数字图像处理

PDF文字倾斜旋转 Reference: 　　”电面中被问到了做的LPR，简单的介绍了下后又问到了关于如何矫正倾斜角的问题。答得比较含糊，所以今天来补充一下。 倾斜矫正的方法有很多种，包括基于Hough变换的矫正，基于字符投影的倾角矫正，常规线性角度检测等等。这里因为前段时间刚刚写过关于Hough变换的东西，所以实践一下。 其基本思想是找出边缘直线，并根据直线找出倾角后进行旋转。 对于噪声较少的一些图像，做二值化处理后噪声也较少，利用合适的膨胀处理后文字自然连接成长条状以便于进行边缘的检测。找到最长的边缘线，并计算出倾角。 这是一种比较简单的方法，比较容易理解，但缺点也比较明显。首先是鲁棒性非常的差，很容易受噪声的影响，图像质量稍微不好就容易出现误差。另外通过hough变换的计算量也偏大。改进方法有很多，包括通过建立连通域并寻找中心。" 　　　　 去除水印/超链接 工具/ 原料 　　　　Adobe Acrobat pro： 文档处理工具。 　　　　Adobe Acrobat x pro 序列号 　　　　2899 4352 1000 2750 9286 4319 　　　　1118-1905-0841-9679-7056-1416 　　　　1118-1830-9169-0893-9620-7260 　　　　Adobe Acrobat XI V11.0.0 https://helpx

形态学基本概念 基本思想：用一定形态的结构元素去度量和提取图像中的对应形状，达到分析知识的目的。可用于图像处理的各个方面，包括图像分割、边界检测、特征提取。 结构元素：形态学变换中的基本元素，使为了探测图像的某种结构信息而设计的特定形状和尺寸的图像，称为收集图像结构信息的探针。 结构元素有多种类型：如圆形、方形、线型等，可携带知识（形态、大小、灰度和色度信息）来探测、研究图像的结构特点。 形态学运算包括：二值化腐蚀和膨胀、二值化开闭运算、骨架抽取、击中击不中变换等。 形态学四个基本算子：膨胀，腐蚀、开启和闭合组成，这些基本运算还可以推导和组合成各种数学形态学实用算法。 腐蚀运算 腐蚀运算思路 ：定义结构元素(与模板类似)，结构元素在整幅图像中移动，移动到每个像素点上，只有结构元素与图像上对应像素点的像素值全部相等时，保留这个像素点的值。 腐蚀运算作用 ：消除物体边界点，使边界点向内部收缩，可以把小于结构元素的物体去除。选取不同大小的结构元素，去除不同大小的物体。如两个物体间有细小的连通，通过腐蚀可以将两个物体分开。 腐蚀运算 ： 腐蚀运算示意图 ： 基本方法： 通常拖到结构元素在X域移动，在每一个位置上，当结构元素B在中心平移到X图像上的某优点(x,y)。 如果结构元素内的每一个像素都与以(x,y)为中心的相同邻域中对应像素完全相同，那么就保留(x,y)像素点。

原文链接： 边缘检测与图像分割 作者： HUSTLX 1图像分割原理 图像分割的研究多年来一直受到人们的高度重视，至今提出了各种类型的分割算法。Pal把图像分割算法分成了6类：阈值分割，像素分割、深度图像分割、彩色图像分割，边缘检测和基于模糊集的方法。但是，该方法中，各个类别的内容是有重叠的。为了涵盖不断涌现的新方法，有的研究者将图像分割算法分为以下六类：并行边界分割技术、串行边界分割技术、并行区域分割技术、串行区域分割技术、结合特定理论工具的分割技术和特殊图像分割技术。而在较近的一篇综述中，更有学者将图像分割简单的分割数据驱动的分割和模型驱动的分割两类。下面将图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法、基于数学形态的分割方法以及基于特定理论的分割方法等，对其中主要的分别进行简要介绍。 1.1灰度阈值分割法 是一种最常用的并行区域技术，它是图像分割中应用数量最多的一类。阈值分割方法实际上是输入图像f到输出图像g的如下变换： 其中，T为阈值，对于物体的图像元素g(i,j)=l，对于背景的图像元素g(i,j)=0。 由此可见，阈值分割算法的关键是确定阈值，如果能确定一个合适的阈值就可准确地将图像分割开来。如果阈值选取过高，则过多的目标区域将被划分为背景，相反如果阈值选取过低，则过多的背景将被划分到目标区 [7] 。阈值确定后

