《图像处理与识别-12复习ppt课件.ppt》由会员分享，可在线阅读，更多相关《图像处理与识别-12复习ppt课件.ppt（40页珍藏版）》请在三一文库上搜索。
1、图像处理与识别-12复习,1,Email： ftp:/202.206.41.4:8821/ User: Student.feng 2010. 12,图像处理与识别 Digital Image Processing subplot(2,3,1);imshow(f);title(原始图像); g,t=edge(f,roberts,both) subplot(2,3,2);imshow(g);title(Roberts算子分割结果); g,t=edge(f,sobel,both) subplot(2,3,3);imshow(g);title(Sobel算子分割结果); g,t=edge(f,prew
2、itt,both) subplot(2,3,4);imshow(g);title(Prewitt算子分割结果); g,t=edge(f,log) subplot(2,3,5);imshow(g);title(LOG算子分割结果); g,t=edge(f,canny) subplot(2,3,6);imshow(g);title(Canny算子分割结果);,实验步骤,图像处理与识别-12复习,8,实验四：边缘检测与图像识别,实验步骤,简单手写数字特征提取,在每个数字图形上定义一个NN模板，将每个样本的长度和宽度N等分，平均有NN个等分，对每一份内的像素个数进行统计，除以每一份的面积总数，即得特征
3、初值。可以根据需要进行修改，N值越大，模板也越大，特征越多，区分不同的物体能力越强，但计算量增加，运行等候的时间增长，所需要的样本库也成倍增加，一般样本库的个数为特征数的510倍，这里特征总数为55=25，每一种数字就需要至少125个标准样本，10个数字需要1250个标准样本。如果值过小，不利于不同物体间的区别。,图像处理与识别-12复习,9,实验四：边缘检测与图像识别,实验步骤,（1）对于每类数字现已采集130个样本，其特征数据存放在templet.mat文件中的pattern变量，该变量是一个包含10个结构类型元素的数组，结构元素构成： (Field) (Value) num 130 fe
4、ature 25130 double （2）按上述思路，设计实现手写数字特征提取程序。用绘图工具获取手写样本，并用该程序提取特征（55）。,图像处理与识别-12复习,10,实验四：边缘检测与图像识别,实验步骤,基于最小错误率的贝叶斯分类实现,图像处理与识别-12复习,11,实验四：边缘检测与图像识别,实验步骤,图像处理与识别-12复习,12,实验四：边缘检测与图像识别,实验步骤,编程代码：,调用函数为：bayesleasterror.m 命令行 class=bayesleasterror (pattern(1).feature(:,1); fprintf(手写数字被识别为 : %dn,clas
5、s); 说明：函数调用时，可对由绘图工具采集的手写数字测试样本进行识别，统计其识别率。,图像处理与识别-12复习,13,实验四：边缘检测与图像识别,实验步骤,近邻分类实现, 待测样本X与训练集里每个样本Xi 的距离为 循环计算待测样本和训练集中各已知样本之间的距离，找出距离待测样本最近的已知样本，该已知样本的类别就是待测样本的类别。,（1）最近邻分类步骤：,图像处理与识别-12复习,14,实验四：边缘检测与图像识别,实验步骤,最近邻分类编程代码：,调用函数为：neartemplet.m 命令行 class=neartemplet(pattern(5).feature(:,1); fprintf
6、(手写数字被识别为 : %dn,class); 说明：函数调用时，可对由绘图工具采集的手写数字测试样本进行识别，统计其识别率。 （2） K近邻分类设计 根据K近邻思想，参考neartemplet.m程序，设计实现K近邻分类器，并用所采集的手写数字测试样本进行识别，统计其识别率。,图像处理与识别-12复习,15,实验四：边缘检测与图像识别,实验步骤,IPT演示练习 （1）利用图像分割检测目标 （2）边缘检测 （3）图像特征提取,图像处理与识别-12复习,16,实验四：边缘检测与图像识别,实验步骤,图像处理与识别-12复习,17,实验四：边缘检测与图像识别,实验步骤,图像处理与识别-12复习,18
7、,实验四：边缘检测与图像识别,实验步骤,图像处理与识别-12复习,19,实验四：边缘检测与图像识别,实验步骤,图像处理与识别-12复习,20,实验四：边缘检测与图像识别,实验步骤,图像处理与识别-12复习,21,实验四：边缘检测与图像识别,实验步骤,图像处理与识别-12复习,22,复习与习题讲解 (2),图像处理与识别-12复习,23,第二章图像和视觉基础,1 波特率(baud rate)是1种常用的离散数据传输量度。当采用二进制时，它等于每秒所传输的比特数。现设每次先传输1个起始比特，再传输8个比特的信息，最后传输1个终止比特，计算以下两种情况时传输图像所需的时间： （1）以9600波特率传
