Xiongchao99的博客(4)

到这一点，还可以告诉你这首歌具体某一时刻高中低频分量的分布情况。

答：（1）上述图像金字塔和残差金字塔实质就是多分辨率处理的内容。多分辨率常用于图像压缩，小波变换最大的用处也是图像压缩；

输入视频在变换和量化以后，还需对量化、扫描后的变换系数进行熵编码，以获得进一步的信息压缩。小波包的分解方法不但可以对纹理图像信息集中的高频区域进行分析,而且得到的分解子图也保持了原始图像的大小,如 unser 的纹理分类方法采用一种不对分解输出进行子抽样的小波分解方法，离散小波框架,采用树结构和离散小波框架则会使小波分解的计算量和所提取的特征矢量的维数增加,可采用主成分分析等方法进行一定的优化处理。另外，h.264允许用户使用自定义的量化系数矩阵，这种方式可以使客户再一步优化自己的编码器，使得编码量化过程可以根据量化系数的分布概率进行优化，进一步提升压缩效率。

【专利摘要】本发明公开了基于zynq-7000的图像监控系统，包括安森美图像传感器，采集图像视频信息并将信息通过fmc子板上传给zedboard开发板，zedboard开发板的hdmi_in接口从fmc子板上获取图像数据，通过vtc模块检测视频数据的行场信号，并根据行场信号判断图像的分辨率，通过tpg模块将图像传输给dvi2axi模块，dvi2axi模块将tpg模块输出的图像转换为满足axi_stream接口协议的数据格式，并通过axi_stream接口协议传输至cresmaple模块，完成yuv数据格式的转换，接着将yuv数据由yuv2rgb模块转换成rgb数据格式，再通过video。双绞线传输器一般是指利用网线来传输视频的设备，双绞线传输利用差分传输原理，在发射端将视频信号变换成幅度相等、极性相反的视频信号，通过双绞线传输后，在接收端将二个极性相反的视频信号相减变成通常的视频信号，故能有效抑制共模干扰，即使在强干扰环境下，其抗干扰能力远比同轴电缆好，而且通过对视频信号的处理，其传输的图象信号也比同轴电缆清晰，同一根网线相互之间不会发生干扰。，配套一个asic或dsp进行编码压缩和传输，这类方案相对高端，由于采用专业成像模组，原始图像效果好，所以整个ipc产品的效果很大部分取决于配套压缩传输模块的效果，主要的指标是压缩后图像的清晰度和实时性，一般中、高端方案采用此架构。

（2）一维小波变换

小波变换的基本思想是用一组小波或基函数表示一个函数或信号，例如图像信号。以哈尔（Haar）小波基函数为例，基本哈尔小波函数（Haar wavelet function）定义如下：

1, 当0≤x<1/2

Ψ(x) = ｛ -1, 当1/2≤x<1

0, 其他

设有一幅分辨率只有4个像素的一维图像，对应像素值为：[9 7 3 5]。用哈尔小波变换的过程是：计算相邻像素对的平均值（averaging，亦可称之为近似值approximation），得到一幅分辨率为原图像1/2的新图像：[8 4]。这时图像信息已部分丢失，为了能从2个像素组成的图像重构出4个像素的原图像，必须把每个像素对的第一个像素值减这个像素的平均值作为图像的细节系数（detail coefficient）保存。因此，原图像可用下面的两个平均值和两个细节系数表示：[8 4 1 -1]。可以把第一步变换得到的图像进一步变换，原图像两级变换的过程如表1所示：

（3）二维小波变换

介绍一下二维小波变换的塔式结构。我们知道，一维小波变换其实是将一维原始信号分别经过低通滤波和高通滤波以及二元下抽样得到信号的低频部分L和高频部分H。而根据Mallat算法，二维小波变换可以用一系列的一维小波变换得到。对一幅m行n列的图像，二维小波变换的过程是先对图像的每一行做一维小波变换，得到L和H两个对半部分；然后对得到的LH图像（仍是m行n列）的每一列做一维小波变换。这样经过一级小波变换后的图像就可以分为LL，HL，LH，HH四个部分，如下图所示，就是一级二维小波变换的塔式结构：

利用小波变换提取图像的多尺度纹理信息的思想步骤可简述如下:首先借助正交小波,对图像进行小波分解,得到不同分辨率的一系列图像。1、图像经过二维傅立叶变换后，其变换系数矩阵表明：。另外，火狐还支持css 3d变换，开发者可以通过使用html5而非第三方插件将二维元素变成3d图像。

