图像处理的基本知识.ppt

第三章图像处理的基本概念,1人眼的视觉原理颜色基础图像模型图像数字化灰度直方图图像处理算法形式图像的数据结构及特征,1人眼的视觉原理,1.1人眼的构造1.2图像的形成1.3视觉范围和分辨力1.4视觉适应性和对比灵敏度1.5亮度感觉1.6马赫带效应1.7视觉模型,1.1人眼的构造,外层由角膜和巩膜组成。角膜是光线的入口。巩膜保护整个眼球。中间层虹膜和脉络膜组成。虹膜中的瞳孔用来控制进入眼睛的光通量大小。人种不同，其颜色也各异。瞳孔后面的水晶体如同一个变焦距透镜，使景像始终聚焦于黄斑区。内层视网膜。其表面有大量的感光细胞。这些感光细胞按照形状分为可以两类：锥状细胞和杆状细胞。,锥状细胞,每只眼睛中大约有600万到700万个锥状细胞，集中分布在视轴和视网膜相交点附近的黄斑区内。每个锥状细胞都连接一个神经末梢，因此，黄斑区对光有较高的分辨力，能充分识别图像的细节。锥状细胞既可以分辨光的强弱，也可以辨别色彩。白天视觉过程主要靠锥状细胞来完成，所以锥状机觉又称白昼视觉。按感光化学特性，锥状细胞有三种，它们分别对红、绿、蓝颜色敏感，因此红绿蓝称为人类视觉的三基色。三种锥状细胞的光谱敏感曲线如下：,杆状细胞,每只眼睛大约有7600万个到15000万个杆状细胞。它广泛分布在整个视网膜表面上，并且有若干个杆状细胞同时连接在一根神经上，因此，这条神经只能感受多个杆状细胞的平均光刺激，使得在这些区域的视觉分辨力显著下降，无法辨别图像中的细微差别，而只能感知视野中景物的总的形象。杆状细胞不能感觉彩色，但对低照明度的景物柱往比较敏感，所以，夜晚所观察到的景物只有黑白、浓淡之分，而看不清它们的颜色差别。由于夜晚的视觉过程主要由杆状细胞完成，所以杆状视觉又称夜视觉。,1.2图像的形成,人眼在观察景物时，光线通过角膜、前室水状液、水晶体、后室玻璃体，成像在视网膜的黄斑区周围。视网膜上的光敏细胞感受到强弱不同的光刺激，产生强度不同的电脉冲，并经神经纤维传送到视神经中枢，由于不同位置的光敏细胞产生了和该处光的强弱成比例的电脉冲，所以，大脑中便形成了一幅景物的感觉。,1.3视觉范围和分辨力,视觉范围人眼所能感觉到的亮度范围，从10-4cd/m2到104cd/m2。注：cd坎德拉，光通量。人眼并不能同时感受这样宽的亮度范围。事实上，在人眼适应了某一平均的亮度环境以后，它所能感受的亮度范围要小得多。当平均亮度适中时，能分辨的亮度上、下限之比为1000：1。而当平均亮度较低时，该比值只有10:1。即使是客观上相同的亮度，当平均亮度不同时，主观感觉的亮度也不相同。人眼的明暗感觉是相对的，但由于人眼能适应的平均亮度范围很宽，所以总的视觉范围很宽。,分辨力人眼的分辨力是指人眼在一定距离上能区分开相邻两点的能力，可以用能区分开的最小视角的倒数来描述，如下图所示：,上图中，d表示能区分的两点间的最小距离，l为眼睛和这两点连线的垂直距离。人眼分辨力和环境照度、被观察对象的相对对比度等因素有关。,1.4视觉适应性和对比灵敏度,暗适应性从亮环境进入暗环境的适应能力，约为30s。人眼之所以有暗适应性，原因有二：一是暗环境中瞳孔放大,进入眼睛的光通量增加；二是杆状细胞代替了锥状细胞工作，杆状细胞对低照度景物更为敏感。亮适应性只有几秒钟。原因在于锥状细胞的恢复时间远少于杆状细胞。人眼的亮度适应性是人眼通过改变其整个灵敏度来实现的。图像对比度C1：图像中最大亮度Bmax与最小亮度Bmin之比：,相对对比度,1.5亮度感觉,人眼对亮度差别的感觉取决于相对亮度的变化。令S为亮度感觉的变化，B为亮度变化，则：,积分后得亮度感觉为：,上式表明亮度感觉与亮度的自然对数成线性关系。下图表示了主观感觉同亮度的关系曲线。实线表示人眼能感觉的亮度范围。