數字圖像處理經典演算法

『壹』 數字圖像處理的基本概念

(一)數字圖像

數字圖像,又稱數字化圖像,是一種以二維數組(矩陣)形式表示的圖像。該數組由對連續變化的空間圖像作等間距抽樣所產生的抽樣點——像元(像素)組成,抽樣點的間距取決於圖像的解析度或服從有關的抽樣定律抽樣點(像元)的量值,通常為抽樣區間內連續變化之量物的均值化量值,一般稱作亮度值或灰度值,它們的最大、最小值區間代表該數字圖像的動態范圍。數字圖像的物理含義取決於抽樣對象的性質。對於遙感數字圖像,就是相應成像區域內地物電磁輻射強度的二維分布。

在數字圖像中,像元是最基本的構成單元。每一個像元的位置可由行、列(x,y)坐標確定;亮度值(z)通常以0(黑)到255(白)為取值范圍。因此,任何一幅數字圖像都可以通過X、Y、Z的三維坐標系表示出。例如,陸地衛星的MSS圖像(圖4-8),便可看作x=2340(行),y=3240(列),z=0-255的三維坐標系。TM、HRV等亦然,只是行、列數不同而已。

圖4-8 陸地衛星MSS數字圖像的構成原理

數字圖像可以有各種不同的來源:大多數衛星遙感,如MSS、TM、HRV、AVERR等等,地面景像的遙感信息都直接記錄在數字磁帶上,有關的接收系統(遙感衛星地面站、氣象衛星接收站等)均可提供相應的計算機兼容數字磁帶(CCT)及其記錄格式。應用人員只要按記錄格式將CCT數據輸入計算機圖像處理系統,即可獲得數字圖像,並進行各種圖像處理;對於膠片影像,則可通過透射密度計、飛點掃描器、鼓形掃描器及攝像掃描器等,將影像密度轉換為數值,進而形成數字圖像;對於非遙感的地學圖件,如地形圖、地質圖、航磁圖、重力圖、化探元素異常圖等等,也可通過數字化儀,轉換為數字圖像。同一地區不同來源的數字圖像都可精確配准,並作復合處理。

與光學圖像相比,數字圖像量化等級高(256級)、失真度小、不同圖像的配准精度高、傳輸及儲存方便,尤為重要的是可由計算機進行各種靈活、可靠、有效的處理,使遙感圖像獲得更好的判讀、分析等應用效果。

(二)數字圖像處理

數字圖像以不同亮度值像元的行、列矩陣組織數據,其最基本的特點就是像元的空間坐標和亮度取值都被離散化了,即只能取有限的、確定的值。所以,離散和有限是數字圖像最基本的數學特徵。所謂數字圖像處理,就是依據數字圖像的這一數字特徵,構造各種數字模型和相應的演算法,由計算機進行運算(矩陣變換)處理,進而獲得更加有利於實際應用的輸出圖像及有關數據和資料。故數字圖像處理通常也稱為計算機增強處理。

數字圖像處理在演算法上基本可歸為兩類:一類為點處理,即施行圖像變換運算時只輸入圖像空間上一個像元點的值,逐點處理,直到所有點都處理完畢,如反差增強、比值增強等;另一類為鄰域處理,即為了產生一個新像元的輸出,需要輸入與該像元相鄰的若干個像元的數值。這類演算法一般用作空間特徵的處理,如各種濾波處理。點處理和鄰域處理有各自不同的適應面,在設計演算法時,需針對不同的處理對象和處理目標加以選擇。

遙感數字圖像處理,數據量一般很大,往往要同時針對一組數字圖像(多波段、多時相等)作多種處理,因此,需要依據遙感圖像所具有的波譜特徵、空間特徵和時間特性,按照不同的對象和要求構造各種不同的數學模型,設計出不同的演算法,不僅處理方法非常豐富,而且形成了自身的特色,已發展為一門專門的技術。根據處理目的和功能的不同,目前遙感數字圖像處理主要包括以下四方面的內容。

