数字图像处理课程要点（前6章）
第一章 绪论
数字图像处理是利用计算机实现与光学系统模拟处理相同效果的过程。一般具有如下特点：
（1）处理精度高，再现性好。计算机图像处理，其实质是对图像数据进行运算。由于计算机技术的飞速发展，计算精度和准确性不断提高；另外，用相同的方法对同一图像进行多次处理，其再现性好。
（2）处理方法的多样性
由于图像处理是通过程序实现的，因此，设计不同的图像处理程序，可以实现各种不同的处理目的。
（3）图像数据量庞大 （4）处理费时
由于图像数据量大，因此处理比较费时。特别是处理结果与中心像素邻域有关的处理过程花费时间更多。
（5） 图像处理技术综合性强
数字图像处理涉及的技术领域相当广泛，如通信技术、计算机技术、电子技术、电视技术等，当然，数学、物理学等领域更是数字图像处理的基础
颜色空间RGB和HIS
RGB从物理和光学角度描述颜色不同， HIS则是根据视觉的主观感觉对颜色进行描述。
（1）由RGB到HIS的转换公式 （2）图像灰度强度归一化 第二章 图象变换
（1）傅立叶变换及其性质 （2）余弦变换
（3）基于一阶矩的快速变换 第三章 图象增强
空域增强；频域增强；点运算增强
灰度级变换的应用：亮度调整、对比度拉伸 直方图增强 （1） 直方图均衡化
（2） 直方图匹配，直方图规定化 第四章 图象复原
在景物成像过程中，由于目标的高速运动、散射、成像系统畸变和噪声干扰，
致使最后形成的图像存在种种恶化， 称之为“ 退化”。
退化的形式有图像模糊或图像有干扰等。
图像复原是将图像退化的过程加以估计,并补偿退化过程造成的失真,以便获得未经干扰退化的原始图像或原始图像的最优估值，从而改善图像质量的一种方法。
图像复原是图像退化的逆过程
代数复原方法；逆滤波复原方法；中值滤波复原方法 第五章 图象配准 互相关配准
①Cross correlation 互相关..C.
C?②去均值相关 CC Correlation Coefficient
xa??TA,B?A(xaa)BT(xa)
CC?2xa??TA,B?(A(xa)?A)(BT(x)?B)2[xa???(A(xTA,B)?A)2xa???(BTA,BT(xa)?B)]212?1
柯西公式 ?AB?互信息配准
互信息为相似性测度
?A??B2
互信息为信息论中的一个概念。描述两系统间的统计相关性，或一个系统中包含另一个系统中信息的多少。
熵是信息论的概念，表达一个系统或随机事件的复杂性或不确定性
n?)?H(p,p,?,p)???plogp H(X12niiX的条件熵定义为
H(X|Y?y)??p(x|y)lgxi?11???p(x|y)lgp(x|y)
p(x|y)x联合熵 H(x,y)??p(x,y)lgp(x,y) 互信息
x,yI(A,B)?H(A)?H(B)?H(A,B)?H(A)?H(A|B)?H(B)?H(B|A)
可以证明I(A,B)??pAB(a,b)loga,bpAB(a,b)
pA(a)pB(b)联合概率分布PAB(a,b)可归一化联合直立图表示
h(i,j)PAB(i,j)?
h(i,j)?i,j边缘分布PA(a)
PA(i)??PAB(i,j)jPB(j)??PAB(i,j)i
I(AB)??PAB(i,j)logi,jPAB(i,j)
PA(i)PB(j)T0?argmaxTI(A,TB)
最大互信息法的算法
(1) 定义一个Na?Nb的矩阵HIST(i,j)，0?HIST[i,j]，Na,Nb为A，B的灰度级数
(2) 对任一个Coxeli?A?B，找到A(i), B(j)，则
HIST[A(i),B(j)]?1
(3) ?HIST[j,k]
j,k(4) 归一化，计算PDF PDF?(5) 联合熵H(A,B)
HIST[j,k]
?HIST[j,k]j,kH(A,B)???PDF[j,k]logPDF[j,k]
(6) 计算A，B的边缘H(A), H(B)
H(A)??((?PDF[j,k])log(?PDF[j,k]))jkk1j,kH(B)??((?PDF[j,k])log(?PDF[j,k]))kjj
第六章 图象描述与分割 图像特征 形状特征 形状描述子 傅立叶描述子; 边界链码
链码是对区域边界点的一种编码表示方法。该方法主要是利用一系列具有特定长度和方向的相连的直线段来表示目标的边界。由于每个线段的长度固定而方向数目有限，即仅有边界的起点需要采用绝对坐标表示，其余点可只用接续方向来代表偏移量，并且每一个点只需一个方向数就可以代替两个坐标值，因此采用链码表示可大大减少边界表示所需的数据量。
最简单的链码是跟踪边界并赋给每两个相邻像素的连线一个方向值。常用的