,人眼黑白亮度感觉的相对性：人眼在适应某一平均亮度后，黑、白感觉对应的亮度范围较小；随着平均亮度的降低，黑白感觉的亮度范围变窄。,黑白亮度感觉相对性在图像传输与重现方面的意义：重现图像的亮度不必等于实际图像的亮度，只要保持两者的对比度不变，就能给人以真实的感觉；人眼不能感觉出来的亮度差别在重现图像时不必精确地复制出来。,1.6马赫带（Mach）效应,对于一幅亮度阶跃变化的竖条灰度梯度图像，其每一竖条宽度内光强均匀分布，且相邻竖条之间的强度差为常数。然而，人眼看起来每一竖条内右边要比左边稍黑一些，这种现象称为马赫带效应。,马赫带上的亮度过冲是眼睛对不同空间频率产生不同视觉响应的结果。视觉系统对空间高频和空间低频的敏感性较差，而对空间中频则有较高的敏感性，因而在亮度突变处产生亮度过冲现象，这种过冲对人眼所见的景物有增强其轮廓的作用。,黑白视觉模型,1.7视觉模型,大量实验和理论研究表明，眼睛对光强度的非线性响应呈对数型，并且发生在视觉系统的开始附近（亦就是视觉信号在锥状及杆状细胞空间上发生相互作用之前）。由此得出人眼黑白视觉的简单对数模型如下图：,彩色视觉模型,如前所述，视网膜中有三种视锥细胞，具有不同的光谱特性，峰值吸收分别在光谱的红、绿、蓝区域，由此得到下图彩色视觉模型：,该模型中，e1、e2、e3代表视网膜中三个具有s1()、s2()、s3()谱灵敏度的感受器，其输出分别为：,式中c()为入射光源的谱线分布函数。经对数传递后有：,最后，信号d1、d2、d3分别经线性系统H1、H2、H3输出g1、g2、g3，提供给大脑感受彩色。信号d2和d3与彩色光的色度有关，而d1则正比于它的亮度。这个模型相当准确地预测许多彩色现象，也能满足色度学的基本定律。,2颜色基础,2.1色彩的产生2.2色光三原色2.3色料三原色2.4常见的色彩模型,2.1色彩的产生,一般人眼感受到的光有三种：直射光、反射光和投射光直射光：发光物体产生的光直接刺激人眼产生光感。如日光、照明光、显象管荧光屏发出的光等。投射光：发光物体产生的光照射到透明或半透明物体上，通过物体投射过来的光。例如，玻璃是透明体，滤色片、电影胶片是半透明体。反射光：发光物体所产生的光照射到其他物体上,被其他物体反射而发出的光称为反射光。物体之所以呈现出不同的颜色,就是由于物体反射(或透射)了可见光谱中的不同成分,同时又吸收了其余的成分,从而使人眼产生了不同的彩色感觉。一般来说,某一物体的颜色是该物体在特定光源照射下所反射(或透射)的,一定可见光谱成分作用于人眼而引起的视觉效果。白色物体对不同波长的光具有相同的反射特性。白色物体在白光的照射下,将白光中所有色光都反射出来,从而呈现白色。既不反射光也不透射光,而能完全吸收入射光的物体,就呈现黑色。,2.2色光三原色,根据色彩学光谱分析理论,白色是由红(R,Red)、绿(G,Green)、蓝(B,Blue)三种基色等量相加得到的。白色以外的任何一种颜色都可以由这三种基色以不同比例叠加模拟出来,模拟出来的彩色与原色所引起的人的彩色视觉是相同的,因此,称红、绿、蓝这三种颜色为加色三原色,又称为色光三原色，在电子学中称为三基色。,计算机显示器显示色彩缤纷的图像是通过彩色图形适配器将图像的红、绿、蓝三个基色光分别转换为三个相应的电信号,再经过适当的处理传送到相应的电子枪上,通过CRT转换成按比例相加的彩色光,从而使计算机显示器上显示出与原景物颜色一样的彩色图像。如果用放大镜仔细观察会看到计算机显示器上有很多红、绿、蓝的荧光点,所以,显示器显示彩色图像是通过色光三原色原理实现的。,2.3色料三原色,色料三原色由黄色、品色、青色组成。从白色光中去掉色光三原色(RGB)中的任何一种就会得到一种色料三原色。任两种RGB颜色相重叠部分的颜色即为色料三原色的组成原色,即色料三原色中的任何一种颜色都是由任意两种色光三原色相加而成的。