數(shù)字圖像復(fù)習(xí)

數(shù)字圖像復(fù)習(xí)第二章基礎(chǔ)知識(shí)一、圖像的數(shù)字化：數(shù)字圖像可以理解為對(duì)二維函數(shù)f(x，y)進(jìn)行采樣和量化(即離散處理)后得到的圖像，因此，通常用二維矩陣來(lái)表示一幅數(shù)字圖像。圖像的數(shù)字化過(guò)程包括三個(gè)步驟：掃描、采樣和量化。1.采樣:對(duì)圖像空間坐標(biāo)的離散化，它決定了圖像的空間分辨率。

采樣時(shí)的注意點(diǎn)是：采樣間隔的選取。

采樣間隔太小，則增大數(shù)據(jù)量；太大，則會(huì)發(fā)生信息的混疊，導(dǎo)致細(xì)節(jié)無(wú)法辨認(rèn)。2.分辨率（采樣的指標(biāo)）：指映射到圖像平面上的單個(gè)像素的景物元素的尺寸。單位：像素/英寸，像素/厘米（如：掃描儀的指標(biāo)300dpi）；或者是指要精確測(cè)量和再現(xiàn)一定尺寸的圖像所必需的像素個(gè)數(shù)。單位：像素*像素（如：數(shù)碼相機(jī)指標(biāo)30萬(wàn)像素（640*480））。3.量化：把采樣后所得的各像素灰度值從模擬量到離散量的轉(zhuǎn)換稱為圖像灰度的量化。量化是對(duì)圖像幅度坐標(biāo)的離散化，它決定了圖像的幅度分辨率。量化可分為均勻量化和非均勻量化：

均勻量化是簡(jiǎn)單地在灰度范圍內(nèi)等間隔量化。

非均勻量化是對(duì)像素出現(xiàn)頻度少的部分量化間隔取大，而對(duì)頻度大的量化間隔取小。一般情況下，對(duì)灰度變化比較平緩的部分用比較多的量化級(jí)，在灰度變化比較劇烈的地方用比較高的分辨率。

4.采樣點(diǎn)數(shù)和量化級(jí)數(shù)的關(guān)系：

對(duì)一幅圖像，當(dāng)量化級(jí)數(shù)一定時(shí)，采樣點(diǎn)數(shù)對(duì)圖像質(zhì)量有著顯著的影響。采樣點(diǎn)數(shù)越多，圖像質(zhì)量越好；當(dāng)采樣點(diǎn)數(shù)減少時(shí)，圖上的塊狀效應(yīng)就逐漸明顯。

當(dāng)圖像的采樣點(diǎn)數(shù)一定時(shí)，采用不同量化級(jí)數(shù)的圖像質(zhì)量也不一樣。量化級(jí)數(shù)越多，圖像質(zhì)量越好，當(dāng)量化級(jí)數(shù)越少時(shí)，圖像質(zhì)量越差。

量化級(jí)數(shù)最小的極端情況就是二值圖像，圖像會(huì)出現(xiàn)假輪廓。采樣點(diǎn)數(shù)與圖像質(zhì)量之間的關(guān)系

量化級(jí)數(shù)與圖像質(zhì)量之間的關(guān)系5.數(shù)字圖像的基本類型（二值圖像、灰度圖像、彩色圖像、索引圖像）

二值圖像是指圖像的每個(gè)像素只能是黑或者白，沒(méi)有中間的過(guò)渡，故又稱為２值圖像。2值圖像的像素值為0、1；灰度圖像是指每個(gè)像素的信息由一個(gè)量化的灰度級(jí)來(lái)描述的圖像，沒(méi)有彩色信息。如當(dāng)像素灰度級(jí)用8bit表示時(shí)，每個(gè)像素的取值就是256種灰度中的一種，即每個(gè)像素的灰度值為0到255中的一個(gè)；彩色圖像是指每個(gè)像素的信息由RGB三原色構(gòu)成的圖像，其中RGB是由不同的灰度級(jí)來(lái)描述的，彩色圖像不能用一個(gè)矩陣來(lái)描述了，一般是用三個(gè)矩陣同時(shí)來(lái)描述；索引圖像把像素值直接作為索引顏色的序號(hào)

根據(jù)索引顏色的序號(hào)就可以找到該像素的實(shí)際顏色。當(dāng)把索引圖像讀入計(jì)算機(jī)時(shí)，索引顏色將被存儲(chǔ)到調(diào)色板中。調(diào)色板是包含不同顏色的顏色表，每種顏色以紅，綠，藍(lán)三種顏色的組合來(lái)表示。調(diào)色板的單元個(gè)數(shù)是與圖像的顏色數(shù)一致的。256色圖像有256個(gè)索引顏色，相應(yīng)的調(diào)色板就有256個(gè)單元。

6.數(shù)字圖像的基本文件格式

每一種圖像文件均有一個(gè)文件頭，在文件頭之后才是圖像數(shù)據(jù)。文件頭的內(nèi)容一般包括文件類型、文件制作者、制作時(shí)間、版本號(hào)、文件大小等內(nèi)容。常用的圖像文件存儲(chǔ)格式主要有BMP文件、JPG文件、PCX文件、TIFF文件以及GIF文件等。7．常用的函數(shù)簡(jiǎn)介(1)函數(shù)名:uint8

格式:uint8(A);

功能:將數(shù)據(jù)A轉(zhuǎn)換為8位無(wú)符號(hào)整數(shù)類型數(shù)據(jù)

例如：

watermarked_image_uint8=uint8(watermarked_image_round);

(2)函數(shù)名:double

格式:double(A);

功能:將數(shù)據(jù)A轉(zhuǎn)換為64位雙精度浮點(diǎn)類型數(shù)據(jù)

例:double(imread('lena.bmp'));

(3)讀取圖片的命令

Imread(‘filename’);

讀取圖像文件的有關(guān)信息

imfinfo(‘filename’);(4)顯示圖像

函數(shù)名:Imshow

格式:imshow(f,[LOWHIGH])

功能:顯示灰度圖像

例:imshow(ZA,[])

