数字图像处理基础概念1数字图像处理的内容图像获取.docx
- 文档编号:10331191
- 上传时间:2023-02-10
- 格式:DOCX
- 页数:20
- 大小:31.11KB
数字图像处理基础概念1数字图像处理的内容图像获取.docx
《数字图像处理基础概念1数字图像处理的内容图像获取.docx》由会员分享,可在线阅读,更多相关《数字图像处理基础概念1数字图像处理的内容图像获取.docx(20页珍藏版)》请在冰豆网上搜索。
数字图像处理基础概念1数字图像处理的内容图像获取
第一章:
数字图像处理基础概念
★1、数字图像处理的内容:
(1)图像获取、表示和表现(图像的数字化和图像变换)
(2)图像增强
(3)图像复原
(4)图像重建
(5)图像压缩编码
(6)图像分割
(7)图像分析
(8)模式识别
(9)图像理解
★2、数字图像处理的层次关系(P3):
狭义图像处理-------图像分析-----------图像理解。
抽象程度低--------------------------------高
数据量大--------------------------------小
语义低层--------------------------------高层
★3、数字图像处理的特点:
(1)处理精度高,再现性好
(2)处理通用性强、灵活性高、多样性广
(3)图像数据量庞大
(4)处理费时
(5)图像处理技术综合性强
★4、数字图像处理的目的:
(1)提高图像的视感质量,以达到赏心悦目的目的。
(2)提取图像中所包含的某些特征或特殊信息,以便于计算机分析
(3)对图像数据进行变换、编码和压缩,以便于图像的存储和传输。
5、数字图像处理的发展方向
(1)在进一步提高精度的同时着重解决处理速度问题。
(2)移植和借鉴其他学科的技术和研究成果,创造新的处理方法。
(3)加强边缘学科的研究工作
(4)加强理论研究
(5)图像处理领域的标准化
6、论述数字图像处理技术在生产生活中的应用
(1)在生物医学中的应用:
利用电磁波谱成像分析系统诊断病情:
如显微镜图像分析,DNA成像分析,CT及核磁共振、超声波、X射线成像分析等
(2)遥感航天中的应用:
检测土地变化;农林资源的调查;自然灾害监测、预报;地势、地貌测绘;地质构造解译、找矿;环境污染检测等等
(3)工业应用:
无损探伤,石油勘探,生产过程自动化,工业机器人研制等
(4)军事公安领域运用:
卫星侦察照片的测绘、判读,雷达图像处理,导弹制导,军事仿真等
(5)其他应用:
图像远距离通信、电视会议、天气预报、现场视频管理等
第二章:
图像数字化与灰度直方图
★1、直方图的性质(P23):
(1)灰度直方图只能反映图像的灰度分布情况,而不能反映图像像素的位置
(2)一幅图像对应唯一的灰度直方图,反之不成立。
不同的图像可对应相同的直方图。
(3)一幅图像分成多个区域,多个区域的直方图之和即为原图像的直方图。
★2、直方图的应用(P24):
(1)用于判断图像量化是否恰当
(2)用于确定图像二值化的阈值
(3)当影像上目标的灰度值比其它部分灰度值大或者灰度区间已知时,可利用直方图统计图像中物体的面积
(4)计算图像信息量H(熵)
3、决定图像质量的因素:
(1)平均亮度
(2)对比度
(3)清晰度:
由图像边缘灰度变化的速度来描述
(4)分解力或分辨率
(5)采样间隔
(6)量化等级
★4、采样和量化与数字图像之间的关系(P19):
采样间隔:
采样间隔大——所得像素数少——空间分辨率低——数据量小——国际棋盘效应
采样间隔小——所得像素数多——空间分辨率高——数据量大——质量好
量化等级:
量化等级多——图像层次丰富——灰度分辨率高——数据量大——图像质量好
量化等级少——图像层次欠丰富——灰度分辨率低——数据量小——假轮廓现象
5、数字图像处理算法形式(P2627):
(1)局部处理:
对输入图像IP(i,j)处理时,某一输出像素JP(i,j)值)由输入图像像素及其邻域中的像素值确定。
