《数字图像处理教程（OPENCV版）》 课件全套 侯俊 Ch01 绪论、数字图像的基本概念和运算-Ch12 目标识别

数字图像处理教程第1章绪论数字图像与模拟图像

2024/5/621.1数字图像处理系统的组成2024/5/63实际场景在适当光源照射下产生反射光波或者物体本身发射电磁波传感器接收到反射光波或物体本身发射的电磁波，并将接收到的信号数字化后输出给图像处理设备图像处理设备指配置适当软件、硬件的处理设备，该设备可根据指定用途将图像显示、存储或者经后期算法处理达到特定目的1.2电磁波谱与可见光数字图像处理主要图像源是电磁波谱电磁波大致分类如下：无线电波、微波、红外波段、可见光波段、紫外波段、X射线波段以及伽马射线等可见光波段人眼可见，呈现色彩，可见光波段波长由长变短依次分为：红橙黄绿蓝青紫光学传感器获得的非可见光波段信号无色彩，需要将信号强度转化为图像灰度或者赋予色彩，将信号用图像这种直观的方式表示2024/5/641.2电磁波谱与可见光无线电波波段成像主要用于医学和天文学在天文观测中星星和气体的排放会发送无线电波，这种能量最低的射线可以显示电子和氢气的分布。医学中无线电波波段用于核磁共振成像（MRI），该技术是病人放在强磁场中，并让无线电短脉冲通过病人的身体，脉冲引发人体组织产生响应脉冲，根据接收到的响应脉冲强度绘制出的二维剖面图像2024/5/651.2电磁波谱与可见光微波是频率在300MHz~300GHz，用于天文观测、生物组织成像、遥感等，自动驾驶中所用的雷达波成像就是微波成像与无线电波相比，微波具有频率高、频带宽、信息容量大、波长短、方向性好等特点微波可以穿透冰层，受云雨影响小，能够穿透烟雾，因而可以探测植被、沙漠、冰层的下方，这使得微波遥感图像在多云多雨地区、灾后生态环境较差地区、森林火灾地区具有突出的优势2024/5/661.2电磁波谱与可见光红外波成像无需外部光或热源就可获得完整的热排放量被动影像，用于天文、夜间辅助驾驶、安防监控、交通监控、军事设备全天候全视系统、遥感、生物检测、地质勘探波长由高到低依次可细分为远红外波、长波红外波、中波红外波、短波红外波和近红外波红外热成像位于长波、中波二个波段，在这个波段的感测器不需要外部光或热源就可获得完整的热排放量被动影像短波红外波成像与可见光类似，用于被动获取目标信息。短波红外波用于遥感成像和地面灾害检测、矿物质勘测、农产品质量检测等2024/5/671.2电磁波谱与可见光光波段图像是最常见的，无需处理人眼就可直接看到彩色图像，这一波段的成像应用领域之广远超其它波段，广泛应用于遥感、天文、工业检测、娱乐等各个方面2024/5/681.2电磁波谱与可见光紫外线波长100nm~400nm，应用包括平板印刷术、工业检测、显微镜方法、激光、生物成像和天文观测等2024/5/691.2电磁波谱与可见光X射线最早用于成像的电磁波辐射源之一。医学中的血管造影用的就是X射线成像，将显影剂注入血管里，因为X光无法穿透显影剂，这样可以消除骨骼和软组织影像，使血管清晰显，血管造影正是利用这一特性，通过显影剂在X光下所显示的影像来诊断血管病变。如冠状动脉造影图。CT就是X射线断层扫描X射线图像还被广泛用于工业检测和天文研究。x射线波段在天文中用于观测星际气体。在安防领域X射线也有很多应用，例如地铁、车站的行李安检机用的就是X射线2024/5/6101.2电磁波谱与可见光伽马射线频率最高该波段成像的主要用于核医学和天文观测在核医学中将放射性同位素注射到人体内，当这种物质衰变时会释放出伽马射线，然后用伽马射线检测仪收集到的放射线来产生图像，主要用于骨骼病变的定位伽马射线成像在天文观测中常用，伽马射线风暴代表了黑洞或中子星的诞生2024/5/6111.3电磁波传感器2024/5/6121.3电磁波传感器

2024/5/6131.4视觉系统特性2024/5/614视网膜中包含大约视锥细胞（cones)、视杆细胞（rod）视锥细胞可以感知色彩，对红、绿、蓝光最敏感视杆细胞仅能分辨明暗不能感知色彩视杆细胞比视锥细胞数量多，因此人眼对亮度比对色彩更敏感弱光环境下仅视杆细胞起作用，视觉系统无法在暗环境中辨别色彩视锥细胞有三种，分别对波长在570nm红光、波长535nm绿光、波长445nm蓝光最敏感。三种视锥细胞有部分重叠的频率响应曲线，但响应强度有所不同，它们共同决定了色彩感觉视觉系统对相同强度、不同波长的光敏感度不同，其中对绿光最敏感，对蓝光最不敏感2024/5/6151.4.1视觉适应性分为暗适应、明适应和色适应暗适应是由视杆细胞代替视锥细胞的过程。一般10~30秒明适应反之。由于视锥细胞恢复工作远比视杆细胞快，因此明适应几秒内就可完成色适应指视觉系统随着观测光谱分布变化，对颜色刺激灵敏度发生变化的特性长时间观测很鲜艳的物体后感觉色彩没那么鲜艳了，长时间看色彩灰暗的物体后感觉色彩变鲜艳了，强蓝光刺激后再看红色物体，感觉是绿色等2024/5/6161.4.2视觉惰性对亮度变化反应滞后的特性称为视觉惰性光强度突然剧烈变化时，不能在瞬间形成稳定的主观亮度感觉，有个短暂的过渡时间，随着时间增长主观亮度感觉由小到大，达到最大值后又降低到正常值光消失时亮度感觉并不立即消失，而是近似指数衰减逐渐消失，视觉系统对消失的光维持大约0.05~0.1秒的感觉。视频就是利用了这个特性当光闪烁频率高于46Hz时，由于视觉惰性人眼无法觉察出闪烁，看到的是稳定的光源，电脑显示器、电视扫描利用此特性，以不低于50Hz的频率扫描刷新屏幕。2024/5/6171.4.3同时对比效应与马赫带效应同时对比效应：对某个区域的亮度感觉不仅取决于该区域亮度值本身，还与该区域周围的亮度有关马赫带效应：在明暗交界处会感觉亮处更亮、暗处更暗马赫带效应表明视觉系统有增强边缘对比度的机制2024/5/6181.4.4视觉分辨率在亮度合适情况下视觉分辨率达到最大相对对比度=物体亮度与背景亮度的差值/背景亮度。该比值越小，表示物体亮度与背景亮度越接近，此时分辨率下降运动速度越快视觉分辨率越低2024/5/6191.4.4视觉分辨率视觉系统对亮度的分辨力比对色彩分辨率更强，对不同色彩的分辨能力不同视觉系统对不同色彩的分辨能力不同，例如对波长380nm~430nm的光基本感觉不出色彩差别，对655nm~740nm的光也是如此，但在480nm~640nm波段即使波长只有1nm变化也能辨别出色彩差异视觉系统对亮度光强变化的响应是非线性。亮度掩蔽特性当光强在一定范围内变化时视觉系统感知不到亮度变化，只有当光强变化超过一定阈值时视觉系统才能感觉到变化2024/5/6201.4.5视觉错觉只有接近视觉中心才能看到物体的细节，越偏离视觉中心对细节的分辨能力越差视觉系统利用知识经验填补降低的分辨能力，有时这种填补造成错觉2024/5/6211.5数字图像处理应用2024/5/6221.5数字图像处理应用物理、天文等研究领域生物检测工业检测遥感、军事安检智能交通2024/5/623OPENCVOPENCV安装用编译好的OPENCV直接安装（简单，推荐）

