图像处理与识别-12复习课件

1、 Email：fengjun7171:8821/User: Student.feng2010. 12 图像处理与识别Digital Image Processing & Recognition 主讲人： 封筠 石家庄铁道大学信息学院1实验四：边缘检测与图像识别实验目的 （1）了解图像分割的常用方法，熟悉掌握经典的边缘检测技术 ；（2）理解图像识别的实现流程，针对手写数字图像，实现一种简单特征提取方法；（3）验证实现两种经典分类方法（即贝叶斯分类、近邻分类），并针对所给出的手写数字样本，比较分析识别性能 ； （4）进一步熟悉Matlab语言及图像处理工具箱IPT。实验类型：设计性2实验四：边缘检

2、测与图像识别实验内容 （1）图像边缘检测 a. Roberts算子 b. Sobel算子 c. Prewitt算子 d. LOG算子 e. Canny算子3实验四：边缘检测与图像识别实验内容 （2）手写数字识别 a.简单手写数字特征提取 b.基于最小错误率的贝叶斯分类 c. 近邻分类4实验四：边缘检测与图像识别实验步骤 图像边缘检测对man.bmp(或cell.bmp)图像利用常用的梯度算子与二阶微分算子检测边缘，比较不同算子优缺点。edge函数的一般语法：g,t=edge(image,method,threshold,direction)其中image为输入图像，method为采用的方法类型

3、；threshold为阈值，如果给定阈值，则t= threshold，否则由edge函数自动计算出来并把其值返回给t，direction为所寻找边缘的方向，其值为horizontal，vertical，both，默认为both ，g为返回的二值图像。5实验四：边缘检测与图像识别Matlab程序：f=imread(man.bmp);subplot(2,3,1);imshow(f);title(原始图像);g,t=edge(f,roberts,both)subplot(2,3,2);imshow(g);title(Roberts算子分割结果);g,t=edge(f,sobel,both)subpl

4、ot(2,3,3);imshow(g);title(Sobel算子分割结果);g,t=edge(f,prewitt,both)subplot(2,3,4);imshow(g);title(Prewitt算子分割结果);g,t=edge(f,log)subplot(2,3,5);imshow(g);title(LOG算子分割结果);g,t=edge(f,canny)subplot(2,3,6);imshow(g);title(Canny算子分割结果);实验步骤 7实验四：边缘检测与图像识别实验步骤 简单手写数字特征提取 在每个数字图形上定义一个NN模板，将每个样本的长度和宽度N等分，平均有NN个

5、等分，对每一份内的像素个数进行统计，除以每一份的面积总数，即得特征初值。可以根据需要进行修改，N值越大，模板也越大，特征越多，区分不同的物体能力越强，但计算量增加，运行等候的时间增长，所需要的样本库也成倍增加，一般样本库的个数为特征数的510倍，这里特征总数为55=25，每一种数字就需要至少125个标准样本，10个数字需要1250个标准样本。如果值过小，不利于不同物体间的区别。8实验四：边缘检测与图像识别实验步骤 基于最小错误率的贝叶斯分类实现10实验四：边缘检测与图像识别实验步骤 11实验四：边缘检测与图像识别实验步骤 编程代码：调用函数为：bayesleasterror.m命令行 clas

6、s=bayesleasterror (pattern(1).feature(:,1); fprintf(手写数字被识别为 : %dn,class); 说明：函数调用时，可对由绘图工具采集的手写数字测试样本进行识别，统计其识别率。12实验四：边缘检测与图像识别实验步骤 最近邻分类编程代码：调用函数为：neartemplet.m命令行 class=neartemplet(pattern(5).feature(:,1); fprintf(手写数字被识别为 : %dn,class); 说明：函数调用时，可对由绘图工具采集的手写数字测试样本进行识别，统计其识别率。（2） K近邻分类设计 根据K近邻思想，

7、参考neartemplet.m程序，设计实现K近邻分类器，并用所采集的手写数字测试样本进行识别，统计其识别率。14实验四：边缘检测与图像识别实验步骤 IPT演示练习 （1）利用图像分割检测目标（2）边缘检测（3）图像特征提取15实验四：边缘检测与图像识别实验步骤 17实验四：边缘检测与图像识别实验步骤 18实验四：边缘检测与图像识别实验步骤 19实验四：边缘检测与图像识别实验步骤 20实验四：边缘检测与图像识别实验步骤 21复习与习题讲解(2)22第二章图像和视觉基础2 考虑下图所示图像子集： 3 1 2 1(q) 2 2 0 2 1 2 1 1 (p)1 0 1 2 （1）令V=0,1，计算

