导图社区 数字图像处理基础与应用(前四章读书笔记)
这个是《数字图像处理》前四章概念的总结。重点介绍了数字图像的基本概念、数字图像增强、数字图像去噪。本书基础部分适用于本科生教学,深入部分则适合研究生的学习。同时,为了便于读者理解,书中对基础算法安排了算例实现,适用于图像处理应用工程人员及科研人员参考。
23种经典设计模式,按照创建型、结构型、行为型、创建型、结构型几大类进行了系统梳理,每种模式都有具体内容关联,有助于读者快速掌握设计模式。
大模型微调与对齐技术(SFT DPO RLHF LoRA),涵盖核心目标、参数高效微调技术(PEFT)、微调与对齐方法、方法对比、LLaMA Factory实战要点、应用场景建议以及面试/简历关键词等方面,适合用于技术研究、项目实践以及求职准备等场景。
随机过程在数学、科学和工程中有着越来越广泛的应用。本书包括随机过程一些基本而又重要的内容:条件期望,Markov链,Poisson过程和Brown运动;同时也包括Ito积分和随机微分方程等应用范围越来越广的内容。
社区模板帮助中心,点此进入>>
论语孔子简单思维导图
《傅雷家书》思维导图
《童年》读书笔记
《茶馆》思维导图
《朝花夕拾》篇目思维导图
《昆虫记》思维导图
《安徒生童话》思维导图
《鲁滨逊漂流记》读书笔记
《这样读书就够了》读书笔记
妈妈必读:一张0-1岁孩子认知发展的精确时间表
数字图像处理基础与应用 (读书笔记)(前四章)
第 1 章 引言
图像的基本概念
图像是对客观存在物体的一种相似性的生动模仿与描述,是物体一种不完全的、不精确的但在某种意义下适当的表示。
图像按表述方式的分类
物理图像:物质或能量的实际分布。
数字图像:用数字阵列表示的图像。因此,在数学模型上可用矩阵表示。
数字阵列中的每个数字,表示数字图像中的一个最小单位,称为像素。shu'zi'tu数字图像可以是物理图像也可以是虚拟图像。
数字视频:用一个三维的数据集合来表示的图像。
三维图像:连续播放数字图像的序列。
数字图像处理系统
数字图像处理包括图像的采集与处理两个环节。
光源包括人造光源和自然光。
光源与对象物的位置关系
背光光照
正面光照
斜射光照
数字图像处理一般指静态图像的处理。数字视频的处理基于帧内和帧间图像的处理。
计算机视觉指能够理解自然景物的系统。
静态数字图像处理
从图像到图像处理
从图像到非图像的决策处理
数字视频处理
相似类聚
行为分析
数字图像处理的主要研究内容
图像的数字化
图像的增强
图像的几何变化
图像的恢复
图像的隐藏
图像的变换
图像的编码
图像的识别与理解
图像的三维重建
数字视频内容分析与理解
视频中运动目标检测与跟踪
视频中运动目标行为自动分析
第 2 章 数字图像的基本概念
数字图像的基本概念
采样:将空间上连续变化的图像变换成离散采样点(像素)集合的操作。
图像分辨率:采样所获得的图像总像素的多少。
采样密度:图像上单位长度所包含的采样点数。
采样频率:1s内的采样次数。
扫描分辨率:表示一台扫描仪输入图像的细微程度,指每英寸扫描所得到的点,单位是DPI(Dot Per Inch).
