数字图像处理(2)——数字图像获取

Enchant!

已于 2022-03-19 11:44:51 修改

阅读量1.1w

点赞数 6

分类专栏：图像处理+OpenCV 文章标签：图像处理

于 2022-03-19 11:20:14 首次发布

本文链接：https://blog.csdn.net/weixin_45634839/article/details/123591111

版权

图像处理+OpenCV 专栏收录该内容

5 篇文章 5 订阅

订阅专栏

文章目录

2.1图像数字化

原理:图像数字化是将一幅画面转换成计算机能处理的形式–数字图像的过程.
包括采样和量化两个过程.

2.1.1数字图像的表示

数字图像用矩阵来描述:以一幅数字图像F左上角像素中心为坐标原点,一幅m*n的数字图像用矩阵表示为:

在这里插入图片描述

数字图像根据灰度级的差异可以分为:黑白图像,灰度图像和彩色图像.

2.1.1.1黑白图像

图像的每个像素只能是黑或者白,没有中间的过渡,因此又称为二值图像.二值图像的像素值为1或0.

2.1.1.2灰度图像

每个像素的信息由一个量化的灰度来描述图像,没有彩色信息,字节(8位)可表示256级灰度[0,255]

2.1.1.3彩色图像

彩色图像是指每个像素由R G B分量构成的图像,其中R G B是由不同的灰度级来描述,1个灰度级使用一个字节,3字节可以表示一个像素.

2.1.2图像数字化过程

2.1.2.1采样

采样:将空间上连续的图像变换成离散点的操作成为采样。
采样的两个参数：
- 采样间隔
  - 采样点之间的距离。
  - 采样间隔需要符合信号与系统处理中的抽样定理即在一定的采样间隔之下，能够完全把原始信号回复的一个原则。
- 采样孔径
  - 采样的形状和大小

2.1.2.2量化

量化：
- 将像素灰度转换成离散的整数值的过程。
- 一幅数字图像中不同灰度值的个数成为灰度级，用G表示。一般数字图像灰度级数G为2的整数幂，即G=2^g,g为量化bit数、若一幅图像的量化灰度级G=256级，灰度值范围为0-255，常称为8bit量化。
图像数据量：
- 一幅M*N，灰度级为G的图像所需的存储空间为M * N * g(bit)为图像数据量。

2.1.2.3采样、量化参数与数字化图像间的关系

数字化方式可分为均匀采样、量化和非均匀采样、量化。
- 所谓均匀，指的是采样、量化均为等间隔方式。图像数字化一般采用均匀采样和均匀量化方式。
非均匀采样：根据图像细节的丰富程度改变采样间隔，细节丰富的地方，采样间隔小，否则间距大。
非均匀量化：对图像层次少的区域采用间隔大量化，而对图像层次丰富的区域采用间隔小量化。
采样关系：
- 采样间隔大，所得图像像素数越少，空间分辨率低，质量差
- 采样间隔越小，所得图像像素书越多，空间分辨率高，图像质量好，但数据量大
- 下图像素数从256 * 256递减至8 * 8

在这里插入图片描述

量化关系：
- 量化等级越多，所得图像层次越丰富，灰度分辨率越高，质量越好，但数据量大，量化等级越少，图像层次欠丰富，灰度分辨率低，质量变差，会出现加轮廓现象，但是数据量小。
- 例子：下面图像为采样间距相同时灰度级数从256到64，16，8，4，2所得的图像。
  
  $[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JlvgdAAX-1647659514973)(C:\Users\23642\AppData\Roaming\Typora\typora-user-images\image-20220318111202779.png)]$

2.1.2.4图像数字化设备

数字化器组成

在这里插入图片描述

扫描仪工作原理
图像数字化器的性能评价：

2.2图像灰度直方图

图像灰度直方图的概念：灰度直方图是反应一幅图像中各灰度级像素出现的频率与灰度级的关系，以灰度级为横坐标，频率为纵坐标，绘制频率同灰度级的关系图就是一幅灰度图像的直方图。
灰度直方图的性质：
- 只能反映图像的灰度分布情况，而不能反应图像像素的位置，即其会丢失位置信息
- 一幅图像对应唯一的灰度直方图，反之不成立
- 一幅图像分为多个区域，多个区域的直方图之和为该图像的直方图
应用：
- 判断图像量化是否恰当
- 确定图像二值化的阈值

