【计算机视觉 】数字图像

1. 图像

1.1 基本概念

• 像素：像素是分辨率的单位。像素是构成位图图像最基本的单元，每个像素都有自己的颜色。

• 分辨率（解析度）

  ① 图像分辨率就是单位英寸内的像素点数。单位为PPI(Pixels Per Inch)

  ② PPI表示的是每英寸对角线上所拥有的的像素数目：

  ③ 屏幕尺寸指的是对角线长度

  ④ 在生活中被混用，或者说错误的用做衡量图像内的像素点数量。

• 灰度：表示图像像素明暗程度的数值，也就是黑白图像中点的颜色深度。范围一般为0-255。白色为255，黑色为0。

• 通道：把图像分解成一个或多个颜色成分：

  ①单通道：一个像素点只需一个数值表示，只能表示灰度，0为黑色； （二值图&灰度图）

  ②三通道：RGB模式，把图像分为红绿蓝三个通道，可以表示彩色，全0表示黑色；

  ③四通道：RGBA模式，在RGB基础上加上alpha通道，表示透明度，alpha=0表示全透明

• 频率: 灰度值变化剧烈程度的指标，是灰度在平面空间上的梯度。高频、低频

• 幅值: 幅值是在一个周期内，交流电瞬时出现的最大绝对值，也是一个正弦波，波峰到波谷的距离的一半。

• 颜色模型———RGB模型
  RGB颜色模型是三维直角坐标颜色系统中的一个单位正方体
  在正方体的主对角线上，各原色的量相等，产生由暗到亮的白色,即灰度。
  正方体的其他6个角点分别为红、黄、绿、青、蓝和品红
  

1.2 RGB转Gray

• **转换原因：**浮点运算更精准，整数运算会因为丢小数部分导致颜色值严重失真，计算过程越多越失真。

• 根据通道转换方法：

  • 浮点算法：Gray=R0.3+G0.59+B0.11
  • 整数方法：Gray=(R30+G0.59+B11)/100
  • 移位方法：Gray=(R76+G151+B*28)>>8
  • 平均值法：Gray=(R+G+B)/3
  • 仅取绿色：Gray=G

• RGB转换为浮点数（RGB转化为[0,1]之间的小数）

  二值化：(用坐标分别除以最大值255就可以得到0到1之间的数)

  # 二值化
  # 笨方法
  if(img_gray[i,j]<=0.5):
  	img_gray[i,j]=0
  else:
  	img_gray[i,j]=1
  # 使用函数
  img_binary = np.where(img_gray >= 0.5, 1, 0)
  

• **注意：**再使用openCV时，openCV对于读进来的图片的痛到排列是BGR，不是RGB

  BGR转为RGB的方法：

  img = cv2.imread('1.jpg')# 读取图像为BGR顺序
  img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)# 将图像转为RGB顺序
  

  cv2.cvtColor()：颜色空间转换函数

  函数构成：

  cv2.cvtColor(frame,cv2.COLOR_BGR2RGB)

  参数说明：

  @frame为要进行处理的图片；

  @cv2.COLOR_BGR2RGB要进行的色彩转换方式；

  

  灰度化：

    img_gray = rgb2gray(img)
    # img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # img_gray = img
  

1.3【 代码实现】彩色图像的灰度化、二值化

# -*- coding: utf-8 -*-
"""
@author: Michael

彩色图像的灰度化、二值化
"""
from skimage.color import rgb2gray
import numpy as np
import matplotlib.pyplot as plt
import cv2

# RGB转Gray
img = cv2.imread("1.1.png")
h, w = img.shape[:2]  # 获取图片的high和wide
img_gray = np.zeros([h, w], img.dtype)  # 创建一张和当前图片大小一样的单通道图片
for i in range(h):
    for j in range(w):
        m = img[i, j]  # 取出当前high和wide中的BGR坐标
        img_gray[i, j] = int(m[0] * 0.11 + m[1] * 0.59 + m[2] * 0.3)  # 将BGR坐标转化为gray坐标并赋值给新图像，这里直接套用公式
print(img_gray)
print("image show gray: %s" % img_gray)
cv2.imshow("image show gray", img_gray)

plt.subplot(221)  # 显示多图像，为2*2的从左到右从上到下的显示，此图像在第一个位置
img = plt.imread("1.1.png")
# img = cv2.imread("lenna.png", False)
plt.imshow(img)
print("---image lenna----")
print(img)

# 灰度化
img_gray = rgb2gray(img)
# img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# img_gray = img
plt.subplot(222)  # 显示多图像的第二个位置
plt.imshow(img_gray, cmap='gray')
print("---image gray----")
print(img_gray)

# 二值化
# rows, cols = img_gray.shape
# for i in range(rows):
#     for j in range(cols):
#         if (img_gray[i, j] <= 0.5):
#             img_gray[i, j] = 0
#         else:
#             img_gray[i, j] = 1

img_binary = np.where(img_gray >= 0.5, 1, 0)
print("-----imge_binary------")
print(img_binary)
print(img_binary.shape)

plt.subplot(223)  # 显示多图像的第三个位置
plt.imshow(img_binary, cmap='gray')
plt.show()

2. 图像的取样和量化

2.1 基本概念

• 数字图像：计算机保存的图像都是一个一个的像素点，称为数字图像。

• 图像数字化过程由图像的取样与量化来完成。

• 取样：就是要用多少点来描述一幅图像，取样结果质量的高低就是用图像的分辨率来衡量的

• 量化：是指要使用多大范围的数值来表示图像采样之后的一个点。（也就是图像颜色的取值范围）

• 数字化坐标值称为取样，数字化幅度值称为量化

• 在取样时，若横向的像素数（列数）为M ，纵向的像素数（行数）为N，则图像总像素数为

  M*N个像素。
  

2.1