数字图像处理中有关于卷积的应用.pptx

数字图像处理（matlab版）,第一章 基本原理 第二章 亮度变换和空间卷积 汇报人：faith,MATLAB的定义,MATLAB是矩阵实验室（Matrix Laboratory）的简称，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。 数字图像处理matlab：利用MATLAB图像处理工具箱进行数字图像处理的设计与应用，Matlab是标准的计算工具，图像处理工具箱是一个matlab函数集，它扩展了matlab解决图像处理问题的能力。,第1章 基本原理,1.1常用的运算符和数据及图像类函数 1.2读取和显示图像及保存图像 1.3矩阵索引,1.1常用的运算符和数据及图像类函数,1.2 读取和显示图像及保存图像,1.2.1 显示图像和读取图像 从磁盘里读取一幅文件名为A_2.jpg的图像，提取该图像的基本信息，并通过imshow将图像显示出来。 在matlab程序的command windows里输入如下： f=imread(A_2.jpg); whos f Name Size Bytes Class g 512x512x3 786432 uint8 array Grand total is 786432 elements using 786432 bytes Ps:当用imshow显示另一幅图像g时，MATLAB会在屏幕上用新图像替换旧图像并同时显示第二幅图像，可以使用figure函数： figure，imshow(g),1.2.2. 显示图像的基本信息,imfinfo A_3.jpg ans = Filename: A_3.jpg FileModDate: 22-Nov-2010 17:10:22 FileSize: 112284 Format: jpg FormatVersion: Width: 512 Height: 512 BitDepth: 24 ColorType: truecolor FormatSignature: NumberOfSamples: 3 CodingMethod: Huffman CodingProcess: Sequential Comment: ,其中字节数等于 Width *Height*BitDepth/8=512*512*24/8=786432 压缩比等于字节数除以文件尺=786432/112284=7.001 压缩比是在保持图像质量与要求一致的前提下得到的。除了在存储方面有明显的优势以外，这种压缩比在单位时间内传输的数据量大约是压缩前的7倍,1.2.3 保存图像,使用imwrite函数 输入 imwrite（f,patient10_run1,jpg） 或者imwrite（f,patient10_run1,jpg） 若filename中不包含路径信息，则imwrite将会将文件保存在 当前目录下。 另一种常用但只适用于JPEG图像的函数是imwrite，其语法为 输入 imwrite（f,filename.jpg,quality,q） 其中，q是一个在0到100的整数（由于JPEG压缩，q越小，图像的退化就越严重）。,1.2.4不改变像素值的情况下改变图片的大小,使用imwrite的参数 已知原图像f分辨率是128dpi,图像大小事512*512，尺寸为4.0*4.0英寸，我们希望把原图像缩小成为2*2英寸，但像素值保持512*512。 Imwrite（f,A_2.jpg,compression,none,resolution,10241024） res=round(512*4/2)=1024,1.2.5 图像类型,1 亮度图像 2 二值图像 3 索引图像 4 RGB图像,1.3 矩阵索引,大小512*512uint8类亮度图像f,输入fp=f(end:-1:1,:)，imshow(fp) 图像翻转180,其中-1代表的长度负号代表的是方向，1和end代表的是输出图像长度是和源图像等长，最后一个冒号（：）代表的意思是举例如下： A= 1 2 3 4 5 6 B= 7 8 9 A(1,:)=B 则A= 7 8 9 4 5 6,输入fc=f(129:384, 129:384); imshow（fc),是指取原图像的像素区间在129,384区段上的图像，fc的图像的实际大小只相当于原图像的1/4倍 这是在dpi(单位英寸内像素值) 不变的情况下图片的大小发生变化的同时只能看见原图像的局部。,fs=f(1:2:end, 1:2:end); imshow(fs),1:2:end 代表的意思是即原图像的长宽为512，用如上语句对图像进行了二次取样，长度为2，取样时每隔一个像素取一次，所以取样后的图像大小为256*256,输入plot(f(256,:); 所表达的意思是原图像中部的一条水平扫描线。,第2章 亮度变换和空间卷积,2.1 亮度变换 2.1.1亮度变换函数 2.1.2 对数与对比度变换拉伸 2.2 空间卷积,2.1 亮度变换,2.1 亮度变换 表达式： g(x,y)=Tf(x,y) 其中f(x,y)是输入图像，g(x,y)是处理后的图像，T是对f经行处理的操作符，其定义在(x,y)的邻域。 亮度变换函数s=T(r) 其中r是图像f相应点（x,y）是亮度，s表示图像g相应点（x,y）是亮度. 函数imadjust:是灰度图像进行亮度变换的基本IPT工具。其语法为： g=imadjust(f,low_in high_in,low_out high_out,gamma),此函数将图像f中的亮度值映像到g中的新值，即将low_in high_in之间的值映射到low_out high_out之间的值。