这种处理称为局部处理。
例:
空间域平滑和锐化
(2)点处理:
在局部处理中,当输出值JP(i,j)仅与IP(i,j)有关,则称为点处理
例:
增强对比度、图像二值化
(3)大局处理:
在局部处理中,输出像素JP(i,j)的值取决于输入图像大范围或全部像素的值,这种处理称为大局处理
例:
图像傅里叶变换
(4)迭代处理:
反复对图像进行某种运算直至满足给定的条件,从而得到输出图像的处理形式称为迭代处理
例:
图像的细化处理过程
(5)跟踪处理:
选择满足适当条件的像素作为起始像素,检查输入图像和已得到的输出结果,求出下一步应该处理的像素,进行规定的处理,然后决定是继续处理下面的像素,还是终止处理。
这种处理形式称为跟踪处理。
例:
边界线、等高线的跟踪
6、图像的数据结构(P29):
(1)组合方式:
一个字长存放多个像素灰度值的方式
(2)比特面方式:
将所有像素的相同比特位用一个二维数组表示,形成比特面
(3)分层结构:
由原始图像开始依次构成像素数愈来愈少的一幅幅图像,如锥形结构
(4)树结构
(5)★多重图像数据存储:
有下列三种存储方式:
①逐波段存储,分波段处理时采用;
②逐行存储,行扫描记录设备采用;
③逐像素存储,用于分类。
7、常见的图像文件格式(P31):
按扩展名分为:
RAW格式、BMP格式、TGA格式、PCX格式、GIF格式、TIFF格式等。
8、图像的特征(P37):
(1)自然特征:
①光谱特征②几何特征③时相特征
(2)人工特征:
①直方图特征②灰度边缘特征③线、角点、纹理特征
(3)按提取特征范围大小分类:
①点特征②局部特征③区域特征④整体特征
★9、图像的噪声来源及其类型(P39):
外部噪声:
图像处理系统外部产生的噪声
如:
天体放电干扰、电磁波从电源线窜入系统等
内部噪声:
系统内部产生的噪声,来源有:
(1)由光和电的基本性质引起的
(2)由机械运动产生的噪声
(3)元器件噪声
(4)系统内部电路噪声
从统计理论观点分类:
平稳噪声:
统计特征不随时间变化的特征
非平稳特征:
统计特征随时间变化的特征
从噪声幅度分布形态分类:
高斯型、瑞利形
按过程分类:
量化噪声、椒盐噪声
★10、几种颜色模型:
1、RGB颜色模型:
特点:
色彩空间采用物理三基色表示,适合彩色显象管工作
2、HIS(HSB)颜色模型:
(1)色调Hue:
光线所呈现的颜色,如红、绿、黄…
(2)饱和度Saturation:
指色彩的浓淡程度
(3)亮度Brightness:
指由于彩色刺激而使人眼感觉到的明暗程度
特点:
(1)它比RGB色彩空间更符合人的视觉特性。
(2)在HSB色彩空间可以大大简化图像分析和处理的工作量
3、CMYK颜色模型:
由青色(Cyan)、品红(Magenta)、黄色(Yellow)和黑色组成
特点:
用于彩色打印机、印刷彩色图片
4、YUV模型:
用于彩色电视信号传输,其中Y信号表示亮度,U、V信号是色差信号
第三章:
图像变换
1、图像变换的目的(P41):
(1)使图像处理问题简化;
(2)有利于图像特征提取;
(3)有助于从概念上增强对图像信息的理解。
2、图像变换的要求:
图像变换通常是一种二维正交变换。
一般要求:
(1)正交变换必须是可逆的;
(2)正变换和反变换的算法不能太复杂;
(3)正交变换的特点是在变换域中图像能量将集中分布在低频率成分上,边缘、线状信息反映在高频率成分上,有利于图像处理。
3、图像变换的应用:
(1)图像增强
(2)图像恢复
(3)特征提取
(4)图像压缩编码
(5)形状分析
4、傅里叶变换的物理意义:
将原来难以处理的时域信号转换成了易于分析的频域信号(信号的频谱),即将图像从空间域转换到频率域,其逆变换是将图像从频率域转换到空间域。
换句话说,傅里叶变换将图像的灰度分布函数变换为图像的频率分布函数,傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数