/projects/opencvlibrary/files/

或者/releases/

选择OPENCV版本下载

进入版本对应目录，查看编译用的visualstudio版本，如果文件名为OPENCV-版本号-vc14-vc15.exe，说明编译好的OPENCV支持visualstudio2014、2015登录到https:///vs/older-downloads/下载对应的visualstudiocommunity并安装安装下载的OPENCV，不妨设安装在c:\OPENCV目录下用OPENCV源代码自己编译安装见https:///4.x/dd/d6e/tutorial_windows_visual_studio_opencv.html2024/5/624OPENCV在visualstudio中的配置设置系统环境变量路径Windows左下角“开始”—“设置”—“系统”—“关于”—“高级系统设置”中，点击“环境变量…”选择“系统变量”，点击“新建”，新建变量“OPENCV”,路径为OPENCV安装路径下的bin目录，例如C:\opencv\build\x64\vc14\bin打开visualstudio，创建新项目在visualstudio中选择x64版本修改项目属性C/C++>General

选项中，在AdditionalIncludeDirectories项中将OPENCV的安装目录下的include加上，例如C:\opencv\build\includelinker>General

选项中，

AdditionalLibraryDirectories项中添加OPECV链接库目录，例如

C:\opencv\build\x64\vc14\lib

在linker>Input的AdditionalDependencies中，添加文件名opencv＿world数字.lib（如果生成release版），添加文件名opencv＿world数字d.lib（如果生成debug版）。其中数字与版本有关2024/5/625数字图像处理教程第2章数字图像的基本概念和运算2024/5/6262.1图像成像模型2024/5/6272.1图像成像模型

2024/5/6282.2图像中的基本概念2024/5/6292.2.1采样和量化

模拟量难以存储，例如胶卷照片、老电影拷贝首先对空间坐标进行数字化，称之为采样对所对应的图像值进行数字化，称之为量化2024/5/6302.2.2数字图像表示

2024/5/6312.2.3空间分辨率与灰度级分辨率

2024/5/6322.3像素间的基本关系2024/5/6332.3.1相邻像素

2024/5/6342.3.2连通性、区域和边界

2024/5/6352.3.2连通性、区域和边界连通分量（区域）与连通性有关边界与连通性有关2024/5/636

2024/5/637

2024/5/6382.4数字图像的基本操作2024/5/6392.4.1图像间算术操作

图像算术操作是二幅图像中相同坐标的一对像素之间运算

常用的图像算术操作有图像加、减、乘、除等

算术操作要求参与运算的图像尺寸相同，图像深度相同，图像

通道数相同，即二幅都是灰度图像或者都是彩色图像图像

矩阵相同位置的元素进行算术操作2024/5/6402.4.1图像间算术操作

2024/5/641

单张图片32张相同场景图片平均的结果2.4.1图像间算术操作

2024/5/642

注射介质前注射介质后前两张图相减2.4.1图像间算术操作

图像乘法和除法通常用于校正阴影2024/5/6432.4.2图像逻辑运算

逻辑运算是将一幅或二幅图像通过对应像素间的逻辑与、或、非等运算获得输出图像逻辑与运算主要用于提取图像中感兴趣区域的内容并屏蔽其它区域。参与图像中至少一幅为二值图像逻辑或、异或运算通常在二幅二值图像间进行，结果仍是二值图像逻辑非运算只需一副图像，对图像中各个像素值取反2024/5/6442.4.3图像空间几何变换

2024/5/6452.4.3图像空间几何变换

2024/5/6462.4.3图像空间几何变换

2024/5/6472.4.3图像空间几何变换

2024/5/6482.4.3图像空间几何变换

2024/5/6492.4.3图像空间几何变换

2024/5/6502.4.3图像空间几何变换

2024/5/6512.4.3图像空间几何变换

2024/5/6522.4.3图像空间几何变换

2024/5/6532.4.3图像空间几何变换

2024/5/6542.4.3图像空间几何变换

2024/5/6552.4.3图像空间几何变换

2024/5/6562.4.3图像空间几何变换仿射变换示例2024/5/657数字图像处理教程第3章

图像灰度变换与空间域滤波2024/5/658

2024/5/6593.1常用灰度变换

2024/5/6603.1.1线性变换

2024/5/6613.1.2对数变换与反对数变换

2024/5/6623.1.3幂律变换（伽马变换）

2024/5/6633.1.4分段线性变换对位于不同灰度区间段的像素值分别采用不同线性变换函数，选择性拉伸或压缩某段灰度区间的像素值位平面分层也属于分段线性变换。图像所有像素位于同一比特位上的二进制数组合得到一幅二进制值图像，每个位平面一幅图像2024/5/6643.2基于直方图的灰度变换2024/5/665变换后灰度值不仅与变换前灰度值有关，还与变换前其它像素灰度值有关2024/5/6663.2.1直方图

2024/5/6673.2.2直方图均衡

2024/5/6683.2.2直方图均衡

2024/5/6693.2.2直方图均衡

2024/5/6703.2.2直方图均衡

2024/5/6713.2.2直方图均衡

2024/5/672018370.22424112860.1569829540.11646319380.23657410250.1251251840.0224664810.0587274870.059453.2.2直方图均衡

2024/5/6733.2.2直方图均衡

2024/5/674000100218370.22424322400.27343400519380.23657612090.1475879680.118163.2.2直方图均衡数字图像灰度值为整数，即使直方图均衡后也几乎不可能得到完全均匀分布的直方图经过均衡处理后直方图在整个动态范围内概率密度分布更均匀，客观上起到了增强对比度的作用。2024/5/6753.2.3直方图规定化（直方图匹配）将图像灰度变换为符合指定概率密度分布变换后图像直方图是已知的、可以指定任何形状直方图均衡是直方图规定化的特例2024/5/6763.2.3直方图规定化（直方图匹配）