Low_in以下与high_in以上的值则被剪切掉，函数imadjust的所有输入输出均指定在0到1之间，已知f是uint8类图像，则函数imadjust将乘以255来确定应用中的实际值，若high_out小于low_out，则输出亮度会反转。,参数gamma指定了曲线的形状，该曲线用来映射f的亮度值，以便生成图像g。若gamma小于1，则映射被加权至更高更亮的输出值，若gamma大于1，则映射被加权至更低更暗的输出值。若省略函数的参量，则gamma默认为1.,g1=imadjust(f,0 1,1 0); g2=imadjust(f,0.5 0.75,0 1) imshow(g1) imshow(g2) 或者g=imcomplement(f),左边的图像是明暗反转，可用于医学上显示病患的所在位置，右边的图像将0.5到0.75的灰度级扩展到0到1之间，为了刚好的突出我们感兴趣的亮度带。,g3=imadjust(f,10) imshow(g3),表达的意思是在gamma值等于10是输入和输出都默认在 (默认在0,1之间)，这样做的相比g2优势在于更加的压缩的灰度级的低端同事扩展了灰度级的高端。,2.1.2对数和对比度拉伸变换,对数与对比度拉伸变换是进行动态范围处理的基本工具，对数变换通过如下表达式实现： g=c*log(1+double(f) 其中，c是常数，该变换低值是0，高值是1.对数函数的形状是固定的，而gamma曲线的形状是可变的。 对数变换的主要的应用是压缩动态范围， 当执行一个对数变换时，我们通常期望将导致的压缩值还原为显示的全范围，如： gs=im2uint8(mat2gray(g); 使用函数mat2gray可将值限定在0,1内，使用函数im2uint8可将值限定在范围0,255内。,A所示的函数形式为 s=T(r)=1/(1+(m/r)E) r表示输入函数的的亮度，s表示输出函数的亮度值，E控制该函数的斜率，在matlab中，该式由如下语句对整幅图像完成操作： g=1/(1+(m/(double(f)+eps)E) eps可以避免f出现0值时时的溢出现象。输出值被缩放在范围0,1内。,输入g=im2uint8(mat2gray(log(1+double(f) imshow（g）,原图像,执行对数变换后的结果,2.2 空间卷积,数学中关于两个函数的一种无穷积分运算，是通过两个函数f 和g 生成第三个函数的一种数学算子，表征函数f 经过翻转和平移与g 的重叠部分的累积。 线性空间滤波又称为空间卷积 在执行线性空间滤波时，我们必须理解两个相关的含义，相关和卷积。相关是掩膜w在下图1图像f中移动的过程。卷积是相同的过程，只是在图像f中移动w前，要将w旋转180。,图1,图2,图3,图4,工具箱使用函数imfilter来实现空间卷积 g=imfilt(f,w, filtering_mode, boundary_opions，size_options) 如图3所示，f为输入图像，w为滤波掩膜，其他参数见图4. 函数imfilter的通用算法为 g=imfilter(f, w ,replicate) 取一幅double类的图像f，大小为512*512像素，再取一个大小为31*31的简单滤波器w 输入 w=ones（31）,使用默认0填充imfilter函数的结果,原图像,输入:fd=imfilter（f,w） imshow(fd),使用replicate对外边界的值来扩展 使用symmetric通过镜像来扩展,fr=imfilter(f,w,replicate);,fs=imfilter(f,w,symmetric);,通过将图像看成一个二维周期函数的 将原图像转换为uint8类图像然后 一个周期来扩展边界来扩展 再通过replicate复制外边界来扩展,fc=imfilter(f,w,circular); figure, imshow(fc,);,f8=im2uint8(f) ; f8r=imfilter(f8,w,replicate); imshow(f8r),visual studio中有关于卷积的应用,static void _convolveImageHoriz( _KLT_FloatImage imgin, ConvolutionKernel kernel, _KLT_FloatImage imgout) float *ptrrow = imgin-data; /* Points to rows first pixel */ register float *ptrout = imgout-data, /* Points to next output pixel */ *ppp; register float sum; register int radius = kernel.width / 2; register int ncols = imgin-ncols, nrows = imgin-nrows; register int i, j, k; /* Kernel width must be odd */ assert(kernel.width % 2 = 1); /* Must read from and write to different images */ assert(imgin != imgout); /* Output,image must be large enough to hold result */ assert