数字图像处理-第二章-基础知识
合集下载
2-第2章-图像处理基础(第二版)课件
1,0)
f (M 1,1)
f (0, N 1)
f (1, N 1)
f (M 1, N 1)
(2.7)
二、数字图像的表示
其中:
每个(x,y)对应数字图像中的一个基本单元，称
其为图像元素(picture element)，简称为像素
（pixel）；且一般取M、N和灰度级L为2的整次幂，
即：
M=2m
在景物大小不变的情况下，采样的空间分辨率 越高，获得的图像阵列M×N就越大；反之，采样的 空间分辨率越低，获得的图像阵列M×N就越小。
在空间分辨率不变的情况下，图像阵列M×N越 大，图像的尺寸就越大；反之，图像阵列M×N越小， 图像的尺寸就越小。
一、空间分辨率和灰度级分辨率
2、灰度分辨率
灰度级分辨率是指在灰度级别中可分辨的最小变 化，通常把灰度级级数 L 称为图像的灰度级分辨率。
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)
(2.5)
这种只有灰度属性没有彩色属性的图像称为灰
度图像。
由式(2.4)，显然有：
Lmin≤l≤Lmxa
(2.6)
区间[Lmn的值为0，Lmax=L-1。这样
1 0 0 I 0 0 1
1 1 0
注意：黑白图像一定是2值图像，但2值图像不一定 是0-黑和1-白两种值。
二、数字图像的表示
4、不同类别数字图像的表示
2）灰度图像（式（2.11） 中当k=8时） 是指图像中每个像素的信息是一个量化了的灰 度级的值，没有彩色信息。
0 150 200 I 120 50 180
◆人眼对从亮突变到暗环境的适应能力称为暗适应性。 ◆人眼对亮度变化跟踪滞后的性质称为视觉惰性（或短
数字图像处理基础知识
国际照明委员会(CIE)规定以 规定以700nm(红)、 国际照明委员会 规定以 红 、 546.1nm (绿)、435.8nm (蓝)三个色光为三基色。 三个色光为三基色。 绿 、 蓝 三个色光为三基色 又称为物理三基色。 又称为物理三基色。自然界的所有颜色都可以通 过选用这三基色按不同比例混合而成。 过选用这三基色按不同比例混合而成。 这三基色按不同比例混合而成 C = R(R) + G(G) + B(B)
反映了将图像信息进行离散化的程度， 反映了将图像信息进行离散化的程度，常用 灰度级来衡量
主观亮度
适应范围 夜视 昼视
－6
夜间阈值
－4
－2
0
2
4
光强的对数
人眼亮度感觉范围
总范围很宽（ ① 总范围很宽（ C = 108） 人眼适应某一环境亮度后， ② 人眼适应某一环境亮度后，范围限制 适当平均亮度下： 适当平均亮度下：C = 103 很低亮度下： 很低亮度下：C = 10
图象“ 图象“黑”/“白”（“亮”/“暗”）对比参 白 暗 数
眼睛中图像的形成
视网膜将图像反射在中央凹区域上， 视网膜将图像反射在中央凹区域上，由光接 收器的相应刺激作用产生感觉， 收器的相应刺激作用产生感觉，感觉把辐射 能转变为电脉冲， 能转变为电脉冲，最后由大脑进行解码
电信号 光信号 视觉细胞 视神经 视神经中枢 解码 图像
人眼视觉模型
每个图像由若干个像素点组成， 每个图像由若干个像素点组成，每个点均可看作一个 点光源，每个点光源就是一个冲激函数δ 点光源，每个点光源就是一个冲激函数δ(x,y)
任意一幅图像可以表示为： 任意一幅图像可以表示为：
人眼亮度感觉
闪光极限
人的视觉系统感觉到的亮度 (主观亮度 ：是进入人眼的 主观亮度)： 主观亮度 光强对数函数 人眼亮度感觉范围： 人眼亮度感觉范围：通过光 强对数衡量，一般为3－10 强对数衡量，一般为 人眼的亮度适应级： 人眼的亮度适应级：视觉系 统当前对光强的灵敏度级别
第2章 数字图象处基础(1-27)
光号 信 视胞 细 生理电信号 视经 神 视神经中枢 大成 脑像
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）。
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）。
数字图像处理第章资料讲解
第二章 数字图像处理基础
典型数字摄像机
第二章 数字图像处理基础
五. 胶片扫描
? 胶片扫描的概念 ? 常用胶片扫描设备 ? 胶片扫描仪的性能指标
第二章 数字图像处理基础
1. 胶片扫描的概念
? 胶片扫描在图像数字化过程中占有重要地位。 ? 胶片扫描是对来自胶片上的信息进行数字化的
