医学图像处理第二章 数字图像基础_PPT幻灯片

(x+1,y+1)
*
(x,y)
(x+1,y)
(x,y+1)
双线性内插
f(x,y)f(x,y) [f(x1,y)f(x,y)]
f( x, y1 )f( x, y1 ) (x ′,y ′) [ f( x1 , y1 )f( x, y1 )
f(x ,y )
f(x,y) [f(x,y 1) f(x,y)] f(x,y)(1 )(1 )
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。即：灰度 的离散化。
*
*
*
采样：Sampling，实际上采样方式由产生图像的传感器装 置决定：P40
量化：Quantization，由灰度级决定
*
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 瞬时对比现象(P32)
*
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉(P33)
*
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉
*
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉
有三层膜包围着眼睛 虹膜： 2mm~8mm，其作用
是控制入光量 视网膜：图像视觉，表面的
光接收器分为两类，即锥状 体和杆状体。锥状体数目600 万~ 700万 ，负责颜色和细节 识别，锥状视觉又称白昼视 觉；杆状体数目约7500万 ~15000万，无彩色感觉，称 夜视觉。 可把中央凹看作一个1.5 mm×1.5mm的方形传感器阵 列。
*
人眼的主观亮度并非简单的光强函数，下面是一些来自趣的例子： 视觉错觉*
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉
*
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉－栅格火花错觉
*
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子： 视觉错觉
*
如果一幅图像用f(x,y)表示，特殊像素用小写字母（p或q） 表示：
(x+1,y+1)
f(x 1,y)(1 ) f(x,y 1)(1 )
f(x 1,y 1)
*
缩小－欠采样 步骤同放大
*
整数倍放大 可通过简单的像素复制完成；
*
整数倍缩小 可通过简单的像素删除完成；
*
教学基本要求：
2.1 视觉感知要素； 2.2 图像感知和获取； 2.3 图像取样和量化； 2.4 像素间的一些基本关系；
1024*1024
*
1024*1024
512*512
256*256
128*128
64*64
32*32
小结： 从上面的图中我们可以看出，在图像尺寸不变的情况下，
空间分辨率高的图像比空间分辨率低的图像包含的像素多 ，像素点较小，因而图像更清晰。
如果图像出现棋盘格则说明采样数目不够。
*
*
256灰度级
三种主要传感器装置
单元成像传感器：用单个传感器获取场景成像； 线成像传感器：用带状传感器获取场景成像； 阵列成像传感器：用传感器阵列获取场景成像
*
单元成像传感器：如光敏二级管
通过x-y方向二维运动来得到二维图像。(P37)
*
线成像传感器：如平板扫描仪
线性移动每增加一个单位输出一个图像行；只需一维运动 就能得到二维图像。(P38)
16灰度级
8灰度级
4灰度级
*
小结： 从上面的图中我们可以看出，在空间分辨率不变的情况下
，灰度级高的图像比灰度级低的图像质量更好。
如果图像出现伪轮廓则说明灰度级数不够。
*
当限定数字图像的大小时, 为了得到质量较好的图像，一般可采用如 下原则：
对缓变的图像， 应该细量化， 粗采样， 以避免假轮廓。 对细节丰富的图像， 应细采样， 粗量化， 以避免模糊。
空间分辨率是图像中可辨别的最小细节，采样值是决定一 幅图像空间分辨率的主要参数。
灰度分辨率指在灰度级别中可分辨的最小变化，由量化的 等级决定，灰度级通常是2的整数次冥。
通常把大小为M ×N，灰度为L级的数字图像称为空间分 辨率为M ×N像素、灰度级分辨率为L级的数字图像。
*
64 32 128*128 256*256 512*512
*
放大－过采样
步骤一：创立新的像素位置（在原图像上放一个虚构的栅格） 步骤二：对新位置赋灰度值（两种最常用的插值方法：最近邻域插值
、双线性内插）
*
(x,y) (x+1,y)
(x,y+1)
最近领域插值
(x ′, y′)点的灰度值等于 离它最近的像素的灰度值； (x ′,y ′) 优点：算法简单、快捷 缺点：存大较大误差
*
阵列成像传感器：如CCD（Charge-coupled Device ，电荷耦合 元件）图像传感器。
不需要运动就能形成图像。
*
教学基本要求：
2.1 视觉感知要素； 2.2 图像感知和获取； 2.3 图像取样和量化； 2.4 像素间的一些基本关系；
*
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。
*
采样和量化的结果是一个实际矩阵。一幅有M行和N列的 数字图像表示如下：
f(0,0) f(0,1) f(0,N1)
f(x,y)
f(1,0)
f(1,1)
f(1,N1)
f(M1,0) f(M1,1) f(M1,N1)
离散坐标用整数表示，原点的坐标值是（0,0）
*
*
数字图像的质量在很大程序上取决于采样和量化中所用的 采样数和灰度级。
教学基本要求：
2.1 视觉感知要素； 2.2 图像感知和获取； 2.3 图像取样和量化； 2.4 像素间的一些基本关系；
*
教学基本要求：
2.1 视觉感知要素； 2.2 图像感知和获取； 2.3 图像取样和量化； 2.4 像素间的一些基本关系；
*
眼睛的形状近似于一个圆球 ，平均直径大约20mm
*
人眼的主观亮度并非简单的光强函数，下面是一些有趣的例子：
视觉错觉－埃斯切尔的不可能的盒子
*
教学基本要求：
2.1 视觉感知要素； 2.2 图像感知和获取； 2.3 图像取样和量化； 2.4 像素间的一些基本关系；
*
*
传感器原理：
通过对特殊类型检测能源敏感的传感器材料将输入量转变
为电压，传感器的响应是输出电压波形。