由于缺少了色光三原色中的一种基色,因此习惯上又称色料三原色为减色三原色。,2.4常见的色彩模型,常见的色彩模型有RGB模型、CMYK模型、HSV模型、YIQ模型等。每种模型都有它自己的特点和适用范围,它们可以根据需要相互转换。,RGB模型,这是最常见的色彩模型，由R(红)、G(绿)、B(蓝)三个分量组成，三维空间中的三个轴分别与红、绿、蓝三基色相对应.原点对应于黑色，离原点最远的顶点对应于白色。从黑到白的灰度值分布在这两个点的连线上，该线称为灰色线。其他颜色则落在三维空间中由红、绿、蓝三基色组成的彩色立方体中。通常情况下以RGB色彩模型为基础描述其它色彩模型，将其它色彩模型描述为RGB三色的线性或者非线性函数。RGB模型在视频和显示器中广泛使用。,RGB模型单位立方体,CMY(K)模型,RGB模式是显示器上的颜色模式,而在图像印刷中却是用CMYK4色印刷模式来确定颜色的。是指通过混合青(Cyan)、品红(Magenta)、黄(Yellow)与黑(Black)色来产生全彩色阶调的颜色,这就是CMYK模式。其中Black以“K”表示(为了避免与Blue混淆)。这就是平常所说的减色模式,因为青、品红、黄分别是光谱色中的红、绿、蓝的补色,从而模拟出白光被物体吸收了一部分色光后的反射光。CMYK模式中的颜色种类远不及RGB模式,但它却是打印的标准模式,是印刷业所使用的颜色模式。,HSI模型,以色彩的色调(Hue)、饱和度(Saturation)、亮度(Intensity)为三要素来表示的。它反映了人的视觉系统观察彩色的方式，同人对色彩的感知相一致，是适合人的视觉特性的色彩空间，在艺术上经常使用HSI模型。这种模型的优点在于它将亮度（I）与反映色彩本质特性的两个参数（色度（H）和饱和度（S）分开。,H色度，取值范围0-360；S饱和度，取值范围0-1/100；I亮度，取值范围0-1/100；,色相环，0-红，120-绿，240-蓝,图中的色相环描述了色相和饱和度两个参数。色相由角度表示，它反映了该彩色最接近什么样的光谱波长。一般假定0表示的颜色为红色，120的为绿色，240的为蓝色。0到240的色相覆盖了所有可见光谱的彩色，在240到300之间为人眼可见的非光谱色（紫色）。饱和度是指一个颜色的鲜明程度，饱和度越高，颜色越深，如深红，深绿。饱和度参数是色环的原点（圆心）到彩色点的半径的长度。由色相环可以看出，环的边界上纯的或饱和的颜色，其饱和度值为1。在中心是中性（灰色）阴影，饱和度为0。,RGB转换到HSI对任何3个0，1范围内的R、G、B值，其对应HSI模型中的I、S、H分量的计算公式为,YIQ模型,YIQ模型是美国国家电视系统委员会（NTSC）定义的用于电视广播的颜色系统，Y代表亮度信息，I和Q表示色度，其中I表示橙青色，Q表示其他部分颜色。从RGB到YIQ的变换关系如下：,=,3图像模型,图像可以看作是空间各点光强度的集合:,对二维图像，可表示为：,只考虑光的能量不考虑其波长时，图像在视觉上表现为灰度图像：,式中，Vs()为相对视敏函数。,考虑不同光波长的彩色效应时，图像在视觉上表现为彩色图像：,式中：,图像内容随时间变化的图像为运动图像，反之为静止图像。静止图像是本课程的重点研究内容。,图像与二维光强度函数有关，用函数f(x,y)表示。光是能量的一种形式，故：,在每天的视觉活动中，人眼看到的图像一般都是由物体反射的光组成。f(x,y)可被看成由两个分量组成：一个分量是在所见场景的入射的光量，另一分量是场景中被物体反射的光量。这两分量被称为照射分量,分别表示为以i(x，y)和r（x，y）因此，图像f(x,y)可表示为：,i(x,y)的性质由光源确定，r(x,y)由场景中的物体特性确定。一般将单色图像在某点的强度称为灰度，以l表示，其取值范围Lmin，Lmax叫作灰度范围。一般将其定义为0,L-1。