顯示灰度圖像ZA，并指定灰度級(jí)范圍[LOWHIGH]，若如不確定數(shù)據(jù)的范圍[LOWHIGH]，可使用空矢量作為參數(shù)顯示圖像。

Figure為了保持原來(lái)的圖像，可以將其放在后顯示的圖像命令前

(5)保存圖像

函數(shù)名:imwrite

格式:imwrite(A，‘文件名’，文件格式)

功能:保存圖像文件數(shù)據(jù)

例:imwrite(ZA,‘watermarked.bmp’,‘bmp’)或

imwrite(ZA,‘watermarked.bmp’)

Imwrite(f,’filename.jpg’,’quality’,q)只適合JPEG圖像的函數(shù)。

Imfinfofilename可顯示圖片的信息

subplot(m,n,p)

功能：將一個(gè)圖形窗口劃分為多個(gè)顯示區(qū)域進(jìn)行圖形顯示

例如：

subplot(2,2,1)

(6)圖像類和類型間的轉(zhuǎn)換將圖像轉(zhuǎn)換為灰度圖像

mat2gray(f)

將圖像轉(zhuǎn)換為二值圖像Im2bw(f,threshold)%其閾值必須在[01]之間8.算術(shù)運(yùn)算

例:圖像存儲(chǔ)容量的計(jì)算一幅灰度級(jí)為256的圖像，矩陣為512×512，在計(jì)算機(jī)中保存，圖像數(shù)據(jù)占多少字節(jié)？第三章空域增強(qiáng)空域增強(qiáng)是指直接在圖像所在的二維空間進(jìn)行增強(qiáng)處理，即增強(qiáng)構(gòu)成圖像的像素?；叶茸儞Q增強(qiáng)：灰度變換可使圖像對(duì)比度擴(kuò)展，圖像清晰，特征明顯。它是圖像增強(qiáng)的重要手段。

原理：灰度變換是一種點(diǎn)處理方法，它將輸入圖像中每個(gè)像素(x,y)的灰度值f(x,y)，通過(guò)映射函數(shù)T(·)，變換成輸出圖像中的灰度g(x,y)，即：g(x,y)=T[f(x,y)]（1）線性拉伸將原始輸入圖像中的灰度值不加區(qū)別地?cái)U(kuò)展。

在實(shí)際應(yīng)用中,為了突出圖像中感興趣的研究對(duì)象，常常要求局部擴(kuò)展拉伸某一范圍的灰度值，或?qū)Σ煌秶幕叶戎颠M(jìn)行不同的拉伸處理，即分段線性拉伸。

分段線性拉伸是僅將某一范圍的灰度值進(jìn)行拉伸，而其余范圍的灰度值實(shí)際上被壓縮了

非線性拉伸不是對(duì)圖像的整個(gè)灰度范圍進(jìn)行擴(kuò)展，而是有選擇地對(duì)某一灰度值范圍進(jìn)行擴(kuò)展，其他范圍的灰度值則有可能被壓縮。

（2）直方圖變換增強(qiáng)—灰度直方圖灰度直方圖是灰度值的函數(shù)，它描述了圖像中各灰度值的像素個(gè)數(shù)。

通常用橫坐標(biāo)表示像素的灰度級(jí)別，縱坐標(biāo)表示對(duì)應(yīng)的灰度級(jí)出現(xiàn)的頻率（像素的個(gè)數(shù)）。頻率的計(jì)算公式為：p(r)=nrnr是圖像中灰度為r的像素?cái)?shù)。設(shè)圖像總像素為N，某一級(jí)灰度像素?cái)?shù)為nr，則直方圖表示為：p(r)=nr/N

直方圖的性質(zhì)

只能反映圖像的灰度分布情況，而不能反映圖像像素的位置,。一幅圖像對(duì)應(yīng)唯一的灰度直方圖，反之不成立。思想直方圖均衡化方法的基本思想是，對(duì)在圖像中像素個(gè)數(shù)多的灰度級(jí)進(jìn)行展寬，而對(duì)像素個(gè)數(shù)少的灰度級(jí)進(jìn)行縮減。從而達(dá)到清晰圖像的目的。因?yàn)榛叶确植伎稍谥狈綀D中描述，所以該圖像增強(qiáng)方法是基于圖像的灰度直方圖。求直方圖設(shè)f、g分別為原圖像和處理后的圖像。求出原圖f的灰度直方圖，設(shè)為h。顯然，在[0,255]范圍內(nèi)量化時(shí)，h是一個(gè)256維的向量。計(jì)算原圖的灰度分布概率1)求出圖像f的總體像素個(gè)數(shù)Nf=m*n(m,n分別為圖像的長(zhǎng)和寬）2）計(jì)算每個(gè)灰度級(jí)的分布概率，即每個(gè)像素在整個(gè)圖像中所占的比例。hs(i)=h(i)/Nf(i=0,1,…,255)

