数字图像处理第一二章

什么是数字图像处理

1. 数字图像处理是指借助于数 计算机来处理数字图像。

2. 当x，y和灰度值f是有限的离散数值时，称该图像为数字图像

3. 一幅图像可定义为一个二维函数f(x,y)，其中x和y是空间（平面）坐标，而在任一对空间坐标 (x,y) 处的幅值f称为图像在该点处的强度或灰度

图像处理涉及的范畴或相关领域的界定

1.仅是人为界定和限制

2.计算机视觉用计算机去模拟人类视觉，包括理解和推理并根据世界输入采用行动等

3.图像分析（也称为图像理解）领域则处在图像处理和计算机视觉两个学科之间

从图像处理到计算机视觉分级

1.低级处理及初始操作，如降低噪声的图像预处理，对比度增强和图像尖锐化。低级处理是一输入和输出都是图像为特点的处理。

2.中级处理涉及分割（把图像分为不同区域或目标物）以及缩减对目标的描述，以使其更适合计算机处理对不同目标的分割（识别）。中级图像处理是一输入为图像，但是输出是从这些图像中提取的特征（如边缘、轮廓及不同物体的标识等）为特点。

3.高级处理涉及图像分析中被识别物体的总体理解，以及执行与视觉相关的识别函数等

视觉感知要素

由于人的直觉与分析会影响技术选择，因此了解人类的视觉感知是很有必要的。此外，这也有助于了解人类视觉的物理限制。

人眼结构

晶状体—透镜

视网膜—成像屏

盲点—没有感光器的位置

人眼成像

由晶状体控制成像位置，在此不再赘述

视网膜上的光接收器相应刺激作用产生感觉，感觉把辐射能转变为电脉冲，最后由大脑解码颠倒成像

亮度感知

1. 能适应的范围宽，同时鉴别的范围小

2. 人的视觉绝对不能同时在一个范围内工作，确切地说，它是利用改变其整个灵敏度来完成这一大变动的，这就是所谓的亮度适应现象。与整个适应范围相比，能同时鉴别的光强度级的总范围很小

3. 亮度不是简单的强度函数，对比会有很强的影响

4. 视觉错觉会因为未知原因产生

5. 电磁波谱可用波长、频率、能量表示

6. 如何描述光源

辐射强度是从光源流出能量的总量，通常用瓦特（W）度量

光通量给出观察者从光源感受到的能量，用流明数度量

亮度是光感受的主观描绘，实际上不能测量，是描述彩色感觉的参数之一

灰度级用来描述单色光图像的亮度，因为它的范围从黑到灰，最后到白

7. 观测一个物体的电磁波的波长必须小于物体尺寸

图像感知与获取

图像由“照射”源和形成图像的“场景”元素对光能的反射或吸收相结合而产生。

当一幅图像从物理过程产生时，它的值正比于物理源的辐射能量。

因此，f(x, y)一定是非零和有限的，即：0 < f(x, y) < ∞

函数f(x, y)可由两个分量来表征：

（1）入射到观察场景的光源总量，即入射分量i(x, y)；

（2）场景中物体反射光的总量，即反射分量r(x, y)；

两个函数合并后形成f(x, y)：

f(x, y) = i(x, y) r(x, y)

0 < i(x, y) < ∞， 0 < r(x, y) < 1

注：i(x, y)在物理意义上表示一个圆，r(x, y)在物理意义上也不会出现完全的反射，故限制在0（全吸收）和1（全反射）之间。

传感器

原理：将输入电功率和特殊类型检测能源敏感的传感器材料组合，把输入能源转变为电压。输出电压波形是传感器的响应，最后，数字化每个传感器的响应得到一个数字量

分类：

1. 点成像传感器

2. 线阵传感器

3. 面阵传感器

成像模型

用二维函数f(x,y)表示，物理意义由图像源决定，亮度正比于物理源辐射的能量。范围为0~∞

图像取样与量化

取样：对坐标进行数字化，即每多少步取值一次

量化：对幅值数字化，即测定强度

数字图像可用矩阵表示，矩阵中的每个元素称之为像素

数字化过程对M和N除了必须取整数外没有其他要求。然而出于处理、存储和取样的硬件考虑，灰度值典型的取值是2的整数次幂。

对于一副大小为M * N，灰度级L = 2^k的数字图像，所需存储空间为b = M * N * k。

即每个像素的灰度级为2^k，则有k比特空间，共M * N个像素点

空间与灰度分辨率

空间分辨率的度盘必须针对空间单位来规定才有意义。图像本身并不 会告诉我们全部内容。如果没有规定图像包含的空间维数，那么我们说幅图像的分辨率为 1024*1024 像索是没有意义的。尺寸本身只是在图像容量问做比较时才有帮助。

灰度分辨率是指在灰度级中最小的灰度变化。

图像内插

放大，收缩，旋转图片时对原本没有的像素进行填充

方法：

1.最邻近内插法

2.双线性内插法（根据4个最近像素去估计给定点像素）

3.双三次内插

像素间基本关系

相邻像素：4邻域：N4（p），8邻域：N8（p）

邻接，连通，区域，边界

邻接：4邻接，8邻接，m邻接（混合邻接）

连通：可参考数据结构中图的连通的定义

区域：连通集

边界：与连通集的补集邻近的点的集合

距离