数字图像处理-2-数字图像处理基础
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”
第2章数字图像处理基础
DWORD
biSize;
LONG
biWidth;
LONG
biHeight;
WORD
biPlanes;
WORD
biBitCount;
DWORD
biCompression;
DWORD
biSizeImage;
LONG
biXPelsPerMeter;
LONG
biYPelsPerMeter;
DWORD
biClrUsed;
} BITMAPFILEHEADER;
这个结构的长度是固定的，为14个字节（WORD为无符号16位二 进制整数，DWORD为无符号32位二进制整数）。
第二部分为位图信息头BITMAPINFOHEADER，也是一个结构，其定义如下：
typedef struct tagBITMAPINFOHEADER{
R、 G、 B 值。下面就2色、 16色、256 色和真彩色位图分别介绍。
对于2色位图，用1位就可以表示该像素的颜色（一般0表示 黑， 1表示白），所以一个字节可以表示8个像素。
对于16色位图，用4位可以表示一个像素的颜色，所以一个 字节可以表示2个像素。
对于256色位图，一个字节刚好可以表示1个像素。
下面两点请读者注意：
（1） 每一行的字节数必须是4的整数倍，如果不是，则需 要补齐。这在前面介绍biSizeImage时已经提到过。
（2） BMP文件的数据存放是从下到上，从左到右的。也 就是说， 从文件中最先读到的是图像最下面一行的左边第一个 像素， 然后是左边第二个像素， 接下来是倒数第二行左边第 一个像素， 左边第二个像素。依次类推， 最后得到的是最上 面一行的最右边的一个像素。
2.3.1 BMP图像文件格式
数字图象处理：二 数字图像基础
●常用的像素间的基本关系
2.1 人的视觉感知要素
人的视觉特性是选择数字图像处理方法的基础。
2.1.1 人眼的构造
盲点
杆状细胞和锥状细胞的分布密度曲线
2.1.2 眼睛中图像的形成
2.1.3 眼睛的亮度适应和鉴别
主观亮度：
人视觉系统感觉到的亮度 主观亮度是进入眼睛的光 强度对数的函数。 亮度适应现象： 人的视觉绝对不能在
分辨率 160x120
分辨率 80x60
灰度级不同的图象比较
2.4.5 放大和收缩数字图像
(是图像几何变换的特例，放在第5章的图像几何变换中讲)
2.5 像素间的一些基本关系 2.5.1 相邻像素（考虑像素和周围像素的关系） 像素的4邻域 N4 ( p) 像素的8邻域 N8 ( p) 2.5.2 连通 性
一个范围内工作ຫໍສະໝຸດ 感觉亮度不是简单的强度函数
马赫带现象
同时对比现象
视觉错觉
2.2 光和电磁波谱
400nm(紫)~790nm(红)
2.3 图像感知和获取
数字图像获取包括两部分：传感器和数值量化
2.3.1 用单个传感器获取图像
● 一次输出一个点的电信号。
2.3.2 用线阵传感器获取图像
●
●
图像间的乘除是逐点进行乘除。
2.6 数字图像处理中的数学工具
包含：
矩阵与阵列操作、线性与非线性操作、算术操作几 何与逻辑操作、空间操作、向量与矩阵操作、图像 变换、概率方法等
本章小结：
本章介绍了数字图像处理的最基本知识，如图 像的获取(采样和量化)，数字图像的表示，图像空 间和灰度分辨率的影响，以及像素间的关系等，作 为后面章节的基础
● 一次输出图像的一行。
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。
数字图像处理2数字图像基础-4,5,6
2.5 图像处理算法的形式
二.图像处理的几种具体算法形式 1.局部处理
对于任一像素（i，j），把像素的集合 {（i+p,j+q），p、q取任意整数}叫做该像素的邻 域，
2.5 图像处理算法的形式
依赖于起始像素的位置。为此，跟踪处理的结果与从图像 哪一部份开始进行处理相关。
②能够根据利用在此以前的处理结果来限定处理范围，从而 可能避免徒劳的处理。另外，由于限制了处理范围，有可 能提高处理精度。