过程，使这些信息能由计算机读取、处理和应 用。 ? 胶片是指投影仪、普通相机或胶片记录仪中使 用的包括胶片、幻灯片、底片等在内的各种感 光材料，它们能生成图像或影像。
分辨率 320x240
第二章 数字图像处理基础
分辨率 160x120
第二章 数字图像处理基础
分辨率 80x60
第二章 数字图像处理基础
第二章 数字图像处理基础
图象尺寸： 127*176 分辨率：(a)127*176 (b)63*88 (c)31*44 (d)15*22
第二章 数字图像处理基础
第二章 数字图像处理基础
? 图像采样 ?采样处理：将xy平面分配到一个网格上。
xy平面
(a,b)
第二章 数字图像处理基础
第二章 数字图像处理基础
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
第二章 数字图像处理基础
度正比于图像亮度的实际精确程度，图像数字 化设备的线性度是一个重要的性能指标，非线 性的数字化器会影响后续处理的有效性。
第二章 数字图像处理基础
图像数字化器的类型
主要包括 :
? 数码相机 ? 胶片扫描仪
第二章 数字图像处理基础
二. 图像数字化器的组成
精品课件-数字图像处理-第2章
21 图2.1.3 人眼的主观亮度感觉与亮度的关系
22
由此可见，人眼在适应某一平均亮度时，黑、白感觉对 应的亮度范围较小，随着平均亮度的降低，黑白感觉的亮度 范围变窄。黑、白亮度感觉的相对性为图像传输与重现带来 了方便，这体现在以下两个方面：
(1)重现图像的亮度不必等于实际图像的亮度，只要保 持两者的对比度不变，就能给人以真实的感觉；
30 图2.1.4 色度图
31
图2.1.4所示为色度图中一些点的颜色。中心的C点对应 白色，由三原色各1/3组合产生。图2.1.4中P点的色度坐标x ＝0.48，y＝0.40。由C通过P画一条直线至边界上的Q点(约 590 nm)，P点颜色的主波长即为590 nm，此处光谱的颜色即 为Q点的色调(橙色)。图2.1.4中P点位于从C到纯橙色点的 66%的地方，所以它的色纯度(饱和度)是66%。
色调和饱和度合起来称为色度。颜色可用亮度和色度共 同表示。设组成某种颜色C所需的3个刺激量分别用X、Y、Z 表示，而每种刺激量的比例系数为x、y、z，则有
C＝xX＋yY＋zZ 比例系数x、y、z也称为色系数：
x X X Y Z
y Y X Y Z
z Z X Y Z
由这些式子可以看出： x＋y＋z＝1
26
(2.1.6) (2.1.7) (2.1.8) (2.1.9)
27
1931年CIE制定了一个色度图(见图2.1.4，图中波长单 位是 nm)，用组成某种颜色的三原色的比例来规定这种颜色。 图中横轴对应红色色系数，纵轴对应绿色色系数，蓝色色系 数可由z＝1－(x＋y)求得。图中各点给出光谱中各颜色的色 度坐标，蓝紫色在图的左下部，绿色在图的左上部，红色在 图的右下部。连接400 nm和700 nm的直线是光谱上所没有的 由紫到红的系列。通过对该图的观察分析可知：
数字图像处理第2章基本概念
▪ 量化是将各个像素所含的明暗信息离散
化后，用数字来表示。一般的量化值为整 数。 ▪ 充分考虑到人眼的识别能力之后，目前 非特殊用途的图像均为8bit量化，即用[0 255]描述“从黑到白”。
▪ 在3bit以下的量化，会出现伪轮廓现象。
数字图像处理第2章基本概念
2.1.4 量化方法
量化可分为均匀量化和非均匀量 化。均匀量化是简单地在灰度范围 内等间隔量化。非均匀量化是对像 素出现频度少的部分量化间隔取大， 而对频度大的量化间隔取小。
0 150 200 I 120 50 180
250 220 100
数字图像处理第2章基本概念
灰度图像描述示例
38 47 27 34 38 52 37 31 29 74 180 180 151 165 165 189
44 44 21 47 44 57 50 77 125 159 197 137 119 193 208 195
矩阵一定是整数阵。
数字图像处理第2章基本概念
2.2 数字图像的描述
▪ 矩阵是按照行列的顺序来定位数据的， 但是图像是在平面上定位数据的，所以 有一个坐标系定义上的特殊性。
▪ 为了编程方便起见，我们这里以矩阵坐 标系来定义图像的坐标。
列（j）
Y轴（j）
矩阵 A(i,j)
行（i）
矩阵坐标系
图像 f(i,j)