,式中：,4图像数字化,图像数字化是将一幅图像转化成计算机能处理的形式数字图像的过程。它包含采样和量化两个过程。,4.1采样图像采样过程就是图像空间离散化的过程，即将空间上连续的图像变换成离散点的操作。也就是用空间上部分点的灰度值代表图像，这些点称为采样点。由于图像是一种二维分布的信息，为了对它进行采样操作，需要先将二维信号变为一维信号，再对一维信号完成采样。具体做法是，先沿垂直方向按一定间隔从上到下顺序地沿水平方向直线扫描，取出各水平线上灰度值的一维扫描。而后再对一维扫描线信号按一定间隔采样得到离散信号，即先沿垂直方向采样，再沿水平方向采样这两个步骤完成采样操作。对于运动图像（即时间域上的连续图像），需先在时间轴上采样，再沿垂直方向采样，最后沿水平方向采样由这三个步骤完成。,采样间隔和采样孔径的大小是两个很重要的参数。取样和量化后的数字信号应尽可能代表原始的连续图像信号，且能够使取样后的离散图像信号无失真地恢夏原始信号，因此采样间隔的选取就非常重要。,采样示意图,采样间隔根据采样定理确定。设图像f(x,y)的傅立叶变换F(u,v)满足：则当采样间隔x和y满足条件时，可由采样后的图像精确重建原图像f(x,y)。式中：uc和vc分别为在x方向和y方向的频谱宽度。,定义采样函数为：,则采样图像f(m,n)的频谱为：,对上述频谱采用低通滤波，然后通过反傅立叶变换即可求得原图像。由采样图像重建原图像的算法为：,上式中r为插值函数，其具体形式依赖于频域中的低通滤波器的设计。例如，若,则r(x,y)是sinc函数：,在满足采样定理的前提下，采样间隔的大小选取要依据原图像中包含的细微浓淡变化来决定。一般，图像中细节越多，采样间隔应越小。,采样时，样点代表像元(Pixel)，它具有一定的大小和形状，和几何点有所不同。样点分布一般为周期的方形阵列、三角形阵列或六角形阵列,4.2量化模拟图像经过采样后，在时间和空间上离散化为像素。但采样所得的像素值（即灰度值）仍是连续量。把采样后所得的各像素的灰度值从模拟量到离散量的转换称为图像灰度的量化。也就是说，图像量化过程是图像灰度幅值的离散化过程，即将像素灰度转换成离散的整数值的过程。,量化示意图（a）量化；(b)量化为8bit,二值图像：像素灰度级只有两级的图像。存储一幅大小为MN、灰度级数为G的图像所需的存储空间为MNk（bit）其中:,若连续灰度值用z来表示，对于满足zizzi+1的z值，都量化为整数qi。qi称为像素的灰度值，z与qi的差称为量化误差。一般，像素值量化后用一个字节8bit来表示。如图（b）所示，把由黑灰白的连续变化的灰度值，量化为0255共256级灰度值，灰度值的范围为0255，表示亮度从深到浅，对应图像中的颜色为从黑到白。,灰度级：一幅数字图像中不同灰度值的个数称为灰度级，用G表示。若一幅数字图像的量化灰度级为G=256=28，灰度取值范围一般是0255的整数，则称为8bit量化。,连续灰度值量化为灰度级的方法有两种，一种是等间隔量化，另一种是非等间隔量化。等间隔量化就是简单地把采样值的灰度范围等间隔地分割并进行量化。对于像素灰度值在黑白范围较均匀分布的图像，这种量化方法可以得到较小的量化误差。该方法也称为均匀量化或线性量化。为了减小量化误差，引入了非均匀量化的方法。非均匀量化是依据一幅图像具体的灰度值分布的概率密度函数，按总的量化误差最小的原则来进行量化。具体做法是对图像中像素灰度值频繁出现的灰度值范围，量化间隔取小一些，而对那些像素灰度值极少出现的范围，则量化间隔取大一些。由于图像灰度值的概率分布密度函数因图像不同而异，所以不可能找到一个适用于各种不同图像的最佳非等间隔量化方案。因此，实用上一般都采用等间隔量化。,4.3采样与量化参数的选择一幅图像在采样时，行、列的采样点与量化时每个像素量化的级数，既影响数字图像的质量，也影响到该数字图像数据量的大小。