目的
1.熟悉图像的四种类型。
2.熟练掌握图像的读、写操作以及显示方法。
3. 熟悉图像的类型转换以及格式转换。
- 实验原理
1. 图像的表示以及数字化
广义的图像是指视觉信息。举凡照片、图画、电视画面以及由透镜、光栅及全息
图所构成的光学成像等均属之。我们观察一幅单色静止图像,其亮度的明暗变化就构成图像视觉。所以,一幅单色(monochrome)静止的图像可以表示为强度或亮度的二维分布
![515d2969ad3b9e0bedcd141abc6e2a64.png](https://img-blog.csdnimg.cn/img_convert/515d2969ad3b9e0bedcd141abc6e2a64.png)
,其中F代表图像亮度或者强度,(x,y)是二维平面点坐标。对于黑白图像,通常用不同的灰度级来表示其亮度的差异;对于彩色图像,可以视为由单个单色的二维图像组合形成的。例如,在RGB彩色系统中,一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)按不同的比例组成的。因此,许多为黑白图像处理开发的技术适用于彩色图像处理,方法是分别处理三副独立的分量图像即可。此时,每一幅分量图像只有亮度的二维分布,如图1所示。
通常我们看到的图像是一幅亮度在空间连续变化的模拟图像(即图像关于亮度F以及空间坐标x,y连续)。例如在显微镜下看到的就是一副光学模拟图像。连续的模拟图像经过离散化处理后变成计算机能够识别的点阵图像,称为数字图像。把模拟图像转换成数字图像其实就是数字化 (即离散化)图像亮度F以及空间坐标x,y。将坐标数字化称为取样;将亮度数字化称为量化。采样和量化的过程如图2所示。二维图像平面经过数字化后,变成一个个方形的像素(pixel),亮度数字化之后变成一个二维的数值矩阵。所以一副数字图像对应于一个数值矩阵,该矩阵通常称为图像的数据矩阵。图像数据矩阵的大小即是图像像素的数目,矩阵的行与列决定一个像素点,矩阵元素值(也称像素值)反映该像素点的灰度。例如图2右边所示的图像数据矩阵为8×8的二维矩阵,那么该数字图像包含8×8=64个像素,第一行第一列代表第一个像素,其像素值(元素值)1表达该像素的灰度。
由于数字图像和数值矩阵之间有着十分自然的对应关系,所以MATLAB非常适合用来处理数字图像。
![0c474118dc86fabf8333129ad1631d55.png](https://img-blog.csdnimg.cn/img_convert/0c474118dc86fabf8333129ad1631d55.png)