• 一般情况下，对灰度变化比较平缓的部分用比较多 的量化级，在灰度变化比较剧烈的地方用比较高的分 辨率。
数字图像处理第2章基本概念
2.2 数字图像的描述
所谓的数字图像的描述是指如何用一 个数值方式来表示一个图像。
因为矩阵是二维的，所以可以用矩阵 来描述数字图像。同时，前面我们已经提 到，量化值是整数，因此描述数字图像的
化后，用数字来表示。一般的量化值为整 数。 ▪ 充分考虑到人眼的识别能力之后，目前 非特殊用途的图像均为8bit量化，即用[0 255]描述“从黑到白”。
▪ 在3bit以下的量化，会出现伪轮廓现象。
数字图像处理第2章基本概念
2.1.4 量化方法
量化可分为均匀量化和非均匀量 化。均匀量化是简单地在灰度范围 内等间隔量化。非均匀量化是对像 素出现频度少的部分量化间隔取大， 而对频度大的量化间隔取小。
0 150 200 I 120 50 180
250 220 100
数字图像处理第2章基本概念
灰度图像描述示例
38 47 27 34 38 52 37 31 29 74 180 180 151 165 165 189
44 44 21 47 44 57 50 77 125 159 197 137 119 193 208 195
矩阵一定是整数阵。
数字图像处理第2章基本概念
2.2 数字图像的描述
▪ 矩阵是按照行列的顺序来定位数据的， 但是图像是在平面上定位数据的，所以 有一个坐标系定义上的特殊性。
▪ 为了编程方便起见，我们这里以矩阵坐 标系来定义图像的坐标。
列（j）
Y轴（j）
矩阵 A(i,j)
行（i）
矩阵坐标系
图像 f(i,j)
• 一般情况下，对灰度变化比较平缓的部分用比较多 的量化级，在灰度变化比较剧烈的地方用比较高的分 辨率。
数字图像处理第2章基本概念
2.2 数字图像的描述
所谓的数字图像的描述是指如何用一 个数值方式来表示一个图像。
因为矩阵是二维的，所以可以用矩阵 来描述数字图像。同时，前面我们已经提 到，量化值是整数，因此描述数字图像的
数字图像处理及基本知识
特点: JPEG是一种高效率的24位图像文件 压缩格式，同样一幅图像，用JPEG格式存 储的文件是其他类型文件的1/10-1/20， 通常只有几十KB，而颜色仍然是24位，其 质量损失非常小，基本上无法看出.
特点：是一种位映射的存储形式。 BMP文件的划分： 分四个域 位图文件参数头域 位图参数头域 调色板域 位图数据域
01
（bitmap,简称BMP），是一种与设备无
定义： BMP文件又称为位图文件
02
BMP文件格式
关的图像文件格式。
位图文件参数头域包含关于这个文件的信息，例如从哪里开始是位图数据的定位信息。 位图参数头域含有关这幅图像的信息，例如以像素为单位的宽度和高度、位图的彩色、压缩方法等。 调色板域中有图像颜色的RGB值定义。 位图数据域是图像数据，用BYTE数据结构。其数据取决于压缩方法。
定义：矢量图是用一系列计算机指令来表示和描述一幅图
定义：把一幅图像分成许许多多的像素，每个像素用若干个二进制位来指定该像素的颜色、亮度和属性。显示器显示的结果Fra bibliotek乎没有什么差别
(2) 数字图像的描述
实际上，一幅自然的、模拟的图像经过数字化进入计算机后，一般都是用点位图来表示和描述的。 一幅图像由许许多多描述每个像素的数据组成，这些数据通常称为图像数据，而这些数据通常是作为一个文件来存储的，这种文件又称为图像文件。 点位图的获取通常用扫描仪、摄像机、激光视盘与视频信号数字化卡一类设备，通过这些设备把模拟的图像信号变成数字图像数据。
GIF文件格式
添加标题
定义：即图形交换格式,Graphics Interchange Format,简称GIF。
添加标题
特点: GIF文件格式支持2～16M种颜色，单个文件的多重图像，按行扫描的快速解码、有效地压缩以及硬件无关性。
特点：是一种位映射的存储形式。 BMP文件的划分： 分四个域 位图文件参数头域 位图参数头域 调色板域 位图数据域
01
（bitmap,简称BMP），是一种与设备无
定义： BMP文件又称为位图文件
02
BMP文件格式
关的图像文件格式。
位图文件参数头域包含关于这个文件的信息，例如从哪里开始是位图数据的定位信息。 位图参数头域含有关这幅图像的信息，例如以像素为单位的宽度和高度、位图的彩色、压缩方法等。 调色板域中有图像颜色的RGB值定义。 位图数据域是图像数据，用BYTE数据结构。其数据取决于压缩方法。
定义：矢量图是用一系列计算机指令来表示和描述一幅图
