MATLAB图像、音频和视频处理基础：模式识别应用

作者简介

"作者简介 兰詹·帕雷克（Ranjan Parekh），工程学博士，印度贾达夫普尔大学（加尔各答）教育技术学院教授，在研究生阶段讲授与图形和多媒体相关的课程。研究兴趣包括多媒体信息处理、模式识别和计算机视觉等。著有《多媒体原理》《MATLAB 图形学基础》《MATLAB图像、音频和视频处理基础：模式识别应用》等图书，发表多篇学术文章。 译者简介 章毓晋（ZHANG Yu-Jin），比利时列日大学应用科学博士，荷兰德尔夫特大学博士后及研究人员。清华大学教学科研系列长聘教授，博士生导师。2003年学术休假期间同时被聘为新加坡南洋理工大学访问教授。 在清华大学，先后开设并讲授10多门本科生和研究生课程。在南洋理工大学，开设并讲授过研究生课程：“现代图像分析（英语）”。已出版50多部中英文图书，发表500多篇学术文章。 现为中国图象图形学学名誉监事长，中国图象图形学学会会士，国际光学工程协会（SPIE）会士（因在图像工程方面的成就）。 "

内容简介

第3章视频处理 3.1引言 视频是图像和音频的组合，因此一般而言 ，只要对图像和音频有效的理论和应用，通常也 对视频有效。视频由一组称为帧的静止图像组成 ，这些图像以称为帧率的特定速度一个接一个地 显示给用户，以每秒帧数为单位，缩写为fps。 如果以足够快的速度显示，人眼无法将单幅图像 区分为单独的实体，而是将连续图像合并在一起 ，从而产生活动图像的错觉，这种现象称为视觉 暂留（PoV）。已经观察到帧率应该在25~30fps ，以便让人眼感知没有间隙或抖动的平滑运动。 添加音频并与图像的活动同步可以创建完整的视 频序列。因此，一个视频文件是由多个图像帧和 一个或多个音轨组成。同时处理如此多信息的一 个缺点是文件大小增加，需要大量处理资源来处 置它们。例如，一个一分钟的视频文件由30帧组 成，每帧大小为640×480像素，并使用24位彩 色信息，则占用的空间超过1582MB。以44100Hz 采样的音频每分钟为文件增加10MB。此外，播 放视频文件需要大约30MB/s的带宽。因此，压 缩方案对于视频处理如此大的开销非常重要。 为了创建数字视频，我们首先需要将视觉 和音频信息以电信号的形式记录在磁带或磁盘上 。用于指定这种表示形式的术语是运动视频，以 将其与电影院中使用的另一种称为运动图片的表 示形式区分开，后者在电影院中使用光化学过程 将视频帧记录到赛璐珞胶片上。电子信号形式的 运动视频由模拟摄像机生成并存储在磁带（如录 像带）中，然后使用录像带播放器（VCP）进行 播放。电视传输也是运动视频显示的流行示例。 早期的模拟摄像机使用称为阴极射线管（CRT） 的真空管来生成这些信号，然后可以将这些信号 馈送到监视器以显示视频，而音频则使用麦克风 单独录制并馈送到扬声器以生成声音。单色或灰 度视频需要来自摄像机的单个强度信号作为视觉 信息以及一两个音频信号，具体取决于播放的声 音是单声道还是立体声。为了在CRT监视器屏幕 上显示图像，来自阴极的电子束被激活并聚焦在 涂有荧光粉的屏幕上发光。磷光体是一种化学物 质，当它与电子等带电粒子接触时会发出光芒。 为了在屏幕上生成图像，电子束从屏幕的左上角 开始，从左到右依次扫描第一行荧光点。在每条 水平线的末尾，光束对角移动到下一行的开头并 开始跟踪操作。在右下角，光束对角移动到左上 角的起点，并再次重复该操作。这个过程称为光 栅扫描，通常每秒需完成大约60次以获得屏幕上 稳定的画面，这称为显示器的刷新率，屏幕上产 生的每幅图像称为一帧。支持60帧/秒的监视器 会产生不闪烁的图像，称为逐行扫描监视器。另 "本书采用程序实现的实际操作方法，介绍多媒体处理的概念和原理及其在模式识别中的应用，包括使用数据分析和可视化工具MATLAB读取、修改和写入图像、音频和视频文件的工具和技术。 主要特点： （1）涵盖图像、音频和视频处理的基本概念。 （2）演示如何使用MATLAB解决媒体处理问题。 （3）讨论图像处理工具箱、音频系统工具箱和计算机视觉工具箱的重要功能。 （4）提供特定问题的MATLAB代码作为答案。 （5）展示使用Simulink进行音频和视频处理。 （6）覆盖时空域和频域中的处理技术。 本书是本科高年级生和研究生学习图像处理、语音和语言处理、信号处理、视频目标检测和跟踪以及相关多媒体技术课程的完美伴侣，重点是使用编程结构和技能开发的实际实现。本书还适合模式识别、计算机视觉和基于内容检索领域的研究人员，以及学习多媒体处理、统计分析和数据可视化的MATLAB课程的学生。"