③用于边界线、等高线等线的跟踪(检测)方面。如根据搜索 法检测边缘曲线。
2.5 图像处理算法的形式
4.位置不变处理和位置可变处理 输出像素JP(i，j)的值的计算方法与像素
的位置(i，j)无关的处理称为位置不变处理或 位移不变处理。随位置不同计算方法也不同的 处理称为位置可变处理或位移可变处理。
2.5 图像处理算法的形式
5.窗口处理和模板处理 单独对图像中选定的矩形区域内的像素进
行处理的方式叫做窗口处理。 单独对图像中选定的任意形状的像素进行
0
255 0
255 0
255
(a) 恰当量化 (b)未能有效利用动态范围 (c)超过了动态范围
2.4 图像灰度直方图
２. 边界阈值选取（确定图像二值化的阈值）
假设某图象的灰度直方图具有 二峰性，则表明这 个图象的较亮的区域和较暗的区域可以较好地分离， 以这一点为阈值点，可以得到好的二值处理的效果。
2.4 图像灰度直方图
1 2 3 45 6 6 4 3 22 1 1 6 6 46 6 3 4 5 66 6 1 4 6 62 3 1 3 6 46 6
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-第二版-贾永红-复习资料
第一章导论图像是对客观存在对象的一种相似性的、生动性的描述或写真。
模拟图像空间坐标和明暗程度都是连续变化的、计算机无法直接处理的图像数字图像空间坐标和灰度均不连续的、用离散的数字（一般整数）表示的图像（计算机能处理）。
是图像的数字表示，像素是其最小的单位。
数字图像处理（Digital Image Processing）利用计算机对数字图像进行（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从而获得某种预期的结果的技术。
（计算机图像处理）数字图像处理的特点（1）处理精度高，再现性好。
（2）易于控制处理效果。
（3）处理的多样性。
（4）图像数据量庞大。
（5）图像处理技术综合性强。
数字图像处理的目的（1）提高图像的视感质量，以达到赏心悦目的目的。
（2）提取图像中所包含的某些特征或特殊信息。
（3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。
数字图像处理的主要研究内容（1）图像的数字化（2）图像的增强（3）图像的恢复（4）图像的编码（5）图像的重建（6）图像的分析（7）图像分割与特征提取（8）图像隐藏（9）图像通信图像工程的三个层次（1）图像分析：图像分析主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述。
（2）图像理解：图像理解的重点是在图像分析的基础上，进一步研究图像中各个目标的性质和他们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行动。
（3）图像处理：数字图像处理的应用领域1.通信：图象传输，电视电话等。
2.宇宙探测：星体图片处理。
遥感：地形、地质、矿藏探查，森林、水利、海洋、农业等资源调查，自然灾害预测，环境污染的监测，气象云图。
3.生物医学：CT，X射线成象，B超，红外图象，显微图象。
4.工业生产：产品质量检测，生产过程控制，CAD，CAM。
5.军事：军事目标侦察，制导系统，警戒系统，自动火器控制，反伪装等。
数字图像处理的基本概念(2)2022优秀文档
LOGO
1.1 什么是数字图像
一幅照片、一张海报、一幅画都是图像，然而这些都是传统的模 拟图像，这些图像的载体是“原子〞。
随着数字技术的不断开展和运用，现实生活中的许多信息都可以 用数字方式的数据进展处置和存储，也就是说，以“比特〞的方式进 展存储，数字图像就是这种以数字方式进展存储和处置的图像。数字 图像的载体是计算机的硬盘、光盘、U盘等数字存储器。
LOGO
1.2 获得数字图像的方法
1.2.1 数字是如何表示图像的 如表1.1，是一个矩形数字点阵，其中每个数字都在0和255之间
，计算机运用0-255之间的数表示黑白图像的浓度，称为灰度级。0表 示纯黑色，255表示纯白色.