在图像处理中，直方图是非常重要，也是非常有用的一个处理要素。 在skimage库中对直方图的处理，是放在exposure这个模块中。 1、计算直方图 函数：skimage.exposure.histogram(image, nbins=256) 在numpy包中，也提供了一个计算直方图的函数histogram(),两者大同小义。 返回一个tuple（hist, bins_center), 前一个数组是直方图的统计量，后一个数组是每个bin的中间值 import numpy as np from skimage import exposure , data image = data . camera ()* 1.0 hist1 = np . histogram ( image , bins = 2 ) #用numpy包计算直方图 hist2 = exposure . histogram ( image , nbins = 2 ) #用skimage计算直方图 print ( hist1 ) print ( hist2 ) 输出： (array([107432, 154712], dtype=int64), array([ 0. , 127.5, 255. ])) (array([107432, 154712], dtype=int64), array([ 63.75, 191.25]

学科：数字图像处理（Digital Image Processing） 作者：zhuhonggen 基础知识 1.正交变换 1.1正交变换 1.1.1定义 1.1.2正交矩阵 定义：n级实矩阵A称为正交矩阵，如果A A=E。(A 表示A的共轭转置，E是单位矩阵) 1.1.3正交变换的性质 1.1.4等价刻画 1.1.5正交变换分类 1.2 傅立叶变换 1.2.1概念 傅立叶变换，表示能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅立叶变换具有多种不同的变体形式，如连续傅立叶变换和离散傅立叶变换。最初傅立叶分析是作为热过程的解析分析的工具被提出的。 1.2.2定义 1.2.3 快速傅立叶变换 （FFT） 1.2.3.1概念 快速傅里叶变换 (fast Fourier transform), 即利用计算机计算离散傅里叶变换（DFT)的高效、快速计算方法的统称，简称FFT。快速傅里叶变换是1965年由J.W.库利和T.W.图基提出的。采用这种算法能使计算机计算离散傅里叶变换所需要的乘法次数大为减少，特别是被变换的抽样点数N越多，FFT算法计算量的节省就越显著。 1.2.3.2基本思想 FFT的基本思想是把原始的N点序列，依次分解成一系列的短序列。充分利用DFT计算式中指数因子 所具有的对称性质和周期性质

转载： 【数字图像处理框架及常用技术】 数字图像处理之前需要先进行图像数字化：图像数字化图像数字化是计算机处理图像之前的基本步骤，目的是把真实的图像转变成计算机能够接受的存储格式，数字化过程分为采样和量化两个步骤。 数字图像处理的框架大体分为如下8个部分 1. 图像变换 有时候，直接对图像进行处理会遇到一些困难，为了有效和快速地对图像进行处理和分析，需要将原定义在图像空间的图像以某种形式转换到另外的空间，利用空间的特有性质方便地进行一定的加工，最后再转换回图像空间以得到所需的效果。经过变换后的图像往往更有利于特征提取、增强、压缩和编码。 常用技术 1.卷积 2.梯度和Sobel导数 3.拉普拉斯变换 4.Canny算子 5.霍夫变换 6.重映射 7.几何操作：拉伸、收缩、扭曲和旋转 8.离散傅里叶变换（DFT） 9.离散余弦变换（DCT） 10.哈儿变换 11斜变换 2. 形态学图像处理 数学形态学是一门20世纪60年代发展起来的理论，用于分析和处理离散图像。它定义了一系列运算，用预先定义的形状元素探测图像，从而实现图像的转换。这个结构元素与像素领域的相交方式决定了运算的结果。 常用技术 1.平滑处理 2.膨胀与腐蚀 3.开启操作与闭合操作 4.检测边缘和角点 3. 图像边缘检测 边缘检测的目标是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反应了属性的重要事件和变化

第三章 图像增强 1.图像增强的方法有很多种，按增强的目的和效果来划分，图像增强的方法大致可以分为灰度级修正、图像平滑、图像锐化、图像增晰和色彩增晰等。 2.灰度级修正（主要用来提高图像对比度，提高人眼视觉分辨能力，包括灰度变换和直方图修正等） 灰度级修正主要针对独立的像素点进行处理，由输入像素点的灰度值来决定相应输出像素点的灰度值，通过改变原始图像所占据的灰度范围而使图像在视觉上得到改观，这种变换没有利用像素点之间的相互空间关系，因而这种处理方法也称为点运算法。 3.灰度级修正有氛围灰度的线性变换、非线性变换和直方图均衡等。 1）灰度的线性变换就是将图像中的所有像素点的灰度按照线性变换函数进行变换； 2）当用某些非线性函数对图像灰度进行映射时，就可以实现图像灰度的非线性变换； 3）直方图修正：图像的灰度图直方图反映图像灰度的统计特性，变大了图像中取不同灰度值的面积或像素数在整幅图像中所占的比例，是图像中最基本的信息。用横坐标表示灰度级，纵坐标表示灰度级出现的频数，一幅图像的直方图可以表示为： 式中，N为一幅图像中的像素总数，nk为第k级灰度的像素数，rk表示第k个灰度级，L为灰度级数，p(rk)表示该灰度级出现的概率。 ①直方图均衡 直方图均衡的基本思想是对原始图像中的像素灰度做某种映射变换，使变换后的图像灰度的概率密度是均匀分布的，即变换后图像是一幅灰度级均匀分布的图像

