数字图像处理基础详解(ppt)
合集下载
数字图像处理ppt课件
基于特征分类的辨认
总结词
通过提取图像中的特征，利用分类器对特征 进行分类，从而辨认图像的类别。
详细描写
基于特征分类的图像辨认方法是一种常用的 图像辨认方法。它通过提取图像中的特征， 如边缘、角点、纹理等，利用分类器如支持 向量机、神经网络等对特征进行分类，从而 辨认图像的类别。这种方法能够有效地提取 图像中的本质特征，并具有较强的鲁棒性，
纹理特征提取
灰度共生矩阵
通过分析图像中像素灰度值的空间依赖关系，形成共生矩阵，并从中提取出统 计特征，如对照度、能量和相关性等。该方法适用于描写图像的粗糙程度和方 向性。
小波变换
将图像分解成不同频率和方向的小波分量，通过分析小波系数的统计特性来提 取纹理特征。该方法能够有效地表示图像的细节信息和全局结构。
但特征提取和分类器的设计是关键。
基于深度学习的辨认
总结词
利用深度学习算法自动提取图像特征， 并进行分类辨认。
VS
详细描写
基于深度学习的图像辨认方法是目前研究 的热点。它利用深度学习算法如卷积神经 网络（CNN）等自动提取图像的特征， 并进行分类辨认。这种方法能够有效地从 原始图像中提取复杂的特征，并具有较高 的辨认准确率。但需要大量的标注数据进 行训练，且计算复杂度较高。
04
CATALOGUE
特征提取
颜色特征提取
颜色直方图
通过统计图像中不同颜色像素的数量 ，形成颜色直方图作为图像的颜色特 征。该方法简单、有效，适用于不同 光照和视角变化的场景。
颜色矩
利用图像颜色的散布信息，通过计算 一阶矩（均值）、二阶矩（方差）和 三阶矩（偏度）来表示颜色特征。该 方法对颜色突变和噪声不敏锐。
图像辨认
基于模板匹配的辨认
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)
数字图像处理课件ppt
06 数字图像处理的应用案例
人脸识别系统
总结词
人脸识别系统是数字图像处理技术的重要应 用之一，它利用计算机视觉和图像处理技术 识别人的面部特征，实现身份认证和安全监 控等功能。
详细描述
人脸识别系统通过采集输入的人脸图像，提 取出面部的各种特征，如眼睛、鼻子、嘴巴 等部位的形状、大小、位置等信息，并与预 先存储的人脸特征进行比对，从而判断出人 的身份。该系统广泛应用于门禁系统、安全
分类器设计
总结词
分类器设计是图像识别技术的核心，它通过训练分类器，使其能够根据提取的特征对图 像进行分类和识别。
详细描述
分类器设计通常采用机器学习算法，如支持向量机、神经网络和决策树等。这些算法通 过训练数据集进行学习，并生成分类器模型，用于对新的未知图像进行分类和识别。
模式识别
总结词
模式识别是图像识别技术的最终目标，它通 过分类器对提取的特征进行分类和识别，实 现对图像的智能理解和处理。
源调查和环境监测。
计算机视觉
为机器人和自动化系统提供视 觉感知能力，用于工业自动化
、自主导航等。
数字图像处理的基本流程
特征提取
从图像中提取感兴趣的区域、 边缘、纹理等特征，为后续分 类或识别提供依据。
图像表示与压缩
将图像转换为易于处理和分析 的表示形式，同时进行数据压 缩，减少存储和传输成本。
预处理
详细描述
模式识别在许多领域都有广泛应用，如人脸 识别、物体识别、车牌识别等。通过模式识 别技术，可以实现自动化监控、智能安防、 智能驾驶等应用。随着深度学习技术的发展 ，模式识别的准确率和鲁棒性得到了显著提 高。
05 数字图像处理中的常用算 法
傅里叶变换算法
傅里叶变换
数字图像处理基础ppt课件
第精
二选版
章
第一节 图象运算
数
字
图
• 2.1.1 算术运算
象
– 加法、减法
处 理
– 乘法、除法
基
• 2.1.2 逻辑运算
础
– 求反
第
– 异或、或
一
–与
节
3
ppt
章 精
数选版
字 2.1.1 图象运算：算术运算
图
象
处 理
• 加法运算的定义
基
C(x,y) = A(x,y) + B(x,y)
础
• 主要应用举例
础
原图
第
求反画图
求反恢复原图
一
节
图
象
19
ppt
章 精
数选版
字 2.1.1 图象运算：逻辑运算
图
象
处 • 异或运算的定义
理 基
g(x,y) = f(x,y) h(x,y)
础 • 主要应用举例
第
– 获得相交子图象
一
– 绘制区别于背景的、可恢复的图形
节
图
象
20
ppt
章 精
数选版
字 2.1.1 图象运算：逻辑运算
变处 用齐次矩阵表示：
换理
基
a(x,y)
-1 0 0 x
础
b(x,y)
= 010 y
第
1
001 1
二
节
31
ppt
精第 选版二
章
2.2.1 几何变换: 基本变换
数
字
y
空图 域象 变处 换理
基
础
第
二
节
0,0
数字图像处理ppt课件
between 64 to 128 (using function
imagesc).
