目录:
一.图像的获取和感知
1.各类图像都是由“照射”源和形成图像的“场景”元素对光能的反射或吸收相结合而产生的。
2.数字图像获取过程:
3.简单的图像形成模型
①当用数学方法描述图像信息时,通
常着重考虑它的点的性质。
例如一副图像可以被看作是空间各个坐标点的结合。它的最普通的数学表达式为:
其中(x,y,z)是空间坐标,λ是波长,t是时间,I是图像强度。
这样一个表达式可以代表一副活动的、彩色的、立体图像。
②当研究的是静止图像时,则与时间t无关;
当研究的是单色图像时,显然与波长λ无关;
对于平面图像则与坐标z无关。
因此,对于静止的平面的、单色的图像来说其数学表达式可简化为:
上式说明:一副平面图像可以用二维亮度函数来表示,当一副图像从物理过程产生时,它的值正比于物理源的辐射能量,因此,f(x,y)一定是非零和有限的,即:
③人们所感受到的图像一般都是由物体
反射的光组成的。函数f(x,y)可由两个分
量来表示:
(1)入射到观察场景的光源总量;
(2)场景中物体反射光的总量。
这两个分量分别称为入射分量和反射分
量,如果用i(x,y)表示入射分量,用r(x,y)表
示反射分量,两个函数合并形成f(x,y),即:
其中:
反射分量限制在0(全吸收)和1(全反射)之间,
i(x,y)的性质取决于照射源,
而r(x,y)取决于成像物体的特性。
二.图像的数字化
· 大多数传感器的输出是连续电磁波形,
这些波形的幅度和空间特性都与感知的
物理现象有关。
为了产生一副数字图像,
需要把连续的感知数据转换为数字形式。
· 所谓的图像数字化是指将模拟图像经过离散化之后,得到用数字表示的图像。
1.取样
是将在空间上连续的图像转换成离散的
取样点(即像素)集的操作。由于图像是
二维分布的信息,所以取样是在x轴和y轴
两个方向上进行。
□ 取样时的注意点是:取样间隔的选取。
取样间隔取得不合适除了画面出现马赛克
之外,还会发生频率的混叠现象。
2.量化
是将各个像素所含的明暗信息离散化后,用数字来表示称为图像的量化,一般的量化值用整数来表示。
□ 充分考虑到人眼的识别能力之后,目前非特殊用途的图像均为8bit量化,即用0~255描述
“黑~白”。
3.二维数字图像
从图像的顶点逐行执行着一过程,则会产生一副二维数字图像。
数字图像的质量在很多程度上取决于取样和量化中所用的取样数和灰度级数。
4.分辨率
①映射到图像平面上的单个像素的景物元素的尺寸。
②单位:像素/英寸,像素/厘米,像素*像素。
5.空间和灰度级分辨率
①取样值是决定一幅图像空间分辨率的主要参数,空间分辨率是图像中可辨别的最新细节。
②灰度级分辨率是指在灰度级别中可分辨的最小变化,由于硬件方面的要求,灰度级数通常是2的整数幂。
6.其他
①在取样时,若横向的像素数(列数)为M ,纵向的像素数(行数)为N,则图像总像
素数为M*N个像素。
②一般来说,采样间隔越大,所得图像像素数越少,空间分辨率低,质量差,严重时出现马赛克效应;
③采样间隔越小,所得图像像素数越多,空间分辨率高,图像质量好,但数据量大。
④量化等级越多,所得图像层次越丰富,灰度分辨率高,图像质量好,但数据量大;
⑤量化等级越少,图像层次欠丰富,灰度分辨率低,会出现假轮廓现象,图像质量变差,但数据量小。
⑥一般,当限定数字图像的大小时, 为了得
到质量较好的图像可采用如下原则:
(1) 对缓变的图像, 应该细量化, 粗采样, 以避免假轮廓。
(2) 对细节丰富的图像,应细采样,粗量化, 以避免模糊(混叠)。
⑦对于彩色图像,是按照颜色成分——红(R)、绿(G)、蓝(B)分别采样和量化的。
若各种颜色成分均按8 bit量化,即每种颜色量级别是256, 则可以处理256×256×256=16 777 216种颜色。
三.数字图像描述
1.黑白图像(二值图像)
是指图像的每个像素只能是黑或白,没有中间的过度,故又称为二值图像。
二值图像的像素值为0、1(255)。
2.灰度图像
是指每个像素的信息由一个量化的灰度级来描述的图像,没有彩色信息。
像素值在[0,255]区间内。
3.彩色图像
是指每个像素的信息由RGB三原色构成的图像,其中RGB是由不同的灰度级来描述的。
4.数字图像的表示
①一副行数为M,列数为N的图像大小为M×N的矩阵形式:
其中矩阵中的每个元素代表一个像素,表达式的右侧定义了一幅数字图像。
②假定图像尺寸为M、N,每个像素所具有的离散灰度级数为G;
这些量分别取为2的整数幂m,n,k,即M=2m, N=2n,G=2k
则存储这幅图像所需的位数是:
四.像素间的一些基本关系
1.邻域
①四邻域N4
设位于坐标(x,y)的一个像素p有4个水平和垂直的相邻像素,其坐标由为:
②八邻域N8
四邻域加上四个对角像素:
2.连通性
①为了确定两个像素是否连通,必须确定它们是否相邻及它们的灰度是否满足特定的相似性准则(或者说,它们的灰度值是否相等)。
②令V是用于定义邻接性的灰度值集合。
考虑三种类型的邻接性:
(a)4邻接:如果q在N4§ 集中,具有v中数值的两个像素p和q是4邻接的。
(b)8邻接:如果q在N8§ 集中,则具有v中数值的两个像素p和q是8邻接的。
(c)m邻接(混合邻接):
如果(I)q在N4§集中,
或者(II)q在N4§ 中且集合N4§ ∩ N4(q) 没有v值的像素。则具有v值的像素p和q是邻接的。
3.像素间的距离
①欧氏距离
②城市距离:像素p(x,y)和q(s,t)之间的D4距离
③棋盘距离:像素p(x,y)和q(s,t)之间的D8距离