关键词： 图像
图像空域（精选四篇）
图像空域 篇1
邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。
1 平滑滤波器
平滑的目的是在提取较大的目标前去除太小的细节或将目标内的小间断连接起来和消除噪声。
1.1 算法
假定有一副N*N个像素图像f (x, y) ，平滑处理后得到一副图像
平滑后的图像g (x, y)中的每个像素的灰度值均由含在(x, y)的预定领域中的f (x, y)的几个像素的灰度值平均值来决定。例如：
1.2 实现举例
总结，对相同类型的平滑滤波器，滤波器尺寸越大，噪声滤除效果愈好，但细节模糊效应也越强。
2 中值滤波器
中值滤波在去除噪声的方面不同于平滑滤波器。
2.1 算法
其基本原理是数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代替。中值的定义如下：一数组x1, x2, x3, ———xn, 把n个数按值的大小顺序排列于下：xi1≤xi2≤xi3≤———≤xin。
在一维的情形下，中值滤波器是一个含有奇数个像素的滑动窗口，窗口正中间那个像素的值用窗口内各像素值的中值代替。设输入序列为{xi, i∈I}, I为自然数集合或子集，窗口长度n，则滤波器输出为
yi=m e d{xi}=m e d{xi-u, ———xi, ———, xi+u}式中，i∈I;u= (u-1) /2。
2.2 实现举例
总结，对于随机噪声的抑制能力，中值滤波性能要比平均值滤波差些，但对于脉冲干扰来讲，特别是脉冲宽度较小，相距较远的窄脉冲，中值滤波是很有效的。
以上两种有结果可以看出，中值滤波器不像均值滤波那样，它在衰减噪声的同时不会使图像的边界模糊，这也是中值滤波器受欢迎的主要原因。
3 锐化滤波
锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。
3.1 算法
拉布拉斯算子的表达式是：
3.2 实现举例
总结，图像模糊的部分得到了锐化，边缘部分得到了增强，边界更加明显。
总之，从图像增强的目的来看，它是与图像平滑和中值相反的一类处理。
参考文献
[1]阮秋琦.实用数字图像处理[M].北京:电子工业出版社, 2001.
图像空域 篇2
关键词：数字图像,空域处理,图像差异
在图像标准相同的前提下, 人的肉眼很难识别或根本无法识别图像之间的差异。基于数字图像处理的基本原理及MATLAB编程技术, 探讨如何应用数字图像空域处理技术检测图像之间的差异。空域是指图像平面本身, 空域处理方法是直接对图像的像素进行的处理。主要介绍灰度直方图观察、阈值分割、边缘检测和差异像素提取还原等四种方法, 用其中任何一种方法, 都可实现图像之间差异的检测。
1 数字图像空域差异检测方法原理
1.1 灰度直方图观察检测差异法
在数字图像处理中, 灰度直方图是图像灰度级的函数, 描述的是图像中具有该灰度级的像素的个数:其横坐标是灰度级, 纵坐标是该灰度出现的频率 (像素的个数) 。对一幅图像, 图像的灰度统计直方图是一个1-D的离散函数:
h (k) =nk, k=0, 1, 2, …, L-1 (1)
其中, nk是f (x, y) 中具有灰度值k的像素的个数一些通过肉眼难以识别其差异的图像, 对其进行灰度直方图处理, 然后观察各对应灰度直方图形, 不同的直方图就表明它们所对应的原图像一定是不同的。
1.2 边缘检测差异法
数字图像的边缘检测是图像分割、目标区域的识别、区域形状的提取等图像分析领域中十分重要的基础。两个具有不同灰度值的相邻区域之间总存在边缘。边缘是灰度值不连续的结果, 这种不连续的结果可利用求导数的方法方便地检测到。边缘检测的基本思想首先是利用边缘增强算子, 突出图像中的局部边缘, 然后定义像素的边缘强度, 通过设置阈值的方法提取边缘点集。在空域对边缘的检测采用局部算子进行, 本文采用Canny算子, 它是一种有效的二阶导数算子, 不容易受噪声的干扰, 能够在噪声与边缘检测之间取得较好的平衡。Canny提出了判定边缘检测算子的三个准则:信噪比准则、定位精度准则和单边缘响应准则。对于图像差异检测来说, 定位精度准则检测出的差异在其真正的位置上, 比较适用。其边缘定位精度L定义为:
undefined
式中, G (x) 代表边缘函数;h (x) 代表带宽为W的滤波器的脉冲响应;σ代表高斯噪声的均方差。G′ (x) 和h′ (x) 分别代表G (x) 和h (x) 的导数。L越大表明定位精度越高。
1.3 阈值分割检测差异法
