数字图像处理——第二章数字图像基础

2.1人类视觉机理

2.1.1人眼主要感光结构

当人眼聚焦于一个物体时,来自外部的光在视网膜上成像,感受器通过不连续光来形成图案。光感受器可分为锥状体和杆状体。

1.锥状体位于视网膜中央凹的中间部分,对颜色高度敏感,人们利用锥状体来分辨图像细节,锥状体视觉被称为白昼视觉或亮视觉;
2.杆状体分布在视网膜表面,其用来给出视野内的总体图像,无彩色感觉,对低照明度敏感,杆状体视觉被称为暗视觉或微光视觉。

2.1.2人眼亮度适应与辨别的特点

人眼对于光强度的辨别范围很大,从暗阈值到强闪光约10^10个量级,但人眼亮/暗视觉不能在同一个范围内工作,人眼通过调整其灵敏度来进行视觉系统的转换。
假I为光源,Delta I为I在漫反射体上的照射分量,韦伯比实验可得出低照明水平下,视觉由杆状体执行,高照明水平下,视觉由锥状体执行。

2.2图像感知和获取

由绪论可知,图像在某点处的灰度是f(x,y),其幅值是非零且有限的,f(x,y)=i(x,y)r(x,y),i(x,y)表示入射分量,r(x,y)表示反射分量。
注:0<i(x,y)< ∞ \infty ,0<r(x,y)<1(0表示全吸收,1表示全反射)。

2.3图像取样和量化

2.3.1基本概念

对于一幅连续图像,我们要对其坐标的数字化称为取样,对其幅值数字化称为量化,很明显,数字图像的质量很大程度上取决于取样和量化所用的样本数、灰度级和取样信号的噪声。

2.3.2数字图像的表示

  1. 用三维图像(x,y,z)来表示图像,其中z是图像的幅值,也是灰度或称强度,但通常复杂的图像细节太多,我们一般不采取这种表达方法;
  2. 将灰度归一化到区间[0,1]内,仅有3个等间隔的灰度值,是图像在监视器或照片上的情况;
  3. 将f(x,y)显示为一个阵列,在作为数值被分析时,相当有用。

2.3.3存储图像大小与分辨率

如一幅图是M行,N列,256个灰度,我们就需要M乘N乘8个比特数或是M*N个字节的空间来存储这幅图像。
分辨率主要是单位距离内能够辨清的标准线对数或是像素数,如果降低分辨率,例如将行与列减半,图像的细节一定就不如之前的清晰度,如果降低灰度的范围,图像如医学照影中的细节也将恶化。

2.3.4图像收缩与放大的内插方法

内插方法包括临近内插,双线性内插和双三次内插。如要将图像扩大至原先的1.5倍,临近内插将网格的格数扩充2.25倍,用最接近的像素填充,再收缩。这样的效果并不好,灰度相似,细节恶化。
双线性内插则是在两个维度内分别采取一位线性插值,涉及到四个零点灰度值,这样的效果是更好的。
在这里插入图片描述
而双三次内插包括16个最近邻点,效果更好,但计算较为麻烦。

2.4像素之间的基本关系

在二维图像中,像素之间由相邻像素和对角像素共8个。
邻接性具有如下的定义

4/8邻接:q在p点的4邻域或8邻域内,若数值相同则算邻接
混合邻接有两种判断方式:1、q在p对角邻域内且二者的邻域交集无相同数值
                      2、q在p邻域之内

若S是像素子集,其全部像素存在通路,可称这两个像素是连通的。
距离度量主要可分为欧式距离(两点直线距离),城市街区距离(只可走直线),棋盘距离(棋盘点的距离,直线斜线没有分别)。
在这里插入图片描述
城市距离为5,棋盘距离为3,最短距离为4。

2.5图像之间的运算

主要包括加减乘除。

相加目的是混合图像,增加噪声
相减目的是消除背景,比较差异
相乘利用白为1(还原),黑为0(抹去),灰色为过渡地带
相除的目的是矫正设备,比较差异
基本代码
img=cv.add(   ,   )
img=cv.subtract(   ,   )
img=cv.divide(   ,   )
img=cv.mutiply(   ,   )

在这里插入图片描述
在这里插入图片描述

2.6集合和逻辑操作

主要包括并集,交集,补集和差
如下图所示的补集示例。
在这里插入图片描述

2.7图像变换的工具

主要有3种,矩阵变换,傅里叶变换和概率。
矩阵[x y 1]=[v w 1]T,根据T的不同,可对坐标点作尺度、旋转、平移或偏移;
傅里叶变换可用于修正图像;
概率统计可得出图像处理的重要信息,通过求灰度的期望,可得到平均灰度,标准差越大,那么图像的对比度就越高。

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值