第六章-数字图像处理(2)课件.ppt

《第六章-数字图像处理(2)课件.ppt》由会员分享，可在线阅读，更多相关《第六章-数字图像处理(2)课件.ppt（197页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第六章 数字图像处理（2）第第6.36.3章章 空间域图像增强空间域图像增强6.3.1 基础知识基础知识u基本概念基本概念u点运算点运算u直方图运算直方图运算6.3.2 空间滤波器空间滤波器u平滑空间滤波器平滑空间滤波器增强的目标是处理图像，增强的目标是处理图像，使其比元图像更适合于特定应用使其比元图像更适合于特定应用6.3.1 6.3.1 基础知识基础知识增增增增强强构成构成构成构成图图像的像素像的像素像的像素像的像素点运算点运算2、对数变换、对数变换扩扩展被展被展被展被压缩压缩的高的高的高的高值图值图像中的暗像素像中的暗像素像中的暗像素像中的暗像素点运算点运算3、幂次变换、幂次变换提高图像

2、处理时提高图像处理时提高图像处理时提高图像处理时灰度级的动态范围灰度级的动态范围灰度级的动态范围灰度级的动态范围对比度拉伸对比度拉伸对比度拉伸对比度拉伸原图原图原图原图门限化门限化门限化门限化直方图运算直方图运算u直方图定义直方图定义u直方图均衡化直方图均衡化定定义2归一化直一化直方方图直方图的分布直方图的分布暗暗图像像亮亮图像像低低对比度比度图像像高高对比度比度图像像对于每个对于每个r产生一个灰度值产生一个灰度值s单调递增的灰度级变换函数单调递增的灰度级变换函数直方图均衡化过的图像直方图均衡化过的图像灰度级能跨越更大的范围灰度级能跨越更大的范围6.3.2 6.3.2 空间滤波器空间滤波器u使

3、用空间模版进行的图像处理，被称为空间滤波。使用空间模版进行的图像处理，被称为空间滤波。u模版本身被称为空间滤波器。模版本身被称为空间滤波器。平滑空间滤波器平滑空间滤波器u作用：作用：u模糊处理：去除图像中一些不重要的细节模糊处理：去除图像中一些不重要的细节u减小噪声减小噪声u平滑空间滤波器的分类：平滑空间滤波器的分类：u线性滤波器：均值滤波器线性滤波器：均值滤波器u非线性滤波器：非线性滤波器：u最大值滤波器最大值滤波器u中值滤波器中值滤波器u最小值滤波器最小值滤波器线性滤波器线性滤波器l包含在滤波器邻域内像素的平均值，也称为均值滤波器。包含在滤波器邻域内像素的平均值，也称为均值滤波器。l作用：

4、作用：l减小图像灰度的减小图像灰度的“尖锐尖锐”变化，减小噪声；变化，减小噪声；l由于图像边缘是由图像灰度尖锐变化引起的，所以也存由于图像边缘是由图像灰度尖锐变化引起的，所以也存在边缘模糊的问题。在边缘模糊的问题。l每一个像素值用其局部邻域内所有值的均值置换每一个像素值用其局部邻域内所有值的均值置换其中，其中，M是邻域是邻域N内的像素点总数。内的像素点总数。l在像素点在像素点i,j处取处取3X3邻域，得邻域，得:在设计线性平滑滤波器时，选择滤波权值应使得滤在设计线性平滑滤波器时，选择滤波权值应使得滤波器只有一个峰值，称之为主瓣，并且在水平和垂波器只有一个峰值，称之为主瓣，并且在水平和垂直方向上

5、是对称的。一个典型的直方向上是对称的。一个典型的3X3平滑滤波器的平滑滤波器的权值模板如下：权值模板如下：经验设计经验设计统计排序滤波器统计排序滤波器u什么是统计排序滤波器？什么是统计排序滤波器？u是一种非线性滤波器。是一种非线性滤波器。u基于滤波器所在图像区域中像素的排序，由排序结果决基于滤波器所在图像区域中像素的排序，由排序结果决定的值代替中心像素的值。定的值代替中心像素的值。u分类分类u中值滤波器：中值滤波器：用像素领域内的中间值代替该像素。用像素领域内的中间值代替该像素。u最大值滤波器：用像素领域内的最大值代替该像素。最大值滤波器：用像素领域内的最大值代替该像素。u最小值滤波器：用像素

6、领域内的最小值代替该像素。最小值滤波器：用像素领域内的最小值代替该像素。中值滤波器中值滤波器中值滤波的原理中值滤波的原理u用模板区域内像素的中间值，作为结果值用模板区域内像素的中间值，作为结果值R=midzk|k=1,2,nu强迫突出的亮点（暗点）更像它周围的值，以消强迫突出的亮点（暗点）更像它周围的值，以消除孤立的亮点（暗点）。除孤立的亮点（暗点）。中值滤波算法的实现中值滤波算法的实现u将模板区域内的像素排序，求出中间值将模板区域内的像素排序，求出中间值u例如：例如：3x3的模板，第的模板，第5大的是中值，大的是中值，u5x5的模板，第的模板，第13大的是中值，大的是中值，u7x7的模板，第

