数字图像处理

1 绪论

2 数字图像基础

3 灰度变换和空间滤波

直方图均衡化是非线性变化

3.5 平滑空间滤波器

低通滤波器

3.6 锐化空间滤波器

高通滤波器

• 零交叉点对于边缘定位是非常有用的。

4 频率域滤波

轮廓和边界在频率域体现为高频成分，其他能量分布在低频成分

5 图像复原与重建

5.11.2 计算机断层（CT）原理

X射线计算机断层的目的是使用X射线从许多不同的方向穿过物体而得到该物体内部结构的三维描述。

6 彩色图像处理

图像处理领域彩色的运用主要受到两个因素的推动

• 彩色是一种强有力的描绘因子，它可以简化对场景中目标的识别和提取。
• 人眼可以辨别几千种彩色色调和亮度，但相比之下只能辨别几十种灰度。彩色在人工图像处理中十分重要。

6.1 彩色基础

6.2 彩色模型

6.2.1 RGB彩色模型

RGB的取值范围[0，255]

6.2.2 HSI彩色模型

• H 色调 ： 颜色
• S 饱和度 ： 彩色中包含白光的多少。白光对多，饱和度越小。
• I 亮度 ： 感受到的光强度
  
  
  

6.2.3 RGB转换HSI

7 小波和多分辨率处理

与基函数为正弦函数的傅里叶变换不同，小波变换给予一些小型波，成为小波，它具有变化的频域和有限的持续时间。这就允许他们为图像提供一张等效的乐谱，该乐谱不但显示了要演奏的音符（或频域），而且显示了演奏这些音符的时间。另一方面，傅里叶变换只能提供音符或频域信息，时间信息在变换过程中丢失了。

7.1 背景

图像金字塔&创建近似和预测残差金字塔的一个简单系统

总结：原始图片经过Level 0 层和预测残差金字塔得以完全恢复。提高了图片传输效率。

8 图像压缩

8.1 基础知识

8.1.1 编码冗余

在多数二维灰度阵列中，用于表示灰度的8比特编码所包含的比特数要比表示该灰度所需要的比特数多。

8.1.2 空间和时间冗余

8.1.3 不相关信息

8.1.4 LZW编码

8.1.5 行程编码

8.1.6 块变换编码

压缩编码举例

• 对一副大小为1024*1024，熵为5.3比特/像素的8比特图片进行霍夫曼编码，编码后每个编码的平均长度为5.5比特/像素，所期望的最大压缩率为8/5.3=1.5，但实际压缩率为8/5.5=1.45，采用霍夫曼编码的效率为1.45/1.5=97%。霍夫曼编码不能达到所期望的压缩率，原因是它只能消除编码冗余，不能消除空间冗余。
• 基于这种情况，为了取得更大的压缩率，我们需要建立相邻像素之间的关系，通过消除空间冗余来达到压缩的母的。

JPEG编码

• 编码步骤
  （1）将RGB图转换为YCbCr图
  （2）按像素分成8*8的区域
  （3）进行离散余弦变换（DCT）
  （4）量化
  （5）Z字型编码，哈夫曼编码

• 解码步骤
  （1）逆哈夫曼编码，逆Z字型编码
  （2）逆量化
  （3）逆离散余弦变换
  （4）将YCbCr转换为RGB图像

8.2 一些基本的压缩方法

8.2.1 霍夫曼编码

8.2.2 Golomb编码

8.2.3 算术编码