数字图像处理基础优秀课件 (2)
合集下载
《数字图像处理教学课件》第3章图像的基本运算（2）
实例
源图像
（b）双线性插值方法的结果
实例
用最近邻插值和双线性插值的方法分别将老虎放大 1.5倍。
实例
采用最近邻插值放大1.5倍 采用双线性插值放大1.5倍
比例变换中对应图像的确定
比例变换中对应图像的确定
假设输出图像的宽度为W，高度为H； 输入图像的宽度为w高度为h，要将输入图像的尺度拉伸或压
枕形失真
由镜头引起的画面向中间“收缩”的现象。
6.图像变形
图像变形（Image Warping） 图像变形合成（Image morphing ）
参数化(全局)变形（warping)
参数化变形实例
Translation 平移
Rotation 旋转
Aspect 缩放
Affine 仿射变换
Perspective 透视变换
x' a b c x y' d e f y 1 0 0 1 1
x' ax by c
y'
dx
ey
f
将三对对应点的坐标代入上面公式，
可以求得变换的
对于内的任意一个像素点，再计算其新的坐标，然后 颜色映像
三角变形实例
四边形区域的变换方法
图像变形的几何校正
用控制点及插值过程定义，通常具有较为复杂的数学 变换函数
投影变换
投影变换是下列变换的组合
仿射变换 投影变形
投影变换的性质:
原点无需变换至原点 线变换为线 比例不保持 平行线无需保持平行
x' a b c x y' d e f y w' g h i w
举例:三角变形
B
源图像
?
B’ 目标图像
T(x,y)
数字图像处理基础知识PPT课件
g(x,y) = 1/M (g1(x,y)+g2(x,y)+…+ gM(x,y))
当：噪声h(x,y)i为互不相关，且均值为0时， 上述图像均值将降低噪声的影响。
第 2.3.1 图像运算
二 章
数 • 生成图像叠加效果
字
图
对于两个图像f(x,y)和h(x,y)的均值有：
像
g(x,y) = 1/2f(x,y) + 1/2h(x,y)
处 理
推广这个公式为：
基
g(x,y) = αf(x,y) + βh(x,y)
础 知
其中α+β= 1
识
我们可以得到各种图像合成的效果，也可以
用于两张图片的衔接
第 2.3.1 图像运算
二 章
数 2)减法
字 图 像
• 运算的定义 C(x,y) = A(x,y) - B(x,y)
处 • 主要应用举例
理
–去除不需要的叠加性图案
z5的模板运算公式为： R = w1z1 + w2z2 + ... + w9z9
2.3.2 图像处理的算法形式
• 模板运算举例：均值变换
– 模板系数：wi = 1/9 – 计算公式：
R = 1/9(z1 + z2 + ... + z9)
2.3.2 图像处理的算法形式
3.大局处理（global operation)：
• 基于CCD光电耦器件的输入设备 – 摄像机、数字摄像机 – 数字相机 – 平板扫描仪
• 基于光电倍增管的输入设备 – 滚筒扫描仪
2.2 图像的输入
• 扫描仪分辨率与扫描图像的大小
– 分辨率：单位长度上采样的像素个数：DPI(dot/inch)
当：噪声h(x,y)i为互不相关，且均值为0时， 上述图像均值将降低噪声的影响。
第 2.3.1 图像运算
二 章
数 • 生成图像叠加效果
字
图
对于两个图像f(x,y)和h(x,y)的均值有：
像
g(x,y) = 1/2f(x,y) + 1/2h(x,y)
处 理
推广这个公式为：
基
g(x,y) = αf(x,y) + βh(x,y)
础 知
其中α+β= 1
识
我们可以得到各种图像合成的效果，也可以
用于两张图片的衔接
第 2.3.1 图像运算
二 章
数 2)减法
字 图 像
• 运算的定义 C(x,y) = A(x,y) - B(x,y)
