Puntos de conocimiento sobre procesamiento de imágenes digitales
*Imagen digital: Imagen que se puede visualizar y procesar 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. Las imágenes contienen una gran cantidad de información.
2. La cantidad de datos de procesamiento de imágenes es grande.
3. El proceso de procesamiento implica una gran cantidad de operaciones repetidas.
4. Tecnología de procesamiento integral.
*?Estructura visual humana:
*?Células cónicas: perciben la luz y el color. Sensible al color.
*?Células bastón: Sólo se sienten luz, no color. (Sin ceguera nocturna)
*?Brillo: el brillo de la luz.
*?Tono: El brillo de los colores primarios en el modo de color, como el brillo de los tres colores primarios de rojo, verde y azul en RGB.
*?Saturación: La intensidad del color.
*?Efecto de contraste de brillo:
1. Efecto de contraste simultáneo: el contraste se mide en función del contraste.
2. Efecto banda Mach: Las franjas brillantes u oscuras deseadas aparecen donde el supervisor visual siente el cambio de brillo.
*?Imagen digital: Convierte señales analógicas continuas en señales digitales discretas.
*? Teorema de muestreo de Nyquist;
Condiciones para reemplazar señales continuas por señales discretas;
1.
2. La frecuencia de muestreo no es inferior a 2 veces la frecuencia más alta de la señal.
*?Resolución espacial:
Unidad: píxel/pulgada, píxel/cm, píxel*píxel.
Cuantización de imágenes digitales: conversión de escala de grises a representación entera.
Por ejemplo, 8 bits pueden representar 2^8 niveles de gris (0-256).
Resolución de amplitud: Cuantas más escalas de grises, mayor será la resolución.
(Contornos falsos: debido a que hay muy pocas escalas de grises, la diferencia de color aumenta durante la discretización, lo que da como resultado algo similar a un contorno).
* Calcula la cantidad de datos en un imagen digital.
La resolución de píxeles es M*N, Q bits/píxel.
La cantidad de datos es: M*N*Q/8 bytes.
(Nivel de cuantización: 2 8)
*? Clasificación de imágenes digitales:
1. Imagen en escala de grises: cuantificada de negro puro a blanco puro.
2. Imagen binaria: solo blanco y negro
3. Imagen en color: como la imagen RGB, cada canal de color está representado por el bit correspondiente.
*Relación básica entre píxeles:
*Relación de posición:
*Adyacencia:
Condición de adyacencia:
1, 4 adyacentes u 8 adyacentes
2 Los valores de escala de grises son similares.
*Conectividad: la calidad resultante de la contigüidad.
Conjunto conectado: generado por conectividad
4-Conectado: 6
8-Conectado: 2
Región: R es un subconjunto de píxeles en la imagen. Si R es un conjunto conexo, entonces R es una región.
Límite: si uno o más píxeles del dominio en el área R no están en el área, entonces el píxel es su límite. (Las imágenes de arriba son todas fronteras).
Distancia de píxeles:
1, distancia europea
2 Distancia de bloque = |x1-x2| y2|
3. Distancia del tablero de ajedrez = max(|x1-x2|, |y1-y2|)
Operación algebraica de imágenes digitales;
Aplicación:
Aditivo: Elimina el ruido aditivo y la superposición de imágenes.
Resta: detectar cambios en la imagen
Multiplicación: recortar la imagen, cambiar la escala de grises
*? Operación puntual: transformar un solo píxel.
*?Filtrado espacial: procesamiento basado en dominio
*?Conversión de escala de grises:
Píxel original->;Función de mapeo->;Píxel transformado
p>
Aplicación:
1, inversión de imagen (efecto negativo)
Tome 8 bits como ejemplo: escala de grises de píxeles transformados = escala de grises de 255 píxeles originales .
2. Transformación lineal (1)
Extensión: amplifica el rango dinámico de la escala de grises de la imagen (subexposición o sobreexposición) en la densidad de la escala de grises, aumenta el contraste y aclara la imagen.
Compresión: En cambio, la imagen se puede suavizar.
*? Transformación lineal por partes (2):
3. Transformación no lineal:
El propósito no es realizar diferentes grados de píxeles en diferentes rangos de escala de grises. Procesamiento para ampliar el rango dinámico de valores de grises, como sombras y luces.
*Expansión logarítmica:
Expansión exponencial:
Histograma en escala de grises: refleja la distribución en escala de grises.