定义：把一幅图像分成许许多多的像素，每个像素用若干个二进制位来指定该像素的颜色、亮度和属性。显示器显示的结果Fra bibliotek乎没有什么差别
(2) 数字图像的描述
实际上，一幅自然的、模拟的图像经过数字化进入计算机后，一般都是用点位图来表示和描述的。 一幅图像由许许多多描述每个像素的数据组成，这些数据通常称为图像数据，而这些数据通常是作为一个文件来存储的，这种文件又称为图像文件。 点位图的获取通常用扫描仪、摄像机、激光视盘与视频信号数字化卡一类设备，通过这些设备把模拟的图像信号变成数字图像数据。
GIF文件格式
添加标题
定义：即图形交换格式,Graphics Interchange Format,简称GIF。
添加标题
特点: GIF文件格式支持2～16M种颜色，单个文件的多重图像，按行扫描的快速解码、有效地压缩以及硬件无关性。
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。
数字图像处理与分析 第2章 图像处理基础知识
1．灰度图像
可由黑白照片数字化得到，或从彩色图像进行去色处 理得到（256灰度级）
整理ppt
21
2.2.1 图像模式
2．二值图像
灰度图像经过二值化处理后的结果，两个灰度级，只 需用1bit表示。
整理ppt
22
2.2.1 图像模式
3．彩色图像
彩色图像的数据不仅包含亮度信息，还要包含颜色信息。 彩色的表示方法是多样化的。
三基色模型：RGB（Red / Green / Blue，红绿蓝） RGB三基色可以混合成任意颜色。
整理ppt
23
2.2.2 彩色空间
1)RGB彩色空间：面向硬件设备的彩色模型
三基色原理三基色指可以用来 调配出其它颜色的红、绿、蓝 三种颜色。
彩色图像可由红、绿、蓝 三基色图像叠加而成。
整理ppt
二者紧密相关，同时完成。 fx ,y 采 样空 间 离 散 的 像 素 矩 阵 fx ,y 量 化对 信 号 的 幅 度 进 行 离 散 分 层 的 过 程
整理ppt
14
2.1.2 数字化原理
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
N N点采样，每点灰度级G级，G 2k，占k位。 存一幅图像所需的位数（bit）
1. 一维数组方式: M 行×N 列
N列 M行
2.多波段图像数据结合结构
1）按各个波段存储
红绿蓝
整理ppt
29
2.2.3 图像存储的数据结构
2.多波段图像数据结合结构
2）按扫描行存储
红 绿蓝 …
第1行
3）按各个像素存储
红绿蓝
…
可由黑白照片数字化得到，或从彩色图像进行去色处 理得到（256灰度级）
整理ppt
21
2.2.1 图像模式
2．二值图像
灰度图像经过二值化处理后的结果，两个灰度级，只 需用1bit表示。
整理ppt
22
2.2.1 图像模式
3．彩色图像
彩色图像的数据不仅包含亮度信息，还要包含颜色信息。 彩色的表示方法是多样化的。
三基色模型：RGB（Red / Green / Blue，红绿蓝） RGB三基色可以混合成任意颜色。
整理ppt
23
2.2.2 彩色空间
1)RGB彩色空间：面向硬件设备的彩色模型
三基色原理三基色指可以用来 调配出其它颜色的红、绿、蓝 三种颜色。
彩色图像可由红、绿、蓝 三基色图像叠加而成。
整理ppt
二者紧密相关，同时完成。 fx ,y 采 样空 间 离 散 的 像 素 矩 阵 fx ,y 量 化对 信 号 的 幅 度 进 行 离 散 分 层 的 过 程
整理ppt
14
2.1.2 数字化原理
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
N N点采样，每点灰度级G级，G 2k，占k位。 存一幅图像所需的位数（bit）
1. 一维数组方式: M 行×N 列
N列 M行
2.多波段图像数据结合结构
1）按各个波段存储
红绿蓝
整理ppt
29
2.2.3 图像存储的数据结构
2.多波段图像数据结合结构
2）按扫描行存储
红 绿蓝 …
第1行
3）按各个像素存储
红绿蓝
…
数字图像处理-z2图像的基本知识
由于f(x,y)的值是能量的记录 故其是非负有界的实数。 由于f(x,y)的值是能量的记录，故其是非负有界的实数。 的值是能量的记录， 综上，因为人的视野有限，所以，人看到的平面图像是一个 综上，因为人的视野有限，所以， 二元、有界、非负的连续（指模拟光学图像）函数。 二元、有界、非负的连续（指模拟光学图像）函数。