利用小波变换提取图像的多尺度纹理信息的思想步骤可简述如下:首先借助正交小波,对图像进行小波分解,得到不同分辨率的一系列图像。传统的金字塔小波分解变换,仅对低频部分进行分解,随着分解层数的增加而逐渐向低频方向聚焦,仅利用了纹理图像低频子带的信息,已有的研究结果告诉人们,纹理图像的中、高频子带仍含有有关纹理的重要特征信息,因此这种情况对于纹理分类往往效果欠佳。根据小波分解的第n层的低频系数和经过修改的从第一层到第n的各层高频系数，计算二维信号的小波重构。

方案一：舍高频，取低频

根据小波分解的第n层的低频系数和经过修改的从第一层到第n的各层高频系数，计算二维信号的小波重构。小波包的分解方法不但可以对纹理图像信息集中的高频区域进行分析,而且得到的分解子图也保持了原始图像的大小,如 unser 的纹理分类方法采用一种不对分解输出进行子抽样的小波分解方法，离散小波框架,采用树结构和离散小波框架则会使小波分解的计算量和所提取的特征矢量的维数增加,可采用主成分分析等方法进行一定的优化处理。传统的金字塔小波分解变换,仅对低频部分进行分解,随着分解层数的增加而逐渐向低频方向聚焦,仅利用了纹理图像低频子带的信息,已有的研究结果告诉人们,纹理图像的中、高频子带仍含有有关纹理的重要特征信息,因此这种情况对于纹理分类往往效果欠佳。

另外，也可以对高频部分的局部区域系数置0，这样重构的图像就会有局部模糊、其余清晰的效果。

方案二：阈值法

对图像进行多级小波分解后，保留低频系数不变，然后选取一个全局阈值来处理各级高频系数；或者不同级别的高频系数用不同的阈值处理。绝对值低于阈值的高频系数置0，否则保留。用保留的非零小波系数进行重构。Matlab中用函数ddencmp()可获取压缩过程中的默认阈值，用函数wdencmp()能对一维、二维信号进行小波压缩。

方案三：截取法

将小波分解得到的全部频率系数按照绝对值大小排序，只保留最大的x %的系数，剩余的系数置0。不过这种方法的压缩比并不一定高。因为对于保留的系数，其位置信息也要和系数值一起保存下来，才能重构图像。并且，和原图像的像素值相比，小波系数的变化范围更大，因而也需要更多的空间来保存。

答：（1）经过小波分解后的图像矩阵的局部统计数据稳定且易给出模型；

（2）其大多数值都接近0，对于图像压缩非常有利；

答：分为无损压缩和有损压缩；

无损压缩：（1）最简单的实现就是减少仅有的编码冗余，及通过对灰度表示的编码进行调整，以减少不必要的编码位，如变长编码（霍夫曼编码、算术编码）；

（2）减少像素间冗余也是无损压缩的实现方式，如LZW编码、位平面编码；

（3）通过直接对像素进行操作实现消除较为接近的像素，该方法称为无损预测编码；

有损压缩：（1）有损预测压缩（直接对像素进行操作）；

（2）变换编码（对编码方式进行操作）；

（3）小波编码；

答：（1）静止图像压缩标准：

①JPEG：默认是霍夫曼编码，用于连续色凋、多级灰度、彩色／单色静态图像压缩，为有损模式。但完整的JPEG包括3套编码系统，分别是有损基本编码、拓展编码、可逆压缩的无损编码；

