图像处理
-
什么是图形?
-
图像是对客观对象的一种生动客观的描述
-
人类70%的信息来源于图像
-
-
什么是图像处理
-
对图像的处理达到预期的效果的操作
-
-
常见的图像分为两类
-
模拟图像
-
模拟图像可以用连续的函数来表示其特点是光照位置和光照强度均为连续函数
-
-
数字图像--主要是不可见图像需要计算机加以处理才能显示
可以用矩阵或则数组来描述
-
图像处理的含义或内容
-
数字图形处理研究的是图像的获取，存储，传输，变换，显示，理解和综合利用的一门学科
扫描二维码关注公众号，回复： 853615 查看本文章
-
图像处理的抽象程度不同可以分为三个层次
-
狭义图像处理
-
图像的数字化：由一幅模拟图像得到便于计算机处理，分析的数字图像
-
图像变换：处理文件简化，有利于特征的提取，加强对图像信息的理解
-
图像增强：增强图像中的部分信息，消除噪声的干扰
-
图像的恢复与重建：把退化，模糊了的图像还原，例如图像校正，通过断层扫描图像来建立二维或则三维的图像
-
图像编码：简化图像的表示，压缩图像的数据，便于存储和传输
图像分析
-
图像分割：将一幅图像划分为互不重叠的区域的处理
-
二值图像处理与形状分析：图像的开运算，闭运算。。
-
纹理分析：纹理的概念，特征提取与分析
-
图像识别：对图像中的不同对象进行分类
PS：图像处理又要与模式识别，计算机图形学，计算机视觉等学科区别开来。
图像数字化：
把一幅图像分割成一个一个小区域（像元或则像素点），并将每个小区域的灰度用整数来表示，形成一幅点阵式的数字图像。
包括采样和量化两个过程。
像素的属性=（位置，灰度/颜色）
图像数字化过程：
采样：将连续的图像变为离散的点的操作
-
采样间隔（还原度）
-
采样孔径
-
图像数字化过程：
量化：将像素灰度转换为离散的整数值
-
我们用G来表示一幅图像中不同灰度值的个数称为灰度级G，G为二的整数幂
数字图像的表示：
-
以一幅图像F左上角像素中心为坐标原点
-
数字图像根据灰度级的差异可分为黑白图像，灰度图像，彩色图像
我们可以通过matlab来看看这些图像
黑白图像：图像的每个像素只能是黑或白，没有中间的过渡，故又称为二值图像,二值图像的像素值为0或1。
灰度图像：每个像素的信息由一个量化的灰度来描述的的图像,没有彩色信息1字节（8位） 可表示 256 级 灰度(0~255)。
彩色图像： 彩色图像是指每个像素由R、G、B分量构成的图像，其中R、G、B是由不同的灰度级来描述。3字节 (24位)可表示各通道(波段)
傅里叶变换：时域到频域
将图像从空间域变换到频率域上。为什么要做这样一个操作？
如果安装正常的图像来做运算量太大。而将现实中的
图像变换的目的
使图像问题简化，有利于图像特征的提取，有助于我们在概念上图像上的信息，图像变换同成功是一种二维正交变换，
傅里叶变换的理论基础和基本定义
法国数学家、物理学家傅里叶在 1811年任一函数都可以展成三角函数的无穷数，由此引出的傅里叶级数展开中指出
任何周期函数
都可以表示为不同频率的正弦和/或余弦和的形式
每个正弦和/或余弦乘以不同的系数（即傅里叶级数）。
在信号的傅立叶级数展开中，
-
如果一个周期为 T 的函数在上满足狄利克雷（Dirichlet)条件
那么在内可以将函 展开为无穷个正交三角函数的和
-
如下式所示：周期为大写 T 函数 被展开表示成了无穷多个不同频率的三角函数的加权和
PS: an 和 bn 即为权重系数。
傅里叶变换是从将图像从空间域变换到频率域
-
图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度，
-
在噪声点和图像边缘处的频率为高频。
-
-
在频率域中，将信号表示为一系列正弦信号或者复指数函数的叠加，正弦信号的频率、幅值和相位可以描述正弦信号中的所有信息
-
由此可以得到信号的幅度谱和相位谱。
-
在图像领域就是将图像灰度作为正弦变量。
-