假定图像取MN个样点，图像幅度量化后的量化级数为G，一般G总是取为2的整数幂，即G=2k,则存储一幅数字图像所需的二进制位数b为,对一幅图像，当量化级数Q一定时，采样点数MN对图像质量有着显著的影响。一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现马赛克，如下图所示，采样点数越多，图像质量越好；当采样点数减少时，图上的块状效应就逐渐明显。,不同采样点数对图像质量的影响（a）原始图像(256256)；（b）采样图像1(128128)；（c）采样图像2(6464)；（d）采样图像3(3232)；（e）采样图像4(1616)；（f）采样图像5(88),同理，当图像的采样点数一定时，采用不同量化级数的图像质量也不一样。如下图所示，量化级数越多，图像质量越好，当量化级数越少时，图像质量越差，量化级数最小的极端情况就是二值图像，图像出现假轮廓。,不同量化级别对图像质量的影响（a）原始图像(256色)；（b）量化图像1(64色)；（c）量化图像2(32色)；（d）量化图像3(16色)；（e）量化图像4(4色)；（f）量化图像5(2色),一般，当限定数字图像的大小时,为了得到质量较好的图像可采用如下原则：（1）对缓变的图像，应该细量化，粗采样，以避免假轮廓。（2）对细节丰富的图像，应细采样，粗量化，以避免模糊（混叠）。对于彩色图像，是按照颜色成分红（R）、绿（G）、蓝（B）分别采样和量化的。若各种颜色成分均按8bit量化，即每种颜色量级别是256，则可以处理256256256=16777216种颜色。,4.4图像数字化设备图像数字化设备用于将模拟图像数字化成为数字图像。常见的数字化设备有数码相机、扫描仪、数字化仪等。4.4.1图像数字化设备的组成如前所述，采样和量化是数字化一幅图像的两个基本过程。即把图像划分为若干图像元素(像素)并给出它们的地址（采样）；度量每一像素的灰度，并把连续的度量结果量化为整数（量化）；最后将这些整数结果写入存储设备。为完成这些功能，图像数字化设备必须包含以下五个部分：(1)采样孔(Samplingaperture)：使数字化设备能够单独地观测特定的图像元素而不受图像其他部分的影响。(2)图像扫描机构：使采样孔按照预先确定的方式在图像上移动，从而按顺序观测每一个像素。,(3)光传感器：通过采样孔检测图像的每一像素的亮度，通常采用CCD阵列。(4)量化器：将传感器输出的连续量转化为整数值。典型的量化器是A/D转换电路，它产生一个与输入电压或电流成比例的数值。(5)输出存储装置：将量化器产生的灰度值按适当格式存储起来，以用于计算机后续处理。,4.4.2.图像数字化设备的性能虽然各种数字化设备的组成不相同，但可从如下几个方面对其性能进行比较。1)像素大小采样孔的大小和相邻像素的间距是两个重要的性能指标。如果数字化设备是在一个放大率可变的光学系统上，那么对应于输入图像平面上的采样点大小和采样间距也是可变的。2)图像大小图像大小即数字化设备所允许的最大输入图像的尺寸。,3)线性度对光强进行数字化时，灰度正比于图像亮度的实际精确程度是一个重要的指标。非线性的数字化设备会影响后续过程的有效性。能将图像量化为多少级灰度也是非常重要的参数。图像的量化精度经历了早期的黑白二值图像、灰度图像及现在的彩色及真彩色图像。当然，量化精度越高，存储像素信息需要的字节数也越大。,4)噪声数字化设备的噪声水平也是一个重要的性能参数。例如，数字化一幅灰度值恒定的图像，虽然输入亮度是一个常量，但是数字化设备中固有的噪声却会使图像的灰度发生变化。因此数字化设备所产生的噪声是图像质量下降的根源之一，应当使噪声小于图像内的反差点(即对比度)。