图像处理学习笔记一

Binary image(二值图像)：灰度等级只有两种，也就是说，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色。

bit和byte的区别：bite是表示信息的最小单位，而Byte又称为字节，1Byte=8bites,可用于区别256个字母。

Salt and Pepper Impulse Noise （椒盐噪声）:又称为脉冲噪声，它随机改变一些像素值，在二值图像上表现为使一些像素点变白，一些像素点变黑。

segmentation:细分

图像以及视频所占储存空间的计算：

比如一幅600×800的普通彩色图像，其宽度为600个像素点，长度为800个像素点，如利用普通的RGB模型表示该彩色图像，需要分别用到一个字节储存该图像在某一个像素点的红色，绿色，蓝色的亮度（灰度）值，则整幅图像需要用到的储存空间大小为：

                                  600×800×24bits/pixel=11520000bits=1.37M bytes

相关换算单位：

1TB=1024GB（吉字节）

1GB=1024MB  (兆字节)

1MB=1024KB（千字节）

1KB=1024Byte（字节）

1Byte=8bit（比特/位）

而这张图片经过压缩（JPEG  conpression)之后仅仅需要89K bytes,压缩比（compression ratio）达到了大约16：1，大大节省了储存空间。

而对于一个720×480大小的视频，视频的拍摄率是30 frames/sec(帧每秒)， 那么储存这个视频需要的空间大小为：

                                  720×480×30 frames/sec×24bits/pixel=237M bits/sec

当使用DVD压缩之后其每秒所需的储存空间仅为5M bits,其压缩比约为48：1，由于视频的帧与帧存在时间上的相关性，所以其数据信息具有更大的冗余度，所以其压缩比要比图片的大。

Binary images(二值图像)：是指将图像上的每一个像素只有两种可能的取值或灰度等级状态，只有两个值，0和1，0代表黑，1代表白。

Gray images(灰度图像)：灰度图像的数据矩阵归一化的值表示亮度，不同类型取值不同。比如uint8类的取值范围是[0,255]，uint16类的取值范围是[0,65535]，double类的取值为[0,1]。与二值图像不同的是，灰度图像根据类型的不同，将黑与白分为了很多个梯度，也就是在黑和白之间还有着许多不同的亮度。

Color images(彩色图像)：彩色图像又可以分为如下的索引值图像和真彩色图像。

Indexed color images(索引图像)：索引图像包括一个数据矩阵X和一个颜色映射（调色板）矩阵map。 数据矩阵X可以有uint8，uint16或double类型的。颜色映射矩阵map是一个N*3的数据阵列，其中每个元素都是位于[0,1]之间的double类型。map矩阵每一行有3列，分别表示红色（R），绿色（G）和蓝色（B）。每个像素的颜色通过X中的颜色值作为map中的下标来获取，即X中的元素：1指向map中的第一行所有元素，10指向map中的第十行所有元素。 i指向map中的第i行所有元素。

Full color images(真彩色图像)：每个像素点需要用到24个bits来表示，8个bits用来表示红色 的亮度值，8个bits表示绿色，8个bits表示蓝色。

傅里叶变换（Fourier Transform-数字图像处理的基石）

信号正交的定义：若信号x（t）与y（t）在[0-T]内，有： 则称x（t），y（t）在[0-T]内正交。 通俗点讲：正交是针对波形而言的，如果两个波形在一段时间内内积为零，则他们在这段时间内正交。

在复空间内进行内积的时候，我们需要对其中的一个信号取共轭

控制之美笔记

线性时不变系统的定义/性质：

（1）线性：f(a+b)=f(a)+f(b)，结果的叠加等于输入的叠加。

（2）时不变：一列输入不管在什么时候提供，产生的结果是一样的。系统没有内态去区分先后