡。由于隨機(jī)噪聲通常由灰度的急劇過渡組成因此平滑的一個(gè)明顯應(yīng)用就是降噪。
線性空間濾波是指圖像與濾波器核進(jìn)行卷積。一個(gè)平滑核與一幅圖像的卷積會模糊圖像，模糊程度取決于核的大小及其系數(shù)的值

3.5.1 盒式濾波器核（不滿足各向同性）

盒式核：最簡單的可分離低通濾波器核，其系數(shù)的值相同(通常為 1)。來自一個(gè)常量核，以三維方式查看它時(shí)，它類似于一個(gè)盒子。

歸一化適用于所有低通核。
歸一化有兩個(gè)目的：第一，一個(gè)恒定灰度區(qū)域的灰度平均值將等于濾波后的圖像中的灰度值。第二，采用這種方式對核歸一化時(shí)，可以防止在濾波過程中引入偏差（保證濾波后像素和相同）;

零填充：填充零會擴(kuò)展圖像的邊界，以避免在濾波期間核的一部分位于圖像邊界之外時(shí)執(zhí)行未定義的運(yùn)算

3.5.2 低通高斯濾波器核

盒式濾波器優(yōu)點(diǎn):通常會產(chǎn)生視覺上能夠接受的平滑結(jié)果,希望減少邊緣平滑的效應(yīng)時(shí)，它們也是很有用的.
盒式濾波器缺點(diǎn)：盒式濾波器往往會沿垂直方向模糊圖像。在涉及精細(xì)細(xì)節(jié)不太適合。
==高斯核：可分離，圓對稱。決定著平滑程度是由參數(shù)σ表征的，而且σ和平滑程度的關(guān)系是非常簡單的．σ越大，高斯濾波器的頻帶就越寬，平滑程度就越好。==可分離核的計(jì)算優(yōu)勢對大核而言意義重大.

高斯核必須大于盒式濾波器才能實(shí)現(xiàn)同樣程度的模糊。

零填充的缺點(diǎn)：對圖像填充零會在濾波結(jié)果中引人黑色的邊框，邊框的寬度取決于所用濾波器核的大小和類型。
復(fù)制填充: 它將邊界之外的值設(shè)為最接近的圖像邊界值,當(dāng)圖像邊界附近的區(qū)域?yàn)槌?shù)時(shí)，復(fù)制填充更適用:
而當(dāng)邊界附近的區(qū)域包含圖像細(xì)節(jié)時(shí)，鏡像填充更適用。

3.5.3 統(tǒng)計(jì)排序(非線性) 濾波器(中值)

統(tǒng)計(jì)排序?yàn)V波器是非線性空間濾波器，其響應(yīng)基于濾波器所包含區(qū)域內(nèi)的像素的排序。
平滑是將中心像素的值替代為由排序結(jié)果確定的值來實(shí)現(xiàn)的。
中值濾波器用中心像素的鄰域內(nèi)的灰度值的中值替代中心像素的值(計(jì)算中值時(shí)包括中心像素的值 )。去除椒鹽噪聲

線性濾波就是找到合適的方法來修改圖像的頻率內(nèi)容。
使用：

核與圖像大小的關(guān)系 使用低通濾波和閾值處理提取區(qū)域 圖像陰影矯正。

3.6銳化（高通）空間濾波器

銳化作用是突出灰度中的過渡，圖像微分將增強(qiáng)邊緣和其他不連續(xù)( 如噪聲 )，并且不強(qiáng)調(diào)灰度緩慢變化的區(qū)域。
銳化通常稱為高通濾波。此時(shí)，通過(負(fù)責(zé)細(xì)節(jié)的)高頻，而衰減或抑制低頻。
使用拉普拉斯銳化圖像的基本方法
拉普拉斯是導(dǎo)數(shù)算子，因此會突出圖像中的急劇灰度過渡，并且不強(qiáng)調(diào)緩慢變化的灰度區(qū)域。這往往會產(chǎn)生具有灰色邊緣線和其他不連續(xù)性的圖像，**它們都疊加在暗色無特征背景上。

3.6.1基礎(chǔ)

主要講述了一階導(dǎo)數(shù)和二階導(dǎo)數(shù)的性質(zhì)和證明，例3.18展示了拉普拉斯銳化后的圖像。

3.6.2 使用二階導(dǎo)數(shù)銳化圖像一拉普拉斯

3.6.4使用梯度增強(qiáng)邊緣

重要的綜合的例子：P129頁人體醫(yī)學(xué)骨骼分析。

4.頻率域?yàn)V波

理論相對較高，放在后面閱讀,需要到頻域用到進(jìn)行查閱。
2023/1/10文章來源地址http://www.zghlxwxcb.cn/news/detail-440034.html

5.圖像復(fù)原與重建

6.彩色圖像處理

7.小波變換和其他圖像變換

8.圖像壓縮與水印

9.形態(tài)學(xué)圖像處理

10.圖像分割

11.特征提取

到了這里，關(guān)于數(shù)字圖像處理（第四版)-岡薩雷斯-學(xué)習(xí)過程的筆記的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！