数字图像处理第二讲2010年3月1.ppt

1,一幅数字图像，大小为512×512，灰度级为256级，则表示这幅图像的二进制数据量为： 。 A：2Mbit B：4Mbit C：4Mbit D：4Mbit,2,景物的亮度增加10倍，人眼的感觉亮度大约增加 。 A：100倍 B：10倍 C：5倍 D：1倍,3,视觉研究与图像技术的关系？ 人眼的构造？ 视觉信息的产生、传递和处理？ 了解视觉特性及视觉模型？,2.1 图像信息技术中的视觉研究,4,视觉模型研究 将视觉系统的功能抽象化为简单的模型，以此模型为基础对视觉系统进行研究 对视觉生理和特性并末完全清楚，人类视觉模型的讨论，只能建立在假设和实验结果相符合的基础上 假说 建模 试验 修改 完善,5,1）自动增益控制特性 2）阈值特性-噪声消除 3）阈值调节特性,神经元模型,6,神经元模型,7,黑白视觉模型,8,眼睛光学性能,杆状和锥状细胞非线性响应,侧抑制过程,时间滤波效应,黑白视觉模型,9,噪声的基本概念 噪声的分类 图像系统噪声的特点,图像噪声分析,10,2.3 图像噪声分析,2.3.1 噪声的基本概念 1 噪声的定义：妨碍人们感觉 器官对所接收的信源信息理解的因素 2 噪声的特点：不可预测，只能用概率统计方法来认识的随机误差 用概率分布函数和概率密度函数描述随机过程但在很多情况下，这样的描述方法是很复杂，甚至不可能的，而实际应用往往也不必要 通常是用数字特征来反映噪声的特征：均值、方差、相关函数等,图像采集 量化噪声 热噪声等,物理对象,接收者,传输和处理,光：不均匀的光照 电磁：通过辐射耦合,噪声的产生途径,3 噪声的产生,12,噪声的分类,外部噪声:系统外部干扰通过电磁波或经电源串进系统内部而引起的噪声 内部噪声:由光和电的基本特性、电器的机械运动、元器件材料本身及系统内部电路等引入的噪声,根据噪声的产生原因,平稳噪声:统计特性不随时间变化的噪声 非平稳噪声:统计特性不随时间变化的噪声,根据统计理论观点,高斯噪声：幅度分布按高斯分布的噪声 瑞利噪声：幅度分布按瑞利分布的噪声 伽玛噪声：幅度分布按伽玛分布的噪声,根据噪声幅度分布,13,噪声的分类,白噪声：频谱均匀分布的噪声 1/f噪声：频谱与频率成反比的噪声 三角噪声：与频率平方成正比的的噪声,根据频谱形状,加性噪声:以混合叠加模式引入的噪声，输出图像为S(t)+n(t) 乘性噪声:以相乘模式引入的噪声，输出图像为S(t)(1+n(t),根据噪声与图像的结合方式,14,注意：为了分析、处理方便 1）往往将乘性噪声近似认为是加性噪声； 受干扰的图像； 原图； 噪声。 2）总是假定信号和噪声是互相统计独立。 概率密度分布函数,15,高斯噪声：,16,瑞利噪声：,17,伽玛噪声：,18,脉冲噪声（椒盐噪声）：,现在图像系统的输入光电变换经常是先把二维图像信号扫描变换成一维电信号再进行处理加工。最后再将一维电信号变成二维图像信号。噪声也存在着同样的变换方式 ，X和Y方向的噪声特性会有所不同。,2.3.3 图像系统噪声特点,1 噪声的扫描变换,数字图像处理技术中存在量化噪声，它在图像内容比较平坦时，出现伪轮廓。,平坦区域的伪轮廓，可通过颤噪效应减弱,2 噪声与图像的相关性,串联图像传输系统中，各部分窜入噪声若是同类噪声，可以进行功率相加，因此信噪比要下降 若不是同类噪声，应区别对待，而且要考虑视觉检出特性的影响,3 噪声的叠加性,g=imnoise(I,type,paramete) 当Type项选择“gaussian”时,函数格式为 g=imnoise(I,gaussian,m,var) 当Type项选择“salt & pepper”时,函数格式为 g=imnoise(I,salt & pepper,d) 当Type项选择“speckle”时,函数格式为 g=imnoise(I, speckle,var),g=I+nI,利用Matlab程序来实现伽玛噪声。完成后需要提交程序和输入输出参数说明。,作业,提示：对于任意分布的随机变量可以通过一个在0，1范围内均匀分布的随机数来构造。,定义变量为(0,1)区间内均匀分布的随机数，可以通过求解如下方程来实现满足指定概率密度函数分布的随机变量。,作业,25,2.4 图像质量评价,了解图像质量的含义？ 了解图像主观评价方法？ 了解图像客观评价方法？ 了解图像质量评价的发展？