冈萨雷斯-图像处理学习笔记一

冈萨雷斯-图像处理学习笔记一
数字图像基础
1、图像的取样和量化
为了产生一幅数字图像需要把连续的感知数据转换为数字形式，期间包括取样和量化。以一幅连续图像f（x，y），x，y均为连续的，对其x坐标进行数字化也就是取样，对其y幅值进行数字化也就是量化。取样和量化后的值都是离散的不在连续。
2、空间和灰度级分辨率
取样值是决定一幅图像的空间分辨率的主要参数。空间分辨率是指图像中可辨别的最小细节。灰度级分辨率是指在灰度级别中可以分辨的最小变化。
3、放大和收缩数字图像
放大和收缩可以看成是过采样和欠采样，二者与取样量化的关键区别在于放大和收缩适用于数字图像，而取样和量化主要是针对连续的原始图像。
放大，基本包含创立新的像素位置和对新的像素位置赋灰度值。收缩，和放大类似，但过程可等效总结为行列的删除。
4、像素之间的基本关系
相邻像素
位于坐标（x,y）处的像素p，在水平和垂直方向分别有两个像素与其相邻，对应坐标为：(x+1,y), (x-1,y), (x,y+1), (x,y-1)这一组像素称为像素p的4邻域，用N_4 §来表示。对于同样的像素p，在其对角方向有4个像素与其相邻，对应坐标为：(x-1,y-1), (x-1,y+1), (x+1,y-1), (x+1,y+1)这一组像素用N_D §来表示。上面的8个坐标点，构成了像素p的8邻域，用N_8 §来表示。N_8 §= N_4 §+ N_D §。
邻接性，连通性，区域，边界
像素间的连通性简化了区域边界的概念，两个像素是否联通，必须确定他们是否相邻以及灰度值是否满足特定的相似准则。灰度值只有0和1两种情况。定义V为所要讨论的像素的邻接性灰度值集合。则在二值图像中V={1}。分析三种类型的邻接：
1）4邻接。如果像素q在集合N_4 §中，则具有V中灰度值的两个像素q和p是4邻接的。
2）8邻接。如果像素q在集合N_8 §中，则具有V中灰度值的两个像素q和p是8邻接的。
3）m邻接。如果(1)q在集合N_4 §中，或者(2) 像素q在集合N_D §中，且集合N_4 §∩N_4 (q)没有来自V中灰度值的像素，则具有V中数值的两个像素p和q是m邻接的。
注意：m邻接主要是为了消除8邻接的二义性，是8邻接的改进。


从坐标(x,y)的像素p到坐标为(s,t)的像素q的通路，是由一系列的特定像素组成的序列，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（4邻接，8邻接，m邻接）。在这种情况下，n是通路的长度。从像素p到像素q就形成了一个像素通路。
令S是图像中的一个像素子集，如果S的全部像素之间存在一个通路，则可以说两个像素p和q在S中是连通的。对于S中的任何像素p，S中连通到该像素的像素集成为S的连通分量。如果S仅有一个连通分量，则集合S成为连通集。概括来说，S中的所有的像素，每两个相邻的像素之间是相邻接的(4，8，m)，并且只有一个通路，那么S为连通集。令R是图像中的一个像素子集。如果R是连通集，则R被称作为一个区域。两个区域Ri和Rj如果能形成一个连通集，那么称这两个区域为邻接区域。不过在讨论是否为邻接区域的时候，只能考虑区域边界的像素是否构成4邻接和8邻接，而不考虑m邻接。在定义区域邻接的时候，必须指定邻接类型。
距离度量
对于像素p(x,y),q(s,t),z(v,w)，如果满足:
D(p,q)>=0,D(p,q)=D(q,p),D(p,z)<=D(p,q)+D(q,z)
则D是距离函数或度量。
p，q的欧式距离为：D₄(p,q)=[(x-s)²+(y-t)²]^1/2
p，q的 棋盘距离：D₈(p,q)=max(|x-s|,|y-t|)