2024/5/6773.2.3直方图规定化（直方图匹配）

2024/5/6783.2.3直方图规定化（直方图匹配）

2024/5/6793.2.3直方图规定化（直方图匹配

2024/5/68000102030.1540.2050.3060.2070.153.2.3直方图规定化（直方图匹配）

2024/5/68100102031425566773.2.3直方图规定化（直方图匹配）

2024/5/6823.2.4自适应直方图均衡CLAHE当图像像素值局部分布与全局分布一致性较好时，直方图均衡或规定化这类基于全局的处理效果较好若图像中存在明显的局部区域明暗分布与全局明暗分布不一致，则全局处理直方图方法对图像增强的效果不好自适应直方图均衡算法基本思想是将图像分成若干个矩形区域，对每个区域做直方图均衡，达到改进图像局部对比度的目的2024/5/6833.2.4自适应直方图均衡CLAHE简单的自适应直方图均衡在改善区域局部对比度的同时，也会放大平坦区域的噪声。平坦区域包含的像素非常相近，像素灰度级动态范围很小，其直方图宽度窄、高度高。当对该区域直方图均衡，窄的像素范围映射到整个图像取值范围，使得区域内原微弱的噪声与其它部分差异变大限制对比度自适应直方图均衡(ContrastLimitedAdaptiveHistogramEqualization，CLAHE)通过限制自适应均衡算法中对比度提高程度，抑制噪声放大的问题2024/5/6843.2.4自适应直方图均衡CLAHE

2024/5/6853.2.4自适应直方图均衡CLAHE

2024/5/6863.2.4自适应直方图均衡CLAHE

2024/5/6873.2.4自适应直方图均衡CLAHE每个矩形区域直方图裁剪后分别进行直方图均衡。对每个区域分别直方图均衡通常会出现块效应：每个区域内部看上去自然，但各区域边界处灰度差别明显。2024/5/6883.2.4自适应直方图均衡CLAHECLAHE采用了双线性内插消除块效应找到距离像素点p最近的四个区域中心点，分别对应A、B、C、D四个区域像素点p均衡后灰度值由这四个区域各自直方图均衡结果内插得到。2024/5/6893.2.4自适应直方图均衡CLAHE

2024/5/6903.3空间域滤波2024/5/691滤波滤掉不想要的成分，显现被模糊的细节或者突出某些细节，是图像增强的常用方法分为空间域滤波和频域滤波空间域滤波在空间域对像素进行操作平滑滤波减小噪声锐化滤波用于提取边缘突出边缘及细节、弥补平滑滤波造成的边缘模糊2024/5/6923.3.1空间域滤波基础知识

2024/5/6933.3.1空间域滤波基础知识空间域滤波的边界填充常数值填充，通常使用0填充复制图像边界值，水平方向填充值用行边缘值填充，垂直方向填充值用图像列边缘值填充镜像填充2024/5/6943.3.2平滑滤波图像具有局部连续的性质，相邻像素的值相近平滑滤波可以减少和抑制图像中的噪声滤波可分为线性滤波和非线性滤波二大类线性滤波指滤波结果是空间域各像素点的线性组合反之则统称为非线性滤波2024/5/6953.3.2平滑滤波常用的线性平滑滤波有均值滤波（模板所有系数相同）和加权滤波对原图像在模板覆盖范围内像素点求平均值或加权平均值，代替原图像中被模板锚点覆盖像素的实际值2024/5/6963.3.2平滑滤波等效于频域低通滤波器抑制边缘突变，会引发边缘模糊2024/5/6973.3.2平滑滤波

2024/5/6983.3.2平滑滤波中值滤波是最常见的统计排序滤波，用排序序列的中间值作为结果。消除孤立的亮点或暗点，对椒盐噪声非常有效2024/5/6993.3.2平滑滤波最大值滤波用排序的最大值做为滤波结果，用于消除椒噪声最小值滤波用排序最小值做为滤波结果，消除盐噪声2024/5/61003.3.2平滑滤波统计排序滤波比线性平滑滤波能更好地保留边缘统计排序滤波模板，一般噪声越大则设置的模板尺寸越大模板越大滤波后边缘越模糊2024/5/61013.3.2平滑滤波非线性滤波中的边缘保留滤波(EdgePreservingFilter,EPF)可以在去噪的同时，完整保留图像边缘信息常用的边缘保留滤波有双边滤波（bilateralfilter）、mean-shift滤波等2024/5/61023.3.2平滑滤波

2024/5/61033.3.2平滑滤波

2024/5/61043.3.2平滑滤波

2024/5/61053.3.3锐化滤波突出图像突变的部分微分可以用于锐化微分计算均会凸显噪声，因此实际应用中在图像锐化前，需要先对图像进行平滑以抑制噪声2024/5/61063.3.3锐化滤波

2024/5/61073.3.3锐化滤波

2024/5/61083.3.3锐化滤波

2024/5/61093.3.3锐化滤波

2024/5/61103.3.3锐化滤波

2024/5/6111数字图像处理教程第4章图像的频域处理2024/5/6112二维图像信号既可以在空间域处理也可以在频域处理，图像的频域处理也被称为频域滤波频域处理以二维傅里叶变换为基础，自变量为频率，因变量是傅里叶变换值一些空间域处理本质上对应频域处理空间域均值滤波与频域低通滤波效果类似频域处理可以充分利用频率成分和图像之间的对应关系，一些在空间域难以实现的处理，在频域中能轻松完成2024/5/61134.1二维离散傅里叶变换2024/5/6114通过傅里叶变换可以将对函数的分析转为对构成它的频率成分进行分析，每个系数代表着其对应频率对函数的贡献量二维图像通过傅里叶变换把像素值与空间坐标对应关系转化为傅里叶变换值与频率之间的关系2024/5/61154.1.1二维离散傅里叶变换和反变换

2024/5/61164.1.1二维离散傅里叶变换和反变换

2024/5/61174.1.1二维离散傅里叶变换和反变换

2024/5/61184.1.1二维离散傅里叶变换和反变换

2024/5/61194.1.1二维离散傅里叶变换和反变换

2024/5/61204.1.1二维离散傅里叶变换和反变换

2024/5/61214.1.2二维离散傅里叶变换性质

2024/5/61224.1.2二维离散傅里叶变换性质

2024/5/61234.1.2二维离散傅里叶变换性质

2024/5/61244.1.2二维离散傅里叶变换性质

2024/5/61254.1.2二维离散傅里叶变换性质

2024/5/61264.1.2二维离散傅里叶变换性质

2024/5/61274.1.2二维离散傅里叶变换性质相位影响携带目标在图像中的位置信息2024/5/61284.2频域滤波基础知识2024/5/61294.2.1频域滤波基础

2024/5/61304.2.1频域滤波基础

2024/5/61314.2.2频域滤波步骤

2024/5/61324.3频域低通滤波2024/5/61334.3.1理想低通滤波器

2024/5/61344.3.1理想低通滤波器

2024/5/61354.3.1理想低通滤波器

2024/5/61364.3.2巴特沃斯低通滤波器

2024/5/61374.3.2巴特沃斯低通滤波器

2024/5/61384.3.2巴特沃斯低通滤波器不同参数滤波效果比较2024/5/61394.3.3高斯低通滤波器

2024/5/61404.3.3高斯低通滤波器

2024/5/61414.3.3高斯低通滤波器不同标准差参数，滤波效果比较2024/5/61424.4频域高通滤波2024/5/6143图像锐化在频率域通过高通滤波实现频域高通滤波器衰减图像频谱中的低频成分而保留频谱中的高频成分，而频谱的高频成分来自像素值剧烈变化高通滤波等价于“原图像-原图像低通滤波结果2024/5/61444.4.1理想高通滤波器

