一、图像的采样与量化
采样:空间坐标离散化(离散化:把无限空间中有限的个体映射到有限的空间中去,以此提高算法的时空效率)叫做空间采样,简称采样,确定了图像的空间分辨率。(我个人理解就是将现实世界中的无限个“ 像素点 ”转化为数字世界有限的像素点)
量化:对采样点亮度(灰度)值的离散化过程,确定了图像的灰度分辨率(分为均匀量化与非均匀量化)。(我个人理解就是把某一现实世界的亮度值用数字来衡量,比如亮度最低的纯黑暗假如数字衡量为0,最亮的光比如就衡量为10,这样可以用数字来描述的方法,称为量化)
图像的大小机算:假定图像尺寸为 水平M,垂直N,像素灰度级数K,则图像所需位数为:N*M*K
图像像素数机算:假定图像尺寸为 水平M,垂直N,则图像像素数为:N*M
空间分辨率:图像随空间分辨率的增加而更加清晰(质量增加,就是这个值越小图像越糊)
空间灰度分辨率:图像随空间灰度分辨率增加而更加清晰(纹理细节更加突出,明暗对比更清晰,就是这个值越小图像越黑)
二、像素的空间关系
像素之间有规律排列连接,相互之间有一定的联系
1、像素邻接
像素邻域,看图不用解释吧?
2、像素连接
判断两像素连接:互相为邻接,灰度(亮度)还得一样或都在一个范围内。(我理解就是亮度都得差不多)
三种连接:
4 - 连接:这俩像素都在同意灰度范围内,且他俩还互在对方四邻域里。
8 - 连接:这俩像素都在同意灰度范围内,且他俩还互在对方八邻域里。
m - 连接(混合连接):下图为其定义,我理解的就是要么大家都是互在四邻域,要么大家互在N邻域,且四邻域没交集。
3、像素连通
我理解就是:这些满足灰度值范围的所有点中,上下左右斜 两点间只要能走通就连通了。
4、像素距离
我理解就是:像素间距离有好几种说法,只要满足上方定义的任何一种表示方法都可以表示像素距离。
(1)、欧式距离:
以某一距离为半径围绕某一像素点画出来形状为一个圆形
(2)、D4距离(城市距离):
以某一距离围绕某一像素点画出来形状为一个菱形
(3)、D8距离(棋盘距离):
以某一距离围绕某一像素点画出来形状为一个正方形
三、图像文件的类型
1、图像按类型分类:
按图像动动态特性:动态图像、静态图像
按图像色彩:灰度图像、彩色图像
按图像维数:二位图像、三维图像、多维图像
2、位图:通过许多像素点表示图像,每个像素具有颜色属性与位置属性
位图分为:
二值图像 binary images:只有黑白两色图像,1为白或相反
亮度图像 intensity images:像素灰度级用8表示,0为黑,256为白。(说的玄乎,其实就是灰度图呗?)
索引图像 indexed images:把像素值直接作为RGB调色板下标的图像
比如下图,圆圈的数字为5,对应预先调好色的颜色表第五行的颜色,就显示其对应的颜色。就是预先调好各种颜色并做好编号,图像像素点只要保存对应颜色的编号就行了。
RGB图像 RGB images:就是每个像素点的颜色由红(Red)、绿(Green)、蓝(Blue)三种颜色不同亮度混合起来组成。