图像分析与识别_课件_2.ppt

图像分析与识别 Image Analysis and Recognition 第二章 数字图像及其性质 本章要介绍一些本课程中用到的基本概念和数学工具。 图像和信号常用数学模型来描述。 信号是一个依赖于具有某种物理意义的变量的函数。 它可以是一维的（例如，依赖于时间）、二维的（例如，依赖于平面上的两个坐标量）、三维的（例如，描述空间中的一个物体）或高维的。 我们要处理的函数可以分为连续的、离散的或数字的。 连续函数具有连续的定义域和值域；如果定义域是离散的，我们得到的是离散函数；如果值域也是离散的，我们就得到数字函数。 第一节 基本概念 一、图像函数 图像(image)这一词我们通常在直观上去理解其意义，例如，人类眼睛视网膜上的图像，或者摄像机拍摄到的图像。 图像可以表示为两个或三个变量的连续函数，在简单的情况下变量是平面的坐标(x, y)，不过当图像随时间变化时可以加上第三个变量t 。 图像函数的值对应于图像点的亮度。 亮度(Brightness)集成了不同的光学量，将亮度作为一个基本量使我们可以避免对图像的成像过程进行描述，这个过程是非常复杂的。 人类眼睛视网膜上或者图像传感器拍摄的图像本身是二维的(2D)，我们将这种记录了明亮度信息的2D图像称为亮度图像(intensity image)。 我们周围的真实世界本身是三维的(3D)，2D亮度图像是3D场景的透视投影(perspective projection)，这一过程由针孔摄像机拍摄的图像来表达，见下图。 整体系统由四个坐标系(世界坐标系OWXWYWZW，摄像机坐标系OCXCYCZC，CCD像面坐标系OPXPYP，计算机图像坐标系OIXIYI)表示。 摄像机坐标系的坐标原点为镜头物镜的主点，Z轴为光轴方向。 CCD像面坐标系建立在CCD器件的成像面上，其原点设为矩形像面区域的左上角。 (XP0,YP0)为透镜光轴与CCD像面的交点，即CCD像面中心的坐标。 计算机图像坐标系建立在计算机屏幕上，其原点为所显示的矩形图像区域的左上角，(XI0,YI0)为与(XP0,YP0)相对应的在计算机图像坐标系中的CCD像面中心坐标。 当3D物体经过透视投影映射到摄像机2D平面后，由于这样的变换不是一一对应的，因而大量的信息消失了。 通过一幅图像来识别和重构3D场景中的物体是一个病态问题。 恢复被透视投影损失的信息只是计算机视觉中的一个问题，这主要是一个几何问题。 一幅亮度图像的唯一可用信息是像素的亮度本身，它取决于一组互相独立的因素。 这些因素包括物体表面的反射特性（由表面材料、微结构和斑纹决定）、照明特性、以及相对于观察者和光源的物体表面方向。 当试图从亮度图像恢复物体的3D几何形状时，如何分离这些因素并不容易而且又是一个病态问题。 一些科学和技术学科直接在2D图像上进行，例如纸上的字符、指纹的图像等。因此，数字图像分析中的许多基本的有用的方法并不依赖于物体原本是2D的或是3D的。 本课程主要限定于这些方法的研究，即针对2D图像的分析与处理。 图像处理通常处理的是静态(static)图像，时间t作为常量。 单色的静态图像是用连续的图像函数f(x,y)来表示的，其中的变量是平面的两个坐标。本课程中所考虑的图像大多数是指单色的静态图像，这里所讲的技术推广到彩色图像的情况是显而易见的。 计算机图像处理所使用的数字图像函数通常表示成矩阵的形式，因而其坐标是整数。图像函数的定义域是平面的一个区域 R。 其中xm, yn表示最大的图像坐标。 图像函数具有有限的域。 图像函数的值域也是有限的，按照惯例，在单色图像中最低值对应于黑，而最高值对应于白。 在它们之间的亮度值是灰度阶(gray-level) 。 数字图像的品质随着空间、频率、辐射计量、时间分辨率的增长而提高。 空间分辨率(spatial resolution)是由图像平面上图像采样点间的接近程度确定的。 频谱分辨率(spectral resolution)是由传感器获得的光线频率带宽决定的。 辐射计量分辨率(radiometric resolution)对应于可区分的灰阶数量。 时间分辨率(time resolution)取决于图像获取的时间采样间隔。 图像描述中的数学工具根植于线性系统理论、积分变换、离散数学、以及随机过程理论等。 数学变换假定图像函数f(x,y)是“好形态的”，意思是指：该函数是可积的，具有可逆的傅立叶变换，等等。 二、狄拉克(Dirac)分布和卷积 理想的冲激是一个重要的输入信号，它的引入使得在连续图像函数域中可以使用线性数学理论。 图像平面上的理想冲激是用狄拉克分布(Dirac distribution)即δ(x,y)定义的, 且对于所有的x, y不等于0，有δ(x,y)=0。