3.直方圖變換增強(qiáng)—均衡化推導(dǎo)直方圖均衡化的優(yōu)點(diǎn)是得到近似均勻分布的直方圖。但由于變換函數(shù)采用累積分布函數(shù)，只能產(chǎn)生近似均勻的直方圖的結(jié)果實(shí)際應(yīng)用中，有時(shí)需要具有特定直方圖的圖像，以便能夠有目的地對(duì)圖像中的某些灰度級(jí)分布范圍內(nèi)的圖像加以增強(qiáng)。Imhist()，Histeq()直方圖規(guī)定化方法是使原圖像灰度直方圖變成規(guī)定形狀的直方圖而對(duì)圖像作修正的增強(qiáng)方法。4、空間平滑濾波增強(qiáng)目的;為了抑制噪聲，改善圖像質(zhì)量分類:(1)鄰域均值法，線性濾波(2)中值濾波法，非線性濾波像素相鄰：四連接：當(dāng)前像素為黑，其四個(gè)近鄰像素中至少有一個(gè)為黑；八連接：當(dāng)前像素為黑，其八個(gè)近鄰像素中至少有一個(gè)為黑。均值濾波應(yīng)用背景：假設(shè)圖像由許多灰度恒定的小塊組成，相鄰像素間存在很高的空間相關(guān)性，而噪聲則相對(duì)獨(dú)立。均值濾波定義：可以將一個(gè)像素及其鄰域內(nèi)的所有像素的平均灰度值賦給平滑圖像中對(duì)應(yīng)的像素，從而達(dá)到平滑的目的，又稱均值濾波或局部平滑法。均值濾波器的缺點(diǎn)是:會(huì)使圖像變的模糊，原因是它對(duì)所有的點(diǎn)都是同等對(duì)待，在將噪聲點(diǎn)分?jǐn)偟耐瑫r(shí)，將景物的邊界點(diǎn)也分?jǐn)偭?。為了改善效果，就可采用加?quán)平均的方式來(lái)構(gòu)造濾波器。線性濾波函數(shù)g=imfilter(f,w,filtering_mode,boundary_options,size_options)其中：f為輸入圖像，w為濾波掩模。w可通過(guò)fspecial函數(shù)生成。h=fspecial(‘a(chǎn)verage’,3)空間平滑濾波增強(qiáng)—中值濾波g=medfilt2(A)中值濾波器與均值濾波器的比較對(duì)于椒鹽噪聲，中值濾波效果比均值濾波效果好。原因：椒鹽噪聲是幅值近似相等但隨機(jī)分布在不同位置上，圖像中有干凈點(diǎn)也有污染點(diǎn)。中值濾波是選擇適當(dāng)?shù)狞c(diǎn)來(lái)替代污染點(diǎn)的值，所以處理效果好。因?yàn)樵肼暤木挡粸?，所以均值濾波不能很好地去除噪聲點(diǎn)。對(duì)于高斯噪聲，均值濾波效果比中值濾波效果好。原因：高斯噪聲是幅值近似正態(tài)分布，但分布在每點(diǎn)像素上。因?yàn)閳D像中的每點(diǎn)都是污染點(diǎn)，所以中值濾波選不到合適的干凈點(diǎn)。因?yàn)檎龖B(tài)分布的均值為0，所以均值濾波可以消除噪聲。5、圖像的銳化圖像在傳輸或變換過(guò)程中會(huì)退化，典型的現(xiàn)象是圖像模糊，因而在圖像判讀和識(shí)別過(guò)程中，需要增強(qiáng)邊緣信息，使得識(shí)別目標(biāo)更容易。圖像銳化的目的是使灰度反差增強(qiáng)，從而增強(qiáng)圖像中邊緣信息，有利于輪廓抽取。因?yàn)檩喞蜻吘壘褪菆D像中灰度變化率最大的地方。因此，所以銳化算法的實(shí)現(xiàn)是基于微分作用?；痉椒ǎ何⒎址椒?、高通濾波基本思想在數(shù)學(xué)上，圖像模糊相當(dāng)于圖像被平均或被積分，而圖像銳化相當(dāng)于圖像被微分。微分的作用是求變化率。梯度與邊緣梯度值正比于像素之差。對(duì)于一幅圖像中突出的邊緣區(qū)，其梯度值較大；在平滑區(qū)域梯度值小；對(duì)于灰度級(jí)為常數(shù)的區(qū)域，梯度為零。頻域增強(qiáng)變換域增強(qiáng)是首先經(jīng)過(guò)某種變換（如傅里葉變換）將圖像從空間域變換到變換域，然后在變換域?qū)︻l譜進(jìn)行操作和處理，再將其反變換到空間域，從而得到增強(qiáng)后的圖像。頻域變換的意義：將基于時(shí)間或空間為自變量的復(fù)雜函數(shù)轉(zhuǎn)變?yōu)橛芍芷诤瘮?shù)正弦或余弦乘以加權(quán)函數(shù)的線性組合的形式。把信號(hào)的幅值、相位或能量變換以頻率坐標(biāo)軸表示，進(jìn)而分析其頻率特性的一種分析方法又稱為頻譜分析。對(duì)信號(hào)進(jìn)行頻譜分析可以獲得更多有用信息，如求得動(dòng)態(tài)信號(hào)中的各個(gè)頻率成分和頻率分布范圍，求出各個(gè)頻率成分的幅值分布和能量分布，從而得到主要幅度和能量分布的頻率值。變換域增強(qiáng)是首先經(jīng)過(guò)某種變換（如傅里葉變換）將圖像從空間域變換到變換域，然后在變換域?qū)︻l譜進(jìn)行操作和處理，再將其反變換到空間域，從而得到增強(qiáng)后的圖像。在變換域處理中最為關(guān)鍵的是變換處理。在圖像增強(qiáng)處理中，最常用的正交變換是傅里葉變換。當(dāng)采用傅里葉變換進(jìn)行增強(qiáng)時(shí)，把這種變換域增強(qiáng)稱為頻域增強(qiáng)。傅立葉變換的意義圖像的頻率是表征圖像中灰度變化劇烈程度的指標(biāo)，是灰度在平面空間上的梯度。灰度變化緩慢的區(qū)域，對(duì)應(yīng)的頻率值很低；變換劇烈的邊緣區(qū)域?qū)?yīng)的頻率值較高。純粹的數(shù)學(xué)意義上看，傅立葉變換是將一個(gè)函數(shù)轉(zhuǎn)換為一系列周期函數(shù)來(lái)處理的。從物理效果看，傅立葉變換是將圖像從空間域轉(zhuǎn)換到頻率域。傅立葉變換得到的頻譜圖上各點(diǎn)和原圖像上的點(diǎn)不存在一一對(duì)應(yīng)關(guān)系。