2.1 数字图像数学表示
图像表示为二维函数,可由光源照射量
和反射(或透射)系数
表征:
,
,
,
2.2 数字图像基本概念
采样:对空间坐标数字化。
量化:对幅度值数字化。
亮度级(灰度级):单色图像的取值区间
。灰度级数
通常是2的整数次幂。
动态范围:灰度跨越的值域,通常上限取决于饱和度,下限取决于噪声,但噪声也可能较亮。
对比度:最高灰度和最低灰度的灰度差。
反差比:最高灰度和最低灰度的比率。
空间分辨率:图像中最小可辩别细节的测度,广泛使用的定义是单位距离内可分辨的最大线对数(如每毫米100个线对),可使用点数/英寸(dpi)表示。
灰度分辨率:灰度级中可分辨的最小变化。(256级-8bit灰度分辨率)
2.3 像素间基本关系
邻域: 坐标处像素p 的相邻像素位置集
:坐标
处像素p的2个水平相邻像素和2个垂直相邻像素
:像素p的4个对角相邻像素
:
和
合并,称为p的8邻域
闭邻域:邻域包含像素p
开邻域:邻域不包含像素p
邻接:
4邻接:q在p的4邻域内
8邻接:q在p的8邻域内
m邻接(混合邻接):q在p的4邻域内或q在p的D邻域内,且p和q的4邻域交集元素不在V中,改进8邻接,消除歧义性
通路:4通路、8通路、m通路
连通性:S为一幅图像中像素的子集,如果S中的像素q和p之间存在一条通路,则可以说像素q和p在S中是连通的
区域:若R表示为图像中像素的一个子集,R为连通集,则称R为图像的一个区域。若两个区域S1和S2可构成连通集,则可以称为邻接区域(该定义必须先指定连接邻接类型是4邻接还是8邻接)
边界(边框、轮廓):区域R中与R补集中像素相邻的一组像素
距离测度:对于坐标分别为,
和
的像素p,q和s,如果
则D是一个距离函数或距离测度。
p和q之间的欧几里得(欧式)距离:
p和q之间的城市街区距离:
p和q之间的棋盘距离:
2.4 图像内插
最近邻内插:假设大小为500×500像素的一幅图像要放大1.5倍,即放大到750×750像素。创建一个大小为750×750像素的假想网格,网格的像素间隔完全与原图像的像素间隔相同,然后收缩网格,使它完全与原图像重叠。显然,收缩后的750×750网格的像素间隔要小于原图像的像素间隔。为了对上覆图像中的每个点赋灰度值,我们在下伏原图像中找到最接近的像素,并把该像素的灰度赋给750×750网格中的新像素。为上覆网格中的所有点赋灰度值后,可将图像展开到指定的大小,得到放大后的图像。会产生人为失真,如严重的直边失真。
双线性内插:使用4个最近邻的灰度来计算给定位置的灰度。令表示待赋灰度值的位置(可将它想象为网格点)的坐标,令
表示灰度值。对于双线性内插而言,所赋的值由如下公式得到:
,式中,4个系数可用由点
的4个最近邻点写出的4个未知方程求出。双线性内插的结果要比最近邻内插的结果好得多,但计算量会随之增大。
双三次内插:包括16个最近邻点,赋给点的灰度值由公式
得到,式中,16个系数可用由点
的16个最近邻点写出的16个未知方程求出。观察发现,如果求和的上下限分别为1和0,则其简化为双线性内插。通常,双三次内插在保留细节方面确实要强于双线性内插。
2.5 算术运算在数字图像处理中的作用
1.使用图像相加(平均)降低噪声
2.使用图像相减比较图像
3.使用图像相乘/相除校正阴影和模板
2.6 仿射变换(缩放、平移、旋转、剪切)
二维仿射变换的关键性质:保留点、直线和平面。可用如下形式表示4个仿射变换:
2.7 图像变换域
正变换:,
是输入图像,
称为正变换核
反变换:,
称为反变换核
傅里叶变换对:变换核是可分的和对称的,允许用一维变换计算二维变换