数字图像处理的基础

转载 2015年07月08日 15:03:25

大家都知道,人类所获取的信息中,大部分都来自视觉,人类用自己的双眼观察世界,发现世界。图像是对客观存在的物体、场景的一种相似性的生动描述。现在在计算机、网络及电子产品看到的图像都属于数字图像。在讲解图像处理之前需要必备一些关于图像处理的基本知识,下面就对一些常用的关于图像处理的基本知识进行讲解。

像素

        像素是基本原色素及其灰度的基本编码。我们看到的数字图片是有一个二维的像素矩阵组成。像素在计算机中通常用3个字节24位保存,如16-23 位表示红色(R)分量,8-15 位表示绿色(G)分量,0-7 位表示蓝色(B)分量;详细信息见下面“计算机颜色模型机RGB”中颜色的表示。

现实世界是三维的,但是我们从现实世界拍摄的图像是二维信息。一张图片可以定义为一个二维函数f(x,y)(x,y)是二维空间中的点坐标,f(x,y)是对应于该点的坐标值,即像素。


        当图片尺寸以像素为单位时,每一厘米等于28像素,比如15*15厘米长度的图片,等于420*420像素的长度。 

一个像素所能表达的不同颜色数取决于比特每像素(BPP)。如8bpp[2^8=256色, 灰度图像]16bpp[2^16=65536色,称为高彩色]24bpps[2^24=16777216色,称为真彩色]

分辨率

       图像总像素的多少,称为图像分辨率。由于图像通常用矩阵表示,所以分辨率常用,m*n表示,其中n表示行数(即一列包含的像素)m表示列数(即一行包含的像素)。如640*480,表示图像的长和宽分别为640480,总像素为640*480=307200(相机中所说的30万分辨率),800*600,表示图像的长和宽分别为800600,总像素为800*600=480000(相机中所说的50万分辨率)。

计算机颜色模型机RGB

       颜色模型,是将颜色表示成数字形式的模型,或者说是一种记录图像颜色的方式。有RGB模型、CMYK模型、HSL模型、Lab颜色模型等,其中最常用的是RGB模型。

RGB

       大家都知道,几乎世界上的所有颜色都可以用红(Red)、绿(Green)、蓝(Blue)三种颜色的不同比例组合形成,红绿蓝被称为三原色。

然而在计算机上他是怎样表示的呢?

在计算机中,RGB三种颜色分别被量化成0255256个等级。这样彩色图像就有256*256*256=16777216种彩色,这种图像被称为全彩色图像(full-color nimage)或真彩色图像(true-color image)。

在图像中每一个像素保存一个颜色值,而每种颜色有RGB三种颜色组合而成。所以颜色可以用R、G、B三种颜色的三维坐标表示,如下图:


       根据以上图像颜色的组成原理,可以把一个图像分解成RGG三种基颜色的灰度图像。如下图:

        

原图1                                                                            1_red

        

1_green                                                                            1_blue

算法代码实现(java):见下面附录1

特别说明:当一张图片各个像素的RGB三种颜色的分量都相同时就是一个无彩色灰度图像。如下图:


1_gray

算法代码实现(java):见下面附录2

附录


附录1:将图片分解成R、G、B三种灰度图片的算法

[java] view plaincopy
  1. /** 
  2.      * 将图片分解成R、G、B三种灰度图片 
  3.      */  
  4.     public static void analyseRGB() {  
  5.         OutputStream output = null;  
  6.         try {  
  7.             // read image  
  8.             BufferedImage img = ImageIO.read(new File("F:\\image processing\\图1.jpg"));  
  9.             int imageType = img.getType();  
  10.             int w = img.getWidth();  
  11.             int h = img.getHeight();  
  12.             int startX = 0;  
  13.             int startY = 0;  
  14.             int offset = 0;  
  15.             int scansize = w;  
  16.             int dd = w-startX;  
  17.             int hh = h - startY;  
  18.             int x0 = w / 2;  
  19.             int y0 = h / 2;  
  20.             //System.out.println("dd:" + dd + "  hh:" + hh);  
  21.             // rgb的数组,保存像素,用一维数组表示二位图像像素数组  
  22.             int[] rgbArray = new int[offset + hh * scansize  
  23.                     + dd];  
  24.             //newArray 保存处理后的像素  
  25.             int[] newArray = new int[offset + hh * scansize  
  26.                                     + dd];  
  27.             img.getRGB(startX, startY, w, h, rgbArray, offset, scansize);  
  28.               
  29.             int rgb = rgbArray[offset + (y0 - startY) * scansize  
  30.                     + (x0 - startX)];  
  31.             Color c = new Color(rgb);  
  32.             //System.out.println("中间像素点的rgb:" + c);  
  33.             for(int i=0; i<h-startY; i++) {  
  34.                 for(int j=0; j<w-startX; j++) {  
  35.                     c = new Color(rgbArray[i*dd + j]);  
  36.                     //newArray[i*dd + j] = new Color(c.getRed(), 0, 0).getRGB() ;   //红色灰度图像  
  37.                     //newArray[i*dd + j] = new Color(0, c.getGreen(), 0).getRGB();  //绿色灰度图像  
  38.                     newArray[i*dd + j] = new Color(00, c.getBlue()).getRGB(); //蓝色灰度图像  
  39.                 }  
  40.             }  
  41.               
  42.             // create and save to bmp  
  43.             //File out = new File("F:\\image processing\\图1_red.jpg");  
  44.             //File out = new File("F:\\image processing\\图1_green.jpg");  
  45.             File out = new File("F:\\image processing\\图1_blue.jpg");  
  46.             if (!out.exists())  
  47.                 out.createNewFile();  
  48.             output = new FileOutputStream(out);  
  49.             BufferedImage imgOut = new BufferedImage(w, h, BufferedImage.TYPE_3BYTE_BGR);  
  50.             imgOut.setRGB(startX, startY, w, h, newArray, offset, scansize);  
  51.             ImageIO.write(imgOut, "jpg", output);  
  52.         } catch (IOException e) {  
  53.             e.printStackTrace();  
  54.         } finally {  
  55.             if (output != null)  
  56.                 try {  
  57.                     output.close();  
  58.                 } catch (IOException e) {  
  59.                 }  
  60.         }  
  61.     }  


附录2:将图片分解成黑白图片的算法

[java] view plaincopy
  1. /** 
  2.      * 将图片分解成黑白图片 
  3.      */  
  4.     public static void grayImage() {  
  5.         OutputStream output = null;  
  6.         try {  
  7.             // read image  
  8.             BufferedImage img = ImageIO.read(new File("F:\\image processing\\baboom.jpg"));  
  9.             int imageType = img.getType();  
  10.             int w = img.getWidth();  
  11.             int h = img.getHeight();  
  12.             int startX = 0;  
  13.             int startY = 0;  
  14.             int offset = 0;  
  15.             int scansize = w;  
  16.             int dd = w-startX;  
  17.             int hh = h - startY;  
  18.             int x0 = w / 2;  
  19.             int y0 = h / 2;  
  20.             System.out.println("dd:" + dd + "  hh:" + hh);  
  21.             // rgb的数组,保存像素,用一维数组表示二位图像像素数组  
  22.             int[] rgbArray = new int[offset + hh * scansize  
  23.                     + dd];  
  24.             //newArray 保存处理后的像素  
  25.             int[] newArray = new int[offset + hh * scansize  
  26.                                     + dd];  
  27.             img.getRGB(startX, startY, w, h, rgbArray, offset, scansize);  
  28.               
  29.             int rgb = rgbArray[offset + (y0 - startY) * scansize  
  30.                     + (x0 - startX)];  
  31.             Color c = new Color(rgb);  
  32.             System.out.println("中间像素点的rgb:" +c+" "+c.getRGB());  
  33.             for(int i=0; i<h-startY; i++) {  
  34.                 for(int j=0; j<w-startX; j++) {  
  35.                     c = new Color(rgbArray[i*dd + j]);  
  36.                     //彩色图像转换成无彩色的灰度图像Y=0.299*R + 0.578*G + 0.114*B  
  37.                     int gray = (int)(0.299*c.getRed() + 0.578*c.getGreen() + 0.114*c.getBlue());  
  38.                     newArray[i*dd + j] = new Color(gray, gray, gray).getRGB();  //蓝色灰度图像  
  39.                 }  
  40.             }  
  41.               
  42.             // create and save to bmp  
  43.             File out = new File("F:\\image processing\\baboom_gray.jpg");  
  44.             if (!out.exists())  
  45.                 out.createNewFile();  
  46.             output = new FileOutputStream(out);  
  47.             BufferedImage imgOut = new BufferedImage(w, h, BufferedImage.TYPE_3BYTE_BGR);  
  48.             imgOut.setRGB(startX, startY, w, h, newArray, offset, scansize);  
  49.             ImageIO.write(imgOut, "jpg", output);  
  50.         } catch (IOException e) {  
  51.             e.printStackTrace();  
  52.         } finally {  
  53.             if (output != null)  
  54.                 try {  
  55.                     output.close();  
  56.                 } catch (IOException e) {  
  57.                 }  
  58.         }  
  59.     }  