（1）f=imread('BMRI1_8bit.bmp');f=double(f);g=fft2(f);//頻域變換g=abs(g);imshow(g,[]);gsft=fftshift(g);//移動(dòng)頻域中心figure,imshow(gsft,[])（2）f=imread('BMRI1_24bit.bmp');f=rgb2gray(f);imshow(f,[]);F=fft2(f);Fmag=abs(F);imshow(Fmag,[]);title('傅里葉變換后頻域圖');Fcent=fftshift(Fmag);figure;imshow(Fcent,[]);title('shift圖');Flog=log(1+Fcent);figure;imshow(Flog,[]);title('log圖');h=fspecial('gaussian');figurefreqz2(h)PQ=size(f);H=freqz2(h,PQ(2),PQ(1));H1=ifftshift(H);figureimshow(abs(H),[]);title('高斯濾波的頻響函數(shù)');figureimshow(abs(H1),[]);title('移位的頻響函數(shù)');%中間低四周Fpad=fft2(f,size(H1,1),size(H1,2));gf=ifft2(H1.*Fpad);figureimshow(gf,[]);title('高斯濾波器進(jìn)行頻域?yàn)V波后的圖像');gf1=gf(1:size(f,1),1:size(f,2));figureimshow(gf1,[]);title('1：size間的圖像');figureimshow(abs(gf1),[]);title('取絕對(duì)值的圖像');Fourier變換后的圖像，中間部分為低頻部分，越靠外邊頻率越高。因此，我們可以在Fourier變換圖中，選擇所需要的高頻或是低頻濾波。頻域?yàn)V波增強(qiáng)—低通濾波原理圖像從空間域變換到頻率域后，其低頻分量對(duì)應(yīng)圖像中灰度值變化比較緩慢的區(qū)域，高頻分量則表征圖像中物體的邊緣和隨機(jī)噪聲等信息。低通濾波是指保留低頻分量，而通過(guò)濾波器函數(shù)H(u，v)減弱或抑制高頻分量的過(guò)程。低通濾波與空域中的平滑濾波器一樣可以消除圖像中的隨機(jī)噪聲，減弱邊緣效應(yīng)，起到平滑圖像的作用。h=zeros(512,452);h(512/2-ceil(512*0.025):512/2+ceil(512*0.025),452/2-ceil(512*0.025):452/2+ceil(512*0.025))=1;figure,imshow(h)g=fft2(fd);gft=fftshift(g);gh=gft.*h;ghshift=ifftshift(gh);ghifft=real(ifft2(ghshift));figure,imshow(ghifft,[])頻域?yàn)V波增強(qiáng)—指數(shù)濾波器F=fft2(fd);[U,V]=dftuv(size(f,1),size(f,2));H=exp(-(U.^2+V.^2)/(2*(D0^2)));imshow(H,[])gh=F.*H;ghifft=real(ifft2(gh));figure,imshow(ghifft,[])頻域?yàn)V波增強(qiáng)—高通濾波作用圖像的邊緣、細(xì)節(jié)主要在高頻，圖像模糊是由于高頻成分較弱產(chǎn)生的。為了消除模糊，突出邊緣，可以采用高通濾波的方法，使低頻分量得到抑制，從而達(dá)到增強(qiáng)高頻分量，使圖像的邊沿或線條變得清晰，實(shí)現(xiàn)圖像的銳化。與低通濾波器的關(guān)醫(yī)學(xué)圖像的編碼與壓縮一幅1024×1024分辨率的24位真彩色圖像，數(shù)據(jù)量為：1024×1024×3=3MB；若以30幀/秒播放，每秒數(shù)據(jù)量為：3×30=90MB對(duì)于電視畫面的分辨率640*480的彩色圖像，每秒30幀，則一秒鐘的數(shù)據(jù)量為：640*480*24*30/8=221.12M播放時(shí)，需要221Mbps的通信回路。存儲(chǔ)時(shí)：1張CD可存640M，如果不進(jìn)行壓縮，1張CD則僅可以存放2.89秒的數(shù)據(jù)。Huffman編碼——基本原理為了達(dá)到大的壓縮率，提出了一種方法就是將在圖像中出現(xiàn)頻度大的像素值，給一個(gè)比較短的編碼，將出現(xiàn)頻度小的像數(shù)值,給一個(gè)比較長(zhǎng)的編碼。Huffman編碼——算法首先求出圖像中灰度的概率分布（灰度直方圖）；對(duì)其按照分布概率從小到大的順序進(jìn)行排列；每一次從中選擇出兩個(gè)概率為最小的節(jié)點(diǎn)相加，形成一個(gè)新的節(jié)點(diǎn)，構(gòu)造一個(gè)稱為“Huffman樹”的二叉樹；對(duì)這個(gè)二叉樹進(jìn)行編碼，就獲得了Huffman編碼碼字。Huffman編碼——例例：對(duì)數(shù)據(jù)序列aaaabbbccdeeeeefffffff其概率分布為：a:4/22b:3/22c:2/22d:1/22e:5/22f:7/22概率從小到大的排序?yàn)椋篸,c,b,a,e,f1/222/223/224/225/227/22Huffman編碼——壓縮效率DCT變換編碼——設(shè)計(jì)思想行程編碼與Huffman編碼的設(shè)計(jì)思想都是基于對(duì)信息表述方法的改變，屬于無(wú)損壓縮方式。雖然無(wú)損壓縮可以保證接收方獲得的信息與發(fā)送方相同，但是其壓縮率一定有極限。因此，采用忽略視覺(jué)不敏感的部分進(jìn)行有損壓縮是提高壓縮率的一條好的途徑。