图像压缩
原因：减少表示图像所需数据量，去除多余数据
图像冗余（表达数据的信息多余）
- 编码冗余 编码符号数多余实际所需
- 像素间冗余 领域像素间相关性
- 心里视觉冗余 视觉感知的重要程度
信源编码：通过减少冗余数据来实现数据压缩的过程
客观保真度准则-----图像质量（相似度）评价
当所损失的信息量可表示成原图像与该图像先被压缩而后又被解压缩而获得的图像的函数时，就称该函数是基于客观保真度准则的。
信息熵：像素各个灰度级位数的统计平均值-----无失真编码所需位数的下限：
变长编码：霍夫曼编码、行程编码、算术编码。
算术编码：
无损数据压缩，将整个输入序列映射为实数轴上【0，1）内的一个小区间，选择代表二进制小数输出、平均码长逼近信源的熵。
无误差压缩编码
- 解码时能够完全恢复原始图像信息
- 定长码采用相同的位数（bit）对数据进行编码
- 行程编码、LZW编码
图像分割
图像分割
图像分割:把图像分成各具特性的互不重叠的区域，并提取出感兴趣目标的技术与过程
基本思路
- 从简到难，逐级分割
- 控制背景环境，降低分割难度
- 增强感兴趣对象，减小不相干部分干扰
基本方法：1）基于区域间灰度不连续性：边缘检测、Hough变换等
2）基于区域内灰度相识性，阈值分割、区域生长、分裂合并、形态学分割等
阈值分割法
阈值分割原理：设定分区目标与背景的灰度阈值
主要步骤：1）确定合适的分割阈值 2）将每个像素值与分割阈值比较以划分像素归属
特点：
- 对物体与背景有较强对比的图像分割特别有效
- 计算简单
- 能用封闭而且连通的边界定义不交叠的区域
- 可以推广到非灰度特征
阈值选取方法:
- 根据直方图谷底确定阈值（双峰法）
- 最优阈值（最小错误概率阈值）
- 最大类间方差阈值
- P参数法阈值
最大类间方差法：graythresh(I)
边缘检测法
边缘：图像中像素灰度有阶跃变化或屋顶变化的像素的集合
实现步骤：
Canny算子
存在问题：位置不准，非单像素宽等等
好的检测算子：
- 高准确性：多包含真边缘，少包含假边缘
- 高精确度：检测到的边缘应该在真正的边界上
- 单像素宽：选择性很高，只对边缘有唯一响应
Canny算子检测边缘步骤
1）高斯滤波模板平滑图像
2）计算图像梯度幅值和方向
3）对幅值应用非极大值抑制
4）用双阈值算法检测和链接边缘
二阶微分边缘检测
拉普拉斯算子
特点：1）二阶导数，对噪声非常敏感 2）幅值产生双边缘 )不能检测边缘的方向
作用：边缘与定位，确定像素在边缘的位置
LOG算子
减小噪声影响，先平滑图像，再用拉普拉斯算子检测边缘
Matlab：edge