,5灰度直方图,5.1直方图的基本概念如果将图像中像素亮度（灰度级别）看成是一个随机变量，则其分布情况就反映了图像的统计特性，这可用ProbabilityDensityFunction(PDF)来刻画和描述，表现为灰度直方图（Histogram）。灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中每种灰度出现的频率，如下图所示。灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率，它是图像最基本的统计特征，反映了图像灰度分布情况。,图像灰度直方图,频率的计算公式为：,式中ni是图像中灰度为i的像素数，n为图像的总像素数。,Lena图像及直方图（a）Lena图像；（b）Lena图像的直方图,5.2直方图的性质（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），而未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。（2）任一幅图像，都能惟一地确定出一幅与它对应的直方图，但不同的图像，可能有相同的直方图。也就是说，图像与直方图之间是多对一的映射关系。如下图就是一个不同图像具有相同直方图的例子。,图像与直方图间的多对一关系,（3）由于直方图是对具有相同灰度值的像素统计得到的，因此，一幅图像各子区的直方图之和就等于该图像全图的直方图，如下图所示。,直方图的分解,5.3直方图的应用,用于判断图像量化是否恰当一般而言，数字图像应当利用全部可能的灰度级。,利用直方图判断图像量化是否恰当,用于确定图像二值化的阈值,当物体部分的灰度值比其他部分灰度值大时，可利用直方图统计图像中物体的面积：,计算图像信息量H（熵）,式中n是图像像素总数，vi是灰度级为i的像素出现的频率。,5.3计算并显示直方图的matlab函数imhist,格式：imhist(I,n):用n个条显示灰度图象I的n个灰度直方图。默认参数如下：若I为灰度图象，则n=256；若I为二值图象，则n=2；imhist(X,map):显示索引图象X的直方图，直方图说明了像素值在颜色板map上的分布。counts,X=imhist()：返回直方图数值counts和位置X，再用stem(X,counts)可以显示直方图。运行如下例子：,closeall;I=imread(Forest.tif);subplot(2,3,1);subimage(I);subplot(2,3,2);imhist(I);X,map=imread(Forest.tif);subplot(2,3,4);imshow(X,map);subplot(2,3,5);imhist(X,map);subplot(2,3,6);nums,pos=imhist(I);stem(pos,nums);,6图像处理算法的形式,6.1基本功能形式按图像处理的输出形式，可将图像处理的基本功能分为三种形式：单幅图像单幅图像多幅图像单幅图像单/多幅图像数字或符号等,6.2几种具体算法形式6.2.1局部处理邻域：,局部处理（又称邻域处理）：在处理输入图像时，若某一像素IP(i,j)处的输出值JP(i,j)由其小邻域N(i,j)中各像素值确定，称为局部处理，又称邻域处理。如上图所示。其表达式为：,式中表示对（i，j）邻域的像素进行某种运算。图像的空域平滑和锐化都属于局部处理。,4邻域,8邻域,在局部处理中，当邻域N(i,j)仅包含IP（i，j）像素时称为点处理，其表达式为：图像对比度增强、二值化等属于点处理。若输出值JP(i,j)取决于输入图像较大范围或整幅图像像素值，则称为大局部处理，其表达式为：图像的傅立叶变换属于全局处理。,6.2.2叠代处理反复对图像进行某种运算直至满足给定条件，从而得到输出图像的处理形式。