数字图像处理(一)——基础知识
一、图像处理算法的形式
1、基本功能形式
- 单幅图像->单幅图像
- 多幅图像->单幅图像
- 单（或多）幅图像->数字或符号等
2、几种具体算法形式
(1)局部处理：
邻域：像素周围的像素构成的集合，常用：4-邻域、8-邻域
概念：对于输入图像 ,某一输出像素的值由输入像素及其邻域的像素值确定。这种处理称为局部处理。
点处理：局部处理中,当输出值仅与输入值有关,则称为点处理
(2)大局处理：局部处理中，输出像素的值取决于输入图像大范围或全部像素的值
(3)迭代处理：反复对图像进行某种运算直至满足所给条件,从而得到输出图像(如：图像的细化过程)
(4)跟踪处理：选择满足适当条件的像素作为起始像素。检查输入图像和已得到的输出结果，求出下一步应该进行处理的像素，进行规定的处理，然后决定是继续处理下面的像素还是终止。 特点：目标像素的处理依赖于前一个像素的位置和处理条件。
(5)窗口处理和模板处理：只对画面中的特定部分进行处理
串行处理和并行处理：
(6)串行处理后一像素输出结果依赖于前面像素处理的结果,并且只能依次处理各像素,而不能同时对个像素进行相同处理（处理算法要按一定顺序进行）
并行处理对图像内的各像素进行相同形式运算的一种处理形式各输出值可以独立进行运算。
二、图像灰度直方图
1、概念：反应一幅图像中各灰度级像素出现的频率和灰度级的关系。以灰度级为横坐标，频率为纵坐标，绘制直方图。是图像的一个重要特征，反应了图像灰度分布的状况。
2、性质：只能反映灰度分布情况，不能反应图像像素的位置，丢失了像素的位置信息。一幅图像，多个区域的直方图之和为原图像的直方图。
3、应用：(1)判断图像量化是否恰当
(2)用于确定图像二值化的阈值
三、图像的特征与噪声
1、图像的特征类别
(1)自然特征：光谱特征、几何特征、时相特征
(2)人工特征 ：直方图特征、灰度边缘特征、（线、角点、纹理）特征
按提取特征范围：点特征、局部特征、区域特征、整体特征
2、特征提取与特征空间
(1)特征提取：获取图像特征信息的操作，可以获得特征图像和特征参数
(2)特征空间： 把从图像提取的M个特征量，用M维向量表示。对于各特征量的M维空间叫做特征空间
3、图像噪声
(1)噪声种类：
外部噪声：天体放电干扰、电磁波从电源线窜入系统等产生的噪声
内部噪声：系统内部产生
(2)噪声特征：对灰度图像来说，可看做二维亮度分布，则噪声可看做对亮度的干扰
(3)噪声的模型：
设f(x,y)为理想图像,n(x,y)为噪声,实际输出图像为g(x,y)
加性噪声模型：与图像光强大小无关,g(x,y)=f(x,y)+n(x,y)
乘性噪声模型：与图像光强大小有关，随亮度大小变化而变化，
g(x,y)=f(x,y)[1+n(x,y)]