图像开启与闭合 图像开运算与闭运算与膨胀和腐蚀运算有关，由膨胀和腐蚀两个运算的复合与集合操作（并、交、补等）组合成的所以运算构成。 开运算与闭运算依据腐蚀和膨胀的不可逆性，演变而来。 开运算：先对图像腐蚀后膨胀 闭运算：先对图像膨胀后腐蚀 注意：使用同一个结构元素。 图像开运算 开运算：能够去除孤立的小点、毛刺和小桥（即连通两块区域的小点），消除小物体、平滑较大物体的边界，同时并不明显改变其面积。 不过这一恢复不是信息无损的，即它们通常不等于原始图像。 开运算的效果图如下图所示： 开运算总结： （１）开运算能够除去孤立的小点，毛刺和小桥，而总的位置和形状不便。 （２）开运算是一个基于几何运算的滤波器。 （３）结构元素大小的不同将导致滤波效果的不同。 （４）不同的结构元素的选择导致了不同的分割，即提取出不同的特征。 图像闭运算 闭运算：先膨胀运算，再腐蚀运算（看上去将两个细微连接的图块封闭在一起） 闭运算的效果图如下图所示： 闭运算总结： （1）闭运算能够填平小湖（即小孔），弥合小裂缝，而总的位置和形状不变。 （2）闭运算是通过填充图像的凹角来滤波图像的。 （3）结构元素大小的不同将导致滤波效果的不同。 （4）不同结构元素的选择导致了不同的分割。 refer： 形态学应用——图像开运算与闭运算 来源： https://www.cnblogs.com/-wenli/p/11735633

纹理 纹理特征反映了物体本身的属性，有助于将两种不同的物体（或者两幅图像）区别开来。 纹理是图像像素点灰度级或颜色的某种变化，反复出现纹理基元和它的排列规则，而且这种变化是空间统计相关的。构成纹理特征的两个要素： 1.纹理基元：由一定的形状和大小多种图像基元的组合叫纹理基元。 2.纹理是由纹理基元排列组合而成的。基元排列的疏密，周期性，方向性等的不同，能使图像的外观产生极大地改变。 纹理分析 纹理分析的目的：指通过一定的图像处理技术提取出纹理特征参数,从而获得纹理的定量或定性描述的处理过程。 纹理分析： 检测出纹理基元；获得有关基元排列分布方式的信息 指通过一定的图像处理技术抽取出纹理特征，获得纹理的定量或定性描述的处理过程。它首先从像素出发，检测出纹理基元，并找到纹理基元排列的信息，建立纹理基元模型。 纹理分析方法： 常用的纹理特征提取方法一般分为四大类： 1.基于统计的方法：灰度共生矩阵、灰度行程统计、灰度差分统计、局部灰度统计、半方差图、自相关函数等 优点：方法简单，易于实现。 缺点：无法利用全局信息，与人类视觉模型不匹配；计算复杂度较高，计算耗时。 较为经典的算法为灰度共生矩阵方法，其通过统计不同灰度值对的共现频率得到灰度共生矩阵，基于矩阵可计算出14种统计量：能量、熵、对比度、均匀性、相关性、方差、和平均、和方差、和熵、差方差、差平均、差熵、相关信息测度以及最大相关系数。

图像的水平与垂直投影 作用：二值图像或明显特征的灰度图定位或分割前景与背景，经常用到投影法。 水平方向投影，将图像数组进行列求和； 垂直方向投影，将图像数组进行行求和； 如汽车牌照的定位：先对汽车图像二值化，然后水平投影，找出牌照的上下位置和高度，再对上次定位的牌照图像竖直投影，找出牌照有数字部分的总宽度，切割出来。再进行投影，每个字符的切割的外接矩形找到了，每个字符切割出来，提取特征，比如黑像素所占份数5X5格，和每个数的模版库进行匹配。进行细化，使数据量更规范更统一了，然后牌照标准化。 水平投影的实现步骤： 1.图像二值化，物体为黑，背景为白 2.循环各行，依次判断每一列的像素值是否为黑，统计该行所有黑像素的个数。设该行共有M个黑像素，则把该行从第一列到第M列置为黑。 垂直投影的实现步骤： 1.图像二值化，物体为黑，背景为白 2.循环各列，依次判断每一行的像素值是否为黑，统计该列所有黑像素的个数。设该列共有M个黑像素，则把第一行到第行置为黑。 来源： https://www.cnblogs.com/-wenli/p/11723185.html