>>clims=[64,128]
>>imagesc(a,clims)
f. Make a movie from a 4-D image (load mri, make the movie by immovie, then show movie by function movie).
二、实验内容：
使用Photoshop观察数字图像增强的效果； 练习和掌握图像增强的Matlab编程。。 熟悉下列模块函数
Image enhancement. histeq - Read image file. imadust - Adust imae intensity values or colormap.
imshow - Display image.
subimage - Display multiple images in single figure.
truesize - Adjust display size of image.
warp - Display image as texture-mapped surface.
processing.
f. Compare the qualities of two images and
makes a discussion about them.
g. Add noises, such as gaussian, salt&pepper,
speckle noise into the image respectively.
10)选图像Blood、噪声类型Salt & Pepper、滤波器类型Median、邻域3x3，比较原始图像、
《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。
数字图像处理基础详解(ppt)
2.2色度学基础与颜色模型
n 2. 颜色模型 n RGB颜色模型 n 按照CIE规定的三基色构成表色系统。自然界的任一种颜色都可通过这三种基 色按不同比例混合而成。由于RGB模型将三基色同时加入以产生新的颜色，所 以，它是一个加色系统。
RGB (Red, Green, Blue)
R:200 G:50 B:120
R:200 G:50 B:120
2.2色度学基础与颜色模型
n 2. 颜色模型 n RGB颜色模型的一个例子
Matlab中如何产生左边的RGB图像(图像大小 为128x128)
% 如何产生一幅彩色图像 Red=zeros(128,128); Red(1:64,1:64)=1; Green=zeros(128,128); Green(65:128,1:64)=1; Blue=zeros(128,128); Blue(1:64,65:128)=1; I=cat(3,Red,Green,Blue); imshow(I);
光 谱 反 射
图像的某一行
举例：如图光谱的反射值范围在0~1之间，采样区间为0.1，则量化 后，光谱的离散反射值有多少个？如采样区间为0.01，则量化后， 光谱的离散反射值有多少个？
2.1.2 采样分辨率的影响
Sampling is the principal factor determining the spatial resolution of an image.