LOGO
1.2 获得数字图像的方法
1中的每个点“翻译〞成图1. 假设允许R、G、B分量不一样，图像就会呈现出彩色信息，构成彩色图像。 计算机图像处置中常用的颜色模型是RGB模型，这里R表示红色，G表示绿色，B表示蓝色。 1中的每个点“翻译〞成图1. 指该图像在空间域上的采样数。 在U盘、硬盘、光盘等数字存储器中，数字图像是以表1. 4 图像处置的主要入门概念 获得数字图像的过程是上述“翻译〞过程的逆过程。 3 数字图像的优势 2 获得数字图像的方法 在加工、处置、印刷方面，数字图像的优势更为明显 。 每个像素都是介于黑和白之间的一个灰度颜色，没有彩色信息，这样的图像称之为灰度图像。 思索图像分辨率和图像文件大小的关系，并举例阐明。
模拟图像中的图像信号是以延续的方式存在于图像介质中。
1，是一个矩个形数像字点素阵点，其都中每很个小数字，都在看0和起25来5之就间，成计算为机一运用个0-2延55之续间的的数图表示像黑白。图假像的设浓度我，们称为将灰度这级样。 的
遥感数字图像处理基础 知识点
第一章数字图像处理根底1数字图像处理：将图像转换成一个数字矩阵存放在图像存储器中，然后利用计算机对图像信息进行数字运算和处理，以提高图像质量或者提取所需要的信息2数字图像获取：把客观场景发射或者发射的电磁波信息首先利用光学成像系统生成一副模拟图像，然后通过模数转换将模拟图像转换为计算机可以存储的离散化数字图像。
3采样：即图像空间坐标或位置的离散化，也就是把模拟图像划分为假设干图像元素，兵赋予它们唯一的地址。
；离散化的小区域就是数字图像的根本单元，称为像元也称像素。
量化：即电磁辐射能量的离散化，也就是把像元内的连续辐射亮度中离散的数字值来表示，这些离散的数字值也称灰度值，，因为它们代表了图像上不同的亮暗水平。
4遥感数字图像获取特征参数质量特征：⑴空间分辨率：数字图像上能被详细区分的最小单元的尺寸或大小⑵辐射分辨率传感器探测原件在接受光谱信号时，所能分辨的最小辐射度差信息量特征：⑴光谱分辨率：传感器探测元件在接收目标地物辐射能量时所用的波段数目⑵时间分辨率：对同一区域进行重复观测的最小时间间隔。
5模拟图像：在图像处理中通过某种物理量的强弱变化来记录图像亮度信息的图像6数字图像：把连续的模拟图像离散化成规那么网格并用计算机以数字的模式记录图像上各网格点亮度信息的图像7数字图像特性：①空间分布特性：1空间位置：数字图像以二维矩阵的结构的数据来描述物体，矩阵按照行列的顺序定位数据，所以物体的位置也是用行列号表示。
2形状：点状线状和面状3大小：线状物体的长度或面状物体的面积，表现为像元的集聚数量4空间关系：包含，相邻，相离三种拓扑关系②数值统计特性：对图像的灰度分布进行统计分析。
图像的灰度直方图：用来描述一幅数字图像的灰度分布，横坐标为灰度级，纵坐标为灰度级在图中出现8直方图的用途：1图像获取质量评价2边界阙值的选择3噪声类型的判断9遥感数字图像的输出特征参数：1输出分辨率：屏幕分辨率和打印的分辨率2灰度分辨率：指输出设备能区分的最小灰度差3颜色空间模型：RGB 模型CMYK模型HSI颜色模型10数字图像种类：1.黑白图像：二值数字图像，0表示黑色1表示白色；2.灰度图像：单波段图像每个像元的灰度值的取值范围由灰度量决定;3.伪彩色图像：把单波段图像的各灰度值按照一定规那么映射到颜色空间中某一对应颜色;4.彩色图像：由红绿蓝3个颜色通道的数字层组成的图像第二章数字图像存储1比特序：一个字节中8个比特的存储顺序称为比特序。
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。
第二章 数字图像处理基础
BMP图像文件格式
文件说明
属性 bfType bfSize bf1 bf2 bfOffBits biSize biWidth 所占字节数 2 4 2 2 4 4 4 起始字节 1 3 7 9 11 15 19 说明 文件类型（“BM”） 文件大小 保留 保留 第一个位图数数的偏移量 文件信息头的长度 位图的宽度（单位是象素）
位图的有关术语
像素（Pixel）
(可大可小）
采样点 （Sample）
位图的有关术语
图像分辨率： 每英寸图像含有的点或像素个数（dpi）
分辨率越高，图像细节越清晰，但文件尺寸大， 处理的时间长，对设备的要求高。
位图的有关术语
打印机分辨率： 打印图像时每英寸的点数(dpi)
