1DSP图像处理基础18.docx
- 文档编号:8759026
- 上传时间:2023-02-01
- 格式:DOCX
- 页数:19
- 大小:487.44KB
1DSP图像处理基础18.docx
《1DSP图像处理基础18.docx》由会员分享,可在线阅读,更多相关《1DSP图像处理基础18.docx(19页珍藏版)》请在冰豆网上搜索。
1DSP图像处理基础18
第1章DSP数字图像处理基础知识
随着计算机、多媒体和数据通信技术的高速发展,数字图像技术近年来得到了极大的重视和长足的发展,并在科学研究、工业生产、医疗卫生、教育、娱乐、管理和通信等方面取得了广泛的应用。
同时,人们对计算机视频应用的要求也越来越高,从而使得高速、便捷、智能化的高性能数字图像处理设备成为未来视频设备的发展方向,实时图像处理技术在目标跟踪、机器人导航、辅助驾驶、智能交通监控中都得到越来越多的应用。
由于图像处理的数据量大,因此实时图像处理系统必须具有强大的运算能力。
高性能DSP不仅可以满足在运算性能方面的需要,而且由于DSP的可编程性,还可以在硬件级获得系统设计的灵活性。
为了帮助大家快速掌握基于DSP的数字图像处理系统的开发与设计,本书以TMS320C64x芯片作为图像处理系统的平台,介绍了各种图像处理算法的基本原理与编程实现方法。
1.1数字图像处理的起源及发展
在网络迅速发展的今天,Google可以搜索到与“image”一词有关的内容有五千多万条,然而,“image”至今还没有一个精确的定义。
甚至在Webster词典中,“图像(image)”被等同于“图片(picture)”,被模糊的定义为“一种绘画或摄影的简单数字化表示”。
人类对于图像的认识和利用还停留在一个较低的层次,对于图像处理技术甚至图像定义本身还需要更多更深入的研究。
数字图像处理技术是20世纪60年代随着计算机技术和VLSI(VeryLargeScaleIntegrator}的发展而产生、发展和不断成熟起来的一个新兴技术领域,它在理论上和实际应用中都取得了巨大的成就。
视觉是人类最重要的感知手段,图像又是视觉的基础。
早期图像处理的目的是改善图像质晕,它以人为对象,以改善人的视觉效果为目的。
图像处理中输入的是质量低的图像,输出的是改善质量后的图像。
常用的图像处理方法有图像增强、复原、编码、压缩等。
首次获得成功应用的是美国喷气推进实验室(JPL)。
他们对航天探测器徘徊者7号在1964年发回的几千张月球照片进行图像处理,如:
几何校正、灰度变换、去除噪声,并考虑了太阳位和月球环境的影响,由计算机成功地绘出月球表面地图,获得了巨大的成功。
随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理,获得月球的地形图、彩色图及全景镶嵌图,为人类登月创举奠定了坚实的基础,也推动了数字图像处理这门学科的诞生。
在以后的宇航空间技术探测研究中,数字图像处理技术都发挥巨大的作用。
数字图像处理技术取得的另一个巨大成就是在医学上。
1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置,也就是我们通常所说的CT(ComputerTomography),CT的基本方法是根据人的头部截面的投影,经计算机处理来重建截面图像,称为图像重建。
1975年EMI公司又成功研制出全身用的CT装置,获得了人体各个部位鲜明清晰的断层图像。
1979年,这项无损伤诊断技术被授予诺贝尔奖,以表彰它对人类做出的划时代贡献。
从20世纪70年代中期开始,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理技术向更高、更深层次发展。
人们已开始研究如何用计算机系统解释图像,类似人类视觉系统理解外部世界,这被称为图像理解或计算机视觉。
很多国家,特别是发达国家投入更多的人力、物力到这项研究,取得了不少的重要的研究成果。
其中代表性的成果是70年代末MIT的Marr提出的视觉计算理沦,这个理论成为计算机视觉领域其后十多年的主导思想。
20世纪80年代末期,人们开始将其应用于地理信息系统,研究海图的自动读入、自动生成方法。
数字图像处理技术的应用领域不断拓展。
数字图像处理技术的大发展是从20世纪90年代初开始的。
自1986年以来,基于小波理论的变换方法迅速发展,它克服傅里叶分析不能用于局部分析等方面的不足之处,被认为是调和分析理论半个世纪以来工作之结晶。