2.2色度学基础与颜色模型
n 2. 颜色模型 n RGB颜色模型的优点
n (1) RGB模型与显示器等设备有着较 n 好的对应关系。 n (2) 在RGB显示器中，有三种荧光粉能够分
别发出红、绿、蓝三种颜色，三个相邻的 荧光点构成了一个像素，这些荧光点受到 三束分别为c1,c2,c3的电子束的轰击，会发 出不同的亮度，通过物理上的叠加或混合 ，便可显示出相应的颜色。
数字图像处理入门ppt课件
• 关于matlab
– 如何构建一个矩阵？如何取得矩阵中具体一个 元素的值，如何修改一个（块）元素的值？
– 写一个循环程序，遍历整个矩阵，把每个像素 的值做一个变换，如y = 3x+1
– 矩阵的基本运算：加，减，乘，点乘 – 求一个图像的负片，用两种方法（一种是循环
遍历，一种是矩阵运算）实现。
六、图像的基本运算
•减
– C(x,y) = A(x,y) - B(x,y)
• 应用举例
– 显示两幅图像的差异，检测同一场景两幅图像 之间的变化
六、图像的基本运算
• 点乘
– C(x,y) = A(x,y) .* B(x,y)
六、图像的基本运算
•与
– g(x,y) = f(x,y) ∧ h(x,y)
一、数字图像的概念
图像（Image）： 视觉景物的某种形式的表示和记录
我们把数字格式存储的图像称为“数字图像”
“数字”
“模拟”
计算机存储的图片 传统光学照片
数码相机拍摄的图像 传统的电视图像
传感器阵列
模拟图像
三步
数字图像
1.采样 空间离坐标(x,y)的离散化， 确定水平和垂直 方向上的像素个数N、M，f(x,y)→f(m,n)
如何获得图像中第m行n列像素的灰度值？如果是彩色 图像呢？ – 如何吧真彩色图像转换成灰度图像，然后转换成二值 图像？ – 如何得到该图像中灰度值最大（最小）的像素的位置 和取值？如何计算图像的均值？ – 什么是灰度图像的直方图？如何计算灰度图像直方图， 如何显示/直方图反映图像的什么性质？
作业2
图像的直方图
21
不同图像的直方图反映图像的不同特点：
对比度低 对比度高
22
– 如何构建一个矩阵？如何取得矩阵中具体一个 元素的值，如何修改一个（块）元素的值？
– 写一个循环程序，遍历整个矩阵，把每个像素 的值做一个变换，如y = 3x+1
– 矩阵的基本运算：加，减，乘，点乘 – 求一个图像的负片，用两种方法（一种是循环
遍历，一种是矩阵运算）实现。
六、图像的基本运算
•减
– C(x,y) = A(x,y) - B(x,y)
• 应用举例
– 显示两幅图像的差异，检测同一场景两幅图像 之间的变化
六、图像的基本运算
• 点乘
– C(x,y) = A(x,y) .* B(x,y)
六、图像的基本运算
•与
– g(x,y) = f(x,y) ∧ h(x,y)
一、数字图像的概念
图像（Image）： 视觉景物的某种形式的表示和记录
我们把数字格式存储的图像称为“数字图像”
“数字”
“模拟”
计算机存储的图片 传统光学照片
数码相机拍摄的图像 传统的电视图像
传感器阵列
模拟图像
三步
数字图像
1.采样 空间离坐标(x,y)的离散化， 确定水平和垂直 方向上的像素个数N、M，f(x,y)→f(m,n)
如何获得图像中第m行n列像素的灰度值？如果是彩色 图像呢？ – 如何吧真彩色图像转换成灰度图像，然后转换成二值 图像？ – 如何得到该图像中灰度值最大（最小）的像素的位置 和取值？如何计算图像的均值？ – 什么是灰度图像的直方图？如何计算灰度图像直方图， 如何显示/直方图反映图像的什么性质？
作业2
图像的直方图
21
不同图像的直方图反映图像的不同特点：
对比度低 对比度高
22
数字图像处理与分析基础整理ppt
视频锁相方式，即图像系统分解场同步和行 同步信号。
显示功能：
显示的类型，黑白/伪彩色/真彩色显示 每个象素显示的bit数。 查找表（LUT，look -up table） 重叠显示、动态显示等。
指标3
帧存容量：图像硬件系统内部，图像存储体容 量的大小。
