Procesamiento de imágenes digitales: puntos de conocimiento
* Imagen digital: Imagen que puede visualizarse y procesarse en un circuito informático.
*?Procesamiento de imágenes digitales: Uso de computadoras para analizar y procesar imágenes para cumplir diversos propósitos.
*?Características de las imágenes digitales:
1. La imagen contiene una gran cantidad de información
2. Los datos de procesamiento de la imagen requieren una gran cantidad
3. Una gran cantidad de cálculos repetidos durante el procesamiento
4. Tecnología de procesamiento altamente integrada
*?Estructura visual humana:
*? Células cónicas: fotorreceptores, sentido del color. Sensible al color.
*?Células bastoncillos: sólo sensibles a la luz, no al color. (Falta de ceguera nocturna)
*?Brillo: el brillo de la luz
*?Tono: el modo de color, el brillo de los tres colores primarios, como el brillo de los tres colores primarios de rojo, verde y azul bajo RGB.
*?Saturación: La concentración del color.
*?Efecto de contraste de brillo:
1. Efecto de contraste simultáneo: Mida el contraste entre objetos según la sensación de contraste.
2. Efecto banda mach: Donde hay cambios de brillo, el director necesita la experiencia visual de rayas claras y oscuras.
*?Digitalización de imágenes: Convierte señales analógicas continuas en señales digitales discretas.
*?Teorema de muestreo de Nyquist:
Condiciones para que las señales discretas reemplacen las señales continuas:
1. La señal original es una señal de ancho de banda limitado.
2. La frecuencia de muestreo no será inferior al doble de la frecuencia más alta de la señal.
*?Resolución espacial:
Unidades: píxeles/pulgada, píxeles/cm, píxeles*píxeles
Cuantificación de imágenes digitales: Convierte escala de grises a representación entera.
Por ejemplo, 8 bits pueden representar 2^8 niveles de gris (0 - 256)
Resolución de amplitud: cuantos más niveles de gris, mayor será la resolución
(Contornos falsos: debido a muy pocos niveles de gris, la discriminación de color aumenta durante el proceso de discretización, lo que da como resultado una apariencia similar a un contorno)
* Cálculo del volumen de datos de imágenes digitales
El píxel la resolución es M*N, Q bits/píxel
El volumen de datos es: M*N*Q/8 bytes
(El nivel de cuantificación: 2^8)
*? Clasificación de imágenes digitales:
1. Imagen en escala de grises: cuantificada entre negro puro y blanco puro.
2. Imagen binaria: solo blanco y negro.
3. Imagen en color: como la imagen RGB, cada canal de color está representado por un bit correspondiente.
* Relación básica entre píxeles:
* Relación posicional:
* Relación adyacente:
Condiciones adyacentes:
1. 4 adyacentes u 8 adyacentes
2. Valor de gris similar
* Conectividad: atributos generados por adyacencia
Conjunto conectado: generado por conectividad
p>4-Conectividad: 6
8-Conectividad: 2
Región: R es el subpíxel de píxel del conjunto de imágenes, si R es un conjunto conectado, entonces R es una región.
Límites: Los límites de una región R son uno o más píxeles de campo si no están dentro de la región. (Todas las imágenes de arriba son límites)
Distancia de píxeles:
1, distancia euclidiana
2, distancia de bloque = |x1-x2| y2|
3, distancia de cuadrícula = max(|x1-x2| , |y1 - y2|)
Operación de álgebra de imágenes digitales:
Aplicación:
Adición: elimina el ruido de adición y la superposición de imágenes.
Resta: detectar cambios en la imagen
Multiplicación: incrustación, cambio de escala de grises
*?Operación de punto: transformar un solo píxel
*?Filtrado espacial: procesamiento basado en dominio
*?Transformación en escala de grises:
Píxel original -> Función de mapeo -> Píxel transformado
Aplicación:
1. Inversión de imagen (efecto negativo)
Tomando 8 bits como ejemplo: escala de grises de píxeles transformados = escala de grises de 255 píxeles originales
2, transformación lineal (1)
Extensión: convierte el rango dinámico de escala de grises del conjunto de escala de grises de la imagen (subexpuesta o sobreexpuesta) para aumentar el contraste y hacer la imagen más clara.
Compresión: Por el contrario, suaviza la imagen.
*? Transformación lineal por partes (2):
3. Transformación no lineal:
El propósito es realizar diferentes grados de transformación en píxeles en diferentes escalas de grises. rangos de procesamiento, como partes oscuras y partes resaltadas, no es necesario ampliar el rango dinámico del valor de gris.
* Expansión logarítmica:
Expansión exponencial:
Histograma de escala de grises: refleja la distribución de la escala de grises
Eje horizontal de grises Grado, número de píxeles o porcentaje en el eje vertical
* Cálculo:
Ecualización de histograma
p. ej. Ejercicios
Escala de grises 0 - 7
Las probabilidades de distribución son: 0,19, 0,25, 0,21, 0,16, 0,08, 0,06, 0,03, 0,02
Encuentre la distribución de píxeles en el histograma después de la homogeneización:
Respuesta:
Después de la homogeneización, la probabilidad de tener solo cinco niveles de gris 1, 3, 5, 6 y 7 es la siguiente:
1:0.19, 3:0.25, 5:0.21 , 6:0.24, 7:0.11
Especificación de histograma
En resumen, dada una plantilla, la distribución en escala de grises de los píxeles de la imagen transformada es similar a la plantilla.