这样通过观察傅立叶变换后的频谱图,也叫功率图,了解图像特征。
图像能量集中低频区域;变化信息(噪声)在高频区域。
第四章:
图像增强
★1、图像增强的目的(P62):
(1)改善图像视觉效果,提高图像清晰度(消除噪声)
(2)将图像转化为一种更适合与人或机器进行分析处理的形式(突出边缘)
★2、图像增强的方法(P62):
从增强的作用域出发,可分为空间域增强和频率域增强两种。
空间域增强:
直接对图像各像素进行处理;
频率域增强:
对图像经傅立叶变换后的频谱成分进行处理,然后逆傅立叶变换获得所需的图像
3、直方图均衡化的步骤:
(1)统计各灰度级的像元个数
(2)计算累计直方图
(3)【(L-1)/N】乘以累计直方图,结果取整
(4)计算新图像灰度值
4、直方图规定化的步骤:
(1)求原始图像和参考图像的归一化累计直方图;
(2)计算参考图像归一化累计直方图的相邻灰阶平均值;
(3)用平均值对原始图像归一化累计直方图进行分段,得到结果图像灰度值
(4)根据新灰度值计算输出图像
★5、中值滤波的特征(P77):
(1)对脉冲干扰及椒盐噪声的抑制效果好
(2)在抑制随机噪声的同时能有效保护边缘少受模糊
(3)对点、线等细节较多的图像却不太合适
(4)一维中值滤波对离散阶跃信号、斜升信号没有受到影响。
离散三角信号的顶部则变平了。
对于离散的脉冲信号,当其连续出现的次数小于窗口尺寸的一半时,将被抑制掉,否则将不受影响。
★6、伪彩色增强和假彩色增强:
伪彩色增强:
把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色
伪彩色增强的方法:
主要有密度分割法、灰度级一彩色变换和频率域伪彩色增强三种。
大致可以分为以下三类:
(1)基于灰度变换的伪彩色方法
(2)基于灰度调色板的伪彩色方法
(3)基于区域分割的伪彩色方法
假彩色增强:
对一幅自然彩色图像或同一景物的多光谱图像,通过映射函数变换成新的三基色分量,彩色合成使感兴趣目标呈现出与原图像中不同的、奇异的彩色。
假彩色增强目的:
(1)使感兴趣的目标呈现奇异的彩色或置于奇特的彩色环境中,从而更引人注目;
(2)一是使景物呈现出与人眼色觉相匹配的颜色,以提高对目标的分辨力。
第五章:
图像的几何变换
★1、图像的几何变换:
图像的几何变换包括了图像的形状变换和图像的位置变换。
图像的几何变换不改变像素的值,只改变像素的位置。
图像的形状变换:
图像的放大、缩小与错切。
通常在目标物识别中使用。
图像的位置变换:
图像的平移、镜像与旋转。
主要是用于目标识别中的目标配准。
图像的仿射变换:
采用通用的数学影射变换公式,来表示以上给出的几何变换
(不同几何变换对应着不同的变换矩阵)
2、图像旋转时的问题:
(1)需要前期处理:
扩大画布,取整处理,平移处理。
(2)旋转变换公式:
(3)利用行插值(列插值)方法,填补旋转后图片出现的像素空洞
3、图像的几何校正(P106):
意义:
图像在获取过程中,由于成像系统本身具有非线性、拍摄角度等因素的影响,会使获得的图像产生几何失真。
(有规律的、能预测的失真称系统失真;随机的失真称非系统失真)
步骤:
(1)先建立几何校正的数学模型;
(2)利用已知条件确定模型参数;
(3)根据模型对图像进行几何校正,几何校正通常分两步:
①图像空间坐标变换;
②确定各像素的灰度值(灰度内插)
4、图像空间坐标变换(P106):
以一幅图像为基准,利用同名点之间的函数映射关系,去校正另一幅几何失真图像(参考点校正法)
有直接法和间接法,由于间接法内插灰度容易,所以一般采用间接法进行几何纠正
★5、像素灰度内插方法(P108):
(1)最近邻元法:
在待求点的四邻像素中,将距离这点最近的相邻像素灰度赋给该待求点
特点:
①方法最简单,效果尚佳
②校正后的图像有明显锯齿状,即存在灰度不连续性
(2)★双线性内插法:
利用待求点四个邻像素的灰度在两个方向上作线性内插。
特点:
①比最近邻元法复杂,计算量大
②没有灰度不连续性的缺点,结果令人满意
③具有低通滤波性质,使高频分量受损,图像轮廓有一定模糊
(3)三次内插法:
利用三次多项式S(x)来逼近理论上的最佳插值函数sin(x)/x
特点:
该算法计算量最大,但内插效果最好,精度最高。
第六章图像编码与压缩
★1、图像压缩的目的和意义
数据压缩的研究内容:
数据的表示、传输、变换和编码方法
数据压缩的目的:
减少存储数据所需的空间和传输所用的时间
数据压缩的意义:
在现代通信中,图像传输已成为重要内容之一。
采用编码压缩技术,减少传输数据量,是提高通信速度的重要手段。
数据压缩的思想:
从信息论观点看,描述图像信源的数据由有用数据和冗余数据两部分组成。
如果能减少或消除其中的1种或多种冗余,就能取得数据压缩的效果
★2、图像编码压缩的分类
根据解压重建后的图像和原始图像之间是否具有误差
(1)无误差(亦称无失真、无损、信息保持)编码:
霍夫曼编码、行程编码、算术编码
(2)有误差(有失真、有损)编码:
预测编码、变换编码、其他编码
根据编码作用域划分
(1)空间域编码
(2)变换域编码
★3、图像冗余度和编码效率(图像压缩评价方法)(P117)
三种数据冗余:
编码冗余;像素冗余;视觉心理冗余
冗余度原理:
若对原始图像数据的信息进行无失真图像编码,压缩后平均码长存在一个下限,这个下限是图像信息熵H。
理论上最佳信息保持编码的平均码长B可以无限接近图像信息熵H。
但总是大于或等于图像的熵H。
★冗余度=平均码长/熵-1
★编码效率=熵/平均码长
★4、霍夫曼(Huffman)编码的特点和步骤(P118):
思想:
在信源数据中出现概率越大的符号(灰度值),编码以后相应的码长越短
步骤:
(1)把输入符号按出现的概率从大到小排列起来,接着把概率最小的两个符号的概率求和;
(2)把它(概率之和)同其余符号概率由大到小排序,然后把两个最小概率求和;
(3)重复
(2),直到最后只剩下两个概率为止
(4)在上述工作完毕之后,从最后两个概率开始逐步向前进行编码。
对于概率大的消息赋予0,小的赋予1。
特点:
(1)编码是唯一可译码。
短的码不会成为更长码的启始部分;
(2)编码的平均码长接近于熵;编码效率略高于费诺仙侬Fano-Shannon编码。
5、算术编码的特点:
(1)码字本身定义一个介于0和1之间的实数区间,该区间中的任何一个实数就代表要编码的消息序列。
(2)信源符号与码字之间不存在一一对应的关系。
一个码字不是赋给某个信源符号,而是赋给整个消息序列。
(3)当消息中的符号数目增加时,用于描述消息的间隔变得更小,而表示间隔所需要的信息单元(如编码位数)变得更多了。
第七章图像分割
1、图像分析的步骤:
(1)把图像分割成不同的区域或把不同的对象分开
(2)找出分开的各区域的特征
(3)识别图像中要找的对象或对图像进行分类
(4)对不同区域进行描述或寻找出不同区域的相互联系,进而找出相似结构或将相关区域连成一个有意义的结构
2、图像分割的基本策略
(1)分割算法基于灰度值的两个基本特性:
不连续性和相似性
(2)检测图像像素灰度级的不连续性,找到点、线(宽度为1)、边(不定宽度)。
先找边,后确定区域。
(3)检测图像像素的灰度值的相似性,通过选择阈值,找到灰度值相似的区域,区域的外轮廓就是对象的边
★3、图像分割的方法
(1)基于边缘的分割方法:
先提取区域边界,再确定边界限定的区域。
(2)区域分割:
确定每个像素的归属区域,从而形成一个区域图。
(3)区域生长:
将属性接近的连通像素聚集成区域
(4)分裂-合并分割:
综合利用前两种方法,既存在图像的划分,又有图像的合并。
4、边缘检测算子:
基本思想:
计算局部微分算子
一阶微分:
用梯度算子来计算
特点:
(1)对于阶跃状变化,会出现极大值(两侧都是正值,中间的最大)