Ma11at于1988年有效地将小波分析应用于图像分解和重构。
小波分析也被认为是信号、图像分析在数学方法上的重大突破。
随后数字图像处理技术迅猛发展,到目前为止,图像处理在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应用越来越多。
进入21世纪,随着计算机技术的迅猛发展和相关理论的不断完善,数字图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就。
属于这些领域的有航空航天、生物医学、机器人视觉、公安司法、军事制导、文化艺术等。
近年来,该技术成为一门引人注目、前景远大的新学科。
1.2数字图像处理的基本概念
1.2.1图像的概念
“图”是物体透射或反射光的分布,是客观存在的。
“像”是人的视觉系统对图在大脑中形成的印象或认识,是人的感觉。
图像(image)是图和像的有机结合,既反映物体的客观存在又体现人的心理因素;是客观对象的一种可视表示,它包含了被描述对象的有关信息。
1.2.2图像的类型
根据图像空间坐标和幅度(亮度或色彩)的连续性,图像可分为模拟(连续)图像和数字图像二大类。
其中,模拟图像是空间坐标和幅度都连续变化的图像;数字图像是空间坐标和幅度均用离散的数字(一般是整数)表示的图像。
计算机只能处理“数字图像”,数字图像大致可以分为以下几种类型:
1.二值图像。
它又称为黑白图像,是指图像的每个像素只能是黑或白,没有中间的过渡。
二值图像的像素值为0或1。
2.灰度图像。
灰度图像是指每个像素由一个量化的灰度值来描述的图像。
它不包含彩色信息。
若灰度图像的像素是uint8或uint16型,则它们的整数值范围分别是[0,255]和[0,65535]。
若图像是double型,则像素的取值就是双精度浮点型。
图1-1不同放大级别的位图图像示例
在计算机领域中,灰度(Grayscale)图像是每个像素只有一个采样颜色的图像。
这类图像通常显示为从最暗黑色到最亮的白色的灰度,尽管理论上这个采样可以表示任何颜色的不同深浅,甚至可以是不同亮度上的不同颜色。
灰度图像与黑白图像不同,在计算机图像领域中黑白图像只有黑白两种颜色,灰度图像在黑色与白色之间还有许多级的颜色深度。
但是,在数字图像领域之外,“黑白图像”也表示“灰度图像”,例如灰度的照片通常叫做“黑白照片”。
在一些关于数字图像的文章中单色图像等同于灰度图像,在另外一些文章中又等同于黑白图像。
灰度图像通常是在单个电磁波频谱如可见光内测量每个像素的亮度得到的。
用于显示的灰度图像通常用每个采样像素8bits的非线性尺度来保存,这样可以有256种灰度(8bits就是2的8次方=256)。
这种精度恰好能够避免可见的条带失真,并且易于编程。
在医学图像与遥感图像应用中,经常采用更多的灰度级数以充分利用10或12bits传感器的采样精度,并且避免计算时的截断误差,在这样的应用领域流行使用16bits即65536个组合(或65536种颜色)。
3.RGB彩色图像。
RGB图像又称为真彩色图像,它利用R、G、B三个分量合成来表示一个像素的颜色,R、G、B分别对应三原色的红、绿、蓝。
因此,一幅尺寸为M*N的RGB图像需要一个三维矩阵来存储,三维矩阵的尺寸为M*N*3。
如果要读取图像中(100,50)处的像素值,需要查看三元数据(100,50,1:
3)。
真彩色图像可用双精度存储,亮度值范围是[0,1];比较符合习惯的存储方法是用无符号8位整数存储,亮度值范围为[0,255]。
4.索引图像。
索引图像采用两个矩阵来表示一幅图像,分别是图像数据矩阵和调色板矩阵。
调色板是一个有3列和若干行的色彩映像矩阵,矩阵每行代表一种颜色,3列分别代表红、绿、蓝色强度的双精度数。
5.位图图像(点阵图)。
数码相机拍摄的相片,扫描仪扫描的图片,屏幕上抓取的图像等通常会是位图。
位图在技术上称为栅格图像,它由网格上的点组成(实际上是许许多多的小矩形块),这些点称为像素。
每个像素点记录了图像相应的颜色信息。
其主要特点是:
(1)在屏幕上缩放位图图像时,它们可能会丢失细节信息,因为位图图像与分辨率有关,它们包含固定数量的像素,每个像素都分配有特定的位置和颜色值,放大位图图像时,系统无法为它创建新的像素,只是将原来的像素变大填充放大后的空间,因此图像会产生锯齿;
(2)位图可以表现层次和色彩比较丰富、画面细致的图像;
(3)位图图像所占存储空间较大。
