图像处理分析与机器视觉【第二章】

标签：

         第二章是数字图像及其性质，开篇介绍了一些基本概念和数学工具。

         首先提出了一个问题，那就是透视投影，在将3D的物体经过透视投影和转化为2D图像时，损失了大量的信息，所以通过一幅图像重构3D场景就成为了一个病态的问题。

         在数学知识部分，涉及到了很多接触过但未深入了解的和从未接触过的知识点。首先是理想冲激，狄拉克分布，可以进行图像的采样。从网上找了一个相关的笔记 http://www2.math.uu.se/~maciej/courses/PDE_for_Finance/SP2013.pdf

         随后是对卷积的理解，之前有知道卷积的概念和计算，这一次结合图像和一些实例了解了卷积的具体含义，知乎中举的例子个人感觉挺好的解释了卷积的含义，在书中主要涉及的是二维的卷积，附知乎链接https://www.zhihu.com/question/22298352?rf=21686447。

         再然后就是傅里叶变换了，一直对这个词避之不及，感觉特别复杂特别难懂，之前学偏微分方程的时候也只是死记硬背，会计算就好了，这一次才认真地回顾了一下课本。傅里叶级数是对函数的一种近似方式，与泰勒展开相比，傅里叶级数对函数的要求更少一点，利用三角函数去近似。由于傅里叶级数是针对周期函数进行的，对于非周期函数只能假设函数有周期，再令周期趋向于无穷，这个时候级数转化成了积分形式，二重积分内层称为傅里叶变换，外层成为傅里叶逆变换。虽然具体的推导和性质还没有一一尝试，但之后在接触实例之后慢慢去补。

         作为随机过程的图像，没有学过随机过程，就只是简单的补了一下熵的相关知识，之后涉及到再补相关知识。

         数字图像有很多特性，其中之一就是距离（distance），想起了当时计算所笔试时候考的距离，常用的距离有欧氏距离（Euclidean distance），D_E[(i,j),(h,k)]=sqrt((i-h)^2+(j-k)^2)，城市距离（city block）D₄[(i,j),(h,k)]=|i-h|+|j-k|，棋盘距离（chessboard）D₈[(i,j),(h,k)]=max(|i-h|,|j-k|)。

         一些基本的概念：连通——像素之间存在路径；外边界——区域的补集的边界；边缘——一个像素与其领域的局部性质；包含图像边界的连续区域的连通子集合为背景；补集的其他部分称为孔；凸包——包含物体的最小区域；湖——被物体所包围；海湾——与物体凸包的边界相连。

         图像视觉感知的一些特性：1、对比度（contrast）2、敏锐度（acuity）3、物体边界（object border）4、色彩（color）

         图像噪声：1、白噪声，特例是高斯噪声；2、加性噪声；3、乘性噪声；4、量化噪声；5、冲激噪声（胡椒盐噪声）。

         相关Matlab知识点：rgb2gray、im2bw、bwdist

图像处理分析与机器视觉【第二章】

标签：

原文地址：http://www.cnblogs.com/blueprintf/p/5887095.html