7、的模板，第25大的是中值。大的是中值。u对于同值像素，连续排列。对于同值像素，连续排列。u如（如（10,19,22,36,39,48,75,98,99）l中值滤波算法的特点中值滤波算法的特点l在去除噪音的同时，可以比较好地保留边的锐度和在去除噪音的同时，可以比较好地保留边的锐度和图像的细节（优于均值滤波器）图像的细节（优于均值滤波器）l能够有效去除脉冲噪声：以黑白点叠加在图像上能够有效去除脉冲噪声：以黑白点叠加在图像上最大值滤波器最大值滤波器最小值滤波器最小值滤波器6.4 6.4 图像分割图像分割u分割的目的：将图像划分为不同区域分割的目的：将图像划分为不同区域u讨论：讨论：u阈值处理阈值处理

8、u基于边缘检测的分割基于边缘检测的分割u基于区域的分割基于区域的分割图像分割概述图像分割概述u图像分割就是指把图像分成各具特性的区域并提图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。取出感兴趣目标的技术和过程。u特性可以是灰度、颜色、纹理等，目标可以对应特性可以是灰度、颜色、纹理等，目标可以对应单个区域，也可以对应多个区域。单个区域，也可以对应多个区域。u图像分割算法是基于亮度值的不连续性和相似性。图像分割算法是基于亮度值的不连续性和相似性。u不连续性是基于亮度的不连续变化分割图像，不连续性是基于亮度的不连续变化分割图像，如图像的边缘。如图像的边缘。u根据制定的准则将图

9、像分割为相似的区域，如根据制定的准则将图像分割为相似的区域，如阈值处理、区域生长、区域分离和聚合。阈值处理、区域生长、区域分离和聚合。6.4.1 6.4.1 阈值处理阈值处理基础：基础：u阈值处理操作：阈值处理操作：f(x,y)是点是点(x,y)的灰度级，的灰度级，p(x,y)表示该点的局部表示该点的局部性质，如以性质，如以(x,y)为中心的邻域的平均灰度级。为中心的邻域的平均灰度级。u阈值处理后的图像阈值处理后的图像g(x,y)定义为：定义为：u标记为标记为1的像素对应于对象，标记为的像素对应于对象，标记为0的像素对应的像素对应于背景于背景u当当T仅取决于仅取决于f(x,y)，阈值称为全局的

10、，阈值称为全局的u当当T取决于取决于f(x,y)和和p(x,y)，阈值是局部的，阈值是局部的u当当T取决于空间坐标取决于空间坐标x和和y，阈值就是动态的或自适应的，阈值就是动态的或自适应的基本全局阈值例子基本全局阈值例子基本自适应阈值基本自适应阈值u单一全局阈值存在的问题单一全局阈值存在的问题u不均匀亮度图像无法有效分割不均匀亮度图像无法有效分割u方法方法u将图像进一步细分为子图像，并对不同的子图像将图像进一步细分为子图像，并对不同的子图像使用不同的阈值处理使用不同的阈值处理u解决的关键问题：如何将图像进行细分和如何为解决的关键问题：如何将图像进行细分和如何为得到的子图像估计阈值得到的子图像估

11、计阈值u自适应阈值：取决于像素在子图像中的位置自适应阈值：取决于像素在子图像中的位置基本自适应阈值举例基本自适应阈值举例分割为子图像：分割为子图像：4等分后等分后再再4等分等分自适应阈值处理的结果自适应阈值处理的结果原图原图一个全局阈值处理后的结果：一个全局阈值处理后的结果：人工设置直方图的波谷为阈值人工设置直方图的波谷为阈值6.4.2 6.4.2 基于边缘检测的图像分割基于边缘检测的图像分割n边缘边缘(edge)是指图像局部强度变化最显著的部分。是指图像局部强度变化最显著的部分。边缘主要存在于目标与目标、目标与背景、区域与边缘主要存在于目标与目标、目标与背景、区域与区域区域(包括不同色彩包括

12、不同色彩)之间。之间。n图像强度的不连续可分为：图像强度的不连续可分为：(1)阶跃不连续，即图像强度在不连续处的两边的像阶跃不连续，即图像强度在不连续处的两边的像素灰度值有着显著的差异；素灰度值有着显著的差异；(2)线条不连续，即图像强度突然从一个值变化到另线条不连续，即图像强度突然从一个值变化到另一个值，保持一较小行程后又回到原来的值。一个值，保持一较小行程后又回到原来的值。u边缘点：在亮度显著变化的位置上的点边缘点：在亮度显著变化的位置上的点u边缘段：对应于边缘点坐标及其方位边缘段：对应于边缘点坐标及其方位u边缘检测器：从图像中抽取边缘集合的算法边缘检测器：从图像中抽取边缘集合的算法u轮廓