1.圖像恢復處理:旨在改正或補償成像過程中的輻射失真、幾何畸變、各種雜訊以及高頻信息的損失等。屬預處理范疇,一般包括輻射校正、幾何校正、數字放大、數字鑲嵌等。

2.圖像增強處理:對經過恢復處理的數據通過某種數學變換,擴大影像間的灰度差異,以突出目標信息或改善圖像的視覺效果,提高可解譯性。主要包括有反差增強、彩色增強、運算增強、濾波增強、變換增強等方法。

3.圖像復合處理:對同一地區各種不同來源的數字圖像按統一的地理坐標作空間配准疊合,以進行不同信息源之間的對比或綜合分析。通常也稱多元信息復合,既包括遙感與遙感信息的復合,也包括遙感與非遙感地學信息的復合。

4.圖像分類處理:對多重遙感數據,根據其像元在多維波譜空間的特徵(亮度值向量),按一定的統計決策標准,由計算機劃分和識別出不同的波譜集群類型,據以實現地質體的自動識別分類。有監督和非監督兩種分類方法。

遙感數字圖像處理的過程和各部分內容的關系如圖4-9。本節將從遙感地質應用的角度簡要介紹其中幾種常用的處理方法,有一些方法(如復合處理)將在有關的應用章節討論。

數字圖像處理既可在專用的圖像處理系統上進行,也可自編程序在通用計算機或微機上進行;處理結果既可列印成數符圖(圖4-10),也可以在彩色顯示器上作彩色顯示;既可以輸出單波段的黑白圖像,也可以輸出多波段合成或各種運算處理結果的彩色圖像(參見圖版③);既可以內拍或掃描到膠片上成像,也可以外攝翻拍成像;既可以直接形成成果圖件,給出各種統計數據,也可以再記錄到CCT上轉存……。總之,十分靈活、方便,比光學圖像處理有更強的適應性,越來越得到廣泛的應用。

圖4-9 遙感圖像數字處理基本流程

(三)數字圖像處理系統

遙感數字圖像處理不僅數據量大,而且數據傳輸頻繁,專業性強,因此,一般都要在專門的處理設備上進行。用以進行數字圖像處理的專門計算機設備及其功能軟體即稱之為數字圖像處理系統,通通由硬體系統和軟體系統兩大部分組成。

其中,硬體系統,按目前國內外的發展趨勢可分為大型的專用機系統(如目前國內使用的I²S公司的S600系統)和微機圖像處理系統兩類。一般情況下,它們都包括以下一些基本的部件(圖4-11):

1.主機:進行各種運算、預處理、統計分析和協調各種外圍設備運轉的控制中心,是最基本的設備。一般為速度快、內存大的計算機,如VAX-11、VAX-3600等。隨著微機的內存日漸擴大、運算速度越來越快,已可以用微機取代,如PC386、PC486及各種工作站等。

圖4-10 杭州三潭印月TM5波段數符圖

圖4-11 數字圖像處理系統基本結構示意圖

2.磁帶機和磁碟機:連結數字磁帶(CCT)和主機的數據傳輸裝置,既可以輸入CCT數據,也可以將中間處理和最終處理的結果再轉存記錄到CCT上;對於微機系統,圖像數據的傳輸一般用軟磁碟,但對大數據量的衛星CCT則需用具微機介面的磁帶機(如F880);

3.圖像處理機:數字圖像處理專用的核心設備,既具體承擔各種圖像處理功能,如圖像復原、幾何校正、增強和分類等各種變換處理等等,也是主機和各種輸出輸入設備的紐帶。就前者而言,它實際上是各種圖像處理軟體的硬體化。目前國內使用較多的M75圖像處理機即是,它可以快速處理顯示512×512或1024×1024的圖像;對於微機系統,則可以用圖像處理板(MVP-AT板)代替。

