数字图像的基本概念 数字图像的发展历史 数字图像处理的研究内容 图像处理技术应用

第十六章图像的输入与输出 一、图像的输入 二、图像的输出

• 1. 图像退化/复原过程的模型 • 2. 图像噪声的空间和频率特性 • 3. 图像噪声参数的估计及空间滤波复原 • 4. 线性位置不变系统退化函数的估计 • 5. 逆滤波 • 6. 维纳滤波 • 7. 约束最小二乘滤波 • 8. L0 Regularized平滑滤波

为尽可能高地提高液晶显示器（LCD）的动态范围以实现高动态范围显示，提出了一种基于动态阈值背光亮度提取和液晶像素补偿两步法的区域背光算法，以提高液晶显示器背光模组和液晶面板的动态范围，从而使调光后图像的对比度和视觉质量都得到增强.仿真结果表明，用该算法区域调光后图像的对比度平均提高了113.60%.此外，用自主研发的直下式白光LED分区背光液晶显示样机通过显示具体图像对所提出算法进行性能测试，显示结果表明区域调光后图像的层次和色彩得到了增强且提高了对比度，证明了所提出算法能有效提高液晶显示器的对比度并改善显示画质

• 图像结构 • 图像的空间变换 • 图像的亮度变换

◆图像的视觉感知 ◆图像的获取和表示 ◆像素的基本关系 ◆数字图像的基本运算

◆数字图像的基本概念 ◆数字图像的发展历史 ◆数字图像处理的研究内容 ◆图像处理技术应用

提出一种基于灰度信息和支持向量机的人眼检测方法.首先,利用人眼区域灰度变化比人脸其他部位灰度变化明显的特征,采用图像灰度二阶矩(方差)建立人眼方差滤波器,在固定人眼搜索区域内,应用人眼方差滤波器搜索候选人眼图像;然后,使用训练的支持向量机分类器精确检测人眼区域位置;最后,采用图像灰度信息率定位人眼中心(虹膜中心).该方法在BioID、FERET和IMM人脸数据库中的测试结果显示:没有佩戴眼镜人脸图像正确率分别为98.2%、97.8%和98.9%,406幅佩戴眼镜人脸图像正确率为94.9%;人眼中心定位正确率分别为90.5%、88.3%和96.1%.通过与目前方法比较,该方法获得较好的检测效果

◆9.1 图像匹配 ◆9.2 图像的分类 ◆9.3 图像识别 ◆9.4 要点总结

◆8.1 像素间的基本关系 ◆8.2 目标物边界的描述 ◆8.3 目标物的区域描述 ◆8.4 图像的几何特征 ◆8.5 图像的矩描述 ◆8.6 图像的纹理描述 ◆8.7 形态学在纹理描述中的应用