現代成像技术.docVIP

1 第一章图像、成像系统和信息在讨论具体的成像系统以前，本章首先介绍关于图像和成像系统的基本概 念、特征以及一般的分析方法，作为本书其他章节的基础。 和通信理论一样，傅里叶频谱分析在近代成像理论中也是最主要的分析万 法。我们假定读者已熟悉傅里叶变换的基础知识。在附录中，摘引了傅里叶变换 的基本定理以及常用的变换公式，以供查阅。 1.1 节将介绍图像信号分析的基本概念以及图像信号作为随机过程的分析方 法。特别引入了维格纳(Wigner)分布函数和模糊函数，它们比傅里叶频谱包含更 多的信息。1.2 节介绍成像系统作为线性平移不变系统的一般理论。 1.3 节介绍 图像的信息、成像系统的信息容量以及它们的编码与匹配。 1.1 图像的基本性质 本节将介绍图像的基本定量描述和统计描述．这两方面都是分析不同成像方 法和成像系统的重要基础．特别在现代成像系统中，经常包括了计算机数字图像 处理的环节下，因此对图像的各种定量描述(包括统计描述)是十分需要的． 1.1.1 图像的基本描述 图像的灰度 图像是被观察物体由成像系统转化为可目视观察的一定物理量的二维分布 (有时也可以是一维或三维)．这个物理量一般称之为“灰度”，用g 表示．它可 以是感大乳胶的黑度，显示屏的亮度等．灰度是图像最基本的物理量． 通常灰度的范围(即最大灰度与最小灰度之差max min g ??g )反映图像的对比 度． min g 可称为图像的背景．灰度对整幅图像取平均称为平均灰度g 或图像的亮 度： ??∫ S d g S g 1 r (r) (1.1.1) S 为图像面积．对比度c 可表示为 g c gmax gmin ? ??(1.1.2) 2 图像中信号的大小可用图像灰度的方均根差g ??表征，它可写为 S d g g S g ∫?? ? r[ (r) ]2 ??(1.1.3) 图像的对比度有时用下式而不用式(1.1.2)： g c g ? ??(1.1.4) 为了改善图像的对比度，常可对灰度作变换，即 ( ) 2 1 g ??f g (1.1.5) 函数f 可以是线性的也可以是非线性的．这种处理通常称作图像的加强． 图像的分辨率 图像中能被区分的最小细节的尺度称为图像的分辨率S ??．通常可用瑞得 (Rayleigh)判据定量地描述．即当两等强度的孤立线像的中心马鞍点的灰度min g 小 于峰值灰度max g 的0.811 时，认为这两线可被分辨(见图1.1)．对于两点的分辨， 这一强度比的数值应为0.735。 图1.1 瑞利判据 然而图像的细节的区分还和图像的很多其他因素有关，如亮度、背景、信噪 比等。瑞利判据只不过是一理想的标准化的判据。 图像的信噪比 在图像的形成过程中，不可避免会引入噪音．信噪比是图像灰度的方均差2 g ? 与噪音的方均差2 n ??之比，即 2 / 2g n SNR ?????(1.1.6) 3 一般而言，通过灰度的简单的变换，式(1.1.5)是不能提高信噪比的．然而， 若根据已知的图像信号和噪音的统计性质，作一些处理[如威纳(Wiener)滤波等， 见1.2.9 节]，则有可能提高图像的信噪比SNR。 图像的频谱 图像的另一表示方式是它的频谱．若到像的灰度分布函数为g(x, y)，它的二 维傅里叶变换是[对本小节以下内容，g(x, y)是复函数] G(u, v) ??∫∫?g(x, y) exp[??j2??(ux ??vy)]dxdy (1.1.7) 其逆变换为 g(x, y) ??∫∫G(u, vy) exp[ j2??(ux ??vy)]dudv (1.1.8) 式(1.1.8)表明：g(x, y)可以看成是简谐基元函数exp[ j2??(ux ??vy)]的叠加，它的 幅度分布为) , ( v u G ．这些基元函数是在方位角为?? ? ?? ????? u ??tan 1 v 方向上的复简谐函 数，其周期是???1 2 2 ? u ??v (见图1.2)．这种复简谐基元函数常用频率矢量f 表征： f ??ux? ??vy? (1.1.9) 其中： x? 、y? 分别为x 和y 轴上的单位矢量．频率矢量的方向就是复简谐函数的 方向，矢量的大小为u2 ??v2 ．函数G(u, v)反映了不同频率基元函数的分布，称 为图像的频谱．和g(x, y)一样，G(u, v)也完全表征了图像的特征．虽然人们不 能从G(u, v)识别团像，然而它在图像分析和处理中非常有用． 4 图1.2 基元函数的频率矢量 若g(x, y)是实函数，它的谱满足一定的对称关系，即其谱是厄米函数： G(?u,?v) ??G*(u, v) 其中＊表示复共轭．若令G(u, v) ??R(u, v) ??jX (u, v)，则R(u, v)，X (u,