14
图像获取、图像的数字化、 图像获取、图像的数字化、数字图像的描述
空间分辨率
1、采样点数
M M N ↑
（采样间隔 ↓ ） 空间分辨率↑ 空间分辨率↑ ∆y
∆x
2、G不变， N ↓ 图像中各细节区域边缘出现“棋盘－ 图像中各细节区域边缘出现“棋盘－ 马 赛克”效应，即像素粒子变粗。 赛克”效应，即像素粒子变粗。
图像获取、图像的数字化、 图像获取、图像的数字化、数字图像的描述
非均匀采样
– 灰度级变化大区域精确采样，平滑区域粗采样。 灰度级变化大区域精确采样，平滑区域粗采样。
非均匀量化
– 灰度级变化剧烈处，人眼分辨力差，边界附近 灰度级变化剧烈处，人眼分辨力差， 较少灰度级； 较少灰度级； – 平缓区域较多灰度级，避免假轮廓 平缓区域较多灰度级，
7
图像获取、图像的数字化、 图像获取、图像的数字化、数字图像的描述 计算机中数字图像的表示
I = f (m, n)
是
I = f ( x, y ) 模拟光学图像的数字化
结果。 结果。 在计算机中可用一矩阵表示，其中 在计算机中可用一矩阵表示，
0 ≤ m ≤ M − 1,0 ≤ n ≤ N − 1
f(m,n)称为图像元素，简称像素 pixel） 其取值为灰度 f(m,n)称为图像元素，简称像素（pixel）,其取值为灰度 像素（ 称为图像元素 grey），一幅图像的灰度种类称为灰度级 ），一幅图像的灰度种类称为灰度级（ level）。 （grey），一幅图像的灰度种类称为灰度级（grey level）。
14
图像获取、图像的数字化、 图像获取、图像的数字化、数字图像的描述
空间分辨率
1、采样点数
M M N ↑
（采样间隔 ↓ ） 空间分辨率↑ 空间分辨率↑ ∆y
∆x
2、G不变， N ↓ 图像中各细节区域边缘出现“棋盘－ 图像中各细节区域边缘出现“棋盘－ 马 赛克”效应，即像素粒子变粗。 赛克”效应，即像素粒子变粗。
图像获取、图像的数字化、 图像获取、图像的数字化、数字图像的描述
非均匀采样
– 灰度级变化大区域精确采样，平滑区域粗采样。 灰度级变化大区域精确采样，平滑区域粗采样。
非均匀量化
– 灰度级变化剧烈处，人眼分辨力差，边界附近 灰度级变化剧烈处，人眼分辨力差， 较少灰度级； 较少灰度级； – 平缓区域较多灰度级，避免假轮廓 平缓区域较多灰度级，
7
图像获取、图像的数字化、 图像获取、图像的数字化、数字图像的描述 计算机中数字图像的表示
I = f (m, n)
是
I = f ( x, y ) 模拟光学图像的数字化
结果。 结果。 在计算机中可用一矩阵表示，其中 在计算机中可用一矩阵表示，
0 ≤ m ≤ M − 1,0 ≤ n ≤ N − 1
f(m,n)称为图像元素，简称像素 pixel） 其取值为灰度 f(m,n)称为图像元素，简称像素（pixel）,其取值为灰度 像素（ 称为图像元素 grey），一幅图像的灰度种类称为灰度级 ），一幅图像的灰度种类称为灰度级（ level）。 （grey），一幅图像的灰度种类称为灰度级（grey level）。
数字图像处理课件第二章数字图像基础(ppt)
▪ 人眼的视觉系统能适应的光的
亮度等级从可以看见的昏暗到 眩目相差能达到1010等级。但 是人眼并不能同时在这么大的 范围内看清物体，而只能在同 一时间内适应一个小的亮度变 化范围（106等级）。
Basic experimental setup used to characterize brightness discrimination
▪ 视觉过程
人的视觉过程的流图
视觉原理
光接收细胞：
▪ 视锥细胞（也称中央凹）：600～700万，既能感光、
又能感色、对颜色敏感。可以充分识别图像细节，每个细 胞接一个神经末端，又叫适亮视觉（photopic vision）、 白昼视觉。
l视杆细胞（杆状细胞）：7500～15000万，只能感光、
不能感色。几个杆状细胞联到同一个神经末梢，分辨率低， 提供视野的整体视象，不感受颜色，对低照度敏感。 夜视 觉。
▪ 视网膜 (retina)：如同底片。 ▪ 视网膜是视觉接收器的所在，
它本身也是一个复杂的神经 中心。
▪ 眼睛的感觉为网膜中的视杆
细胞和视锥细胞所致。视杆 细胞能够感受弱光的刺激， 但不能分辨颜色，视锥细胞 在强光下反应灵敏，具有辩 别颜色的本领。某些动物 （如鸡）因视杆细胞较少， 所以在微光下，它们的视觉 很差，成为夜盲。也有些动 物（如猫和猫头鹰）因视杆 细胞很多，所以能在夜间活 动。
