冈萨雷斯DIP第2章知识点

这篇具有很好参考价值的文章主要介绍了冈萨雷斯DIP第2章知识点。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

2.1 视觉感知要素

感知亮度不是实际灰度 的简单函数。图 2.7 马赫带效应、图 2.8 同时对比。

冈萨雷斯DIP第2章知识点
冈萨雷斯DIP第2章知识点

2.2 光和电磁波谱

电磁波的能量与频率成正比,更高频率(更短波长)的电磁波的每个光子携带有更多的能量。伽马射线的能量最高,对活体组织的危害很大。无线电波的能量最低。

可见光波段的跨越范围 0.43 μm 紫色~0.79 μm 红色。

除频率外,还用 3 个基本量来描述彩色光源: 辐射、光通量(也称为发光强度)和亮度。

冈萨雷斯DIP第2章知识点

2.3 图像感知与获取

使用单个传感器、使用条带传感器、使用阵列传感器

2.4 图像取样和量化

2.4.1 取样和量化的基本概念

图像取样是坐标值的数字化。图像量化是是幅度值的数字化。

2.4.2 数字图像表示

函数图形、可视灰度矩阵、二维数值阵列。

冈萨雷斯DIP第2章知识点

2.4.4 空间分辨率和灰度分辨率

空间分辨率:是图像中最小可辨别细节的度量

广泛使用的图像分辨率的定义是:单位距离内可分辨的最大线对数,或者单位距离内的点数。

灰度分辨率是指在灰度级中可分辨的最小变化。

2.4.5 图像内插 (image interpolation)

内插通常在图像放大、缩小、旋转和几何校正等任务中使用。

  1. 最近邻内插 :把原图像中最近邻的灰度赋给了每个新位置,最简单但会造成严重的直边失真 。
  2. 双线性内插:用 4 个最近邻点去估计给定位置的灰度可给出比最近邻内插好得多的结果,但随之而来的是计算量的增加
    v ( x , y ) = a x + b y + c x y + d v(x, y)=a x+b y+c x y+d v(x,y)=ax+by+cxy+d
  3. 双三次内插:用 16 个最近邻点,复杂度较高,在保持细节方面强于双线性内插。系数由周围的16个最邻近的点计算。
    v ( x , y ) = ∑ i = 0 3 ∑ j = 0 3 a i j x i y j v(x, y)=\sum_{i=0}^{3} \sum_{j=0}^{3} a_{i j} x^{i} y^{j} v(x,y)=i=03j=03aijxiyj

2.5 像素间的一些基本关系

冈萨雷斯DIP第2章知识点

连通:令 S S S 是图像中像素的一个子集。如果 S S S 中的两个像素 p p p q q q 之间存在一个完全由 S S S 中像素组成的通路 那么称 p p p q q q S S S 中是 连通的。

区域:令 R R R 是图像中像素的一个子集 。 如果 R R R 是连通集,则称 R R R 为一个区域 。 在谈到区域时,一般考虑 4 邻接 或 8 邻接。必须指定邻接类型。

区域 R R R 的边界,也称为 边框 或 轮廓 是 R R R 中与 R R R 的补集中的像素相邻的一组像素。

距离测度

  1. 欧式距离 D e D_e De
    D e ( p , q ) = [ ( x − u ) 2 + ( y − v ) 2 ] 1 2 D_{e}(p, q)=\left[(x-u)^{2}+(y-v)^{2}\right]^{\frac{1}{2}} De(p,q)=[(xu)2+(yv)2]21

  2. 城市街区距离 D 4 D_4 D4

D 4 ( p , q ) = ∣ x − u ∣ + ∣ y − v ∣ D_{4}(p, q)=|x-u|+|y-v| D4(p,q)=xu+yv

冈萨雷斯DIP第2章知识点

可以想象一个纽约街区,人只能拐角走直线。

  1. 棋盘距离 D 8 D_8 D8

D 8 ( p , q ) = max ⁡ ( ∣ x − u ∣ , ∣ y − v ∣ ) D_{8}(p, q)=\max (|x-u|,|y-v|) D8(p,q)=max(xu,yv)

冈萨雷斯DIP第2章知识点

2.6 数字图像处理所用的基本数学工具介绍

2.6.3 算术运算

图像标定的一般方法及编程实现

g m = g − min ⁡ ( g ) g_{m}=g-\min (g) gm=gmin(g)

它生成最小值为0的一幅图像。然后再执行运算:

g s = K [ g m / max ⁡ ( g m ) ] g_{s}=K\left[g_{m} / \max \left(g_{m}\right)\right] gs=K[gm/max(gm)]

它生成一幅标定的图像,其值在 [ 0 , K ] [0, K] [0,K] 范围内。在执行除法运算时,要避免除以0的情况发生。注意:MATLAB编程时,+eps

f=imread('Pout.tif');
g=imadjus
t(f);
figure;
imshow(f);
figure; imhist(f);
figure; imshow(g); imwrite(g,
灰度扩展图像 .
figure; imhist(g);