13、：边缘列表或一条表示边缘列表的拟合曲线轮廓：边缘列表或一条表示边缘列表的拟合曲线u边缘连接：从无序边缘表形成有序边缘表的过程边缘连接：从无序边缘表形成有序边缘表的过程u边缘跟踪：一个用来确定轮廊的图像搜索过程边缘跟踪：一个用来确定轮廊的图像搜索过程边缘检测算法的基本步骤边缘检测算法的基本步骤滤波：改善与噪声有关的边缘检测器的性能；滤波：改善与噪声有关的边缘检测器的性能；一般滤波器导致了边缘的损失；一般滤波器导致了边缘的损失；增强边缘和降低噪声之间需要折衷。增强边缘和降低噪声之间需要折衷。增强：将邻域强度值有显著变化的点突显出来。增强：将邻域强度值有显著变化的点突显出来。边缘增强一般是通过计算梯

14、度幅值来完成的。边缘增强一般是通过计算梯度幅值来完成的。检测：最简单的边缘检测判据是梯度幅值阈值。检测：最简单的边缘检测判据是梯度幅值阈值。定位：边缘的位置和方位在子像素分辨率上估计。定位：边缘的位置和方位在子像素分辨率上估计。一阶导数可以用一阶导数可以用于检测图像中的于检测图像中的一个点是否是边一个点是否是边缘点（判断一个缘点（判断一个点是否在斜坡上）点是否在斜坡上）；二阶导数可以用二阶导数可以用于判断一个边缘于判断一个边缘像素是在边缘亮像素是在边缘亮的一边还是暗的的一边还是暗的一边。一边。梯度梯度梯度是一阶导数的二维等效式，图像梯度是一阶导数的二维等效式，图像f(x,y)在位置在位置f(x

15、,y)的梯度定义为矢量：的梯度定义为矢量：(1)向量的方向就是函数增大时的最大变化率向量的方向就是函数增大时的最大变化率方向；方向；(2)梯度的幅值和方向梯度的幅值和方向:用差分来近似梯度：用差分来近似梯度：j 对应于对应于x轴方向，轴方向，i对应于对应于y负轴方向，用简单卷积负轴方向，用简单卷积模板表示模板表示:梯度算子梯度算子 微分滤波器模板系数设计微分滤波器模板系数设计 Roberts交叉梯度算子交叉梯度算子 Prewitt梯度算子梯度算子 Sobel梯度算子梯度算子微分滤波器模板系数设计微分滤波器模板系数设计结论结论Prewitt和和Sobel算子是计算数字梯度时最常用的算子是计算数字

16、梯度时最常用的算子算子Prewitt模板比模板比Sobel模板简单，但模板简单，但Sobel模板能模板能够有效抑制噪声够有效抑制噪声二阶微分算子二阶微分算子图像强度的二阶导数的零交叉点就是找到边缘图像强度的二阶导数的零交叉点就是找到边缘点。点。拉普拉斯算子拉普拉斯算子拉普拉斯算子是二阶导数的二维等效式拉普拉斯算子是二阶导数的二维等效式:这一近似式是以点这一近似式是以点i,j+1为中心的用为中心的用j-1替换替换:用算子表示：用算子表示：希望邻域中心点具有更大的权值希望邻域中心点具有更大的权值拉普拉斯算子总结拉普拉斯算子总结缺点：缺点：拉普拉斯算子对噪声具有敏感性拉普拉斯算子对噪声具有敏感性拉普

17、拉斯算子的幅值产生双边缘拉普拉斯算子的幅值产生双边缘拉普拉斯算子不能检测边缘的方向拉普拉斯算子不能检测边缘的方向优点：优点：可以利用零交叉的性质进行边缘定位可以利用零交叉的性质进行边缘定位可以确定一个像素是在边缘暗的一边还是亮的一边可以确定一个像素是在边缘暗的一边还是亮的一边结论（对比二阶拉普拉斯算子和一阶结论（对比二阶拉普拉斯算子和一阶Sobel梯度算子）梯度算子）缺点缺点边缘由许多闭合环的零交叉点决定边缘由许多闭合环的零交叉点决定零交叉点的计算比较复杂零交叉点的计算比较复杂优点优点零交叉点图像中的边缘比梯度边缘细零交叉点图像中的边缘比梯度边缘细抑制噪声的能力和反干扰性能抑制噪声的能力和反干

18、扰性能结论：梯度算子具有更多的应用结论：梯度算子具有更多的应用6.4.3基于区域的分割基于区域的分割区域增长的算法实现区域增长的算法实现区域增长是一种根据事先定义的准则将像素或子区域聚合区域增长是一种根据事先定义的准则将像素或子区域聚合成更大区域的过程。基本方法是以一组成更大区域的过程。基本方法是以一组“种子种子”点开始，点开始，将与种子性质相似的相邻像素附加到生长区域的每个种子将与种子性质相似的相邻像素附加到生长区域的每个种子上。上。1）根据图像的不同应用选择一个或一组种子，它或者是最）根据图像的不同应用选择一个或一组种子，它或者是最亮或最暗的点，或者是位于点簇中心的点；亮或最暗的点，或者是