量化:就是把采样点上表示亮暗程度的量离散化后,用数值来表示。表示亮暗程度的量化值为灰度值或灰阶(Gray Level)。由于人眼分辨率一般取值用8bit,0~255表示。
数字图像的值描述
二值图像:每个像素不是黑就是白,其灰度值没用中间过滤的图像。
灰度图像:每个像素的信息由一个量化后的灰度级来描述的数字图像,灰度图像中不包含彩色信息。标准灰度图像中的每个像素的灰度由一个字节表示。
彩色图像:根据三原色成像原理来实现对自然界中色彩进行描述。
数字图像的位图文件结构
BMP位图文件的总体结构
位图头文件(Bitmp-file Header)
位图信息头(Bitmap-information Header)
调色板(Color Table)
图像数据(Image Date)
索引色图像:位图的图像数据区存放的颜色的索引值,根据索引值在调色板中找到相应的颜色,就是该点的色彩。
BMP位图文件的各结构的具体数据项
数字图像的灰度直方图
灰度直方图的概念
灰度直方图:关于灰度分级的函数,是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素,按照灰度值大小,统计其所出现的频度。通常,横坐标表示灰度值,纵坐标表示像素个数,也可采用某一灰度值的像素数占全图像素数的百分比作为纵坐标。
灰度直方图的性质
1.灰度直方图表征了图像的一维信息。直方图是一幅图像中各像素灰度值出现的次数(或频度)的统计结果,它只反映该图像中不同灰度值的出现次数(或频数),而未反映某一灰度值像素所在的位置。灰度直方图丢失了位置信息。 2.灰度值方图与图像之间打关系是多对一的映射。任一幅图像都可以唯一的确定出一幅与之相对应的直方图,但不同的图像可能对应着相同的直方图。因此,灰度直方图通常用于对图像的定性分析。如同一场景中若干个视频帧中,运动目标位置虽然发生了变化,但临近几帧的灰度直方图却是相同的。这一特征可用于对视频帧进行镜头分割。 3.子图直方图之和为征途直方图子图直方图之和为整图直方图。
第 4 章 数字图像去噪
相机拍摄到的图像一般都因受某种干扰而含有噪声,由于噪声的随机性及图像信号在空间、时间按上的相关性,噪声对某一像素点的影响将使其灰度和邻点的灰度显著不同,或帧间对应点的灰度显著不同。
图像噪声
从反映在图像上可分为: 椒盐噪声:幅值基本相同,但出现位置随机。 高斯噪声:图中每一点均存在噪声,但噪声但噪声的幅值是随机的。
从噪声的分布大小的分布统计来看,其密度函数有高斯型、瑞丽型,分别称为高斯噪声和瑞丽噪声,又如频谱分布均匀的噪声称为白噪声。
均值滤波
均值滤波实际上就是用均值替代原图像中的各个像素值。 图像滤波的均值方法是为当前待处理的像素选择一个模板,该模板由其近邻的若干个像素构成,用模板中的像素的均值来替代原像素的值。 均值滤波对高斯噪声的效果较好,对椒盐噪声的效果不理想。另外均值滤波方法有一个致命的缺点,就是会使景物边缘变得模糊,造成景物清晰度降低,画面变得模糊。
中值滤波
中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。设置含有奇数个数据的滑动模板,对模板中的数据由小到大排序,取排在中间位置的数据作为最终的处理结果。 中值滤波对椒盐噪声的处理效果较好。模板取太大也会使图像清晰度降低。
边界保持类平滑滤波
在平滑处理的同时,检测出景物的边界,然后只对噪声部分进行平滑处理的操作。 核心思想:设置一个模板,如果模板中的像素同属于一个区域,则模板中不包含边界像素,可以进行平滑处理;如果模板中的像素属于至少两个不同区域,则模板中包含边界像素,要对其进行保持,不进行平滑处理。 判断模板中的像素是否属于同一个区域的常用方法是计算模板中所有像素的灰度方差,如果方差大,则表明模板像素属于不同区域的可能性大,如果方差小,则模板中像素属于同一区域的可能性大。
K近邻均值滤波
核心:在一个与待处理像素近邻的范围内,寻找出其中像素值与之最接近的K个邻点,用该K个邻点的均值替代原像素值。
对称均值滤波
对称近邻滤波器的核心思想是,在一个局部范围内,通过几对对称点像素值的比较,获得对相同区域及不同区域的判别,之后将均值计算在所判定的同一个区域进行,这样可以在边界保持更加灵活的同时有降低计算量。
西格玛(∑)均值滤波
西格玛均值滤波是根据模板中的像素值的统计特征来进行边界保持平滑滤波的。
灰度图的形态学滤波
灰值腐蚀滤波
灰值膨胀滤波
灰值开运算滤波
灰值闭运算滤波:对图像先进行灰值膨胀滤波,再进行灰值腐蚀滤波。
第 3 章 数字图像增强
图像的灰度增强是指通过一定的处理方法,提高图像中的亮暗对比度,由此加大亮暗差异的目标特征。由于灰度级有限,图像灰度增强处理的核心思路是通过抑制非重要目标的信息来增强重要目标的信息。
线性对比度展宽
对比度作为分析图像质量的依据,简单的讲,它是亮与暗的对比程度。对比度表示了从黑道白的渐变层次。对比度越大,从黑到白的渐变层次就越多,灰度的表现能力越丰富,图像越清晰醒目。而对比度越小,图像清晰度越低,层次感越差。
非线性动态范围调整
直方图均衡化方法
Retinex图像增强方法