4.輸出設備:用作處理結果的監視分析(彩色監視器或彩顯)及記錄、成圖(包括寬行列印機、彩色噴墨列印機、繪圖儀、膠片記錄掃描儀等等)。

對於功能齊全的系統,除上述外,通常還包括有膠片影像的攝像或掃描數字化儀、圖形數字化儀等輸入設備。

軟體系統系指與硬體系統配套的用於圖像處理及操作實施的各種軟體。一般包括系統軟體和應用軟體兩部分。前者又包括操作系統和編譯系統,主要用於輸入指令、參數及與計算機「對話」;後者則是以某種語言編制的應用軟體,存於硬體系統的應用程序庫中,用戶可按研究任務採用對話方式或菜單方式,發出相應的指令使用這些程序,由主機作運算處理,獲得所需的結果。不同專業往往設計有各自的應用軟體系統,故國際上已涌現出各種各樣的軟體系統,如JPL的VICAR系統、LARSYS系統等等;目前微機上則普遍採用C語言編程,也已開發了一系列的微機圖像處理的應用軟體。

『貳』 數字圖像處理 膨脹和腐蝕演算法的實現

腐蝕的演算法：
用3x3的結構元素，掃描圖像的每一個像素
用結構元素與其覆蓋的二值圖像做「與」操作
如果都為1，結果圖像的該像素為1。否則為0。
結果：使二值圖像減小一圈
定義：E = B  S = { x,y | SxyB}

膨脹的演算法：
用3x3的結構元素，掃描圖像的每一個像素
用結構元素與其覆蓋的二值圖像做「與」操作
如果都為0，結果圖像的該像素為0。否則為1
結果：使二值圖像擴大一圈
定義：E = B  S = { x,y | Sxy∩B ≠Ф}

『叄』 數字圖像處理的主要方法

數字圖像處理的工具可分為三大類：

第一類包括各種正交變換和圖像濾波等方法，其共同點是將圖像變換到其它域（如頻域）中進行處理（如濾波）後，再變換到原來的空間（域）中。

第二類方法是直接在空間域中處理圖像，它包括各種統計方法、微分方法及其它數學方法。

第三類是數學形態學運算，它不同於常用的頻域和空域的方法，是建立在積分幾何和隨機集合論的基礎上的運算。

由於被處理圖像的數據量非常大且許多運算在本質上是並行的，所以圖像並行處理結構和圖像並行處理演算法也是圖像處理中的主要研究方向。

(3)數字圖像處理經典演算法擴展閱讀

1、數字圖像處理包括內容：

圖像數字化；圖像變換；圖像增強；圖像恢復；圖像壓縮編碼；圖像分割；圖像分析與描述；圖像的識別分類。

2、數字圖像處理系統包括部分：

輸入（採集）；存儲；輸出（顯示）；通信；圖像處理與分析。

3、應用

圖像是人類獲取和交換信息的主要來源，因 此，圖像處理的應用領域必然涉及到人類生活和工作的方方面面。隨著人類活動范圍的不斷擴大，圖像處理的應用領域也將隨之不斷擴大。

主要應用於航天和航空、生物醫學工程、通信 工程、工業和工程、軍事公安、文化藝術、機器人視覺、視頻和多媒體系統、科學可視化、電子商務等方面。

『肆』 數字圖像處理 圖像縮放以及旋轉的演算法代碼

clearall;
I=imread('lena.bmp');
figure;imshow(I);title('原圖像');
[m,n]=size(I);

%%%縮小臨近法
M=0.5;%放大倍數

%新的圖像大小
m1=m*M;n1=n*M;
%****************************************************
fori=1:m1
forj=1:n1;
J(i,j)=I(round(i/M),round(j/M));
end
end
%*****************************************************
figure;imshow(J);title('縮小圖像');

%%%放大雙線性插值法
I2=double(I);
N=1.5;%放大倍數
%新的圖像大小
m2=m*N;n2=n*N;
J2=zeros(m2,n2);
fori=1:m2
forj=1:n2
x=i/N;
y=j/N;
u=floor(x);
v=floor(y);
a=x-u;
b=y-v;
ifu+2<=m&v+2<=n
J2(i,j)=I2(u+1,v+1)*(1-a)*(1-b)+I2(u+2,v+1)*a*(1-b)+I2(u+1,v+2)*(1-a)*b+I2(u+2,v+2)*a*b;
end
end
end
J2=uint8(J2);
figure;imshow(J2);title('放大圖像');