2024/5/61454.4.1理想高通滤波器理想高通滤波器会产生振铃现象2024/5/61464.4.2巴特沃斯高通滤波器

2024/5/61474.4.2巴特沃斯高通滤波器

2024/5/61484.4.3高斯高通滤波器

2024/5/61494.4.3高斯高通滤波器高斯高通滤波效果2024/5/61504.4.4拉普拉斯滤波器

2024/5/61514.4.4拉普拉斯滤波器

2024/5/61524.4.5反锐化掩蔽与高提升滤波

高频应变滤波器2024/5/61534.5同态滤波2024/5/6154

2024/5/6155

低频高频2024/5/6156

2024/5/6157

2024/5/6158同态滤波器效果2024/5/61594.6频率选择滤波器2024/5/6160选择频谱中某段特定频率，允许其通过或将其衰减带通滤波器带阻滤波器陷波滤波器2024/5/61614.6.1带阻滤波器和带通滤波器

2024/5/61624.6.1带阻滤波器和带通滤波器

2024/5/61634.6.2陷波滤波器对特定频谱点进行衰减，其余频谱不衰减用于去除周期噪声当噪声频谱是离散点时，陷波滤波器效果比带阻滤波器好设计比带阻滤波器复杂2024/5/61644.6.2陷波滤波器

2024/5/61654.6.2陷波滤波器

2024/5/61664.6.2陷波滤波器

2024/5/61674.6.2陷波滤波器陷波滤波器去除周期噪声示例2024/5/61684.6.2陷波滤波器实际中陷波滤波器设计小窍门求图像离散傅里叶变换，将其幅度谱以图像形式显示找到频谱图中规律性的离散亮点，这些亮点来自周期性噪声两种方法得到陷波滤波器频谱：频谱图是单色的(黑灰白)，用彩色点遮盖噪声频谱中心点、或者用彩色块遮盖噪声频谱交互程序，用鼠标选择陷波区域由于频谱的对称性，建议只用彩色点/块（或鼠标选择区域）遮盖1、2象限的频谱，后续根据对称性编写程序将相应的3、4象限与1、2象限做同样处理。如果手动在1~4象限对设置，可能由于误差导致1、3象限不对称，2、4象限不对称2024/5/61694.6.2陷波滤波器实际中陷波滤波器设计小窍门（续）在1、2象限，编写程序根据找到色彩的位置根据对称性，由1、2象限色彩位置在3、4找到对应位置1~4象限中根据频谱图中彩色点位置提取陷波滤波器中心并按照式(4.38）构建滤波器，或者直接将彩色块位置清0(理想陷波滤波器)而保持其它位置为1，构建陷波滤波器2024/5/6170数字图像处理教程第5章图像复原图像“退化”指成像各种因素的影响，例如散焦、运动模糊、传感器特性不均匀，导致成像质量不理想图像复原技术是对“退化”图像进行恢复图像复原和图像增强的不同图像增强是主观处理，用于改善图像的可视性，不关心增强后的图像是否失真图像复原属于客观过程，目的是还原图像本来面目，因此首先要对图像退化建立近似的退化数学模型，才能对退化过程出现的失真进行补偿5.1图像退化模型和复原模型

图像复原的二种基本方式如果对退化有足够的先验知识，直接建立精确的数学模型，依据模型对退化图像进行复原处理缺乏必需的先验知识时，可先对退化过程建立一个模型，首先对其进行一个大致的描述，然后在复原过程中根据具体情况逐步修正模型，逐步消除误差影响

5.2噪声模型5.2.1常见的噪声概率密度函数本节讨论的噪声独立于空间坐标、并且与图像不相关噪声都是加性白噪声白噪声指功率谱密度为常数的噪声噪声幅度值符合某种概率密度分布5.2.1常见的噪声概率密度函数

5.2.1常见的噪声概率密度函数

5.2.1常见的噪声概率密度函数

5.2.1常见的噪声概率密度函数

5.2.1常见的噪声概率密度函数

5.2.1常见的噪声概率密度函数不同概率分布噪声对直方图的影响5.2.2周期噪声周期噪声有特定频率，表现为图像中周期性的干扰通常来自于图像采集过程中的电气或电机干扰是唯一的空间依赖型噪声，即噪声是否出现、噪声幅度值等均与空间位置有关频谱以脉冲的形式出现在频谱中只能在频域用频率选择滤波器消除周期性噪声5.2.3噪声参数估计典型的周期噪声参数可以通过图像的傅里叶频谱估计得到非周期性噪声概率分布函数参数可通过传感器技术参数得知部分可通过样本图像对噪声参数进行估计如果能够接触到退化图像的成像系统，可以用此系统拍摄光照均匀、灰度值恒定的区域，获得样本图像如果没有上述条件，尽量在退化图像中选取一段平坦区域，通过对实际成像的分析估计出噪声参数本应是一条竖线的直方图扩展了，

并且扩展的形态与对应的噪声概率

密度函数曲线相似5.3复原仅由噪声造成的退化图像

5.3.1非线性均值滤波

5.3.1非线性均值滤波

5.3.1非线性均值滤波

5.3.2统计排序滤波

5.3.2统计排序滤波

5.3.2统计排序滤波修正的阿尔法均值滤波5.3.3自适应滤波

5.3.3自适应滤波

5.3.3自适应滤波

5.3.3自适应滤波

5.3.3自适应滤波

中值是否椒盐噪声非椒盐噪声椒盐噪声当前像素值是否来自脉冲噪声来自图像本身，输出像素值来自脉冲噪声，输出中值代替5.3.3自适应滤波自适应中值滤波效果示例5.4退化函数的估计实验法建立数学模型实验法

建立数学模型

建立数学模型

建立数学模型

5.5逆滤波5.5逆滤波

5.5逆滤波

5.6维纳滤波5.6维纳滤波

5.6维纳滤波

5.6维纳滤波

5.6维纳滤波5.7有约束最小二乘滤波5.7有约束最小二乘滤波

5.7有约束最小二乘滤波

5.7有约束最小二乘滤波

5.7有约束的最小二乘滤波运动模糊和噪声造成的退化图像有约束最小二乘滤波结果5.7有约束的最小二乘滤波

5.8Lucy-Richardson复原（非盲L-R复原）5.8Lucy-Richardson复原（非盲L-R复原）有约束最小二乘滤波需要提供退化函数和噪声参数，但很多时候噪声参数是未知的非线性复原方法Lucky-Richardson(L-R)算法可在退化函数已知、噪声参数未知时取得较好的复原结果5.8Lucy-Richardson复原（非盲L-R复原）

5.8Lucy-Richardson复原（非盲L-R复原）复原示例5.9图像盲复原5.9图像盲复原述复原方法都针对退化函数已知的情况，有些还需要提供噪声的某些参数很多情况下既不知道退化函数，也不知噪声参数，这种条件下图像的复原称为盲复原或盲去卷积5.9图像盲复原盲复原方法中用得最多的是盲Lucy-Richardson算法采用非线性迭代技术用条件概率贝叶斯公式，采用最大似然估计迭代估计出退化函数和复原图像5.9图像盲复原

