第二部分:图像的数字化
类比声音信号的数字化过程:
(1)取样
(2)量化(数模转换)
(3)编码
图像的数字化过程:
AB线上灰度是在变化,把这种灰度的变化转变为模拟信号,经过采样,编码后转变为数字信号。
·采样间隔越大,所得图像像素数越少,图像空间分辨率低,质量差。
·采样间隔越小,所得图像像素数越多,图像空间分辨率高,质量好,但数据量大。
·图(a)至(f)是采样间距递增获得的图像,像素数从256*256递减至8*8。
·量化等级越多,所得图像层次越丰富,灰度分辨率越高,质量越好,但数据量大;
·量化等级越少,图像层次欠丰富,灰度分辨率低,质量变差,会出现假轮廓现象,但数据量小。
图2.7 (a)至(f)是在采样间距相同时灰度级数从256逐次减少为64、16、8.4、2所得到的图像。
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。
非均匀量化:
在边界附近使用较少的灰度级,剩余的灰度级可用于灰度级变化比较平滑的区域。
避免或减少由于量化的太粗糙,在灰度级变化比较平滑的区域出现假轮廓的现象
(1)对于缓变的图像,应该粗采样,细量化。
(2)对于细节丰富的图像,应该细采样,粗量化。
*处理复杂,一般不用(非均匀采样,非均匀量化)。
第三部分 图像像素间的关系
像素间的关系主要对像素与像素之间的关联进行描述,理解像素间的关系是学习图像处理的必要准备,这主要包括相邻像素,邻接性、连通性,区域、边界的概念,以及今后要用到的一些常见距离度量方法。
领域关系:
领域关系常用于描述相邻像素之间的相邻关系,包括4邻域,D邻域,8邻域等类型。
N8(p) = N4(p) + ND(p)
邻接性:
对于具有值V的像素p和q
m连通有两种情况(1),(2)。
如左图,p与q的4邻域交际为空(橙色部分,没有值),所以是m连通。
右图,交集部分非空,所以不是m连通。
从C到D可以走:C->B->A->D,也可以C->A->D,为了避免这种歧义,我们用m连通表示,这样从C到D就只有:C->B->A->D一种方式了。
m邻接实质:
当像素间同时存在4-邻接和8-邻接(比如C与A)时,优先采用4-邻接;
屏蔽两个(C,A)和同一像素(B)间存在4-邻接的像素之间的8-邻接。
连通性:
从具有坐标(x,y)的像素p到具有坐标(s,t)的像素q的通路(或曲线)是特定的像素序列,其坐标为:
(x0,y0),(x1,y1),...,(xn,yn)。
其中(x0,y0) = (x,y),(xn,yn) = (s,t)并且像素(xi,yi)和(xi-1,yi-1)(对于1<=i<=n)是邻接的。在这种情况下,n是通路的长度。如果(x0,y0)=(xn,yn),则通路是闭合通路。
上图有几个字母,每一个单独的区域里,它们都是相通的,从一个点到另一个点都存在一条通路。
如果要从像素s到像素t:
在4连通的条件下:s不能到t
在8连通的条件下:s可以到t
在m连通的条件下:s可以到t
上图为一个二值图
如果考虑4邻接,则有3个连通区域:
如果考虑8邻接,则有2个连通区域:
我们对这个灰度图像做了一个阈值分割,得到下图的结果(白色1,黑色0),我们可以找到一些连通区域,我们找到这些连通区域后,去找有多少像素,显然像素越多的,占面积越大;我们把占像素比较多的区域提取出来,就可以提取出骨头的框架。
区域和边界:
区域的定义是建立在连通集的基础上的,令R是图像中的像素子集,如果R是连通集,则成R为一个区域。
·如果一个点的8邻域都是1,则可以认为这个点是内部的点而不是边界上的点,可以删除这类点,剩下的就是边界上的点。
·根据腐蚀的特性,使用3*3的结构元素对图像进行腐蚀,可以得到内部的点,那么再用原图减去腐蚀图,就得到了图像的边界。(腐蚀:比如我们打磨上述左图,边界都磨掉了,剩下的就是内部,下图就是一个腐蚀的过程)