激光打印机的分辨率可达600～1200dpi。
0, , 80 200 B 0, , 0 110 255, , 255 255
2.1 图像数字化
2.1.3 采样与量化参数的选择
采样间隔：影响着图像细节的再现程度，反映数字化 后的图像呈现何种的细微程度。采样间隔越大，图像的像素 数越少，空间分辨率低，质量差。严重出现像素块状的棋盘
2. 图像数字化器的性能
（1）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；
（2）灰度级：量化为多少等级；
（3）图像大小：允许输入图像的大小；
（4）扫描速度：采样数据的传输速度；
（5）噪声：数字化器的噪声水平。
（6）线性度：线性度是指对光强进行数字化时，灰 度正比于图像亮度的实际精确程度。
数字图像根据灰度级数的差异，可分为：
二值图像、灰度图像和彩色图像 二值图像：
数字图像处理(冈萨雷斯)-2_数字图像处理基础解析
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
采样间隔值越小，空间分辨率越高
a)20 km/pixel;
空间分辨率
（低）
b)10 km/pixel
空间分辨率
（高）
灰度级L不变
空间分辨率变化对图像视觉效果的影响
(a) 原始图像(256×256)(b)采样图像(128×128)(c)采样图像(64×64)
像素的相邻仅说明了两个像素在位置上的关系，若 再加上取值相同或相近，则称两个像素邻接。
1、两个像素p和q邻接的条件 （1）位置相邻
p(m,n)和q（s,t）位置上满足相邻，即
（2）灰度值相近，即称为灰度值相近（似）准则。 称为灰度值相近（似）准则。
2、邻接性
2.5 像素间的一些基本关系
令V是用于定义邻接性的灰度值集合（相似性准则），存 在三种类型的邻接性：
(1) 4邻接:若像素p和q的灰度值均属于V中的元素，且q 在N4(p)中，则p和q是4邻接的.
(2) 8邻接:若像素p和q的灰度值均属于V中的元素，且q 在N8(p)集中,则p和q是8邻接的.
(3) m邻接(混合邻接):若像素p和q的灰度值均属于V中的 元素，{①q在N4(p)中,或者②q在ND(p)中}且{集合 N4(p)∩N4(q)没有V值的像素},则具有V值的像素p和q 是m邻接的.
(b)图中，q1和q2 之间存在2条通路； (c)图中，q1和q2 之间只有1条通路；（m通路）
有
，可以规定灰度级范围为[ 0 , L - 1]
2.4 图像取样和量化
获取图像的目标是从感知的数据中产生数字图 像，但是传感器的输出是连续的电压波形，因此需 要把连续的感知数据转换为数字形式。
数字图像处理第2章
Digital Image Processing
2.1 色度学基础
颜色模型 人眼视觉的感受颜色可用色调(hue),饱和度 人眼视觉的感受颜色可用色调(hue),饱和度 ), (saturation)和亮度(brightness)来表示. (saturation)和亮度(brightness)来表示. 各种表示颜色的方法,称做颜色模型.目前使用最多 各种表示颜色的方法,称做颜色模型. 的是面向机器(如显示器,摄像机,打印机等)的RGB模型 的是面向机器(如显示器,摄像机,打印机等) RGB模型 和面向颜色处理(也面向人眼视觉) HSI(HSV)模型. 和面向颜色处理(也面向人眼视觉)的HSI(HSV)模型.
f s ( m , n ) ← f s ( x , y ) = f ( x , y ) s( x , y ) =∑
m
∑
n
f ( m x , n y )δ ( x m x , y n y )
Digital Image Processing
2.3 图像数字化
x
y
图2.3.1 采样函数s(x,y)的图示 采样函数s(x,y) s(x,y)的图示
120°
0°
240°
Digital Image Processing
2.1 色度学基础
RGB和HIS之间的模型转换: RGB和HIS之间的模型转换: 之间的模型转换
(1) RGB转换到HSI RGB转换到 转换到HSI (2) HIS转换到RGB HIS转换到 转换到RGB 常见数字图像处理流程,其中包含了RGB模型和HSI模型之间 RGB模型和HSI模型之间 常见数字图像处理流程,其中包含了RGB模型和HSI 的转换. 的转换.
