冈萨雷斯数字图像处理学习2：视觉基础

1 视觉感知要素

1.人眼的构造

1.1 椎状体和杆状体：

  椎状体主要位于视网膜中间部分，称之为中央凹，且对颜色灵敏度很高。椎体视觉叫做白昼视觉或亮光视觉。 
  杆状体数目更多，分布在视网膜表面。它们没有彩色视觉，在低照明下对图像较敏感，被称为夜视觉或暗视觉。

1.2 亮度适应和鉴别

• 实验数据指出，主观亮度（即由人的视觉系统感觉到的亮度）是进入眼睛的光强度的对数函数。
• 韦伯率（ ΔIc/I） 实验表明，在低的照明级别，亮度辨别较差（韦伯比大），当背景照明增加时亮度辨别得到改善（韦伯比降低）。

1.3 人类感知现象

• 例子1：感觉亮度不是简单的强度函数（马赫带效应、同时对比度效应）。
• 例子2：视觉错觉

2.光和电磁波谱

• 电磁波谱的可见波段大约占据430 nm （紫色）~790 nm （红色）的范围。
• 人从一个物体感受到的颜色由物体反射光的性质决定
• 在原理上，如果可以开发出一种传感器，它可检测由一种电磁波谱发射的能量，就可以在那一段波上对感兴趣的事件成像。

3.图像感知和获取

• 我们感兴趣的各类图像都是有“照射”源和形成图像的“|场景”元素对光源的反射或吸收相结合而产生的。
• 简单的图像形成模型 
  用 f(x,y) 二维函数形式表示图像，可由两个分量来表征：（1）入射到观察场的光源总量和；（2）场景中物体反射光的总量 
  
  f(x,y)=i(x,y)r(x,y)
  
  上式中反射分量限制在0（全吸收）和1（全反射）之间。 i(x,y) 的性质取决于照射源，而$r(x,y)取决于成像物体的特性。
• 0<i(x,y)<无穷（入射分量），例如晴朗的白天，太阳照度超过90000lm/m平方，有云为10000，满月在0.1。
• 0<r(x,y)<1（反射分量），例如黑天鹅羽毛为0.01，雪为0.93.
• 这种表示方法可以用于照射光通过一个媒体形成图像的情况，如X光，此时将反射函数r（x，y）换成投射函数，限制于上式相同。
• 将l=f(x,y)称为灰度级，有范围取值，0<l<L-1，这里l=0为黑，l=L-1在灰度级中为白。

• 4.图像取样和量化

  4.1 取样和量化的基本概念

  • 为了产生一幅数字图像，需要把连续的感知数据转换为数字形式。这包括两种处理：取样和量化。 
    数字化坐标值称为取样，数字化幅度值称为量化。

  4.2 数字图像表示

  灰度级L=2的k次方，存储数字图像需要的比特数b=M*N*k。
• 
  
• 
  
• 当图像有2的k次方灰度级时，通常称该图像是k比特图像。如一幅图像有256个可能的灰度级，称其为8比特图像。大小为1024*1024的8比特图像存储很有必要，再高就没有意义了。

• 4.5 像素间的一些基本关系

  • 相邻像素
  • 邻接性、连通性、区域和边界 
    确定两个像素是否连通，必须确定它们是否相邻及它们的灰度值是否满足特定的相似性准则。有三种类型的邻接性：4邻接；8邻接；m邻接（混合邻接，混合邻接的引入是为了消除采用8邻接常常发生的二义性）
  • 何为二义性：
  • 
    
  8邻域中的中间的那个1可以有两条路到达右上角的那个1，这就是所说的二义性，

  这个情况在边缘检测里面是很不希望的。

  而改成m邻域以后，中间的1像素和右上角的像素是8连通的却不是m连通的，这可以从m连通的定义得到。

  • 距离度量 
    像素p和q间的欧式距离(圆形区域）： 
    
    Dr(p,q)=[(x−s)2+(y−t)2]12]
    
    p和q之间的距离 D4 (也叫城市街区距离，菱形区域)： 
    
    D4(p,q)=|x−s|+|y−t|
    
    p和q间的 D8 距离（也叫棋盘距离，方形区域）： 
    
    D8(p,q)=max(|x−s|,|y−t|)

  4.6 线性和非线性操作

  • 如果对于任何两幅图像 f 和 g 及任何两个标量a和b有如下关系，则称 H 为线性算子： 
    
    H(af+bg)=aH(f)+bH(g)
  
  

• 什么概念不熟悉多看看课后习题。

如果对你有帮助，谢谢你^_^

红包还不收？