%%%%%旋轉
R=45*pi/180;%旋轉角度
I=double(I);
%新圖像大小
m2=ceil(m*cos(R)+n*sin(R));
n2=ceil(m*sin(R)+n*cos(R));

u0=m*sin(R);%平移量

%變換矩陣
T=[cos(R),sin(R);-sin(R),cos(R)];
L=zeros(m2,n2);
foru=1:n2
forv=1:m2
%新圖像坐標變換到原圖像坐標x和y中
temp=T*([u;v]-[u0;0]);
x=temp(1);
y=temp(2);
ifx>=1&x<=m&y>=1&y<=n%若變換出的x和y在原圖像范圍內
x_low=floor(x);
x_up=ceil(x);
y_low=floor(y);
y_up=ceil(y);

%雙線性插值，p1到p4是（x,y）周圍的四個點
p1=I(x_low,y_low);
p2=I(x_up,y_low);
p3=I(x_low,y_low);
p4=I(x_up,y_up);
s=x-x_low;
t=y-y_low;
L(u,v)=(1-s)*(1-t)*p1+(1-s)*t*p3+(1-t)*s*p2+s*t*p4;
end
end
end
L=uint8(L);
figure;imshow(L);

『伍』 MATLAB--數字圖像處理 Otsu演算法（雙閾值）

該演算法就是利用otsu演算法計算出兩個閾值
公式
g=w0 (u0-u)^2+w1 (u1-u) ^2+ w2*(u2-u) ^2
g最大值時，就可以選出兩個閾值

求兩個閾值

利用這兩個閾值分割圖像

主函數調用

『陸』 求教三種數字圖像插值演算法

何東健的《數字圖像處理》光碟第六章有前兩種的程序
完整程序已發你郵箱
核心代碼如下：
for(y = 0; y < nNewHeight; y++)
{
//指向新圖像第y行
//注意此處寬度和高度是新圖像的寬度和高度
pNewTemp = pNewBits;
pNewTemp += (nNewHeight - 1 - y) * nNewWidthBytes;
//針對圖像每列進行操作
for(x = 0; x < nNewWidth; x++)
{
//計算該像素在源圖像中的坐標
int y0 = (long) (y / fYZoomRatio + 0.5);
int x0 = (long) (x / fXZoomRatio + 0.5);

//判斷是否在源圖范圍內
if( (x0 >= 0) && (x0 < nOldWidth) &&
(y0 >= 0) && (y0 < nOldHeight))
{
//用雙線性插值
if(bBilinear)
{
unsigned char *pTemp = Interpolation (nOldWidth, nOldHeight,
(float)x0, (float)y0,
nOldWidthBytes, nMovedBits, pOldBits);
//復制像素
memcpy(pNewTemp, pTemp, nMovedBits);

delete [] pTemp ;
}
else
//最近鄰插值
{
//指向源圖像第y0行，第x0個像素
//注意此處寬度和高度應該互換
pOldTemp = pOldBits;
pOldTemp += (nOldHeight - 1 - y0) * nOldWidthBytes;
pOldTemp += x0 * nMovedBits;

//復制像素
memcpy(pNewTemp, pOldTemp, nMovedBits);
}
}
pNewTemp += nMovedBits;

}

}

『柒』 數字圖像處理的基本演算法及要解決的主要問題

圖像處理，是對圖像進行分析、加工、和處理，使其滿足視覺、心理以及其他要求的技術。圖像處理是信號處理在圖像域上的一個應用。目前大多數的圖像是以數字形式存儲，因而圖像處理很多情況下指數字圖像處理。此外，基於光學理論的處理方法依然佔有重要的地位。

圖像處理是信號處理的子類，另外與計算機科學、人工智慧等領域也有密切的關系。

傳統的一維信號處理的方法和概念很多仍然可以直接應用在圖像處理上，比如降噪、量化等。然而，圖像屬於二維信號，和一維信號相比，它有自己特殊的一面，處理的方式和角度也有所不同。
目錄
[隱藏]

* 1 解決方案
* 2 常用的信號處理技術
o 2.1 從一維信號處理擴展來的技術和概念
o 2.2 專用於二維（或更高維）的技術和概念
* 3 典型問題
* 4 應用
* 5 相關相近領域
* 6 參見