处 • 主要应用举例
理
–去除不需要的叠加性图案
z5的模板运算公式为： R = w1z1 + w2z2 + ... + w9z9
2.3.2 图像处理的算法形式
• 模板运算举例：均值变换
– 模板系数：wi = 1/9 – 计算公式：
R = 1/9(z1 + z2 + ... + z9)
2.3.2 图像处理的算法形式
3.大局处理（global operation)：
• 基于CCD光电耦器件的输入设备 – 摄像机、数字摄像机 – 数字相机 – 平板扫描仪
• 基于光电倍增管的输入设备 – 滚筒扫描仪
2.2 图像的输入
• 扫描仪分辨率与扫描图像的大小
– 分辨率：单位长度上采样的像素个数：DPI(dot/inch)
数字图像处理(冈萨雷斯)2数字图像处理基础PPT课件
人眼对不同亮度的适应和鉴别能力
亮 暗 适应慢 暗 亮 适应快
55
（1）视觉适应性
2.1.3亮度适应和鉴别
✓亮度适应范围:1010量级（10-6mL（夜视域）～104mL（强闪光））；
✓与整个适应范围相比，人眼在某一时刻能鉴别的亮度级别范围很 小（以该环境的平均亮度为中心的一个小的亮度范围）；
✓亮度适应级（视觉系统当前的灵敏度级别）：
Bit数为:
b=M×N×k
(2.4-4)
因此，存储一幅512×512 ，有256个灰度级（k=8）的图像
需要512×512×8=2097152(Bit) 或
512×512=256K(Byte)
32 32
2.4.3 空间和灰度分辨率
空间分辨率（spatial resolution）
图像中可分辨的最小细节，主要由采样间隔值决定
0<r(x,y)<1 平均反射系数（reflectance） r ( x ,y ) 0 — — 全 吸 收 r ( x ,y ) 1 — — 全 反 射
单色图像在任何坐标(x0,y0)处的强度为图像在该处的灰度 级 l＝f(x0,y0),显然有 Lmin，l可L以ma规x 定灰度级范围为 [0,L-1]
2.1.3亮度适应和鉴别
✓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.
图2.5 亮度辨 别特性的基本 实验
图2.6 作为强
韦伯定理说明：
度函数
的典型
✓人眼视觉系统对亮度的对比度 敏感而非对亮度本身敏感；
韦伯比
✓低照度，韦伯比高，亮度辨别能力差；高照度，韦伯比低， 亮度辨别能力强；
亮 暗 适应慢 暗 亮 适应快
55
（1）视觉适应性
2.1.3亮度适应和鉴别
✓亮度适应范围:1010量级（10-6mL（夜视域）～104mL（强闪光））；
✓与整个适应范围相比，人眼在某一时刻能鉴别的亮度级别范围很 小（以该环境的平均亮度为中心的一个小的亮度范围）；
✓亮度适应级（视觉系统当前的灵敏度级别）：
Bit数为:
b=M×N×k
(2.4-4)
因此，存储一幅512×512 ，有256个灰度级（k=8）的图像
需要512×512×8=2097152(Bit) 或
512×512=256K(Byte)
32 32
2.4.3 空间和灰度分辨率
空间分辨率（spatial resolution）
图像中可分辨的最小细节，主要由采样间隔值决定
0<r(x,y)<1 平均反射系数（reflectance） r ( x ,y ) 0 — — 全 吸 收 r ( x ,y ) 1 — — 全 反 射
单色图像在任何坐标(x0,y0)处的强度为图像在该处的灰度 级 l＝f(x0,y0),显然有 Lmin，l可L以ma规x 定灰度级范围为 [0,L-1]
2.1.3亮度适应和鉴别
✓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.