DCT(discretecosinetransform)變換是希望在接收方不產(chǎn)生誤解的前提下進(jìn)行一定的信息丟失。將低頻與高頻部分的信息，分別按照不同的數(shù)據(jù)承載方式進(jìn)行表述?；旌暇幋a——設(shè)計(jì)思想每一種編碼方式都有其擅長(zhǎng)的一點(diǎn)，以及局限的一點(diǎn)，混合編碼的思想就是將兩種以上的編碼方式的優(yōu)點(diǎn)進(jìn)行綜合，達(dá)到提高編碼效率的目的。混合編碼——例行程編碼：擅長(zhǎng)于重復(fù)數(shù)字的壓縮。Huffman編碼：擅長(zhǎng)于像素個(gè)數(shù)分布不均勻情況下的編碼。DCT變換：擅長(zhǎng)分離視覺(jué)敏感與不敏感的部分。第5章圖像的復(fù)原圖像復(fù)原：對(duì)退化的圖像進(jìn)行處理，力求還原圖像的本來(lái)面目。復(fù)原的過(guò)程是沿著質(zhì)量降質(zhì)（退化）的逆過(guò)程來(lái)重現(xiàn)原始圖像。圖像退化：圖像在形成、記錄、處理和傳輸過(guò)程中，由于成像系統(tǒng)、記錄設(shè)備、傳輸介質(zhì)和處理方法的不完善，從而導(dǎo)致的圖像質(zhì)量下降。形態(tài)學(xué)圖像處理把圖像看成是點(diǎn)的集合，用集合論的各種觀點(diǎn)來(lái)研究圖的性質(zhì)就是數(shù)學(xué)形態(tài)學(xué)。其理論基礎(chǔ)是集合論，在數(shù)學(xué)形態(tài)學(xué)中用集合表示圖像中的不同對(duì)象。（1）腐蝕（腐蝕是一種消除連通域的邊界點(diǎn)，使邊界向內(nèi)收縮的處理。）設(shè)計(jì)一個(gè)結(jié)構(gòu)元素，結(jié)構(gòu)元素的原點(diǎn)定位在待處理的目標(biāo)像素上，通過(guò)判斷是否覆蓋，來(lái)確定是否該點(diǎn)被腐蝕掉。腐蝕處理可以將粘連在一起的不同目標(biāo)物分離，并可以將小的顆粒噪聲去除。imerode功能：對(duì)圖像實(shí)現(xiàn)腐蝕操作。用法：SE=strel(‘square’,3)%創(chuàng)建3*3的正方形IM2=imerode(IM,SE)%用SE對(duì)圖像IM進(jìn)行腐蝕膨脹（膨脹是將與目標(biāo)區(qū)域的背景點(diǎn)合并到該目標(biāo)物中，使目標(biāo)物邊界向外部擴(kuò)張的 處理。）設(shè)計(jì)一個(gè)結(jié)構(gòu)元素，結(jié)構(gòu)元素的原點(diǎn)定位在背景像素上，判斷是否覆蓋有目標(biāo)點(diǎn)，來(lái)確定是否該點(diǎn)被膨脹為目標(biāo)點(diǎn)。膨脹處理可以將斷裂開的目標(biāo)物進(jìn)行合并，便于對(duì)其整體的提取。imdilate功能：對(duì)圖像實(shí)現(xiàn)膨脹操作。基本用法：SE=strel('square',3)%創(chuàng)建3*3的正方形SE=strel('line',10,45)%創(chuàng)建直線長(zhǎng)度10，角度45IM2=imdilate(IM,SE)膨脹灰度，二值，壓縮二值圖像IM，返回IM2。參數(shù)SE 為由strel函數(shù)返回的結(jié)構(gòu)元素或者結(jié)構(gòu)元素對(duì)象組。其他參數(shù)請(qǐng)參考幫助文檔。腐蝕和膨脹運(yùn)算的一個(gè)缺點(diǎn)是，改變了原目標(biāo)物的大小。開運(yùn)算（開運(yùn)算是對(duì)原圖先進(jìn)行腐蝕處理，后再進(jìn)行膨脹的處理。開運(yùn)算可以在分離粘連目標(biāo)物的同時(shí)，基本保持原目標(biāo)物的大小。）matlab指令-imopen閉運(yùn)算（閉運(yùn)算是對(duì)原圖先進(jìn)行膨脹處理，后再進(jìn)行腐蝕的處理。閉運(yùn)算可以在合并斷裂目標(biāo)物的同時(shí)，基本保持原目標(biāo)物的大小。）malab指令-imclose（5）開、閉運(yùn)算的變形如果當(dāng)按照常規(guī)的開運(yùn)算不能分離粘連，或者是閉運(yùn)算不能合并斷裂：對(duì)于開運(yùn)算可以先進(jìn)行N次腐蝕，再進(jìn)行N次膨脹；對(duì)于閉運(yùn)算可以先進(jìn)行N次膨脹，再進(jìn)行N次腐蝕。開啟和閉合運(yùn)算的應(yīng)用開啟運(yùn)算使目標(biāo)輪廓光滑，并去掉了毛刺和孤立點(diǎn)，銳化角，閉合運(yùn)算則填平小溝，彌合孔洞和裂縫。膨脹和腐蝕的反復(fù)使用就可檢測(cè)或清除圖像中的小成分或孔。圖像分割目的：把圖像空間分成一些有意義的區(qū)域，與圖像中各種物體目標(biāo)相對(duì)應(yīng)。通過(guò)對(duì)分割結(jié)果的描述，可以理解圖像中包含的信息。圖像分割是將像素分類的過(guò)程，分類的依據(jù)可建立在像素間的相似性、非連續(xù)性1、圖像上點(diǎn)、線和物體的邊緣是以圖像的局部灰度不連續(xù)的形式出現(xiàn)的，也就是指圖像局部亮度變化最顯著的部分。對(duì)于灰度突變可以用微分來(lái)檢測(cè)。方法:使用空間濾波器點(diǎn)檢測(cè)：用空域的銳化濾波器來(lái)檢測(cè)孤立點(diǎn)：若|R|>=T，則說(shuō)明在掩模的中心位置找到了孤立點(diǎn)。當(dāng)掩模的中心位置位于一個(gè)孤立點(diǎn)時(shí)，掩模的響應(yīng)必須最強(qiáng)，而在灰度不變的區(qū)域響應(yīng)為0。