19、位于点簇中心的点；2）选择一个描述符（条件）；）选择一个描述符（条件）；3）从该种子开始向外扩张，首先把种子像素加入结果集合，）从该种子开始向外扩张，首先把种子像素加入结果集合，然后不断将与集合中各个像素连通、且满足描述符的像素然后不断将与集合中各个像素连通、且满足描述符的像素加入集合；加入集合；4）上一过程进行到不再有满足条件的新结点加入集合为止。）上一过程进行到不再有满足条件的新结点加入集合为止。区域增长在焊缝检测中的应用区域增长在焊缝检测中的应用区域分裂与合并区域分裂与合并在开始时将图像分割为一系列任意不相交的区域，然在开始时将图像分割为一系列任意不相交的区域，然后将它们进行聚合并或拆分

20、。后将它们进行聚合并或拆分。令令R表示整幅图像区域并选择一个谓词表示整幅图像区域并选择一个谓词P。对。对R进行分进行分割的一种方法是将分割得到的结果图像再次分为割的一种方法是将分割得到的结果图像再次分为4个区个区域，直到对任何区域域，直到对任何区域Ri，有，有P(Ri)=TRUE。6.5 6.5 图像复原图像复原l 图像退化图像退化/复原过程的模型复原过程的模型l 噪声模型噪声模型l 空间域滤波复原（唯一退化是噪声）空间域滤波复原（唯一退化是噪声）l 频率域滤波复原（削减周期噪声）频率域滤波复原（削减周期噪声）6.5.1 6.5.1 图像退化与图像复原图像退化与图像复原什么是退化？什么是退化？

21、成像过程中的成像过程中的“退化退化”，是指由于成像系统各种，是指由于成像系统各种因素的影响，使得图像质量降低。因素的影响，使得图像质量降低。引起图像退化的原因引起图像退化的原因成像系统的散焦成像系统的散焦成像设备与物体的相对运动成像设备与物体的相对运动成像器材的固有缺陷成像器材的固有缺陷外部干扰等外部干扰等图像复原概述图像复原概述图像复原技术可以使用空间域或频率域滤波器实现；图像复原技术可以使用空间域或频率域滤波器实现；图像复原可以看作图像复原可以看作图像退化的逆过程图像退化的逆过程，是将图像退，是将图像退化的过程加以估计，建立退化的数学模型后，补偿化的过程加以估计，建立退化的数学模型后，补偿

22、退化过程造成的失真；退化过程造成的失真；在图像退化确知的情况下，图像退化的逆过程是有在图像退化确知的情况下，图像退化的逆过程是有可能进行的；可能进行的；实际情况经常是退化过程并不知晓，这种复原称为实际情况经常是退化过程并不知晓，这种复原称为盲目复原；盲目复原；由于图像模糊的同时，噪声和干扰也会同时存在，由于图像模糊的同时，噪声和干扰也会同时存在，为复原带来了困难和不确定性。为复原带来了困难和不确定性。图像退化图像退化/复原过程的模型复原过程的模型6.5.2 6.5.2 噪声模型噪声模型数字图像的噪声主要来源于图像的获取和传输过数字图像的噪声主要来源于图像的获取和传输过程程图像获取的数字化过程，

23、如图像传感器的质量和环图像获取的数字化过程，如图像传感器的质量和环境条件；境条件；图像传输过程中传输信道的噪声干扰，如通过无线图像传输过程中传输信道的噪声干扰，如通过无线网络传输的图像会受到光或其它大气因素的干扰。网络传输的图像会受到光或其它大气因素的干扰。一些重要的噪声一些重要的噪声高斯噪声（正态噪声）高斯噪声（正态噪声）瑞利噪声瑞利噪声伽马（爱尔兰）噪声伽马（爱尔兰）噪声指数分布噪声指数分布噪声均匀分布噪声均匀分布噪声脉冲噪声（椒盐噪声）脉冲噪声（椒盐噪声）高斯噪声高斯噪声z为灰度值，为灰度值，表示表示z的平均值或期望值，的平均值或期望值，表示表示z的标准差的标准差瑞利噪声瑞利噪声伽马（爱

24、尔兰）噪声伽马（爱尔兰）噪声指数分布噪声指数分布噪声均匀分布噪声均匀分布噪声脉冲噪声（椒盐噪声）脉冲噪声（椒盐噪声）几种噪声的运用几种噪声的运用u高斯噪声源于电子电路噪声和由低照明度或高温高斯噪声源于电子电路噪声和由低照明度或高温带来的传感器噪声带来的传感器噪声u瑞利噪声对分布在图像范围内特征化噪声有用瑞利噪声对分布在图像范围内特征化噪声有用u伽马分布和指数分布用于激光成像噪声伽马分布和指数分布用于激光成像噪声u均匀密度分布在实践中描述的最少，但是作为模均匀密度分布在实践中描述的最少，但是作为模拟随机数产生器的基础拟随机数产生器的基础u脉冲噪声用于成像中的短暂停留中，如错误的开脉冲噪声用于成像