8、输1幅256*256，256灰度级的图像； （2）以38400波特率传输1幅1024*1024，16777216色的24位真彩色图像。 解：（1）传输的比特数为25625610=655360，则以9600波特的速率传输需要时间为655360/9600=68.27s。 （2）传输的比特数为1024102430=3145728，则以384000波特的速率传输需要时间为3145728/384000=81.92s。,图像处理与识别-12复习,24,第二章图像和视觉基础,2 考虑下图所示图像子集： 3 1 2 1(q) 2 2 0 2 1 2 1 1 (p)1 0 1 2 （1）令V=0,1，计算p和q
9、之间的D4， D8和Dm距离； （2）令V=1,2 ，仍计算上述3个距离。 解： （1）在V=0,1时， p和q之间通路的D4距离为， D8距离为4，Dm距离为5。 （2）在V=1,2时， p和q之间通路的D4距离为6， D8距离为4，Dm距离为6 。,图像处理与识别-12复习,25,第三章图像变换,3 已知为计算N点的FFT需要 次加法和 次乘法。问如计算1幅NN图的2-D FFT需要多少次加法和乘法？ 解： 1幅NN图的2-D FFT可以分解成2个NN点的1-D FFT。所以计算1幅NN图的2-D FFT需要 次加法和 次乘法。,图像处理与识别-12复习,26,第四章图像增强,4 设1幅图
10、像有图(a)所示直方图，拟对其进行规定直方图变换，所需规定的直方图如图(b)所示。请列表给出直方图规定化计算结果（不必统计直方图各灰度级像素数），并比较SML方法和GML方法的误差情况。 (a) (b) 解： 计算结果见下表。 SML映射方法的误差为 GML映射方法的误差为,图像处理与识别-12复习,27,直方图规定化计算列表,图像处理与识别-12复习,28,第四章图像增强,5 下图为某幅图像中一小部分（包括25个像素点），试对其作33的中值滤波处理（边缘像素不作处理），写出滤波思路及处理结果。,图像处理与识别-12复习,29,第四章图像增强,答： 中值滤波的思路如下：首先确定模板尺寸，然后从
11、图像的左上角依次平移模板，完成对图像的卷积操作。以33模板为例说明每次的模板运算：对33模板中的9个像素值由小到大排列，最终待处理像素的灰度取这个模板中的灰度的中值（即为第5个像素的值），即为中值滤波，属于非线性滤波。应用中值滤波对滤除脉冲干扰及图像扫描噪声最为有效，并能较好地保护边缘轮廓信息，但对细节多的图像不宜采用中值滤波。 对边界像素不进行处理的中值滤波结果如下：,图像处理与识别-12复习,30,第五章图像恢复,6 成像时由于长时间曝光受到大气干扰而产生的图像模糊可以用转移函数 表示。设噪声可忽略，求恢复这类模糊的维纳滤波器的方程。 解： 噪声可忽略时，维纳滤波器退化成理想的逆滤波器，所
12、以,图像处理与识别-12复习,31,第六章图像压缩编码,7 一幅3030的图像共有4个灰度级：s1,s2,s3和s4，它们的概率依次为0.4,0.45,0.05和 0.1。请利用Huffman算法对其进行编码，并计算该图像的熵，指出对于该图像来说，无失真压缩的平均码长下界。 （注： ）,图像处理与识别-12复习,32,第六章图像压缩编码,解：Huffman编码过程示意图如下： 在上图中先逐步完成两个小概率的相加合并，然后反过来逐步向前进行编码，每一步有两个分支，各赋予一个二进制码，这里对概率大的赋码字1，概率小的赋码字0。,图像处理与识别-12复习,33,第六章图像压缩编码,编码后平均码长为：
13、 图像熵为：,对于该图像来说，无失真压缩的平均码长下界为1.595445。,图像处理与识别-12复习,34,第七章图像分割,8 设1幅55二值图像中心有1个33正方形区域，该处的像素值均为0，其它位置处为1。请利用Prewitt算子计算这幅图像的梯度与，并根据 ，画出梯度幅度图。算子模板大小选为33。 （给出梯度幅度图中所有像素的值）。,图像处理与识别-12复习,35,第七章图像分割,解：55二值图像为： Prewitt算子为平均差分算子。33大小的Prewitt算子模板为：,图像处理与识别-12复习,36,第七章图像分割,图像模板邻域计算公式为： 则这幅图像的水平方向的梯度（边缘像素不作处理
14、）为：,图像处理与识别-12复习,37,第七章图像分割,垂直方向的梯度（边缘像素不作处理）为： 梯度幅度图为：,图像处理与识别-12复习,38,第九章贝叶斯决策理论,9 设在一维特征空间中两类样本服从正态分布， ，两类先验概率之比 ，试求按基于最小错误率贝叶斯决策规则的决策分界面的x值。 解：由于按基于最小错误率的贝叶斯决策，则分界面上的点服从：,图像处理与识别-12复习,39,第十章近邻法,10设在一个二维空间，A类有三个训练样本，图中用红点表示，B类四个样本，图中用蓝点表示。 对于某给定测试样本x，试用 （1）最近邻法分类，判断样本x的所属类别； （2）K近邻法（K=3）分类，判断样本x的所属类别。,图像处理与识别-12复习,40,See you later！,图像处理与识别,