数字图像处理---【一】

图像数据的表示与基本运算

数字图像与数字图像处理

• 模拟图像：可以理解为直接观测到的图像，例如生物或机械成像系统中直接获取的图像，没有经过采样和量化
• 数字图像：将模拟图像进行离散化、数字化得到的图像，可以方便计算机处理
• 数字图像处理：又称为计算机图像处理，是一种利用计算机对数字图像进行分析、处理和加工的技术

图像文件格式

图像文件格式由“文件头”及“图像数据”组成

“文件头”的结构及内容由创建改图像文件格式的公司或团体决定

 

图像类型与图像数据

图像类型

• 矢量图：数学上定义为一系列由线连接的点，矢量文件中的图形元素称为对象。每个对象都是一个自成一体的实体，它具有颜色、形状、轮廓、大小和屏幕位置等属性
• 位图：位图也称作”点阵图”或“栅格图”，它的特点是整幅画由许多的像素点组成，计算机会将图片的每个像素点进行保存

RGB真彩色图像

• RGB真彩色图像每个像素的颜色，用：“红”、“绿”、“蓝”三个分量描述。每个分量采用“8位无符号整数”进行数字化，共24位组合，因此能够产生种颜色。
• 像素的“颜色分量”又称“颜色通道”、“颜色平面”
• Python语言中，用一个“M * N * 3”的NumPy“三维数组”来保存RGB真彩色图像数据
• RGB - >(Red、Green、Blue)

索引图像

• 索引图像为每个像素分配一个“颜色索引值”，同时构造一个“颜色索引表”，又称“调色板palette”
• 颜色映射表是一个“P行 * 3列”的二维数组，每种颜色占用一行，以RGB分量值定义该种颜色，P为颜色映射表行数，也是其能够提供的颜色种类数量
• 根据像素的颜色索引值，就可以从颜色映射表中找到该像素实际颜色的RGB分量值
• 索引图像数据可用两个二维数组，“M*N二维数组，保存每个像素的颜色索引值”、“P*3二维数组保存颜色映射表，即像素颜色索引值所对应的颜色RGB分量”

灰度图像

• 灰度图像每个像素只需一个数值描述，称为像素的“灰度值”，“强度”或“亮度值”
• Python中可用M * N的二维数组保存灰度图像数据

 二值图像

• 二值图像的每个像素值只能取两个离散值之一，这两个离散值一个代表“黑”、另一个代表“白”，也可将二值图像看做特殊的灰度图像
• OpenCv中，这两个离散值是255和0,1和0.Scikit-image中，二值图像像素值常用bool类型的True和False来表示

 视频图像

• 视频图像并不是新的图像类型，只是一组内容“连续渐变的图像序列”
• 视频中每帧图像称为“帧”，每秒显示的图像帧数称为“帧率”
• 数字视频图像的数据量很大，在存储和传输时要采用“压缩编码技术”
• 视频图像像素的灰度或颜色分量，不仅仅是空间点的函数，还是时间的函数。

图像类型之间的转换

• 图像处理常需要对图像类型进行转换（将彩色图像转换为灰度图像，将灰度图像转换为彩色图像）
• 图像转换为二值图像，属于图像分割

图像的数字化

图像及其特点

• 从广义讲，图像是用各种“成像系统”以不同方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眼、并进而产生视知觉的实体
• 二维信号
• 二维函数

• 图像的数学定义：任何带有信息的二维函数都可以被看作一幅图像
• 灰度图像可定义为一个二维函数f(x,y)，这里x和y是定义域为平面的空间坐标，函数值称为该图像的强度或灰度

模拟图像与数字图像

• 模拟图像：如果图像f(x,y)定义域(x,y)和值域均为连续值时，称其为模拟图像
• 数字图像：如果f(x,y)的定义域(x,y)和值域均为有限的离散数值，称为数字图像

像素：数字图像由有限个元素（采样点）组成，每个元素都有一个特定的位置和幅值，这些元素称为图像元素，简称像素

图像空间分辨率

• 空间分辨率：是图像中可辨别的最小细节的度量，依赖于成像面阵传感器的有效像素数，像素数越多，对细节的分辨和捕捉能力就越强，图像就越清晰。

图像坐标系

• x轴垂直向下，对应数组行序，y轴水平向右，对应数组列序

 

图像的基本运算

数据类型：

• 图像数据采用NumPy的uint8的类型，当计算结果超出范围[0,255]时会溢出
• 图像数据的算术运算，通常希望采用饱和处理

图像的算术运算

• NumPy提供了加、减、乘、除、真除
• 其中“/”运算符为“真除”，与数学中的除法定义更为接近，即返回除法的浮点数结果
• 除法运算符“//”对除法结果的浮点数进行向下取整，返回整数 

数组运算，又称点运算，对多付图像进行数组运算时，参与运算的图像数组应该具有相同的维数 

图像的比较运算

• 参与比较的两个图像数组应该具有相同维数
• 数组中的分量分别对应比较

 

图像的逻辑运算

• 数组中的对应分量进行逻辑运算
• 逻辑运算主要有“与AND”、“或OR”、“非NOT”、“异或XOR”

图像的二进制运算

• 将两个整数类型图像数组对应元素的二进制值，按位进行逻辑运算，结果是一个相同维数的整数类型数组
• 运算有：“与&”、“或|”、“非~”、“异或^”

像素之间的位置关系

邻域

• 像素是构成数字图像的基本单元，图像处理常以单个像素或一组像素为操作对象
• 为便于界定参与运算的像素集合，常用“邻域”描述像素之间的位置关系