数字图像处 理matlab第01章 绪论内容资料.ppt

例：BMP文件组成 BMP文件由文件头、位图信息头、颜色信息和图像数据四部分组成。位图结构如下所示: 位图文件头结构BITMAPFILEHEADER 位图信息头结构BITMAPINFOHEADER 位图颜色表RGBQUAD 位图像素数据 BMP文件头 typedef struct tagBITMAPFILEHEADER { WORD bfType; // BM DWORD bfSize;// 文件大小 WORD bfReserved1;// 0 WORD bfReserved2;// 0 DWORD bfOffBits; // 位图数据的起始位置， }TMAPFILEHEADER; 连续图像f (x, y)被取样，坐标(x, y)的值变成离散值，通常对这些离散坐标采用整数表示 ： 3行4列－》 图 图像的坐标 取样和量化的结果是一个矩阵 假定图像尺寸为M、N，每个像素所具有的离散灰度级数为G 这些量分别取为2的整数幂m，n，k，即M=2m，N=2n，G=2k 存储这幅图像所需的位数是： 图像数据量： 提出问题： 1）一幅图像应取多少样点呢？ 2）量化应取多少级为合适？是否取的级数越多越好？ 1.5.2 二维采样 设图像大小为M*N个像素。 图像采样主要解决的问题是找出能从取样图像精确地恢复原图像所需要的最小M和N,即各取样点在水平和垂直方向的最大间隔。 所以最少的样点数应该满足一定的约束条件：由这些样点数，采用某种方法能够完全重建原图像。即二维取样定理。 定义二维图像信号 的傅里叶频谱为 。 二维傅里叶正反变换 ： （2.7） ①二维采样定理： 如果2D信号 的傅里叶频谱 满足 其中 对应于空间位移变量x和y的最高截止频率。 则当采样周期 满足 此时，通过采样信号 能唯一地恢复原图像信号f (x,y) 。 证明： 设采样函数为： 其中， 则对连续函数采样后图像为： 在频域，则为 即： 物理含义：取样后的频谱是原频谱 在u,v平面内按 周期无限重复。若 取得足够小，则取样后频谱将不会重叠，可通过低通滤波的方法完全恢复图像。 图2.4 二维图像采样示意图 图2.5 取样前后的二维频谱 ②从取样图像恢复原图像 设理想低通滤波器的特性为： 恢复图像频谱 傅里叶反变换，则恢复图像为： 说明：原来的连续信号可通过以其取样为权值的二维sinc函数的线性组合得以恢复。 1.5.3 图像的量化 量化：使连续信号的幅度用有限级的数码表示的过程。 量化的准则不同，会导致不同的量化效果。 （1）按量化级步长均匀性 均匀量化和非均匀量化。 （2）按量化时处理的采样点数分 标量量化和矢量量化。 均匀量化 将 均分成个k子区间后，每个区间的长度 各子区间以它的中心位置作为量化值 1）.均匀量化（线性量化） 当待量化值在区间内均匀分布时 k各区间的总误差平方 最小： 像素灰度值在黑—白范围较均匀分布的图像，这种量化方法可以得到较小的量化误差。 若连续灰度值用z来表示，对于满足zi≤z≤zi+1的z值，都量化为整数qi。qi称为像素的灰度值，z与qi的差称为量化误差。一般，像素值量化后用一个字节8 bit来表示。灰度值的范围为0～255。 图 量化过程 a)量化 b）量化为8bit 判决电平 量化电平 思考题： 假设随机变量X均匀分布在0和10之间，用N层均匀量化。 （1）计算出所有判决电平和量化电平。 （2）求均方量化误差。 主要思想： 不等于常数，使 最小。 说明样本值在某个取值范围内较频繁出现，而在另外一些范围内出现不多。 可对样本值较频繁出现的取值范围采用较小的量化区间，而在其它地方用较大的量化区间。 这样就可在不增加量化级数的条件下，降低平均误差，减少量化噪声。 2）非均匀量化器（Max量化器） Max量化器在总误差平方和最小的意义上是最优的。 但一般而言，图像在0附近出现的概率较高，因此Max量化器在0附近必然量化间隔很密，量化较精细。 实际中，人眼在0附近的分辨率并不灵敏，所以用Max量化器量化得太细是没有意义的。 非均匀量化原则： 方法一：根据人眼视觉特性①对于急剧的灰度级变化比较