▪ 在一定条件下，一个视觉系统当前的敏感
度叫做亮度适应级。这个敏感度是用实验
Hale Waihona Puke 来验证的。在实验中，逐渐增加光照射的
强度I，改变量为I，达到多个观察者能感
图2.5用于描述亮度辨 别特性的基本实验
知的程度， 当有一半的人感知增加时， I/I成为Weber ratio,作为视觉系统当前的 敏感度。在很强的光下，需要改变较强的
第二讲-数字图像处理基础知识
g(x, y) H f (x, y)
设k1 ,k2为常数，
g1( x, y ) H f1( x, y ),g2( x, y ) H f2( x, y )
因为该系统为线性系统，所以满足叠加性和齐 次性，所以有：
H k1 f1(x, y) k2 f2 (x, y) k1H f1(x, y) k2H f2 (x, y)
量化误差：量化是以有限个离散值近似表达无限 旳连续值，所以存在误差，称其为量化误差。
量化失真：量化过程中产生旳失真，亦称为量化 噪声。
相应均匀量化，量化层次越多，量化误差越小， 但编码所需要旳码字旳比特数越多。
采样点数和量化级数不同步会直接关系到图像旳 清楚度，点数和级数越多，图像质量越高。
数字图像处理基础知识
然后是将前面得到旳模拟电信号转化为数字信 号以输入进计算机进行处理。模数转换过程
数字图像处理基础知识
二、图像采集设备 用于可见光和红外线成像旳采集设备主要有：显
微密度计、析像管、视像管和固态阵等，其中固态 阵线应用最广泛。
固态阵可按几何组织形式分为两种：线扫描器和 平面扫描器，其主要元件是电荷耦合器件CCD。
图2-1 视觉惰性
数字图像处理基础知识
2、临界闪烁频率 眼睛在周期性旳光脉冲旳作用下，假如它旳频率
不够高，则眼睛会感到一明一暗旳闪烁现象。假如 将光脉冲旳频率增长到某一值时，因为视觉惰性， 眼睛就感觉不到闪烁了。
不引起闪烁感觉旳光脉冲旳最低反复频率称为临 界闪烁频率。
经验可知人眼旳临界闪烁频率约为46Hz。
数字图像处理基础知识
2.2.2 图像旳显示
常用旳显示设备是电视显示屏，其又能够分为下 列类型：CRT、液晶显示(LCD)、等离子体显示 (PDP)等。
设k1 ,k2为常数，
g1( x, y ) H f1( x, y ),g2( x, y ) H f2( x, y )
因为该系统为线性系统，所以满足叠加性和齐 次性，所以有：
H k1 f1(x, y) k2 f2 (x, y) k1H f1(x, y) k2H f2 (x, y)
量化误差：量化是以有限个离散值近似表达无限 旳连续值，所以存在误差，称其为量化误差。
量化失真：量化过程中产生旳失真，亦称为量化 噪声。
相应均匀量化，量化层次越多，量化误差越小， 但编码所需要旳码字旳比特数越多。
采样点数和量化级数不同步会直接关系到图像旳 清楚度，点数和级数越多，图像质量越高。
数字图像处理基础知识
然后是将前面得到旳模拟电信号转化为数字信 号以输入进计算机进行处理。模数转换过程
数字图像处理基础知识
二、图像采集设备 用于可见光和红外线成像旳采集设备主要有：显
微密度计、析像管、视像管和固态阵等，其中固态 阵线应用最广泛。
固态阵可按几何组织形式分为两种：线扫描器和 平面扫描器，其主要元件是电荷耦合器件CCD。
图2-1 视觉惰性
数字图像处理基础知识
2、临界闪烁频率 眼睛在周期性旳光脉冲旳作用下，假如它旳频率
不够高，则眼睛会感到一明一暗旳闪烁现象。假如 将光脉冲旳频率增长到某一值时，因为视觉惰性， 眼睛就感觉不到闪烁了。
不引起闪烁感觉旳光脉冲旳最低反复频率称为临 界闪烁频率。
经验可知人眼旳临界闪烁频率约为46Hz。
数字图像处理基础知识
2.2.2 图像旳显示
常用旳显示设备是电视显示屏，其又能够分为下 列类型：CRT、液晶显示(LCD)、等离子体显示 (PDP)等。
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)。
2.1 视觉感知要素
2.1.3 亮度适应和鉴别
2、亮度分辨能力： 同时对比现象
数字图像处理
Chapter 2: Digital Image Fundamentals
2.2光和电磁谱
2.1.3 亮度适应和 鉴别
2、亮度分辨能力： 视觉错觉
数字图像处理
数字图像处理
数字图像处理
数字图像处理
聚精会神地盯着中央的十字看，你会发现， 周围紫色的圆点渐渐淡下来，甚至消失!
