《图像处理技术概述》课件

图像处理技术概述数字图像处理是现代视觉信息分析的核心技术通过算法改变图像属性以适应不同应用场景目录1图像处理基础2图像增强与变换定义、历史与基本流程直方图、滤波与形态学处理3特征提取与应用4前沿技术与发展目标检测、深度学习与行业应用最新研究方向与未来展望什么是图像处理图像处理定义数字与模拟图像工业与学术背景对数字图像进行运算以数字离散像素矩阵；计算机视觉基础，跨领获得所需信息或改善质模拟连续信号域应用量图像处理发展简史年代11960首次应用于处理太空图像NASA年代21970医学成像技术发展CT年代31990数字相机普及与算法革新年后42012深度学习引发行业变革图像处理基本流程采集获取原始图像数据预处理去噪、校正、增强特征提取识别关键信息点分析与输出解释结果并应用图像采集方式数字相机扫描仪传感器线性成像设备CMOS/CCD光学系统与色彩滤波文档与平面物体数字化遥感设备多光谱高光谱成像/航空与卫星平台图像的数字化采样将连续空间转为离散像素点阵量化将亮度连续值映射至有限数值范围像素矩阵形成数字矩阵表示图像M×N图像的颜色空间RGB HSV红绿蓝三原色加色系统色相、饱和度、明度表示灰度CMYK印刷用青品黄黑减色系统单通道亮度表示灰度化处理方法加权平均法最大最小值法Gray=

0.299R+

0.587G+

0.114B Gray=maxR,G,B+minR,G,B/2考虑人眼对绿色敏感度最高计算简单但不如加权平均准确可视化与直方图轴256X灰度级别灰度值位图像可表示亮度数量从黑到白80255轴Y像素数量每个灰度值出现频率图像增强概述目标提高图像特定特征可见性处理域时域（空域）与频域方法应用场景医学影像、夜间摄影、文物修复直方图均衡化统计原始直方图1计算图像灰度分布计算累积分布2建立灰度映射关系重映射像素值3拉伸对比度分布更均匀伽马变换及对数变换伽马变换对数变换（增亮暗区，（压缩高动态s=c·r^γγ1s=c·log1+r增强亮区）范围）γ1应用场景显示器校正、宇宙图像、光片增强X空域滤波基础卷积核定义滑动窗口数值矩阵，决定滤波效果核在图像上移动输出新像素像素加权计算结果替代中心像素核与图像值相乘求和平滑（均值中值高斯）滤波//滤波类型原理优势缺点均值滤波简单平均计算简单边缘模糊中值滤波取中间值保留边缘非线性运算高斯滤波加权平均自然平滑运算量大边缘检测基本方法梯度与差分检测图像亮度突变区域算子Sobel垂直与水平方向一阶导数近似算子Prewitt简化梯度计算，对噪声敏感边缘检测算法Canny高斯滤波去除噪声平滑图像计算梯度提取强度与方向信息非极大值抑制细化边缘至一像素宽双阈值处理强弱边缘判定与连接图像分割原理分割定义阈值分割将图像分为多个有意义区域基于灰度直方图设定阈值T每区域具有相似特征（颜色、纹理）像素值归为一类，T用于目标识别与场景理解最简单的分割方法区域生长与分水岭算法区域生长分水岭算法选择种子点基于地形图概念根据相似性准则扩展区域将图像梯度看作高程地图适合纹理不明显区域寻找山脊线作为分界应用实例医学图像器官分割遥感图像地物区分细胞计数与分析形态学处理基础膨胀操作腐蚀操作扩大前景区域缩小前景区域填补小孔洞消除小突起连接断开部分分离窄连接结构元素与形态学滤波结构元素形状开运算常用圆形、方形、十字形先腐蚀后膨胀，去除小物体闭运算先膨胀后腐蚀，填充小空洞图像压缩简介变换编码傅里叶与小波傅里叶变换小波变换图像分解为不同频率正弦波多分辨率分析突出整体频率特性时频定位能力强不保留空间位置信息保留细节与位置信息图像复原与去噪1模糊成因运动模糊、散焦、大气湍流2退化模型gx,y=hx,y*fx,y+nx,y3Wiener滤波基于最小均方误差准则4逆滤波直接求逆，噪声敏感去噪常用方法空域去噪频域去噪深度学习去噪均值中值滤波低通滤波/DnCNN双边滤波保边去噪带通滤波自编码器非局部均值算法小波阈值去噪生成对抗网络特征提取与描述角点特征、角点检测Harris FAST边缘特征、边缘Canny LoG斑点特征、区域检测DoG LoG纹理特征

