数字图像处理根基知识1.ppt

第二章 数字图像处理基础知识 2.1 基本概念 2.2 基本系统 2.3 数字图像处理基础 2.1 基本概念 图像的像素 2.1.1 图像的表示 1. 数学表示 (1) 二维离散亮度函数f(x,y)（图像函数） 1) x y表示图像像素的坐标； 2) 函数值f 代表了在点(x,y)处像素的亮度值（灰度值）。 （可对应不同物理量，常用灰度表示） ? 一幅彩色图像：各点值还应反映出色彩变化，即可用f（x，y，?）表示，其中?为波长。 活动彩色图像(电视、电影）：还应是时间t的函数，即可表示为 f（x，y，?，t）。 2.1.1 图像的表示 (2) 二维矩阵A[m,n] 1) m , n表示图像的高和宽； 2) 矩阵元素a(i j)的值表示图像在第i 行、第j 列的像素的灰度值 。 2.1.1 图像的表示 2.1.1 图像的表示 2.计算机表示 (1) 图像数据 – 数组 – 顺序存放的连续数据 (2) 文件（如：BMP格式） 2.1.2 图像的数字化(DIGITIZING) 图像的数字化： 将代表图像的连续（模拟）信号转变为离散（数字）信号的变换过程。 要解决两个问题： ? 空间取样（空间坐标的离散化） ? 幅度的量化（幅度的离散化，灰度值或亮度值变为若干级） 数字图像（DIDITAL IMAGE）： 在空间坐标和亮度上都离散化了的图像。 2.1.2 图像的数字化 2.1.2 图像的数字化 取样点的选取 假定一幅图像取M?N个样点 1) M，N一般为2的整数次幂； 2) M，N可以相等，也可以不等； 3) 对于M，N数值大小的确定： M?N大到满足采样定理，重建图像就不会产生失真。 2.1.2 图像的数字化 采样定理 如果信号所含的最高频率成份为fN，则采样频率至少是fN的两倍时，可保证采样信号的不失真。 2.1.2 图像的数字化 2.量化（QUANTIZATION） ―图像函数值（灰度值）的离散化（取值的数字化）被称为图像灰度级量化； ―量化处理：将f 映射到Z的处理； ―Z的最大取值，确定像素的灰度级数Q= 2b， 如256。 2.1.2 图像的数字化 若将样点量化为Q级，Q如何取值： 1) Q总是取2的整数次幂，如Q=2b； 2) b取值越大，重建图像失真越小，若要完全不失真重建图像 ，b必须取无穷大，否则一定存在失真。这就是所谓量化误差。 4. 一个好的近似图像，需要多少采样分辨率和灰度级 胡昂[1965]实验： 实验方法 选取一组细节多少不同的、不同N、M、Q的图像 让观察者根据他们的主观质量感觉给这些图像排序 实验结论 随着采样分辨率和灰度级的提高，主观质量也提高 对有大量细节的图像，质量对灰度级需求相应降低 2.1.3 图像的质量 1. 灰度层次 ? 灰度层次：表示灰度级的数量 图像数据的实际层次越多视觉效果就越好。 2.1.3 图像的质量 2.清晰度 与清晰度相关的主要因素 – 亮度 – 对比度 – 主题内容的大小（尺寸大小） – 细微层次 – 颜色饱和度 2.1.3 图像的质量 2.1.3 图像的质量 对比度：是指一幅图像中灰度反差的大小 对比度 = 最大亮度/最小亮度 2.1.3 图像的质量 2.1.3 图像的质量 2.1.3 图像的质量 2.1.4 图像的颜色 1.彩色基础知识 ? 为什么要研究彩色图像处理？ √ 符合人类视觉特点 ? 人类可以辨别几千种颜色色调和亮度 ? 只能辨别几十种灰度层次 √ 有用的描绘子 ? 简化目标物的区分 ? 目标识别：根据目标的颜色特征 2.1.4 图像的颜色 1) RGB模型 杨―赫姆霍尔兹视觉三基色假说: C = R + G + B 视网膜锥体细胞感红感绿感蓝色素，对光的响应峰值分别在红、绿、蓝区，由此综合形成色觉信息。 ? CCD技术直接感知R,G,B三个分量 ? 是图像成像、显示等设备的基础 人类感光细胞的敏感曲线 2.1.4 图像的颜色 2.1.4 图像的颜色 2) HSI格式 H(hue):色调，表示颜色，与波长有关，取值0-360。 S(saturation):饱和度，表示色纯度，即单色光中渗入白光的程度，取值0-1或0-100。 I(intensity):强度，表示人眼感知颜色的强弱程度，它和能量大小及人眼对不同波长的感知能力有关，取值0-1或0-100 。 2.1.4 图像的颜色 2.1.4 图像的颜色 3.真彩色、 伪彩色、 假彩色 (1) 真彩色图像 (