,26,1 概述 图像质量评价是图像信息工程的基本技术之一 图像是人类感知的重要信息源，图像质量对所获取信息的充分性和准确性起着决定性的作用 在图像获取和处理的各个阶段，所采用各项技术的优劣也都归结到图像质量的评价,27,28,2 图像质量的含义,1）保真度 描述被评价图像与标准图像之间的偏离程度 2）可懂度 图像向人（机器）提供信息的能力,多年来，人们总是希望能够给出图像保真度和可懂度的定量测量方法，以作为评价图像和设计图像系统的依据，但由于目前对人的视觉系统性质还没有充分理解，对人的心理因素还找不出定量化的描述方法，还没有获得很好的解决方法。,29,3 图像质量评价（评估）的主要方法： 1）主观评价方法 优点：直接反映人眼的感觉 缺点：费时费力，易受观察者的知识背景、 经验、测试环境等多种因素的影响 2）客观评价方法 优点：方便快捷、容易实现、易于与应用系 统结合 缺点：难于定量化描述，与人的主观感受会 有一定的出入,30,4主观保真度评价 以人作为图像的观察者，对图像的优劣作出主观评定。这是目前普遍采用的方法。 1）观察者 外行：未受专业训练 内行：训练有素,31,4主观保真度评价 2）主观评定方法 绝对评价：由观察者根据一些事先规定的评价尺度或自己的经验对被评价图像提出质量判断，“全优度尺度”,32,4主观保真度评价 2）主观评定方法 相对评价：观察者将一批图像由好到坏进行分类， “群优度尺度”,33,4主观保真度评价 以人作为图像的观察者，对图像的优劣作出主观评定。这是目前普遍采用的方法。 3）主观评定条件 观察者的人数：至少20人 测试条件：与使用条件相匹配 评价尺度的选择：根据具体条件 结果分析：统计分析,34,4主观保真度评价 以人作为图像的观察者，对图像的优劣作出主观评定。这是目前普遍采用的方法。,35,5客观保真度评价 依据模型的量化指标或参数衡量图像质量。根据评价算法对参考图像的依赖程度可分为三类： 全参考客观评价方法 半参考客观评价方法 无参考客观评价方法,36,37,“接近程度”的量度：用互相关函数R表示: 通常也采用归一化的互相关函数表示：,38,误差,均方误差,均方根误差,39,均方信噪比（假定加性噪声）,峰值均方误差,40,6图像质量评价的发展 基于视觉感知的图像质量评价方法 基于视觉兴趣的图像质量评价方法,41,6图像质量评价的发展 基于视觉感知的图像质量评价方法 1、图像降质对人眼视觉的影响是由人眼视觉系统的灵敏度所决定的，而视觉灵敏度是由人眼的视觉细胞决定 2、影响像素误差可视度的因素是误差周围的局部区域环境，而不是整个图像的背景环境,42,6图像质量评价的发展 基于视觉兴趣的图像质量评价方法 1、视觉不仅与生理因素有关，还在相当大的程度上取决于心理因素 2、人们在观察和理解图像内容时往往会不自觉地对其中某些区域产生兴趣，而对不感兴趣区的降质有时不会察觉 3、人们对于图像中关注的区域却具有共性，它集中传递了整幅图像所要表达的大部分客观信息。,43,2.5 彩色图像的基本知识,三基色原理？ 颜色的基本属性？ 彩色模型？,44,1 三基色原理 人的大脑对颜色的感知和理解是一个复杂过程 一些基本结论 1、物体的颜色由物体的反射光决定 2、锥状细胞可分为红、绿、蓝三类感受器 3、光线作用时，3个感受器产生的兴奋程度不同，其组合产生不同的颜色,45,2 颜色的基本属性.5.2 颜色的基本属性 1 颜色分为彩色和非彩色两大类 2 颜色对人眼的视觉作用：颜色的3个基本属性 亮度：光波作用于感受器发生的效应；由物体反射系数决定 色调：由物体反射光线中占优势的波长决定；决定了颜色的本质 色饱和度：颜色的鲜明程度；饱和度越大，颜色越深；反射光中白光越多，色饱和度越小,3 色调和饱和度称为彩色，颜色由彩色和亮度表征,46,3彩色模型 彩色模型是在某些标准下用可接受的方式简化彩色规范。 RGB模型：主要用于彩色监视器和彩色视频摄像机 CMY模型：主要用于彩色打印机 HSI模型：更加符合人描述和解释颜色,47,RGB彩色模型 CMY彩色模型,48,RGB彩色模型与CMY彩色模型间的转换关系,RGB模型与人眼感觉红、绿、蓝三原色很好的匹配，但却不能很好的适应人眼对颜色的解释，且在图像处理时不利于对彩色图像的处理。,49,HIS模型：由色调、色饱和度及光强组成的彩色模型,去掉了强度分量在图像中和颜色信息的联系 色调和色饱和度成分与人们获得颜色的方式密切相关,目前，很多实用系统都是采用HSI彩色模型,50,本次课作业: 教材第45页 习题 2.7,