[編輯] 解決方案

幾十年前，圖像處理大多數由光學設備在模擬模式下進行。由於這些光學方法本身所具有的並行特性，至今他們仍然在很多應用領域佔有核心地位，例如 全息攝影。但是由於計算機速度的大幅度提高，這些技術正在迅速的被數字圖像處理方法所替代。

從通常意義上講，數字圖像處理技術更加普適、可靠和准確。比起模擬方法，它們也更容易實現。專用的硬體被用於數字圖像處理，例如，基於流水線的計算機體系結構在這方面取得了巨大的商業成功。今天，硬體解決方案被廣泛的用於視頻處理系統，但商業化的圖像處理任務基本上仍以軟體形式實現，運行在通用個人電腦上。

[編輯] 常用的信號處理技術

大多數用於一維信號處理的概念都有其在二維圖像信號領域的延伸，它們中的一部分在二維情形下變得十分復雜。同時圖像處理也具有自身一些新的概念，例如，連通性、旋轉不變性，等等。這些概念僅對二維或更高維的情況下才有非平凡的意義。

圖像處理中常用到快速傅立葉變換，因為它可以減小數據處理量和處理時間。

[編輯] 從一維信號處理擴展來的技術和概念

* 解析度(Image resolution|Resolution)
* 動態范圍(Dynamic range)
* 帶寬(Bandwidth)
* 濾波器設計(Filter (signal processing)|Filtering)
* 微分運算元(Differential operators)
* 邊緣檢測(Edge detection)
* Domain molation
* 降噪(Noise rection)

[編輯] 專用於二維（或更高維）的技術和概念

* 連通性(Connectedness|Connectivity)
* 旋轉不變性(Rotational invariance)

[編輯] 典型問題

* 幾何變換（geometric transformations）：包括放大、縮小、旋轉等。
* 顏色處理（color）：顏色空間的轉化、亮度以及對比度的調節、顏色修正等。
* 圖像合成（image composite）：多個圖像的加、減、組合、拼接。
* 降噪（image denoising）：研究各種針對二維圖像的去噪濾波器或者信號處理技術。
* 邊緣檢測（edge detection）：進行邊緣或者其他局部特徵提取。
* 分割（image segmentation）：依據不同標准，把二維圖像分割成不同區域。
* 圖像製作（image editing）：和計算機圖形學有一定交叉。
* 圖像配准（image registration）：比較或集成不同條件下獲取的圖像。
* 圖像增強（image enhancement）：
* 圖像數字水印（image watermarking）：研究圖像域的數據隱藏、加密、或認證。
* 圖像壓縮（image compression）：研究圖像壓縮。

[編輯] 應用

* 攝影及印刷 (Photography and printing)
* 衛星圖像處理 (Satellite image processing)
* 醫學圖像處理 (Medical image processing)
* 面孔識別, 特徵識別 (Face detection, feature detection, face identification)
* 顯微圖像處理 (Microscope image processing)
* 汽車障礙識別 (Car barrier detection)

[編輯] 相關相近領域

* 分類（Classification）
* 特徵提取（Feature extraction）
* 模式識別（Pattern recognition）
* 投影（Projection）
* 多尺度信號分析（Multi-scale signal analysis）
* 離散餘弦變換（The Discrete Cosine Transform）

『捌』 求推薦圖像處理演算法方面的經典書籍

個人認為，真正的經典推薦清華大學出版社的《圖像處理、分析與機器視覺》，這本書由淺入深。數字圖像處理這本書很經典，但只能算是入門，講的更多是圖像處理的演算法和基本理論。而《圖像處理、分析與機器視覺》這本書涵蓋了圖像處理演算法、分析和實際的應用。圖像處理說白了是為了圖像特徵提取和分析，然後再到圖像識別等更高級的後續過程。國內大部分圖像處理演算法崗位其實更多是偏向應用方面，所以這本書能讓你對圖像處理行業整個情況更加了解，實用性更強！順便附上電子版，看對你有沒有幫助。h（去掉）ttps://p（去掉）an..com/s/184hg6h1（去掉）ST2Fqijr4FFFuRg 提取：qfid