檢測(cè)方法：g=abs(imfilter(double(f),w))>=T示例f=imread(‘moon.tif’);w=[-1-1-1;-18-1;-1-1-1];g=abs(imfilter(double(f),w));T=max(g(:));T=T*0.9;g=g>=T;imshow(f);figure,imshow(g);邊緣檢測(cè)概述2、物體的邊緣是以圖像的局部特征不連續(xù)的形式出現(xiàn)的，也就是指圖像局部亮度變化最顯著的部分，例如灰度值的突變、顏色的突變、紋理結(jié)構(gòu)的突變等，同時(shí)物體的邊緣也是不同區(qū)域的分界處。通常沿邊緣的走向灰度變化平緩，垂直于邊緣走向的像素灰度變化劇烈。邊緣檢測(cè)的方法很多，主要有以下幾種:（1）空域微分算子，也就是傳統(tǒng)的邊緣檢測(cè)方法。如Roberts算子、Prewitt算子和Sobel算子等。（2）擬合曲面。該方法利用當(dāng)前像素鄰域中的一些像素值擬合一個(gè)曲面，然后求這個(gè)連續(xù)曲面在當(dāng)前像素處的梯度。（3）小波多尺度邊緣檢測(cè)。4、基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)。3、梯度與邊緣：梯度值正比于像素之差。對(duì)于一幅圖像中突出的邊緣區(qū)，其梯度值較大；在平滑區(qū)域梯度值??；對(duì)于灰度級(jí)為常數(shù)的區(qū)域，梯度為零。x,y兩個(gè)方向的模板合成一個(gè)梯度幾種常用的邊緣檢測(cè)微分算子（1）Roberts算子（2）Sobel算子（3）Prewitt算子（4）LOG(Laplacian-Gauss)算子Laplacian對(duì)噪聲的放大能力更強(qiáng)于其它的一階微分算子；LOG算子可以解決此問(wèn)題；Marr和Hildreth將Gaussian濾波器和Laplacian邊緣檢測(cè)結(jié)合在一起，形成了LoG(LaplacianofGaussian)算子，先對(duì)圖像濾波再用Laplacian算子進(jìn)行邊緣檢測(cè)（5）Canny（坎尼）算子Canny（坎尼）提出了三個(gè)指標(biāo)：（1）好的性噪比，即將非邊緣點(diǎn)判為邊緣點(diǎn)的概率要低，將邊緣點(diǎn)判為非邊緣點(diǎn)的概率也要低；（2）好的定位能力，即檢測(cè)的邊緣點(diǎn)要盡可能在實(shí)際邊緣的中心；（3）對(duì)單一的邊緣僅有唯一的響應(yīng)，即單個(gè)邊緣產(chǎn)生多個(gè)相應(yīng)的概率要低，并且虛假邊緣要得到最大的抑制。4、閾值與圖像分割閾值分割算法是區(qū)域分割算法中具有代表性的一類非常重要的分割算法。以一定的圖像模型為依托，通過(guò)取閾值后得到的圖像，各個(gè)區(qū)域可以分離開。最常用的圖像模型是假設(shè)圖由具有單峰灰度分布的目標(biāo)和背景組成。“1”表示物體（對(duì)象、目標(biāo)），“0”表示背景。僅使用一個(gè)閾值分割的方法稱為單閾值分割方法。如果圖像中有多個(gè)灰度值不同的區(qū)域，那么可以選擇一系列的閾值以將每個(gè)像素分到合適的類別中去，這種用多個(gè)閾值分割的方法稱為多閾值分割方法。閾值選取依據(jù)僅取決于圖像灰度值，僅與各個(gè)圖像像素本身性質(zhì)相關(guān)的閾值選取——全局閾值。（2）取決于圖像灰度值和該點(diǎn)鄰域的某種局部特性，即與局部區(qū)域特性相關(guān)的的閾值選取——局部閾值。（3）除取決于圖像灰度值和該點(diǎn)鄰域的某種局部特性之外，還取決于空間坐標(biāo)，即得到的閾值與坐標(biāo)相關(guān)——?jiǎng)討B(tài)閾值或者自適應(yīng)閾值。全局閾值Otsu法最佳全局閾值原理：方差是分布均勻性的一種度量。方差越大，說(shuō)明構(gòu)成圖像的兩部分差別越大。函數(shù)：graythreshW0*(u0-uT)^2+w1*(u1-uT)^2最大時(shí)即為分割的最佳閾值。注意：得到的閾值T為0-1之間的值，若f是uint8類圖像，在使用T之前要讓T乘以255.基于區(qū)域的分割概念：連接（鄰接）與連通域(連通分量)四連接（鄰接）：當(dāng)前像素為黑，其四個(gè)近鄰像素中至少有一個(gè)為黑；八連接（鄰接）：當(dāng)前像素為黑，其八個(gè)近鄰像素中至少有一個(gè)為黑。概念：連通域(連通分量)將相互連在一起的像素的集合稱為一個(gè)連通域。5、區(qū)域生長(zhǎng)基本思想：以一組生長(zhǎng)點(diǎn)（可以是單個(gè)像素，也可以是某個(gè)小區(qū)域）開始，搜索其鄰域，把圖像分割成特征相似的若干區(qū)域，比較相鄰區(qū)域與生長(zhǎng)點(diǎn)特征的相似性，若它們足夠相似，則作為同一區(qū)域合并，形成新的生長(zhǎng)點(diǎn)。以此方式將特征相似的區(qū)域不斷合并、直到不能合并為止，最后形成特征不同的各區(qū)域。這種分割方式也稱區(qū)域擴(kuò)張法。在實(shí)際應(yīng)用時(shí)，要解決三個(gè)問(wèn)題：1）確定區(qū)域的數(shù)目，也就是選擇一組能正確代表所需區(qū)域的生長(zhǎng)點(diǎn)像素；2）選擇有意義的特征，也就是確定在生長(zhǎng)過(guò)程中將相鄰區(qū)域像素包括進(jìn)來(lái)的方式；3）確定相似性準(zhǔn)則，即獲取生長(zhǎng)過(guò)程停止的準(zhǔn)則。算法實(shí)現(xiàn)：1）根據(jù)圖像的不同應(yīng)用選擇一個(gè)或一組種子，它或者是最亮或最暗的點(diǎn)，或者是位于點(diǎn)簇中心的點(diǎn)2）選擇一個(gè)描述符（條件,如灰度差小于某個(gè)閾值）3）從該種子開始向外擴(kuò)張，首先把種子像素加入結(jié)果集合，然后不斷將與集合中各個(gè)像素連通、且滿足描述符的像素加入集合4）上一過(guò)程進(jìn)行到不再有滿足條件的新結(jié)點(diǎn)加入集合為止區(qū)域生長(zhǎng)法分類：?jiǎn)我恍?