《数字图像处理》

读书报告

————钱增磊

提要：本人现进入江南大学物联网工程学院研究生，开始进行研究计划，所研究方向为图像处理以及智能视频分析，先要对其基础学科进行深入学习，着重掌握图像处理的基础、概念等有关知识，由导师梁教授的建议，选择冈萨雷斯的《数字图像处理》进行基础性学习，现制定读书计划，每一周进行读书总结，消化本周所学习内容。

本书是数字图像处理的经典著作，全书共分为12章，内容包括绪论，数字图像基础、灰度变换与空间滤波、频域滤波、图像复原与重建、彩色图像处理、小波及多分辨率处理、图像压缩、形态学图像处理、图像分割、表现与描述、目标识别。本书是第三版，是综合前两个版本的内容，以及近10年来图像处理的发展而做的更新，使全书讲的更为透彻、清晰，跟上时代的潮流。

作者冈萨雷斯是19xx年于迈阿密大学获得电气工程学士学位，19xx年和19xx年在佛罗里达大学分别获得电气工程硕士和博士学位，一直从事图像处理、计算机视觉，在其方面获得了很大的成就，编著了著名的《数字图像处理》教材，并广为传颂。 在本章绪论中，一共讲述了主要的六个方面的问题，现在一一陈述：

1、数字图像处理没有非常精确的范围，它常与数字图像分析，计算机视觉等方面具有可重叠性质，故我们把数字图像处理的范围进行三方面的概括，在这个连续的统一体中可以用3种典型的计算处理来区分其中各个学科，分为三个等级：1、初级的操作，包括降噪、增强对比度、锐化，特点是输入输出的数据都是图像，其中间过程便是图像处理；2、中级处理，涉及分割及缩减对目标物的描述使其适合计算机处理，其输入是图像，输出是提取图像的属性；3、高级处理，涉及被识别物体的总体理解，执行与视觉相关的识别函数，针对单个对象的识别。

2、是图像处理的历史与发展。

（1）图像处理早在20世纪20年代初就已经开始有了应用，最早的应用是出现在报纸行业，最早的图像时通过海底电缆从伦敦传往纽约的图像。该方法是早期没有计算机的情况下进行的图像处理方法之一，就是首先通过编码，在接收端利用电报打印机通过字符来模拟中间色调还原图像。后来发展为在电报接收端用穿孔纸带打出图片，这就是早期的Bartlane系统，编码时用5个等级的灰度值来表示，后发展为用15个等级的灰度值。

（2）而在计算机的出现，首先简要概括了计算机的历史，冯诺依曼提出了两个概念，一个是保存程序和数据的存储器，另一个是条件分支。这两个概念就作为现在CPU的基础，也就是计算机的最初起源。利用计算机技术改善空间胎侧器发回的图像的工作，开始于19xx年美国加利福尼亚喷气推进实验室，也是作为数字图像处理的起始。

（3）接下来开始涉及医学图像、地球遥感监测、天文学等领域。1960s末到1970s初，计算机轴向断层扫描技术（CCAT）出现，在医学上，数字图像处理得到了空前发展。

（4）开始用计算机程序增强对比度、将亮度编码为彩色，应用于工业、医学、生物科学、地理学等领域，而在考古学中，图像的增强与复原技术得到了充分应用。

（5）发展到现在，数字图像处理应用的领域开始朝向解决感知问题。

3、图像处理的图像源的研究

图像源有许多，最主要的是基于电磁能谱，由于每一个应用领域所要观测的捕获的物体不同，得到侧重点不同的影响，所以就产生光源的不同，电磁能谱的排布根据波长的不同而具有不同的能量的光源。

（1）伽马射线，作为能量最高的光源，主要应用于核医学和天文学的观测，书中举例利用放射性同位素标记法，当该物质衰变时发出伽马射线（放出正电荷，与电子相遇，两者共同湮灭，同时放出两束伽马射线），构成影像。而在天文观测中则是用成像物体自然辐射得到。

（2）X射线，主要的应用在医学上，血管造影技术以及X射线的轴向断层扫描技术。主要产生该射线的是用X射线管，阴极加热释放自由电子，向阳极流动，撞击产生X射线，落在胶片上使其感光。而对于数字图像，则有两种方式：其一是用数字化的X射线胶片；其二则是用X射线通过病人身体直接落在某装置上，使X射线转换为光，然后用光敏数字系统来捕获。

（3）紫外线，主要应用于光刻技术，工业检测、显微镜、生物成像、以及天文观测等。最显著的应用是荧光显微镜，最基本的任务就是用激发光照射需成像的物体，然后从强光中分离出较弱的荧光。

（4）可见光与红外线波段，由于两者的成像总是相结合，故研究中常放在一起。红外线波段成像主要距离应用是发现地球表面接近可见光的红外线发射源，用来估计各地区的电能使用百分比。可见光应用于生产产品的自动视觉检测。