Escala de grises horizontal, número o porcentaje de píxeles verticales
*Cálculo:
Ecualización de histograma
Ejercicio de ejemplo
Nivel de gris 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 después de la uniformización del histograma;
Respuesta:
Después de la uniformización, solo hay cinco niveles de gris, 1, 3, 5, 6 , La probabilidad de 7 es la siguiente:
1: 0,19, 3: 0,25, 5: 0,21, 6: 0,24, 7: 0,11
Especificación del histograma
Simplificado En otras palabras, dada una plantilla, la distribución en escala de grises de los píxeles de la imagen transformada es similar a la distribución en escala de grises de la plantilla.
Por ejemplo, en esta pregunta, la escala de grises 0 representa 0,19, que está cerca de 0,2 de la plantilla de destino, por lo que se convierte en la escala de grises 3 de la plantilla de destino. Las escalas de grises intermedias de 1, 2 y 3. sume 0,62, que está cerca de La plantilla objetivo es 0,6, por lo que se convierte en 5.
*?Filtro espacial/plantilla: matriz
*?Proceso de filtrado:
1. Alinee el filtro con los píxeles de la imagen por turno.
2. Haga convolución (el píxel correspondiente se multiplica por k y finalmente se suma).
3. Asigna el resultado al píxel de la imagen correspondiente a la posición media del filtro.
*?Problema de bordes: debido a que el filtro no puede extenderse más allá del rango de la imagen, no puede filtrar los bordes.
*? Método de procesamiento:
1, ignorar
2. Hay píxeles fuera del borde imaginario que tienen el mismo valor de gris que el borde.
Clasificación de filtrado espacial:
1. Filtrado 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.
2. Filtro de nitidez: elimina componentes de baja frecuencia para aumentar el contraste de la imagen y resaltar los bordes.
1. El método de promedio de dominio
puede reducir el ruido, pero la imagen está borrosa.
2. Método de promedio ponderado
La importancia (peso) de la escala de grises en diferentes posiciones es diferente, el medio es el más importante y la importancia de los bordes disminuye.
3. Filtrado de suavizado no lineal
1. Utilice el valor de diferencia para reflejar los cambios en la escala de grises de los píxeles adyacentes (el grado de cambio continuo se llama diferencial y el grado discreto se llama diferencial). , que en realidad es la diferencia. Es un concepto)
2, a través de gradiente diferencial. (El degradado se puede utilizar para detectar bordes porque la escala de grises de los píxeles del borde cambia mucho).
3. Valor de escala de grises del píxel afilado = coeficiente de grado de nitidez del valor de escala de grises del píxel original * gradiente.
Aplicación práctica:
1.
2. Plantilla de diferencia de segundo orden: operador laplaciano
Cálculo del gradiente:
Nitidez directa:
gtEl filtro de matriz que usamos antes procesaba la imagen en el dominio espacial, pero ahora tenemos que pasar al dominio de frecuencia.
gtLos estudiantes que no comprendan el dominio de la frecuencia pueden buscar en Zhihu.
gtIntroducción:
gtEl genio matemático Fourier descubrió que cualquier señal periódica puede representarse mediante una serie de funciones sinusoidales, y cualquier señal no periódica puede representarse mediante una integral ponderada de un seno. señal.
gtAsí que la distribución de estas funciones sinusoidales da lugar al concepto de dominio de la frecuencia.
Después de la transformada de Fourier discreta bidimensional de la imagen:
Las cuatro esquinas, la parte de baja frecuencia. El centro es la frecuencia más alta.
El más brillante significa la energía de baja frecuencia más alta (ver imagen, cubierta negra, fondo y otros píxeles con pequeños cambios en escala de grises representan la mayoría y pertenecen a componentes de baja frecuencia).
Debido a la periodicidad y simetría del yugo del DFT 2D, podemos concentrar el espectro.
Entrelazado de espectros;
*Conceptos básicos del filtrado de frecuencia
Pasos:
1. Del espacio de la imagen al dominio de la frecuencia
2. Multiplica el espectro con un filtro de frecuencia.
3. Realizar la transformada inversa de Fourier para obtener la imagen.
*? Clasificación de filtrado de dominio de frecuencia:
1. Filtrado de paso bajo
2.
3. Filtrado de paso de banda y parada de banda
4. Filtrado homomórfico
*Filtro de muesca
Idea: el ruido y los bordes pertenecen a alto. -Componentes de frecuencia y paso bajo, como su nombre indica, deja pasar las frecuencias bajas y filtra las frecuencias altas.
Categoría:
1. Filtro de paso bajo ideal
Donde D0 es la frecuencia de corte determinada artificialmente.
Desventajas: Puede producirse un timbre.
Causas del fenómeno de timbre:
2. Filtro de paso bajo Butterworth
Desventajas: el efecto de suavizado no es tan bueno como el de paso bajo ideal.
