数字图像处理（一）概论与基本原理

概论

数字图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。而人眼观察外界世界是先通过人眼将看到的内容传入大脑来进行处理。二者虽然看上去不同，但其实际过程十分相似。人的眼球可以比作一架活的照相机。照相机有镜头、光圈、暗箱、底片和调节装置。人眼的结构和照相机十分相似，角膜和晶状体相当于镜头，瞳孔相当于光圈，脉络膜相当于暗箱，视网膜相当于底片。自然界各种物体在光线的照射下，不同颜色可以反射出明暗不同的光线，这些光线透过角膜、晶状体、玻璃体的折射，在视网膜上成像，构成光刺激。视网膜上的感光细胞（圆锥和杆状细胞）受光的刺激后，经过一系列的物理化学变化，转换成神经冲动，由视神经传入大脑皮质的视觉中枢，然后我们就能看见物体了。从整个处理过程可以分为以下三个层次来比较分析：

一.初级处理：

对于数字图像处理而言，在图像获得的过程中，低级处理包括图像获得的原始过程和操作，如降低噪声的图像预处理、对比度增强和图像锐化等。对于人来说，人眼通过对角膜、瞳孔等的调节来调节来适应实际环境以获得最佳的视觉效果，比如在看远近与亮暗环境下的自动调节。

二.中级处理

数字图像处理的中级处理例如图像分割，将图像分为区域或者目标，然后对这些目标进行描述，以便把他们简化为适合计算机处理的形式，并对单个目标进行分类（识别）。实际上这一过程计算机从输入的图像中提取相关的属性，例如边缘、轮廓和单个物体的特性。人在获得一副图像的信息时这一过程并不是十分明显，而是直接惊醒了高级处理，通过联想（例如人的神经网络）来将物体区分开来。但实际过程是人先从这个画面中把相关的物体先区分出来这一中级处理，而后再做的高级处理。

三.高级处理

最后，计算机视觉高级处理通过以执行通常与人类视觉相关的感知函数，来对识别的对象进行总体确认。在这一领域中，其最终的目的是用计算机模仿人类视觉，包括学习和推理，并根据视觉输入采取操作。这个领域属于人工智能（AI）的分支，最终目标为实现像人一样来，对于视觉信息进行推理与分析。

基本原理

• 图像

某种物理量的空间分布，这里指的是光强(光通量)在图像平面 f(x, y)的分布。即一副图像可以定义为一个二维函数，其中x，y为图像空间坐标，而 f 在任意坐标(x, y)处的幅度称为图像在该点的亮度或灰度。

• 数字

这里的数字包含了两层的含义：其一，将实际空间中连续的图像信息离散化，即 x, y, f(x, y)的值都是有限的离散的图像称之为数字图像。其二，该获得与处理过程是通过计算机，并结合数学方法来实现的。

• 处理

 图像的运算 | 图像的滤波 | 图像的编码与压缩 | 图像分割 | 图像特征提取 | ...

数字图像的采样与量化

图像数字化的基本过程是一个AD转换的过程，在把一个模拟量转化为数字量时，包含有以下几个过程：采样、编码和量化。

采样定理

信号，频率与频谱 | 傅里叶级数 | 空间频率 | 奈奎斯特采样定理 | 香农定理

香农公式：适用于限频、限功率高斯信道

奈奎斯特公式：适用于无码间干扰的理想低通信道

 

香农公式：C=B×log2(1+S/N)。式中：B是信道带宽（Hz），S是信号功率（瓦），N是噪声功率（瓦）。香农公式描述了限频、限功率高斯信道的最大信息传输速率（bps）与信道带宽、信噪比之间的关系。香农公式给出了信息传输速率的极限，即对于一定的传输带宽和一定的信噪比，信息传输速率的上限就确定了。这个极限是不能够突破的。要想提高信息的传输速率，必须设法提高传输线路的带宽，或者必须设法提高信噪比。

 

奈奎斯特公式：C = 2B×log2 (M) ，式中：C 是信息传输速率（bps），B是带宽（Hz），M是信号编码级数。码元传输的速率（又叫波特率，单位Baud）是受限的，最高码元传输速率＝2B（Baud）。但奈奎斯特公式并没有对信息传输速率（bps）给出限制。要提高信息传输速率就必须使每一个传输的码元能够代表更多个比特的信息。这就需要有很好的编码技术。

数字图像的性质

分辨率（空间采样分辨率） | 量化级数（灰度分辨率） | 空间频率分布 | 噪声水平

 

数字图像硬件组成

光源 | 光学系统 | 探测器 | 计算机（DSP） | 接口（采集卡）