《数学建模算法与应用第二版》——chapter13.数字图像处理

1. 数字图像概述

1.1 图像的基本概念

图像因其表现方式的不同分为连续图像和离散图像两大类。

连续图像∶是指在二维坐标系中连续变化的图像，即图像的像点是无限稠密的，同时具有灰度值（即图像从暗到亮的变化值）。连续图像的典型代表是由光学透镜系统获取的图像，如人物照片和景物照片等，有时又称为模拟图像。

离散图像∶是指用一个数字序列表示的图像。该阵列中的每个元素是数字图像的一个最小单位，称为像素。像素是组成图像的基本元素，是按照某种规律编成系列二进制数码（0和1）来表示图像上每个点的信息，，因此又称为数字图像。
以一个我们身边的简单例子来说，用胶片记录下来的照片就是连续图像，而用数码相机拍摄下来的图像是离散图像。

1.2 图像的数字化采样

计算机只能处理数字信号，照片、图纸等的原始信息都是连续的模拟信号，必须将连续的图像信息转化为数字形式。可以把图像看作是一个连续变化的函数，图像上各点的灰度是所在位置的函数，这就要经过数字化的采样与量化。

图像采样就是按照图像空间的坐标测量该位置上像素的灰度值。方法如下∶对连续图像（x，y）进行等间隔采样，在（x，y）平面上，将图像分成均匀的小网格，每个小网格的位置可以用整数坐标表示，于是采样值就对应了这个位置上网格的灰度值。若采样结果每行像素为M个，每列像素为N个，则整幅图像对应于一个M×N数字矩阵。这样就获得了数字图像中关于像素的两个属性∶位置和灰度。位置由采样点的两个坐标确定，也就对应了网格行和列;而灰度表明了该像素的明暗程度。

把模拟图像在空间上离散化为像素后，各个像素点的灰度值仍是连续量，接着就需要把像素的灰度值进行量化，把每个像素的光强度进行数字化，也就是将（x，y）的值划分成若干个灰度等级。

一幅图像经过采样和量化后便可以得到一幅数字图像。通常可以用一个矩阵来表示。

矩阵中的元素称为像素。每一个像素都有x和y两个坐标，表示其在图像中的位置。另外还有一个值，称灰度值，对应于原始模拟图像在该点处的亮度。量化后的灰度值代表了相应的色彩浓淡程度，以256色灰度等级的数字图像为例，一般由8比特（即一个字节）表示灰度值，由0~255对应于由黑到白的颜色变化。对只有黑白二值采用一个比特表示的特定二值图像，就可以用0和1来表示黑白两色。

将连续灰度值量化为对应灰度级的具体量化方法有两类，即等间隔量化与非等间隔量化。根据一幅图像具体的灰度值分布的概率密度函数来进行量化，但是由于灰度值分布的概率函数因图而异，不可能找到一个普遍适用于各种不同图像的最佳非等间隔量化公式，因此，在实际应用中一般都采用等间隔量化来进行量化。

1.3 数据类

虽