数字图像处理
Chapter 2: Digital Image Fundamentals
本章主要讲述数字图像相关的概念以及贯穿全 书的一些标记符号。 ．人眼视觉初步； ．波谱成象特点； ．图象传感器； ．图象采样与量化； ．象素间的关系；
数字图像处理
Chapter 2: Digital Image Fundamentals
书中还介绍了视觉的其它几个现象：马赫 带（图2.7），同时对比现象（图2.8）视觉错觉 （图2.9）。
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.3 亮度适应和 鉴别
2、亮度分辨能力： 马赫带
数字图像处理
Chapter 2: Digital Image Fundamentals
25
m
数字图像处理
Chapter 2: Digital Image Fundamentals
2.2光和电磁谱
1.3节已介绍过，但这里要详细些。 可见光0.43~0.79m
m
数字图像处理
Chapter 2: Digital Image Fundamentals
2.2光和电磁谱
描述光源通常用3个量：辐射强度、光通量，亮 度。
主要是人眼是靠改变 灵敏度来实现这个大范围 变动的，即亮度适应现象 。能同时鉴别的光强的级 别范围是很小的。如图 2.4 中的（Ba，Bb）范围
Ba：系统当前的灵敏 度级别，Bb以下不可分辨 。
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
m
数字图像处理
Chapter 2: Digital Image Fundamentals
2.3 图像感知和获取
2.3.1 用单个sensor获取图像
特点：很慢
m
数字图像处理
Chapter 2: Digital Image Fundamentals
2.3 图像感知和获取
2.3.2 用线阵Sensor获gital Image Fundamentals
2.1 视觉感知要素
2.1.2 眼睛中图像的形成 晶状体相当于一个透镜→中央凹区域→光接收器→
电脉冲→大脑解码
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.3 亮度适应和鉴别
2、亮度分辨能力 用一个实验来说明
当足够强时，判别始终肯定。 Ic / I 为韦伯比 Ic为光强增量（背景照明为I 时可辨别照明增量的50%）
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.3 亮度适应和鉴别
2.1 视觉感知要素
图像常常最终由一眼来观察的，人的判断往往 带有一定的主观性，例如分辨率和人眼的关系。
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.1 人眼的构造
视网膜表面 的光接收器为
锥状体和杆 状体．
锥状体：对 颜色灵敏，位 于中央凹
杆状体：给 出视野总体图 像，无彩色感 觉
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.1 人眼的构造 中央凹直径约1.5mm，可看作1.5mm×1.5mm
Sensor锥体密度150000 pixels/mm２，相当于337000个 pixels，与常用CCD相当。
2.1.3 亮度适应和鉴别 主观亮度：人的视觉系统感觉到的亮度是进入人眼
光强度的对数的函数。 1、适应范围 2、亮度分辨能力
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.3 亮度适应和鉴 别
1、适应范围 人眼对光强的适应范
围非常广，10的10次方量 级。 如何来解释图2.4呢？
在光学中，常见的几个量来表示光 光强：单位立体角的光通量 光照度：单位面积的光通量 光亮度：单位面积光强。
m
数字图像处理
Chapter 2: Digital Image Fundamentals
2.3 图像感知和获取
三种常用的传感器 （1）单个成像
Sensor （2）线阵 Sensor （3）陈列 Sensor
2、亮度分辨能力 把结果 log 4Ic / Ic 得到图2.6 ，50%的时间
回答“是”。Ic / I 越小表示辨别能力越强。
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.3 亮度适应和鉴别 2、亮度分辨能力 韦伯比小→辨别能力强 结论：低照度时，亮度辨别力差
图2.14（a）平板扫描仪原理。 图2.14（b）环状安装的Sensor，如医学CT。
m
数字图像处理
Chapter 2: Digital Image Fundamentals
18
数字图像处理
在这幅画中，你能找到几个人？？？ 仔细找找，看你能找到几个？？？
19
数字图像处理
20
数字图像处理
21
数字图像处理
晃动你的头，彩虹也会流动。。。。
22
数字图像处理
能确定到底哪个交叉点在亮吗？
23
数字图像处理
看着就转，不要动头了！
24
数字图像处理
要你数有多少黑点，你烦躁不？
照度增可时，改善 实质是低照度时，视觉由杆状体 实质是高照度时，视觉由锥状体 背景保持恒定，光源的亮度从不知觉到可以被察觉 逐渐变化大约可辨别12~24级。
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.3 亮度适应和鉴别 2、亮度分辨能力
2.1.3 亮度适应和鉴别
2、亮度分辨能力： 同时对比现象
数字图像处理
Chapter 2: Digital Image Fundamentals
2.2光和电磁谱
2.1.3 亮度适应和 鉴别
2、亮度分辨能力： 视觉错觉
数字图像处理
数字图像处理
数字图像处理
数字图像处理
聚精会神地盯着中央的十字看，你会发现， 周围紫色的圆点渐渐淡下来，甚至消失!
