一、绪论

什么是数字图像? 空间和灰度都是离散的图像
什么是数字图像处理,一数字图像为研究对象,进行各种变换处理

二、数字图像处理基本知识

图像数字化=取样(对坐标值的数字化)+量化(对幅度值的数字化)
量化时我们将图像的灰度值(<2^L)存储到相应的位置,L为灰度级,例如256.

图像的空间分辨率:取样时决定

即我们说的800万像素,又叫最小可分辨图像细节,由取样的策略决定.
像素值降低会导致棋盘格效应

图像的灰度级分辨率:量化时决定

又叫最小可分辨灰度级变化,在灰度图像中,即是我们填到格子中的比256小的数,灰度级范围为256,这个图像就是8位图像2^8=256.
灰度级降低会导致伪轮廓

图像存储空间要求

数字图像存储位数:bit=M * N * 图像位数

图像的对比度和动态范围

图像中最大亮度和最小亮度之比或范围

图像的放大与缩小

双线性内插法

像素点由其邻近的4个点的距离加权线性内插
特点:计算相对复杂,图像质量比较好,过渡比较平滑,适合对图像质量有一定要求的场合.

立方内插

对16个最近点的加权线性内插
特点:计算复杂,速度较慢.图像质量最好,过渡非常平滑,细节保留最多,适用于对于质量高要求的场合

三、灰度变换

灰度变换: 图像输出只和当前像素有关
空间滤波: 图像输出和当前像素级其领域像素决定

对数变换

适用于宽动态范围图像,减少动态范围.(压缩高亮度区,拉伸低亮度区)

幂次变换

伽马矫正: 伽马值大于1时,压缩低亮度,拉伸高亮度,适用于校正一些图像输入输出设备

四、空间滤波(线性非线性、平滑锐化)

直方图均衡化

让图像灰度动态范围扩展到0~L-1.使直方图均衡分布于全灰度区间

直方图规定化

使图像具有规定的直方图分布

均值滤波(平滑)

对图像平滑处理,去除小尺度的噪声及细节,属低通滤波.图像中的每个像素值替换为它周围像素值的均值

高通滤波和高增益滤波(锐化)

保留细节和叠加细节但对噪声敏感,适用于边缘提取,图像增强,图像风格化

中值滤波

对图像区域的像素排序,然后统计排序结果决定值代替中心像素的值
排序结构取中间值,降噪能力强,模糊图像的副作用比类似大小的线性平滑滤波器更小,对脉冲噪声或椒盐噪声特别有效.

五、频域的处理

Halcon

图像类型

区域和边缘变量经常会相互转换

image

原始图像

region

经过分割截取获得的图像区域
常用于：物体检测、区域分割和基于像素的统计分析

coutour

图像中物体的边缘
边缘的获取可以从区域分割得到，也可以通过梯度、滤波和一些先进的算法（如 Canny、Laplacian）从图像像素的灰度变化中直接提取出来
常用于：边界提取、形状识别、匹配和姿态估计等

数组类型

常用操作

批量改值、批量赋值、数组合并、值去重、交集、插入值、获取/去除下标范围的值、根据值获取索引、根据子数组获取索引

数字图像处理