(一）数字图像处理基础知识点

capybaraTing

已于 2022-09-13 09:56:58 修改

阅读量3.8k

点赞数 3

分类专栏：数字图像处理文章标签：图像处理

于 2022-07-23 23:07:29 首次发布

本文链接：https://blog.csdn.net/qq_43855258/article/details/125953877

版权

数字图像处理专栏收录该内容

11 篇文章 3 订阅

订阅专栏

本文详细介绍了数字图像的概念，包括图像的定义、光与电磁波的关系，以及图像的感知和获取。重点讨论了图像的取样与量化，包括取样和量化的基本概念、数字图像的表示方式、空间分辨率和灰度分辨率。此外，还阐述了像素间的基本关系，如相邻像素、邻接、连通、区域和边界，并探讨了不同的距离测度。内容涵盖了图像处理的基础知识，对于理解和处理数字图像至关重要。

摘要由CSDN通过智能技术生成

自学冈萨雷斯的《数字图像处理》中。

1.什么是数字图像

1.1 一副图像可以定义为一个二位函数f(x,y)，任意空间坐标(x,y)处的幅值f是图像在该点的强度（灰度）。当x,y,f为离散量时，该图像为数字图像。

1.2 数字图像由有限数量的元素组成，每个元素都有一个特定的位置与数值，该元素称为像素。

2. 光与电磁波

波长： $\lambda =c/\nu$

能量： $E=h\nu$

光是一种电磁辐射，可被人眼感知。

单色光：唯一属性是亮度，灰度级是单色光从黑到白的数值范围。

彩色光：电磁波范围为 $0.43\mu m$ (紫色)~ $0.79\mu m$ (红色)。其属性有频率、辐射、光通量、亮度。

①辐射：从光源流出的总能量，由瓦特（W）度量。

②光通量：观察者从光源感知的能量，由流明（lm)度量。

3. 图像的感知和获取

大多数图像都是由“照射”源和形成图像的“场景”元素对光能的反射或吸收产生的。

4. 图像的取样与量化

一副图像的坐标(x,y)是连续的，其幅度f(x,y)也是连续的，将图像数字化，即对图像函数 f 的坐标和幅度进行数字化。

4.1 取样与量化的概念

取样：对图像坐标x,y进行数字化。

量化：对图像函数幅度值进行数字化。

PS: 数字图像的质量很大程度取决于取样和量化中所用的样本数(M✖N)和离散灰度级(L)。其中M、N值必须取整数，离散灰度级数L通常取2的整数次幂： $L=2^{k}$

则存储数字图像的比特数b为： $b=MNk$

4.2 数字图像的表示 f(x,y)

a. f(x,y)函数图：x,y轴表示空间坐标，z轴表示f在(x,y)坐标的值。

b. 灰度矩阵图像：显示器上每个点的灰度与该点处的f值成比例。

c. M✖N数值矩阵

动态范围：灰度跨越的值域，即系统中最大可度量灰度与最小可检测灰度之比。（上限取决于饱和度，下限取决于噪声）

饱和度：指图像中灰度值的最大值，超过该值的灰度值将被裁剪掉。

对比度：一幅图像中最高和最低灰度级间的灰度差。

反差比：图像中最高和最低灰度级的比率。

4.3 线性索引和坐标索引

坐标索引：像素的位置由二维坐标(x,y)组成

线性索引：像素点的位置由一维的非负整数串 $\alpha$ 组成，该非负整数串由像素点到坐标(0,0)的偏移量计算得到。（包括行扫描和列扫描）

$\alpha =My+x$

$x=\alpha modM$

$y=(\alpha -x)/M$

4.4 空间分辨率和灰度分辨率

空间分辨率：图像中最小可辩别细节的测度，即单位距离的线对数和单位距离的点数（像素数）。

PS：空间分辨率的测度必须针对空间单位来声明。

采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现马赛克效应；
采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。

灰度分辨率：图像灰度级中可分辨的最小变化。灰度分辨率通常指量化灰度时所用的比特数。

量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大；
量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小.

4.5 图像内插

内插是用已知数据来估计未知位置的值的过程，常用于图像放大、缩小、旋转和几何校正等任务中。

最近邻内插：将图像最近邻的灰度赋给新位置。

双线性内插：使用4个最近邻的灰度来计算给定位置的灰度。

双三次内插：使用16个最近邻点的灰度计算给定位置的灰度。

图像放大中，常采用内插法填充原图像像素之间的间隙来增大图像的尺寸，可得到亚像素精度。

5. 像素间的一些基本关系

5.1 相邻像素

4邻域 $N_{4}(p)$ ：像素p左右水平2个相邻像素和上下垂直的2个相邻像素组成。

$N_{D}(p)$ ：像素p的4个对角相邻像素组成。

8邻域 $N_{8}(p)$ ：像素p的四角相邻像素和4邻域组成。

PS：包含像素p的邻域为闭邻域，or为开邻域。

5.2 邻接、连通、区域、边界

1）邻接

令V是用于定义邻接性的灰度值集合，（eg:二值图像中，指值为1的像素邻接，则V={1}）

PS：m邻接是为了消除8邻接的二义性而引进的。如下图中矩阵中，右上角1到右下角1，按照8邻接则有两条路，而m邻接仅1条路。

总结：判断两个像素是否邻接的条件：①两个像素位置是否相邻（4、8、m邻接）；②两个像素的灰度值是否满足某个特定的相似性准则（在集合V中）。

2）连通

通路：如果从（x0,y0）像素点到（xn,yn）像素点，其中的每个点与前后都是K邻接的（K代表4、8、m），则说这两个像素之间存在一条K通路。若（x0,y0）和（xn,yn）是重合的，那么说这是一条闭合通路。

PS：K指该通路的各像素邻接类型，而n指该通路的长度。

连通：对于图像中的某一个像素子集S和S中的任意两个像素p、q，如果p和q之间有一个由S中全部元素构成的通路，则称像素p和q在S中是连通的。

（英文版原文：Two pixels p and q are said to be connected in S if there exists a path between them consisting entirely of pixels in S.）

连通分量：对于像素子集S中任意像素p，在S中连通至该像素p的像素集称为S的连通分量。

连通集：若S只有一个连通分量，则S称为连通集。

PS：什么时候会存在多个连通分量？——根据通路中各像素邻接类型K，对于S中像素p来说，不同类型的通路可能会导致连通至像素p的像素集不同，即导致不同的连通分量。

区域：若图像子集S是一个连通集，则S称为图像的一个区域。

邻接区域：两个区域联和成一个连通集，则称其为邻接区域。(讨论区域的时候，必须指定区域邻接类型：4or8邻接）

例子：

像素子集 $S\left \{ (0,1),(0,2),(1,1),(2,2) \right \}$ 存在一个m通路 $(0,2)\rightarrow (0,1)\rightarrow (1,1)\rightarrow (2,2)$ ，因此S中任意两个像素在S中都是连通的。在S中，有且仅有一个像素集 $\left \{ (0,1),(0,2),(2,2) \right \}$ 连通至像素 $(1,1)$ ，故对于S中的像素 $(1,1)$ 来说，只有一个连通分量 ${\color{Blue} {\color{Blue} }}\left \{ (0,1),(0,2),(2,2) \right \}$ ，故S是连通集，且S是图像的一个区域。