第二篇图像采集.ppt

* 综合光密度 当影像上目标的灰度值比其它部分灰度值大或者灰度区间已知时，可利用直方图统计图像中物体的面积。 A= 计算图像信息量H（熵） * 对于数字图像，有 式中，NS表示图像的宽度，NL表示图像的高度，D（i，j)是点(i,j)处像素的灰度值。 第2章 像素间距离 欧氏距离（也是范数为2的距离） 城区距离（也是范数为1的距离） 棋盘距离（也是范数为 ? 的距离） 第2章 距离计算示例 在图2.4.3中，两个像素p和q之间的DE距离为5（见图2.4.3(a)），D4距离为7（见图2.4.3(b)），D8距离为4（见图2.4.3(c)） 点运算对单幅图像做处理，不改变像素的空间位置； 代数运算对多幅图像做处理，也不改变像素的空间位置； 几何运算/坐标变换对单幅图像做处理，改变像素的空间位置； 几何运算包含两个独立的算法：空间变换算法和灰度级插值算法。 2.5 图像坐标变换 第2章 基本坐标变换 坐标变换可借助矩阵写为： 变换前坐标矢量 变换矩阵 变换后坐标矢量 第2章 基本坐标变换 平移变换矩阵 平移变换的逆矩阵 第2章 基本坐标变换 旋转变换矩阵 旋转变换的逆矩阵 第2章 几何失真校正 空间变换：对图像平面上的像素进行重新排列以恢复像素原空间关系 Lenna及变形图像 灰度级插值 1）向前映射法 通过输入图像像素位置, 计算输出图像对应像素位置; 将该位置像素的灰度值按某种方式分配到输出图像相邻四个像素. 2）向后映射法 通过输出图像像素位置, 计算输入图像对应像素位置; 根据输入图像相邻四个像素的灰度值计算该位置像素的灰度值. 两种映射方法的对比 对于向前映射：每个输出图像的灰度要经过多次运算； 对于向后映射：每个输出图像的灰度只要经过一次运算。 实际应用中，更经常采用向后映射法。 其中,根据四个相邻像素灰度值计算某位置的像素灰度值即为灰度级插值。 3）最近邻插值 向后映射时，输出图像的灰度等于离它所映射位置最近的输入图像的灰度值。 4）双线性插值 四点确定一个平面函数，属于过约束问题； 问题描述：单位正方形顶点已知，求正方形内任一点的f(x,y)值。 两种常用方法 第2章 几何失真校正 灰度插值：对空间变换后的像素赋予相应的灰度值以恢复原位置的灰度值 用最近邻插值和双线性插值的方法分别将老虎放大1.5倍。 采用最近邻插值放大1.5倍 采用双线性插值放大1.5倍 灰度级插值 在输入图像f(x,y)中，灰度值仅仅在整数位置(x,y)处被定义，然而在上式中，g(x,y)的灰度值一般由处在非整数坐标上的f(x,y)的值来确定。所以，如果把几何运算看成是一个从f到g的映射，则f中的一个象素会映射到g中的几个象素之间的位置 最简单的方法－最近邻法 一般采样双线性插值 * 2.6 灰度直方图 直方图的定义 灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数，其横坐标是灰度级，纵坐标是该灰度出现的频率，即等于该灰度的像素的个数或者频数。灰度直方图就是反映一幅图像中的灰度级与出现这种灰度的概率之间的关系的图形，灰度直方图是图像的最基本的统计特征。 * 在离散形式下，用 代表离散灰度级，用 表示概率密度函数 ，则有 式中， 为图像中具 有这种灰度值的像素数， 为图像中像素总数， 而 为频数。 直方图的定义 * 在直角坐标系中做出 与 的关系图形，即为直方图。它给出了一幅图像中所有像素灰度值的整体描述。图所示为一幅图像及其直方图。横坐标为0~255灰度等级，纵坐标为等于某个灰度级的像素个数。 图像灰度直方图 * 一幅图像及其直方图 * 直方图的性质 直方图描述了每个灰度级具有的像素的个数，但它不能为这些像素在图像中的空间位置提供任何线索。因此，任何一幅特定的图像具有唯一的直方图，但反之并不成立。极不相同的图像可以有相同的直方图。例如，在图像中移动物体一般对直方图没有影响。直方图的性质总结如下。 * （1）直方图是一幅图像中各像素灰度值出现次数（或频数）的统计结果，它只反映该图像中不同灰度值出现的次数（或频数），而不能反映某一灰度值像素所在位置。也就是说，它只包含了该图像中某一灰度值的像素出现的概率，而丢失了其所在位置的信息。