像素與像素)、質(zhì)心型(像素與區(qū)域)、混合型(區(qū)域與區(qū)域)單一型基本原理：以圖像的某個(gè)像素為生長(zhǎng)點(diǎn)，將特征相似的相鄰像素合并為同一區(qū)域；然后以合并的像素為生長(zhǎng)點(diǎn)，重復(fù)以上的操作，最終形成具有相似特征的像素的最大連通集合。簡(jiǎn)單區(qū)域生長(zhǎng)的步驟：對(duì)圖像進(jìn)行掃描，找出尚沒(méi)有歸屬的像素。當(dāng)尋找不到這樣的像素時(shí)結(jié)束操作。(2)把這個(gè)像素灰度同其周圍(4-鄰域或8-鄰域)不屬于任何一個(gè)區(qū)域的像素進(jìn)行比較，若灰度差值小于某一閾值，則將它們合并為同一個(gè)區(qū)域，并對(duì)合并的像素賦予標(biāo)記。(3)從新合并的像素開始，反復(fù)進(jìn)行(2)的操作，直到區(qū)域不能再合并為止。(4)返回(1)操作，尋找能作為新區(qū)域出發(fā)點(diǎn)的像素。function[g,NR,SI,TI]=regiongrow(f,S,T)f=double(f);SI=f==S;S1=S;TI=false(size(f));fork=1:length(S1)seedvalue=S1(k);S=abs(f-seedvalue)<=T;TI=TI|S;end[g,NR]=bwlabel(imreconstruct(SI,TI));質(zhì)心型區(qū)域生長(zhǎng)：與簡(jiǎn)單區(qū)域生長(zhǎng)不同，它是比較單個(gè)像素的特征與其相鄰區(qū)域的特征，若相似則將像素歸并到區(qū)域中。操作步驟：類似簡(jiǎn)單區(qū)域生長(zhǎng)法，唯一不同的是在上述(2)的操作中，改為比較已存在區(qū)域的像素灰度平均值與該區(qū)域鄰接的像素灰度值。若差值小于閾值，則合并?；旌闲蛥^(qū)域生長(zhǎng)1.不依賴于起始點(diǎn)的方法(1)設(shè)灰度差的閾值為0，用簡(jiǎn)單區(qū)域生長(zhǎng)法把具有相同灰度的像素合并到同一區(qū)域，得到圖像的初始分割圖像；(2)從分割圖像一個(gè)小區(qū)域開始，求出相鄰區(qū)域間的灰度差，將差值最小的相鄰區(qū)域合并；(3)重復(fù)(2)的操作，把區(qū)域依次合并。缺點(diǎn)：這種方法若不在適當(dāng)?shù)碾A段停止區(qū)域合并，整幅圖像經(jīng)區(qū)域生長(zhǎng)的最終結(jié)果就會(huì)為一個(gè)區(qū)域?；旌闲蛥^(qū)域生長(zhǎng)2.假設(shè)檢驗(yàn)法不依賴于起始點(diǎn)的方法是把灰度差作為區(qū)域合并的判定標(biāo)準(zhǔn)，根據(jù)區(qū)域內(nèi)的灰度分布的相似性進(jìn)行區(qū)域合并6、在數(shù)字圖像處理中，實(shí)際上最常用的彩色模型是RGB（紅、綠、藍(lán)）模型，HSI（色調(diào)、飽和度、亮度）模型。前者主要用于彩色顯示器和彩色視頻攝像機(jī)；后者則更符合人類描述和解釋顏色的方式。在RGB模型中，每種顏色出現(xiàn)在紅、綠、藍(lán)的原色光譜分量中，這個(gè)模型基于笛卡爾坐標(biāo)系統(tǒng)。圖中R、G、B位于3個(gè)角上；青、深紅和黃位于另外三個(gè)角上，黑色在原點(diǎn)處，白色位于離原點(diǎn)最遠(yuǎn)的角上。在該模型中，灰度等級(jí)沿著主對(duì)角線從原點(diǎn)的黑色到點(diǎn)（1，1，1）的白色分布。HSI格式中，I表示強(qiáng)度或亮度，是一個(gè)主觀的描述，實(shí)際上它是不可能測(cè)量的。它體現(xiàn)了無(wú)色的強(qiáng)度概念，并且是描述彩色感覺(jué)的關(guān)鍵參數(shù)。包含彩色信息的兩個(gè)參數(shù)是色調(diào)(H)和飽和度(S)。HSI彩色模型的重要分量是垂直強(qiáng)度軸、到一彩色點(diǎn)的向量長(zhǎng)度和這一向量與紅軸的角度。色調(diào)是描述純色的屬性，由角度表示，彩色的色調(diào)反映了該彩色最接近什么樣的光譜波長(zhǎng)。色相從0變到240度覆蓋了所有可見光譜的彩色。在240到360之間是人眼可見的非光譜色(紫色)。飽和度參數(shù)給出一種純色被白光稀釋的程度的度量，是色環(huán)的原點(diǎn)(圓心)到彩色點(diǎn)的半徑的長(zhǎng)度。7、基于形態(tài)學(xué)分水嶺的分割圖像膨脹設(shè)計(jì)思想設(shè)計(jì)一個(gè)結(jié)構(gòu)元素，結(jié)構(gòu)元素的原點(diǎn)定位在背景像素上，判斷是否覆蓋有目標(biāo)點(diǎn)，來(lái)確定是否該點(diǎn)被膨脹為目標(biāo)點(diǎn)。圖像膨脹算法步驟1）掃描原圖，找到第一個(gè)像素值為0的背景點(diǎn)2）將預(yù)先設(shè)定好形狀以及原點(diǎn)位置的結(jié)構(gòu)元素的原點(diǎn)移到該點(diǎn)；3）判斷該結(jié)構(gòu)元素所覆蓋的像素值是否存在為1的目標(biāo)點(diǎn)：如果是，則膨脹后結(jié)構(gòu)元素原點(diǎn)所在的圖像中的位置的像素值為1；如果不是，則膨脹后結(jié)構(gòu)元素原點(diǎn)所在的圖像中的位置上的像素值為0；4）重復(fù)2）和3），直到所有原圖中像素處理完成圖像膨脹的作用：膨脹處理可以將斷裂開的目標(biāo)物進(jìn)行合并，便于對(duì)其整體的提取。