25、中的短暂停留中，如错误的开关操作关操作周期噪声周期噪声周期噪声是在图像获取时从电力或机电干扰中周期噪声是在图像获取时从电力或机电干扰中产生的。产生的。周期噪声可以通过频率域滤波显著减少。周期噪声可以通过频率域滤波显著减少。6.5.3 6.5.3 空间域滤波复原（唯一退化是噪空间域滤波复原（唯一退化是噪声）声）当唯一退化是噪声时，当唯一退化是噪声时，噪声项未知，不能从噪声项未知，不能从g(x,y)或或G(u,v)减去噪声减去噪声当仅有加性噪声时，可以选择空间滤波方法进行当仅有加性噪声时，可以选择空间滤波方法进行图像复原。在这种特殊情况下，图像的增强和复图像复原。在这种特殊情况下，图像的增强和复原

26、几乎不可区别。原几乎不可区别。图像复原的空间滤波器图像复原的空间滤波器均值滤波器均值滤波器算术均值滤波器、几何均值滤波器、谐波均值滤波算术均值滤波器、几何均值滤波器、谐波均值滤波器、逆谐波均值滤波器器、逆谐波均值滤波器顺序统计滤波器顺序统计滤波器中值滤波器、最大值滤波器、最小值滤波器、中点中值滤波器、最大值滤波器、最小值滤波器、中点滤波器、修正后的阿尔法均值滤波器滤波器、修正后的阿尔法均值滤波器自适应滤波器自适应滤波器自适应局部噪声消除滤波器、自适应中值滤波器自适应局部噪声消除滤波器、自适应中值滤波器均值滤波器均值滤波器算术均值滤波器算术均值滤波器几何均值滤波器几何均值滤波器谐波均值滤波器谐波

27、均值滤波器逆谐波均值滤波器逆谐波均值滤波器均值滤波器均值滤波器均值滤波器小结均值滤波器小结算术均值滤波器和几何均值滤波器适合于处理算术均值滤波器和几何均值滤波器适合于处理高斯或均匀等随机噪声高斯或均匀等随机噪声谐波均值滤波器适合于处理脉冲噪声谐波均值滤波器适合于处理脉冲噪声缺点：必须事先知道噪声是暗噪声还是亮噪声，缺点：必须事先知道噪声是暗噪声还是亮噪声，以便于选择合适的以便于选择合适的Q Q符号符号顺序统计滤波器顺序统计滤波器中值滤波器中值滤波器最大值滤波器最小值滤波器中点滤波器修正后的阿尔法均值滤波器中值滤波器举例中值滤波器举例最大值和最小值滤波器举例最大值和最小值滤波器举例自适应滤波器自

28、适应滤波器自适应滤波器举例自适应滤波器举例6.5.4 6.5.4 频率域滤波复原（削减周期噪声）频率域滤波复原（削减周期噪声）图像复原的频率域滤波器图像复原的频率域滤波器 带阻滤波器带阻滤波器 带通滤波器带通滤波器 陷波滤波器陷波滤波器 最佳陷波滤波器最佳陷波滤波器6.6图像压缩图像压缩为什么需要图像压缩为什么需要图像压缩?图像的数据量通常很大，对存储、处理和传输带图像的数据量通常很大，对存储、处理和传输带来许多问题来许多问题不断扩大的图像应用不断扩大的图像应用Internet上的大量图像上的大量图像数字图书馆数字图书馆遥感图像遥感图像视频，如电视会议、数字电视、视频，如电视会议、数字电视、I

29、PTV图像压缩所解决的问题是图像压缩所解决的问题是尽量减少表示数字尽量减少表示数字图像时所需的数据量图像时所需的数据量。图像压缩的方法图像压缩的方法消除冗余数据，从数学角度看，将原始图像转化为从统计消除冗余数据，从数学角度看，将原始图像转化为从统计角度看尽可能不相关的数据集。角度看尽可能不相关的数据集。一般分为两类：一般分为两类：无损压缩：在压缩和解压缩过程中没有信息损失；无损压缩：在压缩和解压缩过程中没有信息损失；有损压缩：能取得较高的压缩率，但压缩后不能通过解压缩有损压缩：能取得较高的压缩率，但压缩后不能通过解压缩恢复原状；恢复原状；其它：如根据需要，即可进行无损，也可进行有损压缩的技其它

30、：如根据需要，即可进行无损，也可进行有损压缩的技术；准无损技术。术；准无损技术。图像压缩的理论基础图像压缩的理论基础信息论信息论图像处理的概念和技术图像处理的概念和技术压缩方法压缩方法预测编码方法（对应空域方法）预测编码方法（对应空域方法）变换编码方法（对应频域方法）变换编码方法（对应频域方法）一、数据冗余的概念一、数据冗余的概念数据是用来表示信息的。如果不同的方法为表数据是用来表示信息的。如果不同的方法为表示给定量的信息使用了不同的数据量，那么使示给定量的信息使用了不同的数据量，那么使用较多数据量的方法中，有些数据必然是代表用较多数据量的方法中，有些数据必然是代表了无用的信息，或者是重复地表

