前言:基于电科大830考研大纲。本人非图像处理研究方向的学生,因考试需要,自己整理的学习笔记,本文仅供参考,内容若有出入请自行补充。希望对大家有所帮助。
电科大830考研大纲参考网址来源:
https://blog.csdn.net/sinat_35907936/article/details/103743934
http://www.kaoyanmiji.com/Article/kyfx/zyk/848499.html
===========================正文==============================
1、基本概念
(1)数字图像处理的概念
(2)数字图像处理的基本步骤
2、数字图像处理基础
(1)图像感知和获取:
图像感知(3种传感器+其工作原理);
图像获取过程;
(2)图像取样与量化:(将传感器输出的连续电压波形转换为数字的处理过程)
图像f(x,y):对坐标值x,y数字化叫取样,对幅度值f数字化叫量化;
数字图像的表示方法有3种;
(3)像素间的一些基本关系:
4邻域N4(p)、8邻域N8(p)、D邻域ND(p);
邻接(4邻接、8邻接、m邻接)、连通、区域、边界;
距离测度(D4城市距离、D8棋盘距离、欧氏距离);
(4)数字图像处理中所用的基本操作:
对应元素运算和矩阵运算;线性运算和非线性运算;算术运算;集合运算和逻辑运算;空间运算;向量与矩阵运算;图像变换;图像灰度和随机变量;
3、灰度变换与空间滤波
(1)灰度变换与空间滤波基础
空间域处理基本表达式:
灰度变换函数表达式:
(2)基本的灰度变换函数(通式+功能)
·线性函数(反转和恒等变换):图像反转
·对数函数(对数和反对数变换):拓展暗像素值+压缩高灰度极值,反对数函数功能相反
·幂律函数(n次幂和n次根变换):矫正和增强图像细节
·分段线性变换函数(与上述三种函数互补):可用于对比度拉伸、灰度级分层(突出特定灰度区间)、比特平面分层(突出特定比特)
(3)直方图处理
·直方图均衡化
·直方图匹配 / 规定化
(4)空间滤波基础
·线性空间滤波
·相关 和 卷积(核旋转180度):首像素与核原点对齐依次移位计算,展开(完全)结果填充0
·可分离滤波器核:核矩阵秩为1即可拆分为两个向量的外积,减少计算量
空间域滤波(卷积)==> 频率域滤波(乘法):傅里叶变换(DFT)
空间域滤波 ==> 频率域滤波:反傅里叶变换(IDFT)
(5)平滑(低通)空间滤波器:降噪、矫正阴影、降低灰度的急剧过渡
·盒式滤波器核:核元素全1,取平均1/mn,模糊图像,精细度不够
·低通高斯滤波器核:基于高斯核,更平滑
·统计排序滤波器:非线性,中值滤波器最好,解决椒盐噪声
(6)锐化空间滤波器:基于微分求导;突出灰度过渡、增强边缘和不连续
·一阶导数的锐化滤波器:梯度核,增强边缘
·二阶导数的锐化滤波器:拉普拉斯核,可增强更精细的细节
·钝化掩蔽(k=1)和高提升滤波(k>1):用于锐化图像
模糊原图像 f(x,y) 为
计算模板 gmask(x,y) = f(x,y) -
模板与原图像相加 g(x,y) = f(x,y) + k*gmask(x,y)
(7)低通、高通、带阻、带通滤波器:全为线性滤波器,后三个基于低通构建
(8)混合空间增强法:组合使用多种滤波器和图像变换
4、频率域滤波(解决一些空间域中难以解决的任务)
(1)傅立叶变换(DFT和IDFT是线性处理)的基本知识
·(单变量/二变量)连续函数的(傅里叶变换/反傅里叶变换)
·(单变量/二变量)离散函数的(傅里叶变换/反傅里叶变换)
(2)频率域滤波基础
·基本滤波公式
·频率域滤波基本步骤
·空间域滤波和频率域滤波关系:
(2)使用低通频率域滤波器平滑图像(衰减DFT图像的高频分量以平滑图像)
·理想低通滤波器
·巴特沃斯低通滤波器
·高斯低通滤波器
(3)使用高通频率域滤波器锐化图像(衰减DFT图像的低频分量以锐化图像)
·用1减去低通滤波器对应传递函数 H(u,v) 得到(理想、巴特沃斯、高斯)高通滤波器传递函数:
·钝化掩蔽、高提升滤波、高频强调滤波
·同态滤波:基于 照射-反射 模型,( ln取对数 + DFT )后近似:照射分量对应低频,反射分量对应高频
