Image Processing——图像处理教程（一）

写在前面：本教程由西安电子科技大学 电子工程学院 全光吉教授学院选修课《视频图像处理》英文讲稿修改而来。本博客做了相关内容的翻译和些许修改。在必要的地方对教程涉及到的代码进行了解释。

Chapter 1 Introduction

一、课本与参考书籍
《Introduction to Digital Image Processing with MATLAB》
PDF版下载链接：http://download.csdn.net/download/ZhuolovLing/1715334
《Digital Image Processing》
PDF版下载链接：
https://www.ebookee.net/Digital-Image-Processing-3rd-Edition_1863898.html

二、正式开始：如何衡量图像处理的好坏程度

2.1客观评价标准

引入概念：
MSE（Mean Squared Error）均方误差

PSNR（Peak Signal to Noise Ration）峰值信噪比

通常在经过影像压缩之后，输出的影像通常都会有某种程度与原始影像不一样。为了衡量经过处理后的影像品质，我们通常会参考PSNR 值来认定某个处理程序够不够令人满意。
有关峰值信噪比的详细知识可以在下面的网站得到：
http://fengzirufengsifeng.blog.163.com/blog/static/2182150222013467127148/

2.2主观评价标准

引入概念：

结构相似性 SSIM（Structure Similarity）

结构相似性是一种衡量两张图片相似性的评价指标，通常评价的两张图片，一张是未经处理的原始图片，另一张是经过图像处理的失真图片。SSIM在衡量图片质量方面有着出色的表现，详情可以参考百度百科：https://baike.baidu.com/item/SSIM/2091025?fr=aladdin

三、 图像处理的应用

图像处理都有哪些应用呢？
图像锐化（Image Sharpening）
图像去噪（noise removal）
图像超分辨（Super Resolution）
图像边缘检测（edge-detection）
等等

四、 图像采样与数字图像的获取

在做数字图像处理之前，我们首先要获得一份数字图像的样本。
4.1 信号的采样
我们首先来复习一下关于信号采样的相关知识。
对于一个一维连续信号，比如随时间变化的正弦信号
x(t) = sin(t)
第一次，在一个周期内取10个采样点，第二次，在一个周期内取100个采样点。之后我们将采到的数据点画出来，并将其看做是对原始信号的一个复原。常识告诉我们，在一个周期内采100个点有很大概率比采10个点的效果要好得多。
前人已经将采样信号能否复原原始信号的规律总结了出来，即奈奎斯特采样定律：若要完全复原原始信号，采样的频率至少要为信号最大频率的2倍。
详细介绍在奈奎斯特定理

4.2 低通滤波器
下面介绍低通滤波器（Low-pass filter LPF）。
低通滤波器允许频率低于截止频率（cutoff frequency）的信号通过，并将高于截止频率的信号以相应的衰减。低通滤波器的频率响应将取决于它的具体设计。低通滤波器在音频处理领域通常还被叫做高截止滤波器或三倍截止滤波器。此外，低通滤波器是高通滤波器的组成之一。

4.3 数字图像的获取
CCD 相机
平板扫描仪（Flat-Bed Scanner）
X射线成像与计算机断层成像（CT）

4.4 数字图像的数学描述

我们或许可以把一张平面图片想象成一个二元函数 f(x,y)。一个（x，y）有序实数对可以确定图像上任意一点，它确定的函数值代表了该处像素值的明暗程度，它可是以任意的正实数。
当然我们考虑到任意的实数所占的空间实在是太大了，对于计算机处理可能并不是一个好主意，而且将函数区间分的无限小似乎也没有太多必要，因为无论是人类的视觉辨识能力或者计算机的处理精度都是有上限的。
通常来说，我们倾向于将像素值的明暗程度等分到某一个合适的区间（即，做一系列离散采样），既不太影响计算机处理的精度，也不会对人们的视觉感受造成太大的失真。
比如，对于灰度图片来说（灰度图片的像素点在纯黑和纯白之间变化，没有别的颜色），我们常采取这样的方案：

0.0 (black), 0.003921, 0.007843, … , 1.0 (white)

0/255 (black), 1/255, 2/255, …, 255/255 (white)

0 (black), 1, 2, …, 255 (white)

即f(x,y) 的值只取1到256之间的整数，而且像素点从0（全黑）变化到255（全白）。这样做的好处之一就是每个点的像素值用一个字节（Byte）8个bit就可以表示。

这是对上图所做的离散化处理并用MATLAB画出f(x,y)的函数图像。

因此，我们可以认为，数字图像就是原始图像采样点组成的一个大矩阵。矩阵中的每个元素成为一个像素（Pixel）。

4.5 低通滤波器的MATLAB实现
先占坑，勘察好资源再写

五、再谈图像处理领域分类

5.1 图像增强

5.1.1 图片锐化、散焦图片的去模糊
5.1.2 边缘高亮标注
5.1.3 增强图像对比度、高亮度处理
5.1.4 图像去噪

5.2 图像重构（图像修复）

5.2.1 图像去模糊，由线性运动造成
5.2.2 去光学畸变
5.2.3 去周期性噪声

图像去雨（deraining）
去隔行（deinterlacing）
去马赛克（demosaicking）
图像超分辨（super-resolution）
图像分割（Image Segmentation）