三部分：帧存的数目/单位帧存的点阵数（指图像系 统用来存储一幅图像必需的帧存，其容量大于等于 一幅数字图像的点阵数，小于两幅图像的点阵数， 通常取512512或10241024）/每个象素的字长 （用bit数表示，黑白或伪彩色系统为8bit，真彩色 系统通常为83bit/84bit），新增的通道用于图像 叠加处理。
优于46db
1/50(60)to1/100,000 数位处理AUTO
带稳压直流DC12V±10%
-20℃～+50℃ 自动AUTO 自动AUTO 380公克 60(宽)×50（高）×102（深）
摄像管
摄像机中利用电子束扫描把景物的光学 图像转换成电信号的一种真空电子管。
摄像管类别
氧化铅摄像管
具有良好的光电特性，灵敏度和分辨率高，靶面的 均匀性好。
图像存储
压缩、存储
压缩由系统内置的微处理器来完成。 压缩处理与存储图像所用的时间不可忽略，
因此在使用数码相机时可以明显感到较长的 等待时间。 图像格式的种类繁多，JPEG格式。
存储器
内置存储器
半导体存储器，安装在相机内部，用于临时 存储图像，接口传送。
可移动存储器
CompactFlash卡（CF） SmartMedia卡（SSFDC） ATA Flash
2.2.2图像数字化器的性能
像素大小 图像大小 被测对象的局部特征 线性度 灰度级 噪声
显示功能：
显示的类型，黑白/伪彩色/真彩色显示 每个象素显示的bit数。 查找表（LUT，look -up table） 重叠显示、动态显示等。
指标3
帧存容量：图像硬件系统内部，图像存储体容 量的大小。
三部分：帧存的数目/单位帧存的点阵数（指图像系 统用来存储一幅图像必需的帧存，其容量大于等于 一幅数字图像的点阵数，小于两幅图像的点阵数， 通常取512512或10241024）/每个象素的字长 （用bit数表示，黑白或伪彩色系统为8bit，真彩色 系统通常为83bit/84bit），新增的通道用于图像 叠加处理。
优于46db
1/50(60)to1/100,000 数位处理AUTO
带稳压直流DC12V±10%
-20℃～+50℃ 自动AUTO 自动AUTO 380公克 60(宽)×50（高）×102（深）
摄像管
摄像机中利用电子束扫描把景物的光学 图像转换成电信号的一种真空电子管。
摄像管类别
氧化铅摄像管
具有良好的光电特性，灵敏度和分辨率高，靶面的 均匀性好。
图像存储
压缩、存储
压缩由系统内置的微处理器来完成。 压缩处理与存储图像所用的时间不可忽略，
因此在使用数码相机时可以明显感到较长的 等待时间。 图像格式的种类繁多，JPEG格式。
存储器
内置存储器
半导体存储器，安装在相机内部，用于临时 存储图像，接口传送。
可移动存储器
CompactFlash卡（CF） SmartMedia卡（SSFDC） ATA Flash
2.2.2图像数字化器的性能
像素大小 图像大小 被测对象的局部特征 线性度 灰度级 噪声
数字图像处理课件ppt
几何变换
几何变换是对图像进行形状、大小、位置等变换的过程。常见的几何变换包括 平移、旋转、缩放、扭曲等。这些变换可以通过矩阵运算来实现。
空间滤波
空间滤波是在图像上应用滤波器来改变图像的像素值。常见的空间滤波包括均 值滤波、中值滤波、高斯滤波等。这些滤波器可以用于去除噪声、增强边缘等 操作。
数字图像处理算法
01
计算机视觉
实现机器视觉，进行目标检测、识 别、跟踪等任务。
安全监控
利用数字图像处理技术实现安全监 控，提高监控的准确性和效率。
03
02
医学影像分析
对医学影像进行各种处理，以辅助 医生进行疾病诊断和治疗。
遥感影像处理
对遥感影像进行各种处理和分析， 以提取有用的地理信息。
04
数字图像处理基础
02
知识
特定目标分割
采用特定目标检测和跟踪技术，实现特定目 标的分割。
数字图像处理实践
04
使用Python进行图像处理的基本步骤和常用库
01
02
03
04
05
安装Python和相 导入图像 关库
图像预处理
图像分析
结果可视化
为了使用Python进行图像 处理，需要先安装Python 解释器和相关的图像处理 库，如OpenCV、Pillow等 。
