第二章 图像及其表达与性质 Part2
2.3数字图像的性质
2.3.1 数字图像的度量
距离:首先是距离的一些定义,需要满足三个条件:同一性、对称性和三角不等式
具体的公式参考如下:
D(p,q)≥0, 当且仅当p=q 时D(p,q)=0 同一性
D(p, q)= D(q, p)对称性
D(p,r)≤D(p,q)+D(q, r) 三角不等式
三种常用距离:欧氏距离、城市街区距离和棋盘距离
- 欧氏距离:经典几何
D E [ ( i , j ) , ( h , k ) ] = ( i − h ) 2 + ( j − k ) 2 2 D_{E}[(i,j),(h,k)] ={\sqrt[2]{(i-h)^2+(j-k)^2} } DE[(i,j),(h,k)]=2(i−h)2+(j−k)2
- 城市街区距离:只能通过横向和纵向进行移动
D 4 [ ( i , j ) , ( h , k ) ] = ∣ i − h ∣ + ∣ j − k ∣ D_{4}[(i,j),(h,k)]={|i-h|+|j-k|} D4[(i,j),(h,k)]=∣i−h∣+∣j−k∣
- 棋盘距离:允许对角线移动
D
8
[
(
i
,
j
)
,
(
h
,
k
)
]
=
m
a
x
{
∣
i
−
h
∣
,
∣
j
−
k
∣
}
D_{8}[(i,j),(h,k)]=max{\{|i-h|,|j-k|}\}
D8[(i,j),(h,k)]=max{∣i−h∣,∣j−k∣}
邻接性:四邻接和八邻接
暂时略过区域、联通、距离变换算法
**边缘:有方向的矢量,表示在一个像素的小邻域内图像亮度变化有多快。**计算边缘的方式是计算图像函数的梯度。边缘的方向与梯度的方向垂直,梯度方向指向函数增长的方向。
裂缝边缘:每个像素有四个裂缝边缘,由其4-邻接关系定义而得。裂缝边缘的方向沿亮度增大的方向。
边界:分为内部边界和外部边界。
凸性:如果区域内的任意两点连成一条线而这条线完整地位于区域内,我们就称该区域是凸的。
凸包:用来定性描述物体性质的一个概念。凸包是包含输入区域的一个最小凸区域,其输入区域本身可以是非凸的。
2.3.2直方图
图像的亮度直方图给出图像中亮度值z 出现的频率, 一幅有L 个灰阶的图像的直方图由具有L 个元素的一维数组表示。
计算亮度直方图
- 数组h1的所有元素赋值为0 。
- 对于图像 f 的所有像素,作
h f [ f ( x , y ) ] + 1 h_f [f(x,y)]+1 hf[f(x,y)]+1
直方图感兴趣的不是像素的位置,而是密度函数,通常是有关图像的唯一可得到的全局信息。因此背景不变改变物体位置,直方图不变,可以用于寻找最佳的照明条件等。
2.3.3熵
熵的信息论的形成源于香农常称作信息熵。
熵可作为“失调”的度量。当失调水平上升时,熵就增加而事件就越难于预测。
2.3.4噪声
实际的图像常受一些随机误差的影响而退化,我们通常称这个退化为噪声。
白噪声:具有常量的功率,也就是说噪声在所有频率上出现且强度相同。白噪声是常用的模型,作为退化的最坏估计。
高斯噪声:服从高斯( 正态)分布的随机变量具有高斯曲线型的概率密度。其1D密度函数为
p ( x ) = 1 σ ( 2 π ) e − ( x − μ ) 2 2 σ 2 p(x)={\frac{1}{\sigma \sqrt{(2\pi)}}}e^{\frac{-(x-\mu)^2}{2\sigma^2}} p(x)=σ(2π)1e2σ2−(x−μ)2
加性噪声:噪声v 和输入图像g 是相互独立的变量
f ( x , y ) = g ( x , y ) + v ( x , y ) f(x,y)=g(x,y)+v(x,y) f(x,y)=g(x,y)+v(x,y)
乘性噪声:噪声的幅值在很多情况下与信号本身的幅值有关
f = g v f=gv f=gv
冲击噪声是指一幅图像被个别噪声像素破坏,这些像素的亮度与其邻域的显著不同。
胡椒盐噪声是指饱和的冲击噪声,这时图像被一些白的或黑的像素所破坏。胡椒盐噪声会使二值图像退化。
2.4彩色图像与色彩科学
RGB 模型可看成 3D 坐标的色彩空间,即每个色彩通道8 位。在这样的离散空间中,有2563=2认=
16 777 216 种可能的色彩。
CMY 青(Cyan )、品红( Magenta) 、黄(Yellow) 色彩模型是印刷过程中使用的减性色彩混合。
HSV 色调(Hue )、饱和度(Saturation)、值(Value) (也称作HSB, 色调(hue) 、饱和度(saturation) 、亮度(brightness) )
HSV 将亮度信息从彩色中分解出来,而色调和饱和度与人类感知相对应,因而使得该模型在开发图像处理算法中非常有用。如果将增强算法用在RGB 每个分量上, 那么人对该图像的色彩感知就变坏了,而如果仅对HSV 的亮度分量作增强(让彩色信息不受影响),那么效果就会或多或少地与期望相近。
HSL (色调(hue) 、饱和度(saturation)、光亮度/明度(lightness/luminance”) ),与HSV相比“光亮度”替换了“亮度”。差别在于一种纯色的亮度等于白色的亮度,而一种纯色的光亮度等于中度灰(medium gray) 的光亮度。
模型 | 色彩空间 | 应用 |
---|---|---|
比色学(colorimetrics) | XYZ | 比色学计算 |
面向设备的,非均匀空间 | RGB,UIQ | 存储、处理、编码、彩色电视 |
面向设备的,均匀空间 | LAB, LUV | 色彩差别.分析 |
面向使用者的 | HSL, HSI | 色彩感知,计算机图形学 |