阈值分割法是一种基于区域的图像分割技术, 其基本原理是:通过设定不同的特征阈值, 把图像象素点分为若干类。常用的特征包括:直接来自原始图像的灰度或彩色特征;由原始灰度或彩色值变换得到的特征。设原始图像为f (x, y) , 对灰度图像进行阈值分割以后就可以将图像中不同区域分开。首先对一幅灰度取值在gmin和gmax之间的图像确定一个灰度阈值T (gmin
undefined
若图像中有多个灰度值不同的区域, 那么可以选择一系列的阈值, 称为多阈值分割。选取相同的阈值去对两幅图像进行分割, 结果可以表明这两幅图是否存在差异。
1.4 差异像素提取及差异还原法
设有原始图像f (x, y) 和待检测图像h (x, y) 。若f (x, y) 与h (x, y) 相等, 则它们的每个像素值均相等, 即g (x, y) =f (x, y) -h (x, y) =0, 此时所提取的差异像素个数为0, 鉴定结果为“无差异”。若f (x, y) 与h (x, y) 不相等, 则在h (x, y) 中总会存在与f (x, y) 位置相对应的像素点的像素值不同。我们利用这种像素上的差异, 将h (x, y) 中与f (x, y) 相等像素值的像素点置为黑色, 只保留不同像素值的像素点, 并将其显示出来, 这就还原出了差异。
2 图像差异检测结果验证图例
对任意一对图像标准相同的实例图像进行处理, 验证以上方法的有效性。在下列实例中, 待鉴图红色框内区域为造假之处, 即预设与原图有差异的区域。图1:原图 (图1左) 与待鉴定图像 (图1右) ;图2:原图灰度图 (图2左) 与待鉴图灰度图 (图2右) ;图3:灰度直方图观察检测差异法结果验证, 原图直方图 (图3左) 与待鉴图直方图 (图3右) ;图4:边缘检测法检测差异结果验证, 两图经边缘检测后的差异显示;图5:阈值分割法检测差异结果验证, 两图经阈值分割后的差异显示;图6:差异像素提取及差异还原法结果验证, 两图差异部分的提取与将差异还原至待鉴图中只显示有差异的区域。
3 结语
运用了灰度直方图观察、阈值分割、边缘检测和差异像素提取还原等数字图像空域方法, 在图像标准相同的前提下通过上述4种方法之一均检测出了图像之间的差异。结果证明, 以上方法均有效, 可实际应用于赝品画面的识别、静态场景匹配等方面。由于受图像标准相同的限制, 在检测差异之前, 要对待检测图像进行标准化处理。
参考文献
[1]罗军辉.matlab7.0在图像处理中的应用[M].北京:机械工业出版社, 2005.
[2]王家文.matlab7.0图形图像处理[M].北京:国防工业出版社, 2006.
[3]阮秋琦.数字图像处理基础[M].北京:中国铁道出版社, 2003.
[4]高成.matlab图像处理与应用[M].北京:国防工业出版社, 2007.
[5]张德丰.MATLAB数字图像处理[M].北京:机械工业出版社, 2009.
[6]冈萨雷斯.数字图像处理[M].北京:电子工业出版社, 2007.
图像空域 篇3
在研究过程中我们发现, 在从空域向频域进行的线性变换中, 图像的方向性特性发生了改变, 即图像的方向信息在其空域和频域分析中表现出了不同的特性, 了解并掌握这一特性对于稍后进行的, 基于频域的多通道滤波有着至关重要的作用。
本文由纹理图像的频域特征出发, 分别建立了纹理图像的空域模型和频域模型, 在数学推导的基础上进行了一定的仿真实验, 从而确定了图像的空域方向性与其傅立叶谱方向性之间的关系。在此基础上, 我们可以设计具有方向性分解特性的多通道滤波器, 以对图像进行方向性滤波。
1 纹理图像的频谱分析
为简单起见, 我们首先定义一幅单一纹理灰度图像, 如图1中所示的空域n1-n2平面上的一条有界直线。
图中, θ为该空域直线与n1轴 (空域垂直方向) 的夹角。该直线方程为n2=k×n1+b, 其中, k=tan (θ) ;b为该直线在n2轴上的截距;且有0≤n1≤N1-1, b≤n2≤k (N1-1) +b。基于上述前提, 我们引入直线图像f (n1, n2) =f (n1, k×n1+b) 。为简单起见, 假定该直线上的每个像素点的值均为a, 从而, 该直线图像的数学描述可由下式给出:
对f (n1, n2) 做二维傅立叶变换, 即
从而
由此可见, 空域直线图像的傅立叶谱近似为一Sinc函数。由 (4) 式可知, 在频域ω1-ω2平面上, F (ω1, ω2) 沿ω1+kω2=0方向取最大值, 即在该方向上, 能量最大。因此, 我们可以推断, 图像的纹理方向与图像的主频谱线方向是正交关系。图2定性地给出了图1中单一纹理灰度图像的频谱。