相关文章推荐

Matlab数字图像处理基础【8】

第六章 图像分割 实例:使用边缘检测算子实现图像分割 clc; clear; %读入图像 A1 = imread('shape.jpg'); figure, subplot(2,2,1)...

Java数字图像处理基础知识

原文:http://blog.csdn.net/jia20003/article/details/7279667 写了很多篇关于图像处理的文章,没有一篇介绍Java 2D的图像处理A...

matlab 最基础的数字图像处理 .

这是上学期数字图像处理的作业,老师要我们比较dft,wht,dct种变换进行压缩后的效果比较,鄙人熬了两夜做了些小东西,为方便后人做的更好,也为了尽少周折,特上传程序至此,程序质量很低,欢迎各位提出宝...

[数字图像处理]频域滤波(1)--基础与低通滤波器

之前的博文主要介绍了空间域内的滤波器,本文主要从频域的角度进行分析。主要使用傅里叶变换,将空间域的图像转换到频域内,在频域内进行数字图像处理。这部分的内容及其重要,频域内的处理可以解决空间域内无法完成...
  • thnh169
  • thnh169
  • 2013年12月08日 12:42
  • 21241

数字图像处理基础之--像素间的关系(邻接/连通)

图像的保存形式 一幅图像,经过取样和量化之后就可以得到一幅数字图像。数字图像在在保存时,都是由单一的像素保存在存储设备中。这些像素在保存时,都是根据像素在原数字图片中原本所处在的物理位置相关的,那么就...
  • DdiIcey
  • DdiIcey
  • 2017年06月28日 22:02
  • 1537

Matlab数字图像处理基础【10】

第六章 图像分割 实例:使用区域生长算法实现图像分割 clear; clc; close all; %读入图像 I = imread('shape.jpg'); I = double(I); %...

频率域滤波基础之三(读数字图像处理学习halcon)

低频对应于图像变化缓慢的灰度分量,前面我们通过衰减高频成分来平滑图像。高频则对应于图像中变化快速的灰度变化。这些通常是物体的边缘及噪声。以下我们将通过高通滤波来实现图像的锐化。高通滤波会衰减傅立叶变换...

数字图像处理的基础

大家都知道,人类所获取的信息中,大部分都来自视觉,人类用自己的双眼观察世界,发现世界。图像是对客观存在的物体、场景的一种相似性的生动描述。现在在计算机、网络及电子产品看到的图像都属于数字图像。在讲解图...

OpenCV数字图像处理基础

OpenCV数字图像处理基础

(7)Air Band数字图像处理基础-边缘检测和轮廓跟踪

本文可视为《Visual.C++数字图像处理开发入门与编程实践》读书笔记 由于部分图片和公式难以打出,使用截图的方式呈现。...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:数字图像处理的基础
举报原因:
原因补充:

(最多只允许输入30个字)