用于个人复习,基础入门级内容
目录
本章重点掌握内容:
- 图像的概念及分类
- 像素表示的矩阵、矢量形式
- 图像工程的三个层次
1.1 图像的概念及分类
图像是各种观测系统以不同形式和手段观测客观世界而获得的,可以直接或间接作用于人的视觉系统而产生的视知觉实体。
图像分为模拟图像和数字图像
模拟图像:二维空间和亮度都是连续值的图像。亮度值连续且不分等级
数字图像:二维空间和亮度都是用有限数字数值表示的
图像工程的三个层次:
图像采集、获取及存储 |
图像重建 |
图像变换、滤波、增强、恢复 |
图像压缩编码 |
图像数字水印和图像信息隐藏 |
图像多分辨率处理 |
边缘检测、图像分割 |
目标表达、描述、测量 |
目标颜色、形状、纹理、空间、运动的分析 |
目标检测、提取、跟踪、识别和分类 |
人脸和器官的检测、定位与识别 |
1.2 图像的表示和显示
图像和像素的表示:
- 一幅图像一般可以用一个函数 表示。
这里的 和 表示空间中中一个坐标点的位置,而 代表的图像在 的某种性质 的数值。(例如灰度图的灰度值)
- 一幅图像可以分解为许多个单元,每个基本单元叫做图像元素,简称像素
矩阵表示形式:
一副图像用矩阵表示;
每一个像素点对应矩阵中的一个元素
例子:显示图片的矩阵
上述图片的矩阵表示:
代码实现:
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 读取图像
image_path = "work/lena_ill.png"
image = cv2.imread(image_path)
# 将BGR图像转换为灰度图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 显示原始图像
plt.subplot(1, 2, 1)
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.title("Original Image")
# 显示灰度图像
plt.subplot(1, 2, 2)
plt.imshow(gray_image, cmap='gray')
plt.title("Grayscale Image")
# 调整子图之间的间距和边界
plt.tight_layout()
# 显示图像
plt.show()
# 输出图像矩阵
#print("Original Image Matrix:")
#print(np.array(image))
print("\nGrayscale Image Matrix:")
print(gray_image)
1.3 数字图像如何存储
图像文件格式体系:
- 互联网:GIF JPG
- 印刷 :TIF JPG TAG PCX
- 国际标准:TIF JPG BMP
图像存储体系:
- 内存存储:处理时使用
- 硬盘存储:处理,备份时使用
- 备份存储:光盘磁带
- 网络存储:SAN 、NAS