图2.5 亮度辨 别特性的基本 实验
图2.6 作为强
韦伯定理说明：
度函数
的典型
✓人眼视觉系统对亮度的对比度 敏感而非对亮度本身敏感；
韦伯比
✓低照度，韦伯比高，亮度辨别能力差；高照度，韦伯比低， 亮度辨别能力强；
《数字图像处理基础》课件
数字图像的表示与存 储方式
讨论数字图像的表示方法，包 括二进制表示、向量图像和光 栅图像等。
第三章：数字图像预处理
1
图像增强
2
探讨图像增强的方法和技术，如直方图
均衡化、增强对比度等。
3
图像边缘检测
4
介绍常用的边缘检测算法，如Sobel、滤波
解释图像滤波的概念和作用，介绍常用 的滤波器及其应用。
《数字图像处理基础》 PPT课件
数字图像处理基础PPT课件将帮助您深入了解数字图像处理的原理、方法和应 用。通过本课程，您将掌握数字图像处理领域的基本概念和技巧，为将来的 进一步学习和应用打下坚实的基础。
第一章：数字图像处理概述
数字图像处理介绍
了解数字图像处理的定义和基本原理，并掌握其在各个领域中的应用。
第五章：数字图像特征提取与识别
图像特征提取
介绍图像特征提取的目的和方 法，如灰度共生矩阵和尺度不 变特征变换（SIFT）。
模板匹配
解释模板匹配的原理和应用， 讨论常见的模板匹配算法。
目标检测
探讨目标检测的技术和方法， 如基于特征的方法和深度学习 方法。
第六章：数字图像处理算法优化
1
图像处理算法优化的意义
图像二值化
讲解图像二值化的原理和算法，介绍基 于阈值的二值化方法。
第四章：数字图像分割
图像分割概述
解释图像分割的概念和作用，并 探讨常见的图像分割方法。
基于边缘分割
介绍基于边缘检测的图像分割方 法，包括Canny边缘检测和Sobel 边缘检测。
基于区域分割
讨论基于区域的图像分割方法， 如区域生长和分水岭算法。
数字图像技术趋势
讨论数字图像处理技术的趋势，如增强现实和虚拟现实的发展。
《数字图像处理》课件
数字图像处理的优势及应用前 景
数字图像处理能够提取、增强和分析图像中的信息，具有广泛的应用前景， 包括医学、遥感、安防、影视等领域。
主要应用领域
医学影像
数字图像处理在医学影像诊断中起到了关 键的作用，能够帮助医生更准确地诊断和 治疗疾病。
安防
数字图像处理在视频监控和图像识别中广 泛应用，能够提高安防系统的准确性和效 率。
遥感
遥感图像处理在土地利用、环境保护、气 象预测等方面发挥着重要的作用，能够提 供大量的地理信息。
影视
数字图像处理在电影、动画和游戏等领域 中起到了关键的作用，能够创造出逼真的 视觉效果。
《数字图像处理》PPT课 件
数字图像处理是应用数字计算机来获取、处理和展示图像的技术。它在医学 影像、遥感、安防、影视等领域都有广泛的应用。
背景介绍
随着计算机技术的发展，数字图像处理成为了一门重要的技术和学科，它能 够对图像进行增强、压缩、分割等处理，为人们带来了许多便利。
数字图像处理的定义
数字图像处理是使用计算机算法对数字图像进行各种操作和处理的过程，包 括图像增强、滤波、分割、特征提取等技术。
常见的数字图像处理方法
图像分割
图像压缩
将图像分成多个独立的区域， 用于目标检测和图像分析。
减少图像占用的存储空间， 提高传输速度和存储效率。
图像特征提取
从图像中提取出有用的特征 信息，用于分类和识别。
数字图像处理的未来发展方向
1 人工智能的应用
通过结合人工智能技术，使数字图像处理更加智能化和自动化。
2 虚拟现实与增强现实的结合
将数字图像处理技术与虚拟现实和增强现实相结合，创造出更逼真的虚拟体验。
3 社会影响与挑战随着数字图处理技术的发展，也带来了一些社会影响和挑战，需要加以关注和解决。
数字图像处理基础知识—图像处理基础(数字图像处理课件)
标 3.明显但不妨碍 等 标
准 4.稍有妨碍
准
5.明显妨碍
6.极妨碍(不能用
)
5.优 4.良 3.中 2.次 1.劣
6.优 5.良 4.中 3.稍次 2.次 1.极次
原联邦 五 +2 好得多 德国、 级 +1好 日本、 标 0相同 英国 准 -1坏
-2坏得多
英国、 七 +3 好得多 EBU等 级 +2 好
数字图像处理基础 1.3图像的视觉原理
表1.2 主观测试分级标准
损伤
质量
比较
每级的主观质量 国别 每级的主观质量 国别
比较的衡量 国别
五 1.不能察觉
