数字图像处理学习笔记（一）
digital_image_process
数字图像处理学习笔记, 根据以下学习指南进行:
-
学习用书： 数字图像处理 MATLAB 版 冈萨雷斯著
推荐两本书,一本偏理论, 一本偏代码实战(Matlab), 打包下载地址: 链接：https://pan.baidu.com/s/1Ir3vW_GwTOXbX-QIHkLkxA
提取码：nd2a偏理论: <数字图像处理_第三版_冈萨雷斯>
偏实战: <数字图像处理(MATLAB版)(中译版)[冈萨雷斯]>
包含书里的图片素材
-
学习内容： 第 1 章、 第 2 章、 第 3 章、 第 6 章、 第 9 章的 9.1~9.3 小节、
第 10 章的 10.1~10.3 小节、 第 11 章的 11.1~11.2 小节 -
学习要求：为了增强理解，需要根据自己对方法的理解编写相应的 matlab程 序，
书中的示例程序可以作为参考。 -
图像处理高阶算法
学 习 内 容 ： SIFT[1], LBP[2], BoW[3], affine transformation[4], similarity
transformation[5][1] material: https://blog.csdn.net/zddmail/article/details/7521424
code: https://github.com/sun11/sw-sift (matlab 版)
https://github.com/paulaner/SIFT (python 版)
[2] material: https://blog.csdn.net/heli200482128/article/details/79204008
code: https://github.com/michael92ht/LBP （ python 版）
https://github.com/bikz05/texture-matching （ python 版）
[3] material: https://blog.csdn.net/tiandijun/article/details/51143765
code: https://github.com/qijiezhao/SIFT_BOW_Usage （ python 版）
https://github.com/lucifer726/bag-of-words- （ python 版）
[4] material: https://www.cnblogs.com/ghj1976/p/5199086.html
[5] material: https://blog.csdn.net/u014096352/article/details/53526747
说明
由于MATLAB基本操作之前学过，主要对遗忘的内容进行笔记;
除了MATLAB代码，加入相关Python3代码。其中使用opencv-python，
pillow（PIL），
skimage等工具。
很久之前的笔记, 适合CV初学者进行学习
内容列表（已完成）
- CH01_CH02:MATLAB数据类型与基本操作;
- CH03:gamma亮度与对比度拉伸变换，直方图均衡化与匹配，空间滤波
- CH06:索引图像概念，图像提取&分离通道，彩色空间转换，彩色映射变换，彩色图像空间滤波，彩色边缘检测，彩色图像分割
- CH09:膨胀，腐蚀，顶帽，黑帽，击中或击不中变换，查找表
- CH10:点、线检测(canny、Hough)，阈值处理
- CH11:链码、最小周长多边形的多边形近似、标记、边界片段、骨骼
- 高阶:SIFT
第一章 绪论
使用MATLAB图像处理工具箱IPT函数，并且本书开发了新函数，每个函数的源代码包含在各章节或附录C中
第二章 基本原理
Matlab支持图片格式
图像操作
1.读取图像：f=imread('xxxx.jpg')
2.读取行列：[m,n]=size(f), whos f显示数组附加信息。第一维表示垂直方向，size(f,1)表示行数
3.显示图像：imshow(f,G) 若将G省略，默认灰度级数为256；G=[low high]表示low以下为黑，high以上为白；G=[ ]表示low默认为f中最小值，high为最大值
4.函数pixval：交互显示单个像素亮度值；若按住鼠标左键不放，可用于测量距离
5.保存图像：imwrite(f,'xxxx.jpg')
- JPEG压缩：
imwrite(f,'xxx.jpg','quality',q)q为0-100的整数，q越小图像退化越严重 - 可用imfinfo计算压缩率
K=imfinfo('test.jpg');
image_bytes = K.Width*K.Height*K.BitDepth/8;
compressed_bytes = K.FileSize;
compressed_ratio = image_bytes/compressed_bytes;
K结构体成员如下图
- tif同分辨率尺寸缩放
数据类
图像类型
- 亮度图像（Intensity images）
- 二值图像（Binary images）：数据类为logical。A为由0、1构成的数值数组，
B=logical（A），islogical判断 - 索引图像（Indexed images）
- RGB图像（RGB images）
数据类与图像数据类型间的转换
- 数据类转换：B=logical（A）或uint8(A); double转uint8，会将[0 255]以外去掉，然后去掉小数点部分
- 图像类型转换：
- im2uint8：[0 1]范围内乘255，范围外置为0,1。
- im2uint16：与int8类似，65535。
- mat2gray：只能输入double，转换为[0 1]的double；mat2gray(A,[Amin,Amax])规定转换后的0,1。
- im2double：若输入为uint8，每个值除以255；若为uint16，除以65535。
- im2bw：
im2bw(f,T)T的取值为[0 1]；若输入uint8，会先每个值除以255；可以用关系运算’gb=f>2’替代。
数组索引
- 向量索引：v([1 4 7])
- 矩阵索引：
1.A(D),D为逻辑数组，将所有为1的以列向量排列
2.一个：，将全部元素以逐列形式排成一个列向量，sum(A(：))等价于sum(sum(A))
例2.5
- 垂直翻转
fp=f(end:-1:1,:); - 二次取样
fs=f(1:2:end,1:2:end);
标准数组
运算符
1.算数运算符
- max&min
2.关系运算符 ~=
3.逻辑运算符 & | ~
代码优化
- tic toc 计时；t1/(t2+eps)
- 预分配数组
单元数组与结构体
//单位数组
c={'guess',[1;2],3}
c{1}
//结构体
field='first';
value=1;
c=struct(field,value);