Por ejemplo, en este problema, la escala de grises 0 representa 0,19, que está cerca de la plantilla de destino 0,2, por lo que se convierte en escala de grises 3 para la plantilla de destino. La suma de 0,62 para las escalas de grises intermedias 1, 2 y 3 está cerca del 0,6 de la plantilla de destino, por lo que se convierte en 5.
*?Filtro/plantilla de campo vacío: matriz
*?Proceso de filtrado:
1. Alinee el filtro con los píxeles de la imagen en secuencia
p>
2. Realizar convolución (multiplicar el píxel correspondiente por k y finalmente sumar)
3. Asigna el resultado al píxel de la imagen correspondiente a la posición media del filtro
*? Problema de bordes: dado que el filtro no puede extenderse más allá de la imagen, los bordes no se pueden filtrar.
*? Método de procesamiento:
1. Ignorar
2. Imagina que hay píxeles fuera del borde con el mismo valor de gris que el borde
Clasificación de filtros vacíos:
1. Filtro de suavizado: Suaviza la imagen, elimina componentes de alta frecuencia, hace que el valor de gris de la imagen cambie menos y reduce el ruido al mismo tiempo.
2. Filtro de nitidez: elimina componentes de baja frecuencia para aumentar el contraste de la imagen y resaltar los bordes.
1. Promedio de campo
Puede reducir el ruido, pero la imagen también está borrosa
2. Promedio ponderado
Escala de grises en diferentes posiciones (Los pesos) tienen diferente importancia, el más importante está en el medio y los segundos son menos importantes.
3. Filtro de suavizado no lineal
1. Utilice el valor de diferencia para reflejar la magnitud del cambio en escala de grises de los píxeles adyacentes (el grado continuo de cambio se denomina valor de diferencia y el el grado discreto se llama valor de diferencia, de hecho, es la diferencia (es un concepto)
2. Obtenga el gradiente a través de la diferencia.
(El degradado se puede utilizar para detectar bordes, porque la escala de grises del píxel en el borde cambia mucho)
3. Valor de escala de grises del píxel afilado = valor de escala de grises del píxel original + coeficiente de nitidez * gradiente
p >
Aplicación práctica:
1.
2. Plantilla de diferencia de segundo orden: operador laplaciano
Calcular gradiente:
p>Nitidez directa:
> El filtro de matriz que usamos anteriormente procesó la imagen en el dominio espacial, ahora queremos pasar al dominio de frecuencia.
> Los amigos que no comprendan el dominio de la frecuencia pueden buscar en Zhihu.
> Introducción:
> El genio matemático Fourier descubrió que cualquier señal periódica puede representarse mediante una secuencia de funciones sinusoidales, y cualquier señal no periódica puede representarse mediante una integral ponderada. de la señal sinusoidal a expresar.
>Por tanto, la distribución de estas funciones sinusoidales da lugar al concepto de dominio de la frecuencia.
Después de realizar la transformada de Fourier discreta bidimensional en la imagen:
Las cuatro esquinas son las partes de baja frecuencia. El centro es la frecuencia más alta.
El más brillante indica la energía de baja frecuencia más alta (observe la imagen, el manto negro, el fondo, etc., estos píxeles con pequeños cambios en la escala de grises representan la mayoría y son los componentes de baja frecuencia).
Debido a la periodicidad y la simetría del yugo **** del DFT 2D, podemos centrar el espectro.
Propiedades verticales y horizontales del espectrograma:
* Conocimientos básicos de filtrado de frecuencias
Pasos:
1. Desde la imagen espacial dominio al dominio de frecuencia
2. Multiplicar el espectro por el filtro de frecuencia
3. Obtener la imagen mediante transformada inversa de Fourier
Clasificación de filtrado en el dominio de frecuencia :
1. Filtrado de paso bajo
2. Filtrado de paso alto
3. Filtrado de paso de banda y supresión de banda
4. Filtrado homomórfico
* Filtro de muesca
Idea: El ruido y los bordes son componentes de alta frecuencia. El paso bajo, como su nombre indica, deja pasar las frecuencias bajas y filtra las frecuencias altas. .
Categoría:
1. Filtro de paso bajo ideal
Entre ellos, D0 es la frecuencia de corte determinada artificialmente
Desventajas : puede producirse vibración Fenómeno de timbre
Razones del fenómeno de timbre:
2. Filtro de paso bajo Butterworth
Desventajas: La suavidad no es tan buena como la de los filtros de bajo ideales pass
Pero es peor que un paso bajo ideal, porque hay una transición suave entre las frecuencias bajas y las frecuencias altas. Y cuanto mayor sea el orden, menor será la suavidad, por lo que se potenciará el fenómeno del timbre.