（5）微波波段，主要应用于雷达。

（6）无线电波，主要应用于医学上，比如核磁共振成像（MRI）。

（7）其他方式成像也很多，比如用声成像，可以用来地质勘测，更主要的在商业中进行勘

测石油与矿产。还有用超声波成像，可以用声速来计算距离等。还有电子显微镜成像，分形成像等。

4、数字图像处理的基本步骤

一共包括十个步骤，分别是图像获取、图像增强、图像复原、彩色图像处理、小波分析、压缩、形态学处理、图像分割、表述与描述、图像识别。我们通过对特定的设备将获取图像，转换为数字形式，对图像进行一些预处理，使其计算机能够更好地识别和处理，然后进行图像的修复，使图像更加接近真实，然后通过小波分析进行减噪处理，进一步进行细化处理，对于高精度的图像，根据图像的特性选用适当的算法进行压缩编码，然后分割提取特征，最后与数据库中的内容进行匹配，从而识别。

5、图像处理系统的组件

（1）一个图像处理系统需要有其感知的设备，有两种方式进行图像获取，一个是用物理设备，对物体发射的能量很敏感；另一个是用数字化器，把模拟信号转换成数字信号。

（2）特定的图像处理硬件

（3）计算机，一般选用通用计算机适合各类图像处理系统。

（4）软件，有通用与专用的图像处理软件。

（5）大规模存储能力，对其分为三类，第一类是用于处理期间的短期存储，一般选用计算机内存或者缓冲存储器，速度快；第二类是快速调用的在线存储，一般选用光介质或磁盘，是尤其频繁的访问来决定的；第三类是档案存储，不需要频繁的访问，是海量存储；

（6）图像显示器

（7）硬拷贝装置

（8）网络，图像传输中最重要的便是带宽。

总结

通过对第一章绪论的学习，基本上对数字图像处理的概念、应用、起源及其发展有了一个大体的了解，在后续章节中将会继续深入学习，目前还存在一些遗留的问题，图像获取是怎么实现的，如何编码，如何保证在解码的过程中不会出现错误，如何识别图像的物体等等，都会在后续的学习中一一深入了解。

第二篇：数字图像处理读书报告10

数字图像处理读书报告10

——形态学图像处理

——钱增磊

前言：本章主要讲述了对图像形态的操作，形态包括边界、骨架、凸壳等，将这些形态提取出来是图像操作中的一个重要目的。本章主要涉及二值形态学和灰度形态学两个方面的操作。

    一、二值图像形态学

1、腐蚀和膨胀

腐蚀作为集合A和B，表示为AB的B对A的腐蚀定义为：

                      

表示首先对这个结构元SE旋转180度，这个和卷积的意义相同，然后用SE扫描图像A，SE的中心点在图像A中，而当结构元的边界与A的重合时，丢弃SE的中心点与SE边界元素相间的那部分A元素，然后沿着图像A边界一直扫描，直至腐蚀结束。

该操作如同“腐蚀”一般消除亮的区域，消除的大小将根据结构元的结构选取有关。

膨胀表示为的B对A的膨胀定义为：

表示先对这个结构元SE旋转180度，然后用SE扫描图像A，SE的中心点在图像A中，那么当SE的中心点在A的边界时，A的边界到SE的边界那一部分进行填充，然后沿着A的边界继续扫描，直至膨胀结束。

该操作如同“膨胀”一样，增强亮的区域，增强区域的大小和形状由SE的结构元的结构决定。

2、开操作与闭操作

膨胀会扩大一幅图像的组成部分，而腐蚀则会缩小一幅图像中的组成部分，那么将这两者组合起来操作便是开闭操作。

开操作是先进行腐蚀后进行膨胀，它可以先通过腐蚀割断或者消除小的亮的区域，然后再进行膨胀，把原图像亮的区域还原。如此便可以用来平滑物体的轮廓、断开较窄的瓶颈并消除细的突出物。

闭操作是先进行膨胀后进行腐蚀，它可以先通过膨胀链接一些断开的亮的区域，然后再进行腐蚀，把原图像的亮区域缩小还原。如此便与开操作相反，可以弥合较窄的间断和细长的沟壑，消除小的孔洞，填补轮廓线中的断裂。

3、击中击不中变换HMT

该变换是形状检测的一个基本工具，是根据两种变换，寻找某一个需要找到的图像位置。在击中击不中变换中将结构元素分解成两个，一个定义为前景结构元素，一个定义为背景结构元素，定义如下：

                     其中E，F的交集为空集

HMT的标准变换为：             

由于我们要找的目标是图像A的前景元素中的某一目标，所以我们先对A进行结构元素E的击中变换，也就是腐蚀操作，得到的目标集合先放在一边，然后对A的背景用结构元素F进行击不中变换，也是腐蚀操作，这样就得到了另一个目标集合，很显然所找的目标一定同时在两个目标当中，于是对两个集合取交操作，得到目标。

4、二值形态学基本算法

根据上述二值形态学的基本操作，可得到一些对二值形态学的基本应用。首先是边界提取。可以通过先对图像求解腐蚀操作，然后用原图像减去腐蚀的图像即可得到图像的边界，该边界属于图像的内边界，此操作表示为：