6.矢量图像。
矢量图是由图形软件创建的。
常用的矢量图软件有Illustrator、CorelDraw等。
矢量图用数学的向量方式来记录图形内容,图形以线条和色块为主。
例如:
一条线段只需要记录两个断点的坐标、线段的粗细和色彩即可。
其主要特点是:
(1)矢量图形与分辨率无关,也就是说,可以将它们任意缩放,可以按任意分辨率打印,而不会丢失细节和清晰度。
这意味着可以移动线条、调整线条大小或者更改线条的颜色,而不会降低图形的品质。
(2)矢量图形不适合制作色调丰富、色彩变化太多的图像,无法像照片一样表现自然界的景象,适用于设计者创作与众不同的图形,或制作缩放到不同大小时也必须保持线条清晰的图形(例如徽标)。
(3)相对于位图图像来说,文件所占存储空间较小。
图1-2不同放大级级别的矢量图形示例
1.2.3数字图像的主要参数
1.像素(pixel):
像素是组成图像的最基本单位。
换言之,像素就是一个个的点,图片就是由无数个点构成,点越多,图像的细节信息就越丰富,图片也就越清晰。
2.图像的分辨率:
指图像中存储的信息量,是每英寸图像内有多少个像素,分辨率的单位为PPI(PixelsPerInch)。
图像分辨率的表达方式也为“水平像素数×垂直像素数”,不过需要注意的是,在不同的书籍中,甚至在同一本书中的不同地方,对图像分辨率的叫法不同。
除图像分辨率这种叫法外,也可以叫做图像大小、图像尺寸、像素尺寸和记录分辨率。
在这里,“大小”和“尺寸”一词的含义具有双重性,它们都可以既指像素的多少(数量大小),又可以指画面的尺寸(边长或面积的大小),因此很容易引起误解。
由于在同一显示分辨率的情况下,分辨率越高的图像像素点越多,图像的尺寸和面积也越大,所以往往有人会用图像大小和图像尺寸来表示图像的分辨率。
图像分辨率以比例关系影响着文件的大小,即文件大小与其图像分辨率的平方成正比。
如果保持图像尺寸不变,将图像分辨率提高一倍,则其文件大小增大为原来的四倍。
像素和分辨率的关系:
通俗的理解,可以把像素数看成是分辨率的乘积。
例如,我们在一台数码相机上将其分辨率设置为4572×3168,那么它的像素大约是:
4572×3168=14484096≈1500万像素
3.图像深度:
图像深度是指存储每个像素所用的位数,也用于量度图像的色彩分辨率。
图像深度确定彩色图像的每个像素可能有的颜色数,或者确定灰度图像的每个像素可能有的灰度级数。
它决定了彩色图像中可出现的最多颜色数,或灰度图像中的最大灰度等级。
比如:
一幅单色图像,若每个象素有8位,则最大灰度数目为2的8次方,即256。
一幅RGB彩色图像3个分量的象素位数分别为4、4和2,则最大颜色数目为2的4+4+2次方,即1024,就是说像素的深度为10位,每个像素可以是1024种颜色中的一种。
例如:
一幅画的尺寸是1024×768,深度为16,则它的数据量为1.5M。
计算如下:
1024×768×16bit=(1024×768×16)/8字节=[(1024×768×16)/8]/1024KB={[(1024×768×16)/8]/1024}/1024MB。
1.2.4图像处理与图像表示
图像处理(imageprocessing)就是对图像信息进行加工处理和分析,以满足人的视觉需要或某种目的(如压缩编码或机器识别)。
图像处理可分为以下三种:
模拟图像处理(analogueimageprocessing,数字图像处理(digitalimageprocessing),光电结合处理(optoelectronicprocessing)。
数字图像的表示:
如图1-3所示,图像是由像素的二维矩阵排列而成,一幅灰度图像可用二维离散亮度函数f(x,y)表示,其中x,y说明图像像素的坐标,函数值f代表了在点(x,y)处像素的亮度值。
同样,也可用二维矩阵A[m,n]表示,其中m和n表示图像的宽和高,矩阵元素A[i,j]的值表示图像在第i行第j列的像素的灰度值。
对于灰度图像而言,每个像素的亮度用一个数值来表示,通常数值范围在0到255之间,0表示黑、255表示白,其它值表示处于黑白之间的灰度。
彩色图像可以用红、绿、蓝三元组[R,G,B]的二维矩阵来表示。
通常,三元组的每个数值也是在0到255之间,0表示相应的基色在该像素中为0,而255则代表相应的基色在该像素中取得最大值。
如图1-4所示,用二维矩阵表示的图像块的值是:
A[1,1]=148;A[1,2]=148;...