②JPEG2000：该压缩标准相对JPEG拥有更大灵活性，但未被采用；

（2）动态图像压缩标准：

MPEG是运动图像专家组的简称，其制定的动态图像压缩标准称为MPEG标准，包括MPEG-1、MPEG-2、MPEG-4、MPEG-7和MPEG-21；

答：（1）图像灰度级数=最大灰度值+1，如最大灰度值255的灰度图，灰度级数为256；

（2）图像中信息量=log2(灰度范围）

如：[0~255]的灰度图的信息量就等于log2(256)=8；

意义：信息量用于表示当前信息中的有效信息多少；

（3）图像熵：

熵： 熵是信息论中对不确定性的度量，是对数据中所包含信息量大小的度量；

图像的一维熵可以表示图像灰度分布的聚集特征，却不能反映图像灰度分布的空间特征；

为了表征这种空间特征，可以在一维熵的基础上引入能够反映灰度分布空间特征的特征量就组成图像的二维熵。

答：膨胀：主要将二值化图中断开的图像轮廓边缘连接起来，或将边缘缺口、内部孔洞等填充，效果好于平滑滤波；

腐蚀：主要将取出二值化图 进行收缩，去除不必要的细节，或细化轮廓。腐蚀对于去除小颗粒以及消除目标物之间的粘连是非常有效的 ；

结构元素：由数值为1或0组成的矩阵，在每个像素位置与二值图像对应的区域进行特定的逻辑运算。运算结果为输出图像相应的像素。运算效果取决于结构元素的大

小内容以及逻辑运算的性质。结构元素一般有以下几种类型：水平、垂直、十字、方形、其他。

，注意：这些结构中黑色表示有效的领域像素，如前景为1则黑点表示1，白色表示0。

腐蚀与膨胀原理介绍（以前景是白色1，背景色是黑色0为例进行介绍）：

当二值纹理图像由结构元素所腐蚀时,纹理属性就会表现在腐蚀后的图像中。第一种算法是在确定二值图像边界的围绕关系，即确定外边界、孔边界以及他们的层次关系，由于这些边界和原图的区域具有一一对应关系（外边界对应像素值为1的连通区域，孔边界对应像素值为0的区域），因此我们就可以用边界来表示原图。像素全称图像元素 像素仅仅是分辨率的尺寸单位 而不是画质 像素越高 所带来的画面细节就越多 一般单反相机的像素都是真实像素点 而手机之类的大部分都是软补像素（即在相邻的两个真实像素点之间通过运算之后 增加过渡的像素点 来增加其整个图像像素的数量 来达到高像素的效果） 像素不是越高越好 像素越高 在同等画幅下像素点之间就更容易产生互相干扰 形成电子噪声 也就是噪点 影像画质 所以只有在足够大的画幅上高像素才能发挥作用 这也就是有的手机一千六百万甚至两千多万的像素却比不过一千二百万像素单反的道理。

②、膨胀原理：使用一个nXn结构元素如全为1的方形结构元素，去扫描图像中的每一个像素。用结构元素与其覆盖的原二值图像做“与”操作，如果原结构元素中1对应位置的逻辑运算都为0，这图像的该像素为0，否则为1。简言之就是腐蚀是选择结构元素范围内的最大值。膨胀之后，图像边界向外扩大；

11月入手的12款，入手后明显感觉整体感觉还不如11款，车架的不同对于一般使用者来说没有多大感觉，其次是花鼓、磁盘曲柄等，我觉得12款的还不如11款，再有我觉得我之后买这个黑色，可能是白色是膨胀色的原因，总感觉一样的型号，但是没有我白色那辆看上去大器。二是按腐蚀的形态分类，可分为溶出型腐蚀、分解型腐蚀、膨胀型腐蚀（又称结晶型腐蚀）。cu2蓝色沉淀fe3红褐色沉淀agbr淡黄色沉淀agi ,ag3po4黄色沉淀 agcl 白色沉淀 cuo 黑色沉淀cu2o 红色沉淀fe2o3 红棕色沉淀feo 黑色沉淀fes2 黄色沉淀pbs 黑色沉淀feco3 灰色沉淀ag2co3 白色沉淀cu22co3 暗绿色沉淀baco3白色沉淀 caco3白色沉淀 baso4白色沉淀不溶的碳酸盐白色沉淀 不溶的碱。

答：开运算：先腐蚀后膨胀；

闭运算：先膨胀后腐蚀；

作者也尝试了在使用微分模板前加入 一个高斯平滑滤波，但是这个高斯平滑滤波的加入使得检测效果更差，原因是：许多有用的图像信息是来自变化剧烈的边缘，而在计算梯度之前加入高斯滤波会把这 些边缘滤除掉。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。与此相关的有gauss-laplace变换，其实就是为了得到较好的图像边缘直方图匹配原理，先对图像做gauss平滑滤波，剔除噪声，然后求二阶导矢，用二阶导的过零点确定边缘，在计算时也是频域乘积=>空域卷积。

补充：一般除了二值图的开闭运算，还有灰度图开闭元算。原理一致：就是提取结构元范围内的最小灰度值或最大灰度值（二值图也是提取最小最大值0或者1），就是将二值拓展到灰度范围。