第二章 图像及其表达与性质 Part2

本文详细介绍了数字图像的性质,包括各种距离度量(如欧氏距离、城市街区距离和棋盘距离),直方图在表示图像亮度分布的应用,以及色彩科学中的RGB、CMYK、HSV和HSL模型。此外,还讨论了噪声类型及其对图像质量的影响。
摘要由CSDN通过智能技术生成

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(ih)2+(jk)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)]=ih+jk

  • 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{ih,jk}
在这里插入图片描述

邻接性:四邻接和八邻接

在这里插入图片描述

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。

在这里插入图片描述

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。

在这里插入图片描述

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。

在这里插入图片描述

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。

在这里插入图片描述

计算亮度直方图

  1. 数组h1的所有元素赋值为0 。
  2. 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(xμ)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
  • 31
    点赞
  • 39
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值