数字图像的表示
合集下载
相关主题
- 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)。
如果△I不够亮，实验者没有感知上的变化，当△I逐步 增强，感知上发生变化。如果50％的机会感知亮度变化， 则量△I50/I为韦伯率，小的韦伯率表示可区分强度的 小变化，有较好的亮度区分能力；大的韦伯率表示只有 大的强度变化才能区分，有较差的亮度区分能力
马赫带效应
视觉系统有趋 向于过高或过 低估计不同亮 度区域边界值 的现象
彩色图像表示－彩色图象可以用红、绿、蓝三元组 的二维矩阵来表示。
通常，三元组的每个数值也是在0到255之间，0表示相应的 基色在该象素中没有，而255则代表相应的基色在该象素 中取得最大值，这种情况下每个象素可用三个字节来表 示
彩色图象(128x128)及其对应的数值矩阵（仅列出一部分(25x31)）
同时对比度
亮背景下显得暗、暗 背景下显得亮
它是基于人眼对某个区域感 觉到的亮度并不仅仅依赖于 它的强度
每个条带内部的亮度 是常数，但仍然有强 烈的边缘效应
颜色视觉
颜色分解 三基色
区分颜色的3种基本特性
对比度－指一幅图像中灰度反差的大小，对比度＝最大亮度/最小亮度
分辨率 －空间分辨率和灰度分辨率 灰度分辨率是指值的单位幅度上包含的灰度级数，即在灰度 级数中可分辨的最小变化。若用8比特来存储一幅数字图像， 其灰度级为256。 空间分辨率是指图像中可辨别的最小细节，采样间隔决定空 间分辨率的主要参数。一般情况下，如果没有必要实际度量 所涉及象素的物理分辨率和在原始场景中分析细节等级时， 通常将图像大小M×N，灰度为L级的数字图像称为空间分辨 率为M×N，灰度级分辨率为L级的图像。
图像噪声－妨碍人们感觉器官对所接收的信息 理解的因素 ，种类很多，如加性噪声、乘性噪 声、白噪声和高斯噪声
采样点和量化级的选取
假定一幅图像取M×N个样点，对样点值进行Q 级 分档取整。那么对 M、N和Q如何取值呢？
为了存取的方便，Q一般总是取成2的整数次幂 ， 如Q＝2b，b为正整数，通常称为对图像进行b比 特量化。
(207,137,130) (220,179,163) (215,169,161) (210,179,172) (210,179,172) (207,154,146) (217,124,121) (226,144,133) (226,144,133) (224,137,124) (227,151,136) (227,151,136) (226,159,142) (227,151,136) (230,170,154) (231,178,163) (231,178,163) (231,178,163) (236,187,171) (236,187,171) (239,195,176) (239,195,176) (240,205,187) (239,195,176)
采样－就是图像在空间上的离散化处理，即使空 间上连续变化的图像离散化
量化－经过取样的图像，只是在空间上被离散为 像素（样本）的阵列，而每一个样本灰度值还是 一个有无穷多个取值的连续变化量，必须将其转 化为有限个离散值，赋于不同码字才能真正成为 数字图像，再由数字计算机或其它数字设备进行 处理运算，这样的转化过程称其为量化
二值图像表示
为了减少计算量，常将灰度图像转为二值图像处理。
定义：只有黑白两个灰度级，即象素灰度级非1即0，如 文字图片，其数字图像可用每个象素1bit的矩阵表示 二值图像的特殊表示法：如链码(Freeman码)－ 适合表示直线和曲线组成的二值图像，以及描述 图像的边界轮廓
采用链码节省很多的比特数－规定了链的起 点坐标和链的斜率序列，这样就可以完全描 述曲线和直线
第2章图像的基本知识及 运算
专业术语及表示方法 图像与视觉之间的关系 图像象素间的关系 图像间的运算
专业术语
数字图像与物理图像－数字图像是离散的，物理 图像是连续的函数
数字化－为了适应数字计算机的处理，必须对连续 图像函数进行空间和幅值数字化。空间坐标(x,y) 的数字化称为图像采样，而幅值数字化被称为灰度 级量化。经过数字化后的图像称为数字图像(或离 散图像)。
对b来讲，取值越大，重建图像失真越小
对M×N的取值，主要的依据是取样的约束条 件，也就是在M×N达到满足取样定理的情况 下，重建图像就不会产生失真，否则就会因 取样点数不够而产生所谓混淆失真
数字图像的表示
灰度图像表示
象素 (pixel)
f (0,0) f (0,1) f (0, N 1)
f
(
x,
y)
f
f (1,0)
(N 1,0)
f (1,1)
f (N 1,1)
f (1, N 1)
f
Байду номын сангаас
(N
1,
N
1)
灰度图象(128x128)及其对应的数值矩阵（仅列出一部分(26x31)）
125,153,158,157,127, 70,103,120,129,144,144,150,150,147,150,160,165, 160,164,165,167,175,175,166,133, 60, 133,154,158,100,116,120, 97, 74, 54, 74,118,146,148,150,145,157,164,157,158,162,165,
1(90o)
2(180o)
0(0o)
3(270o)
3(135o) 2(90o) 1(45o)
4(180o)
0(0o)
5(225o) 6(270o)
八向链码
7(315o)
图像信息的基本知识
图像与视觉之间的关系 图像象素之间联系 图像之间的运算
人眼与亮度视觉
15m
镜头
晶状体
成像 面
视网膜
100m 人眼截面示意图
17mm
人眼的亮度适应范围1010量级 同时亮度适应区间不大， 一般 < 64级
x/17=15/100 x=2.55mm