人脸识别
人脸识别是在人脸检测的基础上，对检测到的人脸进行特征提取和比对，从而识别出不同的人脸。人脸识别算法 通常采用深度学习模型，如卷积神经网络（CNN）或循环神经网络（RNN）。
车牌识别系统
车牌定位
车牌定位是车牌识别系统的第一步，其 目的是在给定的图像中找到车牌的位置 和大小。车牌定位算法通常采用基于颜 色和形状的方法，结合图像处理技术进 行实现。
几何变换是对图像进行形状、大小、位置等变换的过程。常见的几何变换包括 平移、旋转、缩放、扭曲等。这些变换可以通过矩阵运算来实现。
空间滤波
空间滤波是在图像上应用滤波器来改变图像的像素值。常见的空间滤波包括均 值滤波、中值滤波、高斯滤波等。这些滤波器可以用于去除噪声、增强边缘等 操作。
数字图像处理算法
01
计算机视觉
实现机器视觉，进行目标检测、识 别、跟踪等任务。
安全监控
利用数字图像处理技术实现安全监 控，提高监控的准确性和效率。
03
02
医学影像分析
对医学影像进行各种处理，以辅助 医生进行疾病诊断和治疗。
遥感影像处理
对遥感影像进行各种处理和分析， 以提取有用的地理信息。
04
数字图像处理基础
02
知识
特定目标分割
采用特定目标检测和跟踪技术，实现特定目 标的分割。
数字图像处理实践
04
使用Python进行图像处理的基本步骤和常用库
01
02
03
04
05
安装Python和相 导入图像 关库
图像预处理
图像分析
结果可视化
为了使用Python进行图像 处理，需要先安装Python 解释器和相关的图像处理 库，如OpenCV、Pillow等 。
人脸识别
人脸识别是在人脸检测的基础上，对检测到的人脸进行特征提取和比对，从而识别出不同的人脸。人脸识别算法 通常采用深度学习模型，如卷积神经网络（CNN）或循环神经网络（RNN）。
车牌识别系统
车牌定位
车牌定位是车牌识别系统的第一步，其 目的是在给定的图像中找到车牌的位置 和大小。车牌定位算法通常采用基于颜 色和形状的方法，结合图像处理技术进 行实现。
- 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)。
2.1.2 采样分辨率的影响
sampling checker boards
2.1.4 量化精度的影响
False contour 假轮廓
256-level
128-level
64-level
32-level
16-level
8-level
4-level
2-level
2.2色度学基础与颜色模型
n 1. 色度学基础 n 灰度图像的像素值是光强. f (x,y).计算机显示一幅彩色图像时，每一个像素的 颜色是通过三种基本颜色(红、绿、蓝)合成的。彩色图像f (x,y, λ). λ： 颜色光谱
2.2色度学基础与颜色模型
n 2. 颜色模型
n CMY模型和CMYK模型 红
(1) CMY模型是硬拷贝设备上输出图像的颜色模型，常用于彩 色打印、印刷行业。
(2) 它的三原色是青(Cyan)、品红(Magenta)、黄(Yellow)，分别 品红
数字图像处理基础详解演示文稿
（优选）数字图像处理基础
第二章 数字图像处理基础
模拟世界 ---> 数字图像---> 存储
数字化
黑白图像 灰度图像 彩色图像
BMP JPEG GIm)
中文名称： 可见光 英文名称： visible light 定义1： 电磁波谱中波长约在0.39～0.76μm范围内且为肉眼可见的电磁辐射。 应用 学科： 大气科学（一级学科）；大气物理学（二级学科） 定义2： 波长在380～780nm范围能引起视觉的电磁波。 应用学科： 地理学（一级 学科m)
不少其他生物能看见的光波范围跟人类不一样，例如包 括蜜蜂在内的一些昆虫能看见紫外线波段，对于寻找花 蜜有很大帮助。
2.1 图像数字化(Image Digitization)
场景:模拟图像 成像系统
数字化结果 成像平面
R:200 G:50 B:120
பைடு நூலகம்
