计算机视觉基础--数字图像

1.图像

像素：像素是分辨率的单位。像素是构成位图图像最基本的单元，每个像素都有自己的颜色。
分辨率：
a）图像分辨率就是单位英寸内的像素点数。单位PPI（Pixel Per Inch）
b）PPI表示的是每英寸对角线上所拥有的像素数目：PPI=sqrt（长度像素数平方+宽度像素数平方）/ 2
c）屏幕尺寸指的是对角线长度
d）在生活中被混用，或者说错误的用作衡量图像内的像素点数量。
灰度：表示图像像素明暗程度的数值，也就是黑白图像中点的颜色深度。一般为0-255。白色为255，黑色为0.
通道：把图像分解成一个或多个颜色成分：
1）单通道：一个像素点只需要一个数值表示，只能表示灰度，0为黑色；（灰度图&二值图）
2）三通道：RGB模式，把图像分为红绿蓝三个通道，可以表示彩色，全0表示黑色；
3）四通道：RGBA模式，再RGB基础上加上alpha通道，表示透明度，=0表示全透明
对比度：之不同颜色之间的差别。例如对比度=最大灰度值/最小灰度值
RGB模型
色彩三原色（CMYK）：品红、黄、青
光学三原色（RGB）：红、绿、蓝

RGB转化为Gray

1. 浮点计算: Gray=0.3R+0.59G+0.11B
2. 整数方法：Gray=（30R+59G+11B）/100
3. 移位方法：Gray=（76R+151G+28B）>>8
4. 平均方法：Gray=（R+G+B）/3

RGB值转化为浮点数

• 浮点数运算结果更精确，整数运算中会因为丢失小数部分可能导致颜色值严重失真，计算过程越多越失真

• 将RGB值转化为[0,1]浮点数

• 

openCV大坑之BGR
opencv对于都进来的图片的通道排列是BGR!

频率：灰度值变化剧烈程度的指标，是灰度再平面空间上的梯度
高频、低频

幅值：幅值是在一个周期内，交流电瞬时出现的最大绝对值，也是一个正弦波，波峰到波谷距离的一半。

图像的取样和量化

• 数字图像：计算机保存的图像都是一个一个的像素点，称为数字图像

• 图像数字化过程由图像的取样与量化来完成

• 取样：就是要用多少点描述一幅图像，取样结果质量的高低就是用图像的分辨率来衡量

• 量化：是指要使用多大范围的数值来表示图像采样之后的一个点

• 数字化坐标值称为取样，数字化幅度值称为量化
  
  上采样与下采样

• 缩小图像（或成下采样(subsampled)或降采样）的主要目的：a）使得图像符合显示区域的大小；b）生成对应图像的缩略图

• 放大图像（或称为上采样(upsampling)）的主要目的是放大原图像，从而可以显示在搞分辨率图像上。

上采样原理：内插值
下采样原理：插值or （M/s）*(N/s)

2.插值算法

1）最邻近插值 the nearnest interplation
设i+u，j+v（i，j为正整数，u，v为大于零小于1的小数）为待求像素坐标，则待求像素灰度的值f(i+u,j+v)如下图所示：

代码：

2）双线性插值

2.1单线性插值

双线性插值：
step1：先用四个红点出处两个蓝点的像素值
step2：再用两个蓝点的像素值求出绿点的像素值
即利用两次单线性插值

理解过程：
a）在x方向做插值：

b）在y方向做插值
c）综合起来

双线性插值方法存在的问题
坐标系的选择
要通过双线性插值的方法算出dst（目标）中每一个像素点的像素值，是通过dst像素点的坐标对应到str图像当中的坐标，然后通过双线性插值的方法算出src中相应坐标的像素值。
坐标对应关系：

• 按比例对应

通常采用几何中心重合的方法进行双线性插值
问1：为什么要采用几何中心重合？
答：想要所有的点都能均匀的参与计算

问2：如何做到几何中心重合？
答：横纵坐标都加0.5
问3：为什么加0.5，
答：推导过程如下：

对比：
双线性插值法的计算比最邻近插值复杂， 计算量较大，但没有灰度不连续的缺点，图像看起来更光滑。

注：参考八斗人工智能视频，仅用作基础复习巩固。