图1-3图像的像素表示图1-4图像的像素值示例
A[2,1]=147;A[1,2]=149;...
A[6,1]=31;A[6,2]=36;...
1.2.5BMP位图的颜色数目
对于2色位图,1位表示一个像素颜色,所以一个字节表示8个像素,可以表示的色彩数:
21=2;对于16色位图,4位表示一个像素颜色,所以一个字节表示2个像素,可以表示的色彩数:
24=16;对于256色位图,8位表示一个像素颜色,1个字节表示1个像素,28=256;对于真彩色图(24位),3个字节表示一个像素,224=16777216;
例:
求一幅512×512的24位BMP格式图像的存储容量是多少?
解:
512×512×24bit=512×512×3Byte=768KB(注:
1KB=1024Byte=1024×8bit)。
1.2.6颜色空间
颜色空间是颜色集合的数学表示。
三种最常用的颜色模型是:
RGB(用于计算机图形学中);YUV或YCbCr(用于视频系统中);CMYK(用于彩色打印)。
为了更好的理解颜色模型,先介绍几个基本的颜色概念。
亮度(lightnessorintensityorluminance):
亮度是光作用于人眼所引起的明亮程度的感觉,它与被观察物体的发光强度有关。
主要表现光的强和弱。
色调(hue):
色调是当人眼看一种或多种波长的光时所产生的色彩感觉,它反映颜色的种类,是决定颜色的基本特征。
饱和度(saturation):
饱和度是指颜色的纯度即掺入白光的程度,表示颜色深浅的程度。
例如:
红色+白色=粉红色饱和度下降,同时色调发生变化。
需要说明的是,由于上面所提到的三种最常用的颜色模型与亮度、色度、饱和度这些直接概念没有直接的关系。
所以又提出了其他的颜色空间模型,比如HSI和HSV,来简化编程和操作。
1.RGB颜色空间
图1-5RGB颜色立方体模型
最典型最常用的面向硬设备的彩色模型是RGB模型。
电视摄像机和彩色扫描仪都是根据RGB模型工作的。
RGB模型是一种与人的视觉系统结构密切相连的模型。
根据人眼结构,所有颜色都可看作是三个基本颜色——红(R,red),绿(G,green)和蓝(B,blue)——的不同组合。
国际照度委员会CIE所规定的红绿蓝这三种基本色的波长分别为700nm,546.1nm,435.8nm。
由于光源的光谱是连续渐变的,没有一种颜色可以准确地叫做红、绿、蓝,因而定义三种基本波长并不表明仅由三个固定的R、G、B分量就可以组成所有颜色。
RGB模型可以建立在笛卡尔坐标系统里,其中三个轴分别为R、G、B。
RGB的模型空间是个正方体,见图1-5,原点对应黑色,离远点最远的顶点对应白色,从黑到白的灰度分布值在立方体对角线上,立方体内其余各点对应不同的颜色。
一般为方便起见,总将立方体归一化为单位立方体,这样所有RGB值都在区间[0,1]之中。