3. Filtro de paso bajo gaussiano (GLPF)
Desventajas: el efecto de suavizado no es tan bueno como los dos primeros
La relación entre el efecto de suavizado y Frecuencia de corte:
Las frecuencias altas pasan a través del filtro de bajas frecuencias. Lograr el afilado.
Máscara de filtro de paso alto = 1 - Máscara de filtro de paso bajo
Efecto:
El IHPF vuelve a sonar.
El filtrado de paso alto solo produce información de borde y toda la información que no es de borde se vuelve negra. Para obtener imágenes mejoradas y más nítidas, utilice métodos de filtrado de mejora de alta frecuencia.
Método:
k * filtro de paso alto + c
k es ?>1 coeficiente, c es una constante
Adecuado para dinámica Una imagen con un rango amplio (los negros son muy oscuros, los blancos son muy blancos) y los detalles están en partes blancas o negras.
Utiliza la expansión de escala de grises para aumentar el contraste y ampliar aún más el rango dinámico de la imagen.
Comprimir la escala de grises reduce el rango dinámico, pero hace que los detalles sean más difíciles de distinguir.
En este momento, es necesario combinar el filtrado de frecuencia con la conversión de escala de grises, es decir, el filtrado homomórfico.
* Principio:
La imagen se construye según el modelo de iluminación/reflexión.
Iluminancia: Luz solar u otras fuentes de luz, generalmente menos variables y menos frecuentes.
Reflectividad: Determinada por el material de la superficie del objeto, cambia mucho y tiene alta frecuencia.
(Por ejemplo, si miras por una ventana, la cantidad de luz del sol que incide sobre todo es casi la misma.
Pero los diferentes detalles, etc., están determinados por la reflectividad de las flores, plantas, casas, etc.)
Por lo tanto,
debilitar la luz incidente i(x, y) puede reducir la rango de escala de grises.
Cómo mejorar la luz reflejada r(x, y) para mejorar el contraste de la imagen.
Proceso:
De esta forma, el filtro homomórfico atenuará automáticamente la luz incidente de baja frecuencia, reduciendo así el rango dinámico. Se potencian las frecuencias altas, mejorando el contraste.
Degradación de la calidad de la imagen: Degradación de la calidad de la imagen debido a defectos en los procesos de generación, almacenamiento y transmisión del dispositivo.
Restauración de imagen: Según el modelo de degradación de la imagen, se establece un modelo de degradación basado en el conocimiento previo y luego se realiza la operación inversa para restaurar la imagen original.
* La conexión y diferencia entre mejora de imagen y restauración de imagen
Conexión: Ambas tienen como objetivo mejorar la calidad visual de la imagen
Diferencia: La mejora es subjetiva, No se consideran los motivos de la degradación de la calidad de la imagen. La restauración es objetiva y tiene como objetivo restaurar la imagen original en la máxima medida posible.
Modelo de degradación de imagen:
Descrito mediante la función de densidad de probabilidad.
Categoría:
1. Ruido gaussiano
2. Ruido Rayleigh
3. Ruido gamma
4 Ruido distribuido uniformemente
5. Ruido impulsivo (ruido de sal y pimienta)
6. Ruido cíclico
Histograma en escala de grises de algún ruido:
p>
Caso:
Análisis:
Análisis:
1.> Análisis:
Elige un pequeño cambio Fragmento, dibuja un histograma. Se encontró que era un modelo de ruido gaussiano.
Procesamiento de ruido aditivo (gaussiano, ruido distribuido uniformemente): filtrado de dominio espacial
1. Filtrado de media aritmética, utilizando media aritmética
2. Filtrado de geometría promedio utiliza media geométrica
Ventajas: el filtro de media geométrica retiene más detalles de la imagen y el efecto de suavizado es aproximadamente el mismo que el del filtro de media aritmética.
3. Filtrado de media armónica
Tiene un mejor efecto en el procesamiento del ruido "sal", pero no es adecuado para procesar el ruido "pimienta".
4. Filtrado medio antiarmónico
Orden del filtro Q:
Q > 0 se utiliza para ruido "pimienta"
Q == 0 para filtrado de media aritmética
Q < 0 para ruido "sal" (Q == 0). "Ruido" de sal (Q == -1 significa filtrado medio armónico)
5. Filtro de clasificación estadística:
Filtro de mediana: Mismo tamaño que el filtro de media, menos borroso. eficaz para tratar el ruido impulsivo, sin embargo, el uso repetido desenfocará la imagen.
Filtro máximo: bueno para tratar el ruido "pimienta", pero eliminará algo de melanina. >
Filtro mínimo: bueno para el ruido "sal", pero elimina algo de blanco en los bordes de los objetos blancos.
Filtro de punto medio: calcula el máximo en la plantilla de filtro. La media aritmética del valor y el. El valor mínimo, es decir, el valor del punto medio, tiene el mejor efecto sobre el ruido gaussiano y uniforme.
6. Filtro adaptativo (determina la intensidad de la reparación en función de la información de píxeles procesada actualmente)
Efecto:
7. Filtro de mediana adaptativo
Encuentre el valor de la mediana en la plantilla. Si el valor de la mediana no es un pulso, verifique si el valor central Zxy es el centro. el valor Zxy es