小白学习图像处理1——图像的构成和数据类型

一、数字图像的构成

在matlab

1、首先看一张灰度图

  下图使用surf函数将一张随机生成的灰度图立体地展示了出来，可以看到越量的像素点对应的灰度值越大，灰度值在[0-255]之间波动

  实际的灰度图就是用一个二维矩阵存储的，每个元素代表了亮暗程度，数值越大表示越量，上图的代码为：

img = round(rand(30, 30)*255);
img = kron(img, ones(20));

x = 1 : size(img, 1);
y = 1 : size(img, 2);
[X, Y] = meshgrid(x, y);
figure, surf(X, Y, img);
shading interp
colormap('gray');
set(gcf, 'color', [1 1 1])

---

2、再看一张彩色图

  彩色图片使用3个二维矩阵存储的，每个矩阵分别代表了R、G和B三个分量的强度，对于uint8类型的图片，RGB矩阵的每个元素取值分为为[0-255]，不同的RGB组合可以构成2^24中颜色，使用如下代码可以生成一张随机的彩色图：

img = zeros(500, 500, 3, 'uint8');
img(:, :, 1) = kron(round(255*rand(5, 5)), ones(100, 100));
img(:, :, 2) = kron(round(255*rand(5, 5)), ones(100, 100));
img(:, :, 3) = kron(round(255*rand(5, 5)), ones(100, 100));
figure, imshow(img)

第一行表示生成一个500x500x3的矩阵，用来存储RGB三个分量，类型是uint8；2-4行表示讲随机数赋值给RGB三个分量，kron表示将每个像素点放大100倍，于是我们就可以得到随机的彩色像素图啦：

我们可以使用以下函数，用鼠标点击图像像素点后，按下Enter键显示像素信息：

pixel = impixel(img)

---

二、图像数据类型

1、灰度图的构成

在数字图像处理中，比较常用的是灰度图，那么灰度图是如何生成的呢，这里给出一个公式：
$$Gray=R\ast 0.299+G\ast 0.587+B\ast 0.114$$
可以看出绿色占的权重很大，这主要是因为人眼对绿色比较敏感

我们不妨使用上面的公式看看效果，注意在程序中，我们需要保证图像是uint8类型，所以需要对公式进行四舍五入。得到的效果和使用rgb2gray函数的效果完全一样：

img = imread('lena_color_512.tif');
R = double(img(:, :, 1));
G = double(img(:, :, 2));
B = double(img(:, :, 3));
Gray = round(R*299 + G*587 + B*114) / 1000;	% 提高计算速度
Gray = uint8(Gray);
figure, imshow(Gray)

---

2、uint8类型

  uint8类型的数据取值范围为[0-255]之间的整数，255表示白色，0表示灰色。如果要将一个double类型(取值范围为0-1)的图像转化为uint8类型，则可以通过以下两种方法实现：

img = uint8(img);
img = round(255 * img);

注意：由于uint8数据仅取整数值，所以需要加一个round函数四舍五入

---

3、double类型

  double类型的图像像素取值范围为[0-1]的小数，0表示黑，1表示白，对图像的处理通常先将图像转化为double类型。

注意：matlab计算得到的图像都是double类型的图像，如果对一个uint8图像处理后直接imshow()，则会发现全白的效果，此时可以先将图像转化为double类型，在进行图像处理

img = imread('xxx.tif');	%uint8
img = im2double(img);
...
imshow(img)

  此外，如果没有先进行类型转换，也可以使用 imshow(img, []) 来自动调整图像范围显示图像！
  注意，上面使用了 im2double() 函数，im2double函数的功能为把unt8类型数据转化为double类型，相当于对图像每个像素点的值除以255；
  如果对double类型数据进行im2double操作，则数据无任何变化！

---

3、logic类型

  logic类型的图像是一种二值图像，数据只能取0和1，0表示黑，1表示白，在matlab中可以使用以下函数将意图图像转化为二值图像：

img = im2bw(img, threshold);

threshold表示阈值，取值范围为[0, 1]之间的浮点数，所以img应该是double类型图像， 当像素点的值大于阈值则为1，小于阈值则得到0，比如：

img = imread('lena_color_512.tif');
img = im2double(img);
img = im2bw(img, 0.6);
figure, imshow(img)

---

4、mat2gray()函数

mat2gray函数可以将任何一组数据归一化到[0, 1]，这里的归一化是值归一化后数据最小为0，组大为1，注意，它和im2double不一样，将图像I归一化后得到img，可以通过下面的公式实现：
$$img(x,y)=\frac{I(x,y)-min(I)}{max(I)-min(I)}$$
当图像整体偏黑或者整体偏亮的时候，除了均衡化，还可以试试这个函数！

---

完结 cheers 🍻