图像基础知识

图像基础知识

一、数字图像

1.1 数字图像概念

（1）数字图像概念

  数字图像，又称数码图像，一幅二维图像可以由一个二维数组或矩阵表示。数字图像可以理解为一个二维函数f(x, y)，其中 x 和 y 是坐标位置，而f(x, y)的值表示图像在该点处的强度或灰度。

（2）数字图像处理的目的：

• 改善图示的信息以便人们解释；
• 为存储、传输和表示而对图像进行的处理；

1.2 数字图像应用

（1）传统领域

• 医学、空间应用、生物学、军事

（2）最新领域

• 数码相机(DC)、数码摄像机(DV)
• 指纹识别、人脸识别，虹膜识别
• 互联网、视频、多媒体等
• 基于内容的图像检索、视频检索、多媒体检索
• 水印、游戏、电影特技、虚拟现实、电子商务等

（3）图像处理、机器视觉、人工智能关系

• 图像处理主要研究二维图像，处理一个图像或一组图像之间的相互转换的过程，包括图像滤波，图像识别，图像分割等问题。
• 计算机视觉主要研究映射到单幅或多幅图像上的三维场景，从图像中提取抽象的语义信息，实现图像理解是计算机视觉的终极目标。
• 人工智能在计算机视觉上的目标就是解决像素值与语义之间的关系，主要的研究问题包括图片检测，图片识别，图片分割和图片检索。

1.3 OpenCV介绍

• OpenCV于1999年由Intel建立；
• 开源发行的跨平台计算机视觉库；
• 操作系统：Linux、Windows、Android、Mac OS；
• 构成：C函数和少量C++类；
• 接口：Python、Java、MATLAB等语言
• opencv是数字图像处理和计算机视觉领域最常见的工具包，是学习，科研，企业项目开发的好帮手。
• 安装：pip install contrib-python

二、图像属性

2.1 图像格式

• BMP格式
  Windows系统下的标准位图格式，未经过压缩，一般图像文件会比较大。在很多软件中被广泛使用。
• JPEG格式
  也是应用最广泛的图片格式之一，它采用一种特殊的有损压缩算法，达到较大的压缩比（2:1甚至40:1），互联网上最广泛使用的格式
• PNG格式
  与JPG格式类似，压缩比高于GIF，支持Alpha通道调节图像的透明度。
• GIF格式
  不仅可以是一张静止的图片，也可以是动画，并且支持透明背景图像，适用于多种操作系统，“体型”很小，网上很多小动画都是GIF格式。但是其色域不太广，只支持256种颜色。
• TIFF格式
  它的特点是图像格式复杂、贮存信息多，在Mac中广泛使用，非常有利于原稿的复制。很多地方将TIFF格式用于印刷。

2.2 图像尺寸

（1）图像尺寸

• 图像尺寸的长度与宽度都是以像素为单位的。

（2）像素(Pixel)

• 像素是数码影像最基本的单位，每个像素就是一个小点，而不同颜色的点聚集起来就变成了一幅动人的照片。
• 灰度图像点数值范围在0到255之间，0表示黑、255表示白，其它值表示处于黑白之间；
• 彩色图用红、绿、蓝三通道的二维矩阵来表示。每个数值也是在0到255之间，0表示相应的基色，而255则代表相应的基色在该像素中取得最大值。

2.3 图像的一些基本属性

（1）像素
  像素是分辨率的单位。像素是构成位图图像最基本的单元，每个像素都有自己的颜色。

（2）分辨率
  单位长度中所表达或截取的像素数目。每英寸图像内的像素点数，单位是像素每英寸(PPI，Pixel Per Inch)。 图像分辨率越高，像素点密度越高，图像越清晰。
注意：生活中常被混用，或者说错误的用做衡量图像内的像素点数量。

（3）灰度
  表示图像像素敏感程度的数值，也就是黑白图像中点的颜色深度。范围一般在0~255。白色为255，黑色为0.

（4）通道
  图像的位深度，是指描述图像中每个pixel数值所占的二进制位数。位深度越大则图像能表示的颜色数就越多，色彩越丰富逼真。

• 8位，单通道图像，一个像素点只需要一个数值表示，只能表示灰度，灰度值范围$2^8=256$
• 24位：3通道，3*8=24。RGB模式，把图像分为红绿蓝三个通道，可以表示彩色。
• 32位：四通道，RGBA模式，在RGB基础上加上alpha通道，表示透明度，alpha=0表示全透明。