图2清晰的表明了图像的纹理方向与图像频谱谱线方向的这种正交关系, 在图2 (b) 中, 我们令F (ω1, ω2) 与ω2轴 (频域垂直方向) 的夹角为α, 则显然有
为了说明式 (5) 的正确性, 图3、图4和图5给出了三幅简单纹理图像及其频谱图。为了进一步表达图像方向性的空域和频域对应关系的普遍性, 图6给出了方向信息较多的Cameraman图像的频谱图。各频谱图中, 较亮的像素对应于能量较高的频谱值。
从以上实验可以看出, 频域变换图像的高能量区域 (频谱图中白色谱线所在的区域) 分别对应于图像的各方向边缘和直线特征。从图6 (b) 中更可以看出, 图像的方向性分量在其频谱图中分别对应于各楔形区域。
2 结论
本文研究了图像的空域方向性与其频域方向性之间的关系。实验结果表明, 两者之间存在着唯一的、确定性的关系。并且, 图像的各方向性分量在其频谱图中是按照楔形来分布的。这表明, 采用与频域能量分布相对应的, 支撑域为楔形的滤波器可以对图像的方向性信息加以提取。
下一步我们可以在此理论基础上, 设计一组具有楔形 (或近似楔形) 支持域的方向性滤波器, 对图像进行滤波处理, 以提取图像中的方向信息。
参考文献
[1]How Sun Dee.Wavelet-Based Block Transforms and Their Applications[C].Master thesis, Electrical and Electronics Engineering Department, Universiti Sains Malaysia, Malaysia, January 2001.
[2]A.K.Jain and F.Farrokhnia, Unsupervised texture segmentation usinggabor filters[J].Pattern Recognition, 1991, 24 (12) :1167-1186.
[3]A.C Bovik, Analysis of multichannel narrowband filters for image texturesegmentation[J].IEEE Transactions on Signal Processing, 1991, 39 (9) :2025-2043.
[4]Tianhorng Chang and C-C.Jay Kuo, Texture analysis and classificationwith tree-structured wavelet transform[J], ”IEEE Transactions on Image Processing, 1993, 2 (4) :429-441.
图像空域 篇4
1 数字图像处理技术
图像增强技术是一大类基本的图像处理技术, 其目的是对图像进行加工, 得到具体应用视觉效果更“好”、更“有用”的图像。图像增强技术可分为频域处理法和空域处理法。空域图像增强是指按特定的需要突出一幅图像中的某些信息, 同时, 削弱或去除某些不需要的信息的处理方法。其主要目的是对于某些特定的应用。处理后的图像比以往的图像更有效果, 从而提升图像质量。空域处理法是直接对图像中的像素进行处理的, 基本上以灰度映射变换为基础, 其所用的映射变换取决于增强的目的, 比如在增加图像的对比度时, 改善图像的灰度层次等处理均属于空域处理法。
2 灰度映射
通过改变图像像素的灰度值, 以改变图像灰度的动态范围、增强图像的对比度。灰度映射是指改变图像像素的灰度, 以改善视觉效果的一种基于图像像素的点操作。映射函数为:
式 (1) 中:t为输出像素值;s为输入像素值。
灰度映射原理:根据增强的目的设计某种映射规则, 并用相应的映射函数表示。利用映射函数可将原始图像中每个像素的灰度映射到新的灰度中。以下为常见函数。
2.1 图像取反
图像取反由灰度级范围为[0, L-1]图像反转的反比变换获得, 表达式为:
常用这种方式倒转图像的强度, 进而产生图像反转的对等图像。
2.2 动态范围压缩
动态范围过大时, 超出显示设备的允许范围后, 直接显示时会丢失图像细节。此时, 可进行动态范围压缩。动态范围是指图像中从暗到亮的变化范围。动态范围对人视觉的影响为:由于人眼可分辨的灰度变化范围是有限的, 所以, 当动态范围过大时, 过高的亮度值会掩盖暗区的信号。比如, 将[0, 255]范围内的亮、暗变化压缩到[a, b]范围内, 再将[a, b]范围内的灰度值伸展到[0, 255]。对数变换的一般表达式为:
式 (3) 中:c为常数;假设r≥0的像值映射为一宽带输出值。