5.9图像盲复原

5.9图像盲复原

5.9图像盲复原盲复原效果数字图像处理教程第6章彩色图像处理彩色图像通常含有更多信息人眼可以辨别几千种不同的颜色，但只能区分出几十种灰度级不同目标色彩不同，可通过色彩简化目标物的识别和提取彩色图像的处理分为全彩色处理和伪彩色处理全彩色指用色彩传感器获取的图像，图像反应真实色彩伪彩色指对传感器不同强度信号赋予不同的色彩，赋予的色彩与被拍摄物体真实色彩没有必然关系6.1彩色图像基础6.1彩色图像基础三个基本量描述光辐射率（radiance）辐射率指光源发出的总能量，是客观量，单位瓦特(W)，光强（luminance）指观察者从光源感知的能量，主观量。若一个光源有很大辐射率但人无法感知，则光强为0。亮度（brightness）亮度是一个主观描述量，体现了色彩的强度6.1彩色图像基础

6.1彩色图像基础色调、饱和度和亮度用于描述色彩的属性色调(Hue)指呈现出的颜色，由组成色彩的三基色中哪种波长占优势决定饱和度(saturation)反应了纯色被白光稀释的程度，饱和度越高色彩纯度越高亮度是色彩的相对明暗程度，反映了可见光的能量强度色调与饱和度二个指标共同构成色度，色度指色彩的色调和饱和度6.1彩色图像基础

6.2色彩空间6.2色彩空间色彩空间又名色彩模型采用坐标系统描述色彩，实现对色彩规范的简化每种色彩都可用坐标空间中的单个点表示不同的色彩空间面向不同应用6.2.1RGB色彩空间与CMY色彩空间RGB色彩空间几乎包括了人类视觉所能感知的所有色彩，是目前运用最广的色彩模型之一立方体结构红、绿和蓝分别位于立方体的3个顶点青、深红和黄位于另外3个顶点上黑色在原点处，白色位于距离原点最远的顶点处，灰度等级沿着黑白二点连线分布每个色彩由三基色分量组成的三维向量来表示6.2.1RGB色彩空间与CMY色彩空间RGB色彩空间主动发光设备采用RGB色彩空间RGB空间为加性色彩空间，空间中所有色彩由R、G、B加权相加得到RGB色彩空间的缺陷RGB模型与人们对色彩的心理感知不符，难以通过RGB值准确描述色彩的主观认知RGB色彩空间非均匀，空间中二个色彩点之间的距离与感知的色彩差异不一致6.2.1RGB色彩空间与CMY色彩空间

6.2.1RGB色彩空间与CMY色彩空间CMY色彩空间CMY色彩空间用于出版印刷打印在CMY模型中加入黑色(K)做为第4种色彩，得到CMYK模型CMY/CMYK空间缺陷CMYK色彩模型能表征的色彩数量远少于RGB色彩模型CMYK表征的色彩不如RGB色彩空间丰富饱满图像由RGB空间转换为CMYK空间，部分色彩会丢失，反之则不会6.2.2HSI色彩空间与HSV色彩空间HSI色彩空间以色调H(Hue)、饱和度S(Saturation)、亮度I(Intensity)描述色彩对色彩的描述比RGB更符合视觉系统的主观感知亮度决定了色彩的整体亮度，亮度分量与色调、饱和度无关6.2.2HSI色彩空间与HSV色彩空间

6.2.2HSI色彩空间与HSV色彩空间

6.2.2HSI色彩空间与HSV色彩空间

6.2.2HSI色彩空间与HSV色彩空间

6.2.2HSI色彩空间与HSV色彩空间不同色彩空间各分量图比较

表示人眼可见色彩的最完备色彩模型感知均匀(perceptualuniform)适合用于调色和颜色校正设备无关性可做为不同设备之间色彩转换的中间模型

6.3伪彩色图像处理伪彩色图像处理根据一定的准则对灰度图赋予色彩赋予的色彩与被拍摄物体真实色彩可以没有任何关系单通道图像传感器或者非可见光波段传感器采集到的信号无色彩信息视觉系统仅能分辨出几十种灰度，却能分辨出几千种色彩6.3.1空间域伪彩色处理

6.3.1空间域伪彩色处理灰度分层示例6.3.1空间域伪彩色处理

6.3.1空间域伪彩色处理色彩变换中三次变换相互独立比灰度分层技术具有更高灵活性6.3.1空间域伪彩色处理

6.3.2频域滤波伪彩色处理

6.3.2频域滤波伪彩色处理频域滤波得到的伪彩色与输入图像灰度值不是明确的一一对应关系伪彩色取决于灰度图像的频率6.4色彩变换

6.4.1补色变换

6.4.1补色变换补色变换示例6.4.2色彩分割用于突出图像中具有特定色彩区域通常用于对具有某种色彩的目标进行提取，通过在色彩空间中将目标所在色彩区域映射为一个突出的色彩，同时把感兴趣区域之外的其它色彩映射为不重要的中性色彩，达到根据色彩提取出目标的目的6.4.2色彩分割色彩分割示例选择合适空间选择合适分量确定阈值6.4.2色彩分割

6.4.3彩色图像灰度化色彩常容易受光照等因素的影响，同一物体在不同光照条件下呈现出不同色彩色彩在很多图像处理算法中难以提供关键信息，灰度图像里的信息就足够了减少需要处理的数据量，从而减少处理时间并节约存储空间四种常用灰度化方法分量法最大值法平均法加权平均法6.4.3彩色图像灰度化

6.4.3彩色图像灰度化

6.4.3彩色图像灰度化

6.4.3彩色图像灰度化

6.4.3彩色图像灰度化不同灰度化方法的比较蓝色区域灰度化绿色区域灰度化6.4.4彩色图像直方图均衡增加图像全局对比度，使得图像亮度分布更均衡直方图均衡不宜在RGB空间进行在亮度与色度是独立的空间进行直方图均衡，例如HSI、HSV保持色调不变仅对亮度进行直方图均衡饱和度先保持不变，可以观察亮度均衡化后得到的彩色图像，根据结果对饱和度进行微调，使得最终色彩感觉与原图相同6.4.4彩色图像直方图均衡不同色彩空间直方图均衡对比未调整饱和度6.4.5色调与色彩校正成像过程中存在非线性处理造成色彩的不平衡最终图像中物体色彩偏离其真实色彩色调与色彩校正通过调整RGB分量的强度得到与实际相符的成像效果二种校正分类白平衡法--将景物中的白色物体在图像中还原为白色灰度世界法完美反射法动态阈值法最大颜色值法--景物中不存在白色点时用最大颜色值法进行校正更合适6.4.5色调与色彩校正

6.4.5色调与色彩校正

6.4.5色调与色彩校正

6.4.5色调与色彩校正最大颜色值法白平衡法要求实际景物中有白色点，当景物中不存在白色点时用最大颜色值法进行校正更合适在RGB三个分量中分别找到最强、最弱分量，对最强分量进行抑制、对最弱分量进行增强，以达到色彩平衡6.4.5色调与色彩校正

