数字图像模型、采样、量化

数字图像模型、采样、量化

图像的数学模型

图像是基于人类视觉系统对外界信息感知上进行的一种增强形式，包括照片、自然景物、数学方法描述的图形等。图像在本质上是模拟量，特别是在计算机应用尚未普及之前，应用所需的图片多以模拟信号形式出现。随着计算机时代的到来，数字计算成为了一种主流，相应的图像处理方式也就发生了转变，数字图像模型应运而生。

图像经过数字化转化为数字图像，它是将模拟图像信息转化为数字信息的过程，过程如图所示。在计算机中，图形由像素组成，如图中最左面部分，一幅图像被分为M*N 个方格，每个方格即为像素。在图最右面的图中，将每个像素点分别用一种标准量化后的数字进行标记，表示像素值的大小，由此形成了数字图形模型。

数字图像模型具有多种表达形式，常见的有三种：

图像采样

二维空间中图像的离散化称为采样，它是实现图像数字化的重要环节，决定着图像的空间分辨率。在图像采集中，传感器输出连续变化的电压信号，得到的是模拟信号图像。为了产生数字图像，需要对模拟信号图像采样。由于二维空间信号的每个点都是独立变量函数，可以通过采样每个点水平和垂直方向的灰度值，构成一个离散函数f(x,y)，然后用它代表像素点，构成数字图像。下图为采样过程：

与一维信号一样，二维图像信号的采样也需要遵循采样定理。也就是说，二维信号的采样需要满足奈奎斯特采样定律，才能产生满足要求的数字图像。在满足采样定理的前提下，采样数量不同，图像的分辨率不同。当横向的像素数（行数）为M，纵向的像素数（列数）为N时，对同一幅图像分别采取M、N值不同的采样，其结果如图所示。

图像的量化

在时间和空间上，采样后的模拟图像被离散化为像素。但是像素灰度值依然是连续的，不便于处理，因而需要量化。所谓量化，就是将每个像素点的灰度值从模拟量转化为离散量的过程，并可选用离散量代替像素的灰度值，使像素看起来简单方便，有利于进行各种操作。量化可分为线性量化和非线性量化。

线性量化
线性量化也称为等间隔量化或均匀量化，即把采样值的灰度范围等间隔分割并进行量化。其流程如下：

非线性量化

量化中的量化误差对图像处理具有一定影响。以图像灰度值分布概率密度函数为基础的非线性量化，通过在灰度值密集区减小量化间隔，在灰度值稀疏区增大量化间隔，来降低量化误差。下图为两种量化区别：

同样，量化等级对图像的质量具有一定影响。如下图所示，对一幅采样参数设置相同的图像，分别用不同的灰度级去量化，结果显而易见。