【数字图像处理复习】一些知识总结

人眼中的图像

1. 马赫带效应：感知亮度并不是简单的灰度函数
   1. 上冲，下冲：感觉黑的更黑，灰的更白
2. 同时对比效应：一个区域的感知亮度并不止取决于它的灰度，还取决于它周围物体的灰度。对比度
3. 光学错视：人眼中充斥着不存在的信息。人眼错误地感知了物体的几何特点。

图像传输时间=要传送的位数/波特率

邻接

1. 4邻接
2. d邻接
3. 8邻接
4. m邻接

连通

1. 连通：4连通，8连通
2. 连通分量（连通的点的集合，可能有好几“堆”）
3. 连通集（只有1个连通分量的点的集合）
4. 区域（像素子集->连通集->区域）
5. 邻接区域(4?8?m?)

直方图均衡化

计算卷积

图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度

滤波器

1. 空域滤波器
   1. 线性空域滤波器
      1. 平滑滤波器（低通）：钝化图像，去除噪声
      2. 锐化滤波器（高通）：边缘提取，边缘增强
      3. 带通滤波器：删除特定频率，增强中很少用
   2. 非线性空域滤波器
      1. 中值滤波：钝化图像，去除噪音
      2. 最大值滤波：寻找最亮点
      3. 最小值滤波：寻找最暗点
2. 频率域滤波器（频域图中间低频，四周频率） 
   1. 平滑（低通）滤波器
      1. 从上到下，滤波器越来越平滑 
      2. 理想低通滤波器（振铃现象）
      3. 巴特沃斯低通滤波器（1阶振铃，高阶不振铃）
      4. 高斯低通滤波器
   2. 锐化（高通）滤波器
      1. 理想高通滤波器
      2. 巴特沃斯高通滤波器
      3. 高斯高通滤波器
      4. 频率域的拉普拉斯算子
      5. 钝化模板->高频提升滤波->高频加强滤波
         1. 钝化模板：从一幅图中减去其自身的模糊图像，从而生成锐化图像

第五章 图像复原与重建

图像退化：传感器采集出问题，信号传输时出问题

退化原因：

1. 成像器材的固有缺陷
2. 成像系统的散焦
3. 成像设备与物体的相对运动
4. 外部干扰

退化现象：图像模糊

图像复原：将图像退化的过程进行估计，建立退化的数学模型，根据模型，补偿退化过程造成的失真。可看作图像退化的逆过程

实际困难：退化过程不知晓，盲目复原。噪声和干扰也存在

图像增强和图像复原的区别：

1. 同：
   1. 改善图像质量
2. 不同
   1. 增强
      1. 主观过程，只需要较好的视觉效果或使用效果即可。不考虑退化的原因，也不一定逼近原始图像
   2. 复原
      1. 客观过程，要先对图像的退化过程有先验知识，针对图像的退化原因对图像进行补偿。使用图像退化的逆过程将图像恢复为原始图像，结果应尽可能接近原图像
3. 其他
   1. 对比度拉伸时图像增强
   2. 图像复原可用空间域或频率域滤波实现

退化：主要讲噪声引起的退化

噪声来源：

1. 主要来自图像获取和传输过程
2. 传感器质量不好，环境不好
3. 传输信道的噪声干扰。无线网络图像会受到光或其他大气因素干扰

噪声假设：独立于图像，与图像不相关

噪声模型

1. 高斯噪声
   1. 来源于电子电路噪声。低照明度或高温带来的传感器噪声
2. 瑞利噪声
3. 伽马噪声
4. 指数分布噪声
5. 均匀分布噪声
6. 脉冲噪声（椒盐噪声）

椒盐噪声是唯一视觉可区分的噪声模型，其他噪声看起来都差不多

周期噪声-频域滤波处理

图像复原的空间滤波器

1. 均值滤波
   1. 算数均值滤波器：高斯/均匀等随机噪声
   2. 几何均值滤波器：高斯/均匀等随机噪声
   3. 谐波均值滤波器：脉冲噪声
      1. 要知道噪声是暗噪声还是亮噪声，以便选合适的Q符号
   4. 逆谐波均值滤波器
2. 统计排序滤波器
   1. 中值
   2. 最大值
   3. 最小值
   4. 中点滤波器
3. 自适应滤波器
   1. 自适应局部噪声消除滤波器
   2. 自适应中值滤波器
      1. 除椒盐噪声
      2. 平滑其他非冲激噪声
      3. 减少物体边界细化或粗话等失真

图像复原的频域滤波器（消除周期噪声）

1. 带阻滤波器
   1. 理想
   2. 巴特沃斯
   3. 高斯
2. 带通滤波器
   1. 理想
   2. 巴特沃斯
   3. 高斯
3. 陷波滤波器
   1. 对称
4. 最佳陷波滤波器

第八章 图像压缩

过程

1. 传输：图像--》信道--压缩--解压--》图像
2. 存储：介质--》压缩----解压--》

类型

1. 有损压缩：压缩率高，信息有损失
2. 无损压缩：无信息损失

改进的灰度级（IGS）量化方法

直方图均衡化

哈夫曼编码

信息冗余

1. 心理视觉冗余

心理视觉冗余与实在的视觉信息相关，它是因人而异的，不同的人对于同一张照片产生的心理视觉冗余是不同的。去除心理视觉冗余数据必然导致定量信息的损失，并且该视觉信息损失是不可逆转的操作。就好比一张图像（无法放大）比较小时，人眼是无法直接判断出其分辨率，为了压缩图像的数据量，可以去除一些人眼无法直接观察出的信息，但当其放大时，没有去除心理视觉冗余的图像将和去除心理视觉冗余的图像产生明显差别。

2. 像素间冗余

像素间冗余是一种与像素间相关性有直接联系的数据冗余。

对于一张静态图片，存在空间冗余（几何冗余），这是由于在一张图片中单个像素对图像的视觉贡献常常是冗余的，可借助其相邻像素的灰度值进行推断。

对于连续图片或视频，还会存在时间冗余（帧间冗余），大部分相邻图片间的对应点像素都是缓慢过度的。

3. 编码冗余

图像在计算机中存储和网络传输中都是以二进制编码形式存在的，不同的编码方式对于同一张图片将会产生不同的编码长度，相同的编码方式对于不同照片所产生的冗余率也是不同的，这将会产生编码冗余。大部分编码都是存在冗余的，所以需要根据实际选择合适的编码方式尽可能降低冗余率。

参考：

数字图像处理，冈萨雷斯