2.3图像处理算法的形式

2.3.1基本功能形式

单幅图像->单幅图像
多幅图像->单幅图像
单(或多)幅图像->数字或符号等

2.3.2几种具体算法形式

2.3.2.1局部处理

领域：
- 对于任一像素(i,j)，该像素周围的像素构成的集合{(i+p,j+q),p、q取合适的整数}，叫做该像素的邻域
- 常用的邻域：下图分别表示中心像素的4-邻域、8-邻域
局部处理的概念：
- 对输入图像IP(i,j)处理时，某一输出像素JP(i,j)值由输入图像像素(i,j)及其邻域N(IP(i,j))中的像素值确定。这种处理成为局部处理。
  
  计算公式：
局部处理的例子
- 对一幅图像采用3 * 3模板进行卷积运算

2.3.2.2点处理：

在局部处理中，当输出值JP(i,j)仅与IP(i,j)有关，称为点处理。

2.3.2.3大局处理

在局部处理中，输出像素JP(i,j)的值取决于图像大范围或者全部像素的值，这种处理成为大局处理。

2.3.2.4迭代处理

反复对图像进行某种运算直至满足给定的条件，从而得到输出图像的处理形式称为迭代处理。
图像的细化处理过程：

2.3.2.5跟踪处理

选择满足适当条件的像素作为起始像素，检查输入图像和已得到的输出结果，求出下一步应该处理的像素，进行规定的处理，然后决定时继续处理下面的像素，还是终止处理。
特点：
- 目标像素依赖于前一个像素的位置和处理条件。

2.3.2.6窗口处理和模板处理

对图像的处理，一般采用对整个画面进行处理，但也有只对画面中特定的部分进行处理的情况。这种处理方式的代表由窗口处理和模板处理。
单独对图像中选定的矩形区域内的像素进行处理的方式叫做窗口处理。
希望单独处理任意形状的区域时，可采用模板处理。
模板的概念：任意形状的区域。
模板平面：一个和处理图像相同大小的二维数组，用来存储模板信息。一般是一幅二值图像。
模板处理：边参照模板平面对图像进行某种操作。
若模板成矩形区域，则与窗口处理有相同的效果，但是窗口处理与模板处理不同之处是后者必须设置一个模板平面。

2.3.2.7串行处理和并行处理

串行处理：
- 后一像素输出结果依赖于前面像素处理的结果，并且只能一次处理各像素而不能同时对各像素进行相同处理的一种处理形式。
- 特点：用输入图像的第(i,j)像素邻域的像素值和输出图像(i,j)以前像素的处理结果计算输出图像(i,j)像素的值。处理算法要按照一定顺序进行。
并行处理：
- 对图像内的各像素同时进行相同形式运算的一种处理形式。
- 特点：输出图像像素(i,j)的值，只用输入图像像素进行运算。各输出值可以独立运算。

2.4图像的数据结构与特征

图像数据结构是指图像像素灰度值的存储方式，常用方式是将图像各像素灰度值用一维或者二维数组相应的各元素加以存储。其他方式

2.4.1图像的数据结构

2.4.1.1组合方式

方法：一个字长存放多个像素灰度值。
特点：节省内存，但是计算量增加，处理程序复杂。

2.4.1.2比特面方式

将所有像素灰度的相同比特位用一个二维数组表示，形成比特面。n个比特位表示的灰度图像按比特面方式存储，就得到n个比特面。
特点：能充分利用内存空间，便于进行比特面之间的运算，但对灰度图像处理耗时比较多。

2.4.1.3分层结构

从原始图像开始依次构成像素数越来越少的系列图像，使数据表示具有分层性。代表为锥形(金字塔)结构。
锥形结构：对2^k * 2^k 个像素形成的图像，依次构成分辨率下降的k+1幅图像的层次集合。
方法：从原图像I0开始，依次产生行列像素数都变为1/2的一幅幅的图像I1,I2,…,Ik。此时，作为像素Ii的各像素的值，就是它前一个图像Ii-1的对应的2*2像素的灰度平均值。
优点：先对低分辨率图像进行处理，然后根据需要对高分辨率图像进行处理，可提高效率。

2.4.1.4树结构

对于如图所示的一幅二值图像的行、列接连不断地二等分，如果图像被分割部分中的全体像素都变成具有相同的特征时，这一部分不再分割。
用此种方法，可以把图像用树结构(4叉树)来表示。这可以用在特征提取和信息压缩等方面。

2.4.1.5多重图像数据结构

对于彩色图像或者多波段图像而言，每个像素包含着多个波段的信息。
存储方式有三种：
- 逐波段存储，分波段处理时采用
- 逐行存储，逐行扫描记录设备采用
- 逐像素存储，用于分类