第二个应用是孔洞填充，孔洞是一系列由前景像素相连接的边界所包围的一个背景区域，而且孔洞不像噪声点一样，它可大可小的，不能一次性用膨胀操作解决，要不断地使用迭代膨胀，为了防止孔洞外围的前景像素会因为膨胀操作而不断扩大，采用与原图像的补集相交，保证外围尺寸维持原样，操作为：

另一个应用是连通分量的提取，对于很多图像认为的可以看出来这些连通的分量，但是计算机却因为图像的断裂而不明显，连接两个分量的最好办法就是膨胀，但一次是不够的，采用迭代膨胀的方法，同样为了防止图像的扩大变形，我们将与原图像进行交集操作，这样就使得只有需要连接的地方才起到了膨胀的作用。

凸集表示在该集合中任意两点的直线段都在该集合的内部，任何集合S的凸壳就是表示包含于S的最小凸集，采用对它迭代的击中击不中变换，这里利用的结构元素B是采用四个不同方向的一维结构元，这样找到的凸壳可以满足其最小特性。

第五个应用是细化，我们依次通过将图像A进行B结构元的击中击不中变换，可以得到我们需要的去除的元素，然后对其求补集并与原图像进行交集操作，可得到细化后的图像，依次对其进行迭代操作，可得到完整的细化图像。其操作为：

                        

与细化相反的便是粗化操作，同样对A图像进行B结构元的击中击不中变换，找到需要填充的元素，然后将其与图像A进行并集的操作，如此便可得到粗化的图像，其操作为：

                          

骨架的提取是形态学操作中的一大应用，首先一个具有几何形状的骨架可以有若干个分支骨架构成，所以会有

                            

那么对于每一个骨架，我们采用对其进行迭代腐蚀的操作，使他变成一条细细的骨架线，其中K是A被腐蚀为空集前的最后一次迭代步骤，于是可得到操作为：

                          

第八个应用是裁剪，它其实是对细化和骨架应用算法的补充，因为这些过程会保留一些寄生分量，因为需要用后处理来清楚这些寄生分量。首先进行细化操作，裁剪掉一些多出来的分支，得到集合：

但是此操作会往往将这个原本的图案发生一些缺失，这个时候就需要进行原图案的复原操作，该操作先需要求得缺失分量的端点集合，采用对上述集合求击中击不中变换：

 

然后以集合A作为限定器，对端点集合求膨胀运算恢复原图像：

                             

二、灰度图像形态学

往往有些时候二值图像的形态学操作本身就具有很大的局限性，它不能很好地去表示一个图像，所以就引出了对灰度图像的形态学操作，这里与二值图像很大的区别除了本身图像是具有灰度级之外，其操作的结构元也有平坦与不平坦结构元的区别，不平坦的结构元具有灰度的剖面。

1、腐蚀和膨胀

与二值图像的腐蚀和膨胀操作类似，如果用平坦的结构元对f图像进行腐蚀，定义为图像f中与结构元b重合区域的最小值。同理得到膨胀的操作与腐蚀相反，其操作为：

                   

                 

由于平坦结构元SE的腐蚀求图像与b重合的每个邻域的最小灰度值，因此亮特征尺寸将被减小，而暗特征尺寸会增大，膨胀则相反。

那么对于非平坦结构元对图像f的腐蚀与膨胀的操作为：

 

图像的开操作与闭操作与二值图像的开闭操作相类似。

2、一些基本灰度级形态学算法

形态学的平滑：由于开操作抑制比结构元小的亮细节，而闭操作抑制暗细节，所以常常以形态学滤波的形式结合起来被用于图像平滑和噪声的去除。

形态学梯度：类似二值图像的边界提取，采用对其进行膨胀，然后对原图像进行腐蚀，最后两幅图像相减便可得到，由于灰度级有梯度的过渡过程，所以不采用原图像减去腐蚀图像的过程，操作为：

                        

顶帽变换和底帽变换：通过进行开操作与闭操作可以删除一些分量图像，然后用原图像相减的办法将保存下这些被删除的分量图像，保证再调整原图像明亮的时候，保存原图像的特征形态。一般顶帽变换用于暗背景上的亮物体，底帽变换用于亮背景上的暗物体，其变换为：

      

粒度测定：对于一些有大有小的颗粒物体在图像上很难进行分割，而在形态学上可以间接用于估计颗粒的尺寸分布，而不需要识别并测量图像中的每个颗粒来进行测定。

纹理分割：对于有若干个有特征的集中区域，由于界限没有被明显的划分，可以根据采用开闭操作依次去除一些小尺寸的点，然后对剩下的区域采用相反的开闭操作将区域集中联系起来，得到区域形状，再利用梯度的算法得出边界加到原图像中，便可得到划分好的区域。

总结：本章介绍的形态学概念和技术构成了从一幅图像中提取感兴趣特征的一组强有力的工具，对比了二值图像与灰度图像的形态学操作的不同，为后一章的图像分割打下了很好的基础。