8、p和q之间的D4， D8和Dm距离；（2）令V=1,2 ，仍计算上述3个距离。解：（1）在V=0,1时， p和q之间通路的D4距离为， D8距离为4，Dm距离为5。（2）在V=1,2时， p和q之间通路的D4距离为6， D8距离为4，Dm距离为6 。24第三章图像变换 3 已知为计算N点的FFT需要 次加法和 次乘法。问如计算1幅NN图的2-D FFT需要多少次加法和乘法？解：1幅NN图的2-D FFT可以分解成2个NN点的1-D FFT。所以计算1幅NN图的2-D FFT需要 次加法和 次乘法。25直方图规定化计算列表序号运算步骤和结果1列出原始图灰度级rk，k=0,1,7012345672

9、统计原始直方图各灰度级像素数nk3计算原始直方图0.1740.0880.0860.080.0680.0580.0620.3844计算原始累计直方图0.1740.2620.3480.4280.4960.5540.6161.005规定直方图00.4000.2000.46计算规定累计直方图00.4000.6001.07SSML映射111114478S确定映射对应关系0，1 ，2，3，415，64779S变换后直方图00.496000.12000.3847GGML映射111144478G查找映射对应关系0 ，1，2，314，5，64779G变换后直方图00.428000.188000.38427第四章

10、图像增强5 下图为某幅图像中一小部分（包括25个像素点），试对其作33的中值滤波处理（边缘像素不作处理），写出滤波思路及处理结果。271811155361241111522718128第四章图像增强答：中值滤波的思路如下：首先确定模板尺寸，然后从图像的左上角依次平移模板，完成对图像的卷积操作。以33模板为例说明每次的模板运算：对33模板中的9个像素值由小到大排列，最终待处理像素的灰度取这个模板中的灰度的中值（即为第5个像素的值），即为中值滤波，属于非线性滤波。应用中值滤波对滤除脉冲干扰及图像扫描噪声最为有效，并能较好地保护边缘轮廓信息，但对细节多的图像不宜采用中值滤波。对边界像素不进行处理的中

11、值滤波结果如下： 271811243361231112222718129第五章图像恢复6 成像时由于长时间曝光受到大气干扰而产生的图像模糊可以用转移函数表示。设噪声可忽略，求恢复这类模糊的维纳滤波器的方程。解：噪声可忽略时，维纳滤波器退化成理想的逆滤波器，所以30第六章图像压缩编码 7 一幅3030的图像共有4个灰度级：s1,s2,s3和s4，它们的概率依次为0.4,0.45,0.05和 0.1。请利用Huffman算法对其进行编码，并计算该图像的熵，指出对于该图像来说，无失真压缩的平均码长下界。（注： ） 31第六章图像压缩编码 解：Huffman编码过程示意图如下：在上图中先逐步完成两个小

12、概率的相加合并，然后反过来逐步向前进行编码，每一步有两个分支，各赋予一个二进制码，这里对概率大的赋码字1，概率小的赋码字0。 32第六章图像压缩编码信源符号出现概率码字码长S10.4112S20.4501S30.051003S40.11013编码后平均码长为： 图像熵为： 对于该图像来说，无失真压缩的平均码长下界为1.595445。 33第七章图像分割8 设1幅55二值图像中心有1个33正方形区域，该处的像素值均为0，其它位置处为1。请利用Prewitt算子计算这幅图像的梯度与，并根据 ，画出梯度幅度图。算子模板大小选为33。 （给出梯度幅度图中所有像素的值）。34第七章图像分割解：55二值图像为： Prewitt算子为平均差分算子。33大小的Prewitt算子模板为： 35第七章图像分割图像模板邻域计算公式为： 则这幅图像的水平方向的梯度（边缘像素不作处理）为： 36第七章图像分割垂直方向的梯度（边缘像素不作处理）为： 梯度幅度图为： 37第九章贝叶斯决策理论9 设在一维特征空间中两类样本服从正态分布， ，两类先验概率