第一章绪论

AIAlchemy

于 2023-05-15 22:42:49 发布

阅读量33

点赞数

分类专栏：图像处理复习文章标签：图像处理

本文链接：https://blog.csdn.net/weixin_52677033/article/details/130692805

版权

图像处理复习专栏收录该内容

2 篇文章 0 订阅

订阅专栏

用于个人复习，基础入门级内容

1.1 图像的概念及分类

1.2 图像的表示和显示

1.3 数字图像如何存储

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：

**图像处理**
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

**图像分析**
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 $2-D$ 函数 $f(x,y)$ 表示。

这里的 $x$ 和 $y$ 表示 $2-D$ 空间中 $XY$ 中一个坐标点的位置，而 $f$ 代表的图像在 $(x,y)$ 的某种性质 $F$ 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：

$F=\begin{bmatrix} f_{11} &f_{12} & \cdots &f_{1n} \\ f_{21} &f_{22} & \cdots &f_{2n} \\ \vdots &\vdots &\ddots &\vdots \\ f_{31} &f_{32} & \cdots&f_{3n} \end{bmatrix}$

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)