31、示了其它数据了无用的信息，或者是重复地表示了其它数据已表示的信息，这就是数据冗余。已表示的信息，这就是数据冗余。数据冗余数据冗余是图像压缩的主要问题。是图像压缩的主要问题。相对数据冗余的定义相对数据冗余的定义相对数据冗余和压缩率的一些特例相对数据冗余和压缩率的一些特例三种基本的数据冗余三种基本的数据冗余编码冗余编码冗余像素间冗余像素间冗余心理视觉冗余心理视觉冗余如果能减少或消除上述三种冗余的如果能减少或消除上述三种冗余的1种或多种冗种或多种冗余，就能取得数据压缩的效果余，就能取得数据压缩的效果什么是编码冗余？什么是编码冗余？如果一个图像的灰度级编码，使用了多于实际需要如果一个图像的灰度级编码，

32、使用了多于实际需要的编码符号，就称该图像包含了编码冗余的编码符号，就称该图像包含了编码冗余黑白二值图像编码黑白二值图像编码（1 1）编码冗余）编码冗余（2 2）像素间冗余）像素间冗余什么是像素间冗余？什么是像素间冗余？反映图像中像素之间的相互关系。反映图像中像素之间的相互关系。因为任何给定像素的值可以根据与这个像素相邻的因为任何给定像素的值可以根据与这个像素相邻的像素进行预测，所以单个像素携带的信息相对较少。像素进行预测，所以单个像素携带的信息相对较少。对于一幅图像，很多单个像素对视觉的贡献是冗余对于一幅图像，很多单个像素对视觉的贡献是冗余的。它的值可以通过与它相邻的像素值为基础进行的。它的值

33、可以通过与它相邻的像素值为基础进行预测。预测。例：原图像数据：例：原图像数据：234 223 231 238 235 压缩后数据：压缩后数据：234 -11 8 7 -3（3 3）心理视觉冗余）心理视觉冗余什么是心理视觉冗余？什么是心理视觉冗余？有些信息在通常的视觉过程中与另外一些信息相比并不有些信息在通常的视觉过程中与另外一些信息相比并不那么重要，这些信息被认为是心理视觉冗余的，去除这那么重要，这些信息被认为是心理视觉冗余的，去除这些信息并不会明显降低图像质量。些信息并不会明显降低图像质量。由于消除心理视觉冗余数据会导致一定量信息的丢失，由于消除心理视觉冗余数据会导致一定量信息的丢失，所以这

34、一过程通常称为量化所以这一过程通常称为量化心理视觉冗余压缩是不可恢复的，量化的结果导致了数心理视觉冗余压缩是不可恢复的，量化的结果导致了数据有损压缩据有损压缩二、图像压缩模型二、图像压缩模型一个图像压缩系统包括两个不同的结构块：一个编码一个图像压缩系统包括两个不同的结构块：一个编码器和一个解码器。器和一个解码器。如果输出图像是输入的准确复制，则系统就是无误差如果输出图像是输入的准确复制，则系统就是无误差的或具有信息保持的编码系统。如果不是，则在重建的或具有信息保持的编码系统。如果不是，则在重建图像中就会呈现某种程度的失真。图像中就会呈现某种程度的失真。（1 1）信源编码器）信源编码器信源编码器

35、：减少或消除输入图像中的编码冗余、像信源编码器：减少或消除输入图像中的编码冗余、像素间冗余及心理视觉冗余。素间冗余及心理视觉冗余。转换器：减少像素间冗余。转换器：减少像素间冗余。量化器：减少心理视觉冗余，该步操作是不可逆的量化器：减少心理视觉冗余，该步操作是不可逆的符号编码器：减少编码冗余。符号编码器：减少编码冗余。并不是每个图像压缩系统都必须包含这并不是每个图像压缩系统都必须包含这3种操作，如种操作，如进行无误差压缩时，必须去掉量化器。进行无误差压缩时，必须去掉量化器。（2 2）信源解码器）信源解码器符号解码器：进行符号编码的逆操作符号解码器：进行符号编码的逆操作反向转换器：进行转换器的逆操

36、作反向转换器：进行转换器的逆操作（3 3）信道编码器和信道解码器）信道编码器和信道解码器信道是有噪声的或易产生误差时，信道编码器和信信道是有噪声的或易产生误差时，信道编码器和信道解码器对整个编解码过程非常重要道解码器对整个编解码过程非常重要由于信源编码器的输出数据一般只有很少的冗余，由于信源编码器的输出数据一般只有很少的冗余，所以它们对输出噪声很敏感所以它们对输出噪声很敏感汉明汉明(Hamming)编码：在编了码的码字后面增加足编码：在编了码的码字后面增加足够的比特位以保证各个正确的码字之间至少有一定够的比特位以保证各个正确的码字之间至少有一定数量的比特位不相同数量的比特位不相同基本编码定理基

37、本编码定理无噪声编码定理无噪声编码定理噪声编码定理噪声编码定理信源编码定理信源编码定理（4）无误差压缩）无误差压缩在有些应用中，无误差压缩是仅有的可接受的在有些应用中，无误差压缩是仅有的可接受的数据压缩方法。数据压缩方法。变长编码变长编码霍夫曼霍夫曼(Huffman)编码编码其它变长编码其它变长编码算术编码算术编码LZW编码编码位平面编码位平面编码无损预测编码无损预测编码无误差压缩的必要性无误差压缩的必要性在医疗或商业文件的归档，有损压缩因为法律原因而在医疗或商业文件的归档，有损压缩因为法律原因而被禁止被禁止卫星成像的收集，考虑数据使用和所花费用，不希望卫星成像的收集，考虑数据使用和所花费用，