原联 五
级 2.刚察觉不讨厌 邦德 级
标 3.有点讨厌
国、 标
准 4.很讨厌
日本 准
5.不能用等Leabharlann 六 1.不能察觉 英国、 六
级 2.刚觉察到 EBU 级
13
项目一 数字图像处理基础 1.3图像的视觉原理
在许多实际应用中，经常得不到参考图像或者获得参考图像付出代价太大，因而 要求算法降低对参考图像的依赖程度。同时，观测者往往并不需要参考图像就能够对图 像质量做出合理的评价。这表明观测者在进行评价时抓住了反映图像质量的最本质的特 征，也说明对无参考算法的研究更有可能揭示人类视觉感知的原理。因而,无参考算法 开始引起众多研究者的关注，相关的研究成果也不断增多,成为未来发展的趋势之一。
3.图像传感器 图像传感器主要完成光／电转换功能。图像传感器按
照结构可以分为两类：CCD型和CMOS型图像传感器，前 者采用光／电耦合器件构成，后者采用金属氧化物器件构成， 两者都采用光/电二极管结构感受入射光并转换为电信号， 区别在于输出电信号所用方式不同。
(完整版)数字图像处理课件第二章PPT文档
位图和矢量图的比较（4）
➢位图修改麻烦，矢量图形修改随心所欲
位图的编辑受到限制。位图是像素的排列，局部移动 或改变会影响到其他部分的像素(包括前面讲的对图像进 行放大)。
虽然矢量图形的作画方式特别（如前述例子），但是 在修改方面却是比点位图更胜一筹。在矢量图形中，一 个图形对象的改变，不会影响其他图形对象。
位图难以重复使用，矢量图形可以随意重复使用 在漫画创作中，尤其在漫画故事创作中，若能重复使用一些图像元素，可以大大提高创作效率。
采样方式：有缝、无缝和重叠采样。
18
第二章 数字图像处理基础
量化过程
将各像素的明暗信息离散化，用数字表示像素 点信息称为图像的量化。
量化值一般用整数来表示。考虑人眼的识别能 力，目前非特殊用途的图像均为8bit量化，即 用0~255描述“黑~白”。
若连续灰度值用z来表示，对于满足 zi≤z≤zi+1的z值，都量化为整数qi。qi称为像 素的灰度值，z与qi的差称为量化误差。
19
第二章 数字图像处理基础
量化过程
ቤተ መጻሕፍቲ ባይዱ
Zi＋ 1 Zi
Zi－ 1
qi＋ 1 qi－ 1
连续 灰度值 灰度 标度
量 化 值 (整 数 值 ) 灰度 量化
(a)
…
…
2 55 2 54
1 28 1 27
1 0
量化为8 bit
(b)
20
第二章 数字图像处理基础
量化级数
每个像素量化后的灰度二进制位数为Q，一般Q总是 取为2的整数幂，即Q=2k。
31
第二章 数字图像处理基础 基本相同的一幅Corel Draw矢量图漫画。同样是要修改女
孩的腰部。很简单，选择修改工具，如图2拖拉一下腰部曲线 的节点就可以把腰部调细了，如图3。不满意，再调整一下即 可(这种调整修改不会影响到其他图形对象，可以随意修改)。
➢位图修改麻烦，矢量图形修改随心所欲
位图的编辑受到限制。位图是像素的排列，局部移动 或改变会影响到其他部分的像素(包括前面讲的对图像进 行放大)。
虽然矢量图形的作画方式特别（如前述例子），但是 在修改方面却是比点位图更胜一筹。在矢量图形中，一 个图形对象的改变，不会影响其他图形对象。
位图难以重复使用，矢量图形可以随意重复使用 在漫画创作中，尤其在漫画故事创作中，若能重复使用一些图像元素，可以大大提高创作效率。
采样方式：有缝、无缝和重叠采样。
18
第二章 数字图像处理基础
量化过程
将各像素的明暗信息离散化，用数字表示像素 点信息称为图像的量化。
量化值一般用整数来表示。考虑人眼的识别能 力，目前非特殊用途的图像均为8bit量化，即 用0~255描述“黑~白”。
若连续灰度值用z来表示，对于满足 zi≤z≤zi+1的z值，都量化为整数qi。qi称为像 素的灰度值，z与qi的差称为量化误差。
19
第二章 数字图像处理基础
量化过程
ቤተ መጻሕፍቲ ባይዱ
Zi＋ 1 Zi
Zi－ 1
qi＋ 1 qi－ 1
连续 灰度值 灰度 标度
量 化 值 (整 数 值 ) 灰度 量化
(a)
…
…
2 55 2 54
1 28 1 27
1 0
量化为8 bit
(b)
20
第二章 数字图像处理基础
量化级数
每个像素量化后的灰度二进制位数为Q，一般Q总是 取为2的整数幂，即Q=2k。
31
