第2章图像处理基本原理.docVIP

第2章 图像处理基本原理 2.1数字图像 一般的模拟图像是不能直接用数字计算机来处理的。为使图像能在数字计算机内进行处理，首先必须将各类图像（如照片，图形，X光照片等等）转化为数字图像。 所谓将图像转化为数字图像或图像数字化，就是把图像分割成如图2.1所示的称为像素的小区域，每个像素的亮度或灰度值用一个整数来表示。 图2.1 图像数字化 把图像分割成像素的方法可是多种多样的。如图2.2所示。即每个像素所占小区域可以是正方形的，六角形的或三角形的。与之相对应的像素所构成的点阵则分别为正方形网格点阵、正三角形网格与正六角形点阵。上述各像素分割方案中，正方形网格点阵是实际常用 图2.2 几种图像采样方案 的像素分割方案。这种方案虽然存在着任一像素与其相邻像素之间不等距的缺点,如图2.3（a）所示，对一个正方形点阵，若任一像素沿水平和垂直方向上与相邻像素间距为1，则该像素沿斜线方向上的间距为，但由于其像素网格点阵规范，易于在图像输入/输出设备上实现，从而被绝大多数图像采集和处理系统所采用。三角形网格点阵，虽有任一像素与其 图2.3 邻接像素的间距 相邻像素等距的优点,如图2.3（b）所示，但由于其网格点阵不及正方形网格点阵规范，在图像输入/输入设备上较难实现，从而未被广泛采用。 下面针对正方形网格点阵分割方案情况，更具体地讨论图像数字化过程。图2.4示意地说明了这一过程，该过程可划分为抽样与量化两个步骤： 图2.4 图像数字化过程 2.1.1 抽样 抽样就是把在时间上和空间上连续的图像转换成为离散的抽样点即像素集的一种操作。由于图像是一种二维分布的信息，为要对它完成抽样操作，就需要先将二维信号变为一维信号，再对一维信号完成抽样。具体做法是，先沿垂直方向，按一定间隔从上到下顺序地沿水平方向直线扫描的方式，取出各水平行上灰度值的一维扫描线，而后再对该一维扫描线信号按一定间隔抽样得到离散信号。即先沿垂直方向抽样，再沿水平方向抽样两步完成抽样操作。对于运动图像即时间域的连续图像，还需先在时间轴上抽样，即先在时间轴上抽样，再沿画面垂直方向抽样，最后再沿画面水平方向上抽样这样三步完成抽样操作。 若抽样结果每行（横向）像素为M个，每列（纵向）像素为N个，则整幅图像大小为M×N个像素。 在进行抽样时，抽样点间隔的选取是一个非常重要的问题。它决定了抽样后的图像忠实地反映原图像的程度。或者说，抽样间隔大小的选取要根据图像中包含何种程度的细微浓淡变化来确定。一般来说，图像中细节越多，则抽样间隔应越小。根据一维抽样定理，若一维信号g(t)的最大频率为ω则若用T≤为间隔进行抽样后，则根据抽样结果g（i,T） i=…-1，0，1，… 能完全恢复g(t)，即 (2.1) 上式中 2.1.2 量化 经过抽样，模拟图像已在时间、空间上离散化为像素。但抽样结果所得的像素的灰度值仍是连续量。把抽样后所得的这些连续量表示的像素离散化为整数值的操作叫量化。图2.5(a)示意地说明了量化过程，即若连续灰度值用z来表示，则对于满足zi≤z≤zi+1的z值都量化为整数值qi。qi称为像素的灰度值。z与qi的差称为量化误差。一般每个像素的灰度值量化后用一个字节来表示，即如图2.5(b)所示，把由白—灰—黑的连续变化的灰度值，量化为0~255共256个灰度级。量化后的灰度值，代表了相应的浓淡程度。 图2.5 量化 灰度值与浓淡程度的关系有两种表示方法，一种是由0~255对应于由黑—白，另一种是由0~255对应于由白—黑。在图像处理时，应注意是采用哪种表示方法。对只有黑白二值的二值图像，一般用0表示白，1表示黑。 连续灰度值量化为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两类。 等间隔量化就是简单地把抽样值的灰度范围等间隔地分割并进行量化。对于像素灰度值在黑—白范围内较均匀分布的图像，这种量化方法可以得到量化误差较小的效果。这种量化方法亦称为均匀量化或线性量化。 为了减小量化误差，引入了非等间隔量化的方法。其基本思想是对一幅图像中像素灰度值频繁出现的灰度值范围，量化间隔小一些，而对那些像素灰度值极少出现的灰度范围，则量化间隔大一些。也就是说，是根据一幅图像具体的灰度值分布的概率密度函数，按总的量化误差最小的原则来进行量化。 应该注意到，图像灰度值分布的概率密度函数是因图而异的，所以不可能找到一个适用于各种不同图像的最佳非等间隔量化方案，因此，在实用上，一般都采