如图像的聚类分析。6.2.3跟踪处理选择满足适当条件的像素作为起始像素，检查输入图像和已得到的输出结果，求出下一步应该处理的像素，进行规定的处理，然后决定是继续处理下面的像素，还是终止处理。这种形式称为跟踪处理。特点：处理结果同起始像素位置有关由于利用了以前的处理结果，提高了效率用于边界、等高线等线的跟踪6.2.4位置不变处理和位置可变处理输出像素值JP(i,j)与像素位置(i,j)无关的处理称为位置不变处理或位移不变处理。否则，称为位置可变处理或位移可变处理,6.2.3窗口处理和模板处理窗口处理：对图像中选定的矩形区域内的像素进行处理的形式。模板处理:为了处理任意形状的区域，采用和待处理图像大小相同的二维数组预先存储该区域信息，此二维数组称为模板平面。将此模板平面作为参照，对原图像进行的处理称为模板处理。若模板为矩形区域，则与窗口处理有相同的效果。但窗口处理不必设置模板平面。6.2.4串行处理和并行处理串行处理：后一像素的处理结果依赖于前一像素的处理结果，且只能依次处理各像素而不能同时对各像素进行相同处理的处理形式。并行处理：对图像各像素同时进行相同形式处理的处理形式。,7.1图像的数据结构常用的数据结构有：1）二维数组将图像各像素的灰度值以二维数组形式存储是计算机图像处理程序中最常用的图像数据存储方法。对于彩色图像,则需采用三个二维数组,分别存储红、绿、蓝三个波段的图像数据。,7图像的数据结构及特征,2）一维数组若将二维图像数组按某一顺序赋予一维连续号码,则能将二维图像数据存储在一维数组中。实际上,二维图像数组在计算机内的存储就是按由上到下,由左到右逐行连接得到一维数组进行存储的。,3）组合方式一个字长存放多个像素灰度值。可以节省内存，但导致计算量大，处理程序复杂,因为当需要作处理运算时,需要先将组合在一个计算机字中的多个像素分解为每个计算机字一个像素的形式,才能作处理运算。4）比特面方式按比特位存取像素，即将每个像素的相同比特位用一个二维数组表示，形成比特面。5）分层结构由原始图像开始依次构成像素越来越少的图像，就构成了一种由一系列清晰程度不同的图像组成的分层性结构,其中有代表性的是锥形结构。,锥形结构的构成方法是:对2k2k像素的原始图像I0,令其相邻的22个像素合并,并取其平均灰度值作为合并后新像素的灰度值,构成一幅2k-12k-1像素的图像I1。重复上述过程,可以依次构成2k-22k-2像素的图像I2,依此类推,最终可得到2k2k2020个像素的一系列图像,如下图所示。也就是说,这些图像是由原图像I0按行、列分辨率不断减半的方式产生的。,锥形结构的图像系列是一组分辨率由粗(低)到精(高)的同一图像。分辨率粗的图像数据量小,对其处理时可大幅度节省处理时间。利用这一特点,在处理具有锥形结构的图像时,可先对像素少(分辨率粗)的图像进行处理,然后根据需要,再局部性地对较精或最精的图像的对应位置作处理。这种先粗后精,对精度高的图像限定处理范围的方法,可达到提高处理效率的目的。6）树结构对一幅图像的行、列不断二等分。若被分割部分的图像中全体都具有相同特征，则这部分不再分割。因此，可将图像用四叉树结构表示。,7）多重图像数据存储在彩色图像（红、绿、蓝）或同一对象的多波段图像中，各个像素包含多个图像信息。因此，可以采用如下存储方式：逐波段存储。分波段处理时采用；逐行存储。行扫描记录设备采用；逐像素存储。分类时采用。,7.2图像的特征,7.2.1图像的特征图像特征是图像分析的重要依据。它可以是视觉能分辨的自然特征，也可以是人为定义的人工特征。1）自然特征光谱特征几何特征时相特征2）人工特征直方图特征灰度边缘特征线和角点特征,纹理特征,7.2.2特征提取获取图像特征信息的过程称为特征提取。7.2.3特征空间,作业：1、P40t14,