由于离学习数字图像处理已经有一段时间，之后一直涉及到的都是机器学习的内容。虽然期间也在做视频监控的项目，但是都是用别人现成的程序，并不涉及到图像的预处理和分析过程，我感觉到自己在图像方面的知识，仍有不足。趁此机会，对之前的学习课本，进行一次系统的整理。一来，熟悉图像处理的内容；二来，训练自己对书本内容的概括总结能力。
要点概括：
- 1.消色物体和有色物体（并分别解释加色法效应和减色法效应）
- 2.图像数字化：采样和量化（均匀、非均匀）
- 3.灰度直方图的概念、性质和应用
- 4.图像处理的几种算法形式：局部处理（对比分析 点处理、局部处理、大局处理或全局处理）；迭代处理；跟踪处理；窗口处理和模板处理；串行处理和并行处理
- 5.图像格式：BMP格式（特别注意TIFF格式，它与其他格式的不同是，它能存储多幅影像，因为它应用了标志功能）
- 6.图像特征
- 7.图像噪声
一、消色物体和有色物体
- 物体的色是人的视觉器官受光后在大脑的一种反映。物体的色取决于物体对各种波长光线的吸收、反射和透射能力。
- 据此，物体分为消色和有色两种。
消色物体：黑、白和灰色物体；对照明光线的吸收无选择性（反射率大于75%为白色，反射率小于10%为黑色，介于2者之间为灰色）
有色物体：对照明光线的吸收具有选择性。
加色法效应：当2种或2种以上的有色光同时照射在消色物体上时，物体呈现加色法效应；（如红光和绿光照射在白色物体上时，物体呈黄色）
减色法效应：当有色光照射在有色物体上时，物体呈现减色法效应。（如品红光照射在黄色物体上，物体呈红色） 
二、图像数字化
- 定义：将一幅图像（连续图像）转化成计算机能够处理（数字图像）的过程。
- 过程：采样、量化
采样：将空间上连续的图像变换成离散点的过程；
（三种采样方式：有缝采样、无缝采样和重叠采样） 
量化：将像素灰度转换成离散的整数值的过程。
按照“均匀”和“非均匀”分为四种：（“均匀”即为等间隔）
- 均匀采样、均匀量化（最常用）
- 均匀采样、非均匀量化
- 非均匀采样、均匀量化
- 非均匀采样、非均匀量化
描述：采样间隔越大，所得图像像素数越少，空间分辨率越低，质量差，严重时像素会呈块状的国际棋盘效应；量化等级越少，图像层次欠丰富，灰度分辨率低，质量变差，会出现假轮廓现象。（但在极少数情况下，当图像大小固定时，减少灰度级能改善质量，原因是减少灰度级一般会增加图像的对比度）
三、灰度直方图
- 概念：一幅图像中各灰度级像素出现的频率之间的关系。（以灰度级为横坐标，纵坐标为灰度级的频率）
- 性质：1）只反映图像的灰度分布情况，丢失了像素的位置信息；2）一幅图像对于唯一的灰度直方图，一个灰度直方图可对应不同图像；3）一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。
- 应用：
1）用于判断图像量化是否恰当；
2）确定图像二值化的阈值；
3）计算图像中物体面积；（当物体部分的灰度值比其他灰度值大时，可利用直方图统计出图像中物体的面积）
4）计算图像信息量H（熵）。
四、数字图像处理的几种算法
- 基本功能形式（按照图像处理的输出形式）：1）单幅到单幅；2）多幅到单幅；3）单（或多）幅图像到数字或符号。
- 具体算法形式
1.局部处理
描述：对输入图像进行处理时，由输入图像IP(i,j)像素的小领域N[IP(i,j)]中的像素值计算某一输出像素JP(i,j)值。
数学表达式：
举例：图像的移动平滑、空间域锐化
Note: 2种特殊情况：点处理和全局处理
点处理
描述：输出值JP(i,j)仅与IP(i,j)像素灰度有关
数学表达式：
举例：图像对比度增强、图像二值化
全局处理
描述：输出值JP(i,j)取决于整幅图像像素的值
数学表达式：
举例：图像的傅里叶变换
2.迭代处理
描述：反复对图像进行某种运算，直至满足给定条件，从而得到输出图像的处理形式 
举例：图像细化
3.跟踪处理
描述：选择满足适当条件的像素作为起始像素，检查输入图像和已得到的输出结果，求出下一步应该处理的像素，进行规定的处理，然后决定是继续处理下面的像素，还是终止处理。
举例：边界线、等高线的跟踪或检查
4.窗口处理和模板处理
描述：对图像中选定矩形区域内的像素进行处理，称为窗口处理；预先准备一个和输入图像IP相同大小的二维数组，存储某一形状区域的信息，然后参照该数组对输入图像处理，称为模板处理。 
5.串行处理和并行处理
描述：后一像素输出结果依赖于前面像素处理的结果，并且只能依次处理各像素而不能同时对各像素进行相同处理的处理方式，称为串行处理；对图像中的各像素同时进行相同形式运算的一种处理方式，称为并行处理。
五、图像格式
- 主要有BMP、PCX、GIF、TIFF等。
- 这里主要介绍与其他格式不同的TIFF格式。（不同之处：由于应用了标志功能，TIFF图像文件能够实现多幅图像的存储，而其他格式均只能存储单幅图像） -
六、图像特征
- 自然特征：
1）光谱特征；
2）几何特征；-空间分辨率、纹理结构、图像变形
3）时相特征。-不同时间获取的图像差异 - 人工特征：
1）直方图特征
2）灰度边缘特征
3）角点与线特征
4）纹理特征
按照特征的范围大小分类：
- 1）点特征
- 2）局部特征
- 3）区域特征
-
4）整体特征
七、图像噪声
图像噪声的分类有不同标准。这里我们主要考虑从“噪声幅度分布形态”和“频谱分布形状”进行分类
“噪声幅度分布形态”
- 高斯噪声：幅度分布呈高斯分布
- 瑞利噪声：幅度分布呈瑞利分布
- 脉冲噪声：突发出现、幅度高且持续时间短的噪声
“频谱分布形状”
- 高斯噪声：各频率能量呈正态分布
- 白噪声：频谱为均匀分布的噪声
噪声模型
- 加性噪声：噪声与图像光强大小无关。
g(x,y)=f(x,y)+n(x,y) - 乘性噪声：噪声与图像光强大小有关，随亮度大小变化而变化。
g(x,y)=f(x,y)[1+n(x,y)]=f(x,y)+f(x,y)n(x,y)
其中，g(x,y)为实际输出图像，f(x,y)为理想图像，n(x,y)为噪声