輸出圖像較輸入圖像要亮圖像腐蝕設(shè)計(jì)思想設(shè)計(jì)一個(gè)結(jié)構(gòu)元素，結(jié)構(gòu)元素的原點(diǎn)定位在待處理的目標(biāo)像素上，通過(guò)判斷是否覆蓋，來(lái)確定是否該點(diǎn)被腐蝕掉。圖像腐蝕算法步驟：1)掃描原圖，找到第一個(gè)像素值為1的目標(biāo)點(diǎn)；2）將預(yù)先設(shè)定好的結(jié)構(gòu)元素的原點(diǎn)移到該點(diǎn)；3）判斷該結(jié)構(gòu)元素所覆蓋的像素值是否全部為1：如果是，則腐蝕后圖像中的相同位置上的像素值為1；如果不是，則腐蝕后圖像中的相同位置上的像素值為0；4）重復(fù)2）和3），直到所有原圖中像素處理完成。圖像腐蝕作用：腐蝕處理可以將粘連在一起的不同目標(biāo)物分離，并可以將小的顆粒噪聲去除。開運(yùn)算原理開運(yùn)算是對(duì)原圖先進(jìn)行腐蝕處理，后再進(jìn)行膨脹的處理。開運(yùn)算可以在分離粘連目標(biāo)物的同時(shí)，基本保持原目標(biāo)物的大小。閉運(yùn)算——算法原理閉運(yùn)算是對(duì)原圖先進(jìn)行膨脹處理，后再進(jìn)行腐蝕的處理。閉運(yùn)算可以在合并斷裂目標(biāo)物的同時(shí)，基本保持原目標(biāo)物的大小。開、閉運(yùn)算的變形如果當(dāng)按照常規(guī)的開運(yùn)算不能分離粘連，或者是閉運(yùn)算不能合并斷裂：對(duì)于開運(yùn)算可以先進(jìn)行N次腐蝕，再進(jìn)行N次膨脹；對(duì)于閉運(yùn)算可以先進(jìn)行N次膨脹，再進(jìn)行N次腐蝕。開啟和閉合運(yùn)算的應(yīng)用開啟和閉合運(yùn)算不受原點(diǎn)位置的影響，無(wú)論原點(diǎn)是否包含在結(jié)構(gòu)元素中，開啟和閉合的結(jié)果都是一致的。開啟運(yùn)算使目標(biāo)輪廓光滑，并去掉了毛刺和孤立點(diǎn)，銳化角，閉合運(yùn)算則填平小溝，彌合孔洞和裂縫。膨脹和腐蝕的反復(fù)使用就可檢測(cè)或清除圖像中的小成分或孔。8、分水嶺（watershed，也稱分水線/水線）把圖像看成3-D地形的表示，即2-D的地基 （對(duì)應(yīng)圖像空間）加上第3維的高度（對(duì)應(yīng)圖像灰度）分割原理(1)任何的灰度級(jí)圖像都可以被看做是一個(gè)地形圖(2)假設(shè)我們?cè)诿總€(gè)區(qū)域最小值位置地方打個(gè)洞,讓水以均勻的速度上升,從低到高淹沒(méi)整個(gè)地形.當(dāng)處在不同的匯聚盆地中的水將要聚合在一起時(shí),修建大壩將阻止聚合,最后得到的水壩邊界就是分水嶺的分割線.所謂的水壩構(gòu)造是指對(duì)分水嶺分割方法中所需的水壩或分水線的構(gòu)造。水壩的構(gòu)造是以二值圖像為基礎(chǔ)的，而構(gòu)造水壩分離二元點(diǎn)集的最簡(jiǎn)單的方法是使用形態(tài)膨脹。分水嶺變換函數(shù)L=watershed(A)其中，L是標(biāo)記矩陣，其為≥0的整型值，L＝0對(duì)應(yīng)的是分水嶺脊線，L＝1對(duì)應(yīng)第一個(gè)匯水盆地，L＝2對(duì)應(yīng)第二個(gè)匯水盆地········f=imread('rice.tif');g=im2bw(f,graythresh(f));gc=~g;D=bwdist(gc);L=watershed(-D);w=L==0;g2=g&-w;imshow(g2);分水嶺分割方法應(yīng)用在圖像的梯度,那么集水處在理論上就對(duì)應(yīng)灰度變化最小的區(qū)域,而分水嶺就對(duì)應(yīng)灰度變化相對(duì)最大的區(qū)域.（1）f=imread('rice.tif');h=fspecial('sobel');fd=double(f);g=sqrt(imfilter(fd,h,'replicate').^2+imfilter(fd,h','replicate').^2);L=watershed(g);wr=L==0;g2=imclose(imopen(g,ones(3,3)),ones(3,3));L2=watershed(g2);wr2=L2==0;f2=f;f2(wr2)=255;imshow(L);figure,imshow(L2);figure,imshow(f2);（2）f=imread('BloodCell.jpg');h=fspecial('sobel');fd=double(f);g=sqrt(imfilter(fd,h,'replicate').^2+imfilter(fd,h,'replicate').^2);L=watershed(g);wr=L==0;rm=imregionalmin(g);im=imextendedmin(f,2);fim=f;fim(im)=50;Lim=watershed(bwdist(im));em=Lim==0;g2=imimposemin(g,im|em);L2=watershed(g2);f2=f;f2(L2==0)=255;subplot(3,3,1);imshow(L);subplot(3,3,2);imshow(rm);subplot(3,3,3);imshow(im);subplot(3,3,4);imshow(fim);subplot(3,3,5);imshow(em);subplot(3,3,6);imshow(g2);subplot(3,3,7);imshow(f2);圖像分割是一個(gè)將一幅數(shù)字圖像劃分為不交疊的、連通的像素集的過(guò)程。分割算法主要有邊緣分割法、閾值分割法、區(qū)域分割法等。邊緣是指其周圍像素灰度變化不連續(xù)的那些像素的集合。常見的邊緣檢測(cè)方法有空域微分算子、擬合曲面、小波多尺度邊緣檢測(cè)以及基于數(shù)