第2章 数字图像处理的基础
数字图像处理(第二版)章 (2)
第2章 数字图像处理基础
2.2 数字图像类型
第2章 数字图像处理基础
为了减小量化误差，引入了非均匀量化的方法。非均匀量 化依据一幅图像具体的灰度值分布的概率密度函数，按总的量 化误差最小的原则来进行量化。具体做法是对图像中像素灰度 值频繁出现的灰度值范围，量化间隔取小一些； 而对那些像 素灰度值的概率分布密度函数因图像不同而异，所 以不可能找到一个适用于各种不同图像的最佳非等间隔量化方 案，因此，实用上一般多采用等间隔量化。
第2章 数字图像处理基础
3. 索引颜色图像 在介绍索引颜色图像之前，首先来了解PC机是如何处理颜 色的。大多数扫描仪都是以24位模式对图像进行采样的，即可 以从图像中采样出1670万种不同的颜色。用这种方式获得的颜 色通常称为RGB颜色。颜色深度为24位每像素的数字图像是目前 所能获取、浏览和保存的颜色信息最丰富的彩色图像，由于它 所表达的颜色远远超出了人眼所能辨别的范围，故将其称为 “真彩色”。在早期，由于技术上和价格上的原因，计算机在 处理时并没有达到24位每像素的真彩色水平，为此人们创造了 索引颜色。索引颜色通常也称为映射颜色。在这种模式下，颜 色都是预先定义的，并且可供选用的一组颜色也很有限。索引 颜色的图像最多只能显示256种颜色。索引颜色通常称为调色板。 一幅索引颜色图像在图像文件里定义，当打开该文件时，构成 该图像具体颜色的索引值就被读入程序，然后根据索引值在调 色板中找到对应的颜色。
b=M×N×Q (b)
第2章 数字图像基础2——常用图像格式
(4) TIFF文件的标记——TAG
• 公共标记(public tag) 在TIFF V5.0的说明中定义了45个标记 Compression 259 SHORT 1 所有TIFF图像必须支持以下标记： NewSubfileType、lmageWidth、 ImageLength、RowsPerStrip、StripOffsets StripByteCounts、Xresolution、Yresolution ResolutionUnit • 私有标记(private tag) 由Aldus和Microsoft来分配 取值范围：32,768 － 65,535
数字图像处理
6. Windows系统的图像显示
• 消息(message) • 设备上下文(device context) • 设备句柄(handle)
数字图像处理
八、 图像颜色与文件格式与转换 —— photoshop示例
1. 图像的色彩模式及转换
• 色彩模式
– – – – – 单色 灰度 RGB色彩模式 CMYK色彩模式 Lab色彩模式
数字图像处理
1. BMP格式
Windows操作系统的标准文件格式。
大部分BMP文件是不压缩的形式，但支持图像压缩， 如RLE格式和LZW压缩格式等。
数字图像处理
(1) BMP文件结构
位图文件头 BITMAPFILEHEADER
图像信息头 BITMAPINFOHEADER 调色板 Palette 位图图像数据 Image Data
数字图像处理
(3) JPEG文件的组织(8个部分)
① 图像开始SOI(Start of Image)标记 ② APP0标记(Marker)
数字图像处理
数字图像处理基础知识
国际照明委员会(CIE)规定以 规定以700nm(红)、 国际照明委员会 规定以 红 、 546.1nm (绿)、435.8nm (蓝)三个色光为三基色。 三个色光为三基色。 绿 、 蓝 三个色光为三基色 又称为物理三基色。 又称为物理三基色。自然界的所有颜色都可以通 过选用这三基色按不同比例混合而成。 过选用这三基色按不同比例混合而成。 这三基色按不同比例混合而成 C = R(R) + G(G) + B(B)
反映了将图像信息进行离散化的程度， 反映了将图像信息进行离散化的程度，常用 灰度级来衡量
主观亮度
适应范围 夜视 昼视
－6
夜间阈值
－4
－2
0
2
4
光强的对数
人眼亮度感觉范围
总范围很宽（ ① 总范围很宽（ C = 108） 人眼适应某一环境亮度后， ② 人眼适应某一环境亮度后，范围限制 适当平均亮度下： 适当平均亮度下：C = 103 很低亮度下： 很低亮度下：C = 10
图象“ 图象“黑”/“白”（“亮”/“暗”）对比参 白 暗 数
眼睛中图像的形成
视网膜将图像反射在中央凹区域上， 视网膜将图像反射在中央凹区域上，由光接 收器的相应刺激作用产生感觉， 收器的相应刺激作用产生感觉，感觉把辐射 能转变为电脉冲， 能转变为电脉冲，最后由大脑进行解码
电信号 光信号 视觉细胞 视神经 视神经中枢 解码 图像
人眼视觉模型
每个图像由若干个像素点组成， 每个图像由若干个像素点组成，每个点均可看作一个 点光源，每个点光源就是一个冲激函数δ 点光源，每个点光源就是一个冲激函数δ(x,y)
任意一幅图像可以表示为： 任意一幅图像可以表示为：
人眼亮度感觉
闪光极限
人的视觉系统感觉到的亮度 (主观亮度 ：是进入人眼的 主观亮度)： 主观亮度 光强对数函数 人眼亮度感觉范围： 人眼亮度感觉范围：通过光 强对数衡量，一般为3－10 强对数衡量，一般为 人眼的亮度适应级： 人眼的亮度适应级：视觉系 统当前对光强的灵敏度级别
第2章 数字图象处基础(1-27)
Digital Image Processing
2.2 人的视觉特性
人的视觉模型
▓ ▓
点光源的表示函数
点源可以用 δ 函数表示，表示平面图像的二维 δ 函数 +∞ +∞ 为： ⎧ 1 y, ) x ∫ ∫−∞ δ (dxdy = −∞ ⎪ ⎪ ⎨ = = ⎧ ∞ y , x 0 0, ⎪δ ( y , ) = ⎨ x , 其他 ⎪ ⎩ 0 ⎩ 则任意一幅图像可表示为：
Digital Image Processing
2.2 人的视觉特性
人眼的构造与机理要点（续）
（ 3）视细胞： 视网膜上集中了大量视细胞，分为两类： 锥状细胞 ：明视细胞，在强光下检测亮度和颜色； 杆 (柱 )状细胞 ：暗视细胞，在弱光下检测亮度，无色彩感觉。 其中，每个锥状视细胞连接着一个视神经末梢，故分辨率高， 分辨细节、颜色；多个杆状视细胞连接着一个视神经末梢，故分辨 率低，仅分辨图的轮廓。 （4 ） 人眼成象过程：
2.4 数字图像表示形式和特点
▓ ▓
数字图像的矩阵表示 数字图像的矩阵 矩阵表示
O n
f (0,1) ⎡ f (0,0) ⎢ f (1,1) ⎢ f (1,0) , f (mn) = ⎢ ⋮ ⋮ ⎢ ⎣ f (M−1,0) f (M−1,1)
⋯ f (0, N−1) ⎤ ⎥ ⋯ f (1, N−1) ⎥ ⎥ ⋮ ⋮ ⎥ ⋯ f (M−1, N−1)⎦
Digital Image Processing
2.1 色度学基础
RGB模型：
在三维直角坐标系中，用相互垂直的三个坐标轴代表R、 G、B三个分量，并将R、G、B分别限定在[0,1]，则该单位正 方体就代表颜色空间，其中的一个点就代表一种颜色。如下图 方体就代表颜色空间，其中的一个点就代表一种颜色。 所示。 其中，r、g、b、c、m和y分别代表红色（red）、绿色 （green）、蓝色（blue）、青色（cyan）、品红（magenta） 和黄色（yellow）。
第二章 数字图像处理基础
2.1 数字图像的表示 2.2 数字图像的采样与量化 2.3 人的视觉特性 2.4 光度学与色度学原理
第二章 数字图像处理基础
本章重点、难点
重点： 采样和量化 BMP图像文件格式 RGB颜色模型和HSI颜色模型 难点： 采样和量化的理解 BMP位图
2.1 数字图像
数字图像：f(x,y)，函数值对应于图像点的 亮度。称亮度图像。 注意：模拟图像与数字图像的区别 动态图像：f(x,y,t)
人眼成像过程
视细胞分为两类： 锥状细胞：明视细胞，在强光下检测亮度 和颜色。 杆(柱)状细胞：暗视细胞，在弱光下检测亮 度，无色彩感觉。 人眼成像过程
图像的对比度和亮度
人眼的亮度感觉 图像 “黑”“白”(“亮”、“暗”)对比参数 对比度 : c=Bmax/Bmin 相对对比度:cr=(B-B0)/B0 人眼亮度感觉范围 总范围很宽 c = 108 人眼适应某一环境亮度后，范围限制 适当平均亮度下：c=103 很低亮度下：c=10
亮度
也称为灰度，它是颜色的明暗变化，常用 0 ％～ 100 ％ (由黑到白) 表示。以下三幅图是 不同亮度对比。
对比度
对比度(contrast)是亮度的局部变化，定义为物体亮 度的平均值与背景亮度的比值，是画面黑与白的比 值，也就是从黑到白的渐变层次。比值越大，从黑 到白的渐变层次就越多，从而色彩表现越丰富。人 眼对亮度的敏感性成对数关系。
同时对比度
人眼对某个区域感觉到的亮度不是简单 地取决于该区域的强度，背景亮度不同 时，人眼所感觉到的明暗程度也不同。
马赫带效应
马赫带(Mach Band)效应:边界处亮度对比加强
为什么我们要在暗室评片？
马赫带效应的出现，是因为人眼对于图像中不同 空间频率具有不同的灵敏度，而在空间频率突变处 就出现了 “欠调”或“过调”
数字图像处理及MATLAB实现[杨杰][电子教案]第二章
![数字图像处理及MATLAB实现[杨杰][电子教案]第二章](https://img.taocdn.com/s3/m/de4126d1c1c708a1284a4428.png)
距离 像素之间的联系常与像素在空间的接近程度有 关。像素在空间的接近程度可以用像素之间的距 离来度量。为测量距离需要定义距离度量函数。 给定 p, q, r 三个像素，其坐标分别为 ( x, y ), ( s, t ), (u , v) 如果 1） D ( p, q ) ≥ 0( D ( p, q ) = 0 当且仅当 p = q ) 2） D ( p, q ) = D ( q, p ) 3) D ( p, r ) ≤ D ( p, q ) = D (q, r ) 则 D是距离函数或度量。
p 和 q 之间的欧式距离定义为：
De ( p, q) = ( x − s)2 + ( y − t )2
p 和 q 之间的 D4距离（也叫城市街区距离）定义为：
D4 ( p , q ) = x-s + y-t
p 和 q 之间的 D8 距离（也叫棋盘距离）定义为：
D8 ( p, q )=max( x-s ， ) y-t
图像获取即图像的数字化过程，包括扫描、 图像获取即图像的数字化过程，包括扫描、 采样和量化。 采样和量化。 图像获取设备由5个部分组成 采样孔， 个部分组成： 图像获取设备由 个部分组成：采样孔， 扫描机构，光传感器， 扫描机构，光传感器，量化器和输出存储 体。 关键技术有：采样——成像技术；量化 成像技术； 关键技术有：采样 成像技术 量化— —模数转换技术。 模数转换技术。 模数转换技术
Sampling
图像的采样
图2.15图像的采样示例 图像的采样示例
Quantization 图像的量化
图2.16图像的量化示例 图像的量化示例
量化等级越多，所得图像层次越丰富， 量化等级越多，所得图像层次越丰富，灰度 分辨率高，图像质量好，但数据量大； 分辨率高，，图像层次欠丰富，灰度分辨 量化等级越少，图像层次欠丰富， 率低，会出现假轮廓现象，图像质量变差， 率低，会出现假轮廓现象，图像质量变差， 但数据量小. 但数据量小
数字图像处理知识点总结
数字图像处理知识点总结第二章：数字图像处理的基本概念2.3 图像数字化数字化是将一幅画面转化成计算机能处理的数字图像的过程。
包括：采样和量化。
2.3.1、2.3.2采样与量化1.采样：将空间上连续的图像变换成离散点。
（采样间隔、采样孔径）2.量化：采样后的图像被分割成空间上离散的像素，但是灰度是连续的，量化就是将像素灰度转换成离散的整数值。
一幅数字图像中不同灰度值的个数称为灰度级。
二值图像是灰度级只有两级的。
（通常是0和1）存储一幅大小为M×N、灰度级数为G的图像所需的存储空间：（bit）2.3.3像素数、量化参数与数字化所得到的数字图像间的关系1.一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时会出现国际棋盘效应。
采样间隔越小，所的图像像素数越多，空间分辨率高，图像质量好，但是数据量大。
2.量化等级越多，图像层次越丰富，灰度分辨率高，图像质量好，但数据量大。
量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓，质量变差，但数据量小。
2.4 图像灰度直方图2.4.1定义灰度直方图是反映一幅图像中各灰度级像素出现的频率，反映灰度分布情况。
2.4.2性质（1）只能反映灰度分布，丢失像素位置信息（2）一幅图像对应唯一灰度直方图，反之不一定。
（3）一幅图像分成多个区域，多个区域的直方图之和是原图像的直方图。
2.4.3应用（1）判断图像量化是否恰当（2）确定图像二值化的阈值（3）物体部分灰度值比其他部分灰度值大的时候可以统计图像中物体面积。
（4）计算图像信息量（熵）2.5图像处理算法的形式2.5.1基本功能形式（1）单幅->单幅（2）多幅->单幅（3）多幅/单幅->数字或符号2.5.2图像处理的几种具体算法形式（1）局部处理（邻域，如4-邻域，8-邻域）（移动平均平滑法、空间域锐化等）（2）迭代处理反复对图像进行某种运算直到满足给定条件。
（3）跟踪处理选择满足适当条件的像素作为起始像素，检查输入图像和已得到的输出结果，求出下一步应该处理的像素。
第二章数字图像处理基础
第二章 数字图像处理基础
视觉感知要素 图像感知和获取 图像取样和量化 象素间的一些基本关系 线性和非线性操作
2.1 视觉感知要素
眼睛的构造: (人眼包含有三层膜)
眼角膜与巩膜外壳 脉络膜 (前面睫状体 虹膜 晶状体) 视网膜 (视网膜表面的分离光
接收器提供图案视觉, 分为锥状体、杆状体)
感觉的亮度区域不是简单的取决于强度，还与周围的背景有关
2.1 视觉感知要素
视觉错觉
光幻觉是人视觉系 统所特有的，迄今 还没有清楚的解释。 由于以上各种特殊 现象，在进行图像 处理时，应该采取 一些特殊的补偿措 施。
图和背景反转的图形
在错觉 中，眼 睛填上 了不存 在的信 息或错 误地感 知物体 的几何 特点。
2.1 视觉感知要素
辨别光强度变化的能力
典型实验
韦伯比
可辨别增I C量/的I 50%IC
图2.5 用于描述亮度辨别特性的基本实验
图2.6 作为强度函数的典型韦伯比
当背景光保持恒定时,改变其他光源亮度,从不能察觉到可以察觉间变化,一 般观察者可以辨别12到24级不同强度的变化.
低照明级别，亮度辨别(杆状体)较差;高照明级别，亮度辨别(锥状体)较好。
几何错觉图形
2.2 光和电磁波谱
电磁波谱可以用波长( )、频率( )或能量来描述
c 光速
E hv
h 普朗克常量
为波长, 为频率, E为电磁波能量
光速c 2.998 108 m/s 普朗克常数 h＝6.626068 ×10－34 m2 kg / s
2.2 光和电磁波谱
电磁波是能量的一种，任何有能量的物体，都会释放电磁波。
D8距离：D8(p,q)=max(|x-s|,|y-t|) (距离小于等于r的像素形成中心在（x,y）的方形)
数字图像处理基础2
数字图像处理基础2第二章数字图像处理基础2.1 图像数字化技术2.2 数字图像类型2.3 常用图像文件格式2.4 像素间的基本关系2.5 图像的几何变换2.1 图像数字化技术2.2 数字图像类型2.3 常用图像文件格式2.4 像素间的基本关系2.5 图像的几何变换简单的图像成像模型一幅图像可定义成一个二维函数f(x,y)。
由于幅值f 实质上反映了图像源的辐射能量，所以f(x,y)一定是非零且有限的，也即有：0<f(x,y)</f(x,y)图像是由于光照射在景物上，并经其反射或透射作用于人眼的结果。
所以，f(x,y)可由两个分量来表征：一是照射到观察景物的光的总量，二是景物反射或透射的光的总量。
设i(x,y)表示照射到观察景物表面(x,y)处的白光强度，r(x,y)表示观察景物表面(x,y)处的平均反射(或透射)系数，则有：f(x,y)=i(x,y)r(x,y)其中：0 < i(x,y) < A 1, 0 ≤r(x,y) ≤1对于消色光图像(有些文献称其为单色光图像)，f(x,y)表示图像在坐标点(x,y)的灰度值l ，且：l=f(x,y)这种只有灰度属性没有彩色属性的图像称为灰度图像。
显然：L min ≤l ≤L mxa区间[L min ，L max ]称为灰度的取值范围。
在实际中，一般取L min 的值为0，L max =L-1。
这样,灰度的取值范围就可表示成[0，L-1]。
当一幅图像的x 和y 坐标及幅值f 都为连续量时，称该图像为连续图像。
为了把连续图像转换成计算机可以接受的数字形式，必须先对连续的图像进行空间和幅值的离散化处理。
图像数字化：将模拟图像经过离散化之后，得到用数字表示的图像。
图像的数字化包括采样和量化两个过程。
连续图像空间离散数字图像幅度离散采样量化采样：是将在空间上连续的图像转换成离散的采样点（即像素）集的操作。
即：空间坐标的离散化。
量化：把采样后所得的各像素的灰度值从模拟量到离散量的转换称为图像灰度的量化。
数字图像处理复习
数字图像处理复习第一章概述1. 图像的概念及数字图像的概念。
图-是物体透射或反射光的分布，是客观存在的。
像-是人的视觉系统对图的接受在大脑中形成的印象或反映，图像是图和像的有机结合，是客观世界能量或状态以可视化形式在二维平面上的投影。
数字图像是物体的一个数字表示，是以数字格式存放的图像。
2. 数字图像处理的概念。
数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程，以提高图像的实用性。
3. 数字图像处理的优点。
精度高、再现性好、通用性、灵活性强第二章数字图像处理基础1. 人眼视觉系统的基本构造P14 图2.1人眼横截面简图2. 亮度的适应和鉴别人眼对光亮度的适应性非常高，一般情况下跨度达到10的10次方量级，从伸手不见五指到闪光灯强曝光。
3.光强度与主观亮度曲线。
P15 图2.4光强度与主观亮度的关系曲线4. 图像的数字化及表达。
（采样和量化的概念）图像获取即图像的数字化过程，包括扫描、采样和量化。
采样：将空间上连续的图像变成离散点的操作 量化：将像素灰度转换成离散的整数值的过程5. 图像采样过程中决定采样空间分辨率最重要的两个参数。
采样间隔、采样孔径6. 图像量化过程中量化级数与量化灰度取值范围之间的关系量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小.7. 像素的相邻领域概念（4领域，8领域）。
设为位于坐标处的一个像素（x+1,y ），（x-1,y ），（x,y+1），（x,y-1） 组成的4邻域，用)(4p N 表示。
（x+1,y+1），（x+1,y-1），（x-1,y+1），（x-1,y-1） 像素集用)p (N D 表示)(4p N 和)p (N D 合起来称为p 的8邻域，用)(8p N 表示。
8. 领域空间内像素距离的计算。
（欧式距离，街区距离，棋盘距离） p 和q 之间的欧式距离定义为： 22)()(),(t y s x q p D e -+-=p 和q 之间的4D 距离（也叫城市街区距离）定义为： t y s x q p D -+-=),(4p 和q 之间的8D 距离（也叫棋盘距离）定义为： ),max(),(8t y s x q p D --=第三章 图像的基本运算（书后练习3.2，3.9 ） 1. 线性点运算过程中各参数表示的含义（k ，b ）。
数字图像处理第2章课后题答案
第二章数字图像处理基础1.将一幅光学模拟图像转换为数字图像的过程叫做图像的数字化，包括扫描、采样、量化三个过程。
采样点数越多、量化级数越高，图像质量越好。
2.图像数字化过程中造成失真的原因有两个方面：第一个方面，在采样过程中，如果采样点数满足取样定理（即采样频率不小于最高截止频率的2倍）的情况下，重建图像就不会产生失真，否则就会因为取样点数不够而产生所谓混淆失真；第二个方面，在量化过程中，若图像不产生失真，则需要量化级数无穷大，而实际量化级数往往无法满足这样的取值而造成图像的失真。
3.人的眼睛是人类视觉系统的重要组成部分，当外界景象通过眼球的光学系统在视网膜上成像后，视网膜产生相应的胜利电图像并经视神经传入大脑；人眼的视网膜由感光细胞覆盖，感光细胞吸收来自于光学图像的光线，并通过晶体透镜和角膜聚集在视网膜上。
晶状体相当于普通光学镜头，对光线有屈光作用。
4.发光强度简称光强，指单色光源在给定方向上的单位立体角内发出的发光强度。
亮度是指发光体（反光体）表面发光（反光）强弱的物理量。
照度指物体被被照面单位时间内所接受的光通量。
主观亮度是指由观察者判断出的亮度称为主观亮度。
5.常用的颜色模型有RGB模型、CMYK模型、HSI模型等。
RGB模型是色光的彩色模型，因为是由红、绿、蓝相叠加形成其它颜色，因此该模型也叫加色合成法。
所有的显示器、投影设备，以及电视等许多设备都是依赖于这种加色模型的；CMYK模型也称减色合成法，主要应用于印刷行业中；RGB和CMYK颜色模型都是面向硬件的，但从人眼视觉特性来看，HSI模型用色调、饱和度和亮度来描述彩色空间能更好地与人的视觉特性相匹配。
6.由于彩色图像为RGB图像，利用三元组（R,G,B）来表示每个像素的值。
根据题意，三基色灰度等级为8，而23=8，则存储一个颜色分量所需的比特数为3，存储一个三元组所需的比特数为3⨯3=9，该图像大小为1024*768，则存储整幅图像所需的比特数为9⨯1024⨯768=7077888bit=864KB。
数字图像处理与分析基础整理ppt
显示功能：
显示的类型，黑白/伪彩色/真彩色显示 每个象素显示的bit数。 查找表（LUT，look -up table） 重叠显示、动态显示等。
指标3
帧存容量：图像硬件系统内部，图像存储体容 量的大小。
三部分：帧存的数目/单位帧存的点阵数（指图像系 统用来存储一幅图像必需的帧存，其容量大于等于 一幅数字图像的点阵数，小于两幅图像的点阵数， 通常取512512或10241024）/每个象素的字长 （用bit数表示，黑白或伪彩色系统为8bit，真彩色 系统通常为83bit/84bit），新增的通道用于图像 叠加处理。
优于46db
1/50(60)to1/100,000 数位处理AUTO
带稳压直流DC12V±10%
-20℃～+50℃ 自动AUTO 自动AUTO 380公克 60(宽)×50（高）×102（深）
摄像管
摄像机中利用电子束扫描把景物的光学 图像转换成电信号的一种真空电子管。
摄像管类别
氧化铅摄像管
具有良好的光电特性，灵敏度和分辨率高，靶面的 均匀性好。
图像存储
压缩、存储
压缩由系统内置的微处理器来完成。 压缩处理与存储图像所用的时间不可忽略，
因此在使用数码相机时可以明显感到较长的 等待时间。 图像格式的种类繁多，JPEG格式。
存储器
内置存储器
半导体存储器，安装在相机内部，用于临时 存储图像，接口传送。
可移动存储器
CompactFlash卡（CF） SmartMedia卡（SSFDC） ATA Flash
2.2.2图像数字化器的性能
像素大小 图像大小 被测对象的局部特征 线性度 灰度级 噪声
数字图像处理第二章作业
第二章数字图像处理的基本概念2. 图像数字化包括那两个过程？它们对数字化图像质量有何影响？答:图像数字化包括采样和量化两个过程。
采样：将空间上连续的图像变换成离散点的操作称为采样。
量化：将像素灰度转换成离散的整数值得过程叫量化。
影响：一般来说，采样间隔越大,所得图像像素越少,空间分辨率低，质量差，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。
量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；量化等级越少，图像层次欠丰富,灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小.3。
数字化图像的数据量与哪些因素有关？答：数字化前需要决定影像大小（行数M、列数N)和灰度级数G的取值.一般数字图像灰度级数G为2的整数幂。
那么一幅大小为M*N,灰度级数为G的图像所需的存储空间M＊N＊g（bit），称为图像的数据量.6。
什么是灰度直方图?它有哪些应用？从灰度直方图你能获得图像的哪些信息?答：灰度直方图反映的是一幅图像中各灰度级像素出项的频率之间的关系.以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图.应用：通过变换图像的灰度直方图可以，使图像更清晰，达到图像增强的目的。
获得的信息：灰度范围,灰度级的分布,整幅图像的平均亮度。
但不能反映图像像素的位置。
8。
图像处理按功能分有哪几种形式？答：按图像处理的输出形式，图像处理的基本功能可分为三种形式：(1）单幅图像-—>单幅图像;(2）多幅图像—-〉单幅图像；（3)单（或多）幅图像——>数字或符号等.12。
图像特性包括哪些类型？图像特征是图像分析的重要依据,它可以是视觉能分辨的自然特征,也可以是人为定义的某些特性或参数，即人工特征.数字图像的像素亮度、边缘轮廓等属自然特性；图像经过变换得到的频谱和灰度直方图等属人工特征.1、自然特征图像是空间景物反射或者辐射的光谱能量的记录，因而具有光谱特征、几何特征和时相特征。
数字图像处理第2章采样量化图像格式
又称输出分辨率，是指打印机输出图像时每英寸的点数(dp i)。打印机分辨率也决定了输出图像的质量，打印机分辨率越高， 可以减少打印的锯齿边缘，在灰度的半色调表现上也会较为平滑。 打印机的分辨率可达300－1200 dpi。
4） 扫描仪分辨率
单位长度上采样的像素个数。台式扫描仪的分辨率可以分
• 曲线3：
质量
细节较多的球赛观众图像 k
5
4 32 64 128 256 N
总结
一般，当限定数字图像的大小时, 为了得到质量较好的图像 可采用如下原则：
（1）对缓变的图像，应该细量化，粗采样，以避免假轮廓。