『玖』 數字圖像處理clean演算法的MATLAB代碼

圖像去噪是數字圖像處理中的重要環節和步驟。去噪效果的好壞直接影響到後續的圖像處理工作如圖像分割、邊緣檢測等。圖像信號在產生、傳輸過程中都可能會受到雜訊的污染，一般數字圖像系統中的常見雜訊主要有：高斯雜訊（主要由阻性元器件內部產生）、椒鹽雜訊（主要是圖像切割引起的黑圖像上的白點雜訊或光電轉換過程中產生的泊松雜訊）等； 
目前比較經典的圖像去噪演算法主要有以下三種： 
均值濾波演算法：也稱線性濾波，主要思想為鄰域平均法，即用幾個像素灰度的平均值來代替每個像素的灰度。有效抑制加性雜訊，但容易引起圖像模糊，可以對其進行改進，主要避開對景物邊緣的平滑處理。 
中值濾波：基於排序統計理論的一種能有效抑制雜訊的非線性平滑濾波信號處理技術。中值濾波的特點即是首先確定一個以某個像素為中心點的鄰域，一般為方形鄰域，也可以為圓形、十字形等等，然後將鄰域中各像素的灰度值排序，取其中間值作為中心像素灰度的新值，這里領域被稱為窗口，當窗口移動時，利用中值濾波可以對圖像進行平滑處理。其演算法簡單，時間復雜度低，但其對點、線和尖頂多的圖像不宜採用中值濾波。很容易自適應化。 Wiener維納濾波：使原始圖像和其恢復圖像之間的均方誤差最小的復原方法，是一種自適應濾波器，根據局部方差來調整濾波器效果。對於去除高斯雜訊效果明顯。 
實驗一：均值濾波對高斯雜訊的效果 
I=imread('C:\Documents and Settings\Administrator\桌面\1.gif');%讀取圖像

『拾』 （急）數字圖像處理主要包含哪八個方面的內容

主要內容有：圖像增強、圖像編碼、圖像復原、圖像分割、圖像分類、圖像重建、圖像信息的輸出和顯示。

圖像增強用於改善圖像視覺質量；圖像復原是盡可能地恢復圖像本來面目；圖像編碼是在保證圖像質量的前提下壓縮數據，使圖像便於存儲和傳輸；圖像分割就是把圖像按其灰度或集合特性分割成區域的過程。

圖像分類是在將圖像經過某些預處理（壓縮、增強和復原）後，再將圖像中有用物體的特徵進行分割，特徵提取，進而進行分類；圖像重建是指從數據到圖像的。處理，即輸入的是某種數據，而經過處理後得到的結果是圖像。

(10)數字圖像處理經典演算法擴展閱讀

發展概況

數字圖像處理最早出現於20世紀50年代，當時的電子計算機已經發展到一定水平，人們開始利用計算機來處理圖形和圖像信息。數字圖像處理作為一門學科大約形成於20世紀60年代初期。

早期的圖像處理的目的是改善圖像的質量，它以人為對象，以改善人的視覺效果為目的。圖像處理中，輸入的是質量低的圖像，輸出的是改善質量後的圖像，常用的圖像處理方法有圖像增強、復原、編碼、壓縮等。首次獲得實際成功應用的是美國噴氣推進實驗室（JPL）。

他們對航天探測器徘徊者7號在1964年發回的幾千張月球照片使用了圖像處理技術，如幾何校正、灰度變換、去除雜訊等方法進行處理，並考慮了太陽位置和月球環境的影響，由計算機成功地繪制出月球表面地圖，獲得了巨大的成功。

隨後又對探測飛船發回的近十萬張照片進行更為復雜的圖像處理，以致獲得了月球的地形圖、彩色圖及全景鑲嵌圖，獲得了非凡的成果，為人類登月創舉奠定了堅實的基礎，也推動了數字圖像處理這門學科的誕生。

在以後的宇航空間技術，如對火星、土星等星球的探測研究中，數字圖像處理技術都發揮了巨大的作用。數字圖像處理取得的另一個巨大成就是在醫學上獲得的成果。