Cuando el orden de Butterworth n aumenta, aumenta el fenómeno del timbre. Pero es mejor que un paso bajo ideal porque hay una transición suave entre las frecuencias bajas y altas. Cuanto mayor sea el orden, menor será la suavidad y por tanto el 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 la frecuencia de corte;
Las frecuencias altas pasan y las frecuencias bajas se filtran. Lograr el afilado.
Plantilla de filtro de paso alto = 1 plantilla de filtro de paso bajo.
Efecto:
Del mismo modo, IHPF también tiene un fenómeno de timbre.
El filtrado de paso alto solo obtiene información de borde y toda la información que no es de borde se vuelve negra. Para obtener una imagen mejorada y nítida, se utiliza un método de filtrado de mejora de alta frecuencia.
Método:
K * filtro de paso alto c
¿Qué es k? coeficiente gt 1, donde c es una constante.
Para imágenes con un rango dinámico grande (el negro es muy negro, el blanco es muy blanco), los detalles están en las partes en blanco o negro.
La expansión de escala de grises se utiliza 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 y la transformación en escala de grises: filtrado homomórfico.
*Base teórica:
Las imágenes se sintetizan en base a un modelo de iluminación/reflectividad.
Iluminación: La luz solar u otras fuentes de luz generalmente no cambian mucho y son de baja frecuencia.
Reflectividad: Determinada por el material de la superficie del objeto, varía mucho y es de alta frecuencia.
Por ejemplo, si miras por una ventana, la luz del sol incide sobre todo de manera casi uniforme. Pero los diferentes detalles presentados están determinados por la reflectividad de las flores, plantas y casas).
Por lo tanto,
debilitar la luz incidente i(x, y) puede reducir el rango de escala de grises.
Con qué intensidad la luz reflejada r(x, y) puede mejorar el contraste de la imagen.
Proceso:
De esta manera, el filtro homomórfico debilita automáticamente la luz incidente de baja frecuencia y reduce el rango dinámico. Aumente las frecuencias altas para mejorar el contraste.
Degradación de la imagen: en el proceso de generación, almacenamiento y transmisión de imágenes, la calidad de la imagen se daña debido a equipos imperfectos.
Restauración de imagen: A partir del modelo de degradación de la imagen, se establece un modelo de degradación basado en el conocimiento previo y luego se restaura la imagen original mediante operaciones inversas.
*La conexión y diferencia entre mejora de imagen y restauración de imagen
Contacto: ambos tienen como objetivo mejorar la calidad visual de la imagen.
Diferencia: La mejora es subjetiva y no considera la causa de la degradación de la imagen. La restauración es objetiva y el propósito es restaurar en la mayor medida posible la apariencia original.
Modelo de degradación de imagen:
Descrito mediante la función de densidad de probabilidad.
Clasificación:
1. Ruido gaussiano
2. Ruido de Rayleigh
3.
Ruido impulsivo (ruido de sal y pimienta)
6. Ruido periódico
Histogramas en escala de grises de algún ruido:
Caso:
Análisis:
Toma un lugar que cambie poco y dibuja un histograma. Este es un modelo de ruido gaussiano.
Procesamiento de ruido aditivo (ruido gaussiano, ruido distribuido uniformemente): filtrado espacial
1, filtrado de media aritmética, media aritmética.
2. Filtrado de media geométrica, media geométrica.
Ventajas: el filtrado medio geométrico retiene más detalles de la imagen y la suavidad es similar a la aritmética.
3. Filtrado de medias armónicas
El efecto de procesar el ruido "sal" es bueno, pero no es adecuado para el ruido "pimienta".
4. Filtrado de media armónica inversa
orden de filtro q:
Q gt0 para tratar el ruido "pimienta"
Q == 0 es filtrado de media aritmética.
Q lt0 maneja el ruido "sal" (Q == -1, filtrado medio armónico)
5 Clasificación y filtrado estadístico:
Filtro de mediana: en Del mismo tamaño, es menos borroso que los filtros normales. Muy eficaz para manejar el ruido impulsivo. Pero usarlo demasiado hará que la imagen se vuelva borrosa.
Filtro máximo: eficaz para tratar el ruido "pimienta", pero eliminará algunos pigmentos negros en los bordes de los objetos negros.
Filtro mínimo: eficaz para tratar el ruido "salino", pero eliminará parte del pigmento blanco en los bordes de los objetos blancos.
Filtrado de punto medio: Calcula la media aritmética del valor máximo y el valor mínimo en la plantilla de filtrado, que es el valor del punto medio. Los ruidos gaussianos y uniformes son los mejores.
6. Filtro adaptativo (la intensidad de la reparación se puede determinar en función de la información de píxeles procesada actualmente)
Efecto:
7. >
Encuentra la mediana en la plantilla. Si el valor mediano no es un pulso, verifique si el valor central Zxy es un pulso. El valor central Zxy es