图像的取样和量化

数字图像表示

令f(s,t)表示一副具有两个连续变量s,t的连续图像函数。通过取样和量化，可将该函数转为数字图像。假设我们将这幅图像取样为二维列阵f(x,y)，该列阵包含M行N列，其中(x,y)是离散坐标。为清楚表达，对这些离散坐标使用整数：x=0,1,2,…,M-1；y=0,1,2,…,N-1。数字图像原点值就是f(0,0),采用（0，0）表示第0行0列样本，任何(x,y)处的样本值记做f(x,y)。
$f(x,y)=\left[\begin{array}{cccc}f(0,0)& f(0,1)& ......& f(0,N-1)\\ f(1,0)& f(1,1)& ......& f(1,N-1)\\ ......& ......& ......& ......\\ f(M-1,0)& f(M-1,1)& ......& f(M-1,N-1)\end{array}\right].$
令aij=f(x=i,y=j)=f(i,j)。可以将一幅图像表示为向量V。例如：尺寸为MN×1的列向量由V的前M个元素作为A的第一列，之后的M个作为第二列，以此类推。同样也可以用A的行代替列来形容一个向量。
观察向量发现数字图像原点位于左上角，其中正X轴向下延伸，正Y轴向右延伸。这种表示基于以下事实：显示器扫描都是从左上角开始的，然后依次向下移动一行，矩阵第一元素按照惯例应是在阵列的左上角（标准右手笛卡尔坐标系统）。
令Z和R分别表示整数集和实数集。取样处理可视为把xy平面分为网格的过程，网格中每个单元的中心坐标是笛卡尔积Z2中的一对元素，Z2是所有有序元素对（zi,zj）的集合，zi和zj是Z中的整数。如果(x,y)是Z2中的整数，且f是把灰度值（实数集R中的一个实数）赋给每个坐标对（x,y）的一个函数，则f(x,y)就是一副数字图像。。这种赋值过程就是量化处理，若灰度级也是整数这用Z代替R，然后数字图像变为一个二维函数且坐标和幅值都是整数。
数字化过程需要针对M、N以及灰度L作出判定，M，N取正整数，处于存储和量化硬件的考虑L取2的整数次幂。假设离散灰度级是等间隔的，且区间是[0,L-1]内的整数（动态范围）。图像系统的动态范围定义为：系统中最大可测量灰度和最小检测灰度之比。原则上，上限取决于饱和度，下限取决于噪声。动态范围基本上由系统能表示的最低最高灰度级来确定，因此，这也是图像具有的动态范围，与之密切相关的是图像对比度，其定义为：一幅图像中的最高与最低灰度级之间的灰度差。当一幅图像中的像素具有高动态范围时，我们认为该图像具有高对比度，反之低动态范围的图像使人感觉沉闷。存储数字图像所需的比特数b、灰度级L、公式如下：
$L=2^k$
$b=M\ast N\ast k$
当M=N时：$b=N^2\ast k$
表1.1中显示了N和k取不同值所对应的存储大小。当一幅图有2k个灰度级时，称之为“k比特图像”。

表1.1 N、k取不同值时存取所需比特数。L是灰度级
空间和灰度分辨率
空间分辨率就是像素数（M、N）；灰度分辨率是指灰度级中可分辨的最小变化（k）。
N、k对于图像的综合影响：对于有大量细节的图像（例如人群），可能只需要较少的灰度级；对于具有少量细节的图像和具有中等细节的图像，其主观感受质量相同的时后较低的灰度级也可以满足，因为k的减小倾向于对比度的增加，直观体验是图像质量改善了。
图像内插
内插是在诸如放大、收缩、旋转、几何校正等任务中广泛应用的基本工具，这是基本图像重取样方法。本质上，内插是用已知数据来估计未知位置的数值处理。
双线性内插：用四个最近邻去估计给定位置的灰度。令（x,y）为我们想要赋以灰度值的位置，令V(x,y)表示灰度值。
$$v(x,y)=ax+by+cxy+d,.$$
式中四个系数由点（x,y）四个最邻近的点写出未知方程决定。以下是双三次内插，包括十六个邻近点：
$$v(x,y)=\sum _{i=0}^3\sum _{j=0}^3{a}_{ij}{x}^2{y}^2$$
式中16个系数由（x,y）周围16邻近点写出未知方程确定。观察上式若求和上下限为0和1，，可简化为双线性内插。