图像缩放的分片连续算法

在图像处理中 ,传统的放大或缩小变换不能保证图像内各物体之间边界的清晰 ,这往往不能适合许多场合的应用 .为此 ,提出了一种新的图像缩放方法 .该方法对源图像建立了分片连续数学模型 .应用本方法得到的图像 ,边界分明、层面清晰、色彩丰富 ,忠实地反映了原始图像的面貌 .

分割图像插值的一种局部算法

对于医学序列切片 ,图像上像素之间的间隔常常小于切片之间的距离 ,而在图像处理中 ,常常需要它们有一致的分辨率 .对于已分割的切片图像 ,插入的切片图像也应是已分割的图像 .本文提出了一种图像插值的局部算法 ,该算法在产生新插入图像每点的分割信息与颜色信息时 ,计算只与相邻切片图像的局部像素值有关 .因此既保持了相邻切片的物体形状过渡自然 ,又具有良好的数值稳定性 .应用该算法于医学序列切片进行插值时 ,可达到良好的视觉效果 .

图像放缩的离散算法

从简单的二值图像出发提出灰度图像的离散放缩算法 ,该算法尽可能地保持了放缩后图像内物体边界的清晰、自然 ,而放缩倍数可为任意非整数倍 应用该算法 ,图像放大后层面清晰、色彩丰富 ,忠实地反映了原始图像的面貌 ;图像缩小后能较好地体现原始图像的主要特征 实例证明 ,此方法比常见的商品软件有更好的边界处理效果 且计算稳定、实现方便 。

基于形心的二值图像多尺度表示方法

首先提出了一种新的二值图像多尺度表示方法.该方法针对人的视觉特点,从图像内物体的形心出发,通过建立局部坐标系,将图像内各物体在各自坐标系下进行较为"紧密"的收缩变换.该方法有别于以往方法,能保持源图像的对称性,并且具有形状乃至拓扑的基本保持.其次,本文又提出了图像多尺度表示的优化方案,该方案可看成评判图像表示优劣的准则,也可作为图像多尺度表示的数学描述.

基于形心的灰度图像多尺度表示方法

图像的多尺度表示在多种领域有着重要应用.基于形心的多尺度表示方法能有效应用于二值图像.作者提出了应用于灰度图像的基于形心的多尺度表示方法.同样,该方法能保持源图像的对称性,并且具有形状乃至拓扑的基本保持.其次,还提出了将灰度图像转为三维二值图像进行多尺度表示的方法.实例表明,以上方法在多种领域均能有效应用于灰度图像的多尺度表示.

二值和灰度图像的直接多尺度表示算法

图像多尺度表示是图像处理的重要内容.常规的离散处理方法常依赖于坐标或网格的选取,因此处理结果很不稳定.本文提出了不依赖网格划分方法、不依赖坐标选取方式的快速、直接多尺度表示算法.应用该算法可直接得到任意指定一层(指定尺度)的图像,因而没有大多数算法因为逐层计算所带来的误差传播或误差扩散现象,同时该算法因保持处理前后图像的“整体”相似,因而能最大限度地体现形状保持乃至拓扑保持.算法计算非常简单,且不局限于特定类型的图像,可用于高要求的图像处理领域.