2.6.4 集合运算和逻辑运算

逻辑运算广泛用于图像形态学处理 。

2.6.5 空间运算

单像素运算、邻域运算、几何变换、图像配准

几何变换由两种基本运算组成

  1. 坐标的空间变换

  2. 灰度内插,即为空间变换后的像素赋灰度值

旋转的图形坐标变换之后,新的图片需要进行插值。
冈萨雷斯DIP第2章知识点
图像配准用于对齐两幅或多幅相同场景的图像 。

冈萨雷斯DIP第2章知识点

2.6.7 图像变换

冈萨雷斯DIP第2章知识点

在有些情况下,图像处理最好按如下步骤完成:变换输入图像,在变换域执行指定任务,执行反变换,返回空间域。

冈萨雷斯DIP第2章知识点

2.6.8 图像灰度和随机变量

本书中的许多地方将图像灰度处理为随机变量。

p ( z k ) = n k M N p\left(z_{k}\right)=\frac{n_{k}}{M N} p(zk)=MNnk

均值(平均)灰度为:
m = ∑ k = 0 L − 1 z k p ( z k ) m=\sum_{k=0}^{L-1} z_{k} p\left(z_{k}\right) m=k=0L1zkp(zk)

灰度的方差是:

σ 2 = ∑ k = 0 L − 1 ( z k − m ) 2 p ( z k ) \sigma^{2}=\sum_{k=0}^{L-1}\left(z_{k}-m\right)^{2} p\left(z_{k}\right) σ2=k=0L1(zkm)2p(zk)

它是图像对比度的有用测度。文章来源地址https://www.toymoban.com/news/detail-470790.html

到了这里,关于冈萨雷斯DIP第2章知识点的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • DIP第7章知识点

    DIP的其他章节都好复习,唯独就这个第7章小波变换。复习起来十分头大,所以我开始写他的课后题,雾。 已知两个连续函数 f ( x ) f(x) f ( x ) 和 g ( x ) g(x) g ( x ) , f f f 和 g g g 的相关(当 f ( x ) ≠ g ( x ) f(x)≠g(x) f ( x )  = g ( x ) 时,称为互相关;当 f ( x ) = g ( x ) f(x)=g(x) f ( x

    2024年02月08日
    浏览(33)
  • 机器视觉之工业摄像机知识点(二)

    像素: 是图像的最小组成单元。将一张图放大,可以看到每一个小格表示一个像素,其中每一个像素对应一个灰度值。 像元: 是相机芯片上的最小感光单元,每个像元对应图像上的一个像素。 存储每个像素所用的数据位数,称为像元深度。对于黑白相机来说,像元深度定义

    2024年02月15日
    浏览(41)
  • 计算机视觉知识点(一)——交并比(IoU)及其若干改进

    目标检测是一个常见的计算机视觉任务,在目标检测任务中,交并比作为评判检测框的标准具有很重要的意义,在实际的应用中,人们又对最初的IoU进行了诸多的改进。本文将对IoU以及他的改进形式的思路以及公式进行详细通俗的介绍。 IoU是最早的用于评价预测框与实际框差

    2024年02月10日
    浏览(54)
  • 【字节面试】Fail-fast知识点相关知识点

    字节面试,问到的一个小知识点,这里做一下总结,其实小编之前有一篇文章,已经对此有过涉及,不过这里知识专项针对于问题,把这个知识点拎出来说一下。 什么是Fail-fast机制? Hashmap是否拥有Fail-fast机制? ConcurrentModificationException异常原因和解决方法是什么? 哪些你常

    2024年01月22日
    浏览(49)
  • [知识点整理]中科院/国科大 自然语言处理nlp 期末考试知识点整理

    本文为2022秋网安学院的自然语言处理课程期末复习知识点整理,水平有限,整理的答案可能有错误或遗漏,欢迎大家指正。 文章的第二部分内容参考了学校学姐的文章,文章写的很好,大家可以关注她: (133条消息) 【一起入门NLP】中科院自然语言处理期末考试*总复习*:考

    2024年02月09日
    浏览(51)
  • SpringMVC相关知识点

    传统开发中的控制层: 接收请求参数 request.getParameter 封装实体 new 实体类调用其set方法 访问业务层 接收访问结果 指派页面 通过request和response对象进行页面跳转 将共有行为进行抽取成DispatcherServlet【SpringMVC内部集成】,通过Spring-MVC.xml配置文件去配置。 Spring: 获取请求参数

    2024年02月16日
    浏览(49)
  • java相关知识点

    1.String和StringBuffer如何互相转化 StringBuffer buffer = new StringBuffer(string); String string = buffer.toString();  2.如何实现两个数组内容的拷贝  3.如何去除字符串首尾空格 str.trim()  4.字符串和字符数组如何相互转换 字符串转字符数组:str.toCharArray(); 字符数组转字符串:strs.valueOf(char[] ch)  

    2023年04月23日
    浏览(46)
  • DAC相关知识点

    1.回放数据64bit的数据来源有两个地方: A——ROM波形数据表(数据来源可由dds产生或者matlab产生,本实际项目选择由dds产生的数据:通过写地址出来相应频率的波形)。 B——预留的接口给客户用来回访他们的I/Q数据 (64bit数据一般是4组16bit的IQ拼接的{i0,q0,i1,q1})。 2.6

    2024年02月12日
    浏览(46)
  • Java知识点:

    1、Java中的(8个)基本数据类型及其包装类:         byte(字节)                  8          -128 - 127                                                                     0         short(短整型)             16         -32768 - 32768               

    2024年02月13日
    浏览(43)
  • Redis相关知识点

    Redis (REmote DIctionary Server) 是用 C 语言开发的一个开源的高性能键值对(key-value)数据库,它支持网络,可基于内存亦可持久化,并提供多种语言的API。Redis具有高效性、原子性、支持多种数据结构、持久化、高并发读写等特点。 特征: 1.数据间没有必然的关联关系 2.内部采用

    2024年01月23日
    浏览(75)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包