2.3 增强对比度
在增强对比度时, 通过将图像灰度分阶段量化成较少的级数, 从而减少数据位, 获得数据量压缩的效果。将感兴趣的灰度范围线性扩展, 相对抑制不感兴趣的灰度区域, 这是一种通过改变图像像元亮度的分布态势、扩展灰度分布区间来改变图像像元对比度, 从而提升图像质量的处理方法。因亮度值是辐射强度的反映, 所以, 也称其为辐射增强。常用的方法有对比度线性变换和非线性变换。该方法的关键是找到1个函数, 并以此函数对图像中每一个像元进行变换, 使像元得到统一的重新分配, 构成得到反差增强的图像。
2.4 阈值切分 (图像二值化)
图像的二值化处理是将图像上的像素点的灰度值设置为0或255, 即使整个图像呈现出明显的黑白效果。将256个亮度等级的灰度图像通过适当的阈值选取获得仍可反映图像整体和局部特征的二值化图像。在数字图像处理中, 二值图像占有非常重要的地位。图像的二值化有利于图像的进一步处理, 使图像变得简单、数据量减少, 凸显感兴趣目标的轮廓。进行二值图像的处理和分析时, 要将灰度图像二值化, 从而得到二值化图像。
3 利用Photoshop完成数字图像处理
数字图像处理包含的内容十分庞大, 其作为重要的研究领域之一, 有很多研究成果不断涌现, 为各行各业的图像处理提供了有力支撑, 但因所涉及的理论较为复杂, 教师在使用时很难直接应用。本文以数字图像处理的理论为指导, 使用Photoshop软件进行简单的数字图像处理, 可达到较好的效果。各命令的效果如表1所示。
3.1 图像取反
在Photoshop中, 可利用“反相”命令将图像取反。选择“图像”→“调整”→“反相”命令, 可对图像进行反相, 将正片黑白图像变成负片, 或将扫描的黑白负片转换为正片。此外, 彩色图像也可使用反相命令得到反相后的效果。
3.2 动态范围压缩
在Photoshop中, 可利用“色阶”命令进行图像的动态范围压缩, 从而增强图像的清晰度。色阶是用直方图描述出整张图片的明暗信息, 修改色阶即扩大照片的动态范围 (相机能记录的亮度范围) , 从而有利于查看、修正、曝光、调色和提高对比度等。曝光过度会导致亮度溢出;曝光不足会导致暗部溢出。
选择“图像”→“调整”→“色阶”命令可打开色阶框, 从左至右是从暗到亮的像素分布, 黑色三角代表最暗的部分 (纯黑) ;白色三角代表最亮的部分 (纯白) ;灰色三角代表中间调, 可以改变中间调的亮度, 因为其左边代表整张相片的暗部, 右边代表整张相片的亮部, 当右移灰色滑块时, 会有更多的中间调像素进入暗部, 进而变暗, 反之亦然。
3.3 增强对比度
在Photoshop中, 可以利用“曲线”命令增强图像的对比度。“曲线”命令可以调节曲线的方式调整图像的色调, 此命令的优点在于能调整图像中的每一个色调, 且可在色调与色调之间调整图像。用鼠标点击需要调节的范围, 单击后会在曲线上标出, 改变曲线上标出点的曲线斜率以增加图像的对比度。选择“图像”→“调整”→“曲线”命令, 打开“曲线”调整框, 根据需求对图像进行调整。
3.4 阈值切分 (图像二值化)
在Photoshop中, 可利用“阈值”命令实现图像的二值化。“阈值”命令可将灰度或彩色图像转变为高对比度的黑白图像。阈值即临界值, Photoshop中的阈值实际上是基于图片亮度的黑白分界值, 默认值为50%中性灰, 即128, 亮度>128 (<50%的灰) 的会变白;<128 (>50%的灰) 的会变黑。
所有比阈值亮的像素会转换为白色;所有比阈值暗的像素会转换为黑色。“阈值”命令对确定图像的最亮和最暗区域很有用。在图像的二值化中, 二值化的结果严重依赖于阈值的选择。选择“图像”→“调整”→“阈值”命令, 打开“阈值”调整框, 可在阈值色阶文本框中输入1个数值, 从而确定图像的黑白分界线。
4 结束语
图像增强法是通过一定手段对原图像附加一些信息或变换数据, 有选择性地突出图像中感兴趣的特征或抑制 (掩盖) 图像中某些不需要的特征, 使图像与视觉响应特性相匹配。在图像增强的过程中, 如果不分析图像降质的原因, 则处理后的图像可能无法接近原始图像。在使用时, 针对灰度图像, 可根据不同的要求选择合适的处理方法, 处理后的图像基本可满足要求。需要注意的是, 数字图像处理中的很多技术都是通过细微变化来改善图像效果的, 所以, 适当调整是十分重要的, 过度调整会破坏原有图像中的大量细节并产生明显的变形, 将无助于提升图像质量, 无法达到预想的效果。
参考文献
[1]陈捷.数字增强技术在教学中的应用[J].北京教育学院学报 (自然科学版) , 2011 (4) .