6.5彩色图像空间滤波6.5.1彩色图像的平滑直接对RGB图像进行平滑分别对三个色彩分量采用灰度图像的平滑方法将平衡后的三个分量重新组合成RGB彩色图要求各分量平滑的方式、参数均要相同先将图像从RGB转至亮度/明度独立的HSI/HSV空间，对亮度/明度分量进行平滑滤波后再转回RGB图像亮度/明度与色度是完全独立的，更适合采用灰度图像处理技术平滑时保留色调、饱和度信息不变，仅把亮度/明度分量当做一幅灰度图像对其进行平滑处理6.5.1彩色图像的平滑不同空间平衡比较6.5.2彩色图像的锐化在RGB空间锐化，在RGB三个分量中分别进行，然后再将锐化后的三个分量重新组成RGB图像。在HSI/HSV等亮度/明度与色度独立的色彩空间中，锐化仅在亮度/明度分量上进行，保持色调、饱和度不变6.6彩色图像边缘检测6.6彩色图像边缘检测通常在RGB空间进行分为输出融合法和多维梯度法二大类输出融合法分别在R、B、B三个分量图上计算梯度进行边缘检测，然后将三个结果相加或者加权求和，得到最终边缘检测结果计算量小，检测速度快，但检测效果稍逊多维梯度法首先分别求出三个分量的梯度，然后用它们合并计算出一个梯度，该梯度称为多维梯度，用多维梯度检测边缘计算量比输出融合法大，检测效果好，具体有很多种算法6.6彩色图像边缘检测

6.6彩色图像边缘检测

6.7彩色图像边缘检测

6.7彩色图像边缘检测

数字图像处理教程第7章小波与多分辨率处理傅里叶变换仅具有频域分辨能力而无空间域分辨能力小波变换同时具有空间域分辨力和频域分辨力小波变换采用小波基对信号变换小波基由小波母函数经尺度伸缩、平移构建得到7.1小波变换基础知识7.1.1小波函数

7.1.1小波函数

7.1.1小波函数典型小波函数波形7.1.1小波函数

7.1.2连续小波变换

7.1.3离散小波变换

7.1.2连续小波变换小波变换同时具有时域和频域定位能力小波持续时间越短对信号时间定位能力越强，对信号突变的检测能力越强小波时域-频域分辨率关系时域分辨率与频域分辨率的乘积是常数常数值取决于所选母小波函数，常数值越小表示该小波兼顾时域、频域分辨率的能力越强。任何一个方向上窗口越长表示该域分辨率越低，例如时间窗越长则时域定位能力越差，与之对应的频域分辨率则越高可对不同问题采用不同小波基，提高了小波变换灵活性和适用性7.1.3离散小波变换

7.1.4多尺度分析与Mallat算法

FIR半带低通滤波器FIR半带高通滤波器7.1.4多尺度分析与Mallat算法

7.1.5提升小波基于提升算法的小波变换称为第三代小波变换相比Mallat算法，提升小波变换结构简单、运算量低、原位运算、反变换可直接反转实现，支持整数小波变换7.1.5提升小波

7.1.5提升小波每一级反变换分为更新、预测、合并三个步骤7.1.6小波包变换小波变换只对信号低频部分做进一步分解，小波包变换则对高频部分也做进一步分解小波包变换对高频提供更精细分析7.1.6小波包变换小波包变换比小波变换还多了选择最优小波包基的步骤对每级分解得到的序列分别计算代价函数，找到使代价函数最小的基对输入序列而言代价最小就是最有效的表示常用的代价函数有范数、熵、能量对数等7.1.6小波包变换最优小波包基选择示例7.2图像小波变换7.2图像小波变换二维小波变换可分解为二个一维小波变换的，可以先进行一个方向的一维小波变换，然后进行另一个方向的一维小波变换与一维小波分解一样，标准二维小波分解只在低频LL子带继续分解7.2图像小波变换图像二级小波分解示例7.2图像小波变换不同子带反变换7.2图像小波变换二维小波包变换先在一个方向进行小波包分解、然后在另一个方向进行小波包分级二维小波包变换对所有子带继续分解选取最优小波包基，代价函数通常选用能量或熵7.3小波图像去噪小波去噪属于非线性去噪，有效解决图像频率与噪声频率有部分重合的问题小波具有空间域-频域局部特性，能够在利用频率的同时以图像像素值为参考，发现并去掉由噪声控制的小波系数对修改后的小波系数做反变换得到去噪图像7.3.1模极大值去噪法随着小波分解级数增加，属于噪声的小波系数在各级LL子带中随着分解级数增加是变小的，而属于图像的小波系数则逐渐变大。如果随着LL子带分辨率降低而小波系数增大，则该系数属于图像信息，反之则属于噪声适用于白噪声，在降噪的同时有效保留图像边缘信息缺点：计算速度较慢，去噪后的图像在奇异点附近有轻微震荡7.3.1模极大值去噪法

7.3.1模极大值去噪法

7.3.1模极大值去噪法

7.3.2小波阈值去噪小波变换后图像能量主要集中在低频子带上，噪声能量主要分布在各高频子带上有用信号局部高频部分在一些尺度上与小波基相似性强，因此在高频子带上信息集中于一些模值大的小波系数上噪声分散在各高频频段，经小波变换后系数很小认为高频子带里那些模小于阈值的小波系数属于噪声分为硬阈值去噪和软阈值去噪7.3.2小波阈值去噪硬阈值去噪小波系数的模小于阈值直接清0当小波系数的模大于阈值，保持该系数不变软阈值去噪小波系数的模小于阈值直接清0当小波系数的模大于阈值，修正系数使其正负号不变，绝对值为原绝对值与阈值之差7.3.2小波阈值去噪硬阈值去噪软阈值去噪7.3.2小波阈值去噪

7.4小波图像融合7.4小波图像融合利用多幅相同场景、不同品质的图像，获取对同一场景的更高质量的图像小波变换技术具有可变时频分辨率，多尺度变换特性符合人眼视觉机制，非常适合于图像融合7.4小波图像融合各图分别进行小波变换，变换后最后一级小波分解的LL子带分辨率要相同对二幅图像的LL子带按照某种规则进行融合，获得融合后的LL子带数据对二幅图像所有高频子带(即非LL子带按照某种规则融合)获得融合后的高频子带数据对融合后的高频子带、LL子带进行小波反变换7.4小波图像融合融合规则最大值融合选取模最大的系数常用于高频子带融合，确保边缘清晰最小值融合选取模最小的系数加权平均融合系数加权平均常用于低频子带融合基于局部区域能量的自适应融合等7.4小波图像融合低频、高频子带均采用最大值融合7.4小波图像融合

7.4小波图像融合低分辨率彩色图与高分辨率灰度图融合（续）对三个融合后小波图像分别进行小波反变换三个反变换结果做为最终融合图像的RGB三个彩色分量数字图像处理教程第8章图像压缩2024/5/63378.1图像压缩基础2024/5/63388.1.1冗余在满足一定图像质量的前提下，用尽可能少的比特描述图像编码冗余像素间冗余心理视觉冗余2024/5/63398.1.1冗余