38、不希望有任何数据损失有任何数据损失X光拍片，信息的丢失会导致诊断的正确性光拍片，信息的丢失会导致诊断的正确性无误差压缩技术无误差压缩技术减少像素间冗余减少像素间冗余减少编码冗余减少编码冗余（5 5）有损压缩）有损压缩有损编码：以在图像重构的准确度上作出让步而换取有损编码：以在图像重构的准确度上作出让步而换取压缩能力增加为基础的。压缩能力增加为基础的。如果产生的失真是可容忍的，则压缩能力上的增加就如果产生的失真是可容忍的，则压缩能力上的增加就是有效的。是有效的。方法：方法：有损预测编码：直接对像素在图像空间进行操作，称为有损预测编码：直接对像素在图像空间进行操作，称为空域方法。空域方法。变换编码

39、：基于图像变换的编码方法，称为频域方法。变换编码：基于图像变换的编码方法，称为频域方法。6.7基于内容的图像检索基于内容的图像检索为什么需要基于内容的图像检索为什么需要基于内容的图像检索?查询方式，查询查询方式，查询demo，现有系统简介，现有系统简介具体内容具体内容特征提取特征提取相似度匹配相似度匹配相关反馈相关反馈索引结构索引结构6.7.1 6.7.1 为什么需要基于内容的图像检索为什么需要基于内容的图像检索?当前图像内容的特征当前图像内容的特征海量的图像内容出现海量的图像内容出现人类已有的：历史、地理、军事、医学人类已有的：历史、地理、军事、医学每天新增的：数码相机、互联网每天新增的：数

40、码相机、互联网图像内容的特征：没有索引、目录或摘要图像内容的特征：没有索引、目录或摘要怎样找到需要的图像？怎样找到需要的图像？基于文字描述的图像检索基于文字描述的图像检索丰富的图像内容很难用文字来全面描述丰富的图像内容很难用文字来全面描述文字的选取因人而异，带有很大的主观性文字的选取因人而异，带有很大的主观性耗费大量的人力和时间耗费大量的人力和时间结论：对于海量的图像，基于人工标注文字的检结论：对于海量的图像，基于人工标注文字的检索已不可能索已不可能问题：目前搜索引擎提供的基于文字的图像检索，问题：目前搜索引擎提供的基于文字的图像检索，能够解决问题吗？解决得好吗？能够解决问题吗？解决得好吗？为

41、什么需要基于内容的图像检索为什么需要基于内容的图像检索(CBIR)?(CBIR)?提供图像的检索功能提供图像的检索功能不需要人手工标注，计算机自动分析和检索，不需要人手工标注，计算机自动分析和检索，节省人力和时间节省人力和时间使海量图像的管理和索引成为可能使海量图像的管理和索引成为可能存在的问题：存在的问题：人类高级语义特征与计算机底层特征表示的矛盾人类高级语义特征与计算机底层特征表示的矛盾查询方式问题查询方式问题查询方式查询方式利用采样图像：选择图像数据库中的图像利用采样图像：选择图像数据库中的图像利用范例图像：来自图像库之外，用户自己提供利用范例图像：来自图像库之外，用户自己提供利用局部图

42、像：先提取图像区域，再利用该图像利用局部图像：先提取图像区域，再利用该图像区域检索；或利用不同图像的不同区域的拼图区域检索；或利用不同图像的不同区域的拼图利用绘制图像：用户绘制出来的图作为查询图像，利用绘制图像：用户绘制出来的图作为查询图像，描述用户的检索目标或场景描述用户的检索目标或场景草图：简单的素描，用户期望的目标形状草图：简单的素描，用户期望的目标形状绘画：用颜色描绘图像区域及区域的空间分布绘画：用颜色描绘图像区域及区域的空间分布举例举例图像数据库图像数据库ArtcollectionsGeneraimagecollectionsScientificimagecollectionsMed

43、icalimagecollections图像数据库查询图像数据库查询通过关键字（文本）查询通过关键字（文本）查询通过实例（内容）查询通过实例（内容）查询通过关键字查询通过关键字查询可以通过可以通过SQL语句来实现，例如语句来实现，例如Select*fromIMAGEDBWhereCaption=Pigs缺点：为图像加上关键字费时费力，而且经常缺点：为图像加上关键字费时费力，而且经常不能准确的描述图像的内容。不能准确的描述图像的内容。通过关键字通过关键字“pig”查询得到的两幅图象查询得到的两幅图象通过实例查询通过实例查询从图像内容中提取线索，直接对图像进行分析，从图像内容中提取线索，直接对图像

44、进行分析，抽取特征；抽取特征；提取特征方法多种多样。如形状、颜色、纹理、提取特征方法多种多样。如形状、颜色、纹理、轮廓等特征；轮廓等特征；检索过程是一个人机交互的过程；借助人机交互检索过程是一个人机交互的过程；借助人机交互可以提交检索效率；可以提交检索效率；采用一种近似的匹配技术，逐步定位。采用一种近似的匹配技术，逐步定位。现有系统现有系统 QBIC Virage Photobook VisualSEEK MARS QBIC(QueryByImageContent)IBM研制开发研制开发支持图像例子、绘制草图或定制图像特征模板来支持图像例子、绘制草图或定制图像特征模板来检索图像库检索图像库颜色