2.2色度学基础与颜色模型
n 2. 颜色模型 n RGB颜色模型的一个例子
Matlab中如何产生左边的RGB图像(图像大小 为128x128)
% 如何产生一幅彩色图像 Red=zeros(128,128); Red(1:64,1:64)=1; Green=zeros(128,128); Green(65:128,1:64)=1; Blue=zeros(128,128); Blue(1:64,65:128)=1; I=cat(3,Red,Green,Blue); imshow(I);
2.1.1 采样与量化(Sampling , Quantization)
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。由于图像是二维分布的信 息，所以采样是在x轴和y轴两个方向上进行。
2.1.1 采样与量化(Sampling , Quantization)
量化：取样后图像的每个样点的取值范围分成若干区间， 并仅用一个数值代表每个区间中的所有取值。量化的结果是 图像能够容纳的颜色总数，它反映了采样的质量。
n (1) 三色原理：根据三原色学说，可见光谱内任何颜色都可由红、绿、蓝三色组 成。 n 人眼的视觉：生理学试验表明，视网膜上的光感受器可分锥细胞和杆细胞。 杆细胞为暗视器官，主要功能是辨别亮度信息；锥状细胞是明视器官，其功 能是分辨是颜色。锥细胞对彩色敏感，杆细胞对亮度敏感。锥细胞可分为3类 ，分别对红、绿、蓝敏感。
2.2色度学基础与颜色模型
n 2. 颜色模型 n RGB颜色模型 n 按照CIE规定的三基色构成表色系统。自然界的任一种颜色都可通过这三种基 色按不同比例混合而成。由于RGB模型将三基色同时加入以产生新的颜色，所 以，它是一个加色系统。
RGB (Red, Green, Blue)
R:200 G:50 B:120
光 谱 反 射
图像的某一行
举例：如图光谱的反射值范围在0~1之间，采样区间为0.1，则量化 后，光谱的离散反射值有多少个？如采样区间为0.01，则量化后， 光谱的离散反射值有多少个？
2.1.2 采样分辨率的影响
Sampling is the principal factor determining the spatial resolution of an image.
2.2色度学基础与颜色模型
人类感光细胞的敏感曲线
Green Red Blue
2.2色度学基础与颜色模型
n (2) 颜色的三个属性 n 颜色是外界光刺激于人的视觉器官而产生的主观感觉。颜色可分两大类：非 彩色和彩色。 n 非彩色：黑白色 n 彩色：根据人的视觉系统感知彩色的方式，颜色有三个基本属性，分别是色 调、饱和度、亮度。 n 色调：人的感官对不同颜色的感受，如红色、绿色和蓝色。 n 饱和度：颜色的纯度，饱和度越大，颜色看起来就会越鲜艳。 n 强度：对应成像亮度和图像灰度，是颜色的明亮程度。
2.2色度学基础与颜色模型
n 2. 颜色模型 n RGB颜色模型的优点
n (1) RGB模型与显示器等设备有着较 n 好的对应关系。 n (2) 在RGB显示器中，有三种荧光粉能够分
别发出红、绿、蓝三种颜色，三个相邻的 荧光点构成了一个像素，这些荧光点受到 三束分别为c1,c2,c3的电子束的轰击，会发 出不同的亮度，通过物理上的叠加或混合 ，便可显示出相应的颜色。
2.2色度学基础与颜色模型
n 2. 颜色模型(在各种行业中如何生成彩色) n 按用途可分为三类：计算颜色模型、视觉颜色模型和工业颜色模型 n (1) 计算颜色模型 n 用于进行颜色的理论研究。常见的RGB模型、CIE XYZ模型、Lab模型等均 属于此类型。 n (2) 视觉颜色模型是指与人眼对颜色感知的视觉模型相似的模型，它主 要用于色彩的理解，常见的有HSI模型、HSV模型和 HSL模型。 n (3) 工业颜色模型侧重于实际应用，包括彩色显示系统、彩色传输系统 及电视传输系统等。如印刷中用的CMYK模型、电视系统用YUV模型、用于 彩色图像压缩的YCbCr模型等。