(2)对于屋顶状变化,会过零点(两侧符号相反)不变部分为零。
用途:
用于检测图像中边的存在
二阶微分:
通过拉普拉斯来计算
特点:
(1)对于阶跃状变化,会过零点(两侧符号相反)
(2)对于屋顶状变化,会出现负极大值(两侧都是正值,中间的最大)不变部分为零。
用途:
用于检测图像中边的存在
★5、几种常用的边缘检测算子:
梯度算子:
仅计算相邻像素的灰度差,对噪声比较敏感,无法抑止噪声的影响。
Roberts算子:
与梯度算子类似,效果略好于梯度算子
Prewitt算子:
在检测边缘的同时,能抑制噪声的影响
Sobel算子:
(1)对4邻域采用带权方法计算差分
(2)能进一步抑止噪声,但检测的边缘较宽
Kirsch算子(方向算子):
在计算边缘强度的同时可以得到边缘的方向,各方向间的夹角为45º
用法:
取其中最大的值作为边缘强度,而将与之对应的方向作为边缘方向(共8个模板)
★Laplacian算子:
优点:
(1)各向同性、线性和位移不变;
(2)对细线和孤立点检测效果较好。
缺点:
(1)对噪音的敏感,对噪声有双倍加强作用;
(2)不能检测出边的方向;
(3)常产生双像素的边缘。
注意:
由于梯度算子和Laplace算子都对噪声敏感,因此一般在用它们检测边缘前要先对图像进行平滑。
Marr算子:
马尔算子是以拉普拉斯算子为基础,首先用一个二维高斯函数对图像卷积以减低图像噪声的影响(平滑);再用二阶导数差分算子(拉普拉斯算子)计算
优点:
是快速,能得到一个闭合的轮廓。
缺点:
由于使用二阶导数,对噪声敏感。
曲面拟合法:
求平均后再求差分,因而对噪声有抑制作用
5、单方向锐化处理:
定义:
单方向的一阶锐化是指对某个特定方向上的边缘信息进行增强。
因为图像为水平、垂直两个方向组成,所以,单方向锐化实际上是包括水平方向与垂直方向上的锐化。
特点:
处理结果对于人工设计制造的具有矩形特征物体(例如:
楼房、汉字等)的边缘的提取很有效。
但是,对于不规则形状(如:
人物)的边缘提取,则存在信息的缺损。
后处理:
这种锐化算法需要进行后处理,以解决像素值为负的问题
方法1:
整体加一个正整数,以保证所有的像素值均为正。
这样做的结果是:
可以获得类似浮雕的效果。
方法2:
将所有的像素值取绝对值。
这样做的结果是,可以获得对边缘的有方向提取。
方法3:
为了检测边缘点,选取适当的阈值T,对梯度图像进行二值化
这样形成了一幅边缘二值图像g(x,y)
6、交叉方向锐化处理:
特点:
这类锐化方法对边缘的方向没有选择,又称为无方向的锐化算法。
交叉Priwitt锐化算法:
与Sobel相比,有一定的抗干扰性。
图像效果比较干净
交叉Soble算法:
锐化的边缘信息较强
7、Canny边缘检测算子:
定义:
Canny边缘检测——最优的阶梯型边缘检测算法
原理:
图像边缘检测必须满足两个条件:
一能有效地抑制噪声;二必须尽量精确确定边缘的位置。
根据对信噪比与定位乘积进行测度,得到最优化逼近算子。
这就是Canny边缘检测算子。
★最优边缘检测算子应有的指标:
(1)低误判率
(2)高定位精度
(3)抑制虚假边缘
8、边缘跟踪:
出发点:
由于噪音的原因,边界的特征很少能够被完整地描述,在亮度不一致的地方会中断。
因此典型的边检测算法后面总要跟随着连接过程和其它边界检测过程,用来归整边像素,成为有意义的边
概念:
将检测的边缘点连接成线就是边缘跟踪(线是图像的一种中层符号描述)
由边缘形成线特征的两个过程:
(1)可构成线特征的边缘提取
(2)将边缘连接成线
连接边缘的方法:
(1)光栅跟踪:
一种采用电视光栅行扫描顺序,结合门限检测,对遇到的像素进行分析,从而确定是否为边缘的跟踪方法
(2)全向跟踪:
跟踪方向可以是任意方向,并且有足够大的跟踪距离的跟踪方法
特点:
全向跟踪改进了光栅扫描跟踪法,跟踪时把初始点的八邻点全部考虑进行跟踪
9、阈值分割法:
基本思想:
确定一个合适的阈值T,将大于等于阈值的像素作为物体或背景,生成一个二值图像,在四邻域中有背景的像素,既是边界像素。
特点:
(1)适用于物体与背景有较强对比的情况,重要的是背景或物体的灰度比较单一
(2)这种方法总可以得到封闭且连通区域的边界。
通过交互方式得到阈值:
实施方法:
(1)通过光标获得样点值f(x0,y0)
(2)选取容忍度R
(3)if(|f(x,y)–f(x0,y0)|R)set255elseset0
通过直方图得到阈值:
基本思想:
边界上的点的灰度值出现次数较少
取值的方法:
取直方图谷底,为最小值的灰度值为阈值T
缺点:
会受到噪音的干扰,最小值不是预期的阈值,而偏离期望的值;
改进:
取两个峰值之间某个固定位置,如中间位置上。
由于峰值代表的是区域内外的典型值,一般情况下,比选谷底更可靠,可排除噪音的干扰
10、复杂图像区域分割的主要步骤:
(1)自动直方图平滑
(2)确定区域分类数
(3)自动搜索阈值
11、特征空间聚类的步骤:
(1)任意选K个初始聚类中心值
(2)使用最小距离判别,将新读入的像素分到k类中的某一类
(3)重新计算中心值,中心值等于这类中元素的平均值
(4)当新旧差异不大时停止
12、质心区域增长法
(1)选择一个为划分类型的像素作为起点
(2)起点周围未被划分的点与起点所在区域的灰度平均值差异小于阈值合并为一区域,并标记
(3)从新合并来的像素开始,反复进行第
(2)步
(4)反复进行
(2)(3),直到不能合并
(5)对图像中所有未被划分的像素反复
(1)—(4)步
第八章二值图像处理与形状分析
★1、如何判断像素是否可删除:
二值图像上改变一个像素的值后,整个图像的连接性不改变,则这个像素可删除
★2、腐蚀算法的思想和步骤:
思想:
设计一个结构元素,结构元素的原点定位在待处理的目标像素上,通过判断是否覆盖,来确定是否该点被腐蚀掉。
步骤:
(1)扫描原图,找到第一个像素值为1的目标点;
(2)将预先设定好形状以及原点位置的结构元素的原点移到该点;
(3)判断该结构元素所覆盖的像素值是否全部为1:
如果是,则腐蚀后图像中的相同位置上的像素值为1;
如果不是,则腐蚀后图像中的相同位置上的像素值为0;
(4)重复
(2)和(3),直到所有原图中像素处理完成。
作用:
腐蚀处理可以将粘连在一起的不同目标物分离,并可以将小的颗粒噪声去除。
★3、膨胀算法的思想和步骤:
思想:
设计一个结构元素,结构元素的原点定位在背景像素上,判断是否覆盖有目标点,来确定是否该点被膨胀为目标点。
步骤:
(1)扫描原图,找到第一个像素值为0的背景点;
(2)将预先设定好形状以及原点位置的结构元素的原点移到该点;
(3)判断该结构元素所覆盖的像素值是否存在为1的目标点:
如果是,则膨胀后图像中的相同位置上的像素值为1;
如果不是,则膨胀后图像中的相同位置上的像素值为0;
(4)重复
(2)和(3),直到所有原图中像素处理完成。
作用:
膨胀处理可以将断裂开的目标物进行合并,便于对其整体的提取。
4、图形线性化:
思想:
图像压缩或是图像分析的过程中需要用图形部分像素来代表整个图形,因此提出图形线化的思想
方法:
图像线化通常使用骨架法和图形细化两种方法
骨架法:
(1)骨架是从距离变换图得来,是距离变换图中灰度值最大的像元集合,
(2)即使是无空洞的连通图像它的骨架不一定连通。
(3)骨架可看作是图像压缩表示之一,对骨架图经过加粗运算(加粗量=骨架像元灰度值-1)可近似恢复成原图像。
细化:
(1)细化是从二值图像中提取线宽为1像素的中心线的操作。
(2)细化与骨架化不同,只要原图像连通(不管有无空洞),细化的结果总是连通的。
5、边界跟踪法:
理论基础:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数字图像 处理 基础 概念 内容 图像 获取
![提示](https://static.bdocx.com/images/bang_tan.gif)