（2）对细节丰富的图像，应细采样，粗量化，以避免模糊。 对于彩色图像，是按照颜色成分——红、绿、蓝分别采样和量
2.3.3 用传感器阵列获取图像
传感器阵列
2．4 图像数字化技术
图像的数字化包括采样和量化两个过程。 设连续图像f(x, y) 经数字化后，可以用 一个离散量组成的矩阵g(i, j)（即二维数组） 来表示。
f (0,0) f (0,1) f (0, n 1)
g(i,
j)
g(1,0)
z 蓝 (Blu e) 品 红 (Magenta )
青 (Cyan ) O 红 (Red) x
绿 (Gre en) 黄 (Yello w) y
（2） 数字化采样一般是按正方形点阵取样的， 除此之外还 有三角形点阵、正六角形点阵取样。
（3）以上是用g (i, j)的数值来表示(i, j)位置点上灰度级值的
大小，即只反映了黑白灰度的关系， 如果是一幅彩色图像， 各点
的数值还应当反映色彩的变化，可用g (i, j, λ)表示，其中λ是波 长。如果图像是运动的，还应是时间t的函数，即可表示为g (i, j, λ, t)。
精品课件-《数字图像处理(第三版)》第2章 数字图像
其它
i 1,2,n
2.3 数字图像类型
矢量(Vector)图和位图（Bitmap），位图也称为栅格图像。 矢量图是用数学(准确地说是几何学)公式描述一幅图像。(计 算机图形学)
➢ 优点：一是它的文件数据量很小，因为存储的是其数学公式； 其二是图像质量与分辨率无关，这意味着无论将图像放大或 缩小了多少次，图像总是以显示设备允许的最大清晰度显示。
2.2.3 颜色变换
对彩色图像进行颜色变换，可实现对彩色图像的增强处理，改 善其视觉效果，为进一步处理奠定基础。 基本变换
➢ 颜色变换模型为：g(x,y)=T[ f ( x,y )] 式中：f ( x , y )是彩色输入图像，其值为一般为向量； g ( x , y )是变换或处理后的彩色图像，与 f(x,y)同维； T是在空间域上对f的操作。T对图像颜色的操作 有多种方式；
2.4 图像文件格式 数字图像有多种存储格式，每种格式一般由不同的软件公司开 发所支持。 文件一般包含文件头和图像数据。就像每本书都有封面，目录， 它们的作用类似于文件头，通过文件头我们可读取图像数据。 文件头的内容由该图像文件的公司决定，一般包括文件类型 、 文件制作者、制作时间、版本号、文件大小等内容，还有压缩方 式。
2.2.2 颜色模型
HSI 颜色模型 ➢ 色调H (Hue): 与光波的波长有关，它表示人的感官对不同 颜色的感受，如红色、绿色、蓝色等， ➢ 饱和度(Saturation): 表示颜色的纯度，纯光谱色是完合饱 和的，加入白光会稀释饱和度。饱和度越大，颜色看起来就 会鲜艳，反之亦然。 ➢ 强度I (Intensity)：对应成像亮度和图像灰度，是颜色的 明亮程度。 ➢ HSI模型建立基于两个重要的事实: (1) I分量与图像的彩色 信息无关； (2) H和S分量与人感受颜色的方式是紧密相联 的。这些特点使得HSI模型非常适合彩色特性检测与分析。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图 2.1人的视觉过程的流图
从上图我们可以看出人的视觉过程就是:当后图像信号通过视觉通道反映到大脑皮层，大脑皮层做出相应的处理， 像存储图像，信息提取，特征提取，决策和描述。最终做出反应。
2、图像的获取(ImageAcquisition)
图像获取中主要包括扫描、采样和量化。其关键技术有：采样——成像技术；量化—— 模数转换技术。将空间上连续的图像变换成离散点的操作称为采样，采样间隔和采样孔径的 大小它确定了图像的空间分辨率。一般来说，采样间隔越大，所得图像像素数越少，空间分 辨率低，质量差，严重时出现马赛克效应；采样间隔越小，所得图像像素数越多，空间分辨 率高，图像质量好，但数据量大。经采样图像被分割成空间上离散的像素，但其灰度是连续 的，还不能用计算机进行处理。将像素灰度转换成离散的整数值的过程叫量化。一幅数字图 像中不同灰度值的个数称为灰度级数，用 G 表示。 若一幅数字图像的量化灰度级数 G =256=28 级，灰度取值范围一般是 0~255 的整数，由于用 8bit 就能表示灰度图像像素的灰 度值，因此常称 8 bit 量化。数字化方式可分为均匀采样、量化和非均匀采样、量化。所谓 “均匀”，指的是采样、量化为等间隔。非均匀采样是根据图像细节的丰富程度改变采样间 距。细节丰富的地方，采样间距小，否则间距大。非均匀量化是对像素出现频度少的间隔大， 而频度大的间隔小。采用非均匀采样与量化，会使问题复杂化，因此很少采用。