45、使用颜色使用RGB,YIQ,Lab和和MTM颜色空间颜色空间纹理使用改进的纹理使用改进的Tamura表示：粗糙度，对比度和表示：粗糙度，对比度和方向性等方向性等形状特征有目标面积、各阶矩、离心率和主轴方形状特征有目标面积、各阶矩、离心率和主轴方向等向等草图特征，如边界各点的切线方向等草图特征，如边界各点的切线方向等开发了基于聚类的索引技术开发了基于聚类的索引技术Virage的的VIRImageEngine类似于类似于QBIC系统系统特色：将特征进行归类，用户查询时可以对特特色：将特征进行归类，用户查询时可以对特征进行任意组合征进行任意组合PhotobookMIT媒体实验室开发媒体实验室开发首先

46、根据目标类别划分数据库，首先根据目标类别划分数据库，3个基本目标个基本目标是：脸、形状和纹理是：脸、形状和纹理6.7.2 6.7.2 特征提取特征提取(Feature Extraction)(Feature Extraction)颜色特征颜色特征纹理特征纹理特征形状特征形状特征图像中的物体以及物体间关系的相似度图像中的物体以及物体间关系的相似度（1 1）颜色特征）颜色特征颜色百分比颜色百分比颜色直方图颜色直方图颜色布局颜色布局颜色百分比颜色百分比颜色直方图颜色直方图通过比较两幅图像的直方图，找到与给定图像的通过比较两幅图像的直方图，找到与给定图像的直方图的距离较小的图像。直方图的距离较小的图像

47、。颜色直方图相似度的计算颜色直方图相似度的计算颜色布局颜色布局综合使用了图像中所包含的颜色以及颜色的位置信综合使用了图像中所包含的颜色以及颜色的位置信息。息。两种检索方法两种检索方法用户选取几种颜色，填在网格的不同位置中，系统用户选取几种颜色，填在网格的不同位置中，系统可以检索出颜色布局相似的图像。可以检索出颜色布局相似的图像。用户提供给系统一幅图像，系统自动找出与所给图用户提供给系统一幅图像，系统自动找出与所给图像的颜色布局相似的图像。像的颜色布局相似的图像。颜色布局相似度的计算：颜色布局相似度的计算：方格中的颜色可以简单的表示为方格中颜色的均值方格中的颜色可以简单的表示为方格中颜色的均值或

48、者方格中颜色的直方图。或者方格中颜色的直方图。（2 2）纹理特征）纹理特征纹理纹理类似于布纹、草地、砖墙等重复性结构的图像称类似于布纹、草地、砖墙等重复性结构的图像称为纹理图像。为纹理图像。纹理可认为是灰度（颜色）在空间以一定的形式纹理可认为是灰度（颜色）在空间以一定的形式变化而产生的图案（模式）。变化而产生的图案（模式）。一般来说，纹理图像中灰度分布具有某种周期性，一般来说，纹理图像中灰度分布具有某种周期性，即便灰度变化是随机的，它也具有一定的统计特即便灰度变化是随机的，它也具有一定的统计特性。性。纹理通常和图像频谱中的高频分量是密切联系的，纹理通常和图像频谱中的高频分量是密切联系的，光滑的

49、图像（主要包括低频分量）一般不认为是光滑的图像（主要包括低频分量）一般不认为是纹理图像。纹理图像。与输入图像具有相似纹理的图像应当具有和输入与输入图像具有相似纹理的图像应当具有和输入图像相同的颜色（灰度）空间分布，但不一定具图像相同的颜色（灰度）空间分布，但不一定具有相同的颜色（灰度）。有相同的颜色（灰度）。两个要素：两个要素：纹理的表示纹理的表示根据相应的纹理表示定义相应的纹理相似度。根据相应的纹理表示定义相应的纹理相似度。纹理相似度纹理相似度纹理表示纹理表示Tamura表示法表示法联合概率矩阵表示联合概率矩阵表示小波表示小波表示Tamura纹理表示法纹理表示法对比度、粗细度和方向性是描述纹

50、理的对比度、粗细度和方向性是描述纹理的3个量个量利用这利用这3个量可组合成一个个量可组合成一个3-D空间空间在这个在这个3-D空间中，两点间的欧式距离与人对纹空间中，两点间的欧式距离与人对纹理感知的差距很接近理感知的差距很接近对比度对比度(contrast)粗细度粗细度(contrast，也叫粗糙度，也叫粗糙度)方向性方向性(directionality)是一个全局的纹理特征，它描述纹理是如何沿某是一个全局的纹理特征，它描述纹理是如何沿某些方向散布或集中的。些方向散布或集中的。一般来说，方向性与纹理基元的形状以及如何将一般来说，方向性与纹理基元的形状以及如何将这些纹理基元排列的规则有关。这些纹