由于彩色显示器采用红、绿和蓝来生成目标颜色,所以RGB颜色空间是图像处理领域最通用的选择。
表1-1包含的RGB值具有100%的幅度、100%的饱和度,是8个标准的视频测试信号。
但是,当处理图像时,有时候使用RGB颜色空间并不是很有效。
例如,为了修改给定像素的亮度,必须同时从帧缓冲区中读出RGB三个分量,然后重新计算给定亮度对应的RGB值,执行相应的修改后再写回帧缓冲区。
如果我们能够访问到直接以亮度格式存储的图像,那这个处理过程会简单很多。
RGB颜色空间的另一个缺点是:
要在RGB颜色立方体中生成任何一种颜色,三个RGB分量都需要占用相同的带宽。
这就使得每个RGB颜色分量的帧缓冲需要同样的像素深度和现实分辨率。
2.YUV颜色空间
表1-1100%的RGB彩条信
在现代彩色电视系统中,通常采用三管彩色摄像机或彩色CCD(点耦合器件)摄像机,它把摄得的彩色图像信号,经分色、分别放大校正得到RGB,再经过矩阵变换电路得到亮度信号Y和两个色差信号R-Y、B-Y,最后发送端将亮度和色差三个信号分别进行编码,用同一信道发送出去。
这就是我们常用的YUV色彩空间。
采用YUV色彩空间的重要性是它的亮度信号Y和色度信号U、V是分离的。
如果只有Y信号分量而没有U、V分量,那么这样表示的图就是黑白灰度图。
彩色电视采用YUV空间正是为了用亮度信号Y解决彩色电视机与黑白电视机的兼容问题,使黑白电视机也能接收彩色信号。
根据美国国家电视制式委员会,NTSC制式的标准,当白光的亮度用Y来表示时,它和红、绿、蓝三色光之间相互转化的关系可用如下式的方程描述:
Y=0.299R+0.587G+0.114B
U=-0.147R-0.289G+0.436B=0.492(B-Y)
V=0.615R-0.515G-0.100B=0.877(R-Y)
R=Y+1.140V
G=Y-0.395U-0.581V
B=Y+2.032U
与YUV色彩空间类似的还有Lab色彩空间,它也是用亮度和色差来描述色彩分量,其中L为亮度、a和b分别为各色差分量。
3.CMYK颜色空间
CMYK也称作印刷色彩模式,顾名思义就是用来印刷的。
CMY是3种印刷油墨名称的首字母:
青色Cyan、洋红色Magenta、黄色Yellow。
而K取的是black最后一个字母,之所以不取首字母,是为了避免与蓝色(Blue)混淆。
从理论上来说,只需要CMY三种油墨就足够了,它们三个加在一起就应该得到黑色。
但是由于目前制造工艺还不能造出高纯度的油墨,CMY相加的结果实际是一种暗红色。
因此还需要加入一种专门的黑墨来调和。
CMYK和RGB相比有一个很大的不同:
RGB模式是一种发光的色彩模式,你在一间黑暗的房间内仍然可以看见屏幕上的内容;CMYK是一种依靠反光的色彩模式,CMYK颜色模式的基础并不是增加光线,而是减去光线。
我们是怎样阅读报纸的内容呢?
