前言
因为在准备考研,复习专业课,复习的是<<数字图像处理>>,教材的话就是冈萨雷斯老师的<<数字图像处理>>第三版。把复习到的东西也就写一写,想一想,希望能够有深刻一些的理解。
空间分辨率
空间分辨率是图像中可识别的最小细节的度量。可以用每单位距离对数和每单位距离点数(像素数)表示。一条线宽W个单位,线对的宽度就是2W(线对指的当然是两条线所以要乘2),单位距离就有1/2W个线对。而对于每单位距离点数主要是用于印刷和出版业中,经常,我们要求发paper的这个dpi(Dots Per Inch)不能低于300.我从某期刊中截取了模板中对于图像的要求,主要是人们希望读者能清楚看清图像。
在这里我们约定N为dpi的值,便于后续章节的说明。
灰度分辨率
灰度分辨率是灰度级中可分辨的最小变化。通常,灰度级是2的整数次幂,常用的是8bit.比如8bit对应的灰阶就是
2
8
=
256
2^8=256
28=256。就是这幅图像的灰度值变化的值一共最多有256个。但是,实际上人的感知能力是有限的,并不是说你灰阶越高越好,有时候人眼可能分不出来的情况下,你图像存储的大小也一下上去了。
在这里,我们定义k为bit数。
几个注意点
要知道的是,并不是图像你的dpi越高越好,灰阶越高越好。必须要考虑到实际情况,比如说对于一个细部很多的图像来说,你可能只需要较少的k就能把图像表达好,其次,对于一些要素比较单一的图像,我更注重它的空间分辨率,我希望我能看清楚里面的内容,看清楚内容的同时我再加强细部的体现。所以对于不同图像,我要关注的点不同,这对于分析下面#等偏爱曲线#我认为非常重要。在学习数字图像处理的同时,我觉得也必须和你用计算机处理数字图像的实践经验结合起来,否则,容易陷入理论陷阱
等偏爱曲线
看图,先看横纵坐标,横坐标是N(dpi),纵坐标k(灰阶),曲线在越右上方拥有越好的质量,但是付出的代价便是存储内存的大小,即你在看书时不能仅仅看到的是理论的内容。
这三幅图,第一幅是经典的Lina,第二幅向测绘人员致敬,第三幅大家在狂欢,前两幅要素比较单一,那么我可能就希望有更高的空间分辨率,在有了高空间分辨率的同时,我通过灰阶的提升(在人眼区分范围内)我来加强对比度,当然其实2值图像对比度最强,但是灰度的细部也就没了。 第三幅图,因为细节非常多,我只需要较少的灰阶,不特别需要空间分辨率,除非你是想抓罪犯。 。
总结来说:
对于这个等值偏爱曲线:
- 曲线越偏右上当然越好(还是得考虑计算机存储)
- 当细节增加时,曲线接近垂直,因为我不需要特别多的灰阶。
- 图1图2在空间分辨率降低时质量基本能保持相同,但是实际上灰度级降低了。k的减少,使得对比度增加了。人们感觉图像改进了视觉效果。
关于存储
对于dpi,比如一副1250dpi的图像原始图像的大小时
3692
∗
2812
3692*2812
3692∗2812的矩阵,我72dpi的矩阵大小就变为了
213
∗
162
213*162
213∗162…这实际上就是在采样的时候我把采样间隔给扩大了,但是这可能会丢失一些细部,这也是为什么我们经常会看见马赛克的原因。
对于k,如果我提升了k,那么灰度级多了,各种颜色多了,但是人眼分辨这种灰级是有限度的,适合的才是最好的。
对于存储一副数字图像所需要的比特数
b
=
M
∗
N
∗
k
b=M*N*k
b=M∗N∗k
即我要考虑图像的采样后矩阵的大小,还要考虑灰阶,如果你的b过大,在实际处理时会很麻烦。
因为是自己理解,可能会有一些偏差,希望大家能批评指正!