《数字图像处理与分析》书评

笔记+质疑

A综述类图书，要点如下：人眼对彩色的感知由3个量来度量：亮度，色调和饱和度。亮度是光作用于人眼时引起的明亮程度的感觉<亮，暗>；色调是当人眼看一种或多种波长的光时，所产生的彩色感觉，它反映颜色的种类，决定颜色的基本特性<红……紫>；饱和度是指彩色光所呈现颜色的深浅或纯洁程度。对于同一色调的彩色光，饱和度越高，颜色越深，或越纯。高饱和度的彩色光因掺入白光而降低纯度或变浅。因为饱和度是色光纯度的反映。100%饱和度的色光就代表完全没有混入白光的纯色光。图像的数字化：将一幅图像进行数字化的过程就是在计算机内生成一个二维矩阵的过程。数字化过程包括3个步骤：扫描，采样和量化。扫描是按照一定的先后顺序对图像进行遍历的过程，像素min寻址单元；采样是指遍历过程中，在图像的每个最小寻址单元，即像素位置上对像素进行离散化，采样的结果是得到每一个像素的灰度值，采样由光电传感器件完成。量化则是将采样得到的灰度值通过模数转换等器件转换为离散的整数值。综上，对一幅图像依照矩形扫描网格进行扫描的结果是生成一个与图像相对应的二维整数矩阵，矩阵中每一个元素（像素）的位置由扫描顺序决定，每个像素的灰度值由采样生成，经过量化得到每一像素灰度值的整数表示。因此对一幅图像数字化所得到的最终结果是一个二维整数矩阵，即数字图像。图像增强：突出某些信息，对某些信息的辨识能力增强了，其他信息则被压缩了。因此图像增强处理并不是一种无损处理，更不能增加原图像的信息，而是通过某种技术手段有选择地突出对某一具体应用“有用”的信息，削弱或抑制某些无用信息。图像平滑： 任何一幅原始图像，在获取和传输等过程中，会受到各种噪声的干扰，使图像退化，质量下降。图像平滑化的主要目标就是既能消除这些随机噪声又不使图像的边缘轮廓和线条变模糊。变换域增强是首先经过某种变换（如傅里叶变换）将图像从空间域变换到变换域，然后在变换域对频谱进行操作与处理，再将其反变换到空间域，从未得到增强后的图像。变换域中最常用的正交变换是傅里叶变换。当采用傅里叶变换进行增强时，这种变换域增强称之为频域增强。频域滤波增强：图像从空间域变换到频率域后，其低频分量对应了图像中灰度值变化比较缓慢的区域，高频分量则表征了图像中物体的边缘和随机噪声等信息。低通滤波是指保留低频分量，而通过滤波器函数H（u，v）减弱或抑制高频分量的过程。高通滤波是为了消除模糊，突出边缘，使图像的边沿或线条变得清晰，实现图像锐化。图像锐化：使灰度反差增强，从而增强图像中的边缘信息，有利于轮廓抽取。因为轮廓或边缘是图像中灰度变化率最大的地方。基于一阶微分的图像增强---梯度算子，roberts算子，sobel算子（最优）基于二阶微分的图像增强--拉普拉斯算子三维重建：投影切片定理：对于任何一个三维（二维）物体，它的二维（一维）投影的傅里叶变换恰好是该物体的傅里叶变换的主体部分。投影切片定理在被检测物体的投影与该物体在傅里叶变换域（频域）之间建立了一一对应的关系，以二维横断面图像为例，该图像对x轴的投影等于它在变换域（频域）中变量v=0所对应的切片。投影若是对与空间域的x轴成任意角度a的方向进行投影，必然存在频率域上与u轴成相同的a角方向上的中心切片与之相等。边缘检测：图像外部边缘和内部边缘：算子prewitt； kirsch； Laplacian-gauss； canny；物体的边缘是以图像局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，常见边缘可分为阶跃型、房顶型、凸缘型。阶跃型的边缘处于图像中两个具有不同灰度值的相邻区域之间，房顶型主要对应细条状的灰度值突变区域，而凸缘型的边缘上升下降沿都比较缓慢。边界跟踪 图像轮廓探测法和梯度图法图像特征提取图像特征是指图像的原始特性或属性。常见的图像特征可以分为灰度特征、纹理特征和几何形状特征等。B 这本书在算法的思路上写的不够详细，没有“为什么”这么想的过程。平白无故给一复杂公式就算了，还不给说明下，连推理过程都木有。这本书区区310面。参考文献有115种。反正其中两种参考文献我也在图书馆借到了，跟此书的参考部分几乎相同。在实例和算法代码上就没有改过，在算法介绍上进行了简略。真的是“参考”出来的。作为综述类的图书，应该来说还算是不错了。如果是专业书，就略显单薄。