图象处理的基础知识.pptVIP

例2.1，已知原始灰度图像，画出图像的灰度直方图。 图像的灰度直方图如下图所示: 2.5.2 直方图的性质 1.灰度直方图表征了图像的一维信息，不表示图像的空间信息，即图像所有的空间信息全部丢失了。 2.灰度直方图与图像之间的关系是多对一的映射关系。 一幅图像可以唯一确定其直方图，但不同图像可能具有相同的直方图。 3.子图直方图之和为整图的直方图。 两幅图像中偏暗象素和偏亮象素的个数均相同 由于直方图定义是灰度级上的象素个数，所以两幅图象的直方图完全相同，即无法从直方图本身看出象素的空间位置。 任意特定的图象有唯一的直方图，反之并不成立。 2.5.3 直方图的用途 由于直方图反映了图像灰度的分布情况，因此，虽然灰度直方图是一维信息，但是通常作为表征图像特性的信息而在图像处理中起着非常重要的作用。可以说，从对图像的观察与分析，到对图像处理结果的评价，都离不开直方图 。 1.评价成像条件（数字化的参数） 根据图像的灰度直方图，分析图像在成像过程（数字化过程）中是否合理地使用了灰度动态范围。一幅图像应该利用全部或几乎全部可能的灰度级，否则等于增加了量化间隔。丢失的信息将不能恢复。曝光不足或过度都是没有合理利用灰度范围，从而影响图像的清晰度。 2. 图像增强处理 根据图像的灰度直方图，设计灰度映射函数，实现处理后图像的像素尽可能充分地利用灰度动态范围，或将灰度映射到色彩空间，以不同的颜色强化图像的灰度变化。 3. 图像分割阈值选取 假设某图像的灰度直方图具有二峰性，则表明这个图像较亮的区域和较暗的区域可以较好地分离，取二峰间的谷点为阈值点，可以得到好的２值处理的效果。 灰度直方图具有二峰性 4. 进行图像压缩 利用图像的灰度直方图的统计信息，设计一种编码方案，让具有最多像素的灰度以最少的字长表示，从而用最少的数据量表达整幅图像，如Huffman编码算法。 2.6 图像像素间的基本关系 像素间基本关系的描述是基于像素邻域操作的算法的基础。近邻处理方法是许多图像增强和恢复技术的核心内容。 坐标为(x,y)的像素p有4个水平和垂直的相邻像素，坐标分别为: (x+1, y), (x-1, y), (x, y+1), (x, y-1)，这个像素集称为p的4邻域，用N4(p)表示。 2.6.1 像素邻域(neighbor) 1. 像素的4邻域 2. 像素的4个对角邻像素 坐标分别为: (x+1, y+1), (x-1, y-1), (x-1, y+1), (x-1, y-1)，用N D(p)表示。 3. 像素的8邻域 N4(p)+ N D(p) ，表示为N8(p) 。 像素间的连通性是一个基本概念,它简化了许多以数字图像概念的定义,如区域和边界.为了确定两个像素是否连通,必须明确它们是否相邻及它们的灰度值是否满足特性的相似性准则(或者说,是否相等). 2.6.2 邻接性、连通性、区域和边界 1. 邻接性 V是具有特定相似性准则的灰度值集合。在二值图像中如果把具有1值的像素归入邻接的,则V={1}.在灰度图像中概念是一样的．集合Ｖ一般包含更多的元素．可能是２５６个值的任何一个子集． 4邻接：若两个像素p和q的灰度值均属于V中的元素,且q在N4 (p)中,则像素p和q是4邻接的。 ２、8邻接：若两个像素p和q的灰度值均属于V中的元素,且q在N8 (p)中，则像素p和q是8邻接的。 　如果当前点的像素值为１，其４邻域像素中至少有一个像素点值为１，两者之间存在通路，称为４连接，如果８邻域像素中至少有一个点的像素值为１，称为8邻接。 2. 连通性 从具有坐标(x,y)的像素p到具有坐标(s,t)的像素q的通路特定像素序列，其坐标为： 并且像素(xi, yi)和(xi-1, yi-1)是邻接的。 这里(x0，y0)=(x，y)，(xn，yn)=(s，t)，并且像素(xi，yi)和(xi-1，yi-1)(对于1≤i≤n)是邻接的。在这种情况下，n是通路的长度。如果((x0，y0)=(xn，yn)，则通路是闭合通路。可以依据特定的邻接类型定义4或8邻接。 由不同通路形成不同种类的连通：4连通，8连通等 若 q, p ∈ T且存在一条由T 中象素组成的从p 到q 的通路，则称p在T 中与q 连通． 连通性 8连通 4连通 像素的邻接性和连通性用于研究像素之间的基本关系,是研 究和描述图像的基础,确定图像中两个像素是否连通有两个 条件: 1、确定它们之间是否存在某种意义上的相邻； 2、确定它们的灰度值是否相等或满足某个特定的相似性准则。 3. 区域 如果R是一个图像子集，且是一个连通集(connected set)，则称R为图像的一个区域(Region)。但通常ROI（Region of