数字图像处理
Chapter 2: Digital Image Fundamentals
本章主要讲述数字图像相关的概念以及贯穿全 书的一些标记符号。 ．人眼视觉初步； ．波谱成象特点； ．图象传感器； ．图象采样与量化； ．象素间的关系；
数字图像处理
Chapter 2: Digital Image Fundamentals
书中还介绍了视觉的其它几个现象：马赫 带（图2.7），同时对比现象（图2.8）视觉错觉 （图2.9）。
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.3 亮度适应和 鉴别
2、亮度分辨能力： 马赫带
数字图像处理
Chapter 2: Digital Image Fundamentals
25
m
数字图像处理
Chapter 2: Digital Image Fundamentals
2.2光和电磁谱
1.3节已介绍过，但这里要详细些。 可见光0.43~0.79m
m
数字图像处理
Chapter 2: Digital Image Fundamentals
2.2光和电磁谱
描述光源通常用3个量：辐射强度、光通量，亮 度。
主要是人眼是靠改变 灵敏度来实现这个大范围 变动的，即亮度适应现象 。能同时鉴别的光强的级 别范围是很小的。如图 2.4 中的（Ba，Bb）范围
Ba：系统当前的灵敏 度级别，Bb以下不可分辨 。
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
m
数字图像处理
Chapter 2: Digital Image Fundamentals
2.3 图像感知和获取
2.3.1 用单个sensor获取图像
特点：很慢
m
数字图像处理
Chapter 2: Digital Image Fundamentals
2.3 图像感知和获取
2.3.2 用线阵Sensor获gital Image Fundamentals
2.1 视觉感知要素
2.1.2 眼睛中图像的形成 晶状体相当于一个透镜→中央凹区域→光接收器→
电脉冲→大脑解码
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.3 亮度适应和鉴别
2、亮度分辨能力 用一个实验来说明
当足够强时，判别始终肯定。 Ic / I 为韦伯比 Ic为光强增量（背景照明为I 时可辨别照明增量的50%）
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.3 亮度适应和鉴别
2.1 视觉感知要素
图像常常最终由一眼来观察的，人的判断往往 带有一定的主观性，例如分辨率和人眼的关系。
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.1 人眼的构造
视网膜表面 的光接收器为
锥状体和杆 状体．
锥状体：对 颜色灵敏，位 于中央凹
杆状体：给 出视野总体图 像，无彩色感 觉
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.1 人眼的构造 中央凹直径约1.5mm，可看作1.5mm×1.5mm
Sensor锥体密度150000 pixels/mm２，相当于337000个 pixels，与常用CCD相当。
2.1.3 亮度适应和鉴别 主观亮度：人的视觉系统感觉到的亮度是进入人眼
光强度的对数的函数。 1、适应范围 2、亮度分辨能力
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.3 亮度适应和鉴 别
1、适应范围 人眼对光强的适应范
围非常广，10的10次方量 级。 如何来解释图2.4呢？
在光学中，常见的几个量来表示光 光强：单位立体角的光通量 光照度：单位面积的光通量 光亮度：单位面积光强。
m
数字图像处理
Chapter 2: Digital Image Fundamentals
2.3 图像感知和获取
三种常用的传感器 （1）单个成像
Sensor （2）线阵 Sensor （3）陈列 Sensor
2、亮度分辨能力 把结果 log 4Ic / Ic 得到图2.6 ，50%的时间
回答“是”。Ic / I 越小表示辨别能力越强。
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.3 亮度适应和鉴别 2、亮度分辨能力 韦伯比小→辨别能力强 结论：低照度时，亮度辨别力差
图2.14（a）平板扫描仪原理。 图2.14（b）环状安装的Sensor，如医学CT。
m
数字图像处理
Chapter 2: Digital Image Fundamentals
18
数字图像处理
在这幅画中，你能找到几个人？？？ 仔细找找，看你能找到几个？？？
19
数字图像处理
20
数字图像处理
21
数字图像处理
晃动你的头，彩虹也会流动。。。。
22
数字图像处理
能确定到底哪个交叉点在亮吗？
23
数字图像处理
看着就转，不要动头了！
24
数字图像处理
要你数有多少黑点，你烦躁不？
照度增可时，改善 实质是低照度时，视觉由杆状体 实质是高照度时，视觉由锥状体 背景保持恒定，光源的亮度从不知觉到可以被察觉 逐渐变化大约可辨别12~24级。
数字图像处理
Chapter 2: Digital Image Fundamentals
2.1 视觉感知要素
2.1.3 亮度适应和鉴别 2、亮度分辨能力