熵2024/5/63408.1.1冗余像素间冗余像素间冗余源自像素之间的相关性，又称为图像的空间冗余。同一目标的各像素值像素值相近对于视频除了每张图像自身的空间冗余外还有时间冗余，相邻多帧图像有很多区域是相似的像素间冗余使得某个位置的像素值可以由相同区域内其它像素预测得到2024/5/63418.1.1冗余视觉冗余视觉系统并不能对图像的任何变化都感知，无法感知的信息就是冗余的视觉系统对亮度变化敏感，而对色彩的变化相对不敏感在高亮区对亮度变化敏感度下降对物体边缘敏感但对内部区域相对不敏感对整体结构敏感，对内部细节相对不敏感2024/5/63428.1.1冗余某些图像还有结构冗余呈现周期性分形2024/5/63438.1.2保真度用于评判编码质量，用于评价图像经压缩再解压得到的重建图像相对原始图像的偏离程度客观保真度准则将图像编码失真描述为原始图像与经“压缩-解码”重建图像的函数均方根误差、均方信噪比和峰值信噪比计算简单，计算值与视觉系统对图像的感受不完全一致主观保真度准则成对比较评分法平均评分法2024/5/63448.1.2保真度

2024/5/63458.1.2保真度

打分评价具体描述6优秀质量很好，如你希望的那样好5良好质量很高，视觉舒服，有干扰但不影响4合格图像质量可接收，有干扰但不太影响3刚可用图像质量差，有干扰妨碍观看，你希望能提高质量2差图像质量差，但你还能观看，干扰太大1不可用图像质量太差无法观看2024/5/63468.2常用编码2024/5/63478.2.1霍夫曼编码熵编码，依据信源概率进行的编码将最短编码赋给出现频率最高的输入，对出现频率最低的输入分配最长编码编码包含二个阶段生成路径按概率由高到低排序对概率最小的二个求和重复上述步骤知道二个概率之和为1分配编码为每条支路分配比特2024/5/63488.2.1霍夫曼编码

2024/5/63498.2.2算术编码基于概率的变长编码，属于熵编码编码的信息流表示为0~1之间的一个区间，信息流越长则区间越小。符号出现概率决定了编码过程中各符号对应区间位置初始化时将0~1区间根据各符号概率分割，确定第一个被编码符号所属区间然后采用迭代方法，在“当前区间”中，进一步根据各符号出现概率分割区间，确定下一个被编码符号所属区间将“当前区间”更新为该区间重复上述过程直到所有输入符号被分配区间2024/5/63508.2.2算术编码

2024/5/63518.2.3游程编码对于重复并且连续出现的符号或符号串，用“符号或符号串、连续且重复出现的次数”描述符号或符号串连续重复出现的次数称为游程或行程2024/5/63528.2.3游程编码

2024/5/63538.2.3游程编码对包含大量重复信息的内容压缩效果好信息流重复性不高时压缩效率低甚至起不到压缩作用用于特定场景，例如二值图像编码、高频数据量化后编码等传输过程中发生错误会造成错误扩散2024/5/63548.2.4LZW编码词典编码不需要知道各符号出现的概率，仅利用数据本身包含大量重复片段的特点进行压缩LZW编码属于词典编码，通过建立词典，用较短的代码（词典索引号）表示实际信息流中的符号串LZW所用词典无需事先创建，根据输入信息流动态创建LZW解码时一边解码一边创建词典2024/5/63558.2.4LZW编码

2024/5/63568.2.4LZW编码

2024/5/63578.2.4LZW编码LZW编码示例设共有x、y、z三种符号，输入信息流为“xyyzyyzy”步骤词条词条索引编码器输出①

x1

y2z3②

x

③xy4y1④

yy5y2⑤

yz6z2⑥

zy7y3⑦

yy

⑧

yyz8z5⑨

zy

⑩

7编码前建立2024/5/6358词典里有了，不输出创建新词，输出旧词创建新词，输出旧词词典里有了，不输出没输入，把剩的输出8.2.5矢量量化编码矢量量化编码是有损编码，解码数据与送入编码器的数据相比存在失真用于图像、视频、语音压缩相比无损编码，矢量量化编码压缩效率更高2024/5/63598.2.5矢量量化编码

2024/5/63608.2.5矢量量化编码

2024/5/63618.3位平面编码2024/5/63628.3位平面编码位平面编码对图像的每个位平面单独处理以减少像素间冗余分位平面分解、位平面编码

二个步骤低位平面图像比高位平面图像包含更多细节高位平面图含重要视觉信息，大量连续的0或1，便于压缩2024/5/63638.3位平面编码

2024/5/63648.4变换编码2024/5/63658.4变换编码将图像从空间域转换到另一个域，对转换后数据进行编码大致步骤分割：增加子图像均匀性，使变换后能量更集中，减少存储容量的需求变换：消除空间冗余，变换后的数据相关性变小，能量分布更集中量化：降低精度，减少心理视觉冗余，提高压缩率编码：进一步减少数据量组织码流：加入传输和解码时必要的其它信息2024/5/63668.4.1离散余弦变换

2024/5/63678.4.1离散余弦变换

2024/5/63688.4.1离散余弦变换离散余弦变换使得频域带宽更窄、能量更集中，比离散傅里叶变换更适合用于信息压缩变换后系数是实数，没有相位信息，因此不适用其对信号性能特征进行分析2024/5/63698.4.1离散余弦变换

2024/5/63708.4.1离散余弦变换二维离散余弦变换具有可分离性，可分解为二个一维变换离散余弦变换尺寸越大，则变换后能量集中度越高，去相关性越好，但计算复杂度会随之增大。2024/5/63718.4.2JPEG图像压缩

2024/5/63728.4.2JPEG图像压缩

2024/5/63738.4.2JPEG图像压缩JPEG压缩流程（续1）： DCT变换后系数分布更集中，通常变换后左上方系数较大，即能量集中在低频区域，多数图像的高频分量较小2024/5/63748.4.2JPEG图像压缩JPEG压缩流程（续2）：量化量化系数越大量化失真越大。视觉对低频更敏感，量化表右下方量化系数大些。视觉系统对亮度信息更敏感，亮度量化表比色差量化表更精细

2024/5/63758.4.2JPEG图像压缩JPEG压缩流程（续3）：JPEG控制压缩率主要依靠量化表量化造成不可逆的信息损失2024/5/63768.4.2JPEG图像压缩2024/5/6377

8.4.2JPEG图像压缩JPEG压缩流程（续5）：量化的直流、交流分别编码成中间格式图像同一目标区域分割成得到各子块的直流值接近，对量化的直流（DC）进行差分脉冲调制编码DPCM，即对相邻子块的直流差值进行编码其它63个系数属于交流(AC)，对交流采用游程编码2024/5/63788.4.2JPEG图像压缩JPEG压缩流程（续6）：对DC、AC的中间格式分别进行熵编码JPEG标准中提供两种熵编码方式：霍夫曼编码和算术编码对AC、DC采用不同霍夫曼码表对亮度分量和色差分量采用不同霍夫曼码表2024/5/63798.4.2JPEG图像压缩

2024/5/63808.4.3基于小波的图像压缩图像进行小波变换，对小波变换系数进行压缩小波图像压缩属于嵌入式压缩，从压缩码流开始处到码流任一位置截取的码流都能重建图像，随着截取码流的增加，重建图像图像质量逐渐提高2024/5/63818.4.3基于小波的图像压缩