亮度适应
假设一个平面如磨砂玻璃一样散光，被1个强度为I且可 以变化的光源从背后照亮，1个照度增量为△I，像短促 闪光一样加在均匀照明的平面上，可使人感到平面中间 像1个圆形亮点，如图所示
马赫带效应
视觉系统有趋 向于过高或过 低估计不同亮 度区域边界值 的现象
彩色图像表示－彩色图象可以用红、绿、蓝三元组 的二维矩阵来表示。
通常，三元组的每个数值也是在0到255之间，0表示相应的 基色在该象素中没有，而255则代表相应的基色在该象素 中取得最大值，这种情况下每个象素可用三个字节来表 示
彩色图象(128x128)及其对应的数值矩阵（仅列出一部分(25x31)）
同时对比度
亮背景下显得暗、暗 背景下显得亮
它是基于人眼对某个区域感 觉到的亮度并不仅仅依赖于 它的强度
每个条带内部的亮度 是常数，但仍然有强 烈的边缘效应
颜色视觉
颜色分解 三基色
区分颜色的3种基本特性
对比度－指一幅图像中灰度反差的大小，对比度＝最大亮度/最小亮度
分辨率 －空间分辨率和灰度分辨率 灰度分辨率是指值的单位幅度上包含的灰度级数，即在灰度 级数中可分辨的最小变化。若用8比特来存储一幅数字图像， 其灰度级为256。 空间分辨率是指图像中可辨别的最小细节，采样间隔决定空 间分辨率的主要参数。一般情况下，如果没有必要实际度量 所涉及象素的物理分辨率和在原始场景中分析细节等级时， 通常将图像大小M×N，灰度为L级的数字图像称为空间分辨 率为M×N，灰度级分辨率为L级的图像。
图像噪声－妨碍人们感觉器官对所接收的信息 理解的因素 ，种类很多，如加性噪声、乘性噪 声、白噪声和高斯噪声
采样点和量化级的选取
假定一幅图像取M×N个样点，对样点值进行Q 级 分档取整。那么对 M、N和Q如何取值呢？
为了存取的方便，Q一般总是取成2的整数次幂 ， 如Q＝2b，b为正整数，通常称为对图像进行b比 特量化。
(207,137,130) (220,179,163) (215,169,161) (210,179,172) (210,179,172) (207,154,146) (217,124,121) (226,144,133) (226,144,133) (224,137,124) (227,151,136) (227,151,136) (226,159,142) (227,151,136) (230,170,154) (231,178,163) (231,178,163) (231,178,163) (236,187,171) (236,187,171) (239,195,176) (239,195,176) (240,205,187) (239,195,176)
采样－就是图像在空间上的离散化处理，即使空 间上连续变化的图像离散化
量化－经过取样的图像，只是在空间上被离散为 像素（样本）的阵列，而每一个样本灰度值还是 一个有无穷多个取值的连续变化量，必须将其转 化为有限个离散值，赋于不同码字才能真正成为 数字图像，再由数字计算机或其它数字设备进行 处理运算，这样的转化过程称其为量化
二值图像表示
为了减少计算量，常将灰度图像转为二值图像处理。
定义：只有黑白两个灰度级，即象素灰度级非1即0，如 文字图片，其数字图像可用每个象素1bit的矩阵表示 二值图像的特殊表示法：如链码(Freeman码)－ 适合表示直线和曲线组成的二值图像，以及描述 图像的边界轮廓
采用链码节省很多的比特数－规定了链的起 点坐标和链的斜率序列，这样就可以完全描 述曲线和直线
第2章图像的基本知识及 运算
专业术语及表示方法 图像与视觉之间的关系 图像象素间的关系 图像间的运算
专业术语
数字图像与物理图像－数字图像是离散的，物理 图像是连续的函数
数字化－为了适应数字计算机的处理，必须对连续 图像函数进行空间和幅值数字化。空间坐标(x,y) 的数字化称为图像采样，而幅值数字化被称为灰度 级量化。经过数字化后的图像称为数字图像(或离 散图像)。
对b来讲，取值越大，重建图像失真越小
对M×N的取值，主要的依据是取样的约束条 件，也就是在M×N达到满足取样定理的情况 下，重建图像就不会产生失真，否则就会因 取样点数不够而产生所谓混淆失真
数字图像的表示
灰度图像表示
象素 (pixel)
f (0,0) f (0,1) f (0, N 1)
f
(
x,
y)
f
f (1,0)
(N 1,0)
f (1,1)
f (N 1,1)
f (1, N 1)
f
Байду номын сангаас
(N
1,
N
1)
灰度图象(128x128)及其对应的数值矩阵（仅列出一部分(26x31)）
125,153,158,157,127, 70,103,120,129,144,144,150,150,147,150,160,165, 160,164,165,167,175,175,166,133, 60, 133,154,158,100,116,120, 97, 74, 54, 74,118,146,148,150,145,157,164,157,158,162,165,
1(90o)
2(180o)
0(0o)
3(270o)
3(135o) 2(90o) 1(45o)
4(180o)
0(0o)
5(225o) 6(270o)
八向链码
7(315o)
图像信息的基本知识
图像与视觉之间的关系 图像象素之间联系 图像之间的运算
人眼与亮度视觉
15m
镜头
晶状体
成像 面
视网膜
100m 人眼截面示意图
17mm
人眼的亮度适应范围1010量级 同时亮度适应区间不大， 一般 < 64级
x/17=15/100 x=2.55mm
亮度适应
假设一个平面如磨砂玻璃一样散光，被1个强度为I且可 以变化的光源从背后照亮，1个照度增量为△I，像短促 闪光一样加在均匀照明的平面上，可使人感到平面中间 像1个圆形亮点，如图所示