(4)选择性滤波
·带阻滤波器和带通滤波器
·陷波滤波器(最有用)
5、图像复原
(1)图像退化/复原处理的模型
(2)噪声模型
·一些重要噪声(有PDF):高斯噪声、瑞利噪声、爱尔兰(伽马)噪声、指数噪声、均匀噪声、椒盐噪声
·周期噪声:可用频率域滤波器明显降低
(3)只存在噪声的复原—空间滤波(只存在加性随机噪声情况下,去除噪声)
·均值滤波器(4种):算术平均滤波器、几何均值滤波器、谐波平均滤波器、反谐波平均滤波器
·统计排序滤波器(4种):中值滤波器、最大值滤波器和最小值滤波器、中点滤波器、修正阿尔法均值滤波器
·自适应滤波器(2种):自适应局部降噪滤波器、自适应中值滤波器
(4)使用频率域滤波降低周期噪声
最优陷波滤波
(5)线性位置不变退化+估计退化函数
·许多类型的退化可近似为线性位置不变过程,这种情况下,退化通常被建模为卷积,图像去卷积表示图像复原,复原所用滤波器被称为去卷积滤波器
·估计退化函数的方法:观察法、实验法、建模法
(6)逆滤波:直接逆滤波性能较差,下述为对其的改进
·最小均方误差(维纳)滤波:需已知原图像和噪声的功率谱
·约束最小二乘方滤波:需已知噪声的方差和均值(可由退化图像算出)
·几何均值滤波:对维纳滤波的推广
6、彩色图像处理
(1)彩色基础:颜色特性:亮度、色度(色调、饱和度)
(2)彩色模型:RGB、CMY与CMYK、HSI
(3)假彩色图像处理:灰度分层+彩色编码、灰度到彩色的变换
(4)全彩色图像处理基础
(5)彩色变换
(6)彩色图像平滑和锐化
(7)使用彩色分割图像
(8)彩色图像中的噪声
(9)彩色图像压缩
7、图像压缩
(1)基础知识
(2)图像压缩方法
8、形态学图像处理
·结构元运算规则:反射(反射结构元相对于原点旋转180度);平移
·图像和结构元之间的形态学运算:基于反射和平移,以集合运算(非线性运算)为基础
(1)腐蚀和膨胀
(2)开运算和闭运算(基于膨胀和腐蚀,均用于平滑轮廓)
·开运算:断开狭颈,消除细长突出物
·闭运算:填充狭颈与轮廓缝隙,消除小孔
(3)基本的形态学算法
·边界提取
·孔洞填充
·提取连通分量
·其他形态学算法:凸壳、细化、粗化、骨架、裁剪
(4)灰度级形态学
·灰度腐蚀和膨胀
·灰度开运算和闭运算
·基本的灰度形态学算法:形态学平滑、形态学梯度、顶帽变换+底帽变换、粒度测定、纹理分割
9、图像分割
(1)点、线和边缘检测:基于灰度值不连续性
·孤立点的检测:当滤波器在一点响应的绝对值超过一个规定的阈值,则该点为孤立点,输出时该点标注为1,其他点标注为0
·线的检测:用检测不同方向的拉普拉斯核作为线检测核
·边缘检测:一阶导数(梯度核)和二阶导数(拉普拉斯核)尤为适合检测灰度局部突变。在边缘检测中,一阶导数用于检测一点是否存在边缘,二阶导数用于检测一个边缘像素位于边缘的亮侧或暗侧。边缘检测一般步骤:用平滑滤波器处理降噪 ==> 检测边缘点 ==> 边缘定位
(2)阈值处理:基于像素性质的分布
(3)区域提取:直接寻找区域
(4)使用形态学分水岭分割图像:同时寻找区域和边界
(5)分割中运动的使用:空间域技术和频率域技术
10、特征提取(特征检测+特征描述)
(1)边界预处理:边界跟踪、链码( 弗里曼链码 + 斜率链码 )、MPP最小周长多边形近似边界、标记图、骨架(中轴变换和距离变换)
(2)边界特征描述子:基本描述子(边界长度、长轴、短轴、偏心率、边界曲率)、形状数、傅里叶描述子、统计矩
(3)区域特征描述子:基本描述子(区域边长、区域面积、紧致度、圆度、偏心率)、拓扑描述子(欧拉数=连通分量-孔洞分量=顶-边+面)、纹理(统计方法(纹理测度6个+共生矩阵描述子6个)、谱方法)
(4)作为特征描述子的主分量:霍特林变换
(5)关系描述子
================================大纲无笔记PDF版图片展示=================================
标签:滤波器,运算,变换,数字图像处理,滤波,灰度,第四版,图像,冈萨雷斯 From: https://www.cnblogs.com/forkroad/p/17421581.html