是由阳光或灯光照射到报纸上,再反射到我们的眼中,才看到内容。
它需要由外界光源,如果你在黑暗房间内是无法阅读报纸的。
除了上述三种最常用的颜色模型之外,其他的颜色模型还有:
1.HSI颜色模型
HSI色彩空间是从人的视觉系统出发,用色调(Hue)、色饱和度(Saturation或Chroma)和亮度(Intensity或Brightness)来描述色彩。
色调H由角度表示,它反映了颜色最接近什么样的光谱波长,即光的不同颜色。
通常假定0°表示的颜色为红色,120°的为绿色,240°的为蓝色。
从0°到360°的色相覆盖了所有可见光谱的彩色。
饱和度S表征颜色的深浅程度,饱和度越高,颜色越深。
饱和度参数是色环的原点(圆心)到彩色点的半径的长度。
在环的边界上的颜色饱和度最高,其饱和度值为1,在中心的饱和度为0。
亮度I是指光波作用于感受器所发生的效应,其大小由物体反射系数来决定,反射系数越大,物体的亮度愈大,反之愈小。
如果把亮度作为色环的垂线,那么HSI色彩空间可以用一个圆锥空间模型来描述。
。
HSI模型和RGB模型的转换:
对任何三个归一化到[0,1]范围内的RGB值,其对应的HSI模型中的H,S,I分量可由下面的公式计算。
HSI模型在许多处理中有其独特的优点:
第一,在HSI模型中,亮度分量与色度是分开的,I分量与图像的彩色信息无关。
第二,在HSI模型中,色调H和饱和度S的概念相互独立并与人的感知紧密相连。
这些特点使得HSI模型非常适合基于人的视觉系统对彩色感知特性进行处理分析的图像算法。
2.HSV颜色模型
图1-6HSV颜色模型
HSV颜色空间中的每一种颜色都是由色相(Hue,简H),饱和度(Saturation,简S)和色明度(Value,简V)所表示的。
HSV模型对应于圆柱坐标系中的一个圆锥形子集,圆锥的顶面对应于V=1。
它包含RGB模型中的R=1,G=1,B=1三个面,所代表的颜色较亮。
色彩H由绕V轴的旋转角给定。
红色对应于角度0°,绿色对应于角度120°,蓝色对应于角度240°。
在HSV颜色模型中,每一种颜色和它的补色相差180°。
饱和度S取值从0到1,所以圆锥顶面的半径为1。
HSV颜色模型所代表的颜色域是CIE色度图的一个子集,这个模型中饱和度为百分之百的颜色,其纯度一般小于百分之百。
在圆锥的顶点(即原点)处,V=0,H和S无定义,代表黑色。
圆锥的顶面中心处S=0,V=1,H无定义,代表白色。
从该点到原点代表亮度渐暗的灰色,即具有不同灰度的灰色。
对于这些点,S=0,H的值无定义。
可以说,HSV模型中的V轴对应于RGB颜色空间中的主对角线。
在圆锥顶面的圆周上的颜色,V=1,S=1,这种颜色是纯色。
HSV模型对应于画家配色的方法。
画家用改变色浓和色深的方法从某种纯色获得不同色调的颜色,在一种纯色中加入白色以改变色浓,加入黑色以改变色深,同时加入不同比例的白色,黑色即可获得各种不同的色调。
颜色模型如图1-6所示。
HSV模型和RGB模型的转换公式如下:
优点及适用场合:
HSV模型比HSI模型更与人类对颜色的感知接近,也称为艺术家色彩模型,它适合消除数字色彩与传统颜料色彩之间的沟通障碍。
1.3数字图像处理的应用领域
图像是人类获取和交换信息的主要来源,因此,图像处理的应用领域必然涉及到人类生活和工作的方方面面。
随着人类活动范围的不断扩大,图像处理的应用领域也将随之不断扩大,主要体现在:
(1)航天和航空方面
数字图像处理技术在航天和航空方面的应用,除了JPL对月球、火星照片的处理之外,另一方面就在飞机遥感和卫星遥感应用中。
许多国家每天都会派出很多侦察飞机对地球上有兴趣的地区进行空中摄影。
对由此得来的照片进行处理分析,以前需要雇用几千人,而现在改用配备有高级计算机的图像处理系统来判读分析,既节省人力,又加快了速度,还可以从照片中提取人工所不能发现的大量有用情报。
从60年代末以来,美国及一些国际组织发射了资源遥感卫星(如LANDSAT系列)和天空实验室(如SKYLAB),由于成像条件受飞行器位置、姿态、环境条件等影响,图像质量总不是很高。
因此,采用人工的方式对大量的图像进行判读是不可行的,而必须采用数字图像处理技术。
如LANDSAT系列陆地卫星,采用多波段扫描器(MSS),在900km高空对地球每一个地区以18天为一周期进行扫描成像,其图像分辨率大致相当于地面上十几米或100米左右(如1983年发射的LANDSAT-4,分辨率为30m)。
这些图像在空中先处理(数字化,编码)成数字信号存入磁带中,在卫星经过地面站上空时,再高速传送下来,然后由处理中心分析判读。
这些图像无论是在成像、存储、传输过程中,还是在判读分析中,都必须采用很多数字图像处理方法。
现在世界各国都在利用陆地卫星所获取的图像进行资源调查(如森林调查、海洋泥沙和渔业调查、水资源调查等),灾害检测(如病
- 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:
- DSP 图像 处理 基础 18