第二章 数字图像处理基础 基本相同的一幅Corel Draw矢量图漫画。同样是要修改女
孩的腰部。很简单，选择修改工具，如图2拖拉一下腰部曲线 的节点就可以把腰部调细了，如图3。不满意，再调整一下即 可(这种调整修改不会影响到其他图形对象，可以随意修改)。
精品课件-《数字图像处理(第三版)》第2章 数字图像
j 1
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。
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。
数字图像处理第二章课件ppt课件
f(0,1) f(0,N1)
f(x,y)
f(1,0)
f(1,1)
f(1,N1)
f(M1,0) f(M1,0)
f(M1,N1)
F(x,y)在[0,L-1]有L个灰阶, 通常取L为2的k次幂
Chapter 2: Digital Image Fundamentals
R.C. Gonzalez, R.E. Woods
Chapter 2: Digital Image Fundamentals
R.C. Gonzalez, R.E. Woods
街区'City-Block'距离L1:
等距为4角星
D 4(p,q)xsyt
棋盘'chessboard'距离L : D 8(p,q)ma x x s,y (t)
等距为矩形
Chapter 2: Digital Image Fundamentals
R.C. Gonzalez, R.E. Woods
对像素p(x,y), q(s,t)和z(v,w), 距离函数D应满足: ① D(p,q)>=0 (D(p,q)=0, iff p=q) ② D(p,q)=D(q,p), and ③ D(p,z)<=D(p,q)+D(q,z)
例如用LM范数表示的通用Minkowski距离:
2.5 Some Basic Relationships Between Pixels 2.5.1 Neighbors of a Pixel
4邻接：
p
8邻接： p
m邻接(混合邻接)：邻点q与当前像素（点）p存在4邻接前景邻点；
或
q是p的对角邻点并且p和q没有公共的前景4邻点。
m邻接是8邻接的修订，它消除了应用8邻接可能引起的模糊性 ，如图2.26b（4或8邻接共存）。
- 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)。
光的特性 太阳或灯泡等光源发射可见光谱中的
全部频率而产生白色光。当白色光投射到 一个物体上时，某些频率被反射，某些则 被物体吸收了。在反射光中混合的频率确 定了人所感受到的物体的颜色。
如果在反射光中以低频率为主，则物 体呈现红色，此时，可以说光主要含有光 谱中红色端的频率。
3
人眼的构造
n 人眼是一个近似的球体， 直径约 2cm。
5
人眼的构造
杆状 锥状
秆状细胞
n 数目约 7500~15000万，视野内一般 的总体图像
n 没有色彩感觉，在低照明度下对图像 较敏感
n 几个杆状细胞连接到一个神经末端 n 秆状视觉叫做夜视觉或者暗视觉
5
图像的形成
n 成像过程 1. 视网膜图像主要反射在中央凹区域上 2. 然后由光接收器的相应刺激作用产生感觉 3. 感觉把辐射能转变为电脉冲最后由大脑解
这些图像显示了不同取样密度间的大小比例，但是 它们显示尺寸大小的差别使得很难看出减少取样数 目带来的影响。
用复制一行和一列的方法，将抽样后的图像都恢复1024×1024 像素进行比较，很明显小尺寸的图像恢复后有明显的块效应。
空间和灰度级分辨率
44
n 图像数字化器
• 图像数字化器的功能组件 • 图像数字化器的性能 • 图像数字化器的类型
Hale Waihona Puke n 人眼的视觉特性-视觉惰性
视觉惰性：人眼的主观亮度感 觉与光的作用时间有关，并且 光象一旦在视网膜上形成，在 它消失后，视觉将会对这个光 象的感觉维持一个有限的时间。
n 图像的采样和量化
• 图像数字化：指将模拟图像经过离散化之后， 得到用数字表示的图像。
离散化
模拟图像
数字图像
数字图像：用矩阵来描述的。
(d) 22*15
256×256
64×64
32×32
16×16
图像的量化与数字图像的质量
256灰度级
128灰度级
