目录
图像数字化
进入镜头的光，是f，由两个部分组成
i是光的强度，0~无穷大
r是反射率，1~0
数字化分为两个步骤
1.X,Y离散化——空间上的采样
2.每个像素点的幅度f也要离散化——量化
量化和采样将直接影响图像的质量
传感器采样（空间上的
采样频率 ：决定空间分辨率
单个传感器，条带传感器，二维阵列传感器
阵列的传感器等于说直接把X,Y给离散化了
单个的传感器得一行一列的扫描采样
条带的就一个方向采样就行了
量化
灰度级的分辨率又叫像素深度
虽说隔了一段空间采一个样，但是采样的数据仍然是连续的，需要将数据分为几个灰度级，在同一个灰度级中的数据全部变成一个值，即为量化。灰度级为256个
数字化后的图像
经过数字化之后，一张图像就变成了一个矩阵
如何计算一张图占空间的大小
举个例子：一张图M*N个小格格，灰度级256则k为8bit，所以....
那么N和k之间有没有什么联系呢：研究发现 ，图像细节很丰富的话，我在相同的N的条件下 k等于5还是4 视觉效果差不多——适当的减低量化的精度
图像放大和缩小
1.创建新的网格位置
2.赋值新网格的值
最近邻插值：原图中周围四个像素距离最近的赋值给新的网格
双线性插值：用点周围四个点作为线性组合得到新像素点的值
来看一组结果：上面一行是最近邻插值，下面是双线性插值（计算量大一些）
像素空间关系
像素间联系
像素p的邻域
4近邻（4-neighbors）：N4(p)
对角近邻（D-neighbors） ：ND(p)
8近邻（8-neighbors） ：N8(p)
像素连通性
连通性(connectivity)是描述区域和边界的基本概念
两个像素具有连通性的两个必要条件
两个像素是否相邻
它们的灰度级是否满足相似性准则 设V是具有相似灰度的集合。
（对于二进制图像，可令V={1}；对于具有256灰度级的灰度图像，V是这256数值中的一个子集，比如V={x|0<x<125}）
通俗一点讲就是，现在要把像素矩阵分块了，分成一片一片连通的部分，但是要怎么分呢？如何来定义两个像素是连通的？
——四连通 P,Q是4邻域关系
——八连通 P,Q是8邻域关系
——m连通（混合连通）
(i) q属于集合N4(p)
(ii)或者q属于集合ND(p) 且N4(p) ∩N4(q)中没有像素值属于集合V的像素
·比如下面这个图
如果我用四连通来分，就是两个连通的区域
如果用八连通来分，就是一个连通 的区域
如果用混合连通来分，跟上面一样的
像素连通性- MATLAB & Simulink- MathWorks 中国
通路
距离度量
对于距离的定义可以是多种多样的
像素 p, q 和 z，坐标分别为 (x, y)，(s, t) 和 (v, w)
（1）欧式距离：等距的点形成一个圆
（2）D4距离（或city-block距离） 等距离轨迹是菱形
横坐标的距离+纵坐标的距离
（3）D8 距离（或chessboard距离） 等距离轨迹为正方形
几何失真校正
‘图像的几何失真校正主要包括两个步骤：
空间变换：失真的像素从新排好像素位置
灰度插值：对排好的像素 进行灰度插值 （有点像放大缩小时候的操作
空间变换
模型：图像f (x, y)受几何形变的影响变成失真图像 g(x', y' )
x'=S(x,y) y'=T(x,y)
那么根据s和t的不同可以分为 线性失真和非线性（二次）失真
这种是线性的
这种是二次的
比如上图左侧是失真图，右侧是矫正图，然后我们知道这是一个线性失真，并且有八个参数
我们需要求出这八个参数，这样才能反应用失真函数，将像素点矫正。所以根据一个点有两个值，可以列出两个方程的原理，我们应该找到矫正图和失真图的四个对应点，即可解出参数值，完成空间变换
灰度插值
后向映射的意思是，根据矫正图的X,Y带入到失真函数中算出x',y'，当然这时候x',y'有可能就不是整数了，也就是不在像素点上而是在像素块内，这时候我们用灰度插值的任意一种方法取得灰度值赋值给x,y点就可以了
4250
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
