数字图像处理の笔记，第二章-数字图像基础

本文链接：https://blog.csdn.net/zzdzz123/article/details/130446653

数字图像处理の笔记，第二章-数字图像基础

文章目录

1.1 视觉感知要素

数字图像处理建立于数学和概率公式的基础之上，但人类的直觉和分析将直接影响“使用技术的选择”，这种主观判断很大一部分来自于人类的视觉。

1.1.1 人眼结构

在“成像”中起重要作用的结构

晶状体：由纤维细胞层组成，由附在睫状体上的纤维悬挂着。对短驳的光有较高吸收率
视网膜：位于眼镜最深处，不满眼球后部内壁，作为成像区域
睫状体：调节晶状体形状

1.1.2 眼睛中图像的形成

普通照相机成像：镜头有固定焦距，通过改变镜头和成像平面间的距离实现各种距离的聚焦，胶片放置在成像平面上即可。
人眼成像：晶状体与成像区域（视网膜）的距离固定，睫状体中的限购能够在远离或接近目标时分别变扁或加厚晶状体，导致晶状体发生形变，实现正确聚焦的焦距。应用：通过人与物体间的距离，可以用数学方法得知物体高度等参数。

1.1.3 亮度适应与辨别

主观亮度 指人的视觉系统所能感知的亮度，人眼亮视觉的范围约为10^6，从暗视觉过渡到亮视觉的近似范围约0.001~0.1朗伯，可以推测：视觉系统不能在同一范围内工作。
亮度适应现象：由于人类的视觉系统不能同时在一个范围内工作，所以需要通过调整灵敏度来适应环境变化。
人眼辨别光强变化的能力影响图像处理的效果
- 相关实验如下：一空间中，有一位观察者和一个大到足以占有观察者全部视野的均匀发光区（由不透明玻璃组成）。使用强度I可变的光源从后面照向这块玻璃，观察者的视野中会增加一个照射分量△I，以圆形的方式出现一瞬，如图所示。
- 若△I亮度不够，观察者观察不到变化。△I逐渐加强，强到足以使观察者察觉。△Ic / I 称为韦伯比，△Ic 是在背景照明为I时辨别照明增量的50%。韦伯比越大，表示亮度辨别能力较弱，反之较弱。
- log△Ic/I的曲线如图所示 $[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-J8yRmV94-1682820795227)(C:\Users\86189\AppData\Roaming\Typora\typora-user-images\image-20230427163444298.png)]$
  
  纵坐标为“韦伯比”，图像表明：在低照明级别下，韦伯比较大，亮度辨别能力较差，会随着背景照明强度提高而改善（提高韦伯比）。观察者从无法察觉到照明增量到能察觉到照明增量，这一过程表明：视觉系统会在不同强度区域的边界处出现“下冲”或“上冲”现象，这一现象可用马赫带效应解释。
  
  马赫带效应：如图所示，几个条带的强度恒定，但在条带间的边界处，我们能明显感觉到两块亮度不同的区域，在边界处亮度对比极其明显，这是一种主观的感觉，说明人类的视觉系统有增强边缘对比度的机制。关于同时对比现象：指物体强度相同，但人眼的主观意识会随物体背景照度改变而改变。 $[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zxnSR1zT-1682820971383)(C:\Users\86189\AppData\Roaming\Typora\typora-user-images\image-20230427182328957.png)]$

1.2 光和电磁波谱

光是一种特殊的电磁辐射，能为人眼所感知。对人眼而言，电磁波谱存在可见光波段，可分为六个主要颜色区域，不同波长下，颜色平滑过渡，不存在突然跳变。
人对物体颜色的感知取决于物体反射光的性质，物体在可见光谱的有限范围内，反射不同范围波长内的光，对应波长的光颜色即人眼观察到的颜色。

没有颜色的光	唯一属性
单色光或五色光	强度或大小

灰度级：表示单色光的强度，从黑到白的单色光的度量值范围称为灰度级，单色图像称为灰度图像

1.3 图像感知与获取

获取数字图像的传感器主要传感器配置
- 功能：将辐射能量转换为数字图像
- 原理：将输入能源转变为输出电压，相当于将传感器的响应以数字（电压值）的形式表示出来
图像形成模型
- 图像表示方法：使用二维函数f(x,y)表示，且有0<f(x,y)<∞
- f(x,y)的表征方法：f(x,y) = i(x,y)r(x,y)，由入射分量和反射分量乘积合并而成。0表示全吸收，1表示全反射
- 关于入射分量与反射分量
  
  内容\名称入射分量反射分量
  限制 0<i(x,y)<∞ 0<r(x,y)<1
  性质取决于照射源取决于成像物体的特性

内容\名称	入射分量	反射分量
限制	0<i(x,y)<∞	0<r(x,y)<1
性质	取决于照射源	取决于成像物体的特性

1.4 图像取样和量化

取样：对连续图像的坐标值进行数字化
量化：对连续图像的幅值进行数字化
数值阵列用户处理和算法开发，可以公式形式将一个M*N的数值阵列表示为矩阵。数字化需要判定M值、N值和离散灰度级数L。M和N必须>0;L取2^k
存储数字图像所需的比特数b=M * N * k
空间分辨率：图像中可辨别的最小细节的度量，单位：dpi，分辨率与存储所需空间呈正比，没有固定的取值标准，需要根据实际情况选择合适的分辨率，例如：使用内插方法改进图像
灰度分辨率：灰度级中可辨别的最小变化。若图像的灰度级别不足，容易形成伪轮廓。
图像内插

分类	最近邻内插法	双线性内插	双三次内插
作用	调整图像大小，将原图像中最临近的灰度赋给每个新位置	用4个最近邻的灰度估计相应位置的灰度，具体数值由公式