I分量 I分量图 像处理
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)。
电磁波是能量的一种，任何有能量的物体，都会 释放电磁波。
2.2 光和电磁波谱
人从物体感受的颜色由物体反射光决定
若所有反射的可见光波长均衡，则物体显示白色 有颜色的物体是因为物体吸收了其他波长的大部分能
量，从而反射某段波长范围的光。
没有颜色的光叫 单色光 或 消色 ， 灰度级 通常用来描述
眼球屈光系统将外界物体
成像在视网膜上
视网膜的感光细胞将光信
号转变成生物电信号
经视网膜神经元网络处理，
编码，在神经节细胞形成 动作电位
神经节细胞动作电位由其
轴突形成的视神经传至大 脑，形成视觉
视觉及视知觉
视觉的基本功能
空间辨别 时间辨别
颜色视觉
图形知觉 空间知觉
21:23
思考： 1、为什么图像经常用512×512、256×256、128×128 等形式表述； 答: 因为当图像的大小是2的次幂时，图像的许多计算 可以得到简化。 2、存储一幅512×512，有256个灰度级的图像需要多 少比特？
答: 存储一幅大小为M×N，有2k个不同灰度级的图像所用的Bit数 为: b=M×N×k (2.4-4)
单色光的强度，其范围从黑到灰，最后到白。
在原理上，如果可以开发出一种传感器，能够检测由
一种电磁波谱发射的能量，就可以在那一段波长上对 感兴趣的物体成像。
2.2 光和电磁波谱
灰度和色彩：
彩色模型: RGB 加色法 CMY,CMYK 减色法 HSB(色泽,饱和度,明亮度)
2.2 光和电磁波谱
彩色光源的三个基本属性：
( x, y)
( x , y )
( x, y)
双线性内插方法
v( x ', y ') ax ' by ' cx ' y ' d (2.4.6)
2.4.5 （2）图像放大的效果比较（例2.4)
图像的收缩与放大
用最近领域内插法(上一行)和双线性内插法(下一行)得到的放大图像 分别将128×128,64×64, 32×32放大到1024×1024
2.4 图像取样和量化
获取图像的目标是从感知的数据中产生数字图 像，但是传感器的输出是连续的电压波形，因此需 要把连续的感知数据转换为数字形式。
这一过程由图像的取样与量化来完成。
数字化坐标值称为取样
数字化幅度值称为量化。
图像的取样率：单位距离的取样数目（在两个空间方 向上）
2.4
图像取样和量化
2.4
6 bit
5 bit
2 bit
1 bit
灰度级从256到2的数字图像
小结：
阅读例2.2
2.4.3 空间和灰度分辨率
图像的分辨率表示的是能看到图像细节的多少，显 然依赖于M×N和L
保持M×N不变而减少L则会导致假轮廓 保持L不变而减少M×N则会导致棋盘状效果
图像质量一般随着M×N和L的增加而增加，但存储量 增大。
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)
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
采样间隔值越小，空间分辨率越高
（2）辨别光强度变化的能力
2.1.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
韦伯定理说明： 人眼视觉系统对亮度的对比度敏 感而非对亮度本身敏感； 图2.6 作为强 度函数 的典型 韦伯比
①发光强度——从光源流出的能量的总量。单位：瓦特(W)
②光通量——观察者从光源感受到的能量。单位：流明(lm)
1 lm m
2
一公尺外烛光的照度
③亮度——光感受的主观描绘子。单位：不能测量
2.3 图像的感知和获取
2.3.4 简单的图像成像模型
图像形成模型
在特定坐标(x,y) 处，通过传感器转 换获得的f值为一正 的标量。 函数 f(x,y)由：①入射
(e)采样图像(16×16)
(c)采样图像(8×8)
灰度分辨率
灰度级别中可辨别的最小变化，通常也把灰度级L称为
灰度分辨率
空间分辨率M×N不变
灰度级分辨率对图像视觉效果的影响
8 bit 7 bit 4 bit
3 bit
256
128
16
8
64
32
灰度级分别为 256,128,64,32的 数字图像 4 2
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极少出现的范围,则量化间隔取大一些.
由于图像灰度值的概率分布函数因图像不同而异,所以不可能
找到可用于所有图像的最佳非等间隔量化方法.