D4( p, q) =x - s + y - t
（2.2）
根据这个距离度量，与点 (x, y) 的 D4 距离小于或等于某一值 d 的像素组成以 (x, y) 为中心的菱 形。
p 和 q 之间的 D8 距离（也叫棋盘距离）定义为：
D8( p,q) =max(x - s，y - t )
（2.3）
根据这个距离度量，与点 (x, y) 的 D8 距离小于或等于某一值 d 的像素组成以 (x, y) 为中心的方 形。
则 D 是距离函数或度量。 p 和 q 之间的欧式距离定义为：
De ( p, q) = (x − s)2 + ( y − t)2
（2.1）
根据这个距离度量，与点 (x, y) 的距离小于或等于某一值 d 的像素组成以 (x, y) 为中心，以 d 为 半径的圆。
p 和 q 之间的 D4 距离（也叫城市街区距离）定义为：
眼睛中的光接收器主要是视觉细胞，它包括锥状体和杆状体。中央凹（或称中心窝）部 分特别薄，这部分没有杆状体，只密集地分布锥状体。它具有辨别光波波长的能力，因此， 对颜色十分敏感。
视觉是人类的重要功能。视觉过程是一个非常复杂的过程。概括地讲，视觉过程有三个 步骤：光学过程、化学过程和神经处理过程。视觉过程的流图如图 2.1。
第 2章 数字图像处理的基础
2.1本章知识结构
图像处理基础
视觉系统 图像基础知识
人眼构造 眼睛中图像的形成 视觉过程 图像的数字化及表达 图像的获取 像素间的基本关系 图像的分类
2.2知识要点
1、人类的视觉感知系统(SystemofMan’sVisualSense)
本章主要介绍了人眼视觉的形成过程，人的视觉系统是由眼球、神经系统及大脑的视觉 中枢构成。该系统能够将外界的视觉信号在人眼中显现出来。
3、 像素间的基本关系(RelationsbetweenPixels)
图像像素间的关系主要是讨论了邻域，连通以及距离等概念。
其中邻域的概念是设 p 为位于坐标 (x, y) 处的一个像素，则 p 的 4个水平和垂直相邻像素的
坐标为：
(x + 1, y), (x −1, y) , (x, y + 1), (x, y −1) 上述像素组成 p 的 4邻域，用 N4(P) 表示。每个像素距 (x, y) 一个单位距离。
需要注意的是， p 和 q 之间的 D4 和 D8 距离与任何通路无关。然而，对于 m 连通，两点之 间的 Dm 距离（通路的长度）将依赖于沿通路的像素以及它们近邻像素的值。
5、图像的分类(ImageClassification)
图像有许多种分类方法，按照图像的动态特性，可以分为静止图像和运动图像；按照图 像的色彩，可以分为灰度图像和彩色图像；按照图像的维数，可分为二维图像，三维图像和 多维图像。其中运动图像可由一系列静止图像表示，彩色图像可分解成三基色图像，三维图 像可由二维图像重建。
像素 p 的 4个对角相邻像素的坐标为：
(x +1, y +1) , (x + 1, y −1) , (x −1, y +1) , (x − 1, y − 1)
该像素集用 ND (P) 表示。 ND (P) 和 N4(P) 合起来称为 P 的 8邻域。 像素间的连通性是一个基本概念，它简化了许多数字图像概念的定义，如区域和边界。
为了确定两个相似是否连通，必须确定它们是否相邻及它们的灰度是否满足特定的相似性准 则（或者说，它们的灰度值是否相等）。
4、像素距离（pixeldistance）
像素之间的联系常与像素在空间的接近程度有关。像素在空间的接近程度可以用像素之 间的距离来度量。为测量距离需要定义距离度量函数。
3) D( p,r) ≤ D( p, q) =D(q,r)
位图是通过许多像素点表示一幅图像，每个像素具有颜色属性和位置属性。位图可以从 传统的相片、幻灯片上制作出来或使用数字相机得到。
位图分成如下四种：二值图像 (binary images)、亮度图像 (intensity images)、索引图 像(indexed images)和 RGB 图像(RGB images)。