（5）对比度
指不同颜色之间的差别。对比度=最大灰度值/最小灰度值

（6）频率
  灰度值变化剧烈程度的指标，是灰度在平面空间上的梯度。

（7）幅值
  幅值是在一个周期内，交流电瞬时出现的最大绝对值，也是一个正弦波，波峰到波谷的一半。

（8）取样和量化

  图像数字化过程由图像的取样与量化来完成。

• 取样：要用多少点来描述一幅图像，取样结果质量的高低就是用图像的分辨率来衡量的。
• 量化：是指要使用多大范围的数值来表示图像采样后的一个点。
• 数字化坐标值称为取样，数字化幅度值称为量化。

（9）上采样和下采样

• 缩小图像
    或称为下采样(subsampled)或降采样(downsampled)
    目的：a.使图像符合显示区域的大小；b.生成对应图像的缩略图。
    原理：(M/s)*(N/s)，其中M，N分别为横向的像素数(列数)，纵向的像素数(行数)，s为M，N的公约数。

• 放大图像
    或称为上采样(upsampling)或图像插值(interpolating)
    目的:放大原图像，从而可以显示在更高分辨率的显示设备上。
    原理：内插值。

2.4 图像直方图

（1）图像直方图
  图像的灰度直方图是灰度级的函数，描述了图像中灰度分布情况，能够很直观地展示出图像中各个灰度级的像素的个数。其中，横坐标是灰度级，纵坐标是该灰度级出现的个数。横坐标的左侧为纯黑、较暗的区域，而右侧为较亮、纯白的区域。

（2）性质：

• 直方图反映了图像中灰度分布规律，描述每个灰度级具有的像素个数，但不包含这些像素在图像中的位置信息。图像直方图不关心像素所处的空间位置，因此不受图像旋转和平移变化，可以作为图像的特征。
• 任何一幅特定的图像都有唯一的直方图与之对应，但不同的图像可以由相同的直方图。
• 如果一幅图像有两个不相连的区域组成，并且每个区域的直方图已知，则整幅图像的直方图是该两个区域的直方图之和。

（3）意义：

• 直方图是图像中像素强度分布的图形表达方式。
• 它统计了每个强度值所具有的像素个数
• CV领域常借助图像直方图来实现图像的二值化。

2.5 颜色空间

（1）概念：
颜色空间也称彩色模型(又称彩色空间或彩色系统)，它的用途是在某些标准下通常可接受的方式对彩色加以说明。

（2）常见的颜色空间：
RGB、HSV、HSI、CMKY

• RGB颜色空间

  主要用于计算机图形学中，依据人眼识别的颜色创建，图像中每一个像素都具有R、G、B三个颜色分量组成，这三个分量大小均为[0,255]。通常表示某个颜色的时候写成一个3维向量的形式(100, 120, 150)。

颜色模型：
* 原点对应的颜色为黑色，它的三个分量值都为0；
* 距离原点最远的顶点对应的颜色为白色，三个分量值都为1;
* 从黑色到白色的灰度值分布在这两个点的连线上，该虚线称为灰度线。
* 立方体的其余各点对应不同的颜色，即三原色红、绿、蓝及其混合色黄、品红、青色；

• HSV颜色空间

  HSV(Hue,Saturation,Value)是根据颜色的直观特性由A.R.Smith在1978年创建的一种颜色空间，这个模型中颜色的参数分别是：色调(H)、饱和度(S)、明度(V)。

颜色模型：
* H通道：Hue，色调/色彩，这个通道代表颜色；
* S通道：Saturation，饱和度，取值范围0%~100%，值越大，颜色越饱和。
* V通道：Value，明暗，数值越高，越明亮，0%(黑)到100%(白)。

• HSI颜色空间

  HSI模型是美国色彩学家孟塞尔(H.A.Munseu)于1915年提出的，它反映了人的视觉系统感知彩色的方式，以色调、饱和度和强度三种基本特征量来感知颜色。

模型优点：
* 在处理彩色图像时，可仅对I分量进行处理，结果不改变原图像中的彩色种类。
* HSI模型完全反映了人感知颜色的基本属性，与人感知颜色的结果一一对应。

• CMYK颜色空间概念

CMYK(Cyan，Magenta，Yellow，black)颜色空间应用于印刷工业，印刷业通过青(C )、品红(M)、黄(Y)三原色油墨不同网点面积率的叠印来表现丰富多彩的颜色和阶调，这便是三原色的CMYK颜色空间。

思考

为什么很多图像识别将彩色图像灰度化？

  首先，要想明白，灰度化之后失去了什么，又得到了什么。

• 灰度化之后颜色信息丢失，所以很多基于color-base的算法就不可能这么做，比如分辨红绿灯。
• 但是很多简单的识别算法对于颜色依赖性不强，hand-craft特征更多关注边缘信息。灰度化之后矩阵维数下降，运算速度大幅度提高，并且梯度信息仍然保留。
• 工程中很多应用加上color信息之后鲁棒性会下降。

这一篇主要是讲了一些概念上的东西，下一篇将主要讲解OpenCV一些常用函数。