2.4.2图像文件格式

按不同的方式进行组织或者存储数字图像像素的灰度，就得到不同格式的像素文件，图像文件按照其格式的不同具有相应的扩展名。
常见的图像文件格式按照扩展名分为：RAW格式、BMP格式、TGA格式、PCX格式、GIF格式、TIFF格式等。
上述图像格式大致包含下列特征：
- 描述图像的高度、宽度以及各种物理特征的数据
- 彩色定义
- 描述图像的位图数据体

2.4.2.1 RAW格式

将像素按照行列号顺粗存储在文件中，这种文件只含有图像像素数据，不含有信息头，因此，在读图像时，需要事先知道图像大小(矩阵大小)，它是最简单的一种图像文件格式。

2.4.2.2 BMP格式

由以下四个部分组成：
- 14字节的文件头
- 40字节的信息头
- 8字节的颜色定义
- 位图数据
位图文件头：BITMAPFILEHEADER
位图信息头：
palette(调色板)
- 调色板实际上是一个数组，数组中每个元素的类型为RGBQUAD结构，占4个字节。
- 结构定义如下：
- 有些位图，比如真彩色图，没有调色板，他们的位图信息头后直接是位图数据。
位图数据：
- 分为两种情况：
  - 对于用到调色板的位图，图像数据就是该像素颜色在调色板中的索引值
  - 对于真彩色图，图像数据就是实际的R、G、B值。
- 对于2色位图，用1位就可以表示该像素的颜色，因此一个字节可以表示8个像素。对于16色位图，用4位可以标识一个像素的颜色，所以1个字节可以表示2个像素；对于256色位图，一个字节刚好可以表示一个像素
- 对于真彩色图，3个字节才能表示1个像素

2.4.2.3 GIF格式

GIF图像是基于颜色列表的，最多支持8位。GIF支持在一幅GIF文件中存放多幅彩色图像，并且可以按照一定的顺序和时间间隔将多幅图像依次读出并且显示在屏幕上，这样就可以形成一种简单的动画效果。
GIF一般由7个数据区组成：头文件、通用调色板、位图数据区以及四个扩充区。

2.4.2.4 TIFF格式

文件主要由三个部分组成：
- 文件头
- 标识信息区
- 图像数据区
TIFF文件有其特有的标识信息，并能进行自定义，是一种开放易于扩展的数据格式，能支持较大数据量和不同定义方式的影像数据，广泛应用于遥感、地理信息领域。

2.4.3图像的特征与噪声

2.4.3.1图像的特征类别

自然特征
- 光谱特征
- 几何特征
- 时相特征
人工特征
- 直方图特征
- 灰度边缘特征
- 线、角点、纹理特征
按照提取特征分为：
- 点特征：仅由各个像素就能决定的性质。如单色图像中的灰度值、彩色图像中的R G B成分的值。
- 局部特征：在小邻域内所具有的特征，如线和边缘的强度、方向、密度和统计量(平均值、方差等)等。
- 区域特征：在图像内的对象物(一般是指与该区域外部有区别的具有一定性质的区域)内的点或者局部的特征分布，或者统计量，以及区域的几何特征(面积、形状)等。
- 整体特征：整个图像作为一个区域看待时的统计性质和结构特征等。

2.4.3.2特征提取与特征空间

2.4.3.2.1特征提取

获取图像特征信息的操作称作特征提取。
它作为模式识别、图像理解或者信息量压缩的基础是很重要的。通过特征提取，可以获得特征构成的图像(称作特征图像)和特征参数。

2.4.3.2.2特征空间

把从图像提取的m个特征量y1,y2,…ym，用m维的向量Y = [y1 y2 ym]^t表示称为特征向量。另外，对应于各特征量的m维空间叫做特征空间。

2.4.4图像噪声

噪声种类：
- 外部噪声：如天体放电干扰等
- 内部噪声：系统内部产生，主要包括四种：由光和电的基本性质引起，机械运动产生的噪声、元器件噪声、系统内部电路噪声等。
噪声特征：
- 对灰度图像f(x,y)来说，可看作二维亮度分布，而噪声可看作对亮度的干扰，用n(x,y)表示，常用统计特征来描述噪声，如均值、方差(交流功率)、总功率等。
噪声的模型：
- 按照噪声对图像的影响可分为加性噪声模型和乘性噪声模型两大类。设f(x,y)为理想图像，n(x,y)为噪声，实际输出图像为g(x,y)
- 加性噪声，与图像光强大小无关，g(x,y)=f(x,y)+n(x,y)
- 乘性噪声，与图像光强大小相关，随亮度大小变化而变化，g(x,y)=f(x,y)[1+n(x,y)]
图像系统常见的噪声：
- 光电管噪声
- 摄像管噪声
- 前置放大器噪声
- 光学噪声