64灰度级
16灰度级
空间和灰度级分辨率
空间分辨率是图像中可辨别的最小细节 ü取样值多少是决定图像空间分辨率的主要参数
灰度级别分辨率是指在灰度级别中可分辨的最小变化。 灰度级数通常是 2 的整数次幂。
数字化器的性能
• 分辨率：单位尺寸能够采样的像素数， 由采样孔的大小和像素间距的大小决定；
• 灰度级：量化为多少等级； • 图像大小：允许输入图像的大小； • 扫描速度：采样数据的传输速度；
图像数字化器的类型
主要包括: – 数码相机 – 胶片扫描仪
n 常用图像数字化设备
Ø数字相机 Ø扫描仪 Ø数字摄像机
数字图像处理基础
第二章 数字图像处理基础
• 人眼的视觉特性 • 图像的采样和量化 • 图像数字化器 • 常用图像数字化设备 • 图像的灰度直方图 • 图像的文件格式
光的特性
光的本质是电磁波。在电磁波谱中，可见光仅占 很窄的一个波谱范围。其波长在380nm-780nm之间。 可见光的低频率端是红色，高频率端是紫色。从 高频道低频的光谱颜色的变化分别是紫、蓝、青、 绿、黄、橙、红。
图像数字化器的功能组件
• 采样孔：使图像数字化器能不受图像其他部分的 影响，而在整幅图像中扫描特定的独立像素单 元；
• 扫描器件：使采样孔以预先确定的方式在图像上 移动，按照顺序依次扫描图像的每一个像素；
• 光传感器：测量每一像素的亮度，将光亮度转化 为电流或电压信号；
• 量化器：将传感器输出的连续值转化为整数值； • 输出介质：将量化的灰度值以适当的格式存储。
i0,0
I
I[m,n]
i1,0
im1,0
i0,1 i1,1
im1,1
i0,n1
i1,n1
im1,n1
图像数字化
数字图像是模拟连续图像 f(x,y)通过取样、量化、 编码获得的。 Ø图像取样：图像空间离散化 Ø图像量化：图像幅度离散化（又称为灰度级量化） Ø编码：用有限比特去表示量化后的数值
数码相机的组成
o镜头
oCCD（电荷藕合器件 ） oA/D（模/数转换器）
数字相机前面板
oMPU（微处理器）
当没有必要对涉及像素的物理分辨率进行实际度量和 在原始场景中分析细节等级时，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。
37
下图分别演示在数字图像中不同取样值和灰度级别变化 的典型效果：
38
空间和灰度级分辨率
图中显示了一幅1024×1024 像素的图像，灰度级别 用8比特表示，其他图像是通过对1024×1024图像抽 样（直接隔行隔列删除得到）的结果。
n 外层由三层膜包裹 Ø角膜和巩膜 Ø脉络膜 Ø视网膜
人眼横截面简图
人眼的构造
人眼横截面简图
n 角膜是一种硬而透明的组织， 覆盖着眼睛的前表面。与角膜 相连的巩膜是一层包围着眼球 剩余部分的不透明膜。
n 脉络膜是眼睛重要的滋养源， 脉络膜外壳着色很重，有助于 减少进入眼睛外来光和眼球内 反向散射光的数量。
n 视网膜是眼睛最内侧的一层膜， 当眼球适当聚焦时，来自眼睛 外部的光在视网膜上成像。在 视网膜表面分散的光敏细胞提 供了视觉图案。
人眼的构造
杆状
n 视网膜表面的光接收器（光敏细胞）
分为两种：
n 锥状细胞 n 秆状细胞
锥状细胞
n 数目约 600~700 万，位于中央凹的部分
锥状
n 对颜色敏感度很高 n 锥状视觉叫做白昼视觉或者明视觉
图像取样和量化
图像取样和量化
与采样相关的概念(分辨率)
分辨率
传感器摄像的精确度。通常指要精确测 量和再现一定尺寸的图像所必需的像素 个数。 单位：像素*像素
分辨率 320x240
分辨率 160x120
分辨率 80x60
图象尺寸：176 * 127 分辨率：(a) 176 * 127 (b) 88 * 63 (c) 44*31
码
2.55mm
8
n 人眼的视觉特性-视错觉
这两个图形在视网膜上是固定不动的，但你对 它的感觉却是在两种可能图形中动摇。 同时感觉到两种有意义的图形是很困难的！
n 人眼的视觉特性-视错觉
n 人眼的视觉特性-视错觉
n 人眼的视觉特性-视在对比度
感觉的亮度区域不是简单取决于亮度
相同亮度的方块在不同背景下，感觉亮度不同；位于 中心位置的方块亮度相同，当背景变亮时，方块的亮 度变暗。 一张白纸放在桌子上看上去很白，但用白纸遮蔽眼睛 直视明亮的天空时，纸看起来总是黑的。