图像处理与建模（1） 图像简介

这个系列主要是 zju 陆系群老师的《图像处理与建模》课程，课堂内容非常丰富，但是这个课堂笔记会根据个人情况记录，所以比较粗糙。有兴趣的可以到 中国大学MOOC上进行学习。

一、基本概念

首先，在我们身边的图像举例有：

1. 自然界的图片
2. 艺术和工业图片
3. 科学图片（卫星图、医疗拍摄图片等等）

这门课程主要涉及第一类自然界中的图像。那么图像处理有哪些作用呢？

1. 增强和重建（例如给老照片修复，处理模糊图片、电影等）
2. 传输和存储
3. 信息分析和自动化识别（eg.CV）
4. 安全性和版权保护（eg.水印）

数字图像的好处：

1. 精确的（可以没有画质损失等）
2. 方便电脑处理
3. 容易存储和传输

关于图像的压缩转换

即使一些图片压缩了，但是人的肉眼观察依旧无差别，是因为人的肉眼类似——低通滤波器，压缩也就是过滤掉高频信息。

另外，视频的压缩比更高是因为，对于连续的运动视频，存储了许多冗余，去掉冗余其实人的肉眼是感受不到的。

自然界图像主要分为三类：

1. 二值图像（0或1）
2. 灰度图像（[0,255] or 8bits/pixel）
3. color images
   • 索引颜色的图像（基于调色板）
   • 全彩色图像（24个8bits/pixel；8 bits 用于红色，8 bits 用于绿色，8 bits 用于蓝色）

应用举例——区分以下那些是二值图像；哪些是灰度图像？

Ans: 只有第一幅原图为灰度图像，其余均为二值图像。

二值图像是指对于一个像素是 0 或 1 （即白或黑，eg.激光打印机），所以看起来就是由点组成的；但是灰度图像是一片一片区域组成的。

标准的灰度图像由每个像素8 bits组成（每个像素/255 即归一化）。

二、图像噪声

图像噪声是指相机在捕捉信号或者传输信号的时候造成的，是和伪影相关的。它在图像中表现出的形式为颜色斑点或亮度斑点。

相机的灵敏度（ISO）设置的越高，能获得越多的信号，同时误差也被放大，噪声也就变的可见。用更小的像素时会得到更多的噪声因为每个像素点获得的光信号也就更少了。

课程中提到两种噪声及解决办法，其余的可参考博客：https://blog.csdn.net/qq_33208851/article/details/97123411

（一）椒盐噪声

1. 定义

椒盐噪声也称为脉冲噪声，是图像中经常见到的一种噪声，它是一种随机出现的白点或者黑点，可能是亮的区域有黑色像素或是在暗的区域有白色像素（或是两者皆有）。

2. 解决办法

• 异常值侦测（Outlier detection），将侦测在已有的规律中表现异常者。现今常用的方法以计算距离为基础的K-近邻算法或是机器学习中的支持向量机等。
• 中值滤波器（Median filtering）,将一个像素的值用该像素邻域中强度值的中间值来取代，中值滤波器能提供绝佳的噪声降低效能。
• 伪中值滤波器（Pseudo-median filtering）,改进了中值滤波器的计算速率， 以近似的方法算出中间值。

（二）高斯白噪声

1. 定义

高斯白噪声(White Gaussian Noise)中的高斯是指概率分布是正态函数，而白噪声是指它的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。

2. 解决办法：

双边过滤（Bilateral filtering）是一种不错的处理办法。

三、图像插值和超分辨率

主要有这几种：

• nearest
• bilinear
• bicubic
• in scale BP

参考博客：https://blog.csdn.net/qq_33208851/article/details/97123411