2024/5/63828.4.3基于小波的图像压缩

2024/5/63838.4.3基于小波的图像压缩

2024/5/63848.4.3基于小波的图像压缩

2024/5/63858.4.3基于小波的图像压缩

2024/5/63868.4.3基于小波的图像压缩

2024/5/6387根据前面扫描结果，这些部分是零树后代，不用扫描字母表示4种类型，下标表示扫描顺序8.4.3基于小波的图像压缩

2024/5/63888.4.3基于小波的图像压缩

2024/5/63898.4.3基于小波的图像压缩

2024/5/63908.4.3基于小波的图像压缩如何理解嵌入式零树小波的”嵌入式“第一次迭代结束，小波系数62、50编码为1，系数-33、46编码为0。解码端收到1，译码为32~64的上半段（48~64）的中值56，收到0译码为32~48的中值40(-33译码为-40、46译码为40）第二次迭代结束，系数62在第1次译码时已知它落在48~64之间，第2次译码”1“更知道它在此区间的后半段56~64之间，故译码为56~64中间值60。系数50第1次译码知道其在48~64之间，第2次量化0说明它落在48~56之间，故译码为52。同理-33在第2次译码知道其幅值在32~48的前半部分即32~40之间，因此译码为-36随着码流增多，译码值与实际值越接近EZW本质上属于位平面编码2024/5/63918.4.3基于小波的图像压缩JPEG2000压缩JPEG2000采用小波变换将图像分解为不同分辨率、不同频率和方向特性的子图像支持有损压缩和无损压缩比JPEG压缩率更高，在高压缩率时优势明显，不会出现JPEG的块效应适合高品质、大尺寸图像压缩。2024/5/63928.4.3基于小波的图像压缩JPEG2000编码2024/5/63938.4.3基于小波的图像压缩

2024/5/63948.4.3基于小波的图像压缩JPEG2000编码流程（续1）Tier-1阶段：每个子带分成若干互不重叠矩形区，每个矩形区称为码块。对各码块分别独立进行位平面编码，每个码块一个独立的嵌入式码流对各码块码流进行截取，找出每个码块码流的最佳截取点，使得在指定压缩率下压缩造成的失真最小。对截取码流按照指定格式、压缩质量、指定的质量分层、传输渐进方式等进行数据打包，形成压缩码流2024/5/6395JPEG2000编码的关键技术是优化截取的嵌入式块编码(EBCOT)技术EBCOT分为Tier-1嵌入式码块编码和Tier-2生成输出码流二个阶段。8.4.3基于小波的图像压缩JPEG2000编码EBCOT使得JPEG2000编码在指定压缩率下达到失真最小，相同压缩率下图像质量优于其它编码，高压缩率时优势尤为显著。JPEG2000编码只需对图像按照最大分辨率、最高质量压缩一次，用户根据自身需求指定分辨率、压缩率、色彩或灰度(提取分量中的亮度信息)截取码流即可。JPEG2000支持多种分级(scalabe)，既有常规的质量分级，即随着码流增加图像分辨率保持不变而质量逐步提高，也支持分辨率分级，当数据量少时图像分辨率低，随着解码比特的增加分辨率逐渐增加2024/5/63968.4.3基于小波的图像压缩JPEG2000分辨率可分级2024/5/63978.4.3基于小波的图像压缩JPEG2000支持感兴趣区域编码2024/5/63988.5视频压缩2024/5/63998.5视频压缩

2024/5/64008.5视频压缩

2024/5/64018.5视频压缩

2024/5/64028.5视频压缩典型视频编码流程2024/5/64038.5视频压缩

2024/5/6404数字图像处理教程第9章形态学处理用具有一定形态的结构元素对图像处理，以提取那些在描述图像区域形状中非常有用的特征在图像分割、特征识别、图像描述等应用中常用简化图像特征、保持图像基本特征、去除无关细节等目的，是图像增强的有效手段非线性图像处理，可用于二值图像和灰度图像9.1预备知识9.1预备知识

9.1预备知识

9.1预备知识

9.1预备知识

9.2.腐蚀与膨胀二值图像中通常用像素值1表示属于目标（又称前景）的像素、0表示该像素属于非目标（又称背景）腐蚀和膨胀都是针对目标进行的处理9.2.1腐蚀

9.2.1腐蚀腐蚀结果与目标和结构元形状、尺寸、结构元原点位置有关消除细小的噪声，选择大小形状适当的结构元可以滤掉不能完全包含结构元的噪声利用腐蚀滤除噪声的同时，对图像中目标的形状也有影响9.2.2膨胀

9.2.2膨胀膨胀填充图像中背景尺寸比结构元小的区域可用于连接相邻间隔很小的目标区域、填充小孔和狭窄的缝隙膨胀结果与结构元大小、形状及中心点位置有关9.2.3对偶性

9.3开运算和闭运算9.3.1开运算

9.3.2闭运算

开、闭运算、腐蚀和膨胀比较

9.4击中与击不中变换9.4击中与击不中变换

找内部形状找外部边缘形状9.4击中与击不中变换9.5一些基本形态学算法9.5.1边界提取

9.5.2种子填充

9.5.3提取连通分量

9.5.4凸包

9.5.4凸包

9.5.5细化、骨架化和粗化

9.5.5细化、骨架化和粗化

9.5.5细化、骨架化和粗化骨架化（1）骨架化是一种极致的细化，将目标细化为宽度1个像素，细化后细线连通保持输入对象的尺寸，骨架的端点一直延伸至目标的边界骨架位于目标中心线位置不改变目标基本结构9.5.5细化、骨架化和粗化

9.5.5细化、骨架化和粗化

开运算9.5.5细化、骨架化和粗化骨架化（4）距离变换实现骨架化对二值图像进行距离变换，得到距离图像目标中心在距离图像最亮，根据距离变换结果的奇异性（中心最亮处曲率变化最大）提取中心轴线，得到目标的骨架9.5.5细化、骨架化和粗化

9.5.5细化、骨架化和粗化

9.5.6形态学重建涉及两幅图像和一个结构元一幅图像为标记(marker)或标记图像，包含变换的起始点另一幅图像称为模板(mask)，用于对变换进行约束结构元用于定义连接性形态学重建的基本运算是测地膨胀和测地腐蚀9.5.6形态学重建

9.5.6形态学重建

9.5.6形态学重建

9.5.6形态学重建

9.5.6形态学重建

9.5.6形态学重建

9.5.6形态学重建

9.5.6形态学重建形态学重建应用9.5.6形态学重建形态学重建应用9.6灰度图像的形态学处理9.6灰度图像的形态学处理一般用于图像分割、图像二值化等之前的预处理阶段提高区域灰度趋同性、强调灰度差异、突出某些特征等9.6灰度图像的形态学处理不平坦结构元平坦结构元通常灰度图级形态学处理的结构元关于原点对称一般采用平坦结构元9.6.1腐蚀和膨胀

9.6.1腐蚀和膨胀

9.6.1腐蚀和膨胀

9.6.1腐蚀和膨胀腐蚀降低图像整体亮度膨胀增加图像整体亮度9.6.2开运算和闭运算

9.6.2开运算和闭运算

9.6.2开运算和闭运算9.6.2开运算和闭运算多次形态学处理使亮度趋于一致