第二章数字图像处理PPT课件

采样点阵：方形、正三角、正六角
二维采样定理：采样频率大于图像信号最高频率的2倍 不满足采样定理，有混频现象
数字图像量化 –[量化] 所谓量化就是把亮度空间上连续的亮度变换成离散 值或整数值的一种操作。
–量化和采样是两个不同的概念，量化是在每个采样点上 进行的，所以必须先采样后量化。
–量化和采样是图像数字化的不可或缺的两个操作，所以 二者又紧密相关，同时完成。
b） 先计算所有可能的亮度值出现的概率分布， 对概率分布大的进行细量化 对概率分布小的进行粗量化
非均匀量化可以减少量化误差，又能用较少的比特数实现量化
采样与量化的关系
M、N—图像尺寸 G---每个像素所具有的离散灰度级数（不同灰度值的个数）
M 2m N 2n G 2K
存一幅图像所需的位数（bit） B=M×N×k
Adjacent 4-邻接（4-adjacent） 8-邻接（8-adjacent） m-邻接（混合邻接）
i(x, y)照度成分 r(x, y)反射成分
0i(x,y)
0r(x,y)1
由光源决定 由场景中的目标特性所决定
2.3 图像取样（采样）和量化
2.3.1 基本概念
数字图像采样 – [采样] 所谓采样就是把位置空间上连续的模拟图像变换成离 散点（称为采样点）的集合的一种操作。 –采样点对应采样所得的数字图像的像元。 –模拟图像 i(x, y) => 离散点阵 i(X, Y)。 注：小写表示实数，大写表示整数。 –Sampling
2.1.1视觉原理
成像过程：
视网膜图像主要反射到中央凹，由光接收器的相对刺激作用 产生感觉，把辐射来的能量变为电脉冲，由人脑判断。
反射
视网膜图 像
中央凹
电脉冲 人脑判读
2.1.2 亮度适应和区分
光：电磁辐射 刺激视觉
人眼可见区域：350～780um
380
780
人眼识别光的强度范围：由夜视阈值到强闪光之间1～1010级
2.1视觉感知
2.1.1 视觉原理 2.1.2 亮度适应和区分 2.1.3
2.1视觉感知
2.1.1视觉原理
2.1.1视觉原理
光接收细胞： 锥细胞：600～700万。对颜色敏感。充分识别图像细节，每个细
胞接一个神经末端，又叫适亮视觉（photopic vision）、白昼视 觉
柱细胞：7500～15000万，几个柱细胞联到同一个神经末梢，分辨 率低，提供视野的整体试象，不感受颜色对低照度敏感。 夜视觉
强度：f(x,y)0 I(x,y,)V()d
I－光分布，V－相对光强度效率函数。 亮度：（感觉到光强度）与环境有关。
亮度适应级：视觉系统的当前灵敏度级
2.1.2 亮度适应和区分
1、马赫带效应（mach）：基于视觉系统有趋于过高或过低估计
不同亮度区域边界值的现象
灰阶
马赫带效应
距离
2.1.2 亮度适应和区分
离散点阵 i(X, Y) => 数字图像 I(X, Y) Quantization f(x,y)采样 空间离散的像素矩阵 f(x,y)量化 对信号的幅度进行离散分层的过程
一、 均匀量化
二、非均匀量化： a） 基于视觉特性：对亮度值急剧变化部分无需过细分层，进行
粗量化对亮度值平缓变化部分需过细分层， 进行细量化
灰度分辨率
当图像的采样点数一定时，采用不同量化级数的图 像质量也不一样。量化级数越多，图像质量越好，当量 化级数越少时，图像质量越差，量化级数最小的极端情 况就是二值图像， 图像出现假轮廓。
（a）256个灰度级 (b)128个灰度级 （c）64个灰度级 (d)32个灰度级
（e）16个灰度级 (f)8个灰度级 （g）4个灰度级 (h)2个灰度级
2.4 像素之间的关系 2.4.1 邻域与邻接 2.4.2 距离
2.4.1Baidu Nhomakorabea邻域与邻接
[邻域] 对于任意像素(X, Y)，像素集合 { (x+m, y+n); 其中m、n取适 当的整数 } 称为该像素的邻域（neighbor）。
4-邻域
{ (X-1, y), (x+1, y), (x, y-1), (x, y+1) }
2.3.2 数字图像表示
2.3.3 空间和灰度级分辨率
空间分辨率：图象中可辨别的最小细节。 灰度级分辨率：在灰度级别中可分辨的最小变化。
原图像1024*1024
空间分辨率
对一幅图像，当量化级数Q一定时，采样点数 M×N对图像质量有着显著的影响。采样点数越多， 图像质量越好； 当采样点数减少时，图上的块状效 应就逐渐明显。
2、同时对比度： 基于人眼对某个区域感觉到的亮度并不仅仅依 赖于它的强度
同时对比度效应
3.视觉错觉
2.2 图像感知和获取
2.2.1.用单个传感器获取图像
2.2.2.用带状传感器获取图像
2.2.3.用传感器阵列获取图像
2.2.4 简单的图像形成模型
图像成像模型：
0f(x,y)
f(x,y)i(x,y)r(x,y)
丢细节）
N和k的关系：
（1）图像质量一般随N和k的增加而增加。在极少情况下对固定的N， 减少k能改进图像质量，因为增加了图像的反差
（2）对具有大量细节的图像常只需要很少的灰度级数就可较好地 表示
（3）b为常数的一系列图像主观看起来可以有较大的差异
•非均匀采样和量化
－细节部分，分配较多的采样 －灰度突变部分，可用较少的灰度级数
记为 N4 (P)
8-邻域
–{ (X-1, y), (x+1, y), (x, y-1), (x, y+1), (X-1, y-1), (x+1, y-1), (x-1, y+1), (x+1, y+1) }
记为 N8 (P)
P的角邻域，记为 ND(P)
[邻接] 如果任意两个像素相互存在于对方的4- / 8邻域中，则称这两个像素相互4- / 8-邻接。
128×128×6＝98304 （12kbyte） 512×512×8＝2097152 （256kbyte）
总数据量N×N×b位二进制数据。 当总存贮容量一定时，N与b怎么分配效果才最佳？
解： 无一般方法，取决于具体图像。 当纹理细节多时N大，b小。 当层次要求多时，则b大，N小。
例如： 人头像——要照顾层次?b大，N小（频带窄平滑，采样间隔可大）。 群众场面——纹理丰富?b小，N 大（频带宽，采样间隔要小，不