图像的矩阵表示_3汇.pptVIP

图像的采样量化——矩阵表示 图像的离散化：空间和灰度 空间采样：空间坐标的离散化 灰度量化：灰度的离散化 图像的矩阵表示 采样和量化 与采样相关的分辨率的概念 分辨率：区分细节的程度，是指映射到图像平面上的单个像素的景物元素的尺寸。 单位：pixel/inch，pixel/cm 单位：像素*像素 影响因素：采样点数（M，N）和灰度级(数)。 G 灰度值 图像的数字化---量化 量化 将各个像素所含的明暗信息离散化后，用数字来表示称为图像的量化，一般的量化值用整数来表示。充分考虑到人眼的识别能力之后，目前非特殊用途的图像均为8bit量化，即用0~255描述“黑~白”; 在3bit以下的量化，会出现伪轮廓现象。　　 低bit量化的伪轮廓现象示意图 量化技术 量化可分为均匀量化和非均匀量化。均匀量化是简单地在灰度范围内等间隔量化。非均匀量化是对像素出现频度少的部分量化间隔取大，而对频度大的量化间隔取小。　　 均匀量化效果示意图 非均匀量化效果示意图 a Imshow(a) Imshow(a(1:600,1:450,1) Imshow(a(1:600,1:450,2) Imshow(a(1:600,1:450,3) a2=(a(1:600,1:450,1);imshow(a2) a2 a3=a1-a2 a3(100:250, 120:320） 第三章 像素空间关系 图像的基本单元是像素，像素在空间是按一定规律排列的，互相之间有一定的关系； 图像中的每一个像素有一定的空间位置，对图像的坐标变换是通过对像素坐标的变换来实现； 变换是一种映射，是将图像从一个空间映射到令一个空间（空间变换），或在同一空间从一个位置转换到另一个位置（坐标变换）； 坐标变换（平移、旋转和缩放） 空间变换 灰度插值 （一） 象素的邻域 （邻近像素/近邻像素） 1. 4-邻域 象素p(x,y)的4邻域定义为其左右上下4个象素（图a） 2. 对角邻域（D-邻域） 象素p(x,y)的对角邻域定义为其对角4象素（图b） 3. 8-邻域 象素p(x,y)的8邻域定义为其左、右、上、下、左上、右上、左下、右下8个象素（图c）， (二) 象素的邻接（两个像素接触） 1. 定义： m－连接：8－连接的变形，消除多路 2. 关系：4-邻接必8-邻接，反之不然。 2. 连接 1）邻接（接触） 连接分类 。 3. 三种连接间的关系 （1） 4-连接必8-连接，反之不然； （2） m-连接必8-连接，反之不然； （3） m-连接是8-连接的变型，介于4和8-连接之间，以消除8-连接中产生的歧义性（多路连接）。 （三） 象素连通性 －毗邻 1. 两象素毗邻 p-q 若象素p与q相连接，则称它们相毗邻。根据不同种类的连接，毗邻也分为4-毗邻，8-毗邻或m-毗邻。 2. 两象素子集毗邻S-T （S与T连通） 若 则S-T，也称S和T连通。 （三） 象素连通性－通路L p(x,y)与q(s,t)间通路L(p,q)： （三） 象素连通性－4 连通 若 且存在一条由T中象素组成的从p到q的通路，则称p在T中与q连通。 由不同通路形成不同种类的连通：4-连通，8-连通， m-连通。 （四） 距离度量 1. 定义 2. 常用的三种距离 3. 实际距离度量方法 给定三个象素p(x,y)、q(s,t)、r(u,v), 若D(p,q)满足 1.非负性： 2.对称性： 3.三角不等式 则称为D(p,q)为距离量度函数。 2 常用的三种距离 1). 欧氏距离 2). 街区距离 3). 棋盘距离 思考1: （x,y）的4-邻域象素 （x,y）的8-邻域象素 3.2 基本坐标变换 常见图像坐标变换：平移 旋转 缩放 3.3 形态变换 平面区域映射到平面区域 投影变换 仿射变换 仿射变换的矩阵表达 特殊仿射变换 相似变换 刚体变换 运动变换 灰度级插值 几何运算的实现 灰度级插值最邻近插值 双线性插值 4.4.6 变形 几何运算：空间坐标变换 一个几何运算需要两个独立的算法。 第一是定义空间变换，用它描述每个像素如何从其初始位置“移动”到终止位置。即每个像素的“运动”。 第二使灰度级插值，因为输入图像的位置坐标（x，y）一般为整数，而输出图像的位置坐标为非整数。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. C