4、滤波器LBP Gabor与算法SIFT SURF算法尺度不变性旋转不变性计算速度极好极好较慢SIFT很好很好较快SURF好好快速ORB特征基础HOG图像分块将图像分为小区域（）cell计算梯度每像素点计算梯度大小和方向方向统计每个统计梯度方向直方图cell块归一化组合多个为块，进行特征标准化cell图像匹配与拼接特征检测识别关键点特征匹配寻找对应点变换估计计算几何关系图像融合无缝拼接处理图像识别基础模板匹配机器学习模型滑动模板计算相似度提取特征向量简单直观但受尺度旋转影响训练分类器（、随机森林）SVM主要应用于固定场景更具泛化能力目标检测基础滑动窗口在图像上滑动不同尺寸窗口特征提取与分类判断窗口是否包含目标对象非极大值抑制合并重叠检测框深度学习在图像处理中的应用卷积神经网络迁移学习1自动提取空间特征层次利用预训练模型加速学习优化方法数据增强、改进训练效果扩充训练集提高泛化能力Adam SGD图像分割深度算法架构结构FCN U-Net全卷积网络编码器解码器架构-端到端像素级分类跳跃连接保留细节无全连接层设计医学图像分割经典模型目标检测深度算法算法特点YOLO FasterR-CNN检测流程单阶段两阶段速度快较慢小目标准确率一般较高实时性适合不适合图像生成与重建基本原理风格迁移GAN生成器与判别器对抗训练保留内容改变风格特征超分辨率文本生成图像低分辨率图像提升质量根据描述创建相应图像图像修复技术传统方法基于扩散（泊松方程）基于范例方法搜索相似纹理块深度学习方法生成式网络填补缺失混合方法结合多种技术优势超分辨率重建低分辨率输入传统双三次插值结果SRCNN像素信息有限模糊边缘细节恢复更多细节纹理智能美颜与滤镜技术面部特征检测皮肤美化艺术滤镜精确定位五官双边滤波平滑颜色映射变换关键点识别保留纹理细节纹理叠加合成面部轮廓提取局部增强处理风格迁移技术医学图像处理脑部成像分析心脏功能评估肺部分析骨骼成像CT肿瘤检测与体积测量心室容积与射血分数肺结节检测与分类骨折检测与密度分析计算遥感图像处理工业质量检测图像获取工业相机与照明系统预处理校准去噪声与畸变校正特征检测尺寸测量与缺陷识别判定输出合格不合格分类与标记/视频图像处理帧间差分法光流法相邻帧像素差值计算计算像素速度向量场简单有效的运动检测可获得细致运动信息对光照变化敏感计算量大精度高目标跟踪卡尔曼滤波预测相关滤波器跟踪深度学习跟踪器图像压缩前沿技术30%10x提升编解码速度JPEG XL相比文件小相比快倍JPEG30%HEIF102022标准发布正式成为国际标准高动态范围图像（）HDR多曝光拍摄不同曝光值捕捉场景细节图像对齐校正不同曝光间位移权重融合保留各曝光最佳部分色调映射压缩动态范围适应显示设备图像处理简介3D点云数据三维重建流程三维空间坐标点集多视图图像获取激光雷达或深度相机采集特征匹配与三角测量表示物体表面形状网格化与纹理映射图像处理软件与工具数据集与标准评测数据集规模用途特点万图像图像分类类别ImageNet14001000万图像目标检测类别COCO3380万图像多任务类别PASCAL VOC120万图像人脸识别身份CelebA2010K图像处理领域前沿进展自监督学习视觉多模态融合Transformer无需标注数据的特图像、文本、音频征学习注意力机制处理图联合理解像序列扩散模型生成高质量多样化图像图像处理技术发展趋势智能化与自动化减少人工干预全流程智能处理边缘计算终端设备实时处理无需云端与沉浸式视觉3D空间感知与交互体验医疗诊断与分析辅助医生提高诊断准确率总结与展望基础理论与算法图像处理数学模型与基本运算应用领域拓展2医疗、安防、自动驾驶等多领域融合未来发展方向多模态感知与认知级图像理解。