数字图像处理的基本原理

z 数字图像的数据以矩阵形式排列
一幅M×N个像素的数字图像，其像素灰度值的排列实际形 成了一个M行N列的矩阵F，数字图像中的像素与矩阵元素是 一一对应的
⎡ f (1,1) f (1,2) L f (1,N) ⎤
M 个 像
第i行、第 j列像素
⎢ ⎢
f (2,1)
FM×N
=
⎢ ⎢
L L
f (2,2) L
输出图像G（I，J）
f（x，y ）
g（x，y）
图3.6 点处理示意图
3.3.1 点处理
点处理的典型用途：
例如：一幅8位灰度图像，大小为512×512，其数据量为多大？
512×512×8位＝512×512×1字节＝512×512/1024＝256KB
3.2 用计算机处理数字图像
数字图像处理的实质： 通过对数字图像中像素数据的判断，依
据处理或识别要求，最后逐个修改像素的 灰度值。
3.2 用计算机处理数字图像
else
IPI_SetPixelValue (D_Image, x, y, 0);
}
}
二值化处理效果
灰度图像
二值图像
3.3 图像的处理方法之一—空域处理
图像处理的方法多种多样，从实现处理的过程 看有两类：
空域处理与频域处理。
空域：即空间域，指灰度图像本身，图像是一种灰度 在二维空间变化的信息。
空域处理：对源图像 像素的灰度值 直接运算，生成 新的图像，被操作者是像素的灰度值。
空域处理可分为以下几种方式：
z 点处理 z 区域处理 z 迭代处理 z 跟踪处理
3.3.1 点处理
点处理：是指输出像素值仅取决于对应输入
像素的像素值。
若输入像素灰度值为f（x，y），
输出像素灰度值为g（x，y），
则g（x，y）=ϕpf（x，y）， 输入图像F（I，J）
ϕp代表某种函数关系。
点处理
一般，灰度图像常量化为8位图像。
灰度值量化示意——
黑—灰—白色的连续变化的灰度量化为从0～255共256级灰度值。
0v
Zi-1
Zi
}
qi-1
黑色
M
qi
0 1
Zi+1
qi+1
灰色
127
128
M
5v
连续的 灰度值
量化值
（整数）
图3.3a 灰度值的量化
白色 灰度标准
254
255
灰度级分配
图3.3b 灰度级量化为8比特
f
(2,
N)
⎥ ⎥
L L
f (Li, j)
L⎥ L⎥
素
⎢ ⎢
L
wk.baidu.comLL
L
⎥ ⎥
⎢⎣ f (M,N) L L f (M,N)⎥⎦
N个像素
矩阵FM×N
图3.3.1 数字图像像素与矩阵元素 一一对应
• 矩阵可用二维数组来表示
一个M×N像素的矩阵，在算法语言中，可以用一个M×N 的二维数组来表示。
⎡ f (1,1) f (1,2) L f (1,N) ⎤
L LL L
(M ,1) L L (M , N )
矩阵FM×N
数组T[M，N]
图3.3.2 矩阵元素、数组元素一一对 应的关系
以后对像素的处理就代之以对数组元素的处理，很容易 用计算机来实现.
如何用高级语言实现图像处理？
¾ 在图像处理中，一般都是顺序完成对整幅画面的存取和处 理操作的，具有代表性的是以光栅扫描方式——逐行逐列 存取与处理。
第3章 数字图像处理的基本原理
主要内容：
9 图像的数字化 9 用计算机处理数字图像 9 图像的空域处理 9 图像的频域处理
3.1 图像的数字化
z 一般的图像（模拟图像）不能直接用计算机来处理，必 须首先转化为数字图像;
z 把模拟图像分割成一个个称为像素的小区域,每个像素
的亮度或灰度值用一个整数表示——图像的数字化。
灰度、亮度 等的分布
数字化
像素（抽样点）
模拟图像 图3.1 图像的数字化
数字图像
数字化的含义：
使模拟图像的灰度、亮度和色彩数据化.
数字图像
模拟图像（照片）
180
15
图像数字化的步骤
两个步骤：
z 一是在空间坐标对图像离散化——图像采样； z 二是在幅度上离散化——灰度级量化(取整)。
图像采样示意图
f(x,y)> Th阈值？
No
f(x,y)=255
f(x,y)=0
结束
二值化处理的程序 (一个CVI例子程序)
void CVICALLBACK Thresholding( ) {
int x,y,pixel_value，Th＝120; for(y=0; y< height; y++)
for(x=0; x< width; x++) {
⎢ ⎢
f (2,1)
f (2,2) L
f
(2,
N)
⎥ ⎥
FM×N
=
⎢ ⎢
L L
L L
f (Li, j)
L⎥ L⎥
⎢ ⎢
L
LL
L
⎥ ⎥
⎢⎣ f (M, N) L L f (M,N)⎥⎦
(1,1) (1,2) L (1, N ) (2,1) (2,2) L (2, N )
LL LL (iL, j) LL
图3.3 灰度值量化
数字图像数据量的计算
z 抽样点数越多，图像像素数目越多，图像数据量越大； z 量化级别越高，图像每个像素所占用的字节越长，图像数 据量越大。
一幅数字图像的总数据量可用如下公式计算， 数据量 = M × N × b
M——每行像素数； N——每列像素数； b——灰度量化所占用的位数或字节数
S_Image:源图像 D_Image：结果图像 width : 宽 height : 高
Th: 阈值（开关值）
IPI_GetPixelValue (S_Image, x, y, &pixel_value);
if(pixel_value>Th)
Th:阈值
IPI_SetPixelValue (D_Image, x, y, 255);
¾ 若数字图像的大小为M×N(width*height)个像素，数组元
素灰度值为f(x,y)，则C语言处理程序的基本框架为：
M
for（y=0；y＜ N；y++） {
for（x=0；x＜ M ；x++） {
（对f（x，y）的具体处理与运算）； } }
y
x N
图像二值化流程
取像素数据f（x，y）
Yes
z 例如，若图像分辨率为400*300(宽*高）
水平采样400个点
整幅图像被采样为 400*300个像素
垂直抽样 300条
3.1.1 灰度值量化
经过采样,模拟图像已在空间上离散化为像素，但抽样 所得的像素值仍是连续量（非整数），必须将其化为正整 数——灰度级的量化。
若 抽 样 点 （ 像 素 ） 的 连 续 浓 淡 值 为 Zi，Zi-1≤Zi＜Zi+1， 则 Zi=qi，即Zi量化为整数qi，qI称为像素的灰度值，