图像处理(第3章).pptVIP

第三章 图像运算 本章要点： 图像的点运算 图像的代数运算 图像的几何运算 图像的邻域操作 3.1 图像的点运算 3.1.1 概述 点运算，也称为对比度增强、对比度拉伸或灰度变换，是一种通过对图像中的每个像素值进行计算，从而改善图像显示效果的操作。 点运算常用于改变图像的灰度范围以及分布，是图像数字化及图像显示的重要工具。 图像的点运算 点运算不会改变图像内像素点之间的空间关系。设输入图像为A（x，y），输出图像为B（x，y），则点运算可表示为： B（x，y）= f [A（x，y）] 点运算完全由灰度映射函数 f 决定。根据 f 的不同可以将图像的点运算分为线性点运算和非线性点运算两种。 3.1.2 线性点运算 灰度映射函数 f为线性函数时的运算。 用DA表示输入点的灰度值，DB表示相应输出点的灰度值，则函数 f的形式如下： f（ DA）= a DA+ b = DB （P39 图3.1 线性点运算） 除了调节图像的对比度以外，还有一种典型的线性点运算的应用：灰度标准化。 （P39 公式3.2 3.3 3.4） 3.1.3 非线性点运算 非线性点运算对应于非线性的灰度变换函数。常用的非线性灰度变换函数包括平方函数、对数函数、窗口函数、阈值函数、多值量化函数等。 P40 图3.3常用的非线性灰度变换函数 阈值化处理是最常用的一种非线性点运算，它的功能是选择一阈值，将图像二值化，然后使用生成的二进制图像进行图像分割及边缘跟踪等处理。 直方图均衡化也是一种常用的非线性点运算。直方图均衡化是指将一个已知灰度分布的图像使用某种非线性灰度变换函数进行计算，使运算结果变成一幅具有均匀灰度分布的新图像 3.1.4 MATLAB的点运算实现方法 MATLAB图像处理工具箱没有提供对图像进行点运算的函数，而将图像的点运算过程直接集成在某些图像处理函数中（例如，直方图均衡化函数histeq，imhist）。 如果希望对图像进行点运算处理，那么可以充分MATLAB强大的矩阵运算能力，对图像数据矩阵调用各种MATLAB计算函数进行处理。 NOTE：由于MATLAB不支持UINT8类数据的矩阵运算，所以首先要将图像数据转换为双精度类型，计算完成后再将其转换为UINT8类型。 function diffraction01(L,dx,Lxx,Lyy,theta) % rect diffraction 单缝衍射041025 is ok! [x,y]=meshgrid(-L:dx:L);% L=125,dx=2,Lxx=8,Lyy=5,theta=45 n=length(x) f=zeros(n); d=abs(x)Lxxabs(y)Lyy; f(d)=1; subplot(2,2,1),imshow(f) k=imrotate(f,theta,bilinear,crop); subplot(2,2,3),imshow(k) F=fft2(f,256,256); F=fftshift(F); Fm=log(abs(F)); subplot(2,2,2),imshow(Fm,[-1 5]), colormap(jet),colorbar K=fft2(k,256,256); K=fftshift(K); Km=log(abs(K)); subplot(2,2,4),imshow(Km,[-1 5]) %this is ok !! 3.2 图像的代数运算 3.2.1 概述 图像的代数运算是图像的标准算术操作的实现方法，是两幅输入图像之间进行点对点的加、减、乘、除运算后得到输出图像的过程。 如果设输入图像为A（x，y）和B（x，y），输出图像为C（x，y），则图像的代数运算有如下四种形式： C（X，Y） =A（x，y） +B（x，y） C（X，Y） =A（x，y） - B（x，y） C（X，Y） =A（x，y） *B（x，y） C（X，Y） =A（x，y） /B（x，y） 图像的代数运算在图像处理中有着广泛的应用 它可以实现自身所需的算术操作，还能为许多复杂图像处理提供准备。 例如，图像减法就可以用来检测同一场景或物体生成的两幅或多幅图像的误差。 图像处理工具箱包含了一个能够实现所有非稀疏值数据的算术操作的函数集合。 P42 表3.1图像处理工具箱中的代数运算函数 NOTE：两幅输入图像的大小应相等，且类型相同。 3.2.2 图像的加法运算 图像相加一般用于对同一场景的多幅图像求平均效果，以便有效地降低具有叠加性质的随机噪声。 直接采集的图像品质一般都较好，不需要进行加法处理，但是对于那些经过长距离模拟通讯方式传送的图像（如卫星图像），这种处理是比不可少的。 在MATLAB中，如果要进行两幅图像的加法，