2.4.2．数字图象的表示
f (0,1) f (0, N 1) f (0,0) f (1,0) f ( 1 , 1 ) f ( 1 , N 1 ) f ( x, y ) f ( M 1 , 0 ) f ( M 1 , 1 ) f ( M 1 , N 1 ) 这个表达式的右侧定义 了一幅数字图像。矩阵 中的每个 元素称为图像像素。
第2章 数字图像基础
要想成功，就必须弄清楚基础问题。
——亚里士多德
本章内容
2.1 2.2 2.3 2.4 2.5 2.6 视觉感知要素 光和电磁波谱 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
本章要求
了解图像数字化过程及分辨率变化对图像的影响；
对角邻域 (m+1,n+1),(m+1,n-1),(m-1,n+1),(m-1,n-1) ND(p)
8邻域
N4(p) + ND(p)
N8(p)
4邻域
对角邻域
8邻域
2.5 像素间的一些基本关系
2.5.2 邻接性、连通性、区域和边界
像素的相邻仅说明了两个像素在位置上的关系，若 再加上取值相同或相近，则称两个像素邻接。
sensor
到观察场景的光源
总量； ②场景中物 体反射光的总量组
成。
我们感兴趣的各类图像都是由“照射”源和形成图像 图像系统的线性模型 的“场景”元素对光能的反射或吸收相结合而产生的。
2.3.4 简单的图像成像模型
入射分量
反射分量
f ( x, y ) i ( x, y ) r ( x, y ) (2.3 2)
2.5 像素间的一些基本关系
主要内容
相邻像素
邻接性、连通性、区域和边界
距离度量
基于像素的图像操作
图像的代数运算性、连通性、区域和边界
2.5 像素间的一些基本关系
2.5.1 相邻像素
对于像素p(m,n)
4邻域 (m+1,n),(m-1,n),(m,n+1),(m,n-1) N4(p)
灰 度 图 像
彩 色 图 像
2.4
图像取样和量化
黑白图像的数字化
2.4
图像取样和量化
灰度图像的数字化
2.4
图像取样和量化
彩色图像的数字化
2.4
图像取样和量化
图像的非均匀采样：
在灰度级变化尖锐的区域，用细腻的采样，在灰度级比较
平滑的区域，用粗糙的采样。
图像的非均匀量化：
非均匀量化是依据一幅图像具体的灰度值分布的概率密度
2.1 视觉感知要素
2.1.3亮度适应和鉴别
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
2.1.3亮度适应和鉴别
（1）视觉适应性
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）： 人眼适应了某一环境后，该环境的平均亮度； 亮度适应现象:人眼并不能同时在整个范围内 工作,而是利用改变灵敏度来实现大的动态范围 内的变动； 当平均亮度适中时，能分辨的最大亮度和最小 亮度之比为1000:1;当平均亮度很低时，这个比 值只有10:1 主观亮度是进入人眼的光强度的对数函数；
韦伯－费赫涅尔定理：亮度感觉S与实际亮度B的对数 成线性关系。 S k ln B k0 因此， 重现景物的亮度范围无需与实际景物的亮度范围相 同，只需保持二者的对比度相同； 人眼不能辨别的亮度差别也无需重现出来，只需保 持二者的亮度差别级数相同即可；
2.1.3亮度适应和鉴别
同时对比效应（Simultaneous Contrast） 即人眼对某个区域感觉的亮度（主观亮度）不 仅依赖于他自身的亮度，还与它的背景有关；
背景变亮,相同强度的方块变暗。
2.1.3亮度适应和鉴别
马赫带效应
感觉亮度不是简单的
强度函数的；视觉系 统有趋于过高或过低 估计不同亮度区域边 界值的效应。 图中各色带亮度恒定， 但实际感觉条带边缘亮 度有变化：边缘处，亮 的一边更亮，暗的一边 更暗；
2.1.3亮度适应和鉴别
（4）视觉错觉（Optical Illusions）
实验表明图像的细节越多，用保持M×N恒定而增加L 的方法来提高图像的显示效果就越不明显，因此，对 于有大量细节的图像只需要少数的灰度级。
2.4.4 图像的收缩与放大
（1）、图像的收缩—— 行、列删除