一 成像模型
我们用二维函数 来表示图像。在空间坐标
处
的值是一个标量,其物理意义由图像源决定,其值与物理源辐射的能量成正比。
区间称为亮度级(灰度级)。实际工作中常将这类区间表示为
或
,其中
表示黑色,
表示白色。
二 图像取样和量化
1. 取样和量化的基本概念
对于一幅连续图像,我们需要将它转化成数字形式。一幅图像的坐标和
坐标是连续的,其幅度也是连续的。要将函数数字化,就要对该函数的坐标和幅度进行取样。对坐标值进行数字化称为取样(采样),对幅度值进行数字化称为量化。
2. 数字图像表示
令表示一个有两个连续变量
和
的连续图像函数。
假设把一幅连续图像取样为一幅数字图像,该图像包含有
行和
列,其中
是离散坐标。
一般来说,数字图像在任何坐标处的值记为
,其中
和
都是整数。
由图像的坐标张成的实平面部分称为空间域,和
称为空间变量或空间坐标。
一幅图像中的可观像素数量具有高动态范围时,称之为该图像具有高对比度。
存储数字图像所需的比特数为:
是,上式变为:
1字节等于8比特,1兆字节等于字节。
一幅图像具有个可能的灰度级时,我们通常称该图像是一幅"
比特图像"。
3. 线性索引和坐标索引
一个像素的位置由其二维坐标给出的约定,称为坐标索引或下标索引。
在图像处理中广泛使用的线性索引,由一个一维的非负整数串组成,这个非负整数串是通过计算到坐标的偏移量得到的。
线性索引主要是两种:一种基于图像的行扫描;另一种基于图像的列扫描;
4. 空间分辨率和灰度分辨率
空间分辨率是图像中最小可辨别细节的测度。
灰度分辨率是指在灰度级中可分辨的最小变化。
灰度分辨率通常是指量化灰度时所用的的比特数。
5. 图像内插
内插通常在图像放大,缩小,旋转和几何校正等任务中使用。
内插是用已知数据来估计未知未知的值的过程。
双线性内插,使用4个最近邻的灰度来计算给定位置的灰度。令表示待赋灰度值的位置的坐标,令
表示灰度值。其公式为:
上式中,4个系数可用由点的4个最近邻点写出的4个未知方程求出。双线性内插的结果要比最近邻内插的结果好得多,但计算量会随之增大。
双三次内插,它包括16个最近邻点。其公式为:
上式中,16个系数可用由点的16个最近邻点写出的16个未知方程求出。通常,双三次内插在保留细节方面确实要强于双线性内插。
内插时可以使用更多的邻点,并且存在使用样条和小波的复杂技术,采用这些技术可以得到更好的结果。
三 像素间的一些基本关系
1. 像素的相邻像素
坐标处的像素
有2个水平的相邻像素和2个垂直的相邻像素,它们的坐标是:
这组像素称为的4邻域,用
表示。
的4个对角相邻像素的坐标是:
用表示。这些相邻像素和4邻域合称为
的8邻域,用
表示。
点的相邻像素的图像位置集称为
的邻域。如果一个邻域包含
,那么称该邻域为闭邻域,否则称该邻域为开邻域。
2. 邻接,连通,区域和边界
令V是用于定义邻接的灰度值集合。在二值图像中,指值为1的像素的邻接时, { 1 } 。
三种类型的邻接:
1. 4邻接。在集合
中时,值在
中的两个像素
和
是4邻接的。
2. 8邻接。在集合
中时,值在
中的两个像素
和
是8邻接的。
3. m邻接(混合邻接)。如果:(a) 在
中,或(b)
在
中,且集合
中没有值在
中的像素,那么值的
中的两个像素
和
是
邻接。
混合邻接是8邻接的改进,目的是消除采用8邻接时可能导致的歧义性。
从坐标为的像素
到坐标
的像素
的数字通路(或曲线)是不同的像素序列,这些的像素坐标为:
式中,点和
在
时是邻接的。
是通路的长度。
时,通路是闭合通路。
令表示图像中像素的一个子集。如果完全由
中所有像素组成的两个像素
和
之间存在一个通路,那么称
和
在
中是连通的。对于
中的任意像素
,在
中连通到该像素的像素集称为
的连通分量。若
仅有一个连通分量,则集合
称为连通集。
令表示图像中像素的一个子集。若
是一个连通集,则称
为图像的一个区域。两个区域
和
联合形成一个连通集时,称
和
为邻接区域。不邻接的区域称为不相交区域。
2. 距离测度
对于坐标分别为,
和
的像素
,
和
,如果:
当且仅当
且
则是一个距离函数或距离测度。
和
之间的欧几里得距离定义为:
对于这个距离测度,到点的距离小于等于
的像素,是中心在
,半径为
的圆盘。
和
之间的距离
定义为:
此时,到的距离
小于等于
的像素形成一个中心为
的菱形。
和
之间的距离
定义为:
此时,到的距离
小于等于
的像素形成一个中心为
的方形。
3. 空间运算
分为三类:
- 单像素运算;
- 邻域运算;
- 几何空间变换;
单像素运算
用一个变换函数改变图像中各个像素的灰度:
式中,是原图像中像素的灰度,
是处理后图像中对应像素的灰度。
邻域运算
令代表图像
中以任意一点
为中心的一个邻域的坐标集。邻域处理在输出图像
中的相同坐标处生成一个对应的像素,这个像素的值由输入图像中邻域像素的规定运算和集合
中的坐标确定。平均运算公式为:
式中,和
是像素的行坐标和列坐标,这些坐标属于集合
。
几何变换
几何变换改变图像中像素的空间排列。
数字图像的几何变换由两种基本运算组成:
- 坐标的空间变换;
- 灰度内插,即为空间变换后的像素赋灰度值;
坐标变换可表示为:
二维仿射变换的关键性质是,它保留点,直线和平面。
采用3 x 3矩阵,用齐次坐标来表示所有4个仿射变换是可能的:
这个变换可根据为矩阵A选择的元素值,对图像进行缩放,旋转,平移或剪切变换。
4. 图像变换
表示为的二维线性变换是一种特别的重要的变换,其通式为:
式中,是输入图像,
称为正变换核。(x和y是空间变量,M和N是
的行数和列数,
和
称为变换变量)。
称为
的正变换。
已知,我们用
的反变换还原
:
式中,,
称为反变换核。
变换的性质取决于变换核。
在数字图像处理中特别重要的一种变换是傅立叶变换,它具有如下正变换核和反变换核:
和
式中,,因此这些变换核是复函数。可得到离散傅立叶变换对:
和
当正,反变换核可分,对称,且是大小为M x M的方形图像时,可表示为矩阵形式:
式中,是包含
的元素的M x M矩阵;
是元素为
的M x M 矩阵,
是元素为
的M x M变换矩阵。
为得到反变换,我们用反变换矩阵前乘和后乘式:
若,则
该式表明或等效的
可由其正变换完全恢复。若
,则:
5. 图像灰度和随机变量
灰度级在这幅图像中出现的概率
计算为:
式中,是灰度级
在图像中出现的次数,MN是像素总数。很明显有:
均值灰度为:
同理,灰度的方差为:
一般来说,随机变量z相对于均值的第n阶中心矩定义为: